Points clés
En bref : X-bar & R et X-bar & S sont deux cartes de contrôle pour variables qui surveillent une caractéristique mesurée au fil du temps, et elles ne diffèrent que par la façon dont elles suivent la dispersion du processus.
Les deux utilisent un graphique X-bar pour suivre la moyenne du sous-groupe (le centre du processus).
Pour la variation, X-bar & R l'associe à un graphique d'étendue, la dispersion mesurée comme la simple différence entre la plus grande et la plus petite valeur de chaque sous-groupe, tandis que X-bar & S l'associe à un graphique d'écart-type.
L'étendue est facile à calculer et convient bien pour de petits sous-groupes ; l'écart-type utilise toutes les données et est plus efficace pour les sous-groupes plus grands. Le facteur décisif est la taille du sous-groupe. Les deux sont évalués par rapport aux limites de contrôle, et non aux limites de spécification.
Les deux graphiques partagent la même première partie : le graphique X-bar, qui trace la moyenne de chaque sous-groupe au fil du temps pour suivre le centre du processus.
Un sous-groupe est un petit ensemble de mesures consécutives, par exemple cinq pièces mesurées ensemble, et sa moyenne constitue un point sur le graphique X-bar. Surveiller les moyennes de sous-groupe révèle si le centre du processus est stable ou s'il dérive.
Mais le centre seul ne suffit pas : un processus peut conserver parfaitement sa moyenne tandis que sa variation augmente, produisant une dispersion de plus en plus large autour d'une moyenne stable.
C'est pourquoi un graphique X-bar est toujours associé à un second graphique qui suit la dispersion : il faut surveiller à la fois le centre et la variation pour savoir si le processus est réellement sous contrôle.
Les deux types de graphiques en question, X-bar & R et X-bar & S, sont identiques dans leur partie X-bar et ne diffèrent que par la façon dont le graphique compagnon mesure la dispersion.
Donc la vraie question n'est jamais « X-bar ou autre chose » mais plutôt, étant donné que vous suivez la moyenne, comment devez-vous suivre la variation en parallèle : par l'étendue ou par l'écart-type ?
X-bar & R associe le graphique X-bar (moyenne) à un graphique R, où R est l'étendue de chaque sous-groupe, simplement la plus grande valeur moins la plus petite.
L'étendue est la mesure de dispersion la plus ancienne et la plus simple : pour un sous-groupe de cinq relevés, on trouve le maximum et le minimum et on soustrait.
Le graphique R trace cette étendue pour chaque sous-groupe au fil du temps, signalant lorsque la variation intra-sous-groupe change au-delà de ce qui est normal.
X-bar & R est l'association classique et traditionnelle, et sa grande vertu est la simplicité : l'étendue est triviale à calculer à la main, ce qui explique pourquoi elle a dominé les décennies où les cartes de contrôle étaient tenues manuellement en atelier au crayon et au papier.
Pour de petits sous-groupes, elle est aussi statistiquement tout à fait adéquate : lorsqu'on n'a qu'une poignée de valeurs, l'étendue capture la dispersion presque aussi bien que des mesures plus sophistiquées.
X-bar & R reste la carte de contrôle pour variables par défaut et la plus enseignée, idéale pour le cas courant de petits sous-groupes collectés à intervalles réguliers.
X-bar & S associe le graphique X-bar (moyenne) à un graphique S, où S est l'écart-type de chaque sous-groupe.
Contrairement à l'étendue, qui n'utilise que les deux valeurs extrêmes, l'écart-type utilise chaque mesure du sous-groupe : il est calculé à partir de toutes les données et reflète comment chaque point varie autour de la moyenne du sous-groupe.
Le graphique S trace cet écart-type pour chaque sous-groupe au fil du temps.
Parce qu'il incorpore toutes les valeurs plutôt que seulement le maximum et le minimum, l'écart-type est une mesure de dispersion plus précise et statistiquement plus efficace, surtout à mesure que les sous-groupes deviennent plus grands.
Historiquement, X-bar & S était moins populaire simplement parce que calculer un écart-type à la main pour chaque sous-groupe était fastidieux, mais avec les logiciels effectuant les calculs instantanément, cet obstacle a disparu, et de nombreux praticiens utilisent désormais X-bar & S de façon routinière.
Son avantage se manifeste particulièrement pour les sous-groupes plus importants, où l'utilisation de toutes les données plutôt que seulement de l'étendue rend le graphique de dispersion sensiblement plus sensible et fiable. X-bar & S est le meilleur choix lorsque les sous-groupes sont volumineux.
La raison pour laquelle la taille du sous-groupe est le facteur décisif tient à la façon dont chaque mesure utilise les données. L'étendue n'utilise que deux valeurs, le maximum et le minimum, quel que soit le nombre de mesures dans le sous-groupe.
Pour un sous-groupe de cinq, cela signifie que l'étendue reflète deux des cinq valeurs et ignore les trois du milieu ; pour un sous-groupe de quinze, elle reflète deux des quinze et en ignore treize.
À mesure que le sous-groupe grossit, l'étendue jette de plus en plus d'informations, devenant une estimation de la dispersion de moins en moins efficace et sensible.
L'écart-type, en revanche, utilise toujours chaque valeur, donc son efficacité ne se dégrade pas lorsque le sous-groupe augmente.
Pour de petits sous-groupes (environ n = 8 à 10 ou moins), l'étendue ignore si peu qu'elle est presque aussi bonne que l'écart-type, et beaucoup plus simple, donc X-bar & R est le choix raisonnable.
Pour des sous-groupes plus grands (environ n supérieur à 10), l'habitude de l'étendue de se passer de la plupart des données la rend sensiblement moins bonne, et X-bar & S, qui utilise toutes les données, devient clairement préférable.
Ce point de basculement explique précisément pourquoi la règle empirique se fonde sur la taille du sous-groupe.
Supposons que vous surveilliez le diamètre d'un arbre. Dans un scénario, vous échantillonnez des sous-groupes de cinq.
L'étendue ici utilise deux des cinq relevés, une faible perte, donc X-bar & R est parfaitement adéquat, simple et suffisamment sensible ; c'est le cas type et le graphique recommandé.
Supposons maintenant que votre plan d'échantillonnage donne des sous-groupes de quinze (peut‑être mesurez-vous quinze pièces à chaque contrôle).
Si vous utilisiez encore l'étendue, elle serait calculée à partir de seulement deux de ces quinze valeurs, la plus grande et la plus petite, en ignorant les treize autres totalement.
Cela rend le graphique R peu sensible : un véritable changement de dispersion des treize valeurs du milieu pourrait rester indétecté parce que l'étendue ne surveille que les extrêmes.
X-bar & S, qui calcule l'écart-type à partir des quinze valeurs, capte les changements de dispersion que l'étendue manquerait, offrant un graphique de variation plus serré et plus fiable.
Même caractéristique, même objectif, mais le sous-groupe de cinq recommande X-bar & R et le sous-groupe de quinze recommande X-bar & S, purement à cause de la quantité d'information que chaque mesure de dispersion laisse de côté à mesure que le sous-groupe grandit.
Le cadre décisionnel suit directement la taille du sous-groupe. Pour des sous-groupes d'un seul élément, quand vous ne pouvez mesurer que des unités individuelles et non des groupes, aucune des deux cartes ne s'applique ; utilisez plutôt une carte des individus et des écarts mobiles (I-MR).
Pour de petits sous-groupes, environ n = 2 à 8 ou 10, utilisez X-bar & R : l'étendue est simple, traditionnelle et statistiquement adaptée à ces tailles.
Pour des sous-groupes plus grands, environ n supérieur à 10, utilisez X-bar & S : l'utilisation de toutes les données par l'écart-type en fait le choix le plus précis et le plus sensible.
Une remarque pratique moderne : comme les logiciels calculent l'écart-type sans effort, certaines organisations standardisent X-bar & S pour tout éviter de changer de graphique selon la taille du sous-groupe, une simplification défendable, puisque X-bar & S n'est jamais pire, seulement historiquement plus fastidieux.
Quel que soit votre choix, les deux dépendent d'une constitution rationnelle des sous-groupes, en collectant chaque sous-groupe de façon à ce que la variation intra-sous-groupe ne représente que du bruit en causes communes, et les deux sont des cartes de contrôle jugées par rapport aux limites de contrôle, distinctes des limites de spécification.
Adaptez le graphique de dispersion à la taille du sous-groupe, et le signal de variation sera fiable.
Les cartes de contrôle pour variables protègent le facteur Qualité de l'OEE en détectant les changements de variation du processus avant qu'ils ne produisent des défauts.
Le graphique de dispersion (R ou S) est la moitié d'alerte précoce : une augmentation de la variation intra-sous-groupe signifie que le processus devient moins cohérent et, si elle n'est pas maîtrisée, commencera à produire des pièces hors tolérance et à faire baisser le facteur Qualité.
Détecter tôt cette augmentation de la dispersion, avec le bon graphique pour la taille de votre sous-groupe, vous permet d'intervenir avant l'apparition des défauts et des pertes de qualité.
Cela se relie directement à la capacité du processus : un processus dont la variation augmente se dirige vers un Cpk plus faible et, éventuellement, des produits hors spécification, même s'il reste dans ses limites de contrôle (la distinction entre limites de contrôle et limites de spécification).
Et des graphiques fiables dépendent de mesures fiables, ce qui relève de R&R des jauges vs étalonnage. Choisir la bonne carte pour variables maintient la fiabilité du signal de variation derrière votre facteur Qualité.
Fabrico met en évidence les pertes de qualité que les cartes de contrôle pour variables sont censées prévenir, en regard de l'OEE en temps réel, donc lorsque la variation du processus augmente et commence à se traduire par des défauts, vous le voyez dans le facteur Qualité et pouvez le relier à un processus qui sort du contrôle.
En rendant visibles les pertes de qualité et leur chronologie, il complète les SPC sur le terrain par la vue du coût de production liée au laisser-aller de la variation. Réservez une démo pour garder les données de qualité derrière vos graphiques visibles et exploitables.
Les deux associent un graphique X-bar (moyenne du sous-groupe) à un graphique de dispersion. X-bar & R utilise l'étendue, la plus grande moins la plus petite valeur, tandis que X-bar & S utilise l'écart-type. L'étendue est plus simple et convient aux petits sous-groupes ; l'écart-type utilise toutes les données et est préférable pour les sous-groupes plus grands.
Utilisez X-bar & R pour de petits sous-groupes, environ n = 8 à 10 ou moins, où l'étendue est simple et statistiquement adéquate. Utilisez X-bar & S pour des sous-groupes plus grands, environ n supérieur à 10, où l'utilisation de toutes les données par l'écart-type le rend plus précis et plus sensible.
Parce que l'étendue n'utilise que deux valeurs, le maximum et le minimum, quel que soit la taille du sous-groupe, donc à mesure que le sous-groupe augmente elle ignore davantage de données et perd en sensibilité. L'écart-type utilise chaque valeur, son efficacité ne se dégrade pas. Les petits sous-groupes conviennent à l'étendue ; les grands conviennent à l'écart-type.
Ni X-bar & R ni X-bar & S, ils nécessitent des sous-groupes de deux valeurs ou plus. Pour des mesures individuelles (sous-groupes d'un élément), utilisez une carte des individus et des écarts mobiles (I-MR), qui suit chaque valeur et l'écart mobile entre valeurs consécutives.
Elles protègent le facteur Qualité en détectant les changements de variation du processus avant qu'ils ne causent des défauts. Le graphique de dispersion (R ou S) avertit lorsque la variation intra-sous-groupe augmente, signalant que le processus devient moins cohérent et se dirige vers des pièces hors tolérance et des pertes de qualité qui feraient baisser l'OEE.
Connexion
Blog
