Une carte de contrôle EWMA (moyenne mobile exponentiellement pondérée) trace une moyenne pondérée de toutes les mesures à ce jour, en favorisant fortement les relevés récents, de sorte que de petits décalages soutenus de 0,5 à 1,5 sigma de la moyenne du processus signalent bien avant qu’un seul point ne franchisse une limite. Introduite par S. W. Roberts en 1959, elle comble la principale zone d’ombre de la carte classique de Shewhart : les dérives lentes causées par l’usure des outils, l’encrassement des buses, la dérive de température ou un étalonnage qui se décale. Chaque point tracé porte la mémoire de tout ce qui l’a précédé, accumulant de faibles preuves qu’aucune mesure isolée ne pourrait fournir.
Une carte des individus de Shewhart juge chaque mesure isolément par rapport aux limites situées à trois écarts‑types de la ligne centrale, ce qui détecte bien les défaillances brusques importantes mais est presque aveugle aux petites dérives persistantes. Si la moyenne dérive d’un sigma, une carte de Shewhart met en moyenne environ 44 échantillons pour signaler ; pour un décalage de 0,5 sigma, plus de 150. Une carte EWMA bien réglée signale ces mêmes décalages en environ 10 et 30 échantillons respectivement.
Des règles supplémentaires comme les règles de Nelson réduisent l’écart, mais chaque règle ajoutée augmente le taux de fausses alarmes. La carte EWMA, qui fait partie de la boîte à outils plus large du contrôle statistique de procédé, attaque le problème directement : au lieu de se demander si un point est inhabituel, elle se demande si l’historique récent pondéré l’est.
Chaque valeur tracée combine le dernier relevé avec la valeur tracée précédente : nouvel EWMA = lambda fois la nouvelle mesure, plus (1 − lambda) fois l’EWMA précédente. La constante de lissage lambda (entre 0 et 1) règle la vitesse à laquelle les anciennes données s’estompent : avec lambda = 0,2, le relevé le plus récent porte 20 % du poids, le précédent 16 %, et ainsi de suite. La carte démarre à la cible du processus, avec des limites de contrôle à L écarts‑types de la statistique EWMA de part et d’autre ; cet écart‑type vaut le sigma du processus multiplié par la racine carrée de (lambda / (2 − lambda)). Les limites exactes sont légèrement plus étroites pour les premiers échantillons tant que la variance de la statistique se construit.
Lambda est le bouton de sensibilité : lambda = 1 reproduit exactement une carte de Shewhart, tandis que des valeurs plus petites allongent la mémoire et augmentent la sensibilité aux petites dérives.
Associez lambda à L à partir de tables publiées de longueur moyenne jusqu’au signal (ARL) afin que le taux de fausses alarmes en fonctionnement normal corresponde à une carte de Shewhart à 3 sigma : L = 2,62 pour lambda 0,05, L = 2,81 pour lambda 0,10, L = 2,96 pour lambda 0,20.
Une ligne d’embouteillage vise 250,0 ml avec sigma 2,0 ml, en traçant les bouteilles individuellement. Avec lambda = 0,2 et L = 3, l’écart‑type de l’EWMA est 2,0 × racine carrée(0,2 / 1,8), soit 0,667 ml, donc les limites sont 248,0 et 252,0. Après une erreur de changement de format, la moyenne réelle passe à 252,0 ml, un surremplissage d’un sigma. En démarrant l’EWMA à 250,00 :
Chaque relevé brut était compris entre 251,5 et 253,4, bien à l’intérieur des limites de Shewhart de 244 à 256, si bien qu’une carte des individus serait restée silencieuse pendant des dizaines de bouteilles supplémentaires alors que la ligne gaspillait du produit à chaque remplissage.
Une carte EWMA n’est aussi bonne que les données qui l’alimentent, et cette couche de données est précisément ce que fournit Fabrico : surveillance de l’OEE et de la production en temps réel, y compris la vision par ordinateur pour les machines sans API automate, afin que les ingénieurs travaillent à partir de données machine fiables et en direct plutôt que de transcriptions de fin de poste. Lorsqu’une carte signale, la GMAO (CMMS) prête pour le terrain de Fabrico transforme l’alerte en action : un ordre de travail avec l’historique de l’actif attaché, les calendriers de maintenance préventive ajustés, les pièces de rechange vérifiées, le tout avec une piste d’audit. Conçu dans l’UE avec résidence des données dans l’UE, Fabrico est la couche de données en temps réel sous‑jacente à tout outil SPC que votre équipe qualité utilisera par dessus.
Commencez avec lambda = 0,2 et L proche de 3. Si votre mode de défaillance coûteux est une dérive très lente proche de 0,5 sigma, baissez lambda à 0,05 ou 0,10 et choisissez L à partir d’une table ARL pour garder le taux de fausses alarmes acceptable.
Oui, c’est son usage le plus courant. Estimez sigma à partir de l’amplitude moyenne mobile (average moving range) d’une période de référence stable. Avec un petit lambda la statistique EWMA est proche d’une loi normale même quand les mesures individuelles sont asymétriques, ce qui la rend plus robuste qu’une carte des individus.
Une moyenne mobile simple pondère également les n derniers points et abandonne le plus ancien brutalement, provoquant des sauts quand une valeur extrême quitte la fenêtre. L’EWMA fait décroître les pondérations de façon continue et ne supprime jamais complètement l’ancienne information, offrant une détection plus stable au même taux de fausses alarmes.
Prêt à alimenter vos cartes de contrôle avec des données de production en direct et à transformer chaque signal en ordre de travail assigné ? Réservez une démo Fabrico.
Connexion
Blog
