Cartes de contrôle entre / à l’intérieur de (I EM R ou S)
Cet article vous indique quelles cartes de contrôle utiliser pour suivre statistiquement votre procédé et éviter les fausses alertes ; si la sélection de sous-groupes adéquats s’avère difficile.
Pourquoi les plans de criblage définitif peuvent-ils être considérés comme des plans définitifs ?
Les plans de criblage définitif sont une nouvelle catégorie de plans d'expériences apparue assez récemment, ils sont disponibles dans Minitab. Cet article explique l'intérêt de ces plans et précise dans quel cadre vous pouvez les exploiter.
Comment utiliser les intervalles pour améliorer la qualité des soins de santé et des dispositifs médicaux
Cet article vous explique pourquoi l'étude des queues de distribution à l'aide des intervalles de confiance permet d'identifier les défauts.
Former vos experts métier à l’analyse de données, un investissement payant
Pour transformer les données en informations utiles à l'organisation, vous devez disposer de personnes capables de les organiser, de les analyser et de les interpréter.
Analyser les résultats d'expérimentations grâce aux statistiques pour discerner les facteurs influents et trouver les causes racines
L'analyse de covariance (ANCOVA), une technique cruciale pour réussir vos plans d’expériences.
Suivi des événements rares avec les cartes de contrôle G
Découvrez comment les cartes de contrôle permettent de représenter graphiquement les événements rares pour déterminer si un processus est stable ou s'il est hors contrôle.
Pourquoi est-il toujours préférable d’utiliser un Plan d'expériences plutôt que de modifier un facteur à la fois ?
Dans cet article, nous proposons une alternative à la méthode de résolution de problèmes la plus populaire et la plus intuitive pour tester différentes solutions, l'une après l'autre, dès qu'elles viennent à l'esprit.
Que faire lorsque les données sont regroupées en catégories distinctes dans un diagramme de probabilité ?
Pour estimer le niveau de capabilité d’un procédé, les limites de spécification d'un produit sont comparées aux extrémités de la distribution des caractéristiques mesurées. La normalité des données est donc une condition essentielle