Statistiques

Améliorer la qualité commence par mesurer les faits et observer les comportements des processus. Maîtriser les représentations graphiques et analyses statistiques est indispensable !

Amplitude Amplitude  Range Range

L’amplitude ou étendue est la différence entre la valeur maximale d’une série et la valeur minimale. C’est une mesure de la dispersion qui vient compléter l’écart-type.

Amplitude

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Analyse de la variance (ANOVA) Analyse de la variance (ANOVA)  Analysis of Variance (ANOVA) Analysis of Variance (ANOVA)

L’analyse de la variance est une technique de statistique très utile pour l’analyse de données. Elle va permettre de déterminer comment chaque variable explicative fait varier ou non le résultat. Il est pour cela requis de disposer de plusieurs échantillons de données avec pour chacun la valorisation des paramètres et résultats.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Analyse des moyennes Analyse des moyennes  Analysis of Means (ANOM) Analysis of Means (ANOM)

L’analyse des moyennes a été développée par Ellis Ott en 1967. Elle permet de représenter simplement et visuellement une série de valeurs et de distinguer en un clin d’œil les valeurs atypiques.

Les valeurs de la série sont présentées au regard de la moyenne et d’une limite basse et haute de contrôle qui sont définies par un coefficient multiplicateur de l’écart-type. Par exemple LB = Moyenne - 3 x Ecart-type et LH = Moyenne + 3 x Ecart-type

Analyse des moyennes

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Analyse factorielle (AF) Analyse factorielle (AF)  Factor Analysis Factor Analysis

L’analyse factorielle ou analyse en facteurs (AF) est une méthode statistique qui permet de mettre en évidence des facteurs sous-jacents à des groupes de variables. En d’autres termes, elle permet de remplacer plusieurs variables d’origine, corrélées entre elles, par un plus petit nombre de variables.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Analyse multi-variée Analyse multi-variée  Multi Vari Analysis Multi Vari Analysis

L’analyse multi-variée est un outil statistique et graphique très puissant pour identifier et quantifier les sources de variations d’un processus.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Analyse sous contraintes Analyse sous contraintes  Constraint Analysis Constraint Analysis

L’analyse sous contraintes utilise les théories mathématiques d’optimisation permettant de maximiser une variable sous contraintes d’autres variables. De nombreux programmes informatiques répondent à ce type de problématique.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Arbre Arbre  Tree Diagram Tree Diagram

Le diagramme en arbre permet de représenter les fonctions logiques d’un système en détaillant visuellement les composants et sous-composants

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Arbre des causes d'Ishikawa Arbre des causes d’Ishikawa  Ishikawa Root Causes Tree Ishikawa Root Causes Tree

L’arbres des causes d’Ishikawa, aussi appelé diagramme d’Ishiakawa ou diagramme en arêtes de poisson, est un outil graphique très utile pour explorer les problèmes.

Arbre des causes d'Ishikawa

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Biais Biais  Bias Bias

Un biais est une différence entre un ensemble de valeurs observées et une valeur acceptée comme référence.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Caractéristiques des mesures Caractéristiques des mesures  Measurements Characteristics Measurements Characteristics

La mesure, pour être acceptée, doit présenter plusieurs caractéristiques :

En préalable :
- La mesure doit être quantitative. Elle peut ainsi être suivie dans le temps ou comparée avec d’autres séries
- La mesure doit être fiable. La méthode de collecte et la règle de valorisation doit être appliquée de manière identique dans le temps et selon les acteurs
- La mesure doit être spécifique. Seul l’élément à mesurer doit être intégré dans la mesure. Pour un délai ou une durée par exemple, les évènements de départ et d’arrêt de la mesure doivent être spécifiques à l’élément à mesurer (le travail d’un opérateur spécifique par exemple)

La mesure doit aussi répondre aux 4 caractériques suivantes :
- Répétable
- Reproductible
- Stable
- Linéaire

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Carte de contrôle Carte de contrôle  Control Chart Control Chart

La carte de contrôle est un graphique qui représente une série de valeurs autour de leur moyenne et d’une limite basse et haute.

Carte de contrôle

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Cinq M Cinq M  Five M (5M) Five M (5M)

Les 5 M sont les 5 causes possibles de défauts dans la méthode dite d’Ishikawa :
Matière/Materials : tout ce qui rentre comme inputs dans le processus
Machines : les moyens techniques qui aident l’homme dans la transformation des inputs
Main d’œuvre/Man : le complément humain aux machines ! Si importante dans le monde du service
Méthodes/Methods : les normes applicables aux processus
Milieu/Mother Nature : et bien sûr les éléments externes qui influencent les conditions de production du produit ou service (la chaleur, le froid, les variations de température, le bruit …)

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Coefficient de corrélation Coefficient de corrélation  Correlation Coefficient Correlation Coefficient

Le coefficient de corrélation est un calcul statistique permettant de déterminer si deux séries se ressemblent. La corrélation peut être proportionnelle ou inversement proportionnelle.

La corrélation positive devient significative au-delà de 0.6
La corrélation négative devient significative en-deça de 0.6

Attention une corrélation n’est pas un lien de cause à effet !

Il faut également veiller aux valeurs ’atypiques’ de la série qui perturbent beaucoup le calcul.

Dans le domaine des études client ou marketing, nous pouvons considérer les échelles de corrélation suivantes :
<0.1 Nulle
De 0.1 à 0.3 Faible
De 0.3 à 0.5 Modérée
De 0.5 à 7 De modérée à forte
Au-delà de 0.7, Forte

Type de définitionCoefficient de corrélation

Coefficient de corrélation

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Contrôle statistique Contrôle statistique  Statistical Control Statistical Control

Le contrôle statistique consiste à analyser les variations d’un processus et à distinguer les causes spéciales des variations des causes principales. Un graphique de contrôle met en évidence les occurrences qui sont au-delà des limites hautes et basses.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Contrôle statistique des processus (SPC) Contrôle statistique des processus (SPC)  Statistical Process Contrôle (SPC) Statistical Process Contrôle (SPC)

Le contrôle statistique des processus est une démarche d’amélioration qui s’appuie sur l’observation des faits. Méthode promue par le Six Sigma pour comprendre les variations et ainsi les causes des défauts. Le contrôle statistique utilise notamment la représentation graphique des séries dans un cadre bordé par une limite basse et haute, statistiquement définies.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Courbe de Gauss Courbe de Gauss  Gaussian Distribution Gaussian Distribution

La courbe de Gauss permet de représenter visuellement la distribution d’une série et en particulier la densité de mesures d’une série. Elle utilise les deux calculs de l’espérance et de l’écart-type de la série. Pour un échantillon important, il est généralement constatée une courbe en forme de cloche, c’est-à-dire une forte concentration des valeurs autour de la moyenne puis des valeurs de moins en moins nombreuses aux extrémités de la série.

Type de définitionCourbe de Gauss

Courbe de Gauss

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Courbe de Pareto Courbe de Pareto  Pareto Curve Pareto Curve

Il s’agit d’un graphique à barres ou en courbe dont les valeurs sont classées cumulées et dans un ordre décroissant. Cet outil met en évidence la loi des 80/20. Autrement dit, agir sur 20% de causes permet de résoudre 80 % des effets. Ce phénomène est extrêmement courant et permet de très facilement prioritiser les problèmes à résoudre: 20% des produits ou clients génèrent généralement 80 % du revenu, 20% des défauts génèrent 80% des coûts de perte etc.

Courbe de Pareto

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Courbe en cloche Courbe en cloche  Bell Curve Bell Curve

Une courbe en cloche est une manière de se référer à la courbe en gauss, ou distribution normale. Voir plus de détails dans ces définitions.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme araignée Diagramme araignée  Spider Diagram Spider Diagram

Le diagramme en araignée ou en radard permet de représenter la performance de plusieurs indicateurs sur un même graphique. On y représente souvent les valeurs cibles et réelles pour représenter visuellement les zones d’écart.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme de bloc Diagramme de bloc  Block Diagram Block Diagram

Le diagramme dit de bloc représente les liens entre le système, ses sous-systèmes et leurs composants.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme d'interface Diagramme d’interface  Boundary Diagram Boundary Diagram

Représentation graphique des interfaces entre un processus, un produit ou un service et d’autres entités.

Diagramme d'interface

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme d'Ishikawa Diagramme d’Ishikawa  Ishikawa Diagram Ishikawa Diagram

Le diagramme d’Ishikawa, aussi appelé en arêtes de poisson, est un outil graphique très utile pour explorer les problèmes.

Type de définitionDiagramme d’Ishikawa

Diagramme d'Ishikawa

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme en arêtes de poisson Diagramme en arêtes de poisson  Fishbone Diagram Fishbone Diagram

Le diagramme en arêtes de poisson, aussi dit d’Ishikawa, est un outil graphique très utile pour explorer les problèmes.

Diagramme en arêtes de poisson

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme I/MR Diagramme I/MR  I/MR Chart I/MR Chart

Le diagramme I/MR est un indispensable du Six Sigma. Il s’agit plus exactement de deux graphiques :

• Le premier représente les individus (I) d’une série d’observations
• Le second représente l’amplitude mobile (MR comme Mobile Range) de point à point, en valeur absolue

Ce second graphique permet ainsi de voir l’évolution des variations d’une observation avec la précédente.

Sont généralement ajoutées à ce graphique : les moyennes, ainsi que les limites basses et hautes

Type de définitionGraphique I/MR

Diagramme I/MR

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Diagramme P Diagramme P  P-diagram P-diagram

Le diagramme P est le diagramme de paramètre. Il permet de lier dans la conception d’un produit, service ou processus les inputs avec les outputs souhaités. Ce schéma intègre les paramètres contrôlables mais aussi ceux qui ne le sont pas afin d’évaluer la robustesse de la future entité. Il présentera :

• Les signaux (les inputs)
• La réponse idéale (l’output désiré)
• Les facteurs de contrôle en place
• Les facteurs de ’bruit’ de l’environnement
• Les modes de défaillance identifiés

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Distribution binomiale Distribution binomiale  Binomial Distribution Binomial Distribution

Une distribution binomiale est la distribution d’une variable de résultat selon deux modes uniquement, du type Oui/Non, Succès/Echec …

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Distribution normale Distribution normale  Normal Distribution Normal Distribution

La distribution normale, dite de Gauss ou gaussienne ou encore de courbe en cloche, est une courbe représente une distribution de variables. La distribution est symétrique, c’est-à-dire distribuée autour d’une moyenne avec de nombreuses occurrences autour de la moyenne et de moins en moins au fur et à mesure qu’on s’éloigne de la moyenne.

La loi normale est remarquable par le fait qu’elle décrit une grande partie des phénomènes naturels. (science physique, sociale, medecine, agriculture, Business...) . Elle peut être utilisé dans un grand nombre de situations, c’est ce qui la rend si utile, pas uniquement en tant qu’observation mais aussi en tant que prédiction.

Lorsqu’un phénomène est influencé par de nombreux facteurs dont aucun n’est prépondérant les résultats des mesures de ce phénomène obéissent généralement donc à une loi normale.

Distribution normale

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Données de comparaison Données de comparaison  Benchmark Data Benchmark Data

Les données de comparaison, usuellement appelées données de benchmark, sont des données collectées auprès d’organisations comparables et que permettent de déterminer :

-le niveau de performance des meilleures organisations (best-in-classe)
-comment elles y sont parvenues
-où l’organisation se situe t-elle en comparaison des plus performantes
-quel plan d’action, dans le contexte, peut être mené pour atteindre un niveau de performance comparable

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Données quantifiées Données quantifiées  Variables Data Variables Data

Les données dites quantifiées sont les données résultant de mesures et permettant de mener des analyses statistiques.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Ecart-type Ecart-type  Standard Deviation Standard Deviation

L’écart-type mesure la dispersion des valeurs au sein d’une série de données.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Echantillon Echantillon  Sample Sample

L’échantillon est une collection réduite d’une population plus large. Les échantillons doivent être représentatifs, aléatoires, indépendants et non biaisés.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Echantillon aléatoire Echantillon aléatoire  Random Sample Random Sample

Un échantillon est aléatoire lorsque l’ensemble des éléments de la collection ont une chance égale d’être sélectionné.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Echantillon d'acceptation Echantillon d’acceptation  Acceptance Sampling Acceptance Sampling

L’échantillon d’acceptation est utilisé pour valider la conformité d’un lot. L’échantillon est inspecté et le résultat de cette inspection détermine la validation ou non du lot.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Echantillonnage aléatoire Echantillonnage aléatoire  Random Sampling Random Sampling

Méthode de détermination d’un échantillon aléatoire.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Echelle de Likert Echelle de Likert  Likert Scale Likert Scale

Une échelle de Likert est une échelle de mesure "discrète" : une évaluation sur une échelle de 1 à 5, une évaluation verbale du type faible, moyen, bon …

Vous avez tous déjà répondu à un questionnaire contenant une échelle de Likert ! C’est une échelle très répandue, mais aussi très fiable. L’échelle de Likert va permettre de mesurer un gradium d’opinion en réponse à une question et de faire des analyses quantitatives des résultats. Elle permettra ainsi de monter des plans d’amélioration en cernant précisement les niveaux de satisfaction par attribut.

Quels sont les conseils à retenir pour construire une bonne échelle de Likert ?

1. Préférer les mots aux notes, et des mots qui expriment des opinions comme ’pauvre’ ou ’excellent’. Bien distinguer également la signification des mots. Par exemple, il est est moins évident de faire la différence entre ’bon’ et ’très bon’ que ’bon’ et ’excellent’

2. Conserver la même notion c’est-à-dire par exemple de ’pas du tout A’ à ’extrêmement A’ plutôt que de ’extrêmement A’ à ’extrêmement B’

3. Adopter une échelle impaire, c’est-à-dire qui comporte un point médian. Les meilleures échelles sont celles de 5 ou 7 valeurs (3 est trop peu ; difficile de se positionner au-delà de 7 valeurs)

4. Les espaces entre chaque coche doivent être identiques, sinon les variations influenceront les répondants

5. L’échelle de Likert doit être inclusive, c’est-à-dire comprendre tout le spectre posssible de réponse, de ’pas du tout’ à ’tout à fait’

6. Restez interrogatifs, c’est la meilleure manière d’exprimer clairement ce qui est attendu !!!

Comment représenter les résultats d’une échelle de Likert ?

Généralement, il est conseillé de représenter le nombre de répondants par niveau de l’échelle. Devrait alors apparaître une courbe de Gauss.

Il peut être utile également de mesurer le % d’opinion favorable (c’est-à-dire un regroupement d’opinions positives) voire mieux ne prendre que le % d’opinions très favorables.

Eviter la note moyenne qui ne représentera en aucun cas le gradium qu’apporte l’échelle de Likert.

Type de définitionExemples d’échelles de Likert

Echelle de Likert

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Echelle différentielle sémantique d'Osgood Echelle différentielle sémantique d’Osgood  Osgood Semantic Differential Scale Osgood Semantic Differential Scale

L’échelle sémantique différentielle d’Osgood est une échelle qui permet de positionner une opinion sur une échelle bipolaire. On va demander au répondant de se positionner sur une échelle entre deux adjectifs opposés tels que :
Bon - Mauvais
Agréable - Désagréable
Lent - Rapide
Utile - Inutile …

Type de définitionExemple d’échelle différentielle d’Osgood

Echelle différentielle sémantique d'Osgood

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Fonction de perte Fonction de perte  Loss Function Loss Function

La fonction de perte est un modèle statistique permettant de calculer le "coût" (la perte) pour l’entreprise à partir d’évènements possibles, c’est-à-dire dans le domaine de la qualité, des variations possibles de certains paramètres du système.

C’est le japonais Taguchi qui a détaillé l’application statistique de la fonction de perte dans le domaine de la qualité en démontrant les impacts financiers de la non maîtrise de la qualité. Cette analyse met en avant l’importance de la maîtrise des variations telle que préconisée par la démarche Six Sigma

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Fonction de perte du second degré Fonction de perte du second degré  Quadratic Loss Function Quadratic Loss Function

La fonction de perte du second degré est le modèle le plus courant pour le calcul d’une fonction de perte et c’est en particulier celle utilisée par Taguchi dans ses études sur les impacts de la non qualité.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Gauge de répétabilité et de reproductibilité Gauge de répétabilité et de reproductibilité  Gage Repeatability and Reproducibility (G R&R) Gage Repeatability and Reproducibility (G R&R)

La gauge de répétabilité et de reproductibilité indique les propriétés statistiques des caractéristiques de répétabilité et de reproductibilité et sa capacité à servir de gauge pour une mesure de qualité.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Graphique CUMSUM Graphique CUMSUM  CUMulative SUM Charts CUMulative SUM Charts

Le graphique dit CUMSUM est un graphique de contrôle qui permet de détecter les variations modérées et récentes d’un processus.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Graphique de contrôle Graphique de contrôle  Control Charts Control Charts

Le graphique de contrôle représente les variations statistiques du processus : il aide à les éviter pour stabiliser l’activité.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Graphique de flux Graphique de flux  Flow Chart Flow Chart

Le graphique de flux présente le processus de transformation des inputs en outputs manière graphique : les étapes sont présentées dans un ordre chronologique et par acteur. Les liens entres les étapes sont également représentées.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Graphique de Paynter Graphique de Paynter  Paynter Chart Paynter Chart

Le graphique de Paynter, de la célèbre société Ford, est un graphique qui s’appuie sur le principe de Pareto, et qui représente le nombre d’occurrences de problèmes sur plusieurs fréquence d’observations.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Graphiques X & R Graphiques X & R  X & R Charts  X & R Charts

Le graphique X & R fait partie de la famille des graphiques de contrôle statistique des processus. Il fonctionne par paire :

• Le premier montre l’évolution de la moyenne d’une série de donnée c’est-à-dire de la valeur centrale
• Le second montre l’évolution de l’écart-type de la même série c’est-à-dire de la dispersion

Type de définitionGraphique X et R

Graphiques X & R

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Histogramme Histogramme  Histogram Histogram

Un histogramme est une représentation graphique généralement utilisée pour illustrer une distribution. Le graphique se présente sous la forme de rectangles dont la hauteur est proportionnelle à la valeur de l’élément.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Limite basse Limite basse  Lower control limit Lower control limit

La limite de contrôle basse est positionnée à trois écart-types au dessus de la moyenne. Elle définit la limite de variabilité acceptable de la performance.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Limite de qualité moyenne Limite de qualité moyenne  Average Outgoing Quality Limit (AOQL) Average Outgoing Quality Limit (AOQL)

La limite de qualité moyenne des résultats du processus se définit pour tous les niveaux de qualité possibles des inputs du processus à partir d’un échantillon d’acceptation et des spécifications du processus.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Limite haute Limite haute  Upper control limit Upper control limit

La limite de contrôle haute est positionnée à trois écart-types au dessus de la moyenne. Elle définit la limite de variabilité acceptable de la performance.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Linéarité Linéarité  Linearity Linearity

La linéarité est une caractérique des systèmes de mesure. Elle se définit comme la différence entre les valeurs de biais et les valeurs attendues de la gauge de mesure.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Loi de Lusser Loi de Lusser  Lusser's Law Lusser's Law

La loi de Lusser stipule que la fiabilité d’un système en série sera égale au produit des fiabilités de ses sous-systèmes, à condition que les modes de défaillance de chaque sous-système soient statistiquement indépendants.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Loi de Murphy Loi de Murphy  Murphy's Law Murphy's Law

La démarche qualité doit déjouer la loi de Murphy ! En effet, cette dernière qui est plus un proverbe qu’une loi indique que si quelque chose peut potentiellement mal tourner, alors elle va certainement mal tourner !

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Méthode d'Ishikawa Méthode d’Ishikawa  Ishikawa Method Ishikawa Method

Le diagramme d’Ishikawa, aussi appelé en arêtes de poisson, est un outil graphique très utile pour explorer les problèmes.

Méthode d'Ishikawa

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Moyenne mobile Moyenne mobile  Rolling Average Rolling Average

Une moyenne mobile est une moyenne recalculée à chaque période sur un la période et N périodes précédentes, N étant fixe.

Par exemple, la moyenne mobile sur 3 mois va comprendre en mars, la moyenne des valeurs de janvier à mars. Elle comprendra en avril la moyenne des valeurs de février à avril. Et ainsi de suite.

Cette moyenne mobile est très intéressante pour analyser l’évolution de la série en faisant abstraction de la dernière valeur ainsi que des variations fortes des périodes précédentes. Plus le nombre de périodes inclus dans la moyenne mobile est important, plus l’effet de lissage sera important.

Un excellent indicateur peut donc être de mesurer l’écart entre la valeur de la période avec sa moyenne mobile.

Type de définitionMoyenne mobile

Moyenne mobile

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Niveau de qualité acceptable Niveau de qualité acceptable  Acceptable Quality Level (AQL) Acceptable Quality Level (AQL)

Le niveau de qualité acceptable est la moyenne considérée satisfaisante pour la production d’un lot.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Niveau de qualité indifférente Niveau de qualité indifférente  Indifference Quality Level (IQL) Indifference Quality Level (IQL)

Le niveau de qualité d’indifférence, c’est le point qui sépare la performance acceptable de la performance inacceptable.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Nuage de point Nuage de point  Scatter Diagram Scatter Diagram

Le nuage de point est un excellent moyen de détecter la corrélation entre deux variables.

Nuage de point

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Pareto Pareto  Pareto Analysis Pareto Analysis

… ou la règle du 80/20. L’objectif est de se concentrer sur l’essentiel et de ne pas se noyer dans les détails. On repère les 20% d’activités qui génèrent 80% des défauts, les 20% de sites qui génèrent 80% des retards de livraison …

Type de définitionGraphique de Pareto

Pareto

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Plan d'échantillonage Plan d’échantillonage  Sampling Plan Sampling Plan

Le plan d’échantillonage détermine les critères de constitution des échantillons et les prises de décisions associées. Le plan d’échantillonage va par exemple permettre de valider ou non des lots de production.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Point estimé Point estimé  Point Estimate Point Estimate

Le point estimé est une mesure unique calculée à partir d’un échantillon et qui représente la "meilleure estimation" possible pour un paramètre inconnu.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Population Population  Population Population

La population statistique se définit comme l’ensemble des individus, éléments ou données à partir duquel un échantillon statistique est déterminé.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Pourcentage de points inspectés respectant le seuil de tolérance Pourcentage de points inspectés respectant le seuil de tolérance  Percentage of Inspection points Satisfying Tolerance (PIST) Percentage of Inspection points Satisfying Tolerance (PIST)

Il s’agit comme son nom le précise du nombre de points inspectés qui respectent les seuils de tolérance mentionnés dans les spécifications rapportés au nombre de points inspectés

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Précision Précision  Precision Precision

La précision se définit comme la proximité entre la valeur observée et la valeur de référence acceptée. La valeur observée doit être sélectionnée de manière aléatoire.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Qualité moyenne Qualité moyenne  Average Outgoing Quality (AOQ) Average Outgoing Quality (AOQ)

La qualité moyenne est la qualité attendue des outputs en sortie du processus pour une valeur donnée de qualité des inputs

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Régression multiple Régression multiple  Multiple Regression Multiple Regression

Les régressions multiples permettent de réaliser des projection de séries dans le futur en tenant compte des valeurs observées dans le passé. Les régressions peuvent être linéaires, logarithmiques …

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Scédasticité Scédasticité  Scedasticity Scedasticity

La scédasticité est la relation qui existe entre des variables d’entrée et des variables qui caractérisent l’output. Si les variations de l’output sont modifiées par le changement de valeurs des variables d’entrée, on parle d’hétéro-scédasticité. Si les variations de l’output sont constantes lorsque les valeurs des inputs changent, on parle d’homo-scédasticité.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Six M Six M  Six M (6M) Six M (6M)

Les 6 M sont les 6 causes possibles de défauts dans la méthode dite d’Ishikawa :
Matière/Materials : tout ce qui rentre comme inputs dans le processus
Machines : les moyens techniques qui aident l’homme dans la transformation des inputs
Main d’œuvre/Man : le complément humain aux machines ! Si importante dans le monde du service
Méthodes/Methods : les normes applicables aux processus
Milieu/Mother Nature : les éléments externes qui influencent les conditions de production du produit ou service (la chaleur, le froid, les variations de température, le bruit …)
Mesure/Measurement : si Ishikawa parlait initialement de 5M, ce dernier M vient compléter la liste des 6M du Six Sigma. Les défauts peuvent provenir de défauts de mesure, de mesures incohérentes ou inexistantes

Type de définitionDiagramme des 6 M (Ishikawa)

Six M

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Sous-groupe rationnel Sous-groupe rationnel  Rational Subgroup Rational Subgroup

Un sous-groupe rationnel d’un échantillon statistique est un sous-groupe dans lequel les chances de variations pour des causes spéciales seront minimisées. L’objectif est d’éliminer les risques de variations spéciales sur une courte période de temps dans le sous-groupe. Il sera également utile de comparer les variations entre les sous-groupes afin de comprendre les modifications apportées au processus et entraînant ces variations inter-groupe.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Table de contingence Table de contingence  Contingency Table Contingency Table

La table de contingence est un tableau à double entrée présentant la relation existant entre les deux entrées pour chacune de ses valeurs possibles.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Taux de croissance composé Taux de croissance composé  Compound Annual Growth Rate (CAGR) Compound Annual Growth Rate (CAGR)

Le taux de croissance composé s’appuie sur la valeur initiale et finale pour une période de temps donnée.

La formule de calcul est :
(Valeur dernière période - Valeur première période)^(1/Nombre de périodes) - 1

Il ne représente pas la réalité de ce qui s’est passé sur la période mais donne une idée de la croissance lissée sur la période.

Exemple :
Valeur début de période : 100
Valeur après 3 ans : 300

CAGR = (300-100)^(1/3) - 1 = 44%

Les valeurs intermédiaires peuvent être recalculées de la manière suivante :
Fin année 1 : 100 x 1.44 = 144
Fin année 2 : 144 x 1.44 = 207
Fin année 3 : 207 x 1.44 = 300

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Taux de défaillance Taux de défaillance  Failure Rate Failure Rate

Le taux de défaillance d’un équipement est égal à l’inverse du temps moyen entre pannes.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Taux de fonctionnement moyen entre pannes Taux de fonctionnement moyen entre pannes  Mean Time Between Failures (MTBF) Mean Time Between Failures (MTBF)

Le temps de fonctionnement moyen entre pannes, sur une période donnée, est égale au temps net de fonctionnement, soit le temps de fonctionnement déduction faite du temps des pannes, divisé par le nombre de pannes.

L’inverse de cette mesure est le taux de défaillance.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Technométrique Technométrique  Technometrics Technometrics

La technométrique contribue à l’utilisation des méthodes statistiques dans le domaine physique, chimique, des sciences de l’ingéniérie ou de l’information et des technologies.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Temps Bx Temps Bx  Bx Life Bx Life

Le temps Bx est le moment à partir duquel x% des pièces sont en anomalies. Par exemple, le temps B5 est le moment à partir duquel 5% des pièces sont en anomalies.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Temps de disponibilité Temps de disponibilité  Up Time Up Time

Temps pendant lequel l’équipement est en état de marche

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Temps d'indisponibilité Temps d’indisponibilité  Down Time Down Time

Le temps d’indisponibilité est le temps pendant lequel l’équipement est en panne.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Test de Bartlett Test de Bartlett  Bartlett Test Bartlett Test

Le test de Bartlett est un test de variance similaire au test f pour plus de 2 échantillons. S’applique aux séries de distribution normale.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Test de Kruskal-Wallis Test de Kruskal-Wallis  Kruskal-Wallis Test Kruskal-Wallis Test

Le test de Kruskal-Wallis est un test non-paramétrique. Les échantillons doivent présenter des formes et distributions similaires.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Test du lapin rouge Test du lapin rouge  Red Rabbit Test Red Rabbit Test

Le test du lapin rouge permet de vérifier le temps nécessaire pour identifier un défaut. Un élément rouge est ajouté au mix et le temps nécessaire pour sa découverte est mesuré.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Test F Test F  F-tests F-tests

Le test F est un un test de variance qui compare la dispersion de deux échantillons.

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Test T Test T  T-test T-test

Le test T (de Welch) est un test qui compare l’égalité de leurs moyennes pour deux échantillons de données de dispersion inégale

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com

Variable centrée réduite Variable centrée réduite  Standard Score Standard Score

Une valeur est dite centrée réduite quand on lui soustrait la moyenne de la série puis qu’on divise cet écart par l’écart-type.

Des séries de valeurs différentes peuvent ainsi être juxtaposées sur un même graphique.

La corrélation des séries peut être appréhendées visuellement (une série dite explicative et une série dite à expliquer).

En anglais, on parle de ’standardiser’ la série.

Type de définitionVariable centrée réduite

Variable centrée réduite

Auteur : Qualité Management | Une suggestion à nous faire ? Ecrivez-nous : contact@qualite-management.com