Etude taux de pièce défectueuse par lot - choix des lots

Bonsoir,
Je réalise actuellement une étude statistique sur une basse de données. L’objectif de l'étude est de déterminer les variables influençant  le % de rebut à différentes étapes du procédé.

Mais le nombre d'individus par lots étudiées est très différents. Certains lots comprennent 400 pièces alors que d'autres une 60taine. 

Je souhaite faire une RLM, ACP et PLS sur la base de donnée.

Faut-il conserver tous les lots ou travailler avec les lots de taille plus importantes? Le taux de rebut sur les petits lots étant moins représentatif que sur des lots plus gros.

Merci de votre aide.

JM

Bonjour,
peu importe la taille des lots, ce qui compte c'est le nombre d'échantillons que tu vas prendre. Sur un petit ou un grand lot, le taux de rebut (disons 5%) sera le même.

Plus tu auras d'échantillons, plus tu auras d'information. On considère habituellement qu'il ne faudrait pas prélever un nombre d'échantillons supérieur à environ 10% de ton lot pour considérer qu'on fait de l'échantillonnage.

Tu peux te référer aux normes des plans d'échantillonnage par attribut qui donnent un nombre d'échantillons à prélever en fonction de ta taille de lot (même si cela n'a pas de sens statistique si tu restes sous les 10% expliqués avant). 
Les normes ANSI sont je pense accessibles gratuitement sur internet. La norme ISO 2859 devrait être payante, sauf si des malotrus en font des photocopies / scan et mettent ça sur la toile. Bouh les brigands!

Merci pour ces infos mais je vais préciser mon problème qui n'est pas un problème d’échantillonnage.
En faite 100% des pièces sont vérifiées.
Donc quand j'ai 1% de rebut, c'est bien 1% de ma population qui est défectueux.

Le problème est ailleurs. Dans mon procédé, j'ai des tâches qui génèrent des rebuts. 

Prenons exemple d'une des tâches que l'on nommera A
Chaque tâche A est constituée d'une dizaine de pièces et si les conditions procédés de A sont mauvaises, une grande partie de ces pièces seront défectueuses. Et certaines conditions mauvaises ne sont pas détectables (aucune variable permet de discriminer les tâches A foireuses). 

D'où ma question: Faut-il conserver tous les lots ou travailler avec les lots de taille plus importantes pour s'affranchir des étapes de procédé?


Merci

Bonjour,

je te conseille alors d'étudier la variabilité de la distribution de tes tailles de lot et de te placer dans le cas moyen (regarder la médiane plutôt que ta moyenne si ta distribution est asymétrique) pour faire ton étude.

Bonsoir Hamer313.

je ne comprends pas trop. Je me place du point de vue de l'entreprise : Si des tâches créent des problèmes, ce sont les tâches qu'il faut vérifier. l'analyse à postériori (en fin de production), si elle ne permet que de faire de la mise au rebut est nécessaire, mais ne nécessite pas d'appareil statistique. Dans ce cas, tu peux faire ce que tu veux, ça n'apporte rien.

Mais dans ton premier message, tu parlais d'utiliser les données pour déterminer où se fait le rebut. Dans ce cas, les tailles de lot sont secondaires, il vaut mieux faire une analyse ABC sur les causes de rebut, surtout si on fait un contrôle à 100 % finale.

Cordialement.

Bonjour,

emeric, ma distribution est normale et si je prends les lots dont la taille est proche de la médiane/moyenne alors je n'ai plus que 16 lots. Est-ce que je peux intégrer tous les lots dont la taille est supérieure à ma moyenne/médiane?


gg, En faite je dois réaliser une étude statistique pour expliquer une crise qualité. J'utilise donc le peu de variables suivies et enregistrées actuellement pour essayer de trouver celles qui peuvent m’orienter vers l'explication du pb actuel.
Est ce plus clair? 

En tout cas, merci pour vos réponses.

Au plaisir de vous lire

Bonsoir,

je rejoins gg sur l'analyse ABC.
Si tu jettes un nombre constant de pièces à cause d'un défaut, ton taux de rejet en % est plus important pour des petits lots et peut-être bien plus problématique.
Jeter 10 pièces sur un lot de 60 pièces est plus gênant que sur un lot de 1000 pièces. Tu devras éventuellement refaire un lot complet, avec le temps de préparation associé, et toute la documentation et le contrôle à faire sur un lot.

Pour les distributions, tu peux envisager de scinder ton étude en 3 parties avec tes lots dont la taille est inférieure à moyenne - 1 un écart type (1/6 de ta production en théorie), ceux dont la taille est supérieur à moyenne + 1 écart type (1/6 de ta production en théorie) et le reste (68% compris entre moyenne +/- 1 écart type).
Peut-être trouveras tu des causes importantes différentes selon ton groupe.

Mais il est toujours compliqué de s'approprier une problématique dont on ne connait pas bien les détails.