850031_fr-FR

liliconcom

Analyse longitudinale à travers plusieurs étapes de processus, moyenne et variabilité

Tony Cooper , PhD, consultant analytique, SAS

Des pièces « brutes » peuvent être introduites aléatoirement dans une étape ultérieure du processus expérimental. Comment contrôler la valeur initiale ? Comment déterminer si l'étape expérimentale semble meilleure que la version originale ? Que se passe-t-il en cas de nombreuses étapes ultérieures ? Que se passe-t-il si ces étapes affectent la variabilité, ainsi que la moyenne ? Une analyse en split-plot est-elle la meilleure option ? Que se passe-t-il si les pièces ne peuvent pas être randomisées, mais doivent être introduites immédiatement dans l'étape suivante ? Les praticiens industriels connaissent le modèle de causalité « cause spéciale/cause commune » introduit par Shewhart et popularisé par Deming. Ils ignorent peut-être l'existence des plans longitudinaux à mesures répétées, une classe d'études de processus. Cette présentation aborde l'application du modèle « cause spéciale/cause commune » aux plans longitudinaux à mesures répétées. Un outil graphique très complet, conforme aux principes de Shewhart, est présenté et, en prime, évalue la symétrie composée. Un exemple de données collectées sur des pièces après chaque étape du processus sera utilisé pour démontrer l'utilisation synergique des cartes de contrôle, de l'ANOMV et de la modélisation mixte.