Le graphique I-MR, aussi appelé graphique des individus et des étendues mobiles, est une paire de cartes de contrôle statistique des procédés utilisée lorsqu’un procédé ne fournit qu’une seule mesure par lot, heure ou période : le graphique I trace chaque valeur individuelle, et le graphique MR trace la différence absolue entre valeurs consécutives. Il répond à la même question que tout graphique de contrôle : le procédé est-il stable ou quelque chose a-t-il changé ? En l’absence de sous-groupe à moyenner, le graphique I-MR estime la variation à partir des différences point à point. Cela en fait le graphique de référence pour la chimie par lot, l’usinage à faible volume, les données de services publics et tout essai destructif ou coûteux.
Le classique graphique X-bar et R suppose que vous pouvez prélever des sous-groupes rationnels de 3 à 5 pièces consécutives. Beaucoup de procédés ne peuvent pas le permettre. Un réacteur de résine fournit une valeur de pH par lot. Un four enregistre une température par heure. Un essai de traction destructif consomme une pièce entière à chaque fois. Forcer ces données dans des sous-groupes artificiels mélange la variation lot à lot dans l’estimation intra-sous-groupe et produit des limites de contrôle soit inutilement larges soit trompeusement serrées.
Le graphique I-MR évite cela en traitant chaque mesure comme un sous-groupe d’un et en estimant la variation à court terme par l’étendue mobile entre points voisins. Si le contrôle statistique des procédés vous est nouveau, notre guide du contrôle statistique de processus couvre la famille ; le graphique I-MR est simplement le membre pour données individuelles.
Vérifiez toujours d’abord le graphique MR. Les limites du graphique I sont calculées à partir de la moyenne des étendues mobiles ; si la variabilité elle‑même est instable, les limites du I sont bâties sur du sable et toute conclusion sur le niveau du procédé est suspecte.
Ces deux constantes, 2,66 et 3,267, sont les seules à mémoriser pour le graphique I-MR.
Une usine de revêtements mesure le pH une fois par lot. Les dix derniers lots donnent : 6,2, 6,4, 6,1, 6,5, 6,3, 6,6, 6,2, 6,4, 6,3, 6,5. (Dix points gardent les calculs lisibles ; collectez 20 à 25 points avant de verrouiller les limites en production.)
Toutes les valeurs individuelles se situent entre 5,67 et 7,03, et la plus grande étendue mobile (0,4) est bien inférieure à 0,84 : le procédé est en contrôle statistique. Mais contrôle n’est pas capacité. L’écart-type estimé est 0,256 / 1,128 = 0,23, donc l’étendue naturelle du procédé court approximativement de 5,67 à 7,03. Si la spécification est 6,0 à 6,8, le procédé est stable mais plus large que la spécification, ce qu’une étude de capacité de procédé avec Cp et Cpk quantifierait ensuite.
Si vous pouvez économiquement prélever des sous-groupes de pièces consécutives, les graphiques X-bar et R détectent plus rapidement de faibles décalages parce que la moyenne supprime le bruit. Choisissez I-MR lorsque les mesures sont coûteuses, destructives ou naturellement une par période, et acceptez qu’il signale plus lentement les variations subtiles. Le graphique des individus est aussi plus sensible aux données non normales qu’un graphique d’indices, donc examinez un histogramme de votre base de référence avant de vous fier aux limites.
Un graphique I-MR n’est aussi bon que les données qui l’alimentent et l’action qui suit un signal. Fabrico fournit la base de données en temps réel : il capture les événements machine et de production au moment où ils se produisent, utilisant la vision par ordinateur même sur des machines sans automate, et les convertit en suivi OEE et production en temps réel. Lorsqu’un graphique ou un opérateur signale un problème, la GMAO de Fabrico boucle la boucle : créez un ordre de travail, joignez les constatations, planifiez le suivi préventif et conservez la traçabilité des pièces de rechange au même endroit. Conçu dans l’UE avec résidence des données dans l’UE, il donne aux équipes qualité et maintenance un enregistrement horodaté et partagé au lieu de feuilles de papier, ce dont le SPC a précisément besoin pour fonctionner sur un atelier réel.
Visez 20 à 25 relevés individuels collectés dans des conditions stables et représentatives. Vous pouvez tracer des limites provisoires avec moins de points pour commencer à apprendre, mais traitez-les comme des limites d’essai et recalculez une fois que vous disposez d’une base complète ; des limites bâties sur dix points peuvent se déplacer sensiblement à mesure que les données s’accumulent.
Les limites de contrôle sont calculées à partir de vos propres données de procédé et décrivent ce que le procédé fait réellement ; les limites de spécification proviennent du client ou du plan et décrivent ce que le produit doit respecter. Ne tracez jamais les limites de spécification sur un graphique de contrôle. Comme l’illustre l’exemple, un procédé peut être parfaitement sous contrôle et produire malgré tout des pièces hors spécification.
Avec prudence. Le graphique des individus n’a pas la moyenne pour atténuer les écarts à la normalité, donc des données fortement asymétriques comme des temps de cycle ou des niveaux d’impuretés en traces déclencheront de fausses alertes d’un côté. Les remèdes courants sont de transformer les données, d’ajuster les limites à partir d’une distribution non normale appropriée, ou de tracer une métrique connexe plus proche de la normalité.
Prêt à fournir à vos graphiques de contrôle des données d’atelier fiables et horodatées ? Réservez une démo Fabrico et voyez la surveillance de production en temps réel et la maintenance fonctionner comme un seul système.
Connexion
Blog
