Cycle Green belt

-Séminaire 3-
 MSA
Méthode d’analyse
statistique
 1 Définitio
n

L'analyse de système de mesure (Measurement System Analysis ou MSA en anglais)

aussi désignée par Gage R&R (Gage Repeatability and Reproducibility) est une
méthodologie qui permet de contrôler et de valider un processus de mesure. Elle
permet notamment d'identifier quelles sont les sources responsables de la variabilité des
mesures effectuées.

06/01/2 Réalisé par Mr 3

021 Boudoudouh Youssef
 1 Plan du cours

• Composantes d’un système de mesure

• Calcul des deux indices R&R

• Analyse des mesuress variables sur
Minitab
• Analyse des mesures Attribut
• Jeu de simulation

06/01/2 Réalisé par Mr Boudoudouh Youssef 4

021
 Composants de l'erreur
1 de mesure
• Résolution
• Accuracy – L’exactitude
• Biais
• Linéarité
• Stabilité

• Precision - Précision
• Répétabilité
• Reproductibilité

Résolvez d'abord les problèmes de mesure.

06/01/2 Réalisé par Mr Boudoudouh Youssef 5
021
 1 Concept de résolution
Pauvre
Même sortie Résolution
de processus
mesurée
1 2 3 5
4

Meilleure Résolution

1 2 3 4 5

1.3

06/01/2 Réalisé par Mr 6

021 Boudoudouh Youssef
 ACCURACY /PRECISION

Accuracy : c’est d’avoir pour le même produit la même valeur qui est la valeur
réelle.
Précision: c’est d’avoir par le même produit et machine les même valeurs mais pas
nécessairement les valeurs réelles.
 1 BIAS

True Value

“Measured” value
Différence entre la valeur moyenne observée des
mesures et la valeur réelle

Les données systématiquement « hors cible »

sont biaisées.
06/01/2 Réalisé par Mr 8
021 Boudoudouh Youssef
 1 Good vs Poor
Precision

True Value

Good Poor
Precision Precision

A B

06/01/2 Réalisé par Mr 1

021 Boudoudouh Youssef 1
 Equation générale

2 2 + 2
Total = R&R Process Variation

2 2
+ 2 ) + 2
Total = ( Repeat Reproducibility Process Variation

06/01/2021 Réalisé par Mr Boudoudouh Youssef 12

06/01/2021 Réalisé par Mr Boudoudouh Youssef 13
06/01/2021 Réalisé par Mr Boudoudouh Youssef 14
06/01/2021 Réalisé par Mr Boudoudouh Youssef 20
06/01/2021 Réalisé par Mr Boudoudouh Youssef 21
 1 Gage R&R
Methods

Les différentes méthodes du Gage R&R:

• Attribute Gage R&R

• Variable Gage R&R (Crossed)

06/01/2 Réalisé par Mr 2

021 Boudoudouh Youssef 2
1 Les 7 étapes d’un chantier R&R

1. Select 10 representative units (both good and bad)

2. Select 2-3 operators
3. Each operator independently measures each unit in
random order (Trial 1)
4. Green Belt records measurements
5. Each operator again independently measures each unit in
random order (Trial 2)
6. Green Belt records measurements
7. Input results in Minitab and evaluate

Classified - Unclassified
2
3
 Minitab
Worksheet

06/01/2021 Réalisé par Mr Boudoudouh Youssef 24

 Sélectionner : Correct Gage
Study
1. For variable data, use:
Stat  Quality Tools 
Gage Study Gage
R&R Study (Crossed)

06/01/2 Réalisé par Mr 2

021 Boudoudouh Youssef 5
 sélectionner :
Data Columns
2. “Click” Right Window to
showcase all columns
and select.

3. Use
ANOVA
.

4. “Click” on

06/01/2
021
“Options
Réalisé par Mr
Boudoudouh Youssef
2
6
 Input Tolerance (Optional)

5. Input Tolerance Width,

as given.

6. “Click” on “OK”, then “OK” again on the

first
06/01/2
dialog box.
021 Réalisé par Mr 2
Boudoudouh Youssef 7
Gage R&R
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0,031784 19,40
Repeatability 0,031129 19,00
Reproducibility 0,000655 0,40
OPERATOR_1 0,000655 0,40
Part-To-Part 0,132042 80,60
Total Variation 0,163826 100,00

Study Var %Study Var

Source StdDev (SD) (6 × SD) (%SV)
Total Gage R&R 0,178281 1,06968 44,05
Repeatability 0,176435 1,05861 43,59
Reproducibility 0,025586 0,15352 6,32
OPERATOR_1 0,025586 0,15352 6,32
Part-To-Part 0,363375 2,18025 89,78
Total Variation 0,404754 2,42852 100,00
 Acceptability Criteria

• % Contribution /% Study Variation

06/01/2021 Réalisé par Mr Boudoudouh Youssef 30

% Study Variation/% Contribution

= 44,05%

Measurement System Standard Deviation as a

percentage of Total Observed Process Standard
Deviation % Study Variation

30%

10%

27/01/2024 Réalisé par Mr Boudoudouh Youssef 31

% Contribution

s
2

% Contribution = R &R
*100 = 19%
s
2
TOTAL

Measurement System Variance as a percentage

of Total Observed Process Variation

% Contribution

9%
1%

27/01/2024 Réalisé par Mr Boudoudouh Youssef 32

Variable Gage R&R Acceptability Criteria

% Study
% Contribution Variation

9% 30%
1% 10%

Les cotes « vertes » dans toutes les catégories sont

préférées.
Minitab
Worksheet
 Sélectionner : Correct Gage Study

1. For attribute data, use: Stat

 Quality Tools 
Attribute Agreement
Analysis

06/01/2 Réalisé par Mr 4

021 Boudoudouh Youssef 3
 Sélectionner : Data
Columns
2. “Click” right window to
showcase all columns
and select.

3. Input appraisers,
trials, and “Attribute”.

4. “Click” “OK”.

06/01/2 Réalisé par Mr 4

021 Boudoudouh Youssef 4
Attribute Gage R&R Acceptability Criteria
% Match % Match
% Match
chaque % Match Tous les
opérateur Chaque
opérateur VS Entre opérateurs
avec lui vos standard
Standard opérateur
meme

90% 90% 90% 90%

80% 80% 80% 80%

Les cotes « vertes » dans toutes les catégories

sont préférées.
Réalisé par Mr Boudoudouh Youssef

06/01/2021 45
 Acceptability
Criteria
• % Match Within Appraisers
• % Match Each Appraiser vs. Standard
(Expert)
• % Match Between Appraisers
• % Match All Appraisers vs. Standard
(Expert)

06/01/2 Réalisé par Mr 4

021 Boudoudouh Youssef 6
 Session
Output
Les operateurs
sont d’accord Evaluate
avec lui-même Percentages.

06/01/2 Réalisé par Mr 4

021 Boudoudouh Youssef 7
 Session Output
(Cont’d)
Evaluate
Percentages.

06/01/2 Réalisé par Mr 4

021 Boudoudouh Youssef 8
 Session Output
(Cont’d)

Evaluate
Percentage
.

06/01/2 Réalisé par Mr 4

021 Boudoudouh Youssef 9
 Session Output
(Cont’d) Evaluate
Percentage.

06/01/2 Réalisé par Mr 5

021 Boudoudouh Youssef 0
 Atelier MSA
Diviser le groupe en 3 équipes
Un appareil de mesure + 10 Produits sont divisés par équipe

• Etablir le modèle Excel de votre étude MSA

• Etablir les mesures nécessaires

• Effectuer le test sur Minitab

• Analyse et conclusion

06/01/2021 Réalisé par Mr Boudoudouh Youssef 52

SMED
6 Etape pour améliorer un changement rapide
1.Observer et mesurer la totalité du changement

2.Identifier les étapes internes et externes

3.Convertir le plus possible d'étapes internes en externes

4.Eliminer le gaspillage des étapes internes

5.Eliminer le gaspillage des étapes externes

6.Standardiser et maintenir la nouvelles procédure de changement

 MSA
Méthode d’analyse
statistique
1 Les cartes de contrôle

Stabilité des processus :

Le processus est stable ou pas ?

65

55
CycleTime

45

35
Day of Year 10 20 30 40 50 60 70 80 90 100
1 Les cartes de contrôle
Stabilité des processus
1 Les cartes de contrôle

Exemple des trois employées (L’horaire

d’entrée au travail est 8h00)

Le premier arrive toujours à 8h

Le deuxième arrivent toujours à 9h

Le troisième arrive dans les horaires

suivants :
5h ,6h ,10h,4h,5h,5h,9h,8h, 8h ……..

Qu’il est le meilleur

employé ?
1 Les cartes de contrôle

Si nous comprenons si la source de variation est due à des causes communes ou spéciales
nous aurons:
• Un guide dans notre future analyse
• De l’aide pour savoir où agir: actions localisées (pour les causes spéciales ) ou actions
systémiques (pour les causes communes)
• De l’aide pour identifier la solution correcte dans la recherche de solutions
1 Les cartes de contrôle

La carte de contrôle est l’un des outils de base utilisé pour la maitrise
statistique des procédés

C’est une représentation graphique constituée d’une suite d’images des essais
prises à une certaine « fréquence de prélèvement » ;à partir d’essai réalisées
sur des prélèvements.

On reporte sur le ou les graphiques de la carte les différents calculs effectués

sur les échantillons (moyenne, écart type, étendue, nombre, pourcentage;….)

Elle permet de visualiser de l’essai ou de la production en distinguant les

causes aléatoires des causes assignables
1 Les cartes de contrôle
Les limite de contrôle VS les Limite de tolérance
1 Les cartes de contrôle
1 Les cartes de contrôle
 1 Les cartes de contrôle
Sélection des cartes
de contrôle :

Le nombre de défaut
taille fixe
Le nombre de défaut
taille variable
Les cartes de contrôle La Carte IM-R Chart

Stable Instable

Point de données
individuelle
I

Etendu MR

Sous contrôle Out of control

 Les cartes de contrôle

Week Time Moving Range

1 16.269 na
2 15.3366 0.932
3 11.6171 3.720 I-MR Chart of Time
4 15.6152 3.998
1
5 13.3256 2.290 25

6 15.426 2.100 UCL=22.43

Individual V alue
20
7 13.0806 2.345
_
8 15.5529 2.472 15 X=15.33
9 15.2336 0.319
10 11.8141 3.420 10
LCL=8.23
11 13.9187 2.105 1 4 7 10 13 16 19 22 25 28 31 34
12 17.8675 3.949 O bser vation

13 16.2201 1.647 10.0 1

14 14.8743 1.346 1
UCL=8.72
15 15.8327 0.958 7.5

M oving Range
16 13.3186 2.514 5.0
17 16.879 3.560 __
18 25.897 9.018 2.5 MR=2.67
19 16.3289 9.568 0.0 LCL=0
20 14.1874 2.142 1 4 7 10 13 16 19 22 25 28 31 34
21 15.0555 0.868 O bser vation

Average 15.33 2.67

Les cartes de contrôle

I-MR Chart of Time

1
25

UCL=22.43 n d2 D3 D4
Individual Value

20

_
2 1.13 0.00 3.27
15 X=15.33 3 1.69 0.00 2.57
10 4 2.06 0.00 2.28
LCL=8.23
1 4 7 10 13 16 19 22 25 28 31 34
5 2.33 0.00 2.11
O bser v ation
6 2.53 0.00 2.00
10.0
1
1
7 2.70 0.08 1.92
UCL=8.72
7.5 8 2.85 0.14 1.86
Moving Range

5.0
9 2.97 0.18 1.82
__
2.5 MR=2.67

0.0 LCL=0
1 4 7 10 13 16 19 22 25 28 31 34
O bser v ation

UCLI = X + 3MR/d2 = 15.33+3*2.67/1.13 = 22.43

LCLI = X – 3MR/d2 = 15.33-3*2.67/1.13 = 8.23

UCLR = D4 MR = 3.27*2.67 = 8.72

LCLR = D3 MR = 0.00*2.67 = 0.00
1. Select: Stat  Control Charts  Variables
Charts for Individuals I-MR
2. “Click” right window to showcase all
columns. Select Time

3. Select I-MR Options.

 9. Observe data vs.
Calculated values.

10. Determine if process is in control.

“Stages” Option

1. Select I-MR Options.

Choose “Stages” tab from I-MR options window.

Defining “Stages”
2. Choose “Stages”.

3. Select subscript column

representing stages.

4. Select how stages are

identified.

5. Select OK.
Les cartes de contrôle

Carte Xbar R

 Principe de calcul des limites:

Les limites de contrôle sont calculées à partir de la moyenne X
des moyennes X des échantillons et de la moyenne R des
étendues de ces échantillons.
 Notation :
 n : effectif de chaque échantillon,
 X : moyenne d’un échantillon,
 X : moyenne des moyennes des échantillons
 R : étendue d’un échantillon,
 R : moyenne des étendues des échantillons,
 s : estimation de l’écart type de la population,
 r : le nombre d’échantillons.
Les cartes de contrôle
Xbar-R Chart Example
• Email response time, in hours, is a Critical X for customer
satisfaction scores
• 8 responses were collected from each of 10 agents
• Is process in control?
• Since data is Variable and sub-grouped, an Xbar-R Chart will be used
Agent Email1 Email2 Email3 Email4 Email5 Email6 Email7 Email8
1 44.5 41.0 35.7 39.4 49.9 51.2 50.9 47.4
2 31.5 45.2 54.6 38.0 18.4 35.8 30.0 55.9
3 40.5 53.3 47.9 74.3 37.4 34.5 55.3 56.6
4 29.1 42.4 41.7 33.9 39.6 28.3 52.6 33.5
5 33.2 34.9 36.0 40.6 40.1 45.9 34.4 38.8
6 52.3 57.7 56.1 48.0 60.3 53.2 47.2 56.2
7 47.9 26.6 40.5 13.0 23.6 35.1 28.4 28.2
8 31.5 26.1 37.6 41.0 43.2 25.0 48.2 36.4
9 24.8 32.4 31.5 31.3 25.0 32.9 29.7 21.5
10 53.0 30.2 35.0 48.2 26.7 36.8 31.4 40.6
Xbar-R Chart Features
Agent Email1 Email2 Email3 Email4 Email5 Email6 Email7 Email8 Xbar Range
1 44.5 41.0 35.7 39.4 49.9 51.2 50.9 47.4 45.0 15.5
2 31.5 45.2 54.6 38.0 18.4 35.8 30.0 55.9 38.7 37.5
3 40.5 53.3 47.9 74.3 37.4 34.5 55.3 56.6 50.0 39.8
4 29.1 42.4 41.7 33.9 39.6 28.3 52.6 33.5 37.6 24.2
5 33.2 34.9 36.0 40.6 40.1 45.9 34.4 38.8 38.0 12.7
6 52.3 57.7 56.1 48.0 60.3 53.2 47.2 56.2 53.9 13.1
7 47.9 26.6 40.5 13.0 23.6 35.1 28.4 28.2 30.4 34.9
8 31.5 26.1 37.6 41.0 43.2 25.0 48.2 36.4 36.1 23.2
9 24.8 32.4 31.5 31.3 25.0 32.9 29.7 21.5 28.6 11.4
10 53.0 30.2 35.0 48.2 26.7 36.8 31.4 40.6 37.7 26.4
Average 39.6 24.7

Xbar-R Chart of Time

1
54
Sample Mean

1
48 UCL=48.82
_
_
42
X=39.61
36
30 LCL=30.39
1
1 2 3 4 5 6 7 8 9 10
Sa mple
UCL=46.11
Sample Range

40
30 _
R=24.74
20
10

0
LCL=3.37
1 2 3 4 5 6 7 8 9 10
Sa mple

Two separate charts of same sub-grouped data.

77
Calculating Xbar-R Chart Control Limits
Shewhart Control Chart Constants
n D3 D4 A2 A3 B3 B4
2 0.00 3.27 1.88 2.66 0.00 3.27
3 0.00 2.57 1.02 1.95 0.00 2.57
4 0.00 2.28 0.73 1.63 0.00 2.27
5 0.00 2.11 0.58 1.43 0.00 2.09
6 0.00 2.00 0.48 1.29 0.03 1.97
7 0.08 1.92 0.42 1.18 0.12 1.88
8 0.14 1.86 0.37 1.10 0.19 1.82
9 0.18 1.82 0.34 1.03 0.24 1.76

n is sub-group size
UCLX = X + A2 R UCLX = X + A3 s
LCLX = X – A2 R LCLX = X – A3 s
X-R X-s
UCLR = D4 R UCLR = B4 s
LCLR = D3 R LCLR = B3 s
78
Calculating Control Limits (Cont’d)
Xbar-R Chart of Time n D3 D4 A2 A3 B3 B4
54
1 2 0.00 3.27 1.88 2.66 0.00 3.27
48
1
UCL=48.82 3 0.00 2.57 1.02 1.95 0.00 2.57
Sample M ean

_ 4 0.00 2.28 0.73 1.63 0.00 2.27

42 _
X=39.61 5 0.00 2.11 0.58 1.43 0.00 2.09
36
6 0.00 2.00 0.48 1.29 0.03 1.97
30 LCL=30.39 7 0.08 1.92 0.42 1.18 0.12 1.88
1
1 2 3 4 5 6 7 8 9 10 8 0.14 1.86 0.37 1.10 0.19 1.82
Sample
9 0.18 1.82 0.34 1.03 0.24 1.76
UCL=46.11
40
Sample Range

30 _
R=24.74
20

10
UCLR = D4 R = 1.86*24.74 = 46.1
LCL=3.37
LCLR = D3 R = 0.14*24.74 = 3,37
0
1 2 3 4 5 6 7 8 9 10
Sample

UCLX = X + A2 R = 39.61+0.37*24.74 = 48.8

LCLX = X – A2 R = 39.61-0.37*24.74 = 30.4

Calculations match Minitab.

79
Class Example: Xbar-R Chart Using Minitab
Use file: SPC Xbar-R Email Data.mtw
Stack data into Time and Agent columns

80
Xbar-R Chart Using Minitab (Cont’d)

1. Select: Stat  Control Charts 

Variables Charts for Sub-groups  Xbar-R
81
Xbar-R Chart Using Minitab (Cont’d)

2. Select all observations in

one column.
3. “Click” right window to
showcase all columns.

4. Select C2 for
sub-group size.

5. Select Xbar-R Options. 82

Xbar-R Chart Using Minitab (Cont’d)
6. Select Tests tab.

7. Select Tests.

8. Select any other options

you wish.

9. Select OK.

83
Xbar-R Chart Using Minitab (Cont’d)

10. Select OK.

84
Xbar-R Chart Using Minitab: Results
11. Observe data vs.
Calculated values.

12. Determine if process is in control. 85

Interpreting Xbar-R Charts (Cont’d)

R Chart is in control; Xbar chart fails Test 1.

86
Les cartes de contrôle

Carte P
Carte np
Les unités défectueuses
Unis, le nombre d'unités défectueuses dans un certain nombre d'échantillons. taille fixe
Pour pouvoir utiliser les cartes np, taille de l'échantillon devrait être constante
dans un intervalle de temps spécifié. Déterminer le nombre d'unités
défectueuses devrait être plus facile que de déterminer la fraction d'unités
défectueuses, et le nombre d'unités défectueuses doivent être significatives.

Carte P
le taux défectueux dans les échantillons observés.
Pour pouvoir utiliser les diagrammes de p, la taille de l'échantillon n'a pas à être
constant dans un intervalle de temps spécifié. Les unités défectueuses
taille variable
Les cartes de contrôle
UCLn p  n p  3 n p (1  p )
NP
Day Orders Defectives LCLn p  n p  3 n p (1  p )
1 125 14
2 125 5 where n is subgroup size
3 125 7 k k
4 125 17 X i X i
5 125 4 p  i 1
 np  i 1
6 125 3 nk k
7 125 14 where k is number of subgroups
8 125 5
9 125 10 191
10 125 6
p  0.0764
11 125 5
125* 20
12 125 26 n p  125* 0.0764  9.550
13 125 6
14 125 14
15 125 6
16 125 7
UCLn p  9.55  3 9.55(1  0.0764)
17 125 8
18 125 11
 18.46
19 125 13
20 125 10 LCLn p  9.55  3 n p (1  0.0764)
 0.640
9. Observe data vs.
Calculated values.

10. Determine if the process

is in control.
Les cartes de contrôle

Carte u
Représentent le nombre de défauts par unité pour chaque échantillon. La
Le nombre de défaut
différence entre les cartes et les graphiques u c’est que, u cartes représentent le
taille variable
défaut par unité, pas le nombre de défauts sur les unités.

Carte C
indique le nombre de défauts dans les échantillons observés. La différence entre
les cartes de c et les cartes np est que, dans les tableaux de c les défauts sur les
unités sont les points d'intérêt, et non les unités défectueuses. Le nombre de défaut
Taille de l'échantillon doit être constant pour un intervalle de temps spécifique taille fixe
pour être en mesure d'utiliser les cartes de c.
Les cartes de contrôle

Day
1
Orders
125
Defects
21
UCLc  c  3 c
2 125 8
3
4
125
125
11
26 LCLc  c  3 c
5 125 6
6 125 5
7
8
125
125
21
8 UCLC  14.55  3 14.55
9 125 15
10
11
125
125
9
8
UCLC  25.99
12 125 39
13 125 9
14
15
125
125
21
9
LCLC  14.55  3 14.55
16 125 11
17 125 12 LCLC  3.11
18 125 17
19 125 20
20 125 15

Total 2500 291

Cbar 14.55
 Jeux des chaises

numéro (i) 1 2 3 4 5 6 7 8 9 10
échantillon
pièce n°1 6.15 6.21 6.14 6.15 6.18 6.18 6.19 6.12 6.18 6.18
pièce n°2 6.14 6.15 6.16 6.13 6.13 6.17 6.19 6.15 6.17 6.14
pièce n°3 6.21 6.13 6.18 6.10 6.14 6.14 6.17 6.15 6.2 6.15
pièce n°4 6.20 6.14 6.10 6.19 6.18 6.18 6.17 6.14 6.2 6.12
pièce n°5 6.13 6.10 6.18 6.17 6.20 6.17 6.13 6.15 6.1 6.14

1. Calculer la Moyenne -> 4min Excel

2. Calculer l’ Etendue -> 2min Excel
3. Calculer Sigma -> 5min Minitab
4. Calculer CP et CPK Minitab
5. Dessiner la cloche Minitab
6. Vérifier la stabilité
7. Analyser & Discussions
 Atelier des Dés

• Taille des Echantillons égale à 10

• Nombre des échantillons est 10
• Le défauts et le nombre 6 et aussi le Chiffre 5

1. Identifier le type de la carte

2. Etablir votre tableau statistique
3. Dessiner la graphe