Analyse du système de mesure MSA
Jan-16
Fethi Derbeli
1
Analyse du système de mesure MSA
Jan-16
Fethi Derbeli
2
Programme • • • • • • • •
Jan-16
Pourqu Pour quoi oi étu étudi dier er les les sys systè tème mess de mes mesur uree ? Étalo Éta lonna nnage ge ou ou étude étude R&R des ins instru trume ments nts de mesu mesure re ? Sour So urce cess po poss ssib ible less de va vari riab abil ilit itéé P/TV et P/T La méthode Anal An alys ysee ut util ilis isan antt Mi Mini nita tabb Cri ritè tèrres d'a 'app pprrob obaati tion on Exercices
Fethi Derbeli
3
Pourquoi étudier l'aptitude des systèmes de mesure ? • Pour quant quantifier ifier les variat variations ions obser observées vées dues aux erreurs erreurs du systèm systèmee de mesure • Pou Pourr évalue évaluerr un nouvel nouvel inst instrum rument ent de de mesure mesure avant avant de de le valide validerr pour pour la production • Pou Pourr comp compare arerr différ différent entss types types d'in d'instr strum ument entss de mesu mesure re • Pou Pourr forme formerr un jugem jugement ent sur sur un instr instrume ument nt de mesu mesure re suspec suspecté té d'êtr d'êtree insuffisant L'erreur de mesure est une mesure statistique quantifiant l'effet net de toutes les sources de variabilité des mesures qui fait qu'une valeur observée dévie de l'étalon. total pr prod oduct uct Meas Measur uremen ement
Jan-16
2
total
2 2 pro produ duct ct Measu Measuremen rement
Fethi Derbeli
4
Étalonnage ou étude R&R des instruments de mesure?
Valeurs V aleurs mesurées
Valeurs Valeurs réelles Bias du système de mesure : Évalué par une “Étude de l'étalonnage”
erreur de mesure
total pro duct Meas Measur uremen ement
Valeur V aleur mesurée = valeur = valeur réelle + erreur de mesure Valeurs Valeurs réelles
Valeurs Valeurs mesurées
Variabilité du système de mesure Variabilité mesure : Évalué par une “Étude R&R des variables” variab les”
2
total
2
2
pr oduct prod uct Meas Measur uremen ement
Variabilité V ariabilité mesurée = variabilité = variabilité du produit + variabilité de la mesure Jan-16
Fethi Derbeli
5
Sources possibles de variation Variation du procédé procédé observée
Variation de mesure mesure
Variation actuelle actuelle du procédé
Variation du Variation procédé à long terme
Variation V ariation due à l'instrument de mesure
Variation Variation due aux opérateurs
Variation du Variation procédé à court terme
Reproductibilité
Un bon système d'étalonnage et un appareil de mesure correct contrôleront ces sources de variation.
Répétabilité Précision Stabilité
total
pr od uct
Mea su rem ent Linéarité
Jan-16
Fethi Derbeli
6
Précision des instruments de mesure
La précision d'un instrument de mesure est la différence entre la moyenne des mesures observée et la moyenne réelle . La meilleure meilleure façon façon de déterminer déterminer la la moyenne réelle est d'effectuer une mesure avec l'appareil le plus précis disponible. Moyenne réelle réel le
Précision
Moyenne observée
La précision des instruments de mesure est assurée par un bon programme d'étalonnage ! Jan-16
Fethi Derbeli
7
Stabilité des instruments de mesure
La stabilité d'un instrument de mesure se réfère à la différence entre les moyennes d'au moins deux séries de mesures obtenues avec le même instrument de mesure sur les mêmes pièces et effectuées à des moments différents . Stabilité de l'instrument de mesure
Moment 1
Moment 2
La stabilité des instruments de mesure est maintenue par un bon programme d'étalonnage ! Jan-16
Fethi Derbeli
8
Linéarité des instruments de mesure La linéarité d'un instrument de mesure est la différence entre les valeurs de précision dans la plage attendue attendue..
Valeur observée
Bias
Pas de bias
Valeur réelle réel le
Moyenne réelle
Moyenne observée (inférieure)
Moyenne observée (supérieure)
Moyenne réelle
Petit bias (inférieur)
Grand bias (supérieur)
Plage de mesure inférieure
Plage de mesure supérieure
La linéarité des instruments de mesure est une fonction de la sélection des appareils. appareil s. La linéarité linéarité au sein de la plage des spécifications spécifications devrait faire partie intégrante de la procédure de qualification des instruments instrum ents de mesure. mesur e. Jan-16
Fethi Derbeli
9
Reproductibilité des instruments de mesure La reproductibilité d'un instrument de mesure est la variation des moyenness des mesures effectuées par différents opérateurs utilisant moyenne le même instrument de mesure et mesurant les mêmes caractéristiques d'une même pièce. Bonne Reproducibilité
Valeur Nominale
Mauvaise Reproducibilité
Oper Operat ator or 1 Oper Operat ator or 2 Oper Operat ator or 3 Jan-16
Operator 1 Oper Operat ator or 2 Oper Operat ator or 3
Fethi Derbeli
10
Répétabilité Répétabilité des instruments de mesure La répétabilité est la variation obtenue dans les mesures lorsqu'un opérateur utilise le même instrument de mesure pour mesurer les mêmes caractéristiques des mêmes pièces .
Mauvaise Repeatabilité
Valeur Nominale
Bonne Repeatabilité
Mean
Mean
Jan-16
Fethi Derbeli
11
Indicateurs Descriptifs Outil •
Pour quali qualifier fier un instr instrumen umentt de mesure mesure comme comme étant étant capable capable de satisfai satisfaire re aux spécif spécificati ications ons produit produit : Précision de l'instrument P / T = --------------------------------------------------- -----------Plage de tolérance
%Tolerance
•
P/T
2 5.15 * σ MS
USL - LSL
5.15 * σ MS USL LSL
5.15 * σ MS * 100 USL LSL
Pourr quantif Pou quantifier ier les les vari variati ations ons d'un d'un inst instrum rument ent de de mesur mesuree par rapp rapport ort
aux variations totales des mesures à étudier : Précision de l'instrument P / TV = --------------------------------------------------------------------Variations totales du procédé
P/TV
%R & R %StudyVar
2 5.15 * σ MS
5.15 * σ 2total
σ MS σ total
σ MS * 100 σ total
Quand P/T et P/TV seront-il Quand seront-ilss identi identiques ques ? De quelle manière ceci affecte-t-il l'aptitude (capabilité) du procédé ? l? Jan-16
Fethi Derbeli
12
Crit Critèr ère e de qualif qualific icat atio ion n • Un autre autre critère critère de quali qualifica ficatio tionn du systèm systèmee de mesur mesuree compare la variabilité de l’outil de mesure à celle de la pièce c’est “number of distinct categories” DC
1 Distinct Category
Jan-16
2 σ Part 1.41 * σ Part *2 2 σMS σMS
2 Distinct Categories
Fethi Derbeli
>10 Distinct Categories
13
Critères d'approbation •
•
Il existe existe trois trois méth méthodes odes cour courant antes es utilis utilisées ées pour pour quali qualifie fierr un systèm systèmee de mesure mesure – % Variation étude – Différentes catégories – Taux de discrimination (pas utilisé dans Minitab) Les règles de chaque méthode sont indiquées ci-dessous :
Distinct %Study Categories Accept Evaluate Use
Reject Jan-16
Discrimination
Ratio
<10%
>10
>10
10% –
4-9
4-9
>30%
<4
<4
Fethi Derbeli
14
Directives pour la R&R des instruments •
Au moins moins deu deuxx opéra opérateu teurs, rs, mai maiss trois trois ou plus plus de préf préfére érence nce
•
Au moins moins 10 unité unitéss repré représen sentan tantt 80 % des des varia variatio tions ns obse observé rvées es
•
Chaque Cha que uni unité té est est mesu mesurée rée au moins moins 2 fois fois par par chaque chaque opé opérat rateur eur
•
L'équip L'éq uipeme ement nt doit doit avoir avoir un un pouvoir pouvoir discr discrimi iminant nant (rés (résolu olutio tion) n) adéquat adéquat
•
Il faudrait faudrait qu'il y ait une straté stratégie gie R&R R&R des des instrume instruments nts de de mesure mesure pour la la qualificat qualification ion de nouveaux opérateurs et de nouveaux équipements
Jan-16
Fethi Derbeli
15
Méthode R&R des instruments de mesure 1) Sélectio Sélectionnez nnez des échanti échantillon llonss représentant représentant au moins moins 80 % de la plage totale totale du procéd procédé. é. 2) Étal Étalonne onnezz l'instrumen l'instrumentt de mesure mesure ou assurezassurez-vous vous qu'il qu'il a été étalon étalonné. né. 3) Prép Préparez arez la feuil feuille le de travail travail Minita Minitabb pour l'étude l'étude R&R R&R de l'instrum l'instrument ent de mesure mesure : -En-tête de colonnes pour Opérateur O pérateur,, Pièce, Mesure -Utilisez > Calc > Générer des suites de nombres > Ensemble simple de nombres (pour chaque entrée) 4) Le premier premier opérat opérateur eur mesure mesure tous tous les échanti échantillon llonss une fois fois dans un ordre ordre aléatoir aléatoire. e. (Il vaut mieux utiliser un échantillonnage aveugle aveugle où l'opérateur ne connaît pas l'identité de la pièce afin de réduire le bias humain. humain. Les pièces doivent doivent représenter 80 % de toute la variabilité variabilité à long terme). 5) Le second second opérate opérateur ur mesure mesure tous les échanti échantillons llons une une fois dans dans un ordre ordre aléatoir aléatoiree ; Continuez Continuez jusqu'à jusqu'à ce que tous les opérateurs aient mesuré les échantillon échantillonss une fois (ceci est le 1er Essai). 6) Répé Répétez tez les les étapes étapes 4-5 autan autantt de fois fois (essais (essais)) que nécess nécessaire aire.. 7) Entr Entrez ez les les données données et les informa information tionss de toléra tolérance nce dans dans Minita Minitabb : Stat > Outils de qualité > Étude R&R des instruments Stat > Outils de qualité > Carte d'essais des instruments 8) Anal Analysez ysez les résulta résultats ts et évaluez évaluez la qualité qualité du système système de mesure mesure sur la base des directi directives ves de la page suivante.. Déterminez les actions de suivi. suivante suivi.
Jan-16
Fethi Derbeli
16
Études R&R : Méthodes d'analyse • Métho hodde X barr rree et R – Utilisée d'habitude dans l'industrie automobile – Peut séparer les opérateurs et les pièces mais pas l'interaction opérateur*pièce – Les valeurs aberrantes auront une grande influence sur la méthode X barre et R Méthode ANOVA
– Plus précise – Peut séparer les interactions opérateur*pièce – Augmente le pouvoir de partitionnement de la variance à travers l'analyse de la variance Jan-16
Fethi Derbeli
17
Minita Minitab b Analysi Analysiss – Precoa Precoatt Example Example • Exem Exempl plee uti utili lisa sant nt AN ANOV OVA A Met Metho hode: de: – FN: PortaSpecR&R.mtw – Stat>Quality Tools>Gage Study>Gage R&R Study (Crossed)
La méthode ANOVA est sélectionnée par défaut
Jan-16
Fethi Derbeli
18
Minitab Minitab Anal Analysi ysiss – Precoa Precoatt Exampl Example e
P/TV
Jan-16
6 * σ 2MS 6 * σ 2total
σ MS
P/T
σ total
Fethi Derbeli
6 * σ 2MS USL - LSL
6 * σ MS USL LSL
19
Two-Way Two-Way ANOVA Table Without Interaction Source Sample Operator Repeatability Total
DF 9 2 48 59
SS 176150104 10124 367689 176527916
MS 19572234 5062 7660
F 2555.06 0.66
P 0.000 0.521
Gage R&R %Contribution (of VarComp) 0.23 0.23 0.00 0.00 99.77 100.00
Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
VarComp 7660 7660 0 0 3260762 3268422
Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
StdDev (SD) 87.52 87.52 0.00 0.00 1805.76 1807.88
Study Var (6 * SD) 525.1 525.1 0.0 0.0 10834.5 10847.3
%Study Var (%SV) 4.84 4.84 0.00 0.00 99.88 100.00
%Tolerance (SV/Toler) 21.01 21.01 0.00 0.00 433.38 433.89
Comment on interprette ce resultats?
Number of Distinct Categories = 29 Jan-16
Fethi Derbeli
20
Two-Way Two-Way ANOVA Table Without Interaction
The ANOVA table is the first set of numbers; these will be used to calculate Variance Components
Source Sample Operator Repeatability Total
DF 9 2 48 59
SS 176150104 10124 367689 176527916
MS 19572234 5062 7660
F 2555.06 0.66
P 0.000 0.521
Gage R&R
Variance Components are additive; indented components add to the source listed above The final table gives us the results. The values are the square roots of the Variance Variance Components
Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
VarComp 7660 7660 0 0 3260762 3268422
%Contribution (of VarComp) 0.23 0.23 0.00 0.00 99.77 100.00
StdDev (SD) 87.52 87.52 0.00 0.00 1805.76 1807.88
Study Var (6 * SD) 525.1 525.1 0.0 0.0 10834.5 10847.3
%Study Var (%SV) 4.84 4.84 0.00 0.00 99.88 100.00
%Tolerance (SV/Toler) 21.01 21.01 0.00 0.00 433.38 433.89
Number of Distinct Categories = 29
Jan-16
Fethi Derbeli
21
Table ANOVA Two-Way Two-Way ANOVA ANOVA Table Table Without With out Interact In teraction ion Source Sample Operator Repeatability Total
DF 9 2 48 59
SS 176150104 10124 367689 176527916
MS 19572234 5062 7660
F 2555.06 0.66
P 0.000 0.521
• L’avant L’avantage age de de la méthod méthodee ANOVA ANOVA nous nous permet permet d’év d’évalu aluer er l’intéraction Operateur*Pièce – Si l’intéraction n’est statistiquement signifiante à = 0.25, (pvalue < 0.25), elle ne sera pas prise en compte
Jan-16
Fethi Derbeli
22
Composantes de la Variance
Gage R&R
Source
%Contribution VarComp (of VarComp)
Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
7660 7660 0 0 3260762 3268422
Recall: Jan-16
0.23 0.23 0.00 0.00 99.77 100.00
2 σ MS % Contributi on 2 σ total
7660 3268422 .0023
σ 2 total σ 2product σ 2measurement Fethi Derbeli
23
Sessio Session n Window Window - % Etude Etude Var • % Stud Studyy Var Var = P/TV P/TV (Prec (Precisi ision/ on/Tot Total al Variati Variation) on) %R & R %StudyVar
Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
StdDev (SD) 87.52 87.52 0.00 0.00 1805.76 1807.88
σ MS * 100 σ total Study Var (6 * SD) 525.1 525.1 0.0 0.0 10834.5 10847.3
%Study Var (%SV) 4.84 4.84 0.00 0.00 99.88 100.00
%Tolerance (SV/Toler) 21.01 21.01 0.00 0.00 433.38 433.89
Number of Distinct Categories = 29
Que signifie ce nombre? Jan-16
Fethi Derbeli
24
Sessio Session n Window Window - % Tole Toleran rance ce • % Toler Toleranc ancee = P/T P/T (Pre (Precis cisio ionn / Tol Toler eranc ance) e) %Tolerance
Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
5.15 * σ M S StudyVar(S V) USL LSL USL LSL
StdDev (SD) 87.52 87.52 0.00 0.00 1805.76 1807.88
Study Var (6 * SD) 525.1 525.1 0.0 0.0 10834.5 10847.3
%Study Var (%SV) 4.84 4.84 0.00 0.00 99.88 100.00
%Tolerance (SV/Toler) 21.01 21.01 0.00 0.00 433.38 433.89
Number of Distinct Categories = 29
Que signifie ce nombre? Jan-16
Fethi Derbeli
25
Session Session Window Window – Distinc Distinctt Catego Categorie riess Source Total Gage R&R Repeatability Reproducibility Operator Part-To-Part Total Variation
StdDev (SD) 87.52 87.52 0.00 0.00 1805.76 1807.88
Study Var (6 * SD) 525.1 525.1 0.0 0.0 10834.5 10847.3
%Study Var (%SV) 4.84 4.84 0.00 0.00 99.88 100.00
%Tolerance (SV/Toler) 21.01 21.01 0.00 0.00 433.38 433.89
Number of Distinct Categories = 29
• Ce nombre nombre de la catégorie catégorie distincte distincte de la pièce c’est que le processus processus I est est actuellement capable de différencier. • Le plus plus petit petit le Gag Gagee R&R, R&R, le plus plus grand grand le DC sera. sera. • On l’o l’obtie btient nt du calc calcul ul
DC Jan-16
2 σ Part 1.41 * σ Part *2 2 σMS σMS Fethi Derbeli
26
Graphique Porta Spec R&R Reported by : Tolerance: Misc:
Gage name: Date of study:
Components of Variation
Result by Sample % Contribution
400
% Study Var
t n e c r e 200 P
7000
% Tolerance
4500
2000
0 Gage R&R
Repeat
Reprod
1
Part-to-Part
2
3
R Chart by Operator 1
2
UCL=301.1
e g n a R e 150 l p m a S
0
n a e 6000 M e l p m4000 a S
2
_ R=92.2
4500
LCL=0
2000 1
8
9
10
2 Operator
3
Operator * Sample Interaction
3
Operator
_ _ UCL=4406 X=4233 LCL=4060
1
e g 6000 a r e v A 4000
2 3
2000
2000
Jan-16
7
7000
Xbar Chart Chart by Operator Operator 1
5 6 Sample
Result by Operator
3
300
4
1
Fethi Derbeli
2
3
4
5 6 Sample
7
8
9
10
27
Graphique
• Composa Composant nt de la la Varia Variatio tionn résum résumee la la table table ANO ANOVA VA : – – – – – Jan-16
% Total Var = Indice de la Variance % Study Var = Indice Deviation standard utilisant sigma % Toler = Indice Variation / Tolerance % barre Processus ajouté si sigma historique est entré Idéallement on veut avoir Pièce-ào-Pièce barres le plus haut Fethi Derbeli
28
Graphique • La ch char artt R co cons nsis iste te co com mme sui suit: t: – Les points representent representent l’écart l’écart de la valeur valeur de chaque pièce pièce – L ligne verte est est la moyenne moyenne des écart du processus processus – Les limites de contrôle roug representent la quantité des variations attendues pour l’écart des sousgroupes. – Ideallement on veut voir tous tous les points du du graphique sous sous contrôle
Jan-16
Fethi Derbeli
29
Graphique •
The Xb Xbar Chart co consists of of: – The plotted points, which represent, for each operator, the average measurement on each part. – The green center line, which is the overall average for all part measurements by all operators. – The red control limits (UCL and LCL), which are based on how much variability there is between parts and the number of measurements in each average. – Ideally we would like to see: • All poin points ts on this this graph graph to be out out of cont control rol • Simila Similarr patterns patterns acro across ss all all the operat operators ors
Jan-16
Fethi Derbeli
30
Graphique • By Sampl amplee (Par (Part) t) Ch Char artt – Shows all of the the measurements measurements taken in the study, arranged arranged by part. The measurements are represented by dots; the means are represented by the circle-cross symbol. The red line connects the average measurements for each part. – Ideally, the multiple multiple measurements measurements for each individual part will vary as little a possible and the the averages will vary enough that that differences between parts are are clear
Jan-16
Fethi Derbeli
31
Graphique • By Op Operator Ch Chart – The By Operator graph shows all of the measurements measurements taken in the study, arranged by operator. The measurements are represented by dots; the means by the circle-cross symbol. The red line connects the average measurements for each operator. – Ideally, the measurements measurements for each operator will vary an equal amount and the part averages will vary as little little as possible (straight line)
Jan-16
Fethi Derbeli
32
Graphique • Oper Operat ator or*S *Sam ampl plee (Part (Part)) Inter Interac acti tion on Char Chartt – The Operator*Part graph shows the average measurements measurements taken by each operator on each part in the study, arranged by part. Each line connects the averages for a single operator. – Ideally,the lines will follow follow the same pattern and the part averages will vary enough that differences between parts are clear
Jan-16
Fethi Derbeli
33
Minitab Minitab - carte carte d'essais d'essais des instrum instruments ents • Génère Génère une une carte carte d'es d'essai saiss des mesu mesures res par par opéra opérateu teurr et par par pièce pièce • Nous permet permet de visua visualiser liser la répétab répétabilité ilité et la repro reproduct ductibili ibilité té pour pour et et entre entre opérateurs et pièces • La lign lignee médi médiane ane est la moye moyenne nne gén généra érale le des des pièc pièces es – Stat > Outils de qualité > Carte Carte d'essais des instruments instruments R u n c h a r t o f M e a s u r e b y P a r t, O p e r a to r 1.08 0.98 0.88 0.78 0.68 0.58 0.48 0.38 P art Num
1
2
3
4
5
1.08 0.98 0.88 0.78 0.68 0.58 0.48 0.38 Pa rt Num
6
7
8
9
10
1 2 3
e r u s a e M
e r u s a e M
Jan-16
Fethi Derbeli
34
Résultats R&R des instruments de mesure Nombre des catégories catégories différentes différentes =
• •
4
C'est le nombr C'est nombree des catég catégori ories es diffé différent rentes es que que ce systèm systèmee de mesure mesure peut peut distin distinguer guer.. Nombre Nom bre de de groupes groupes au au sein sein des donné données es du procé procédé dé que votr votree systèm systèmee de mesur mesuree peut peut distinguer.
Dist Categories R Round ound
2 Total 2 MS
Dicriminat ion Ratio R Round ound Source R&R instr. totale Répétabilité Reproductibilité Opérateur Opér*Pièce Pièce-à-Pièce Variation totale Jan-16
0.041602 * 2 R Round ound * 2 R Round ound D Down own 4.33 0 . 004437
2 Total 2 * 2 1 R Round ound 18.75 1 R Round ound D Down own 4.44 MS
Variance 0.004437 0.001292 0.003146 0.000912 0.002234 0.037164 0.041602
Différentes catégories
Taux de discrimination
Pas de problèmes avec le syst. de mes.
> 10
> 10
Dépend Dépend des c ritiques et coûts
4-9
4-9
Rejète le système de mesure
<4
<4
Fethi Derbeli
35
Faible capabilité d'un instrument Troubleshooting •
Si une une source source de variati variation on dominan dominante te est est répétit répétitive ive (équip (équipement), ement), vous devez rempla remplacer, cer, réparer ou régler l'appareil.
•
Si, après après consul consultation tation du vendeur vendeur de l'appareil l'appareil ou après après recherch recherches es dans dans la la documenta documentation, tion, il s'avère que la technologie de mesure que vous utilisez est est ce qui se fait de mieux en la matière et qu'elle correspond à ses ses spécifications, il faudra apprendre apprendre à vivre avec. Une solution à ce problème consiste à utiliser un système calculant la moyenne (voir page suivante).
•
Si c'est c'est l'opér l'opérate ateur ur qui est est une source source de varia variatio tionn dominan dominante te (repro (reproduct ductibi ibilit lité), é), vous vous devez examiner soit la formation, soit la qualité et l'utilisation de vos procédures standard d'exploitation ou de mesure. mesure. Vous devriez chercher les différences entre les opérateurs pour savoir s'il s'agit d'un problème de forma-tion, de compétences et/ou de procédure.
•
Évalu Év aluez ez les les spé spécif cific icat atio ions ns.. So Sont nt-e -elle lless rais raisonn onnab able less ?
•
Si la capab capabili ilité té de l'ins l'instru trumen mentt est margi marginal nalee (30 % de toléra tolérance nce,, par exemp exemple) le) et et le procédé fonctionne avec une aptitude élevée (Cpk supérieur à 2), l'instrument ne vous gêne probablement pas et vous pouvez continuer à l'utiliser.
Jan-16
Fethi Derbeli
36
Contrôle de la répétabilité :Solution à court terme • •
Note : Si vous voulez diminuer vos erreurs de mesure, exploitez la racine carrée de l'erreur standard de l'échan-tillon. x La tec techn hniq ique ue cal calcu cula lant nt la moy moyen enne ne utilise : x 1
x x x x x x x x x
n n = nombre de mesures répétées effectuées sur la même pièce mesure = moyenne de “n” lectures
1 4
Distribution d'individus
1/ 2
Exemple : une erreur de mesure de 50 % peut être réduite réduite de moitié si votre évaluation par points est la moyenne de 4 mesures répétées N'utilisez cette technique qu'à court terme pour effectuer une étude. Vous devez toutefois réparer l'instrument de mesure.
Jan-16
Fethi Derbeli
x x x x x x x Distribution de moyens
37
Métriques de la capabilité du processus u Hypothèses : Ô Le procédé est stable (sous contrôle statistique) Ô Le procédé a tendance à être normalement distribué u Les indices de capabilité ne sont significatifs que lorsque les hypothèses sont valides
C p
Tol . sup Tol . Inf LSS LIS
6
C pk
Jan-16
Min[
6
Tol . sup x x Tol . Inf
3
;
3
Fethi Derbeli
LSS x x LIS
] Min[
3
;
3
38
]
Court terme et long terme • • • • •
La capa capabili bilité té à court court ter terme me est est calc calculé uléee en en utilis utilisant ant un écar écartt type type grou groupé pé sur la base base de sous-groupes ration-nels La capab capabilit ilitéé à long term termee est calcu calculée lée en en utilisa utilisant nt l'éca l'écart rt type type total total sans sans consid considére érerr les sous sous-gr -group oupes es Voyyon Vo onss la di diff fféére rennce da dans ns Mi Mini nita tab… b… Fichier de référence : SigmaShift.mtw – Set-Up 1
Set-Up 3
LSL LSL
Jan-16
Set-Up 2
USL
USL
Fethi Derbeli
39
Analyse de capabilité Minitab •
Stat St at > Ou Outi tils ls de de qual qualit itéé > Étu Étude de d'a d'apt ptit itud udee (no (norm rmal ale) e) Process Capability Analysis for All Nests
USL
L SL
Process Data 10.8000
Target
Process Capability Analysis for NestA - NestE
US L ST LT
*
LSL
9.2000
Mean
USL
Target LSL
10.0078
Mean
9.2000
250
Sample N
250
0.185734 0.296155
StDev (ST) StDev (LT)
0.313255 0.296155
Potential (ST) Capability
Potential (ST) Capability
Cp
1.44
Cp
0.85
CPU CPL
1.42 1.45
CPU CPL
0.84 0.86
Cpk
1.42
Cpk
0.84
Ove ra ra l (L (L T) T) Ca Ca pa pa bi bi li ty ty
9.0
9 .5 O bs bs er erve d Pe rfrfo rm rm an an ce ce
10 .0
10 . 5
E xp ec ec te d ST ST Pe Pe rfrfo rm rm an an ce ce
Pp PPU
0.90 0.89
PPM < LSL PPM > USL
4000.00 0.00
PPM < LSL PPM > USL
PPL
0.91
PPM Total
4000.00
PPM Total
Ppk
0.89
Cpm
11 .0 E xp ec ec te d L T P er er fo rm rm an an ce ce
*
Ove ra ra llll ( LT LT ) C ap ap ab ab ilil itit y
9 .0
9.5 Ob se se rv rve d P er er fo rm rm a nc nc e
10 .0
1 0.5
E xp ec ec te d S T P er er fo fo rm rm a nc nc e
11 .0 E xp ec ec te te d L T P er er fo rm rm an an ce ce
6.83 9.98
PPM < LSL PPM > USL
3190.29 3736.15
Pp PPU
0.90 0.89
PPM < LSL PPM > USL
4000.00 0.00
PPM < LSL PPM > USL
4959.22 5719.38
PPM < LSL PPM > USL
3190.29 3736.15
16.81
PPM Total
6926.45
PPL
0.91
PPM Total
4000.00
PPM Total
10678.59
PPM Total
6926.45
Ppk
0.89
Un sous-groupe rationnel identifiera la capabilité potentielle du procédé s'il est possible de réduire les décalages de la moyenne
Jan-16
ST LT
10.0078
StDev (ST) StDev (LT)
*
USL
*
Sample N
Cpm
LS L
Process Data 10.8000
Fethi Derbeli
L'utilisation incorrecte des sous-groupes peut en fait masquer masquer la capabilité potentielle à court terme
40
capabilité 6,0 5,0 p
%R&R0%
4,0
10%
C l a 3,0 u t c 2,0 A
20% 30% 40%
1,0
50%
0,0
60%
0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
70%
Observed C p
Lorsque le %R&R diminue, le Cp augmente Jan-16
Fethi Derbeli
41
Exercice Concevez et effectuez une étude de capabilité d'un instrument de mesure en utilisant 3 opérateurs mesurant chacun 10 10 pièces 3 fois. Utilisez les informations ci-dessous comme guide. Les pièces à mesurer sont fournies par votre votre formateur. Mesurez la(les) dimension(s) désignée(s) en utilisant l'outil de de mesure fournit. Enregistrez les résultats directement dans une une feuille de données Minitab et et analysez vos résultats. Utilisez pour votre analyse les deux valeurs valeurs % Variation V ariation étude et % Tolérance. Tolérance. Étapes : 1) Crée Créezz une feuilles feuilles de saisie des données Minitab Minitab pour pour 90 observation observationss : 3 opérateurs * 3 essais * 10 pièces = 90 observations Sélectionnez : Calc > Générer des suites de nombres > Ensemble simple de de nombres (Faites vérifier votre votre feuille de saisie sai sie des données par le formateur for mateur avant de lancer l'étude).
2) Lancez Lancez l'étude l'étude R&R et saisissez saisissez les donnez donnez observées observées dans Minitab Minitab.. 3) Analy Analysez sez vos vos données données en en utilisant utilisant Minitab Minitab : Sélectionnez : Stat > Outils de de qualité > Étude R&R des instruments Sélectionnez : Stat > Outils de de qualité > Carte d'essais des instruments 4) Év Évalue aluezz l'apt l'aptitude itude (capabili (capabilité) té) de votre votre instrument de mesure mesure et identifiez identifiez les solutions possibles en cas de faiblesse. Résumez vos conclusions conclusions sur un tableau à feuilles (flip chart). Jan-16 Fethi Derbeli
42
Questions?
Jan-16
Fethi Derbeli
43
