Étalonnage des appareils de mesure

Source de l'image : Apicha Thumvisead / iStock / Getty Images Plus via Getty Image

La résolution de problèmes basée sur les données est essentielle pour que les organisations restent compétitives ; cependant, de bonnes décisions reposent sur des mesures précises. Un calendrier d'étalonnage des instruments doit être complété au bon moment pour assurer un biais minimum, l'évaluation de l'état tel quel met en lumière l'état de fonctionnement et l'adéquation des efforts d'étalonnage. Cet article met en évidence l'utilisation d'études de linéarité et de biais pour extraire des informations sur la précision des mesures, en mettant en évidence les instruments qui peuvent nécessiter une enquête plus approfondie.

Les appareils de mesure produisent des données utilisées pour s'assurer que les processus sont sous contrôle et capables de répondre aux exigences. Les mesures incluent l'incertitude, qui peut interférer avec une bonne prise de décision. L'incertitude de mesure implique trois composantes : l'exactitude, la précision et la variabilité aléatoire. L'utilisation de la fonction chronomètre sur un appareil personnel en fournit une bonne illustration. La différence entre la lecture indiquée et ce qui pourrait être déterminé avec un dispositif connu pour produire des résultats robustes dénote la précision de la lecture. L'obtention du même résultat avec des essais répétés ou la reproduction du même résultat par plusieurs personnes est considérée comme de la précision. Rien ne peut être fait au sujet de la troisième composante, la variabilité aléatoire. Une étude plus approfondie de la précision implique l'analyse des systèmes de mesure, qui ne fait pas partie de cet article et est fortement suggérée comme sujet de suivi pour les lecteurs. L'étalonnage des appareils de mesure porte sur l'une des trois sources d'incertitude : la précision.

L'étalonnage est le plus efficace lorsque l'instrument en question est d'abord étudié dans un état « tel quel » dans l'environnement d'utilisation typique (figure 1). Le graphique fournit une preuve visuelle initiale de la précision de l'instrument. Une quantité importante de variation de biais dans les points bleus (observations) est présente dans la plage de référence. Les carrés rouges représentent le biais moyen et la ligne rouge indique que le biais change dans la plage de référence. La comparaison du nuage d'observations au biais (échelle y) explique que l'appareil fournit généralement des valeurs supérieures à la mesure réelle.

Figure 1 - Étude en l'état | Source de l'image : Minitab LLC

L'étalonnage est effectué pour atténuer les biais. Le biais moyen est un résumé des différences de mesure sur la plage de référence. La plage de référence doit être suffisamment large pour déterminer le biais des mesures qui incluent des résultats hors spécifications. Une bonne règle empirique est une plage de référence qui dépasse d'au moins 125 % les spécifications. Un examen de l'historique du processus peut être utilisé pour régler la plage de référence en déterminant les mesures les plus extrêmes probables.

Considérez une balance numérique utilisée dans les opérations de fabrication pour mesurer le poids des comprimés pharmaceutiques. Le poids du comprimé est quantifié en milligrammes (mg) et le fabricant de la balance précise que l'appareil peut mesurer à 1 mg près. Une balance de laboratoire est utilisée pour créer les mesures standard car il est spécifié de mesurer à moins de 0,1 mg. Des normes de mesure 10 fois plus strictes que l'appareil de test devraient très bien fonctionner pour une étude. Certaines études impliquent des normes fabriquées, qui ont tendance à être coûteuses et nécessitent un stockage et une manipulation spécifiques pour assurer un fonctionnement continu.

Les échantillons de comprimés sont conservés dans de petits récipients clairement identifiés pendant l'étude pour éviter tout mélange par inadvertance. Un grand soin et une documentation doivent être impliqués pour s'assurer que les échantillons ne peuvent pas être libérés dans le flux de bon produit. Les techniciens conviennent des procédures de manipulation pour s'assurer que les échantillons de test ne sont pas modifiés, ce qui est essentiel à la valeur de l'étude. L'exemple d'étude comprend des mesures répétées d'échantillons et de multiples essais par trois opérateurs pour représenter une utilisation typique. Les normes ont été créées en mesurant chaque échantillon trois fois et en calculant la moyenne. On pourrait soutenir qu'une certaine incertitude liée à la réplication et à la reproduction est incluse dans les données, ce qui n'est pas nécessairement une mauvaise chose.

Le biais a tendance à ne pas être constant sur une plage de mesures. La linéarité est utilisée pour ajuster un modèle linéaire sur les valeurs de biais. Les moyennes de biais sur la plage de mesure sont utilisées pour calculer l'ordonnée à l'origine et la pente de la tendance (tableau 1). La régression statistique est utilisée pour tester si la pente de la tendance du biais moyen est différente de zéro, qui est l'attente par défaut. Une tendance significative au biais ne condamne pas nécessairement un appareil. Les techniciens doivent utiliser la statistique d'ajustement (r-carré) et l'expertise en la matière pour déterminer si la tendance est pratiquement pertinente par rapport à la précision requise lorsque l'appareil est appliqué. Une tendance significative d'un biais négatif de construction de 0,11 mg pour chaque unité d'augmentation de la plage n'est pratiquement pas pertinente lors de la mesure d'une plage de spécifications de 80 à 90 mg.

Le biais moyen peut être une statistique récapitulative utile pour expliquer la précision d'une jauge ; cependant, il devient moins utile lorsqu'une tendance linéaire significative est présente. Les valeurs de p dans la plage de référence (tableau 2) indiquent des différences significatives de biais, en particulier pour les comprimés dans la moitié la plus claire de la plage de référence. Le comprimé le plus léger (standard = 73 mg) inclut un biais de mesure près de trois fois supérieur au biais moyen avec seulement six dixièmes de pourcentage de probabilité que la différence soit due à une variabilité aléatoire (p = 0,006).

La balance numérique n'est manifestement pas aussi précise que l'indiquent les spécifications techniques de l'instrument. Le problème est plus grave si l'instrument est utilisé pour des comprimés d'un poids standard inférieur à 99 mg. L'exigence organisationnelle pour les balances numériques utilisées dans les opérations est une précision de 3 mg. Aucune autre action n'est requise par procédure ; cependant, il peut être prudent d'enquêter si l'unité a été utilisée pour des comprimés très légers afin de s'assurer qu'un risque de qualité inacceptable est présent.

La balance numérique est entretenue par des techniciens d'étalonnage et la cellule de charge interne est ajustée selon la procédure standard pour "mettre à zéro" l'unité. De nombreuses organisations s'arrêtent à ce stade et remettent l'unité à une utilisation régulière. Il est prudent de reproduire l'étude et de déterminer la linéarité et le biais de l'unité calibrée pour illustrer la précision telle qu'elle est utilisée dans les opérations.

Figure 2 - Étudier les réglages et l'entretien post-calibrage | Source de l'image : Minitab LLC

L'étude post-étalonnage (figure 2) montre que la balance numérique a un niveau de précision beaucoup plus élevé qu'auparavant. Une linéarité significative existe avec l'instrument (P = 0,001) ; cependant, il n'est pas considéré comme pratiquement pertinent pour les spécifications de poids utilisées pendant la production. Un biais moyen de (-0,2 mg) peut être utilisé pour résumer les performances car un seul poids de référence a un biais qui diffère significativement (100 mg, biais de -1,6, p = 0,005).

Les études de linéarité et de biais fournissent beaucoup d'informations sur un instrument de mesure. Le suivi des résultats au fil du temps peut aider les organisations à déterminer si le calendrier d'étalonnage est robuste et à suggérer d'éventuels problèmes de manipulation. Des études bien planifiées réduisent le risque de qualité en améliorant la fiabilité des valeurs obtenues lors des contrôles de qualité. Les instruments qui indiquent un biais croissant dans les études telles quelles doivent être remplacés afin de garantir des niveaux élevés de précision dans l'ensemble de l'organisation.

Robert Lievens , architecte de solutions, Minitab LLC. Pour plus d'informations, rendez-vous sur www.minitab.com.