Analyse Processus de Mesure

Évaluation d’un processus mesure
§ Lexique anglais – français
§ 2 processus inséparables
§ Terminologie
§ Méthodologie de l'évaluation
§ Méthodes d'analyse statistique

§ Indices de capacité
§ Exemple
Évaluation processus mesure 1

Bernard CLÉMENT, PhD
Lexique anglais - français
Precise ……………………………… précise

Acuracy …………………………….. juste
Bias …………………………………. biais
Repeatability ……………………….. répétitivité
Reproductibility …………………….. reproductibilité
Measurement system evaluation …. évaluation système mesurage
(évaluation : précision et justesse)
Gage R&R ……………...............étude Répétitivité et Reproductibilité
d’un instrument de mesure (jauge)
( évaluation : précision )

2 processus inséparables : fabrication et mesurage
rôle 2
rôle 1
Fabrication pièce
Mesurage donnée : Y
rôle 3 Bernouilli
TYPE Binomiale
Poisson
Classement : Y = 0 ou 1
Comptage : Y = 0, 1, 2, …
gaussienne
Mesure : Y continue
rôle des données

rôle 1 Analyser le processus de mesurage : répétitivité ? reproductibilité ?
rôle 2 Classer la pièce : conforme ? non conforme ?
rôle 3 Analyser le processus de fabrication : stable ? capable ?

TERMINOLOGIE
JUSTESSE ( ou exactitude) : écart entre la mesure obtenue et la «vraie» valeur

(erreur systématique)
PRÉCISION : écart d'un ensemble de mesures par rapport à la valeur moyenne des mesures
(erreur aléatoire) x xxx
x x x
x x x x x
x x x x x
x x
xx x x
juste oui non oui non
précis oui oui non non
RÉPÉTABILITÉ : variabilité mesurée par un écart-type ou un indice dans des conditions où

(équipement) tous les facteurs sont maintenus "constants"
• 1 opérateur - 1 pièce
• court laps de temps (court terme)
• plusieurs répétitions (relectures)
REPRODUCTIBILITÉ : variabilité mesurée par un écart-type ou un indice dans des conditions

(opérateur) où un ou plusieurs facteurs contrôlables sont variés
• plusieurs opérateurs
• plusieurs pièces
remarque : opérateur peut être remplacé par un autre facteur comme
méthode ou périodes temps
FIDÉLITÉ : étroitesse de l'accord entre les résultats dans des conditions de
RÉPÉTABILITÉ et de REPRODUCTIBILITÉ

TERMINOLOGIE
STABILITÉ processus libre de toute source de variabilité spéciale (hors contrôle statistique
BIAIS présence ou influence d’un facteur qui fait paraître les données
différentes de ce qu’elles sont par l’ajout d’un écart systématique;
méthode de détection d’un biais : utiliser des pièces déjà calibrées
CALIBRATION processus par lequel l’appareil est employé avec de pièces calibrées
dont les valeurs sont connues ; le résultat observé permet un
ajustement normatif de l’appareil (calibrage) ; cette opération doit se
faire périodiquement
LINÉARITÉ la précision ou la justesse varient à l’intérieur de l’espace de mesure;
l’absence de linéarité est désirable : la précision et la justesse sont constantes
FACTEURS pouvant contribuer à la variabilité (non qualité ) d’une mesure Y écart type
1. variabilité humaine : opérateur à opérateur ……………………………………………. σo
2. variabilité unités mesurées : pièce à pièce / lot-à-lot ……………………………….. σp
3. variabilité répétition = erreur de mesure de l’appareil = précision appareil……….. σe
4. variabilité temporelle : heure à heure, jour à jour, semaine à semaine, mois à mois …
OBJECTIFS DE L’ÉVALUATION DU PROCESSUS DE MESURAGE

- quantifier contribution (absolue, relative) de chaque facteur avec des écarts types / indices
- détecter la variabilité entre les produits
- décider si le processus de mesurage doit être amélioré
DONNÉES : modèle - plan - objectifs

Facteurs retenus dans une étude Répétitivité et Reproductibilité
O : Opérateur P : Pièce R : Répétition
MODÈLE Yijk = μ + β + Oi + Pj + (OP)i j + E i j k
où Y i j k : mesure obtenue / pièce j / opérateur i / répétition k
μ : «vraie valeur » β : biais
O i : effet opérateur ~ N ( 0, σo2 ) i = 1, .. , I
P j : effet pièce ~ N ( 0, σp2 ) j = 1, .. , J
OP i j : interaction O x P ~ N ( 0, σop2 )
E k : effet répétition ~ N ( 0, σ e2 ) k = 1, .. , K
Hypothèses β=0 on suppose que l’appareil est calibré

simplificatrices σop2 = 0 aucun effet d’interaction entre opérateur et la pièce
( sinon il y a un « problème » )
PLAN de collecte des données souvent employé :

I : 2 ou 3 J : au moins 10 K : 2 ou 3
Important : les pièces doivent provenir d’un plan d’échantillonnage reflétant
les sources de variabilité potentielles de la production
OBJECTIF : estimation des écarts types σe / σo / σp / indices

MÉTHODOLOGIE DE L’ÉVALUATION DU PROCESSUS MESURAGE
PLAN DE COLLECTE DE DONNÉES

- pièces : échantillonnage d’au moins 10 provenant la production
important : faire un échantillonnage représentatif de la variabilité de la production
- opérateurs : 2 ou 3
- répétitions : chaque opérateur mesure chaque pièce 2 ou 3 fois
EXEMPLE: Y = épaisseur ( Angstoms = 10 - 8 mm )

Opérateur 1 2 3
Répétition 1 2 3 1 2 3 1 2 3
Pièce 1 15,641 15,641 15,625 15,625 15,656 15,625 15,686 15,701 15,701
2 18,056 18,056 18,056 18,056 18,056 18,036 18,096 18,096 18,096
3 16,857 16,857 16,875 16,840 16,875 16,857 16,893 16,910 16,983
4 16,382 16,365 16,382 16,365 16,348 16,348 16,382 16,398 16,398
5 24,772 24,772 24,772 24,735 24,772 24,735 24,772 24,772 24,772
6 16,928 16,910 16,928 16,910 16,910 16,910 16,945 16,945 16,945
7 24,659 24,585 24,585 24,585 24,622 24,548 24,657 24,597 24,578
8 16,991 17,016 16,999 16,963 16,981 16,999 17,016 17,016 17,016
9 16,415 16,432 16,432 16,415 16,415 16,415 16,481 16,498 16,498
10 17,016 17,016 17,016 17,016 17,016 17,016 17,016 17,088 17,016

ANALYSE STATISTIQUE
MÉTHODE Cartes de Shewhart Xbar & R Analyse de la variance (ANOVA)

AVANTAGE graphique /calculs faciles /conviviale plus générale
INCONVÉNIENT interaction Opérateur x Pièce = 0 plus difficile à comprendre
EXEMPLE : carte R - utilisation du module PROCESS ANALYSIS de Statistica

CombinedRangeChart
Operators by Parts
Remarque
AverageRange: 21.7000
Sigma(Range):11.3895 pièce # 7 hors contrôle
No. of Trials: 3
90 et pièce # 10 erreur
80
d’entrée de données
70
17088 est erronée
Ranges (variable: Y_EPAIS)
60
55.8686 valeur corrigée 18018
50
40
nouvelle carte R
30
sans la pièce # 7
20 21.7000
et valeur corrigée
10
0
1 2 3
Operators (variable: OPER)

EXEMPLE : suite Opérateur 2 : hors contrôle
Combined Range Chart
Operators by Parts données de l’opérateur 2
Average Range: 13.1111
ne sont pas employées
Sigma (Range): 6.88155
No. of Trials: 3 dans la suite de l’étude R&R
45
40
35
Ranges (variable: Y-CORRCT)
33.7558
30
25
20
15
13.1111
10
0
1 2 3

EXEMPLE : suite
Operators by Parts
RÉPÉTITIVITÉ
Average Range: 9.88889 l’ erreur de mesure de l’appareil
No. of Trials: 3 σe
30
Estimation de σe
25 25.4598
Ranges (variable: Y-CORRCT)
avec les étendues R

20
sur les répétitions
15 + carte R en contrôle
10 9.88889 σ e 2 = ( R / d 2 * )2
5 d2* ≈ d2 ( 1+ 0.25 ν )
ν = - 2 + 2 ( 1 + 2 (d3 /d2 )2/ k )0.5
0
1 3 k : nombre d’échant. de taille n
- valeurs de d 2* : table D page 528 OTHM Exemple : n = 3 k = 18 = 2 x 9

- raison du d 2* : obtenir une estimation sans biais de σe2
R = 9.89 d 2* ≈ 1.69 = d2
- - influent si k ≤ 5 ( cas assez rare )
σe2 = ( 9.89 / 1.69)2 = 5.852
- - si k ≥ 6 on peut employer σ e 2 = ( R / d 2 )2

DÉFINITIONS
EV = 5.15*σe : variation due à l’appareil ( « equipment variation » )
%EVtolérance = 100 * EV / ( LTS – LTI ) : % variabilité de la tolérance

tolérance = LTS - LTI occupée par l’instrument
- grandeur de variation due à l’équipement

- couvre 99% de la variabilité due à l’équipement
- convention qui diffère de celle employée dans les études
de capacité des processus de fabrication ( 99.73% )
remarque : 5.15 = 2 x z 0.995 = 2 x 2.575

z 0.995 : quantile d’ordre 99.5 loi gaussienne
- 2.575 0 2.575
Exemple ( suite) : EV = 5.15 x 5.85 = 30.14 LTS = T + 500 LTI = T – 500
tol = LTS - LTI =1000 %EVtolérance = 100*EV / tol =100*30.14 / 1000 = 3.1 %
Estimation de la reproductibilité
σY2 = ( R Y / d2* )2
où R : étendues entre les J valeurs moyennes opérateurs ( sur i et k ) Y j
Y
d2* : table D avec 1 ( valeur de N dans la table ) échantillon de taille n = J
Exemple ( suite) : Y 1 = 17674.4 , Y 3 = 17702.8 , R y = 17702.8 – 17674.4 = 28.4
d 2* = 1.41 , σ Y 2 = ( 28.4 / 1.41 )2 = 20.12 angstroms 2
Estimation de σ o
σ o2 = σ Y 2 - ( σe2 / JK ) J = nombre pièces K = nombre répétitions
=0 si la différence est négative
Exemple ( suite) : σ Y 2 = 20.12 σ e2 = 5.852 J=9 K=3
σo2 = 20.12 - ( 5.852 / 27 ) = 20.12
Analyse de tolérance reproductibilité

AV = 5.15 σo : variation due à l’opérateur ( «appraiser variation »)
%AVtolérance = 100 * AV / ( LTS – LTI ) : % variabilité de la tolérance

occupée par l’opérateur
Exemple ( suite) : AV = 5.15 x 20.1 = 103.5
%AVtolérance = 100 * 103.5 / 1000 = 10.4 %

Analyse de tolérance globale : Répétitivité et Reproductibilité
σ M2 = σ o2 + σ e2 : variabilité répétitivité et reproductibilité ( R & R )
σM2 = σ o2 + σ e2 : estimation
R&R = 5.15 σ M : variabilité du système de mesurage
= ( AV 2 + EV 2)0.5
%R&R tolérance = 100 * R&R / ( LTS – LTI ) : % variabilité de la tolérance

occupée par système
Exemple ( suite ) : AV = 103.5 EV = 30.14 R&R = ( 103.5 2 + 30.14 2 ) 0.5 = 107.8
%R&R tolérance = 100 * 107.8 / 1000 = 10.8 %

CRITÈRES : qualification du processus de mesurage en fonction des tolérances
%R&R tolérance décision
moins de 10 % ….. excellent
10% à 20 % ……. bon
20% à 30% ……… marginal
plus de 30 % ....... inacceptable
Exemple ( suite ) : bon / amélioration : meilleure formation des opérateurs

ESTIMATION DE LA VARIABILITÉ DE PRODUCTION
σ P = écart type de l’ensemble des J valeurs moyennes Y j

sur opérateur et répétitions ( sur i et sur k )
autre possibilité : avec les étendues
σ p = R moyenne pièce / d 2* : 1 échantillon de J valeurs
Exemple ( suite)
pièce 1 2 3 4 5 6 - 8 9 10
moyenne 15665.8 18076.0 16880.8 16384.5 24772.0 16933.5 - 17009.0 16459.3 17016.3
σ p = 9016.2 / 3.08 = 2956.6 PV = 5.15 σ p : variabilité due aux pièces
ANALYSE : variabilité système mesure VS variabilité totale
σ Y 2 = σ p2 + σ o2 + σ e2 : variabilité totale
TV = 5.15* σ Y2 = ( PV 2 + R&R 2 ) 0.5 : grandeur de la variabilité totale
% R&R totale = 100 * R&R / TV

CRITÈRES : mêmes que ceux employés avec les intervalles de tolérance
Exemple ( suite ) : PV = 5.15* 2956.6 = 15226.49 R&R = 107.8 TV = 15226.9
%R&R totale = 100* 107.8 / 15226.9 = 0.7%

UTILISATION de STATISTICA
les résultats présentés proviennent de la version 6 de Statistica;
il y a de légères différences si on utilise une version antérieure
recommandation : commencer avec une carte Xbar et R ( module CONTROL CHART )

groupes = opérateur x pièce
but : visualiser les données + critère de qualité de l’étude
module PROCESS ANALYSIS
analyse de capacité des procédés de fabrication ( process capability analysis )

l’analyse de capacité des processus de mesure ( gage repeatability & reproductibility)
fabrication
mesure

Exemple : 3 opérateurs 10 pièces 3 répétitions – données page 7
Carte de contrôle Xbar et R

X-bar and R Chart; variable: Y-EPAIS2
Histogram of Means X-bar: 18372. (18372.); Sigma: 11.442 (11.442); n: 3. INTERPRÉTATION
26000
25000
Carte Xbar
24000 - c’est un bon signe si la
23000
22000 carte est hors contrôle :
21000
20000 pièces sont discriminées
19000
18000 18392.
18372.
18352. - estimation σe = 11.44
17000
16000 il faut que la carte R
15000
14000
0 4 8 12 16 5 10 15 20 25 30 soit en contrôle ….
2 6 10 14
Histogram of Ranges Range: 19.367 (19.367); Sigma: 10.165 (10.165); n: 3.

90
80
Carte R
70
60
- doit être en contrôle
50 49.861
- cet exemple : NON
40
30
pièce 7 pose problème
20 19.367
10 aux 3 opérateurs
0 0.0000
-10
- solution : retirer cette
0 2 4 6 8 10 12 14 5 10 15 20 25 30
pièce de l’étude
opérateur 1 opérateur 2 opérateur 3

Carte de contrôle Xbar et R sans la pièce 7

Histogram of Means X-bar: 17680. (17680.); Sigma: 7.7463 (7.7463); n: 3.
INTERPRÉTATION
26000 Carte Xbar
25000
23000
21000
20000 pièces sont discriminées
19000
18000 17693.
17680.
17667. - estimation σe = 7.75
17000
16000
15000
mais il faut que la carte R
14000
0 4 8 12 16 5 10 15 20 25 soit en contrôle ….
2 6 10 14

45
40 Carte R
35 33.756
30
- doit être en contrôle
25
20
15
- ce cas : NON
13.111
10
5 opérateur 2 pose
0 0.0000
-5 problème
0 2 4 6 8 10 5 10 15 20 25
1 3 5 7 9 11 - solution : retirer les
données de opérateur 2
opérateur 1 opérateur 2 opérateur 3

Carte de contrôle Xbar et R sans la pièce 7 et l’opérateur 2

Histogram of Means X-bar: 17689. (17689.); Sigma: 5.8425 (5.8425); n: 3.
INTERPRÉTATION
26000 Carte Xbar
25000
23000
21000
20000
pièces sont discriminées
19000
18000
- estimation σe = 5.84
17699.
17689.
17678.
17000
16000 mais il faut que la carte R
15000
14000 soit en contrôle ….
0 1 2 3 4 5 6 7 8 9 2 4 6 8 10 12 14 16 18

30
25 25.460
Carte R
20
15 - doit être en contrôle

10 9.8889
- ce cas : OUI
5
0 0.0000
-5
0 1 2 3 4 5 6 7 8 9 2 4 6 8 10 12 14 16 18
opérateur 1 opérateur 3
UTILISATION de STATISTICA : module PROCESS ANALYSIS
Exemple :
3 opérateurs
10 pièces
3 répétitions

Repeatability & Reproducibility Summary Plot

No. of Operators: 3 (variable: OPER)
No. of Parts: 10 (variable: WAFER)
No. of Trials: 3 (variable: REP)
100
80
60
Deviation from Average
40
20
-20
Opérateur 2
Exemple : -40 Semble obtenir
3 opérateurs -60 des valeurs
10 pièces -80
1 2 3
plus petites
3 répétitions que
Plot of Average Measurements by Operator and Part
No. of Operators: 3 (variable: OPER) opérateur 1
No. of Parts: 10 (variable: WAFER)
No. of Trials: 3 (variable: REP) opérateur 3
26000
25000
24000
23000
22000
Average Measure
21000
20000
19000
18000
17000
16000
15000
1
14000 2
1 2 3 4 5 6 7 8 9 10 3
Parts (variable: WAFER)

Operators by Parts
No. of Trials: 3
90
80
70

60
55.8686
50
40
30
20 21.7000
10
pièce 7
Exemple : 0
1 2 3
3 opérateurs
Operators (variable: OPER) pose
10 pièces
Parts by Operators
problème
3 répétitions Sigma (Range): 11.3895
No. of Trials: 3
90
80
70
60
55.8686
50
40
30
20 21.7000
10
0
1 2 3 4 5 6 7 8 9 10
Parts (variable: WAFER)

Exemple ( suite ) : données / opérateur ( 1 et 3 ) / pièces ( 1 à 10 sauf 7 )
tolerance = 1000
Estimatd Estimatd % of % of
sigma variance tolerance total
estimation
Repeatability 5.851 34 7.7827 0.0004
σe
Reproducibility 20.142 406 92.2173 0.0046
σo
Part-to-Part 2956.548 8741174 99.9950
σp
Combined R & R 20.975 440 100.0000 0.0050
Total 2956.622 8741614 100.0000

Exemple : suite
Percent Tolerance Analysis

Y-EPAIS2 Sigma intervals :5.15 Mean =17688.6 R-bar = 9.88889
R(xbar)=28.4444 R(parts)=9106.17 Operators: 2 Parts: 9 Trials: 3
Measrmnt % Proc. % Total % of

units variation Contribut. tolerance
Repeatability (Equipment Var). 30.13 0.1979 0.0004 3.013

Reproducibility (Appraiser Var.) 103.73 0.6812 0.0046 10.373
Part Variation 15226.22 99.9975 99.9950 1522.622
Combined R & R 108.02 0.7094 0.0050 10.802
Total Process Variation 15226.60 100.0000 100.0000 1522.660
Tolerance 1000.00 100.000
Conclusion
- la variabilité pièce-à-pièce est la plus grande source de variation : OK
- la variabilité opérateur-à-opérateur est négligeable : OK
- la variabilité de l’appareil est faible : OK
remarque : ces résultats sont confirmés par la méthode ANOVA – voir page 24

Estimatd Estimatd % of % of
.90 Lowr .90 Uppr
sigma variance R&R total
Repeatability 14.215 12.124 17.276 202 33.7262 0.0027
Reproducibility 19.926 9.598 318.915 397 66.2738 0.0053
Interaction (OP)
Méthode:
analyse Part-to-Part 2733.226 1860.923 4759.780 7470523 99.9920
de la Combined R & R 24.477 17.317 321.054 599 100.0000 0.0080

variance
Total 2733.335 7471122 100.0000
ANOVA
Measrmnt .90 % Proc. % of
.90 Uppr % Total
units Lowr variation tolerance
Repeatability
73.21 62.440 88.97 0.5201 0.0027 7.321
(Equipment Var).
Reproducibility
102.62 49.428 1642.41 0.7290 0.0053 10.262
(Appraiser Var.)
Interaction (Operator
x Part)
Part Variation 14076.11 9583.75 24512.87 99.9960 99.9920 1407.611

Combined R & R 126.06 89.184 1653.43 0.8955 0.0080 12.606
Total Process
14076.68 100.00 100.00 1407.668
Variation
Tolerance 1000.00 100.000

Évaluation processus mesure

Analyse Processus de Mesure

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Analyse Processus de Mesure

Enviado por

Direitos autorais:

Formatos disponíveis

Évaluation d’un processus mesure

§ Lexique anglais – français

§ Méthodes d'analyse statistique

Évaluation processus mesure 1

Lexique anglais - français

Precise ……………………………… précise

Évaluation processus mesure 2

rôle des données

rôle 2 Classer la pièce : conforme ? non conforme ?

rôle 3 Analyser le processus de fabrication : stable ? capable ?

Évaluation processus mesure 3

JUSTESSE ( ou exactitude) : écart entre la mesure obtenue et la «vraie» valeur

RÉPÉTABILITÉ : variabilité mesurée par un écart-type ou un indice dans des conditions où

REPRODUCTIBILITÉ : variabilité mesurée par un écart-type ou un indice dans des conditions

Évaluation processus mesure 4

OBJECTIFS DE L’ÉVALUATION DU PROCESSUS DE MESURAGE

DONNÉES : modèle - plan - objectifs

Hypothèses β=0 on suppose que l’appareil est calibré

PLAN de collecte des données souvent employé :

OBJECTIF : estimation des écarts types σe / σo / σp / indices

Évaluation processus mesure 6

PLAN DE COLLECTE DE DONNÉES

EXEMPLE: Y = épaisseur ( Angstoms = 10 - 8 mm )

Évaluation processus mesure 7

MÉTHODE Cartes de Shewhart Xbar & R Analyse de la variance (ANOVA)

EXEMPLE : carte R - utilisation du module PROCESS ANALYSIS de Statistica

Évaluation processus mesure 8

Évaluation processus mesure 9

avec les étendues R

- valeurs de d 2* : table D page 528 OTHM Exemple : n = 3 k = 18 = 2 x 9

Évaluation processus mesure 10

EV = 5.15*σe : variation due à l’appareil ( « equipment variation » )

%EVtolérance = 100 * EV / ( LTS – LTI ) : % variabilité de la tolérance

- grandeur de variation due à l’équipement

remarque : 5.15 = 2 x z 0.995 = 2 x 2.575

Exemple ( suite) : EV = 5.15 x 5.85 = 30.14 LTS = T + 500 LTI = T – 500

Exemple ( suite) : Y 1 = 17674.4 , Y 3 = 17702.8 , R y = 17702.8 – 17674.4 = 28.4

d 2* = 1.41 , σ Y 2 = ( 28.4 / 1.41 )2 = 20.12 angstroms 2

σ o2 = σ Y 2 - ( σe2 / JK ) J = nombre pièces K = nombre répétitions

=0 si la différence est négative

Exemple ( suite) : σ Y 2 = 20.12 σ e2 = 5.852 J=9 K=3

σo2 = 20.12 - ( 5.852 / 27 ) = 20.12

Analyse de tolérance reproductibilité

%AVtolérance = 100 * AV / ( LTS – LTI ) : % variabilité de la tolérance

Exemple ( suite) : AV = 5.15 x 20.1 = 103.5

%AVtolérance = 100 * 103.5 / 1000 = 10.4 %

Évaluation processus mesure 12

σ M2 = σ o2 + σ e2 : variabilité répétitivité et reproductibilité ( R & R )

R&R = 5.15 σ M : variabilité du système de mesurage

%R&R tolérance = 100 * R&R / ( LTS – LTI ) : % variabilité de la tolérance

Exemple ( suite ) : AV = 103.5 EV = 30.14 R&R = ( 103.5 2 + 30.14 2 ) 0.5 = 107.8

%R&R tolérance = 100 * 107.8 / 1000 = 10.8 %

Exemple ( suite ) : bon / amélioration : meilleure formation des opérateurs

Évaluation processus mesure 13

ESTIMATION DE LA VARIABILITÉ DE PRODUCTION

σ P = écart type de l’ensemble des J valeurs moyennes Y j

σ p = R moyenne pièce / d 2* : 1 échantillon de J valeurs

σ p = 9016.2 / 3.08 = 2956.6 PV = 5.15 σ p : variabilité due aux pièces

ANALYSE : variabilité système mesure VS variabilité totale

% R&R totale = 100 * R&R / TV

Exemple ( suite ) : PV = 5.15* 2956.6 = 15226.49 R&R = 107.8 TV = 15226.9

%R&R totale = 100* 107.8 / 15226.9 = 0.7%

Évaluation processus mesure 14

recommandation : commencer avec une carte Xbar et R ( module CONTROL CHART )