Académique Documents
Professionnel Documents
Culture Documents
Appliquer La Maîtrise Statistique Des Procédés MSP-SPC
Appliquer La Maîtrise Statistique Des Procédés MSP-SPC
Maurice PILLET
Professeur des Universits
IUT Annecy Universit de Savoie, Laboratoire LISTIC
Ancien lve de l'Ecole Normale Suprieure de CACHAN
Chapitre 2
ditions dOrganisation
31
1.
Les 5 M du processus
Mthodes
Machine
Main-duvre
Matire
Mthodes
Milieu
Milieu
Gamme
Machine
Matire
Main-d'uvre
32
ditions dOrganisation
Et la mesure !
Nous avons coutume de ne pas placer la Mesure parmi les M. En
effet, la mesure ne modifie pas la vraie dispersion vendue au client,
mais l'image que l'on a de cette dispersion. La dispersion vue dans un
histogramme sera la somme de la vraie dispersion de la
production et de la dispersion due l'instrument de mesure. Or ce qui
cre la non qualit, ce n'est pas la dispersion vue mais la dispersion
vraie.
La mesure est un processus lui tout seul avec ses propres 5M. Un
pralable la matrise d'un processus de fabrication et la matrise du
processus de mesure.
2.
moyenne
Modle :
loi de Gauss
cart type
Observation
d'un chantillon
Dispersion = 6
ditions dOrganisation
33
34
ditions dOrganisation
Cause
spciale
Premier
rglage
Second
rglage
Causes Communes
-3
Cible
+3
ditions dOrganisation
35
Cette dichotomie entre les causes de dispersion est une des bases
fondamentales de la mthode MSP. Il convient donc de les expliciter
davantage.
Causes spciales
Causes
communes
Tolrance
Maxi
Cible
Tolrance
Mini
36
ditions dOrganisation
Processus
hors contrle
ditions dOrganisation
37
3.
cible
Cible - 3
Limite naturelle
infrieure
Cible + 3
Dispersion naturelle
du processus
Limite naturelle
suprieure
38
ditions dOrganisation
Tolrance
Tolrance
Pice
prleve
Dispersion
Limite
Naturelle
Cas 1
Dispersion
Limite
Naturelle
Limite
Naturelle
Cas 2
Limite
Naturelle
ditions dOrganisation
39
40
ditions dOrganisation
Tolrance suprieure
Cible
1 valeur
=
drglage
+
dispersion
Drglage
Moyenne de
plusieurs valeurs
(on limine en partie
l'effet de la dispersion)
Dispersion
ditions dOrganisation
41
Dispersion
sur la
moyenne
Probabilit de
dtecter le
dcentrage avec
une seule valeur
Dispersion
42
ditions dOrganisation
Probabilit de dtecter le
dcentrage avec la moyenne
Probabilit de dtecter
le dcentrage avec
une seule valeur
ditions dOrganisation
43
23/02
Heure
Mesure 1
-1
-2
-1
-2
Mesure 2
-1
Mesure 3
-2
-2
-1
-3
-1
-1
Mesure 4
-1
-1
-1
-1
Mesure 5
Total
-3
-1
-4
10
-1
-4
0,2
-0,6
-0,2
-0,8
0,6
2,0
-0,2
-0,8
Moyenne
tendue
Limite suprieure
de contrle
Cible
Moyenne de l'chantillon
Limite infrieure -1
de contrle -2
Limite suprieure
de contrle
Moyenne
tendues
Vrification du rglage
6
4
2
Journal de bord
Rglage
tendue de l'chantillon
44
ditions dOrganisation
Carteactuelle
Cp Pp Ppk
ditions dOrganisation
45
Drive dtecte
par la carte
des moyennes
Cas 1
Cible
Cas 2
Drive dtecte
par la carte
des tendues
46
ditions dOrganisation
ditions dOrganisation
47
4.
Problmes de
capabilit
Analyser
Calcul des capabilits,
Choix de la carte et calcul des limites de contrle
Amlioration continue
Dfinir
Mesurer
Analyser
Contrler
Standardise
r
Innover
Amliorer
Analyser
Recherche des sources de variabilit
Contrler
Suivi et pilotage par carte de contrle
Dtection des causes spciales
Mise sous contrle du processus
Analyse des 5 M
Analyse de la variance
Etudes des corrlations
Innover - Amliorer
Rduction de la variabilit
Plans dexpriences, plans produits
Mise en place des amliorations
Standardiser
Optimisation du processus,
Le processus est mis sur rails
Diminution de la frquence des contrles
48
ditions dOrganisation
4.2. Dfinir
4.2.1. Le choix des caractristiques piloter en MSP
Le nombre de caractristiques suivies en production est en rgle
gnral trs important et il n'est pas concevable ni mme souhaitable
de suivre toutes les caractristiques par cartes de contrle. La
premire tape dans la matrise de la variabilit consiste donc choisir
les caractristiques candidates au suivi par carte.
En rgle gnrale, on retient trois critres de slection de ces
caractristiques candidates :
1. L'importance de la caractristique pour la satisfaction du client
final ou d'un client sur un processus aval. Comme nous l'avons
soulign dans le premier chapitre, seule compte la satisfaction
totale du client final. Il est donc indispensable de slectionner
les caractristiques corrles fortement aux fonctions attendues
du produit fini.
2. L'historique de non-qualit sur cette caractristique. Il est bien
sr inutile de suivre par carte de contrle une caractristique
qui n'a jamais pos de problmes de qualit. On privilgiera les
caractristiques ayant dj un historique de rebut, de retouche
ou qui sont difficiles garantir. Lors de l'industrialisation, on
choisira les caractristiques qui potentiellement (en fonction de
l'historique de l'entreprise, de la prcision demande) vont
poser des problmes lors de la ralisation.
3. La corrlation existante entre plusieurs caractristiques. Dans le
cas par exemple o plusieurs cotes sont ralises par le mme
outil, il y a souvent une forte corrlation entre les diffrentes
caractristiques. Il est dans ce cas inutile de les suivre toutes,
une seule carte est mise en place.
ditions dOrganisation
49
Fiabilit
Diam7tre4
Longueur
Diamtre 2
Profondeur 2
Pice B
Hauteur 8
Largeur 10
Fonctionnement souple
Paralllisme
Caractristiques client
sur le produit
(Tous les clients
Assemblage, produit
fini)
Importance
Pice A
9
3
3
3
Importance
72
24
11
27
54
47
18
50
ditions dOrganisation
4.3. Mesurer
4.3.1. La capabilit des moyens de mesure
Ce point est un point essentiel dans la russite de la mise sous
contrle d'un processus. Il est inutile de placer une carte de contrle
si la dispersion de l'instrument de mesure occupe dj la presque
totalit de la tolrance comme nous l'avons vu parfois ! La premire
tape consiste vrifier si on sait mesurer dans de bonnes conditions
de rptabilit et de reproductibilit. Nous conseillons vivement au
lecteur de se reporter au chapitre 3 sur les capabilits des moyens de
mesure notamment de la mthode R&R avant de mettre en place une
carte d'observation.
ditions dOrganisation
51
52
ditions dOrganisation
volution relle
du processus
ditions dOrganisation
53
Exemples
Le processus est assez stable, il ncessite en moyenne une action
(rglage, changement d'outil...) par demi-journe. Une frquence de
prlvement d'un chantillon par heure convient dans ce cas.
Un autre processus ncessite en moyenne une action par heure. Il
faudra alors passer un prlvement tous les quarts d'heure.
En gnral, on choisit une frquence relativement leve au dbut de
la mise en place dune carte et, mesure que lon amliore la stabilit,
on diminue la frquence de prlvement.
Pour affiner ds la mise en place des cartes de contrle la frquence
de prlvement, il faut absolument noter durant la phase
d'observation toutes les actions et tous les incidents intervenants sur
le processus.
Nombre de sous-groupes ncessaires
Pour avoir une bonne image de la variabilit naturelle du processus, il
faut avoir suffisamment de relevs. En effet, si nous nous satisfaisons
de 5 chantillons par exemple, la fiabilit des donnes de base pour
les calculs des cartes serait de pitre qualit. Il faut attendre d'avoir
suffisamment de donnes. Lorsque la premire carte sans limite est
remplie, cela correspond gnralement une vingtaine d'chantillons
qui reprsentent une centaine d'informations individuelles. Cela
suffit pour donner une bonne image du processus.
Durant la phase d'observation, on calculera pour chaque sous-groupe
prlev :
la moyenne du sous-groupe i ;
lcart type ou l'tendue (suivant la carte choisie) du sousgroupe i.
Nous recommandons de reprsenter les donnes observes sur les
graphiques des moyennes et des tendues. Cette reprsentation
donnera une bien meilleure ide du comportement du processus, en
l'absence de pilotage par cartes de contrle, qu'une srie de chiffres.
54
ditions dOrganisation
10
11
12
13
14
15
16
17
18
19
20
X1
-1
-1
X2
-3
-1
-1
-1
X3
-1
-1
-1
X4
-2
-1
-2
X5
-1
-1
-3
-1
Xb
R
2.2 -0.2 1.0 0.4 1.0 2.6 1.6 1.2 0.8 2.4 1.0 1.0 1.0 1.8 0.8 1.4 -0.6 0.6 1.0 1.0
7
3.0
2.0
1.0
0.0
-1.0
-2.0
-3.0
10 11 12 13 14 15 16 17 18 19 20
3.0
8
2.0
6
1.0
4
0.0
-1.0
-2.0
0
-3.0
10 11 12 13 14 15 16 17 18 19 20
10
11
12
13
14
15
16
17
18
19
20
4.4. Analyser
4.4.1. Calcul des capabilits
Connaissant la variabilit naturelle du processus, nous pourrons alors
choisir et calculer les cartes de contrle adaptes la caractristique
suivie. En utilisant les donnes de la carte d'observation, il sera
ditions dOrganisation
55
R1 + R2 + ... + Ri + ... + Rk
= 0,04
k
Avec
Ri : tendue du sous-groupe i
k : nombre de sous-groupes
La moyenne des tendues est trs importante car elle indique
l'importance de la variabilit naturelle du processus.
56
ditions dOrganisation
10
A2
1,88
1,02
0,73
0,58
0,48
0,42
0,37
0,34
0,31
D3
0,07
0,14
0,18
0,22
D4
3,27
2,57
2,28
2,11
2,00
1,92
1,86
1,82
1,78
ditions dOrganisation
57
UCL=2.278
Moyennes
2
1
__
X=0
0
-1
-2
LCL=-2.278
1
11
13
15
17
19
UCL=8.352
tendues
8
6
_
R=3.95
4
2
0
LCL=0
1
9
11
chantillon
13
15
17
19
58
ditions dOrganisation
4.5. Contrler
4.5.1. Pilotage du processus par cartes de contrle
Lors de cette phase, le processus est pilot en observant les cartes de
contrle. Pour une efficacit maximale des cartes de contrle, il est
indispensable que les dcisions d'actions sur le processus soient
dictes par les cartes. Le pilotage par cartes de contrle doit se
substituer et non s'additionner aux mthodes empiriques de pilotage.
Cette remarque pralable peut sembler anodine, elle est pourtant
fondamentale. De trs nombreuses applications de cartes de contrle
ont chou faute d'avoir mis en pratique cette remarque.
Mthode de pilotage
Prlever un chantillon de pices conscutives et sans intervention
ditions dOrganisation
59
Description
Dcision
carte des moyennes
Dcision
carte des tendues
Production
Production
LIC
LSC
LIC
LSC
Tendance suprieure
ou infrieure
LIC
LSC
LIC
LSC
LIC
Tendance croissante
ou dcroissante
7 points conscutifs sont
en augmentation rgulire ou en diminution rgulire.
1 point proche
des limites
Le dernier point trac se
situe dans le 1/6 au bord
de la carte de contrle
Rgler le processus
de la valeur de l'cart qui spare le point de la valeur cible.
Rgler le processus
de l'cart moyen qui spare la
tendance la valeur cible
Rgler le processus
si le dernier point approche les
limites de contrle de l'cart
qui spare le dernier point la
valeur cible
Confirmer
en prlevant immdiatement
un autre chantillon.
Si le point revient dans le tiers
central production
Si le point est galement proche des limites ou hors limites,
rgler de la valeur moyenne
des deux points
En cas de rglage : un nouvel chantillon est mesur et marqu sur la carte. Pour tre acceptable, le point doit se situer
dans le tiers central de la carte des moyennes
60
ditions dOrganisation
Cp infrieur 1,33
Cp compris entre
1,33 et 1,67
Cp suprieur
1,67
Le processus est
sous contrle
Contrle unitaire
(Tri 100 %)
ACCEPTER
les pices
ACCEPTER
les pices
Contrle unitaire
(Tri 100 %)
TRIER
les composants depuis le dernier
point sous
contrle de la
carte de pilotage
ACCEPTER
les pices
Contrle unitaire
(Tri 100 %)
TRIER
les composants depuis le dernier point
sous contrle de la carte de pilotage
ditions dOrganisation
61
4.7. Standardiser
Les cartes tant en place, il faudra interprter celles-ci afin de dtecter
l'apparition des causes spciales. Nous serons alors dans la phase
d'utilisation des cartes de contrle. L'utilisation des cartes de contrle
motive les oprateurs et l'encadrement amliorer le processus et
ainsi, diminuer la variabilit naturelle de celui-ci. Lorsque cette
variabilit aura diminu, il faudra alors recalculer les cartes... et
continuer amliorer. Nous entrons alors dans la phase
d'amlioration continue qui est en fait l'objectif de la MSP. Le but est
de mettre le processus sous contrle, nous utilisons le mot sur
rails pour bien imager le but de ce travail : limiter au maximum le
nombre d'interventions ncessaires pour maintenir la caractristique
sur la cible.
Sur la figure 16 nous soulignons la boucle d'amlioration continue.
Chaque fois qu'une amlioration permet de stabiliser le processus, on
peut diminuer les contrles, et ainsi viter un gaspillage. Contrler
n'apporte pas de valeur ajoute au produit, l'idal est de converger
vers une mise sous contrle avec le minimum de mesures.
Enfin toutes les bonnes pratiques qui ont t mises en place dans le
projet doivent tre dupliques aux autres processus. Les dmarches
de pilotage doivent tre formalises afin de garantir la prennit de la
mise sous contrle.
2. Maurice Pillet Six Sigma Comment l'appliquer ditions d'organisation 2004
62
ditions dOrganisation
5.
ditions dOrganisation
63
64
Intervalle de tolrance
IT
=
Dispersion long terme 6 LT
ditions dOrganisation
Intervalle de tolrance
Dispersion = 66
Dispersion = 66
Processus capable
Pp >1,33
Figure 25 L'indicateur Pp
La figure 25 montre deux situations typiques. La premire correspond
un processus non capable car la dispersion est plus importante que
l'intervalle de tolrance. Dans la seconde, la dispersion est faible au
regard de l'intervalle de tolrance, le processus est donc capable.
Prcisons que la dispersion alatoire est prise comme tant gale six
fois lcart type de la dispersion du processus, cest--dire lintervalle
contenant 99,7 % des pices fabriques (dans l'hypothse d'une
distribution de Gauss). Pour calculer cette dispersion, il faut donc un
nombre suffisamment lev de mesures (une centaine) et vrifier que
la distribution de ces mesures a bien une forme de cloche. Si ce n'est
pas le cas, il faut prendre quelques prcautions sur lesquelles nous
reviendrons dans les chapitres 4 et 10 sur les capabilits.
La dispersion utilise pour le calcul de la performance Pp est la
dispersion long terme du processus. En effet, la mesure de la
performance processus doit traduire la capacit produire sur le long
terme. Il faut donc tenir compte de l'ensemble des influences qui
peuvent perturber le processus pendant le temps de production. Cette
dispersion est constitue des dispersions court terme et des
dispersions conscutives aux variations de consignes (drglages)
incontournables sur le long terme.
ditions dOrganisation
65
Intervalle de tolrance
Dispersion
Dispersion
Pp = 1,5
Pp = 1,5
66
ditions dOrganisation
Tolrance
infrieure
Moyenne
Tolrance
suprieure
k
D1
D2
Dispersion
Le terme Ppk vient du fait que l'on calcule le Pp du cot le plus proche
de la spcification en faisant le ratio entre la distance exprim en
nombre d'cart type (k) divise par la moiti de la dispersion (3).
On a donc Ppk = k/3
ditions dOrganisation
67
Caractristique
Tolrance Suprieure
Dispersion
court terme
DCT
CT
Dispersion
long terme
DLTLT
Tolrance Infrieure
Temps
68
ditions dOrganisation
Intervalle de tolrance
IT
=
Dispersion court terme du processus 6 CT
ditions dOrganisation
69
70
ditions dOrganisation
Dispersion
Pp=1,33, Ppk =1,33
Dispersion
Pp=4, Ppk =2
Fonction perte
K(X-cible)_2
L = K(X-cible)
Perte pour
l'cart
X - cible
Perte moyenne
pour un lot de
moyenne X et
d'cart type :
L = K ( 2 + ( X cible ) 2 )
X
Cible
IT
6. i2 + X Cible
Cp
1 + 9(Cp Cpk) 2
ditions dOrganisation
71
Ppm =
2
6. LT
+ X Cible
Pp
1 + 9(Pp Ppk) 2
50.05
USL
50.009
= 0.009
49.950
49.965
49.980
49.995
50.010
50.025
50.040
n 1 = 0 ,009
0,1
= 1, 84
6x 0, 009
Ppk =
Le processus est jug capable selon le critre Ppk (Ppk > 1,33). Le
pourcentage hors tolrance est infrieur 32 ppm.
72
ditions dOrganisation
Calcul du Ppm
Ppm =
IT
6 2 + (X Cible)2
0,1
6 0, 0092 + (50, 009 50)2
= 1, 33
Le processus est jug juste capable selon le critre Ppm (Ppm > 1,33).
Cela signifie que la perte moyenne gnre par les produits de cette
population est gale la perte moyenne dune population centre
ayant une performance Pp de 1,33.
Le Ppm valide une nouvelle faon de voir lintervalle de tolrance en
fabrication. En effet, avoir une cote en limite de tolrance nest pas
grave si cette pice est isole. La probabilit dassemblages dfectueux
est quasiment nulle. Par contre si plusieurs pices se situent cette
limite, il y aura des consquences nfastes sur la qualit. Ainsi, le
concepteur a deux solutions pour obtenir lassurance dun
fonctionnement correct de son mcanisme :
1. rduire lintervalle de tolrance et imposer que les produits
soient tous dans cet intervalle quelle que soit la rpartition ;
2. laisser un intervalle de tolrance large, mais en imposant la
fabrication des conditions de centrage et de rpartition
verrouilles par le Ppm.
Bien que la seconde solution semble plus difficile respecter a priori,
nous sommes persuads qu long terme cette solution est de loin la
plus conomique en matire de moyens de production mettre en
uvre.
Cependant, si le Ppm offre une vision plus moderne des capabilits
que le Pp, Ppk, il ne les remplace pas pour autant, mais plutt il les
complte. Nous proposons au chapitre 11 une approche novatrice de
tolrancement (le tolrancement inertiel) fonde sur cette approche.
Remarque : si les mmes donnes avaient t issues d'un
prlvement reprsentant la dispersion court terme (1/4 heure de
production par exemple) avec les mmes calculs nous aurons calcul
les indicateurs Cp, Cpk, Cpm.
ditions dOrganisation
73
Vraie capabilit
Centrage
min(
TS X X TI
,
)
3
3
Vraie capabilit
Perte
Tolrance
2
6 + ( x cible)2
Court terme
capabilit
(1/4 heure)
Cp
Cpk
Cpm
Long terme
performance
(1 semaine)
Pp
Ppk
Ppm
74
ditions dOrganisation
Court terme
Cp
Condition
d'acceptation
Long terme
potentiel
Pp
Stabilit
du processus
Centrage
du processus
Long terme
centrage
Ppk > 1,33
ou Ppm
Ppm >> 1,33
1,33
Perte de capabilit
Caractristique
Dispersion
long terme
Processus instable
Dispersion
court terme
Dispersion
long terme
Processus stable
Temps
Temps
ditions dOrganisation
75
Cp
Pp
Ppk
Ppm
1 - 100,05
2,5
2,2
1,9
1,63
2 - 120,05
2,5
1,1
1,0
1,05
1,1
0,9
0,8
0,86
4 - L 200,06
3,2
2,5
1,1
0,57
5 - L 100,04
2,5
2,2
1,6
1,07
3 - 80,02
76
ditions dOrganisation
ditions dOrganisation
77