2025-Lean Six Sigma GreenBelt Contrôle des phases-Contrôle statistique des processus-SPC

1. Introduction: Je vous souhaite la bienvenue dans mon nouveau cours sur l' analyse des données à l'aide de Minitab. Dans ces séries, nous allons parler des cartes de contrôle. Comme je vous l'ai promis dans ma chaîne Telegram, je vais lancer le chapitre sur la carte de contrôle en détail afin que tous les doutes de base que nous avons soient clarifiés. L'objectif de tout ce programme est donc de comprendre ce que sont les cartes de contrôle, quels sont les différents types de cartes de contrôle que nous avons. Ventura utilise des cartes de contrôle. Quelles sont nos limites de contrôle, quel est le centre d'une carte de contrôle ? Utilisation de cartes de contrôle pour détecter les causes communes et les variations dues à des causes spéciales. Utilisation de tests pour causes spéciales et de cartes de contrôle. Quels sont les différents types de tests que l'on doit utiliser, quand, que faut-il éviter ? Tout sera abordé au cours de cette session. À qui s'adresse ce cours ? C'est une question importante que se posent de nombreux participants  : devrais-je assister à ce cours ou ce n'est pas pour moi ? Donc si vous êtes un étudiant de Lean Six Sigma, Green Belt ou Black Belt ou une ceinture jaune. Ou vous voulez comprendre les statistiques, contrôle des processus, c'est-à-dire les cartes de contrôle. Comment puis-je suivre mon processus de manière statistique ? Vous voulez appliquer des statistiques, comprendre différentes techniques graphiques, saisir tout ce que vous voulez comprendre l'un des outils Seven QC les plus importants, les cartes de contrôle. Vous devez suivre ce programme car il est bon de clarifier tous vos doutes. Certains des principaux points à retenir de cet atelier sont que vous comprendrez exactement ce que sont les cartes de contrôle. Venture Je l'utilise les limites de contrôle de l'eau. Quelle est la différence entre spécification et la limite de contrôle ? Et comment puis-je tester les causes spéciales ? Quels sont les tests utilisés pour identifier la cause commune ? Et quels sont les différents types d'erreurs les gens font lorsqu'ils travaillent avec des cartes de contrôle. Tous ces sujets seront traités en détail. Je vais mettre en place un atelier séparé, dont nous parlerons. Pratiquement tout. Je vais télécharger la fiche technique de mon projet. Vous aurez de nombreux projets à travailler. De plus, si vous avez des questions relatives à votre processus où vous êtes dessiné une carte de contrôle mais que vous n'obtenez pas de réponse. Vous serez libre, n'hésitez pas à m'écrire ou à mettre vos commentaires dans la section discussion et je vous aiderai, n'est-ce pas ? Commençons donc. 2. Projet de cours et comment le télécharger: Nous devons réaliser un projet chaque fois que nous apprenons quelque chose. Et la meilleure partie de Skillshare est qu'il encourage les enseignants à créer des projets dont les participants et les étudiants ont besoin pour apprendre du cours, appliquer les concepts. Je vais donc joindre cette feuille Excel en tant que plan de projet. Cela contient de nombreux exemples de données que j' utilise pendant le cours, comme les données de longueur d'arbre à cames, les données parapluie, les données de moulage par injection qui sont toujours valables. De nombreux exemples sont disponibles ici, qui vous aideront à comprendre le concept. Numéro un. Deuxièmement, vous avez ces données qui peuvent vous aider à réaliser votre projet et à le réaliser. Maintenant, certains d'entre vous sont peut-être un nouveau livre Skillshare pour vous aider à comprendre comment faire un projet et soumettre un projet, je vais vous guider. Donc, tout d'abord, vous auriez une fiche technique comme celle-ci. Voici la fiche technique du produit que je vais partager avec vous. Par exemple, je prends mes données parapluie p, écris directement, je m'amène à l'endroit où mes données sont enregistrées. Je copie ces données dans Minitab et je fais mon exercice. J'ai mes données. type de cas d'utilisation des données que nous allons couvrir en détail. J'essaie juste de vous montrer comment télécharger votre projet. J'ai donc créé mes cartes de contrôle et je vais de l'avant et la taille des sous-groupes de parapluies défectueux. Et je clique sur OK, une fois que mon graphique est prêt, je dois simplement copier ce graphique. Je peux le mettre en peinture. Et j'enregistre ce fichier. Revenons maintenant à Skillshare. Dans Skillshare, une fois que vous avez terminé le projet, vous avez une section ci-dessous sur la révision, la discussion, le projet et les sources. Cliquez donc sur Projet et ressources. Et vous pouvez voir un bouton de couleur verte ici indiquant de créer un projet. Vous devez cliquer sur ce bouton Créer un projet. Cela vous amène à un écran comme celui-ci, où il vous demande la photo que vous souhaitez présenter dans votre projet. Je vais donc télécharger une photo que je viens de créer. C'est en cours de téléchargement. J'ai maintenant soumis le titre du projet. J'ai fait le diagramme P en utilisant l'ensemble de données parapluie. Vous êtes libre d'utiliser tous les jeux de données que j'ai téléchargés tous les projets, car cela vous donnera confiance et je vais partager vos commentaires avec vous. Mais si vous avez des données qui vous concernent et que vous voulez que je vous aide, vous pouvez toujours les télécharger. Je ne vais pas vous demander les données, mais je vais vous aider à les interpréter. Je l'ai fait. Lis ça. Pour les données défectueuses. Si j'ai plus de contenu, je peux ajouter du contenu supplémentaire. Si vous souhaitez conserver la confidentialité de vos projets , vous pouvez cliquer dessus. Mais je dirais que nous avons tous appris en partageant les uns avec les autres. Ensuite, je suis arrivé et j'ai publié. Une fois que vous l'avez publié, la disponibilité du projet peut prendre quelques minutes ou quelques minutes à quelques heures. En tant que formateur, je reçois une alerte m'informant que quelqu'un a créé un nouveau projet et j'ai besoin de donner mon avis. Je vais donc ici et je fais part de mes commentaires, qui m'aidera à comprendre ce que vous avez fait et je peux partager vos commentaires. Cela vous encouragera donc à vous assurer de mener à bien votre projet. Revenons maintenant à ce tableau. Oui. Donc, si vous avez des questions, vous êtes libre d'ouvrir une discussion et de demander de commencer par une position, poser une question sur le projet. J'ai donc une question. Tu peux me le demander. Pouvez-vous m'aider avec d'autres exemples de tilde B ? Je ne fais que l'écrire. Donc, si vous avez des questions, je vous pose juste une question hypothétique. Et je peux descendre et dire « Post ». Quand je pose ceci, il est disponible et il est du devoir d'un enseignant de répondre à cela. Avec cela, vos doutes seront clarifiés. Peu importe ce que tu apprends dans la classe, tu t'appliqueras. Ce cours ne va pas seulement couvrir les travaux pratiques, mais il voudra également clarifier tous les concepts qui peuvent parfois prêter à confusion. C'est vrai ? Poursuivons donc notre exercice d'apprentissage. 3. Quelle est la précision de ce cours sur le tableau de contrôle: Bonjour les amis. Je vous souhaite la bienvenue dans ce cours sur les cartes de contrôle, qui est une méthodologie de contrôle statistique des processus. La plupart d'entre nous, lorsque nous réalisons Six Sigma tels que des projets de ceinture verte ou un projet Six Sigma Black Belt. Nous utilisons des cartes de contrôle. Certains participants le sont, d' autres personnes au bureau utilisent également des cartes de contrôle sous forme de sept Q. C2. Il est bon que nous sachions tous comment pratiquer la carte de contrôle ou comment développer la carte de contrôle à l' aide de différents outils. Vous avez des modèles qui sont disponibles de manière oblique. Certaines personnes utilisent MiniTab, autres utilisent JMP. Dans ce cours. Ce que je vais aborder c'est commencer par les bases. Mais vous connaissez peut-être les cartes de contrôle. Vous connaissez peut-être certains concepts à un niveau élevé. Je vais vous suivre étape par étape dans ce cours, qui va couvrir ce que sont les cartes de contrôle ? Quelles sont les limites de contrôle ? Qu'est-ce qu'une ligne centrale dans la carte de contrôle ? Comment détecter les rayonnements ? Des exemples de causes communes et de variations dues à des causes spéciales ? Comment puis-je utiliser brainstorming pour étudier ce problème ? Quel type de différence ? Quels sont les différents types de tests disponibles pour nous ? Quels sont les différents types de cartes de contrôle en fonction du type de données que vous devez créer. Nous allons prendre de nombreux exemples où nous essaierons de comprendre les concepts à partir de zéro. Nous allons donc apprendre comment appliquer la carte de contrôle qui sera utilisée ? Non seulement en théorie, mais aussi en termes pratiques, où je vais vous donner un cas d' utilisation et vous demander ou vous guider dans le processus de sélection de la carte de contrôle correcte. Post, dans lequel je vais également vous montrer comment créer cette carte de contrôle à l'aide MiniTab et comment identifier la variation due à une cause spéciale dans le processus. De nombreux exemples ici, ce qui vous permet de le comprendre et de l' appliquer facilement même si vous êtes issus de différents secteurs d'activité. Je vais donc d'abord expliquer le concept. Quel est le problème rencontré par l'ingénieur qualité ? Quelles sont les données qu'il collecte ? Et sur la base des données, quelle est la bonne carte de contrôle à récupérer. J'espère donc que vous apprécierez d'apprendre à travers moi, non seulement les aspects pratiques de la création de la carte de contrôle, mais également les concepts qui sont très importants pour nous afin de nous assurer que nous sommes en mesure de vider notre barre Y pendant la présentation. La prochaine chose importante que je vais ajouter est le projet. Regardez-le dans la vidéo suivante. 4. Qu'est-ce que les graphiques de contrôle: Qu'est-ce que les cartes de contrôle ? Nous avons B tel que nous le comprenons, n'est-ce pas ? Il s'agit d'un graphique qui vous aide à déterminer si votre procédé est maîtrisé. Le processus audio est hors de contrôle. Il vous aide à identifier la présence d' une variation due à une cause spéciale si elle existe dans votre procédé. Chaque fois qu'une variation due à une cause spéciale est présente dans votre procédé, celui-ci est considéré comme instable, ce qui signifie qu'une action corrective est nécessaire dans votre processus. Les cartes de contrôle sont utilisées comme sept outils de CQ. Il est également utilisé dans la phase de contrôle de vos projets Green Belt et Black Belt. Et il est toujours bon de vérifier si mon processus que je suis en train d'exécuter aujourd'hui n'est pas sous contrôle ou s'il est hors de contrôle, ou s'il a des chances de perdre le contrôle ? Nous voulons identifier la variation due aux causes spéciales, et nous voulons la corriger. tableaux de contrôle et rien d'autre que des graphiques qui tracent les données de processus dans une séquence chronologique. Vous avez sûrement entendu parler du concept de diagramme de séries chronologiques. Donc oui, il s'agit d'un diagramme de série chronologique ou d'un graphique d'essais, mais l'élément supplémentaire qui ajouté dans la carte de contrôle, ligne centrale plus facile, limite de contrôle supérieure et une limite de contrôle inférieure. Et c'est le cas, ces lignes sont tracées en fonction des données que vous avez fournies. La ligne centrale représente la moyenne du procédé. Les limites de contrôle représentent la variation du procédé. Par défaut, les limites de contrôle sont tracées à une distance d' environ trois écarts-types au-dessus et en dessous de la ligne centrale. Donc, lorsque j'ai une carte d'essais, techniquement une carte ordonnée dans le temps, mais que j'ai des éléments supplémentaires qui me donnent plus d'informations comme la ligne centrale, ma limite de contrôle supérieure et ma limite inférieure limite de contrôle. Cela m'aide à identifier la facilité de mon audience de processus, mon processus n'est pas stable. Les points qui tombent aléatoirement dans les limites de contrôle indiquent que votre procédé est maîtrisé et ne présente que des variations de cause commune. Donc, la variation due à une cause commune peut être n'importe quoi qui est aléatoire, n'est-ce pas ? Parfois, quand je parle, il peut y avoir un décalage d'une seconde. Cela peut être dû aux coûts communs. Mais si je parle et que tu n'arrives pas à m'entendre, c'est une cause spéciale. Soit mon micro ne fonctionne pas soit mon réseau ne fonctionne pas. J'ai cliqué sur le bouton muet. Il y aura une cause spéciale qui devra faire l'objet d'une enquête. Et ceux-ci peuvent être identifiés lorsque points se situent en dehors de la limite de contrôle. Est-ce qu'ils affichent un signe de tête ? Je suis rentré à l'époque. Même si le processus se situe à l'intérieur de la limite du conteneur, mais que le modèle n'est pas aléatoire, ils indiquent que le processus est hors de contrôle. variation due à une cause spéciale est présente dans votre procédé, ce qui nécessite que vous preniez des mesures. Quand dois-je utiliser les cartes de contrôle ? C'est une question courante que les gens se posent, si vous surveillez et tentez de comprendre votre nouveau processus audio . Les cartes de contrôle sont un outil très utile. Vous pouvez utiliser des cartes de contrôle pour démontrer si votre procédé est stable et cohérent ou quel type. Un processus stable est un processus qui inclut uniquement une variation de cause commune et qui ne présente aucun point hors contrôle. Vérifiez que votre procédé est stable avant d'effectuer une analyse de capabilité. Vous vous souvenez donc que dans la phase de mesure de votre projet, vous essayez de faire une analyse de capabilité pour savoir comment votre processus est capable si vous réalisez un projet Six Sigma. Certains professionnels, certaines organisations effectuent également une analyse de capabilité sur une base régulière pour vérifier si le processus est stable. Vous ne devez donc faire cette analyse qu'après avoir su que votre processus est David. Si un processus n'est pas stable, vous ne devez pas effectuer d'analyse de capabilité ou ce rapport, mais vous obtiendrez un rapport non valide. Évaluez l'efficacité du changement de processus. Il s'agit également d'un autre scénario dans lequel vous utilisez des cartes de contrôle. cartes de contrôle, il est facile de comparer les décalages de la moyenne du procédé les variations de la variation du procédé. Communiquez les performances de votre processus pendant une période de temps spécifique. Comme je vous l'ai dit, les graphiques peuvent être dessinés dans un ordre chronologique. Quelles sont nos limites de contrôle. Nous en parlerons dans la prochaine vidéo. 5. Quelles sont les limites de contrôle ?: Laissez-nous comprendre quelles sont nos limites de contrôle, nos limites de contrôle. Votre tableau de contrôle représente la variation de votre procédé , ce qui vous aide. J'indique un processus plus facile à contrôler ou est-ce que votre processus est hors de contrôle des télécommandes contrôlées, limites et rien des lignes horizontales qui sont tracées au-dessus et en dessous de la ligne centrale. Cela vous aidera à juger. Encore une fois, est-ce que mon processus est stable ou non ? Les limites de contrôle de cette personne sont basées sur la variation aléatoire du processus. Par défaut, Minitab définit les limites de contrôle comme trois écarts types au-dessus et en dessous de la ligne centrale. Voici un exemple simple, les limites de contrôle. Vous pouvez donc avoir vos données de processus qui sont dessinées dans un ordre chronologique. La ligne rouge en haut, appelée UCL, est votre limite de contrôle supérieure. Et le NCL est une limite de contrôle inférieure. La ligne verte est la ligne centrale. Nous pouvons voir dans ce processus que j'ai deux points, qui sont deux points de données qui se situent au-delà de la limite de contrôle supérieure. Cela indique que le processus est hors de contrôle. Cela signifie donc qu'il existe une variation due à une cause spéciale et que nous devons l'étudier. Laissez-nous comprendre la différence entre limite de contrôle et la limite de spécification dans le chapitre suivant. 6. Quelles sont les lignes centrales dans les limites de contrôle ?: Dans ce chapitre, nous allons comprendre les terminologies importantes telles que la ligne centrale et quelles sont les limites de contrôle ? Qu'est-ce qu'une ligne centrale dans une carte de contrôle ? La ligne dentaire dans votre tableau de contrôle représente la moyenne du procédé, pas nécessairement le processus souhaité. Ce soir, la moyenne de spécification donnée par le client. C'est ce qui se passe réellement et ce qui se passe dans votre processus. La ligne centrale est une ligne de référence horizontale sur une carte de contrôle qui est une valeur moyenne. Et il est basé sur les caractéristiques de qualité utilisées la ligne centrale pour observer les performances du processus par rapport à la moyenne. Si le processus est maîtrisé, les points varieront de façon aléatoire autour de la ligne centrale. Reportez-vous à cet exemple. La ligne verte, que vous voyez à l'écran, est votre ligne centrale. Il s'agit de la moyenne du processus. Chaque point de données peut être un sous-groupe de nombres. Donc, sous-groupe, il peut s'agir d'un échantillon de sous-groupe de cinq éléments, dix éléments, etc. Et cette moyenne est prise et la moyenne de l'ensemble des données est prise pour dériver à cette ligne verte, qui est votre ligne centrale. Dans cet exemple, le graphique à barres X affiche la longueur de l' arbre à cames de fabrication sur la période de la ligne centrale qui indique la moyenne du processus. Et le sous-groupe signifie très aléatoirement autour du processus. Vous voyez donc que les points montent et descendent autour de la ligne verte. Et cela se produit en raison de la présence d' une variation de cause commune dans votre processus. Attention chaque fois que vous travaillez. Ne vous confondez pas entre la ligne centrale et la valeur cible de votre procédé. La valeur cible provient des spécifications de votre client, n'est-ce pas ? Quel est le résultat souhaité ? C'est la ligne cible, mais le résultat réel est votre ligne centrale. Les deux sont donc différents. Utilisation de la carte de contrôle pour détecter le rayonnement. Nous aborderons ce point dans le chapitre suivant. 7. Détecter les variations: Commençons par comprendre comment utiliser les cartes de contrôle pour détecter les variations de mon procédé ? Les cartes de contrôle sont utilisées pour surveiller deux types de variation de procédé. Comme je vous l'ai dit dans le chapitre précédent, il est question de la variation due à une cause commune et à une cause particulière de rayonnement. Quelles sont les variations de cause commune et cause spéciale Vous pourriez vous poser une question. Et à quoi ressemble la variation due à une cause spéciale lorsque vous travaillez sur la carte de contrôle. Comment puis-je identifier variation due à une cause spéciale sur ma carte de contrôle ? L'utilisation du remue-méninges pour étudier les variations dues à des causes spéciales est une solution. Si vous identifiez la variation due à une cause spéciale et votre graphique, nous allons les couvrir en détail. Ne corrigez pas trop votre procédé à cause d'une variation de cause commune. C'est une erreur courante que les gens commettent. Parce qu'une certaine variation de cause commune devrait être présente dans votre processus parce que c'est naturel. Comprenons donc qu'un certain degré de variation est naturellement présent dans tout processus. Si je commence mon entraînement, je pourrais être assis tous les jours le matin à dix heures pour commencer à enregistrer mon entraînement. Certains jours, je pourrais être présent au tendon. Prenons un exemple plus simple. Je commande de la nourriture sur bars clandestins swaggy que je livrerai en 40 minutes. Par exemple, il peut livrer la nourriture en 38 minutes. lendemain, j'ai commandé la nourriture au même endroit et via 3D, mais la commande peut être livrée en 30 minutes. Le troisième jour, il peut être livré dans 32 minutes, 45 minutes. Quelle que soit la petite variation qu'il y a là. Et il est acceptable que cela arrive à cause de la variation due à une cause spéciale. Variation due à une cause commune La variation de cause commune est un processus naturel et variation inattendue du processus. La variation due à une cause spéciale est une variation inattendue du procédé, qui est due à certains événements inhabituels. Il est important d' identifier et d'essayer d' éliminer les variations dues à des causes spéciales dans le processus. Par exemple, je passe une commande sur squeaky. Ils ont dit qu'il serait livré dans 40 minutes, mais cela fait déjà deux heures et ils ne sont pas en mesure de livrer ma commande. Je m' inquiéterais certainement. Je n'attendrais même pas deux heures immédiatement après 45 minutes, j'appellerais et disais où est ma commande ? Et ils disent que c'est en route. Une heure plus tard signifie qu' après 60 minutes, j'ai encore une fois un peu de ma commande. Et ils ont dit qu'en raison des fortes pluies, le chauffeur est bloqué sur le chemin et donc, le retard dans la livraison. 8. Exemples de variations de causes courantes et de causes particulières: Bonjour les amis. Continuons à comprendre quelles sont les différentes causes de variation dans nos analyses de données pour l'utilisation des cartes de contrôle , nous essayons comprendre tous les concepts relatifs aux cellules de contrôle. L'une des choses importantes est que nous apprenons nos différentes causes de variation, c' est-à-dire que la carte de contrôle se déplace vers le haut et vers le bas. Les causes peuvent être quelque chose comme une variation de cause commune ou une variation de cause spéciale. Si vous voyez le fermier à droite, le fermier limitrophe à droite, il reçoit un sac d'œufs, qui sont une boîte de x, qui sont un mélange de blanc et de couleur. Quand il entre dans la racine du problème, il se rend compte que tous ses œufs, où notre Lee mélangé x coloré, pondent des œufs blancs et ils sont liés couleur x, le pouvoir. Il s'agit donc d'une variation de cause courante. Il doit donc enquêter et essayer de réduire, de minimiser. Vous pouvez y aller, il ne peut pas éliminer de matière, essayer de minimiser la variation de cause commune. Le fermier poudreux de gauche reçoit également une boîte de x, qui est un mélange de blanc et de couleur. Quand il enquête sur sa ferme de poudre, va à la racine du problème. Il a réalisé qu'il existe une race particulière de poules qui pondent couleur x reste des mains et son élevage de volailles ou tous les œufs blancs de Lane. Cela signifie qu'il existe une cause attribuable à ce problème. Et donc, il doit rechercher ce qui a poussé cette main à poser le x coloré. Il peut être à l' alimentation, avoir eu un problème, ou l'oiseau vient d'un endroit différent, ou c'est un mélange, là serait une cause attribuable à cela. cartes de contrôle vous aident à identifier la variation de cause commune et la variation due à une cause spéciale. Prenons d'autres exemples de causes communes et de variations dues à des causes spéciales. Ainsi, par exemple, si un boulanger prépare une miche de pain, la fluctuation de la température à l'intérieur de l'ancienne , un bébé pèse un centigrade de haut bas, est acceptable et cela est dû à une cause commune. variation de la nature de l'équipement. Mais supposons que si la température baisse radicalement, cela peut être dû à une cause attribuable, comme le boulanger a oublié de fermer la fenêtre. Les causes spéciales vous aident à identifier la cause assignable qui doit être ciblée. Un autre exemple est l'enregistrement des informations de contact du client. S'il y a une personne expérimentée, elle peut faire très peu d'erreurs. Alors que s'il s'agit d'une nouvelle personne, il y a un risque qu' elle fasse beaucoup d'erreurs. Cela signifie donc qu'il doit être formé et qu'on lui apprend quelques astuces qui peuvent l' aider à faire ce travail plus efficacement. Prenons un autre exemple pour comprendre la cause commune et la variation de cause spéciale dans détection de moisissures dans les jouets en plastique. Donc, lorsque les jouets en plastique et ont fait une légère variation, les jouets en plastique sont acceptables car c'est la nature de l' ensemble du processus. Vous mettez le moule dans le moule, désolé, le plastique fondu dans le moule et il remonte. Mais supposons que la qualité de la matière première soit mauvaise. Dès que le jouet sort et que je le tiens, il éclate, c'est très dur. Cela peut être dû à une cause attribuable au fait que la matière première n'est pas de la qualité dont nous avons besoin et affecte la résistance et la consistance du produit. Que sont les variations dues à des causes spéciales ? Et à quoi cela ressemble-t-il lorsque vous travaillez dans le chat ? Un processus est stable s'il n'a pas de variation de cause particulière, une cause commune existe toujours, n'est-ce pas ? cartes de contrôle et les cartes essais fournissent une bonne illustration de la stabilité ou de l'instabilité du processus mon frère Steven, ou cela sonne table. Nous pouvons utiliser, mais l'un d'entre eux, le processus doit être stable avant que ses capacités ne soient évaluées ou améliorées. Si mon processus n'est pas stable, choisir un projet Six Sigma n'est pas acceptable, cela signifie que cela ne fonctionne pas. Si vous regardez la carte de contrôle, qui se trouve ici, vous vous rendrez compte que cette carte de contrôle présente des variations aléatoires. Et ces variations se situent entre les deux limites de contrôle qui sont identifiées à l'aide de la ligne de lecture. Tous les points fluctuent aléatoirement autour de la ligne verte, qui est ma ligne centrale. Cela le montre clairement et cela ne viole même aucune de mes huit règles de la carte de contrôle. Je parlerai en détail des différents tests que nous effectuons sur les cartes de contrôle dans les vidéos suivantes. Si votre carte de contrôle ressemble à ceci avec beaucoup de points rouges et qu'elle indique 11155 et 333. Cela signifie que le processus n'est pas stable et qu'il a enfreint la règle numéro un, règle numéro cinq et la règle numéro trois dans ce cas. Et des statistiques selon lesquelles le processus n'est pas stable. Certaines variations dues à des causes spéciales doivent être étudiées. Si vous avez des questions, des doutes ou des éclaircissements, hésitez pas à les poser dans la section de discussion ci-dessous. Si vous essayez d'appliquer les concepts à l'extérieur et assurez-vous de terminer le projet et de le télécharger. Dans la vidéo suivante, nous allons découvrir comment utiliser brainstorming pour étudier les variations dues à des causes spéciales. 9. Utiliser le brainstorming pour étudier les variations de causes spéciales: Nous continuons à comprendre les différentes causes de variation dans la façon dont je dois étudier les variations de causes spéciales que nous avons identifiées au cours de la, dans la carte de contrôle. Nous pouvons donc utiliser le remue-méninges comme un très bon exercice pour étudier la variation due aux causes spéciales. Un bon point de départ pour étudier variation due à une cause spéciale est de réunir plusieurs experts en procédés réunir les experts en la matière. L'utilisation de cartes de contrôle augmente les opérateurs de processus, les ingénieurs de processus et les tests de qualité nous permettent de réfléchir à la raison d'un échantillon particulier. Ils sont incontrôlables. Parce que vous savez que lorsque vous dessinez la carte de contrôle, elle est dans l' ordre chronologique et vous aurez un identifiant d'échantillon qui l' identifiera. Nous pouvons aller voir ce qui s'est passé pendant cette instance. En fonction de votre processus, vous pouvez également inclure des éléments lors de la prochaine réunion. Lorsque vous étudiez une variation due à une cause spéciale, vous devez répondre à certaines de ces questions. Les échantillons étaient hors de contrôle. Quel test pour les causes spéciales a fait l'objet d'un échantillon ? Que signifie chaque test sur le terrain ? Et comment est-ce que je recherche ? Nous examinons toutes les raisons possibles pour le test sur le terrain. La méthode courante de remue-méninges consiste à poser des questions sur les raisons pour lesquelles un échec particulier s'est produit. Pour déterminer la cause première, vous pouvez utiliser la méthode 5-Why. Continuez à vous demander pourquoi, pourquoi, jusqu'à ce que vous trouviez la cause profonde du problème. Vous devez également utiliser un diagramme de cause à effet, ou le diagramme en arête de poisson ou le diagramme d'Ishikawa comme vous l'appelez. Comprendre les différents types de causes qui sont à l' origine de la variation des causes spéciales. Comme si c'est la méthode matérielle des hommes, et ainsi de suite. N'oubliez pas de ne pas surcharger votre procédé pour une variation due à une cause commune. Mais il est important d'éviter toute variation due à une cause particulière. Essayer d'éliminer les causes communes, la variation doit rendre la situation pire. Considérons un processus de cuisson du pain, une légère dérive et la température provoquée par les organes et le thermostat en partie supérieure de la variation naturelle de cause commune pour le processus. Si vous essayez de réduire cette variation naturelle du procédé ajustant manuellement la température, en la réglant haut et vers le bas, vous augmenterez probablement la variable t plutôt que de la diminuer. C'est ce qu'on appelle une correction excessive. Si vous avez des doutes ou si vous avez besoin d' éclaircissements sur ce sujet, n' hésitez pas à les poser dans la section de discussion ci-dessous. Et comme toujours, essayez d'appliquer ce concept et de mener à bien votre projet. Vous pouvez consulter certaines cartes de contrôle existantes et essayer de découvrir ce qu'il y a dans une table de processus. Y a-t-il une variation due à une cause particulière ? Dans la vidéo suivante, nous allons découvrir quels tests pour les causes spéciales sont inclus dans Minitab. 10. Quels tests de causes spéciales sont inclus dans Minitab ?: Bonjour les amis. Voyons quels tests pour les causes spéciales sont inclus dans Minitab. Lorsque nous essayons de comprendre la stabilité du procédé à l'aide de cartes de contrôle. Test numéro 11, à plus de trois sigma de la ligne centrale. Ce sont les tests les plus courants que nous recherchons toujours. Ce test identifie le sous-groupe qui présente une anomalie par rapport aux autres sous-groupes. Ils sont universellement reconnus comme nécessaires pour détecter les situations hors de contrôle. Si une petite dérive dans le processus ne vous intéresse pas, vous devez également faire le test numéro deux pour compléter le test numéro un afin de créer une carte de contrôle qui a la plus grande sensibilité. Test numéro 29 points d' affilée du même côté de la ligne centrale. Ce décalage de test identifie le criblage au centre du processus ou la variation. Si un léger décalage dans le processus vous intéresse, vous devez également utiliser test, ainsi que test1 pour comprendre cause de cette variation de cause spéciale dans votre procédé. Parce que si le processus est d'un côté de la ligne centrale en continu pendant neuf octets, la probabilité pour ce point de sortir de trois Six Sigma. Trois Sigma d'un côté sont très naturels. Et nous pouvons en comprendre la raison ou en rechercher la raison avec plus de confiance. Numéro de test 36 points d'affilée, tous en hausse ou en baisse. Ce test permet de détecter la tendance. Ce test recherche de longues séries de points consécutifs dont valeur augmente ou diminue constamment. Comme vous pouvez le voir dans cet exemple, s'il augmente continuellement pendant six points, est également probable qu'il devienne incontrôlable. Et c'est déjà le cas, le processus est hors de contrôle et se poursuit. C'est une cause spéciale. Écrire quelque chose qui s'est passé dans le processus qui a continuellement créé pour les variables ou le processus pour donner des échantillons dont la valeur augmentait ou diminuait constamment . Dans cet exemple, sa valeur augmente. Numéro de bureau 414 points d' affilée en alternant haut et bas. Un test pour détecter les variations systématiques. Si vous voulez que le modèle de variation dans le processus soit aléatoire. Mais un point pour lequel un test sur le terrain peut indiquer que le modèle de variation est ce nombre de deux points sur trois, de plus de deux sigma ou de deux écarts-types par plus de deux sigma ou deux écarts-types la ligne centrale du même côté. Comme vous pouvez le voir, il existe deux exemples du test numéro cinq. Par ici. Ce test détecte très facilement les mouvements de paroi au cours du processus. Bureau numéro 64 sur cinq, plus d'un écart type par rapport à la ligne centrale du même côté. Donc, si vous voyez cet exemple, nous en avons quatre ou cinq qui étaient du même style et ils seront à plus d'un Sigma. Ce bureau numéro six détecte petit décalage dans le processus comme les autres tests décemment. Donc, numérotez 715 points d'affilée à moins d'un sigma de la ligne centrale de chaque côté. Vous voyez que dans cet exemple, ces 15 points sont très proches de la ligne centrale. C'est comme s'ils emmêlaient très efficacement la ligne centrale. Cela permet de détecter un modèle de variation qui est parfois confondu avec la preuve d'un bon contrôle. Cela détecte le contrôle, ce test détecte les limites de contrôle trop larges. Parce que vous l'auriez dit en vous basant sur vos anciennes limites de contrôle de procédé qui sont trop larges ou souvent causées par les données stratifiées, ce qui se produit lorsque la cause systématique du rayonnement est présente dans chaque sous-groupe. C'est 88 points d'affilée à plus d'un Sigma de la ligne centrale. De chaque côté. Ce test est appelé modèle de mélange. Il se trouve dans le bouton de mixage. Les points ont tendance à s' éloigner de la ligne centrale au lieu de tomber près de la ligne centrale que nous avons vue lors du test précédent. Si vous avez des questions concernant les différents types de tests que vous venez d'apprendre. N'hésitez pas à le demander dans la section de discussion ci-dessous. Assurez-vous d'essayer d' appliquer les concepts l'extérieur terminer le projet et de le télécharger. Merci. 11. Quels tests dois-je utiliser pour détecter des motifs spécifiques de variation de cause spéciale ?: Voyons quels tests dois-je utiliser pour détecter un modèle spécifique dans la variation due à une cause spéciale. Nous avons découvert différents types de tests dans la vidéo précédente Nous devrions savoir comment et comment les utiliser de la manière la plus appropriée ? Appliquez certains tests en fonction vos connaissances du processus. S'il est probable que le processus déplace le quart de travail ou y a-t-il une variation aléatoire en fonction de cela, vous allez appliquer le test. S'il est probable que vos données contiennent un modèle particulier, vous les rechercherez à l'aide du test correspondant. L'ajout d'autres tests au bocal n'est pas correct. Cela ne fera qu'augmenter les chances de trouver un faux négatif, faux positif ou un faux signal indiquant que le processus est hors de contrôle. Alors qu'en réalité, le processus n' est pas hors de contrôle. Lorsque vous augmentez plusieurs tests ou que vous utilisez plusieurs tests ensemble, les chances d'obtenir un signal de manque de contrôle augmentent. Voyons comment, dans le cas où vous travaillez avec des données variables, vous utiliserez des cartes de contrôle variables. Si vous n'êtes pas sûr du test à appliquer, par défaut, Minitab applique toujours la règle numéro un, le test numéro un, c'est-à-dire combien d'amortissement le point de données est en dehors des trois écarts types. Mais en dehors de cela, vous pouvez essayer d'utiliser test1, test2 et test sept. Lorsque vous l'appliquez en fonction des limites de contrôle, si elles sont basées sur les données. Une fois les limites de contrôle établies, vous devez utiliser les valeurs connues pour cette limite. Alors nous n'avons pas besoin du test numéro sept. Le numéro 11 des limites de contrôle détecte un seul point hors contrôle. C'est-à-dire que neuf points d'affilée sur un côté de la ligne centrale détectent le décalage possible dans le processus. Ces sept points de trop autour d'un écart type de la ligne centrale. Il détecte si les limites de contrôle sont trop larges et si les limites de contrôle Vida sont causées par des données stratifiées, ce qui se produit lorsque vous avez une source de rayonnement systématique dans chaque sous-groupe. Dites-nous si vous travaillez avec des données d'attributs de défauts et de défauts. Dans ce cas, vous ne savez pas quel test utiliser UGA gratuitement pour utiliser le bureau numéro un et numéro deux. test numéro un est à environ 1 de la limite de contrôle. Ce numéro deux est composé de neuf points et dessine d'un côté de la ligne centrale, détectant le décalage possible. Une fois le processus établi. Vous êtes des limites de contrôle sont toujours tracées en fonction des valeurs des données que vous avez fournies. Nous ferons de nombreux exercices pratiques au cours des prochaines leçons. Alors restez connecté. Et si vous avez des doutes ou des questions, hésitez pas à écrire dans la section de discussion ci-dessous, et assurez-vous d'essayer d'appliquer les concepts à l'extérieur. Assurez-vous de réaliser votre projet et de le télécharger. Écrivez votre avis et partagez vos réflexions sur la façon dont vous vous êtes senti dans cette classe quand ce nombre. Dans la vidéo suivante, nous allons découvrir quel test est applicable dans mes cartes de contrôle. 12. Quels tests sont disponibles avec mon tableau de contrôle ?: Laissez-nous comprendre quel test est applicable dans mon contrôleur. Les numéros 1 à 8 sont disponibles dans la plupart des cartes de contrôle variable. Notez que seuls les tests 1 à 4 sont disponibles dans les cartes R et S et les cartes d'étendue mobile, c' est-à-dire les cartes de contrôle imprécises disponibles. Quel test est applicable dans ma carte de contrôle ? Meilleur contrôle ponctuel Jan MiniTab n' effectue un test que pour les points qui dépassent les limites de contrôle. C'est votre numéro un, notre test numéro un, que le test des sept suppose que les points sont indépendants parce que les points tracés sont classés dans le temps, la pondération pour combiner les informations de les sous-groupes précédents et les points ne sont pas indépendants. Si vous avez des questions, hésitez pas à les poser dans la section de discussion ci-dessous. Dans la vidéo suivante, nous allons comprendre quels sont les différents types de données et comment j'ai travaillé avec elles dans les cartes de contrôle. 13. Types de données pour les graphiques de contrôle: Dans cette vidéo, nous allons comprendre les différents types de données dont nous disposons pour nos cartes de contrôle. Quel type de données est-ce que je possède ? C'est la question à laquelle vous souhaitez répondre. Si vos données sont continues, vous déterminez si vous avez quelque chose comme longueur multipliée par B, qui est un type de données continu provenant de votre processus. Ensuite, vous allez utiliser des cartes de contrôle en continu comme la carte IMR, notre graphique X barre R, la carte X barre S. Mais si vous avez un processus multivarié, vous allez utiliser des contrôles multivariés. Si vos données sont un attribut comme des défauts et des défauts, nous allons utiliser des cartes de contrôle de processus attributaires, qui sont comme une carte n, carte P, une carte C. Certains graphiques sont appelés « graphique de processus très quand », que nous allons couvrir séparément. Quel type de données ai-je en ma possession ? Les cartes de contrôle que vous utilisez varient selon que vous collectez les données continues ou les données attributaires. Si vous avez plusieurs contenus, variables continues, déterminez si vous avez des données multivariées. Mike, les variables continues sont des nombres infinis tels que 84704 quelque chose, donc vous pouvez les diviser à l'infini. Les données attributaires ont deux sous-types, binomiale et Poisson. Les valeurs d'une donnée d'attribut sont limitées à des catégories spécifiques qui sont des valeurs distinctes. Par exemple, les données attributaires peuvent être comme des tracés et des sensations. Le nombre de défauts et un échantillon peuvent également être données d'attribut qui sont réduites selon une loi de Poisson. mesure continue fournit généralement plus d'informations que ces données attributaires. souviens ? Cependant, les données d'attribut sont généralement plus faciles à collecter car il suffit d'accepter, mais il s'agit d'un défaut ou d'un défaut efficace et combien de défauts s'il est défectueux. Est-ce que les données attributaires sont souvent collectées lorsque les mesures continues sont difficiles à obtenir. Les données attributaires sont souvent des évaluations subjectives qui sont attribuées par les opérateurs et le responsable du contrôle qualité. Parce que je pense que c'est un défaut que j'ai compté. Si je ne pense pas que c'est différent, je n'en viendrai pas à cette dépendance, n'est-ce pas ? Laissez-nous comprendre les données du processus de contrôle. Les données continues mesurent les caractéristiques telles que le prêt, le poids, la température, etc. Les données comprennent souvent des valeurs fractionnelles ou décimales. Par exemple, un fabricant de produits alimentaires souhaite vérifier si le poids du produit céréalier est constant dans le temps. Pour recueillir ces données, l'analyste qualité enregistre le blé à partir d'un échantillon des boîtes de céréales. Si vous avez des questions, hésitez pas à les poser dans la section discussion. Assurez-vous de mener à bien votre projet et d'essayer d'appliquer ces concepts. Rédigez votre avis. 14. Cas d'utilisation : aider l'ingénieur qualité: Poursuivons notre compréhension des cartes de contrôle. Les cartes de contrôle sont également appelées contrôle statistique de processus, SPC. Nous effectuons cet exercice pendant la phase de contrôle de notre projet Six Sigma. Spc a été développé par le Dr Stewart en 1924. Il a dit que vous, comme le dit le concept, y est une fonction de x. Nous devrions non seulement surveiller le projet, pourquoi, mais nous devrions également surveiller et contrôler les carburants vitaux sont les x. qui contribuent à ce y. Ainsi, en surveillant en permanence les x et y ensemble à l'aide de la carte de contrôle, il devient facile pour le propriétaire du projet et le propriétaire du processus de surveiller les performances et gardez-le sous contrôle. Ils contrôlent les processus de manière proactive. Ça ne l'est pas. Il peut clairement identifier les causes naturelles et les causes attribuables à l'eau. Les causes naturelles ne sont que des causes communes et les causes attribuables ne sont rien d'autre qu'une cause spéciale. Cela vous aide également à identifier et empêcher le processus de ces causes spéciales. Si vous regardez une carte de contrôle, s'agit que d'un exemple. Vous aurez une limite de contrôle supérieure et une limite de contrôle inférieure, qui sont créées qui sont créées approximativement à trois écarts-types par rapport à la ligne centrale, qui est généralement la moyenne du procédé. Ces trois nombres sont calculés à partir des données de processus que vous avez capturées. Tout ce qui se trouve en dehors de la limite de contrôle supérieure est en dehors de la limite de contrôle inférieure intérieure est appelé variation de cause spéciale et leur cause assignable. Si vous constatez une variation de votre procédé qui s' emmêle ou contourne la ligne centrale. Elles sont dues à la variation de cause commune. ne s'agit que d'un exemple de représentation. La raison pour laquelle il a pris trois écarts-types par rapport à la ligne centrale est que, si vous vous souvenez, dans le bunker, 99,73 % des données sont couvertes à l'intérieur plus ou moins trois normes déviation. Donc, quelle que soit la variation que vous voyez, c'est 0,135 à gauche et 0,135 à droite. Cela est dû à la variation due aux causes spéciales. Encore une fois, ce que j'ai abordé tout à l'heure, je ne fais que répéter parce que c'est très important et c'est aussi une question d'entrevue. Quelle est la différence entre limite de contrôle et la spécification ? La limite de contrôle est calculée à partir des données qui contrôlent le livre et le contrôle inférieur. Et ça décrit l'eau. Qu'est-ce que ce processus est capable de réaliser ? Les limites de spécification, en revanche, sont données par le client et la direction. Et ils précisent quelle est l'exigence du processus. Il décrit ce que le processus doit atteindre pour pouvoir être considéré en permanence comme un processus capable et qu'il est capable de répondre aux exigences du client. Encore une fois, les limites de contrôle à partir de la spécification des données, limites du client. Les limites de contrôle vous aident à calculer et vous aident à identifier la cause commune et la variation due à une cause spéciale. Si vous avez des points de données dans la limite de contrôle, mais en dehors de la limite de spécification, cela signifie que votre procédé n'est pas capable. Nous examinerons ces exemples à l'avenir. Lorsque nous avons ces cartes de contrôle, est-ce que je vous ai montré qu'il s'agit d'un écart type de plus ou moins trois. Mais ces calculs dépendent du type de données dont vous disposez. Lorsque vous faites une carte de contrôle. Nous avons des données variables et des données attributaires. Les données lisibles sont également appelées données continues. Où vous avez des décimales comme la longueur, le temps, la distance. Celles-ci peuvent être divisées en continu. Donc, si votre sous-groupe en comprend un, alors nous optons pour la carte IMR X ou la carte d'étendue mobile individuelle. Si la taille de votre échantillon se situe entre 29, optez pour la barre X, la carte R ou l'hiver. Mais si notre échantillon de sous-groupe est supérieur à dix, il est plus facile pour nous de calculer l'écart type car j'ai plus de points de données dans chaque échantillon, alors je vais dessiner un graphique en S à barres X. autre côté, si j'ai des données attributaires ou des données discrètes, les données attributaires peuvent être de deux types. S'agit-il de données défectueuses ou de données défectueuses ? Qu'est-ce que nous surveillons ? S'il s'agit de données défectueuses et que la taille de l'échantillon est constante, il peut s'agir de n'importe quel nombre, ce sera 1020304023 ou 12. Mais ce chiffre, peu importe ce que vous prenez, est constant. Ensuite, nous optons pour NP Chart car les limites de contrôle sont calculées sur la base des formules de la craie sous-jacente. L'échantillon variable. Pour les données défectueuses. Comme par exemple, je veux calculer le nombre de défectueux. Mais aujourd'hui j'ai fait une production de 100 unités à plus robustes, j'ai fait une production de 95 unités avant ce jour était de 96 unités. La taille de mon échantillon est donc lue quotidiennement. J'utiliserai le tableau p. Nous allons voir des exemples de Peter, où vous comprendrez que les limites de contrôle pour une carte P et une carte U sont en zigzag. Nous allons couvrir cela. Ne t'inquiète pas. Nous allons avoir beaucoup de pratique afin que tous ces concepts deviennent très faciles à enregistrer pour vous. Continuons. Donc, si j'ai des données sur les défauts, c'est que la taille de l'échantillon est constante, puis j'utilise c-chart. Si la taille de l'échantillon est fiable, j'opte pour l'Utah. La chose dont j'essaie facilement me souvenir, c'est que s'il est défectueux, donc c'est une pièce, la pièce entière est défectueuse. C'est pourquoi nous avons P et NP Chart. Parce que c'est constant, nous optons pour NP et parce que c'est variable, c'est un graphique p. L'autre est évidemment C. Et parce que C est pour assis constamment et l' autre est Utah. J'ai donc essayé d'utiliser ce jingle pour me souvenir de ce qui doit être utilisé. Donc, s'il est défectueux, il s'agit de P ou de NP selon la taille de l'échantillon. Si c'est un défaut qui est C et U. Et entre C et UC, quelle est constante et Q quelle est la variable ? Prenons un cas d'utilisation. Bien que. Il y a un ingénieur qualité qui travaille sur une pièce automobile. Il veut qu'il surveille la façon dont la longueur des arbres à cames est faite. Il possède trois machines que l'entreprise utilise. Ils travaillent 24 heures sur 7 en trois équipes différentes. Ce que fait l'ingénieur, c'est qu'il a prélevé un échantillon de cinq sur chaque machine pendant chaque quart de travail, vous l'auriez facilement deviné car la longueur de l'échantillon est une donnée continue. L'effectif d'échantillon est de cinq. Cela signifie qu'il est entre 28 et je vais opter pour le R-chart à barres X. Voyons donc comment nous allons procéder. J'ai déjà partagé la fiche technique avec vous, n'est-ce pas ? Si vous arrivez à la feuille principale, vous avez des données sur la longueur de l'arbre à cames. Je n'ai qu'à venir et cliquer ici. Cela m'amène à la partie où les données sont présentes, n'est-ce pas ? Je vous ai donné beaucoup de données mais vous n'avez pas besoin de chercher. Il suffit d'utiliser la feuille moyenne pour la chirurgie. J'ai la machine 123 et les identifiants d'échantillons. Je vais donc simplement copier toutes ces données et les coller dans ma fiche technique. Je vais donc prendre toutes ces données. J'ai mon MiniTab à portée de main. Je vais coller ces données ici. Ensuite, je vais cliquer sur Cartes de contrôle Stat, variable avec un certain groupe. Et c'est parce que je sais qu'il s'agit d'un sous-groupe de moins de huit. Je vais opter pour une carte R à barres X. Laisse venir le pop-up. Ouais. Donc toutes les observations la charte dans la colonne nord, oui. Nos observations sur le sous-groupe portent sur l'un d'entre eux. Donc je laisse ça comme ça et je vais sélectionner Machine 123 et la taille du sous-groupe est de cinq, n'est-ce pas ? Et je peux également utiliser l'ID de sous-groupe parce que je peux voir que j'ai 111115, n'est-ce pas ? Je vais cliquer sur, OK. Je vais vraiment vouloir faire quelques erreurs pour vous compreniez quelles erreurs nous devons éviter. Maintenant, il indique le graphique à barres X d'une machine à l'autre. Je clique sur Output pour tout voir. Il a créé un graphique pour chaque machine. Donc, graphique à barres X pour la première machine. Et si vous regardez ici, vous pouvez trouver un point rouge en dehors des limites de contrôle supérieure et inférieure. Il s'agit donc d'une variation due à une cause spéciale. Mais dans le graphique des plages, tout est sous contrôle. Faisons défiler vers le bas. Voyons voir, machine à machine selon le processus semble être sous contrôle, et la plage semble également être sous contrôle. Si je vois la barre x en prison pour l'arbre des machines, encore une fois, j'ai deux points de données qui sont hors de contrôle. Maintenant, une autre chose que vous devez observer est la limite de contrôle supérieure. Permettez-moi de zoomer un peu. La limite de commande supérieure pour la première machine est 6,64301 et la limite inférieure est correcte. 98. Passons à la machine deux. Elle est de six cent cinq quatre-vingt-dix-huit. Si je passe à la machine trois, c'est 60298. Vous pouvez donc voir que la limite de contrôle supérieure est calculée séparément, car les limites de contrôle proviennent des données de processus. Et il y a une variation, la limite de contrôle, parce qu' il y a une variation dans les données. Bien que la limite de contrôle supérieure soit de 602, nous avons des points qui dépassent les limites de contrôle. Bon ? De même, je vous demanderais de regarder les limites de contrôle pour la carte de pluie entre la machine 1. La deuxième machine a une plage de 0 à 7, et la machine, désolé, la machine a varié de 0 à 7. La deuxième machine a une plage de 0 à deux, et la machine 1 une plage de 0 à cinq. Cela vous donne une idée qui renforce le concept selon lequel vos limites de contrôle sont calculées à partir des données de processus. Je peux faire le même tableau et obtenir plusieurs graphiques. Et je peux voir la même chose, mais je dirais, d'accord, je peux aller dans X-bar, R-chart, aller au test, et sélectionner le test qui est important. Donc, si vous vous souvenez, nous avons dit que vous devriez tester test1 et test2 pour bien le comprendre. Alors cliquons sur, OK, cliquons sur OK, et nous allons refaire ce graphique. Vous pouvez voir que Minitab est recalculé. Si vous voyez le graphique à barres X pour la première machine, il s'agit toujours du même point de données en dehors de la limite de contrôle. Maintenant, si vous comparez cela, vous pouvez voir que parce que j'ai dit la même chose, cela montre très clairement que le processus est très précis et très étroit. Et CMV quatre pouces aussi c'est très moins. Et le diagramme R de la machine trois et de la machine trois. En bas, vous pouvez voir très clairement qu'il indique la raison du test pour le graphique à barres X dans la machine 1, testez un champ 1, plus de trois écarts types par rapport à la ligne centrale. test échoue au point numéro huit. Vous pouvez donc identifier le sous-groupe d'un où le nombre de points est huit, puis enquêter sur ce qui s'est passé ce jour-là. Nous avons bien appris ? Nous devons faire un remue-méninges pour corriger la variation due à une cause spéciale. Les résultats du test pour le graphique à barres X pour la machine trois, test 11 à partir de trois écarts-types par rapport à la ligne centrale. Ce test a échoué à deux endroits, point numéro 2, numéro 14. Il nous est donc très utile d' enquêter sur ce qui s'est passé à cette date précise. Nous allons continuer avec d'autres exemples dans la prochaine vidéo. 15. Cas d'utilisation : processus de remplissage de boîte: Laissez-nous faire notre prochain exercice pour aider l' ingénieur qualité à attendre. Un ingénieur qualité d'une société comptable évalue si le processus de remplissage est maîtrisé. Comme vous le savez, ce sont des boissons gazeuses. S'ils sont plus que nécessaires, cela provoquera une fuite ou l'explosion de la boîte. Et si c'est très peu le client est mécontent. Pour vérifier s' il contrôle le processus. L'ingénieur collecte un sous-groupe de n gans afin de minimiser la variation à l' intérieur du groupe. Il s'agit d'une variation possible au sein de chaque sous-groupe. L'ingénieur collecte les données du sous-groupe donné dans un court laps de temps. Maintenant, voyons quel type de graphique dois-je utiliser ? Quel est le processus que nous prenons les données variables parce que je veux choisir la quantité de liquide qui est remplie et quelle est la taille du sous-groupe. Il est dix heures. J'ai donc besoin d' utiliser un graphique en forme de barre X. Passons à notre dossier de projet. Sur la chaîne principale, vous avez les données. Cliquez dessus. Cela vous mènera à l'endroit où les données sont satisfaites. Je vais copier ces données dans Minitab. Cliquez maintenant sur Cartes de contrôle Stat. Données lisibles avec sous-groupe et carte S à barres X car mon nombre d'échantillons dans chaque sous-groupe est de dix, il est supérieur à huit. Toutes les observations se trouvent dans une seule colonne. Oui, je vais donc mettre comme taille de sous-groupe ou ID de sous-groupe. Je vais le mentionner parce que ça va faire 1 tiers, je vais juste cliquer sur l'option x-bar s pour les deux tests et je préfère faire le test numéro deux également. Cliquez sur OK, cliquez sur OK. Laissez-moi maintenant regarder le résultat. La sortie que nous avons obtenue est le graphique à barres X, où nous pouvons voir que le test a échoué. Au point numéro trois, la plage n'a pas échoué, mais le graphique à barres X a échoué. Donc test1, 1 sur trois, plus de trois écarts types par rapport à la ligne centrale. Le test a échoué au point numéro trois. Mais demander à l' ingénieur qualité de revenir aux données et de voir ce qui s'est passé quand il, quand ces données ont-elles été collectées ? Et ce qui s'est passé pendant ce processus, c'est que le processus était hors de contrôle. Et comme vous pouvez le constater, le processus est hors de contrôle en bas. Pour limiter. Cela signifie que moins de liquide a été ressenti. L'ingénieur qualité doit maintenant démontrer ce qui s'est passé pendant cette heure-là. Et est-ce quelque chose qui est une cause attribuable ? Et comment éviter que ce coût spécial ne se produise ? Encore une fois ? Reprenons l' exemple suivant dans la vidéo suivante. 16. Cas d'utilisation : processus de moulage par injection: Maintenant, aidons l'autre ingénieur qualité d'une entreprise de plasturgie. Si vous pouvez voir cela, c'est un processus de moulage de plastique. Une petite animation bleue par VR est présentée ici. Vous pouvez donc voir que le moule en plastique vient ici. Il passe par le canal où il y a beaucoup de chaleur. C'est pourquoi le plastique est fondu. Il entre dans la section de moulage où les aliments sont conservés et quand le produit sort, c'est un joli jouet que nous pouvons vendre sur le marché. Le cas d'utilisation est donc l'ingénieur qualité pour les moniteurs d'une entreprise de pièces en plastique et le processus de moulage par injection. La machine a un colorant qui crée 5£ en une fois et l'ingénieur collecte 20 sous-groupes de cinq parties chacun. Ils surveillent simultanément la variation au sein des sous-groupes et entre les variations entre les groupes. N entre les lots. Alors que nous essayons de surveiller le processus de moulage par injection de plastique, nous avons une taille de sous-groupe de cinq et Il sélectionne 20 points de données de sous-groupe. Alors évidemment, quelles sont les données que nous allons examiner ? Quel type de graphique devons-nous utiliser ? La taille de mon échantillon est inférieure à huit, je dois donc utiliser un graphique R à barres X. Ce sont évidemment les données variables. Passons à nos cartes de contrôle. J'ai mes données de moulage par injection ici. Je vais copier les données des et du sous-groupe dans Minitab. Cette fois, je vais vous montrer ce processus à l'aide de la fonction d' assistant de Minitab. Ainsi, lorsque vous cliquez sur Assistant, allez dans Cartes de contrôle. Ce sont des données continues. Données collectées dans le sous-groupe Oui. Le sous-groupe est-il inférieur à huit ? Oui. J'ai donc opté pour un X-bar en charge. Vous pouvez voir à quel point il est intuitif de travailler avec de nombreux contacts. Mes données sont présentes en partie. Ce n'est pas une taille constante, donc je n'ai pas vu la colonne ID de groupe WhatsApp ici. Comment puis-je déterminer les limites de contrôle et la ligne centrale ? Je dis qu'il faut l'estimer à partir des points de données. Il a immédiatement identifié qu'il y avait certains points où les données manquaient sur les graphiques en X et en R. Je laisse donc tel quel et je clique sur. Ok. Quand je regarde la sortie, mon graphique R à barres X en quatre parties a été créé. Est-ce que le processus est un processus que nous surveillons de base. Il dit que non, le processus ne permet pas d'économiser. Le processus que nous surveillons n'est pas stable. Les sous-groupes sont hors contrôle dans le graphique à barres X. N'oubliez pas que vous pouvez voir 0,7 % de sous-groupes incontrôlables par hasard. Mais plus que cela est appelé variation de cause spéciale. Lorsque nous examinons ce graphique, cette fois, nous avons un problème dans le diagramme R à barres X. Le sous-groupe précédent manquait le point sur la limite supérieure de contrôle. Et le sous-groupe suivant manque le point en dessous de la limite de contrôle inférieure. Il est absolument nécessaire l'ingénieur qualité étudie ce qui s'est passé pendant le point 13 et l'échantillon qui a été collecté au point numéro 14. Nous constatons également que le graphique des anneaux présente également une limite hors de contrôle. qui signifie que la plage, l'échantillon qui a été prélevé pendant le point numéro huit avait une grande variété de rayonnements. que c'était une cause attribuable ou y a-t-il un biais ? Quand les autres données sont-elles collectées ? L'ingénieur doit l'étudier. Chaque fois que nous faisons un graphique R à barres X, nous recherchons certains modèles. Y a-t-il une tendance mondiale comme celle que vous voyez ici ? Est-ce que vous constatez une tendance cyclique ? Actuellement dans ces données ? Je ne vois aucune tendance mondiale. Je ne vois aucune tendance cyclique. Y a-t-il un changement dans le processus ? Je le vois bien, oui. Il y a un léger point vers le bas et puis il y a un navire qui monte. Y a-t-il une dérive, comme si c' était complètement en bas et en haut ? Je ne vois aucune dérive par ici. Est-ce une oscillation des données ? Pas pour le moment. Tu peux voir quelques modèles de mélange ? Je peux voir un peu par ici. Vous voyez une perte de contrôle excessive ? Je peux le voir à la fois sur ma barre X et sur mon graphique R. Il indique donc très clairement le graphique à barres X a dépassé la limite de contrôle sur le numéro 1314. La carte R est devenue incontrôlable au point numéro huit, ce qui nous permet de le comprendre facilement. Pourquoi devrions-nous aller enquêter, non ? Vous n'avez pas à vous inquiéter la précision des limites de la carte de contrôle car 70 % ou plus de points de données sont inclus dans le calcul. Vos données ont réussi un test de corrélation. La corrélation entre les points de données conjugués au sein de chaque sous-groupe est inférieure à 0,02. Cela signifie que le caractère aléatoire est présent lorsque l'échantillon a été prélevé. Mais oui, nous avons constaté que le processus est hors de contrôle, ce qui oblige l'ingénieur qualité à enquêter sur la question. J'espère que vous appréciez les exercices pratiques de la carte de contrôle. Je vous demanderais également de vous entraîner à tout cela à partir de la fiche technique et de la télécharger dans la section projet. Si vous avez des questions, hésitez pas à les poser dans la section Q&R. Nous allons continuer avec un autre exemple dans la vidéo suivante. 17. Utilisez les données du pH du détergent de cas: Laissez-nous aider l'ingénieur qualité d'une entreprise de détergents. Il s'agit d'un cas d'utilisation dans lequel l'ingénieur qualité souhaite établir les données de pH. L'ingénieur qualité souhaite cartographier et surveiller le fabricant du détergent liquide et évaluer si le processus est maîtrisé. ingénieur mesure le pH ou clarifie le conjugué de deux lots de détergent. Et comme les données ne sont pas collectées dans le sous-groupe, vous devez utiliser la carte IMR. Il utilise 25 lots constitutifs et demande ce qu'il mesure est le pH, qui est une donnée continue. Nous allons utiliser une carte IMR. Je vais vous montrer encore une fois nos types de cartes de contrôle, car cela vous aidera à vous en souvenir pour la vie. Dans la carte de contrôle, le type de données que nous mesurons est son pH, qui est un type de données variable. chaque lot, il sélectionne une valeur d'échantillon et c'est pourquoi nous, n est égal à un. C'est pourquoi nous allons utiliser la carte IMR. Passons au dossier du projet. Il s'agit du fichier de données de projet que j'ai envoyé dans la section Discours. Faites défiler vers le bas, vous trouverez les données de pH du détergent. Cliquez dessus. Il vous mènera à l'endroit où les données sont présentes. Je vais maintenant copier ces données dans Minitab. Je me suis débrouillé. J'ai copié ces données dans Minitab. Je dois maintenant créer mon dossier IMR. Il y a deux façons de procéder. Premièrement, je peux aller aux statistiques, aux jogs à la bougie, puis aux graphiques étranges pour les individus et cliquer sur IMR. Mais cette fois, utilisons l'assistance. Je vais donc faire assistant, cliquez sur la carte de contrôle. Le type de données est continu, ce sont les données de sous-groupe collectées. Sachez que je vais utiliser le tableau IMR. Le volume de données est Beard. Et je veux estimer les limites de contrôle et la ligne centrale à partir des données. point numéro trois est très clairement indiqué . Il est possible qu'un point soit hors de contrôle. En tant qu'ingénieur qualité, je ne supprime jamais de point de données parce que c'est un point que je dois étudier. Je clique simplement sur OK et je viens voir ma sortie. Oui. La carte IMR pour la paix est la table des moyens de ce processus. Il indique que non, la moyenne du procédé n' est pas stable pendant 4 % du temps. Le processus peut ne pas être stable car le pourcentage des points de données hors contrôle dans le graphique de l'œil. Gardez à l'esprit que 0,7 % des pertes de contrôle sont dues au hasard, même si le processus est stable. Mais maintenant j'ai plus de données qui sont hors de contrôle et ce point de données a manqué le test numéro un, il pourrait pleuvoir la carte d'étendue mobile. Mon processus n'est pas hors de contrôle. Nous recherchons certains modèles chaque fois que nous créons nos cartes de contrôle, comme les tendances, les cycliques, les dérives, le mélange d'oscillations et les points excessifs hors contrôle. Dans mon processus actuel, je peux très clairement voir qu' il existe un point hors de contrôle. Je ne vois pas de mélange sur les oscillations, les décalages et les dérives dans mon chapitre actuel sur le contrôle. La variation de processus est Steven, aucun point n'est hors de la limite de contrôle dans la carte d'étendue mobile, mais il y en a 1 qui est hors de contrôle dans l' affrètement individuel, le I check. Si les données ne sont pas normales, vous pouvez voir qu'il s'agit peut-être d'un taux de fausses alarmes. Vous devez donc également faire le test de normalité, qui a été abordé dans l'autre série. En tant qu'ingénieur qualité, le conseil que je donnerais à cet ingénieur est de veiller à que la qualité soit surveillée et enquêtée sur ce qui s'est passé pendant le point numéro huit. J'espère que vous avez compris le concept et que vous pourrez l'appliquer à votre propre projet en utilisant vos propres données. En dehors de cela, je vous demanderais de vous entraîner à utiliser le jeu de données qui est fourni ici. 18. Utilisez les données de longueur de barre en acier: Passons au prochain cas d'utilisation des cartes de contrôle. Ici, laissez-nous aider l' ingénieur qualité qui souhaite déterminer si le processus de coupe des barres d'acier est maîtrisé. L'ingénieur mesure la longueur de cinq barres d'acier, de tentes, de navires. Pouvez-vous deviner quel est le type de données que nous utilisons ? Et quel type de carte de contrôle devons-nous utiliser pour déterminer si le processus est maîtrisé ? Pouvez-vous aider l'ingénieur qualité ? Pouvez-vous saisir dans la section Q&R quel type de cartes de contrôle de date devons-nous utiliser ? Merci d'être fiancés. Tu as raison. Comme la carte de contrôle contient des données disponibles, c' est-à-dire la longueur de la barre d'état et l'effectif de mon sous-groupe est compris entre 25 et 28, c' est-à-dire que l'effectif de mon sous-groupe actuel est de cinq. Je vais aller de l'avant avec la carte R à barres X. Prenons le dossier du projet. J'ai mon fichier de projet de données, que j'ai déjà partagé avec vous dans le cadre de ce projet. Donc tu devrais aller chercher des données sur les terrains des barres d'acier. Cliquez dessus. Il vous mènera à l'endroit où les données sont présentes. Je vais copier ces données dans Minitab. Oui, les données sont présentes dans Minitab. J'ai copié les données de ma fiche technique. Laissez-nous faire l'analyse. Je clique sur les cartes de contrôle Stat, variable qui sous-groupe la barre X en charge. J'ai placé la longueur dans la colonne de données et l' ID du sous-groupe dans l'effectif du sous-groupe. Je vais dans la barre X ou l'option et je vais dans la section de test et je m'assure que le numéro de test 12 est sélectionné. Vous vous souvenez que nous l'avons appris dès le début. Quel test utiliser ? Quand je clique sur OK, je clique sur OK. Minitab va faire l' analyse et m'en sortir. Si vous voyez cela, il a préparé le graphique à barres X pour nous. Je vois très clairement qu' aucun point de données ne devient incontrôlable. Quelle que soit la variation que nous observons dans le processus qui est due à une variation de cause commune, nous devons continuer à surveiller ce processus. Comme je peux le voir, il y a un point de données qui touche presque la limite de contrôle supérieure. Je n'ai pas demandé à l'ingénieur qualité de collecter davantage de données pour m'assurer que les processus de données sont sous contrôle. Je vous demanderais de faire l'exercice similaire, créer votre projet et le télécharger dans la section projet. Je me ferai un plaisir de passer en revue votre projet et de vous faire part de vos commentaires. Cela me donnera l'assurance que vous appréciez tous ce vous apprenez et que vous êtes également capable d'appliquer ce que vous apprenez. Poursuivons avec un autre exemple dans le prochain cours. 19. Utilisez les données d'appels sans réponse: Bonjour les amis. Je suppose que vous appréciez et apprenez beaucoup de cette carte de contrôle. Leçons. Nous avons vu des exemples de barres X, graphiques R, de graphiques à barres X et de graphiques IMR. Jusqu'à présent, passons au type d'attribut des données. Nous avons ici un exemple du centre d'appels. Le superviseur d'un centre d'appels souhaite déterminer si le processus de réponse aux appels est maîtrisé. Le superviseur enregistre le nombre total d' appels entrants et le nombre de buts sans réponse pendant 21 jours. Comme vous le savez, si nous sommes le client et que nous appelons Bunny pour une question et que notre téléphone ne reçoit pas de réponse. Nous sommes frustrés. Ensuite, nous ne voulons pas retourner dans cette entreprise pour travailler à nouveau, pour établir un partenariat avec elle ou pour lui acheter les produits. Par conséquent, les appels sans réponse constituent un problème majeur dans le secteur des centres de contact. Et nous devons aider le superviseur à comprendre comment il peut réduire et si son processus est actuellement en contrôle ou non ? Comme le type de données est le nombre de défectueuses, l'objectif entier n'est pas Ce n'est donc pas un défaut, mais un défaut. Et pouvez-vous contrôler le nombre d' appels entrants sur une base quotidienne ? Ils sont variables. Par conséquent, nous devons utiliser le caractère. Le type de données est un attribut car il s'agit du nombre d'appels. Et mon sous-type de données de types de données est défectueux parce que je ne réponds pas à une partie du deux-points, donc c'est vrai. Soit tu réponds à la couleur, je ne réponds pas à l'appel. Chaque colonne est une pièce. Le nombre total d'appels reçus par jour est un nombre variable. Il s'agira donc d'une taille d'échantillon variable, et nous devons donc utiliser la carte p. Allons voir nos données dans la feuille Excel. Est-ce que le fichier de données produit que j'ai déjà partagé avec vous ? Cliquez sur une réponse. Appels. Les données sont présentes ici, et je peux très clairement voir que dans quelques jours, j'ai un vingt-trois cinquante trois appels pour 65 appels pour 58 appels, et ainsi de suite. J'ai le nombre d'appels qui n'ont pas reçu de réponse. Je vais donc continuer et copier ces données dans Minitab. J'ai copié les données dans Minitab. Maintenant, je dois faire le test. Je peux aller de l'avant, cliquer sur Cartes de contrôle Stat. Le type de données est un graphique attributaire, et je sais déjà que je dois créer un graphique p. Je clique dessus. Je vois des appels sans réponse et la taille du sous-groupe est le nombre total d'appels. Je vais à l' option P chart, au test, et je peux déterminer quels tests je veux tester. Je vais donc cliquer sur les quatre tests pour voir si l'un de ces ordinateurs échoue. Je clique sur OK, je clique sur OK, mes données sont produites. Regardons le résultat. Nous pouvons voir le graphique p pour les montants appelés. Et mes données se situent tout à fait dans la limite de contrôle. Et il n'a violé aucun des quatre tests que nous effectuons sur la carte P. Une chose intéressante que vous avez pu observer est que les lignes sont en zigzag. La limite de contrôle n'est pas la ligne droite comme vous l'avez vu dans le graphique R à barres X ou le graphique IMR. Peux-tu en deviner la raison ? Tu as raison ? Comme la taille de mon échantillon est usée, mes limites de contrôle varient également en conséquence. Et donc la carte p aurait exactement le test est effectué et il n'y a pas de rayonnement. Le processus est maîtrisé. La variation est due à une variation due à une cause commune. Si vous avez fait le même exercice, je vous demanderais de copier ce graphique, l' enregistrer et de le télécharger dans la section projet de ce cours. Je serais heureux de passer en revue votre projet et partager mes commentaires. Si vous avez d'autres données relatives à des personnes défectueuses, vous voulez que je les examine. Téléchargez-le en tant que projet. Vous n'allez violer aucun accord de confidentialité parce que vous n'allez pas partager les données. Tu vas déjà partager le dossier avec moi. Assurez-vous de ne pas télécharger les données de votre entreprise sur Skillshare. Vous allez simplement télécharger ces informations là où vous avez besoin d' éclaircissements sans révéler le nom du client ou de l'entreprise à partir de laquelle vous les chargez. Merci. Nous en apprendrons davantage lors de la prochaine session. 20. Utiliser le diagramme de parapluie P défectueux: Laissez-nous faire un autre exemple de la vedette. Dans la vraie vie. La plupart du temps, nous nous occupons la fabrication et de la production. Même si nous sommes dans le secteur des services, nous considérons que le client surveille toujours les défauts et les défauts. C'est pourquoi je vous montre plus d'exemples pour les différents types d'attributs des cartes de contrôle. C'est donc encore un endroit où le superviseur d' une unité de fabrication de parapluies souhaite évaluer la qualité de la production. Comme vous savez que c'est la saison de la mousson en Inde, vente de parapluies est à son apogée. Donc, si la configuration de fabrication ne produit pas de parapluie de bonne qualité, ils ne pourront même pas le vendre. Et les parapluies restants resteront en stock, qu'ils ne pourront vendre le prochain exercice ou le mois prochain. Pour éviter cela, le superviseur souhaite enregistrer le nombre total de parapluies fabriqués chaque jour et le nombre de défauts pendant 21 jours dans une série. Parce que 21 est un bon chiffre, nous pouvons aller de l'avant. Encore une fois, je répète que nous recherchons des données défectueuses et que la taille de l' échantillon est fiable. Je vais chercher le lanceur. Allons copier les données de notre fiche technique dans Minitab, ce que j'ai déjà fait. Je vais à la feuille principale, j'ai des données parapluie. Permettez-moi de faire défiler les données du parapluie. Et j'ai copié ces données d'ici dans le MiniTab. Je vais à l'assistant, je vais à la carte de contrôle, je vais au diagramme p et au nombre C de colonnes défectueuses. C'est donc un parapluie défectueux dont la taille de sous-groupe est constante. Sachez que la colonne de l' effectif des sous-groupes est le produit total. Je veux l'estimer à partir des données et je clique sur OK. parapluie défectueux de Pâques sera facturé pour les parapluies défectueux. Est-ce que la proportion d'articles défectueux est un tableau ? Oui, il est stable. Le tableau des proportions d'éléments défectueux, il n'y a pas de sous-groupe, c'est pourquoi quitter la pièce. Vous pouvez voir que lorsque je fais le diagramme P à l'aide de l'assistant, mes limites de contrôle apparaissent sous la forme d'une ligne droite au lieu d'une ligne en zigzag. C'est l'un des problèmes de la carte P. Si j'utilise un assistant, si j'aurais fait la même chose en utilisant des statistiques, cartes de contrôle, des données d'attributs et un graphique p. J'ai pris le défectueux. Et pour reproduire quelles sont les options de diagramme p, allez au test et assurez-vous que toutes les directives du bureau cliquent sur OK, cliquez sur OK. Vous pouvez maintenant voir qu'il affiche le diagramme de p pour parapluie sous forme de ligne en zigzag. Bon ? Parfait. Cependant, comme la ligne est très éloignée, tout va bien. Même s'il s'agissait d'une ligne droite parce que vous ne manquez aucun point. Sauf si nous avons vu ce que nous avons vu plus tôt où nous avons reçu l'appel lorsque nous avions ce type de lignes en zigzag. pourquoi il était très important pour nous d'utiliser la normale. Nous allons aller dans le tableau de contrôle des statistiques et le faire. Merveilleux. Je suis heureux que vous ayez beaucoup travaillé avec moi sur de nombreuses études de cas sur l'apprentissage de cette langue. Si vous avez des questions, hésitez pas à les écrire dans la section questions et réponses ou dans la section discussion ci-dessous. Je me ferai un plaisir de répondre à vos questions et de vous aider en cas de doute. Poursuivons pour d'autres exemples dans la vidéo suivante. 21. Utiliser les dossiers médicaux de l'hôpital: Passons à l' exemple suivant dans les cartes de contrôle. Voici un exemple de cas d'utilisation de l'hôpital. L'hôpital conserve les dossiers médicaux du patient. En tant qu'ingénieur qualité, nous sommes confrontés à un problème. Le superviseur d' un petit hôpital veut s'assurer que le nombre de flèches dans les dossiers médicaux de l'hôpital reste maîtrisé parce qu'il s'agit la vie du patient. Les dossiers du superviseur, le nombre total de dossiers médicaux qui ont été remplis chaque jour et le nombre de dossiers incomplets ou inexacts qui sont défectueux. Comme vous le savez, le nombre total d'enregistrements que nous passons chaque jour est variable et nous parlons d'un enregistrement défectueux. Pouvez-vous deviner quel est le type de graphique que nous devons préparer ? Oui, tu as raison. Nous devons préparer le diagramme P. Comme les données sont liées au nombre de défectueux, nous allons utiliser l'image. Encore une fois pour récapituler. Nos données sont des données d'attributs, taille d'échantillon variable défectueuse. Par conséquent, nous allons utiliser la version bêta. La raison pour laquelle je ne cesse de vous le montrer encore et encore, c'est pour m'assurer que cela s'imprime dans votre esprit. Passons maintenant à notre dossier de projet. Dans le dossier de projet, vous devez aller chercher les données relatives aux dossiers médicaux. Vous pouvez donc voir qu'il s'agit de dossiers médicaux défectueux. Je vais cliquer dessus et cela m'amènera à l'endroit où se trouve le dossier défectueux. Je vais copier ces données. Et nous pouvons voir très clairement que la taille des échantillons portés et les défauts sont également différents. Voici donc le nombre total d' enregistrements, de ces autres défauts. Je vais le copier à l'esprit. Minitab. Oui, j' ai les données ici. Comme nous allons utiliser la carte P, je peux accéder aux cartes de contrôle statistiques, cartes attributaires et sélectionner la carte P. nombre total de la variable est défectueux et l'effectif du sous-groupe est le nombre total d'enregistrements. J'irais au tableau P et j'irais au test et je m'assurerais que toutes les manifestations sont actives. Je clique sur OK, je clique sur Ouvrir. La sortie est sortie. Allons dans la fenêtre de sortie et cherchons ce qui s'est passé. Nous pouvons voir qu'il y a plusieurs endroits où la carte P se trouve sur le test numéro un. Il s'agit du numéro 810 trente-cinq , cinquante-six, soixante-quinze, quatre-vingt-sept quatre-vingt-neuf. Nous devons examiner nos données et voir ce qui s'est passé ce jour-là où nous avons eu tant de facteurs. Les défauts se situent en dessous la limite de contrôle inférieure et de la limite de contrôle supérieure. Cependant, c'est un changement positif que nous avons fait moins de défectueuses. Mais nous devons comprendre comment ils peuvent être aussi prudents et pourquoi ne pouvons-nous pas renforcer le même modèle permanence afin que nos limites de contrôle changent. Vous pouvez également voir que les données, les limites de contrôle sont fortement en zigzag car la taille des données disponibles est usée. Chaque jour, la taille de mon échantillon est portée. Et sur cette base, les limites de contrôle des souris sont très en zigzag. Bon, maintenant j'espère que tu as compris ce qui doit être fait. Vous devez enquêter sur cette affaire. Sur le sujet, les experts se rendent au point numéro huit et enquêtent sur ce qui s'est passé ce jour-là. Donc je venais ici et j'allais au point numéro huit et je voyais que, Oh, sur 1700 enregistrements, 1778 n'enregistraient que des vecteurs 3D. C'est une chose positive. Mais pourquoi ne puis-je pas répéter ce comportement encore et encore de l'autre S'il était possible d'avoir bonnes données sur les dates particulières, je voudrais renforcer et répéter le bon comportement. J'espère que tu comprends. Je vous demanderais de pratiquer le dossier de projet créatif. Enregistrez ce fichier de projet en tant qu'image et assurez-vous de le télécharger. Dans la section projet. J'ai créé une vidéo séparée qui explique comment télécharger le projet. Je serais ravi de revoir votre projet, de vous faire de mes commentaires et de partager l'expérience que vous avez acquise en apprenant à ma classe. Je vais continuer la suite dans la prochaine vidéo. 22. Utiliser les données d'ampoules défectueuses: Prenons un autre exemple concernant les données défectueuses. Nous avons ici les données relatives à l' ampoule. Laissez-nous aider l' ingénieur qualité de cette entreprise. L'ingénieur qualité évalue si le processus de fabrication des ampoules est maîtrisé ou non. Comme vous le savez, la masse peut être soit complètement défectueuse, soit elle allume la lumière. Il ne peut pas être à moitié défectueux. Il s'agit donc de données défectueuses et non de données différenciées. L'ingénieur teste 500 ampoules heure pour un quart de travail de 38 heures. Comme la taille de l'échantillon est constante, nous allons utiliser les données défectueuses. Pour un effectif d'échantillon constant. L'ingénieur enregistre le nombre d'ampoules qui ne se sont pas allumées. Il enregistre donc les ampoules défectueuses. Comme tu l'as compris. Nous comptons le nombre de personnes défectueuses avec une taille d'échantillon constante. Nous allons utiliser la carte np. Reprenons le récapitulatif de nos types de cartes de contrôle. Nous examinons des données attributaires, des données défectueuses et une taille d'échantillon constante. Regardons maintenant le jeu de données dont nous disposons. Recherchez les données de cette ampoule. Je suis juste Oui. Donc, les données d'ampoule défectueuses. J'ai deux champs sur cet identifiant de groupe et le nombre d' ampoules défectueuses qui ne se trouvaient pas dans le sous-groupe. Les données se trouvent ici. Je vais copier ces données dans Minitab. L'ID du sous-groupe, que vous voyez ici, est un identifiant, mais la taille du sous-groupe indique 500. Passons à Minitab. Et j'ai collé mes données ici. Comme il s'agit d'une taille d'échantillon constante. Pour les données défectueuses, je vais cliquer sur Stat. Cartes de contrôle. Données d'attribut, aucun point. Je sélectionne les vecteurs et l'effectif du sous-groupe est de 500. Je vais sur NP Chart. Cliquez sur Test et assurez-vous que les quatre points sont cochés. Cliquez sur OK. Cliquez sur OK. Réfléchissons maintenant à la carte de contrôle. Nous pouvons voir qu'à ce stade, le test numéro trois a échoué. Et à ce stade, le test numéro un a échoué. Alors quel est le numéro de test 11, plus de trois écarts types par rapport à la ligne centrale. Ce test a échoué au point 16. Il y a 36 points d'affilée, tous en hausse ou en baisse. Cela s'est produit au point numéro neuf. Si vous voyez du point 32, numéro neuf, nous avons une tendance à la baisse continue. Nous voudrions donc étudier ce qui s'est passé pendant ces six navires dont le nombre d'ampoules efficaces diminuait constamment. Parce que c'est un comportement positif. Et nous voulons renforcer ce comportement positif. Si les données avaient été complètement décalées et qu'elles se situaient entre 02, nos limites de contrôle auraient changé. Par conséquent, en tant qu'ingénieur qualité, vous ne vous contentez pas de regarder quelque chose qui se situe en dehors de la limite de contrôle supérieure, mais vous pouvez également réfléchir au comportement des données afin d'éviter que des éléments ne sortent contrôle. Bien. J'espère que vous l'avez compris. Si vous avez des questions, n' oubliez pas de les poser dans la section discussion ci-dessous, je me ferai un plaisir d'y répondre. Je vais continuer avec l' exemple suivant dans la vidéo suivante. Jusque-là, bonne pratique et apprentissage heureux. 23. Utiliser les données de défaut de fond d'écran: Nous allons maintenant passer à un autre exemple. Ici, nous allons essayer d'aider l'ingénieur qualité dans une entreprise de fabrication de papiers peints. Comme vous le savez, après le COVID, la plupart des familles ont décidé rénover la maison parce qu'elles étaient chez elles depuis deux ans. Et ils se rendent compte que leurs colocataires se réaménagent. Il y a donc une forte demande pour le papier peint. Il est donc important pour l'ingénieur qualité de fabriquer des papiers peints de bonne qualité. Mais un objectif, comme vous le savez, vient avec différents modèles. Et Prince, il veut comprendre qu'il est la table de processus d'impression ou non. Pendant trois heures, l'ingénieur prélève un échantillon de 100 pieds de papier peint et compte le nombre de défauts d'impression, tels que la distorsion du motif et le manque d'encre. Comme nous examinons les différentes données avec une taille d'échantillon constante. Pouvez-vous deviner quel type de carte de contrôle nous devons créer ? ton droit ? Je dois construire pour la taille constante de l'échantillon pour différentes données. Encore une fois, je vais vous présenter les types de cartes de contrôle. Nous examinons donc les défauts des données attributaires et une taille d'échantillon constante. Nous allons donc prendre une crise. Passons à notre dossier de projet. Recherchez les données sur les défauts du papier peint. Je peux le trouver ici. Je clique dessus. Cela m'amène à l'endroit où les données du papier peint sont présentes. Ici, l'identifiant de l'échantillon sert uniquement à identifier l'entité d'identification doit compter le nombre de défauts, chaque échantillon est d' un 100 pieds, non ? Je vais copier ces données dans Minitab. J'ai fait de même. Tu te souviens que j'ai à voir avec Jot, c'est ça ? Je clique sur les cartes de contrôle Stat, cartes attributaires et C pour obtenir une taille d'échantillon constante. Je vais mesurer les défauts. Je vais aller sur la carte C et assurer que tous mes tests sont sélectionnés. Je clique sur OK, je clique sur OK. Regardons maintenant le résultat. Il y a la sortie de la carte C. Comme l'effectif de l'échantillon est constant, mes limites de contrôle supérieure et inférieure sont des lignes droites. Je peux voir que le premier test a échoué à deux points par le numéro 12 et le garçon numéro 13. Si je ne veux pas compter à quel point c'est, je peux regarder la référence dont Minitab a également échoué le test au point numéro 2, numéro 30, il enquête sur une question qui explique pourquoi tant de défauts se produit-il ces jours-ci ? Alors qu'il y avait tellement d' erreurs d'impression élevées qui ont été rencontrées au cours de ces deux quarts de travail. Et encore une fois, grâce à ce qu' il a repris le contrôle. Il devrait donc certainement s'agir d'une cause assignable qui doit être corrigée. Bien. Si vous avez des questions, n' oubliez pas de les poser dans la section discussion ci-dessous, je me ferai un plaisir de répondre à toutes vos questions et n' oubliez pas de terminer votre projet et de le télécharger dans la section du projet. Je vous invite à réaliser plusieurs projets afin que vous ayez confiance en ce que vous apprenez. Et cela me donne beaucoup de confiance, même en tant que facilitateur, fait que j'ai été utile dans votre parcours d'apprentissage. Merci. 24. Utiliser les erreurs de traitement des problèmes de cas: Prenons un autre exemple. Alors que la pandémie vient de se terminer, il est important pour nous de vérifier si tous les hôpitaux fonctionnent sous contrôle. agit d'une quantité dans Junior qui vérifie si les enregistrements des médicaments ou des médicaments sont administrés au bon taux et à d'autres caractères. Le directeur de la qualité d'un groupe d' hôpitaux souhaite donc ***** le taux d'erreur médicamenteuse. Parmi les exemples d'erreurs l' administration de médicaments au mauvais moment, l'administration de la mauvaise dose ou la délivrance du mauvais médicament. Le directeur enregistre le nombre de patients et le nombre d' erreurs médicamenteuses chaque semaine pendant 32 semaines. Comme vous pouvez le comprendre, le nombre de patients sera variable. Et nous nous référons aux données sur les défauts comme la mauvaise dose, l'âge, le mauvais moment, l' administration de médicaments par drone. Nous allons utiliser l'Utah. Laissez-moi vous expliquer les types de cartes de contrôle. Ce sont les données d'attribut, c'est la taille d'échantillon lisible des données de défaut. Par conséquent, je vais utiliser votre graphique. Passons à notre fichier de données de projet. Cherchons une erreur de médication. Ce sont des flèches de guérison, le nombre d'erreurs médicamenteuses qui se sont produites cette semaine-là. Patients au nombre total de patients chaque semaine. Mentionné ici. Donc, quand je vais ici, je peux voir combien d'erreurs et combien de patients ils peuvent voir très clairement que la taille du patient est en train de lire. Je vais copier ces données dans Minitab. Les données se trouvent dans Minitab. Maintenant, faisons l'analyse. Cliquez sur Stat, cliquez sur Cartes de contrôle, cliquez sur Cartes attributaires, cliquez sur Utah. Les flèches sont là. L'effectif du sous-groupe est celui du patient. Je vais à la carte U, je clique sur le test et je m'assure que toutes les clôtures pour le bureau sont sélectionnées. Je clique sur, OK, je clique sur OK. Ma sortie est présente. Remontons-le. Maintenant. Nous pouvons voir qu'il y a plusieurs points auxquels le test a été rempli. Sur la base des données, la limite de contrôle supérieure et la limite de contrôle inférieure sont calculées. Nous pouvons constater que soit il y a très peu de flèches, il y a une erreur très élevée. Donc, sur les deux côtés, les trois écarts types reçoivent cette note. Donc, s'il y en a toujours, cela a un effet positif. Si vous obtenez moins d'erreurs pour le nombre de patients, c'est un effort positif. Donc, en tant que quantité conçue, les points en bas constitueront un point d'investigation savoir comment pouvons-nous la gérer si bien ? Alors que les points de doute en haut au-delà des limites de contrôle supérieures sont des sujets de préoccupation pourquoi avons-nous manqué et rencontré autant de flèches ? Cela nous a-t-il coûté la vie du patient ? Donc, en tant que personne de qualité pour ce groupe d'hôpitaux, il est extrêmement important que vous enquêtiez sur cette question, car le test a échoué à plusieurs reprises. Et n'oubliez pas que les limites de contrôle ne sont pas des limites de spécification. Conformément à la limite de spécification, le groupe d'hôpitaux aurait pu convenir qu' erreur de 10 % est acceptable ou qu'une erreur de 7 % est acceptable. Donc, tous les points au-delà rendront votre processus moins efficace. J'en ai parlé dans l'autre vidéo, qui parle de l'hypothèse. Continuons à nous concentrer uniquement sur les cartes de contrôle dans ce chapitre. Avant d'aller plus loin et de revenir à mon dossier de projet, vous pouvez voir qu'il existe nombreux exemples qui sont donnés ici. Je vous invite à les mettre en pratique car cela vous donnera la confiance nécessaire pour poursuivre et comprendre les concepts. Nous avons couvert de nombreux exemples jusqu'à présent. Laisse-moi t'y prendre. Nous avons vu cet exemple d'erreur médicamenteuse. Nous avons vu l'exemple du papier peint. Nous avons vu l'exemple de l' ampoule défectueuse. Nous avons vu cet exemple générique. Nous avons vu l'exemple du dossier médical de l'hôpital. Nous avons vu l'exemple du centre de contact. Nous avons vu l'exemple du chapeau de détergent. Nous avons vu la longueur de la barre d'acier. Nous avons vu le moulage par injection. Alors qu'est-ce que cela signifie ? Je vous ai déjà présenté plusieurs exemples dans chacun des tableaux que je vous invite à tout mettre en pratique car cela vous donnera confiance dans la façon dont nous enquêtons. La devise est « Mon processus en contrôle ». Quelle enquête dois-je effectuer ? Avec ça ? Je vais m'arrêter ici et j'ai hâte de répondre à vos questions dans la section discussion. Et votre projet terminé, téléchargé dans la section projet. Heureux d'apprendre et de continuer à grandir. Merci. Rendez-vous à la prochaine leçon. 25. Merci pour mes étudiants: Je vous remercie beaucoup d'avoir complété cette série sur les cartes de contrôle. Vous auriez mis en pratique tous les exemples que je vous ai montrés dans cette leçon. Vous aurez également des facteurs qui, en utilisant les données que j'ai déjà partagées avec vous, vous devriez également essayer de pratiquer cartes de contrôle en utilisant vos propres données, ce qui vous donnera une niveau de confiance. Je me suis habillé, vous avez beaucoup appris et j'espère que vos concepts sont également très clairs. Suivez-moi sur Skillshare. Ceci est mon profil et je continuerai à mettre en ligne de nouvelles vidéos au fur et à mesure que nous avancerons. Pour ceux qui souhaitent suivre une formation en entreprise. Je fais des formations interactives en entreprise où je fais des programmes. J'ai des cahiers d' spécialement conçus pour mes participants. Cela dépend de l'entreprise dans laquelle ils travaillent. Vous pouvez voir à quel point tout le monde est impliqué dans cette photographie. Ce ne sont là qu'un aperçu de certaines des formations que j'ai suivies. J'ai suivi de nombreux programmes virtuels pendant la pandémie, ce qui représente plus de mille heures de formation. Ce ne sont que des extraits de certains d'entre eux. Pour ceux qui souhaitent rester en contact avec moi. Vous pouvez me contacter sur LinkedIn. J'ai une chaîne Telegram qui s'appelle six underscore. Six, six, trait de soulignement malade. Eh bien, vous pouvez également communiquer avec moi là-bas. Mon adresse e-mail est également affichée à l'écran. Si vous avez des questions, hésitez pas à me contacter. Si vous avez des questions. N'oubliez pas d'utiliser la section de discussion ci-dessous. J'attends avec impatience votre processus d'apprentissage et j'espère pouvoir vous aider dans votre parcours d'apprentissage. Merci beaucoup.