Pouvez-vous faire confiance à vos chiffres ? Guide pratique de l'analyse du système de mesure
En Lean Six Sigma, la phase Mesurer du DMAIC repose sur une hypothèse silencieuse : que les chiffres que vous collectez reflètent réellement la réalité. Si ce n'est pas le cas, chaque graphique, indice de capabilité et affirmation d'amélioration qui suit repose sur du sable. L'analyse du système de mesure, ou MSA, sert à tester cette hypothèse avant de s'y fier. Après deux années où de nombreuses équipes travaillaient sur des données incomplètes, s'efforçant de lire des chaînes d'approvisionnement perturbées et des opérations à distance, la rigueur de vérifier sa mesure avant d'agir a rarement compté autant.
L'idée centrale est simple. Toute valeur enregistrée est la valeur vraie plus une erreur de mesure. La MSA demande quelle est l'ampleur de cette erreur, d'où elle vient et si elle est assez faible pour décider à partir des données. Si vous l'ignorez, vous risquez de passer des semaines à « corriger » une variation qui réside dans votre instrument, et non dans votre processus.
Les sources d'erreur de mesure
La MSA décompose la qualité de mesure en quelques propriétés. Maîtriser le vocabulaire garde une étude honnête.
Biais — la mesure se lit systématiquement trop haut ou trop bas par rapport à une référence connue.
Linéarité — le biais varie sur la plage, l'instrument étant juste à une extrémité et faux à l'autre.
Stabilité — la mesure dérive dans le temps, souvent le premier signe qu'un instrument doit être réétalonné.
Répétabilité — une même personne mesurant deux fois le même article obtient des résultats différents (variation au sein de l'instrument et de l'opérateur).
Reproductibilité — différentes personnes mesurant le même article obtiennent des résultats différents (variation entre opérateurs).
Mener une étude R&R de l'instrument
Pour des données continues, le cheval de bataille de la MSA est l'étude de répétabilité et de reproductibilité de l'instrument. Un plan courant et défendable réunit trois opérateurs mesurant dix pièces, deux ou trois fois chacune, les pièces étant choisies pour couvrir la plage réelle du processus et les essais menés à l'aveugle et en ordre aléatoire pour que personne ne soit influencé par une lecture précédente.
Sélectionnez pièces et opérateurs. Utilisez une dizaine de pièces représentant l'étendue réellement observée en production, et les personnes qui mesurent d'ordinaire — pas seulement votre technicien le plus minutieux.
Mesurez à l'aveugle et au hasard. Masquez l'identité des pièces et mélangez l'ordre pour que mémoire et attente ne contaminent pas les lectures.
Analysez la variance. Le logiciel répartit la variation totale entre pièce à pièce, répétabilité et reproductibilité. La part pièce à pièce doit dominer; c'est le signal réel que vous voulez voir.
Jugez selon les règles empiriques. Un système consommant moins de 10 % de la tolérance (ou de la variation de l'étude) est généralement acceptable; 10 à 30 % est marginal et dépend des enjeux; au-delà de 30 %, le système n'est pas fiable pour cette décision.
Les données par attribut — conforme/non conforme, catégories de défaut, accepté/rejeté — requièrent un autre outil : l'analyse d'accord par attribut. On y vérifie si les inspecteurs s'accordent entre eux et avec une norme connue. Il est frappant de voir combien souvent un « conforme » dépend de qui tient la pièce, et combien de reprises ce désaccord caché engendre.
Que faire quand le système échoue
Une MSA en échec est une bonne nouvelle détectée tôt. Si la répétabilité est mauvaise, examinez l'instrument, le montage et l'environnement de mesure. Si la reproductibilité est mauvaise, l'écart tient d'ordinaire à la méthode et à la formation : les gens mesurent différemment. Rédigez un mode opératoire normalisé clair et illustré, formez-y les équipes, puis refaites l'étude. Ce n'est qu'une fois le système de mesure sain que vous pourrez lire vos données de processus comme vraies et passer à l'analyse.
La MSA n'a rien de spectaculaire, et il est tentant de la sauter sous la pression du temps. Mais c'est l'assurance la moins chère de la boîte à outils. Un après-midi à prouver votre instrument peut épargner un trimestre à pourchasser un problème qui n'était jamais dans le processus.
Si vos décisions d'amélioration dépendent de données dont vous n'êtes pas tout à fait sûr, le conseil stratégique de XNM peut vous aider à bâtir une mesure et une analyse défendables.