Comment Mener une Étude Gage R&R ?

Les études Gage R&R mesurent la variation totale de l’instrument en tant que pourcentage de la tolérance du processus, aidant à déterminer si un outil de mesure est adapté à l’inspection des pièces.

Je me souviens de la première fois où j’ai rejeté un lot de pièces parfaitement bon. Mon pied à coulisse numérique indiquait qu’elles étaient hors spécifications, mais mon collègue les a mesurées cinq minutes plus tard et les a trouvées tout à fait dans les tolérances.

C’était déconcertant.

J’ai supposé que l’outil était cassé ou que les pièces se déformaient, mais je cherchais au mauvais endroit.

Il s’avère qu’à chaque mesure, vous ne capturez pas seulement la réalité de la pièce. Vous capturez une combinaison de la dimension réelle de la pièce plus le bruit introduit par l’outil (répétabilité) et la personne qui le tient (reproductibilité).

C’est là que le Gage R&R devient utile. C’est un peu comme un réglage de réduction de bruit pour vos données.

C’est une méthodologie qui vous indique exactement quelle part de la variation observée de votre processus provient de l’analyse du système de mesure (MSA) elle-même par rapport à la variation réelle de la pièce. Si votre “règle” est en caoutchouc, vous ne pouvez pas faire confiance à la mesure, peu importe la précision des chiffres.

Vous utiliserez cet outil constamment. C’est la méthode standard pour valider un nouvel équipement, comparer deux appareils différents ou vérifier une MMT après une réparation. Si vous débutez avec les concepts d’AQ, vous devriez peut-être d’abord lire sur le contrôle qualité.

Dans cet article, je vais partager comment configurer et mener une étude Gage R&R afin que vous puissiez commencer à faire confiance à vos données.

Jetons-y un œil !

Qu’est-ce qu’une étude Gage R&R ?

Nous supposons généralement que nos pieds à coulisse numériques et micromètres nous disent la vérité.

Mais voici la réalité : chaque système de mesure ajoute sa propre couche de bruit à vos données. Une étude Gage R&R est l’outil que nous utilisons pour mesurer ce bruit.

Le Gage R&R, où les R signifient Répétabilité et Reproductibilité, est une méthode quantitative.

Elle isole la variation causée purement par votre processus de mesure (l’outil plus l’humain qui l’utilise) et la compare à la variation totale que vous voyez dans votre production.

Pensez-y comme écouter la radio. La musique est la variation réelle de votre pièce (le signal que vous voulez capter). Le grésillement statique est votre erreur de mesure. Si le grésillement est trop fort, vous ne pouvez pas distinguer une chanson d’une autre.

Le Gage R&R mesure le volume de ce grésillement pour voir si cela vaut la peine de garder la radio.

Cette étude est le pilier central d’un cadre plus large : l’analyse du système de mesure (MSA). Lorsque vous l’exécutez, vous obtenez des réponses à trois questions de type boîte noire :

• Mesure vs Processus : La fluctuation est-elle réelle, ou est-ce juste l’instrument qui fait des siennes ?
• Influence de l’opérateur : Le résultat dépend-il de qui tient l’outil ?
• Discrimination : Votre système de mesure est-il assez sensible pour réellement distinguer les pièces entre elles ?

Répétabilité (Variation de l’équipement)

Cela nous amène au premier R du nom. Répétabilité (peut aussi être appelée Variation de l’équipement). Elle mesure la précision inhérente du matériel lui-même.

Elle pose une question simple :

Si un opérateur utilise le même instrument pour mesurer la même caractéristique sur la même pièce plusieurs fois, obtient-il le même chiffre ?

Idéalement, oui.

Si vous obtenez des chiffres différents chaque fois que vous mesurez la même goupille en acier, votre répétabilité est médiocre.

Lorsque cette variation est élevée, le problème vient généralement de l’outil lui-même. Il peut être sale, avoir du jeu, ou peut-être n’a-t-il tout simplement pas la résolution nécessaire pour la tolérance que vous essayez d’atteindre.

Reproductibilité (Variation de l’appréciateur)

Le second R signifie Reproductibilité. En statistiques, nous appelons cela la Variation de l’appréciateur (ou Variation de l’opérateur). Cela déplace l’attention de l’outil vers les humains qui l’utilisent.

Ici, nous examinons la cohérence au sein de l’équipe.

Si l’Opérateur A passe l’outil de mesure à l’Opérateur B pour mesurer cette même pièce, sont-ils d’accord sur la valeur ?

Il s’avère que la façon de tenir un pied à coulisse ou d’interpréter une échelle analogique varie énormément d’une personne à l’autre.

Si la reproductibilité est la source principale d’erreur, cela signifie généralement que votre procédure opérationnelle standard (SOP) n’est pas assez claire, ou que vos opérateurs ont besoin d’un peu plus de formation sur la technique.

Pourquoi effectuer une étude Gage R&R ?

Imaginez essayer de vous peser sur un pèse-personne qui vous donne un chiffre différent chaque fois que vous montez dessus. Vous ne sauriez jamais si vous avez réellement pris du poids ou si la balance se comporte simplement bizarrement.

(Dans le doute, je remettrais probablement la faute sur la balance).

En métrologie, nous appelons cela l’erreur de mesure. Elle se cache à l’intérieur de chaque point de donnée que vous collectez.

C’est trompeusement dangereux pour votre processus qualité.

Si vous utilisez la maîtrise statistique des procédés (SPC) pour contrôler votre fabrication, vous supposez que vos chiffres sont précis.

Mais si vos données sont bruitées, vos graphiques montreront des fantômes.

Vous pourriez ajuster une machine qui fonctionnait parfaitement, juste parce que votre système de mesure vous a menti.

C’est là que l’étude Gage R&R brille. C’est un filtre à haut contraste pour votre variation. Elle sépare le bruit en deux catégories :

• L’outil lui-même (Répétabilité)
• L’humain qui l’utilise (Reproductibilité).

Elle vous permet de prédire le pourcentage d’erreur dans votre système afin que vous ne naviguiez pas à l’aveugle.

Lorsque vous pouvez distinguer entre un pied à coulisse cassé et un problème de formation, vous pouvez réellement résoudre le problème. De meilleures données mènent à des décisions plus claires, moins d’erreurs et une qualité constamment supérieure.

Types d’études Gage R&R

Quand j’ai découvert le Gage R&R pour la première fois, j’ai supposé qu’il s’agissait d’un test unique et standard. Il existe en fait trois types d’études distincts : Croisée, Imbriquée et Étendue.

Choisir la bonne n’est pas juste une question de préférence. Cela dépend entièrement de la physique de votre mesure.

La décision repose généralement sur une question faussement simple : la mesure de la pièce la détruit-elle ?

Vous devez également considérer la quantité de données sur laquelle vous pouvez réellement mettre la main.

Utiliser le mauvais cadre est un problème courant qui peut complètement invalider votre analyse, voyons donc comment les distinguer.

Gage R&R Croisé (Crossed)

C’est le scénario que la plupart des gens imaginent quand ils pensent au Gage R&R. C’est la norme industrielle pour une raison, mais cela ne fonctionne que si votre méthode de test est un contrôle non destructif.

Dans une étude Croisée, le processus est défini par la répétition.

Je peux donner une pièce spécifique, appelons-la Pièce #1, à l’Opérateur A, le laisser la mesurer, enregistrer la donnée, puis donner cette exacte même pièce à l’Opérateur B. Parce que la pièce a traversé le processus sans changement, chaque opérateur mesure chaque pièce plusieurs fois.

Cela crée un croisement de points de données où tous les facteurs se chevauchent parfaitement.

Gage R&R Imbriqué (Nested)

C’est là que la destruction vous force la main.

Si votre mesure implique un test de traction, un test d’écrasement ou une analyse chimique qui consomme l’échantillon, vous ne pouvez physiquement pas donner la même pièce à un second opérateur.

Elle a disparu.

Dans une étude Imbriquée, nous acceptons de ne pas pouvoir mesurer la même pièce deux fois. Au lieu de cela, nous devons nous fier au concept de lots.

Nous supposons que les pièces provenant du même lot exact, de la même empreinte de moule ou d’une petite série de production sont suffisamment identiques pour représenter un point de donnée unique.

Les opérateurs sont essentiellement “imbriqués” dans les lots :

• L’Opérateur A mesure les pièces 1 à 5,
• L’Opérateur B mesure les pièces 6 à 10.

L’Opérateur B ne voit jamais les pièces que l’Opérateur A a touchées.

Le défi ici est l’Hypothèse d’homogénéité.

Pour que cela fonctionne, la variation entre la Pièce 1 et la Pièce 2 doit être négligeable par rapport à l’erreur de mesure que nous essayons de trouver.

Si votre processus de fabrication a une variation élevée au sein d’un même lot, l’étude Imbriquée interprétera mal cette variation de pièce comme une erreur de mesure.

Gage R&R Étendu (Expanded)

Parfois, la vie réelle est trop désordonnée pour les modèles standards. Les études Croisées et Imbriquées supposent un monde relativement propre : généralement deux opérateurs, un instrument et un ensemble de pièces.

Mais que se passe-t-il lorsque vous introduisez des variables supplémentaires ?

Le déclencheur le plus courant pour cela est l’introduction de montages de fixation (gabarits). Si vous mesurez une pièce qui s’enclenche dans un montage de maintien, vous ne mesurez pas seulement la pièce.

Vous testez en réalité la capacité du montage à maintenir la pièce de manière cohérente.

Si vous avez deux montages différents, c’est une nouvelle variable qu’une étude Croisée standard regroupera dans l’erreur. Une étude Étendue peut isoler le “Montage” comme sa propre source de variance.

Ce cadre est également nécessaire pour les conceptions non équilibrées.

Dans un monde parfait, chaque opérateur mesure chaque pièce trois fois. Dans le monde réel, l’Opérateur A pourrait manquer un quart de travail, ou une pièce pourrait être perdue.

Les calculs standards échouent souvent sur les données manquantes, tandis que les calculs Étendus (qui utilisent généralement un Modèle Linéaire Général) sont plus robustes face à ces imperfections.

Cependant, je conseille la prudence ici.

Les études Étendues nécessitent beaucoup plus de données pour obtenir des résultats statistiquement significatifs car vous découpez le gâteau en plus petits morceaux (Pièce, Opérateur, Instrument, Montage, Interaction, etc.). Ne l’utilisez pas juste pour avoir l’air sophistiqué ; utilisez-le uniquement si vous soupçonnez réellement qu’une troisième variable influence votre variation de mesure.

Méthodes de calcul

Une fois que vous avez collecté vos données, vous devez les traiter pour comprendre votre analyse du système de mesure.

Il existe deux manières principales de mener ces calculs : La méthode Moyenne et Étendue et la méthode ANOVA.

Quelle que soit la méthode que vous choisissez, les deux visent à estimer les mêmes trois composantes d’erreur : la répétabilité (variation de l’équipement), la reproductibilité (variation de l’appréciateur) et la variation pièce à pièce.

Le but est d’isoler ces facteurs afin que vous puissiez voir exactement où se trouve la variation.

Méthode Moyenne et Étendue

C’est l’approche classique. Elle est très simple et est souvent calculée manuellement car les mathématiques sont directes.

Elle repose sur l’étendue moyenne de vos mesures pour estimer la variation. Vous utilisez une constante statistique spécifique (connue sous le nom de d2*) pour déterminer l’écart type pour la répétabilité.

Bien que cette méthode agisse comme une excellente vérification de cohérence, elle a un angle mort.

Elle suppose que les opérateurs et les pièces n’interagissent pas. Elle ne peut pas vous dire si un opérateur spécifique a des difficultés avec une pièce difficile spécifique tout en mesurant parfaitement les pièces faciles.

Méthode ANOVA

La méthode ANOVA (Analyse de la Variance) est le leader de l’industrie en métrologie.

Contrairement à la méthode précédente, l’ANOVA divise la variance en quatre catégories spécifiques :

1. Variance de la pièce,
2. Variance de l’appréciateur,
3. L’interaction entre eux,
4. Erreur de réplication.

Cela vous donne une bien meilleure image de la réalité.

Parce qu’elle peut distinguer la relation entre les appréciateurs et les pièces, presque tous les logiciels modernes utilisent ce calcul.

Elle détecte ces pièges subtils dans votre processus. Pour plus de détails techniques sur les statistiques impliquées, vous pouvez vous référer au guide de l’ASQ.

Se préparer pour une étude Gage R&R

Avant de commencer à mesurer, nous devons gérer la configuration. Une étude Gage R&R est sensible à la façon dont vous préparez vos données.

Si vous lui fournissez de mauvaises entrées, même le meilleur logiciel d’analyse recrachera des chiffres inutiles. Pensez-y comme à un test de goût à l’aveugle : si vous voulez tester le palais d’un chef, vous ne pouvez pas simplement lui donner trois bols de soupe identiques.

Vous avez besoin de variété. C’est le plus gros problème du processus : la sélection des pièces.

Vous avez besoin de 5 à 10 pièces qui représentent toute la plage de variation de votre processus. Ne choisissez pas seulement les pièces parfaites. Vous voulez les bonnes, les limites et les mauvaises.

Si les pièces sont trop similaires, les mathématiques peinent à distinguer les différences réelles entre les pièces de l’erreur de mesure.

Une fois que vous avez votre équipement étalonné et vos opérateurs formés, voici la recette standard pour une étude robuste :

• 2 à 3 Opérateurs
• 5 à 10 Pièces (couvrant toute la plage du processus)
• 2 à 3 Essais (mesures par pièce par opérateur)

Vous devez également être strict sur la randomisation.

Si un opérateur mesure la Pièce 1, puis la Pièce 2, puis la Pièce 3 dans le même ordre à chaque fois, il pourrait inconsciemment se souvenir des valeurs de mesure.

Vous devez randomiser l’ordre pour chaque essai pour rester honnête. Enfin, définissez clairement votre unité de mesure (pouces, microns, etc.) pour que vos calculs de pourcentage de tolérance aient réellement du sens plus tard.

Collecter les données

Collecter les données semble simple, mais c’est en fait là que la plupart des études dérapent.

Il s’avère que le plus grand ennemi d’une bonne étude Gage R&R est la mémoire humaine. Si un opérateur se souvient que la “Pièce 4” a donné une mesure un peu haute la dernière fois, il pourrait inconsciemment ajuster sa technique pour correspondre à ce résultat précédent.

Cela crée une boucle de rétroaction qui cache la variation réelle.

Pour vaincre cela, vous devez traiter votre collecte de données comme une expérience en double aveugle. Vous devez briser le modèle.

La pratique standard est d’avoir plusieurs opérateurs mesurant le même ensemble de pièces, mais vous ne les laissez jamais voir les numéros des pièces.

Plus important encore, vous devez randomiser l’ordre pour chaque essai individuel. Cette randomisation empêche la “mémoire musculaire” de la mesure de polluer vos données.

Lorsque vous enregistrez les résultats, vous devez capturer quatre points de données spécifiques pour que les mathématiques fonctionnent plus tard :

• ID Opérateur
• ID Pièce (caché à l’opérateur)
• Valeur de mesure
• Numéro d’essai

Cette approche rigoureuse est l’épine dorsale d’une métrologie industrielle fiable. Si vous sautez la randomisation, vous ne mesurez plus la capacité de l’outil. Vous mesurez simplement la capacité de l’opérateur à se souvenir de ses suppositions précédentes.

Calculer les résultats Gage R&R

Vient maintenant le moment de vérité.

Une fois que vous avez collecté vos données, vous devez traduire ces chiffres bruts en une carte de score pour votre système de mesure. Nous nous appuyons sur trois mesures clés ici : % Contribution, % Variation de l’étude et % Tolérance.

Pensez-y comme à différentes lentilles pour voir le même problème :

• % Contribution vous aide à identifier la source de la variation (comme un outil de diagnostic),
• % Variation de l’étude évalue la variation du système de mesure par rapport à la variation totale observée dans l’étude (comme vérifier l’adéquation par rapport au bruit du processus),
• % Tolérance vous dit si l’instrument est réellement assez précis pour être fiable par rapport aux spécifications de votre client.

Interpréter les résultats

Vous avez analysé les chiffres. Vient maintenant le moment de vérité. L’interprétation de ces résultats est sans doute la partie la plus importante de toute l’analyse du système de mesure.

Nous utilisons généralement le pourcentage de tolérance ou le % Variation de l’étude pour évaluer le système par rapport aux normes de l’industrie :

• Moins de 10 % : Acceptable. Le système est fiable.
• 10 % à 30 % : Conditionnel. Cela peut fonctionner pour des applications à faible risque, mais vous devriez garder un œil dessus.
• Plus de 30 % : Inacceptable. Vous devez réparer le processus de mesure avant de faire confiance aux données.

Si vos résultats tombent dans la catégorie “à réparer”, regardez la répartition.

Si la répétabilité est significativement plus grande que la reproductibilité, le problème est probablement l’instrument lui-même. Il peut avoir du jeu, être sale ou difficile à positionner.

Si la reproductibilité est le problème le plus important, le problème vient généralement des gens. Vos opérateurs ont probablement besoin d’une formation sur la façon de tenir ou de lire l’outil de manière cohérente.

Méthodes d’analyse graphique

Se fier aux calculs bruts est tentant, mais les chiffres peuvent être trop simples pour certains cas.

Vous pourriez obtenir un score de pourcentage de tolérance acceptable et manquer quand même des schémas étranges dans les données. C’est là que l’analyse graphique est utile. Elle valide les conclusions de votre étude et offre un aperçu qu’un simple tableur ne peut égaler.

Rappelez-vous simplement la règle d’or ici : ces graphiques illustrent l’efficacité du système de mesure, pas la performance du processus de fabrication. Nous notons la règle, pas l’objet.

Erreurs courantes

Il s’avère que les mathématiques (que vous utilisiez la méthode Moyenne et Étendue ou la méthode ANOVA) sont rarement le problème.

Le vrai problème survient lors de la configuration.

L’erreur la plus fréquente est de sélectionner des pièces trop parfaites. Cela semble contre-intuitif, mais vos pièces échantillons doivent représenter toute la plage de variation du processus.

Si chaque pièce est statistiquement identique, la seule variation que l’étude détecte est l’erreur de mesure. Cela gonfle artificiellement vos ratios d’erreur, faisant paraître un système de mesure parfaitement bon comme terrible parce qu’il n’y a pas de variation pièce à pièce à laquelle le comparer.

Si les opérateurs mesurent systématiquement les pièces dans l’ordre (1, 2, 3…), ils mémoriseront inconsciemment les valeurs. Randomisez toujours l’ordre de présentation pour chaque essai individuel afin d’éviter ce biais.

L’environnement est un autre problème à considérer.

Si vous mesurez des pièces métalliques et que la température change de quelques degrés entre les essais du matin et de l’après-midi, les pièces changent effectivement de taille.

À ce stade, vous ne mesurez pas la répétabilité et la reproductibilité, vous mesurez la dilatation thermique.

Gardez l’environnement cohérent.

Améliorer la performance du système de mesure

Des chiffres de variation élevés dans une étude Gage R&R peuvent être frustrants, mais ils sont aussi une carte. Ils vous indiquent exactement où l’analyse du système de mesure a trouvé un maillon faible. Idéalement, vous voulez que la variation vienne des pièces, pas de vos outils.

Si vous trouvez une erreur de répétabilité élevée, le problème est généralement matériel. L’instrument lui-même tremble. C’est comme essayer de peser une plume sur une table bancale.

• Étalonnez l’équipement ou effectuez une maintenance approfondie pour resserrer la mécanique lâche.
• Remplacez les composants usés comme les montages de serrage qui pourraient bouger pendant l’utilisation.
• Contrôlez l’environnement en réduisant les vibrations ou en stabilisant la température.

Si vous voyez une erreur de reproductibilité élevée, le problème est la méthode. Vos opérateurs tiennent probablement la pièce ou lisent l’écran différemment. Il s’avère que de petites habitudes créent de grands écarts de données.

• Standardisez les procédures pour que chaque personne utilise la technique exacte.
• Formez les opérateurs à interpréter l’instrument de manière cohérente.
• Créez des instructions de travail visuelles (les images sont excellentes ici) pour lever toute ambiguïté.

Parfois, l’outil n’est tout simplement pas assez précis. Si votre pourcentage de tolérance reste élevé malgré vos meilleurs efforts, l’instrument manque probablement de la résolution nécessaire. Dans ce cas, vous devez remplacer l’équipement par un appareil de plus haute précision.

Astuce rapide : Vous n’avez pas fini après avoir apporté des améliorations. Vous devez relancer l’étude Gage R&R pour valider que les changements ont réellement réduit la variation.

Conclusion

Nous avons exploré la mécanique du Gage R&R, et j’espère que vous pouvez voir que c’est plus qu’une simple case de conformité à cocher.

Il fonctionne comme une lentille haute définition pour votre ligne de production.

Sans lui, vous conduisez essentiellement dans le brouillard, devinant si les variations proviennent de votre processus de fabrication réel ou simplement des outils de mesure eux-mêmes. En quantifiant la répétabilité et la reproductibilité, vous vous donnez la capacité de faire confiance à vos données en toute confiance.

Les systèmes de mesure dérivent, les outils tombent et de nouveaux opérateurs rejoignent l’équipe.

Faire de ces études une habitude régulière garantit que vos données qualité restent pertinentes au fil du temps. Je recommande vivement de garder une trace écrite solide de chaque étude que vous menez. Cela évite des maux de tête majeurs lors des audits et vous aide à repérer les tendances à long terme qui pourraient autrement passer inaperçues.

Alors allez chercher une poignée de pièces et faites quelques calculs !

Même une étude rapide peut révéler des choses surprenantes sur votre processus. Des données de haute qualité sont le fondement de tout ce que nous faisons ici, il est donc payant de s’assurer que cette fondation est solide.

Bonne mesure !

Foire Aux Questions

Quel est le but principal d’une étude Gage R&R ?
Elle calcule quelle part de la variation de votre processus provient du système de mesure lui-même. Vous l’utilisez pour vérifier que les différences observées dans les données sont des différences réelles de pièces, et non des erreurs de l’instrument ou de l’opérateur. Cela confirme que votre processus d’inspection est valide.

Quand est-il approprié de réaliser cette étude ?
Vous devez mener cette étude chaque fois que vous introduisez un nouvel équipement de mesure ou formez de nouveaux opérateurs. Elle est également nécessaire avant de commencer un projet d’amélioration de processus pour confirmer que vos données de base sont fiables. Enfin, exécutez-la périodiquement pour vérifier que votre système de mesure reste stable.

Quelle est la différence entre la répétabilité et la reproductibilité ?
La répétabilité mesure la variation lorsqu’une personne mesure la même pièce plusieurs fois en utilisant le même outil. La reproductibilité examine la variation entre différentes personnes mesurant la même pièce. Ensemble, elles définissent la précision totale de votre système de mesure.

Combien d’opérateurs et de pièces composent généralement une étude ?
Une étude standard nécessite généralement deux ou trois opérateurs et dix pièces. Chaque opérateur doit mesurer chaque pièce au moins deux ou trois fois. Vous devez sélectionner des pièces qui représentent toute la plage de variation de votre processus pour obtenir des résultats précis.

Quelles sont les erreurs courantes lors de la collecte de données ?
L’erreur la plus courante est de ne pas randomiser l’ordre des mesures. Si les opérateurs connaissent les valeurs des pièces ou se souviennent des lectures précédentes, les données deviennent biaisées. Assurez-vous également que les pièces couvrent toute la plage de tolérance afin de ne pas sous-estimer la variation du processus.

Quelle est la différence entre les études Croisées et Imbriquées ?
Vous utilisez une étude Croisée lorsque les opérateurs peuvent mesurer les mêmes pièces plusieurs fois sans les détruire. Si le test détruit la pièce, vous devez utiliser une étude Imbriquée. Dans les études Imbriquées, vous supposez que le lot est cohérent puisque vous ne pouvez pas remesurer le même article exact.

Quand devrais-je choisir la méthode ANOVA plutôt que Moyenne et Étendue ?
La méthode ANOVA est généralement préférée car elle est plus complète. Contrairement à la méthode Moyenne et Étendue plus simple, l’ANOVA calcule les interactions opérateur-pièce. Cela vous aide à voir si des opérateurs spécifiques ont des difficultés avec des types de pièces spécifiques. Les logiciels modernes utilisent généralement l’ANOVA par défaut pour cette raison.

Comment interpréter une reproductibilité élevée dans mes résultats ?
Une reproductibilité élevée signifie que différents opérateurs obtiennent des résultats différents pour les mêmes pièces. Cela indique généralement une formation incohérente ou des instructions de travail peu claires. Vous pouvez souvent résoudre ce problème en créant des guides visuels ou en reformant votre équipe sur la technique de mesure correcte.

Que indique la métrique % Tolérance ?
Cette métrique compare la variation de votre mesure spécifiquement aux spécifications de votre client. Elle vous indique si votre instrument est assez précis pour distinguer les bonnes pièces des mauvaises. Si ce pourcentage est trop élevé, vous pourriez rejeter de bonnes pièces ou en accepter de mauvaises.

Qu’est-ce qui indique une interaction entre l’opérateur et la pièce ?
Une interaction se produit lorsque certains opérateurs mesurent certaines pièces systématiquement plus haut ou plus bas que d’autres. Vous pouvez le voir dans un graphique d’interaction où les lignes se croisent de manière non aléatoire. Cela suggère que la difficulté de mesure change en fonction de la taille ou de la géométrie de la pièce pour des opérateurs spécifiques.