Module 01 · Analytique
Le moteur analytique derrière chaque module de Zometric. Analyse graphique, cartes de contrôle, capabilité de procédé, tests d'hypothèses, ANOVA et régression, MSA, DOE, méthodes non paramétriques, analyse multivariée, fiabilité et échantillonnage, chacun accompagné d'une interprétation en langage clair générée pour l'ingénieur ou l'auditeur qui la lit.
Ce qu'il fait
Six fonctionnalités, chacune liée à une décision que votre équipe cherche déjà à prendre.
Vingt outils visuels : Pareto, boîte à moustaches, Multi-Vari, graphique de séquences, nuage de points 2D/3D, bulles, contour, carte de chaleur de densité, histogramme, identification de distribution, probabilité normale, estimateur de hors spécification, statistiques descriptives et Gantt. Le premier regard sur n'importe quel jeu de données, avant de s'engager dans un test.
Dix-huit cartes, dont Xbar-R, Xbar-S, I-MR, Z-MR, MR, P, NP, C, U, Laney-P, Laney-U, CUSUM, EWMA et moyenne mobile, ainsi que les transformations Box-Cox et Johnson pour les données non normales.
Huit outils : capabilité machine, capabilité de procédé, capabilité non normale et non paramétrique, Capability Six-Pack, capabilité Poisson et capabilité binomiale, couvrant les données par attributs, par variables et discrètes.
Tests t, z, de proportion et de variance à un et deux échantillons, t apparié, équivalence, normalité, valeurs aberrantes (Grubbs), test d'ajustement du Khi-deux, intervalles de tolérance et bootstrap. ANOVA à un facteur, égalité des variances, effets principaux, composantes de variance, droite ajustée, régression multiple, étude de stabilité, régression logistique, orthogonale et PLS.
GRR Type 1, linéarité et biais, GRR croisé au format AIAG, GRR imbriqué et analyse de concordance par attributs. DOE de criblage définitif jusqu'à 48 facteurs, DOE factoriel complet et fractionnaire (2 à 15 facteurs), DOE de mélanges (2 à 7 composants) et optimiseur de réponse.
Chaque graphique, chaque test et chaque modèle est analysé par la couche d'IA et expliqué en langage clair pour l'ingénieur, le manager ou l'auditeur qui le consulte. Les API peuvent s'intégrer à n'importe quel module de Zometric et fonctionnent avec des données de toute source.
Catalogue complet
123 outils dans 13 catégories. Chacun ouvre sa documentation — la même aide que vos ingénieurs consultent depuis la plateforme.
Montre comment la réponse moyenne évolue selon les niveaux de chaque facteur de l'étude.
Teste si les moyennes de trois groupes indépendants ou plus diffèrent significativement.
Compare les variances de deux populations indépendantes pour vérifier si elles sont égales.
Ajuste un modèle aux résultats d'un plan de criblage et identifie les facteurs influençant la réponse.
Génère un plan d'expériences factoriel et analyse les effets des facteurs et de leurs interactions.
Conçoit et analyse des expériences où les facteurs sont des proportions d'ingrédients dont la somme est constante.
Construit un plan efficace qui crible de nombreux facteurs continus et détecte la courbure.
Trouve les réglages de facteurs qui produisent les résultats les plus souhaitables pour une ou plusieurs réponses.
Compare des valeurs catégorielles ou discrètes au moyen de barres dont la longueur reflète chaque quantité.
Résume une distribution à travers ses quartiles, sa médiane, sa dispersion et ses valeurs aberrantes.
Étend un nuage de points pour représenter trois variables continues, la taille des bulles étant la troisième.
Cartographie l'évolution d'une réponse selon deux entrées continues à l'aide de lignes de contour ombrées.
Quantifie la force et le sens des relations linéaires entre les variables.
Visualise par l'intensité de la couleur les zones de concentration des points dans un espace bidimensionnel.
Calcule des mesures de synthèse telles que la moyenne, la médiane, la dispersion et la forme d'un jeu de données.
Combine les statistiques clés et plusieurs graphiques des données dans une vue consolidée unique.
Affiche la distribution de données numériques sous forme de barres de fréquence adjacentes.
Estime la distribution d'échantillonnage d'une statistique par rééchantillonnage répété d'un jeu de données.
Teste si les fréquences observées des catégories correspondent à une distribution attendue.
Mesure le degré auquel deux variables continues varient ensemble.
Ajuste plusieurs distributions aux données et détermine celle qui convient le mieux.
Évalue si un jeu de données suit une distribution normale.
Guide le choix du test statistique adéquat à travers un arbre de décision structuré.
Teste si une proportion d'échantillon diffère significativement d'une valeur cible.
Compare la moyenne d'un échantillon à une valeur cible lorsque l'écart-type de la population est inconnu.
Teste si la moyenne d'un échantillon diffère d'une moyenne de population connue à variance connue.
Évalue la cohérence et la fiabilité d'un processus d'inspection conforme/non conforme.
Évalue la cohérence avec laquelle les évaluateurs classent les articles en catégories.
Construit un formulaire de collecte de données randomisé pour une étude de concordance par attributs.
Génère une feuille de collecte de données randomisée pour une étude Gage R&R.
Quantifie la variation de mesure due aux opérateurs et aux instruments mesurant les mêmes pièces.
Évalue l'exactitude et le biais d'un instrument sur l'ensemble de sa plage de mesure.
Évalue la variation de mesure lorsque chaque opérateur mesure des pièces différentes.
Évalue la répétabilité intrinsèque et le biais d'un instrument à partir de mesures répétées d'une même pièce.
Décompose la variation totale en ses différentes sources identifiables.
Réduit de nombreuses variables corrélées en un ensemble plus restreint de composantes non corrélées.
Compare trois groupes liés ou plus à l'aide d'un test non paramétrique sur les rangs.
Compare trois groupes indépendants ou plus sans supposer une distribution normale.
Compare deux groupes indépendants à partir des rangs plutôt que des moyennes.
Compare les médianes de deux groupes ou plus en comptant les valeurs au-dessus et en dessous de la médiane globale.
Teste si la médiane d'un échantillon est égale à une valeur cible spécifiée.
Teste si la médiane d'un échantillon est égale à une cible à l'aide des rangs signés.
Vérifie si une suite de valeurs est disposée dans un ordre réellement aléatoire.
Mesure la capabilité du processus lorsque chaque article est classé comme conforme ou non.
Vérifie la stabilité et la capabilité du processus lorsque la variation diffère entre les sous-groupes.
Évalue la stabilité et la capabilité du processus en supposant des données normalement distribuées.
Combine six graphiques et indicateurs de capabilité pour la variation inter et intra sous-groupes.
Évalue la capabilité à court terme d'une machine par rapport à ses spécifications selon l'ISO 22514-3.
Évalue la capabilité du processus lorsque les données ne suivent pas une distribution normale.
Mesure dans quelle mesure un processus à distribution non normale respecte ses limites de spécification.
Évalue la capabilité du processus sans supposer de distribution particulière des données.
Mesure la capabilité du processus pour des taux de défauts suivant une distribution de Poisson.
Génère des valeurs aléatoires issues d'une distribution binomiale de succès sur un nombre fixe d'essais.
Génère des valeurs aléatoires suivant une distribution normale en forme de cloche.
Génère des valeurs aléatoires issues d'une distribution exponentielle modélisant le temps entre événements.
Génère des valeurs aléatoires issues d'une distribution F définie par deux degrés de liberté.
Génère des valeurs aléatoires issues d'une distribution log-normale asymétrique à droite.
Génère des comptages aléatoires issus d'une distribution de Poisson d'événements sur un intervalle fixe.
Génère des valeurs aléatoires issues d'une distribution t à queues plus lourdes.
Génère des valeurs aléatoires issues d'une distribution de Weibull utilisée en analyse de fiabilité.
Modélise la relation entre des prédicteurs et une réponse catégorielle à deux issues.
Ajuste une droite de meilleur ajustement à travers les points de données pour capturer la tendance globale.
Quantifie la relation entre des prédicteurs et une variable de réponse continue.
Modélise des prédicteurs face à une réponse catégorielle non ordonnée à trois issues ou plus.
Modélise des prédicteurs face à une réponse catégorielle ordonnée à trois niveaux ou plus.
Ajuste une relation entre deux variables comportant toutes deux une erreur de mesure.
Modélise de nombreux prédicteurs face à une ou plusieurs réponses en extrayant des composantes latentes.
Estime la durée pendant laquelle un produit reste conforme à ses spécifications de qualité dans le temps.
Détermine la taille d'échantillon et la durée d'essai pour démontrer un objectif de fiabilité à un niveau de confiance donné.
Détermine la taille d'échantillon et la durée nécessaires pour estimer les paramètres de fiabilité.
Ajuste une distribution de durée de vie à des données de défaillance comportant des observations censurées.
Modélise l'évolution du taux de défaillance d'un système réparable à mesure qu'il accumule du temps de fonctionnement.
Prépare les données brutes de retours de garantie sur le terrain en vue de l'analyse de fiabilité.
Prévoit les retours de garantie futurs attendus à partir d'un modèle de fiabilité ajusté.
Définit des plans d'échantillonnage d'inspection fondés sur un niveau de qualité acceptable.
Construit des plans d'inspection NQA pour des données par attributs conforme/non conforme.
Compare des plans d'échantillonnage côte à côte à l'aide de leurs courbes d'efficacité.
Construit un plan d'échantillonnage d'acceptation pour des données de mesure continues.
Crée des plans d'inspection NQA pour des caractéristiques de qualité mesurées en continu.
Transforme les données vers la normalité avant une analyse de capabilité ou une carte de contrôle.
Surveille le nombre de défauts dans des échantillons de taille constante au fil du temps.
Détecte de petits décalages durables de la moyenne en cumulant les écarts par rapport à la cible.
Détecte de petits décalages durables à l'aide d'une moyenne pondérée des valeurs récentes et passées.
Surveille les mesures individuelles et leur étendue mobile pour les processus à valeur unique.
Suit conjointement la variation individuelle, inter sous-groupes et intra sous-groupes.
Convertit des données non normales vers la normalité pour les analyses qui l'exigent.
Surveille les proportions de défectueux en corrigeant la surdispersion.
Surveille les défauts par unité en corrigeant la surdispersion.
Normes et conformité
Encore meilleurs ensemble
Les modules de Zometric partagent une seule colonne vertébrale de données : en adopter davantage renforce l'avantage du rapport signal/bruit.
Détectez les dérives du procédé avant qu'elles ne deviennent des défauts.
Garantit l'intégrité de la mesure sur tous les sites et tous les instruments.
Planifiez, documentez, exécutez et archivez chaque expérience en un seul endroit.
De l'idée à l'impact financier : un pipeline structuré d'amélioration continue.
Un appel de découverte de 30 minutes. Un pilote de 2 à 3 semaines sur des données réelles d'usine. Puis une montée en charge à votre rythme.
