Compte rendu TP1
Tests de normalité
Filière Ingénieur : Génie Industriel et Logistique
Module : Ingénierie de qualité
Réalisé par :
Encadré par :
I. Introduction :
1|
Dans le cadre de l’analyse statistique des données industrielles ou expérimentales,
l’hypothèse de normalité est souvent un préalable essentiel à l'application de
nombreuses méthodes, telles que les tests paramétriques ou les cartes de contrôle
aux mesures. Cette première manipulation vise à explorer les différents tests de
normalité permettant de vérifier si un échantillon de données suit une loi normale.
Au-delà des aspects techniques, cette étape revêt une importance capitale dans la
fiabilité des conclusions tirées à partir des données. En effet, une mauvaise évaluation
de la distribution peut fausser toute la démarche qualité ou les inférences statistiques.
Cette manipulation permettra également de comparer les résultats des tests en
fonction de la taille de l’échantillon, et de mieux comprendre leur sensibilité et leurs
limites. Des outils graphiques tels que l’histogramme, accompagneront les tests pour
enrichir l’analyse visuelle.
II. Nombre de classes :
2|
On prend 10 classes pour faciliter l’analyse visuelle.
[Link] opératoire :
1. Les données d’études : Ils représentent les masses d’un échantillon de 90
savonnettes
[45.58, 58.32, 52.24, 54.27, 44.89, 52.94, 54.71, 53.02, 43.66,53.94, 52.22, 56.61,
50.97, 52.07, 47.27, 59.20, 47.01, 56.07,53.22, 49.35, 48.30, 52.98, 46.65, 57.19,
52.60, 48.61, 47.22,43.71, 45.79, 53.66, 57.03, 60.08, 54.61, 43.72, 52.27,
53.82,48.94, 55.21, 49.79, 53.42, 47.78, 52.98, 53.12, 53.67, 51.82,53.82, 58.73,
55.32, 55.73, 56.28, 50.66, 54.42, 45.13, 45.56,55.50, 52.91, 49.47, 54.09, 51.02,
55.52, 46.36, 43.74, 48.87,54.04, 53.77, 43.90, 49.01, 45.39, 53.97, 46.83, 50.05,
52.11,57.04, 51.46, 55.38, 52.82, 57.17, 52.26, 47.15, 54.26, 47.56,49.51, 48.56,
54.30, 54.08, 55.05, 54.17, 56.32, 51.62, 52.60]
2. Min et Max :
Min = 43.66 / Max = 60.08
3. Étendue R :
R=60.08−43.66=16.42R = 60.08 - 43.66 = 16.42R=60.08−43.66=16.42
4. Largeur de classe L :
5. Classes :
Voici les classes arrondies (avec largeur ≈1.65) :
Classe Intervalle Effectif
1 [43.65 – 45.30[ 7
2 [45.30 – 46.95[ 10
3 [46.95 – 48.60[ 11
3|
Classe Intervalle Effectif
4 [48.60 – 50.25[ 9
5 [50.25 – 51.90[ 8
6 [51.90 – 53.55[ 18
7 [53.55 – 55.20[ 14
8 [55.20 – 56.85[ 9
9 [56.85 – 58.50[ 3
10 [58.50 – 60.15] 1
6. Comptage des fréquences :
Classes Effectif Fréquence relative Fréquence cumulée
[43.66 - 45.30) 7 0.0778 7
[45.30 - 46.94) 7 0.0778 14
[46.94 - 48.59) 8 0.0889 22
[48.59 - 50.23) 9 0.1000 31
[50.23 - 51.87) 6 0.0667 37
[51.87 - 53.51) 17 0.1889 54
[53.51 - 55.15) 18 0.2000 72
[55.15 - 56.80) 10 0.1111 82
[56.80 - 58.44) 5 0.0556 87
[58.44 - 60.08) 3 0.0333 90
7. Histogramme de Masse :
4|
Diagramme de Henry :
Interprétation de l’histogramme
Forme : L’histogramme montre une distribution asymétrique à gauche (queue
plus longue du côté des faibles poids).
Mode : Concentration vers 52–54 g.
Remarque : Ce n’est pas une distribution parfaitement normale, il faudra
vérifier visuellement avec la droite de Henry (section 3) pour confirmation.
8. Calcul des capabilités Cp et Cpk :
5|
Donc Cp=0,41 et Cpk=0,27 selon les résultats de logiciel
Question de synthèse : Considérons un client lance une commande de 10 000
savonnettes avec une masse de 50±5 g. D’après les résultats obtenus, vous acceptez la
commande ou non ?
Recalcul de Cp et Cpk avec LSL = 45 et USL = 55 et μ ≈ 51.734 g
(moyenne des masses) et σ ≈ 3.80 g (écart type)
Après calcul, on obtient Cp=0,41 et Cpk=0,27 (même résultat que le logiciel)
Cp < 1 : la dispersion du processus est trop grande par rapport aux tolérances
fixées.
Cpk < Cp : cela indique aussi que la moyenne est décentrée par rapport à la
cible (50 g).
6|
Conclusion : Le processus de fabrication n'est pas capable de produire des
savonnettes dans les tolérances spécifiées de ±5 g. Il faudra :
Soit réduire la variabilité,
Soit recentrer la moyenne,
Soit élargir les tolérances (peu probable si fixées par le client).
7|