Introduction à la R& de jauge; Analyse R

Dans la fabrication moderne, les systèmes de mesure sont l'épine dorsale du contrôle de la qualité. Si vos gages, instruments ou appareils d'essai produisent des données peu fiables, même les méthodes de contrôle statistique des processus (SPC) les plus sophistiquées échoueront. ]L'analyse de la mesure est l'outil principal utilisé pour quantifier la variation du système de mesure.

Une étude de la R&e de jauge correctement exécutée aide les fabricants à identifier les sources d'erreur, à réduire les débris, à éviter les fausses acceptations et à s'assurer que les spécifications du produit sont respectées de façon uniforme. Cet article fournit un guide détaillé et étape par étape pour la mise en oeuvre de la R&e de jauge efficace; Analyse de la R dans vos processus de contrôle de la qualité, qui couvre la conception d'études, la collecte de données, l'analyse statistique et l'interprétation au moyen de méthodes acceptées par l'industrie par le Groupe d'action pour l'industrie automobile (GAAI) et d'autres organismes de normalisation.

Comprendre les composantes de la variation du système de mesure

Avant de plonger dans la conception de l'étude, il est essentiel de comprendre les trois sources de variation qu'une analyse de la R& de jauge sépare :

Répétabilité

La répétabilité est la variation observée lorsque le même opérateur mesure la même partie plusieurs fois en utilisant le même gage dans des conditions identiques. Elle reflète la précision inhérente de l'instrument de mesure et la cohérence de la procédure de mesure.

Reproductibilité

La reproductibilité[ saisit la variation causée par différents opérateurs mesurant la même partie avec le même gage. Elle comprend des différences dans la technique de l'opérateur, les habitudes de lecture et l'interprétation des résultats de mesure. Une faible reproductibilité suggère que les opérateurs sont bien formés et suivent des méthodes normalisées; une forte reproductibilité varie souvent en fonction de la nécessité d'une formation supplémentaire ou de directives de travail plus claires.

Variation entre les parties

La variation partielle est la vraie différence dans la dimension ou la caractéristique mesurée dans l'échantillon des parties sélectionnées pour l'étude. Cette composante n'est pas une erreur; c'est le signal que le système de mesure doit détecter. Pour qu'un système de mesure soit capable, la variation partielle à partie doit être importante par rapport à la variation combinée de répétabilité et de reproductibilité.

Pourquoi la R&R est essentielle au contrôle de la qualité de la fabrication

Les systèmes de mesure qui contribuent à une variation excessive peuvent donner lieu à deux résultats coûteux : rejeter des parties bonnes (risque de production) ou accepter des parties mauvaises (risque de consommation). Tant la rentabilité que la réputation de marque sont érodées. L'analyse de la jauge R&R fournit une évaluation quantitative de la capacité du système de mesure, généralement exprimée en %R&R (le pourcentage de variation totale attribué au système de mesure) ou Nombre de catégories distinctes (ndc).

Le manuel d'analyse des systèmes de mesure (MSA) de l'IAAG recommande les lignes directrices suivantes pour la R& de mesure de %Gauge:

  • %GRR ≤ 10% – Le système de mesure est acceptable.
  • 10% < %GRR ≤ 30 % – Peut être acceptable en fonction de l'importance de l'application, du coût du gage et d'autres facteurs.
  • %GRR > 30% – Le système de mesure est inacceptable et doit être amélioré.

Ces seuils aident les ingénieurs de la qualité à prendre des décisions fondées sur les données pour déterminer si un système de mesure peut être utilisé pour le contrôle des processus, les études de capacité ou l'inspection finale.

Planification d'une étude efficace de la R&D sur les jauges;

La planification adéquate est la phase la plus critique d'une étude de R&R sur les jauges. Les études précipitées ou mal conçues produisent des résultats trompeurs et des efforts inutiles.

Types d'études : croisés par rapport aux personnes en nid

Les deux modèles de R&R les plus courants sont croisés et imbriqués.

  • Conception de rupture:[ Chaque opérateur mesure chaque partie à plusieurs reprises. Ceci est approprié lorsque les pièces peuvent être mesurées de façon non destructive et que les opérateurs peuvent mesurer les mêmes parties physiques. Il permet d'estimer l'interaction de l'opérateur par partie.
  • Conception nestée: Chaque opérateur mesure différentes parties ou pièces détruites pendant la mesure (p. ex. essais de traction, essais de dureté). Les conceptions ne peuvent pas estimer l'interaction de l'opérateur par partie.

La plupart des études de R&R de fabrication utilisent une conception croisée avec 2 à 3 opérateurs, 10 pièces et 2 à 3 essais par combinaison d'opérateurs. Toujours randomiser l'ordre des mesures pour minimiser les biais de l'apprentissage de l'opérateur ou de la dérive de l'équipement.

Sélection des pièces et opérateurs

Les parties doivent représenter la gamme complète de la variation de production attendue. L'inclusion de parties qui couvrent la bande de tolérance permet de saisir la façon dont le système de mesure fonctionne à travers les limites de spécification.

Les opérateurs devraient être représentatifs de ceux qui effectueront la mesure de façon régulière. Utilisez des opérateurs formés et expérimentés, et non des experts amenés uniquement pour l'étude, à moins que l'étude ne vise à évaluer la capacité la plus appropriée.

Nombre d ' essais

Le GAIA recommande un minimum de deux essais; trois essais sont fréquents et souvent suffisants pour estimer la répétabilité. Pour les essais destructifs où des plans imbriqués sont utilisés, le nombre de répétitions par combinaison d'opérateurs peut être plus important pour obtenir une précision suffisante.

Guide étape par étape pour la réalisation d'une étude de R&R sur les jauges

Une fois le plan d'étude établi, suivez ces six étapes pour exécuter l'étude de façon cohérente.

Étape 1 : Préparer l'environnement de mesure

S'assurer que le gage est étalonné et en bon état de fonctionnement. Stabiliser les facteurs environnementaux tels que la température, l'humidité et les vibrations qui pourraient introduire des variations étrangères.

Étape 2: Randomiser et aveugler l'ordre de mesure

Pour éliminer le biais, ne pas permettre aux opérateurs de savoir quelle partie ils mesurent ou le résultat des essais précédents. Alterner la séquence des mesures pour chaque opérateur et assurer un temps suffisant entre les essais répétés sur la même partie afin que les opérateurs ne se souviennent pas des mesures précédentes. Utilisez des parties codées ou un calendrier de randomisation généré par un logiciel statistique.

Étape 3: Collecter les données

Faites en sorte que chaque opérateur mesure chaque partie du nombre d'essais prédéfini. Enregistrez immédiatement toutes les mesures, de préférence dans un système de collecte de données qui empêche les erreurs de transcription. Assurez-vous que les opérateurs suivent la même procédure à chaque fois.

Étape 4: Effectuer l'analyse

Utilisez un logiciel statistique (p. ex. Minitab, JMP, R ou modules MSA dédiés dans les plateformes QMS) pour calculer les composantes de la variance. La méthode préférée est analyse de la variance (ANOVA)[, qui peut estimer l'interaction opérateur-par-partie et fournir des composantes de variance plus précises. La méthode Xbar/R est plus simple mais moins flexible et peut sous-estimer certaines composantes de la variation.

Étape 5 : Interprétation des résultats

Examiner les paramètres clés suivants à partir de la sortie :

  • %Contribution – Pourcentage de la variance totale attribuable à la répétabilité, à la reproductibilité et à la partie à partie.
  • %Variation d'étude –[ Les composantes de l'écart-type exprimées en pourcentage de la variation totale de l'étude (généralement basée sur 5.15 sigma ou 6 sigma).
  • Nombre de catégories distinctes (ndc) – Le nombre d'intervalles de confiance non chevauchants que le système de mesure peut distinguer. Un ndc de 5 ou plus est généralement acceptable, tandis que ndc de moins de 2 indique que le système ne peut pas séparer les parties.

Comparez votre %GRR aux seuils mentionnés plus haut. Si %GRR dépasse 30 %, étudiez la plus importante composante contributive (répétabilité ou reproductibilité) pour identifier les causes profondes.

Étape 6 : Prendre des mesures

Si le système de mesure est inacceptable, mettre en œuvre des mesures correctives comme :

  • Entretien ou recalibrage du gage.
  • Recyclage des opérateurs en mettant l'accent sur une technique appropriée.
  • Amélioration de la conception des appareils ou de l'orientation des pièces.
  • Reconception du processus de mesure (p. ex., gingage automatique ou manuel).

Après avoir apporté des changements, répéter l'étude de la R&R de Gauge pour vérifier l'amélioration.

Analyser la R&R Résultats : Méthodes et métriques

Deux méthodes statistiques dominent l'analyse de la R&R de jauge : l'ANOVA et la méthode Xbar/R basée sur la plage. Comprendre leurs différences aide à choisir la bonne approche pour vos données.

Méthode ANOVA

L'ANOVA divise la somme totale des carrés en composantes pour l'opérateur, la partie, l'interaction opérateur-par-partie et l'erreur résiduelle (répétabilité).Elle est plus mathématiquement rigoureuse et peut identifier s'il existe un effet d'interaction, par exemple lorsque certains opérateurs mesurent systématiquement les parties différemment.

Méthode Xbar/R

La méthode Xbar/R utilise la théorie des diagrammes de contrôle pour estimer la répétabilité à partir de la gamme moyenne de mesures répétées et la reproductibilité à partir de la gamme de moyennes des opérateurs. Il est plus facile d'effectuer manuellement mais ne peut séparer l'interaction opérateur-par-partie, ce qui risque de prêter à confusion la reproductibilité avec les effets d'interaction.

Interprétation des principales données en détail

Au-delà de %GRR et ndc, plusieurs autres mesures soutiennent l'analyse :

  • Ratio de précision à tolérance (P/T)[ – Le système de mesure s'écarte (habituellement 6ε de RRG) divisé par la largeur de tolérance. Un PT de 0,1 ou moins (10%) est souhaitable. Cette mesure est utile lorsque la tolérance est bien définie.
  • Ratio Signal-Bruit – Rapport entre la variation partielle et l'erreur de mesure. Des valeurs plus élevées indiquent un système de mesure capable de détecter de façon fiable les différences de pièces.

Pour obtenir des conseils supplémentaires sur l'interprétation des études de la méthode de mesure, la American Society for Quality (ASQ) fournit d'excellentes ressources.

Pièges courants et comment les éviter

Même les ingénieurs de qualité expérimentés peuvent tomber dans des pièges qui invalident les résultats de la R&R. Soyez conscient de ces erreurs courantes :

  • Utiliser la même partie pour tous les essais sans ordre de randomisation. Cela peut dégonfler artificiellement la répétabilité parce que les opérateurs peuvent se rappeler des mesures précédentes.
  • Sélectionner des parties trop semblables Si la variation de la partie à la partie est trop faible, %GRR apparaîtra gonflé même si le système de mesure est acceptable.
  • Ignorer l'interaction opérateur-par-partie. L'interaction peut masquer les problèmes de reproductibilité.
  • Éviter de valider la stabilité du gage avant l'étude. Un gage qui dérive pendant l'étude produira des composantes de variance erronées.
  • En utilisant trop peu de pièces ou d'essais Les calculs de puissance peuvent aider à déterminer la taille minimale de l'échantillon. Règle générale : au moins 10 pièces, 2 à 3 opérateurs et 2 à 3 essais.

Pratiques exemplaires pour la R&e d'évaluation fiable;

L'adhésion à ces pratiques exemplaires permettra d'assurer que vos études de R& sur les jauges donnent des résultats concrets et fiables :

  • Calibrer et vérifier les gages régulièrement selon les recommandations du fabricant et votre calendrier de qualité. Un gage qui est hors de calibrage échouera une étude de R&R de jauge.
  • Entraînement des opérateurs approfondi sur les procédures de mesure normalisées. Inclure des rafraîchisseurs périodiques et des entraînements croisés pour minimiser la dérive.
  • [][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:]][FLT:][FLT:][FLT:][FLT:]][FLT:][FLT:]][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:]][FLT:][FLT:]][FLT:][FLT:][FLT]][FLT][FLT:][FLT][FLT][F][F][F][FLT][F][
  • Documenter tous les aspects de l'étude : le gage utilisé, les opérateurs, les pièces, l'ordre de mesure, les conditions environnementales et toutes anomalies.
  • Effectuer des études périodiques à des intervalles appropriés à la stabilité et à la criticité du gage. Un calendrier commun est établi annuellement ou chaque fois qu'un changement majeur se produit (nouveau opérateur, nouveau gage, nouvelle gamme de pièces).

Intégration de la R&R sur l'appareillage avec le contrôle statistique des processus

Avant d'utiliser des cartes de contrôle, des indices de capacité de processus (Cpk, Ppk) ou des tests d'hypothèse, vous devez vous assurer que le système de mesure est capable. Un système de mesure avec un pourcentage élevé de GRR gonflera les limites de contrôle, masquera les déplacements de processus ou générera de fausses alarmes.

Intégrez les résultats de la R&R dans votre workflow de CPS en :

  • Utiliser le %GRR pour ajuster les intervalles de confiance dans les études de capacité.
  • Définition des exigences en matière de capacité de gage dans les documents de qualification des fournisseurs.
  • Inclure la validation du système de mesure dans les plans de contrôle et les AMEP.

De nombreux progiciels avancés (p. ex. Minitab, Statgraphics, InfinityQS) offrent des modules qui relient la R& Gauge;R directement aux analyses de capacités de traitement. Pour un guide pratique sur la mise en oeuvre de la RCP avec MSA, voir Minitab=s Gauge R&R ressources.

Conclusion

L'analyse efficace de la mesure est une pierre angulaire du contrôle de la qualité de la fabrication. En séparant systématiquement la variabilité de la mesure en répétabilité, en reproductibilité et en variation partielle, les professionnels de la qualité peuvent évaluer objectivement si un système de mesure est adapté à des fins précises.

La mise en oeuvre régulière, bien conçue, de R&R permet de réduire l'incertitude de mesure, de réduire le risque d'expédition de produits non conformes et de soutenir une amélioration continue. Associée à un RCP robuste, elle garantit que les décisions concernant les ajustements de processus, les évaluations des capacités et l'acceptation des produits sont fondées sur des données que vous pouvez faire confiance.