ISO 22514-8:2014
(Main)Statistical methods in process management — Capability and performance — Part 8: Machine performance of a multi-state production process
Statistical methods in process management — Capability and performance — Part 8: Machine performance of a multi-state production process
ISO 22514-8:2014 aims to define the evaluation method to quantify the short-term capability of a production process (capacity of the production tool, widely termed capability), i.e. the machine performance index, to ensure compliance to a toleranced measurable product characteristic, when said process does not feature any kind of sorting system. If the production process integrates a sorting system, then this one (clearing away nonconforming parts) should be analysed independently. ISO 22514-8:2014 does not aim to define evaluation methods of the capability of a production process that is gauged through long-term observation (capability process or performance process indices). ISO 22514-8:2014 defines the principles guiding the development of indicators for quantifying capability, and the statistical methods to be employed. The characteristics used to evaluate production process capability have statistical distributions, and it is presumed, a priori, that at least one of these distributions is multi-modal. A distribution is presumed to be multimodal if it results from the marked effect of at least one cause inducing a significant difference between the produced items. ISO 22514-8:2014 applies, for example, to characteristics generated by processes such as the following: multi-cavity casting, multi-fixture machining, batch load treatments. Each cavity, fixture, or position in the batch load corresponds to a different state. The multi-state process can be understood as the result of the combination of different states within the same process (e.g. cavity, fixture, position in the batch load).
Méthodes statistiques dans la gestion de processus — Aptitude et performance — Partie 8: Aptitude machine d'un procédé de production multimodal
L'ISO 22514-8:2014 a pour objectif de définir la méthode d'évaluation permettant de quantifier l'aptitude à court terme d'un processus de production (aptitude du moyen de production, couramment appelée capabilité), c'est-à-dire l'indice de performance machine, à assurer la conformité d'une caractéristique tolérancée mesurable du produit, lorsque ledit processus ne comporte aucun système de tri. Si le processus de production intègre un système de tri, alors celui-ci (écartant les pièces non conformes), devrait être analysé indépendamment. L'ISO 22514-8:2014 n'a pas pour objectif de définir des méthodes d'évaluation de l'aptitude d'un processus de production fondées sur une observation à long terme (indices d'aptitude ou de performance de processus). L'ISO 22514-8:2014 définit: ? les principes de développement d'indicateurs pour quantifier l'aptitude, et ? les méthodes statistiques à employer. Les caractéristiques utilisées pour évaluer l'aptitude d'un processus de production ont des distributions statistiques et il est supposé a priori qu'au moins l'une de ces distributions est multimodale. Une distribution est présumée multimodale si elle résulte de l'effet marqué d'au moins une cause induisant une différence significative entre les éléments produits. L'ISO 22514-8:2014 s'applique, par exemple, à des caractéristiques générées par les processus, telles que: ? le moulage multi-empreintes: produisant simultanément plusieurs pièces identiques à l'aide d'un moule comportant plusieurs empreintes. Étant donné que chaque empreinte a sa propre géométrie et sa propre position dans l'architecture du moule, elle peut créer une différence systémique sur le résultat obtenu; ? usinage multi-posage: une pièce produite simultanément, mais les pièces produites sont positionnées par rapport au moyen de production par différents systèmes de posage. Étant donné que chaque posage a sa propre géométrie, ses propres dispositifs de bridage, etc., il peut créer une différence systématique sur le résultat obtenu; ? traitements par charge: traitement thermique appliqué en même temps à un ensemble de pièces identiques (charge) réparties dans un espace prédéfini du four. L'exposition d'un élément du lot par rapport au four peut influer sur le résultat obtenu. Chaque empreinte, montage ou position dans la fournée correspond à un état différent. Le processus multi-états peut être considéré comme le résultat de la combinaison de différents états dans le même processus (par exemple empreinte, posage, position dans la charge).
General Information
Buy Standard
Standards Content (Sample)
INTERNATIONAL ISO
STANDARD 22514-8
First edition
2014-06-01
Statistical methods in process
management — Capability and
performance —
Part 8:
Machine performance of a multi-state
production process
Méthodes statistiques dans la gestion de processus — Aptitude et
performance —
Partie 8: Aptitude machine d’un procédé de production multimodal
Reference number
ISO 22514-8:2014(E)
©
ISO 2014
---------------------- Page: 1 ----------------------
ISO 22514-8:2014(E)
COPYRIGHT PROTECTED DOCUMENT
© ISO 2014
All rights reserved. Unless otherwise specified, no part of this publication may be reproduced or utilized otherwise in any form
or by any means, electronic or mechanical, including photocopying, or posting on the internet or an intranet, without prior
written permission. Permission can be requested from either ISO at the address below or ISO’s member body in the country of
the requester.
ISO copyright office
Case postale 56 • CH-1211 Geneva 20
Tel. + 41 22 749 01 11
Fax + 41 22 749 09 47
E-mail copyright@iso.org
Web www.iso.org
Published in Switzerland
ii © ISO 2014 – All rights reserved
---------------------- Page: 2 ----------------------
ISO 22514-8:2014(E)
Contents Page
Foreword .iv
Introduction .v
1 Scope . 1
2 Normative references . 2
3 Terms and definitions . 2
4 Symbols and abbreviations . 5
5 Preliminary technical analysis of the process . 6
5.1 General . 6
5.2 Identification of intrinsic factors . 6
5.3 Determination of process-specific states . 7
6 Preliminary verifications before calculating the machine performance indices .7
6.1 Measurement system. 7
6.2 Definition of the sampling plan for estimating global intrinsic dispersion . 8
7 Estimation of global intrinsic dispersion and calculation of machine performance indices 8
7.1 General . 8
7.2 Verification on the absence of outliers in the set of made measurement results. 9
7.3 Determination of the widths of local intrinsic dispersions .10
7.4 Determination of the locations of local intrinsic dispersions .11
7.5 Global intrinsic dispersion: type and estimation .12
7.6 Calculation of capability indices P and P .
m mk 14
7.7 Acceptance thresholds for the machine performance indices .15
Annex A (informative) States qualifying a processing process .16
Annex B (normative) Statistical tests .32
Bibliography .37
© ISO 2014 – All rights reserved iii
---------------------- Page: 3 ----------------------
ISO 22514-8:2014(E)
Foreword
ISO (the International Organization for Standardization) is a worldwide federation of national standards
bodies (ISO member bodies). The work of preparing International Standards is normally carried out
through ISO technical committees. Each member body interested in a subject for which a technical
committee has been established has the right to be represented on that committee. International
organizations, governmental and non-governmental, in liaison with ISO, also take part in the work.
ISO collaborates closely with the International Electrotechnical Commission (IEC) on all matters of
electrotechnical standardization.
The procedures used to develop this document and those intended for its further maintenance are
described in the ISO/IEC Directives, Part 1. In particular the different approval criteria needed for the
different types of ISO documents should be noted. This document was drafted in accordance with the
editorial rules of the ISO/IEC Directives, Part 2 (see www.iso.org/directives).
Attention is drawn to the possibility that some of the elements of this document may be the subject of
patent rights. ISO shall not be held responsible for identifying any or all such patent rights. Details of
any patent rights identified during the development of the document will be in the Introduction and/or
on the ISO list of patent declarations received (see www.iso.org/patents).
Any trade name used in this document is information given for the convenience of users and does not
constitute an endorsement.
For an explanation on the meaning of ISO specific terms and expressions related to conformity
assessment, as well as information about ISO’s adherence to the WTO principles in the Technical Barriers
to Trade (TBT) see the following URL: Foreword - Supplementary information
The committee responsible for this document is ISO/TC 69, Applications of statistical methods,
Subcommittee SC 4, Applications of statistical methods in process management.
ISO 22514 consists of the following parts, under the general title Statistical methods in process
management — Capability and performance:
— Part 1: General principles and concepts
— Part 2: Process capability and performance of time-dependent process models
— Part 3: Machine performance studies for measured data on discrete parts
— Part 4: Process capability estimates and performance measures [Technical Report]
— Part 6: Process capability statistics for characteristics following a multivariate normal distribution
— Part 7: Capability of measurement processes
— Part 8: Machine performance of a multi-state production process
iv © ISO 2014 – All rights reserved
---------------------- Page: 4 ----------------------
ISO 22514-8:2014(E)
Introduction
The methodology introduced through this part of ISO 22514 provides the platform for producing the items
required for building a long-term process capability and its leading, for a given product characteristic.
This can, for example, make it possible to
— define the in-process or mid-process sampling procedure,
— predict, for batch furnaces, a process capability variation range covering all the parts in the batch
load, once a recorded partial load variation has been characterized beforehand, and
— follow, for multi-cavity casting, the changes of extreme variation field based on different positions
in the mould, each variation of the mould cavities have been characterized beforehand.
© ISO 2014 – All rights reserved v
---------------------- Page: 5 ----------------------
INTERNATIONAL STANDARD ISO 22514-8:2014(E)
Statistical methods in process management — Capability
and performance —
Part 8:
Machine performance of a multi-state production process
1 Scope
This part of ISO 22514 aims to define the evaluation method to quantify the short-term capability
of a production process (capacity of the production tool, widely termed capability), i.e. the machine
performance index, to ensure compliance to a toleranced measurable product characteristic, when said
process does not feature any kind of sorting system.
If the production process integrates a sorting system, then this one (clearing away nonconforming parts)
should be analysed independently.
This part of ISO 22514 does not aim to define evaluation methods of the capability of a production process
that is gauged through long-term observation (capability process or performance process indices).
This part of ISO 22514 defines
— the principles guiding the development of indicators for quantifying capability, and
— the statistical methods to be employed.
The characteristics used to evaluate production process capability have statistical distributions, and it
is presumed, a priori, that at least one of these distributions is multi-modal. A distribution is presumed
to be multimodal if it results from the marked effect of at least one cause inducing a significant difference
between the produced items.
This part of ISO 22514 applies, for example, to characteristics generated by processes such as the
following:
— multi-cavity casting: simultaneously producing several identical parts from a mould featuring
several cavities.
Since each cavity has its own geometry and its own position in the mould architecture, it can create
a systemic difference on the output result;
— multi-fixture machining: a part produced at the same time, but the produced parts are positioned in
relation to the production tool by different fixture systems.
Since each fixture has its own geometry, mount clamps, etc., it can create a systematic difference on
the output result;
— batch load treatments: heat treatment applied at the same time on a set of identical parts (the batch
load), distributed within a pre-defined space of furnace. The position of an item of the batch relative
to the furnace can influence the output result.
Each cavity, fixture, or position in the batch load corresponds to a different state. The multi-state
process can be understood as the result of the combination of different states within the same process
(e.g. cavity, fixture, position in the batch load).
NOTE It needs to be ensured that such systematic differences, if any, constitute only a very small proportion
of permissible error so that their impact is harmless and do not affect the capabilities of the process.
© ISO 2014 – All rights reserved 1
---------------------- Page: 6 ----------------------
ISO 22514-8:2014(E)
2 Normative references
The following documents, in whole or in part, are normatively referenced in this document and are
indispensable for its application. For dated references, only the edition cited applies. For undated
references, the latest edition of the referenced document (including any amendments) applies.
ISO 3534 (all parts), Statistics — Vocabulary and symbols
ISO 5725 (all parts), Accuracy (trueness and precision) of measurement methods and results
ISO 22514-3, Statistical methods in process management — Capability and performance — Part 3: Machine
performance studies for measured data on discrete parts
ISO/IEC Guide 98-3:2008, Uncertainty of measurement — Part 3: Guide to the expression of uncertainty in
measurement (GUM:1995)
ISO/IEC Guide 99:2007, International vocabulary of metrology — Basic and general concepts and associated
terms (VIM)
3 Terms and definitions
For the purposes of this document, the following terms and definitions apply.
3.1
production tool
machine or production machinery performing all the operations necessary for production, from
delivered supplies through product deliverable
3.2
process
set of interrelated or interacting activities which transforms inputs into outputs
Note 1 to entry: Inputs to a process are generally outputs of other processes.
Note 2 to entry: Processes in an organization are generally planned and carried out under controlled conditions
to add value.
Note 3 to entry: A process where the conformity of the resulting product cannot be readily or economically
verified is frequently referred to as a “special process”.
Note 4 to entry: This set includes all the factor resources necessary: production tools, labour, operating procedures,
maintenance, etc.
[SOURCE: ISO 9000:2005, 3.4.1]
3.3
equipment (or tools)
interchangeable component of a production tool for producing different products, and which cannot be
considered a wear-out component
EXAMPLE Mould of an injection-moulding machine — Counter-example: in machining, a cutting tool cannot
be considered as a piece of equipment.
3.4
process operation
step in the production process leading to a final or intermediate product status
3.5
toleranced characteristic of the product
quantitative characteristic of the product, and for which the upper specification limits (ISO 3534-2)
and/or lower specification limits (ISO 3534-2) are prescribed
2 © ISO 2014 – All rights reserved
---------------------- Page: 7 ----------------------
ISO 22514-8:2014(E)
3.6
dispersion interval (or dispersion of a characteristic)
interval within which all items are produced
Note 1 to entry: Where the dispersion interval is estimated based on statistical methods, it is estimated based on
its reference interval (ISO 3534-2).
Note 2 to entry: Any one process carries as many dispersion intervals as it does characteristics produced. For
example, a product presenting four different characteristics, i.e. length, width, height, and weight, is produced
including systematic (controllable) and random (uncontrollable) sources of variation by a single production tool
in a single operation. This operation is thus associated with four different dispersion intervals.
3.7
intrinsic dispersion interval (or instantaneous dispersion)
observable dispersion interval for a characteristic observed on produced items over a period during
which the process implementation parameters have not varied: same operator, same method, same
equipment, same batch of homogeneous raw materials, same temperature, etc.
Note 1 to entry: The underlying statistical distribution is called intrinsic (or instantaneous) distribution.
Note 2 to entry: In the event of drift in a process setting (such as drift caused by tool wear-out), it is common
practice to include this drift in the production dispersion instead of integrating it into the estimate of intrinsic
dispersion.
Note 3 to entry: This intrinsic dispersion interval is also called instantaneous dispersion because it affects
production at a given point in time.
Note 4 to entry: Any one process operation carries as many intrinsic dispersion intervals as it does characteristics
produced. A product presenting four different characteristics, i.e. length, width, height, and weight, is produced in
a single operation. This operation is thus associated with four different intrinsic dispersion intervals.
Note 5 to entry: The intrinsic dispersion interval is same as natural or inherent spread.
Note 6 to entry: In some industries, the intrinsic dispersion interval is called “production tool dispersion”; the
production tool featuring machine and its equipment.
3.8
intrinsic factor
internal condition to the production process and involved in the intrinsic dispersion interval, and which
has different aspects, each produced item comes across only one of these aspects
EXAMPLE 1 The cavities of a mould; each cavity defines one aspect of the “cavity” factor; machining fixtures
assumed to be identical; each fixture defines one aspect of the “fixture” factor.
EXAMPLE 2 If two different speeds are applied during the same production process to manufacture the
product (a first run at low speed followed by a second run at high speed), then the speed is not an intrinsic factor.
3.9
process state
specific configuration of the full set of intrinsic factors, where each intrinsic factor takes one of its states
EXAMPLE See Figure 1.
This setup involves six states:
— State C1 F1;
— State C2 F1;
— State C3 F1;
— State C1 F2;
— State C2 F2;
© ISO 2014 – All rights reserved 3
---------------------- Page: 8 ----------------------
ISO 22514-8:2014(E)
— State C3 F2.
Figure 1 — Process with two intrinsic factors (cavity identifier, fixture udentifier)
Note 1 to entry: One process state generates one statistical distribution. The statistical distributions tied to the
different states of the process can be similar or different.
Note 2 to entry: For a simple process that only produces one part at a time using single equipment and a single
quality of inputs, there will, a priori, be only one state. From the moment that several parts are produced
simultaneously under different conditions (different equipment, different positions in the batch load, etc.), there
will, a priori, be different states.
Note 3 to entry: If the production process simultaneously handles a set of p parts, then there can be p different
states.
3.10
multi-state (production) process
process through which different states generate statistical distributions that have different dispersion
widths and/or dispersion locations (see Figure 2)
Figure 2 — Example illustrating the distribution of a multi-state process and its breakdown
into states that each follow Gaussian distribution
3.11
local intrinsic dispersion (interval)
observable intrinsic dispersion interval associated with one of the process states
EXAMPLES
— local intrinsic dispersion interval connected to mould No. 2 on cavity No. 5;
4 © ISO 2014 – All rights reserved
---------------------- Page: 9 ----------------------
ISO 22514-8:2014(E)
— local intrinsic dispersion interval at coordinates X = 500, Y = 500, Z = 500 inside the batch furnace;
— local intrinsic dispersion interval on the left-hand side of the conveyer over a given time slot in a
continuous furnace.
3.12
global intrinsic dispersion (interval)
observable intrinsic dispersion interval when pooling the results of the combination of different process
states
3.13
production dispersion (interval)
observable dispersion interval for a characteristic, observed on produced items over a typical
representative period during which the different process implementation parameters may have varied
Note 1 to entry: The parameter that has varied in the production dispersion interval, can be, for example,
— change of operators,
— settings, or
— change in raw material batch, etc.
Note 2 to entry: The underlying statistical distribution is called production distribution.
Note 3 to entry: The production timeframe observed is not standardized. Depending on how the capability indices
are used, this time frame is set either internally by the product manufacturer or contractually by agreement
between supplier and customer.
3.14
measurement uncertainty
parameter, associated with the result of a measurement, that characterizes the dispersion of the values
that could reasonably be attributed to the measurand (quantity-of-interest)
Note 1 to entry: The parameter defining an interval bounding the result of a measurement and that can be
expected to encompass a large fraction of the distribution of values that could reasonably be attributed to the
measurand, is called enlarged uncertainty.
[SOURCE: adapted to the VIM]
Note 2 to entry: This part of ISO 22514 works on the basis that enlarged uncertainty is evaluated at a 95,44 %
confidence level, as is common practice.
4 Symbols and abbreviations
For the purposes of this document, the following symbols and abbreviations apply.
L lower specification limit
U upper specification limit
T specified tolerance (= U – L)
Di generic term used to denote the width of intrinsic dispersion
Dig width of the global intrinsic dispersion
k number of investigated states
n sampling size (number of measured parts per state), which is considered the same for all states
N total sample size (total number of parts sampled: N = n · k)
© ISO 2014 – All rights reserved 5
---------------------- Page: 10 ----------------------
ISO 22514-8:2014(E)
Di width of the local intrinsic dispersion in state j
j
Dil width of the local intrinsic dispersion when widths are not state-dependent
Di half-width of the bottom-slope side of the local intrinsic dispersion interval in state j (see Figure 3)
l,j
Di half-width of the top-slope side of the local intrinsic dispersion interval in state j (see Figure 3)
u,j
Di half-width of the bottom-slope side of the local intrinsic dispersion interval of the state with the
l,el
smallest dispersion bound
Di half-width of the top-slope side of the local intrinsic dispersion of the state with the highest disper-
u,er
sion bound
Di half-width of the bottom-slope side of the local intrinsic dispersion when widths are not state-
i
dependent
Di half-width of the top-slope side of the local intrinsic dispersion when widths are not state-dependent
u
X quantile at α % of the distribution without taking into account the different states
α %
X quantile at α % of the distribution of state j
α %,j
x mean of state j
j
median of state j
x
j
mean of the values of samples, once outliers have been eliminated
X
Δm range of extreme locations of local intrinsic dispersion intervals when this difference is significantly
different from zero
Δm* maximal value of the observable Δm when the relative locations of the different local intrinsic disper-
sion intervals vary independently of each other over time
Δa amplitude of the outlier (expressed algebraically), in the event an outlier is recorded
5 Preliminary technical analysis of the process
5.1 General
The preliminary analysis is designed to determine the intrinsic factors and their aspects, and thus, to
define the process states liable to be found.
For a process operation, an assumption should be made, per characteristic, on whether or not the process
produces a multimodal distribution. If it is assumed to be multimodal, then it will be necessary to define
the states liable to be found.
5.2 Identification of intrinsic factors
The analyst tasked with this upstream preliminary analysis shall first define the intrinsic factors liable
to act as sources of differentiation and thus generate different statistical distributions. The analyst shall
also define the various different aspects possible for each intrinsic factor identified.
EXAMPLES
— part positioning in relation to the machine (multi-station fixtures, heat treatment load);
— product-machine interface (different fixtures, different clampings, etc.);
6 © ISO 2014 – All rights reserved
---------------------- Page: 11 ----------------------
ISO 22514-8:2014(E)
— different mounting patterns (guide-slots, die cavities, positions on the conveyor, etc.).
5.3 Determination of process-specific states
The process analyst shall integrate different constraint factors (economic, organizational, etc.) so as to
shortlist only the specific states deemed representative of extreme process states.
EXAMPLES
— for a heat treatment process involving a batch furnace, where each load contains 300 parts, the
process analyst could, for example, select four positions from the 300 states possible: one at the
furnace gate, one near the back of the furnace, and two near the centre (one at load centre and one
at the top of the load), which the analyst’s knowledge of the furnace tells them when are the extreme
state effects;
— for a cylinder head machining process for which 400 fixtures (adapters) are used, the process
analyst could only select six fixtures. Based on an analysis of the geometric surveys taken on these
fixtures (defects tied to the support bases, defects tied to clamping quality, etc.), the analyst shall
select a series of occurrences tied to these surveys (extreme cases, possibly combined with some
intermediate cases).
One process operation can generate different observable characteristics. These characteristics are often
impacted differently in different process states. This can guide the analyst to select states according to
categories of characteristics.
At this point, the analyst shall arbitrate between the options to select the states. Their selection shall also
take into account the process knowledge needed in order to lead root cause analysis as a step toward
building a process tracking system.
The number of states envisaged, a priori, at this early stage can be revised when defining which sampling
plan to apply. The aim is to determine the best trade-off between number of states investigated and the
quality of the knowledge on each of these states.
Examples are presented in Annex A.
6 Preliminary verifications before calculating the machine performance indices
6.1 Measurement system
Regardless of the process to qualify and the characteristic, it is first necessary to start by verifying
that the measurement uncertainty is compatible with the pre-set capability objectives defining the
maximum permissible global intrinsic dispersion.
This is done by running an estimate of measurement uncertainty taking into account the various sources
of error: repeatability, reproducibility, bias error, etc.
This step can be determined using the GUM (Guide to the expression of uncertainty in measurement) and
the ISO 5725 series of International Standards. The analysts can turn to an approach of the measurement
uncertainty estimation set out, for example, in ISO 22514-7 or in the guide MSA (measurement systems
analysis).
In order to move on to qualify the process, the measurement uncertainty shall not be too high. Excessively
high measurement uncertainty impacts significantly on any estimates of real product dispersions,
making it difficult to differentiate between process states.
A necessary prerequisite is that the enlarged uncertainty shall be less, for example, than a sixth of the
maximum acceptable global intrinsic dispersion in order to make sure the judgement on the production
tool does not become overly biased.
© ISO 2014 – All rights reserved 7
---------------------- Page: 12 ----------------------
ISO 22514-8:2014(E)
6.2 Definition of the sampling plan for estimating global intrinsic dispersion
The sampling plan is dictated by the number N of parts, on which measurements will be realized. It is
often the case that N is set at around 30 or 50. In order to eliminate any time-related bias, the N parts
shall be manufactured under the most identical conditions possible (although obviously excluding state
switchovers), which therefore means in a short time span.
The number of states to be investigated is denoted as k. Number k can be different from the number
initially planned for in the preliminary analysis, as N is often imposed. For each state, the sample size
shall be identical and is equal to n. The n value shall never, under any circumstances, be less than 3 (5 is
the value most widely used). N is calculated as n × k.
If the production process simultaneously handles a set of products, then a sample is compiled of produced
parts through different production cycles, where only the outputs from one of the selected states is
studied. Since sample size is set at n, there will be n measurement campaigns with k measurements per
campaign.
EXAMPLE In the case of a batch-load furnace heat treatment, for the validation of intrinsic dispersion, n
= 6 parts per load will be sampled from k = 5 different loads. A sample of five parts is put together using parts
sampled from the same in-furnace location but from five different loads. Two of the samples will be taken from
the edges of the load but from opposite locations, plus two from the load centre and two from an intermediate
position. Where the process involves particularly voluminous loads, the analyst can opt to take a higher number
of samples but from a lower number of loads (parts per sample).
NOTE Definition of the sampling plan for estimating production dispersion (see ISO 3534-2).
Once global intrinsic dispersion has been estimated, the next step is to identify the process states leading
to distributions that present extreme dispersion widths or locations. These states will serve as the basis
for estimating production dispersion.
EXAMPLE In the case of a continuous furnace treating several parts in parallel or a batch-load furnace heat
treatment, the very first step is to validate the intrinsic dispersion. It is only when the intrinsic dispersion has
been validated that it becomes possible, if necessary, to validate pr
...
NORME ISO
INTERNATIONALE 22514-8
Première édition
2014-06-01
Méthodes statistiques dans la
gestion de processus — Aptitude et
performance —
Partie 8:
Aptitude machine d’un procédé de
production multimodal
Statistical methods in process management — Capability and
performance —
Part 8: Machine performance of a multi-state production process
Numéro de référence
ISO 22514-8:2014(F)
©
ISO 2014
---------------------- Page: 1 ----------------------
ISO 22514-8:2014(F)
DOCUMENT PROTÉGÉ PAR COPYRIGHT
© ISO 2014
Droits de reproduction réservés. Sauf indication contraire, aucune partie de cette publication ne peut être reproduite ni utilisée
sous quelque forme que ce soit et par aucun procédé, électronique ou mécanique, y compris la photocopie, l’affichage sur
l’internet ou sur un Intranet, sans autorisation écrite préalable. Les demandes d’autorisation peuvent être adressées à l’ISO à
l’adresse ci-après ou au comité membre de l’ISO dans le pays du demandeur.
ISO copyright office
Case postale 56 • CH-1211 Geneva 20
Tel. + 41 22 749 01 11
Fax + 41 22 749 09 47
E-mail copyright@iso.org
Web www.iso.org
Publié en Suisse
ii © ISO 2014 – Tous droits réservés
---------------------- Page: 2 ----------------------
ISO 22514-8:2014(F)
Sommaire Page
Avant-propos .iv
Introduction .v
1 Domaine d’application . 1
2 Références normatives . 2
3 Termes et définitions . 2
4 Symboles et abréviations . 6
5 Analyse technique préliminaire du processus . 7
5.1 Généralités . 7
5.2 Identification des facteurs intrinsèques . 7
5.3 Détermination des modes spécifiques au processus . 7
6 Vérifications préliminaires avant de calculer les indices de performance machine .8
6.1 Système de mesure . 8
6.2 Définition du plan d’échantillonnage pour l’estimation de la dispersion
intrinsèque globale . 8
7 Estimation de la dispersion intrinsèque globale et calcul des indices de
performance machine . 9
7.1 Généralités . 9
7.2 Vérification de l’absence de valeurs aberrantes dans l’ensemble des résultats de
mesure obtenus .10
7.3 Détermination des étendues des dispersions intrinsèques locales .11
7.4 Détermination des positions des dispersions intrinsèques locales .12
7.5 Dispersion intrinsèque globale: type et estimation .13
7.6 Calcul des indices d’aptitude P et P .
m mk 15
7.7 Seuils d’acceptation des indices de performance machine .16
Annexe A (informative) Modes qualifiant un procédé de traitement .18
Annexe B (normative) Tests statistiques .35
Bibliographie .40
© ISO 2014 – Tous droits réservés iii
---------------------- Page: 3 ----------------------
ISO 22514-8:2014(F)
Avant-propos
L’ISO (Organisation internationale de normalisation) est une fédération mondiale d’organismes
nationaux de normalisation (comités membres de l’ISO). L’élaboration des Normes internationales est
en général confiée aux comités techniques de l’ISO. Chaque comité membre intéressé par une étude
a le droit de faire partie du comité technique créé à cet effet. Les organisations internationales,
gouvernementales et non gouvernementales, en liaison avec l’ISO participent également aux travaux.
L’ISO collabore étroitement avec la Commission électrotechnique internationale (IEC) en ce qui concerne
la normalisation électrotechnique.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont
décrites dans les Directives ISO/IEC, Partie 1. Il convient, en particulier de prendre note des différents
critères d’approbation requis pour les différents types de documents ISO. Le présent document a été
rédigé conformément aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir www.
iso.org/directives).
L’attention est appelée sur le fait que certains des éléments du présent document peuvent faire l’objet de
droits de propriété intellectuelle ou de droits analogues. L’ISO ne saurait être tenue pour responsable
de ne pas avoir identifié de tels droits de propriété et averti de leur existence. Les détails concernant les
références aux droits de propriété intellectuelle ou autres droits analogues identifiés lors de l’élaboration
du document sont indiqués dans l’Introduction et/ou dans la liste des déclarations de brevets reçues par
l’ISO (voir www.iso.org/brevets).
Les appellations commerciales éventuellement mentionnées dans le présent document sont données
pour information, par souci de commodité, à l’intention des utilisateurs et ne sauraient constituer un
engagement.
Pour une explication de la signification des termes et expressions spécifiques de l’ISO liés à l’évaluation de
la conformité, ou pour toute information au sujet de l’adhésion de l’ISO aux principes de l’OMC concernant
les obstacles techniques au commerce (OTC), voir le lien suivant: Avant-propos — Informations
supplémentaires.
Le comité chargé de l’élaboration du présent document est l’ISO/TC 69, Application des méthodes
statistiques, sous-comité SC 4, Application de méthodes statistiques au management de processus.
L’ISO 22514 comprend les parties suivantes, présentées sous le titre général Méthodes statistiques dans
la gestion de processus — Aptitude et performance:
— Partie 1: Principes et concepts généraux
— Partie 2: Aptitude de processus et performance des modèles de processus dépendants du temps
— Partie 3: Études de performance de machines pour des données mesurées sur des parties discrètes
— Partie 4: Estimations de l’aptitude de processus et mesures de performance [Rapport technique]
— Partie 6: Statistiques de capabilité pour un processus caractérisé par une distribution normale
multivariée
— Partie 7: Aptitude des processus de mesure
— Partie 8: Aptitude machine d’un procédé de production multimodal
iv © ISO 2014 – Tous droits réservés
---------------------- Page: 4 ----------------------
ISO 22514-8:2014(F)
Introduction
La méthodologie présentée dans la présente partie de l’ISO 22514 fournit la plate-forme permettant de
produire les éléments requis pour déterminer l’aptitude d’un processus à long terme et sa conduite, pour
une caractéristique donnée du produit. Elle peut, par exemple, permettre de:
— définir la procédure d’échantillonnage dans ou en cours de processus;
— prédire, pour des fours à charge, une plage de variation d’aptitude du processus couvrant toutes les
pièces d’une même charge, après qu’une variation de charge partielle a été observée et caractérisée;
et
— suivre, pour un moulage multi-empreintes, les évolutions des plages de variations extrêmes en
considérant différentes positions dans le moule, chaque variation des empreintes du moule ayant
été préalablement caractérisée.
© ISO 2014 – Tous droits réservés v
---------------------- Page: 5 ----------------------
NORME INTERNATIONALE ISO 22514-8:2014(F)
Méthodes statistiques dans la gestion de processus —
Aptitude et performance —
Partie 8:
Aptitude machine d’un procédé de production multimodal
1 Domaine d’application
La présente partie de l’ISO 22514 a pour objectif de définir la méthode d’évaluation permettant de
quantifier l’aptitude à court terme d’un processus de production (aptitude du moyen de production,
couramment appelée capabilité), c’est-à-dire l’indice de performance machine, à assurer la conformité
d’une caractéristique tolérancée mesurable du produit, lorsque ledit processus ne comporte aucun
système de tri.
Si le processus de production intègre un système de tri, alors celui-ci (écartant les pièces non conformes),
devrait être analysé indépendamment.
La présente partie de l’ISO 22514 n’a pas pour objectif de définir des méthodes d’évaluation de l’aptitude
d’un processus de production fondées sur une observation à long terme (indices d’aptitude ou de
performance de processus).
La présente partie de l’ISO 22514 définit:
— les principes de développement d’indicateurs pour quantifier l’aptitude, et
— les méthodes statistiques à employer.
Les caractéristiques utilisées pour évaluer l’aptitude d’un processus de production ont des distributions
statistiques et il est supposé a priori qu’au moins l’une de ces distributions est multimodale. Une
distribution est présumée multimodale si elle résulte de l’effet marqué d’au moins une cause induisant
une différence significative entre les éléments produits.
La présente partie de l’ISO 22514 s’applique, par exemple, à des caractéristiques générées par les
processus, telles que:
— le moulage multi-empreintes: produisant simultanément plusieurs pièces identiques à l’aide d’un
moule comportant plusieurs empreintes.
Étant donné que chaque empreinte a sa propre géométrie et sa propre position dans l’architecture
du moule, elle peut créer une différence systémique sur le résultat obtenu;
— usinage multi-posage: une pièce produite simultanément, mais les pièces produites sont positionnées
par rapport au moyen de production par différents systèmes de posage.
Étant donné que chaque posage a sa propre géométrie, ses propres dispositifs de bridage, etc., il
peut créer une différence systématique sur le résultat obtenu;
— traitements par charge: traitement thermique appliqué en même temps à un ensemble de pièces
identiques (charge) réparties dans un espace prédéfini du four. L’exposition d’un élément du lot par
rapport au four peut influer sur le résultat obtenu.
© ISO 2014 – Tous droits réservés 1
---------------------- Page: 6 ----------------------
ISO 22514-8:2014(F)
Chaque empreinte, montage ou position dans la fournée correspond à un état différent. Le processus
multi-états peut être considéré comme le résultat de la combinaison de différents états dans le même
processus (par exemple empreinte, posage, position dans la charge).
NOTE Il est nécessaire de s’assurer que de telles différences systématiques, si elles existent, ne constituent
qu’une très faible proportion de l’erreur admissible de sorte que leur impact soit inoffensif et n’affecte pas les
aptitudes du processus.
2 Références normatives
Les documents ci-après, dans leur intégralité ou non, sont des références normatives indispensables à
l’application du présent document. Pour les références datées, seule l’édition citée s’applique. Pour les
références non datées, la dernière édition du document de référence s’applique (y compris les éventuels
amendements).
ISO 3534 (toutes les parties), Statistique — Vocabulaire et symboles
ISO 5725 (toutes les parties), Exactitude (justesse et fidélité) des résultats et méthodes de mesure
ISO 22514-3, Méthodes statistiques dans la gestion de processus — Aptitude et performance — Partie 3:
Études de performance de machines pour des données mesurées sur des parties discrètes
Guide ISO/IEC 98-3:2008, Incertitude de mesure — Partie 3: Guide pour l’expression de l’incertitude de
mesure (GUM:1995)
Guide ISO/IEC 99:2007, Vocabulaire international de métrologie — Concepts fondamentaux et généraux et
termes associés (VIM)
3 Termes et définitions
Pour les besoins du présent document, les termes et définitions suivants s’appliquent.
3.1
moyen de production
machine ou ensemble de machines de production réalisant toutes les opérations nécessaires pour la
production, des fournitures livrées jusqu’au produit livrable
3.2
processus
ensemble d’activités corrélées ou interactives qui transforme des éléments d’entrée en éléments de
sortie
Note 1 à l’article: Les éléments d’entrée d’un processus sont généralement les éléments de sortie d’autres processus.
Note 2 à l’article: Les processus d’un organisme sont généralement planifiés et mis en œuvre dans des conditions
maîtrisées afin d’apporter une valeur ajoutée.
Note 3 à l’article: Lorsque la conformité du produit résultant ne peut être immédiatement ou économiquement
vérifiée, le processus est souvent qualifié de «procédé spécial».
Note 4 à l’article: Cet ensemble englobe toutes les ressources nécessaires: moyens de production, main d’œuvre,
procédures d’exploitation, maintenance, etc.
[SOURCE: ISO 9000:2005, 3.4.1]
2 © ISO 2014 – Tous droits réservés
---------------------- Page: 7 ----------------------
ISO 22514-8:2014(F)
3.3
équipement (ou outillage)
élément interchangeable d’un moyen de production permettant de fabriquer des produits différents et
qui ne peut pas être considéré comme un élément d’usure
EXEMPLE Moule d’une machine de moulage par injection – Contre-exemple: en usinage, un outil de coupe ne
peut pas être considéré comme un élément d’équipement.
3.4
opération du processus
étape du processus de production conduisant à un état final ou intermédiaire du produit
3.5
caractéristique tolérancée du produit
caractéristique quantitative du produit pour laquelle les limites de spécification supérieures (ISO 3534-2)
et/ou les limites de spécification inférieures (ISO 3534-2) sont prescrites
3.6
intervalle de dispersion (ou dispersion d’une caractéristique)
intervalle dans lequel tous les éléments sont produits
Note 1 à l’article: Lorsque l’intervalle de dispersion est estimé à partir de méthodes statistiques, il est estimé à
partir de son intervalle de référence (ISO 3534-2).
Note 2 à l’article: Tout processus comporte autant d’intervalles de dispersion que de caractéristiques produites. Par
exemple, un produit présentant quatre caractéristiques différentes, à savoir longueur, largeur, hauteur et poids,
est produit en incluant des sources de variation systématiques (maîtrisables) et aléatoires (non maîtrisables) par
un seul moyen de production au cours d’une seule opération. Cette opération est donc associée à quatre intervalles
de dispersion différents.
3.7
intervalle de dispersion intrinsèque (ou dispersion instantanée)
intervalle de dispersion observable pour une caractéristique observée sur des éléments produits sur une
période durant laquelle les paramètres de mise en œuvre du processus n’ont pas varié: même opérateur,
même méthode, même équipement, même lot de matières premières homogènes, même température,
etc.
Note 1 à l’article: La distribution statistique sous-jacente est appelée distribution intrinsèque (ou instantanée).
Note 2 à l’article: En cas de dérive du paramétrage d’un processus (par exemple la dérive provoquée par une usure
de l’outil), il est de pratique courante d’inclure cette dérive dans la dispersion de la production au lieu de l’intégrer
à l’estimation de la dispersion intrinsèque.
Note 3 à l’article: Cet intervalle de dispersion intrinsèque est également appelé dispersion instantanée car il
affecte la production à un instant donné.
Note 4 à l’article: Une opération de traitement comporte autant d’intervalles de dispersion intrinsèque que de
caractéristiques produites. Un produit présentant quatre caractéristiques différentes, à savoir longueur, largeur,
hauteur et poids, est produit en une seule opération. Cette opération est donc associée à quatre intervalles de
dispersion intrinsèque différents.
Note 5 à l’article: L’intervalle de dispersion intrinsèque est identique à la dispersion naturelle ou propre.
Note 6 à l’article: Dans certaines industries, l’intervalle de dispersion intrinsèque est appelé «dispersion du moyen
de production», le moyen de production englobant la machine et son équipement.
3.8
facteur intrinsèque
condition interne au processus de production et impliquée dans l’intervalle de dispersion intrinsèque, et
qui a différentes modalités, chaque élément produit provient d’une seule de ces modalités
EXEMPLE 1 Les empreintes d’un moule: chaque empreinte définit une modalité du facteur «empreinte»;
posages d’usinage supposés être identiques; chaque posage définit une modalité du facteur «posage».
© ISO 2014 – Tous droits réservés 3
---------------------- Page: 8 ----------------------
ISO 22514-8:2014(F)
EXEMPLE 2 Si deux vitesses différentes sont appliquées pendant le même processus de production pour
fabriquer le produit (un premier cycle à faible vitesse suivi d’un deuxième cycle à vitesse élevée), la vitesse n’est
alors pas un facteur intrinsèque.
3.9
mode (d’un processus)
état d’un processus
configuration spécifique de l’ensemble complet des facteurs intrinsèques, où chaque facteur intrinsèque
prend l’un de ses états
EXEMPLE Voir Figure 1.
Cette configuration implique six modes:
— état C1 F1;
— état C2 F1;
— état C3 F1;
— état C1 F2;
— état C2 F2;
— état C3 F2;
Figure 1 — Processus avec deux facteurs intrinsèques (identifiant d’empreinte, identifiant de
montage)
Note 1 à l’article: Un mode du processus génère une distribution statistique. Les distributions statistiques
associées aux différents modes du processus peuvent être similaires ou différentes.
Note 2 à l’article: Pour un processus simple qui ne produit qu’une seule pièce à la fois en utilisant un seul
équipement et une seule qualité d’entrants, il n’y aura a priori qu’un seul mode. À partir du moment où plusieurs
pièces sont produites simultanément dans différentes conditions (équipements différents, positions différentes
dans la charge, etc.), il y aura a priori différents modes.
Note 3 à l’article: Si le processus de production gère simultanément un ensemble de p pièces, il peut y avoir p
modes différents.
4 © ISO 2014 – Tous droits réservés
---------------------- Page: 9 ----------------------
ISO 22514-8:2014(F)
3.10
processus (de production) multi-modal
processus par lequel différents modes génèrent des distributions statistiques qui ont différentes
étendues de dispersion et/ou positions de dispersion (voir Figure 2)
Figure 2 — Exemple illustrant la distribution d’un processus multi modal et sa décomposition
en mode qui suivent chacun une loi normale
3.11
(intervalle de) dispersion intrinsèque locale
intervalle de dispersion intrinsèque observable associé à l’un des modes du processus
EXEMPLES
— intervalle de dispersion intrinsèque locale associé au moule n° 2 sur l’empreinte n° 5;
— intervalle de dispersion intrinsèque locale aux coordonnées X = 500, Y = 500, Z = 500 à l’intérieur du
four à charge;
— intervalle de dispersion intrinsèque locale du côté gauche du tapis (convoyeur) sur un intervalle de
temps donné dans un four à tapis.
3.12
(intervalle de) dispersion intrinsèque globale
intervalle de dispersion intrinsèque observable lors de la mise en commun des résultats de la combinaison
de différents modes du processus
3.13
(intervalle de) dispersion de la production
intervalle de dispersion observable pour une caractéristique observée sur des éléments produits sur
une période représentative typique durant laquelle les différents paramètres de mise en œuvre du
processus peuvent avoir varié
Note 1 à l’article: Le paramètre qui a varié dans l’intervalle de dispersion de la production peut être, par exemple:
— changement d’opérateurs,
— réglages, ou
— changement de lot de matières premières, etc.
Note 2 à l’article: La distribution statistique sous-jacente est appelée distribution de la production.
Note 3 à l’article: La période de production observée n’est pas normalisée. Selon la manière dont les indices
d’aptitude sont utilisés, cette période est fixée soit en interne par le fabricant du produit soit contractuellement
par accord entre le fournisseur et le client.
© ISO 2014 – Tous droits réservés 5
---------------------- Page: 10 ----------------------
ISO 22514-8:2014(F)
3.14
incertitude de mesure
paramètre associé au résultat d’un mesurage, qui caractérise la dispersion des valeurs qui pourraient
raisonnablement être attribuées au mesurande (grandeur à observer)
Note 1 à l’article: Le paramètre définissant un intervalle, autour du résultat d’un mesurage, dont on puisse
s’attendre à ce qu’il comprenne une fraction élevée de la distribution des valeurs qui pourraient être attribuées
raisonnablement au mesurande, est appelée incertitude élargie.
[SOURCE: adapté au VIM]
Note 2 à l’article: La présente partie de l’ISO 22514 s’appuie sur le principe que l’incertitude élargie est évaluée à
un niveau de confiance de 95,44 %, selon une pratique courante.
4 Symboles et abréviations
Pour les besoins du présent document, les symboles et abréviations suivants s’appliquent.
L limite de spécification inférieure
U limite de spécification supérieure
T tolérance spécifiée (= U – L)
Di terme générique utilisé pour désigner l’étendue de la dispersion intrinsèque
Dig étendue de la dispersion intrinsèque globale
k nombre de modes étudiés
n effectif d’échantillonnage (nombre de pièces mesurées par mode), qui est considéré le même pour tous
les modes
N effectif total de l’échantillon (nombre total de pièces échantillonnées: N = n · k)
Di étendue de la dispersion intrinsèque locale du mode j
j
Dil étendue de la dispersion intrinsèque locale lorsque les largeurs ne dépendent pas du mode
Di demi-étendue du côté de la pente inférieure de l’intervalle de dispersion intrinsèque locale du mode j
l,j
(voir Figure 3)
Di demi-étendue du côté de la pente supérieure de l’intervalle de dispersion intrinsèque locale du mode j
u,j
(voir Figure 3)
Di demi-étendue du côté de la pente inférieure de l’intervalle de dispersion intrinsèque locale du mode
l,el
ayant la limite de dispersion la plus petite
Di demi-étendue du côté de la pente supérieure de l’intervalle de dispersion intrinsèque locale du mode
u,er
ayant la limite de dispersion la plus élevée
Di demi-étendue du côté de la pente inférieure de la dispersion intrinsèque locale lorsque les largeurs ne
i
dépendent pas du mode
Di demi-étendue du côté de la pente supérieure de la dispersion intrinsèque locale lorsque les largeurs
u
ne dépendent pas du mode
X fractile à α % de la distribution sans tenir compte des différents modes
α %
X fractile à α % de la distribution du mode j
α %,j
moyenne du mode j
x
j
6 © ISO 2014 – Tous droits réservés
---------------------- Page: 11 ----------------------
ISO 22514-8:2014(F)
médiane du mode j
x
j
moyenne des valeurs des échantillons, une fois les valeurs aberrantes éliminées
X
Δm plage des positions extrêmes des intervalles de dispersion intrinsèque locale lorsque cette différence
est nettement différente de zéro
Δm* valeur maximale de Δm observable lorsque les positions relatives des différents intervalles de disper-
sion intrinsèque locale varient indépendamment les unes des autres dans le temps
Δa amplitude de la valeur aberrante (exprimée de façon algébrique), lorsqu’une valeur aberrante est
enregistrée
5 Analyse technique préliminaire du processus
5.1 Généralités
L’analyse préliminaire est conçue pour déterminer les facteurs intrinsèques et leurs modalités, et donc
définir les états du processus susceptibles d’être rencontrés.
Pour une opération du processus, il convient de poser une hypothèse, par caractéristique, sur le fait que
le processus produit ou non une distribution multimodale. Si elle est supposée être multimodale, il sera
alors nécessaire de définir les modes susceptibles d’être rencontrés.
5.2 Identification des facteurs intrinsèques
L’analyste chargé de cette analyse préliminaire en amont doit tout d’abord définir les facteurs intrinsèques
susceptibles d’agir comme des sources de différenciation et donc générer différentes distributions
statistiques. L’analyste doit également définir les différentes modalités possibles pour chaque facteur
intrinsèque identifié.
EXEMPLES
— Mise en position de la pièce par rapport à la machine (montages multi-postes, charge de traitement
thermique);
— interface produit-machine (montages différents, dispositifs de bridage différents, etc.);
— différentes configurations de montage (rainures-guides, empreintes de moulage, positions sur le
convoyeur, etc.).
5.3 Détermination des modes spécifiques au processus
L’analyste du processus doit intégrer différents facteurs de contrainte (économiques, organisationnels,
etc.) de manière à établir une liste restreinte des modes particuliers jugés représentatifs des modes
extrêmes du processus.
EXEMPLES
— pour un procédé de traitement thermique impliquant un four à charge, dans lequel chaque charge
contient 300 pièces, l’analyste du procédé pourrait, par exemple, sélectionner quatre positions
parmi les 300 modes possibles: une au niveau de la porte du four, une proche de l’arrière du four
et deux proches du centre (une au centre de la charge et une au sommet de la charge), au niveau
desquelles l’analyste pense observer les effets des modes extrêmes sur la base de sa connaissance
du four;
— pour un procédé d’usinage de culasse utilisant 400 posages (adaptateurs), l’analyste du procédé
pourrait sélectionner uniquement six posages. Sur la base d’une analyse des relevés géométriques
© ISO 2014 – Tous droits réservés 7
---------------------- Page: 12 ----------------------
ISO 22514-8:2014(F)
effectués sur ces posages (défauts liés aux bases d’appui, défauts liés à la qualité du bridage, etc.),
l’analyste doit sélectionner une série d’occurrences liées à ces relevés (cas extrêmes, éventuellement
combinés à certains cas intermédiaires).
Une opération du processus peut générer différentes caractéristiques observables. Ces caractéristiques
sont souvent impactées différemment dans différents modes du processus. Cela peut conduire l’analyste
à sélectionner des modes en fonction des catégories de caractéristiques.
À ce stade, l’analyste doit trancher entre les options pour sélectionner les modes. Leur sélection doit
également tenir compte des connaissances du processus requises pour mener une analyse par arbre des
causes dans le cadre de l’élaboration d’un système de suivi du processus.
Le nombre de modes envisagé a priori à ce stade précoce peut être révisé lors de la définition du plan
d’échantillonnage à appliquer. L’objectif est ici de déterminer le meilleur compromis entre le nombre de
modes étudiés et la qualité des connaissances sur chacun de ces modes.
Des exemples sont donnés à l’Annexe A.
6 Vérifications préliminaires avant de calculer les indices de performance
machine
6.1 Système de mesure
Quels que soient le processus à qualifier et la caractéristique, il est tout d’abord nécessaire de commencer
par vérifier que l’incertitude de mesure est compatible avec les objectifs d’aptitude prédéterminés
définissant la dispersion intrinsèque globale maximale admissible.
Pour cela, l’incertitude de mesure est estimée en tenant compte des différentes sources d’erreur:
répétabilité, reproductibilité, erreur de justesse, etc.
Cette étape peut être effectuée en utilisant le GUM (Guide pour l’expression de l’incertitude de mesure) et
la série de Normes internationales ISO 5725. Les analystes peuvent opter pour une méthode d’estimation
de l’incertitude de mesure décrite, par exemple,
...
Questions, Comments and Discussion
Ask us and Technical Secretary will try to provide an answer. You can facilitate discussion about the standard in here.