La mesure est au cœur de nombreuses décisions industrielles. Elle intervient de la conception à la livraison, en passant par toutes les étapes de la production. Malheureusement, pour des raisons historiques, la plupart de nos contemporains passent à côté de la complexité des mesures. Toutes les mesures sont fausses et la gestion d’un parc d’instruments doit permettre de garantir à l’entreprise que les mesures, donc les instruments, restent malgré tout compatibles avec le besoin industriel.

Cette fiche a pour objet de décrire les principales dispositions nécessaires pour garantir des mesures quotidiennes pertinentes eu égard aux besoins.

Cette fiche propose une approche structurée pour réagir de façon pragmatique à une « non-conformité » déclarée suite à la vérification d’un instrument de mesure.

Toute décision doit être justifiée. Cette fiche propose d’avancer sur la gestion des non-conformités suivant un schéma qui permet de définir :

• la réalité des non-conformités : ont-elles eu un impact potentiel en interne, chez les clients ou au niveau des autres parties intéressées ?
• comment réagir, le cas échéant, en termes d’actions correctives ;
• comment prévenir les non-conformités dans le cadre de la gestion d’un parc d’instruments de mesure.

Les résultats de mesure ne sont pas parfaits. Chaque mesure est entachée d’une erreur qu’il convient de savoir estimer. En effet, de nombreuses décisions sont directement fondées sur des résultats de mesure. Il est donc important de pouvoir maîtriser le doute que l’on a sur la valeur du mesurande caractérisé. L’incertitude que l’on associe alors à un résultat de mesure permet de fournir une indication quantitative sur la qualité de ce résultat. Cette information est essentielle pour estimer la fiabilité d’un résultat de mesure.

Vous mettez en œuvre un procédé de fabrication pour élaborer un produit. Ledit procédé subit en permanence des conditions qui varient, ce qui entraîne des variations dans les caractéristiques du produit final. Par ailleurs, il ne vous est pas possible de mesurer tous les produits réalisés pour assurer la conformité de chacun. La science statistique permet, quant à elle, de quantifier, sur la base de quelques échantillons, la variation totale de la production afin de garantir qu’elle répond, pour tous les produits (ou presque) à l’exigence du client. Cette fiche introduit les concepts nécessaires à cette évaluation qui consiste à vérifier ce que nous nommons « l’aptitude du procédé » ou « capabilité du procédé ».

La vérification de l’aptitude (capabilité) du procédé de fabrication permet au fournisseur de s’assurer de sa propre capacité à satisfaire son client et, par conséquent, de ne s’engager vis-à-vis d’un client que sur des spécifications compatibles avec ses capacités réelles de production.

Vous êtes en charge de la qualité dans l’entreprise et vous devez vous assurer de la conformité des produits et/ou services qu’elle produit. Vous travaillez dans un laboratoire de mesure et d’essais et vous êtes impliqué dans la qualité des résultats qu’il produit.

Pour comprendre et agir dans ce sens, vous devez maîtriser non seulement les méthodes mises en œuvre par l’entreprise mais également les notions relatives à l’évaluation des incertitudes liées à la mesure. Le but de cette fiche est de décrire les connaissances minimales nécessaires pour comprendre les processus de mesure et pouvoir, le cas échéant, les améliorer.

Cette fiche traite des notions de répétabilité et de reproductibilité d’une méthode d’analyse ou de mesure.

Les incertitudes de mesure sont de plus en plus évoquées en matière de qualité. Une fois estimées, il s’agit de définir la façon de les considérer eu égard à l’objectif de la mesure : déclaration de conformité, analyse de Process (SPC/MSP), étalonnage…

Cette fiche décrit les différentes approches disponibles en matière normative, en présentant notamment les dernières évolutions et l’avenir qui se dessine sur ce sujet. Elle précise les différents facteurs à prendre en considération pour définir les processus de mesure en fonction des besoins de votre entreprise.

En particulier, cette fiche vous présente la question centrale de l’incertitude de mesure, ainsi que les façons possibles de la prendre en compte dans l’exploitation des résultats de mesure.

Les stratégies suivantes sont détaillées :

• capabilité (MSA et norme ISO 22514-7) ;
• norme ISO 14253 (zone de conformité) ;
• norme NF ISO CEI Guide 98-4 (bande de garde et risques client et fournisseur).

Pour prévoir le très proche avenir, nous abordons en conclusion un autre aspect qui doit être considéré dans le choix des équipements. Les évolutions technologiques qui nous conduisent vers l’industrie 4.0 ne sont en effet pas sans conséquence.

Toute mesure est par nature une comparaison à une unité (m, kg, s, a…) qui représente une quantité bien définie et reconnue dans le monde entier. Le raccordement des instruments de mesure consiste à s’assurer qu’ils respectent cette quantité.

Les décisions industrielles s’appuient souvent sur des mesures (acceptation de lots, réglages…). La qualité desdites décisions dépend donc directement de la qualité des résultats de mesure. Le raccordement des instruments, souvent indispensable à cette dernière, est de ce fait une étape indispensable. Il fait l’objet de nombreuses dispositions qui sont reprises dans les exigences du COFRAC pour accréditer les laboratoires réalisant des prestations d’étalonnage. Cette fiche traite des sujets suivants :

• raccordement, chaîne de traçabilité métrologique ;
• traçabilité ;
• étalonnage / vérification ;
• accréditation COFRAC (ou pas ?) ;
• périodicité ;
• surveillance.

Vous mettez en œuvre un procédé de fabrication pour élaborer un produit dont les caractéristiques mesurées varient de manière aléatoire en fonction des variations aléatoires des paramètres du procédé. La maîtrise statistique des procédés, MSP, autorise une détection précoce des déviations du procédé avant qu’elles n’aient pu affecter la qualité du produit.

Les bénéfices de la méthode MSP sont :

• d’aider à différencier les variations « normales » aléatoires du procédé de celles dues à une cause assignable (un déréglage d’un des paramètres opératoires). Cela permet ainsi de n’appliquer une correction que quand cela est nécessaire, et ainsi contribue à stabiliser le procédé et à réduire la variabilité du produit ;
• de permettre une correction des paramètres opératoires avant que la qualité du produit ne soit affectée et ainsi de réduire les coûts de non-qualité ;
• de permettre aux opérateurs de mieux « visualiser » la qualité du produit et de savoir quand agir. La responsabilité et l’autonomie des opérateurs peuvent ainsi être améliorées tout en stabilisant mieux la qualité du produit.