ISO 7870-6:2016
(Main)Control charts — Part 6: EWMA control charts
Control charts — Part 6: EWMA control charts
ISO 7870-6:2016 covers EWMA control charts as a statistical process control technique to detect small shifts in the process mean. It makes possible the faster detection of small to moderate shifts in the process average. In this chart, the process average is evaluated in terms of exponentially weighted moving average of all prior sample means. EWMA weights samples in geometrically decreasing order so that the most recent samples are weighted most highly while the most distant samples contribute very little depending upon the smoothing parameter (λ).
Cartes de contrôle — Partie 6: Cartes de contrôle de EWMA
L'ISO 7870-6:2015 traite des cartes de contrôle EWMA comme technique de maîtrise statistique des processus permettant de détecter des dérives/déréglages de petite amplitude dans la moyenne du processus. Elle permet de détecter plus rapidement des déréglages de petite et moyenne amplitude dans la moyenne du processus. Dans cette carte, la moyenne du processus est évaluée en termes de moyenne mobile pondérée exponentiellement de toutes les moyennes antérieures des échantillons. La carte EWMA pondère les échantillons par ordre décroissant selon une suite géométrique, de sorte que les échantillons les plus récents sont pondérés plus fortement tandis que les échantillons les plus anciens ont une très faible contribution en fonction du paramètre de lissage (λ).
General Information
- Status
- Withdrawn
- Publication Date
- 14-Feb-2016
- Technical Committee
- ISO/TC 69/SC 4 - Applications of statistical methods in product and process management
- Drafting Committee
- ISO/TC 69/SC 4/WG 10 - Control charts
- Current Stage
- 9599 - Withdrawal of International Standard
- Start Date
- 17-Jul-2024
- Completion Date
- 14-Feb-2026
Relations
- Effective Date
- 06-Jun-2022
Overview
ISO 7870-6:2016 - Control charts - Part 6: EWMA control charts defines the use of Exponentially Weighted Moving Average (EWMA) control charts as a statistical process control (SPC) technique to detect small to moderate shifts in a process mean. The standard explains how to compute and plot the EWMA statistic (a geometrically weighted average of current and all prior sample means), how to set control limits that depend on the smoothing parameter (λ) and confidence factor L, and practical recommendations for implementation and interpretation.
Key topics and technical requirements
- EWMA statistic definition: each plotted value z_i is a weighted combination of the current sample mean and the previous EWMA value. The most recent samples receive the largest weight; weights decline geometrically with age.
- Smoothing parameter (λ): 0 < λ < 1 controls memory - small λ gives strong smoothing (sensitive to small shifts), large λ makes EWMA behave more like a Shewhart X̄ chart.
- Control limits: limits are set as the center line (process target μ0) ± L × σ_z(i), where σ_z(i) is the EWMA standard deviation at sample i. The standard emphasizes using the exact transient limits early in monitoring and notes that limits approach steady‑state values after many samples.
- Rational subgroups: for subgroup size n > 1, replace x_i with the subgroup mean x̄_i and use σ_x = σ/√n in calculations.
- Initialization: recommended starting value z0 is the process target μ0 (or an average of preliminary data).
- Performance metrics: Average Run Length (ARL), MAXRL and control chart effectiveness are addressed; annexes provide examples and combined-chart strategies.
- Variants and annexes: normative annexes cover combined Shewhart–EWMA charts, EWMA charts for proportions and counts, multiple nonconformities, trend analysis, and robustness to non‑normality.
Practical applications and who should use it
ISO 7870-6 is designed for quality and process professionals who need early detection of small, gradual shifts in process average. Typical users and applications:
- Quality engineers and statisticians implementing SPC in manufacturing, chemical processing, pharmaceuticals, food, and other continuous processes.
- Process engineers monitoring equipment wear, drift or slow deterioration where early warning is critical.
- Operations with low production rate or costly inspection (n = 1 situations) where subgroup sampling is difficult or expensive.
- Service and administrative processes (e.g., monthly complaint counts, automated inspection systems) where individual observations or aggregated counts are charted.
- Use cases include combining EWMA with Shewhart charts to capture both small and large shifts and applying EWMA variants for proportions or counts.
Related standards
- ISO 7870-1: General guidelines for control charts
- ISO 7870-2: Shewhart control charts
- ISO 7870-4: Cumulative sum (CUSUM) charts - alternative for small-shift detection
Keywords: ISO 7870-6:2016, EWMA control charts, exponentially weighted moving average, statistical process control, smoothing parameter lambda, control limits, ARL, Shewhart, CUSUM, rational subgroups.
Buy Documents
ISO 7870-6:2016 - Control charts — Part 6: EWMA control charts Released:2/15/2016
ISO 7870-6:2016 - Cartes de contrôle — Partie 6: Cartes de contrôle de EWMA Released:2/15/2016
Get Certified
Connect with accredited certification bodies for this standard

BSI Group
BSI (British Standards Institution) is the business standards company that helps organizations make excellence a habit.

Bureau Veritas
Bureau Veritas is a world leader in laboratory testing, inspection and certification services.

DNV
DNV is an independent assurance and risk management provider.
Sponsored listings
Frequently Asked Questions
ISO 7870-6:2016 is a standard published by the International Organization for Standardization (ISO). Its full title is "Control charts — Part 6: EWMA control charts". This standard covers: ISO 7870-6:2016 covers EWMA control charts as a statistical process control technique to detect small shifts in the process mean. It makes possible the faster detection of small to moderate shifts in the process average. In this chart, the process average is evaluated in terms of exponentially weighted moving average of all prior sample means. EWMA weights samples in geometrically decreasing order so that the most recent samples are weighted most highly while the most distant samples contribute very little depending upon the smoothing parameter (λ).
ISO 7870-6:2016 covers EWMA control charts as a statistical process control technique to detect small shifts in the process mean. It makes possible the faster detection of small to moderate shifts in the process average. In this chart, the process average is evaluated in terms of exponentially weighted moving average of all prior sample means. EWMA weights samples in geometrically decreasing order so that the most recent samples are weighted most highly while the most distant samples contribute very little depending upon the smoothing parameter (λ).
ISO 7870-6:2016 is classified under the following ICS (International Classification for Standards) categories: 03.120.30 - Application of statistical methods. The ICS classification helps identify the subject area and facilitates finding related standards.
ISO 7870-6:2016 has the following relationships with other standards: It is inter standard links to ISO 7870-6:2024. Understanding these relationships helps ensure you are using the most current and applicable version of the standard.
ISO 7870-6:2016 is available in PDF format for immediate download after purchase. The document can be added to your cart and obtained through the secure checkout process. Digital delivery ensures instant access to the complete standard document.
Standards Content (Sample)
INTERNATIONAL ISO
STANDARD 7870-6
First edition
2016-02-15
Control charts —
Part 6:
EWMA control charts
Cartes de contrôle —
Partie 6: Cartes de contrôle de EWMA
Reference number
©
ISO 2016
© ISO 2016, Published in Switzerland
All rights reserved. Unless otherwise specified, no part of this publication may be reproduced or utilized otherwise in any form
or by any means, electronic or mechanical, including photocopying, or posting on the internet or an intranet, without prior
written permission. Permission can be requested from either ISO at the address below or ISO’s member body in the country of
the requester.
ISO copyright office
Ch. de Blandonnet 8 • CP 401
CH-1214 Vernier, Geneva, Switzerland
Tel. +41 22 749 01 11
Fax +41 22 749 09 47
copyright@iso.org
www.iso.org
ii © ISO 2016 – All rights reserved
Contents Page
Foreword .iv
Introduction .v
1 Scope . 1
2 Normative references . 1
3 Symbols and abbreviated terms . 1
4 EWMA for inspection by variables . 2
4.1 General . 2
4.2 Weighted average explained. 3
4.3 Control limits for EWMA control chart . 4
4.4 Construction of EWMA control chart . 4
4.5 Example . 6
5 Choice of the control chart . 9
5.1 Shewhart control chart versus EWMA control chart . 9
5.2 Average run length .10
5.3 Choice of parameters for EWMA control chart .10
5.3.1 Choice of λ . 10
5.3.2 Choice of L .
z 11
5.3.3 Calculation for n. 11
5.3.4 Example .12
6 Procedure for implementing the EWMA control chart .12
7 Sensitivity of the EWMA to non-normality .13
8 Advantages and limitations .13
8.1 Advantages .13
8.2 Limitations .13
Annex A (informative) Application of the EWMA control chart .14
Annex B (normative) EWMA control chart for controlling a proportion of nonconforming units .18
Annex C (normative) EWMA control charts for a number of nonconformities .20
Annex D (informative) Control chart effectiveness .22
Bibliography .26
Foreword
ISO (the International Organization for Standardization) is a worldwide federation of national standards
bodies (ISO member bodies). The work of preparing International Standards is normally carried out
through ISO technical committees. Each member body interested in a subject for which a technical
committee has been established has the right to be represented on that committee. International
organizations, governmental and non-governmental, in liaison with ISO, also take part in the work.
ISO collaborates closely with the International Electrotechnical Commission (IEC) on all matters of
electrotechnical standardization.
The procedures used to develop this document and those intended for its further maintenance are
described in the ISO/IEC Directives, Part 1. In particular the different approval criteria needed for the
different types of ISO documents should be noted. This document was drafted in accordance with the
editorial rules of the ISO/IEC Directives, Part 2 (see www.iso.org/directives).
Attention is drawn to the possibility that some of the elements of this document may be the subject of
patent rights. ISO shall not be held responsible for identifying any or all such patent rights. Details of
any patent rights identified during the development of the document will be in the Introduction and/or
on the ISO list of patent declarations received (see www.iso.org/patents).
Any trade name used in this document is information given for the convenience of users and does not
constitute an endorsement.
For an explanation on the meaning of ISO specific terms and expressions related to conformity
assessment, as well as information about ISO’s adherence to the WTO principles in the Technical
Barriers to Trade (TBT), see the following URL: Foreword — Supplementary information.
The committee responsible for this document is ISO/TC 69, Applications of statistical methods,
Subcommittee SC 4, Applications of statistical methods in process management.
ISO 7870 consists of the following parts, under the general title Control charts:
— Part 1: General guidelines
— Part 2: Shewhart control charts
— Part 3: Acceptance control charts
— Part 4: Cumulative sum charts
— Part 5: Specialized control charts
— Part 6: EWMA control charts
A future part on charting techniques for short runs and small mixed batches is planned.
iv © ISO 2016 – All rights reserved
Introduction
Shewhart control charts are the most widespread statistical control methods used for controlling
a process, but they are slow in signalling shifts of small magnitude in the process parameters.
[10]
The exponentially weighted moving average (EWMA) control chart makes possible faster detection
of small to moderate shifts.
The Shewhart control chart is simple to implement and it rapidly detects shifts of major magnitude.
However, it is fairly ineffective for detecting shifts of small or moderate magnitude. It happens quite
often that the shift of the process is slow and progressive (in case of continuous processes in particular);
this shift has to be detected very early in order to react before the process deviates seriously from its
target value. There are two possibilities for improving the effectiveness of the Shewhart control charts
with respect to small and moderate shifts.
— The simplest, but not the most economical possibility is to increase the subgroup size. This may not
always be possible due to low production rate; time consuming or too costly testing. As a result, it
may not be possible to draw samples of size more than 1 or 2.
— The second possibility is to take into account the results preceding the control under way in order
to try to detect the existence of a shift in the production process. The Shewhart control chart
takes into account only the information contained in the last sample observation and it ignores
any information given by the entire sequence of points. This feature makes the Shewhart control
chart relatively insensitive to small process shifts. Its effectiveness may be improved by taking into
account the former results.
Where it is desired to detect slow, progressive shifts, it is preferable to use specific charts which take
into account the past data and which are effective with a moderate control cost. Two very effective
alternatives to the Shewhart control chart in such situations are
a) Cumulative Sum (CUSUM) control chart. This chart is described in ISO 7870-4. The CUSUM control
chart reacts more sensitively than the X-bar chart to a shift of the mean value in the range of half
or two sigma. If one plots the cumulative sum of deviations of successive sample means from a
specified target, even minor, permanent shifts in the process mean will eventually lead to a sizable
cumulative sum of deviations. Thus, this chart is particularly well-suited for detecting such small
permanent shifts that may go undetected when using the X-bar chart.
b) Exponentially Weighted Moving Average (EWMA) control chart which is covered by this document.
This chart is presented like the Shewhart control chart; however, instead of placing on the chart
the successive averages of the samples, one monitors a weighted average of the current average and
of the previous averages.
EWMA control charts are generally used for detecting small shifts in the process mean. They will detect
shifts of half sigma to two sigma much faster. They are, however, slower in detecting large shifts in the
process mean. EWMA control charts may also be preferred when the subgroups are of size n = 1.
The joint use of an EWMA control chart with a small value of lambda and a Shewhart control chart
has been recommended as a means of guaranteeing fast detection of both small and large shifts. The
EWMA control chart monitors only the process mean; monitoring the process variability requires the
use of some other technique.
INTERNATIONAL STANDARD ISO 7870-6:2016(E)
Control charts —
Part 6:
EWMA control charts
1 Scope
This International Standard covers EWMA control charts as a statistical process control technique to
detect small shifts in the process mean. It makes possible the faster detection of small to moderate shifts
in the process average. In this chart, the process average is evaluated in terms of exponentially weighted
moving average of all prior sample means. EWMA weights samples in geometrically decreasing order
so that the most recent samples are weighted most highly while the most distant samples contribute
very little depending upon the smoothing parameter (λ).
NOTE 1 The basic objective is the same as that of the Shewhart control chart described in ISO 7870-2.
The Shewhart control chart’s application is worthwhile in the rare situations when
— production rate is slow,
— sampling and inspection procedure is complex and time consuming,
— testing is expensive, and
— it involves safety risks.
NOTE 2 Variables control charts can be constructed for individual observations taken from the production line,
rather than samples of observations. This is sometimes necessary when testing samples of multiple observations
would be too expensive, inconvenient, or impossible. For example, the number of customer complaints or product
returns may only be available on a monthly basis; yet, one would like to chart those numbers to detect quality
problems. Another common application of these charts occurs in cases when automated testing devices inspect
every single unit that is produced. In that case, one is often primarily interested in detecting small shifts in the
product quality (for example, gradual deterioration of quality due to machine wear).
2 Normative references
The following documents, in whole or in part, are normatively referenced in this document and are
indispensable for its application. For dated references, only the edition cited applies. For undated
references, the latest edition of the referenced document (including any amendments) applies.
ISO 7870-1, Control charts — Part 1: General guidelines
ISO 7870-2, Control charts — Part 2: Shewhart control charts
ISO 7870-4, Control charts — Part 4: Cumulative sum charts
3 Symbols and abbreviated terms
μ Target value for the average of the process
U , L Upper rejectable value of the average, lower rejectable value of the average
μ μ
Mean of the sample i
x
i
N Number of units in a sample (sample size)
z EWMA value placed on the control chart
i
z Initial value of z
0 i
λ Value of the smoothing parameter
L Parameter used to establish the control limit for z (expressed in number of standard deviations of z)
z i
s Estimator of the standard deviation σ
σ True standard deviation of the distribution of x
σ True standard deviation of binomial distribution for P = p
0 0
Standard deviation of the averages of n individual observations;
σ
x
σσ= / n
x
σ Standard deviation of z when i tends towards infinity
z i
δ Drift related to the average expressed in number of standard deviations
δ Maximum acceptable drift of the average, expressed in number of standard deviations
p Proportion of nonconforming units of the process
p Target value for the proportion of nonconforming units of the process
p Upper refusable value of the proportion of nonconforming units
p Proportion of nonconforming units in the ith sample
i
c Average number of nonconformities
c Target value for the average number of nonconformities
c Refusable average of nonconformities
c Number of nonconforming units in the ith sample
i
U Upper control limit value for the EWMA control chart
CL
L Lower control limit value for the EWMA control chart. If L is negative, then it is taken as zero
CL CL
ARL Average Run Length
ARL Average Run Length of the process in control
ARL Average Run Length of the process with setting drift
CL Centre line of the control limit
MAXRL Maximum Run Length (5 % overrun probability), expressed as an integer
4 EWMA for inspection by variables
4.1 General
An EWMA control chart plots geometric moving averages of past and current data in which the values
being averaged are assigned weights that decrease exponentially from the present into the past.
Consequently, the average values are influenced more by recent process performance. The exponentially
weighted moving average is defined as Formula (1):
z = λx + (1 - λ) z (1)
i i i-1
NOTE 1 When the EWMA control chart is used with rational subgroups of size n > 1 then x is simply
i
replaced with x .
i
Where 0 < λ < 1 is a constant and the starting value (required with the first sample at i = 1) is the
process target, so that z = μ .
0 0
NOTE 2 μ can be estimated by the average of preliminary data.
The EWMA control chart becomes an X chart for λ = 1.
2 © ISO 2016 – All rights reserved
4.2 Weighted average explained
To demonstrate that the EWMA is a weighted average of all previous sample means, the right-hand side
of Formula (1) in 4.1 can be substituted with z to obtain Formula (2):
i-1
zx=+λλ11− λλxz+−
() ()
ii ii−−12
(2)
=+λλxx11−λλ+− z
() ()
ii−−1 i 22
Continuing to substitute recursively for z , where j = 2, 3, ., we obtain Formula (3):
i-j
i−1
i
j
zx=−λλ11+−λ z (3)
() ()
∑
i ij− 0
j=0
For i = 1, z = λx + (1 – λ)μ .
1 1 0
j
The weights, λ(1 – λ) , decrease geometrically with the age of the sample mean. Furthermore, the
weights sum to unity, since
i
i−1
11−−λ
()
j i
λλ1− =λ =−11−λ (4)
() ()
∑
11−−λ
()
j=0
If λ = 0,2, then the weight assigned to the current sample mean is 0,2 and the weights given to the
preceding means are 0,16; 0,128; 0,102 4 and so forth. These weights are shown in Figure 1. Because
these weights decline geometrically, the EWMA is sometimes called a geometric moving average (GMA).
Key
X age of sample mean (EWMA λ = 0,2)
j
Y weights λ(1-λ)
Figure 1 — Weights of past sample means
Since the EWMA value can be viewed as a weighted average of all past and current observations,
it is very insensitive to the normality assumption. It is, therefore an ideal control chart to use with
individual observations.
4.3 Control limits for EWMA control chart
If the observations x are independent random variables with variance σ , then the variance of z is
i i
represented by Formula (5):
λ 2i
σσ= 11−−λ (5)
()
z
i
2−λ
Therefore, the EWMA control chart would be constructed by plotting z versus the sample number i (or
i
time). The centre line and control limits for the EWMA control chart are as follows:
Centre line = μ
2i
σλ
UL=+μ 11−−λ (6)
()
CL 0 z
2−λ
n ()
2i
σλ
LL=−μ 11−−λ (7)
()
CL 0 z
2−λ
n ()
The factor L is the width of the control limits and its value depends upon the confidence level. In the
z
case of X - R charts, 3σ limits are plotted for 99,73 % (±3σ) confidence. Similarly, on EWMA control
chart, this confidence level can vary depending on the requirements (e.g. L = 2,7 gives the confidence of
z
99,307 %).
No action is taken as long as z falls between these limits, and the process is considered to be out of
i
control as soon as z overshoots the control limits. In this case, reset the process and resume the EWMA
i
control chart after reinitializing it, i.e. by not taking into account the results obtained prior to this
resetting, but by taking z as the initial value.
2i
The term [1 – (1 – λ) ] approaches unity as i gets larger. This means that after the EWMA control chart
has been running for several time periods, the control limits will approach steady state values obtained
using Formulae (8) and (9):
Centre line = μ
σλ
UL=−μ (8)
CL 0 z
2−λ
n ()
σλ
LL=−μ (9)
CL 0 z
2−λ
n ()
However, it is strongly recommended to use the exact control limits. This will greatly improve the
performance of the control chart in detecting an off-target process immediately after the EWMA control
chart is initiated.
NOTE For practical purposes, use the estimate of σ, denoted by s, estimated from the data.
4.4 Construction of EWMA control chart
To illustrate the construction of an EWMA control chart, consider a process with the following
parameters calculated from historical data:
μ = 50
s = 2,053 9
4 © ISO 2016 – All rights reserved
with λ chosen to be 0,3; so that
λ 03,
==0,4201 (10)
17,
2−λ
()
The control limits at steady-state are given, obtained using Formulae (11) and (12):
U = 50 + 3 (0,420 1)(2,053 9) = 52,588 5 (11)
CL
L = 50 - 3 (0,420 1)(2,053 9) = 47,411 5 (12)
CL
Consider the data consisting of 20 points as given in Table 1.
Table 1 — Calculation of EWMA values
Sample X EWMA values
i
1 52,0 50,600 0
2 47,0 49,520 0
3 53,0 50,564 0
4 49,3 50,184 8
5 50,1 50,159 4
6 47,0 49,211 6
7 51,0 49,748 1
8 50,1 49,853 7
9 51,2 50,257 6
10 50,5 50,330 3
11 49,6 50,111 2
12 47,6 49,357 8
13 49,9 49,520 5
14 51,3 50,054 3
15 47,8 49,378 0
16 51,2 49,924 6
17 52,6 50,727 2
18 52,4 51,229 1
19 53,6 51,940 3
20 52,1 51,988 2
Key
1 U = 52,588 5
CL
2 CL = 50
3 L = 47,411 5
CL
Figure 2 — EWMA plot
The EWMA control chart in Figure 2 shows that the process is in control because all EWMA points lie
between the control limits.
4.5 Example
Consider the data in Table 2 (observations x ). The first 20 observations were drawn at random from
a normal distribution with mean μ = 10 and standard deviation σ = 1. The last 10 observations were
drawn from a normal distribution with mean μ = 11 and standard deviation σ = 1, i.e. after the process
has experienced a shift in the mean of one sigma.
Set up an EWMA control chart with λ = 0,10 and L = 2,7 to the data in Table 2.
z
The target value of the mean is μ = 10 and the standard deviation is σ = 1.
The calculations for EWMA control chart are summarized in Table 2 and the control chart is shown
in Figure 3.
To illustrate the calculations, consider the first observations, x = 9,45.
i
The first value of the EWMA statistic is shown in Formula (13):
zx=+λλ10− z =×,,19 45+×09, 10
()
11 0
(13)
=9,94500
Therefore, z = 9,945 00 is the first value plotted on the control chart in Figure 3.
The second value of the EWMA is shown in Formula (14):
zx=+λλ10− z =×,,17 99+×09,,9 945
()
22 1
(14)
=9,74950
The other values of the EWMA statistic are computed similarly.
The control limits are calculated following Formulae (15) and (16):
6 © ISO 2016 – All rights reserved
For period i = 1:
2i
σλ
UL=+μ 11−−λ
()
CL 0 z
2−λ
n ()
21×
01,
=+10 27, ××1 11−−001, (15)
()
20− ,1
()
=10,27000
and
σλ 2i
LL=−μ 11−−λ
()
CL 0 z
2−λ
n ()
21×
01,
=−10 27, ××1 11−−001, (16)
()
20− ,1
()
=9,73000
For period i = 2, the limits are shown in Formulae (17) and (18):
2i
σλ
UL=+μ 11−−λ
()
CL 0 z
2−λ
n ()
01, 22×
=+10 27, ××1 11−−001, (17)
()
20− ,1
()
=
10,36325
and
σλ 2i
LL=−μ 11−−λ
()
CL 0 z
2−λ
n ()
22×
01,
=−10 27, ××1 11−−001, (18)
()
20− ,1
()
=9,63675
The calculation of control limits are also summarized in Table 2 and plotted in Figure 3.
Table 2 — EWMA calculations
Sample x EWMA z U L
i i CL CL
1 9,45 9,945 00 10,270 00 9,730 00
2 7,99 9,749 50 10,363 25 9,636 75
3 9,29 9,703 55 10,424 00 9,576 00
4 11,66 9,899 20 10,467 46 9,532 54
5 12,16 10,125 28 10,499 90 9,500 10
6 10,18 10,130 75 10,524 71 9,475 29
7 8,04 9,921 67 10,543 98 9,456 02
8 11,46 10,075 51 10,559 09 9,440 90
9 9,20 9,987 96 10,571 05 9,428 95
10 10,34 10,023 16 10,580 55 9,419 45
11 9,03 9,923 84 10,588 13 9,411 87
12 11,47 10,078 46 10,594 20 9,405 80
Table 2 (continued)
Sample x EWMA z U L
i i CL CL
13 10,51 10,121 61 10,599 08 9,400 92
14 9,40 10,049 45 10,603 00 9,397 00
15 10,08 10,052 51 10,606 15 9,393 85
16 9,37 9,984 26 10,608 70 9,391 30
17 10,62 10,047 83 10,670 75 9,389 25
18 10,31 10,074 05 10,612 41 9,876 00
19 8,52 9,918 64 10,613 74 9,386 26
20 10,84 10,010 78 10,614 83 9,385 17
21 10,90 10,099 70 10,615 70 9,384 30
22 9,33 10,027 73 10,616 41 9,383 59
23 12,29 10,249 46 10,616 98 9,383 02
24 11,50 10,374 51 10,617 45 9,382 55
25 10,60 10,397 06 10,617 82 9,382 18
26 11,08 10,465 35 10,618 13 9,381 87
27 10,38 10,456 82 10,618 37 9,381 63
28 11,62 10,573 14 10,618 57 9,381 43
29 11,31 10,646 82 10,618 73 9,381 26
30 10,52 10,634 14 10,618 87 9,381 13
It may be noted from Figure 3 that the control limits increase in width as i increases from i = 1, 2, …,
until they stabilize at the steady-state values given in Formulae (19) and (20):
σλ
UL=+μ
CL 0 z
2−λ
n ()
01,
=+10 27, ××1 (19)
20− ,1
()
=10,61942
and
σλ
LL=−μ
CL 0 z
2−λ
n ()
01,
=−10 27, ××1 (20)
20− ,1
()
=9,38058
8 © ISO 2016 – All rights reserved
Key
1 U = 10,62
CL
2 CL = 10,00
3 L = 9,38
CL
Figure 3 — EWMA control chart
The EWMA control chart signals that observation 28 has gone beyond U . Hence it is conclude that the
CL
process is out of control.
5 Choice of the control chart
5.1 Shewhart control chart versus EWMA control chart
Unlike the Shewhart control chart, it is not possible to find the probability of detecting a shift in the
process on the basis of a sample because the probability is not constant. It depends on the number of the
samples. One can calculate this probability for each sample, but these probabilities are too numerous to
be used in practice.
The effectiveness of the EWMA technique is therefore judged according to the ARL, i.e. the average
number of successive samples required for detecting a shift.
If the process is under control, it is expected that there be few false alarms, i.e. that the average number
of samples prior to a false alarm be high (in general ARL is taken between 100 and 1 000).
On the other hand, in the event of a shift, it is expected that it be detected as quickly as possible, i.e. that
the number of samples between the moment the shift occurred and that of the first point outside the
control limits be the lowest possible (low ARL ).
Compared to the Shewhart control chart, the EWMA technique is extremely effective for minor or
moderate shifts: the lower λ is, better is the effectiveness. On the other hand, the Shewhart control
chart is more effective for sudden and high drifts.
The effectiveness of the chart depends on the size of the sample: the higher n is, better is the effectiveness
(see Annex D).
5.2 Average run length
Table 3 gives the ARL and the MAXRL of the chart as a function of the drift, δ n . Therefore, the
effectiveness for any value of n can be obtained.
For example, the EWMA control chart with λ = 0,5, L = 2,979 and n = 1 detects a shift of δ = 1 standard
z
deviation in 14,5 samples on average because δ n= 1 . Whereas, the same chart with n = 4 detects it in
3,2 samples, because δ n= 2 .
In Table 3, the values of L for the EWMA techniques have been chosen, so that the ARL (Average Run
z
Length) = 370 (i.e. the same as that of the Shewhart control chart), with control limits established at
±3σ n when the shift, δ , is equal to 0. Hence, you can compare the figures in the six columns directly
since it is a question of control procedures, which have the same number of false alarms. Table 3 shows
that the effectiveness for detecting minor shifts is better for small values of λ (e.g. the ARL goes from 14,9
to 7,6 for δ n= 1 ) ; and, is the contrary for major drifts (e.g. the ARL goes from 1,6 to 1,5 for δ n= 3 ).
The choice of λ and L is made so as to obtain an Average Run Length which one sets in an a priori
z
manner as the quality objective. One can therefore thus obtain charts which correspond to the practical
requirements of industry or services.
Table 3 — Comparison of mean operational periods of EWMA and Shewhart control chart
Shewhart con-
EWMA control charts
trol chart
Shift
λ = 1,0 λ = 0,5 λ = 0,4 λ = 0,3 λ = 0,2 λ = 0,1
L = 3,0 L = 2,979 L = 2,961 L = 2,928 L = 2,864 L = 2,715
z z z z z z
ARL MAXRL ARL MAXRL ARL MAXRL ARL MAXRL ARL MAXRL ARL MAXRL
δ n
0,00 370,4 370,4 370,8 370,9 370 370,9
0,25 281,2 842 195,7 584 173,8 518 148,5 441 119,6 353 86,3 248
0,50 155,2 464 71,3 211 58,0 170 45,8 132 35,0 97 25,7 66
0,75 81,2 242 29,9 86 24,0 67 19,2 52 15,4 39 12,5 29
1,00 43,9 130 14,9 41 12,3 33 10,3 26 8,8 21 7,6 17
1,25 25,0 74 8,7 23 7,5 18 6,6 15 5,9 13 5,3 11
1,50 15,0 44 5,7 14 5,1 12 4,7 10 4,3 9 3,9 8
1,75 9,5 27 4,1 9 3,8 8 3,6 7 3,4 7 3,1 6
2,00 6,3 18 3,2 7 3,0 6 2,9 6 2,7 5 2,5 5
2,25 4,4 12 2,6 5 2,5 5 2,4 5 2,3 4 2,1 4
2,50 3,2 9 2,2 4 2,1 4 2,0 4 2,0 4 1,8 3
2,75 2,5 6 1,9 4 1,8 3 1,8 3 1,7 3 1,6 3
3,00 2,0 5 1,6 3 1,6 3 1,6 3 1
...
NORME ISO
INTERNATIONALE 7870-6
Première édition
2016-02-15
Cartes de contrôle —
Partie 6:
Cartes de contrôle de EWMA
Control charts —
Part 6: EWMA control charts
Numéro de référence
©
ISO 2016
DOCUMENT PROTÉGÉ PAR COPYRIGHT
© ISO 2016, Publié en Suisse
Droits de reproduction réservés. Sauf indication contraire, aucune partie de cette publication ne peut être reproduite ni utilisée
sous quelque forme que ce soit et par aucun procédé, électronique ou mécanique, y compris la photocopie, l’affichage sur
l’internet ou sur un Intranet, sans autorisation écrite préalable. Les demandes d’autorisation peuvent être adressées à l’ISO à
l’adresse ci-après ou au comité membre de l’ISO dans le pays du demandeur.
ISO copyright office
Ch. de Blandonnet 8 • CP 401
CH-1214 Vernier, Geneva, Switzerland
Tel. +41 22 749 01 11
Fax +41 22 749 09 47
copyright@iso.org
www.iso.org
ii © ISO 2016 – Tous droits réservés
Sommaire Page
Avant-propos .iv
Introduction .v
1 Domaine d’application . 1
2 Références normatives . 1
3 Symboles et termes abrégés . 2
4 EWMA pour le contrôle par variables . 2
4.1 Généralités . 2
4.2 Explications relatives à la moyenne pondérée . 3
4.3 Limites de contrôle de la carte de contrôle EWMA . 4
4.4 Construction d’une carte de contrôle EWMA . 5
4.5 Exemple . 6
5 Choix de la carte de contrôle . 9
5.1 Comparaison de la carte de contrôle de Shewhart et de la carte contrôle EWMA . 9
5.2 Période opérationnelle moyenne .10
5.3 Choix des paramètres de la carte de contrôle EWMA .11
5.3.1 Choix de λ . 11
5.3.2 Choix de L .
z 11
5.3.3 Calcul de n . 11
5.3.4 Exemple .13
6 Procédure de mise en œuvre de la carte de contrôle EWMA .13
7 Sensibilité de la carte EWMA en cas de non-normalité .13
8 Avantages et limitations .13
8.1 Avantages .13
8.2 Limitations .13
Annexe A (informative) Application de la carte de contrôle EWMA .15
Annexe B (normative) Carte de contrôle EWMA pour contrôler une proportion d’unités
non conformes .19
Annexe C (normative) Cartes de contrôle EWMA pour un nombre de non-conformités .22
Annexe D (informative) Efficacité de la carte de contrôle .24
Bibliographie .28
Avant-propos
L’ISO (Organisation internationale de normalisation) est une fédération mondiale d’organismes
nationaux de normalisation (comités membres de l’ISO). L’élaboration des Normes internationales est
en général confiée aux comités techniques de l’ISO. Chaque comité membre intéressé par une étude
a le droit de faire partie du comité technique créé à cet effet. Les organisations internationales,
gouvernementales et non gouvernementales, en liaison avec l’ISO participent également aux travaux.
L’ISO collabore étroitement avec la Commission électrotechnique internationale (IEC) en ce qui
concerne la normalisation électrotechnique.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont
décrites dans les Directives ISO/IEC, Partie 1. Il convient, en particulier de prendre note des différents
critères d’approbation requis pour les différents types de documents ISO. Le présent document a été
rédigé conformément aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir www.
iso.org/directives).
L’attention est appelée sur le fait que certains des éléments du présent document peuvent faire l’objet de
droits de propriété intellectuelle ou de droits analogues. L’ISO ne saurait être tenue pour responsable
de ne pas avoir identifié de tels droits de propriété et averti de leur existence. Les détails concernant
les références aux droits de propriété intellectuelle ou autres droits analogues identifiés lors de
l’élaboration du document sont indiqués dans l’Introduction et/ou dans la liste des déclarations de
brevets reçues par l’ISO (voir www.iso.org/brevets).
Les appellations commerciales éventuellement mentionnées dans le présent document sont données
pour information, par souci de commodité, à l’intention des utilisateurs et ne sauraient constituer un
engagement.
Pour une explication de la signification des termes et expressions spécifiques de l’ISO liés à
l’évaluation de la conformité, ou pour toute information au sujet de l’adhésion de l’ISO aux principes
de l’OMC concernant les obstacles techniques au commerce (OTC), voir le lien suivant: Avant-propos —
Informations supplémentaires.
Le comité chargé de l’élaboration du présent document est l’ISO/TC 69, Application des méthodes
statistiques, sous-comité SC 4, Application de méthodes statistiques au management de processus.
L’ISO 7870 comprend les parties suivantes, présentées sous le titre général Cartes de contrôle:
— Partie 1: Lignes directrices générales
— Partie 2: Cartes de contrôle de Shewhart
— Partie 3: Cartes de contrôle pour acceptation
— Partie 4: Cartes de contrôle des sommes cumulées (CUSUM)
— Partie 5: Cartes de contrôle particulières
— Partie 6: Carte de contrôle EWMA
Une future partie est prévue pour les techniques de cartes pour petites séries et pour petits lots
combinés.
iv © ISO 2016 – Tous droits réservés
Introduction
Les cartes de contrôle de Shewhart sont les méthodes statistiques de contrôle les plus répandues pour
maîtriser un processus, mais elles mettent du temps à signaler des déréglages de faible amplitude dans
[10]
les paramètres de processus. La carte de contrôle à moyenne mobile pondérée exponentiellement
(EWMA) permet la détection plus rapide de dérives/déréglages de petite et moyenne amplitude.
La carte de contrôle de Shewhart est simple à mettre en œuvre et elle détecte rapidement les déréglages
de grande amplitude. Elle est par contre assez peu efficace pour détecter les déréglages de petite ou
moyenne amplitude. Or il arrive assez souvent que le déréglage du processus soit lent et progressif (cas
des procédés continus en particulier); il faut détecter très tôt ce déréglage pour réagir avant que le
processus ne s’écarte fortement de sa valeur cible. Il y a deux possibilités pour améliorer l’efficacité de
la carte de contrôle de Shewhart vis-à-vis des déréglages de petite et moyenne amplitude:
— la plus simple, mais non la plus économique, consiste à augmenter l’effectif de l’échantillon. Ce n’est
pas toujours possible car le taux de production peut être trop faible et les essais peuvent prendre
du temps ou être trop onéreux. Par conséquent, il n’est pas toujours possible de constituer des
échantillons comprenant plus de 1 ou 2 unités;
— la seconde possibilité est de tenir compte des résultats précédant le contrôle en cours pour tenter
de déceler l’existence d’une dérive du processus de production. La carte de contrôle de Shewhart
ne tient compte que des informations contenues dans l’observation du dernier échantillon et elle
ignore toute information donnée par la séquence complète de points. Cette caractéristique fait que
la carte de contrôle de Shewhart est relativement insensible à de faibles déréglages du processus.
Son efficacité peut être améliorée en prenant en compte les résultats antérieurs.
Lorsqu’on veut détecter des dérives lentes et progressives, il est préférable d’utiliser des cartes
spécifiques qui tiennent compte des données antérieures et qui ont une bonne efficacité pour un coût
de contrôle modéré. Deux alternatives très efficaces à la carte de contrôle de Shewhart dans de telles
situations sont:
a) la carte de contrôle des sommes cumulées (CUSUM). Cette carte est décrite dans l’ISO 7870-4.
La carte de contrôle CUSUM réagit de manière plus sensible que la carte X-bar en cas de
dérive/déréglage de la valeur moyenne dans la plage de 0,5 sigma à 2 sigma. Si l’on reporte la somme
cumulée des écarts des moyennes d’échantillon successives par rapport à une cible spécifiée, des
déréglages permanents, même mineurs, de la moyenne du processus finiront par conduire à une
somme cumulée d’écarts quantifiable. Cette carte est donc particulièrement adaptée pour détecter
de tels déréglages permanents de petite amplitude pouvant ne pas être décelés par une carte X-bar;
b) la carte de contrôle à moyenne mobile pondérée exponentiellement (EWMA), qui est traitée dans le
présent document. Cette carte se présente comme la carte de contrôle de Shewhart; cependant, au
lieu de placer sur la carte les moyennes successives des échantillons, on suit une moyenne pondérée
de la moyenne du dernier échantillon et des moyennes des échantillons antérieures.
Les cartes de contrôle EWMA sont généralement utilisées pour détecter des déréglages de petite
amplitude de la moyenne du processus. Elles détectent beaucoup plus rapidement des déréglages allant
de 0,5 sigma à 2 sigma. Elles mettent toutefois plus de temps à détecter les déréglages importants
de la moyenne du processus. Les cartes de contrôle EWMA peuvent aussi être conseillées lorsque les
échantillons sont d’effectif n = 1.
L’utilisation conjointe d’une carte de contrôle EWMA avec une petite valeur de lambda (λ) et d’une carte
de contrôle de Shewhart est recommandée comme moyen de garantir la détection rapide à la fois des
déréglages de petite et grande amplitude. La carte de contrôle EWMA surveille uniquement la moyenne
du processus; la surveillance de la variabilité du processus nécessite l’utilisation d’autres techniques.
NORME INTERNATIONALE ISO 7870-6:2016(F)
Cartes de contrôle —
Partie 6:
Cartes de contrôle de EWMA
1 Domaine d’application
La présente Norme internationale traite des cartes de contrôle EWMA comme technique de maîtrise
statistique des processus permettant de détecter des dérives/déréglages de petite amplitude dans la
moyenne du processus. Elle permet de détecter plus rapidement des déréglages de petite et moyenne
amplitude dans la moyenne du processus. Dans cette carte, la moyenne du processus est évaluée
en termes de moyenne mobile pondérée exponentiellement de toutes les moyennes antérieures
des échantillons. La carte EWMA pondère les échantillons par ordre décroissant selon une suite
géométrique, de sorte que les échantillons les plus récents sont pondérés plus fortement tandis que les
échantillons les plus anciens ont une très faible contribution en fonction du paramètre de lissage (λ).
NOTE 1 L’objectif de base est le même que pour la carte de contrôle de Shewhart décrite dans l’ISO 7870-2.
L’application de la carte de contrôle de Shewhart est utile dans les rares situations où:
— le taux de production est lent;
— le mode opératoire d’échantillonnage et de contrôle est complexe et laborieux;
— les essais sont onéreux; et
— il y a des risques pour la sécurité.
NOTE 2 Les cartes de contrôle pour les variables peuvent être construites pour des observations individuelles
faites à partir de la ligne de production plutôt que pour des échantillons d’observations. Cela est parfois nécessaire
lorsqu’il serait trop coûteux, peu pratique, voire impossible de soumettre à essai des échantillons d’observations
multiples. Par exemple, le nombre de réclamations client ou de retours de produits peut n’être disponible que
sur une base mensuelle; or, on voudrait mettre sous carte de contrôle ces chiffres pour déceler les problèmes
de qualité. Ces cartes sont également couramment utilisées dans les cas où des dispositifs d’essai automatisés
inspectent chaque unité individuelle qui est produite. Dans ce cas, on est souvent principalement intéressé par la
détection de déréglages de petite amplitude dans la qualité du produit (par exemple, une détérioration graduelle
de la qualité due à l’usure de la machine).
2 Références normatives
Les documents suivants, en tout ou partie, sont référencés de façon normative dans le présent document
et sont indispensables pour son application. Pour les références datées, seule l’édition citée s’applique.
Pour les références non datées, la dernière édition du document de référence s’applique (y compris les
éventuels amendements).
ISO 7870-1, Cartes de contrôle — Partie 1: Lignes directrices générales
ISO 7870-2, Cartes de contrôle — Partie 2: Cartes de contrôle de Shewhart
ISO 7870-4, Cartes de contrôle — Partie 4: Cartes de contrôle de l’ajustement de processus
3 Symboles et termes abrégés
μ Valeur cible pour la moyenne du processus
U , L Valeur refusable supérieure de la moyenne, valeur refusable inférieure de la moyenne
μ μ
Moyenne de l’échantillon i
x
i
N Nombre d’unités dans un échantillon (effectif des échantillons)
z valeur de moyenne mobile pondérée exponentiellement placée sur la carte de contrôle
i
z Valeur initiale de z
0 i
λ Paramètre de lissage
L Paramètre utilisé pour établir les limites de contrôle pour z (exprimé en nombre d’écarts-types de z)
z i
s Estimation de l’écart-type σ
σ Écart-type vrai de la distribution de x
σ Écart-type vrai de la loi binomiale pour P = p
0 0
Écart-type des moyennes de n observations individuelles
σ
x
σσ= / n
x
σ Écart-type de z quand i tend vers l’infini
z i
δ Déréglage relatif à la moyenne, exprimé en nombre d’écarts-types
δ Déréglage maximal acceptable de la moyenne, exprimé en nombre d’écarts-types
p Proportion d’unités non conformes dans le processus
p Valeur cible de la proportion d’unités non conformes dans le processus
p Valeur refusable supérieure de la proportion d’unités non conformes
ème
p Proportion d’unités non conformes dans le i échantillon
i
c Nombre moyen de non-conformités
c Valeur cible du nombre moyen de non-conformités
c Moyenne refusable de non-conformités
ème
c Nombre d’unités non conformes dans le i échantillon
i
U Limite de contrôle supérieure pour la carte de contrôle EWMA
CL
L Limite de contrôle inférieure pour la carte de contrôle EWMA. Si la L est négative, alors elle est
CL CL
prise égale à zéro
POM Période opérationnelle moyenne
POM Période opérationnelle moyenne du processus sous maîtrise
POM Période opérationnelle moyenne du processus de l’apparition de déréglage
CL Ligne centrale de la limite de contrôle
POMAX Période opérationnelle maximale (probabilité de dépassement de 5 %), exprimée en nombre entier
4 EWMA pour le contrôle par variables
4.1 Généralités
Une carte de contrôle EWMA reporte les moyennes mobiles géométriques des données du passé et
du présent, et attribue aux valeurs moyennées des pondérations qui diminuent exponentiellement du
présent au passé. Par conséquent, les valeurs moyennes sont davantage influencées par la performance
récente du processus. La moyenne mobile pondérée exponentiellement est définie par la Formule (1):
z = λx + (1 - λ) z (1)
i i i-1
2 © ISO 2016 – Tous droits réservés
NOTE 1 Quand la carte de contrôle EWMA est utilisée avec des échantillons rationnels d’effectif n > 1, x est
i
simplement remplacé par x .
i
où 0 < λ < 1 est une constante et la valeur de départ (requise pour le premier échantillon à i = 1) est la
cible du processus, de sorte que z = μ .
0 0
NOTE 2 μ peut être estimé par la moyenne des données préliminaires.
La carte de contrôle EWMA devient une carte X quand λ = 1.
4.2 Explications relatives à la moyenne pondérée
Pour démontrer que la z EWMA est une moyenne pondérée de toutes les moyennes des échantillons
i
antérieurs, on peut remplacer la partie droite de la Formule (1) en 4.1 par z pour obtenir la Formule (2):
i-1
zx=+λλ11− λλxz+−
() ()
ii ii−−12
(2)
=+λλxx11−λλ+− z
() ()
ii−−1 i 22
En continuant à remplacer de manière récursive z , avec j = 2, 3, …, t, on obtient la Formule (3):
i-j
i−1
j i
zx=−λλ11+−λ z (3)
() ()
∑
i ij− 0
j=0
Pour i = 1, z = λx + (1 – λ)μ .
1 1 0
j
Les pondérations λ(1 – λ) diminuent selon une suite géométrique en fonction de l’âge de la moyenne de
l’échantillon. En outre, la somme des pondérations converge vers 1 étant donné que:
i
i−1
11−−λ
()
j i
λλ1− =λ =−11−λ (4)
() ()
∑
11−−λ
()
j=0
Si λ = 0,2, alors la pondération attribuée à la moyenne de l’échantillon présent est de 0,2 et les
pondérations attribuées aux moyennes antérieures sont de 0,16; 0,128; 0,102 4 et ainsi de suite. Ces
pondérations sont représentées à la Figure 1. Comme ces pondérations diminuent selon une suite
géométrique, la valeur EWMA est parfois appelée moyenne mobile géométrique (GMA).
Légende
X âge de la moyenne de l’échantillon (EWMA λ = 0,2)
j
Y pondérations λ(1-λ)
Figure 1 — Pondérations des moyennes d’échantillons passés
Étant donné que la valeur EWMA peut être considérée comme une moyenne pondérée de toutes les
observations du présent et du passé, elle est très insensible à l’hypothèse de normalité. C’est donc une
carte de contrôle idéale pour des observations individuelles.
4.3 Limites de contrôle de la carte de contrôle EWMA
Si les observations x sont des variables aléatoires indépendantes, avec une variance σ , alors la variance
i
de z est représentée par la Formule (5):
i
2i
λ
22
σσ= 11−−λ (5)
()
z
i
2−λ
La carte de contrôle EWMA pourrait donc être construite en traçant une courbe de z en fonction du
i
numéro de l’échantillon i (ou en fonction du temps). La ligne centrale et les limites de contrôle de la
carte de contrôle EWMA sont les suivantes:
Ligne centrale = μ
2i
σλ
UL=+μ 11−−λ (6)
()
CL 0 z
2−λ
n ()
σλ 2i
LL=−μ 11−−λ (7)
()
CL 0 z
2−λ
n ()
Le facteur L est la largeur des limites de contrôle et sa valeur dépend du niveau de confiance. Dans le
z
cas des cartes X - R, les limites à 3σ sont tracées pour un niveau de confiance de 99,73 % (± 3σ). De
même, sur la carte de contrôle EWMA, ce niveau de confiance peut varier en fonction des besoins (par
exemple L = 2,7 conduit à un niveau de confiance de 99,307 %).
z
On ne fait rien tant que z est situé entre ces limites et l’on décide que le processus est hors maîtrise dès
i
que z sort de ces limites. Dans ce cas, on règle le processus et on reprend la carte de contrôle EWMA
i
après l’avoir réinitialisée, c’est-à-dire qu’on ne tient pas compte des résultats obtenus avant ce réglage.
On prend z comme valeur initiale.
4 © ISO 2016 – Tous droits réservés
2i
Le terme [1 – (1 – λ) ] tend vers l’unité au fur et à mesure que i augmente. Cela signifie qu’une fois
que la carte de contrôle EWMA a été utilisée sur plusieurs périodes de temps, les limites de contrôle
avoisinent des valeurs en régime établi données par les Formules (8) et (9):
Ligne centrale = μ
σλ
UL=−μ (8)
CL 0 z
2−λ
n ()
σλ
LL=−μ (9)
CL 0 z
2−λ
n ()
Il est toutefois vivement recommandé d’utiliser les limites de contrôle exactes. Cela améliorera
nettement la performance de la carte de contrôle en matière de détection des processus hors cible
immédiatement après l’initialisation de la carte de contrôle EWMA.
NOTE Pour des raisons pratiques, l’estimation de σ par s est calculée à partir des données.
4.4 Construction d’une carte de contrôle EWMA
Pour illustrer la construction d’une carte de contrôle EWMA, on considère un processus dont les
paramètres suivants ont été calculés à partir de données historiques:
μ = 50
s = 2,053 9
avec λ pris égal à 0,3; de sorte que:
λ 03,
==0,4201 (10)
17,
2−λ
()
Les limites de contrôle en régime établi sont données par les Formules (11) et (12):
U = 50 + 3 (0,420 1)(2,053 9) = 52,588 5 (11)
CL
L = 50 - 3 (0,420 1)(2,053 9) = 47,411 5 (12)
CL
On considère les données consistant en 20 échantillons, comme indiqué dans le Tableau 1.
Tableau 1 — Calcul des valeurs EWMA
Échantillon x Valeurs EWMA
i
1 52,0 50,600 0
2 47,0 49,520 0
3 53,0 50,564 0
4 49,3 50,184 8
5 50,1 50,159 4
6 47,0 49,211 6
7 51,0 49,748 1
8 50,1 49,853 7
9 51,2 50,257 6
10 50,5 50,330 3
Tableau 1 (suite)
Échantillon x Valeurs EWMA
i
11 49,6 50,111 2
12 47,6 49,357 8
13 49,9 49,520 5
14 51,3 50,054 3
15 47,8 49,378 0
16 51,2 49,924 6
17 52,6 50,727 2
18 52,4 51,229 1
19 53,6 51,940 3
20 52,1 51,988 2
Légende
1 U = 52,588 5
CL
2 CL = 50
3 L = 47,411 5
CL
Figure 2 — Courbe de la valeur EWMA
La carte de contrôle EWMA de la Figure 2 montre que le processus est sous maîtrise car tous les points
EWMA sont situés entre les limites de contrôle.
4.5 Exemple
On considère les données du Tableau 2 (observations x ). Les 20 premières observations ont été
prélevées au hasard dans une distribution normale avec une moyenne µ = 10 et un écart-type σ = 1. Les
10 dernières observations ont été prélevées dans une distribution normale avec une moyenne µ = 11 et
un écart-type σ = 1, c’est-à-dire après que le processus a dérivé de la moyenne de 1 sigma.
Appliquer une carte de contrôle EWMA avec λ = 0,10 et L = 2,7 aux données du Tableau 2.
z
La valeur cible pour la moyenne est μ = 10 et l’écart-type est σ = 1.
Les calculs de la carte de contrôle EWMA sont résumés dans le Tableau 2 et la carte de contrôle est
illustrée à la Figure 3.
Pour illustrer les calculs, on considère les premières observations, x = 9,45.
i
6 © ISO 2016 – Tous droits réservés
La première valeur de la statistique EWMA est donnée par la Formule (13):
zx=+λλ10− z =×,,19 45+×09, 10
()
11 0
(13)
=9,94500
Par conséquent, z = 9,945 00 est la première valeur reportée sur la carte de contrôle de la Figure 3.
La deuxième valeur EWMA est donnée par la Formule (14):
zx=+λλ10− z =×,,17 99+×09,,9 945
()
22 1
(14)
=9,74950
Les autres valeurs de la statistique EWMA sont calculées de manière similaire.
Les limites de contrôle sont calculées à l’aide des Formules (15) et (16):
Pour la période i = 1:
2i
σλ
UL=+μ 11−−λ
()
CL 0 z
2−λ
n ()
21×
01,
=+10 27, ××1 11−−001, (15)
()
20− ,1
()
=10,27000
et
2i
σλ
LL=−μ 11−−λ
()
CL 0 z
2−λ
n ()
21×
01,
=−10 27, ××1 11−−001, (16)
()
20− ,1
()
=9,73000
Pour la période i = 2, les limites sont données par les Formules (17) et (18):
σλ 2i
UL=+μ 11−−λ
()
CL 0 z
2−λ
n ()
22×
01,
=+10 27, ××1 11−−001, (17)
()
20− ,1
()
=10,36325
et
2i
σλ
LL=−μ 11−−λ
()
CL 0 z
2−λ
n ()
01, 22×
=−10 27, ××1 11−−001, (18)
()
20− ,1
()
=9,63675
Les calculs des limites de contrôle sont également résumés dans le Tableau 2 et illustrés à la Figure 3.
Tableau 2 — Calculs de la valeur EWMA
Échantillon x z EWMA U L
i i CL CL
1 9,45 9,945 00 10,270 00 9,730 00
2 7,99 9,749 50 10,363 25 9,636 75
3 9,29 9,703 55 10,424 00 9,576 00
4 11,66 9,899 20 10,467 46 9,532 54
5 12,16 10,125 28 10,499 90 9,500 10
6 10,18 10,130 75 10,524 71 9,475 29
7 8,04 9,921 67 10,543 98 9,456 02
8 11,46 10,075 51 10,559 09 9,440 90
9 9,20 9,987 96 10,571 05 9,428 95
10 10,34 10,023 16 10,580 55 9,419 45
11 9,03 9,923 84 10,588 13 9,411 87
12 11,47 10,078 46 10,594 20 9,405 80
13 10,51 10,121 61 10,599 08 9,400 92
14 9,40 10,049 45 10,603 00 9,397 00
15 10,08 10,052 51 10,606 15 9,393 85
16 9,37 9,984 26 10,608 70 9,391 30
17 10,62 10,047 83 10,670 75 9,389 25
18 10,31 10,074 05 10,612 41 9,876 00
19 8,52 9,918 64 10,613 74 9,386 26
20 10,84 10,010 78 10,614 83 9,385 17
21 10,90 10,099 70 10,615 70 9,384 30
22 9,33 10,027 73 10,616 41 9,383 59
23 12,29 10,249 46 10,616 98 9,383 02
24 11,50 10,374 51 10,617 45 9,382 55
25 10,60 10,397 06 10,617 82 9,382 18
26 11,08 10,465 35 10,618 13 9,381 87
27 10,38 10,456 82 10,618 37 9,381 63
28 11,62 10,573 14 10,618 57 9,381 43
29 11,31 10,646 82 10,618 73 9,381 26
30 10,52 10,634 14 10,618 87 9,381 13
8 © ISO 2016 – Tous droits réservés
On peut remarquer sur la Figure 3 que les limites de contrôle augmentent en largeur au fur et à mesure
que i augmente de i = 1, 2, …, puis qu’elles se stabilisent aux valeurs en régime établi données par les
Formules (19) et (20):
σλ
UL=+μ
CL 0 z
2−λ
n ()
01,
=+10 27, ××1 (19)
20− ,1
()
=10,61942
et
σλ
LL=−μ
CL 0 z
2−λ
n ()
01,
=−10 27, ××1 (20)
20− ,1
()
=9,38058
Légende
1 U = 10,62
CL
2 CL = 10,00
3 L = 9,38
CL
Figure 3 — Carte de contrôle EWMA
La carte de contrôle EWMA signale que l’observation 28 dépasse U . On en conclut donc que le
CL
processus est hors maîtrise.
5 Choix de la carte de contrôle
5.1 Comparaison de la carte de contrôle de Shewhart et de la carte contrôle EWMA
À la différence de la carte de Shewhart, il n’est pas possible de donner la probabilité de déceler un
déréglage dans le processus basé sur un échantillon car cette probabilité n’est pas constante. Elle
dépend du nombre d’échantillons. On peut calculer cette probabilité pour chaque échantillon, mais ces
probabilités sont trop nombreuses pour être utilisables dans la pratique.
L’efficacité de la procédure EWMA se juge donc d’après la POM, c’est-à-dire le nombre moyen
d’échantillons successifs nécessaires pour détecter un déréglage.
Si le processus est sous maîtrise, on souhaite que les fausses alarmes soient peu nombreuses,
c’est-à-dire que le nombre moyen d’échantillons avant une fausse alarme soit élevé (en général POM
entre 100 et 1 000).
Par contre, s’il y a un déréglage, on souhaite qu’il soit décelé le plus vite possible, c’est-à-dire que le
nombre d’échantillons se situant entre le moment du déréglage et celui du premier point hors des
limites de contrôle soit le plus faible possible (POM faible).
Pour des déréglages de faible ou moyenne importance, la procédure EWMA a une très bonne efficacité
comparée à la carte de contrôle de Shewhart: plus λ est faible, meilleure est l’efficacité. Par contre, la
carte de contrôle de Shewhart est plus efficace pour des déréglages brusques et élevés.
L’efficacité de la carte dépend de l’effectif des échantillons: elle est d’autant meilleure que n est grand
(voir l’Annexe D).
5.2 Période opérationnelle moyenne
Le Tableau 3 indique la POM et la POMAX de la carte en fonction du déréglage, δ n . Il est donc possible
d’obtenir l’efficacité de toute valeur de n.
Par exemple, la carte de contrôle EWMA avec λ = 0,5, L = 2,979 et n = 1 détecte un déréglage de
z
δ = 1 écart-type sur 14,5 échantillons en moyenne car δ n= 1, alors que la même carte avec n = 4 le
décèle en 3,2 échantillons car δ n= 2 .
Dans le Tableau 3, les valeurs de L pour les procédures EWMA ont été choisies pour que la période
z
opérationnelle moyenne (POM) soit égale à 370 (c’est-à-dire la même que celle de la carte de contrôle de
Shewhart), avec des limites de contrôle établies à ±3σ n quand le déréglage δ est égal à 0. On peut
donc comparer les chiffres des six colonnes directement puisqu’il s’agit de procédures de contrôle qui
ont le même nombre de fausses alarmes. Le Tableau 3 montre que l’efficacité pour détecter des faibles
déréglages est meilleure pour des petites valeurs de λ (par exemple la POM va de 14,9 à 7,6 pour δ n= 1
); et c’est l’inverse pour les déréglages importants (par exemple la POM va de 1,6 à 1,5 pour δ n= 3 ).
Le choix de λ et de L se fait de façon à obtenir une période opérationnelle moyenne que l’on se fixe a
z
priori comme objectif de qualité. On peut donc ainsi obtenir des cartes qui correspondent aux exigences
pratiques de l’industrie ou des services.
Tableau 3 — Comparaison des périodes opérationnelles moyennes des cartes de contrôle
EWMA et de Shewhart
Carte de
contrôle de Carte de contrôle EWMA
Déré-
Shewhart
glage
λ = 1,0 λ = 0,5 λ = 0,4 λ = 0,3 λ = 0,2 λ = 0,1
L = 3,0 L = 2,979 L = 2,961 L = 2,928 L = 2,864 L = 2,715
z z z z z z
POM POMAX POM POMAX POM POMAX POM POMAX POM POMAX POM POMAX
δ n
0,00 370,4 370,4 370,8 370,9 370 370,9
0,25 281,2 842 195,7 584 173,8 518 148,5 441 119,6 353 86,3 248
0,50 155,2 464 71,3 211 58,0 170 45,8 132 35,0 97 25,7 66
0,75 81,2 242 29,9 86 24,0 67 19,2 52 15,4 39 12,5 29
1,00 43,9 130 14,9 41 12,3 33 10,3 26 8,8 21 7,6 17
1,25 25,0 74 8,7 23 7,5 18 6,6 15 5,9 13 5,3 11
1,50 15,0 44 5,7 14 5,1 12 4,7 10 4,3 9 3,9 8
10 © ISO 2016 – Tous droits réservés
Tableau 3 (suite)
Carte
...








Questions, Comments and Discussion
Ask us and Technical Secretary will try to provide an answer. You can facilitate discussion about the standard in here.
Loading comments...