Si vous avez effectué ou prévoyez d’effectuer un travail d’amélioration des processus, vous vous êtes probablement demandé si vous obteniez réellement des mesures suffisamment précises. Vous devez faire confiance à vos données avant de les utiliser pour prendre des décisions critiques concernant les ajustements et l’allocation des ressources. L’analyse des systèmes de mesure (Measurement Systems Analysis, MSA) fait généralement référence aux procédures qui permettent d’estimer et d’évaluer la variation dans un système de mesure. Un type de technique est une étude EMP, également appelée méthode de Wheeler. EMP est l’acronyme de « Evaluate Measurement Process » qui signifie « Evaluer le processus de mesure ». L’étude EMP évalue deux sources de variation de mesure :
En fonction de la répétabilité et de la reproductibilité, l’étude EMP classe les systèmes de mesure allant de la meilleure note de Première classe à la pire note de Quatrième classe. En pratique, ces classes expliquent dans quelle mesure le système de mesure détecte un décalage d’au moins 3 écarts types dans la moyenne du processus. Si le système de mesure peut détecter de tels changements, il doit être utile pour d’autres activités d’amélioration des processus. Par exemple, de nombreuses cartes de contrôle utilisent une moyenne de sous-groupe de plus de 3 écarts types par rapport à la moyenne globale comme signal qu’une cause spéciale a affecté le processus.
Par exemple, un fabricant d’aliments grand public surveille le poids de remplissage des boîtes de céréales. Le fabricant souhaite s’assurer que la variation des différentes mesures est suffisamment faible pour pouvoir utiliser d’autres analyses d’amélioration des processus. Les résultats d’une étude EMP permettent de déterminer si le système de mesure est acceptable et comment l’améliorer.
Les statistiques EMP fournissent au système de mesure sa classification. Dans ces résultats, la classification est Première classe. L’équipe peut être sûre que le système de mesure sera suffisamment bon pour être utilisé pour d’autres activités d’amélioration des processus.
L’étude EMP contient également des informations que vous pouvez utiliser pour décider quand hiérarchiser les améliorations apportées au système de mesure. L’analyse des plages moyennes (Analysis of Mean Ranges, ANOMR) et l’analyse des effets principaux (Analysis of Main Effects, ANOME) indiquent où la reproductibilité est faible par rapport à la variation du processus. Dans cet ANOMR, l’opérateur B est moins cohérent que les deux autres opérateurs. Améliorer la cohérence pour l’opérateur B améliorera le système de mesure.
Dans cet exemple, ANOME, différents opérateurs ont tendance à mesurer plus haut ou plus bas les uns que les autres. Les améliorations qui rapprochent les mesures moyennes des différents opérateurs amélioreront le système de mesure.
Pour agir sur vos données, vous devez être sûr que les données sont correctes. L’étude EMP de Minitab Statistical Software vous permet de déterminer si votre système de mesure est acceptable et d’améliorer vos systèmes de mesure. Lorsque vous évaluez la précision de vos mesures, vous pouvez être sûr que tout ce qui suit est construit à partir de données fiables.