Analyse du systme de

mesure MSA

Jan-16

Fethi Derbeli

Analyse du systme de mesure MSA

Jan-16

Fethi Derbeli

Programme

Jan-16

Pourquoi tudier les systmes de mesure ?

talonnage ou tude R&R des instruments de mesure ?
Sources possibles de variabilit
P/TV et P/T
La mthode
Analyse utilisant Minitab
Critres d'approbation
Exercices

Fethi Derbeli

Pourquoi tudier l'aptitude des systmes de mesure ?

Pour quantifier les variations observes dues aux erreurs du systme de
mesure
Pour valuer un nouvel instrument de mesure avant de le valider pour la
production
Pour comparer diffrents types d'instruments de mesure
Pour former un jugement sur un instrument de mesure suspect d'tre
insuffisant
L'erreur de mesure est une mesure statistique quantifiant
l'effet net de toutes les sources de variabilit des mesures
qui fait qu'une valeur observe dvie de l'talon.

total product Measurement

2 total 2 product 2 Measurement
Jan-16

Fethi Derbeli

talonnage ou tude R&R des instruments de mesure?

Valeurs
relles
Bias du systme de mesure :
valu par une tude de
l'talonnage

Valeurs
mesures

erreur de mesure

total product Measurement

Valeur mesure = valeur relle + erreur de mesure
Valeurs
relles

Valeurs
mesures

Variabilit du systme de mesure :

valu par une tude R&R des
variables

2 total 2 product 2 Measurement

Variabilit mesure = variabilit du produit + variabilit de la mesure
Jan-16

Fethi Derbeli

Sources possibles de variation

Variation du procd observe

Variation de mesure

Variation actuelle du procd

Variation du
procd long
terme

Un bon systme d'talonnage et un appareil de mesure

correct contrleront ces sources de variation.

Variation
due
l'instrument de
mesure

Variation
due aux
oprateurs

Variation du
procd court
terme

Reproductibilit

Rptabilit
Prcision

Stabilit

total product Measurement

Linarit

Jan-16

Fethi Derbeli

Prcision des instruments de mesure

La prcision d'un instrument de mesure est la diffrence entre la moyenne des

mesures observe et la moyenne relle. La meilleure faon de dterminer la
moyenne relle est d'effectuer une mesure avec l'appareil le plus prcis disponible.
Moyenne
relle
Prcision

Moyenne
observe

La prcision des instruments de mesure est assure par un bon

programme d'talonnage !
Jan-16

Fethi Derbeli

Stabilit des instruments de mesure

La stabilit d'un instrument de mesure se rfre la diffrence

entre les moyennes d'au moins deux sries de mesures obtenues
avec le mme instrument de mesure sur les mmes pices et
effectues des moments diffrents.
Stabilit de l'instrument de mesure

Moment 1

Moment 2

La stabilit des instruments de mesure est maintenue par un bon

programme d'talonnage !
Jan-16

Fethi Derbeli

Linarit des instruments de mesure

La linarit d'un instrument de mesure est
la diffrence entre les valeurs de prcision
dans la plage attendue.

Valeur
observe

Bias

Pas de
bias

Valeur
relle

Moyenne
relle

Moyenne
observe
(infrieure)

Moyenne
observe
(suprieure)

Moyenne
relle

Petit bias
(infrieur)

Grand bias
(suprieur)

Plage de mesure infrieure

Plage de mesure suprieure

La linarit des instruments de mesure est une fonction de la slection des

appareils. La linarit au sein de la plage des spcifications devrait faire
partie intgrante de la procdure de qualification des instruments de mesure.
Jan-16

Fethi Derbeli

Reproductibilit des instruments de mesure

La reproductibilit d'un instrument de mesure est la variation des
moyennes des mesures effectues par diffrents oprateurs utilisant
le mme instrument de mesure et mesurant les mmes caractristiques d'une mme pice.

Bonne
Reproducibilit

Valeur
Nominale

Mauvaise
Reproducibilit

Operator 1 Operator 2 Operator 3

Jan-16

Operator 1 Operator 2 Operator 3

Fethi Derbeli

10

Rptabilit des instruments de mesure

La rptabilit est la variation obtenue dans les mesures lorsqu'un
oprateur utilise le mme instrument de mesure pour mesurer
les mmes caractristiques des mmes pices.

Mauvaise
Repeatabilit

Valeur
Nominale
Bonne
Repeatabilit

Mean

Mean

Jan-16

Fethi Derbeli

11

Indicateurs Descriptifs Outil

Pour qualifier un instrument de mesure comme tant capable de satisfaire aux spcifications produit :

P/T =

%Tolerance

2
5.15 * MS
5.15 * MS
P/T

USL - LSL
USL LSL

Prcision de l'instrument
-------------------------------Plage de tolrance

5.15 * MS
* 100
USL LSL

Pour quantifier les variations d'un instrument de mesure par rapport

aux variations totales des mesures tudier :

Prcision de l'instrument
P / TV = -----------------------------------Variations totales du procd

P/TV

%R & R %StudyVar

2
5.15 * MS

5.15 * 2total

MS
total

MS
* 100
total

Quand P/T et P/TV seront-ils identiques ? De quelle

manire ceci affecte-t-il l'aptitude (capabilit) du procd ? l?
Jan-16

Fethi Derbeli

12

Critre de qualification
Un autre critre de qualification du systme de mesure
compare
la variabilit de loutil de mesure celle de la pice cest
number of distinct categories
2
Part
1.41 * Part
DC
*2
2
MS
MS

1 Distinct Category

Jan-16

2 Distinct Categories

Fethi Derbeli

>10 Distinct Categories

13

Critres d'approbation

Il existe trois mthodes courantes utilises pour qualifier un systme de mesure

% Variation tude
Diffrentes catgories
Taux de discrimination (pas utilis dans Minitab)
Les rgles de chaque mthode sont indiques ci-dessous :

Accept
Evaluate
Use

Reject
Jan-16

Discrimination

%Study

Distinct
Categories

<10%

>10

>10

10%
30%

4-9

4-9

>30%

<4

<4

Fethi Derbeli

Ratio

14

Directives pour la R&R des instruments

Au moins deux oprateurs, mais trois ou plus de prfrence

Au moins 10 units reprsentant 80 % des variations observes

Chaque unit est mesure au moins 2 fois par chaque oprateur

L'quipement doit avoir un pouvoir discriminant (rsolution) adquat

Il faudrait qu'il y ait une stratgie R&R des instruments de mesure pour la qualification
de nouveaux oprateurs et de nouveaux quipements

Jan-16

Fethi Derbeli

15

Mthode R&R des instruments de mesure

1) Slectionnez des chantillons reprsentant au moins 80 % de la plage totale du procd.
2) talonnez l'instrument de mesure ou assurez-vous qu'il a t talonn.
3) Prparez la feuille de travail Minitab pour l'tude R&R de l'instrument de mesure :
-En-tte de colonnes pour Oprateur, Pice, Mesure
-Utilisez > Calc > Gnrer des suites de nombres > Ensemble simple de nombres
(pour chaque entre)
4) Le premier oprateur mesure tous les chantillons une fois dans un ordre alatoire.
(Il vaut mieux utiliser un chantillonnage aveugle o l'oprateur ne connat pas l'identit de la pice afin
de rduire le bias humain. Les pices doivent reprsenter 80 % de toute la variabilit long terme).
5) Le second oprateur mesure tous les chantillons une fois dans un ordre alatoire ; Continuez jusqu' ce
que tous les oprateurs aient mesur les chantillons une fois
(ceci est le 1er Essai).
6) Rptez les tapes 4-5 autant de fois (essais) que ncessaire.
7) Entrez les donnes et les informations de tolrance dans Minitab :
Stat > Outils de qualit > tude R&R des instruments
Stat > Outils de qualit > Carte d'essais des instruments
8) Analysez les rsultats et valuez la qualit du systme de mesure sur la base des directives de la page
suivante. Dterminez les actions de suivi.

Jan-16

Fethi Derbeli

16

tudes R&R : Mthodes d'analyse

Mthode X barre et R
Utilise d'habitude dans l'industrie automobile
Peut sparer les oprateurs et les pices mais pas l'interaction
oprateur*pice
Les valeurs aberrantes auront une grande influence sur la
mthode X barre et R
Mthode ANOVA
Plus prcise
Peut sparer les interactions oprateur*pice
Augmente le pouvoir de partitionnement de la variance
travers l'analyse de la variance
Jan-16

Fethi Derbeli

17

Minitab Analysis Precoat Example

Exemple utilisant ANOVA Methode:
FN: PortaSpecR&R.mtw
Stat>Quality Tools>Gage Study>Gage R&R
Study (Crossed)

La mthode ANOVA est

slectionne par dfaut

Jan-16

Fethi Derbeli

18

Minitab Analysis Precoat Example

P/TV

Jan-16

6 * 2MS
6 * 2total

6 * 2MS
6 * MS
P/T

USL - LSL USL LSL

MS
total

Fethi Derbeli

19

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

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

Comment on
interprette ce
resultats?

Number of Distinct Categories = 29

Jan-16

Fethi Derbeli

20

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
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 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

Lavantage de la mthode ANOVA nous permet dvaluer

lintraction Operateur*Pice
Si lintraction nest statistiquement signifiante = 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
MS
%Contribution 2
total
7660

3268422
.0023

2 total 2product 2measurement

Fethi Derbeli

23

Session Window - % Etude Var

% Study Var = P/TV (Precision/Total Variation)
%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

MS
* 100
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

Session Window - % Tolerance

% Tolerance = P/T (Precision / Tolerance)
5.15 * MS StudyVar(SV)
%Tolerance

USL LSL
USL LSL

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

Que signifie ce nombre?

Jan-16

Fethi Derbeli

25

Session Window Distinct Categories

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 de la catgorie distincte de la pice cest que le processus I est

actuellement capable de diffrencier.
Le plus petit le Gage R&R, le plus grand le DC sera.
On lobtient du calcul
2
Part
1.41 * Part
DC
*2
2
MS
MS
Jan-16

Fethi Derbeli

26

Graphique
Porta Spec R&R
Reportedby :
Tolerance:
M isc:

G agename:
D ateofstudy :

Components of Variation

Result by Sample
% Contribution

400

7000

Percent

% StudyVar
% Tolerance

4500

200

2000

0
GageR&R

Repeat

Reprod

Part-to-Part

5
6
Sample

10

R Chart by Operator
Sample Range

Result by Operator

300

UCL=301.1

150

7000

_
R=92.2

4500

LCL=0

2000
1

2
Operator

Xbar Chart by Operator

2

Operator * Sample Interaction

Operator

6000
4000

_
_
UCL=4406
X=4233
LCL=4060

Average

Sample Mean

6000

2
3

4000
2000

2000

Jan-16

Fethi Derbeli

5
6
Sample

10

27

Graphique

Composant de la Variation rsume la table ANOVA :

Jan-16

% Total Var = Indice de la Variance

% Study Var = Indice Deviation standard utilisant sigma
% Toler = Indice Variation / Tolerance
% barre Processus ajout si sigma historique est entr
Idallement on veut avoir Pice-o-Pice barres le plus haut
Fethi Derbeli

28

Graphique
La chart R consiste comme suit:
Les points representent lcart de la valeur de chaque pice
L ligne verte est la moyenne des cart du processus
Les limites de contrle roug representent la quantit des variations attendues
pour lcart des sousgroupes.
Ideallement on veut voir tous les points du graphique sous contrle

Jan-16

Fethi Derbeli

29

Graphique

The Xbar Chart consists 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 points on this graph to be out of control
Similar patterns across all the operators

Jan-16

Fethi Derbeli

30

Graphique
By Sample (Part) Chart
Shows all of the measurements taken in the study, 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 measurements for each individual part will vary as little as
possible and the averages will vary enough that differences between parts are clear

Jan-16

Fethi Derbeli

31

Graphique
By Operator Chart
The By Operator graph shows all of the 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 for each operator will vary an equal amount and
the
part averages will vary as little as possible (straight line)

Jan-16

Fethi Derbeli

32

Graphique
Operator*Sample (Part) Interaction Chart
The Operator*Part graph shows the average 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 the same pattern and the part averages will vary
enough
that differences between parts are clear

Jan-16

Fethi Derbeli

33

Minitab - carte d'essais des instruments

Gnre une carte d'essais des mesures par oprateur et par pice
Nous permet de visualiser la rptabilit et la reproductibilit pour et entre
oprateurs et pices
La ligne mdiane est la moyenne gnrale des pices
Stat > Outils de qualit > Carte d'essais des instruments

R u n c h a rt o f M e a s u re b y P a rt, O p e ra to r
1 .0 8
0 .9 8
0 .8 8
0 .7 8
0 .6 8
0 .5 8
0 .4 8
0 .3 8
P a rt N u m

1 .0 8
0 .9 8
0 .8 8
0 .7 8
0 .6 8
0 .5 8
0 .4 8
0 .3 8
P a rt N u m

10

Measure

Measure

1
2
3

Jan-16

Fethi Derbeli

34

Rsultats R&R des instruments de mesure

Nombre des catgories diffrentes =

C'est le nombre des catgories diffrentes que ce systme de mesure peut distinguer.
Nombre de groupes au sein des donnes du procd que votre systme de mesure peut
distinguer.

0.041602
Total
Dist Categories Round
* 2 Round
* 2 Round Down 4.33
2
MS

0.004437

Dicriminat ion Ratio Round

Source
R&R instr. totale
Rptabilit
Reproductibilit
Oprateur
Opr*Pice
Pice--Pice
Variation totale
Jan-16

2
Total

2 * 2 1 Round 18.75 1 Round Down 4.44
MS

Variance
0.004437
0.001292
0.003146
0.000912
0.002234
0.037164
0.041602

Pas de problmes
avec le syst. de mes.
Dpend des critiques
et cots
Rejte le systme de
mesure
Fethi Derbeli

Diffrentes
catgories

Taux de
discrimination

> 10

> 10

4-9

4-9

<4

<4

35

Faible capabilit d'un instrument Troubleshooting

Si une source de variation dominante est rptitive (quipement), vous devez remplacer,
rparer ou rgler l'appareil.

Si, aprs consultation du vendeur de l'appareil ou aprs recherches dans la documentation,

il s'avre que la technologie de mesure que vous utilisez est ce qui se fait de mieux en la
matire et qu'elle correspond ses spcifications, il faudra apprendre vivre avec. Une
solution ce problme consiste utiliser un systme calculant la moyenne (voir page
suivante).

Si c'est l'oprateur qui est une source de variation dominante (reproductibilit), vous
devez examiner soit la formation, soit la qualit et l'utilisation de vos procdures standard
d'exploitation ou de mesure. Vous devriez chercher les diffrences entre les oprateurs
pour savoir s'il s'agit d'un problme de forma-tion, de comptences et/ou de procdure.

valuez les spcifications. Sont-elles raisonnables ?

Si la capabilit de l'instrument est marginale (30 % de tolrance, par exemple) et le

procd fonctionne avec une aptitude leve (Cpk suprieur 2), l'instrument ne vous
gne probablement pas et vous pouvez continuer l'utiliser.

Jan-16

Fethi Derbeli

36

Contrle de la rptabilit :Solution court terme

Note : Si vous voulez diminuer vos erreurs de mesure, exploitez la racine carre de
l'erreur standard de l'chan-tillon.
La technique calculant la moyenne
utilise :

x
x x
xx x x
xx x x

n
n = nombre de mesures rptes effectues sur la
mme pice
mesure = moyenne de n lectures

1
4

Distribution
d'individus

1/ 2

Exemple : une erreur de mesure de 50 % peut tre rduite

de moiti si votre valuation par points est la moyenne de 4
mesures rptes
N'utilisez cette technique qu' court terme pour effectuer une tude.
Vous devez toutefois rparer l'instrument de mesure.

Jan-16

Fethi Derbeli

x
xx
x
x xx
Distribution
de moyens

37

Mtriques de la capabilit du processus

u Hypothses :
Le procd est stable (sous contrle statistique)
Le procd a tendance tre normalement distribu
u Les indices de capabilit ne sont significatifs que lorsque les hypothses sont
valides

Tol. sup Tol.Inf LSS LIS

Cp

6
6

C pk

Jan-16

Tol. sup x x Tol.Inf

LSS x x LIS
Min[
;
] Min[
;
]
3
3
3
3

Fethi Derbeli

38

Court terme et long terme

La capabilit court terme est calcule en utilisant un cart type group sur la base de
sous-groupes ration-nels
La capabilit long terme est calcule en utilisant l'cart type total sans considrer les sous-groupes
Voyons la diffrence dans Minitab
Fichier de rfrence :

SigmaShift.mtw
Set-Up 2
Set-Up 1
Set-Up 3

LSL
LSL

Jan-16

USL

USL

Fethi Derbeli

39

Analyse de capabilit Minitab

Stat > Outils de qualit > tude d'aptitude (normale)

Process Capability Analysis for All Nests
LSL

Process Data
USL
10.8000
Target
LSL
Mean
Sam ple N
StDev (ST)
StDev (LT)

Process Capability Analysis for NestA - NestE

USL
ST
LT

*
9.2000
10.0078
250
0.185734
0.296155

Sample N
StDev (ST)
StDev (LT)

Potential (ST) Capability

Cp
CPU
CPL
Cpk
Cpm

1.44
1.42
1.45
1.42
*

LSL

Process Data
USL
10.8000
Target
*
LSL
9.2000
Mean
10.0078

USL
ST
LT

250
0.313255
0.296155

Potential (ST) Capability

Cp
0.85
CPU
0.84
CPL
0.86

9.0

9.5

10.0

10.5

Cpk
Cpm

11.0

0.84
*

9.0

9.5

10.0

10.5

11.0

Overall (LT) Capability

Pp
0.90
PPU
0.89

Observed Performance
PPM < LSL
4000.00
PPM > USL
0.00

Expected ST Performance
PPM < LSL
6.83
PPM > USL
9.98

Expected LT Performance
PPM < LSL
3190.29
PPM > USL
3736.15

Overall (LT) Capability

Pp
0.90
PPU
0.89

Observed Performance
PPM < LSL
4000.00
PPM > USL
0.00

Expected ST Performance
PPM < LSL
4959.22
PPM > USL
5719.38

Expected LT Performance
PPM < LSL
3190.29
PPM > USL
3736.15

PPL
Ppk

PPM Total

PPM Total

PPM Total

PPL
Ppk

PPM Total

PPM Total

PPM Total

0.91
0.89

4000.00

16.81

6926.45

Un sous-groupe rationnel identifiera la

capabilit potentielle du procd s'il
est possible de rduire les dcalages de
la moyenne

Jan-16

Fethi Derbeli

0.91
0.89

4000.00

10678.59

6926.45

L'utilisation incorrecte des sous-groupes

peut en fait masquer la capabilit
potentielle court terme

40

Effet R&R sur la

capabilit
6,0

A c tu a l C p

5,0

%R&R0%

4,0
3,0
2,0
1,0
0,0
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

10%
20%
30%
40%
50%
60%
70%

Observed Cp

Lorsque le %R&R diminue, le Cp augmente

Jan-16

Fethi Derbeli

41

Exercice
Concevez et effectuez une tude de capabilit d'un instrument de mesure en utilisant 3
oprateurs mesurant chacun 10 pices 3 fois. Utilisez les informations ci-dessous comme guide.
Les pices mesurer sont fournies par votre formateur. Mesurez la(les) dimension(s) dsigne(s)
en utilisant l'outil de mesure fournit. Enregistrez les rsultats directement dans une feuille de
donnes Minitab et analysez vos rsultats. Utilisez pour votre analyse les deux valeurs %
Variation tude et % Tolrance.
tapes :
1) Crez une feuilles de saisie des donnes Minitab pour 90 observations :
3 oprateurs * 3 essais * 10 pices = 90 observations
Slectionnez : Calc > Gnrer des suites de nombres > Ensemble simple de nombres
(Faites vrifier votre feuille de saisie des donnes par le formateur avant de lancer l'tude).

2) Lancez l'tude R&R et saisissez les donnez observes dans Minitab.

3) Analysez vos donnes en utilisant Minitab :
Slectionnez : Stat > Outils de qualit > tude R&R des instruments
Slectionnez : Stat > Outils de qualit > Carte d'essais des instruments
4) valuez l'aptitude (capabilit) de votre instrument de mesure et identifiez les
solutions possibles en cas de faiblesse. Rsumez vos conclusions sur un tableau
feuilles (flip chart).
Jan-16

Fethi Derbeli

42

Questions?

Jan-16

Fethi Derbeli

43