Analyse des systèmes de mesure pour les données d’attributs : Kappa de Cohen

Introduction

Les études d’analyse des systèmes de mesure (MSA) sont aujourd’hui bien connues dans l’industrie. Mais lorsque nous parlons d’études MSA, nous faisons surtout référence aux études de répétabilité et de reproductibilité (R&R) des jauges. Cependant, lors de l’inspection, nous nous appuyons encore souvent sur l’inspection visuelle, bien que nous sachions qu’elle n’est pas une méthode fiable d’inspection de la qualité.

Par exemple, dans l’AMDE, nous devons attribuer à la détection une note d’au moins 6 (modérée) sur 10 si les études d’attributs de l’ASM ont donné de bons résultats, mais le plus souvent, la note est de 7 ou 8 (faible taux de détection).

Au cours des sessions de formation de la MSA, nous avons réalisé des centaines d’expériences où les personnes devaient compter une lettre spécifique dans un texte. Ce test rapide sous la pression du temps (10 à 15 secondes seulement) a prouvé que les évaluateurs étaient capables de trouver le bon nombre de lettres dans un texte simple. Dans ce scénario expérimental, il n’y a pas de confusion sur « ce qui est un défaut et ce qui ne l’est pas » et les évaluateurs ne sont pas fatigués. Pourtant, la plupart des évaluateurs ne sont pas parvenus à la bonne conclusion. Les exceptions sont les personnes issues de l’industrie de l’imprimerie, qui ont une grande expérience de l’inspection visuelle et qui ont obtenu de bien meilleurs résultats à ce test.

Si un fournisseur affirme qu’il ne livre pas de défauts parce qu’il effectue une inspection visuelle à 100 %, la première question à se poser est la suivante : Quel est votre taux de défauts détectés ? Par expérience, on peut affirmer qu’au moins 20 % des défauts constatés seront livrés aux clients.

Une meilleure idée du risque peut être établie si une étude d’attribut MSA est réalisée. Dans ce blog, nous décrirons comment une étude d’attributs peut être réalisée à l’aide du logiciel de gestion Datalyzer Qualis Gage et ce que vous devez prendre en compte pour mettre en place une étude.

Mise en place de l’étude

La partie la plus importante d’une étude d’attributs est la mise en place et l’organisation de l’étude. En règle générale, une étude d’attributs doit porter sur 20 à 80 produits. La première question est de savoir comment déterminer ce qu’est un bon ou un mauvais produit. Avec une jauge d’attributs, vous pouvez mesurer le produit à l’aide d’une jauge à maître variable, mais ce n’est pas possible avec l’inspection visuelle.

Vous avez besoin d’une équipe d’experts pour déterminer ce qu’est un bon produit et ce qu’est un mauvais produit. Si vous choisissez 50 produits qui sont clairement bons ou mauvais, les résultats seront toujours excellents. Si vous choisissez 50 produits qui font l’objet d’un débat, même entre experts, vous pouvez vous attendre à ce que les résultats de l’étude soient toujours mauvais. Il est important que vous choisissiez un bon ensemble de produits où seuls quelques produits sont discutables.

Une inspection visuelle peut porter sur un grand nombre d’éléments. Dans le cadre de l’étude, vous devez déterminer si vous combinez plusieurs défauts ou si vous n’utilisez qu’un défaut spécifique dans l’étude. Normalement, une étude doit être représentative, il est donc préférable d’utiliser plusieurs défauts dans l’étude. L’étude doit être réalisée dans des circonstances similaires à celles de la production.

Par exemple : un client a procédé à l’inspection visuelle de seringues sur une machine dotée d’un rétroéclairage spécifique à grande vitesse. Dans ce cas, vous ne pouvez pas proposer aux évaluateurs un jeu de seringues dans un bureau et leur demander de les inspecter, car ce n’est pas représentatif.

Dans ce cas, nous avons marqué les seringues avec un marqueur fluorescent et nous avons inclus les seringues de test lors de l’inspection normale et filtré les seringues après l’inspection. Lorsque vous réalisez une étude, essayez de le faire dans les mêmes circonstances et surtout dans les mêmes délais que ceux dont dispose normalement l’évaluateur.

La mise en place d’une série de tests appropriés sur les produits prend du temps. Le problème est que lorsque vous réalisez cette étude régulièrement, vous devez vous assurer que les résultats de l’étude ne seront pas connus de tous dans l’entreprise. Si vous fournissez un retour d’information sur ce qu’un évaluateur a exactement raté, l’évaluateur suivant saura exactement ce qu’il faut rechercher dans une étude, ce qui rend votre série de tests sans valeur. Une étude doit être réalisée en aveugle et il faut donc s’assurer que l’identification du produit n’est pas claire pour l’évaluateur.

Enfin, il se peut que vous deviez « recalibrer » l’échantillon de test après l’étude. Un produit peut être endommagé ou sali au cours d’une étude et un produit évalué comme « bon » peut être correctement évalué par les évaluateurs comme « mauvais » parce qu’il a été endommagé ou sali au cours de l’étude. Cela est particulièrement vrai si le nombre de fausses alarmes est plus élevé que prévu.

Enregistrement et analyse des résultats

La méthode ci-dessous est conforme à la 4e édition du manuel AIAG MSA. Typiquement, 3 évaluateurs ont inspecté les 50 produits 3 fois. Les produits sont inspectés dans un ordre arbitraire. Pour chaque produit, nous entrons la valeur de référence qui est de 0 pour un produit rejeté et de 1 pour un bon produit.

Ainsi, pour chaque produit, nous obtenons 9 résultats de contrôle. Si tous les résultats de contrôle sont un rejet et correspondent à la valeur de référence, nous obtenons un signe – dans la colonne du code. Si tous les résultats sont un produit accepté et correspondent à la valeur de référence, vous obtenez un signe + dans la colonne du code. Si une mesure diffère de la valeur de référence, un X apparaît dans la colonne du code. Le bas de la feuille indique le nombre d’acceptations et de rejets par évaluateur.