Si vous tentez une analyse statistique des données, vous avez besoin de plus qu'un simple assortiment de nombres générés par le processus de collecte que vous avez utilisé. Vous devez également vous assurer de la fiabilité du processus de collecte lui-même. En d'autres termes, si quelqu'un vous disait que les gâteaux d'une boulangerie de quartier variaient en qualité de 15 pour cent d'un lot à l'autre, il faudrait savoir si les mesures utilisées pour déterminer cette qualité étaient elles-mêmes suffisantes qualité. Que se passe-t-il si les gâteaux sont tous plus ou moins les mêmes d'un lot à l'autre et que c'est en fait le système d'évaluation de la qualité qui montre une réelle variation d'un ensemble de données à l'autre ?
Ces préoccupations sont au cœur de l'analyse des systèmes de mesure, ou MSA. La notion denombre de catégories distinctes, ou NDC, dans MSA est un moyen important de garder une trace des moyens par lesquels vous évaluez la qualité de votre acquisition de données, et il est dérivé de Gage R&R. Ces outils statistiques sont très utiles dans les situations où un grand nombre d'articles sont produits et ils sont, en théorie, identique (par exemple, une sorte de pièce automobile qui entre dans un type de véhicule mais est fabriquée au niveau de milliers par an).
MSA expliqué
Un calcul MSA explore la quantité de variation dans une mesure résultant des outils de mesure, en mesurant processus, environnement de travail, les personnes qui effectuent la mesure et d'autres facteurs en dehors de l'article en cours étudié. En revenant à l'exemple des gâteaux, vous voudriez savoir dans quelle mesure la variation signalée de leur qualité est le résultat d'une variation dans la perception de leur qualité. Étaient-ils en fait « trop sucrés » la semaine dernière par rapport à il y a six mois, ou cela pourrait-il être le résultat de la façon dont les gens goûtent les choses en hiver par rapport à l'été ?
L'idée derrière l'invocation de MSA est d'utiliser les résultats pour affiner un processus de production et éliminer les erreurs. Il s'agit d'un aspect relativement sophistiqué du contrôle de la qualité. La plupart, y compris le Gage R&R et les informations NDC qu'il produit, ne sont pas effectués à la main mais à l'aide de progiciels de statistiques.
Le Gage R&R
La partie "R&R" de "Gage R&R" signifie "fiabilité et reproductibilité". La fiabilité fait référence à la capacité d'un seul opérateur (souvent une personne) à obtenir le même résultat encore et encore; la reproductibilité fait référence aux mesures de plusieurs opérateurs appartenant à un groupe numérique aussi serré que possible.
Ce type de MSA implique jusqu'à troisles opérateurs(c'est-à-dire des outils de mesure), cinq à dixles piècesou alorséléments, et jusqu'à troisrépéter les mesures. Ces analyses sont structurées de manière à ce que chaque pièce distincte soit traitée individuellement par chaque opérateur, et que les mesures de chaque couple pièce-opérateur soient répétées au moins une fois.
Le Gage R&R mesure uniquement la variabilité des mesures. Notez que cela ne dit rien sur la précision des mesures, qui ne peut être assurée que par l'étalonnage. Un calcul de reproductibilité favorable est inutile si les données elles-mêmes sont suspectes.
Le calcul du NDC
Lorsque vous exécutez un Gage R&R sur votre logiciel, les résultats incluront un NDC. Il est cependant utile de comprendre d'où vient ce nombre.
La formule est :
NDC=\sqrt{2}\frac{\sigma_{part}}{\sigma_{gage}}=1.41\frac{\sigma_{part}}{\sigma_{gage}}
Ici,partie représente la racine carrée de la variance de la composante partielle du R&R de l'instrumentation, tandis que σjauge représente la racine carrée de la variance de l'ensemble de l'analyse R&R de l'instrumentation. Une valeur NDC de 5 ou plus est considérée comme souhaitable. Moins de 2 est trop peu parce qu'il n'y a rien pour faire des comparaisons; les valeurs 2 et 3 peuvent être utilisées pour créer des catégories "plus/moins" et "faible/moyen/élevé" mais sont sous-optimales.