Droite de Henry.pdf
Droite de Henry. La droite de Henry est une méthode pour visualiser les chances qu'a une distribution d'être gaussienne. Elle permet de lire rapidement la
Comment construire un diagramme de Henry avec Excel et
Le diagramme de Henry (ou « droite de Henry ») permet d'apprécier l'adéquation d'une distribution observée à la loi de Gauss.
: tdr22 ————— Graphes quantiles-quantiles —————
19 janv. 2017 Le terme de « droite de Henry » ou « droite de Henri » perdure en France 2 . ... pdf/tdr22.pdf.
Tests de normalité
htm; http://www.iut.u-bordeaux4.fr/gea/pagesweb/henry.pdf. Page: 11 job 4.2 Approche graphique : utiliser la Droite de Henry. 4.2.1 La droite de Henry.
Tests de normalité dune population
⊳ Décision grâce au test de Henry. ⊳ Décision grâce au test de Lilliefors Nuage de points proches d'une droite : on accepte la normalité de la population.
Chapitre 4 : Régression linéaire
Ce type de graphique est appelé droite de Henry. Si les résidus ne sont pas normalement distribués ils vont s'écarter de la droite. Analyse de l
ÉTUDE DE LA NORMALITÉ DUNE VARIABLE ALÉATOIRE Lait frais
Dans ce cas on peut tracer la droite passant au plus près des points (droite de Henry). Ce tracé se fait de manière approximative en essayant de faire en sorte
Dispersion statistique
Vérifions par la méthode la droite de Henry si les histogrammes des exercices précédents sont compatibles avec une distribution normale. 2. Calculons la moyenne
Les empreintes digitales un siècle au service de la Confédération
En haut à droite: formule de classification selon Galton/Henry;. Office fédéral de la police fedpol Services AFIS ADN. [49]. Une partie des archives contenant
Droite de Henry.pdf
Droite de Henry. La droite de Henry est une méthode pour visualiser les chances qu'a une distribution d'être gaussienne. Elle permet de lire rapidement la
Comment construire un diagramme de Henry avec Excel et
Le diagramme de Henry (ou « droite de Henry ») permet d'apprécier l'adéquation d'une distribution observée à la loi de Gauss.
: tdr22 ————— Graphes quantiles-quantiles —————
particulier que faire lorsque le graphique en droite de Henry semble se résoudre en deux droites. URL: http://pbil.univ-lyon1.fr/R/pdf/tdr22.pdf ...
Ajustement avec la droite de Henry pour ZJA
Ajustement graphique d'une loi normale : La droite de Henry. Il existe une façon de vérifier visuellement l'ajustement d'une série de données à.
Chapitre 4 : Régression linéaire
Ce type de graphique est appelé droite de Henry. Si les résidus ne sont pas normalement distribués ils vont s'écarter de la droite. Analyse de l'
Probabilités et statistiques Travaux pratiques avec Matlab
division à gauche et la division à droite et enfin l'élévation à une puissance. Droite de Henry : Le principe de la droite de Henry repose sur ...
ÉTUDE DE LA NORMALITÉ DUNE VARIABLE ALÉATOIRE Lait frais
La méthode de la droite de Henry est une méthode graphique pour tester la normalité d'une variable. Reprenons les données précédentes ; nous nous posons de
Cours de Statistiques inférentielles
La droite de Henry est une méthode pour visualiser les chances qu'a une distribution Ref : http://facultyweb.berry.edu/vbissonnette/tables/wilcox_t.pdf.
Table des matières
La droite de Henry est une méthode graphique pour tester la normalité d'une population. On réalise l'histogramme et on transfère cette représentation sur un
Droite de Henry — Wikipédia
Le diagramme de Henry (ou « droite de Henry ») permet d’apprécier l’adéquation d’une distribution observée à la loi de Gauss En abscisse on porte les valeurs observées ou les limites supérieures des classes x
Droite de Henry - phpiaiheig-vdch
Droite de Henry La droite de Henry est une méthode pour visualiser les chances qu'a une distribution d'être gaussienne Elle permet de lire rapidement la moyenne et l'écart type d'une telle distribution Principe Si X est une variable gaussienne de moyenne et de variance ?2 et si N est une variable de loi normale centrée réduite on a les
Qu'est-ce que la droite de Henry ?
Pour les articles homonymes, voir Henry . En statistique, la droite de Henry est une méthode graphique pour ajuster une distribution gaussienne à celle d'une série d'observations (d'une variable numérique continue). En cas d'ajustement, elle permet de lire rapidement la moyenne et l' écart type d'une telle distribution.
Quelle est la droite d'une variable gaussienne ?
Si la variable est gaussienne, les points de coordonnées (xi ; ti) sont alignés sur la droite d'équation . C'est la droite de Henry. On compare donc les valeurs des quantiles de la loi empirique ( xi) aux quantiles de la loi normale centrée réduite ti .
Qu'est-ce que la droite de l'artillerie ?
Cette droite porte le nom du polytechnicien P.J.P. Henri (ou Henry) (1848 - 1907) qui l'a mise au point et en a enseigné l'utilisation à l'école d'artillerie dans les années 1880. Jules Haag l'introduisit par la suite dans son cours à l'école d'artillerie de Fontainebleau 1 . Soit X est une variable gaussienne de moyenne x et de variance ?2.
![Table des matières Table des matières](https://pdfprof.com/Listes/18/5657-18coursSPC.pdf.pdf.jpg)
Maîtrise statistique des procédés
MSPTable des matières
I.1.Définition d'un procédé :.....................................................................................................................2
I.2.Les causes de dispersions :..................................................................................................................2
I.2.a.Les causes assignables ou spéciales : ..........................................................................................2
I.2.b.Les causes aléatoires ou communes :...........................................................................................2
II.Représentation graphique d'une distribution.............................................................................................4
II.1.Définitions :........................................................................................................................................4
II.2.Règles de construction de l'histogramme...........................................................................................4
II.3.Norme de représentation.....................................................................................................................4
II.4.Choix du nombre de classes...............................................................................................................4
II.5.Calcul de l'intervalle de classe............................................................................................................4
II.6.Calcul de la valeur limite inférieure...................................................................................................5
II.7.Construction de l'histogramme...........................................................................................................5
III.Paramètres d'une distributions..................................................................................................................6
III.1.Formes d'une distribution :................................................................................................................6
III.2.Paramètres de position......................................................................................................................7
III.2.a.Moyenne arithmétique := ..........................................................................................................7
III.2.b.La médiane : La médiane est la valeur telle qu'il y a autant de valeurs d'un coté que de
III.2.c.Le mode Le mode est la valeur où la fréquence est la plus importante...................................7
III.3.Paramètre de dispersion....................................................................................................................7
III.3.a.l'étendue :...................................................................................................................................7
III.3.b.l'écart type .................................................................................................................................7
IV.La droite de Henry....................................................................................................................................9
IV.1.Construction et interprétation du graphique :...................................................................................9
IV.2.Interprétation de la droite de Henry................................................................................................10
V.Les capabilités..........................................................................................................................................11
V.1.Capabilité de la machine..................................................................................................................11
V.2.Capabilité du procédé :.....................................................................................................................12
V.3.Etude de quelques cas :....................................................................................................................12
V.4.Relation entre Cm et Cp : Perte de Capabilité..................................................................................13
VI.Les cartes de contrôle.............................................................................................................................14
Maîtrise statistique des procédés
MSPI.Présentation
La Maîtrise Statistique des Procédés (MSP) ou Statistical Process Control (SPC) trouve son origine dans
les travaux réalisés par Shewhart entre 1924 et 1930.Auparavant la qualité des produits était assurée après coup par contrôle et par tri, dorénavant la MSP
permet d'assurer une qualité optimum par l'utilisation de l'outil statistique en faisant participer les
opérateurs.I.1.Définition d'un procédé :
c'est un système qui combine plusieurs éléments agissant en même temps pour l'obtention d'une
production de biens ou de services.I.2.Les causes de dispersions :
De multiples phénomènes viennent influencer la qualité d'un produit :I.2.a.Les causes assignables ou spéciales :
Ce sont des causes de dispersion identifiables, souvent irrégulières et instables, et par conséquent difficiles à prévoir. L'apparition d'une cause spéciale nécessite une intervention sur le procédé. En règle générale les causes spéciales sont peu nombreuses. Les causes spéciales peuvent être classées en deux catégories: Hcelles qui agissent sur le réglage de la valeur surveillée ( la moyenne représentant un niveau de réglage) Hcelles qui agissent sur la dispersion (l'étendue représentant la dispersion du procédé)I.2.b.Les causes aléatoires ou communes :
Ce sont les nombreuses sources de variations attribuables au hasard appelées encore causes aléatoires. Elles sont présentes à des degrés divers dans les procédés. Comme ces causes communes seront toujours présentes il faudra faire avec. L'ensemble de ces causes communes forme la variabilité intrinsèque du procédé. Si toutes les nombreuses causes communes qui agissent sont d'un ordre de grandeuréquivalent, alors la caractéristique doit suivre une répartition dite en forme de cloche suivant
une loi normale Le but de la MSP est de ne laisser subsister que les dispersions dues aux causes communes, en conséquence déceler les autres causes.En conclusion la MSP a pour but :
- Maîtriser l'ensemble des facteurs composant un procédé de fabrication - Améliorer la qualité du produit (suppression des causes assignables)- Assurer que la qualité du produit soit conforme aux spécifications techniques et que cette qualité
soit reproductible dans le temps.Maîtrise statistique des procédés
MSPMATIERE MOULE PIECE PRESSE
MAINTENANCE PERIPHERIE MILIEU PERSONNEL
REGLAGE
PROCEDE
(CENTRAGE)MOYENNE X
DIAMETRE VIS, PROFIL
PERFORMANCES
GENERALES
POSSIBILITES DE REGLAGE
STRUCTUR HYD
PERFORMANCES
FORMEC.d.CHARGES
THERMIQUE VIS
REGULATION
PREVENTIVE
PRESSE
MOULEBROYEUR
MANIPULATEURS
PERIPHERIE
FLUIDES GENERAUX
TRANSPORT MATIERE
SECHEUR TYPE
THERMO REGULATEUR
EPAISSEUR
ASSERVISSEMENTS % BROYE
COLORANT
GRANULOMETRIE
TYPE ALIMENTATION
CHARGE
C.d.CHARGES
TYPE MATIERE
Nbre EMPREINTES
TEMPERATURE
MODE DE FONCTIONNEMENT
(mode opératoire)INSTRUCTIONS
HYGROMETRIE
CRITERES DE
JUGEMENT PROPRETE
TEMPERATURE
TEMPSFLUIDES REGUL MACHINES
SAVOIR FAIRE
VISCOSITE
STRUCTURE MECANIQUE
DIAM et LONG trou BUSE
ADJUVANTS
POSITION PT INJEC.
MATIERE (VARIATION) MOULE PIECE
(VARIATION) PRESSE NONMAINTENANCE
NONETALONNAGE
MILIEU PERSONNEL
(manque de)DEREGLAGE
PROCEDE
(DISPERSION)R ou s
TEMPERATURE HUILE
FORCE VERROUILLAGE
USURES MECANIQUES
PRESSIONS HYDRAULIQUES
°C DEMOULAGE
MANQUE DE FILTRATION
BROYEUR (DIAM GRILLES)
AFFUTAGE LAMES
PRESSE (HYD, MECA,THERM.)
MOULESONDES °C PRESSE
VITESSES MOUVEMENTS
PERIPHERIE (FLUIDES,THERM.,ETC..)
THERMOREGULATEURS
MANIPULATEURS
ALIMENTATEURS,SECHEURS
FLUIDES GENERAUX (°C & DEBITS )
PRESSION HYD PRESSE
°C SECHEUR
°C THERMO REGULATEUR
EPAISSEUR
(VARIATIONTEMPERATURE % BROYE
% COLORANTTEMPERATURE
USURE DES SEUILS
ALIMENTATION
ADJUVANTS
% HUMIDITEENTARTRAGE
MOULEFORMATION INSTRUCTIONS
CRITERES DE
JUGEMENT
POUSSIERES POLLUTION
PROPRETE
TEMPSTEMPERATURE
AMBIANTE
HYGROMETRIE
VARIATION
SAVOIR FAIRE
VISCOSITE
D'UN LOT A L'AUTRE
TEMPS de REPONSE HYD.
DIAM et LONG.TROU de BUSE
C.D.Charges
ASSERVISSEMENTS
USURE DU CLAPET VIS
PERFOR.GENE. (régul.vis )
Maîtrise statistique des procédés
MSPII.Représentation graphique d'une distribution
II.1.Définitions :
Population : ensemble des pièces pris en considération ; Echantillon : partie plus ou moins grande de la population ; Individu : c'est l'unité de la population que l'on considère.Histogramme : c'est un diagramme à barres rectangulaires contiguës dont les aires ou surfaces sont
proportionnelles aux fréquences. L'histogramme est une représentation graphique de la distribution d'une population ou d'unéchantillon afin d'évaluer la nature d'une distribution. Les dispersions d'un procédé vont être visualisées à
l'aide de ce diagramme.II.2.Règles de construction de l'histogramme
Afin d'éviter des erreurs d'interprétation sur la normalité, la construction de cet histogramme doit
se faire suivant des règles précisesII.3.Norme de représentation
la norme CNOMO E41.32.110.N définit les modalités de calcul de l'histogramme pour éviter les
deux pièges principaux: le nombre de classes mal adapté la présence de valeurs limites aux classesII.4.Choix du nombre de classes
Ncl = 1 + 10.log ( N)N =nbre de valeurs
3 ou de façon simplifiée Ncl = NII.5.Calcul de l'intervalle de classe Il faut calculer la dispersion ou étendue R = Valeur Maxi - Valeur MiniL'intervalle de classe Icl = R / Ncl
Attention l'intervalle de classe doit correspondre à la résolution de l'instrument de mesure ou doit
être arrondi à un multiple de la résolution de l'instrument de mesure.MOYEN NECourbe de GAUSS dispersion
HistogrammeHistogramme
Maîtrise statistique des procédés
MSP Exemple prise de cote au 0.10mm intervalle de classe 0.124 on doit arrondir l'intervalle à la valeur 0.1mm ou son multipleII.6.Calcul de la valeur limite inférieure
La valeur limite inférieure est égale à la plus petite valeur moins la moitié de la résolution. Soit la plus
petite valeur doit être le centre de la plus petite classe.Exemple Valeur Mini = 12.5 , intervalle de classe 0.2 la valeur limite inférieure est égale à 12.5
- (0.2)/2 = 12.4II.7.Construction de l'histogramme
La construction est réalisée en comptant le nombre de valeurs dans chaque classe de mesure et en représentant un rectangle de hauteur proportionnelle à ce nombre et de largeur proportionnelle à l'intervalle de classeFREQUENCE
CLASSES DE MESURES
Maîtrise statistique des procédés
MSPIII.Paramètres d'une distributions
Nous allons trouver plusieurs types de distributionsFORME POSITION DISPERSION
III.1.Formes d'une distribution :
Remarque : Dans ce cours nous n'étudierons que la loi normale.Maîtrise statistique des procédés
MSPIII.2.Paramètres de position
III.2.a.Moyenne arithmétique :X=Sommedesvaleurs Nombredevaleurs= X=XinåIII.2.b.La médiane : La médiane est la valeur telle qu'il y a autant de valeurs d'un coté que de l'autreIII.2.c.Le mode Le mode est la valeur où la
fréquence est la plus importanteREMARQUE : Dans une répartition de
GAUSS les trois caractéristiques moyenne, médiane, mode sont égalesIII.3.Paramètre de dispersion
III.3.a.l'étendue :
Différence entre Valeur MAXI et Valeur Mini
III.3.b.l'écart type
Racine carrée de la somme des différences entre chacune des mesures et leur moyenne élevée au
carré, divisé par le nombre de mesures. s = (Xi - X)²NLa différence essentielle est que la dispersion qui se quantifie par l'étendue prend seulement deux
valeurs extrêmes, alors que l'écart type va prendre en compte toutes les valeurs .Maîtrise statistique des procédés
MSPInterprétation de l'écart type :68.26 %
95.44 %
99.73 %
99.994 %
99.99999 %
-1s -3s -4s -2s -5s+5s +4s +3s +2s+1sSi la distribution suit la loi normale, alors l'écart type définit le pourcentages de la population
normaleExemple :
la taille des personnes est en moyenne de 170cm et l'écart type est de 10cmInterprétation :
68,26% des personnes mesurent entre 160cm et 180cm.
95,44% des personnes mesurent entre 150cm et 190cm
etc...TIR DISPERSE TIR DISPERSE
TIR CENTRE
TIR GROUPE
TIR MAL CENTRE
TIR GROUPE
TIR CENTRE
LE CENTRAGE ET LA DISPERSION
Maîtrise statistique des procédés
MSPIV.La droite de Henry
La droite de Henry est une méthode graphique pour tester la normalité d'une population. On réalise
l'histogramme et on transfère cette représentation sur un graphique dont la graduation est de type gausso-
arithmétique. IV.1.Construction et interprétation du graphique :·Rassemblement des données
·Tracé de l'histogramme
·Calcul des fréquences cumulées en %
·Tracé des points correspondants aux fréquences cumulées sur le papier gausso-arithmétique
·Interprétation du tracé.
·Estimation graphique de la moyenne
·Estimation graphique de l'écart-type.
Maîtrise statistique des procédés
MSPIV.2.Interprétation de la droite de Henry
Maîtrise statistique des procédés
MSPV.Les capabilités
La capabilité se définit comme le rapport entre la performance demandée et de la performance
réelle.Intervalle de Tolérance Intervalle de ToléranceDispersion Dispersion
PROCEDE
NON CAPABLE Cp < 1
PROCEDE
CAPABLE Cp > 1 Capabilité=Ts-Ti
dispersion avecTs : tolérance supérieure
Ti : tolérance inférieure
La dispersion correspond à 6σ
Il existe deux types de capabilité :
Capabilité de la machine = capabilité à court terme = Cm Capabilité du procédé = capabilité à long terme = CpV.1.Capabilité de la machine
Le calcul est effectué à partir d'au moins 50 pièces consécutives en essayant de neutraliser au
maximum les influences externes : pas de changement d'opérateur, pas de modification du milieu de travail (température)...Cm=Ts-Ti
6σCet indicateur ne tient pas compte de la tendance centrale, c'est-à-dire de la position de la valeur
moyenne par rapport aux spécifications.Pour connaître la position de notre histogramme par rapport à l'intervalle de tolérance, on définit alors :
Cmksup=Ts-moyenne
3σ et Cmkinf=moyenne-Ti
3σ et
Cmk=inf[Cmksup;Cmkinf]Il faut prendre le cas le plus défavorable. En règle générale un bon procédé se caractérise par Cmk > 1,33Maîtrise statistique des procédés
MSPV.2.Capabilité du procédé :
elle indique la performance du procédé dans sa globalité sur une base de temps plus importante. Elle est
définie comme la capabilité machine :Cp=Ts-Ti
6σCpksup=Ts-moyenne
3σ et Cpkinf=moyenne-Ti
3σ Cpk=inf[Cpksup;Cpkinf]Il faut prendre le cas le plus défavorable. En règle générale un bon procédé se caractérise par Cpk > 1,33.V.3.Etude de quelques cas :
Maîtrise statistique des procédés
MSP V.4.Relation entre Cm et Cp : Perte de CapabilitéNous pouvons remarquer que Cmk ne peut être que plus petit ou égal à Cm de même que Cp et Cpk
De même nous pouvons remarquer que Cp et toujours plus petit que Cm. Pour avoir un Cpk de 1.33 il fallait avoir un minimum de Cp = 1.5 sinon nous n'avions pas de possibilité de déréglage du procédé il fallait qu'il reste centré si Cp = 1.33.Cm traduisant une variation instantanée, celle-ci sera plus faible que la variation globale, pour être
plus précis il faut remplacer le mot variation par dispersion. Comme cette dispersion estdénominateur dans la division du ratio Cm et que l'intervalle est le même au numérateur la valeur
demandée à Cm sera supérieure à celle de Cp .En pratique on constate que Cm doit être minimum égal à 2 ou supérieur pour avoir Cp égal ou
supérieur à 1.5D'où nous constatons une perte de capabilité entre Cm et Cp et Cp et Cpk. Par expérience nous
savons que cette perte de capabilité entre ces différents indicateurs varie entre 20% à 25%.
Cp = 1,5
Cpk = 1,33Cm = 2
Cmk = 1,77
quotesdbs_dbs33.pdfusesText_39[PDF] programmation linéaire exercices corrigés
[PDF] programmation linéaire simplexe
[PDF] recherche opérationnelle programmation linéaire exercices corrigés pdf
[PDF] exercices recherche operationnelle
[PDF] theme astral chinois complet gratuit interpretation
[PDF] cours recherche opérationnelle methode de simplexe
[PDF] recherche opérationnelle simplexe exercices corrigés
[PDF] livre recherche opérationnelle pdf
[PDF] cours et exercices corrigés de recherche opérationnelle+pdf
[PDF] inpes
[PDF] methode boscher pdf download
[PDF] méthode boscher cahier de lecture pdf
[PDF] methode boscher en ligne
[PDF] méthode boscher gratuit