MSA 7 -- Analyse attributive du système de mesure
La méthode MSA 7 est l'analyse attributive du système de mesure et sert à évaluer les systèmes de mesure où les caractéristiques ne sont pas mesurées de manière métrique (comme une valeur numérique), mais attributive (comme une catégorie) -- par exemple "bon/mauvais", "conforme/non-conforme" ou selon une échelle de notation.
Aperçu
Objectif et domaine d'application
L'analyse attributive du MSA répond à la question : Les inspecteurs sont-ils en mesure d'évaluer les pièces de manière cohérente et concordante en l'absence de valeurs de mesure métriques ?
Cas d'application typiques :
- Inspections visuelles -- Qualité de surface, écarts de couleur, rayures, bosses
- Inspections fonctionnelles -- Décisions bon/mauvais (par exemple, essai de calibre)
- Évaluations subjectives -- Odeur, haptique, inspections acoustiques
- Inspections de tri -- Classification en plusieurs niveaux de qualité
Plan d'expérience
Pour l'analyse attributive du MSA, la structure expérimentale fondamentale suivante s'applique :
- Une sélection de pièces est constituée. Les pièces doivent comprendre à la fois des pièces clairement bonnes et clairement mauvaises, ainsi que des cas limites.
- Chaque inspecteur évalue chaque pièce plusieurs fois (au minimum 2 passages, recommandé 3).
- Les évaluations sont effectuées en aveugle -- les inspecteurs ne connaissent ni la "bonne" réponse (évaluation de référence) ni les évaluations des autres inspecteurs.
- Une évaluation de référence (décision maître) est optionnellement établie pour chaque pièce, par rapport à laquelle les évaluations des inspecteurs sont comparées.
| Paramètre | Recommandation |
|---|---|
| Nombre de pièces | Au minimum 20, idéalement 50 |
| Nombre d'inspecteurs | Au minimum 2, recommandé 3 |
| Nombre de passages | Au minimum 2, recommandé 3 |
| Proportion de cas limites | Environ 30--50 % des pièces |
| Évaluation de référence | Recommandée (établie par des experts ou la spécification) |
Important : La qualité d'une analyse attributive du MSA dépend largement de la sélection des pièces. Si seules des pièces clairement bonnes et clairement mauvaises sont utilisées, l'étude surestimera la capacité du processus d'inspection. Assurez-vous d'inclure suffisamment de cas limites.
Saisie
Configuration
Avant la saisie des données, définissez les paramètres d'expérience :
| Champ | Description |
|---|---|
| Catégories d'évaluation | Les évaluations possibles (par exemple "conforme" / "non-conforme" ou "1" / "2" / "3") |
| Nombre d'inspecteurs | Nombre d'inspecteurs participant à l'étude |
| Nombre de pièces | Nombre de pièces à évaluer |
| Nombre de passages | Nombre de fois que chaque inspecteur évalue chaque pièce |
| Évaluation de référence | Évaluation "correcte" optionnelle pour chaque pièce (décision maître) |
Saisir les évaluations
La saisie des données s'effectue via un tableau ayant la structure suivante :
- Lignes : Pièces (numérotées ou nommées)
- Colonnes : Inspecteurs x passages (par exemple "Inspecteur A / Passage 1", "Inspecteur A / Passage 2", ...)
- Valeurs des cellules : La catégorie d'évaluation choisie
- Cliquez sur la cellule souhaitée.
- Sélectionnez la catégorie d'évaluation dans la liste déroulante ou entrez la valeur directement.
- Naviguez avec
TabouEntréevers la cellule suivante.
Conseil : Si une évaluation de référence est disponible, entrez-la dans la première colonne ("Référence"). La concordance des inspecteurs avec la référence est calculée automatiquement.
Info : Vous pouvez également importer les données de saisie par copier-coller depuis Excel. Assurez-vous que les catégories d'évaluation correspondent exactement aux catégories définies (respectez la casse).
Coefficients Kappa
Les indicateurs centraux de l'analyse attributive du MSA sont les coefficients Kappa, qui quantifient la concordance des inspecteurs.
Kappa de Cohen
Le Kappa de Cohen mesure la concordance entre deux inspecteurs (comparaison par paires) en tenant compte de la concordance attendue par hasard.
Formule :
Kappa = (P_o - P_e) / (1 - P_e)
- P_o = Concordance observée (proportion réelle d'évaluations concordantes)
- P_e = Concordance aléatoire attendue
Le Kappa de Cohen est calculé séparément pour chaque paire d'inspecteurs. Dans my8data, une matrice Kappa complète est affichée, dans laquelle chaque cellule contient la valeur Kappa pour une paire d'inspecteurs spécifique.
Kappa de Fleiss
Le Kappa de Fleiss est une extension du Kappa de Cohen pour plus de deux inspecteurs. Il mesure la concordance globale de tous les inspecteurs simultanément.
Le Kappa de Fleiss est affiché dans my8data comme une valeur globale unique et indique à quel point les inspecteurs concordent dans l'ensemble.
Échelle d'interprétation
L'interprétation des valeurs Kappa suit la classification courante de Landis & Koch (1977) :
| Valeur Kappa | Force de la concordance | Évaluation |
|---|---|---|
| < 0.00 | Mauvaise (Poor) | Pire que le hasard. Problème fondamental avec le processus d'inspection. |
| 0.00 -- 0.20 | Faible (Slight) | Presque pas de concordance. Processus d'inspection inadapté. |
| 0.21 -- 0.40 | Acceptable (Fair) | Concordance faible. Des améliorations substantielles sont nécessaires. |
| 0.41 -- 0.60 | Modérée (Moderate) | Concordance modérée. Des améliorations sont recommandées. |
| 0.61 -- 0.80 | Bonne (Substantial) | Bonne concordance. Acceptable pour de nombreuses applications. |
| 0.81 -- 1.00 | Très bonne (Almost Perfect) | Concordance quasi parfaite. Processus d'inspection excellent. |
Info : Une valeur Kappa de 1.0 signifie une concordance parfaite. Une valeur de 0 signifie que la concordance n'est pas meilleure que le hasard pur. Les valeurs négatives indiquent une contradiction systématique.
Important : Dans la pratique, une valeur Kappa d'au moins 0.75 est souvent exigée. Dans les domaines critiques pour la sécurité (par exemple, dispositifs médicaux, aérospatiale), des exigences plus élevées peuvent s'appliquer.
Concordance
Outre les valeurs Kappa, my8data offre des analyses supplémentaires sur la concordance des inspecteurs.
Taux de concordance
my8data calcule différents taux de concordance :
| Indicateur | Description |
|---|---|
| Au sein de l'inspecteur (Within Appraiser) | À quel point chaque inspecteur est-il cohérent avec lui-même sur les différents passages ? Une valeur élevée indique que l'inspecteur arrive à la même conclusion lorsqu'il évalue à nouveau la même pièce. |
| Entre inspecteurs (Between Appraisers) | À quel point les inspecteurs concordent-ils les uns avec les autres ? Compare les évaluations de tous les inspecteurs pour chaque pièce. |
| Inspecteur vs Référence (Appraiser vs. Reference) | À quel point chaque inspecteur concorde-t-il avec l'évaluation de référence ? Indique la précision de chaque inspecteur. |
| Tous les inspecteurs vs Référence | À quel point tous les inspecteurs concordent-ils globalement avec la référence ? Seules les pièces pour lesquelles tous les inspecteurs concordent dans tous les passages sont comptabilisées. |
Matrice de confusion (Confusion Matrix)
La matrice de confusion oppose les évaluations de chaque inspecteur aux évaluations de référence :
| Référence : conforme | Référence : non-conforme | |
|---|---|---|
| Inspecteur : conforme | Vrai positif (acceptation correcte) | Faux positif (acceptation incorrecte) |
| Inspecteur : non-conforme | Faux négatif (rejet incorrect) | Vrai négatif (rejet correct) |
De la matrice de confusion, les indicateurs suivants sont dérivés :
| Indicateur | Formule | Description |
|---|---|---|
| Efficacité | (Vrai positif + Vrai négatif) / Total | Proportion de décisions globalement correctes |
| Taux de défaut échappé (Miss Rate) | Faux positif / (Vrai négatif + Faux positif) | Proportion de pièces mauvaises faussement acceptées |
| Taux de fausse alarme (False Alarm Rate) | Faux négatif / (Vrai positif + Faux négatif) | Proportion de bonnes pièces faussement rejetées |
Avertissement : Le taux de défaut échappé est particulièrement critique car il indique combien de pièces mauvaises sont acceptées par erreur. Dans les domaines pertinents pour la sécurité, ce taux doit être aussi proche que possible de 0.
Conseil : Analysez la matrice de confusion pour chaque inspecteur individuellement. Si un inspecteur particulier a un taux de défaut échappé anormalement élevé, celui-ci doit être formé de manière ciblée. Examinez également les pièces pour lesquelles des erreurs se produisent fréquemment -- ce sont souvent les cas limites où la décision de l'inspecteur est incertaine.
Présentation des résultats
my8data présente les valeurs Kappa et de concordance sous forme de tableau de résultats évalué en couleur (voir section Échelle d'interprétation). Le vert, le jaune et le rouge indiquent immédiatement si un inspecteur atteint les seuils d'acceptation.
Le tableau résume tous les indicateurs de manière compacte :
- Proportion correcte (%) par inspecteur -- en interne (inspecteur vs inspecteur) et par rapport à la référence
- Kappa de Fleiss (κ) avec intervalle de confiance à 95 %
- Concordance entre les inspecteurs (PP) et avec la référence (PR)
Info : La méthode 7 ne génère pas de diagrammes séparés -- l'évaluation attributive est entièrement représentée via le tableau de résultats codé par couleur.