Oliver Thunich, consultant, STATCON GmbH
Dans la production industrielle, les intervalles de tolérance sont largement utilisés pour déterminer la qualité d'un processus. Cependant, les intervalles de tolérance couramment utilisés supposent une distribution normale des données, ce qui est problématique pour de nombreux processus. Suite à une demande d'un client, nous avons proposé une possibilité de calculer des intervalles de tolérance non paramétriques en calculant des intervalles de confiance pour les quantiles à l'aide de l'approche de vraisemblance empirique non paramétrique implémentée dans JMP. Lorsque les tailles d'échantillon souhaitées deviennent très petites, les intervalles de confiance non paramétriques traditionnels ont tendance à renvoyer des résultats instables. Par conséquent, nous avons développé un script JSL qui étend la méthode de vraisemblance empirique et est capable de générer des intervalles de tolérance non paramétriques stables pour une grande partie de la population, même avec de petits échantillons. Une étude de simulation évalue les performances de l'approche par rapport aux méthodes existantes en utilisant des données de production ainsi que des données d'analyse de survie. Nous avons constaté que la méthode proposée est beaucoup plus stable que les méthodes existantes, en particulier lorsque les données diffèrent fortement d'une distribution normale. En utilisant JMP en combinaison avec la méthode implémentée, nous sommes en mesure d'assurer la qualité des processus lorsque la mesure de la qualité est très coûteuse et/ou prend beaucoup de temps.
