Contenu
Si vous tentez une analyse statistique des données, vous avez besoin de plus que de l'assortiment de nombres généré 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 l’on vous disait que la qualité des gâteaux d’une boulangerie de quartier varie de 15% d’un lot à l’autre, vous devez savoir si les mesures utilisées pour déterminer cette qualité sont elles-mêmes de qualité suffisante. 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 variation réelle d'un jeu de données à un autre?
Ces préoccupations sont au cœur de l'analyse des systèmes de mesure, ou MSA. Le concept de nombre de catégories distinctes, ou NDC, dans MSA est un moyen important de garder une trace du moyen par lequel 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, identiques (par exemple, une sorte de pièce automobile qui entre dans un type de véhicule mais qui est fabriquée au niveau de milliers par an. ).
MSA a expliqué
Un calcul MSA explore l'ampleur de la variation dans une mesure des résultats des outils de mesure, du processus de mesure, de l'environnement de travail, des personnes effectuant la mesure et d'autres facteurs extérieurs à l'élément réellement étudié. Pour revenir à l'exemple concernant les gâteaux, vous voudriez savoir dans quelle mesure la variation signalée de leur qualité est le résultat de variations 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 l'hiver ou l'été?
L’invocation de MSA consiste à utiliser les résultats pour affiner un processus de production et éliminer les erreurs. C'est un aspect relativement sophistiqué du contrôle de la qualité. La plupart des informations, y compris les informations Gage R & R et NDC produites, ne sont pas effectuées manuellement, mais à l'aide de progiciels 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 à plusieurs reprises; La reproductibilité fait référence aux mesures de plusieurs opérateurs appartenant à un groupe numérique aussi étroit que possible.
Ce type de MSA implique jusqu'à trois les opérateurs (c’est-à-dire des outils de mesure), cinq à dix les pièces ou articleset jusqu'à trois répéter les mesures. Ces analyses sont structurées de manière à ce que chaque opérateur traite individuellement chaque pièce distincte et répète au moins une fois les mesures de chaque paire opérateur-opérateur.
Le Gage R & R ne mesure que la variabilité des mesures. Notez que cela ne dit rien sur la précision des mesures, qui ne peuvent être assurées que par un étalonnage. Un calcul de reproductibilité favorable est inutile si les données elles-mêmes sont suspectes.
Le calcul NDC
Lorsque vous exécutez un Gage R & R sur votre logiciel, les résultats incluent un NDC. Il est toutefois utile de comprendre d’où provient ce chiffre.
La formule est la suivante:
NDC = √2 (σpartie/σjauge) = 1.41(σpartie/σjauge)
Ici, σpartie représente la racine carrée de la variance de la pièce de Gage R & R, alors que σjauge représente la racine carrée de la variance de l'analyse complète de Gage R & R. Une valeur NDC de 5 ou plus est considérée comme souhaitable. Moins de 2, c'est trop peu car il n'y a rien à faire des comparaisons entre; les valeurs 2 et 3 peuvent être utilisées pour créer des catégories "plus / moins" et "bas / moyen / haut" mais sont sous-optimales.