Le p-chart est utilisé pour surveiller un processus au fil du temps basé sur des proportions. Le processus est décrit par une métrique qui indique la proportion de certains événements dans une quantité totale. Il montre si cette proportion est dans la plage attendue ou si des changements notables se produisent dans le processus. Cela peut être, par exemple, le taux de rejet en production, le quota de vente dans les ventes, ou la proportion de livraisons retardées. L'objectif est de détecter les changements tôt, d'analyser systématiquement les causes possibles, de construire des connaissances sur le processus et d'éviter des interventions inutiles.
Lors du remplissage de la sauce tomate, il est vérifié par équipe combien de pots ont une étiquette de travers ou incomplète. L'objectif est de déterminer si la proportion d'unités non conformes reste stable dans le temps.
Interprétation des résultats :
Il n'y a aucun point en dehors des limites de contrôle et aucun motif notable n'est visible. La proportion d'étiquettes défectueuses fluctue aléatoirement autour de la ligne centrale. Le processus peut donc être évalué comme stable.
Explications du graphique :
- Les points montrent la proportion d'unités non conformes par sous-groupe dans l'ordre chronologique.
- La ligne centrale correspond à la proportion moyenne d'unités non conformes.
- Les limites de contrôle sont calculées pour chaque sous-groupe à partir de la taille de l'échantillon et de la proportion moyenne. Avec des tailles d'échantillon variables, elles apparaissent souvent en escalier.
Préparation
- Définir une classification binaire claire, par exemple, “non conforme” et “conforme.”
- Assurez-vous que pour chaque ligne de données, le nombre total d'unités considérées (taille de l'échantillon) et le nombre d'unités non conformes ou conformes sont disponibles.
- Vérifiez si la taille du sous-groupe change au fil du temps et si cela est techniquement raisonnable.
- Déterminez si le graphique doit être créé à partir des données actuelles ou avec une référence historique.
- Définissez quels tests pour les conditions d'exception doivent être utilisés pour détecter des motifs notables.
Utilisation dans AlphadiTab
- Sélectionnez l'outil “p-chart” dans la Phase de Contrôle.
- Pour unités défectueuses, spécifiez “unités non conformes,” pour taille de l'échantillon, spécifiez “unités testées.”
- Générez le graphique de contrôle via “Créer Nouveau.”
- Effectuez les tests définis dans l'onglet Règles de Nelson.
Interprétation
- Vérifiez si des points se situent en dehors des limites de contrôle.
- Vérifiez si des motifs non aléatoires tels que des tendances, des décalages ou des motifs cycliques sont reconnaissables.
- Évaluez si des causes spéciales connues sont présentes ou si un changement de processus durable doit être suspecté.
- Décidez uniquement si une intervention dans le processus est nécessaire après avoir clarifié les causes.
La p-chart montre si le processus est statistiquement stable. Si les valeurs cibles ou les spécifications sont respectées, cela doit être évalué séparément d'un point de vue technique.
Valeurs historiques
Si des valeurs de référence historiques sont connues, elles peuvent être utilisées comme base fixe. La ligne centrale et les limites de contrôle restent alors constantes.
Sections
Les sections sont utiles si le processus a délibérément changé, par exemple, après un changement de fournisseur ou un ajustement de processus. Des lignes centrales et des limites de contrôle séparées sont calculées pour chaque section.
Des motifs non aléatoires sont détectés avec les tests :
Ordre temporel
Les sous-groupes doivent être dans l'ordre dans lequel ils ont été créés.
C'est seulement de cette manière que les décalages, tendances et autres motifs peuvent être détectés de manière fiable.
Nombre de demandes résolues dès le premier contact
Dans le service informatique, on évalue quotidiennement combien de demandes sont résolues dès le premier contact. Le graphique np aide à évaluer si ce nombre reste stable dans le temps ou si des anomalies telles que des tendances ou des changements se produisent.
Interprétation
Il y a plusieurs points en dehors des limites de contrôle. Le processus est instable et devrait être examiné de plus près.
→ Plusieurs points en dehors des limites – processus instable, vérifier les causes.
Nombre d'offres avec des informations obligatoires manquantes
Dans les ventes, il est vérifié mensuellement combien d'offres manquent d'informations obligatoires. Cela permet de suivre si le nombre d'offres incomplètes reste constamment stable.
Interprétation
Les chiffres sont inhabituellement proches les uns des autres. Une dispersion aussi faible n'est souvent pas aléatoire pour un processus réel et peut indiquer une retouche standardisée, une classification trop grossière ou une particularité dans le système d'inspection. De plus, neuf points se trouvent du même côté de la ligne centrale.
→ Dispersion remarquablement faible + 9 points d'un côté – questionner le système d'inspection/classification.
Nombre d'expéditions avec dommages de transport
Dans le secteur de la logistique, il est évalué par tournée combien d'expéditions arrivent avec des dommages de transport visibles. L'objectif est d'identifier tôt les contraintes extraordinaires.
Interprétation
Un point aberrant est reconnaissable ; la 13ème tournée est affectée. Une collision arrière a été signalée par le conducteur pour cette tournée. La déviation peut donc être expliquée par une cause spéciale connue et n'indique pas un changement permanent dans le processus.
→ Point aberrant dû à une cause spéciale connue (accident) – pas de nouveau schéma de base.
Nombre de réceptions de marchandises avec note de blocage
Dans l'achat, le nombre de réceptions de marchandises avec une note de blocage est surveillé. Pendant la période d'observation, il y a eu un passage du Fournisseur A au Fournisseur B, donc deux sections sont utiles.
Interprétation
Après le changement de fournisseur, le nombre de réceptions de marchandises avec une note de blocage est à un niveau sensiblement plus élevé. La considération séparée des sections montre que le niveau du processus a changé. Le changement doit être évalué dans le contexte du changement de fournisseur.
→ Changement de niveau après le changement de fournisseur – évaluer les sections séparément.
Nombre de postes avec erreur critique de prévision
Dans la planification de la production, chaque cycle de planification évalue combien de postes dépassent un seuil d'erreur de prévision défini. Le np-chart montre si le nombre de postes problématiques change au fil du temps.
Interprétation
Au cours de la période, une tendance à la hausse du nombre de prévisions incorrectes est notable. Comme les valeurs diminuent également à nouveau entre-temps, aucune tendance n'est signalée selon les règles de Nelson. Cependant, le développement doit encore être observé professionnellement.
pᶦ Proportion d'unités non conformes dans le i-ème sous-groupe.
Sous-groupe Échantillon associé, par exemple, un poste, une tournée, un jour ou un lot.
Ligne centrale Proportion moyenne d'unités non conformes en tant que niveau central du processus.
Limites de contrôle (UCL / LCL) Limites dans lesquelles la fluctuation aléatoire d'un processus stable est attendue.
Valeur de référence historique p Proportion spécifiée d'unités non conformes à partir d'une période de comparaison stable.
Sections Phases distinctes du processus, chacune avec sa propre ligne centrale et ses limites.
Règles/tests de Nelson Règles statistiques pour détecter des motifs non aléatoires.
Avec la correction historique, p̄ est remplacé par la valeur de référence donnée p.