En savoir plus sur ce créateur de P-Chart.

Cette calculatrice P-chart est un outil graphique très couramment utilisé pour évaluer si un processus est sous contrôle statistique, généralement en analysant le comportement de la proportion de défauts de l'échantillon sur de nombreux échantillons.

Le grand avantage d'utiliser un outil graphique est que vous pouvez facilement trouver des modèles et identifier les points qui semblent s'écarter d'un comportement "normal", ou plus précisément, ce qui serait attendu sous certaines hypothèses de distribution courantes.

Comment utiliser cette calculatrice graphique P en ligne ?

L'idée est que vous avez une liste d'échantillons \(N\), et pour chaque échantillon, vous avez un nombre de défectueux et la taille de l'échantillon. Habituellement, la taille de l'échantillon est la même pour tous les échantillons, mais ce n'est pas toujours le cas.

Ensuite, pour chaque échantillon, vous calculerez la proportion d'échantillons défectueux \(\p_i\). Dans l'ensemble, nous aurons \(N\) proportion d'échantillons de défectueux, un pour chaque échantillon. Enfin, vous trouvez la moyenne de la proportion de défectueux, que vous appelez \(\bar{p}\).

Après avoir tout cela, vous pouvez utiliser les formules suivantes pour obtenir les limites de contrôle inférieures et supérieures pour le p-chart

\[ LCL_{p} =\bar{p} - 3\sqrt{\frac{\bar{p}(1-\bar{p})}{k}} \] \[ UCL_{p} =\bar{p} + 3\sqrt{\frac{\bar{p}(1-\bar{p})}{k}} \]

où \(k\) est la taille d'échantillon commune de TOUS les échantillons avec lesquels vous travaillez.

En résumé : comment créer un graphique P ?

Étape 1. La première chose que vous devez faire est de collecter les données que vous souhaitez mesurer, dans ce cas, les défectueux, car vous souhaitez analyser la proportion de défectueux en fin de compte.

Étape 2. Maintenant, pour chaque échantillon, vous calculez la proportion d'échantillons défectueux (c'est-à-dire le nombre de défectueux divisé par la taille de l'échantillon).

Étape 3. L'étape suivante consiste à calculer la moyenne de toutes les proportions d'échantillons de défectueux.

Étape 4. Ensuite, vous devez utiliser les formules pour les limites de contrôle inférieure et supérieure \(LCL_{p} =\bar{p} - 3\sqrt{\frac{\bar{p}(1-\bar{p})}{k}}\) et \(UCL_{p} =\bar{p} + 3\sqrt{\frac{\bar{p}(1-\bar{p})}{k}} \).

Étape 5. Maintenant, vous construisez un graphique dans lequel vous tracez la proportion de défectueux pour chaque échantillon, sous la forme d'un tracé linéaire, et vous devez également tracer les limites inférieure et supérieure, ainsi que la ligne centrale.

Étape 6. À l'étape finale, vous déterminez si une proportion de défectueux dépasse ou non l'une des limites de contrôle.

Les points qui dépassent les limites de contrôle inférieures et supérieures, le cas échéant, sont dits hors contrôle statistique, et le processus n'est pas non plus sous contrôle statistique. Lorsqu'aucun point n'est hors contrôle statistique, on dit alors que le processus est sous contrôle statistique.

Autre carte de contrôle

Vous pourriez être intéressé par l'utilisation d'un Graphique R pour évaluer si la variabilité du procédé est maîtrisée ou non. De plus, si vous avez besoin d'évaluer si le centre du processus est sous contrôle statistique, vous pouvez utiliser cette Créateur de graphiques X-bar .