Accueil / Lean Six Sigma / Statistiques de base et tests
Avant de comparer le fournisseur A au B, une nouvelle méthode à l’ancienne ou l’avant à l’après, sachez combien de pièces mesurer pour ne pas rater une différence qui compte, et combien cela coûte. Vous indiquez la plus petite différence qui changerait la décision et une estimation de la dispersion du processus (historique ou pilote) ; la page renvoie l’échantillon par groupe, la puissance obtenue et des scénarios moins chers ou plus sûrs.
Outil de prédimensionnement et d’estimation : les résultats ne remplacent ni l’étude, le calcul ou le rapport signé par un professionnel qualifié, ni la vérification selon les normes applicables.
La même présentation que le rapport de puissance et taille d’échantillon : hypothèses, valeurs supposées et tableau des résultats.
Probabilité de détecter chaque taille de différence, pour la taille d’échantillon calculée ainsi que pour la moitié et le double. Le point est votre choix.
Comment lire : l’axe horizontal est la vraie différence entre les groupes ; l’axe vertical, la probabilité que le test la détecte. Chaque courbe correspond à une taille d’échantillon. Suivez la courbe jusqu’à la ligne des 80 % : les différences à droite de ce point seront presque toujours détectées ; à gauche, elles peuvent passer inaperçues.
Comment la puissance croît avec l’échantillon pour la différence choisie : à partir d’un certain point, chaque pièce supplémentaire apporte peu.
Comment lire : l’axe horizontal est le nombre de pièces par groupe et l’axe vertical la puissance. La courbe monte vite au début puis s’aplatit : le point marqué est votre choix. S’il est sur la partie plate, retirer quelques pièces ne change presque pas la puissance ; sur la partie raide, chaque pièce compte.
Échantillon nécessaire pour chaque différence avec 80 %, 90 % et 95 % de puissance (échelle logarithmique). Une différence deux fois plus petite exige environ quatre fois plus d’échantillons.
Comment lire : l’axe horizontal est la différence à détecter ; l’axe vertical, le nombre de pièces nécessaires par groupe (échelle logarithmique : chaque ligne de grille multiplie par 10). Les trois lignes correspondent à 80 %, 90 % et 95 % de puissance. Plus la différence est petite, plus la courbe monte : exiger trop de précision peut coûter cher.
Distribution de la statistique de test s’il n’y a pas de différence (H0) et si la différence choisie existe (H1). Rouge : fausse alarme α ; vert : puissance ; ambre : β, la probabilité de ne pas la détecter.
Comment lire : il y a deux courbes : celle de gauche est ce que montrerait le test s’il n’y avait pas de différence ; celle de droite, si la différence choisie existait. La ligne verticale est le seuil de décision. Plus les courbes sont écartées (échantillon plus grand ou différence plus grande), plus l’aire verte (puissance) est grande et plus l’aire ambre (risque de ne pas la voir) est petite.
Comment lire : chaque ligne est un scénario alternatif (autre puissance, autre différence ou autre taille). Comparez la colonne échantillon (et coût, s’il est indiqué) pour voir combien de pièces coûte chaque exigence supplémentaire.
Reportez les résultats de cette page dans un autre calculateur, avec les champs déjà remplis.
La note de calcul réunit les entrées, résultats, équations, hypothèses et références de cette page, avec des champs pour le projet, le responsable et la révision. Le rapport complet comprend aussi les graphiques et les interprétations, en couleur. Dans la fenêtre d’impression, choisissez Enregistrer au format PDF.
Choisissez t à 2 échantillons, indiquez la plus petite différence de moyenne qui compte (par exemple 0,5 mm), l’écart-type du processus (0,4 mm) et la puissance souhaitée (80 %). La page donne le nombre de pièces par fournisseur : dans l’exemple, 12 pièces de chacun, avec une puissance réelle de 83 %.
C’est la probabilité que le test détecte une différence qui existe vraiment. Avec une puissance de 50 %, une étude bien menée laisse passer la moitié des différences réelles ; avec 80 % ou 90 %, elle rate rarement une différence de la taille choisie.
Utilisez des données historiques du même processus, le σ intra d’une carte de contrôle ou une étude pilote de 10 à 30 pièces (collez-les dans « Estimer l’écart-type à partir de données »). Pour planifier avec de la marge, utilisez la borne supérieure de l’intervalle de confiance.
La précision d’une moyenne s’améliore avec la racine carrée du nombre de pièces. Pour voir une différence deux fois plus petite, l’erreur sur la moyenne doit être divisée par deux, et cela exige quatre fois plus de données.
Seulement si, avant de recueillir les données, vous avez décidé qu’un seul sens compte (par exemple, l’amélioration ne vaut que si elle réduit les défauts). Il demande moins de pièces, mais ne voit pas les changements dans le sens opposé.
Le test classique cherche à démontrer qu’il y a une différence ; ne pas la trouver ne prouve pas que les produits sont identiques. Le test d’équivalence cherche à démontrer que la différence reste dans des limites acceptables, ce qui est la bonne approche pour valider un changement de fournisseur ou de méthode.
Choisissez Factoriel à 2 niveaux et indiquez les facteurs, les termes du modèle, l’effet à détecter et l’écart-type. La page calcule les répétitions et le total d’essais ; les points centraux aident à tester la courbure et ajoutent des degrés de liberté à l’erreur.
Avis important : les outils d’Indus Metrics fournissent des estimations et des prédimensionnements à partir des données saisies et de méthodes d’ingénierie publiées. Ils ne remplacent ni l’étude, ni la note de calcul, ni le rapport signés par un professionnel qualifié, ni la vérification selon les normes techniques et la réglementation applicables. Les propriétés des matériaux et des combustibles varient : vérifiez-les auprès du fabricant ou par des analyses de votre procédé avant de décider. En utilisant le site, vous acceptez les Mentions légales et conditions d’utilisation.
© 2026 Indus Metrics. Vous avez trouvé une erreur ? Écrivez à contact@indusmetrics.com.