Dans le monde de la gestion de la chaîne d’approvisionnement, la garantie de la qualité des produits que vous vous procurez est cruciale pour votre réussite. Une seule pièce défectueuse peut perturber toute la chaîne d’approvisionnement et éroder la confiance des clients. Dans cet article, nous allons voir comment utiliser un test à 1 proportion dans Minitab pour évaluer le taux de défaut des jauges à carburant produites par un fournisseur pour un constructeur automobile.
COMPRÉHENSION DU PROBLÈME
Imaginez un scénario dans lequel votre entreprise fabrique des véhicules et s’approvisionne en jauges à carburant auprès d’un fournisseur. Bien que votre fournisseur soit réputé, vos automobiles représentent votre marque de haute qualité. De plus, l’une des promesses que vous faites à vos clients est l’importance que vous accordez à la sécurité. Bien que vous ne souhaitiez aucune pièce défectueuse, vous comprenez la variabilité normale et fixez un taux de défectuosité de 2 % comme seuil acceptable pour un fournisseur. Pour mettre votre fournisseur à l’épreuve, vous effectuez un test d’étalonnage sur un échantillon de jauges à carburant afin de déterminer si le taux de défaut dépasse le seuil acceptable.
COLLECTE DES DONNÉES
Votre équipe sélectionne 500 jauges à carburant fournies au cours de la semaine précédente et procède à des tests d’étalonnage. Sur les 500 jauges à carburant, vous en identifiez 18 qui sont mal étalonnées.
TEST À 1 PROPORTION DE QUOI S’AGIT-IL ?
Un test à 1 proportion, également appelé test de proportion à un échantillon ou test binomial, est un outil statistique pour déterminer si la proportion d’une certaine caractéristique dans un échantillon diffère considérablement d’une proportion de population connue ou supposée. Dans notre cas, nous souhaitons vérifier si le taux de défaut (proportion de jauges à carburant défectueuses) est supérieur à la valeur spécifiée de 2 %.
FORMULATION DE L’HYPOTHÈSE
Les hypothèses de ce test sont les suivantes :
RÉALISATION DU TEST DANS MINITAB
INTERPRÉTATION DES RÉSULTATS
Les résultats suggèrent que le taux de défaut est supérieur à 2 % :
Dans la mesure où la valeur p est inférieure à 0,05, nous pouvons rejeter l’hypothèse nulle et conclure que le taux de défaut est supérieur à 2 %.
Maintenant que vous avez découvert que le taux de défaut est plus élevé que prévu, vous devez vous assurer que votre système de mesure était correct. En cas de biais ou de variance indésirable dans le processus de mesure, vous auriez pu identifier par erreur que les jauges à carburant étaient effectivement défectueuses. (Heureusement, Minitab dispose d’un module d’analyse des systèmes de mesure spécialement conçu à cet effet !)
Toutefois, si vous avez confiance dans votre système de mesure, vous pouvez envisager de demander au fournisseur de revoir la conception de la jauge à carburant afin d’en améliorer la précision. Sinon, il est peut-être temps de trouver un nouveau fournisseur capable de vous fournir les pièces de qualité dont vous avez besoin pour assurer le bon fonctionnement de votre chaîne d’approvisionnement.
PRENDRE EN COMPTE LA TAILLE DE L’ÉCHANTILLON
L’échantillon du processus de fabrication doit être prélevé au hasard. Si les 500 jauges à carburant provenaient du même lot ou avaient la même date de fabrication, l’analyse exclurait les variations d’un lot à l’autre ou les sources de variabilité dans le temps. Les résultats peuvent alors être biaisés, surtout si l’échantillon est constitué d’un ensemble de pièces exceptionnellement bonnes ou mauvaises.
DÉCISIONS PLUS JUDICIEUSES AVEC MINITAB
À l’aide du test à 1 proportion dans Minitab, les responsables de la chaîne d’approvisionnement peuvent prendre des décisions fondées sur des données concernant la qualité des produits achetés. Ce type d’analyse permet aux entreprises de prendre les mesures qui s’imposent, par exemple en collaborant étroitement avec les fournisseurs pour améliorer les processus de fabrication, ce qui permet de fluidifier les chaînes d’approvisionnement et d’accroître la satisfaction des clients.