Pré-test

• Remplissez le questionnaire en se basant sur votre

connaissance

• Ce n'est pas une épreuve individuelle «contrôle» test

• Cela nous permettra d'avoir une idée de votre niveau de

connaissances sur le sujet avant la formation (ainsi, si vous ne
savez pas, ne vous inquiétez pas ...)

• Nous allons refaire le questionnaire à la fin du cours pour

mesurer l'apprentissage qui a eu lieu ...)

15 minutes
 Sommaire
I/ INTRODUCTION III/ ANALYSES DES SYSTEMES DE
1- Objectif MESURE
2- Exigences normatives 1- Types d’étude MSA
3- Principe 2- Etude Biais & Linéarité
3- Méthode d’analyse R&R
II/ DEFINITIONS pour les variables
1- Résolution 4- Méthode d’analyse pour
2- Sensibilité les attributs
3- Biais
4- Stabilité IV/ EXERCICES PRATIQUES
5- Linéarité
6- Reproductibilité V/ APPLICATION AU CAS DE
7- Répétabilité L’ENTREPRISE
8- Etude R&R
9- Précision
10-Incertitude ( Erreur)
I/ INTRODUCTION

1- Objectif

2- Exigences normatives

3- Principe
1- Objectifs
• Acquérir les méthodes pour l’analyse des
systèmes de mesure
• Assurer la confiance dans les mesures par
rapport à :
 Conformité des paramètres produit et process
aux spécifications (client, plan de surveillance,
normes)
 Capabilité des systèmes de mesure
 Fiabilité du produit
 Anticiper les dérives des systèmes de mesure
 Standardiser l’approche d’analyse au sein du
groupe multidisciplinaire
 2- Normes
REFERENTIEL EXIGENCE

PPAP chap. 2.2.8:

Production part approval L’organisme doit appliquer des méthodes MSA pour
process- tous les gabarits, moyens de mesure et d’essai
Processus d’approbation nouveaux , modifiés ou réparés
de la production série
Des études statistiques doivent être menées pour
ISOTS16949 chap. 7.6.1 analyser les variations des résultats de chaque
Analyse du système de système de mesure et d'essais. Cette exigence
mesure s'applique aux systèmes de mesure référencés dans le
plan de surveillance. Les méthodes analytiques et les
critères d'acceptation utilisés doivent être conformes à
ceux qui figurent dans les manuels de référence du
client relatifs à l'analyse des systèmes de mesure.
D'autres méthodes d'analyse et d'autres critères
d'acceptation peuvent être utilisés s'ils sont approuvés
par le client.
APQP :Planning avancé de Voir phases MSA selon planning APQP
la qualité
5 du Produit
2- Normes:
Phases MSA selon Planning APQP
Planning Prototype Présérie Production
validé série
K Plan
Jalon
Spécifications des
Plan Etudes
Planification équipements de
MSA
mesure Evaluation Etudes
Projet
MSA
Conception et Développement
Produit

Conception et Développement
Etudes MSA de
Process Surveillance

Validation Produit & Process

Production

Phases Projet
Qu'est-ce que c'est MSA ?

• L' MSA est un outil statistique utilisé pour déterminer si un système de mesure est
capable de mesurer avec précision.

Objectif ou but?

Déterminer la quantité d'erreur dans la mesure due au processus de mesure lui-même.

Quantifier la variation ajoutée par le système de mesure.
Applicable aux données d'attributs et de données variables.

Quand l'utiliser?

• Pour tout nouvel procédé ou modifié pour assurer la fiabilité des données.

Qui doit être impliqué?

• Toute personne qui mesure et décide au sujet de ces mesures, doit être
impliqué dans l’ MSA.
 3- Principe :
MSA / ASM Analyse des Systèmes de mesure
 Analyse : - Quantifier les variations et l’intervalle d’erreur
- Mesurer la capabilité .
- Détecter les sources de variation .
- Prévenir les défaillances .
- Améliorer les performance .
 Systèmes de mesure: - c’est un Processus(5M) pour obtenir une mesure ;
Gabarits, Equipements, Logiciels, Personnel,
Méthodes de travail , Environnement
3- Principe :

Processus de Transformation Sorties:

Entrées
Production ou Prestation Produit
Prestation

Processus de Mesure Entrées

Sorties:
Observations
Mesures
 3- Principe :

Processus Sorties:
Entrées Processus de
de Transformation Observations
Mesure
Production ou Prestation Mesure produit

Variation réelle du Variation du système

Processus dû à la pièce de mesure Biais,
Linéarité,
Stabilité;
Cm , Cmk ,Cp , Cpk Equipement Précision,
Résolution
Répétabilité

Opérateur Reproductibilité
 La variation du système de mesure doit être identifiée , chiffrée
et séparée de celle du processus de transformation
Moyenne- Ecart Type- Courbe de dispersion en
cloche(Gauss)

99,73 %
95,45 %
68,20 %

A A

B Ecart
type= σ B

C C

−3σ +3σ
moyenne

Dispersion = 6 σ
Dispersion: c’est l’intervalle de variation d’une
caractéristique ou d’un procédé
Impact de la variation du système de mesure sur
les performances du processus
16
SC Vp V p+sm SC: Spécifications client
Vp: Variation du processus
14
Vp+sm: Variation du processus
+ système de mesure
12

10

46,5 50 53,5 57 60,4 64 67,5

II/ DEFINITIONS

1- Résolution
2- Sensibilité
3- Biais
4- Stabilité
5- Linéarité
6- Reproductibilité
7- Répétabilité
8- Etude R&R
9- Précision
10-Incertitude ( Erreur)
11- Variation du système de mesure
1- Résolution:
La plus petite valeur lisible sur l’échelle de divisions.
Elle est le plus petit différentiel de mesure que
l'instrument est capable de détecter. On choisit en
général un instrument qui a une définition de
mesure au moins égale au dixième de l'intervalle de
tolérance de la spécification contrôlée.

Plus la résolution est élevée , plus la précision est

meilleur
Résolution

Erreur dans la résolution:

L'incapacité à détecter de petites

variations.

Cause possible:
instrument de mesure non
Adéquate ( graduation dans
l’échelle n'est pas assez fine pour
détecter les changements.

2- Sensibilité:
La plus petite valeur détectable
par l’équipement
3- Biais:
Différence entre la valeur réelle et la moyenne des
mesures observées sur la même caractéristique sur les
mêmes pièces

Valeur réelle/
de référence

Biais

μ x
Moyenne des mesures observées
4- Stabilité: Variation du biais dans le temps

Biais Instabilité

Théorique

t
5- Linéarité: Variation du biais dans l’étendue opérationnelle
de mesure

Biais non linéaire

Valeur observée Biais linéaire

Valeur réelle
 6- Reproductibilité:
Variation due aux opérateurs AV, lors de la mesure par le
même équipement de la même pièce et la même
caractéristique

7- Répétabilité:
Variation due à l’équipement de mesure EV, lors de la
mesure plusieurs fois de la même pièce et la même
caractéristique par le même opérateur

8- Etude R&R:
Estimation de la variation combinée de la Répétabilité et la
Reproductibilité
 Etudes et analyses de systèmes de mesure et de contrôle

Répétabilité

Erreur dans Répétabilité:

L'incapacité d’obtenir la même réponse à partir
des mesures répétées du même article dans des
conditions absolument identiques.
Cause possible:
Manque de procédures opérationnelles normalisées
l'absence de formation, variabilité de système de
mesure .

Variation due l’équipement

EV
 Etudes et analyses de systèmes de mesure et de contrôle

Reproductibilité

Erreur dans Reproductibilité:

L'incapacité d'obtenir la même
réponse avec le même système de
mesure et avec des mesures
effectuées dans des conditions
différentes de différents operateurs.
Cause possible:
manque de formation, manque de procédure

Variation due à l’opérateur

AV
9- Précision:
Résultat net de la Résolution, la Sensibilité et
la Répétabilité

Un instrument de précision, lorsque bien

utilisé, fournit une mesure très voisine de la
valeur exacte recherchée

10- Incertitude (Erreur):

Intervalle de variation autour de la valeur observée et
qui devrait contenir la valeur réelle
III/ ANALYSE DES SYSTEMES DE MESURE

1- Types d’ études MSA

2- Etude Biais & Linéarité
3- Méthode d’analyse R&R pour les variables
4- Méthode d’analyse pour les attributs
 1- Types d’études MSA :

TYPE DE DONNEES

Variables/mesurables Attributs/ non mesurables

JUSTESSE PRECISION

Etude de Biais / Linéarité Gauge R&R Etude Attribut

 1. Etude du Biais: Méthodologie

• Etablir une valeur de référence en utilisant un standard ou une

pièce de la production mesurée 10 fois minimum dans le labo

• Mesurer la pièce répétitivement en utilisant le système de

mesure à évaluer

• Dresser le tableau des valeurs

• Calculer le Biais
• Calculer l’écart type
• Analyser les données
 Etude de biais

On calcule le biais moyen d’un échantillon( n=10 ou plus ) et à

partir de ce biais , on conclut sur l’acceptabilité du biais de la
population , pour cela , on applique le test d’hypothèse ci-dessous :

H 0 : Biais = 0
H1 : Biais ≠ 0

Pour faire une étude sur le biais , on va utiliser la méthode de test d’hypothèse
Le principe de test d’hypothèse , c’est de supposer pour un «échantillon de petite
taille que le biais est proche de 0 , ( on le calcul , ) et si on démontre
statistiquement que ce biais est égale à zéro , on conclut que le biais de la
population est égale à zéro , ça veut dire que l’hypothèse H0 est vraie
Méthodologie :

•Etablir une valeur de référence en utilisant un standard ou une pièce de la

production mesurée n=10 fois minimum dans le laboratoire.

•Mesurer la pièce répétitivement en utilisant le système de mesure à évaluer.

•Dresser le tableau des valeurs.

•Calculer le biais

•Calculer l’écart type

•Analyser les données

Exemple :

Pièce mesurée: Rondelle d'embrayage

Instrumentation: Palmaire
Caractéristique: Epaisseur
Valeur de référence: VR=3,67
Essai Valeur mesurée Xi Biais(i)=Xi-VR
1 3,67 0
2 3,66 -0,01
3 3,68 0,01
4 3,68 0,01
5 3,67 0
6 3,69 0,02
7 3,7 0,03
8 3,67 0
9 3,66 -0,01
10 3,67 0

• On détermine le biais de chaque mesure =

X i : Biaisi X i − VR , i=1,…,n.
n

∑(X − X )2
i
• Ecart-type des X i : σ répétabilité
= σ= i =1
= 0, 0127
n −1
r

σr
• Ecart-type de la moyenne des: X i σb
= = 0, 004
n
n

∑ biais i
• =
Biais moyen: biaisMOY =
i =1
0, 005
n
Etude de biais
Etude de biais
Etude de biais
Etude de biais
Etude de biais
Etude de biais
Etude de biais
Etude de biais
Etude de biais

Par conséquent , le biais est acceptable.

Synthèse :

n Moyenne Ecart-type σ r Ecart-type de

moyenne σ b
10 3,675 0,0127 0,004

Valeur de référence : 3,67 α = 5%

mm,
ddl Valeur sig. de t Intervalle du à 95% de
biais
confiance
Sup
Inf
9 2,262 -0,004 0,014
 Etude du Biais: Synthèse

0.00

-0.004 0.014

2.5% 2.5%

x
0.005
EXERCICE
 2. Etude de Linéarité: Méthodologie
• Sélectionner au minimum 5 pièces couvrant l’étendue
opérationnelle de l’équipement de mesure

•Déterminer les valeurs de référence en utilisant un standard ou

des pièces de la production mesurées 10 fois minimum dans le
labo

• Mesurer chaque pièce au minimum 10 fois répétitivement en

utilisant le système de mesure à évaluer

• Dresser le tableau
• Tracer la régression
• Analyser les données
 Exemple :
Valeur de référence mesurée au labo

num essai Valeur de

num pièce 1 2 3 4 5 6 7 8 9 10 référence
pièce 1 3,19 3,19 3,21 3,2 3,18 3,18 3,17 3,2 3,22 3,19 3,19 mm
pièce 2 3,27 3,29 3,27 3,26 3,25 3,26 3,25 3,27 3,28 3,24 3,26 mm
pièce 3 3,37 3,37 3,36 3,37 3,35 3,38 3,36 3,38 3,38 3,37 3,37 mm
pièce 4 3,67 3,66 3,68 3,68 3,67 3,69 3,7 3,67 3,66 3,67 3,67 mm
pièce 5 5,05 5,04 5,02 5,03 5,04 5,05 5,07 5,06 5,07 5,03 5,05 mm

• Analyse graphique de résultats :

 Calculer le biais des pièces pour chaque mesure et le biais moyen pour chaque pièce.
biaisi , j =
xi , j − (valeur référence)i i =
1, …, n ; j =
1,..., m (essai)
n=5 = nombre des pièces et m=10 = nombre des essais.
On définit le biais moyen associé à la pièce i par :

∑ biais
j =1
i, j

biaisMOYi =
m
 on obtient :

num essai Biais moyens

1 2 3 4 5 6 7 8 9 10
num pièce observé
pièce 1 0 0 0,02 0,01 -0,01 -0,01 -0,02 0,01 0,03 0 0,003
pièce 2 0,01 0,03 0,01 0 -0,01 0 -0,01 0,01 0,02 -0,02 0,004
pièce 3 0 0 -0,01 0 -0,02 0,01 -0,01 0,01 0,01 0 -0,001
pièce 4 0 -0,01 0,01 0,01 0 0,02 0,03 0 -0,01 0 0,005
-
pièce 5 0 -0,01 -0,03 0,02 -0,01 0 0,02 0,01 0,02 -0,02 -0,004

Valeur de référence X i Biais moy Yi de

chaque pièce
3,19 mm 0,003
3,26 mm 0,004
3,37 mm -0,001
3,67 mm 0,005
5,05 mm -0,004

 Tracer les biais individuels et les biais moyens par rapport aux valeurs de
référence sur un graphique linéaire.
 Calculer et tracer la droite de meilleur ajustement et les intervalles de confiance
des biais moyens à l’aide des équations suivantes :
Pour la droite de meilleur ajustement, on utilise =
yˆi axi + b où xi est la valeur de référence de
la pièce i et yˆi le biais moyen estimé associé à cette pièce. ( a et b sont calculés avec
estimation ) donc on doit calculer le biais moyen par estimation ^y et c’est à partir de ^y on
va déterminer l’intervalle de confiance de biais moyen pour chaque pièce i
n
1 n n

∑ xi yi − ( ∑ xi ∑ yi )
n i 1 =i 1
= i1 n
La pente a = =
et . b= y − ax
1 n
=i 1 =
∑ xi − n (∑
2

i 1
xi ) 2

Valeur de référence X i Biais moy Yi de Biais moy

chaque pièce estimé Yˆi de
chaque pièce
3,19 mm 0,003 0,0033
3,26 mm 0,004 0,0030
3,37 mm -0,001 0,0026
3,67 mm 0,005 0,0015
5,05 mm -0,004 -0,0034
Formule de calcul des intervals de confiance :

yˆ 0 − y0
On pose =
ŷ0 ax0 + b et on rappel que : t = 1
 tn − 2
 
2
1 ( x0 − x ) 2 
 + n  .s
 ( xi − x ) 2 
∑
n

 i =1 

Pour un x0 donné, les intervalles de confiances des biais moyens associés à chaque valeur de
référence i, au risque α sont :

 1

   2

  1 ( x0 − x ) 2 

Limite inférieure : yˆ 0 − t α .  +  .s  y0 = biais y1 , y2 , y3 ,y4 y5
 
n
n − 2;1−
∑
 n
2
 ( xi − x )  
2

  i =1  
 

 1

   2

  1 ( x0 − x ) 2 

Limite supérieure : yˆ 0 + t α .  +  .s 
 
n
n − 2;1−
∑
 n
2
 ( xi − x )  
2

  i =1  
ces deux limites sont des intervalles de confiance pour chaque pièce de biais moyen

 L’écart-type de la variabilité de la répétabilité : σ répétabilité = s

 Tracer la ligne biais=0
Pour que la linéarité soit acceptable, la ligne biais=0 doit être située
entièrement à l’intérieur des intervalles de confiance de ligne ajustée.
Etude de cas de linéarité de l’instrumentation et biais avec MINITAB :

Etude de linéarité de l'instrumentation et biais de Epaisseur

N om de l'instrumentation : P almère
Date de l'étude : 27/03/2013

Linéarité de l'instrumentation
P rédicteur C oeff C oeff E rT P
Régression
0,03 C onstante 0,01471 0,01075 0,177
IC à 95 %
P ente -0,003591 0,002849 0,214
Données
Biais moy.
S 0,0139152 R carré 3,2 %
0,02

Biais de l'instrumentation
0,01
Référence Biais P
M oy enne 0,0014 0,490
3,19 0,0030 0,564
Biais

0,00 0
3,26 0,0040 0,445
3,37 -0,0010 0,746
3,67 0,0050 0,246
-0,01
5,05 -0,0040 0,445

-0,02

-0,03

3,0 3,5 4,0 4,5 5,0

V aleur s de r éfér ence
Interprétation :

Pour les données sur les pièces, il semble qu’il n’y a pas du problème de linéarité. Les
mesures sont presque égales aux mesures des pièces de références correspondantes.

• Dans le tableau de biais de l’instrumentation, on trouve que le moyen des biais

moyens (0,0014) indique qu’il y a une variabilité négligeable due au biais.
la valeur de probabilité (p_value) associé à ce biais est 0,49, cette valeur étant
supérieure au seuil de signification choisi (niveau de α ), généralement défini sur
0,05, on accepte l’hypothèse H0 : biais moyen =0.
• Dans le tableau de la linéarité de l’instrumentation, les valeurs de la pente et de la
constante sont respectivement égales à -0,003592, (0,01471), et leurs valeurs de
probabilité (p_value) sont respectivement 0,214 ,(0,177), donc les hypothèses a=0
et b=0 sont vraies, et par conséquent on peut dire que le système de mesure a le
même biais pour toutes les valeurs de références et la linéarité est acceptable.
ETUDE DE CAS
 3. Etude R&R: Méthodologie

• Avant d’entamer l’étude, assurer vous de l’adéquation du choîx de

la méthode d’analyse

•Tous les opérateurs doivent être formés sur la méthode de mesure

•Les mesures doivent être réalisées dans un ordre aléatoire
• Attention à l’effet mémoire. Les pièces doivent être identifiées au
labo de sorte à ce que l’opérateur ne devrait pas reconnaître la
pièce reprise avant la mesure

• Pour minimiser l’effet du temps et de l’environnement, l’étude

devrait être terminée le plus rapidement possible
 Etude R&R: Types
Type de Méthode
méthode
Méthode de 2 Opérateurs et au minimum 5 pièces
l’étendue Chaque opérateur mesure chaque pièce 1fois
Méthode 2 ou 3 opérateurs et 10 pièces.
moyenne et Chaque opérateur mesure chaque pièce 2 ou 3 fois
étendue
Méthode de la
carte de contrôle 2 ou 3 opérateurs et 10 pièces.
Utilisation des cartes de contrôle pour le calcul
de la variation , Chaque opérateur mesure
chaque pièce 2 ou 3 fois

Méthode de 2 ou 3 opérateurs et 10 pièces.

la variation Utilisation de la méthode ANOVA pour le
(ANOVA) calcul de la variation . Chaque opérateur
mesure chaque pièce 2 ou 3 fois
 Etude R&R: Critères d’acceptation

Indice % GRR Décision

% GRR ≤ 10% Acceptable

10% ≤%GRR≤30% Limite mais acceptable par une
autorité compétente ou par le client
% GRR > 30% Inacceptable
ndc ≥ 5 Acceptable
ndc < 5 Inacceptable
 Etude R&R: Méthode de l’Etendue

APPLICATIONS:

•Estimation préliminaire à court terme de la Répétabilité

•Peut être utilisée par le fournisseur avant livraison de
l’équipement

• Peut être utilisée pour une vérification rapide lors du

développement d’un équipement

• peut être utilisée pour la validation rapide de l’équipement au

début du processus de validation
 Etude R&R: Méthode de l’Etendue

LIMITES:

•Cette méthode fournit seulement une estimation approximative de

la variation du système de mesure

•Cette méthode ne permet pas la séparation de la variation due à

la Répétabilité de celle due à la Reproductibilité
 Etude R&R: Méthode de l’Etendue

ableau de Collecte de données

N° Pièce Opérateur A Opérateur B Opérateur C
1

Moyenne de l’étendue R =

GRR (R / d2 ) =

% GRR = 100* ( GRR / Process variation)

Etude R&R: Méthode de la carte de contrôle

EVALUATION:

•Calculer l’étendue pour chaque pièce/opérateur : R = X max – X min

∑ xi
•Calculer la moyenne des mesures par opérateur: X = ---------
N
∑
•Calculer la moyenne de l’étendue par opérateur: R = ------------Ri
N
•Calculer les limites de contrôles supérieures par LCS = R * D4
• NB: D4 est définit selon le nombre d’essai dans le tableau ci-joint
• Les valeurs au delà des limites de contrôles devraient être analysées
et les causes identifiées et éliminées.
 Limites de contrôles
Norme NFX 06-031:Tableau des coefficients
Effectif Moyennes Etendues Coefficient
échantillon pour
Contrôle Surveillance Contrôle Surveillance l’estimation
(n)
A2 A2’ D3 D4 D3’ D4’ d2 de σ
2 1.881 1.254 3.268 2.512 1.128
3 1.023 0.682 2.574 2.049 1.693
4 0.729 0.486 2.282 0.14 1.855 2.059
5 0.577 0.385 2.114 0.257 1.743 2.326
6 0.483 0.322 2.004 0.331 1.669 2.534
7 0.419 0.280 1.924 0.384 1.616 2.704
8 0.373 0.248 0.076 1.864 0.424 1.576 2.847
9 0.337 0.224 0.136 1.816 0.456 1.544 2.970
10 0.308 0.205 0.184 1.777 0.482 1.518 3.078
11 0.285 0.190 0.223 3.173
12 0.266 0.177 3.258
13 0.249 0.166 3.336
14 0.235 0.157 3.407
15 0.223 0.149 3.472
TABLEAU DE COLLECTE DE DONNEES
Opérateur Essai 1 2 3 4 5 6 7 8 9 10 moyenne

Moyenne Xa
Etendue Ra

Moyenne Xb
Etendue Rb

Moyenne Xc
Etendue Rc
Moy. / pièce X
 Etude R&R: Méthode de la carte de contrôle

Tableau de Collecte de données

Moyenne des Etendues des pièces

∑ Rpi
Rp=---------
N

Moyenne des étendues = (Ra+ Rb+ Rc) / 3 R

Différence des moyennes = Max X – Min X X diff

Limite de contrôle supérieure de l’étendue UCLR= R* D4

Etude R&R: Méthode de la carte de contrôle

EVALUATION:
•Calculer la Répétabilité ( Variation de l’équipement): EV = R * K1
•Calculer la Reproductibilité ( Variation de l’opérateur) :
( X diff * K 2) 2 − ( EV 2 ÷ ( n * p ))
AV =

• Calculer La variation des pièces : PV = Rp * K3

n = nombre de pièces
p = nombre d’essai
 Tableau des coefficients

Coefficient K1 Coefficient K2 Coefficient K3

N° Essais K1 K2 N° Pièces K3
N° Opérateurs
2 0.8862 2 0.7071 2 0.7071
3 0.5908 3 0.5231 3 0.5231
4 0.4467
5 0.4030
6 0.3742
7 0.3534
8 0.3375
9 0.3249
10 0.3146
Etude R&R: Méthode de la carte de contrôle

EVALUATION:

•Calculer le GRR: =
GRR ( EV 2 + AV 2

%GRR1 = 100 * (GRR / TV )

•Calculer le % GRR : %GRR 2 = 100 * (GRR /( IT / 6))

• Calculer la variation totale TV: TV = (GRR + PV2 2

)
•Calculer l’indice ndc (nombre de catégories distinctes):
ndc = 1.41* ( PV / GRR)
ETUDE DE CAS
 Tableau de synthèse
Equipement: K1: Nombre d’opérateurs:
Caractéristique: K2: Nombre d’essais:
Spécification: K3: Nombre de pièces:
Variation %variation / TV %variation / Tol

Répétabilité EV= % EV= 100*EV/TV % EV= 100*EV/Tol =

=

Reproductibilité AV= % AV= 100*AV/TV % AV= 100*AV/Tol =

=

GRR= % GRR= 100*GRR/TV % GRR= 100*GRR/Tol=

=

Variation des pièces PV= % PV= 100*PV/TV % PV= 100*PV/Tol=

=

Variation Totale TV= ndc=

 TABLEAU DE COLLECTE DE DONNEES: Exemple
Opé Ess. 1 2 3 4 5 6 7 8 9 10
1 10.93 10.96 10.95 10.98 10.96 10.94 10.96 10.96 10.97 10.97
A
2 10.93 10.96 10.96 10.97 10.96 10.94 10.96 10.97 10.96 10.98

3 10.93 10.96 10.96 10.98 10.96 10.94 10.96 10.97 10.97 10.97

Moy.
Etendue 0 0 0.01 0.01 0 0 0 0.01 0.01 0.01

1 10.93 10.96 10.96 10.97 10.95 10.93 10.95 10.96 10.96 10.97
B 2 10.92 10.96 10.94 10.95 10.93 10.93 10.95 10.95 10.95 10.96

3 10.93 10.95 10.95 10.97 10.95 10.94 10.96 10.96 10.96 10.96

Moyenne
Etendue 0.01 0.01 0.02 0.02 0.02 0.01 0.01 0.01 0.01 0.01

1 10.92 10.96 10.95 10.97 10.95 10.93 10.96 10.96 10.96 10.97
C
2 10.93 10.96 10.96 10.97 10.95 10.93 10.96 10.96 10.96 10.97

3 10.92 10.96 10.96 10.97 10.95 10.93 10.96 10.96 10.96 10.97

Moyenne
Etendue
Moy/pc
Tableau de Collecte de données: Exemple
Application: Essayer de calculer les indicateurs à partir du
tableau des mesures précédent

Xa Rp

Ra R
Xb X diff
Rb
UCLR
Xc

Rc

X
 Tableau de synthèse : Application: calculer les indicateurs
Equipement: K1: Nombre d’opérateurs:
Caractéristique: K2: Nombre d’essais:
Spécification: K3: Nombre de pièces:
Variation %variation / TV %variation / Tol

Répétabilité EV= % EV= 100*EV/TV % EV= 100*EV/Tol =

=

Reproductibilité AV= % AV= 100*AV/TV % AV= 100*AV/Tol =

=

GRR= % GRR= 100*GRR/TV % GRR= 100*GRR/Tol=

=

Variation des pièces PV= % PV= 100*PV/TV % PV= 100*PV/Tol=

PV = Rpx K3 =

Variation Totale TV= ndc=

 R&R – Moyenne et Etendue

•Collecter n = 10 pièces représentative de la variation de la

Production.
•Identifier les testeurs par A, B, C ( minimum 2 testeurs) et
numéroter les pièces de 1 à n de sorte que le nombre ne soit
pas visible par le testeur
•Faire mesurer les n pièces par le testeur A dans un ordre
aléatoire et répéter l’opération pour les testeurs B et C
•Répéter le cycle en modifiant l’ordre des pièces (minimum 2
cycles)
Cette méthode permet de séparer la répétabilité et la
reproductibilité (R&R) mais pas leur interaction
2- Méthode Moyenne et Etendue :
La Méthode Moyenne et Etendue effectue une analyse similaire que ANOVA en utilisant une
approche statistique différente.
Carte R :

Interprétation :

La carte R est une carte de contrôle des étendues qui représente graphiquement la cohérence
des opérateurs. Une carte R se compose des éléments suivants :
• Les points relevés, qui représentent, pour chaque opérateur, la différence entre les
mesures minimales et maximales sur chaque pièce. Si les mesures sont identiques,
l’ étendue est égale à 0.
• La ligne centrale, qui est la moyenne générale des étendues (moyenne de toutes les
étendues des sous-groupes).
• Dans notre cas, tous les points se situent au-dessous de la limite de contrôle
supérieure, donc Tous les opérateurs obtiennent des mesures régulières pour chaque
pièce.
Carte X :

Interprétation :

La carte X barre se compose des éléments suivants :

• Les points relevés, qui représentent, pour chaque opérateur, la mesure moyenne sur
chaque pièce.
• La ligne centrale, qui est la moyenne globale des mesures de toutes les pièces par tous
les opérateurs.
• Les limites de contrôle (LCI et LCS), basées sur l’estimation de répétabilité et sur le
nombre de mesures dans chaque moyenne.

Pour ces données, de nombreux points se situent au-dessus ou au-dessous des limites de
contrôle. Ces résultats indiquent que la variation de pièce à pièce est beaucoup plus
importante que la variation causée par l’instrument de mesure.
Rapports pour le système de mesures :
3 opérateurs 10 pièces 3 essais

Etendue moyenne = 0,0263333 Etendue des x-barres = 0,0193333

Rapport R&R pour le système de mesure

Mesure Ecart-type Pct de la Variance Pct de la Pct de la

Unité estimé variation totale estimée contribution R&R
Répétabilité 0,0154835 2,42295 0,000239739 0,0587069 71,77
Reproductibilité 0,00971086 1,51961 0,0000943008 0,0230922 28,23
R&R 0,0182768 2,86006 0,00033404 0,0817992 100,00
Pièces 0,638774 99,9591 0,408032 99,9182
Variation totale 0,639035 100.0 0,408366
Nombre de catégories distinctes (ncd): 49
R&R d'instrumentation (X barre-R) pour mesure
A uteur :
N om de l'instrumentation : Tolérance :
Date de l'étude : M auv . class. :

Composantes de la variation mesure par Pièces

100 % Contribution
5
% Var étude
Pourcentage

50 4

3
0 1 2 3 4 5 6 7 8 9 10
R&R de l'instrumentation Répéter Reprod. De pièce à pièce
Pièces
Carte R par Opérateurs
mesure par Opérateurs
Etendue échantillon

A B C
LCS=0,06779 5
0,050
_
0,025 R=0,02633 4
0,000 LCI =0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
3
Pièces A B C
Opérateurs
Carte X barre par Opérateurs
Moyenne de l'échantillon

A B C Interaction Pièces * Opérateurs

5
5 Opérateurs
A
_
_
Moyenne

4 LCS=3,892
X=3,865
B
LCI =3,838
4 C

3
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
3
Pièces 1 2 3 4 5 6 7 8 9 10
Pièces
Interprétation des résultats :

• En se basant sur une étude mettant en œuvre 3 opérateurs, chacun

mesurant 10 pièces 3 fois, l'écart-type estimé du procédé de mesure est
égal à 0,0182768. En incluant pièces, la variation totale (VT) est égale à
0,639035.

• On doit s’assurer que le pourcentage de la variation totale dû à la R&R est

relativement petit. Dans notre cas, cette valeur est égale à 2,86006%.
D'une façon générale, un instrument de mesure est dit acceptable si le
pourcentage total de variation dû à la R&R est inférieur à 10.

• De la variance totale dû à la R&R(100%), on a 28,2304% proviennent des

différences entres les opérateurs (Reproductibilité) alors que 71,7696%
proviennent de l'instrument (Répétabilité).
Interprétation des résultats :

• Le nombre de catégories distinctes (ncd) qui peuvent être distinguées de

façon fiable par le système de mesure dans cette étude est de 49.
Habituellement, ce nombre ne doit pas être inférieur à 5.
 Discrimination du processus de mesure

La mesure d'une caractéristique produit ou processus consiste à

identifier quel est le niveau atteint par la caractéristique. Pour cela, il
faut que l'appareil soit capable de détecter une petite variation. Une
des règles de base est que la résolution de l'instrument doit être égale
au dixième de la tolérance. Cependant, pour pouvoir piloter
correctement un processus avec une carte de contrôle, il faut aussi que
l'instrument dispose d'un pouvoir de discrimination plus fin que la
dispersion du processus que l'on veut piloter. Nous apprendrons à
déterminer un indice ndc (nombre de catégories distinctes).
ndc = 1.41 ( Dispersion processus de fabrication )/( dispersion processus de mesure)

NOTE: Cet indice devra être supérieur à 5 pour être satisfaisant.

82
Nombre de catégories distinctes (ncd) :
La valeur Nombre de catégories distinctes estime le nombre de groupes de
pièces différents que le système peut distinguer. Minitab calcule le nombre de
catégories distinctes pouvant être observées de manière fiable comme suit :

σˆ pièce
× 2
σˆ R & R
Conclusion :
ces résultats donnés par Statgraphics et Minitab
montrent que les opérateurs sont capables
de mesurer les épaisseurs de chaque pièce
quelque soit sa dimension, par la suite chaque
mesure effectuée par ces derniers dans le sujet
est considérée comme fiable.
ETUDE DE CAS
 Etude ANOVA:
APPLICATIONS:

• Appliquée pour les essais complexes incluant d’autres sources de

variation

• Peut estimer la variation plus efficacement

INCONVENIENTS:

• Nécessite un degré complexe de calcul et d’analyse

• Difficile à réaliser et nécessite de la finesse lors de la collecte de
données

• Nécessite l’utilisation de programme de calcul statistique

Exemple :

Tableau ANOVA :

Source SCE dl MSE Rapport Proba.

F
Opérateurs 0,00640889 2 0,00320444 7,36 0,0046
Pièces 45,3699 9 5,0411 11580,51 0,0000
Opérateurs*Pièc 0,00783556 18 0,000435309 1,70 0,0640
es
Répétabilité 0,0153333 60 0,000255556
Total 45,3994 89

Interprétation :
Le tableau de l'ANOVA divise la variabilité totale en plusieurs composants. Le premier
composant représente les différences entre les opérateurs. Le deuxième composant
représente les différences entre les pièces. Le troisième composant représente les
interactions entre opérateurs et pièces. Comme la valeur de la probabilité dans le
tableau de l'ANOVA est supérieure ou égale à 0,05, il n'y a pas d'interaction
statistiquement significative entre opérateurs et pièces au niveau de confiance de
95,0%. Le dernier composant représente l'erreur résiduelle qui correspond à la
répétabilité.
Interaction :

Pour savoir s’il existe une interaction entre les pièces et les opérateurs, on utilise
MSEint eraction
la statistique suivante : F = ( voir tableau ANOVA).
MSEErreur

On compare cette statistique avec le quantile F( n −1)( m −1);nm ( r −1);1−α . Avec

α 5%
= = 0, 05 .

• Si la valeur absolue de F est supérieur à cette quantile càd :

| F |> F( n −1)( m −1);nm ( r −1);1−α , on dit qu’il existe une interaction entre les pièces et
les opérateurs au niveau de confiance 95%.
D’autre part, si p_value < α , on dit aussi qu’il existe une interaction entre
les pièces et les opérateurs. (la valeur p_value est donnée par les
différents logiciels de statistique et il signifie P(| F |> F( n −1)( m −1);nm ( r −1);1−α ) la

probabilité que |F| soit supérieur à F( n −1)( m −1);nm ( r −1);1−α .

• Sinon, absence d’interaction entre les pièces et les opérateurs au niveau de
confiance 95%.
Remarque : Au cas d’absence d’interaction, on peut enlever ce terme dans les
calculs des variabilités (répétabilité,reproductibilité, R&R, totale).

Dans notre exemple p_value= 0,064 > 0,05, donc pas d’interaction au niveau
95%.

• Justification d’interaction par graphique :

• Cas d’existence d’interaction :
Rapports pour le système de mesures :

3 opérateurs 10 pièces 3 essais

Mesure Ecart-type Pct de la Variance Pct de la Pct de la

Unité estimé variation estimée contribution R&R
totale
Répétabilité 0,0172348 2,3021 0,000297037 0,0529966 75,40
Reproductibilit 0,00984447 1,31496 0,0000969136 0,0172911 24,60
é
R&R 0,0198482 2,65118 0,000393951 0,0702877 100,00
Pièces 0,748391 99,9648 0,560089 99,9297
Variation 0,748654 100.0 0,560483
totale

Ce résumé affiche les informations suivantes :

• Répétabilité : Estimation de la variation des mesures réalisées par le

même opérateur sur la même pièce, habituellement attribuée à
l’instrument.
• Reproductibilité : Estimation de la variation des mesures réalisées par
différents opérateurs sur la même pièce, habituellement attribuée à
l’opérateur.
• R & R : Estimation de l’erreur totale de mesure, calculée en
additionnant les variances de la répétabilité et de la reproductibilité.
• Pièces : Estimation de la vraie variabilité entre les pièces mesurées.
Total : Somme de la variabilité liée au processus de mesure et de la
vraie variabilité entre les pièces.
Interprétation des résultats :
En se basant sur une étude mettant en oeuvre 3 opérateurs, chacun mesurant 10 pièces 3 fois,
l'écart-type estimé du procédé de mesure est égal à 0,0198482. En incluant pièces, la
variation totale (VT) est égale à 0,748654. De plus, on doit nous assurer que le pourcentage
de la variation totale dû à la R&R est relativement petit.

Qualification du processus de mesure en fonction de la variabilité totale :

Dans ce cas, cette valeur est égale à 2,65118%.

Par conséquent, le système de mesure est acceptable.
Dans cet exemple, le nombre de catégories distinctes est de 52, ce qui signifie
que le système peut parfaitement effectuer une distinction entre les pièces.

Conclusion :

Tous les résultats donnés par Statgraphics et Minitab montrent que les
opérateurs sont capables de mesurer les épaisseurs de chaque pièce quelque soit
sa dimension, par la suite chaque mesure effectuée par ces derniers dans le sujet
est considérée comme fiable.
Variable MSA –Gage R&R
Gage Repeatability and Reproducibility
This spreadsheet is designed for up to three operators, three trials, and ten samples. Enter data ONLY in gray shaded cells.

Number of operators Upper specification limit

Number of trials Lower specification limit
Number of samples

Data Operator 1 Operator 2 Operator 3

Trial Trial Trial
Sample # 1 2 3 Range 1 2 3 Range 1 2 3 Range
1 0.000 0.000 0.000
2 0.000 0.000 0.000

Automatically calculates
3 0.000 0.000 0.000
4 0.000 0.000 0.000

EV, AV, and % GRR!

5 0.000 0.000 0.000
6 0.000 0.000 0.000
7 0.000 0.000 0.000
8 0.000 0.000 0.000
9 0.000 0.000 0.000
10 0.000 0.000 0.000
Range average 0.000 0.000 0.000
Sample average #DIV/0! #DIV/0! #DIV/0!

Tolerance analysis
Average range 0.000 Repeatability (EV) #N/A #N/A
X-bar range #DIV/0! Reproducibility (AV) #DIV/0! #DIV/0!
Repeatability and Reproducibility (R&R) #N/A #N/A
Control limit for individual ranges #N/A
Note: any ranges beyond this limit may be the result
of assignable causes. Identify and correct. Discard
values and recompute statistics.

Do not modify this table

Trials D4 K1 K2
2 3.27 4.56 3.65
3 2.58 3.05 2.7
 Variable MSA – Gage R&R Steps

Step 1 Step 2 Step 3 Step 4 Step 5 Step 6 Step 7 Step 8 Step 9 Step 10

1. Sélectionnez 10 articles qui représentent la gamme de variation de processus à

long terme.
2. Identifier les opérateurs .
3. Le cas échéant, calibrer la jauge ou de vérifier que la date du dernier étalonnage
est valide.
4. Ouvrir la feuille de Gage R & R.
5. Remplir la feuille de Gage R&R.
6. Entrez le nombre d'opérateurs, des essais, des échantillons et des limites de
spécification
7. Analyser les données dans la feuille de calcul Gage R & R.
8. Évaluer le niveau de confiance MSA.
9. Prendre des mesures d'amélioration si nécessaire.
Etape 1 et 2: Variable MSA - Gage R&R

Sélectionnez 10 articles qui représentent la gamme

de variation de processus à long terme.
Etape 1

Identifier les opérateurs .

Etape 2
– Peut inclure d’autres opérateurs(superviseurs,
etc.).
– Il devrait y avoir un minimum trois testeurs.
Etape 3 et 4: Variable MSA – Gage R&R

Le cas échéant, calibrer la jauge ou de vérifier que la

date du dernier étalonnage est valide.
Etape 3

Etape 4 Ouvrir la feuille de Gage R & R.

 Etape 5: Variable MSA – Gage R&R

Chaque testeurs évalue chaque élèment 3 fois .

Step 5 – Chaque testeur doit travailler d’une façon autonome .
– Les pieces doivent être évaluées d’une façon aléatoire
– Ne laissez pas les testeurs voir les données pendant le
test !!,
Steps 6 and 7: Variable MSA – Gage R&R

Etape 6 Remplir la feuille de Gage R&R.

Etape 7 Entrez le nombre d'opérateurs, des essais,

des échantillons et des limites de
spécification
Etapes 8 et 9: Variable MSA – Gage R&R

Etape 8 Analyser les données dans la feuille de calcul Gage R & R.

Etape 9 Évaluer le niveau de confiance MSA.

% Tolerance*
– Red: > 30% (fail)

– Yellow: 10-30% (marginal) 30%

– Green: < 10% (pass) 10%
Etape 10: Variable MSA – Gage R&R

Etape 10 Si le système de mesure a besoin d’amélioration :

– Utiliser Brainstorming avec l'équipe pour l'amélioration..

– Déterminer la meilleure "solution pratique" (peut nécessiter
une certaine expérimentation
– Pilote la meilleure solution (PDCA)
– Mettre en œuvre les meilleures solutions - former les
employés.
 Entrer le nombre
d’opérateurs , d’essais
et d’echantillons
Variable MSA – Gage R&R Example
Entrer
specifications max
Gage Repeatability andet
Choisir min
3Reproducibility
opérateurs
pour être testeurs
This spreadsheet is designed for up to three operators, three trials, and ten samples. Enter data ONLY in gray shaded cells.

Number of operators 3 Upper specification limit 27

Number of trials 3 Lower specification limit 22
Number of samples 10

Data Operator 1 Operator 2 Operator 3

Sample # 1
Trial
2 3 Range 1
Trial
2 3
Chaque opérateurs
Range 1
Trial
2 3 Range
1 25.250 mesure chaque
25.540 25.390 0.290 25.390 25.390 25.390 0.000 25.680 26.330 26.520 0.840

échantillon 3 fois
2 25.420 25.540 24.960 0.580 25.540 25.520 25.470 0.070 26.380 26.130 25.960 0.420
3 22.370 22.370 22.670 0.300 22.220 22.180 22.220 0.040 22.670 22.810 22.670 0.140
4 24.960 25.250 25.110 0.290 25.110 25.680 25.920 0.810 25.680 26.200 25.540 0.660
5 25.540 25.540 25.820 0.280 25.540 25.680 25.680 0.140 25.730 25.960 25.890 0.230
6 24.610 Résultats calculés
25.110 24.820 0.500 24.960 26.700 25.110 1.740 25.390 25.540 25.960 0.570

automatiquement
7 24.440 24.260 24.110 0.330 25.250 25.540 25.420 0.290 25.250 25.830 25.390 0.580
8 26.100 26.800 26.100 0.700 25.540 25.540 25.820 0.280 25.110 25.680 25.920 0.810
9 25.390 25.390 25.390 0.000 26.380 26.660 26.220 0.440 25.250 25.540 25.390 0.290
10 25.680 25.820 25.540 0.280 23.900 25.250 25.110 1.350 24.200 23.870 22.960 1.240
Range average 0.355 0.516 0.578

Selectionner 10
Sample average 25.043 25.211 25.248

échantillons pour Tolerance analysis

être mesurés
Average range
X-bar range
0.483
0.205
Repeatability (EV)
Reproducibility (AV)
1.4732
0.4827
29.46%
9.65%
Repeatability and Reproducibility (R&R) 1.5502 31.00%
Control limit for individual ranges 1.2461
Note: any ranges beyond this limit may be the result
of assignable causes. Identify and correct. Discard
values and recompute statistics.
 Variable MSA – Gage R&R Example

Gage Repeatability and Reproducibility

This spreadsheet is designed for up to three operators, three trials, and ten samples. Enter data ONLY in gray shaded cells.

Number of operators 3 Upper specification limit 27

Number of trials 3 Lower specification limit 22
Number of samples 10

Data Operator 1 Operator 2 Operator 3

Trial Trial Trial
Sample # 1 2 3 Range 1 2 3 Range 1 2 3 Range
1 25.250 25.540 25.390 0.290 25.390 25.390 25.390 0.000 25.680 26.330 26.520 0.840
2 25.420 25.540 24.960 0.580 25.540 25.520 25.470 0.070 26.380 26.130 25.960 0.420
3 22.370 22.370 22.670 0.300 22.220 22.180 22.220 0.040 22.670 22.810 22.670 0.140
4 24.960 25.250 25.110 0.290 25.110 25.680 25.920 0.810 25.680 26.200 25.540 0.660
5 25.540 25.540 25.820 0.280 25.540 25.680 25.680 0.140 25.730 25.960 25.890 0.230
6 24.610 25.110 24.820 0.500 24.960 26.700 25.110 1.740 25.390 25.540 25.960 0.570
7 24.440 24.260 24.110 0.330 25.250 25.540 25.420 0.290 25.250 25.830 25.390 0.580
8 26.100 26.800 26.100 0.700 25.540 25.540 25.820 0.280 25.110 25.680 25.920 0.810
9 25.390 25.390 25.390 0.000 26.380 26.660 26.220 0.440 25.250 25.540 25.390 0.290
10 25.680 25.820 25.540 0.280 23.900 25.250 25.110 1.350 24.200 23.870 22.960 1.240
Range average 0.355 0.516 0.578
Sample average 25.043 25.211 25.248

Repeatability
Average range = 0.483
(EV)
Tolerance analysis % Tolerance*
Reproducibility =0.205
(AV)
Repeatability (EV) 1.4732 29.46%

Equipment Variation
X-bar range Reproducibility (AV) 0.4827 9.65%
Repeatability
Appraiser Variation & Repeatability and Reproducibility (R&R) 1.5502 31.00%

Reproducibility = R&R Note: any ranges beyond this limit may be the result 30%
Control limit for individual ranges 1.2461

% Tolerance is > 30%

of assignable causes. Identify and correct. Discard MSA
Echec! 10%
values and recompute statistics.
 Etude pour Attributs: Méthodologie

APPLICATIONS:

•Cette méthode est utilisée lorsqu’on ne peut pas déterminer le

degré de conformité des pièces mais seulement l’accepter ou la
rejeter

PRINCIPE:

• Déterminer le degré de cohérence entre les jugements des

opérateurs

• Adopter une méthode analytique inspirée des systèmes variables

 Etude pour Attributs: Méthodologie

• Choisir 60 pièces aléatoirement

• Choisir 3 opérateurs qui jugent séparément les pièces
• Chaque opérateurs juge la pièce trois fois mais séparément
• Attention à l’effet mémoire. Les pièces doivent être identifiées au
labo de sorte à ce que l’opérateur ne devrait pas reconnaître la pièce
reprise avant la mesure
R&R aux attributs :

Il s’agit de vérifier la conformité d’un système de mesure suivant

des critères (bon, n’est pas bon,..).
Il existe un risque lors de l’utilisation des systèmes de mesure à
prendre des décisions.
L’analyse la plus appropriée serait la quantification de la variation
du système de mesure.
Méthode d’analyse de risque :

La Méthode d’analyse des risques quantifie l’incertitude d’un

système d’évaluation dans lequel les observations sont des attributs
plutôt que des mesures. Dans ce type d’étude, m opérateurs évaluent
n items r fois. Cette procédure donne des estimations de la
répétabilité et de la reproductibilité du système d’évaluation.
Méthodologie :

Pour mener à bien cette étude, on suit les étapes suivantes :

•On prélève 60 pièces déjà contrôlées par un expert et marqués
par une valeur de référence.

•On étudie leurs conformités ou non conformités selon les types

de défauts existants( vérification d’aspect, dimensions,…).

•Chaque pièce est évaluée 3 fois par 3 opérateurs ou contrôleurs.

On note 1 pour une pièce acceptée et 0 pour une pièce refusée.

•Attention à l’effet mémoire. Les pièces doivent être identifiées

au labo de sorte à ce que l’opérateur ne devrait pas reconnaître la
pièce reprise avant la mesure.
Ci dessous, une partie de tableau des données obtenu :

Opérateur op1 op1 op1 op2 op2 op2 op3 op3 op3

Référence Pièce/Essai 1 2 3 1 2 3 1 2 3
1 1 1 1 1 1 1 1 1 1 1
1 2 1 1 1 1 1 1 1 1 1
0 3 0 1 0 0 0 0 0 0 0
0 4 0 0 0 0 0 0 0 0 0
0 5 0 0 0 0 0 0 0 0 0
1 6 1 1 0 1 1 1 1 1 1
1 7 1 1 1 1 1 1 1 1 1
1 8 1 1 1 1 1 1 1 1 1
…. …. …. …. …. …. …. …. …. …. ….
…. …. …. …. …. …. …. …. …. …. ….
1 53 1 1 1 1 1 1 1 1 1
1 54 1 1 1 1 1 1 1 1 1
1 55 1 1 1 1 1 1 1 1 1
1 56 1 1 1 1 1 1 1 1 1
0 57 0 0 0 0 0 0 0 0 0
1 58 1 1 1 1 1 1 1 1 1
1 59 1 1 1 1 1 1 1 1 1
1 60 1 1 1 1 1 1 1 1 1
Les différents résultats d’analyse sont obtenus par le logiciel STATGRAPHICS.

Etude R&R pour des attributs - Méthode d'analyse du risque

Mesures: opA_1-opC_3
3 opérateurs 60 pièces 3 essais

Performance du système de mesure

Inspecté Accord Score (%) I.C. inf. à 95,0% I.C. sup. à 95,0%

Répétabilité 180 171 95,00 90,72 97,69

Reproductibilité 60 52 86,67 75,41 94,06
Par rapport à Référence 60 52 86,67 75,41 94,06

Ce tableau affiche des statistiques pour :

• Répétabilité : la capacité pour un opérateur donné de répéter son évaluation pour une
Pièce particulière. Les statistiques dans cette ligne indiquent le nombre de fois où un
Opérateur a évalué une pièce de façon identique à chaque essai. Dans ce cas, les 3
opérateurs ont évalué 60 pièces, pour un total de 180 fois inspectés. Dans les 180 inspections,
les résultats ont été en accord 171 fois, soit un score de 95%.

• Reproductibilité : la capacité des différents opérateurs à obtenir le même résultat. Le

tableau indique le nombre de fois où tous les opérateurs ont évalué une pièce de façon
identique à chaque essai. Dans ce cas, sur les 60 pièces inspectés, les 9 évaluations
ont été en accord pour 52 pièces, soit un score de 86,67%.
•Par rapport à la référence : la capacité des opérateurs à évaluer
la référence.

Les statistiques indiquent le nombre de fois où tous les opérateurs

ont évalué une pièce de façon identique à chaque essai et que
l’évaluation obtenue est la référence.

Dans ce cas, sur les 60 pièces inspectés, les 9 évaluations ont été
en accord avec la valeur de référence pour 52 pièces, soit un score
de 86,67%.

Les deux dernières colonnes du tableau affiche des intervalles de

confiance à 95% pour les scores qui seraient obtenus pour un grand
d’inspections ( population ) .
Le tableau ci-dessous affiche des statistiques de répétabilité par opérateur :

Répétabilité par Opérateurs

Inspecté Accord Score (%) I.C. inf. à 95,0% I.C. sup. à 95,0%

opA 60 55 91,67 81,61 97,24

opB 60 57 95,00 86,08 98,96
opC 60 59 98,33 91,06 99,96

On remarque que tous les opérateurs ont été capables d’évaluer les 60 pièces avec une
performance excellente, soit un score de plus de 92%.
Opérateurs par rapport à Référence

Inspecté Accord Faux Faux Score I.C. inf. à I.C. sup. à

positifs négatifs (%) 95,0% 95,0%
opA 60 55 0 0 91,67 81,61 97,24
opB 60 57 0 0 95,00 86,08 98,96
opC 60 59 0 0 98,33 91,06 99,96

Les colonnes de ce tableau sont :

• Inspecté : le nombre de pièces inspectés par chaque opérateur.
• Accord : le nombre de pièces pour lesquels un opérateur a évalué les pièces de la même
façon que l’expert
• Faux positifs : le nombre de pièces pour lesquels tous les opérateurs ont été positifs
(pièces acceptables) mais pour lesquels les valeurs de référence indiquent que les pièces
ne sont pas acceptables.
• Faux négatifs : le nombre de pièces pour lesquels tous les opérateurs ont été négatifs
(pièces non acceptables) mais pour lesquels les valeurs de référence indiquent que
les pièces sont acceptables.
• Score : le pourcentage du rapport Accord sur Inspecté.
• I.C. : limites de confiance pour Score.
La dernière partie du tableau du Résumé de l’analyse résume les performances des opérateurs :

Opérateurs Résumé

Score Evaluation correcte Taux d'erreur Taux de fausses alarmes

(%) (%) (%) (%)
opA 91,67 94,81 2,22 2,96
opB 95,00 96,30 2,22 1,48
opC 98,33 99,26 0,00 0,74

Les colonnes de ce tableau sont :

• Score : le pourcentage de fois où toutes les évaluations pour une pièce ont été la
valeur de référence.
• Evaluation correcte : le pourcentage de fois où les évaluations individuelles ont été
la valeur de référence.
• Taux d’erreur : le pourcentage de fois où les évaluations individuelles ont indiqué
« acceptable » alors que la valeur de référence est « non acceptable ».
• Taux de fausses alarmes : le pourcentage de fois où les évaluations individuelles
Ont indiqué « non acceptable » alors que la valeur de référence est « acceptable ».
Interprétation :

Les statistiques de cette page décrivent la performance d'un système de mesure par attribut.
Les mesures d'efficacité du système sont particulièrement intéressantes. L'indice de
répétabilité montre que pour 95,0% des pièces, les opérateurs ont donné la même réponse
pour chaque essai. L'indice de reproductibilité montre que pour 86,67% des pièces, tous les
opérateurs ont donné la même réponse pour chaque essai. L'indice Par rapport à Référence
montre que pour 86,67% des pièces, tous les opérateurs ont donné la même réponse pour
chaque essai et il a également été en accord avec la valeur de référence.

Le tableau Résumé opérateurs donne des détails pour chaque opérateur. Normalement, il est
souhaité d'avoir un score de 90% ou plus, un taux d'erreur de pas plus de 2%, et un taux de
fausses alarmes de pas plus de 5%. Par ailleurs, des scores de moins de 80%, des taux d'erreur
de plus de 5%, ou des taux de fausses alarmes de plus de 10% sont habituellement considérés
comme non acceptables. 0 opérateurs ne satisfont pas à au moins un de ces critères.
Dans notre cas, on a obtenu des scores qui sont supérieurs à 90%, des taux d’erreurs inférieurs
à 2,3% et des taux de fausses d’alarme inférieurs à 5%.
 Indice KAPPA

Comparaison des accords :

Le but c’est affiché des statistiques qui mesurent comment les

différents opérateurs se comparent entre eux et par rapport aux
valeurs de référence.
Kappa est une mesure de l’accord entre deux opérateurs ou
entre un opérateur et la référence. Une valeur de 1 indique
un accord parfait, une valeur de 0 indique que le niveau d’accord
n’est pas meilleur que celui qui serait obtenu juste par chance.
Comparaison des accords

Coefficient Kappa de Cohen de mesure de l'accord :

Opérateurs Opérateurs 2 Kappa I.C. inf. à I.C. sup. à 95,0%
1 95,0%
opA opB 0,884837 0,806976 0,962698
opA opC 0,913628 0,845759 0,981496
opA Référence 0,927536 0,864993 0,99008
opB opC 0,941596 0,885025 0,998168
opB Référence 0,955882 0,906393 1,0
opC Référence 0,985294 0,956554 1,0
Evaluation

Si la valeur Kappa est > 0,75 === bonne cohérence entre opérateur
Si kappa < 0.4 == mauvaise cohérence
0,4<Valeur kappa < 0,75= cohérence moyenne

NB : LE Kappa donne le degré de cohérence entre les opérateurs de contrôle

Ce n’est pas une mesure
Soient les six tableaux à deux entrés suivants :

opA par opB opA par opC

0 1 Total 0 1 Total
0 43 5 48 0 44 4 48
1 3 129 132 1 2 130 132
Total 46 134 180 Total 46 134 180

opA par
Référence opB par opC
0 1 Total 0 1 Total
0 44 4 48 0 44 2 46
1 1 131 132 1 2 132 134
Total 45 135 180 Total 46 134 180

opB par opC par

Référence Référence
0 1 Total 0 1 Total
0 44 2 46 0 45 1 46
1 1 133 134 1 0 134 134
Total 45 135 180 Total 45 135 180
Interprétation :

Une règle générale définie dans le manuel de l’AIAG est que les valeurs de kappa au-dessus de
0,75 indiquent un bon ou excellent accord alors que les valeurs en dessous de 0,40 indiquent un
accord faible.
Puisque tous les indices Kappa sont supérieurs à 0,75, cela indique l’existence d’un excellent
accord entre les opérateurs avec eux-mêmes, et aussi entre les opérateurs et les valeurs de
référence.
Conclusion :

Cette étude montre que le système de mesure dans le contrôle des produits finis est fiable, tout
opérateur est capable de diagnostiquer la situation de chaque pièce (bonne ou défectueuse) d’une
manière efficace et cela du à une meilleure formation donnée à ces opérateurs .
Formules de calculs :

Soit le tableau à deux entrées suivant :

0 1 Total
0 n00 n01 n0.
1 n10 n11 n1.
Total n.0 n.1 n

ou : , n=
0. n00 + n01 , n=
1. n10 + n11 , n=
.0 n00 + n10 et n=
.1 n01 + n11

n = n0. + n1. = n.0 + n.1

Formules des calculs :

• Intervalles de confiance pour les scores :

x
Si les scores sont calculés par le rapport : score = 100 %
n
alors l’intervalle de confiance à 100(1-α)% est calculé en utilisant la loi F de Snedecor :
 100ν 1 F α 100ν 3 Fα 
 1− ,ν 1 ,ν 2
2 2
,ν 3 ,ν 4 
ν + ν F %, %
ν + ν F


2 1 α
1− ,ν 1 ,ν 2
2
4 3 α
1− ,ν 3 ,ν 4
2


où : ν 1 = 2x , ν 2= 2( n − x + 1) , ν =3 2( x + 1) ,.ν
= 4 2( n − x )
• Kappa de Cohen :

Pour un tableau à deux entrées :

p − pE
kˆ = 0
1 − pE
où :
( n00 + n11 )
p0 = somme des proportions observées sur la diagonale du tableau, et définit par :
n

m00 + m11
pE = somme des proportions attendues sur la diagonale du tableau, et définit par :
n
n0.n.0 n1.n.1
où : m00 = et m11 =
n n

• I ntervalles de confiance pour le Kappa de Cohen :

En se basant sur une approximation normale :

kˆ + zα / aσˆ ( kˆ )
où l’erreur-type σˆ ( kˆ ) est calculée en utilisant la formule en page 434 du livre d’Agresti
(2002).
MERCI DE VOTRE
ATTENTION