XL 2016 carte de contrôle

Bonsoir Stalker,

bienvenue sur le site XLD ! 🙂




fais par exemple cet essai : saisis 50 en E2.

à te lire pour avoir ton avis. 😉

soan

Bonjour Stalker, Soan,
En PJ un ex avec quelques données sur les relevés.
Ensuite c'est à vous de définir ce que vous voulez voir. Stats sur une série de mesures, consolidation hebdomadaire ou mensuelle, Cp, Cpk ....
Jetez un œil aussi sur cet outil de David : https://www.excel-downloads.com/resources/tableau-de-bord-exemple.834/ , ça peut donner des idées.

bonsoir,

merci de votre retour🙂 je pensais plus à ca (voir onglet cdc) mais je la trouve trop compliqué à interpréter.
Le but étant juste de voir graphiquement qu'on a bien une traction de 30N minimum et de voir graphiquement que les mesures restent bien au dessus de cette tolérance minimum.

Je voudrais également créer une fiche suiveuse de suivi des mesures relevés ( pour les opérateurs) qui viendrait alimenter ce tableau de relevé et créer automatiquement la carte de contrôle. Si vous avez une idée je suis preneur 🙂 ( surement faire un tableau croisé dynamique ?)

Encore merci de votre aide!

Bonjour,
Si vous aviez une idée préconçue, autant la mettre dans le post #1. 🙂

Je ne sais pas si vous avez l'habitude de faire des analyses statistiques, mais votre feuille "cdc" me laisse vraiment perplexe.

Faire une analyse sur toutes les pièces conduit à avoir une traction à 3 sigma de -1N !!! Ce qui rend totalement illisible le résultat global.

Généralement, on sépare les problèmes :

1- Evaluer la quantité de pièces en défaut, ce qui conduit au plan d'action "Comment réduire la quantité de défauts?", en particulier analyser si ces défauts sont une dérive ( par ex 29N ) ou une aberration ( par ex 3N )
Le traitement des deux cas est différent bien évidemment. Le premier conduit à resserrer l'écart type, le second conduit à s'interroger sur les facteurs initiaux ( homogénéité de la matière, du collage, du process .... )

2- Sur les pièces restantes, donc correctes, quelle est la distribution, normale, uniforme ? Ce qui peut conduire au plan d'action "Comment réduire l'écart type?"
Enfin les courbes analysées sont toujours en histogrammes normalisés avec en X soit le nombre de sigmas, soit leur valeurs métriques. et on peut mettre la gaussienne équivalente ce qui donne une bonne vision de la distribution par rapport à la distribution normale idéale. ( avoir en X le N° de la pièce n'apporte réellement aucune plus value )

En PJ l'approche en distribution avec la distribution des pièces versus son équivalente idéale, la courbe de Zscore et la distribution métrique.

Ensuite vous en faites ce que vous voulez, bien évidemment.