Analyse des systèmes de

mesure (MSA)
 Mesures dans le cadre de la maitrise
des processus

Exemples de mesures dans le cadre de la maitrise des processus:

• Mesure des caractéristiques de produits (contrôle produit)
• Mesure des éléments d’entrée et paramètres des processus
• Calcul de la capabilité d’un processus
• Surveillance de processus par le biais de cartes de contrôle
• Effectuer des mesures avant un projet d’amélioration
• Effectuer des mesures après un projet d’amélioration
• Effectuer des mesures dans le cadre de plans d’expériences
• Dans le cadre de la qualification des opérateurs
 Mesures dans le cadre de la maitrise
des processus

Nous effectuons Informations

Que les statistiques
des mesures pour Données transforment en … utilisables
obtenir des …

L’analyse des données par le biais des statistiques

permet de guider les décisions et les actions !

• Comment savoir si les données obtenues sont exactes et précises?

• Comment savoir si les mesures sont répétables et reproductibles?

Des données de mauvaise qualité peuvent avoir des

répercussions très négatives sur la maitrise d’un processus
 Système de mesure

Étalon
Caractéristique Donnée de
à mesurer Opérateur / mesure
Instrument Système Méthode
de mesure

Pièce Environnement

• Instrument: l’outil utilisé pour mesurer le produit.

• Étalon: la référence utilisée pour calibrer l’instrument de mesure.
• Opérateur: l’opérateur qui mesure le produit.
• Méthode: la méthode utilisée pour effectuer la mesure.
• Environnement: l’environnement dans lequel la mesure est efectuée.
• Pièce: la pièce à mesurer.
 Mesures dans le cadre de la maitrise
des processus

Des mesures de mauvaise qualité peuvent être la conséquence de:

• Instruments de mesure imprécis ou non calibrés

• Formation inadéquate des opérateurs
• Modes opératoires inadéquats ou non-existents
• Opération de mesure difficile
• Facteurs environnementaux

Des mesures de mauvaise qualité peuvent compromettre des décisions

affectant:

• Votre entreprise
• Vos clients
• Vos founisseurs
 Analyse des systèmes de mesure

• Il n’existe pas de système de mesure parfait. Tous les systèmes de

mesure sont sujets à variation.
• L’analyse des systèmes de mesure (MSA) est une méthode qui permet
de quantifier la variation introduite par le système de mesure.

EXEMPLE:
Distribution des mesures
de remplissage de
bouteilles d’eau minérale
??
Niveau de remplissage en ml

Quelle proportion de cette variabilité du processus

est due au système de mesure ?
 Analyse des systèmes de mesure

Application de l’analyse des systèmes de mesure:

• Déterminer la proportion de variabilité introduite par le système de
mesure.
• Permet de détecter des sytèmes de mesures suspectés de
dysfonctionnement.
• Fournit un critère pour l’acceptation d’un nouveau système de mesure.
• Permet de comparer des systèmes de mesure.
• Permet une comparaison d’un instrument de mesure avant et après
réparation.
• Permet de valider l’efficacité de la formation des opérateurs chargés
d’effectuer les mesures.
 Catégories de MSA

• On distingue deux catégories de MSA:

o MSA pour les mesures numérique variables
o MSA pour les mesures d’attributs

Mesures
Mesures
numériques
d’attributs
variables

Sont des mesures Sont souvent

à partir d’une binaires: seuls
échelle continue. deux résultats
(Par exemple: sont possibles.
longueur,
(Par exemple:
température,
pièce bonne / pièce
résistance
mauvaise)
électrique, …)
 Exigences de la norme IATF 16949:2016

IATF 16949:2016
7.1.5.1.1 Analyse du système de mesure
Des études statistiques doivent être menées pour analyser les variations des
résultats de chaque système de contrôle, de mesure et d’essai identifié dans le
plan de surveillance. Les méthodes analytiques et les critères d’acceptation
utilisés doivent être conformes à ceux qui figurent dans les manuels de référence
sur l’analyse des systèmes de mesure. D’autres méthodes d'analyse et d'autres
critères d'acceptation peuvent être utilisés s'ils sont approuvés par le client.

Des enregistrements de l'accord du client pour l'utilisation de méthodes

alternatives doivent être conservés avec les résultats de l'analyse des systèmes de
mesure alternatifs (voir clause 9.1.1.1).

NOTE L'ordre de priorité des études MSA (en anglais, "Measurement System
Analysis" - "Analyse du système de mesure" en français) devrait privilégier les
caractéristiques critiques ou spéciales des produits ou processus.
 Manuel MSA de l’AIAG - 4ème édition

L’AIAG (Automotive Industry Action Group) est

une association à but non-lucratif créée à
l'origine pour élaborer des recommandations et
développer un cadre pour l'amélioration de la
qualité dans l'industrie automobile en Amérique
du Nord.
L’AIAG a été fondée par des représentants des
trois plus grands constructeurs automobiles
nord-américains: Ford, General Motors et
Chrysler. Parmi les membres de l’AIAG on compte
aujourd’hui des entreprises allemandes et
japonaises telles que Volkswagen, Toyota et
Honda.
L'AIAG publie des normes et des directives pour
l'industrie automobile, notamment le manuel
MSA (4ème édition publiée en juin 2010).
 VDA 5 – Capabilité des processus de mesure

La VDA - Verband der Automobilindustrie

(Association de l’Industrie Automobile) est un
organisme chargé de définir les standards utilisés
dans l'industrie automobile dans la zone
d'influence allemande.

La VDA réunit l'ensemble des constructeurs

automobiles allemands (notamment:
Volkswagen, Daimler, BMW) et leurs principaux
fournisseurs.

La VDA publie une série de normes et de

recommandations. La 2ème édition du manuel
VDA Vol. 5 (Capabilité des processus de mesure)
est disponible depuis novembre 2010.
Analyse des systèmes de mesure
Mesures numériques variables
 Résolution de l’instrument de mesure

Résolution de l’instrument de mesure:

• La résolution de l’instrument de mesure correspond à la plus petite

graduation de l’instrument de mesure.
• L’instrument de mesure doit être choisi de telle façon que sa résolution soit
inférieure au 1/10ème de l’étendue de l’intervalle de tolérance.
 Composantes de la variation

La variation observée dans les données issues des opérations de mesure

provient de deux sources :

Variation observée

Variation de pièce Erreurs du système

à pièce (réelle) de mesure

Erreurs de Erreurs
précision d’exactitude

Répétabilité Reproductibilité Stabilité Biais Linearité

Nous désirons que la variation observée soit aussi proche que possible de la
variation réelle. Dans tous les cas, les erreurs introduites par le système de
mesure doivent être aussi petites que possible.
 Exactitude et précision

• L'exactitude et la précision sont deux caractéristiques d’un système de mesure

acceptable.
• Exactitude: L'exactitude permet de déterminer à quel point les mesures sont
proches de la valeur réelle.
• Précision: La précision permet de savoir à quel point les mesures sont proches
les unes des autres.

Système de Système de Système de Système de

mesure 1 mesure 2 mesure 3 mesure 4
Exemple: 100,01 101,01 100,10 101,10
Un étalon de
100,02 101,02 100,20 101,20
100,00 mm est
mesuré 5 fois 100,00 101,00 100,00 101,00
successives à
99,99 100,99 99,90 100,90
l’aide de 4
systèmes de 99,98 100,98 99,80 100,80
mesure
différents. 𝑋1 = 100,00 𝑋2 = 101,00 𝑋3 = 100,00 𝑋4 = 101,00
𝑅1 = 0,04 𝑅2 = 0,04 𝑅3 = 0,40 𝑅4 = 0,40
Précis et Précis et Non-précis et Non-précis et
exact non-exact exact non-exact
 Exactitude et précision

Exact mais non-précis – La moyenne Précis mais non-exact – La moyenne

des tirs est sur la cible, mais la des tirs est éloignée de la cible, mais
variation est élevée. la variation est faible.
 Erreurs de précision

• On distingue deux types d’erreurs de précision:

o Erreurs de répétabilité
o Erreurs de reproductibilité

Erreurs de répétabilité Erreurs de reproductibilité

La variation des mesures obtenues La variation des moyennes des
avec un instrument de mesure utilisé mesures effectuées par différents
plusieurs fois par un opérateur pour opérateurs utilisant le même
mesurer la même caractéristique sur instrument de mesure pour mesurer
la même pièce. la même caractéristique sur la même
pièce.
 Erreurs d’exactitude

• On distingue trois types d’erreurs d’exactitude:

o Biais
o Erreurs de linéarité
o Erreurs de stabilité

Biais Erreurs de linéarité Erreurs de stabilité

Le biais représente l'écart Le système de mesure ne Les mesures fournies par
entre la valeur fournie par fournit pas un biais le systèmes de mesure ne
le système de mesure et la constant sur toute la plage sont pas stables dans le
valeur réelle de la de mesure. temps.
caractéristique mesurée.
Étalon: 100 mm Étalons: 100 mm et 110 mm Étalon: 100 mm
Mesures: Mesures étalon 1: Mesures le 15 juin 2019:
100,90 mm – 101,00 mm – 100,90 mm – 101,00 mm – 100,90 mm – 101,00 mm –
101,10 mm => 𝑋ത = 101,00 mm 101,10 mm => 𝑋1 = 101,00 mm 101,10 mm => 𝑋1 = 101,00 mm
Biais: Mesures étalon 2: Mesures le 22 juin 2019:
1,00 mm 111,90 mm – 112,00 mm – 101,90 mm – 102,00 mm –
112,10 mm => 𝑋2 = 112,00 mm 102,10 mm => 𝑋2 = 102,00 mm
Biais 1: 1,00 mm Biais le 15 juin 2019: 1,00 mm
Biais 2: 2,00 mm Biais le 22 juin 2019: 2,00 mm
 Analyse des erreurs d’exactitude et de précision

Analyse des systèmes de

mesure
(mesures numériques variables)

Analyse des erreurs de précision Analyse des erreurs d’exactitude

• Étude de type 1 • Étude de type 1

• Étude R&R • Étude de biais et de linéarité
(Étude de répétabilité et • Cartes de contrôle (Étude de
de reproductibilité) la stabilité)

• La fiabilité des données dépend de l'intégrité du système de mesure. Si vous

constatez que des problèmes affectent l'exactitude et la précision, vous devez
améliorer le système de mesure pour pouvoir vous appuyer sur les données.