Analyse de la justesse

L’analyse de la justesse d’un instrument de mesure permet de valider que la moyenne des mesures n’est
pas différente de la valeur vraie du mesurande. Dans le cas contraire, on appelle cette différence le biais
de mesure. Si celui-ci est important il faut le corriger.

Pour calculer le biais de mesure, on réalise 30 mesures successives d’une pièce dont on connait la
valeur vraie (par exemple un étalon).
On compare ensuite la moyenne de ces mesures à la valeur vraie de la pièce. Supposons que la valeur
vraie de la pièce est de 7.702.
Le biais est calculé par :

Le biais est important s’il est supérieur à IT/20.

Significativité du biais.
Lorsque l’on calcule le biais d’un processus de mesure en faisant la moyenne d’une série de mesures, la
probabilité de calculer un biais exactement nul est proche de 0. Il convient donc de se poser la question
de la significativité du biais. C’est-à-dire, est-ce que le biais calculé est significativement différent de 0
au sens statistique du terme.
Pour cela, on calcule ce que représente le biais en nombre d’écart-type :

On calcule ensuite la valeur limite de t en utilisant la table de Student pour n-1 degré de liberté et un
risque alpha bilatérale de 5%, soit un risque alpha unilatérale de 2.5%.
Par exemple, dans notre exemple précédent de 30 mesures consécutives :
tlimite(2,5%, 29 ddl) = 2,045
Le biais est significatif si t>tlimite.
Le graphique ci-dessus permet de représenter graphiquement le biais et la significativité du biais.
• Les points bleus représentent les mesures.
• Le point vert représente la moyenne calculée et le trait vert sur sa gauche représente l’intervalle
de confiance de la moyenne.
• La ligne rouge représente la vraie valeur du mesurande. Si celle-ci se trouve à l’intérieur de
l’intervalle de confiance, le biais sera non significatif. A l’inverse, si celle-ci se trouve à
l’extérieur de l’intervalle de confiance, le biais sera significatif.

Calculer un écart type intra-série

Lorsque l’on mesure la variabilité d’un procédé à partir d’une série d’échantillons de plusieurs pièces,
il est possible de distinguer deux types de variabilité :

Si l’on mélange toutes les pièces et que l’on calcule l’écart-type de l’échantillon global ainsi constitué,
on calculera l’écart-type global de toutes les pièces. Cet écart-type prend en compte l’ensemble de la
variabilité de l’échantillon, y compris la variabilité entre les échantillons.
Or, il est parfois nécessaire de séparer la variabilité entre, d’une part la variabilité intra-échantillon et la
variabilité entre les échantillons.
C’est par exemple le cas lorsque l’on souhaite calculer une capabilité court terme à partir de plusieurs
 échantillonnages. La variabilité intra-échantillon représente alors la variabilité intrinsèque de la
machine de production, alors que la variabilité globale tient également compte des déréglages de la
machine sur un temps plus long.
C’est également le cas lorsque l’on souhaite calculer la dispersion d’un instrument de mesure lors
d’une étude R&R. La variabilité intra-échantillon représente alors la répétabilité (ou reproductibilité
selon l’échantillonnage) du processus de mesure, alors que la variabilité globale tient également compte
de la variabilité de pièces.
Pour calculer l’écart-type intra-série, il existe deux méthodes de calcul :
Méthode Range : Très facile à utiliser, les calculs peuvent être faits à la main, elle nécessite cependant
de n’avoir que des échantillons de même taille.
Méthode Variance : Les calculs sont plus compliqués, mais très facilement réalisables par un
ordinateur. Cette méthode est utilisable lorsque les échantillons ne sont pas de même taille.

Méthode Range :
Pour calculer l’écart-type intra-échantillon à partir de la méthode Range, il faut calculer disposer d’une
série d’échantillons de même taille comme dans l’exemple suivant

Par chaque échantillon, on calcule l’étendue R.

On calcule ensuite la moyenne des étendues, dans l’exemple précédant :

L’écart type intra-échantillon est simplement calculé par la formule

est un coefficient qui se déduit du tableau suivant. Il est fonction du nombre de sous-groupes utilisés
pour le calcul, ainsi que du nombre de mesures dans chaque sous-groupe.
Nb de Nombre de sous-groupes
mesur 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 >15
es
dans 2 1.414 1.279 1.231 1.206 1.191 1.181 1.173 1.168 1.164 1.160 1.157 1.155 1.153 1.151 1.150 1.128
3 1.912 1.805 1.769 1.750 1.739 1.731 1.726 1.721 1.718 1.716 1.714 1.712 1.710 1.709 1.708 1.693
 4 2.239 2.151 2.120 2.105 2.096 2.099 2.085 2.082 2.080 2.077 2.076 2.074 2.073 2.072 2.071 2.059
5 2.481 2.400 2.379 2.366 2.358 2.353 2.349 2.346 2.344 2.342 2.340 2.339 2.338 2.337 2.337 2.326
chaque
sous 6 2.673 2.604 2.581 2.570 2.563 2.558 2.555 2.552 2.550 2.549 2.547 2.546 2.542 2.545 2.544 2.534
Dans l’exemple précédent, nous disposions de 5 sous-groupes de 3 pièces, on en déduit donc

Par suite :

Méthode à partir de la variance :

Pour calculer l’écart-type intra-échantillon à partir de la méthode Range, il n’est pas
nécessaire disposer d’une série d’échantillons de même taille, il faut simplement une série d’échantillon
de plus de 2 pièces chacun, comme dans l’exemple suivant :

Pour chaque échantillon, on calcule :

• ni: Nombre de pièces constituant l’échantillon

• vi: Nombre de degré de liberté de l’échantillon = n-1
• Vi: Variance de l’échantillon :
Le calcul de la variance intra-échantillon se fait par :

On en déduit alors le calcul de l’écart type intra-échantillon :

Le gage R&R permet de qualifier un processus de mesure, c’est-à-dire vérifier que la variabilité du
processus de mesure est compatible avec la variabilité de la quantité à mesurer.
 Variabilité des pièces – Variabilité de la mesure
On considère qu’il est nécessaire d’avoir un ratio de 4 entre la variabilité des pièces et la variabilité de
la mesure. Ce ratio s’exprime sous le nom de Cpc production :

Le Cpc production dépend donc de la dispersion des pièces, or, lorsque l’on veut caractériser un
instrument de mesure, on souhaiterait que cette caractérisation soit indépendante de la variabilité de la
production. Nous allons donc introduire un nouveau type de variable, qui permet de caractériser
l’instrument de mesure non pas par rapport à la dispersion de pièce mais par rapport à l’intervalle de
tolérance des pièces.
De la même manière que l’on calcule une capabilité, l’instrument de mesure sera caractérisé :
• Soit par le Cpc (Capabilité du Processus de Contrôle) :

• Soit par le RR (Répétabilité et Reproductibilité) :

Comme vous pouvez le remarquer, les deux indicateurs représentent la même chose et l’on a la
relation :
GRR = 1/Cpc
Voici donc les règles habituellement admises :
Cpc GRR%
Inacceptable <3 >30%
Processus limite >3 et < 4 <30% et >20%
Acceptable >4 <20%
Excellent >8 <10%

Utilisation Ellistat :
Pour réaliser un R&R, on définit le nombre de pièces, le nombre d’opérateurs et le nombre de
répétitions pour dimensionner le tableau. Les calculs sont réalisés lorsque le tableau est complet. Il est
possible de changer les nombres de pièces, opérateurs et répétitions après avoir saisi les valeurs.
Si on place la souris sur un chiffre, un rappel succinct de la signification de ce chiffre s’affiche.

Plusieurs R&R peuvent être réalisés dans la même session Ellistat. On passe d’un R&R à un autre en
cliquant sur les flèches
Interprétation des graphiques :

Les graphes donnent une information visuelle sur le résultat des calculs.
Le premier graphe donne pour chaque pièce mesurée et chaque opérateur la répétition des mesures
réalisées.
La seconde ligne de graphe donne les moyennes des mesures par pièce et par opérateur ainsi que la
carte des étendues. Un point hors contrôle sur la carte des étendues signifie probablement une mesure
aberrante.
Enfin les graphes en barres donnent la répartition de la variance.
Justesse

Le menu justesse permet de vérifier la justesse du processus de mesure par rapport à une valeur
mesurée sur un processus de référence et donc supposée vraie.
Pour cela on prend une pièce dont on connait la mesure (Valeur réputée vraie) et on mesure cette pièce
sur l’instrument une dizaine de fois.
Ellistat évalue alors l’importance de l’écart de justesse, sa significativité, et estime la répétabilité de la
mesure.
Gage R&R – Attribut

La saisie se fait en cliquant sur les cases :

Clic Gauche : OK
Clic droit : KO
En cliquant sur l’entête toutes les valeurs sont sur OK, il suffit ainsi de modifier uniquement les
valeurs KO.
La première ligne de résultat donne l’analyse globale de capabilité, chaque opérateur est ensuite
détaillé. On donne :
La répétabilité : Capacité pour un opérateur à être d’accord avec lui-même.
La concordance : Proportion de mesures conformes à la mesure de référence. Attention une
concordance de 50% correspond à un tirage aléatoire des données. Il faut viser 90% de concordance.
La reproductibilité : Capacité pour un opérateur lorsque qu’il est d’accord avec lui-même d’être
d’accord avec la référence.

Calculer la dispersion d’un instrument

Pour calculer la dispersion d’un processus de mesure, on utilise un test de répétabilité et
reproductibilité.
 Figure : Répétabilité et Reproductibilité
Le test de répétabilité et reproductibilité vise à caractériser l’ensemble de la dispersion du processus de
mesure en séparant ce qui est du ressort de la répétabilité (c’est-à-dire la dispersion de la répétition de
mesure) de ce qui est du ressort de la reproductibilité (c’est-à-dire une différence entre plusieurs
opérateurs).
Pour réaliser ce test il faut :
Test standard : 3 opérateurs mesurent chacun 10 pièces 3 fois chacune
Test rapide : 3 opérateurs mesurent chacun 10 pièces 1 fois chacune (ce test ne permet pas de dissocier
répétabilité et reproductibilité)
Une fois les mesures effectuées, il y a deux méthodes pour calculer la dispersion du moyen de mesure :
Méthode ANAVAR : Méthode plus exacte, qui permet de calculer à la fois la répétabilité, la
reproductibilité et détecter s’il y a des interactions entre pièces et opérateurs.
Méthode RANGE : Méthode plus approchée, facile à calculer avec un tableur Excel, mais qui ne
permet pas de détecter une éventuelle interaction pièces/opérateur.
Nous vous recommandons de conserver la méthode de calcul ANAVAR car c’est la plus précise.

Méthode ANAVAR
Pour calculer le GRR et le Cpc en utilisant la méthode ANAVAR on utilise les analyses statistiques du
test de Fisher :
Sources de Somme des
Degré de liberté Moyenne des carrés F statistique
variabilité carrés
Opérateur
SSA a-1

Pièces
SSB b-1

Interaction SSAB (a-1)(b-1)

(Opérateur/pièce)
Instrument
SSE ab(n-1)

Total
TSS N-1

a = nombre d’opérateurs
b = nombre de pièces
n = nombre de répétitions
N = nombre total de mesures = abn

La répétabilité du processus de mesure est donnée par :

La reproductibilité du processus de mesure est donnée par :

L’interaction est donnée par :

La variabilité du processus de mesure est donnée par

On calcule enfin :
et

Méthode Range

La méthode range est particulièrement utilisée dans l’industrie car ses calculs peuvent être facilement
réalisé à la main.
Cette méthode permet de calculer la répétabilité et reproductibilité du processus de mesure mais ne
permet pas de calculer l’interaction, ce qui limite sa portée. Les calculs de cette méthode sont basés sur
le calcul d’un écart type intra-échantillon à partir des étendues.
Le principe de calcul est le suivant :

On considère l’ensemble des mesures de chaque pièce par chaque opérateur comme étant un
échantillon. De cette manière, la variabilité intra-échantillon représente la répétabilité du processus de
mesure, que l’on calcule par :

Plus de détails
On considère ensuite, les moyennes des mesures de chaque opérateur comme étant un échantillon, ce
qui permet de calculer la reproductibilité du processus de mesure par :

Les détails des calculs sont donnés dans l’exemple suivant :

Calcul de la répétabilité :

Calcul de la reproductibilité :

Calcul de la variabilité du processus de mesure :

On peut donc en déduire :