Un exemple typique de distribution normale se rencontre en moulage par injection, où les moyennes varient d'une cavité à l'autre. Il est raisonnable de supposer que chaque cavité suit une distribution normale. De plus, il est également raisonnable de supposer (bien que non nécessaire) que l'écart type au sein d'une même cavité est identique pour toutes les cavités. Ceci conduit évidemment à une distribution normale.
Il devrait donc être évident d'utiliser des distributions/quantiles de mélange normal dans JMP, mais ce n'est pas ce qui est généralement observé. On constate en effet de nombreuses méthodes de calcul du Ppk sur des distributions multimodales. La plupart de ces méthodes présentent des problèmes importants. Nous présentons ici ces problèmes et leurs conséquences, ainsi qu'une méthode permettant de les résoudre.
Les indices de capabilité de processus, tels que Pp et Ppk, sont traditionnellement utilisés pour décrire la qualité. Cependant, le Ppk décrit davantage le taux de non-conformité (OOS) que la qualité elle-même. Si le Pp est très élevé (comme c'est le cas en moulage par injection), la moyenne peut être très éloignée de la cible, où les produits fonctionnent le mieux, tout en présentant un Ppk élevé. De plus, la relation entre le taux de non-conformité et le Ppk dépend de la distribution des données ; ainsi, lorsque les données ne suivent pas une distribution normale, le Ppk n'est pas un bon estimateur du taux de non-conformité.
IMG_1106.jpeg
