Dans un récent article de blog, j'ai discuté limites de contrôle et limites de spécification, d'où elles proviennent et ce qu'elles sont . Cet article donne plus de détails sur limites de spécification . Nous utiliserons la capacité de processus dans JMP pour générer une analyse de capabilité. Nous utiliserons ensuite cette analyse pour prendre des décisions concernant notre processus. Vous pouvez en savoir plus sur Capacité du processus dans un message de mon collègue Laura Lancaster .
Exemple
Dans un article précédent sur générer des limites de contrôle à l'aide de Control Chart Builder, nous avons vu que la stabilité devait toujours être vérifié avant à effectuer une analyse de capabilité. J'ai présenté un exemple qui impliquait un processus d'impression. Reprenons cet exemple.
Les variations dans le processus d'impression peuvent entraîner une distorsion de la ligne, notamment des problèmes d'inclinaison, d'épaisseur et de longueur. Pour nos besoins, nous considérons la longueur de la ligne. La ligne est considérée comme bonne si elle a une longueur imprimée de 16 cm +/- 0,2 cm. Plus longtemps, et la phrase risque de sortir de la page. Un texte plus court entraînerait une perte d'espace considérable sur la page. Pour chaque tirage, le premier et le dernier livre sont mesurés. Les longueurs de ligne sont mesurées sur une page spécifiée au milieu de chaque livre.
Analyse
Nous avons déterminé dans le billet de blog précédent sur les cartes de contrôle que le processus était écurie . Maintenant que nous savons que le processus est stable, nous pouvons déterminer si notre processus est ou non capable . La capacité du processus est définie par la façon dont le processus produit un produit conforme aux spécifications. Dans notre exemple, la ligne est considérée comme bonne si elle a une longueur imprimée de 16 cm +/- 0,2 cm. Même si nous le savions et l'avions défini avant de créer nos cartes de contrôle, ces informations n'ont pas été utilisées dans notre analyse des cartes de contrôle. Ces informations définissent nos limites de spécifications. Ces valeurs ne sont pas des valeurs calculées. Nous savons, compte tenu de la taille de la page, qu'une bonne ligne a la longueur indiquée ci-dessus.
Nous pouvons utiliser nos mêmes données pour effectuer l’analyse de capacité. Pour générer l'analyse, accédez à Analyse->Qualité et processus->Capacité du processus. Sélectionnez Longueur comme Y, Processus. Dans la section Rôles de colonne, sélectionnez Longueur. Ouvrez la section Sous-groupe de processus en cliquant sur le triangle à côté de Sous-groupe de processus. Sélectionnez Exécuter dans la section Sélectionner les colonnes et cliquez sur Colonne d'ID de sous-groupe Nest.Dans la section Statistiques de variation au sein du sous-groupe, choisissez Moyenne des plages. Puisque nous avons utilisé des plages pour notre carte de contrôle, utilisons également des plages ici.
Cliquez sur OK. Une boîte de dialogue s'affiche qui vous permet de définir les limites des spécifications. Vous pouvez soit sélectionner un tableau de données contenant vos limites de spécifications, soit saisir directement vos limites de spécifications. Nous les saisirons directement. Entrez 15,98 (16-.02) pour le LSL, 16 pour la cible et 16,02 (16+.02) pour l'USL.Cliquez sur OK.
Terrain d'objectif
Un tracé d’objectifs vous est d’abord présenté.
L'axe y est le développement standard standardisé selon les spécifications. Cela montre la variabilité des données. Nous remarquons que le point se situe bien au-dessus du triangle rouge, indiquant une forte variabilité. L'axe des x représente le décalage moyen normalisé selon les spécifications. Puisque le point se situe près du sommet du triangle, nous notons que le processus est proche de la cible (un peu en dessous de la cible). La zone sous le triangle rouge indique un taux de non-conformité de 0,0027 ou mieux (cela correspond à Ppk =1), si la distribution est normale. Nous constatons que notre processus présente un taux de non-conformité beaucoup plus élevé. Le curseur Ppk peut être ajusté de sorte que le triangle indique différents taux de non-conformité.
Boîte à moustaches
Le diagramme en boîte de capacités montre que toutes nos données ne répondent pas aux limites des spécifications. Cette boîte à moustaches est très large et s'étend sur une largeur beaucoup plus grande que les limites des spécifications vertes normalisées. On remarque également que le processus est proche de la valeur cible, mais un peu en dessous. Nous le voyons parce que la ligne noire continue qui apparaît à l’intérieur de la boîte à moustaches est légèrement à gauche de la ligne verte continue qui indique la valeur cible standardisée.
Rapports détaillés individuels
Pour examiner ce processus plus en détail, sélectionnez Rapports détaillés individuels dans le triangle rouge à côté de Capacité du processus. L'histogramme suggère que les données sont normales. Si vous souhaitez effectuer un véritable test d'ajustement pour vérifier la normalité, vous pouvez utiliser la plateforme de distribution.
La courbe de densité bleue pour Within Sigma est assez proche de la courbe de densité en pointillés noirs pour Global Sigma. Cela indique que le processus est stable, ce que nous avons déjà montré via Control Chart Builder. Dans le rapport de non-conformité, on voit que le total extérieur est de 67,5. Ainsi 67,5% de nos mesures ne respectent pas les limites des spécifications.
Enquêtes supplémentaires
Pour approfondir ce processus, cliquez sur le triangle rouge à côté de Capacité du processus et sélectionnez Valeurs hors spécifications-> Valeurs de couleur hors spécifications.
Nous voyons dans le tableau de données que moins de la moitié des observations respectaient les limites de spécification. Le nombre d'observations qui sont tombées au-dessus de la limite de spécification est à peu près le même que le nombre d'observations qui sont tombées en dessous de la limite de spécification. Ce problème nécessite une enquête plus approfondie. Peut-être devrions-nous examiner de plus près la manière dont les limites des spécifications ont été déterminées. Il existe peut-être d'autres variables que nous n'avons pas prises en compte. Rappelez-vous dans la description du processus que les mesures ont été prises sur le premier et le dernier livre de chaque passage. Dans notre analyse, nous avons utilisé uniquement les variables Longueur et Run. Nous n'avons pas pris en compte le livre qui peut aussi être une source de variation dont nous devons tenir compte.
Conclusions
Le processus d'impression est stable, mais pas performant. Ainsi, même si nous pouvons prédire ce que le processus va faire, nous ne pouvons pas produire systématiquement des lignes de la longueur appropriée (entre 15,98 et 16,02 cm).Ce processus nécessite une enquête plus approfondie.
Les références
Logiciel JMP : Notes de cours sur le contrôle statistique des processus
Salut Tonya,
Pour un tableau de données donné, par exemple un tableau de 1 000 lignes, comment JMP sous-groupe-t-il le tableau pour calculer les statistiques à long terme et à court terme et donc le Cpk et le Ppk ?
Salut Mark. Dans la version actuelle de JMP, il n'est pas possible de personnaliser les couleurs attribuées aux valeurs hors spécifications. L’ajout d’une telle fonctionnalité dans une future version est à l’étude.
Est-il possible de changer les couleurs pour les valeurs hors spécifications, de sorte que les valeurs plus chaudes ou plus positives soient rouges et les valeurs plus froides plus négatives soient bleues ? Actuellement, c’est l’inverse et cela semble contre-intuitif.
