analyse de pareto
TRANSCRIPT
Bernard Clément, PhD Diagramme de Pareto janvier 2006
1
ButGraphique à barres verticales en ordre décroissant de fréquence.
(ou en ordre décroissant des coûts préférablement)Le graphique qui résulte s’appellediagramme de Pareto.C’est un outil de visualisation de la fréquence (coût) des causes, des sources de variation, desproblèmes de qualité, etc.Applications Mettre en évidence l'aspect principal d'un problème. Établir les priorités dans les activités d’amélioration de la qualité. Aider à choisir les éléments ou causes spécifiques à étudier en vue d’apporter
des améliorations. Évaluer l'efficacité des améliorations apportées en présentant les diagrammes de
Pareto : avant et après Permet de comprendre au premier coup d'œilles problèmes et leur gravité respective Mettre en ordre d’importance, les effets des facteurs dans une expérience planifiée.
Principeloi de Pareto aussi appelée règle du 80 / 2080% de la variabilité est expliquée par 20% des causesFormulation de Juran “Vital few and trivial many”
Exemples Un petit nombre de catégorie de défauts expliquent la majorité des défauts. Un nombre restreint de processus cause la majorité des rebuts. Un petit nombre de produits expliquent la majorité des profits. Un nombre restreint de clients est la source principale des ventes. Un petit nombre de fournisseurs sont responsables de la majorité des
pièces non conformes.Méthode
1. Choisir la variable catégorique (X axe horizontal) pour classer les données :
type de non-conformité (défauts), type de produits, machines, opérateurs, causes, etc.
2. Choisir une unité de mesure (Y axe vertical) pour faire le tableau des données :
effectif (ou fréquence), coûts.
3. Faire la collecte des données ou employer des données historiques disponibles.
Préciser la période de référence où les données furent collectées.
4. Produire le tableau et tracer le graphique en ordre décroissant de fréquence ou
coût. L’ajout de la courbefréquence cumulative est optionnel mais utile.
Remarque : un logiciel statistique est très utile pour
Consigner les données et Tracer le graphique.
5. Identifier les catégories les plus fréquentes.
Analyse de Pareto - Diagramme de Pareto
Bernard Clément, PhD Diagramme de Pareto janvier 2006
2
Exemple 1 nombre de défauts sur un circuit impriméD. C. Montgomery (2005) Introduction to Statistical Quality Control, 5e, p. 293données brutes : 98 observations fichier Statistica
type de défaut sur un circuit imprimé
type défaut fréquence
1 Wire_Incorrect 1
2 Sold._Insufficient 1
3 Raw_Cd_Damaged 1
. . . . . . . . . . . . .
96 Comp._Improper_1 1
97 Tst._Mark_EC_Mark 1
98 Sold._Splatter 1
tableau des effectifs (fréquence)
Frequency table: type défaut (Pareto-défauts circuits imprimés.sta)
Count Cumulative Percent Cumulative
Stamping_Oper_ID 1 1 1.02 1.02
Stamping_Missing 1 2 1.02 2.04
Sold._Short 1 3 1.02 3.06
Wire_Incorrect 1 4 1.02 4.08
Raw_Cd_Damaged 1 5 1.02 5.10
Comp._Extra_Part 2 7 2.04 7.14
Comp._Missing 2 9 2.04 9.18
Comp._Damaged 2 11 2.04 11.22
TST_Mark_White_Mark 3 14 3.06 14.29
Tst._Mark_EC_Mark 3 17 3.06 17.35
Raw_CD_Shroud_Re. 3 20 3.06 20.41
Sold._Splatter 5 25 5.10 25.51
Comp._Improper_1 6 31 6.12 31.63
Sold._Opens 7 38 7.14 38.78
Sold._Cold_Joint 20 58 20.41 59.18
Sold._Insufficient 40 98 40.82 100.00
Missing 0 98 0.00 100.00
Analyse de Pareto -- Diagramme de ParetoExemples avec Statistica
Bernard Clément, PhD Diagramme de Pareto janvier 2006
3
Bernard Clément, PhD Diagramme de Pareto janvier 2006
4
Pareto Chart: Count
40
20
7 6 5 3 3 3 2 2 2 1 1 1 1 1
Sol
d._I
nsuf
ficie
nt
Sol
d._C
old_
Join
t
Sol
d._O
pens
Com
p._I
mpr
oper
_1
Sol
d._S
plat
ter
Raw
_CD
_Shr
oud_
Re.
Tst
._M
ark_
EC
_Mar
k
TS
T_M
ark_
Whi
te_M
ark
Com
p._M
issi
ng
Com
p._E
xtra
_Par
t
Com
p._D
amag
ed
Wire
_Inc
orre
ct
Sol
d._S
hort
Sta
mpi
ng_M
issi
ng
Sta
mpi
ng_O
per_
ID
Raw
_Cd_
Dam
aged
0
10
20
30
40
50
60
70
80
90
100
20%
40%
60%
80%
100%
Bernard Clément, PhD Diagramme de Pareto janvier 2006
5
Exemple 2 diagramme de Pareto– planification et analyse d’expérience
Y : longueur de fissures (mm) pièces alliage nickel-titaniumà minimiser 4 facteurs A, B, C, D
A : temp B: contenu titanium C : traitement chaleur D: quantité raffineur
Plan de 16 essaisA B C D Y1 Y2-1 -1 -1 -1 1.71 1.911 -1 -1 -1 1.42 1.48
-1 1 -1 -1 1.35 1.531 1 -1 -1 1.67 1.55
-1 -1 1 -1 1.23 1.381 -1 1 -1 1.25 1.26
-1 1 1 -1 1.46 1.421 1 1 -1 1.29 1.27
-1 -1 -1 1 2.04 2.191 -1 -1 1 1.86 1.85
-1 1 -1 1 1.79 1.951 1 -1 1 1.42 1.59
-1 -1 1 1 1.81 1.921 -1 1 1 1.34 1.29
-1 1 1 1 1.46 1.531 1 1 1 1.38 1.35
EFFET Err-Type t(17) p
Moy 1.5609 0.0225 69.312 0.0000
(3)C -0.2919 0.0450 -6.480 0.0000
(4)D 0.2244 0.0450 4.982 0.0001
(1)A -0.2131 0.0450 -4.732 0.0002
(2)B -0.1206 0.0450 -2.678 0.0159
1 * 4 -0.1131 0.0450 -2.512 0.0224
2 * 4 -0.1081 0.0450 -2.401 0.0281
1 * 2 0.0919 0.0450 2.040 0.0572
2 * 3 0.0806 0.0450 1.790 0.0913
3 * 4 -0.0344 0.0450 -0.763 0.4558
1*2*3 -0.0144 0.0450 -0.319 0.7535
1*2*4 -0.0131 0.0450 -0.291 0.7743
2*3*4 -0.0119 0.0450 -0.264 0.7952
1 * 3 -0.0094 0.0450 -0.208 0.8376
1*3*4 -0.0044 0.0450 -0.097 0.9238
Diagramme de Paretodes Effets Standardisés
VD: Y long fis
-.097134
-.208143
-.263648
-.291401
-.319153
-.763192
1.790032
2.039804
-2.40059
-2.5116
-2.67811
-4.73179
4.981563
-6.48019
p=.05
Estimation de l'Effet Standardisé (Valeur Absolue)
1*3*4
1*3
2*3*4
1*2*4
1*2*3
3*4
2*3
1*2
2*4
1*4
(2)B
(1)A
(4)D
(3)C