Le niveau de confiance, MSA et la capacité en métrologie

La précision invisible: Technique de mesure, assurance qualité et certitude statistique. Dans le monde de la métrologie numérique, où la précision et la fiabilité sont essentielles, l'assurance de la qualité des mesures est primordiale.

Comme dans le gaming, où chaque pixel et chaque calcul comptent, les résultats doivent également être fiables dans les projets techniques. C'est là qu'intervient la technique de mesure, qui garantit la fiabilité des données grâce à des procédures standardisées et à des analyses statistiques.

Le Dr Wolfgang Kessel de la PTB a publié à ce sujet Explication générale de l'incertitude de mesure Le texte suivant est rédigé:

La définition [...] de l'incertitude de mesure exprime le fait bien connu que les mesures ne fournissent pas, et ne peuvent même pas fournir, une valeur exacte. Les mesures sont sujettes à des imperfections et des imperfections qui ne peuvent pas être quantifiées avec précision. Certains d'entre eux ont
leur cause dans des effets aléatoires, tels que des fluctuations à court terme de la température, de l'humidité et de la pression atmosphérique de l'environnement. En outre, les performances inégales de l'observateur effectuant la mesure peuvent être la cause d'effets aléatoires: soit qu'il soit nécessaire, lors de la lecture d'une valeur, d'estimer certains écarts par rapport à une valeur d'échelle, soit d'ajuster un paramètre dans un processus de mesure. Les mesures répétées dans les mêmes conditions donnent des résultats différents en raison de ces influences aléatoires.

D'autres insuffisances et imperfections sont dues au fait que certains effets systématiques ne peuvent pas être corrigés avec précision ou ne sont connus qu'approximativement. Relèvent de la présente sous-position:
Il s'agit notamment de l'écart de zéro d'un instrument de mesure, de la variation des valeurs caractéristiques d'une norme entre deux étalonnages (drift), du parti pris de l'observateur de retrouver une valeur précédemment obtenue lors de la lecture, ou encore de l'incertitude avec laquelle la valeur d'une norme de référence ou d'un matériau de référence est indiquée dans un certificat ou un manuel.

Outre les niveaux de confiance statistique, il s'agit avant tout de procédures normalisées de Analyse du système de mesure (MSA), qui rendent tangible la fiabilité des mesures. Sans un système de mesure capable, les mesures de la machine ou de la capabilité du procédé telles que Cm, Cmk, Pp ou Ppk ne peuvent pas fournir de données fiables. C'est pourquoi la capacité des instruments de mesure constitue la base de toute déclaration de qualité fiable.

Pour les laïcs, cela peut se résumer comme suit: Un appareil de mesure, c'est comme une caméra. Si la lentille est mise au point (précision), l'image est identique (répétabilité), cohérente pour chaque photographe (reproductibilité) et stable dans le temps, nous pouvons faire confiance aux images.

Un outil de base en métrologie est la méthode 1 pour évaluer la capacité de l'instrument de mesure (Procédure MSA 1). Cette méthode permet d'évaluer l'adéquation d'un instrument de mesure à une tâche de mesure donnée en se concentrant sur la répétabilité. Il examine à quel point les valeurs de mesure individuelles sont proches les unes des autres lorsque le même échantillon est mesuré avec la même caractéristique, par le même opérateur et avec le même instrument de mesure dans des conditions identiques.

Une condition importante pour cette méthode est que l'instrument de mesure ait une résolution suffisante, généralement pas plus de 5% la tolérance de la caractéristique à mesurer afin de garantir des lectures sûres et lisibles. 

La méthode 1 est une évaluation à court terme et est souvent utilisée dans le cadre d'audits de routine ou d'audits intermédiaires pour évaluer la stabilité des mesures dans des conditions aussi réelles que possible.

La fiabilité des mesures est exprimée par l'incertitude de mesure, souvent associée à Niveaux de confiance est quantifiée. De nombreuses mesures, en particulier dans l'assurance qualité, suivent une distribution normale (également appelée distribution de Gauss), représentée graphiquement sous forme de courbe de cloche. Dans cette loi normale, certains pourcentages de points de données se situent dans des écarts types définis (sigma, σ) par rapport à la moyenne:

68,27% Niveau de confiance (±1σ): Environ 68% les valeurs mesurées sont comprises dans un écart type par rapport à la moyenne. Cela permet déjà d'assurer la qualité. Par exemple, 10 échantillons sont donc 7 «suffisamment bons» ou dimensionnels.

95,45% Niveau de confiance (±2σ): Ce niveau signifie qu'environ 95,45% les valeurs mesurées se situent à l'intérieur de deux écarts types par rapport à la moyenne. Il s’agit d’un niveau de confiance couramment utilisé, par exemple dans les sondages d’opinion, où il indique la «marge d’erreur».

99,73% Niveau de confiance (±3σ): Un niveau de confiance encore plus élevé, avec 99,73% les valeurs mesurées se situent dans les trois écarts types par rapport à la moyenne. Cette «règle des trois sigmas» est souvent considérée comme une certitude quasi absolue dans les sciences empiriques. Dans la pratique, il s’agit donc souvent de «nice to have», mais s’il vous plaît ne pas viser à tout prix.

Ces certitudes statistiques constituent la base de méthodes avancées de gestion de la qualité. Ils permettent de quantifier la fiabilité et la cohérence d'un processus ou d'une mesure.

La philosophie du «niveau 92» trouve ici une confirmation supplémentaire: Il s’agit d’atteindre un niveau de qualité et de fiabilité élevé et statistiquement significatif, qui soit «assez bon» pour l’objectif visé, sans se perdre dans une quête irréalisable de perfection absolue.

Capacité d'instrumentation: La base de données la plus fiable possible

Un instrument de mesure est «capable» s’il représente la réalité avec suffisamment de précision et de précision pour que les valeurs obtenues puissent être utilisées de manière fiable pour prendre des décisions de processus. Les principaux critères sont les suivants:

• Précision (biais): Écart par rapport à la valeur de référence.
• Répétabilité (Repeatability): Dans quelle mesure plusieurs mesures d'un même objet sont-elles proches les unes des autres?
• Précision de comparaison (Reproducibility): Dans quelle mesure les différents opérateurs influencent-ils les résultats?
• Linéarité : Le système de mesure est-il fiable sur toute la plage de mesure?
• Stabilité : Le système de mesure fournit-il des résultats constants sur de longues périodes?
• Discrimination (ndc): Le système de mesure détecte-t-il de manière fiable les différences entre les échantillons testés?

---

Les procédures d'analyse des systèmes de mesure (MSA)

Procédure 1 – Évaluation à court terme de la capacité de l’instrument de mesure

La méthode 1 est utilisée pour évaluer les systèmes de mesure nouveaux ou modifiés. Il se concentre sur la répétabilité et, s’il existe une norme de référence, sur l’écart systématique.

• Pratique: 20 à 50 mesures répétées sur la partie normale par le même examinateur dans des conditions identiques.
• Chiffres clés: Cg (diffusion) et Cgk (diffusion + écart par rapport à la valeur de consigne).
• Critères: Résolution ≤ 5% la tolérance; L'incertitude d'étalonnage de la normale est nettement inférieure à la tolérance.

La méthode 1 est donc une sorte de «test rapide» avant qu’un instrument de mesure ne soit utilisé en production.

Procédure 2 – Gauge R&R (précision de répétition et de comparaison)

Alors que la procédure 1 vérifie la répétabilité pure, la procédure 2 se poursuit: Il étudie également l'influence de plusieurs opérateurs.

• Pratique: Plusieurs examinateurs mesurent plusieurs échantillons, chacun plusieurs fois.
• Coefficient: Valeur R&R (part de la dispersion du système de mesure dans la fluctuation totale).
• Valeurs cibles: R&R < 10% Tolérance idéale, 10-30% acceptable, >30% critique.

Cette méthode est particulièrement importante lorsque l'influence humaine joue un rôle, par exemple dans les mesures manuelles à l'aide de jauges ou de vis de mesure.

Procédure 3 – Pour les systèmes automatisés

La méthode 3 est une forme spéciale de la méthode 2 et teste les systèmes de mesure sans influence directe de l'opérateur, tels que les machines de mesure de coordonnées ou les tests en ligne automatisés.

• Pratique: Tests répétés sur le système, généralement automatisés.
• Coefficient: également valeur R&R.
• Objectif: Preuve que même sans l'influence de l'opérateur, le système mesure de manière stable et capable.

Procédure 7 – Essais attributifs

Toutes les caractéristiques ne peuvent pas être exprimées en chiffres. Il s'agit souvent de bonnes/mauvaises décisions, par exemple lors d'examens visuels ou d'enseignements aux frontières. C'est là qu'intervient la procédure 7.

• Pratique: Les examinateurs ou les systèmes évaluent les mêmes pièces plusieurs fois.
• Chiffres clés: Taux de correspondance, valeur kappa ou taux d'erreur.
• Objectif: S'assurer que les décisions d'audit sont claires, reproductibles et fiables.

Incertitude de mesure et niveau de confiance

La fiabilité des mesures est assurée par les Incertitude de mesure exprimée. Elle décrit le domaine dans lequel la valeur réelle se situe avec une certaine probabilité. À cet égard, les niveaux de confiance statistique jouent également un rôle central:

• 68,27% (±1σ): Première estimation, environ 7 échantillons sur 10 sont dans la tolérance.
• 95,45% (±2σ): Niveau couramment utilisé, également connu sous le nom de «marge d’erreur» dans les enquêtes.
• 99,73% (±3σ): Une certitude quasi absolue, souvent recherchée dans des applications très critiques.

Les deux facettes de l'incertitude de mesure: Type A et type B

Une mesure physique ne fournit jamais la «valeur vraie» avec une certitude absolue. Au lieu de cela, le résultat de la mesure est toujours Incertitude de mesure (u) qui définit une plage dans laquelle la valeur réelle se situe avec une certaine probabilité. Cette incertitude découle de deux sources principales:

Déviations systématiques (type B): Il s'agit d'écarts prévisibles, souvent constants, provenant de sources externes. Des exemples sont des erreurs dans le certificat d'étalonnage de l'instrument de mesure, des influences environnementales telles que les variations de température ou l'influence individuelle de l'opérateur.

Écarts aléatoires (type A): Ces incertitudes résultent de la dispersion de mesures répétées dans les mêmes conditions. Ils sont imprévisibles et sont enregistrés statistiquement, par exemple par l'écart type d'une série de mesures. Cela peut aider à centrer les processus plus tard.

L'incertitude de mesure combinée résulte des deux proportions. Important: Ce n'est pas une erreur, mais une Mesure de la confiance dans un résultat de mesure.

Exemple : Si une jauge indique une valeur de 10,00 mm ± 0,05 mm, cela signifie qu'il y a une forte probabilité que la valeur réelle se situe entre 9,95 et 10,05 mm. Cette vision commune ne fait que rendre tangible la confiance dans un résultat de mesure.

Encore une fois, je voudrais citer le professeur Kessel:

La définition de l'incertitude de mesure indique qu'il s'agit d'une mesure quantitative de la qualité du résultat de la mesure. Elle répond à la question de savoir dans quelle mesure le résultat obtenu reflète la valeur de la mesure. Elle permet à l'utilisateur d'évaluer la fiabilité du résultat de la mesure, par exemple pour comparer les résultats de différentes mesures de la même grandeur de mesure entre elles ou avec des valeurs de référence. La confiance dans la comparabilité des résultats des mesures est importante dans le commerce national et les échanges internationaux de marchandises. Il contribue à réduire les barrières commerciales et économiques.

Souvent, une valeur mesurée doit être comparée à des valeurs limites fixées dans une spécification ou une prescription normative. Dans ce cas, l'incertitude de mesure permet de déterminer si le résultat de la mesure se situe bien dans les limites prescrites ou si les créances sont satisfaites de justesse. Si la valeur mesurée est très proche d'une valeur limite, il existe un grand risque que la mesure ne respecte pas les exigences posées. L'incertitude de mesure associée est dans ce cas une aide importante pour évaluer ce risque de manière réaliste.

Régression linéaire et incertitude de mesure pour les séries de mesure

Dans la pratique, des séries entières de mesures sont souvent enregistrées. Pour analyser les tendances ou les contextes, on utilise les régression linéaire. Une droite est placée à travers les points de mesure décrivant la relation entre deux grandeurs.

Ici aussi, l'incertitude joue un rôle: Plus la dispersion des points autour de la ligne de régression est grande, plus la prédiction est incertaine. Les statistiques fournissent des outils tels que Mesure de détermination (R2) ou des intervalles de confiance pour quantifier cette incertitude.

Pour les laïcs, cela s'explique ainsi: Plus les points de mesure sont proches de la ligne, meilleure est la prédiction. S'ils s'écartent fortement, la confiance dans la déclaration diminue.

Meilleures pratiques pour l'application

• Exécutez toujours une MSA avant Analyse de la capacité de la machine ou du procédé.
• Répétez l'analyse avec de nouveaux systèmes de mesure, après des réparations, des changements de processus ou à intervalles réguliers.
• Utilisez des conditions réalistes: même environnement, mêmes contrôleurs, mêmes composants.
• Documentez les résultats – ils sont essentiels pour les audits et les partages avec les clients.
• S’efforcer d’être «assez bon»: L'objectif n'est pas la perfection absolue, mais des résultats solides et appropriés.

Conclusion: La philosophie Level 92 en métrologie

En métrologie, il ne s'agit pas d'imposer une perfection inaccessible. Il est essentiel d'atteindre un niveau de qualité et de fiabilité élevé et statistiquement fiable.

Un système de mesure doit être «capable», non pas immaculé, mais Fiable à l'usage prévu. C'est là que réside l'art: L'équilibre entre précision, effort et pragmatisme. Ou, dans le langage de la philosophie Level 92 -> «suffisamment bon pour vraiment aller de l’avant».