Oliver Thunich, Consulente, STATCON GmbH
Nella produzione industriale, gli intervalli di tolleranza sono ampiamente utilizzati per determinare la qualità di un processo. Gli intervalli di tolleranza comunemente utilizzati, tuttavia, presuppongono una distribuzione normale dei dati, il che è problematico per molti processi. In seguito a una richiesta di un cliente, abbiamo trovato la possibilità di calcolare intervalli di tolleranza non parametrici calcolando intervalli di confidenza per quantili utilizzando l'approccio di verosimiglianza empirica non parametrica implementato in JMP. Poiché le dimensioni del campione desiderate diventano molto piccole, gli intervalli di confidenza non parametrici tradizionali tendono a restituire risultati instabili. Pertanto, abbiamo sviluppato uno script JSL che estende il metodo di verosimiglianza empirica ed è in grado di generare intervalli di tolleranza stabili e non parametrici per una grande percentuale della popolazione anche con campioni di piccole dimensioni. Uno studio di simulazione valuta le prestazioni dell'approccio rispetto ai metodi esistenti utilizzando dati di produzione e dati di analisi di sopravvivenza. Abbiamo scoperto che il metodo proposto è molto più stabile dei metodi esistenti, soprattutto quando i dati differiscono notevolmente da una distribuzione normale. Utilizzando JMP in combinazione con il metodo implementato, siamo in grado di garantire la qualità dei processi in cui la misurazione della qualità risulta molto costosa e/o richiede molto tempo.
