Akira Hososhima, PDG de Torin Consulting
L'analyse de partition est extrêmement efficace lors de l'analyse des données de performance de production pour déterminer la cause des défauts. Le rapport de partition stratifie la plage dans laquelle les produits bons et défectueux se produisent, et le rapport de feuille correspondant révèle le nombre (taux) de produits défectueux (bons produits) se produisant dans la plage variable, de sorte que les conditions d'apparition de produits défectueux peuvent être clairement comprises. Les résultats de cette analyse peuvent être compris même par ceux qui n’ont pas de connaissances statistiques, ce qui facilite leur explication aux clients et au personnel clé. Un autre avantage est que les interactions peuvent être révélées sans avoir à incorporer consciemment des termes d’interaction dans le modèle, comme c’est le cas avec l’analyse de régression. Bien sûr, l’analyse de partition n’est pas une panacée. Parfois, les interactions ne peuvent pas être clairement identifiées. Il ne s’agit pas seulement d’analyser les causes des défauts, mais aussi de comparer les différences de profil à l’aide de plusieurs méthodes d’analyse et d’examiner la validité du modèle d’un point de vue technique. La prévision du rendement du marché peut être un problème critique qui a un impact direct sur la gestion, et la puissance de la prévision de fiabilité de JMP est remarquable. Le critère AICc est présenté et le modèle optimal est identifié, permettant de faire des prédictions sans biais de vœux pieux. En particulier, les modèles de défaillance partielle sont utiles car ils correspondent souvent aux conditions réelles.
