Vous êtes sur la page 1sur 17

Exemple de Etude de la linéarité de

l'instrumentation et biais
En savoir plus sur Minitab 19
Un ingénieur souhaite évaluer la linéarité et le biais de l'instrumentation d'un système de mesure utilisé
pour mesurer les diamètres de roulements. L'ingénieur choisit cinq pièces qui représentent l'étendue
prévue des mesures. Une étude du plan a permis de déterminer la mesure de référence de chaque pièce.
Un opérateur a ensuite mesuré chaque pièce douze fois de façon aléatoire. L'ingénieur a préalablement
réalisé une étude de R&R de l'instrumentation croisée à l'aide de la méthode ANOVA et a déterminé
que la variation totale de l'étude est de 16,5368.
1. Ouvrez le fichier de données échantillons, DiamètreRoulements.MTW.
2. Sélectionnez Stat > Outils de la qualité > Etude de l'instrumentation > Etude de linéarité de
l'instrumentation et biais.
3. Dans la zone Numéros de pièces, saisissez Pièce.
4. Dans la zone Valeurs de référence, saisissez Etalon.
5. Dans la zone Données mesurées, saisissez Mesure.
6. Dans la zone Variation du procédé, saisissez 16,5368.
7. Cliquez sur OK.

Interprétation des résultats


La valeur %Linéarité (valeur absolue de la pente * 100) est de 13,2, c'est-à-dire que la linéarité de
l'instrumentation explique 13 % de la variation globale du procédé. La valeur de p de la pente est de
0,000, ce qui indique que la pente est significative et qu'une linéarité est présente dans le système de
mesure.
La linéarité étant significative, l'ingénieur doit utiliser des valeurs de biais individuelles et non pas la
valeur de biais moyenne globale. Les valeurs de biais individuelles varient de 0,2 à 3,7 et leurs valeurs
de p varient de 0,000 à 0,688. Les valeurs de référence 2, 8 et 10 présentent un biais. Les valeurs 4 et 6
ne comportent pas de biais.
Interprétation des résultats principaux pour
Etude de la linéarité de l'instrumentation et
biais
En savoir plus sur Minitab 19
Suivez les étapes ci-dessous pour interpréter une étude de la linéarité de l'instrumentation et du biais.
Les résultats principaux incluent le diagramme du biais en fonction de la valeur de référence, les
mesures de linéarité et les mesures du biais.

Sur ce thème
• Etape 1 : Examiner la droite de régression ajustée pour évaluer la linéarité
• Etape 2 : Déterminer si la linéarité de l'instrumentation est statistiquement significative
• Etape 3 : Déterminer si le biais de l'instrumentation est statistiquement significatif

Etape 1 : Examiner la droite de régression ajustée pour évaluer


la linéarité
La linéarité évalue l'évolution du biais moyen sur l'étendue d'utilisation attendue du système de mesure.
Utilisez le diagramme du biais en fonction de la valeur de référence pour observer le degré de variation
des valeurs de biais pour chaque pièce. Pour chaque valeur de référence, les cercles bleus représentent
les valeurs de biais et les carrés rouges représentent la valeur de biais moyenne.
Le biais est la différence entre la valeur de référence d'une pièce et les mesures de la pièce par
l'opérateur. Les valeurs de biais moyennes se trouvent également dans le tableau Biais de
l'instrumentation sous Biais.
Une droite est ajustée via les valeurs du biais, à l'aide de la régression ordinaire sur les moindres carrés.
Vous souhaitez que les données forment une ligne horizontale, ce qui indique que le biais ne change pas
en fonction de la taille des pièces, et que le système de mesure ne comporte pas de biais significatif.
Lorsque la ligne horizontale est proche de 0, la différence entre la mesure moyenne observée et la
valeur de référence est très faible, ce qui indique également que le système ne comporte pas de biais
significatif.

Le biais est très infime pour toutes les pièces.


Il s'agit de la situation idéale : la ligne est horizontale et proche de 0. Le biais est très infime pour
chaque pièce et la ligne horizontale indique que la linéarité n'est pas un problème.

La linéarité ne semble pas être un problème


La ligne tracée est pratiquement horizontale, ce qui indique que le biais moyen est relativement
constant et ne dépend pas de la valeur de référence. Dans cet exemple, les mesures de toutes les pièces
sont supérieures aux mesures de pièce de référence correspondantes.

La linéarité semble être un problème


La ligne tracée est inclinée. Dans cet exemple, les mesures des plus petites pièces sont supérieures aux
valeurs de pièces de référence correspondantes. Les mesures des plus grandes pièces ont tendance à
être inférieures aux valeurs de pièces de référence correspondantes.

Etape 2 : Déterminer si la linéarité de l'instrumentation est


statistiquement significative
En général, plus la pente de la droite d'ajustement est proche de zéro, meilleure est la linéarité de
l'instrumentation. Idéalement, la droite d'ajustement est horizontale et proche de 0.
Utilisez la valeur de p de la pente de la droite d'ajustement (pente de la linéarité de l'instrumentation)
afin de déterminer si la linéarité est statistiquement significative.
• Si la valeur de p est supérieure à 0,05, vous pouvez conclure à l'absence de linéarité et vous
pouvez évaluer le biais. Utilisez la valeur de p du biais moyen pour déterminer si le biais moyen
est significativement différent de 0.
• Si la valeur de p est inférieure ou égale à 0,05, vous pouvez conclure que la linéarité est un
problème. Vous pouvez évaluer le biais à chaque valeur de référence individuelle, mais pas le
biais global. Vous ne pouvez pas évaluer le biais global en présence d'une linéarité significative,
car les biais sont différents en cas de valeurs de référence différentes. En d'autres termes,
lorsque la linéarité est statistiquement significative, interprétez les valeurs de p de biais pour les
niveaux de référence individuels uniquement.
Résultat principal : valeur de p de linéarité de l'instrumentation
Dans ces résultats, la valeur de p de la pente est de 0,000, ce qui indique que la pente est significative et
qu'une linéarité est présente dans le système de mesure. La linéarité étant statistiquement significative,
vous devez utiliser des valeurs de biais individuelles et non pas la valeur de biais moyenne globale.

Etape 3 : Déterminer si le biais de l'instrumentation est


statistiquement significatif
Le biais est la différence entre la valeur de référence d'une pièce et les mesures de la pièce par
l'opérateur. Examinez la valeur %Biais pour chaque valeur de référence et la valeur %Biais moyen. La
valeur %Biais est le biais exprimé sous forme de pourcentage de la variabilité du procédé.
Idéalement, la valeur du biais est proche de 0. Les valeurs autres que 0 indiquent les éléments suivants :
• Un biais positif indique que l'instrumentation surestime.
• Un biais négatif indique que l'instrumentation sous-estime les valeurs.
Pour une instrumentation qui mesure avec exactitude, la valeur %Biais est également petite.
Utilisez les valeurs de p employées pour déterminer si le biais = 0 à chaque valeur de référence et pour
le biais moyen.
Résultats principaux : %Biais, valeur de p pour le biais de l'instrumentation
Dans ces résultats, les valeurs %Biais varient de 0,2 à 3,7, et leurs valeurs de p varient de 0,000 à
0,688. En présence d'une linéarité, interprétez les valeurs de p de biais pour les niveaux de référence
individuels uniquement, et n'utilisez pas la valeur de biais moyenne globale. Les valeurs de référence 2,
8 et 10 présentent un biais tandis que les mesures des valeurs de référence 4 et 6 ne semblent pas en
avoir.

Toutes les statistiques et tous les graphiques


pour Etude de la linéarité de l'instrumentation
et biais
En savoir plus sur Minitab 19
Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique et
chaque graphique fournis avec l'étude de la linéarité de l'instrumentation et du biais.

Sur ce thème
• Diagramme de biais en fonction de la référence
• Coeff
• Coef ErT
• valeur de p de linéarité de l'instrumentation
• S et R carré
• Linéarité, %Linéarité
• Biais, %Biais
• Valeur de p pour le biais de l'instrumentation

Diagramme de biais en fonction de la référence


Utilisez le diagramme du biais en fonction de la valeur de référence pour observer le degré de variation
des valeurs de biais pour chaque pièce. Les points bleus représentent les valeurs de biais pour chaque
valeur de référence. Le carré rouge représente la valeur de biais moyenne pour chaque valeur de
référence. La droite est la droite de régression des moindres carrés ajustée à la moyenne des écarts.

Interprétation
L'idéal serait que les écarts pour chaque pièce soient proches de 0 et que la droite d'ajustement soit
horizontale.

La linéarité semble être un problème


La ligne tracée est inclinée. Dans cet exemple, les mesures des plus petites pièces sont supérieures aux
valeurs de pièces de référence correspondantes. Les mesures des plus grandes pièces ont tendance à
être inférieures aux valeurs de pièces de référence correspondantes.
La linéarité ne semble pas être un problème

La ligne tracée est pratiquement horizontale, ce qui indique que le biais moyen est relativement
constant et ne dépend pas de la valeur de référence. Dans cet exemple, les mesures de toutes les pièces
sont supérieures aux mesures de pièce de référence correspondantes.

Coeff
Les coefficients sont des chiffres de la droite de régression du diagramme du biais en fonction de la
valeur de référence.
La forme générale de cette droite de régression des moindres carrés est la suivante :

Le terme b représente le coefficient de constante. Il indique le point d'intersection entre la droite


d'ajustement et l'axe des y.
Le terme a représente le coefficient de pente. La pente d'une droite désigne son inclinaison et
correspond au changement de l'axe des y par rapport au changement de l'axe des x.

Interprétation
Lorsque le coefficient de pente, a, est très faible, la pente est presque horizontale. Ainsi, le biais est
relativement constant entre les valeurs de référence, et la linéarité n'est pas un problème significatif.
Des valeurs absolues plus élevées du coefficient de pente, |a|, indiquent une pente plus importante de la
droite. Si la valeur de p de la pente est inférieure à alpha, la linéarité est significative.
En l'absence de linéarité significative, des valeurs absolues plus élevées du coefficient de constante, |b|,
indiquent un biais supérieur. En présence d'une linéarité significative, vous devez examiner les valeurs
de biais individuelles.

Coef ErT
L'erreur type de l'estimation d'un coefficient de régression mesure le degré de précision de l'estimation
du modèle de la valeur inconnue du coefficient. L'erreur type du coefficient est toujours positive.

Interprétation
Vous pouvez utiliser l'erreur type du coefficient pour mesurer la précision de l'estimation du coefficient.
Plus l'erreur type est petite, plus l'estimation est précise. Si vous divisez le coefficient par son erreur
type, vous obtiendrez une valeur de T. Si la valeur de p associée à la valeur de T est inférieure à votre
niveau d'α, vous concluez que le coefficient est significativement différent de 0.

valeur de p de linéarité de l'instrumentation


Les valeurs de p suivantes permettent de tester la linéarité :
• P pour la constante : utilisez cette valeur pour tester si la constante de la droite de linéarité est
égale à 0.
• P pour la pente : utilisez cette valeur pour tester si la pente de la droite de linéarité est égale à 0.
Interprétation
Si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter l'hypothèse nulle, comme ci-
dessous :
• Pour la constante, si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter
l'hypothèse nulle et vous concluez que le biais de toutes les valeurs de référence est égal à 0.
• Pour la pente, si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter
l'hypothèse nulle et vous concluez que le système de mesure présente le même biais pour toutes
les valeurs de référence (absence de linéarité).
Si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle, comme suit :
• Pour la constante, si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle et
vous concluez que le biais de toutes les valeurs de référence n'est pas égal à 0.
• Pour la pente, si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle et
vous concluez que le système de mesure ne présente pas le même biais pour toutes les valeurs
de référence (linéarité présente).

S et R carré
Les mesures S et R carré (R2) évaluent l'ajustement du modèle aux données.
S est une estimation de σ, l'écart type autour de la droite de régression.
La valeur R carré (R2) représente la proportion de variation dans le biais, qui est expliquée par la
relation linéaire entre les biais et les valeurs de référence.

Interprétation
Des valeurs inférieures de S indiquent une variabilité inférieure dans les estimations du biais. R2 est
comprise entre 0 et 100 %. En général, plus la valeur R2 est élevée, plus le modèle est ajusté à vos
données.

Linéarité, %Linéarité
La linéarité évalue l'évolution du biais moyen sur l'étendue d'utilisation attendue du système de mesure.
La linéarité indique si votre instrumentation présente la même exactitude (le même biais) parmi
l'ensemble des valeurs de référence.
La valeur %Linéarité est la linéarité exprimée sous forme de pourcentage de la variation du procédé.

Interprétation
Pour interpréter la linéarité de vos données, déterminez si le biais change d'une valeur de référence à
une autre. Si les données ne forment pas de ligne horizontale sur un nuage de points, la linéarité est
alors présente. Idéalement, la droite d'ajustement est horizontale et proche de 0.
La linéarité semble être un problème

La ligne tracée est inclinée. Dans cet exemple, les mesures des plus petites pièces sont supérieures aux
valeurs de pièces de référence correspondantes. Les mesures des plus grandes pièces ont tendance à
être inférieures aux valeurs de pièces de référence correspondantes.

La linéarité ne semble pas être un problème

La ligne tracée est pratiquement horizontale, ce qui indique que le biais moyen est relativement
constant et ne dépend pas de la valeur de référence. Dans cet exemple, les mesures de toutes les pièces
sont supérieures aux mesures de pièce de référence correspondantes.
Pour une instrumentation qui mesure les pièces de manière régulière, la valeur %Linéarité est proche de
zéro.

Biais, %Biais
Le biais est calculé comme la différence entre la valeur du standard connue d'une pièce de référence et
la moyenne observée des mesures.Le biais est une mesure de l'exactitude d'un système de mesure.
La valeur %Biais est le biais exprimé sous forme de pourcentage de la variabilité du procédé.
Interprétation
Idéalement, la valeur du biais est proche de 0. Les valeurs autres que 0 indiquent ce qui suit :
• Un biais positif indique que l'instrumentation surestime.
• Un biais négatif indique que l'instrumentation sous-estime.
Pour une instrumentation qui mesure avec exactitude, la valeur %Biais est petite.

Valeur de p pour le biais de l'instrumentation


Les valeurs de p suivantes permettent de tester si le biais est égal à 0 à chaque valeur de référence et
pour le biais moyen.
• P pour le biais moyen : utilisez cette valeur pour tester si le biais moyen est égal à 0.
• P pour chaque valeur de référence : utilisez cette valeur pour tester si le biais est égal à 0 à
chaque valeur de référence.

Interprétation
Si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter l'hypothèse nulle, comme ci-
dessous :
• Pour chaque valeur de référence, si la valeur de p est supérieure à la valeur d'α, vous ne pouvez
pas rejeter l'hypothèse nulle et vous concluez que le biais est égal à 0.
• Pour le biais moyen, si la valeur de p est supérieure à la valeur d'α, vous rejetez l'hypothèse
nulle et vous concluez que le biais moyen est égal à 0.
Si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle, comme suit :
• Pour chaque valeur de référence, si la valeur de p est inférieure à la valeur d'α, vous rejetez
l'hypothèse nulle et vous concluez que le biais n'est pas égal à 0.
• Pour le biais moyen, si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle
et vous concluez que le biais moyen n'est pas égal à 0.

Méthodes et formules de la linéarité de


l'instrumentation
En savoir plus sur Minitab 19
Sélectionnez la méthode ou la formule de votre choix.

Sur ce thème
• Linéarité
• %Linéarité
• valeur de p de linéarité de l'instrumentation
• R carré
• S
• Pente, Constante
Linéarité
La linéarité évalue l'évolution du biais moyen sur l'étendue d'utilisation attendue du système de mesure.
La linéarité indique si l'instrumentation présente la même exactitude pour toutes les tailles d'objets
mesurées.

Formule
Linéarité = | Pente | * Variation du procédé

%Linéarité
La valeur %Linéarité est la linéarité exprimée sous forme de pourcentage de la variation globale du
procédé.

Formule
%Linéarité = (Linéarité / Variation du procédé) * 100

valeur de p de linéarité de l'instrumentation


Utilisez les valeurs de p pour la constante et la pente afin de tester si la pente est égale à 0 et si la
constante est égale à 0.
La valeur de p se définit comme l'aire sous la loi d'échantillonnage à droite de la |statistique de test| + et
l'aire sous la loi d'échantillonnage à gauche de la |statistique de test| -. Minitab utilise la loi T avec γ DL
et la statistique t pour calculer la valeur de p.
Si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter l'hypothèse nulle, comme ci-
dessous :
• Pour la constante, si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter
l'hypothèse nulle et vous concluez que le biais de toutes les valeurs de référence est égal à 0.
• Pour la pente, si la valeur de p est supérieure à la valeur d'α, vous ne pouvez pas rejeter
l'hypothèse nulle et vous concluez que le système de mesure présente le même biais pour toutes
les valeurs de référence (absence de linéarité).
Si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle, comme suit :
• Pour la constante, si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle et
vous concluez que le biais de toutes les valeurs de référence n'est pas égal à 0.
• Pour la pente, si la valeur de p est inférieure à la valeur d'α, vous rejetez l'hypothèse nulle et
vous concluez que le système de mesure ne présente pas le même biais pour toutes les valeurs
de référence (linéarité présente).

R carré
R carré (R2) est le coefficient de détermination, qui permet de vérifier si la droite d'ajustement
modélise les données correctement. La valeur R carré (R2) représente la proportion de variation dans le
biais, qui est expliquée par la relation linéaire entre les biais et les valeurs de référence.
Formule

Notation
Terme Description
ième réponse ajustée
biais moyen
yij biais de la jème mesure de la ième pièce
g nombre de pièces
mi nombre de répétitions de la ième pièce

S
S est une estimation de σ, l'écart type autour de la droite de régression.

Formule

Notation
Terme Description
xi valeur de référence de la pièce i
yij biais de la jème mesure de la ième pièce
g nombre de pièces
mi nombre de répétitions de la ième pièce

Pente, Constante
La droite de régression du diagramme des valeurs de biais en fonction de la référence prend la forme
suivante :

Formules
Pente de la droite de régression (a) :
Ordonnée à l'origine de la droite de régression (b) :

Notation
Terme Description
a pente
b ordonnée à l'origine
xi valeur de référence de la pièce i
valeur de référence moyenne pour toutes les pièces
yij biais de la jème mesure de la ième pièce
g nombre de pièces
mi nombre de répétitions de la ième pièce
moyenne du biais globale

Méthodes et formules du biais de


l'instrumentation
En savoir plus sur Minitab 19
Sélectionnez la méthode ou la formule de votre choix.

Sur ce thème
• Biais
• %Biais
• valeur de p pour Etude de la linéarité de l'instrumentation et biais
• Méthode d'étendue de l'échantillon
• Méthode d'écart type d'échantillon

Biais
Le biais est la différence entre la valeur de référence de la pièce et les mesures de la pièce par
l'opérateur.

Formule
Biais moyen pour chaque pièce :
Notation
Terme Description
zi,j jème mesure de la ième pièce
refi valeur de référence de la ième pièce
mi nombre de répétitions de la ième pièce

%Biais
La valeur %Biais est le biais exprimé comme pourcentage de la variation totale du procédé.

Formules
%Biais = 100 * (|biais moyen| / Variation du procédé)

Notation
Terme Description
zi,j jème mesure de la ième pièce
refi valeur de référence de la ième pièce
mi nombre de répétitions de la ième pièce

valeur de p pour Etude de la linéarité de l'instrumentation et


biais
Utilisez les valeurs de p pour tester si le biais = 0 à chaque valeur de référence, et si le biais moyen = 0.
La valeur de p se définit comme l'aire sous la loi d'échantillonnage à droite de la |statistique de test| + et
l'aire sous la loi d'échantillonnage à gauche de la |statistique de test| -. La valeur de p dans les résultats
est obtenue à partir de la loi T avec γ DL et la statistique t.
Minitab fournit des calculs de statistique t spécifiques pour la méthode d'étendue de l'échantillon et
pour la méthode d'écart type d'échantillon.

Méthode d'étendue de l'échantillon


Minitab utilise l'étendue de l'échantillon (par défaut) ou un écart type d'échantillon pour estimer l'écart
type de répétabilité. L'écart type de répétabilité permet de calculer la valeur de T, ce qui donne lieu au
calcul de la valeur de p pour tester si le biais est égal à 0 pour toutes les valeurs de référence et pour
chaque référence.
Formules
Pour la méthode d'étendue de l'échantillon, lorsque chaque valeur de référence distincte correspond à
une pièce unique, l'écart type de répétabilité est calculé comme suit :

Lorsque plusieurs pièces ont la même valeur de référence, l'écart type de répétabilité est calculé comme
suit :

La statistique t de test du biais est la suivante :

Les degrés de liberté (γ) sont issus d'un tableau du manuel de l'AIAG 1. Minitab utilise la loi T avec γ
DL et la valeur de T pour calculer la valeur de p.

Notation
Terme Description
Xi biais de la ième mesure d'une pièce
d2 une valeur d'un tableau1, avec l'effectif d'échantillon = n
étendue moyenne

Méthode d'écart type d'échantillon


Minitab utilise l'étendue de l'échantillon (par défaut) ou un écart type d'échantillon pour estimer l'écart
type de répétabilité. L'écart type de répétabilité permet de calculer la valeur de T, ce qui donne lieu au
calcul de la valeur de p pour tester si le biais est égal à 0.

Formules
Pour la méthode d'écart type d'échantillon, lorsqu'une valeur de référence correspond à une pièce
unique, l'écart type de répétabilité est égal à :

La statistique t du test du biais est :

Les degrés de liberté sont n - 1. La valeur de p dans les résultats est obtenue à partir de la loi T à l'aide
de la valeur de T et des degrés de liberté.
Lorsque plusieurs pièces ont la même valeur de référence, l'écart type de répétabilité est l'écart type
d'échantillon regroupé s pour les pièces avec la même valeur de référence :
La statistique t de test du biais est la suivante :

Les degrés de liberté sont (n1- 1) + ... + (ng - 1). La valeur de p dans les résultats est obtenue à partir de
la loi T à l'aide de la valeur de T et des degrés de liberté.

Notation
Terme Description
x ième mesure de la pièce
mesure moyenne pour la pièce
n effectif d'échantillon
S1 écart type d'échantillon pour la pièce 1 avec n1 mesures
Sg écart type d'échantillon pour la pièce g avec ng mesures
1 Automotive Industry Action Group (AIAG) (2010). Measurement Systems Analysis Reference
Manual, 4th edition. Chrysler, Ford, General Motors Supplier Quality Requirements Task Force