Jerry Fish, ingénieur système JMP, SAS
Les distributions de pièces sont faciles à mesurer : les pièces sont fabriquées, un opérateur mesure les pièces avec une jauge et les résultats sont assemblés dans une distribution de pièces mesurée (MPD).
Mais la distribution qui en résulte est contaminée par des erreurs liées au système de mesure.Les erreurs aléatoires, les biais de jauge et les problèmes de linéarité contribuent tous à des inexactitudes dans la mesure des valeurs réelles des pièces, de sorte que les valeurs individuelles ne peuvent jamais être vraiment connues.
Cependant, si nous avions un moyen d'estimer la vraie distribution partielle (TPD), nous pourrions la comparer au MPD et calculer l'impact (coût) associé à l'utilisation de la jauge imparfaite en termes d'erreurs de type 1 et de type 2.
Il est trivial d'estimer le TPD à partir d'un MPD si la jauge crée des erreurs simples normalement distribuées autour d'un TPD normalement distribué (c'est-à-dire, soustrayez simplement la variance de la jauge de la variance MPD pour obtenir la variance TPD).Mais que se passe-t-il si la jauge a des problèmes de linéarité ?Ou que se passe-t-il si le TPD a une forme non normale ?
Cet article décrit un nouveau script JSL pour déterminer un TPD arbitraire (c'est-à-dire non paramétrique) à partir d'un MPD arbitraire et des caractéristiques de performance de jauge associées.Le TPD résultant peut ensuite être introduit dans un deuxième script pour déterminer les coûts de production associés à la jauge imparfaite et définir des bandes de garde pour optimiser l'économie des erreurs de jauge.Les performances de la routine d'estimation sont évaluées en termes de forme de TPD, de diverses caractéristiques de jauge et de résolution des distributions.
