Pour célébrer le 100e anniversaire de la carte de contrôle Shewhart, nous avons accueilli Bill Woodall, professeur émérite de statistiques à Virginia Tech, et Annie Dudley, développeur statistique senior de JMP, pour réfléchir à l'évolution des méthodes de surveillance afin de permettre une meilleure processus. Le sujet a été si bien accueilli que nous avions plus de questions que de temps pour y répondre. Bill et Annie ont partagé beaucoup de sagesse, nous vous encourageons donc à regarder la version à la demande . Continuez à lire pour en savoir plus sur leur expertise et leurs idées dans leurs réponses aux questions restantes :
Connaissez-vous des cas où le processus surveillé présentait un caractère saisonnier auquel il fallait remédier pour éviter des alertes inutiles ?
La saisonnalité régulière des applications industrielles pourrait fournir des indices pour l’amélioration des processus. Par exemple, si la qualité est constamment pire (ou meilleure) le lundi, il serait important de découvrir pourquoi. Une saisonnalité régulière est inévitable lors de la surveillance du taux de maladies contagieuses dans les applications de santé publique. Toutefois, un modèle de série chronologique est très souvent adapté et permet de surveiller les erreurs de prévision avec une longueur d'avance au fil du temps.
Comment établiriez-vous une carte de contrôle pour les données continues ? Quels sont les éléments à considérer ?
Je suppose que vous posez des questions sur les cartes de contrôle pour les mesures continues telles que la longueur ou le poids. Dans ce cas, il faut d’abord un échantillon de base pour comprendre le processus. Ceci est considéré comme la phase I, comme indiqué dans le document suivant :
Jones-Farmer, LA, Woodall WH, Steiner, SH et Champ, CW (2014). «Un aperçu de l'analyse de phase I pour l'amélioration et la surveillance des processus». Journal de technologie de qualité 46(3), 265-280.
Ce qu'il faut faire pendant la phase II (la partie surveillance continue) dépend de ce qui a été découvert lors de la phase I. On utilise souvent des cartes XBar et R.
Vous pouvez parler d'une variable telle que la température, qui pourrait être mesurée en continu au fil du temps. Dans ce cas, on voit souvent l’utilisation de limites basées sur l’ingénierie, et non de cartes de contrôle.
Lors de la construction de cartes de contrôle, quel écart type doit-on utiliser ? À l’intérieur ou dans l’ensemble ? Quels sont les avantages et les inconvénients d’utiliser l’un ou l’autre ? Quelle est une mesure appropriée de la performance du processus : Cpk ou Ppk ?
Il convient d'utiliser la variation au sein de l'échantillon lors de la configuration de la carte de contrôle. L’utilisation de l’écart type global pourrait masquer une variation inhabituelle indiquant la présence de causes attribuables. Les deux indices de capacité sont utiles. L'indice Cpk donne la capabilité potentielle du procédé, tandis que Ppk donne la capabilité atteinte.
Pensez-vous vraiment que c'est une bonne idée de mettre des limites de spécification sur un graphique XBar lorsque la taille du sous-groupe est supérieure à 1 ? Les spécifications concernent des pièces individuelles et non des moyennes de groupes de pièces – les moyennes varient moins que les individus.
Les limites de spécification ne doivent être tracées sur une carte de contrôle que lorsque l'on dispose d'observations individuelles.
Quel est le plus grand changement entre l’Industrie 3.0 et l’Industrie 4.0 dans la carte de contrôle puisque nous avons plus de puissance informatique et avons maintenant beaucoup plus de données ?
Il y a trop de changements à lister. Je suggère de jeter un oeil à l'article suivant:
Colosimo, BM, Jones-Farmer, LA, Megahed, FM, Paynabar, K., Ranjan, C. et Woodall, WH (2024). « Surveillance statistique des processus de l'industrie 2.0 à l'industrie 4.0 : aperçus de la recherche et de la pratique. A paraître dans Technometrics.
Que pensez-vous de la non-normalité et de son impact sur le taux de fausses alarmes du dossier des individus ? Le Dr Wheeler, et Shewhart lui-même, se soucient moins de la distribution sous-jacente des données, alors que d'autres recommandent de transformer les données.
Utiliser une transformation non linéaire des données pour tenter d'atteindre une normalité approximative est souvent peu judicieux, en particulier dans la phase I. De nombreux problèmes sont abordés dans l'article suivant :
Khakifirooz, M., Tercero-Gómez, VG et Woodall, WH (2021). « Le rôle de la distribution normale dans la surveillance statistique des processus », Quality Engineering 33(3), 497-510.
En ce qui concerne le taux de fausses alarmes, le degré de non-normalité est important, ainsi que la taille de l'échantillon.
La transition vers l'Industrie 4.0 signifie-t-elle également moins de cartes de contrôle univariées et davantage de cartes de contrôle multivariées, puisque davantage de données sont produites à partir de capteurs ?
Des méthodes multivariées seront nécessaires dans l’Industrie 4.0. De nouvelles méthodes multivariées seront nécessaires.
Quelles sont les lignes directrices des cartes de contrôle pour les données qualitatives (réussite/échec) ?
On peut utiliser des diagrammes p ou des diagrammes basés sur la distribution géométrique si les échecs sont rares.
Vous avez suggéré qu'une carte de contrôle Shewhart devrait toujours être établie au fil du temps. Dans le livre de Shewhart de 1931, il parlait de sous-groupes rationnels et donnait des exemples (p. 310, 313, 331) de cartes de contrôle qui ne sont pas axées sur le temps. Quelle est votre pensée ici ?
L’ordre temporel est une caractéristique fondamentale des cartes de contrôle. Le recours à l’analyse de variance semblerait plus approprié dans ces exemples.
La transition vers l'Industrie 4.0 signifie-t-elle également davantage de SPC multivariés et moins univariés, par exemple la modélisation PCA des données des capteurs ? Pourquoi JMP ne dispose-t-il pas de scripts d'alarme pour MDMCC ?
Bien que JMP dispose de cartes de contrôle multivariées basées sur un modèle (MDMCC a été ajouté dans JMP 15), JMP ne dispose pas encore de scripts d'alarme disponibles sur cette plate-forme car nous n'y avions pas pensé. Excellente suggestion !
Pouvez-vous recommander un article/un livre/une source fournissant un « glossaire » avec des « définitions » de termes spécialement utilisés pour les cartes de contrôle ?
Le meilleur livre est la 8 e édition de « Introduction to Statistical Quality Control » de Douglas C. Montgomery publiée par John Wiley & Sons. Nous ne connaissons pas le meilleur glossaire, bien qu'il en existe quelques-uns disponibles en ligne.
En plus de la version à la demande de cet épisode de Statistical Speaking, le livre blanc rédigé par Bill, On 100 Years of the Shewhart Control Chart , est fortement recommandé. Bill a gentiment proposé de partager les documents qu'il a mentionnés. Demandez-les en envoyant un e-mail à bwoodall@vt.edu . Merci, Bill et Annie, d'avoir partagé autant d'expertise utile ! Nous sollicitons vos commentaires pour nous aider à célébrer le 100 e anniversaire de la carte de contrôle Shewhart. Place à l'amélioration continue !
