Statistiques
Améliorer la qualité commence par mesurer les faits et observer les comportements des processus. Maîtriser les représentations graphiques et analyses statistiques est indispensable !
Pourcentage de points inspectés respectant le seuil de tolérance 
Percentage of Inspection points Satisfying Tolerance (PIST)
Il s’agit comme son nom le précise du nombre de points inspectés qui respectent les seuils de tolérance mentionnés dans les spécifications rapportés au nombre de points inspectés
Précision Precision
La précision se définit comme la proximité entre la valeur observée et la valeur de référence acceptée. La valeur observée doit être sélectionnée de manière aléatoire.
Qualité moyenne Average Outgoing Quality (AOQ)
La qualité moyenne est la qualité attendue des outputs en sortie du processus pour une valeur donnée de qualité des inputs
Régression multiple Multiple Regression
Les régressions multiples permettent de réaliser des projection de séries dans le futur en tenant compte des valeurs observées dans le passé. Les régressions peuvent être linéaires, logarithmiques …
Scédasticité Scedasticity
La scédasticité est la relation qui existe entre des variables d’entrée et des variables qui caractérisent l’output. Si les variations de l’output sont modifiées par le changement de valeurs des variables d’entrée, on parle d’hétéro-scédasticité. Si les variations de l’output sont constantes lorsque les valeurs des inputs changent, on parle d’homo-scédasticité.
Six M Six M (6M)
Les 6 M sont les 6 causes possibles de défauts dans la méthode dite d’Ishikawa :
• Matière/Materials : tout ce qui rentre comme inputs dans le processus
• Machines : les moyens techniques qui aident l’homme dans la transformation des inputs
• Main d’œuvre/Man : le complément humain aux machines ! Si importante dans le monde du service
• Méthodes/Methods : les normes applicables aux processus
• Milieu/Mother Nature : les éléments externes qui influencent les conditions de production du produit ou service (la chaleur, le froid, les variations de température, le bruit …)
• Mesure/Measurement : si Ishikawa parlait initialement de 5M, ce dernier M vient compléter la liste des 6M du Six Sigma. Les défauts peuvent provenir de défauts de mesure, de mesures incohérentes ou inexistantes
Diagramme des 6 M (Ishikawa)
Sous-groupe rationnel Rational Subgroup
Un sous-groupe rationnel d’un échantillon statistique est un sous-groupe dans lequel les chances de variations pour des causes spéciales seront minimisées. L’objectif est d’éliminer les risques de variations spéciales sur une courte période de temps dans le sous-groupe. Il sera également utile de comparer les variations entre les sous-groupes afin de comprendre les modifications apportées au processus et entraînant ces variations inter-groupe.
Table de contingence Contingency Table
La table de contingence est un tableau à double entrée présentant la relation existant entre les deux entrées pour chacune de ses valeurs possibles.
Taux de croissance composé Compound Annual Growth Rate (CAGR)
Le taux de croissance composé s’appuie sur la valeur initiale et finale pour une période de temps donnée.
La formule de calcul est :
(Valeur dernière période - Valeur première période)^(1/Nombre de périodes) - 1
Il ne représente pas la réalité de ce qui s’est passé sur la période mais donne une idée de la croissance lissée sur la période.
Exemple :
Valeur début de période : 100
Valeur après 3 ans : 300
CAGR = (300-100)^(1/3) - 1 = 44%
Les valeurs intermédiaires peuvent être recalculées de la manière suivante :
Fin année 1 : 100 x 1.44 = 144
Fin année 2 : 144 x 1.44 = 207
Fin année 3 : 207 x 1.44 = 300
Taux de défaillance Failure Rate
Le taux de défaillance d’un équipement est égal à l’inverse du temps moyen entre pannes.
Taux de fonctionnement moyen entre pannes Mean Time Between Failures (MTBF)
Le temps de fonctionnement moyen entre pannes, sur une période donnée, est égale au temps net de fonctionnement, soit le temps de fonctionnement déduction faite du temps des pannes, divisé par le nombre de pannes.
L’inverse de cette mesure est le taux de défaillance.
Technométrique Technometrics
La technométrique contribue à l’utilisation des méthodes statistiques dans le domaine physique, chimique, des sciences de l’ingéniérie ou de l’information et des technologies.
Temps Bx Bx Life
Le temps Bx est le moment à partir duquel x% des pièces sont en anomalies. Par exemple, le temps B5 est le moment à partir duquel 5% des pièces sont en anomalies.
Temps de disponibilité Up Time
Temps pendant lequel l’équipement est en état de marche
Temps d’indisponibilité Down Time
Le temps d’indisponibilité est le temps pendant lequel l’équipement est en panne.
Test de Bartlett Bartlett Test
Le test de Bartlett est un test de variance similaire au test f pour plus de 2 échantillons. S’applique aux séries de distribution normale.
Test de Kruskal-Wallis Kruskal-Wallis Test
Le test de Kruskal-Wallis est un test non-paramétrique. Les échantillons doivent présenter des formes et distributions similaires.
Test du lapin rouge Red Rabbit Test
Le test du lapin rouge permet de vérifier le temps nécessaire pour identifier un défaut. Un élément rouge est ajouté au mix et le temps nécessaire pour sa découverte est mesuré.
Test F F-tests
Le test F est un un test de variance qui compare la dispersion de deux échantillons.
Test T T-test
Le test T (de Welch) est un test qui compare l’égalité de leurs moyennes pour deux échantillons de données de dispersion inégale
| Tweet |