Monitoring Multivariate Categorical Processes in Phase II: An Economic–Statistical Design of the GLT Control Chart

Résumé technique : Surveillance de processus catégoriels multivariés en Phase II : Une conception économico-statistique de la carte de contrôle GLT

Énoncé du problème
Les systèmes de fabrication contemporains reposent de plus en plus sur de multiples variables catégorielles interdépendantes (par exemple, les classifications de défauts, les grades de produits) pour caractériser la qualité des produits. Bien que le contrôle statistique des processus (CSP) soit une norme pour maintenir la stabilité, les cartes de contrôle traditionnelles sont souvent conçues pour des variables continues univariées et peuvent échouer à capturer les structures de dépendance inhérentes aux données catégorielles multivariées. De plus, la littérature existante sur la surveillance de tels processus, particulièrement ceux utilisant des tableaux de contingence et des tests linéaires généralisés (GLT), s'est principalement concentrée sur les mesures de performance statistique (par exemple, la longueur de série moyenne ou ARL) tout en négligeant les considérations économiques. Par conséquent, il existe un manque de cadres intégrés capable d'adresser simultanément la sensibilité statistique requise pour détecter de petits changements graduels dans les structures de dépendance et l'efficacité économique nécessaire pour une mise en œuvre industrielle pratique.

Méthodologie
Cette étude propose un cadre économico-statistique intégré pour la surveillance de la Phase II des processus catégoriels multivariés représentés par des tableaux de contingence. La méthodologie se compose de trois composantes principales :

1. Modélisation et surveillance statistique :

   • Modélisation log-linéaire : La structure de dépendance entre les variables catégorielles est modélisée à l'aide de modèles log-linéaires pour établir les fréquences de cellules attendues en conditions de contrôle.
   • Statistique GLT : Une statistique de test linéaire généralisé (GLT), notée $F^*$, est dérivée pour quantifier l'écart entre les fréquences de cellules observées et celles prédites par le modèle log-linéaire. Cette statistique sert de mesure primaire pour détecter les changements structurels dans le tableau de contingence.
   • Intégration EWMA : Pour améliorer la sensibilité aux changements faibles et graduels, la statistique GLT est incorporée dans une structure de moyenne mobile exponentiellement pondérée (EWMA). La statistique EWMA ($Z_t$) combine les informations actuelles et historiques, avec un paramètre de lissage ($L$) déterminant le poids attribué aux données passées. La carte de contrôle signale un état hors de contrôle lorsque $Z_t$ dépasse une limite de contrôle supérieure (UCL) calculée.

2. Formulation économique :

   • L'étude adopte une fonction de Coût Total Attendu (ETC) pour évaluer la performance économique de la carte. L'ETC agrège les coûts associés à l'échantillonnage, l'inspection, les fausses alarmes, la recherche et l'élimination des causes assignables, ainsi que les pertes de production pendant les périodes hors de contrôle.
   • Le modèle de coût prend en compte la probabilité de fausses alarmes (dérivée de la longueur de série moyenne en contrôle, $ARL_0$) et le délai attendu de détection des changements.

3. Cadre d'optimisation :

   • Une procédure d'optimisation est développée pour déterminer conjointement les paramètres de conception : la taille de l'échantillon ($n$), l'intervalle d'échantillonnage ($h$), le coefficient de la limite de contrôle ($K$), le paramètre de lissage ($L$) et la limite de contrôle supérieure (UCL) qui en résulte.
   • L'objectif est de minimiser l'ETC sous la contrainte d'un temps moyen de signal en contrôle ($ATS_0$), garantissant un niveau prédéfini de performance statistique (cible $ARL_0 \approx 200$).
   • L'optimisation suppose un taux d'inspection fixe ($r$), où $h = n/r$, afin de refléter les contraintes opérationnelles courantes dans les environnements industriels.

Principales contributions
Le document identifie quatre contributions spécifiques au domaine de l'ingénierie de la qualité :

1. Extension aux données catégorielles : Il étend le paradigme de conception économico-statistique aux processus catégoriels multivariés représentés par des tableaux de contingence, un domaine auparavant sous-représenté dans la littérature.
2. Cadre unifié : Il établit une approche unifiée qui intègre les modèles log-linéaires, les statistiques GLT et les structures de mémoire EWMA, plutôt que de traiter ces composants de manière isolée.
3. Optimisation simultanée : Il considère simultanément les objectifs économiques et statistiques lors du processus d'optimisation des paramètres afin de dériver des configurations de cartes efficaces.
4. Outil pratique : Il fournit une stratégie de surveillance pratique pour les environnements industriels caractérisés par de multiples caractéristiques de qualité catégorielles corrélées.

Résultats
Le cadre proposé a été évalué à l'aide de simulations de Monte Carlo dans MATLAB avec un tableau de contingence de $4 \times 4$ et une taille d'échantillon totale de $N=500$. Les principales conclusions incluent :

• Sensibilité aux effets d'interaction : La carte EWMA–GLT a démontré une sensibilité nettement plus élevée aux changements des paramètres d'interaction du modèle log-linéaire (qui représentent la structure de dépendance) par rapport aux effets globaux ou principaux. L'« Indice d'effet » pour les changements d'interaction était substantiellement plus élevé, confirmant la capacité de la carte à détecter les changements structurels dans les dépendances entre variables.
• Paramètres de conception optimaux : L'optimisation économico-statistique a identifié la configuration optimale avec une taille d'échantillon de $n=50$, un intervalle d'échantillonnage de $h=1$, un paramètre de lissage de $L=0,30$ et un coefficient de limite de contrôle de $K=1,50$. Cette configuration a produit un Coût Total Attendu (ETC) minimum de 77,786 tout en maintenant un $ARL_0$ en contrôle de 201,42.
• Performance comparative :
  • Comparée à une conception purement statistique, la conception économico-statistique a obtenu des coûts opérationnels plus bas tout en satisfaisant aux contraintes statistiques.
  • Comparée à une conception purement économique (qui minimisait le coût sans contraintes statistiques), le cadre proposé a évité des fausses alarmes excessives ($ARL_0$ de 45,95 dans le cas économique non contraint contre 201,42 pour le design proposé).
  • La carte EWMA–GLT a surpassé la carte GLT autonome et la carte EWMA classique dans la détection de changements faibles à modérés, comme en témoignent les valeurs de Temps Moyen de Signal (ATS) plus faibles.
• Analyse de sensibilité : Le modèle s'est avéré être plus sensible aux variations du coût de la production hors de contrôle ($C_d$) et du coût d'échantillonnage variable ($C_1$). Le paramètre de lissage ($L$) a eu un impact plus significatif sur la vitesse de détection et le coût que le coefficient de la limite de contrôle ($K$) ; augmenter $L$ a réduit à la fois l'$ARL_1$ et l'ETC.

Signification et affirmations
L'article affirme que le cadre EWMA–GLT proposé offre une stratégie efficace et pratique pour surveiller les processus catégoriels multivariés. En équilibrant les objectifs économiques et statistiques, l'approche fournit une solution plus robuste pour les applications industrielles que les conceptions reposant exclusivement sur un seul critère. L'étude conclut que le cadre intégré détecte avec succès les changements structurels dans les tableaux de contingence, particulièrement ceux impliquant des effets d'interaction, tout en minimisant les coûts opérationnels. Les auteurs positionnent ce travail comme un outil d'aide à la décision pour les environnements dotés de données catégorielles corrélées et suggèrent des directions de recherche futures impliquant des tableaux de dimension supérieure, la modélisation de l'incertitude (approches floues/robustes) et l'utilisation de jeux de données industriels réels.