Boxplot et diagrammes statistiques
Aperçu
Le module Boxplot et diagrammes statistiques dans my8data vous offre des outils de visualisation puissants pour préparer et analyser vos données de mesure graphiquement. Les représentations visuelles rendent les distributions, les valeurs aberrantes et les corrélations reconnaissables d'un coup d'œil et complètent les résultats d'analyse numériques des autres modules.
Quand utilisez-vous ce module ?
| Question | Type de diagramme approprié |
|---|---|
| Comment les valeurs mesurées sont-elles distribuées ? Y a-t-il des valeurs aberrantes ? | Boxplot |
| À quoi ressemble la distribution de fréquence ? | Histogramme |
| Comment évoluent les valeurs au cours de la série de mesures ? | Diagramme d'évolution (Linechart) |
| Les données suivent-elles une distribution normale ? | Q-Q-Plot |
| Comment plusieurs groupes se comparent-ils ? | Boxplot (plusieurs groupes côte à côte) |
Avantages de l'analyse graphique
- Aperçu rapide : Saisir les propriétés de distribution en un coup d'œil
- Détection des valeurs aberrantes : Les valeurs inhabituelles deviennent immédiatement visibles
- Comparabilité : Plusieurs ensembles de données ou groupes peuvent être comparés directement
- Communication : Les diagrammes facilitent la transmission des conclusions statistiques aux non-statisticiens
Info : Les analyses graphiques ne remplacent pas l'évaluation numérique, elles la complètent. Utilisez toujours les diagrammes en combinaison avec les valeurs calculées (par ex. moyenne, écart-type, Cm/Cmk, Cp/Cpk).
Types de diagrammes
Boxplot (Box-Whisker-Plot)
Le Boxplot est l'un des outils les plus importants de l'analyse exploratoire des données. Il représente de manière compacte la distribution d'un ensemble de données et montre la tendance centrale, la dispersion et d'éventuelles valeurs aberrantes.
Structure d'un Boxplot
| Élément | Description | Valeur statistique |
|---|---|---|
| Ligne médiane (Médiane) | Ligne horizontale dans la boîte | 50e percentile (Q2) ; divise les données en deux moitiés égales |
| Limite inférieure de la boîte | Arête inférieure de la boîte | 25e percentile (Q1) ; 25 % des données sont en dessous |
| Limite supérieure de la boîte | Arête supérieure de la boîte | 75e percentile (Q3) ; 75 % des données sont en dessous |
| Boîte (IQR) | Zone entre Q1 et Q3 | Écart interquartile (IQR = Q3 - Q1) ; contient les 50 % du milieu des données |
| Moustache inférieure | Ligne sous la boîte | Plus petite valeur dans Q1 - 1,5 * IQR |
| Moustache supérieure | Ligne au-dessus de la boîte | Plus grande valeur dans Q3 + 1,5 * IQR |
| Valeurs aberrantes | Points individuels au-delà des moustaches | Valeurs en dehors de Q1 - 1,5 * IQR ou Q3 + 1,5 * IQR |
Interprétation
Conseil : Prêtez attention aux points suivants lors de l'examen du Boxplot :
- Symétrie : Si la médiane est au centre de la boîte, cela indique une distribution symétrique
- Largeur de la boîte : Une boîte étroite indique une faible dispersion, une boîte large une forte dispersion
- Longueur des moustaches : Les moustaches asymétriques indiquent une distribution asymétrique
- Valeurs aberrantes : Les points individuels au-delà des moustaches nécessitent une attention particulière
Schémas de distribution typiques dans le Boxplot
| Schéma | Description | Cause possible |
|---|---|---|
| Boxplot symétrique | Médiane au centre, moustaches de longueur égale | Données distribuées normalement ; processus stable |
| Boxplot asymétrique à droite | Médiane près de Q1, moustache supérieure plus longue | Limite inférieure naturelle (par ex. valeurs de rugosité) |
| Boxplot asymétrique à gauche | Médiane près de Q3, moustache inférieure plus longue | Limite supérieure naturelle, effets de saturation |
| Nombreuses valeurs aberrantes (en haut) | Nombreux points au-dessus de la moustache supérieure | Perturbations occasionnelles, usure |
| Boîte très étroite | Q1 et Q3 sont très proches | Très faible dispersion ; haute capabilité du processus |
Boxplots comparatifs
Un champ d'application particulièrement intéressant est la comparaison de plusieurs groupes côte à côte, par exemple :
- Comparaison de différentes machines
- Comparaison de différents postes ou opérateurs
- Comparaison de différents lots de matière
- Comparaison avant-après après une amélioration du processus
Histogramme
L'histogramme montre la distribution de fréquence des valeurs mesurées. Les valeurs mesurées sont divisées en classes (bins), et la hauteur de chaque barre correspond au nombre de valeurs mesurées dans cette classe.
Éléments de l'histogramme
| Élément | Description |
|---|---|
| Barres | La hauteur correspond à la fréquence des valeurs dans la classe respective |
| Largeur de classe | Largeur de chaque barre ; calculée automatiquement ou peut être réglée manuellement |
| Courbe de distribution normale | Distribution théorique optionnellement affichable |
| Limites de spécification | Lignes verticales à LSE et LSI (si définis) |
Conseil : Le nombre de classes influence considérablement l'apparence de l'histogramme. Trop peu de classes masquent les détails, trop de classes créent une image chaotique. my8data choisit automatiquement le nombre de classes selon la règle de Sturges ou Freedman-Diaconis, mais vous pouvez également ajuster le nombre manuellement.
Interprétation des formes d'histogramme typiques
| Forme | Description | Cause possible |
|---|---|---|
| En forme de cloche | Symétrique, un sommet | Données distribuées normalement ; processus stable |
| Bimodale (deux sommets) | Deux pics | Mélange de deux populations (par ex. deux outils) |
| Tronquée | Chute nette d'un côté | Contrôle à 100 % élimine les pièces au-delà d'une limite |
| En forme de peigne | Barres alternativement hautes et basses | Problèmes d'arrondi lors de la mesure |
| Rectangulaire (uniforme) | Toutes les barres à peu près égales | Distribution uniforme ; pas de valeur moyenne de processus claire |
Diagramme d'évolution (Linechart)
Le diagramme d'évolution représente les valeurs mesurées dans leur ordre de capture. Chaque point correspond à une mesure ; la ligne de connexion rend les développements temporels visibles.
Exemples d'application
- Identifier les tendances (par ex. usure de l'outil au fil du temps)
- Détecter les sauts ou changements de niveau après des interventions ou des changements de lot
- Identifier les valeurs aberrantes au sein de la série de mesures
Avertissement : Le diagramme d'évolution affiche uniquement la séquence temporelle, pas les limites d'intervention statistiques. Pour une évaluation formelle de la stabilité, utilisez les cartes de contrôle SPC.
Q-Q-Plot (Test de normalité)
Dans le Q-Q-Plot (diagramme quantile-quantile), les valeurs mesurées observées sont tracées par rapport aux quantiles théoriques de la distribution normale. Si les points sont proches de la ligne de référence (dans la bande de confiance), cela indique une distribution normale.
Interprétation
| Schéma | Description | Signification |
|---|---|---|
| Points sur la ligne de référence | Les données suivent la distribution normale | Hypothèse de distribution satisfaite |
| Écart en forme de S | Les queues plus/moins lourdes que la normale | Aplatissement anormal (Kurtosis) |
| Écart en arc | La distribution est asymétrique | Asymétrie (par ex. limite naturelle) |
| Points en dehors de la bande aux extrémités | Valeurs aberrantes ou queues lourdes | Vérifier l'hypothèse de distribution |
Conseil : Le Q-Q-Plot complète l'histogramme : alors que l'histogramme montre la forme, le Q-Q-Plot rend les écarts à la distribution normale — en particulier dans les zones marginales — clairement visibles.
Exporter les diagrammes
Tous les diagrammes créés dans my8data peuvent être exportés dans différents formats :
- PNG : Pour les présentations et les rapports
- PDF : Pour les documents prêts à imprimer
- SVG : Pour les graphiques vectoriels évolutifs
Conseil : Utilisez l'export PNG pour les rapports rapides et l'export SVG si vous souhaitez traiter davantage les graphiques dans votre propre outil de rapport.