Académique Documents
Professionnel Documents
Culture Documents
Qualité en Production
Qualité en Production
Maurice Pillet
Qualit
EN
PRODUCTION
De lISO 9000 Six Sigma
3e dition
Qualit
en production
De lISO 9000 Six Sigma
ditions dOrganisation
1, rue Thnard
75240 Paris Cedex 05
Consultez notre site :
www.editions-organisation.com
DU MME AUTEUR
Cotation et mthodes de contrle en fabrication mcanique
Daniel DURET
Editions Augustin 1989
LE
PHOTOCOPILLAGE
TUE LE LIVRE
Qualit
en production
De lISO 9000 Six Sigma
Troisime dition
Sommaire
INTRODUCTION .................................................................................................
17
Premire partie
Systmes de management de la qualit
CHAPITRE 1
LE CONCEPT QUALIT ......................................................
1. Une approche globale Qualit Scurit Environnement (QSE)
avec ses diffrents partenaires ..................................................................
2. La qualit comme indicateur de pilotage ................................................
3. La qualit du produit ................................................................................
3.1 Dfinition normalise (ISO 9000 : 2000) ............................................
3.2 La qualit recherche par le consommateur ........................................
3.3 Notion de classes ..................................................................................
3.4 La qualit pour fidliser le client .........................................................
3.5 Comment comparer la qualit de deux produits concurrents ..............
3.5.1 tre capable de mesurer la qualit ...........................................
3.5.2 Exemple de fonction de comparaison applique lautomobile.
3.6 Les trois types de qualit dfinis par le modle de Kano ...................
4. Lapproche Gestion de la Qualit ......................................................
5. Management par la Qualit totale ...........................................................
6. Les pionniers de la dmarche qualit ......................................................
6.1 Walter A. SHEWHART ............................................................................
6.2 W. Edwards DEMING .............................................................................
6.3 Joseph M. JURAN ...................................................................................
6.4 Armand V. FEIGENBAUM .......................................................................
6.5 Kaoru ISHIKAWA ....................................................................................
Q Editions dOrganisation
21
22
23
24
24
25
27
27
28
28
28
29
30
32
33
33
33
34
34
34
QUALIT EN PRODUCTION
34
35
35
CHAPITRE 2
LA DMARCHE QUALIT ..........................................................
1. Le cot de la non-qualit ..........................................................................
1.1 Analyse des diffrents cots de non-qualit ........................................
1.2 Relation entre pertes et cot dinvestissement .....................................
1.3 Optimisation pertes investissements ...........................................
2. Le management de la qualit et la direction ..........................................
3. Le management de la qualit ...................................................................
4. Les principales composantes du management de la qualit .................
4.1 La planification de la qualit ................................................................
4.2 Matrise de la Qualit par une approche processus .......................
4.3 Assurance et amlioration de la qualit ...............................................
4.3.1 Audit des systmes de management de la qualit ....................
4.3.2 Mesurer la satisfaction des clients ............................................
5. Les normes ISO 9000 ................................................................................
6. Manuel Qualit ...........................................................................................
6.1 Manuel management de la qualit .......................................................
6.2 Manuel dassurance de la qualit .........................................................
37
37
38
39
40
41
42
43
44
45
46
48
49
50
51
51
52
53
53
54
55
55
56
57
58
58
58
59
60
61
61
62
62
63
63
63
64
64
64
64
65
Q Editions dOrganisation
SOMMAIRE
65
66
66
67
67
67
68
68
69
69
70
70
71
71
71
71
72
72
73
73
76
77
78
79
80
81
82
82
83
CHAPITRE 4
1.
2.
3.
4.
5.
Q Editions dOrganisation
85
86
88
89
89
90
90
90
91
91
91
92
93
94
QUALIT EN PRODUCTION
94
95
95
95
96
96
97
97
98
CHAPITRE 5
LAUTO MATRISE EN PRODUCTION .........................................
1. Analyse des non performances .................................................................
1.1 Lespace de dfaillances .......................................................................
1.1.1 Axe de la connaissance/comptence ..........................................
1.1.2 Axe de la formalisation ..............................................................
1.1.3 Axe de lapplication ...................................................................
1.2 Espace des dfaillances et gravit ........................................................
1.3 Aspect dynamique de la dfaillance .....................................................
1.3.1 Glissement de laxe de la connaissance : la perte de savoirfaire ............................................................................................
1.3.2 Glissement de laxe de la formalisation : elle devient obsolte.
1.3.4 Glissement de laxe de lapplication : les rgles ne sont plus
respectes ...................................................................................
1.4 Les piliers de lauto matrise ................................................................
2. Lauto matrise pour matriser la performance du poste de travail ...
2.1 Les diffrents lments de lauto matrise ...........................................
3. Mise en uvre de lauto matrise ............................................................
3.1 La dmarche ..........................................................................................
3.1.1 Identification des postes (tape 1 4) ......................................
3.1.2 Matrise du processus de mesure (tape 5) ..............................
3.1.3 Matrise du processus de production (Etape 6 10) ...............
3.1.4. Prise en compte dynamique des dfaillances (Etapes 13 16).
3.1.5 Suivi du processus par indicateurs de performance et audits
(tapes 11 et 12) ........................................................................
3.1.6 Suivi de lapplication par laudit ..............................................
4. Les outils de lauto matrise .....................................................................
4.1 Lenvironnement du poste de travail ...................................................
4.2 Les outils pour le processus de mesure ...............................................
4.2.1 Capabilit des moyens de mesure .............................................
4.2.2 Figer les contrles Le plan de contrle local .......................
4.2.3 Les points zro dfauts (poka-yoke) ..........................................
4.2.4 La check list ...............................................................................
4.2 Les outils pour le processus de production .........................................
4.3.1 Les capabilits prliminaires .....................................................
4.3.2 Garantir la stabilit du processus la documentation ............
99
100
101
101
102
102
102
103
103
103
104
104
104
105
106
106
107
107
108
109
110
111
111
112
113
113
114
115
116
116
116
117
Q Editions dOrganisation
SOMMAIRE
119
119
119
120
121
122
Deuxime partie
Les outils de la qualit
CHAPITRE 6
LES OUTILS DE BASE DE LA RSOLUTION DE PROBLMES .......
1. Les sept outils de base ...............................................................................
1.1 Objectif des sept outils .........................................................................
1.2 La feuille de relevs .............................................................................
1.3. Le diagramme de concentration de dfauts .........................................
1.4 Lhistogramme ......................................................................................
1.5 Le diagramme de Pareto .......................................................................
1.6 Le diagramme en arte de poisson .......................................................
1.7 La carte de contrle ..............................................................................
1.8 Le diagramme de corrlation ................................................................
2. Dautres outils du travail de groupe .......................................................
2.1 Le dballage dides .............................................................................
2.2 Le diagramme des affinits ..................................................................
2.3 Le vote pondr ....................................................................................
2.4 Le diagramme forces/faiblesses ............................................................
2.5 Le QQOQCP .........................................................................................
2.6 Les autres outils... .................................................................................
3. La mise en uvre dune dmarche de rsolution de problme ...........
3.1 Droulement dune tape ......................................................................
3.2 La dmarche de rsolution de problme ..............................................
3.2.1 Identifier et caractriser le problme .......................................
3.2.2 Analyser les causes ....................................................................
3.2.3 Rechercher les solutions ............................................................
3.2.4 Dfinir la mise en uvre des solutions .....................................
3.3 Exemple de dmarche : la dmarche 8D .............................................
127
127
127
129
129
130
131
133
134
135
137
137
138
139
140
141
141
142
143
144
144
144
144
144
145
CHAPITRE 7
LE QFD DPLOIEMENT DE LA FONCTION QUALIT ...............
1. Prsentation de la mthode .......................................................................
1.1 Objectifs du QFD ..................................................................................
1.2 La boucle de linformation ...................................................................
1.3 Principe de base de la dmarche QFD .................................................
2. Loutil graphique : la maison de la qualit ............................................
149
150
150
151
152
153
Q Editions dOrganisation
10
QUALIT EN PRODUCTION
153
155
157
157
157
159
159
161
161
163
163
164
164
164
166
167
168
169
169
170
170
171
171
CHAPITRE 8
LES PLANS DEXPRIENCES ET LES GRAPHES DE TAGUCHI .....
1. Historique des plans dexpriences ..........................................................
1.1 Les origines ...........................................................................................
1.2 Les plans dexpriences dans lindustrie .............................................
2. tude dun phnomne ..............................................................................
2.1 La dmarche dacquisition des connaissances .....................................
2.2 tude des interactions ...........................................................................
2.3 Prcision sur les rsultats .....................................................................
2.4 Application sur un plan dexprience complet ....................................
3. Le problme des plans complets ..............................................................
4. Les plans dexpriences fractionnaires ....................................................
5. tude sur lexemple dun pistolet peinture .........................................
5.1 Synthse du savoir-faire .......................................................................
5.2 Modlisation par les graphes de TAGUCHI .......................................
5.2.1 Les facteurs ................................................................................
5.2.2 Les interactions ..........................................................................
5.2.3 Application notre cas ..............................................................
5.3 Recherche du plan dexpriences correspondant .................................
5.3.1 Graphe linaire de la table L8 ..................................................
5.3.2 Utilisation de cette table ............................................................
5.4 Interprtation des rsultats ....................................................................
173
173
173
174
174
174
175
176
177
180
181
181
182
183
183
183
183
184
185
185
186
3.
4.
5.
6.
Q Editions dOrganisation
SOMMAIRE
11
187
187
189
190
191
CHAPITRE 9
193
193
193
194
196
197
198
200
201
202
202
202
203
207
209
209
211
212
213
213
214
214
218
CHAPITRE 10
LA MATRISE STATISTIQUE DES PROCESSUS (MSP/SPC) ...
1. Les notions fondamentales ........................................................................
1.1 Les causes communes et les causes spciales .....................................
1.1.1 Les cinq M du procd ..............................................................
1.1.2 Causes communes Causes spciales ......................................
1.2 Qualit produit versus Qualit dune caractristique ...........................
1.3 Un principe incontournable : viser la cible ..........................................
1.4 tude de la combinatoire de plusieurs caractristiques .......................
1.4.1 Cas de deux caractristiques .....................................................
1.4.2 tude de la combinatoire dans le cas de cinq caractristiques.
1.4.3 tude de linfluence du dcentrage ...........................................
1.5 En conclusion ........................................................................................
2. Surveiller un procd par cartes de contrle .........................................
2.1 Le principe de la carte de contrle ......................................................
2.1. Les limites naturelles dun procd ............................................
219
220
220
220
221
222
224
227
227
228
229
230
231
231
231
1.
2.
3.
4.
5.
6.
7.
Q Editions dOrganisation
12
QUALIT EN PRODUCTION
231
233
235
235
236
237
238
240
243
243
243
244
244
245
246
247
248
250
252
CHAPITRE 11
LE CONTRLE DE RCEPTION ...............................................
1. Le rle du contrle de rception ..............................................................
1.1 Objectifs ................................................................................................
1.2 Principe du contrle rception ..............................................................
2. Les notions de base .................................................................................
Critre qualitatif et quantitatif ............................................................
Le contrle dun critre qualitatif .......................................................
Le contrle dun critre quantitatif .....................................................
2.2 Risque fournisseur et risque client .......................................................
2.3 Niveau de qualit acceptable (NQA) ...................................................
2.4 La courbe defficacit ...........................................................................
2.4.1 Cas du contrle 100 % ...........................................................
2.4.2 Interprtation de la courbe ........................................................
2.4.3 Cas des contrles par chantillonnage .....................................
2.4.4 Interprtation de la courbe ........................................................
2.4.5 Facteur de discrimination ..........................................................
2.5 Individus non-conformes et non-conformits ......................................
3. Les diffrents plans de contrle aux attributs .......................................
3.1 Lchantillonnage simple ......................................................................
3.2 Lchantillonnage double ......................................................................
3.3 Lchantillonnage multiple ...................................................................
3.4 Echantillonnage progressif ....................................................................
4. Contrle de rception aux attributs, cas des produits non conformes .
4.1 Les rgles de prlvement ....................................................................
4.1.1 Passage du contrle normal au contrle renforc ...................
255
255
255
256
257
257
257
257
258
258
259
259
259
260
260
261
262
263
263
264
265
265
266
266
267
Q Editions dOrganisation
5.
6.
7.
8.
SOMMAIRE
13
267
267
267
268
268
268
269
Q Editions dOrganisation
270
270
270
271
272
273
274
275
278
278
278
278
279
279
280
281
283
285
285
285
287
287
290
292
292
294
294
295
295
295
295
296
298
299
14
QUALIT EN PRODUCTION
300
301
CHAPITRE 12
LA FONCTION MTROLOGIE DANS LENTREPRISE .................
1. La mtrologie ou science de la mesure ...................................................
2. La confiance dans la mesure ....................................................................
2.1 Linstrument ..........................................................................................
2.2 Le milieu ...............................................................................................
2.3 La main duvre et la mthode ...........................................................
2.4 La matire (pice) .................................................................................
3. LNE/COFRAC : Chane Nationale dtalonnage ..................................
3.1 Le Comit Franais dAccrditation (COFRAC) ................................
3.2 Laboratoire national de mtrologie et dessais (LNE) ........................
3.3 Les laboratoires accrdits ....................................................................
4. La mesure, un tat desprit ......................................................................
5. Gestion des moyens de mesures ...............................................................
5.1 Identification et inventaire des appareils .............................................
5.2 Indicateurs de qualit dun appareil .....................................................
5.2 talonnage ou vrification des appareils .............................................
5.4 Suivi du matriel ...................................................................................
5.4.1 Dtermination de la priodicit ................................................
5.4.2 Dclaration de conformit .........................................................
5.4.3 Documents de suivi ....................................................................
5.5 Formation du personnel ........................................................................
6. La mtrologie dans le service ...................................................................
303
305
306
307
309
310
310
311
311
312
312
314
315
315
316
317
318
319
320
320
321
321
CHAPITRE 13
CONFIRMATION MTROLOGIQUE ET INCERTITUDES .............
1. Mise en situation du problme .................................................................
2. Utiliser le mme langage mtrologique ...................................................
2.1 Dfinition normalise ............................................................................
2.2 Dfinition du MSA ...............................................................................
3. Indicateurs de capabilit dun moyen de contrle ................................
3.1 Rapport : Incertitude / Tolrance ..........................................................
3.2 Exemple de rgles de choix dun appareil ...........................................
3.3 Capabilit processus et capabilit moyen de contrle .........................
3.3.1 Nombre de catgories du MSA ..................................................
4. Dcision de conformit (ISO 14253-1) .....................................................
5. Incertitudes de rptabilit et de reproductibilit .................................
5.1 Rptabilit ............................................................................................
5.1.1 Rappel de mathmatique ............................................................
5.2 Reproductibilit .....................................................................................
5.2.1 Le couple pice instrument ..............................................
5.2.2 Incidence du changement doprateur ......................................
5.2.3 Comparaison de variances ........................................................
5.2.4 Principe de lanalyse de la variance ........................................
5.3 GRR (mthode moyenne et tendue) ...................................................
323
324
326
326
328
329
329
330
331
331
332
333
333
333
334
334
334
335
336
336
Q Editions dOrganisation
SOMMAIRE
15
336
337
337
339
340
353
354
354
355
356
356
358
358
358
359
361
361
362
CHAPITRE 14
SIX SIGMA .............................................................................
1. Pourquoi Six Sigma ? ................................................................................
2. Six Sigma un indicateur de performance ...............................................
2.1 Cas des critres mesurables ..................................................................
2.2 Cas des critres non mesurables ...........................................................
3. Six Sigma une mthode de matrise de la variabilit ............................
3.1 tape 1 : Dfinir ....................................................................................
3.1.1 But de ltape .............................................................................
365
366
367
367
370
372
373
373
Q Editions dOrganisation
340
341
343
345
345
347
347
347
348
350
350
351
351
351
352
16
QUALIT EN PRODUCTION
373
374
374
376
376
376
377
377
379
379
379
379
380
382
382
383
383
383
384
384
385
385
385
385
385
385
386
386
386
387
389
389
CONCLUSION .....................................................................................................
1. Un impratif : le soutien de la direction .................................................
2. Faire le ncessaire et le faire vivre ..........................................................
3. Se concentrer sur le produit .....................................................................
391
392
392
393
BIBLIOGRAPHIE ................................................................................................
397
401
INDEX ...................................................................................................................
403
3.2
3.3
3.4
3.5
3.6
4. Six
4.1
4.2
4.3
5. Six
Q Editions dOrganisation
INTRODUCTION
Le terme qualit ne laisse personne indiffrent dans le monde industriel daujourdhui,
car il se rfre de multiples concepts. Cest pourquoi, il nous a paru souhaitable de
proposer une entreprise soucieuse de progresser dans cette dmarche, de se situer,
de connatre et dapprofondir certaines mthodes. Cet ouvrage a pour vocation de
permettre au lecteur de disposer dune vue large mais prcise de lensemble des
concepts qualit ncessaire dans un univers de production industriel.
Lorganisation de louvrage reprend de manire classique les deux volets de la qualit,
savoir :
le management de la qualit ;
la mise en uvre doutils qualit.
Cet ouvrage se veut dune lecture simple, nous avons volontairement peu dvelopp
les dmonstrations statistiques. Certains chapitres pouvant faire lobjet dun ouvrage
eux seuls, il nous a fallu nous limiter lessentiel. Pour le lecteur dsirant approfondir
certains points, les normes et ouvrages de rfrences seront mentionns. La conception
de louvrage permettra au lecteur daborder chaque chapitre de faon indpendante.
Le premier chapitre a comme objet de prciser le concept qualit en le situant dans la
trilogie Qualit Scurit Environnement . Il fait le lien de la qualit du produit
la qualit vue comme outil de management. Une brve histoire de la qualit sera
donne en fin de chapitre.
Partant dune analyse des cots de non qualit, le second chapitre prcise le dploiement du management de la qualit (planification, matrise, assurance et amlioration
de la qualit). Laudit et la mesure de satisfaction du client seront abords.
La version 2000 des normes ISO 9000 est prsente au chapitre 3. Lapproche processus est dveloppe avant de prsenter larchitecture de la norme (en particulier,
nous nous attarderons sur la responsabilit de la direction). La dmarche de certification peut sappliquer laide de ce modle ou laide dautres modles plus spcifiques. Les principaux rfrentiels de lautomobile seront rappels.
La gestion documentaire est une tche complexe qui incombe au service qualit. Le
chapitre 4 donne, aprs une analyse des principaux documents (manuel, procdures,
instructions, ...), des pistes et des lments de gestion pouvant tre appliqus.
Q Editions dOrganisation
18
QUALIT EN PRODUCTION
Premire
partie
Systmes de management
de la qualit
QUALIT EN PRODUCTION
Lhistoire rcente de la qualit montre, quen moins dun sicle, on est pass
de la simple vrification de la conformit dun produit au management
dentreprise pour celle qui ont fait de la qualit leur cheval de bataille.
Citons titre dexemple les nouvelles normes de la srie ISO 9000, rfrences sous le titre gnrique de Systmes de management de la qualit .
Dans un premier temps, nous partirons de la qualit du produit et des services et de son incidence vis--vis du client. Le management de la qualit
sera ensuite introduit en rappelant les travaux des pionniers de la qualit.
La non qualit a un cot trs important pour lentreprise. Les investissements
en prvention et en valuation doivent faire baisser cette non qualit. Le
management de la qualit permet datteindre cet objectif par une approche
rigoureuse. Il peut sappuyer sur des modles prdfinis et ayant fait leurs
preuves, comme par exemple les Normes ISO 9000.
Cette dmarche peut se dcliner de lentreprise au poste de travail. Nous
retrouverons les mmes concepts. A titre dexemple, nous mettrons laccent
sur la gestion documentaire de lentreprise et la mise en place de lautomatrise en production.
CHAPITRE
LE CONCEPT QUALIT
Dans le langage courant, le terme qualit dsigne une manire dtre. Par exemple
pour un tissu, on dira quil est de bonne qualit. Son emploi peut tre ambigu car
il sous-entend souvent ce qui se fait de mieux alors qutymologiquement il traduit
plus la conformit1 ou laptitude reconnue faire quelque chose comme dans lexpression s-qualit .
En entreprise on retrouve ces aspects de conformit et daptitude. Dans lhistoire de
lindustrialisation, le taylorisme a permis de dvelopper cette notion de conformit
(un grand nombre de modles identiques). Cette approche, souvent dcrie, a permis
lentreprise FORD de fournir des modles T trs apprcis dans le contexte conomique de lpoque.
La concurrence, du fait de son internationalisation, est devenue trs vive. Pour tre
srs de leur choix, les clients potentiels que nous sommes ont besoin dtre rassurs
sur les aptitudes de leurs fournisseurs.
Si la confiance dans les fournisseurs provient souvent de leur renomme (image de
marque, tradition, rsultats en comptition, etc.), elle peut tre galement cautionne
par une reconnaissance extrieure. Le jugement du compagnon par ses pairs relve
de cet esprit. De mme les normes ISO 9000 certifient une aptitude, destine rassurer le client.
Les besoins du march voluent trs vite. Les sries, de plus faible taille, doivent
prsenter un niveau de fiabilit accru, une large palette doptions, tout en demeurant
1. Qualitas est une contraction inverse du mot latin signifiant tel quel .
Q Editions dOrganisation
22
QUALIT EN PRODUCTION
dans une fourchette de prix attractive. Cette vision des choses fait basculer la qualit
de simple technique vers une dmarche de management.
Cette approche, japonaise dans ses dbuts, connat un dveloppement actuellement
mondial.
Dans un premier temps nous nous attacherons surtout laspect organisationnel de
la dmarche qualit, en insistant sur quelques lments novateurs et formaliss.
Noublions pas que dans beaucoup dentreprises performantes la dmarche qualit
existait de fait, simplement son expression tait implicite, on faisait de la qualit
sans le savoir.
Dans la deuxime partie, nous mettrons laccent sur les outils de la qualit. Il nest
pas possible de construire un systme qualit performant et durable sans une bonne
technique. Tous les outils ne seront pas abords, certains relevant du pragmatisme
et du bon sens. Nous nous attarderons sur ceux ncessitant une rflexion plus approfondie et ayant fait leur preuve dans lindustrie.
CHAPITRE 1
LE CONCEPT QUALIT
23
la socit (dessertes, infrastructure environnementale, rseaux nergtiques et informationnels, potentiel de ressources humaines bien formes, etc.). En retour, par les
salaires de ses employs et des taxes verses, elle va contribuer au dveloppement
dune conomie locale. De plus elle peut donner une image de dynamisme (haute
technologie) recherche par la commune hte. Lentreprise pour garantir la scurit
de son voisinage doit entreprendre une dmarche base sur le principe de prcaution
(pollutions diverses, explosions, etc.).
Pour tre performante, lapproche QSE devra prendre en compte chacune de ces
composantes. Dans la suite, nous tudierons plus particulirement la composante
Qualit .
Clients
(cots, dlais, qualit)
Partenaires
industriels et
fournisseurs
Personnel
Actionnaires
Socit
Dveloppement durable
24
QUALIT EN PRODUCTION
Ressources :
humaines
matrielles
organisationnelles
Produits
fournis au client
(produits physiques
et services)
Achats
Disponibilit
Cot
Qualit
Indicateurs de pilotage
3. LA QUALIT DU PRODUIT
Le terme qualit pouvant tre ambigu, sa dfinition a t prcise au niveau de
lISO1.
3.1
CHAPITRE 1
LE CONCEPT QUALIT
25
Bien que le consommateur soit roi, il ne sait pas toujours dfinir ce que le produit doit
remplir comme fonction, il peut avoir du mal prciser ce quil attend.
Pour de nombreux produits, des normes pallient cette carence et permettent de dfinir
la qualit minimale requise (par exemple pour des raisons de scurit dans le nuclaire,
le matriel lectrique, les jouets...).
On dira quun produit est de qualit sil est en conformit avec la norme correspondante.
Un des grands dangers de cette approche est doublier le client et de se contenter dtre
en accord avec la norme.
Q Editions dOrganisation
26
QUALIT EN PRODUCTION
CHAPITRE 1
LE CONCEPT QUALIT
27
28
QUALIT EN PRODUCTION
3.5.1
Certaines caractristiques de qualit peuvent tre mesures laide de paramtres physiques. On peut estimer la variation de ces paramtres compatible avec un fonctionnement correct de lappareil (par exemple une variation de longueur, une variation de
rsistance lectrique...). Dautres, au contraire, ne peuvent tre saisies que par les sens :
vue (couleur, aspect), oue (vibrations), odorat, got, toucher. La mesure sera le fruit
dune expertise et de ce fait critiquable. Une approche statistique, comme une enqute
client, exprimera la perception du client, malheureusement, elle ne peut se faire qua
posteriori.
Par exemple pour une voiture, la qualit sera un mlange de donnes objectives comme
la mesure de lacclration par le temps mis pour passer de 0 100 km/h et de donnes
subjectives comme le confort. Notons que cette estimation de la qualit nest pas une
donne intrinsque au produit mais varie suivant la clientle cible.
En conclusion, on cherchera :
3.5.2
La qualit dun vhicule est une fonction multi-critres. On peut par exemple dcider
de noter cette qualit sur 1 000 points. Un dcoupage arborescent est souvent utilis,
cela permet de srier les difficults. Pratiquement il est possible de faire une runion
ouverte type dballage dides et ensuite de faire un vote pour retenir les caractristiques supposes les mieux perues par les clients.
Exemple de fonction :
Note
1 000
Cela revient dire que le confort sera jug sur N1 points (avec Ni = 1000).
son tour, le confort sera compos de sous-rubriques telles que la suspension, lhabitabilit, laccs, la commande de bote, la direction assiste, etc. Tous ces critres nont
pas le mme poids. Il est pourtant intressant de les noter sur 20 ou sur 10 (on nefface
pas des annes dcole). Ils seront ensuite multiplis par un coefficient pour intervenir
leur juste valeur. Lutilisation dun tableur sera dune grande efficacit.
Avec cette mthode, il est possible de comparer son produit avec un produit de la
Q Editions dOrganisation
CHAPITRE 1
LE CONCEPT QUALIT
29
concurrence de grande diffusion. Point par point, il est possible de faire un rapport
pour chaque critre.
Une valeur suprieure 1 peut tre recherche, par contre si elle est trs suprieure
1 cela peut ventuellement tre considr comme de la surqualit. Une valeur trs
infrieure 1 indiquera une situation inadmissible.
Il ne sagit bien sr que dune premire approche. Intuitivement, nous sommes bien
conscients que linfluence dun dfaut nagit pas de manire linaire sur lapprciation
dun client. Un petit dfaut le mettra simplement de mauvaise humeur, alors que pour
un dfaut important, il trouvera cela inadmissible et sera prt entreprendre une dmarche de rclamation.
3.6 Les trois types de qualit dfinis par le modle de Kano
Dans ce modle, on distingue trois types de qualit de produit :
1. La qualit implicite, celle que lon trouve dans tous les produits disponibles du
march. Cest un minimum, car son absence peut provoquer un phnomne de rejet
chez le client (attentes de base).
2. La qualit propose, dans lair du temps . Son choix sera surtout dict par des
critres conomiques (offre promotionnelle). Une technologie plus ou moins sophistique peut nuancer son choix (attentes de performances).
3. Le plus, la qualit innovante, celle qui peut dcider lacheteur (ne pas avoir le
produit de monsieur tout le monde) (attentes de sduction).
Dans lexemple trait prcdemment, les freins disques lavant sont classer dans
la catgorie 1, la fermeture centralise distance dans la catgorie 2. La catgorie 3
reprsente une avance sur la concurrence, sa dure de vie est limite car rapidement
les autres fabricants lintgrent dans leur modle. Pour linstant, lanti-patinage peut
tre class dans cette catgorie.
Q Editions dOrganisation
30
QUALIT EN PRODUCTION
Niveau de
satisfaction
du client
Sduction
agrables surprises
dlices du client
Trs satisfait
Inexprim
Exprim
Degr de ralisation
de la fonction
Pas ralise
TE
Tout fait
Inexprim
M
PS
Performance
Le client en veut plus !
Qualit de base
On sy attend
Typique des produits invisibles
Insatisfait
CHAPITRE 1
LE CONCEPT QUALIT
31
Se donner des objectifs pratiques et nommer les responsables qualit (management de la qualit).
Faire des choix de production pour atteindre la qualit dsire tels que les embauches,
les investissements, la sous-traitance, les partenariats (planification de la qualit).
Former et sensibiliser le personnel cette dmarche, organiser et grer le systme
de production (matrise de la qualit).
Sassurer que la qualit obtenue est bien en adquation avec celle souhaite par la
direction. Si besoin est, faire des corrections et viter que cela ne se reproduise
(assurance de la qualit).
Mettre en place des dispositifs et des mthodes pour samliorer, tre plus comptitif
et plus ractif (amlioration de la qualit).
Lensemble des moyens mis en uvre pour rpondre lattente de la direction doit
tre construit suivant une structure (ou modle) bien dfinie appele le systme de
management de la qualit. Ce dernier est dcrit laide du manuel qualit et de
procdures.
Ces diffrents niveaux dabstraction seront tudis de faon plus dtaille dans les
chapitres suivants.
Le docteur DEMING a illustr cette dmarche comme une roue roulant sur un sol
montant, de manire lever le niveau de la gestion de la qualit. Ce schma est si
clbre que lon parle de faire tourner la roue DEMING.
Act
Plan
Check
Do
Amlioration continue
La gestion dcrite ci-dessus peut tre perue comme une simple gestion au quotidien,
elle nen est pas moins ncessaire. Il est par contre possible de conduire ce mode de
Q Editions dOrganisation
32
QUALIT EN PRODUCTION
raisonnement plus long terme sur quelques projets-cls pour lentreprise de manire
assurer sa prennit. On parlera alors de management par perce (ou Hoshin).
Nous reviendrons au chapitre 3 sur cette dmarche damlioration continue.
Q Editions dOrganisation
CHAPITRE 1
LE CONCEPT QUALIT
33
Q Editions dOrganisation
34
QUALIT EN PRODUCTION
CHAPITRE 1
LE CONCEPT QUALIT
Dorian SHAININ
Il a propos de nombreux outils pour rsoudre des problmes industriels rputs insolvables. Les outils retenus, bass sur une approche statistique rigoureuse, sont prsents
de faon tre peu complexes lutilisation.
Il a propos une dmarche de rsolution de problmes qui sappuie sur la recherche
des paramtres les plus actifs (appels les X rouges).
Nous pouvons constater que ce mouvement est surtout amricain et japonais. En ralit
une dmarche analogue a exist en Europe mais sans doute avec moins de retentissement. Citons, par exemple en France, les travaux de lingnieur gnral de larmement
Ren CAVE sur le contrle statistique.
Q Editions dOrganisation
CHAPITRE
LA DMARCHE QUALIT
Faire des produits de qualit ne se dcrte pas, la qualit rsulte dune dmarche.
Non seulement il faut tre capable de raliser la qualit exige par le client, mais il
faut mettre galement en place un systme permettant de prenniser ce qui a t fait.
Cette dmarche va concerner tous les services de lentreprise et non pas uniquement
le service qualit. A terme cela permettra de fidliser le client et de minimiser les cots
dobtention de la qualit.
1. LE COT DE LA NON-QUALIT
Pendant des annes, les entreprises ont pens que cela cotait trs cher de fournir des
produits de qualit. A partir de 1970 environ, la mondialisation de lconomie a dmontr que des produits de qualit taient un gage de retour dinvestissement rapide. Citons
comme prcurseur Armand Feingenbaum qui en 1950 remit sa direction un rapport
sur les cots de non-qualit. Lunit tait le dollar, il tait alors plus facile de convaincre la direction et les actionnaires du bien-fond de la dmarche.
Dans la suite de ce chapitre, nous prsenterons sommairement comment simbriquent
les diffrents cots de la qualit. En particulier nous verrons limportance dinvestir
en prvention.
Q Editions dOrganisation
38
QUALIT EN PRODUCTION
Il faut rajouter cela des pertes indirectes en crdibilit comme la perte dimage de
marque (difficilement chiffrables mais souvent majeures).
Pour chercher diminuer ces pertes, on va investir :
CHAPITRE 2
LA DMARCHE QUALIT
39
certification,
amlioration des plans et dossiers de fabrication et de contrles,
cration dindicateurs qualit,
formation du personnel,
mise en place dune dmarche qualit partir de modles,
mise en place dune dmarche 5S,
maintenance prventive,
valuation des fournisseurs,
...
Cot de
prvention
Cot
dvaluation
Cot de
non-qualit
interne
Cot de
non-qualit
externe
Valeur ajoute
Cot total
(support par lentreprise)
Il ne faut pas, bien sr, que vouloir diminuer les pertes entrane des investissements
excessifs. Une dmarche doptimisation est ncessaire.
1.2 Relation entre pertes et cot dinvestissement
Un investissement en contrle peut faire diminuer les pertes car elles seront dtectes
en interne et non chez le client. En particulier, plus vite sera dtect le dfaut, plus
faible sera la perte due au remplacement du composant (par exemple, pour un composant de bote de vitesse, cela vite un dmontage...). Et surtout cela vitera de ternir
limage de lentreprise.
Q Editions dOrganisation
40
QUALIT EN PRODUCTION
Pertes
Investissement de contrle
Mais nous nous apercevons tout de suite de la limite de cet investissement. Cest un
traitement strictement curatif, il ne sattaque pas aux causes du mal. Ncessaire pour
rassurer le client sur la conformit du produit, il est peu rentable conomiquement.
Un investissement en prvention (par exemple mettre en auto-contrle un poste de
production) va faire baisser le montant des pertes de manire plus importante.
Pertes
Investissement de prvention
Q Editions dOrganisation
CHAPITRE 2
LA DMARCHE QUALIT
41
Cot de la non-qualit
Pertes
Investissements
Optimum
Bas
Niveau dinvestissement
Haut
Linvestissement le plus porteur semble tre, pour beaucoup dentreprises, la prvention. Ce sera donc un lment-cl de la gestion de la qualit.
Les informations ncessaires pour calculer le cot de la non qualit sont parfois difficiles obtenir (souvent confidentielles). On peut les obtenir dans les documents de
comptabilit (analytique et gnrale), les documents techniques ou administratifs ou
commerciaux. Il est toujours possible de faire une estimation partir denqutes auprs
des personnes concernes.1
2.
LE MANAGEMENT DE LA QUALIT
ET LA DIRECTION
42
QUALIT EN PRODUCTION
Dans le contexte conomique international actuel, la gestion qualit est largement aussi
importante que les autres gestions (financires, ressources humaines, etc.). Pour certains dirigeants dentreprise, on peut mme considrer la gestion des ressources humaines et matrielles comme partie intgrante de la gestion de la qualit (faire de bons
produits laide de machines capables, pilotes par des employs comptents et
sereins).
Direction
Commercial
Finance
Ressources humaines
Production
Logistique
Qualit
tudes et recherches
Achats
3.
LE MANAGEMENT DE LA QUALIT
CHAPITRE 2
<
LA DMARCHE QUALIT
43
< CONFORMIT,
< DLAI,
< COT,
du vhicule
des hommes de lquipage
du carburant et des produits
de la nature du terrain emprunt
des techniques de pilotage
MOYEN
MAIN-DUVRE
MATIRE
MILIEU
MTHODE
Pour atteindre ses objectifs, lentreprise doit envisager les diffrentes contraintes possibles, fournir aux oprateurs des consignes dfinissant la marche suivre et prciser
les responsabilits. La dfinition de sa politique, sa traduction en objectifs et en moyens
sont les principales composantes du management de la qualit.
Dfinition ISO 90001 : 2000 du management de la qualit :
activits coordonnes permettant dorienter et de contrler un organisme en matire
de qualit.
4.
44
QUALIT EN PRODUCTION
Il doit mettre en place un systme qualit (organisation, procdures, moyens et processus) pour rendre oprationnel et efficace le management de la qualit.
Schmatiquement, le management de la qualit, peut se reprsenter comme un asservissement en boucle ferme.
Politique Qualit
PLANIFICATION
Plan Qualit
Qualit
demande
par le march
Matrise de la qualit
Assurance de la qualit
Amlioration de la qualit
Qualit perue
Qualit
ralise
Apprciation
des clients
Remarque : si la qualit ralise par le fournisseur nest pas compltement perue par
le client, cest vraiment une perte pour le fournisseur car il a dpens de largent pour
raliser une valeur ajoute dont le client na pas du tout conscience. A contrario, le
client peut trouver tout fait insuffisante la qualit produite. Il fera des comparaisons
avec loffre de la concurrence en fonction de ses propres moyens de mesure ou destimation.
4.1 La planification de la qualit
La planification qualit :
dfinit les objectifs stratgiques de la direction (position de leader, augmentation des
bnfices, etc.) et les exigences de qualit au niveau du produit (implication du personnel, diminution des retours clients, situation par rapport la concurrence, etc.) ;
prpare la mise en uvre du systme de management de la qualit (base sur une
approche processus par exemple) ;
labore des plans qualit (activits spcifiques lies un produit ou une activit
comme par exemple un plan formation, une dmarche six sigma, etc.) ;
essaie damliorer la qualit (dmarche damlioration continue, partenariat avec les
fournisseurs, etc.).
Q Editions dOrganisation
CHAPITRE 2
LA DMARCHE QUALIT
45
46
QUALIT EN PRODUCTION
Politique
Qualit
PLANIFICATION
Plan
Qualit
Matrise de la qualit
Qualit
demande
par le march
Assurance de la
qualit (parfaite)
lit
Qualit ralise
= Qualit perue
En ralit, en fonction des divers alas dus aux contextes externes et internes de lentreprise, on gardera une fonctionnement partiel et allg en boucle ferme. Ce rle sera
rempli par les audits et les enqutes clients.
Laudit qualit, fait par une personne indpendante au service, est une comparaison
entre ce que lon doit faire (ce qui est crit) et ce que lon fait rellement. En cas de
diffrence notoire, soit on doit revoir la faon de procder si la qualit nest pas
prsente, soit modifier ce qui est crit pour transcrire les modifications apparues dans
le nouveau processus.
Laudit interne est organis par lentreprise, laudit externe par le client ou par lorganisme certificateur.
Q Editions dOrganisation
CHAPITRE 2
LA DMARCHE QUALIT
47
Pour faciliter ces audits, il existe des modles (ou rfrentiels) pour vrifier que lon
essaie de garantir lassurance de la qualit. Ils suggrent dtre attentif des thmes
tels que :
la revue de contrat ;
le traitement des non conformits ;
ltalonnage priodique des appareils de mesure ;
la gestion des documents ;
...
Nous reviendrons plus en dtail sur un exemple de rfrentiel dans le chapitre trois.
En rsum, le management de la qualit peut-tre rsum par le schma suivant :
Politique
Qualit
PLANIFICATION
Plan
Qualit
demande
par le march
Qualit
Matrise de la qualit
Assurance de la qualit
Qualit
perue en
interne
Amlioration de la qualit
Audits internes
&
Outils de la qualit
Qualit
perue par les clients
Audits et enqutes
clients
Management de la qualit
Q Editions dOrganisation
Qualit
ralise
48
QUALIT EN PRODUCTION
Remarquons que lapprciation client nest plus subie mais provoque de manire
tre plus ractif.
Lorsque lobjet et ltendue de laudit sont dfinis (par exemple la gestion des moyens
de mesure) on doit prciser qui sera lauditeur.
Par dontologie, ce dernier ne doit pas tre impliqu dans lactivit concerne. De plus
il est recommand quil ait reu une formation dauditeur, car il est souhaitable que
laudit ne soit pas peru par laudit comme une censure. On peut envisager quun
responsable de service vienne auditer un autre service. Cela gnre une autoformation
pour lauditeur en observant des mthodes dorganisation quil pourra reprendre dans
son propre service. Dans les petites structures, laudit interne peut tre fait par une
personne extrieure (ne faisant pas partie du personnel), cela reste une volont de
lentreprise.
Pour raliser laudit, lauditeur doit tre en possession des documents se rfrant
lactivit audite (procdure, instruction, guide, etc.).
1. Le lecteur est invit consulter la norme :
NF EN ISO 19011 Dcembre 2002.
Lignes directrices pour laudit des systmes de management de la qualit et/ou de management environnemental.
Q Editions dOrganisation
CHAPITRE 2
LA DMARCHE QUALIT
49
Il est impratif que lauditeur rende un rapport daudit en prcisant si ncessaire les
actions damliorations entreprendre. Ce rapport sera enregistr et sera analys lors
des revues de direction.
Qualit perue
par le client
Livraison
Ralisation
Conception
Marketing
Pour illustrer ce concept, nous nous inspirerons de lillustration propose par le MFQ2
dfinir les dperditions qualit du produit.
1. Le lecteur est invit consulter la norme franaise NF FD X 50-172 (mars 1999) Management de
la qualit - Enqute de satisfaction des clients.
2. Sensibilisation la dmarche qualit MFQ Rhne-Alpes.
Q Editions dOrganisation
50
QUALIT EN PRODUCTION
5.
1. http://www.afaq.org.
Q Editions dOrganisation
CHAPITRE 2
6.
LA DMARCHE QUALIT
51
MANUEL QUALIT
Dfinition ISO 9000 : 20001
Manuel qualit : document spcifiant le systme de management de la qualit dun
organisme.
Plusieurs versions de manuels qualit peuvent coexister. En particulier, on peut trouver
un manuel de management de la qualit et un manuel dassurance de la qualit.
2. La cartographie
des processus
3. Les responsabilits et
pouvoirs de chaque
personne dont le travail
a une incidence directe
sur la qualit
5. Les dispositions
pour la mise jour
permanente
du manuel
4. Les procdures
et les instructions
en conformit avec
le modle choisi
52
QUALIT EN PRODUCTION
Q Editions dOrganisation
CHAPITRE
MANAGEMENT DE LA QUALIT
PAR UNE APPROCHE PROCESSUS
Rappelons que le management de la qualit a comme mission de planifier, matriser, assurer et amliorer la qualit.
Dans un premier temps nous dvelopperons le concept dassurance de la qualit puis
nous prsenterons le management de la qualit par une approche processus. Ce
management peut tre facilit en sappuyant sur des modles gnraux (type ISO
9001) ou spcifiques une branche dactivits.
1.
ASSURANCE DE LA QUALIT
54
QUALIT EN PRODUCTION
2.
QUALIT
Axe de lassurance
de la qualit :
Normalisation
Manuel qualit
Plan qualit
Audits
...
Axe de la participation
la qualit :
Auto-contrle
Plan damlioration
Cercle de qualit
Formation
CHAPITRE 3
3.
55
APPROCHE PROCESSUS
Management
Ressources
Besoins et attentes
du client
Enqutes
Satisfaction
du client
Mesures
Audits
On peut par exemple commencer par les sorties clients. Ce terme est volontairement
au pluriel car mme pour une entreprise manufacturire le produit est rarement unique
et de plus il est toujours accompagn de produits et services associs (comme par
exemple le conditionnement, la notice demploi, les brevets, les autorisations de mise
sur le march, etc.).
partir de lidentification des processus directement lis au client, on peut dfinir les
entres (matrielles et organisationnelles) qui deviendront les sorties des processus en
amont (notion de client interne).
Q Editions dOrganisation
56
QUALIT EN PRODUCTION
On peut dfinir diffrents nivaux de processus (par exemple dun atelier demboutissage un poste de travail), mais tous devront tre grs suivant le principe de la roue
de Deming (PDCA) vue au chapitre 2.
Il faut garder en mmoire quun processus est mis en uvre pour atteindre un ou des
objectifs. Pour savoir sils sont atteints, il faudra analyser les mesures obtenues laide
dindicateurs associs (on parlera dinstrumenter les processus).
3.2 Typologie des processus
En sinspirant de la norme AFNOR FDX 50-176, la plupart des entreprises dclinent
leurs processus en :
Processus de ralisation.
Processus supports.
Processus de management.
Enqutes
CLIENTS
Ressources
financires
Installations
Ressources
humaines
Processus
supports
CLIENTS
Information
& savoir-faire
Processus de
management
Dcisions
Produit
ou
service
Processus de
ralisation
Ressources
CHAPITRE 3
57
58
QUALIT EN PRODUCTION
Processus client
Processus
de recherche
et dveloppement
Processus de ralisation
Processus
Achat et logistique
Processus
de production
Processus
Ressources Humaines
Processus
Maintenance
Processus support
Processus de direction
Satisfactions
Exigences
Processus
Gestion et Systme dinformation
Q Editions dOrganisation
CHAPITRE 3
Dfinir la politique
qualit
Client : Lycen
Conduire
lamlioration
Promouvoir OGP
Client : IUT
Recruter
Communiquer
Grer le systme
Client :
Entreprise
Planifier
Matriser le budget
Orienter
59
Client :
Enseignement
suprieur
Cette cartographie peut galement servir de portail dentre du systme qualit (liens
hypertextes).
3.5 Matriser linterfaage des processus
Les sorties dun processus ne devraient mme pas tre prcises puisquelles doivent
correspondrent aux entres des processus avals. La plupart des problmes provient de
la difficult de communication entre processus. lintrieur dun processus, le plus
souvent tout se passe bien, les oprateurs sont des professionnels qui connaissent leurs
mtiers. Par contre ils vont changer des donnes avec dautres processus, cest l que
lon va rencontrer des problmes de formatage de ces donnes, des manques, des
incomprhensions, etc.
Q Editions dOrganisation
60
QUALIT EN PRODUCTION
Donnes dentres
(Sorties des processus amonts)
+
Donnes denvironnement (rglements, normes, etc.)
Processus
la conformit ;
les dlais ;
les cots ;
la scurit ;
lenvironnement.
CHAPITRE 3
61
Indicateurs
Autovaluation
(type prix qualit)
Processus
Audits
Benchmarking
Figure 3.7 Diffrentes informations de pilotage
62
QUALIT EN PRODUCTION
4.
4.1 Origine
Pour sassurer de la conformit du produit, la mthode qui semble la plus vidente a
priori est dinstaurer un contrle de faon liminer les lments dfectueux. Cette
technique a comme inconvnients :
un cot lev pour le fabricant (le contrle ncessite des moyens et napporte pas
de valeur ajoute dlaboration du produit) ;
un cot lev pour lacheteur (redondance du contrle si le client est mfiant sur la
qualit fournie) ;
de ne constater que des dfauts sans proposition damlioration (rle passif) ;
de ne pas tre utilisable pour les contrles destructifs (par exemple la vrification
du bon fonctionnement dune allumette).
Afin de crer un partenariat entre le fournisseur et lacheteur (assurance de la qualit)
on introduira la notion de certification.
On distinguera :
la
la
la
la
certification
certification
certification
certification
des
des
des
des
produits ;
services ;
oprateurs ;
entreprises.
Il ne faut surtout pas voir de hirarchie dans ces types de certifications. Elles rpondent
chacune leur manire un besoin prcis.
Q Editions dOrganisation
CHAPITRE 3
63
64
QUALIT EN PRODUCTION
teur indpendant (certification par tierce-partie) qui peut se traduire par lobtention
dun certificat validit limite (par exemple : 3 ans).
Remarque : les laboratoires qui fournissent un service de mesure, dtalonnage ou
dessai devront garantir la qualit de leur prestation. Pour cela ils doivent tre sous la
tutelle dun organisme dtat charg de vrifier cette disposition, on parlera daccrditation du laboratoire1.
5.
En 1987, parat la premire version des normes ISO 9000. Applicables tout secteur
conomique, elles ont comme objet de standardiser les diffrents modles de management de la qualit existants. En fait si elles ne supplantent pas compltement les
systmes existants, elles serviront de base (ou de tronc commun) pour tous les modles
futurs de management de la qualit entre fournisseurs et clients.
En 1994, ces normes ont t rvises pour une meilleure homognisation.
1. En France ce rle est tenu par le COFRAC (COmit FRanais dACcrditation).
Q Editions dOrganisation
CHAPITRE 3
65
Concepts et vocabulaire
9000
Lignes directrices
Audits
Q Editions dOrganisation
9004
19011
66
QUALIT EN PRODUCTION
Fournisseur
Organisme
Fournisseur
Client
Fournisseur
Dans la relation clients fournisseurs , on peut distinguer les fournisseurs (anciennement appels sous-contractants) de matire premire et de composants, les fournisseurs de biens dquipements et aussi les fournisseurs de prestations intellectuelles
(formations, conseils, etc.).
Lorganisme (anciennement appel fournisseur) est lentit laquelle on applique le
management de la qualit.
1. Les diffrentes publications de lISO 9000 peuvent tre consultes sur le site www.iso.ch . Des
guides dexplication sont disponibles sur ce site.
2. Site AFNOR www.afnor.fr .
Q Editions dOrganisation
CHAPITRE 3
67
Q Editions dOrganisation
68
QUALIT EN PRODUCTION
Prix qualit
Certification
Autovaluation
& ISO 9004
ISO 9001
Niveau actuel
Q Editions dOrganisation
CHAPITRE 3
6.
69
70
QUALIT EN PRODUCTION
5. Responsabilit
de la direction
Management stratgique
5. Responsabilit
8. Mesures,
de la
direction
analyses
et
4. Systme
de management
de la qualit
amliorations
Management oprationnel
6. Management
des ressources
7. Ralisation
du produit
Q Editions dOrganisation
CHAPITRE 3
71
6.2.4 Planification
chaque poste de travail, loprateur devrait avoir conscience en euros de ce que la
perte de qualit peut engendrer au niveau global et donc tre sensible aux exigences
et satisfactions du client (moyens : formations, affichage, indicateurs de rclamations,
suivi qualit, rsultat des audits, traitement des anomalies...). La pertinence de laffichage (si possible chances fixes) sera dautant plus grande quelle est bien adapte
son public.
Il faut sassurer que ce qui a t mis en uvre dans le systme de management de la
qualit fonctionne et volue de faon permanente.
72
QUALIT EN PRODUCTION
panneaux daffichage ;
intranet (avec par exemple la politique qualit en premire page) ;
point pose (caf, etc.).
CHAPITRE 3
73
Les commerciaux sont en contact direct avec le client, ils font de la mesure implicite,
ils doivent faire remonter linformation dexigences du client.
Le service aprs vente o les installateurs rcuprent de linformation sur la qualit
du produit.
Les clients de type entreprise notent leurs fournisseurs (audit par exemple), cela peut
conduire un indicateur dcoute.
Le client mystre : charg par la direction de reprsenter le client et de noter tous
les dysfonctionnements perus (exemple : stations de skis, grande distribution,...).
Notons galement, que certains considrent que les meilleurs indicateurs de satisfaction du client sont tout simplement du genre chiffre daffaires ou taux de rclamations.
7.
Il existe deux pistes pour une dmarche damlioration continue. La premire consiste
dtecter et supprimer tous les dysfonctionnements. Cest ncessaire mais non satisfaisant long terme. En parallle de cette dmarche dactions correctives et prventives
court terme, il faut envisager une dmarche plus ambitieuse, rentable plus long
terme.
7.1 Traitement des dysfonctionnements
La norme donne les orientations que doit prendre une entreprise pour assurer ses
clients que des actions prventives sont menes pour viter les dysfonctionnements.
Lorsquune non-conformit apparat, les actions correctives doivent tre immdiatement mises en uvre.
On peut donner quelques exemples de paralllisme entre certains chapitres de la norme
ISO 9001 et les dysfonctionnements types suivants :
Q Editions dOrganisation
74
QUALIT EN PRODUCTION
Dysfonctionnements types
4.1
Exigences gnrales
4.2
5.1 &
5.3
5.5
5.6
6.2
6.4
Environnement de travail
7.1
Planification de la ralisation du
produit
Engagement de la direction
Reprsentant de la direction
Revue de direction
Ressources humaines
Q Editions dOrganisation
CHAPITRE 3
Dysfonctionnements types
75
7.2
7.3
Conception et dveloppement
7.4
Achats
7.5
7.6
Q Editions dOrganisation
(Identification et traabilit)
(Proprit du client)
(Prservation du produit)
(Prparation du service)
76
QUALIT EN PRODUCTION
Dysfonctionnements types
8.1
Gnralits
(Statistiques)
8.2
Surveillance et mesures
(Produit)
8.3
8.5
Amlioration
(Audit interne)
CHAPITRE 3
77
Action
Plan
Check
Formation
Esprit dquipe
Kaizen
Auto-contrle
Analyse de process
Communication
Kanban
SMED
...
Do
Cette dmarche, dcline au niveau de chaque processus, existe galement sous forme
de processus de management et est applicable toute la structure. Citons Robert Bosch
crateur de la fondation du mme nom :
On doit toujours tendre lamlioration de lexistant, personne ne doit se satisfaire
de ce qui est atteint, mais au contraire, essayer constamment, de faire son travail
encore mieux 1
Par exemple, nous pouvons retenir pour une dmarche globale, les processus suivants :
Planifier (Plan) :
Affectation des ressources humaines et matrielles
Processus de stratgie
1. Dans Principes du CIP (Continuous Improvement Process) www.bosch.fr.
Q Editions dOrganisation
78
QUALIT EN PRODUCTION
Faire (Do) :
Processus de conception
Processus de ralisation
Processus de gestion et matrise des moyens de mesure
Vrifier (Check) :
Processus de mesure de satisfaction et dcoute du client
Processus daudit
Processus denregistrement
Processus danalyse des enregistrements
Agir (Act) :
Processus de matrise du produit non conforme
Processus de rparation
Processus de prvention
Processus de revue de direction
8.
DMARCHE DE CERTIFICATION
Prparer la certification est toujours une tche importante pour lentreprise. Cest un
investissement en travail, en temps et en argent qui ne peut tre rentabilis qu long
terme. La dmarche peut sappuyer sur les recommandations suivantes :
Avoir un engagement de la direction ferme et motiv (de manire donner lexemple).
Dfinir un responsable de lopration.
Choisir le modle qui convient le mieux son entreprise (exemple : ISO 9001,
ISO/TS 16949, modle spcifique de la profession).
Faire un tat de lexistant (ce qui existe dj dans lentreprise et qui nest pas
toujours formalis).
Mobiliser le personnel par une formation adquate (culture qualit dmontrant la
place et la responsabilit de chacun).
Dfinir un tableau de bord qualit pour mesurer les progrs obtenus de manire
persvrer dans cette direction.
Documenter et complter le systme qualit pour le faire converger vers le niveau
dexigences retenu.
Certaines de ces actions et rflexions peuvent tre menes en parallle. Le souci de
communication sera le ciment de ce projet.
Pratiquement, on tudiera chaque chapitre de la norme, en rflchissant son application pour lentreprise (processus concerns). Cela nest pas toujours vident, car on
a souvent limpression dtre un cas particulier avec ses problmes spcifiques.
Q Editions dOrganisation
CHAPITRE 3
79
Lordre des chapitres nest pas impos, cela dpend du contexte actuel. Des contraintes,
venant des donneurs dordre, peuvent exiger en priorit lapplication de certains chapitres (par exemple la matrise des produits non conformes, la matrise des moyens de
mesure, les audits, etc.).
Chaque chapitre conduira le plus souvent lcriture dune procdure qui indiquera
comment lentreprise traite le point tudi. Pour viter une lourdeur dcriture, elle
sera dcline en sous-procdures (ou instructions) prcisant les points spcifiques et
consultables par les personnes concernes.
Lorsque lentreprise estimera avoir rpondu aux diffrentes exigences de la norme,
elle fera appel un organisme certificateur pour venir auditer la conformit et la bonne
marche de son systme de management de la qualit.
Cet organisme, pouvant tre considr comme une socit de services, est mandat
pour dlivrer (ou non) un certificat de conformit. Lentreprise sera, si les rsultats de
laudit externe sont positifs, dclare par exemple certifie ISO 9001.
La certification par un organisme, extrieur lentreprise et reconnu comptent, reprsente une garantie pour ses clients. En effet lorganisme ne se contente pas de dlivrer
un certificat un instant prcis, mais il va accompagner lentreprise et priodiquement
(par exemple tous les ans) vrifier la conformit et lefficacit du systme qualit. La
certification nest octroye que pour une dure limite, intervalles rguliers (par
exemple tous les trois ans). Il faut se reprsenter la certification en montrant que
lon a progress.
9.
80
QUALIT EN PRODUCTION
AB CERTIFICATION
A.F.A.Q AFNOR Certification
ASCII Qualitatem
BSI
BVQI
DEKRA ITS
DNV Cer
EUROQUALITY SYSTEME France
LRQA
MOODY Certification
SGS ICS
SQS
TV
URS
UTAC
10.
La norme ISO 9001 que nous venons de prsenter est une norme gnrale. Beaucoup
de clients se satisfont entirement des exigences imposes qui garantissent un bon
niveau de management de la qualit.
Un grand client (donneur dordre) est tout fait en droit dimposer son fournisseur
un modle avec des exigences propres suprieures ou infrieures. Par exemple une
PME pourra demander ses fournisseurs locaux (entreprises de taille modeste) de
mettre en uvre un modle dassurance qualit simplifi inspir des modles internationaux.
Les grands donneurs dordres faisant partie dun mme secteur demandent souvent
leurs fournisseurs des exigences supplmentaires comme la scurit ou lutilisation
doutils qualit spcifiques. Cette situation se retrouve particulirement dans le monde
de lautomobile.
Q Editions dOrganisation
CHAPITRE 3
Scurit
COQ
AMDEC, MSP
Logistique, ...
81
ISO 9001
Des donneurs dordres exerant le mme mtier ont a priori des exigences similaires.
Pour viter une profusion daudits identiques chez un fournisseur commun, certains
se sont regroups pour proposer un modle dassurance commun. Par exemple Renault,
Peugeot et Citron proposaient un modle daccrditation (rfrentiel) des fournisseurs
appels E.A.Q.F (Evaluation dAptitude Qualit Fournisseurs). Dans le mme esprit,
les constructeurs amricains Chrysler, Ford et General Motors ont cr le rfrentiel
QS 9000. Le rfrentiel ISO/TS 16949 : 2002, issu de lharmonisation des rfrentiels
amricains et europens, se substitue aux rfrentiels AVSQ, EAQF94, QS 9000 (14
dcembre 2006) et VDA6.
82
QUALIT EN PRODUCTION
Il nen demeure pas moins que chaque constructeur peut ajouter des exigences spcifiques.
11.
Pour progresser vers lexcellence en qualit, se prsenter un prix qualit peut tre
une bonne opportunit. Etre confront dautres entreprises permet dinsuffler une
dynamique de progrs.
En dbutant par un prix local (le plus souvent dpartemental), on peut concourir ensuite
un prix rgional. Les entreprises laurates se prsenteront ensuite au prix national,
voir international.
Le plus souvent la dmarche consiste dabord par une auto-valuation suivant des
critres dfinis par un questionnaire. La prslection des entreprises, laide de lautovaluation, est suivie daudits permettant daffiner le classement. Un jury lira ensuite
les laurats. Nous dcrirons sommairement deux prix qualit.
11.1 Prix franais de la qualit2
Lanc en 1992 par le MFQ et le ministre de lindustrie, ce prix est ouvert aux entreprises du secteur public ou priv de moins de 500 personnes, laurates des prix organiss au sein des rgions.
Le rfrentiel dvaluation porte sur neuf thmes :
engagement de la direction ;
stratgie et objectifs qualit ;
1. www.iatf-france.com.
2. http://www.mfq.asso.fr/evenements.htm.
Q Editions dOrganisation
CHAPITRE 3
83
management du personnel ;
management des ressources ;
processus ;
satisfaction de la clientle ;
satisfaction du personnel ;
intgration la vie de la collectivit ;
rsultats oprationnels.
Leadership
Politique et Stratgie
Personnel
Partenariat et Ressources
Processus
Rsultats Client
Rsultats Personnel
Rsultats Collectivit
Rsultats Performance Cls
1. http://www.efqm.org.
Q Editions dOrganisation
CHAPITRE
86
QUALIT EN PRODUCTION
La structure classique retenue est du type arborescent bien que parfois une structure
de type rfrence croise soit sous-jacente. Cette structure est souvent reprsente sous
forme de pyramide (figure 4.1), o chaque strate matrialise un niveau. Cette reprsentation image correspond au chapitre 4.2 de la norme ISO 9001, Exigences relatives la documentation .
Cette reprsentation peut laisser croire une relation dordre entre les diffrents
niveaux, alors que cest sans doute le niveau quatre qui est le plus important, les autres
niveaux tant au service de celui-ci car il est la preuve tangible de la qualit ralise.
Nous verrons que la norme impose certains documents (exigences documentaires). Par
contre, il nest pas obligatoire de documenter tous les processus sil ny a pas de risque,
cela dpend de la culture et de la taille de lentreprise et surtout de la comptence du
personnel.
Q Editions dOrganisation
CHAPITRE 4
Manuel
qualit &
cartographie
processus
87
II
Procdures
gnrales
III
Instructions
(modes opratoires)
(mthodes de mesure)
IV
Enregistrements
Indicateurs
Documents de rfrence
88
QUALIT EN PRODUCTION
pose au client. Par exemple, on peut citer le traitement dune non conformit dun
produit, les fiches de postes, etc.
Niveau 4 : Documents spcifiques : Enregistrements, imprims, indicateurs, ...
Les documents appartenant ce niveau, sont utiliss au quotidien. Ils vont en particulier permettre de saisir le niveau de qualit ralise. Il faudra bien faire la distinction entre un document vierge (utilis comme un masque de saisie) et un
document renseign (enregistrement qui vhicule de linformation sur la qualit produite). Il doit exister une (ou des) procdure(s) pour indiquer la gestion des enregistrements. Par exemple, on peut citer les feuilles denregistrement de pilotage par
la matrise statistique des processus.
2.
LE MANUEL QUALIT
Le manuel qualit correspond principalement au niveau un de la pyramide documentaire. Rappelons le dbut du paragraphe 4.2.1 Gnralits de la norme ISO 90011 :
La documentation du systme de management de la qualit doit comprendre
a) identifier les processus ncessaires.... (nous renvoyons au chapitre trois qui donne
des pistes pour identifier, mettre en uvre et surveiller ces processus).
b) un manuel qualit
...
et du paragraphe 4.2.2 Manuel qualit :
Lorganisme doit tablir et tenir jour un manuel qualit qui comprend
a) le domaine dapplication du systme de management de la qualit...
b) les procdures documentes ...
c) ...
Pour des raisons de commodit, vu le nombre de documents, il nest pas toujours
raliste dinclure tout ou partie des autres niveaux.
Toutes les personnes destinataires ne sont pas concernes par les diffrentes rubriques
traites dans les niveaux deux quatre et, surtout, des raisons de confidentialit peuvent reprsenter un srieux frein une diffusion trop large. Un systme de rfrence,
prcis dans le manuel qualit, permettra daccder aux documents le cas chant.
Le manuel qualit peut aussi prsenter la politique qualit au client (en externe) et au
personnel de lentreprise (en interne). Pour ne pas faire deux manuels qualit, ce qui
risque dentraner des incohrences voire des contradictions, on peut par exemple dfinir :
1. Reproduction faite avec lautorisation dAfnor
Q Editions dOrganisation
CHAPITRE 4
89
3.
PLAN QUALIT
90
QUALIT EN PRODUCTION
gamme de fabrication, les plans de contrle avec leur protocole de mesure, la liste des
diffrents essais, etc.
4.
LES PROCDURES
CHAPITRE 4
91
le comment, qui prcise les documents, les imprims ou les outils de rfrence pour
laction concerne ;
si ncessaire le quand, le o, le combien.
Elle prouve que le processus est rpertori et matris. Cette preuve va rassurer la
direction en interne et le client en externe, en particulier toute dcision de modification
sera valide et enregistre.
4.3 Rdaction
4.3.1 Le fond
La dcision de crer une nouvelle procdure fait suite un dsir de formaliser un
savoir-faire. Il faut crire ce qui est rellement fait et non ce que lon voudrait qui soit
fait.
La modification dune procdure est souvent engendre par une action corrective suite
lapparition dun dysfonctionnement.
(2)
1
n=0
Q Editions dOrganisation
92
QUALIT EN PRODUCTION
Logo de la socit.
Type de document.
Titre du document.
Rfrence.
Date de cration (voire dmission).
Pagination (ime page / n pages).
Explications
Lobjet de lactivit
Le QUOI de la procdure
Le traitement de la procdure
Q Editions dOrganisation
CHAPITRE 4
93
Instructions
Ref : I1303a
Date : xx yy zz
Dcision de retouche
dun produit non conforme
Service qualit
Page : 1/1
Qui
Responsable
Assurance
Qualit (RAQ)
Quoi
Comment
Stock en caisse
rouge dans la
zone disolement
Produit
non conforme
DTECT & ISOL
Contrleur
Analyse du produit
Identification des dfauts
Mesure systmatique
par la mtrologie
RAQ
Dcision de
RETOUCHE
Suivant dcision
P-V mtrologie
Produit
DTRUIT
Mise la benne
RAQ
Nouvelle identification
F rouge : I1303x
Service retouche
Retouche en production
Dossier de fab :
I1303y
RAQ
Produit
CONFORME
Auto-contrle
Essais finals
Secrtariat
Enregistrement
livraison
Livraison client
Diffusion :
Rdaction
Nom :
Date :
Visa :
Q Editions dOrganisation
Service Qualit
Direction
94
QUALIT EN PRODUCTION
5.
La gestion des procdures et leur mise jour doivent tre assures par le service
qualit, conformment aux recommandations du chapitre 4.2.3 de la norme (Matrise
des documents). La gestion doit tre prcise dans le manuel qualit ou dans une
procdure spcifique. La codification et la diffusion demandent une attention particulire.
5.1 La codification des procdures
Il est souhaitable que le code comporte de linformation. Cette rflexion ne doit pas
tre faite dans la prcipitation, car toute modification ultrieure sera lourde de consquences. Nous prsentons succinctement trois pistes possibles de codification. Une
combinaison de ces trois exemples peut engendrer une nouvelle possibilit de codification, cette rflexion doit tre mene au sein de lentreprise en consultant les diffrents
utilisateurs potentiels.
Exemple 1
On dcide de rattacher le code de la procdure au chapitre de la norme concerne.
7.00/a : procdure de niveau 2 (indice 00) prcisant la ralisation du produit
(chapitre 7 de la norme ISO 9001). Lindice 00 est rserv la procdure mre .
Les procdures filles (niveau 3) seront classes 7.01, 7.02, etc. La lettre a
indique lindice de rvision.
Exemple : 7.08/c : instruction de niveau 3 concernant lopration de trempe par
bain de sel.
Ce systme est pratique pour tre sr que toutes les exigences de la norme sont
bien prises en compte. Le gros inconvnient est ladaptation future aux nouvelles
versions de la norme.
Exemple 2
Beaucoup dentreprises utilisent des codes se rfrant aux processus rpertoris
(gestion, production, montage, achats, etc.).
Exemple : PRO/012/b
Q Editions dOrganisation
CHAPITRE 4
95
Exemple 3
Profitant de larchivage informatique, certaines entreprises conservent le chemin
daccs au fichier comme code :
Exemple : L :\QUAL\PROC\ActCor_a.doc
la raison sociale ;
le titre ;
le code (intgrant la dernire rvision) ;
la date ;
la pagination incluant le nombre de pages ;
lmetteur ;
la validation du service qualit.
6.
LES ENREGISTREMENTS
7.
Cest une des missions les plus importantes du service qualit. Avec laide des traitements de texte, on risque de voir une prolifration anarchique des documents. Un
minimum de rigueur est ncessaire, en particulier si lon dsire informatiser cette tche.
Q Editions dOrganisation
96
QUALIT EN PRODUCTION
Codification
Contenu
metteur
Diffusion du document
Destinataires
Requtes
Approbations
Historique
Q Editions dOrganisation
CHAPITRE 4
97
entre
sortie
PROCESSUS
98
QUALIT EN PRODUCTION
Entres externes
MMOIRE
Sorties externes
TRAITEMENT
Q Editions dOrganisation
CHAPITRE
Dans ce chapitre, nous parlerons dauto matrise bien que le terme le plus souvent
rencontr dans les entreprises soit le terme auto contrle. Ce choix est volontaire pour
bien dissocier lauto matrise des tches habituellement incluses dans lauto contrle.
Nous dfinissons lauto matrise par : lensemble des actions ncessaires sur le poste
de travail pour garantir sa performance en terme de qualit, dlai, cot, scurit et
environnement.
Lobjectif de lauto matrise est de donner un maximum dautonomie loprateur
en liminant les foyers de non performance. Une dmarche auto matrise permet de
donner de la cohrence au niveau du poste de travail lensemble des actions qui
sont dcides sur le plan stratgique.
Au cours de ces vingt dernires annes, le concept de qualit a profondment volu.
Partant dune vision trs centre sur la conformit aux spcifications des produits, elle
arrive une vision plus globale visant amliorer la performance industrielle pour
une plus grande satisfaction du client. Plusieurs tapes sont lorigine de ces volutions dont on peut citer sans tre exhaustifs :
Larrive de la notion de qualit totale qui permettait de dpasser la simple conformit.
LISO 9000 dabord organise en chapitres afin de prvenir les principales sources
de dfaillances, puis avec une vision processus davantage tourne vers le client et
avec un souci de performance industrielle.
La dmultiplication de lutilisation des outils statistiques et mthodologiques comme
les plans dexpriences, la Matrise Statistique des Processus, le QFD, lAMDEC...
Lintgration des notions damlioration continue telles que le KAIZEN et damlioration par perces telles que lapproche Hoshin.
Lintgration de dmarches de progrs permettant dorganiser les diffrents outils
en les repositionnant par rapport une approche de gestion par projet telles que
Six Sigma, Shainin...
Q Editions dOrganisation
100
QUALIT EN PRODUCTION
1.
Garantir la performance dun poste de travail, cest mettre en place un systme capable
de rendre le poste robuste par rapport aux pertes de performance du processus. Par
perte de performance, nous entendons plusieurs lments : qualit, cots, dlais, scurit, environnement.
Q Editions dOrganisation
CHAPITRE 5
Performance
Axe de la
connaissance
Miracle
Expert
Expert
Recette
Industrialisation
Axe de
la formalisation
102
QUALIT EN PRODUCTION
A
Mauvaise
B
Partielle
C
Parfaite
Cas du savoir-faire du
compagnon. Tant que cest un
expert qui fait, il ny a pas de
problme rcurrent
2 Incomplte
3 Pousse
Q Editions dOrganisation
CHAPITRE 5
Ces trois axes semblent dcrire de faon exhaustive lensemble des pertes de performances rcurrentes. Toutes les dfaillances rcurrentes que nous avons analyses ont
pour origine un ou plusieurs axes qui nont pas t correctement traits ou dont le
degr de satisfaction a diminu. On conoit aisment quun processus parfaitement
matris dun point de vue connaissance, dont les rgles ont t formalises et sont
appliques avec rigueur nest pas candidat aux problmes rcurrents. Pour illustrer ce
propos, nous allons restreindre le problme aux deux premiers axes de la connaissance
et de la formalisation. Dans les faits, plusieurs niveaux de formalisation et de connaissance peuvent exister. Le tableau (figure 5.2) met en relation le niveau de connaissance
que nous avons sur un sujet donn et la formalisation qui a t faite sur ce sujet. Cest
partir de ce constat que nous pourrons fixer une gravit pour chacun des cas.
Par rapport ce tableau, dans lhypothse dune application conforme des rgles (le
troisime axe de lespace de dfaillance), les problmes apparaissent de manire trs
critique en A1, de manire critique en A2, B1, B2, de faon plus rare en A3, B3, C1,
C2 et de faon exceptionnelle en C3.
1.3 Aspect dynamique de la dfaillance
La premire analyse de ce tableau pourrait laisser penser quun processus parfaitement
connu ayant fait lobjet dune formalisation pousse avec une application conforme
nous met labri de la rcurrence des problmes. Malheureusement la situation dans
cet espace de la dfaillance nest pas statique mais dynamique et on peut tout moment
glisser selon un des trois axes.
Q Editions dOrganisation
104
QUALIT EN PRODUCTION
2.
Lauto matrise est une approche globale des moyens de production permettant de
garantir leur performance et de se protger contre les dfauts rcurrents. Elle consiste
mettre en uvre une analyse globale dun processus afin de matriser les trois aspects
formalisation, progrs, anti-recul. Ce nest pas une nouvelle version de lautocontrle
ou de lauto maintenance, mais bien une approche globale permettant de donner la
cohrence au niveau du poste de travail lensemble des dmarches de progrs mises
en uvre dans lentreprise.
Q Editions dOrganisation
CHAPITRE 5
Informations
Informations
Qualit
qualit
FICHE DE POSTE
Tche raliser :
Mthodes
dfinies et formalises
Processus de
mesure
Adapt
Moyen capable
Processus valid
Maintenance ralise
R
Rdacteur : ..Date
Client satisfait !
Matire
composants conformes
Milieu
Environnement sain,
propre,
rang, ergonomique
Suivi de la performance
Main duvre
qualifie, forme
Un poste en auto matrise doit tre capable de garantir une performance leve. Pour
cela, il faut matriser deux processus :
le processus de mesure ;
le processus de production.
Chacun de ces deux processus tant dcompos en 5 M (figure 5.4). Une erreur souvent
faite dans la littrature consiste inclure la Mesure comme un sixime M du processus
de production. Cela revient sous estimer considrablement limportance de ce processus qui selon notre enqute est pourtant source de nombreuses dfaillances.
No Processus de production
Processus de Mesure
106
QUALIT EN PRODUCTION
La mise en place de lauto matrise consiste, pour chacun de ces deux processus,
matriser les cinq M (Machine, Mthode, Matire, Milieu, Main duvre). Cela doit
se faire au travers dune dmarche structure pour aborder la fois les aspects statiques
(formalisation) et dynamique (gestion des vnements).
3.
3.1 La dmarche
1. Former le personnel concern par ltude
2. tablir la cartographie du processus
8. Mettre en uvre
les moyens pour
que loprateur
assure la performance de son
poste en autonomie
Aspect progrs
Aspect formalisation
9. Mettre en uvre
les moyens pour
formaliser les
pratiques et le
savoir faire
Q Editions dOrganisation
CHAPITRE 5
La dmarche de mise en uvre de lauto matrise doit permettre de mettre en uvre les
trois piliers Formalisation/Connaissance/Application. Elle est constitue de deux branches :
La partie formalisation qui a pour objectif de continuer bien faire ce que lon fait
dj bien. Elle part de lanalyse globale du processus pour dterminer les postes
critiques et consiste identifier de faon prventive tous les foyers de non performance. Dans cette partie, les actions seront prises de manire bloquer lapparition
des dfaillances, et donner de lautonomie loprateur. Cette partie est troitement
lie au systme de management des connaissances (KM) de lentreprise.
La partie progrs qui doit tre active chaque fois quon a identifi une dfaillance
potentielle ou quune dfaillance est survenue prouvant ainsi linsuffisance du systme actuel. Cette partie progrs doit tre troitement lie au systme de traitement
des actions correctives et la gestion des dmarches de progrs.
La partie anti-recul est ralise par la mise en place dun systme dindicateurs de
performance et daudit fond sur un questionnaire daudit de poste en auto matrise
sur lequel nous reviendrons.
M concerns
Obligatoire
Moyen
Oui
Mthode, Mesurande,
Main duvre, Milieu
Oui
Moyen, Mthode
Si ncessaire
Mthode
Q Editions dOrganisation
Oui
108
QUALIT EN PRODUCTION
Q Editions dOrganisation
CHAPITRE 5
Niveau
Mthode
Poste
Moyen
Poste
Main duvre
Atelier
Mthode Moyen
Poste
Mthode Moyen
Atelier, Poste
Moyen Mthode
Main duvre
Poste
Main duvre
Atelier, Poste
Poste
5S
Milieu
Main duvre
Atelier
Auto-maintenance
Moyen
Poste
Main duvre
Milieu
Poste
Comme dans la matrise du processus de mesure, lensemble des actions dcrites dans
le tableau (figure 5.7) nest ni exhaustif, ni obligatoire. Il est par contre indispensable
que les pilotes chargs de mettre en place lauto matrise connaissent parfaitement ces
mthodes et outils afin de dimensionner au juste ncessaire les actions mettre en
place. LAMDEC joue un trs grand rle dans ce dimensionnement. Une action nest
mise en uvre que si lAMDEC a dmontr son importance.
Au cours de cette phase de formalisation plusieurs amliorations sont gnralement
proposes par rapport lexistant permettant ainsi de progresser dans lespace de
dfaillances suivant les deux axes connaissances et formalisation.
110
QUALIT EN PRODUCTION
La mise en place de lauto matrise doit inclure une dmarche rigoureuse de traitement
des non conformits. Trop souvent les dmarches de traitement des non-conformits
se contentent de rpertorier les dfaillances et de grer la clture du dossier. Dans une
dmarche auto matrise, nous devons imposer un formalisme plus complet du traitement de ces non-conformits. Pour cela chaque non conformit doit faire lobjet dune
analyse de type AMDEC a posteriori dont le but est de dcortiquer la chane
causale qui a conduit cette dfaillance. Cette AMDEC a posteriori permet de bien
dfinir les leviers daction qui peuvent tre sur la cause elle-mme, sur la dtection
ou plus rarement sur la gravit. Cette analyse est suivie dune action trois niveaux :
Action de confinement (containment) permettant de traiter court terme le problme ;
Action contre la rcurrence permettant de prvenir la rapparition du problme ;
Action de capitalisation des connaissances : est-il ncessaire de capitaliser la nouvelle connaissance et si oui comment ?
Le deuxime point (action contre la rcurrence) permet dalimenter soit les dmarches
damlioration continue lorsque le progrs ne ncessite pas une remise en cause importante du processus soit dune amlioration par perce lorsque le progrs ncessaire est
dune telle ampleur quil ncessite une remise en cause importante.
Chaque action dcide sera planifie et sa mise en uvre suivie dans la dmarche auto
matrise. Ce suivi ncessite la mise en place dun traitement trois niveaux en fonction
de limportance de la dfaillance :
Niveau 1 Local : La dfaillance est mineure et non rcurrente, elle peut tre traite
localement sans ncessiter danalyse particulirement dtaille. On se contente de
suivre le nombre de dfaillances locales en cours de traitement .
Niveau 2 Amlioration continue : La dfaillance bien que mineure est rcurrente.
La dfaillance demande une phase danalyse plus importante, mais lamlioration
ncessaire reste du domaine de lamlioration continue. Lanalyse de cette dfaillance sera traite de faon formelle avec une approche de type PDCA de Deming.
Niveau 3 Amlioration par perce : La dfaillance est majeure, les consquences
conomiques sont importantes pour lentreprise. Dans ces conditions on doit orienter
le traitement de la dfaillance vers une amlioration par perce en utilisant des
approches compltes danalyse telle que lapproche Six Sigma ou Hoshin.
Q Editions dOrganisation
CHAPITRE 5
Donnes
Qualit
Dlais
Cots
TRS
Scurit
Environnement
Pour cela chaque poste de production doit tre suivi par un certain nombre dindicateurs
de performance (figure 5.8) permettant de mesurer la situation selon les cinq objectifs
(Qualit, Dlais, Cots, Scurit, Environnement). Certains de ces indicateurs sont
suivis partir des relevs raliss au poste (exemples : capabilits, retouches), dautres
sont suivis partir daudits (exemples : propret, rangement)
4.
Lauto matrise est la traduction de nombreuses dmarches damlioration de la performance industrielle. Aussi, de trs nombreux outils sont disposition de lauto matrise. Il serait fastidieux de les lister tous, nous nous contenterons des lments les plus
spcifiques. La figure 9 montre les lments que lon trouve traditionnellement sur un
poste en auto matrise pour le processus de mesure et le processus de production.
Processus de mesure
Niveau Atelier
Moyen
4 autres M
Procdure R&R
Q Editions dOrganisation
Instruction de contrle
Gamme de contrle
Outils de collecte de donnes
112
QUALIT EN PRODUCTION
Processus de production
Matire
Niveau
Atelier
Niveau
Poste
Assurance
qualit
fournisseur
Dfinition
(plan)
Machine
Mthodes
Cartographie
du processus
AMDEC Moyen
Capabilits
prliminaires
Traitement des
actions
correctives
Plan de
maintenance
Feuille de poste
de 1er niveau
Poka Yoke
Instructions de
poste
Main duvre
Milieu
Procdure
Dmarche 5S
gnrale de
Procdure
traitement de NC
gnrale de
Tableau des
nettoyage et de
comptences
rangement
Suivi des
Traitement des
formations
dchets collectifs
Mthode de
traitement des
produits non
conformes
Check List
Rfrence de fin
de poste
Seiri (dbarras)
Seiton (rangement)
Seiso (nettoyage)
Seiketsu (ordre)
Shitsuke (rigueur)
Mise niveau
Maintien de lacquis
Q Editions dOrganisation
CHAPITRE 5
Actions
1. Dbarras
2. Rangement
Dfinir une place pour chaque chose (emplacements fonctionnels, zones, implantation, affichage...).
Ranger chaque chose sa place.
3. Nettoyage
4. Ordre
5. Rigueur
La mthode est simple, mais doit tre applique avec une grande rigueur si lon veut
obtenir des rsultats durables. Pour une plus grande efficacit, il est ncessaire de
mettre en place dans lentreprise une organisation 5 S dans le but de :
114
QUALIT EN PRODUCTION
La seconde tape consiste vrifier que le processus de contrle est adapt et quil ne
provoque pas de dispersion de rptabilit et de reproductibilit. La rptabilit est la
dispersion dune mesure rpte dans les mmes conditions (mme oprateur par exemple) la reproductibilit reprsente la dispersion observe due la rptition de la mesure
dans diffrentes conditions (diffrents oprateurs par exemple). Cette seconde tape
ncessite la ralisation dun test R&R (Voir chapitre 13)
La figure 5.11 donne un exemple dun plan de contrle dans le cas de la dcoupe
dune paille.
Plan de surveillance local
Op
Critre
surveiller
Valeur
Moyen de
contrle
Quant
&
Frq
Qui ?
O ?
Conformit
des
outillages
Visuel
1/jour
Epaisseur
du trait
Suivant
rfrentiel
Visuel
Aspect paille
Suivant
rfrentiel
Perpendicularit de la
coupe
Longueur
mode
oprat
Suivi
Raction si
nonconforme
Oprateur
Mise en
conformit
100 %
Oprateur
Changer
stylo
Visuel
100 %
Oprateur
Non
conforme
sur feuille de
relev
Afftage
ciseaux
90o
Visuel
100 %
Oprateur
10 0,5
Pied
Coulisse
3/H
Oprateur
MO25
Rgler
Non
conforme langle des
sur feuille de ciseaux
relev
Graphique
SPC
Rglage
Tri de la
dernire
heure
CHAPITRE 5
Exemples
Fonction
Par contact
Valeur
Contrle
de mouvement
Alerte
sensorielle
00253
Lorsque lanalyse du poste est ralise (AMDEC Processus), sil reste un risque de
gnrer des productions non conformes, on doit systmatiquement rechercher un systme zro dfaut permettant soit dempcher la production du dfaut, soit de garantir que le produit dfectueux ne puisse pas quitter le poste.
Chaque point zro dfaut peut galement avoir sa propre drive et ne plus garantir
labsence de non-conformits si on ne ralise pas un plan minimum de maintenance
Q Editions dOrganisation
116
QUALIT EN PRODUCTION
de premier niveau. Pour viter cela, chaque point zro dfaut devrait tre identifi,
et faire lobjet dun plan de maintenance prventive au mme titre quun instrument
de contrle.
Par exemple, pour garantir la qualit et le bon droulement dun soudage laser,
on tablit une check list de vrification :
de lutilisation des bons outillages ;
des rglages des paramtres machine ;
de validation du plan de maintenance de premier niveau.
la fiche de poste ;
le plan de contrle local ;
les modes opratoires, les fiches dinstruction ;
les plans de maintenance de premier niveau ;
...
CHAPITRE 5
DPO =
1. Le lecteur souhaitant plus dinformation sur ce calcul des capabilits prliminaires pourra utilement
lire louvrage Appliquer la Matrise Statistique des Processus , M. Pillet, ditions dorganisation, 2005.
Q Editions dOrganisation
118
QUALIT EN PRODUCTION
FICHE DE POSTE
Atelier : TD
Poste : Dcoupe
Dcoupe
2
1
Une seule marque la fois
Surveiller lpaisseur du trait
1-
Date :
Numro : ..
Les lments essentiels que lon doit trouver sur la fiche de poste sont les suivants :
lidentification du poste ;
lidentification de la tche ;
les comptences requises pour accomplir la tche ;
Q Editions dOrganisation
CHAPITRE 5
La fiche de poste ne doit pas tre un document lourd, elle doit comporter un minimum
dcriture. Parfois quelques schmas ou photos bien adapts sont plus efficaces quun
long discours. Enfin, il faut veiller mettre en place les processus ncessaires pour
faire vivre lensemble de ces documents. Pour cela un progiciel de gestion documentaire capable de grer les liens entre lensemble des documents produits/processus
savre trs utile.
4.4 Les travaux de maintenance raliser
Un poste nest dclar en auto matrise que lorsque la capabilit du poste a t dmontre. Mais il faut garantir que dans le temps, cette capabilit ne se dgrade pas. Pour
cela, la mise en place dun plan de maintenance prventive est indispensable.
La fiche de maintenance premier niveau est le document qui rsume les oprations de
maintenance ncessaires sur le poste de travail et qui incombent loprateur. Il sagit
gnralement doprations simples telles que des surveillances de niveaux, des talonnages, des graissages... Dans les cas simples, cette fiche de maintenance est intgre
la fiche de poste.
4.5 Les comptences ncessaires
Bien que le processus de production soit formalis au travers des diffrents documents
que nous avons dcrits, il est indispensable pour garantir la qualit des productions de
sassurer de la comptence des oprateurs qui doivent remplir la tche (ISO9001 6.2).
Cest pourquoi, un des lments importants de la fiche de poste est la dfinition des
comptences ncessaires. Peu de postes ne ncessitent pas de formation. Au minimum,
on devrait trouver une formation aux tches spcifiques du poste.
Afin de pouvoir grer la polyvalence dans un atelier, il est utile de disposer dun
tableau de comptences prcisant pour chaque oprateur :
les formations fonctionnelles suivies ;
laptitude travailler sur les diffrents postes.
4.6 Le traitement des non-conformits
Sur un poste, avec ou sans auto matrise, il est bien sr possible de trouver des produits
dfectueux. Lorigine de ces dfectueux peut tre de deux types :
Q Editions dOrganisation
120
QUALIT EN PRODUCTION
dfectueux sur des pices provenant des oprations prcdentes et identifis par
loprateur du poste ;
dfectueux sur des produits raliss sur le poste.
Quelle que soit lorigine de cette non-conformit, il est absolument indispensable de
disposer dune procdure claire de gestion des non-conformits (ISO 9001 8.3).
Le but de cette procdure est double :
figer la faon dont seront isols les produits non conformes afin dinterdire un
mlange accidentel avec des produits conformes ;
figer la faon dont seront comptabilises les non-conformits afin denrichir lindicateur du cot de la non qualit.
Pour simplifier ce traitement des produits non conformes sur les postes de travail, le
plus simple consiste crer des habitudes visuelles telles que lutilisation systmatique
de botes rouges pour placer les produits non conformes. Rien nest plus dangereux
que de laisser chaque oprateur avoir sa propre mthode pour carter les produits non
conformes. Le premier les met sur le coin droit de sa table de travail alors que le
second les met lui sur le coin gauche. Il est vident que dans ces conditions, on ne
peut pas viter quune manipulation accidentelle rintgre les produits dfectueux avec
les produits conformes.
La comptabilisation des cots de non-conformit se fait gnralement par le biais de
la feuille de relev.
4.7 La saisie des informations qualit
La mise en place de lauto matrise se traduit par une dlgation de la dcision de
conformit au niveau de loprateur. Cest loprateur qui prend la dcision de classer
un produit conforme ou non conforme. Si lon veut suivre lvolution de la non-qualit
dans lentreprise, il est absolument indispensable de relever la source les informations
sur la qualit produite. Cest le rle de la feuille de saisie. Un poste en auto matrise
doit ncessairement disposer dune feuille de saisie.
Pour tre efficace, celle-ci doit tre le plus visuel possible. Il est plus facile dinterprter
un graphique quune liste de chiffre. Plusieurs modles de feuilles de relevs peuvent
tre conus partir des critres de conception suivants :
la facilit de relev par loprateur ;
la facilit de lecture des relevs ;
la facilit darchivage.
La figure 5.14 donne un exemple de feuille de relev, combinant un suivi de dfauts
visuels et un suivi par carte de contrle aux mdianes dune caractristique mesurable.
Q Editions dOrganisation
CHAPITRE 5
8 h 30
9 h 30
11 h 00
Date : ...12.01.1995..............................
Atelier :......B12.....................................
Contrleur : ....M. Deront........................
Nombre de non-conformits
8
22
6
5
41
11 h 15
13 h 30
14 h 35
15 h 15
16 h 15
6
4
2
0
-2
-4
-6
Q Editions dOrganisation
122
QUALIT EN PRODUCTION
Exemple dindicateurs :
Suivi dans le temps des % de NC.
Suivi des indicateurs de capabilit Cp, Pp, Ppk.
Le plus efficace est de crer un retour dinformation en temps rel. Les cartes de
contrle jouent parfaitement ce rle puisque ds que loprateur trace son point, il peut
interprter les volutions de sont processus.
Le lieu daffichage doit tre un lieu de vie. Il est tout fait souhaitable dorganiser
une fois par semaine une petite runion autour du lieu daffichage pour discuter :
5.
Comme on la dit au dbut de ce chapitre, lauto matrise a pour but de formaliser les
processus opratoires et de valider si ce processus ne drive pas. Pour atteindre cet
objectif, nous avons vu quil y a un certain nombre dtapes franchir pour pouvoir
dclarer le poste en auto matrise.
Lors de la situation de vie du poste, il faut galement garantir la stabilit du processus
opratoire par le respect de ce qui est crit.
Pour valider ces points, on utilise un questionnaire daudit comme celui donn en
exemple ci-dessous. Ce questionnaire en 20 questions permet de faire lvaluation dun
poste en auto matrise. Lvaluation se fait suivant la mthode IEMSE :
I (Inexistence) : Ce point nest pas trait sur le poste audit ;
E (Existence) : Il existe une rponse montrant que le poste a pris en compte le point ;
M (Mthode) : La rponse la question est traite selon une mthode susceptible
dtre gnralise ;
S (Systmatique) : La rponse est traite avec mthode, et lapplication terrain est
effective et systmatique (prennit dans le temps) ;
E (Exemplarit) : La mthode, son application et ses rsultats mritent dtre communiqus lextrieur parce quefficace, efficient, simple ...
Pour pouvoir tre dclar en auto matrise, un poste doit au moins tre caractris par
Mthode tous les points de laudit ci-aprs. Cependant, ce questionnaire ne prend
pas en compte laspect dynamique de lauto matrise quil faut bien entendu matriser
galement.
Q Editions dOrganisation
CHAPITRE 5
Enregistrement
et suivi
Procdures de Moyens de
contrle
mesure
Formalisation
Moyens/mthodes
Main d'uvre
Environnement
et scurit
Matrise de la mesure
5M
Q Editions dOrganisation
E M S
Deuxime
partie
Les outils de la qualit
QUALIT EN PRODUCTION
Aprs avoir pass en revue les lments du systme qualit, nous abordons
les principaux outils damlioration de la qualit des produits depuis la dfinition des spcifications jusqu la production.
Nous prsentons dans le chapitre 6 les outils de base de la rsolution de
problmes qui facilitent le travail de groupe et qui sont indispensables
tous les cercles de qualit, groupes de progrs ou autres.
Pour amliorer la qualit des produits et des processus, nous dveloppons
dans le chapitre 7 les principes du QFD, outil qui permet de mieux tenir
compte de la volont des clients.
Les plans dexpriences aident les entreprises progresser dans la matrise
de la conception de produits nouveaux et dans la matrise des procds de
fabrication. La mise en uvre, illustre dexemples pratiques est traite au
chapitre 8.
LAMDEC dont le but est de prvenir les dfaillances potentielles dun produit, dun processus de fabrication ou encore dune organisation sera aborde au chapitre 9.
Le chapitre 10 sera consacr ltude dtaille de la MSP ou SPC (Statistical
Process Control) o nous dvelopperons les aspects tels que les cartes de
contrle et les tudes de capabilit.
Un autre aspect du contrle concerne le contrle de rception sous deux
formes : le contrle par attributs et le contrle aux mesures. Ces deux formes
seront dveloppes au chapitre 11.
Q Editions dOrganisation
CHAPITRE
Comme nous avons pu le constater dans les chapitres prcdents, la qualit en production demande une organisation rigoureuse base sur un modle. Cependant, le
systme qualit nest pas suffisant pour obtenir seul des produits de bonne qualit. Il
faut galement des outils, souvent trs simples, connus de tous, qui permettent la
rsolution des problmes quotidiens de lentreprise. Nous prsenterons dans ce chapitre les outils de base de la rsolution de problmes qui facilitent le travail de groupe
et qui sont indispensables tous les groupes de progrs. Ces outils doivent naturellement tre complts par dautres outils plus sophistiqus tels que les plans dexpriences, lAMDEC ou le QFD pour donner toute leur efficacit. Ces outils plus
complexes seront prsents individuellement dans les chapitres suivants. Dune faon
plus globale, la mise en place des mthodes de rsolution de problme doit tre
intgre dans une approche globale de la performance industrielle telle que Six Sigma
que nous prsenterons ultrieurement dans cet ouvrage.
1.
128
QUALIT EN PRODUCTION
forment les fondations dune culture dentreprise pour lapproche formelle dune solution. On les a longtemps appels les sept outils des cercles de qualit .
Bien que largement diffuss dans toutes les entreprises qui pratiquent le travail de
groupe, les sept outils de base de la qualit ne sont notre avis pas encore assez
utiliss. Pourtant, ce sont tous des outils graphiques, simples, applicables par lensemble du personnel dune entreprise. Leur objectif est de rsoudre facilement la plupart
des petits problmes de production. Ces outils sont souvent anciens. Loriginalit de
la prsentation en sept outils est den montrer lunit et de solliciter leur utilisation
dans un cadre de production. Il existe plusieurs variantes dans lidentification des sept
outils de base, gnralement on trouve :
la feuille de relevs ;
le diagramme de concentration de dfauts ;
lhistogramme ;
le diagramme en arte de poisson ;
le diagramme de corrlation ;
le diagramme de Pareto ;
la carte de contrle.
Le principe de base est simple, pour comprendre, il faut voir. Cest pour cela que tous
les outils sont des outils graphiques.
Ces outils ont pour but de :
donner des moyens simples tous les membres de lentreprise pour rsoudre les
problmes ;
pouvoir tre utiliss par lensemble du personnel de lentreprise ;
tre adapts au travail de groupe, car ils sont visuels et consensuels.
Bien sr, il ne faut pas avoir la religion des sept outils et ne pas hsiter en utiliser
dautres. Cependant lutilisation intensive de ces reprsentations graphiques permet
aux entreprises de progresser trs rapidement vers des produits de qualit. Chaque outil
a une fonction bien dfinie quon peut rsumer de la faon suivante :
Fonctions
Outils
la feuille de relevs
lhistogramme
le diagramme de corrlation
le diagramme de Pareto
Matriser le procd
la carte de contrle
Q Editions dOrganisation
CHAPITRE 6
Date : ...12.01.1995..............................
Atelier :......B12.....................................
Contrleur : ....M. Deront........................
Nombre de non-conformits
8
22
6
5
41
La figure 6.1 donne un exemple de feuille de relevs utilise au test final de circuits
lectroniques. On note la facilit de saisie des informations, en cas de dfaut, il suffit
de cocher la case prdtermine correspondante. La collecte des informations partir
de cette feuille est alors vidente.
1.3. Le diagramme de concentration de dfauts
Ce diagramme joue un peu le rle dune feuille de relevs. Il permet de visualiser
rapidement les points faibles dun produit. Chaque fois quune dfaillance apparat sur
un produit, on marque lendroit sur un dessin par un point. Le schma illustre tout de
suite les points faibles du produit. Dans le cas de la figure 6.2, on note les dfauts de
collage observs aprs un test de vieillissement acclr sur des chaussures. Bien que
le nombre de dfauts soit le mme dans les deux cas, on distingue deux situations fort
diffrentes. Dans le premier cas on peut suspecter un paramtre gnral comme la
colle, la temprature. Dans le second cas, cest clairement un dfaut de pression localis
qui est le principal suspect.
Q Editions dOrganisation
130
QUALIT EN PRODUCTION
Collage de chaussures
Dfaut : dcollement
Cas 1
Cas 2
1.4 Lhistogramme
Lhistogramme permet de reprsenter les donnes sous forme graphique. Chaque barre
est proportionnelle la frquence dapparition dune valeur lintrieur dune classe.
Il permet didentifier lexistence dun modle applicable (loi normale, loi de dfaut de
forme...). Il illustre galement les relations entre les valeurs releves et les valeurs de
rfrence (cote nominale, mini, maxi).
Intervalle de tolrance
24
Classe
18
17
5
2
9,98
10,005
10,02
Q Editions dOrganisation
CHAPITRE 6
Pour les largeurs de classe gales 0,8 et 1,6, lhistogramme fait apparatre une population mal quilibre et dont la loi ne suit pas une loi normale. Dans le cas de la largeur
de classe gale 2 (bonne rpartition), la production apparat comme symtrique, et
semble suivre une rpartition normale.
Pour construire un histogramme correctement, il faut :
choisir un nombre de classes en fonction du nombre de mesures. On prend gnralement comme nombre de classes la racine carre du nombre de valeur Nc = n ;
choisir une largeur de classe gale un multiple de la rsolution des valeurs. Ainsi,
dans lexemple de la figure 6.4, la dfinition des valeurs tant lunit, il fallait prendre
comme largeur de classe un multiple de lunit. Si les valeurs sont dfinies en micromtre, la largeur de classe doit tre un multiple du micron. Ainsi, la largeur de classe
de 2 microns, a donn la meilleure reprsentation de la distribution.
1.5 Le diagramme de Pareto
Le diagramme de Pareto (du nom de son inventeur) permet de classer les donnes de
la plus importante la moins importante. Il permet de hirarchiser les informations,
afin de se consacrer lessentiel.
Q Editions dOrganisation
132
QUALIT EN PRODUCTION
Causes darrt
Dure (Heure)
% du temps total
Absence oprateur
34,9
15,5 %
Dfaut matire
49,5
22,0 %
Rglage
7,2
03,2 %
7,4
03,3 %
Pannes machine
36,0
16,0 %
83,2
37,0 %
6,8
03,0 %
225
100,0 %
Pourcentage cumul
100 %
Problmes
Divers non
idenfifis
Rglages
Maintenance
prventive
Absences
oprateurs
Pannes
Dfaut
matire
Dfaut sur
pices
0%
Figure 6.5 Analyse des causes des arrts sur une machine
Le diagramme fait clairement apparatre que les deux lments sur lesquels le groupe
doit travailler en priorit sont les dfauts sur pices ainsi que les dfauts matire.
La construction dun diagramme de Pareto est simple :
on ordonne les causes de la plus importante la moins importante ;
Q Editions dOrganisation
CHAPITRE 6
Causes darrt
% du temps total
Cumul du %
83,2
37,0 %
37,0 %
Dfauts matire
49,5
22,0 %
59,0 %
Pannes machine
36,0
16,0 %
75,0 %
Absences oprateurs
34,9
15,5 %
90,5 %
7,4
03,3 %
93,8 %
Rglages
7,2
03,2 %
97,0 %
6,8
03,0 %
100,0 %
225 H
100,0 %
Total
Q Editions dOrganisation
134
QUALIT EN PRODUCTION
Milieu
Mthodes
Casse outil
Main duvre
Absence
formation
Panne
secteur
Panne
machine
Machine
Effet
Arrt
production
Dfaut sur
la nuance
Matire
Cible
i le
Calendrier
Dans cet exemple, le dernier point est hors contrle, lcart entre ce point et la valeur
cible nest plus expliqu par les variations alatoires. On dit quil y a prsence dune
cause spciale.
Q Editions dOrganisation
CHAPITRE 6
Nous reviendrons en dtail sur cet outil dans le chapitre sur la Matrise Statistique des
Procds.
1.8 Le diagramme de corrlation
Le diagramme de corrlation est galement un outil connu mais trop peu utilis. Il
permet de savoir si deux variables voluent de faon commune. Le principe du diagramme est le suivant :
on reprsente les mesures sur un diagramme dont les axes reprsentent les deux
variables ;
chaque mesure reprsente un point, le relev de plusieurs mesures forme un nuage
de points ;
la corrlation apparatra si le nuage est orient suivant une droite.
Q Editions dOrganisation
136
QUALIT EN PRODUCTION
Taille de lenfant
1.3
1.25
1.2
1.15
1.1
1.05
1
1.5
1.6
1.7
1.8
1.9
Taille du pre
Dans lexemple figure 6.8, une corrlation apparat entre la taille du pre et celle de
lenfant, car le nuage de point est orient. Cette corrlation est positive, les deux
variables voluent dans le mme sens.
Absence de
corrlation
Corrlation
positive
Corrlation
positive
forte
Corrlation
ngative
forte
Corrlation
ngative
On peut classer les diagrammes de corrlation en cinq types selon le nuage de points
comme lindique la figure 6.9. De plus, les rsultats graphiques peuvent tre utilement
enrichis par :
Lquation de la droite de rgression qui permet de connatre la pente et lordonne
lorigine de la droite qui passe au mieux des points.
Le coefficient r2 qui indique le pourcentage des variations de Y que lon peut imputer
aux variations de X.
Attention cependant ne pas mlanger corrlation et cause/effet. En effet, si dans
lexemple qui prcde, la corrlation et due une relation de cause effet, il nen est
Q Editions dOrganisation
CHAPITRE 6
pas toujours de mme. En effet, prenons le graphe figure 6.10, il indique une corrlation
entre le poste automobile dans le budget familial et le volume moyen de dchets
mnagers par foyer. Ce nest pas pour autant que les voitures gnrent des dchets
mnagers, mais ces deux facteurs ont une mme cause, non tudie ici : Le pouvoir
dachat .
Volume
moyen en
ordures
mnagres
10
8
6
4
2
0
0
2000
4000
6000
8000
2.
138
QUALIT EN PRODUCTION
le dballage, elle viendra en son temps. Pour tre efficace, un animateur doit inscrire
sur des papiers les lments au fur et mesure quils sortent, et les afficher sur un
mur laide dun adhsif repositionnable. Il est trs important dviter la manie des
tableaux papier, qui ne permettent pas de structurer efficacement le travail aprs le
dballage. Dans un premier temps, les papiers sont colls en dsordre sur le mur et
noncs clairement afin de donner des ides aux autres membres du groupe.
En gnral, il nest pas trs utile de poursuivre pendant trs longtemps le dballage.
Souvent, bien conduit, une demi-heure une heure suffit largement.
De rcentes tudes ont montres quon pouvait grandement amliorer lefficacit dun
dballage dides en le faisant prcder dune premire tape o chaque membre du
groupe produit de faon individuelle les ides quil a sur le sujet. La phase de mise
en commun sappuie ensuite sur cette production individuelle pour lenrichir.
Cependant, le dballage nest quune premire tape. Aprs, il faut classer les donnes
qui sont en vrac au tableau. Pour cela, on utilise les outils tels que le diagramme
dIshikawa autour des cinq M, ou un diagramme des affinits que nous dvelopperons
dans le paragraphe suivant. Cest au cours de ce classement que lutilisation dadhsifs
repositionnables est apprcie. On limine les redondances, parfois on dmultiplie une
ide qui tait comprise diffremment par deux personnes et enfin on regroupe sous la
forme de macro-ides les lments les plus proches.
2.2 Le diagramme des affinits
Le but du diagramme des affinits est deffectuer des regroupements aprs un dballage
dides. En effet, les ides mises sont parfois redondantes, parfois mal comprises par
le groupe. Pour pouvoir utilement utiliser toutes les ides, il faut en quelque sorte faire
un nettoyage des ides .
Pour cela, on relie chaque ide en vrifiant que chaque participant comprend bien la
mme chose que ce qui est crit. On positionne alors lide proximit des ides de
nature similaires. Ce travail de classement permet :
dliminer les redondances ;
de clarifier les ides mises ;
dorganiser et de hirarchiser la collecte.
Pour chaque groupement ralis, on recherchera un titre qui permet de synthtiser les
ides du groupe. Lorsque le nombre dides est important, on peut raliser un second
niveau de regroupement.
La figure 6.11 montre un exemple, un peu lagu, de diagramme des affinits pour
rsoudre un problme de facettes en rectification.
Q Editions dOrganisation
CHAPITRE 6
Conditions
de rectification
Vitesse de rotation
meule
Vitesse de rotation
pice
Avance
Prof de passe
Montage
de la meule
Type de montage
Qualit de
lquilibrage
Liant
Grade
Grosseur des grains
Nature des grains
140
QUALIT EN PRODUCTION
Solutions
Efficacit
Poids (5)
Cot
(Poids 3)
Dlai
(Poids 1)
Note
Globale
4,2
1,2
2,5
27,1
Diminuer la rugosit
2,1
1,7
3,6
19,2
1,3
1,3
1,2
11,6
3,5
2,5
2,1
27,1
2,8
4,6
4,6
32,4
Ce vote montre que le meilleur compromis entre lefficacit, le cot et le dlai de mise
en uvre de la solution est ralis par la solution modifier le diamtre de gorge .
Bien sr, dans ce type de vote, le choix des poids affects chaque critre reste le
problme le plus dlicat.
2.4 Le diagramme forces/faiblesses
Le diagramme forces/faiblesses est loutil que nous utilisons pour comparer deux solutions. Chaque solution fait lobjet dun compromis, et possde des forces, mais aussi
des faiblesses. Le diagramme forces/faiblesses permet de comparer de manire la plus
objective possible les deux compromis et de choisir la meilleure des solutions.
Critres
Faiblesses
4
-3
-2
-1
Forces
2
3
Solution 1
Solution 2
Q Editions dOrganisation
CHAPITRE 6
2.5 Le QQOQCP
Le QQOQCP est un outil qui permet de se poser les bonnes questions avant daborder
un problme. Il nest en effet pas rare des se jeter tte baisse sur une solution sans
avoir fait le tour de la question. Cest une fois la solution mise en uvre que lon
saperoit que lon avait oublier un lment important qui remet en cause la solution
choisie.
Pour tre sr dapprhender le plus compltement possible un problme, il faut se
poser les questions QQOQCP (Qui ? Quoi ? O ? Quand ? Comment ? Pourquoi ?).
La rponse ces questions permet didentifier les aspects essentiels dun problme.
QUI : Qui est concern, par le problme, quelles sont les personnes impliques ?
QUOI : Quel est le problme ?
O : En quel lieu le problme se pose t-il ?
QUAND : quel moment le problme apparat-il ?
COMMENT : Sous quelle forme le problme apparat-il ?
POURQUOI : Quelles sont les raisons qui poussent rsoudre ce problme ?
Enfin, ces questions peuvent chacune tre utilement compltes par un COMBIEN ?
qui permet de donner une rponse chiffre.
Par exemple, la figure 6.14 donne le rsultat que QQOQCP pour un problme de
mauvaise soudure sur un emballage.
Questions
Rponses
Combien
QUI ?
QUOI ?
O ?
Au niveau de la soudure
QUAND ?
COMMENT ?
POURQUOI ?
142
QUALIT EN PRODUCTION
de chacun, on utilisera un outil plutt quun autre. Mais limportant nest pas davoir
une panoplie pleine doutils. Il est prfrable de matriser simplement quelques outils
et surtout de les utiliser !
3.
Une dmarche de rsolution de problme ne doit pas correspondre lutilisation dsordonne de tous les outils que nous venons de dcrire. Au contraire, cest au travers
dune dmarche rigoureuse, balise par des tapes, que ces outils donneront toute leur
efficacit.
Phase
douverture
Rcolter
des faits
(observations
ou mesures)
Rcolter
des ides
de la part des
membres
du groupe
Phase de
fermeture
Classer
les ides
Valider par
des faits
Choisir
Outils :
Outils :
Outils :
Outils :
Feuille de relev
Concentration
de dfaut
QQOQCP
Corrlation
Histogramme
Carte de contrle
Dballage
dides
Causes/effets
Diagramme
des affinits
Pareto
Vote
Forces/faiblesses
Les quatre grandes tapes dune dmarche de rsolution de problme sont les suivantes :
1.
2.
3.
4.
Q Editions dOrganisation
CHAPITRE 6
Problmes
dans
lentreprise
Problme
principal
rsoudre
Causes
principales
du problme
Solutions
apporter
Problme
principal
rsoudre
Causes
principales
du problme
Solutions
apporter
Validation de
la rsolution
par les faits
On verra dans le chapitre consacr Six Sigma que la dmarche DMAIC (Dfinir,
Mesurer, Analyser, Innover/Amliorer, Contrler) reprend notamment cette structure
de rsolution de problme.
3.1 Droulement dune tape
La figure 6.16 montre les diffrentes tapes dune phase dans la dmarche de rsolution
de problme. On note sur cette figure limportance des faits.
Cest partir de faits que le groupe doit commencer sa recherche dide. On a alors
une phase douverture pendant laquelle on sinterdira toute critique.
Suivra alors une phase de fermeture qui a pour objectif de classer les ides et de les
hirarchiser. Un classement des diffrentes ides permettra alors au groupe de faire
des choix selon des critres objectifs. La validation des choix du groupe doit galement
se faire sur des faits partir des mmes outils que la rcolte des faits.
Q Editions dOrganisation
144
QUALIT EN PRODUCTION
CHAPITRE 6
Quoi ?
Qui ?
Quand ?
BE
(Dupont)
S7
Fab
(Durand)
S10
Description de laction
entreprendre
Pourquoi ?
Rsistance au test de
vibration selon norme
Capabilit > 1,33
Description de lobjectif
atteindre aprs mise
en uvre de la solution
146
QUALIT EN PRODUCTION
Q Editions dOrganisation
CHAPITRE 6
Problme :
1
2
Crer Dcrire le
lquipe problme
Date douverture :
Date de fin souhaite :
3
4
5
6
7
8
Mettre en Identifier Identifier Implmenter Prvenir Reconnatre
place les et vrifier les actions et valider
la
les efforts
actions de
les
correctives
les ACP rcurrence
de
lquipe
confinement causes permanentes
racines
(ACP)
Comptence
Responsabilit
Contact
Dfaut :
Situation souhaite
Impacts
Impacts
Qui
Quand
Impact
Q Editions dOrganisation
Date
CHAPITRE
LE QFD
DPLOIEMENT DE LA FONCTION QUALIT
Parmi lensemble des outils qualit, le QFD est un des plus rcents et reste utilis de
faon marginale dans les entreprises europennes. Pourtant, cet outil est dune remarquable efficacit pour la dfinition et la fabrication de produits ou de services orients
vers la satisfaction des clients.
Contrairement aux autres outils qui ont souvent t invents aux tats-Unis et dvelopps au Japon, cette mthode a t invente chez Mitsubishi au Japon dans les
annes 60. Son but est daider les ingnieurs prendre en considration la qualit
des produits le plus tt possible dans le processus de conception. QFD signifie Quality
Function Deployment ce que lon traduit gnralement par Dploiement de la Fonction Qualit.
Nous dvelopperons dans ce chapitre, les principes du QFD, ainsi que les aspects
pratiques de la mise en uvre de cet outil.
Q Editions dOrganisation
150
QUALIT EN PRODUCTION
1. PRSENTATION DE LA MTHODE
1.1 Objectifs du QFD
Lobjectif du QFD se trouve dans sa dfinition :
Le QFD est une mthode permettant de traduire de faon approprie les attentes
du consommateur en spcifications internes lentreprise et ceci tout au long du
dveloppement dun produit, cest--dire :
dans les phases de recherche et de dveloppement ;
dans les phases dtudes, de mthodes et de ralisation ;
dans les phases commerciales et de distribution.
Plusieurs coles se rclament du QFD, mais toutes ont en commun loutil graphique
qui permet de formaliser la dmarche. Nous prsenterons dans ce chapitre lapproche
la plus courante du QFD.
Q Editions dOrganisation
CHAPITRE 7
Marketing
et Commercial
Commercial
Bureau
des tudes
Production
Industrialisation
Figure 7.1 Boucle de la communication
Chaque tape de cette boucle ncessite une traduction, et il importe de ne pas perdre
des informations ni de transformer ces informations au cours de ces diffrentes traductions. Chaque service a tendance avoir son propre langage.
le client exprime de faon plus ou moins claire, plus ou moins explicite ses besoins ;
le service marketing traduira ces attentes en fonction de sa propre perception du
march vers le bureau dtudes ;
le bureau dtudes fera galement voluer le projet en fonction des contraintes techniques qui influeront sur la conception ;
le bureau des mthodes et la production introduiront galement dautres contraintes
lies la fabrication ;
enfin, le produit arrivera vers le client au travers dun rseau de distribution cens
lui fournir le service attendu.
Q Editions dOrganisation
152
QUALIT EN PRODUCTION
Cette boucle de linformation est telle quil nest pas improbable que le client nait
pas ce quil dsire. Pour formaliser ce dialogue entre les diffrents services et limiter
les pertes et les dformations dinformations, on utilisera efficacement le QFD.
1.3 Principe de base de la dmarche QFD
Lobjectif du QFD est de faire entrer dune faon formelle les attentes des clients dans
lentreprise. Pour atteindre cet objectif, le QFD va traduire en diffrentes tapes ces
attentes jusquaux spcifications de production. Nous pouvons schmatiser cette dmarche par la figure 7.2 en prenant lexemple dun client demandant un caf.
Attentes du client
Exemple : le client dsire un caf chaud et bien serr
Comment
Spcifications du produit
Taux de cafine, quantit darme extrait
Temprature comprise entre 70 C et 80 C
Comment
Caractrisiques des pices
Caf Arabica, Granulomtrie
Eau sous pression, temprature 110 C
Comment
Oprations de fabrication
Machine caf pression
Comment
Spcifications de production
Pression de15 bars
Serrage de 1/4 de tour
Les attentes du client sont souvent imprcises et exprimes dune manire qualitative
(caf chaud, bien serr). Il est donc ncessaire de traduire ces attentes sur le produit
fini en spcifications prcises, si possible exprimes dune manire quantitative (temQ Editions dOrganisation
CHAPITRE 7
Chaque passage dun QUOI un COMMENT, cest--dire chaque tape de la dmarche du QFD donne lieu la ralisation dune matrice maison de la qualit .
Q Editions dOrganisation
154
QUALIT EN PRODUCTION
COMMENT
versus
COMMENT
COMMENT
POURQUOI
QUOI
QUOI
versus
POURQUOI
COMBIEN
La maison de la qualit permet de traduire les attentes du client (les QUOI), crites
en lignes, en spcifications du produit (les COMMENT), crites en colonnes. Le principe de base du passage de lun vers lautre est la rponse la question
QUOI/COMMENT tout en assurant davoir rpondu aux questions essentielles POURQUOI et COMBIEN.
La figure 7.3 donne un exemple de matrice QFD simple qui nous permettra de mieux
dtailler les diffrentes zones. Lexemple concerne le dveloppement dun nouveau
stylo bille trs bon march. Seules quelques lignes et colonnes ont t maintenues
pour allger la prsentation.
Q Editions dOrganisation
CHAPITRE 7
trs positive
positive
ngative
trs ngative
>
0,3 < 0,2 > 15 8
2
N 0,1 mm conc cm mm 15 km
49 49 12 49 23 11 11 23
COMBIEN
Valeur cible
Importance absolue
1
2
Importance entreprise
5
4
2
1
3
5
5
1
1
3
5
3
3
1
3
1
2 valuation
3 concurrentielle
4
5
Importance tudiant
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
Poids moyen
Distance dcriture
Inclinaison critique
Diamtre moyen
Longueur du stylo
Densit de la couleur
Largeur du trait
Coef. de frottement
COMMENT
QUOI
POURQUOI
valuation
3
concurrentielle
4
5
156
QUALIT EN PRODUCTION
CHAPITRE 7
3. LA DMARCHE QFD
Le but du QFD nest pas de remplir une matrice, mais damliorer la qualit des
produits conus suivant cette mthode. La matrice reprsente le support qui formalise
la dmarche. Ainsi, en remplissant correctement tous les lments de cette matrice, on
soblige valider successivement toutes les tapes qui mnent au succs. Les tapes
pour la construction de la matrice sont les suivantes :
3.1 Dfinition des objectifs et des moyens
Dans cette premire tape, on dfinit parfaitement :
les objectifs et les limites de ltude ;
la composition de lquipe responsable ;
le balisage et les diffrentes validations qui seront effectues au cours de ltude.
Lquipe responsable du projet doit tre forme de professionnels comptents et capables de communiquer. Le QFD tant un travail dquipe, le sens de la communication
est un impratif.
3.2 Dfinition de la voix du client
Cest sans doute ltape la plus importante du QFD. En effet, lobjectif du QFD est
de parfaitement traduire dans le produit qui sera conu la voix du client. Il est donc
indispensable davoir ralis une tude de march la plus complte possible pour bien
identifier les besoins.
Ltude de la voix du client se traduit dans la maison de la qualit par les zones QUOI
/ POURQUOI / QUOI versus POURQUOI.
Q Editions dOrganisation
158
QUALIT EN PRODUCTION
Importance entreprise
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
Importance tudiant
QUOI exprims
ou implicites
Poids moyen
5
4
2
1
3
5
5
1
1
3
5
3
3
1
3
1
2 valuation
3 concurrentielle
4
5
CHAPITRE 7
interviews individuelles (pour faire ressortir les attentes des personnes silencieuses) ;
coute dans les structures de vente, les foires, salons, expositions, etc. ;
Information existante au sein des archives.
3.3 Dfinition des relations QUOI/COMMENT
A partir de ltude de march, il faut se poser la question : comment satisfaire les
besoins des clients ? . Ainsi, pour chaque QUOI, il faut dfinir le (ou les) COMMENT.
Le client exprime son besoin dans son vocabulaire (il veut un caf chaud, il veut un
stylo qui glisse sur le papier) le technicien doit traduire ce vocabulaire en spcification
technique quantifiable (temprature, coefficient de frottement).
Cependant, un QUOI peut tre rsolu par plusieurs COMMENT, et un COMMENT
peut rsoudre plusieurs QUOI, avec des degrs divers de relations. Pour imager ces
relations entre les QUOI et les COMMENT, le QFD propose dutiliser un tableau
rectangulaire (figure 7.6) dans lequel on symbolisera les relations entre les QUOI et
les COMMENT par une petite icone symbolisant limportance de la relation entre le
QUOI et le COMMENT.
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
1
2 valuation
3 concurrentielle
4
5
Importance entreprise
Importance tudiant
Poids moyen
Distance dcriture
Inclinaison critique
Diamtre moyen
Longueur du stylo
Densit de la couleur
Largeur du trait
Coef. de frottement
POURQUOI
Effort axial minimal
QUOI
COMMENT
Forte
Modre
Faible
5
5
Relation5modre
Relation faible
Relation forte
4
2
1
3
5
1
1
3
3
3
1
3
Q Editions dOrganisation
160
QUALIT EN PRODUCTION
QUOI
COMMENT
COMBIEN
: crit facilement.
: Effort axial minimal pour permettre lcriture.
: Infrieur 0,3 N pour une largeur de trait de 0,15 mm.
Valeur cible
Importance entreprise
5
4
2
1
3
5
5
5Cible
3 atteindre
1pour3 satisfaire le client
1
1
3
3
1
2 valuation
3 concurrentielle
4
5
Importance tudiant
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
Poids moyen
Distance dcriture
Inclinaison critique
Diamtre moyen
Longueur du stylo
Densit de la couleur
Largeur du trait
Coef. de frottement
QUOI
COMMENT
POURQUOI
>
0,3 < 0,2 > 15 8
2
N 0,1 mm conc cm mm 15 km
Q Editions dOrganisation
CHAPITRE 7
POURQUOI
COMMENT
1
2
3
4
5
QUOI
5
4
2
1
3
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
COMBIEN
Valeur cible
Importance absolue
>
0,3 < 0,2 > 15 8
2
N 0,1 mm conc cm mm 15 km
49 49 12 49 23 11 11 23
5
5
1
1
3
5
3
3
1
3
1
2
valuation
3
concurrentielle
4
5
11= 2 1 + 1 9
Cette valuation permet de bien dfinir quelles seront les caractristiques essentielles
du produit vis--vis du client.
3.5 Evaluation concurrentielle des COMMENT
Comme dans le cas des QUOI, pour chaque COMMENT, on doit valuer comment
on se situe par rapport au concurrent. Dans le cas du coefficient de frottement par
exemple, la valeur mesure sur notre stylo est de 0,07 alors que la concurrence va de
0,063 0,095. Le maxi tant fix 0,01 on a mis une note de 3/5. On fait de mme
pour tous les COMMENT de la matrice.
QUOI
Bon
Comment
Mauvais
Combien
162
QUALIT EN PRODUCTION
Ltape suivante dans le QFD, consiste confronter lvaluation des QUOI et des
COMMENT par rapport la concurrence. Cette confrontation se fait gnralement
en utilisant un simple graphique prcisant le niveau dans une chelle BON/MAUVAIS. En rgle gnrale, si une fonction, nest pas bien ralise vis--vis de la
concurrence, les COMMENT correspondants ne sont pas trs bons non plus. Dans
le cas contraire, cela signifie que nous sommes bien placs sur le plan technique,
sans tre bien valus sur le plan de la satisfaction du client. Il y a un conflit quil
est ncessaire dclairer.
5
4
2
1
3
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
COMBIEN
Valeur cible
Importance absolue
POURQUOI
COMMENT
1
2
3
4
5
QUOI
>
0,3 < 0,2 > 15 8
2
N 0,1 mm conc cm mm 15 km
49 49 12 49 23 11 11 23
1
2
valuation
3
concurrentielle
4
5
5
5
1
1
3
5
3
3
1
3
Dans lexemple du stylo, les clients ont jug svrement la qualit de lcriture. Or
ce QUOI est fortement corrl avec la densit de la couleur qui est trs bien note.
Il y a conflit, cela signifie que les clients attendent autre chose que la densit de la
couleur lorsquils parlent dune belle criture . Le besoin du client a mal t
compris.
Q Editions dOrganisation
CHAPITRE 7
POURQUOI
1
2 valuation
3 concurrentielle
4
5
Importance entreprise
Importance tudiant
Poids moyen
Distance dcriture
Inclinaison critique
Diamtre moyen
Longueur du stylo
Densit de la couleur
Largeur du trait
Coef. de frottement
QUOI
COMMENT
Corrlation
Corrlation
Corrlation
Corrlation
Q Editions dOrganisation
164
QUALIT EN PRODUCTION
CHAPITRE 7
Il faut maintenant passer des spcifications du produit aux caractristiques des pices.
Le principe de la construction de cette seconde matrice est le mme que le principe
de la construction de la premire, les COMMENT de la matrice 1 devenant les QUOI
de la matrice 2. Le nouveau client est un client interne.
Ce dploiement continuera encore entre les caractristiques des pices et les oprations
de fabrication, puis entre les oprations de fabrication et les spcifications de production. Les figures 7.12 et 7.13 indiquent les 4 phases de dploiement de la fonction
qualit, depuis les attentes des clients jusquaux spcifications de production.
Comment
Quoi
Combien
Comment
Quoi
Combien
Q Editions dOrganisation
166
QUALIT EN PRODUCTION
Spcification
du produit
Nouveau
Important
Difficile
Caractristiques
des pices
Nouveau
Important
Difficile
Oprations-cls
de production
Spcifications
de production
Nouveau
Important
Difficile
Q Editions dOrganisation
Note dimportance
<
0,2
15
1,25
0,03
63
<
0,02
45
25
1
2
132
5
18
1,29
0,03
51
PP
22
5
<
0,02
45
Sphricit
Matire
Diamtre
0,2 mm
Densit
Largeur du trait
......
Fluidit
Support
Sphricit
3N
Bille
Diamtre
Point dcriture
Encre
Rugosit
Spcifications
dtudes
Importance
Systme
Pices
Caractristiques
critiques des pices
Valeurs cibles
CHAPITRE 7
9 10
On retrouve les spcifications dtude qui ont t fixes pour satisfaire les exigences
des clients dans les QUOI. Les COMMENT sont constitus des diffrentes pices du
produit dclines dans les principales spcifications. Les COMBIEN permettent dinscrire les cibles et les tolrances de chacune des caractristiques.
4.3 Matrice Caractristiques/Oprations
Les objectifs de ce dploiement sont les suivants :
La matrice Caratristiques/Oprations permet pour chaque pice avec ses caractristiques critiques de dployer lensemble des oprations de fabrication et de prciser les
principales spcifications permettant lobtention de ces caractristiques.
Q Editions dOrganisation
168
QUALIT EN PRODUCTION
Macro gamme
Bille
Oprations
Usure matrice
Vitesse rotation
Temps cycle
Cible et tolrance
1,25
0,03
150
daN
< 25
cycles
2500
tr/mn
25
mn
1,65
45
27
42
45
Importance
Pices
et leurs caractristiques
critiques
Valeurs cibles
Pression matrice
Paramtres
critiques
du procd
Rectification
Volume coup
Mise au point
Diamtre bille
1,25
0,03
Sphricit
......
< 0,02
Assemblage
Q Editions dOrganisation
Billes
Rectif
54
Usure
matrice
< 25
cycles
Vitesse
rot
2500
tr/mn
Temps
de cycle
25
mn
Temps de cyle
Multiplication
Mainduvre
Information
sur
lopration
N de contrle
I Directe
Indirecte
Habilit dtecter
ducation et formation
1,65
Difficult contrler
Pression
2,5
0,1
150
daN
Facteur dimportance
Volume
coup
Procdures
requises
pour lopration
valuation
de lopration
Capabilit du procd
Mise
au
point
Paramtres critiques
Oprations du procd
1 = Non critique
3 = Trs critique
Remarques
Contrle de qualit
Entretien prventif
CHAPITRE 7
170
QUALIT EN PRODUCTION
1. Gregg D. Stocker Quality Function Deployement : Listening to the Voice of the Customer, APICS,
1991.
Q Editions dOrganisation
CHAPITRE 7
Q Editions dOrganisation
CHAPITRE
Les plans dexpriences font partie de lensemble des outils de la qualit qui permettent aux entreprises de progresser dans la matrise de la conception de produits nouveaux et dans la matrise des procds de fabrication. Ils forment avec dautres outils
statistiques tels que le SPC et lanalyse de rgression multiple, un ensemble cohrent
dune redoutable efficacit pour rsoudre de nombreux problmes de qualit. Ignorer
ces mthodes aujourdhui, serait se priver dun potentiel important damlioration
pour lentreprise.
1.
174
QUALIT EN PRODUCTION
relativement confidentielle et na pas russi pntrer de faon significative les industries occidentales avant les annes soixante-dix. Une des raisons de ce manque dintrt
des industriels pour la mthode tait probablement laspect trop thorique de lapproche
propose. Il a fallu les travaux du docteur Taguchi dans les annes soixante au Japon
pour que les plans dexpriences pntrent nos usines. Taguchi avec le pragmatisme
qui caractrise les Japonais a su simplifier et clarifier lutilisation des plans dexpriences. Son apport est considrable et la diffusion grande chelle de ses travaux aux
tats-Unis date de la fin des annes soixante-dix. Aujourdhui, les plans dexpriences
reprsentent un outil indispensable tout industriel, du plus petit au plus grand, soucieux damliorer la qualit de ses produits.
1.2 Les plans dexpriences dans lindustrie
Quel que soit le secteur dactivit et quel que soit lindustriel, ce dernier est toujours
amen procder des essais. Or ces essais sont malheureusement trop souvent
conduits sans mthode. On procde par ttonnements successifs, sans planifier de faon
rigoureuse les essais pour obtenir une plthore de rsultats que lon ne sait pas toujours
trs bien exploiter.
Et pourtant, la mthode des plans dexpriences permet de conduire de faon rigoureuse les essais en vue dun objectif parfaitement dfini. Elle permettra, en outre, une
diminution considrable du nombre dessais par rapport aux techniques traditionnelles.
Mais plus encore, elle permettra une interprtation rapide et sans quivoque des rsultats des essais en fournissant un modle exprimental du systme tudi.
En fait, cest exactement ce que recherche le technicien confront un problme. La
mthode, une fois comprise, constitue une tape irrversible dans la carrire de celui-ci
qui ne pourra plus envisager de raliser des essais sans utiliser un plan dexpriences.
2.
CHAPITRE 8
La premire difficult que rencontre le technicien qui souhaite raliser des essais est
de trouver les expriences raliser qui lui apporteront le plus dinformations. Cependant, les difficults de lexprimentateur ne sarrtent pas l, car, une fois les essais
raliss, il faut interprter les rsultats, ce qui nest pas toujours le plus simple !
Rponse
A mini
A maxi
Facteur A
B Moyen
Facteur B
La dmarche traditionnellement retenue pour faire des essais consiste faire varier un
seul facteur la fois. Ainsi, dans le cas de la figure 8.1, pour tudier deux facteurs,
on fixe successivement A et B au niveau moyen pour faire varier lautre facteur du
mini au maxi. Cette mthode, est-elle la mthode optimale ? En effet, le problme se
complique lorsque le phnomne tudi comporte des interactions.
2.2 tude des interactions
Une interaction existe lorsque le systme ne ragit pas un facteur de faon identique
selon la configuration dun autre facteur. Il existe un lien entre les deux facteurs.
La figure 8.2 reprsente le phnomne des interactions. Le premier schma montre un
phnomne sans interaction. On constate que leffet sur la rponse lorsque le facteur
A passe du mini au maxi est de (-1). Et ceci indpendamment de ltat du facteur B.
Le deuxime schma montre un phnomne avec interaction. Dans ce cas, leffet du
facteur A sur la rponse nest pas le mme selon que le facteur B est au mini ou au
maxi. En effet, lorsque A passe du mini au maxi alors que B est au mini, la variation
de la rponse est de (-2). Par contre la mme variation de A alors que B est au maxi
ne provoque quune variation de rponse de (-1). Il y a interaction entre les facteurs
A et B.
Q Editions dOrganisation
176
QUALIT EN PRODUCTION
Rponse
Rponse
2
1
Facteur B
Facteur A
1
1
Facteur B
Facteur B
Pas d'interaction entre A et B
Interaction entre A et B
Pression
(Facteur B)
Pression
M2
2 bars
M3
Y4
Y1
Y2
M4
M1
1 bar
Y3
Ouverture
1 Cran
3 Crans
(Facteur A)
Ouverture
1 Cran
Stratgie n 1
3 Crans
Stratgie n 2
Q Editions dOrganisation
CHAPITRE 8
Niveau 1
inversion
deffet
Niveau 2
Effet rel
Cne derreur
stratgie classique
Cne derreur
plans dexpriences
178
QUALIT EN PRODUCTION
facteur lautre. Pour illustrer ceci, nous allons tudier un problme damlioration
dune rugosit sur une rectifieuse.
Les facteurs tudis sont les suivants :
Symbole
Facteur
Niveau 1
Niveau 2
Type de meule
Meule 1
Meule 2
Rotation pice
Vitesse 1
Vitesse 2
Vitesse meule
Vitesse 1
Vitesse 2
Niveau 3
Vitesse 3
1
2
3
4
5
6
7
8
9
10
11
12
1
1
1
1
1
1
2
2
2
2
2
2
1
2
3
1
2
3
1
2
3
1
2
3
1
1
1
2
2
2
1
1
1
2
2
2
0,36
0,39
0,46
0,47
0,53
0,74
0,37
0,41
0,48
0,49
0,55
0,76
0,49
0,42
0,41
0,51
0,47
0,59
0,61
CHAPITRE 8
Pour les interactions on ralise pour chaque interaction un tableau qui prcise la valeur
moyenne obtenue dans chaque configuration.
Interaction AB
A/B
B=1
B=2
B=3
A=1
0,415
0,46
0,6
A=2
0,43
0,48
0,62
Interaction BC
C/B
B=1
B=2
B=3
C=1
0,36
0,40
0,47
C=2
0,48
0,54
0,75
Interaction AC
C/A
A=1
A=2
C=1
0,40
0,42
C=2
0,58
0,60
Ces graphes se mettent galement sous forme de graphique. On note que dans le cas
dune interaction nulle (exemple AC), les deux droites obtenues sont parallles. On
montre facilement que seule linteraction BC est significative.
Graphe des effets
0.8
0.7
0.6
0.5
0.4
0.3
Meule 1 Meule 2
Q Editions dOrganisation
Rot
Pice 1
Rot
Pice 2
Rot
Pice 3
Vit
Vit
Meule 1 Meule 2
180
QUALIT EN PRODUCTION
Interaction BC
0.8
0.7
0.6
0.5
0.4
0.3
Rot pice 1 Rot pice 2
Interaction AC
Vit Meule 1
Vit Meule 2
Rot pice 3
0.8
0.7
0.6
0.5
0.4
0.3
Meule 1
Meule 2
Vit Meule 1
Vit Meule 2
La figure 8.5 reprsente pour les trois premires courbes les effets moyens des facteurs
A, B et C. Le quatrime graphique visualise linteraction non nulle BC. Le cinquime
graphique visualise linteraction nulle AC, les segments de droites sont parallles.
Pour reprsenter linteraction BC, nous avons plac en abscisse le facteur Rotation
pices , et en ordonne la rponse du systme. Les deux courbes reprsentent les
effets pour les deux configurations de vitesse de meule.
Sur ce graphe, on note clairement que leffet de la Rotation de la pice est faible
lorsque la vitesse de la meule est au niveau 1. Il est par contre trs important lorsque
celle-ci est gale 2.
On note le point qui minimise la rugosit :
Type de meule : indiffrent.
Rotation pice : rotation 1.
Vitesse de meule : vitesse 1.
3.
CHAPITRE 8
Aussi, plutt que de faire les 256 essais, ne peut-on pas ne se contenter que de 16
essais par exemple et slectionner quelques interactions intressantes tudier parmi
les 247 possibles. Cest ce que proposent les plans dexpriences grce lutilisation
de plans spciaux dits fractionnaires orthogonaux.
Ils sont fractionnaires car on ne fait quune fraction de lensemble des essais possibles.
Ils sont orthogonaux car ils ne sont pas quelconques, mais choisis en fonction de la
proprit dorthogonalit que nous introduirons par la suite.
4.
La mthode des plans dexpriences apporte une solution ces problmes. Elle permet :
5.
182
QUALIT EN PRODUCTION
couche de vernis, il suffit de mesurer la couleur obtenue laide dun appareil qui
nous donne une valeur numrique pouvant aller de 0 60 sur lchelle de couleur
jaune.
A Diluant
Vernis
C Ouverture
B Distance
D Pression
Pistolet
Produits
E Vitesse
Mini raisonnable
(Niveau 1)
Maxi raisonnable
(Niveau 2)
A Pourcentage de diluant
10 %
20 %
B Distance pistolet/objet
20 cm
40 cm
C Ouverture de la buse
1 cran
3 crans
D Pression du pistolet
2 bars
3 bars
0,2 m/s
0,3 m/s
CHAPITRE 8
184
QUALIT EN PRODUCTION
E
C
Groupe
Examinons titre dexemple la table L8(27). Rappelons que L8 signifie que cette table
comporte 8 lignes, cest--dire 8 expriences. 27 signifie que cette table est tire dun
plan complet de 7 facteurs 2 niveaux. Cette table ne pourra pas tre utilise pour
tudier plus de 7 facteurs, ceux-ci tant deux niveaux. Chaque ligne de la table
reprsente une exprience et chaque colonne permet de mettre un facteur. Lorsquun
facteur est 1, on le placera au mini, lorsquil est 2 on le placera au maxi. On peut
galement tudier des facteurs qualitatifs, par exemple deux fournisseurs diffrents.
Le niveau 1 reprsente alors le premier fournisseur, le niveau 2 le second.
On remarque que la colonne 1 est du groupe 1, le niveau ne change quune fois dans
la table. Les colonnes 2 et 3 (groupe 2) changent de niveaux respectivement 3 et 2
fois. Les colonnes suivantes changent pratiquement chaque essai.
Q Editions dOrganisation
CHAPITRE 8
Ces tables ne sont pas quelconques, elles ont la proprit dorthogonalit. Cette proprit est la base de leur construction. Lobjet de ce chapitre nest pas de dtailler
cette proprit, aussi nous dirons simplement que cette proprit se traduit de la faon
suivante :
Lorsquune colonne est un niveau, toutes les autres colonnes sont autant de fois
au niveau 1 quau niveau 2.
Deuxime graphe
6
2
Ces deux graphes indiquent, sous forme graphique, les modles que lon peut tudier
partir de la table L8(27).
Graphe de TAGUCHI
1
B
3
E
C
Q Editions dOrganisation
186
QUALIT EN PRODUCTION
Le rapprochement des deux graphes (figure 8.10) nous permet de placer les facteurs
dans les colonnes adaptes. Ainsi, le placement des facteurs A, B, C, D, est immdiat,
il suffit de placer A en colonne 1, C en colonne 2, D en colonne 4 et B en colonne 7.
Ce choix nest pas unique, on aurait pu galement inverser C et D.
Comme on souhaite tudier linteraction AC, la colonne 3 est rserve pour cette
interaction. Nous dirons pour une premire approche que nous ne pouvons pas placer
de facteur dans cette colonne. Il en est de mme pour la colonne 6. Par contre, la
colonne 5 est disponible, les spcialistes ont considr que linteraction AD tait nulle
ou presque. Nous en profiterons pour placer le facteur restant E.
Ici encore nous ferons une petite remarque qui pourrait nous entraner fort loin. Nous
avons plac le facteur E en colonne 5 parce que nous supposons linteraction entre A
et D nulle. Mais si ce nest pas le cas, nous ferons une erreur dans lestimation de
leffet du facteur E. On dit que E est alias de linteraction AD. Le rsultat que
nous affecterons E sera en fait la somme de leffet de E et de linteraction AD. Le
plan dexpriences raliser est obtenu en ne retenant que les colonnes 1, 2, 4, 5 et 7
ce qui nous donne le plan en figure 8.11.
No
A (1)
Diluant
B (7)
Distance
C (2)
Ouvert
D (4)
Pression
E (5)
Vitesse
Rponse
Couleur
26,8
11,8
31,0
30,9
23,8
20,4
27,1
28,9
Q Editions dOrganisation
CHAPITRE 8
40
Point 2
29,5
30
20
10
Point 1
20,7
1
Facteur C
5.4.2
Pour reprsenter une interaction il faut deux droites reliant les quatre configurations
possibles. Cela vite de dessiner en perspective (3 dimensions). Le point 1 est obtenu
en faisant la moyenne des essais lorsque C = 1 et D = 1, soit la moyenne des essais 1
et 5.
Q Editions dOrganisation
188
QUALIT EN PRODUCTION
C
1
1
C1D1 (Point 1)
Essais 1 et 5
C1D2 (Point 2)
Essais 2 et 6
D
2
C2D1 (Point 3)
Essais 3 et 7
C2D2 (Point 4)
Essais 4 et 8
Rponse
40
35
30
25
20
15
10
Point 4
(29.9)
D=1
Point 1
(25.3)
Point 3
(29.05)
Point 2
(16.1)
D=2
1
Facteur C
2
On constate sur ce graphe que lorsque D (pression) est au niveau 1, leffet du facteur
C (ouverture) est faible, par contre, une pression leve (D = 2) favorise leffet de
louverture.
Rponse
40
35
30
25
20
15
Effet du facteur A
Diluant
Effet du facteur B
Distance
Effet du facteur C
Ouverture
Rponse
40
35
30
25
20
15
D=1
A=2
D=2
A=1
C
Interaction AC
C
Interaction CD
Q Editions dOrganisation
CHAPITRE 8
40
35
30
25
20
15
40
35
30
25
20
15
2 C
1
2
A
Interaction AC
2 C
1
2
D
Interaction CD
La figure 8.14 reprsente lensemble des effets et des interactions prsents dans le
systme. Linterprtation de ces graphes est assez facile, on constate par exemple que
le diluant (facteur A) na pas deffet principal, mais par contre, il intervient par le biais
dune interaction avec le facteur C (ouverture). Une autre reprsentation tridimensionnelle des interactions peut tre donne comme le montre la figure 8.15.
5.4.3
A partir du graphe des effets, la recherche des extremums est assez aise, il suffit de
retenir les points les plus hauts ou les points les plus bas en fonction de lextremum
recherch.
Le maximum sera obtenu pour :
Bien sr il faut confirmer ces rsultats par des essais sur le site. Pour le minimum, il
se trouve que la configuration a dj t teste dans le plan dexpriences (essai no 2),
or cet essai avait donn un rsultat particulirement faible. Mais on ne peut pas vrifier
un modle sur un des essais qui a permis dtablir ce modle !
Pour le maximum, il faut raliser un essai complmentaire, ce qui a t fait pour
trouver comme maximum 34,4. Cette valeur maximale na jamais t atteinte au cours
des essais. Le plan dexpriences a donc permis de trouver trs rapidement le rsultat
recherch.
Q Editions dOrganisation
190
QUALIT EN PRODUCTION
6.
CONCLUSIONS
Bien sr, nous navons pas abord la totalit des concepts ncessaires la mise en
uvre des plans dexpriences dans ce chapitre. Nous conseillons au lecteur de se
rfrer la bibliographie pour plus de dtails1. Nous avons nanmoins montr comment
les plans dexpriences permettent assez facilement dintroduire de la rigueur dans les
campagnes dessais. Le choix des expriences raliser est guid par les graphes
linaires et linterprtation des rsultats est trs facile mme par des non-spcialistes
grce la reprsentation graphique propose par Taguchi.
Attention cependant dans lutilisation de cette technique qui peut conduire des rsultats errons si lutilisateur de la mthode nest pas comptent. Aussi, il ne faut pas
faire limpasse sur une formation solide dans le domaine avant de raliser ses premiers
essais.
Quel que soit le secteur dactivit dune entreprise, elle est toujours amene raliser
des essais. A lpoque o il faut optimiser trs vite les produits et les processus, lheure
nest plus au bricolage , la bidouille mais une dmarche rigoureuse et efficace. Gageons que de plus en plus dindustriels imiteront ceux qui utilisent ces outils
avec efficacit pour mieux matriser leur processus.
1. Les plans dexpriences par la mthode Taguchi, Maurice Pillet, ditions dOrganisation.
Q Editions dOrganisation
CHAPITRE 8
7.
Taguchi a propos un ensemble de tables trs simples, souvent suffisantes pour rsoudre les problmes en production. Nous reproduisons ci-dessous les deux premires :
la table L4 et la table L8 utilise dans lexemple du paragraphe 5.
Table L4 (23)
1
(1)
(2)
Table L8 (27)
N
(2)
(3)
(4)
(5)
(6)
Q Editions dOrganisation
1
4
6
7
CHAPITRE
LAMDEC
ANALYSE DES MODES DE DFAILLANCE,
DE LEURS EFFETS ET DE LEUR CRITICIT
Parmi les diffrents outils de la qualit, lAMDEC tient une place de choix. Dabord
largement utilise par les constructeurs automobiles et leurs sous-traitants, elle est
aujourdhui pratique dans tous les secteurs dactivit. Son but est de prvenir les
dfaillances potentielles dun produit, dun processus de fabrication ou encore dune
organisation. La mthode sappuie sur une analyse mthodique des risques potentiels
qui permet de les hirarchiser afin de traiter les plus importants de manire prventive.
Son utilisation est aise, relativement rapide mettre en uvre et dune efficacit
redoutable lorsque son application est matrise.
1. LE PRINCIPE DE BASE
Q Editions dOrganisation
194
QUALIT EN PRODUCTION
LAMDEC est une mthode qui permet dobtenir la qualit par une action prventive
plutt que curative. Comme lindique la figure 9.1, plus les dcisions concernant la
qualit sont prises tt, moins elles seront coteuses.
Marketing
tudes
Mthodes
Production
Le principe de base de lAMDEC est de raliser une tude fonde sur le travail de
groupe, destine mettre en vidence le plus tt possible les dfaillances potentielles
sous-jacentes dune tude. La notion dtude dans une AMDEC peut tre trs large,
ce peut tre la conception dun produit, un processus de production ou lorganisation
dun service.
En sappuyant sur les comptences de lentreprise, lAMDEC propose de raliser une
revue de projet dont le but est de dterminer sur le papier les risques de dfaillances
encourus si on lance le projet dans ltat.
Pour cela, on cherchera :
CHAPITRE 9
Dtection
Procdure rception matire
FABRICATION
CONCEPTION
Sous-cause 1
Erreur du fabricant
Cause 1
matire non conforme
Libell
Rupture du manche
Sous-cause 2
Choix inadapt
Cause 2
section inapproprie
Dtection
Essais prliminaires
Q Editions dOrganisation
Effet :
Le client
se blesse
Dtection
Calcul en rsistance
196
QUALIT EN PRODUCTION
La rupture du manche peut avoir plusieurs causes. Chaque cause peut galement avoir
une sous-cause dont la dtection peut tre ralise soit en conception, soit en fabrication.
Pour assurer le blocage de cette dfaillance, il faut que le produit soit bien conu
(AMDEC Produit) et que les spcifications soient respectes (AMDEC Process).
La dfaillance casse du manche peut avoir plusieurs modes de dfaillances que
nous rsumons dans le tableau ci-dessous.
Libell : Casse du manche
o
Effet
Cause
Dtection
Le client se blesse
Calculs en rsistance
Essais en fiabilit
Le client se blesse
Section insuffisante,
Forme de la section
(moment quadratique)
Calculs en rsistance
Essais en fiabilit
Le client se blesse
Comme on le constate sur cet exemple, la mme dfaillance pour le client peut tre
dcline en plusieurs modes de dfaillances. Pour que cette dfaillance atteigne le
client, il faut une combinaison des trois lments :
lapparition de la cause ;
linsuffisance de la dtection chez le fournisseur ;
limportance de leffet.
On notera la nuance entre leffet potentiel de dfaillance qui considre la consquence
pour le client aval ou final et le mode de dfaillance potentiel qui sintresse la
manire dont le systme vient ne pas satisfaire le client.
1.3 Notion de cotation dun mode de dfaillance
Cotation
F Frquence
G Gravit
D Dtection
13
Jamais ou presque
Sans consquences
100 % ou presque
46
Possible
Mcontentement
Non optimal
79
Souvent
Trs mcontent
Panne critique
Inexistante
incertaine
10
Toujours
Problme de scurit
Impossible
CHAPITRE 9
198
QUALIT EN PRODUCTION
Produit
OP
10
Dfaut
potentiel
Vis non
monte
Effet
dfaut
Processus
Cause
dfaut
Prvu/Existant
Actions
Note
Rsultat
Plan de
surveillance
NPR
Nant
10
270
M. Dupont
S8
Note
Mise en
place dune
dtection
de couple
NPR
54
2.
HISTORIQUE DE LAMDEC
Lorigine de cette mthode remonte aux annes 1950 aux tats-Unis. Cependant, la
vritable mise en application en Europe un niveau important na dbut que dans
les annes 80. Ce sont principalement les constructeurs automobiles qui ont permis le
dveloppement de cette technique en Europe en raison de leur puissance dachat auprs
des sous-traitants et par leurs exigences en matire de qualit.
Aujourdhui, cette mthode est largement rpandue dans tous les secteurs dactivit,
et pour toutes les tailles de socits. Autrefois centre sur les produits manufacturs,
on la retrouve aujourdhui dans de nombreuses entreprises de services pour valider un
produit immatriel. On peut citer par exemple des organisations telles que les Jeux
olympiques ou la Coupe du monde de football qui peuvent utilement avoir recours
lAMDEC pour valider les diffrents scnarios mis en place.
Q Editions dOrganisation
CHAPITRE 9
Q Editions dOrganisation
200
QUALIT EN PRODUCTION
3.
Outre les comptences techniques ncessaires, le groupe devra tre sensibilis aux
techniques de travail en groupe. Il devra galement comporter une ou plusieurs personnes ayant lhabitude de la mthode pour garantir lefficacit de ltude.
Lexprience montre quun nombre de cinq six personnes est un bon compromis. Si
le groupe est trop restreint, la crativit est trop faible, si le groupe est trop important,
le risque de dispersion devient trop important.
La composition du groupe type varie selon le type dAMDEC que lon veut raliser.
Citons par exemple pour lAMDEC Produit et Process le groupe idal (figure 9.5).
Q Editions dOrganisation
CHAPITRE 9
Rle
AMDEC Process
Animateur
Technicien Qualit
Technicien Qualit
Pilote
Concepteur
Technicien industrialisation
Service Aprs-vente
Conception
Service Industrialisation
Service Fabrication
Dans lexemple de la figure 9.5 dans le cas de lAMDEC process, le technicien qualit
joue le rle danimateur et le technicien mthode celui de pilote. Le concepteur du
produit tudi est l surtout pour valuer le risque li chaque mode de dfaillance.
Il reprsente le client final. Sa prsence physique nest pas ncessaire, mais il doit y
avoir une collaboration troite entre le concepteur et le pilote pour la notation de la
gravit. Il est souvent fort judicieux dassocier au groupe un oprateur comptent sur
le processus tudi qui apportera un vcu intressant. Il reprsentera le client aval. Un
sous-traitant peut tre ajout pour une intervention ponctuelle lorsque les dfaillances
lies sa partie sont voques.
4.
LA DMARCHE AMDEC
} Pilote + animateur
Groupe de travail
oprationnels
} Services
Suivi par le pilote
Tous les types dAMDEC suivent globalement les mmes tapes. Cependant, le
contenu de chacune des tapes diffre selon le type dAMDEC. Nous dtaillerons dans
la suite les diffrentes tapes pour les deux principales AMDEC, lAMDEC Produit
et lAMDEC Process.
Q Editions dOrganisation
202
QUALIT EN PRODUCTION
La dfinition des limites de ltude est trs importante. En effet, si on veut remettre
en question lensemble du produit, on risque de dclencher une AMDEC beaucoup
trop importante qui mobilisera le groupe de trs nombreuses demi-journes au contenu
dilu. Au contraire, si le sujet est parfaitement limit aux parties nouvelles, difficiles
et importantes, lAMDEC pourra tre condense en quelques demi-journes extrmement concentres et efficaces. Par exemple dans une entreprise qui fabrique des roulements pour lindustrie automobile, il ne faut pas tudier lensemble du produit
chaque conception dun nouveau roulement. De nombreuses parties sont communes
aux roulements standards et parfaitement matrises. On se limitera aux nouveauts
apportes par le produit et aux parties qui traditionnellement posent des difficults
lentreprise.
4.2 La prparation de lanalyse
Dans cette tape, le pilote et lanimateur vont prparer le dossier ncessaire pour le
travail de groupe qui va suivre. Cette tape de lAMDEC est diffrente dans le cas de
lAMDEC Produit et dans le cas de lAMDEC Process.
Q Editions dOrganisation
CHAPITRE 9
Analyse de la valeur
AMDEC
Analyse fonctionnelle
des rglementations ;
des normes ;
du milieu (eau, air...) ;
...
Remarques
Une fonction est indpendante de la solution technologique retenue ;
Une fonction est exprime de manire brute (sans quantifications, ni qualificatifs) ;
Une fonction sexprime par un verbe linfinitif associ aux lments du milieu
extrieur concerns.
Q Editions dOrganisation
204
QUALIT EN PRODUCTION
Utilisateur
Routes
Fonction
Produit
Vhicule
CV : Critres de valeurs
Les critres de valeurs expriment :
les caractristiques des lments extrieurs (Qui, Quoi, Comment ?) ;
les performances ou les proprits du verbe (De quelle manire ? ; Quand ? ; O ? ;
Combien de fois ?).
Cahier des charges fonctionnelles
Fonctions + Critres de valeurs = Cahier des charges fonctionnelles
Fp 1
Permettre
lutilisateur
de se dplacer
sur la route
Critres de valeurs
Ergonomie
Nombre
Etc.
Vitesse
Dure de vie
Etc.
Type de route
Dimensions
Etc.
CHAPITRE 9
Mthode
1. Inscrire le produit dans un ovale.
2. Recenser les lments extrieurs
ayant une influence sur le produit.
3. Replacer le produit dans son milieu
extrieur dutilisation en plaant chaque lment retenu du milieu extrieur
dans un ovale.
4. Chercher les relations principales
Fp (mise en relation de deux lments
du milieu par le produit) et les fonctions contraintes Fc (adaptation du produit un lment du milieu environnant).
5. Exprimer les fonctions
Verbe + Milieu(x) extrieur(s).
6. Dfinir des critres de valeurs
Qualifier et quantifier.
Exemple : vhicule
Utilisateur
Route
Fp1
Vhicule
Pluie
Fc1
Critres
de
valeurs
Ergonomie
Nombre
Etc.
de se
dplacer
sur la
route
Vitesse
Dure
de vie
Etc.
Type de
route
Dimensions
Etc.
Fc1 : Rsister
la pluie
Dure
types (caillage corrosion...)
...
Intensit
Acidit
...
Remarque
Il existe de nombreuses autres mthodes pour dterminer les fonctions dun produit et
complter lanalyse fonctionnelle technique telles que le bloc diagramme, le diagramme FAST..., mais ltude de ces mthodes sort du cadre de cet ouvrage. Nous
aborderons cependant rapidement le bloc diagramme qui peut tre dune aide prcieuse
pour imaginer des modes de dfaillance.
Lanalyse fonctionnelle permet ainsi de dterminer lensemble des fonctions que doit
satisfaire le produit, ainsi que les niveaux de satisfaction de celles-ci. Il y aura dfaillance si la fonction nest pas remplie de manire satisfaisante ou si un critre de valeur
nest pas atteint.
On distingue 4 modes de dfaillance pour une fonction. Pour illustrer ces quatre modes
de dfaillance, prenons le cas dune balance pse-personne.
Fonction : Permettre lutilisateur de connatre sa masse
Mode 1 : la fonction ne se ralise pas (impossible de se peser)
Q Editions dOrganisation
206
QUALIT EN PRODUCTION
Mode 2 : la fonction se ralise, mais les critres de valeur ne sont pas atteints (fonctionnement dgrad) : (la pese est fausse)
Mode 3 : Arrt intempestif de la fonction (laffichage steint avant la fin du cycle de
pese)
Mode 4 : dclenchement intempestif de la fonction (la balance sallume sans sollicitation de pese).
Le Bloc Diagramme
Le Bloc Diagramme est important pour lAMDEC produit. En effet, contrairement
la rosace des fonctions qui fait abstraction de la solution technique retenue, le bloc
diagramme permet dtudier les relations entre les composants de la solution technique.
Ces relations sont des conditions de fonctionnement. Pour tudier les dfaillances
potentielles, il est trs utile de dcrire toutes les relations entre les composants, afin
de dterminer les modes de dfaillances qui peuvent conduire la rupture dune de
ces relations. On note EMU les Elments du Milieu extrieur dUtilisation. Pour
clarifier les relations, on tablit le tableau des conditions de fonctionnement.
EMU1
EMU2
R2
EMU3
R7
R6
R4
Composant 1
Composant 2
Produit
R8
R5
Composant 3
R1
R9
EMU4
R3
Composant 4
R11
R10
EMU5
EMU6
Composants
Conditions de
fonctionnement
Critres
Niveau
R3
Vis/Bati
Toujours serre
Couple de serrage
150 Nm
Q Editions dOrganisation
CHAPITRE 9
Le schma opratoire
Le schma opratoire permet de bien visualiser le cheminement de la production ainsi
que les contrles, oprations et documents utiliss pour produire lobjet.
Q Editions dOrganisation
208
QUALIT EN PRODUCTION
Rception
KO
Contrle
BLi
Retour Fournisseur
Stockage
OF
PS
GF
AC
SPC
KO
Production
re
Contrle1 pice
KO
BLa
Emballage
Tri
Rglage
OF
Stockage
Expdition
Opration
Stock
BLi
OF
Contrle
CHAPITRE 9
Pour crer ce plan on utilise gnralement une feuille qui regroupe toutes les informations (figure 9.11)
Masse
filtrante
20
7
Moyen
10
11
12
13
14
Type
surveillance
par niveau
1
2
3
Raction
produit
Archivage
Calibre
Feuille
suivi
1/H Audit
Longueur
PaC
Feuille
suivi
1/H
Rglage 18 mois
38
Le plan de surveillance comme lindique la figure 9.11 rsume tous les lments ncessaires la rflexion pour raliser lAMDEC. Son laboration est en principe ralise
par les services mthodes et qualit pralablement lAMDEC.
4.3 Identification des causes de dfaillances
4.3.1 Le principe
Le but de cette tape est didentifier les modes de dfaillances potentiels du produit
ou du processus tudi. La mthode retenue est de faire un dballage dides afin
de permettre au groupe de dvelopper au maximum sa crativit. En fonction du type
dAMDEC ralis, cette recherche des modes de dfaillances nest pas aborde de la
mme manire.
Cas dune AMDEC Produit : on recherche pour chaque fonction du produit les dfaillances possibles selon les quatre modes possibles.
Mode 1 : la fonction ne se ralise pas (une lampe ne sallume pas).
Mode 2 : la fonction cesse de se raliser (la lampe ne reste pas allume).
Mode 3 : la fonction se ralise mais de manire dgrade ou les critres de valeurs
ne sont pas atteints (la lampe ne donne pas la puissance nominale).
Mode 4 : la fonction se ralise de manire intempestive (la lampe sallume sans
volont du client).
Cas dune AMDEC Process : on prend le procd tape par tape et on recherche
les dfaillances pour chaque caractristique du produit tudi. Ainsi pour une pice
usine dont la gamme de fabrication serait : rception, dcolletage, reprise, expdition,
on tudierait dabord la rception des matires et le stockage, puis lopration de
dcolletage, etc. Dans chaque tape, on rechercherait les dfaillances possibles qui
conduiraient au non-respect des caractristiques. Les dfaillances peuvent tre galement classes en quatre modes.
Q Editions dOrganisation
210
QUALIT EN PRODUCTION
Mode de dfaillance
Cause
Mode de dfaillance
Mode de dfaillance
Consquence
pour le client
Possibilit de dtection
Les modes de dfaillances se caractrisent par la manire dont une fonction ou une
caractristique peut ne pas tre ralise. La recherche de la cause consiste mettre en
vidence les causes, sous-causes... (chane causale) qui entranent le dfaut jusqu la
cause matrisable.
Q Editions dOrganisation
CHAPITRE 9
212
QUALIT EN PRODUCTION
200
300
400
500
600
700
800
900
1000
NPR
CHAPITRE 9
de lanalyse AMDEC ;
des orientations stratgiques du produit ;
des orientations conomiques du produit ;
du cot des diffrentes solutions ;
des dlais.
A lissue de cette runion, on tablit un calendrier des actions raliser et on programme une runion de rebouclage pour valider le rsultat des actions. La mise en
uvre des actions correctives est ralise par les services oprationnels.
4.7 Suivi des actions et rebouclage si ncessaire
A lissue des tapes prcdentes, on a tabli une planification des actions entreprendre. Il faut alors passer la ralisation par les diffrents services de lentreprise. Tout
au long de la ralisation, lanimateur AMDEC veille au respect du calendrier. Il peut
alors reformer une runion au cas o un problme important viendrait surgir.
Aprs mise en uvre des solutions, il est impratif de vrifier si les objectifs viss
sont bien atteints, notamment en ce qui concerne les indices NPR. Dans le cas contraire,
il faut reboucler sur ltude AMDEC.
Q Editions dOrganisation
214
QUALIT EN PRODUCTION
5.
Une AMDEC doit rassembler lensemble des tapes que nous avons vues au paragraphe 4. Lensemble dune grosse tude AMDEC se droule en principe sur 2 3 mois
maximum partir de 5 7 runions dune demi-journe.
Notre exprience nous a montr quil tait impratif de limiter dans le temps et en
nombre de runions les tudes AMDEC. Une AMDEC trop longue lasse les participants et rend difficile lorganisation dune prochaine AMDEC sur un autre sujet. Une
AMDEC faite trop rapidement ne fait apparatre que les modes de dfaillances vidents.
Pour trouver le bon compromis, il est impratif de limiter le champ de ltude. En
rgle gnrale, nous prconisons de ne sintresser quaux parties nouvelles par rapport
aux produits dj matriss dans lentreprise. On peut ventuellement adjoindre
ltude les parties qui traditionnellement posent des problmes. Mais il faut prendre
garde ne pas noyer lAMDEC en redcouvrant le fil couper le beurre .
Une des grandes difficults de lanimateur est la gestion du temps. Il est inutile de
laisser le groupe discuter pendant dix minutes sur une note 5 ou 6 alors que visiblement
le mode de dfaillance tudi aura un NPR infrieur 100. Lanimateur doit tre
capable dacclrer sur les parties visiblement matrises par lentreprise et de se focaliser sur les points plus nouveaux et plus dlicats.
6.
Pour illustrer ce chapitre, nous utiliserons un produit relativement simple : une masse
filtrante monte serre sur le cble de dbrayage dune automobile. Le but de ce produit
est de filtrer les vibrations qui pourraient remonter dans lhabitacle. Deux lments
sont particulirement importants dans ce produit : la masse et le diamtre de 5,8
0,02.
Q Editions dOrganisation
6 0.25
20 30
6.70 0.10
17 h 13
34 + 0.40
0.00
1.00 + 1.00
0.00
0.00
5.80 0.05
CHAPITRE 9
Etape 3 : Lavage
Etape 4 : Reprise
Etape 5 : Lavage
Etape 6 : Traitement
La figure 9.15 donne un extrait du plan de surveillance tel quil tait prvu avant
lAMDEC. La figure 9.16 donne le rsultat de lAMDEC avec ses actions correctives
qui ont t mises en uvre.
Q Editions dOrganisation
216
QUALIT EN PRODUCTION
1
Synoptique
%
%
N
Dsignation Paramtres
Op
12
13
Valeur
Moyen
Verrou
Type
surveillance
par niveau
1
2
3
Raction
produit
10
Rception
20
Contrle
Matire
XC12
Visuel
Peinture
30
Stockage
40
Dcolletage
Longueur
Diamtre
Diamtre
Longueur
34
5,8
6,7
6
PaC
Piges
Piges
Projecteur
1/H
5/H
1/H
1/Jour
Tri
Tri
Tri
50
Lavage
Propret
Visuel
10/
lot
Nouveau
Lavage
60
Reprise
Diamtre
Longueur
6,7
6
Piges
Projecteur
1/H
1/Jour
Tri
70
Lavage
Propret
Visuel
10/
lot
Nouveau
Lavage
80
Traitement
de surface
(sous-traitance)
Certificat
de
conformit
90
Contrle
Prsence
traitement
Visuel
100
Emballage
expdition
Mlanges
tiquetage
Procdure
non crite
Refus
Rception
A
chaque
lot
10/lot
Q Editions dOrganisation
Q Editions dOrganisation
Contrle final
30/lot
Pige 1pice/H
Pige 1pice/H
1 Pice coupe/jour
PaC 1pice/H
Pige 1pice /H
Pige 1pice/H
Responsable
Qualit
50
21
315 Reprise
15
15
45
15
126 Qualit
reprise
21
15
15
45
144
216
40
70 Commercial
14
42
G NPR
Erreur
humaine
Montage goupille
impossible
Absence reprise
Mche
Mche
Mauvais guidage
Afftage
Casse
Rglage
Mche
Mche
Afftage
Casse
Absence de lavage
Rglage
Serrage insuffisant
Pices agressives
Poids NC
Encombrement
Longueur 34 NC
Mauvais guidage
Chanfrein NC
Angle 20 30o
Rglage
Angle 20 30o
Pige 5/H
Afftage
Pige 5P/H
PREVU/EXISTANT
Plan de
Surveillance
Mche
Fournisseur
Poids + serrage
Prsence de criques
Fournisseur
Poids NC
Mlange de lots
Fournisseur
Poids NC
Diam 17 NC
Fournisseur
Fournisseur
Causes
Dfauts
PROCESSUS
Diam 17 NC
Pas de contrle
Effets dfauts
PRODUIT
Erreur matire
Dfauts
Potentiels
S9
S9
S8
S7
Ralisation outil- 2
lage de contrle
Contrle US
Contact client
Mesures prises
NOUVELLES MESURES
Dlai
63
36
36
28
G NPR
CHAPITRE 9
3
ou
4
5
ou
6
7
ou
8
9
ou
10
>1/10
1/20
1/50
1/100
1/200
1/500
1/1000
1/2000
1/10000
1/20000
1
ou
2
Critre
Probabilit de non-dtection
1
ou
2
3
ou
4
5
ou
6
7
ou
8
9
ou
10
Probabilit faible
Trs peu de dfauts sur processus analogue ou processus sous
contrle statistique.
Capabilit estime du processus
1,33 < Cp < 1,66.
Probabilit modre
Dfauts apparus occasionnellement sur processus analogue.
Capabilit estime du processus
1 < Cp < 1,33.
Probabilit leve
Dfauts frquents sur processus
analogue.
Capabilit estime du processus
0,83 < Cp < 1.
Note
Critre
> 1/10
1/20
1/50
1/100
1/200
1/500
1/1000
1/2000
1/10 000
1/20 000
Risque que le
dfaut se produise
( titre indicatif)
Frquence dapparition
10
Dfaillance sans signe avantcoureur impliquant des problmes de scurit.
Dfaillance
avec
signes
avant-coureurs qui provoque
un grand mcontentement du
client et/ou des frais de rparations levs.
Effet avec signes avant-coureurs qui mcontente loprateur aval ou lusine cliente.
Lgre perturbation du flux de production.
Aucune influence sur les oprations de fabrications suivantes ou dans lusine cliente.
Critre
Client ou atelier aval
Dfaillance
sans
signes
avant-coureurs qui provoque
un grand mcontentement du
client et/ou des frais de rparations levs.
Produit en panne ou hors service.
6
ou
7
4
ou
5
2
ou
3
Note
Niveau de gravit
Dfaillance
entranant
une
dgradation notable des performances du sous-ensemble ou
du produit. Elle mcontente le
client.
Critre
Client final
7.
218
QUALIT EN PRODUCTION
Q Editions dOrganisation
CHAPITRE
10
Q Editions dOrganisation
220
QUALIT EN PRODUCTION
1.
Milieu
Mthodes
Machine
Main-duvre
Matire
Mthodes
Milieu
Gamme
Machine
Matire
Main-duvre
Les variations alatoires dune caractristique suivent trs souvent une courbe en cloche : la loi normale. On trouve quelques cas ou cela nest pas vrai comme les caractristiques de forme (circularit) mais ces cas sortent du cadre de cet ouvrage. Nous
prendrons lhypothse que la machine a une dispersion qui suit une loi de Gauss (loi
normale).
Q Editions dOrganisation
CHAPITRE 10
moyenne
Modle :
loi de Gauss
cart type
Observation dun
chantillon
Dispersion = 6
Dsormais, lorsque nous parlerons de la production dune machine, nous la modliserons par une courbe en cloche, dont les deux caractristiques importantes seront la
moyenne et la dispersion.
La position moyenne (note x) des pices donne une bonne indication de la position
de rglage de la machine linstant t.
La dispersion (fixe le plus souvent six carts types) donne une bonne indication
de limportance des variations observes sur la caractristique.
Q Editions dOrganisation
222
QUALIT EN PRODUCTION
er
rglage
3
Causes spciales
+3
2 rglage
Causes communes
Les causes spciales : ce sont les causes de dispersion identifiables, souvent irrgulires et instables, et par consquent difficiles prvoir. Lapparition dune cause
spciale ncessite une intervention sur le procd. Contrairement aux causes communes, les causes spciales sont en gnral peu nombreuses. Un drglage d une usure
doutil est une cause spciale.
1.2 Qualit produit versus Qualit dune caractristique
Pour appliquer correctement la MSP, il faut avoir pralablement assimil un certain
nombre de notions. La notion la plus importante sur laquelle il est utile de passer un
peu de temps est la diffrence entre la qualit dun produit et la qualit associe une
caractristique lmentaire.
Qualit dun produit : la notion de qualit est assez claire lorsquon parle de produits
finis livrs aux clients. Il faut que le produit satisfasse les exigences ... longtemps.
Qualit associe une caractristique lmentaire : lorsque lon rflchit la notion
de qualit dune caractristique lmentaire, par exemple une cote tolrance sur un
produit mcanique, la premire ide consiste dire le produit est de qualit si la
caractristique est conforme au plan . Les choses sont pourtant plus complexes,
comme nous le verrons plus loin. Souvent, pour simplifier , nous contournons le
problme en mettant des tolrances de plus en plus serres qui conduisent invitablement des cots de production toujours plus levs.
Pour illustrer ce propos, prenons deux exemples simples en mcanique (assemblage
dun arbre et dun alsage) et en lectronique (loi dOhm U = RI).
Q Editions dOrganisation
CHAPITRE 10
Diamtre
alsage
I
Diamtre
arbre
Arbre alsage
U = RI
diamtre de lalsage
diamtre de larbre
cylindricit
rugosit des surfaces
duret
La valeur de la rsistance
La rsistance du fil
La temprature extrieure
Lintensit
La qualit des soudures
Quels que soient les systmes industriels, mme pour les plus simples, on retrouve
toujours cet invariant : la qualit finale du produit rsulte de la combinaison plus ou
moins complexe dun nombre important de paramtres lmentaires gigognes que nous
pouvons classer de la faon suivante :
Paramtres participant au bon fonctionnement du produit
Paramtres identifis comme tant lis au fonctionnement (BE)
Paramtres potentiellement surveillables (Mthodes)
Paramtres rellement surveills (Production)
Pour assurer le fonctionnement idal, il faudrait contrler tous les paramtres participant au bon fonctionnement. Mais ces paramtres ne sont pas tous identifis. Parmi
les paramtres identifis, certains ne peuvent tre surveills en production pour des
problmes de faisabilit (contrle destructif par exemple) ou de cots. On se limite
donc en rgle gnrale au suivi de quelques paramtres considrs comme critiques
afin dassurer la qualit finale du produit qui doit bien sr tre notre seul objectif.
Dans ces conditions, quelles doivent tre les bonnes tolrances de fabrication sur ces
quelques caractristiques surveilles ? Comment interprter ces tolrances ?
Q Editions dOrganisation
224
QUALIT EN PRODUCTION
Q Editions dOrganisation
CHAPITRE 10
Intervalle de tolrance
1
2
Zone dassemblage
robuste
Zone risque
(trop de jeu)
Arbre
Jeu idal
Alsage
Jeu
acceptable
Zone risque
(jeu faible)
226
QUALIT EN PRODUCTION
Perte pour
un cart (Y Y0)
Y
Y
Y0
Valeur cible
En fait, la perte due lcart dune caractristique par rapport une valeur nominale
nest pas nulle lintrieur de la tolrance et totale lextrieure. TAGUCHI dfinit
la fonction perte comme tant une fonction du second degr de lcart par rapport
la valeur cible.
La fonction perte sexprime par L = K (Y Y0)2 avec :
K : une constante qui dpend du problme pos ;
Y0 : valeur cible recherche ;
Y : valeur prise par la caractristique.
Il est donc ncessaire de faire voluer notre raisonnement en matire dintervalle de
tolrance et nous pouvons dj conclure :
Limportant, ce nest pas seulement quune pice soit dans lintervalle de tolrance,
mais cest aussi et surtout la rpartition des pices lintrieur de cet intervalle.
La rpartition doit tre centre sur la cible, de dispersion la plus faible possible
compte tenu du processus disponible.
La notion importante qui apparat ici est la notion de cible. La cible est trs souvent
le milieu de la tolrance, mais ce nest pas toujours le cas. Ce qui est important cest
que tout le monde soit daccord sur cette cible. Il nest pas normal de mettre sur un
plan simplement un mini et un maxi. Un plan datelier devrait comporter en gros la
cible qui a t dfinie consensuellement entre tous les services concerns.
En visant la cible pour chaque caractristique surveille, on rendra le produit robuste
par rapport toutes les caractristiques non surveilles mais qui fluctuent quand mme.
Nous pouvons rsumer les principes essentiels de la cible par :
Q Editions dOrganisation
CHAPITRE 10
Chaque caractristique surveille en production doit avoir une cible dfinie consensuellement entre tous les services concerns.
La cible reprsente le niveau idal de la caractristique. Tous les oprateurs doivent
sefforcer de centrer le procd sur cette cible.
La cible doit apparatre clairement sur les plans de fabrication.
Les services de production doivent utiliser les outils de la Matrise Statistique des
Procds pour satisfaire le centrage du procd sur cette cible.
Frquence
60
50
40
30
20
10
0
Histogramme de larbre
-4
-2 -1
arbre
Histogramme de lalsage
60
50
40
30
20
10
0
-3
Frquence
Frquence
Pour bien montrer limportance fondamentale de la cible, tudions la faon dont ces
deux caractristiques se combinent lorsque Y= X1 + X2 dans diffrents cas de figure
de mme moyenne (valeur = 0) et de mme cart type (Valeur = 1).
90
80
70
60
50
40
30
20
10
0
Histogramme du jeu
-5 -4 -3 -2 -1 0 1 2 3 4 5
Jeu
-4
-3
-2 -1
alsage
Q Editions dOrganisation
228
QUALIT EN PRODUCTION
Histogramme de larbre
40
Frquence
30
40
10
30
-4
-3
-2
-1
arbre
20
10
0
Histogramme de lalsage
40
Histogramme du jeu
Frquence
20
-5 -4 -3 -2 -1 0 1 2 3 4 5
Jeu
Frquence
30
20
Le jeu suit une loi triangulaire
10
0
-4
-3
-2
-1
alsage
Q Editions dOrganisation
CHAPITRE 10
Histogramme de la rsultante Y
Histogramme des X
40
40
30
Frquence
Frquence
30
20
20
10
10
0
Mean -0.3172
StDev 2.194
N
500
-4
-3
-2
-1
-6
-4
-2
Histogramme de la rsultante Y
50
Histogramme des X
40
Frquence
60
30
Frquence
50
20
40
30
10
20
10
0
Mean -0.3172
StDev 2.194
N
500
-4
-3
-2
-1
-6
-4
-2
Q Editions dOrganisation
230
QUALIT EN PRODUCTION
Histogramme de X1
60
Frquence
50
40
30
Histogramme du jeu
20
50
-4
-2
60
40
30
20
10
0
50
Frquence
Frquence
10
40
-8 -6 -4 -2
30
20
10
0
-4
-2
Q Editions dOrganisation
CHAPITRE 10
2.
Cible 3
Cible + 3
cible
Limite naturelle
infrieure
Dispersion naturelle
du procd
Limite naturelle
suprieure
Si la moyenne de la production est centre sur la cible, il est donc naturel de trouver
des valeurs comprises entre trois carts types () de cette cible. Les valeurs cible
+ 3. et cible - 3. reprsentent les limites naturelles du procd. Tant quune
valeur est dans ces limites, il ny a pas de raison dagir sur le procd, on risquerait
de dcentrer un procd bien centr. Si une valeur sort de ces limites, on a une forte
probabilit que le procd ne soit plus centr sur la cible, il faut alors le recentrer.
Q Editions dOrganisation
232
QUALIT EN PRODUCTION
Tolrance
Tolrance
Pice
prleve
Limite
naturelle
Dispersion
Cas1
Limite
naturelle
Limite
naturelle
Dispersion
Cas 2
Limite
naturelle
Dans le cas 1, procd capable, loprateur prlve une pice qui se situe lintrieur
des tolrances. Traditionnellement, cette pice tant bonne , il continue sa production. Pourtant, la pice tait en dehors des limites naturelles. Le procd ntait pas
centr sur la cible, il fallait rgler.
Dans le cas 2, procd non capable, loprateur prlve une pice qui se situe
lextrieur des tolrances. Traditionnellement, cette pice tant mauvaise , il rgle
le procd. Pourtant, la pice tait dans les limites naturelles. Il est possible que le
procd soit parfaitement centr et quil ne faille surtout pas toucher le procd.
Comme le montre les deux exemples prcdents, il faut dissocier laction sur le procd
(rglage) et laction sur le produit (acceptation, tri, contrle...).
Les tolrances servent dterminer si les pices quon vient de faire sont bonnes
ou mauvaises (conformit). Elles servent dcider de lacceptation ou du refus des
pices que lon a fabriques. On regarde en arrire.
Les limites naturelles servent dterminer si le processus de fabrication est toujours
centr sur la cible. Elles servent agir sur le procd pour que les prochaines pices
raliser restent bonnes. On regarde en avant.
La figure 10.13 montre clairement lavantage utiliser les limites naturelles pour
piloter un procd plutt que les limites de tolrance. Et ceci mme dans le cas de
toutes petites sries avec un contrle 100 %.
Q Editions dOrganisation
CHAPITRE 10
On sort
des limites naturelles
Cible
Tolrance
maxi
Limite
Limite Tolrance
naturelle
naturelle
mini
suprieure infrieure
7 points conscutifs
du mme ct
de la moyenne
Considrons un procd qui fabrique un produit par heure. Chaque produit est contrl.
Si on pilote le procd partir des tolrances, on attend de trouver un produit hors
tolrance (ou au voisinage) avant dintervenir. Si on fait un raisonnement statistique,
on note beaucoup plus rapidement le dcentrage du procd (hors des limites naturelles) et les produits fabriqus seront plus proches de la cible, de meilleure qualit.
Ainsi, mme dans le cas dun contrle 100 % en toutes petites sries, on a intrt
dutiliser un raisonnement statistique.
Q Editions dOrganisation
234
QUALIT EN PRODUCTION
Tolrance infrieure
Tolrance suprieure
Cible
Drglage
1 valeur
=
drglage
+
dispersion
Moyenne
de plusieurs valeurs
(on limine en partie
leffet de la dispersion)
Dispersion
Figure 10.14 Addition du rglage et de la dispersion
Pour tre capable de piloter une machine, il faut arriver liminer leffet de la dispersion afin de dterminer o se trouve le rglage de la machine. La seule solution est
de ne pas raisonner sur une seule valeur, mais sur la moyenne de plusieurs valeurs.
Le fait de faire une moyenne limine en grande partie leffet de la dispersion.
Probabilit de dtecter
le dcentrage
avec la moyenne
Rpartition des valeurs
Rpartition des moyennes
Limite naturelle
dans le cas d'une moyenne
Limite naturelle
dans le cas d'une valeur
Tolrance
maxi
Probabilit de dtecter
le dcentrage
avec une seule valeur
Q Editions dOrganisation
CHAPITRE 10
La figure 10.15 illustre lefficacit dune moyenne par rapport une valeur individuelle
pour dtecter un petit dcentrage. En effet, la dispersion sur les moyennes est plus
faible que la dispersion sur les valeurs individuelles dans un rapport de n avec n le
nombre de valeurs de lchantillon). Ainsi, lorsque le procd se dcentre, comme
dans le cas de la figure 10.15, on note que la probabilit de sortir des limites naturelles
est suprieure 50 % dans le cas de la moyenne, alors quelle nest que de quelques
pour cent dans le cas des valeurs individuelles. On privilgiera donc systmatiquement
un prlvement dchantillons par rapport un prlvement de valeurs individuelles.
2.2 La carte de pilotage (de contrle) moyenne/tendue
23/02
Heure
6 h 00 6 h 30 7 h 00 7 h 30 8 h 00 8 h 30 8 h 35 9 h 00 9 h 30
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
Moyenne
0,2
- 0,6
- 0,2
- 0,8
0,6
2,0
- 0,2
- 0,8
tendue
Limite suprieure 2
de contrle
1
Moyenne de lchantillon
Cible 0
Limite infrieure -1
de contrle -2
Vrification du rglage
Limite suprieure
de contrle 6
4
Moyenne
tendue 2
Rglage
Journal de bord
tendue de lchantillon
Q Editions dOrganisation
236
QUALIT EN PRODUCTION
Q Editions dOrganisation
CHAPITRE 10
Drive dtecte
par la carte
des moyennes
Cible
Drive dtecte
par la carte
des tendues
Cas 1
Cas 2
Les cartes de contrle ont pour objectif de surveiller que les variations observes sur
le procd ne sont pas suprieures aux variations normales gnres par les causes
communes. Il faut donc connatre, avant de mettre en place une carte de contrle,
quelles sont ces variations. Cette phase dobservation du procd sera donc la premire
dmarche de la mise en place dune carte de contrle.
Q Editions dOrganisation
238
QUALIT EN PRODUCTION
Connaissant la variabilit naturelle du procd, nous pourrons alors calculer les cartes
de contrle adaptes la caractristique suivie. Ce calcul sera donc la deuxime phase
de la mise en place.
Les cartes tant en place, il faudra interprter celles-ci afin de dtecter lapparition des
causes spciales. Nous serons alors dans la phase dutilisation des cartes de contrle.
Lutilisation des cartes de contrle motive les oprateurs et lencadrement amliorer
le procd 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 damlioration continue qui est en fait lobjectif de la MSP.
Nous pouvons schmatiser ces diffrentes phases par la figure 10.18 sur laquelle nous
soulignons la boucle damlioration continue.
La moyenne des tendues est indispensable car elle indique limportance de la variabilit naturelle du procd.
Calcul des limites de contrle
Les limites de contrle sont fixes 3 et se calculent en utilisant les formules
suivantes :
Pour la carte des moyennes (cible 3 X)
Limite suprieure de contrle : LSCX = Cible + A2.R
Limite infrieure de contrle : LIC X = Cible A2.R
Q Editions dOrganisation
CHAPITRE 10
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
Q Editions dOrganisation
240
QUALIT EN PRODUCTION
La phase de pilotage consiste donc observer les cartes, les interprter afin de dtecter
lapparition de causes spciales et de ragir avant de gnrer des produits hors spcification. Les interprtations des cartes de contrle sont relativement simples, il suffit
de connatre les quelques situations de base.
Linterprtation de la carte des tendues est diffrente de la carte des moyennes. Lune
surveille le rglage du procd, lautre surveille la dispersion de la machine.
Lorsquon analyse des cartes de contrle, il faut toujours commencer par la carte de
surveillance du paramtre de dispersion. En effet, si la dispersion du procd augmente,
il faut arrter tout de suite la machine, car la capabilit machine est en train de chuter.
Par contre, une variation sur la carte des moyennes se rsoudra souvent par un rglage.
Q Editions dOrganisation
LSC
Q Editions dOrganisation
cart
cart
cart
cart
1/3 central
Description
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 limite, 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.
LIC
LSC
LIC
LSC
LIC
LSC
LIC
LSC
LIC
Graphique
CHAPITRE 10
242
QUALIT EN PRODUCTION
Cp infrieur 1,33
Cp compris entre
1,33 et 1,67
Cp suprieur 1,67
Contrle unitaire
(Tri 100 %)
ACCEPTER
les pices
ACCEPTER
les pices
Le procd devient
hors contrle
MAIS
toutes les valeurs
individuelles du
prlvement sont dans
les tolrances
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
Q Editions dOrganisation
CHAPITRE 10
3.
Q Editions dOrganisation
244
QUALIT EN PRODUCTION
Intervalle de tolrance
Dispersion = 6
Procd non capable
Pp < 1,33
Dispersion = 6
Procd capable
Pp > 1,33
Dans une premire approche, un procd sera dit capable si lintervalle de tolrance
est plus grand que la dispersion alatoire du procd avec une petite marge, cest--dire
lorsque le Pp est suprieur 1,33 (8/6).
La figure 10.22 montre deux situations typiques, la premire correspond un procd
non capable car la dispersion est plus importante que lintervalle de tolrance, dans la
seconde, la dispersion est faible au regard de lintervalle de tolrance, le procd est
donc capable.
Prcisons que la dispersion alatoire est prise comme tant gale six fois lcart type
de la dispersion du procd, cest--dire lintervalle contenant 99,7 % des pices fabriques (dans lhypothse dune 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 nest pas le cas, on
Q Editions dOrganisation
CHAPITRE 10
peut toujours calculer le Pp, mais on ne peut plus en dduire le pourcentage hors
tolrance.
La dispersion utilise pour le calcul de la performance Pp est la dispersion long terme
du processus. En effet, la mesure de la performance doit traduire la capacit fabriquer
des pices sur le long terme. Il faut donc tenir compte dans le calcul de la dispersion
long terme, de lensemble des influences qui peuvent perturber le procd 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.
Le calcul du Pp sera donc ralis partir dun chantillon reprsentatif de lensemble
dune production. En gnral, la priode retenue pour le calcul dun Pp est au moins
dune semaine. Ainsi, le Pp calcul donnera une bonne indication de la qualit de la
production livre au client.
Intervalle de tolrance
Dispersion
Dispersion
Pp = 1,5
Pp = 1,5
Cet indicateur devra tre aussi simple dinterprtation que le Pp, cest--dire que le
procd sera capable si Ppk est suprieur 1 (dans un premier temps). Bien sr, comme
Q Editions dOrganisation
246
QUALIT EN PRODUCTION
pour le Pp, un Ppk de 1 sera trop risqu, nous retiendrons comme limite de capabilit
1,33.
Intervalle de tolrance
Tolrance
infrieure
D1
Moyenne
Tolrance
suprieure
D2
Dispersion
Q Editions dOrganisation
CHAPITRE 10
Caractristique
Tolrance suprieure
Dispersion
court terme
DCT
Dispersion
long terme
DLT
Tolrance infrieure
Temps
La Performance procd (Pp et Ppk) sintressait la dispersion long terme, la Capabilit procd (Cp et Cpk) va sintresser la dispersion court terme.
Pour calculer les indicateurs Cp et Cpk, on mne une tude de dispersion sur une
courte priode (Milieu), dans une Matire uniforme, avec un oprateur averti (Main
duvre) et avec les mmes Mthodes. Cette tude peut seffectuer de deux manires
diffrentes.
Q Editions dOrganisation
248
QUALIT EN PRODUCTION
Premire mthode
On prlve une cinquantaine de pices conscutives fabriques par la machine tudie
et on mesure la dispersion obtenue sur cet chantillon. Cette dispersion nous permet
de calculer Cp et Cpk avec les mmes relations que Pp et Ppk. On aura donc les
relations suivantes :
Cp =
Intervalle de tolrance
IT
6CT
Cette mthode nest possible que si la cadence de la machine est suffisamment rapide
pour ne laisser subsister dans cet chantillon que la dispersion court terme. Une machine
pour laquelle le cycle de production serait de 5 mn par pice, ncessiterait plus de 4
heures de production pour raliser un tel essai. On ne peut plus parler de court terme
dans ces conditions, cette mthode ne conviendrait pas dans ce cas.
Deuxime mthode
La deuxime mthode pour mesurer la dispersion court terme, consiste prlever de
petits chantillons (3 pices conscutives par exemple) intervalles rguliers ou conscutifs, mais sans action sur le procd pendant la production de ces trois pices. En
revanche, il peut y avoir des actions de rglage entre deux chantillons. Dans ce cas,
la dispersion court terme sera calcule partir de la moyenne des variances estimes
laide des chantillons.
3.5 Des indicateurs lis la cible : le Cpm et le Ppm
Les indicateurs de capabilit Cp, Cpk, Pp, Ppk sont aujourdhui couramment admis
comme les indicateurs de capabilit de rfrence. Pourtant, les nouvelles contraintes
de la production que nous avons exposes au paragraphe 1 de ce chapitre font apparatre les limites de ces indicateurs.
Nous pensons en effet que, dans certains cas, un Ppk de bon niveau (Ppk = 2) peut
donner moins de satisfaction quun Ppk considr comme limite (Ppk de 1,33) (figure
10.26). Dans les relations clients/fournisseurs tablies sur le Ppk, les deux productions
de la figure 10.26 donnent satisfaction. Pourtant une des productions est centre avec
le maximum de densit de probabilit sur la valeur cible, alors que la seconde est
dcentre et la densit de probabilit au voisinage de la valeur cible est pratiquement
nulle.
Q Editions dOrganisation
CHAPITRE 10
Nous pensons que limiter les exigences en matire de capabilit au seul Ppk peut tre
dangereux. Le seul respect de lindicateur de capabilit Ppk > 1,33 peut conduire
des montages impossibles dans le cas dun tolrancement statistique.
Tolrance
Tolrance
Dispersion
Pp = 1,33, Ppk = 1,33
Dispersion
Pp = 4, Ppk = 2
Pour tenir compte de cette volution dans la faon de voir lintervalle de tolrance en
fabrication, les indicateurs de capabilit Cp, Cpk pour le court terme et Pp, Ppk pour
le long terme doivent tre complts. Un autre indicateur commence tre largement
utilis dans les entreprises : lindicateur Cpm. Cpm tient compte la fois de la dispersion et du centrage. Son objectif est de donner une image globale du procd par
un seul indicateur. Il assure que les conditions de centrage et de dispersion minimum
dont nous avons signal limportance, sont respectes. Lindicateur Cpm est bas sur
la fonction perte de Taguchi.
Perte pour
la socit
Fonction perte
L = K(X cible)2
X
Perte
pour lcart
X cible
X
X
Perte moyenne
pour un lot
de moyenne X
et d'cart type :
L = K(2 + ( X cible)2)
Cible
Le nouvel indicateur Cpm reflte la perte (au sens de Taguchi) due un drglage.
Cpm est dfini par :
Q Editions dOrganisation
250
QUALIT EN PRODUCTION
Cpm =
IT
6. + (X Cible)
2
CT
=
2
Cp
1 + 9(Cp Cpk) 2
La fonction perte intervient au dnominateur. On note que lindicateur Cpm est gal
Cp lorsque le procd est parfaitement centr. Cpm dcrot lorsque le dcentrage
augmente. Comme on le constate, Cpm tient compte la fois du centrage et de la
dispersion.
On dfinit de la mme faon lindicateur Ppm partir des donnes long terme.
Ppm =
IT
2
6.LT
+ (X Cible) 2
Pp
1 + 9(Pp Ppk) 2
En garantissant le Ppm, on assure que le procd est rellement centr sur la cible. La
variabilit sur le produit fini sera faible.
3.6 Exemple de calcul de capabilit
Soit lhistogramme figure 10.28 pour une cote de 50 0,05 reprsentant un chantillon
reprsentatif dune semaine de production. Nous pouvons calculer partir de ces donnes la performance du procd (Capabilit long terme) avec les indicateurs Pp et Ppk.
Calcul de la moyenne et de lcart type :
X = 50,0115
= 0,01411
Q Editions dOrganisation
CHAPITRE 10
Frquences
18
16
14
12
10
8
6
4
2
0
49.95 49.96 49.97 49.98 49.99 50.00 50.01 50.02 50.03 50.04 50.05
-2
Classes
0,1
Pp =
= 1,18
6 x 0,01411
Le procd est jug non capable selon le critre Ppk (Ppk < 1,33). Le pourcentage
hors tolrance est suprieur 32 ppm.
Calcul du Ppm :
Ppm =
IT
6.2 + (X Cible)2
0,1
60,014112 + (50,0115 50)2
= 0,91
Le procd est jug non capable selon le critre Ppm (Ppm < 1,33). Cela signifie que
la perte moyenne gnre par les produits de cette population est suprieure la perte
moyenne dune population centre ayant Pp = 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.
Q Editions dOrganisation
252
QUALIT EN PRODUCTION
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.
3.7 Linterprtation des chutes de capabilit
Court terme
Condition
Cp
Stabilit
du procd
dacceptation
Long Terme
Pp
Centrage
du procd
Dcentrage
Ppk > 1,33
ou Ppm > 1,33
Perte de capabilit
Lanalyse des chutes de capabilit pour un procd est souvent trs intressante. En
effet, nous partons dun procd avec un potentiel de capabilit Cp pour arriver un
produit livr au client avec une capabilit Ppk. Limportant est bien entendu davoir
un Ppk ou un Ppm suprieur 1,33 selon le critre choisi. Si ce nest pas le cas, il est
fondamental, pour rsoudre le problme, de dterminer lorigine de ce manque de
capabilit.
La chute de capabilit entre Cp et Pp traduit linstabilit du procd. En effet, si on
sait stabiliser un procd, on limite les variations de consigne et la dispersion long
terme sera proche de la dispersion court terme.
Q Editions dOrganisation
CHAPITRE 10
Cote
Dispersion
Court terme
Dispersion
Court terme
Dispersion
Long terme
Dispersion
Long terme
Variation de consigne
Variation de consigne
Temps
Temps
Procd stabilis
Nous avions vu prcdemment que la chute de capabilit entre Pp et Ppk tait due au
drglage. Nous pouvons alors interprter lensemble du tableau des capabilits comme
dans lexemple figure 10.31.
Le tableau suivant concerne une pice de 5 caractristiques pour lesquelles le centrage
est assez facile obtenir. Dans ce cas, le Cpk nest pas dune grande utilit car un
drglage sur le court terme peut trs rapidement tre compens.
Ce tableau permet une apprhension immdiate des problmes de capabilit lors de la
runion pour peu que lensemble des personnes concernes aient t formes la
notion de capabilit. Nous avons gris dans le tableau tous les cas de figure o :
Le Ppk est infrieur 1,33.
Le Ppm est infrieur 1,33.
Caractristiques
Cp
Pp
Ppk
Ppm
1 10 0,05
2,5
2,2
1,9
1,63
2 12 0,05
2,5
1,1
1,0
1,05
3 8 0,02
1,1
0,9
0,8
0,86
4 L 20 0,06
3,2
2,5
1,1
0,57
5 L 10 0,04
2,5
2,2
1,6
1,07
Chaque caractristique ayant une case grise doit tre discute pour permettre une
amlioration. On note lintrt du Ppm qui globalise lensemble de la chute de capabilit. Linterprtation du tableau figure 10.31 est la suivante :
Caractristique 1 : aucun problme, Ppm est suprieur 1,33. Le Ppk est galement
suprieur 1,33.
Q Editions dOrganisation
254
QUALIT EN PRODUCTION
Caractristique 2 : Ppm est infrieur 1,33 et il y a une chute entre Cp et Pp. Il faut
stabiliser les variations de consigne au cours du temps. Une surveillance du procd
par cartes de contrle simpose.
Caractristique 3 : Ppm est infrieur 1,33 et le Ppk est mdiocre. Au dpart, la
capabilit court terme est insuffisante. Une action mthode ou maintenance simpose.
Nous ne pouvons probablement pas rsoudre le problme dans latelier. Il faut, soit
modifier la gamme de fabrication, soit rparer la machine dans le cas dune dtrioration de la capabilit court terme par rapport la capabilit historique.
Caractristique 4 : Ppm est infrieur 1,33. Il y a un gros cart entre le Pp et le Ppk
d un dcentrage. Il est souvent ais de remdier ce type de problme en matrisant
mieux le centrage de la caractristique. Une surveillance par cartes de contrle
simpose.
Caractristique 5 : Ppm est infrieur 1,33 et pourtant Ppk est suprieur 1,33. Une
amlioration est encore possible en centrant mieux le procd pour tre plus sur la
cible. Bien que le Ppk soit suprieur 1,33, ce cas de figure gnre une perte suprieure
au cas Pp = 1,33 et Ppk = 1,33.
Q Editions dOrganisation
CHAPITRE
11
LE CONTRLE DE RCEPTION
Dans les chapitres prcdents, nous avons largement dvelopp le contrle en cours
de fabrication. Il est bien sr prfrable de bien mettre en place la matrise des procds plutt que de procder un contrle sur un lot termin. Cependant, dans de
nombreuses situations, comme lorsquon fait appel des fournisseurs, il est difficile
dassurer la conformit du lot. Un contrle par chantillonnage sur le lot fabriqu
apparat comme une solution suffisante et conomique. Lobjectif de ce chapitre est
de dvelopper ce type de contrle qui garde une place importante dans la dmarche
qualit des entreprises.
1.
1.1 Objectifs
Le contrle de rception est un contrle qui est effectu sur des lots de pices, ensembles ou sous-ensembles en provenance des ateliers, de lusine, des fournisseurs ou des
sous-traitants. Il est excut sur des lots de pices dont une opration de fabrication
est termine, cest--dire :
contrle avant opration suivante ;
contrle avant entre au magasin ;
contrle dune livraison de fournisseur.
Q Editions dOrganisation
256
QUALIT EN PRODUCTION
Production
Contrle
Acceptation
Contrle
Contrle de prvention
Contrle de rception
Refus
Il existe deux types dapproche pour le contrle. La premire est le contrle en cours
de production qui consiste vrifier la conformit dune production au cours de sa
fabrication afin de ragir si possible avant de gnrer des produits non conformes.
La MSP est une mthode de contrle en cours de production. La deuxime approche
consiste fabriquer un produit rput conforme au cahier des charges et contrler
le lot ralis afin de vrifier si lhypothse de dpart est valide. Cest lapproche
contrle de rception trs utilise avec les fournisseurs.
Pour des raisons videntes de cot, toutes les pices dune production ne peuvent pas
toujours tre vrifies. On effectue un prlvement statistique (un chantillon) et en
sappuyant sur les lois de la statistique, partir des rsultats obtenus laide de lchantillon prlev, on tablira les rsultats probables, applicables la totalit des pices
fabriques.
Deux cas peuvent alors se produire :
le lot contrl est dclar conforme ;
le lot nest pas dclar conforme.
Dans le premier cas aucun problme ne se pose. Dans le deuxime cas, diffrentes
solutions peuvent tre envisages en fonction du rapport entre le cot du contrle et
le cot de la pice :
Q Editions dOrganisation
CHAPITRE 11
2.
258
QUALIT EN PRODUCTION
Situation
relle
Conclusion du contrle
Lot accept
Lot refus
Conclusion juste
Conclusion fausse
Risque
Conclusion fausse
Risque
Conclusion juste
CHAPITRE 11
du pourcentage de dfectueux que lon obtiendrait avec un tour appropri, pour une
fabrication la fois bien conduite et bien surveille. On prendra un NQA gal par
exemple 0,65 si lon considre quune production normale gnre 0,65 % de dfauts.
En fait, aujourdhui, le choix du NQA est plus subi que choisi car nous le verrons plus
loin, plus on prend un NQA faible, plus le cot du contrle devient important (surtout
pour des critres qualitatifs).
Les NQA sont gnralement pris parmi les termes de la srie suivante :
no
10
11
12
0.15
0.25
0.40
0.65
1.0
1.5
...
50%
C
2%
Pourcentage de
dfaut dans le lot
100%
260
QUALIT EN PRODUCTION
risque = 5%
95%
10%
risque
Pourcentage
de produits
dfectueux
= 10%
D
0%
p95
p10
100%
CHAPITRE 11
Autrement dit, si lon demande un fournisseur une qualit dfinie par la valeur du
NQA et si ce fournisseur respecte cette qualit, il risque de se voir refuser des lots
dans peu prs 5 % des cas. Ce risque est le risque que nous avons appel risque
ou risque fournisseur. Autrement dit, si le fournisseur respecte ce niveau de qualit,
ses lots seront accepts dans 95 % des cas.
En contrepartie, le client court galement le risque daccepter un lot normalement
inacceptable. Ce risque est dfini par le point C, qui correspond 10 % de chance
daccepter un lot de qualit p10 parfois appel NQT (Niveau de Qualit Tolr).
Si lon applique un lot un NQA de 2 %, et si le fournisseur livre des lots dont le
pourcentage de dfectueux est suprieur 2 %, on a plus de 10 % de chances de les
accepter, bien quils soient de qualit peu acceptable. Cest ainsi que pour un lot
comportant 6 % de non conformes, on peut avoir 10 % de chances daccepter ce lot.
Ce risque est le risque que nous avons appel risque ou risque client.
courbe 1
DS = 2,66
courbe 2
p95 p95
p10
p10
=2% =3%
=8%
=14%
DS = 7
Plus ce rapport tendra vers un, plus le plan de contrle se rapprochera de lefficacit
du contrle 100 % (voir Figure 11.6). Le plan de contrle correspondant la courbe
Q Editions dOrganisation
262
QUALIT EN PRODUCTION
1 possde un facteur discriminant DS plus petit que la courbe 2. Il filtre de faon plus
efficace les lots jugs bons de ceux jugs non conformes.
2.5 Individus non-conformes et non-conformits
Un produit contrl peut avoir plusieurs caractristiques satisfaire comme une cote
dimensionnelle associe un critre daspect.
Lorsque quune caractristique est non conforme, on parle de non-conformit, il peut
donc ventuellement y avoir plusieurs non-conformits par produit contrl.
Dun autre ct, on parlera de produit conforme ou non conforme lorsque lon considre le produit bon ou non, quel que soit le nombre de non-conformits sur le produit.
Il ne peut donc pas y avoir plus de non conformes que de produits contrls.
Dans le cas ou il ny a quune non-conformit possible par produit contrl, il ny a
pas lieu de faire la diffrence entre les deux cas.
Si on souhaite faire la diffrence, on ne peut pas appliquer les mmes lois statistiques
pour les deux cas.
En cas de produits non conformes, on applique la loi hypergomtrique ou la loi
binomiale.
En cas de non conformit, le comportement est mieux modlis par la loi de Poisson.
Le calcul de la proportion de non-conformes se calcule par la formule :
Proportion de non-conformes = Nombre de non conformes
Nombre total dindividus
Q Editions dOrganisation
CHAPITRE 11
3.
Population totale
taille N
Contrle des
n pices
Nb de dfectueux < R
Lot
accept
Nb de dfectueux > = R
Lot
refus
Q Editions dOrganisation
264
QUALIT EN PRODUCTION
Population totale
taille N
Prlvement et contrle
dun chantillon de taille n1
Nb de dfectueux A1
Nb de dfectueux R1
Lot
refus
Prlvement et contrle
dun chantillon de taille n2
Nb de dfectueux total < R2
Lot
accept
Nb de dfectueux total R2
Lot
refus
Principe
On prlve un premier chantillon de n1 pices (on verra plus loin comment choisir
ce nombre n1) et on contrle cet chantillon.
On dtermine un premier critre dacceptation A1 et un premier critre de rejet R1.
Si la qualit du lot est meilleure que le critre dacceptation A1, on laccepte.
Si la qualit du lot est plus mdiocre que le critre de rejet R1, on le refuse.
Si la qualit du lot est comprise entre les deux critres, il y a incertitude, on est donc
conduit prlever un deuxime lot de taille n2, avec de nouvelles limites dacceptation et de refus (en pratique n2 = n1).
Ce type de contrle est plus conomique que le simple chantillonnage, en effet :
si le lot est excellent ds le premier prlvement, on aboutira lacceptation ;
si le lot est trs mdiocre ds le premier prlvement, on aboutira au refus ;
Q Editions dOrganisation
CHAPITRE 11
dans le cas dun lot de qualit proche du niveau acceptable, cela nous conduira
prlever un lot plus important et donc amliorer la fiabilit du prlvement.
3.3 Lchantillonnage multiple
Le principe est le mme que pour lchantillonnage double, sauf que dans le cas de
lchantillonnage multiple, les prlvements peuvent aller jusqu sept prlvements
conscutifs (le prlvement multiple sept niveaux est le plus courant). Gnralement,
dans les tables standard, les chantillons ont le mme effectif pour les diffrents prlvements.
Le plan dchantillonnage multiple exige en moyenne moins dindividus contrler
que les plans dchantillonnages simples ou doubles de mme efficacit. Cependant,
on note la lourdeur de mise en uvre dun tel procd de contrle. On rserve donc
ce type de contrle lorsque les contrles sont destructifs, afin dconomiser un maximum de pices.
3.4 Echantillonnage progressif
Un plan de contrle progressif se diffrencie des plans de contrle classiques en ce
que les pices sont prleves UNE UNE. En fait, cela revient faire un chantillonnage multiple pour lequel la taille de lchantillon serait gale 1. Aprs chaque
prlvement, lune des trois dcisions est prise :
accepter le lot ;
refuser le lot ;
prlever une autre pice.
En pratique, la mise en uvre dun contrle progressif consiste dessiner sur le graphique une ligne brise. On se dplace de 1 sur labscisse chaque fois que lon contrle
une pice et de 1 en ordonne chaque fois quune pice est trouve dfectueuse :
on accepte le lot si on franchit la droite dacceptation ;
on le refuse si on franchit la droite de refus ;
on continue tant que lon se situe dans la zone dincertitude.
Q Editions dOrganisation
266
QUALIT EN PRODUCTION
Nb total de
pices trouves
mauvaises
Arrt du contrle
Droite de refus
Zone
d'incertitude
h2
h1
50
Droite
dacceptation
100
Nb total de pices
contrles
Dans lexemple de la figure 11.9, le plan a conduit au refus du lot aprs 78 prlvements. La 6e pice tait mauvaise, la 60e et la 78e galement.
4.
Q Editions dOrganisation
CHAPITRE 11
En cas de
refus dun lot
Contrle
rduit
Contrle
normal
Contrle
renforc
Si on a la garantie
de stabilit de la qualit
5 lots successifs
ont t accepts
268
QUALIT EN PRODUCTION
comme le contrle destructif. Les quantits contrles sont faibles, mais lefficacit
de ce contrle est mdiocre avec un facteur de discrimination trs important.
Exemple
Pour un niveau II, la lettre code pour un lot de 1 000 pices est J.
4.2.1 Principe
Dans le cas de la norme NF X 06-0221, le critre dacceptation est un nombre de pices
non conformes. Le choix du plan est simple partir de la lettre code.
Pour trouver le critre dacceptation et le niveau du prlvement, il suffit donc de se
reporter la table concerne. Le niveau de prlvement est lu ct de la lettre code,
le critre dacceptation est lu dans la colonne du NQA retenu.
Exemple
Pour un NQA de 0,65, avec un lot de 1 000 pices, le niveau de prlvement
est de 80 pices avec A = 1 et R = 2.
Ce plan de contrle correspond au schma de la Figure 11.11.
CHAPITRE 11
Population totale
de taille N = 1000
Prlvement et contrle
d'un chantillon de taille n = 80
Nb de dfectueux 2
Nb de dfectueux < 2
Lot
accept
Lot
refus
k=A
PA =
k
n
k=0
pk (1 p)n k
Avec
k
n
n!
k!(n k)!
Nous pouvons donc construire la courbe defficacit du plan prcdent. Nous accepterons un lot contenant une proportion p de non conformes condition de trouver 0
ou 1 pice dfectueuse parmi le prlvement de 80 pices. Lquation de la courbe
defficacit est donc :
PA = P0 + P1 =
Q Editions dOrganisation
0
80
p0(1 p)80 +
1
80
270
QUALIT EN PRODUCTION
Pour p
Pour p
Pour p
Pour p
Ce qui
PA
PA
PA
PA
=
=
=
=
0,95
0,81
0,52
0,10
(95 %
(81 %
(52 %
(10 %
dacceptation)
dacceptation)
dacceptation)
dacceptation)
0
0%
1%
2%
3%
4%
5%
6%
10%
4.2.3 Conclusion sur lchantillonnage simple dans le cas des critres qualitatifs
Lexemple prcdent illustre la faible efficacit du contrle par chantillonnage simple
dans le cas des critres qualitatifs. En effet, nous avons pris un NQA relativement petit
(0,65) et malgr un prlvement important (80 pices) un lot contenant 2 % de dfectueux a 50 % de chances dtre accept.
Nous verrons au paragraphe 4.6 que mme dans le cas de contrle niveaux dacceptation nuls, il subsiste des risques client trs importants. La seule faon de minimiser
ces risques est de passer lorsque cela est possible un contrle aux mesures (paragraphe 6).
4.3 Plans de contrle niveaux dacceptation nul
4.3.1 Dfinition
Malgr la normalisation des plans de contrle, la plupart des entreprises pratique des
plans de contrle plus simples niveaux dacceptation nuls. Ce type de plan de contrle
consiste prlever un nombre de pices plus limit (une vingtaine), et refuser le lot
ds quun produit dfectueux est trouv.
Les industriels qui pratiquent ce type de plan de contrle, qui est en fait un chantillonnage simple effectif rduit, ont souvent limpression que le contrle est svre.
Q Editions dOrganisation
CHAPITRE 11
PA =
k=0
k
n
5,00 %
4,67 %
4,33 %
4,00 %
3,67 %
3,33 %
3,00 %
2,67 %
2,33 %
2,00 %
1,67 %
1,33 %
1,00 %
0,67 %
0,33 %
0,00 %
272
QUALIT EN PRODUCTION
Exemple
N = 1000, NQA = 0,65.
Niveau de prlvement double, contrle normal.
Le plan de contrle correspond la lettre code J, ce qui quivaut pour un chantillonnage simple un prlvement double de deux fois 50 pices. Le critre
dacceptation est donn par la table de correspondance entre lchantillonnage
simple et lchantillonnage double. Lacceptation pour lchantillonnage simple
correspondant tait de 1 2 ce qui donne comme plan :
le premier prlvement est de 50 pices. Les limites dacceptation et de refus
sur les 50 pices sont : A1 = 0 ; R1 = 2 ;
le second prlvement est nouveau de 50 pices, les limites dacceptation
et de refus sur les 100 pices sont de A2 = 1 ; R2 = 2.
Premier prlvement de n1 = 50
Nb de dfectueux = 0
Accepter
Nb de dfectueux = 2
Refuser
Second prlvement de n1 = 50
Nb de dfectueux total = 1
Nb de dfectueux total = 2
Accepter
Accepter
Refuser
Q Editions dOrganisation
CHAPITRE 11
On note que le contrle par chantillonnage double est plus conomique que lchantillonnage simple lorsque la conclusion est donne lissue du premier prlvement.
Par contre, le prlvement sera plus important si le second prlvement est ncessaire.
On montre cependant que le plan double est en moyenne plus conomique que le plan
simple pour une mme efficacit.
A1+1 A R1
on va au second tirage
A A1 on accepte
2e tirage
A A2 on accepte
PA1 =
k
n1
pk (1 p)n1 k
k=0
Probabilit dacceptation lors du second tirage. Pour accepter, il faut tirer dans le
second tirage un nombre de dfauts tel que la somme des dfauts du premier et du
second tirage soit au plus gale A2.
PA2 =
k1=R11
k1=A1+1
{[
Ck1
pk1 (1 p)n1 k1][
n1
k2=A2-k1
k2=0
probabilit daller
au second tirage
Q Editions dOrganisation
Ck2
pk2 (1 p)n2 k2]
n2
probabilit daccepter
au second tirage
274
QUALIT EN PRODUCTION
k1=R11
k=0
k1=A1+1
k pk(1 p)n1 k +
PA = Cn1
{[
Ck1
pk1(1 p)n1 k1][
n1
k2=A2-k1
k2=0
k2pk2(1 p)n2 k2
Cn2
]
1,33%
2,67%
4,00%
5,33%
6,67%
8,00%
9,33%
Exemple
N = 1000, NQA = 0,65, niveau de prlvement double, contrle normal.
La norme donne le plan suivant ayant peu prs la mme efficacit que le plan
simple correspondant. Les niveaux de prlvement sont de 20 pices.
Les limites dacceptation et de refus sont successivement les suivantes :
Prlvement
Limite dacceptation
Limite de refus
Q Editions dOrganisation
CHAPITRE 11
0,5
Pourcentage de dfauts
dans le lot
p1
p2
Ces plans sont issus de la thorie squentielle dveloppe par Wald aux USA. On
appelle dailleurs souvent ces plans : les plans de Wald. Pour construire les plans
progressifs, il faut partir de la courbe defficacit souhaite en dfinissant les deux
couples de points (p1, ) et (p2, ). A partir de ces deux points on dtermine par les
formules suivantes les droites dacceptation et de refus du contrle progressif.
h1 =
( )
( ) ( )
log
log
h2 =
1 p1
p
log 2 + log
p1
1 p2
log
s=
log
log
1 p1
p2
+ log
p1
1 p2
( )
1 p1
1 p2
p2
1 p1
+ log
p1
1 p2
( )
Q Editions dOrganisation
276
QUALIT EN PRODUCTION
Nb total de
pices trouves
mauvaises
Arrt du contrle
Droite de refus
= h2 + s.n
Acceptation
Droite d'acceptation
= -h1 + s.n
h2
h1
Refus
Zone
dincertitude
50
Dans lexemple de la figure 11.17, le plan a conduit au refus du lot aprs 78 prlvements. La 6e pice tait mauvaise, la 60e et la 78e galement. On note quil est possible,
si lon reste toujours dans la zone dincertitude de continuer le prlvement jusquau
contrle 100 %. En fait, on arrte le contrle lorsque le nombre de pices contrles
est gal 1,5 fois le nombre de pices prvues par le contrle par chantillonnage
simple correspondant. La dcision daccepter ou de refuser le lot est prise en regardant
la droite la plus proche du point obtenu.
On remarque sur la figure 11.17 que le nombre minimum de pices contrler pour
accepter le lot est de 46 pices (intersection entre la droite dacceptation et laxe
dabscisses).
ORIGINE DES CALCULS DU CONTRLE PROGRESSIF
Cette partie est rserve au lecteur averti.
Soient les hypothses suivantes :
H1 la proportion de pices mauvaises est gale p1. Dans ce cas on doit accepter
le lot avec un risque de refuser ce lot bon.
H2 la proportion de pices mauvaises est gale p2. Dans ce cas on doit refuser le
lot avec un risque daccepter ce lot mauvais.
Soit kn le nombre de pices mauvaises prleves sur n pices contrles.
Pour tester lhypothse H1 contre lhypothse H2, on calcule les probabilits succesQ Editions dOrganisation
CHAPITRE 11
P2
ratio des risques respectifs dacceptation.
P1
1
Si lhypothse H2 est plus raliste que lhypothse H1 on aura :
P2 1 ratio des risques respectifs de refus.
P1
kn
n
kn
1
n kn
<
C p (1 p1)
( 1 )
kn <
( )
( ) ( )
log
1 p1
p
log 2 + log
p1
1 p2
log
+n
log
1 p1
1 p2
p2
1 p1
+ log
p1
1 p2
( )
Q Editions dOrganisation
278
QUALIT EN PRODUCTION
5.
Le cas des non-conformits est trait de la mme faon que le cas des produits conformes non conformes, le choix de la lettre code reste le mme. Cependant comme la loi
statistique qui rgit les non-conformits est la loi de Poisson, les niveaux dacceptation
et de refus sont lgrement diffrents. On trouvera donc deux tables diffrentes pour :
individus non-conformes ;
non-conformits.
En fait, les deux tables sont trs proches lune de lautre, et dans la pratique, on nutilise
souvent quune seule table quelle que soit la situation.
6.
Le contrle de rception est souvent ralis par attribut. On compte le nombre dindividus qui ont ou nont pas le caractre recherch. Parfois, on transforme un contrle
aux mesures en contrle par attribut. Cest le cas dun diamtre qui est mesur, mais
dont on ne traite que linformation dans/hors tolrance. La perte dinformation est
considrable et nous verrons dans ce paragraphe que sous certaines conditions il
est prfrable de traiter directement la mesure.
6.1 Condition de normalit
Dans le cas du contrle aux mesures, nous devons supposer que la population suit un
modle de rpartition donn. Dans ce paragraphe, nous retiendrons comme modle la
Q Editions dOrganisation
CHAPITRE 11
loi normale. Lensemble des conclusions que nous tirerons ne sera valable que si cette
hypothse est vrifie.
Pour vrifier la normalit, on emploiera les tests classiques tels le test du 2, le test de
Kolmogorov ou de Shapiro. On peut galement utiliser un test graphique tel que la
droite de Henry.
6.2 Cas ou lcart type est inconnu (mthode S)
On doit appliquer la mthode sigma inconnu dans deux configurations :
On rceptionne pour la premire fois un lot ;
On na pas la garantie de la rgularit du fournisseur et on ne peut pas considrer
quil y aura un cart type constant entre deux livraisons.
Dans ce cas de figure on estime lcart type de la population par lestimateur :
S=
(xi x )2
n 1
Limite infrieure
de tolrance
Zone de refus
Cible
Zone dacceptation
On dfinit ainsi un indice de qualit t (variable rduite) qui dans le cas dune tolrance
suprieure est gale :
t =
Q Editions dOrganisation
TS x
S
280
QUALIT EN PRODUCTION
Si t est suprieur k, le lot est accept, si t est infrieur k le lot est refus. Cette
zone dacceptation se reprsente selon la Figure 11.19.
X
TS
Zone de rejet
Lot refus
TS-kSi
Zone dacceptation
Si
SMax
4.31
P10
2.42
0.90
P50
Facteur de discrimination DS
71.8
0.06
P95
plan rduit
correspondant
Taille du lot n
F/0.15
Q Editions dOrganisation
CHAPITRE 11
TS X
S
TI + TS
Lorsque le processus est parfaitement centr, on a X =
2
TS TI
TS TI
Soit S <
on note SMax =
2k
2k
On peut galement calculer un SL : cart type maximal que lon aura dans une situation
centre pour garantir le p95.
SL
t SL
/2
On peut crire :
t S L =
TS TI
2
soit
SL
= T S 2t T I
La valeur t tant calcule partir de la loi de Student pour (n-1) degr de libert
282
QUALIT EN PRODUCTION
Histogramme
5
Frquence
4
3
2
1
0
21.990
21.995
22.000
22.005
22.010
TS X
22.01 22.003
=
= 2.22
S
0.00315
Cette variable (t = 2.22) tant infrieure la valeur limite k lue dans la table (k =
2.42), on refuse le lot.
Cot mini :
On calcule la variable rduite t =
X TI
22.003 21.99
=
S
0.00315
= 4.12
Q Editions dOrganisation
CHAPITRE 11
X
TS
Lot refus
zone
S
dacceptation
SMax
SL
TI
Q Editions dOrganisation
284
QUALIT EN PRODUCTION
date
18/01
01/02
15/02
26/02
08/03
22/03
taille lot
250
300
300
500
300
240
15
20
20
25
20
15
2,42
2,47
2,47
2,5
2,47
2,42
moyenne
10,012
10,021
9,992
9,995
10,014
10,032
sigma S
0,008
0,009
0,013
0,012
0,011
0,017
TS-kS
10,031
10,028
10,018
10,020
10,023
10,009
TI +kS
9,969
9,972
9,982
9,980
9,977
9,991
Cible
10
10
10
10
10
10
SMax
0,021
0,020
0,020
0,020
0,020
0,021
P95
0,0006
0,0007
0,0007
0,0008
0,0007
0,0006
t0,05
4,40
4,04
4,04
3,83
4,04
4,40
SL
0,011
0,012
0,012
0,013
0,012
0,011
10,05
10,03
moyenne
TS-kS
TI+kS
Cible
10,01
9,99
9,97
9,95
18/01
01/02
15/02
26/02
08/03
22/03
0,025
0,02
Sigma S
SL
SMax
0,015
0,01
0,005
0
18/01
01/02
15/02
26/02
08/03
22/03
Q Editions dOrganisation
CHAPITRE 11
4.01
P10
2.39
0.84
P50
Facteur de discrimination DS
61.0
0.07
P95
plan rduit
correspondant
Taille du lot n
F/0.15
Q Editions dOrganisation
286
QUALIT EN PRODUCTION
tolrances 10 0,05
NQA = 0.1, taille des lots variables
La carte de contrle aura la forme de la figure 11.26
date
05 / 04
12 / 04
19 / 04
26 / 04
03 / 05
10 / 05
17 / 05
24 / 05
taille lot
300
250
280
350
400
380
400
350
2,46
2,39
2,39
2,46
2,46
2,46
2,46
2,46
moyenne
9,991
9,998
10,011
10,012
10,003
9,986
TS-k
10,0187
10,0196
10,0196
10,0187
10,0187
10,0187
10,0187
TI +k
9,9813
9,9804
9,9804
9,9813
9,9813
9,9813
9,9813 9,9813
0,0092
0,0123
0,0106
0,0142
0,005
0,0191
0,0131 0,0146
LSCS
0,0250
0,0265
0,0265
0,0250
0,0250
0,0250
0,0250
10,025 10,003
10,0187
0,0250
10,05
10,03
10,01
moyenne
TS-kS
TI+kS
Cible
9,99
9,97
9,95
05/04
12/04
19/04
26/04
03/05
10/05
17/05
24/05
0,03
0,025
Sigma S
LSCS
s
0,02
0,015
0,01
0,005
05/04
12/04
19/04
26/04
03/05
10/05
17/05
24/05
CHAPITRE 11
Tant que la moyenne se situe lintrieur des limites dacceptation le lot est accept,
sinon le lot est refus. Dans lexemple cit, le lot du 17/05 a t refus.
Calcul de la carte dacceptation des moyennes
LSacceptation = Tolrance suprieure - k
LIacceptation = Tolrance infrieure + k
Calcul de la carte de contrle des carts types
La carte de contrle sur S dans le cas dun contrle de rception est identique aux
cartes de contrle de Shewhart en Matrise Statistique des Processus .
LSCS = B6.
Le coefficient B6 est le mme que celui utilis couramment en SPC dans le calcul des
cartes de contrle. Le tableau ci-dessous rappelle ce coefficient pour diffrentes tailles
dchantillon.
n
B6
10
11
12
13
14
15
20
2,61 2,28 2,09 1,96 1,87 1,81 1,75 1,71 1,67 1,64 1,61 1,59 1,56 1,54 1,47
6.5.1 Dtermination de n et k
Pour dterminer un plan de contrle, il faut trouver :
la taille de lchantillon prlever (n)
la distance (en nombre dcarts types) placer partir de la moyenne (k)
Ces deux lments se calculent partir de la courbe defficacit souhaite.
Probabilit daccepter le lot
1
0,5
p1
p2
Q Editions dOrganisation
Pourcentage de
dfauts dans le lot
288
QUALIT EN PRODUCTION
n=
z + z
zp zp
1
k=
z . zp + z . zp
1
z + z
avec :
au risque
au risque
la proportion de dfectueux p1
la proportion de dfectueux p2
Limite
de tolrance
zp2.
k.
z .
Limite
dacceptation
p1
A B
k.
z .
Limite
de tolrance
p2
B A
Cas acceptable
Cas inacceptable
Considrons la figure 11.28 les deux graphes reprsentent le contrat entre le client et
le fournisseur.
Cas acceptable : Le fournisseur produit p1 % de produits dfectueux, on doit accepter
ce lot avec un risque fournisseur de le refuser gal ;
Cas inacceptable : Le fournisseur produit p2 % de produits dfectueux, on doit refuser
ce lot avec un risque client de laccepter gal .
Pour le cas acceptable, on crit :
AC = AB + BC soit z p1 = z
+ k
n
Pour le cas inacceptable, on crit :
BC = BA + AC soit k = z p2 + z
n
donc z p1 =
donc z p2 =
+k
z
n
+k
Q Editions dOrganisation
CHAPITRE 11
Nous avons deux quations, nous pouvons facilement calculer les deux inconnues n
et k pour obtenir les relations prcdentes.
Dans le paragraphe suivant, nous dtaillerons un exemple de calcul.
= 0,05
= 0,10
p1 = 0,0044
P2 = 0,0478
z = 1,65
z = 1,28
zP1 = 2,62
zP2 = 1,67
= 0,10
p2= 4,78%
0
0%
1%
2%
3%
4%
5%
6%
10%
Q Editions dOrganisation
290
QUALIT EN PRODUCTION
n=
k=
z + z
zp zp
1
2
][
2
1,65 + 1,28
=
= 9,51 soit 10 pices
2,62 1,67
z . zp + z . zp
1,28 2,62 + 1,65 1,67
1
2
=
= 2,09
z + z
1,65 + 1,28
On note le gain considrable du contrle aux mesures par rapport au contrle aux
attributs, pour une mme efficacit, il faut prlever huit fois moins de pices, car on
dispose de beaucoup plus dinformations.
Conclusions
Il est risqu en terme de qualit de transformer un contrle aux mesures en un
contrle par calibre. Lconomie nest quapparente puisque les prlvements
ncessaires sont beaucoup plus levs
Remarque :
Le plan de contrle normalis correspondant un NQA de 0.65 avec une taille dchantillon de 1 000 mthode sigma donnerait :
n = 11 ; k = 2.01
Dans la norme, les tailles dchantillons de la mthode sont dtermines pour avoir
une efficacit comparable entre un contrle aux attributs et un contrle aux mesures.
z p1 = z
+ k
n
donc z = ( z p1 k ) n
z = (2,1 zp1 ) 10
Q Editions dOrganisation
CHAPITRE 11
Do le tableau :
0,5 %
1%
2%
3%
5%
8%
15 %
zP1
2,58
2,33
2,05
1,88
1,64
1,41
1,04
z1
1,50
0,72
0,15
0,69
1,44
2,20
3,36
93,38
76,29
44,19
24,41
7,50
1,40
0,04
0,1
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
1
0,8
0,6
0,4
0,2
0
0
Proba. dacceptation
% dfaut
% de dfaut
= 0,05
= 0,10
z = 1,65
z = 1,28
Q Editions dOrganisation
zP2 = 3
292
QUALIT EN PRODUCTION
n=
z + z
zp zp
1
2
][
1,65 + 1,28
=
= 8,58 soit 9 pices
43
z . up + z . zp
1,28 4 + 1,65 3
1
2
=
= 3,43
z + z
1,65 + 1,28
k=
Ce contrle permet, avec seulement 9 pices de valider une production dun niveau
de qualit de quelques ppm.
6.6 Choix dun plan personnalis en fonction de la courbe defficacit
(mthode S)
(xi x)
n1
Dans ce cas de figure, pour estimer lcart type avec suffisamment de confiance, il
faut augmenter la taille de lchantillon et on trouve :
z + z
n=
zp zp
1
(1 + k2 2)
k=
z . zp + z . zp
1
2
z + z
k na pas chang par rapport au cas o lcart type est connu, par contre, la taille de
lchantillon a t multiplie par (1+k2/2)
Dans le cas o est inconnu, une premire procdure de contrle est donc la suivante :
On prlve un chantillon de n pices
On calcule S et X
On accepte le lot si TI + k S X TS - k S
Q Editions dOrganisation
CHAPITRE 11
n est grand que S suit une loi normale avec pour caractristiques :
Moyenne , (cart-type de la population totale)
Variance 2/2n
Les termes S et X tant deux valeurs indpendantes, on peut appliquer le thorme
dadditivit des variances et considrer que le terme R suit une loi normale avec pour
caractristiques :
Moyenne + k
2
Variance 2/n + k2.2/2n = (1 + k2/2)
n
n
Si on remplace
par (1 + k2/2) dans les quations de calcul du plan
n
n
dchantillonnage, on obtient :
z = z (1 + k2/2) + k
z = z (1 + k2/2) + k
p1
p2
n
n
z + z
n=
zp zp
1
(1 + k2 2)
k=
z . zp + z . zp
1
2
z + z
Le ratio (1+k2/2) est proche de celui retenu dans la norme. A titre dexemple on donne
les tailles dchantillon dans le cas dun NQA de 0.65
Q Editions dOrganisation
294
QUALIT EN PRODUCTION
Norme
Norme
Approximation 1
Approximation 2
Mthode
Mthode S
1+k /2
nEnkawa
1,58
4,5
1,69
7,3
1,8
10
10,5
12
1,88
15
13,8
15
1,95
20
20,3
22
1,96
25
23,4
25
2,01
11
35
33,2
35
2,07
16
50
50,3
52
2,12
23
75
74,7
76
2,14
30
100
98,7
100
2,17
44
150
147,6
149
2,18
59
200
199,2
201
(2)
nS =
(1
(2)
(1)
(1)
3nS k
6 nS
) n
k
) n sont identiques.
2
Lapproximation que lon a faite sur la loi de distribution des carts types a galement
une incidence sur le calcul de k. On peut avoir une bonne approximation en appliquant
la formule de Takao Enkawa qui est la suivante :
(1)
ns = ( 1
ks =
3ns 3
3ns 4
Q Editions dOrganisation
CHAPITRE 11
= 0,05
= 0,10
z = 1,28
Risque
zP1 = 2,62
zP2 = 1,67
ks =
3ns 3
3ns 4
k = 2.09
3*31.2 3
= 2.10
3*31.2 4
On prlve donc 32 pices au lieu de 10 dans le cas o est connu et les limites sont
fixes en fonction de lcart type de lchantillon. Le coefficient k est pratiquement
inchang.
7.
La norme prvoit de sparer les cas ou lon considre sparment les deux limites de
contrle des cas ou on les considre simultanment. En effet, lorsque le niveau de
qualit est mauvais, et que la production est trs disperse, les rebuts peuvent tre
la fois du cot mini et du cot maxi. (voir Figure 11.30)
Tolrance
Q Editions dOrganisation
296
QUALIT EN PRODUCTION
S1
A
A
A
A
B
B
B
B
C
C
C
C
D
D
D
Contrles spciaux
S2
S3
A
A
A
A
A
B
B
B
B
C
B
C
C
D
C
D
C
E
D
E
D
F
D
F
E
G
E
G
E
H
S4
A
A
B
C
C
D
E
E
F
G
G
H
J
J
K
I
A
A
B
C
C
D
E
F
G
H
J
K
L
M
N
Usages gnraux
II
A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
III
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R
En fonction de la lettre code lue dans le tableau ci-dessus, on dtermine la taille des
prlvements raliser dans le tableau suivant :
Q Editions dOrganisation
CHAPITRE 11
Contrle normal
Lettre code
Simple
13
20
32
50
80
Double
n1
n2
3
3
5
5
8
8
13
13
20
20
32
32
50
50
80
80
Multiple
n1
n2
n3
n4
n5
n6
n7
2
2
2
2
2
2
2
3
3
3
3
3
3
3
5
5
5
5
5
5
5
8
8
8
8
8
8
8
13
13
13
13
13
13
13
20
20
20
20
20
20
20
32
32
32
32
32
32
32
50
50
50
50
50
50
50
80
80
80
80
80
80
80
125
125
125
125
125
125
125
200
200
200
200
200
200
200
Exemple
Pour un lot de 1 000 produits contrler en niveau II de prlvement, on trouve
la lettre code J qui correspond un prlvement de 80 produits en chantillonnage simple, ou deux chantillons de 50 en contrle double.
Dans la ligne J sur la table 8.2, on trouve pour un NQA de 1 par exemple,
les limites dacceptation A = 2 et de refus R = 3.
La valeur 1,03 est le P95, la valeur 6,52 est le P10.
Q Editions dOrganisation
298
QUALIT EN PRODUCTION
Contrle
A= 0
R =1
A= 1
R =3
A= 1
R =4
A= 1
R =2
A= 2
R =3
Lettre
code
normal
n
2.53
6.5
68.4
1.70
4.0
53..6
1.02
2.5
36.9
7.63
10
58.4
0.64
1.5
25.0
2.64
6.5
40.6
11.1
10
53.9
.
13
0.394
1.0
16.1
2.81
4.0
26.8
6.63
6.5
36.0
11.3
10
44.4
20
0.256
0.65
10.9
1.80
2.5
18.1
4.2
22
4.0
24.5
7.13
6.5
30.4
14.0
10
41.5
32
0.161
0.4
6.94
1.13
1.5
11.6
2.59
2.5
15.8
4.39
4.0
19.7
8.50
6.5
27.1
13.1
10
34.1
50
0.103
0.2
4.50
0.712
1.0
7.56
1.66
1.5
10.3
2.77
2.5
12.9
5.34
4.0
17.8
8.20
6.5
22.4
9.39
0.064
0.15
2.84
0.444
0.65
4.78
1.03
1.0
6.52
1.73
1.5
8.16
3.32
2.5
11.3
5.06
4.0
14.2
5.87
0.041
0.10
1.84
0.0256
0.065
1.15
0.284
0.4
3.11
0.654
0.65
4.26
1.09
1.0
5.35
2.09
1.5
7.42
3.19
2.5
9.42
3.76
0.178
0.25
1.95
0.409
0.40
2.66
0.683
0.65
3.34
1.31
1.0
4.64
1.99
1.5
5.89
2.35
0.0163
0.040
0.731
0.112
0.15
1.23
0.259
0.25
1.69
0.433
0.40
2.12
0.829
0.65
2.94
1.26
1.0
3.74
1.49
0.0103
0.025
0.461
0.071
0.10
0.7
778
0.164
0.15
1.06
0.273
0.25
1.34
0.523
0.40
1.86
0.796
0.65
2.35
0.939
0.064
0.015
0.288
0.044
0.065
0.486
0.102
0.10
0.665
0.171
0.15
0.835
0.327
0.25
1.16
0.498
0.40
3.47
0.587
0.0041
0.0010
0.184
0.028
0.040
0.310
0.065
0.065
0.426
0.109
0.10
0.534
0.209
0.15
0.742
0.318
0.25
0.942
0.376
0.0026
0.018
0.025
0.195
0.041
0.040
0.266
0.068
0.065
0.334
0.131
0.10
0.464
0.199
0.15
0.589
0.235
80
125
200
315
500
800
1250
2000
0.1
115
P95
NQA
P10
A= 7
R =10
A=10
R=13
A=18
R =19
A=21
R =22
Contrle
A= 0
R =2
A= 0
R =1
26.0
16.2
10.4
.
6.50
4.13
2.60
1.62
1.04
0.650
12.9
10
29.1
7.91
6.5
18.6
9.61
4.94
4.0
12.3
6.15
3.09
2.5
7.70
3.85
1.96
1.5
4.89
2.44
1.23
1.0
3.08
1.54
0.771
0.65
1.93
0.961
0.494
0.40
1.23
0.615
0.309
0.25
0.770
0.385
22.2
14.2
8.89
5.65
3.56
2.222
1.42
0.889
11.9
10
24.2
7.40
6.5
16.1
9.95
4.62
4.0
10.1
6.22
2.94
2.5
6.39
3.95
1.85
1.5
4.03
2.49
1.16
1.0
2.52
1.56
0.740
0.65
1.61
0.995
0.462
0.40
1.01
0.622
19.8
12.4
7.86
4.95
3.09
1.98
1.24
Contrle
Rduit
n
Rduit
n
13
20
32
11.9
10
22.5
50
7.45
6.5
14.1
80
4.73
4.0
8.95
125
2.98
2.5
5.64
200
1.86
1.5
3.52
315
1.19
1.0
2.25
500
0.745
0.65
1.41
800
En contrle rduit, lorsque le critre dacceptation est dpass, mais que le critre de
rejet nest pas atteint, le lot est accept, mais le contrle normal est rtabli.
Q Editions dOrganisation
CHAPITRE 11
Contrle
norm al
A1
R1
A2
R2
Contrle
Renforc
A1
R1
A2
R2
Contrle
rduit
A1
R1
A2
R2
Contrle
norm al
Ai
Ri
Contrle
renforc
Ai
Ri
Contrle
rduit
Ai
Ri
0
0
1
1
2
0
0
1
2
3
4
0
1
2
3
4
6
1
2
3
5
7
9
0
1
3
5
7
10
13
0
3
6
8
11
14
18
1
4
8
12
17
21
25
2
7
13
19
25
31
37
0
0
1
1
2
0
0
1
1
2
0
0
1
2
3
4
0
1
2
3
4
6
1
2
3
5
7
9
0
2
4
6
9
12
14
0
3
7
10
14
18
21
1
6
11
16
22
27
32
0
0
0
0
1
0
0
0
1
1
0
0
1
1
2
0
0
1
2
3
4
0
1
2
3
4
6
1
2
3
5
7
9
0
1
3
5
7
10
13
0
3
6
8
11
14
18
0-1
1-2
0
1
2
2
0
1
2
2
0
0
2
2
2-3
0
3
3
4
0
1
2
2
0
0
3
4
3-4
1
4
4
5
0
3
3
4
0
1
4
5
5-6
2
6
5
7
1
4
4
5
0
3
4
6
7-8
3
8
7
9
2
6
5
7
1
4
5
7
10 - 11
5
12
9
13
3
11
7
12
2
6
7
9
14 - 15
7
18
11
19
6
15
10
16
3
8
8
12
21 - 22
11
26
16
27
9
23
14
27
5
12
10
16
Q Editions dOrganisation
2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7
4
5
6
7
8
9
10
4
6
8
10
11
12
14
5
8
10
13
15
17
19
7
10
13
17
20
23
26
9
14
19
25
29
33
38
2
2
2
3
3
3
3
2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7
4
5
6
7
8
9
10
4
7
9
11
12
14
15
6
9
12
15
17
20
22
8
12
17
22
25
29
33
2
2
2
3
3
3
3
2
3
3
4
4
5
5
3
3
4
5
6
6
7
3
4
5
6
7
7
8
4
5
6
7
8
9
10
4
6
8
10
11
12
14
5
7
9
12
13
15
17
6
9
12
15
17
20
22
300
QUALIT EN PRODUCTION
0 .1 0
0 .1 5
0 .2 5
0 .4 0
0 .6 5
B
C
5
1.65
92.5
25.9
6.34
0.28
7
1.75
58.1
18.6
4.83
0.32
10
1.84
36.7
13.2
3.77
0.36
15
1.91
20.9
9.41
3.09
0.45
20
1.96
15.2
7.46
2.69
0.49
25
1.98
11.5
6.46
2.53
0.56
35
2.03
8.50
5.10
2.21
0.60
50
2.08
6.30
4.03
1.94
0.64
75
2.12
4.63
3.24
1.74
0.70
100
2.14
3.86
2.86
1.64
0.74
150
2.18
3.06
2.36
1.48
0.77
200
2.18
2.64
2.22
1.48
0.84
D
7
2.00
131
E
10
2.24
114
F
15
2.53
119
3.58
0.67
0.03
15
2.42
71.8
20
2.58
64.5
2.58
0.56
0.04
20
2.47
45.1
25
2.61
41.0
2.05
0.50
0.05
25
2.50
31.9
35
2.65
25.0
1.50
0.43
0.06
35
2.54
21.1
50
2.71
15.1
1.06
0.35
0.07
50
2.60
13.6
75
2.77
10.6
0.74
0.29
0.07
75
2.66
8.82
100
2.80
7.62
0.61
0.26
0.08
100
2.69
6.67
150
2.84
5.75
0.46
0.23
0.08
150
2.73
4.77
200
2.85
4.36
0.41
0.22
0.09
200
2.73
3.99
4.31
0.90
0.06
F/0.15
3.16
0.76
0.07
F/0.15
2.55
0.68
0.08
F/0.15
1.90
0.59
0.09
G/0.15
1.36
0.49
0.10
H /0.15
0.97
0.40
0.11
I/0.15
0.80
0.37
0.12
J/0.15
0.62
0.32
0.13
K/0.15
0.57
0.32
0.14
L/0.15
15
2.32
56.3
20
2.36
35.0
25
2.40
25.7
35
2.45
17.6
50
2.50
11.3
75
2.55
7.47
100
2.58
5.83
150
2.61
4.47
200
2.62
3.63
7.95
1.53
0.07
E/0.25
5.07
1.17
0.09
E/0.25
3.85
1.01
0.11
E/0.25
3.08
0.89
0.12
F/0.25
2.29
0.76
0.13
G/0.25
1.70
0.65
0.15
H/0.25
1.27
0.56
0.17
I/0 .25
1.05
0.51
0.18
J/0.25
0.85
0.46
0.19
K/0.25
0.76
0.45
0.21
L/0.25
10
2.11
78.7
15
2.20
40.9
20
2.24
27.8
25
2.26
20.0
35
2.31
13.1
50
2.35
9.04
75
2.41
6.44
100
2.43
5.17
150
2.47
3.90
200
2.47
3.26
14.4
2.89
0.11
E/0.40
9.44
2.08
0.12
E/0.40
6.13
1.57
0.15
E/0.40
4.73
1.38
0.17
E/0.40
3.99
1.28
0.20
F/0.40
3.02
1.10
0.23
G/0.40
2.35
0.98
0.26
H/0.40
1.74
0.82
0.27
I/0.40
1.50
0.77
0.29
J/0.40
1.21
0.69
0.31
K/0.40
1.12
0.68
0.34
L/0.40
7
1.88
90.5
10
1.98
52.8
15
2.06
30.3
20
2.11
20.3
25
2.14
15.4
35
2.18
10.7
50
2.22
7.67
75
2.27
5.51
100
2.29
4.38
150
2.33
3.50
200
2.33
2.94
16.3
3.72
0.18
D/0.65
11.2
2.79
0.21
D/0.65
7.58
2.20
0.25
D/0.65
5.88
1.90
0.29
E/0.65
4.93
1.73
0.32
F/0.65
3.87
1.54
0.36
G/0.65
3.07
1.37
0.40
H/0.65
2.37
1.19
0.43
I/0.65
2.06
1.12
0.47
J/0.65
1.68
1.00
0.48
K/0.65
1.57
1.00
0.53
L/0.65
Un plan est repr par son NQA en colonne et sa lettre code en ligne
4
4.31
P10
2.42
0.90
P50
Facteur de discrimination DS
71.8
0.06
P95
plan rduit
correspondant
Taille du lot n
F/0.15
CHAPITRE 11
0 .1 0
0 .1 5
0 .2 5
0 .6 5
0 .4 0
B
C
2
1.58
82.2
25.0
5.71
0.30
3
1.69
41.2
17.1
4.55
0.41
4
1.80
28.2
12.3
3.59
0.44
5
1.88
21.5
9.56
3.01
0.45
7
1.95
14.1
7.14
2.56
0.51
8
1.96
11.9
6.59
2.50
0.55
11
2.01
8.55
5.22
2.22
0.61
16
2.07
6.12
4.01
1.92
0.65
23
2.12
4.64
3.20
1.70
0.69
30
2.14
3.86
2.83
1.62
0.73
44
2.17
3.08
2.40
1.50
0.78
59
2.18
2.65
2.22
1.48
0.84
D
2
1.94
157
E
3
2.19
86.9
3
2.49
138
4.01
0.64
0.03
4
2.39
61.0
4
2.55
75.5
2.81
0.54
0.04
5
2.46
42.4
6
2.59
35.0
1.94
0.48
0.06
6
2.49
31.3
7
2.63
27.8
1.60
0.43
0.06
8
2.54
20.5
11
2.72
15.1
0.98
0.33
0.07
11
2.59
13.6
15
2.77
10.5
0.74
0.28
0.07
16
2.65
8.99
20
2.80
7.78
0.60
0.26
0.08
22
2.69
6.63
30
2.84
5.43
0.46
0.23
0.08
31
2.72
4.98
40
2.85
4.34
0.41
0.22
0.09
42
2.73
3.98
4.01
0.84
0.07
F/0.15
2.96
0.69
0.07
F/0.15
2.46
0.64
0.08
F/0.15
1.84
0.55
0.09
G/0.15
1.38
0.48
0.10
H/0.15
0.99
0.40
0.11
I/0.15
0.78
0.36
0.12
J/0.15
0.64
0.33
0.13
K/0.15
0.57
0.32
0.14
L/0.15
4
2.30
54.1
5
2.34
36.8
6
2.37
27.5
9
2.45
15.9
12
2.49
11.2
17
2.54
7.83
23
2.57
5.95
34
2.62
4.42
45
2.62
3.63
7.35
1.43
0.08
E/0.25
4.85
1.07
0.09
E/0.25
3.86
0.96
0.11
E/0.25
3.24
0.89
0.12
F/0.25
2.15
0.71
0.14
G/0.25
1.70
0.64
0.15
H/0.25
1.29
0.55
0.16
I/0.25
1.06
0.51
0.18
J/0.25
0.82
0.44
0.19
K/0.25
0.76
0.44
0.21
L/0.25
3
2.07
72.5
4
2.14
43.8
6
2.23
23.7
7
2.25
19.0
9
2.29
13.8
13
2.35
9.19
19
2.41
6.46
25
2.43
5.13
37
2.47
3.89
49
2.48
3.26
15.1
2.62
0.10
E/0.40
9.17
1.92
0.13
E/0.40
6.69
1.62
0.15
E/0.40
4.39
1.29
0.19
E/0.40
3.87
1.22
0.20
F/0.40
3.12
1.10
0.23
G/0.40
2.30
0.94
0.25
H/0.40
1.72
0.80
0.27
I/0.40
1.49
0.75
0.29
J/0.40
1.19
0.68
0.31
K/0.40
1.08
0.66
0.33
L/0.40
1
1.81
124
3
1.91
57.1
5
2.05
26.1
6
2.08
20.1
8
2.13
14.0
10
2.16
10.8
14
2.21
7.67
21
2.27
5.44
27
2.29
4.48
40
2.33
3.48
54
2.34
2.93
18.3
3.51
0.15
D/0.65
12.1
2.81
0.21
D/0.65
6.99
2.02
0.27
D/0.65
5.98
1.88
0.30
E/0.65
4.68
1.66
0.33
F/0.65
3.97
1.54
0.37
G/0.65
3.09
1.36
0.40
H/0.65
2.33
1.16
0.43
I/0.65
2.05
1.10
0.46
J/0.65
1.67
0.99
0.48
K/0.65
1.52
0.96
0.52
L/0.65
Un plan est repr par son NQA en colonne et sa lettre code en ligne
4
4.01
P10
2.39
0.84
P50
Facteur de discrimination DS
61.0
0.07
P95
plan rduit
correspondant
Taille du lot n
F/0.15
CHAPITRE
12
La dmarche qualit a fortement relanc lesprit mtrologique. Bien que dans beaucoup dentreprises, il existe depuis de nombreuses annes une culture et un savoirfaire en mtrologie consquents, la validation de la qualit a donn un essor nouveau
cette discipline.
Une mesure est destine nous aider prendre une dcision. Deux situations type
seront retenues :
Validation de la conformit dun produit.
Vrification de la capabilit dun processus de production.
Dans ces deux cas, la qualit des rsultats fournis doit tre la hauteur de lenjeu.
Dans ce chapitre, nous chercherons rpondre aux questions suivantes :
Est-ce que la qualit requise est bien spcifie par mon client ?
Des disparits trs fortes peuvent se rencontrer. On trouve des secteurs industriels o
le produit est dfini avec une grande rigueur (par exemple dans le secteur automobile
o lon peut avoir plusieurs fournisseurs pour un mme produit) des secteurs o la
description de la qualit relve du bon usage. Ce dernier cas peut tre dangereux
car il engendre une subjectivit de dcision de conformit, sources dune variabilit
importante.
Q Editions dOrganisation
304
QUALIT EN PRODUCTION
1. NF EN ISO 14253-1 (Mars 1999) Spcification gomtrique du produit (GPS) Vrification par la
mesure des pices et quipements de mesure Partie 1 : rgles de dcision pour prouver la conformit
ou la non conformit la spcification.
Q Editions dOrganisation
CHAPITRE 12
1.
SUCRE
306
QUALIT EN PRODUCTION
En rsum, on cherchera dfinir avec le plus grand soin les units reprsentant des
quantits de grandeurs physiques de base. La dfinition sera bien sr fonction du niveau
de technologie du moment. On essaiera, dans la mesure du possible, de relier les units
des constantes physiques supposes invariables. Par exemple pour le mtre, la dernire dfinition est la suivante :
Le mtre est la longueur du trajet parcouru dans le vide par la lumire pendant une
dure de 1/299 792 458 de seconde .
Cette dfinition est thorique, on cherche laide de techniques utilisant des sources
lasers de frquences connues avec une grande exactitude avoir la meilleure dfinition
possible de lunit de longueur.
Lincertitude sur la dfinition du mtre est, lheure actuelle, de lordre de 10-12 m
10-14 m.
Pour certaines grandeurs physiques, il est difficile de dfinir un talon avec une incertitude trs faible (mesure de fuite par exemple). Parfois lestimation de la grandeur est
ralise sous forme dexpertise laide dun nuancier (perception de couleurs, perception tactile, ...).
2.
La qualit de la mesure peut tre dfinie par une approche de type 5M (chapitre 6 : 1.6) :
Mthodes
Milieu
Main duvre
Vibrations
du sol
Choix
du filtre
Absence
formation
Mesure
Palpeur
Machine (instrument)
Zone de
palpage
Matire
Q Editions dOrganisation
CHAPITRE 12
Le MSA1 retient une arborescence lgrement diffrente, mmorise laide de lacronyme SWIPE (Standard, Workpiece, Instrument, Person/Procedure, Environment).
2.1 Linstrument
Par instrument, il faut comprendre lappareil, les quipements et montages associs
ainsi que les talons utiliss. Pour les talons, on distingue deux types de mesures :
La mesure directe : lappareil donne directement la mesure (de faon autonome) car
il utilise un talon embarqu. Par exemple, cest le cas du pied coulisse avec ses
graduations ou du micromtre avec sa vis talon.
La mesure par comparaison avec un talon externe : linstrument (comparateur) a
alors une faible tendue de mesure, car on lui demande de comparer des pices
voisines de ltalon. Cette solution est souvent utilise en grande srie, elle permet
des mesures dune grande finesse mais ncessite de grer les talons externes.
0
Pice
0,1
talon
50
Toutes les entreprises nont pas le besoin (ni les moyens) dtre au niveau de la dfinition du mtre talon. Une copie de bonne qualit dun sous-multiple (figure 12.3
pour ltalon de 50 mm), sous une forme physique plus accessible (bote de cales par
exemple), est suffisante sous rserve quelle soit garantie par un organisme mandat.
Lentreprise doit garantir que la matrise de la mesure est dcline jusque sur les sites
de production. Chaque site na pas forcment besoin des mmes performances mtro1. Measurment Systems Analysis
Manuel dvelopp sous la responsabilit de Daimler Chrysler Corporation, Ford Motor Company et
General Motors Corporation (www.carwin.co.uk/qs).
Q Editions dOrganisation
308
QUALIT EN PRODUCTION
logiques, il suffit quelles soient en adquation avec la qualit requise par la dfinition
du produit (sauf si lentreprise possde lappareil et dsire tout simplement le rentabiliser).
Pour cela on utilise des appareils spcifiques ou standards, qui devront une frquence
donne tre compars aux talons de rfrence (cest la plus haute qualit mtrologique existante dans lentreprise). Si la qualit mtrologique exige au niveau de lappareil nest pas trs grande, on peut se contenter de le tester laide dtalons
intermdiaires, sous rserve que quils soient vrifis par rapport aux talons de rfrence. Ces talons sont appels talons de travail voire talons de transfert
utiliss comme intermdiaire pour la comparaison avec ltalon de rfrence. La gestion et la mise en place de ces tests et comparaisons constituent une chane de mesure
interne.
Exemple
Imaginons une grande entreprise, implante sur plusieurs sites. Elle possde une
mtrologie centrale au service des autres sites, une mtrologie gnrale et des
mtrologies datelier dans chaque site respectif (figure 12.4). Le raccordement aux
talons nationaux sera dvelopp au chapitre 3.
ENTREPRISE
Mtrologie centrale
talons
nationaux
talon de rfrence
Site de production A
Site de production B
talon de transfert A
talon de transfert B
Mtrologie datelier
Mtrologie datelier
talon de travail
talon de travail
Appareils de mesure
Appareils de mesure
Q Editions dOrganisation
CHAPITRE 12
Toutes les entreprises nont pas les moyens techniques et financiers pour mettre en
place une chane de mesure aussi consquente. Elles peuvent faire vrifier (ou talonner) tout ou partie de leurs appareils de mesure par un fournisseur de prestations
mtrologiques apportant les garanties ncessaires de liaison aux talons nationaux.
Rappelons le paragraphe a du chapitre 7.6 Matrise des dispositifs de surveillance
de mesure de la norme ISO 90011 :
... Lorsquil est ncessaire dassurer des rsultats valables, les quipements de
mesure doivent tre
a) talonns ou vrifis intervalles spcifis ou avant leur utilisation, par rapport
des talons de mesure relis des talons de mesure internationaux ou nationaux
(lorsque ces talons nexistent pas, la rfrence utilise pour ltalonnage doit faire
lobjet dun enregistrement)...
2.2 Le milieu
Avec linstrument, cest le deuxime facteur qui vient spontanment lesprit, lorsque
lon rencontre des problmes de qualit de mesure. En particulier, en cas de problmes
de mtrologie dimensionnelle, linfluence de la temprature est souvent perue comme
la cause majeure, alors que la contribution des autres M est peut-tre plus importante et nettement moins coteuse corriger.
Exemples de grandeurs dinfluence (liste non exhaustive) :
la temprature ;
les champs magntiques ;
la pesanteur ;
la latitude et laltitude (en pesage) ;
lhygromtrie ;
les vibrations ;
la puret de lair ;
le temps ;
...
310
QUALIT EN PRODUCTION
Temps
Cible
CHAPITRE 12
prendra pas en compte linfluence du dfaut de paralllisme, toutes les variations seront
perues comme des variations de longueurs.
0
0,20
0,4 A
50
talon
50
Pice
3.
312
QUALIT EN PRODUCTION
En simplifiant, on peut dire que le COFRAC apporte la garantie que les laboratoires1
relais du LNE, possdent une technologie mtrologique adquate et mettent en uvre
un suivi documentaire prouvant le lien mtrologique des talons du client aux talons
nationaux.
3.2 Laboratoire national de mtrologie et dessais (LNE2)
Pour assurer la confiance dans lappareil utilis, celui-ci doit tre talonn. Cet talonnage se fera souvent lintrieur de lentreprise en rfrence aux talons sources
de la mtrologie centrale (talons de rfrence).
Cette confiance ne sera totale que si lon peut valider les talons de lentreprise. Le
LNE a mis en place les structures et procdures permettant dassurer la valeur technique et scientifique des talonnages et de fournir une garantie officielle.
Le Laboratoire national de mtrologie et dessais (LNE) remplace depuis le 27 janvier
2005 le Bureau national de mtrologie (BNM), organisme interministriel, qui avait
t cr en 1969. Fdrant les laboratoires de recherche dtenant les talons nationaux,
le LNE a une mission de soutien technique et scientifique lindustrie et au monde
de la recherche. Il contribue galement au dveloppement des programmes de mtrologie europen et international.
Les quatre laboratoire nationaux sont :
CHAPITRE 12
Dans cette organisation, les centres dtalonnage agrs (CEtA) taient directement
raccords au BNM. Peu nombreux, ils possdaient une comptence mtrologique pointue dans leur domaine.
Les services de mtrologie habilits (SMH), sous la tutelle des CEtA taient en prise
directe avec le monde industriel. Les SMH pouvaient tre :
des laboratoires de mtrologie publics ou privs jouant un rle de sous-traitance pour
la mesure ;
des laboratoires internes aux entreprises. Si une entreprise avait besoin pour la ralisation de ses produits dune comptence mtrologique certaine, elle pouvait se faire
accrditer comme SMH. En plus de lutilisation interne de sa comptence, il tait
possible de proposer ses services dautres entreprises en sous-traitance mtrologique.
Noublions pas dans la prsentation de cette chane de mesure, le souci de quantifier
la croissance de lincertitude de ltalon primaire ltalon de rfrence de lentreprise.
Incertitudes
Niveau BNM
(talon primaire)
Niveau CEtA
(talon secondaire)
Niveau SMH
(talon de transfert)
Niveau entreprise
(talon de rfrence)
Q Editions dOrganisation
314
QUALIT EN PRODUCTION
LNE
(France)
Autres pays
europens
Regroupement EUROMET
Laboratoire accrdit
Laboratoire accrdit
Laboratoire accrdit
intgr
(Possibilit de faire
de la sous-traitance
en mesure
pour lentreprise A)
Laboratoire accrdit
indpendant
(public ou priv)
Entreprise B
Entreprise A
4.
CHAPITRE 12
Citons dans cet esprit la dmarche GPS (Spcification Gomtrique des Produits)
qui a comme objectif dtre un langage unique (cohrence des diffrentes normes)
pour tous les services, des tudes au contrle final.
Le service mthodes doit vrifier la compatibilit entre les valeurs de dfinition et
les capacits des moyens de production et de contrles (notion de capabilit). Suite
cette analyse, les cotes risques devront tre bien rpertories et clairement
indiques sur les plans de fabrication. Les autres cotes pourront tre contrles avec
une frquence beaucoup plus faible.
Les mtrologues de terrain doivent garder un esprit critique (constructif) pour lutilisation des moyens de contrle. Tout constat de drives ou de rebut lev doit tre
rpertori et linformation retourne aux services de conception et de production
concerns.
Le service mtrologie doit squiper (achat ou construction) dun matriel compatible
avec les exigences de qualit requise mais en vitant un degr de prcision de mesure
excessif. Grossirement le cot des appareils de mesure est une fonction puissance
de linverse de la rsolution.
5.
316
QUALIT EN PRODUCTION
Le diamtre
de la zone incluant
tous les impacts
est un indicateur
de fidlit
Lcart entre
la valeur moyenne
et une valeur
suppose vraie
correspond au concept
de justesse
Lcart de justesse sera estim par lopration dtalonnage ou born par lopration
de vrification. La fidlit, paramtre de dispersion, devra tre explicite plus finement.
On retrouvera par exemple les notions de rptabilit et de reproductibilit (on remarquera une analogie assez forte avec la matrise statistique du produit). Cela va provoquer un flou dans lexactitude de lexpression de la mesure, appel incertitudes .
Q Editions dOrganisation
CHAPITRE 12
Nous consacrerons le chapitre suivant ltude des incertitudes avec comme objectif
principal de vrifier ladquation Tolrances Incertitudes .
Il existe beaucoup dautres paramtres pour caractriser les appareils de mesure et de
contrle. Pour plus dinformation et surtout dexactitude dans le choix des termes
retenus, le lecteur est renvoy au Vocabulaire International de la Mtrologie (VIM)1.
5.2 talonnage ou vrification des appareils
Ltalonnage a comme objectif dessayer dexprimer une valeur vraie (jamais exactement connue). Imaginons par exemple une cale sans aucune inscription. En la comparant des talons situs en amont dans la chane dtalonnage, on pourra graver la
longueur estime sur la cale. Pour un appareil qui donne la mesure directement (un
pied coulisse par exemple), on comparera le rsultat fourni par lappareil avec une
valeur suppose vraie de ltalon. On en dduira une correction (positive ou ngative)
appliquer aux rsultats fournis par lappareil. Une dmarche partir de statistiques
affinera lestimation de la correction.
50,02
50
1. Class par lAFNOR sous la rfrence NF X 07-001 (dcembre 1994) Vocabulaire international des
termes fondamentaux et gnraux de mtrologie.
Q Editions dOrganisation
318
QUALIT EN PRODUCTION
car t
Mesurande
CHAPITRE 12
Lempirisme est souvent de rgle au dbut, il est affin suite aux rsultats dtalonnage
que lon obtient. On peut diminuer la frquence si les enregistrements indiquent peu
de drglages ou des drives lentes.
La priodicit de vrification dun appareil de mesure peut tre traite par la matrise
statistique des processus (MSP). Si lentreprise possde une comptence dans ce
domaine, elle peut lappliquer la vrification et ainsi mieux la grer.
partir dune carte de contrle, on surveille la drive et la dispersion. Cela permet
dviter de dcentrer un appareil bien rgl alors que lon croyait en toute bonne foi
bien faire.
5.4.1.1 Principe
Nous dcrirons simplement lesprit de la mthode, pour une application concrte le
lecteur est renvoy aux ouvrages spcialiss.
Mesurons laide dun appareil un talon de longueur x0. Nous allons obtenir une
mesure lgrement diffrente xi. laide de ces deux valeurs, nous dterminons un
cart :
ei = xi x0
Cest cet cart que nous allons surveiller. Lcart rel peut tre estim partir dune
seule mesure ou partir dun chantillon de n valeurs eij. La deuxime solution est
plus onreuse mais meilleure quand la confiance de la dcision prendre.
Pour caractriser la dispersion de lcart, un nombre important de mesures est souhaitable (si possible en esprant que les facteurs dinfluence changent, comme par exemple le changement doprateur). La valeur cible de lcart dans le cas dune vrification
est gale zro.
On peut retenir le choix suivant :
drives rapides : valeur / tendue glissante ;
drives lentes : moyenne glissante / tendue glissante ou EWMA.
Les cartes EWMA1 semblent particulirement bien adaptes la gestion des moyens
de mesure (la moyenne est pondre par les valeurs antrieures) :
1. Appliquer la matrise statistique des procds Maurice PILLET ditions dOrganisation.
Q Editions dOrganisation
320
QUALIT EN PRODUCTION
Mi = . ei + (1 ) . Mi 1
M = .
. [1 (1 )
2i
n . ( 2 )
Lorsque i crot, ces limites convergent assez vite vers les valeurs suivantes (en retenant
un facteur dlargissement gal trois) :
L S CMi = + 3 . .
L S CMi = 3 . .
n . (2 )
n . (2 )
Les deux derniers cas relvent de la matrise de produits non conformes, ils doivent
tre clairement identifis.
CHAPITRE 12
Affectation : .........................................................
Rfrence : ..........................................................
Etalonn le : ........................................................
Date de validit : .................................................
6.
Toutes les entreprises travaillent laide de mesures. Dans une socit de services, un
questionnaire ou un sondage joue le rle dun instrument de mesure La mtrologie du
service, en tant que bien immatriel, nest pas un concept vident. Certaines entreprises,
relevant du service, fournissent galement des biens physiques (distribution de produits
ptroliers par exemple, o lon va trouver une gestion des moyens de mesure classique
pour les volucompteurs ou les balances).
Q Editions dOrganisation
322
QUALIT EN PRODUCTION
La diffrence nest pas toujours trs nette entre la mesure du produit et les indicateurs.
Dans lenseignement, de nombreuses mesures sont faites tout au long de la scolarit.
Si lon compare une mesure industrielle avec la note dun examen cela donne :
Les connaissances apprises lors du stage
Le mesurande
Le test ou lexamen
Le correcteur
La note
La mesure
La mesure corrige (prise en compte des grandeurs dinfluence, correction dappareils, ...)
La notion de tolrance (ou valeur minimum) nest pas toujours fournie par le client,
cest bien souvent le fournisseur qui se fixe des limites.
Le problme de ltalonnage est dlicat galement. Par exemple, sil est facile de
comparer des tudiants, il est difficile de donner une valeur moyenne du groupe (notion
de justesse). Une hypothse de moyenne constante au fil des annes peut-tre retenue.
La question est de savoir si en constat de drive, il faut limputer au processus ou
lvaluation.
Les grilles dapprciation correspondent une graduation dappareil. En particulier, la
classe excellence prte confusion, surtout quand on mesure une activit humaine.
Comment viter la surenchre ?
La mesure des drives des processus (commercial par exemple) peut tre corrle
dautres sources (nombre de dossiers, ventes...) de nature plus objective.
Q Editions dOrganisation
CHAPITRE
13
La qualit exige par le client est le plus souvent dfinie par une valeur nominale
affecte dune tolrance, cense dfinir les variations acceptables, nengendrant ni
un fonctionnement dgrad du mcanisme, ni un montage impossible lors de lassemblage. Pour vrifier la compatibilit demande ralisation , le fournisseur va
demander au mtrologue (interne ou externe lentreprise) un chiffrage de la qualit
ralise. Or donner un rsultat, cest se comporter soi-mme comme un fournisseur.
De bonne foi, le mtrologue va fournir un chiffre qui lui parat le mieux reflter la
valeur vraie de la caractristique mesurer. Ce que lon va lui demander en plus,
cest de sauto-juger sur lexactitude de son rsultat. lui de faire la preuve de lintervalle de confiance que lon peut attribuer sa mesure.
Instinctivement, nous sommes conscients que cette exactitude va dpendre des technologies et des mthodes de mesures utilises, des comptences des oprateurs et
du milieu dans lequel se ralise le mesurage. Par exemple, on peut avoir raliser
des mesures dans un atelier avec des contraintes denvironnement dues la temprature, aux vibrations, aux champs magntiques, etc.
Linvestissement en mtrologie cote cher, il nest pas forcment peru comme une
priorit conomique car il ne fournit pas de valeur ajoute physique sur le produit
fourni au client.
Cest souvent les exigences du client, dans le cas de contexte conomique difficile qui
imposent les investissements lourds de mtrologie. Linvestissement de mtrologie doit
permettre une prestation garantissant le client sans tre prohibitif au niveau financier.
Q Editions dOrganisation
324
QUALIT EN PRODUCTION
1.
0,4
50
On veut mesurer la longueur dune pice laide dun marbre, dune cale talon et
dun comparateur.
Q Editions dOrganisation
CHAPITRE 13
talon
Pice
50
Q Editions dOrganisation
326
QUALIT EN PRODUCTION
La temprature moyenne annuelle de latelier tant de 20o, elle risque de ne pas tre
prise en considration. La correction Cq sera donc nulle (par contre linfluence de la
temprature, non matrise, interviendra dans le calcul dincertitude).
La longueur de la pice sera donc estime par la valeur :
LPice = Ltalon + Ecart mesur + Ctalon + C
soit :
LPice = 50 + 0,020+ 0,010 + 0
LPice = 50,030 mm
Bien que cette valeur nous semble la plus probable, nous devons rester modeste sur
notre affirmation. La correction dtalonnage appliquer nest pas parfaitement connue,
peut-tre que ce jour-l il faisait particulirement chaud et pour terminer notons
quil aurait t possible de recommencer la mesure et faire la moyenne des rsultats
acquis.
Dans sa dmarche, le mtrologue doit recenser les sources de dispersion (on parlera
de budget dincertitudes). Les incertitudes dtectes doivent tre estimes par statistiques ou values par expertises, cela permet de juger en physicien les ordres de grandeurs conserver.
Nous reviendrons sur cet exercice, aprs avoir rappel quelques notions de statistiques
et le vocabulaire sy rfrant.
2.
CHAPITRE 13
Reproductibilit
Reproductibilit
Rptabilit
Rptabilit
Dfinition VIM
328
QUALIT EN PRODUCTION
Erreur
alatoire
Paramtre
mesur
y0 (valeur vraie)
yi
Ces diffrentes erreurs sont des grandeurs algbriques (dans lexemple lerreur alatoire de la mesure noi est ngative).
La justesse dun instrument caractrise la faiblesse de lerreur systmatique.
Il est possible daugmenter la justesse en faisant des corrections. En labsence de
correction (plus exactement dune correction nulle), cela engendrera une augmentation de lincertitude.
La mesure corrige ncessite de modliser les corrections faire, elle est souvent plus
contraignante. De ce fait, elle est plus souvent utilise en laboratoire que sur les lieux
de production.
2.2 Dfinition du MSA1
Les entreprises relevant du domaine de lautomobile, utilisent souvent les dfinitions
suivantes qui peuvent prsenter de lgres diffrences avec les dfinitions prcdentes.
1. Measurment Systems Analysis
Manuel dvelopp sous la responsabilit de Daimler Chrysler Corporation, Ford Motor Company et
General Motors Corporation (www.carwin.co.uk/qs).
Q Editions dOrganisation
CHAPITRE 13
Mesures
Repeatability
EV
3.
330
QUALIT EN PRODUCTION
avec :
T, tolrance : spcification dans la dfinition du produit caractrisant les variations
acceptables.
U, incertitude de mesure : estimation caractrisant ltendue des valeurs
dans laquelle se situe la valeur vraie dune grandeur mesure, dfinie par
U
x
x est lestimateur de la valeur vraie,
2
U
U est un paramtre de dispersion, par exemple on peut retenir
= k M
2
(o k est le plus souvent pris gal 2).
est un rapport consensuel ne pas dpasser (la valeur 1/4 est souvent propose).
On peut quantifier ladquation tolrance incertitude de mesure par dautres indicateurs, par exemple en calculant :
le rapport IT ;
dconomie ;
de disponibilit ;
de comptences des oprateurs ;
et denvironnement (milieu).
En supposant que lon connaisse lincertitude associe une mesure (caractrise par
son cart-type par exemple), on peut dicter diffrentes rgles (accord client fournisseur). Par exemple nous pouvons citer :
6
GRR
<
=
30% ( 10 % : instrument bon, entre 10 et 30 % peut tre considr
IT
IT
comme acceptable, sous rserve de dmarche damlioration) daprs le calcul de rptabilit et reproductibilit des constructeurs automobiles amricains1.
IT >
IT
Cpc =
4 soit >
24 pour la validation dun moyen de contrle destin
6
piloter un chantier MSP (matrise statistique des procds).
1. MSA Second Edition
Q Editions dOrganisation
CHAPITRE 13
Bien que certaines propositions paraissent plus contraignantes, il faut se garder dune
conclusion htive, car pour linstant nous sommes rests relativement flou quant la
quantification, par rgle, de lcart-type associ au moyen de contrle. Cela fera lobjet
des paragraphes suivants.
3.3 Capabilit processus et capabilit moyen de contrle
Nous avons dfini une capabilit du processus par :
CP0 =
IT
6 P
CP1 =
6
P + M
ou encore :
IT
CP1 =
6 P
M
1+
2
P
= CP0
1
2
M
1+
P2
Pour viter toute erreur destimation de capabilit du processus, il est vident que la
dispersion du moyen de mesure doit tre faible devant celle du moyen de production.
Dans le mme esprit, le pilotage dun moyen de production requiert une qualit de
mesure non perturbatrice dans la boucle dasservissement que lon essaie dinstaurer.
PV
GRR
332
QUALIT EN PRODUCTION
4.
Zone de conformit
Zone
dincertitude
Zone
dincertitude
Grandeur mesurer
Toute mesure appartenant lintervalle de conformit garantit que le client sera satisfait
pratiquement 100 %. Si lon conserve la zone de spcification comme zone de dcision (bonne ou mauvaise), le risque est partag entre le client et le fournisseur.
Tout fournisseur souhaite avoir une zone de conformit la plus grande possible. En
cas de problme, deux pistes sont explorer :
soit voir avec le client (externe ou interne) si une augmentation de la zone de spcification peut tre propose sans nuire fondamentalement la qualit finale ;
1. NF EN ISO 14253-1 (Mars 1999) Spcification gomtrique du produit (GPS) Vrification par la
mesure des pices et quipements de mesure Partie 1 : rgles de dcision pour prouver la conformit
ou la non conformit la spcification.
Q Editions dOrganisation
CHAPITRE 13
soit essayer de rduire la zone dincertitude. Cela nexige pas forcment de changer
de technique de mesure, mais parfois simplement de prciser le protocole (ou instruction de mesure).
5.
INCERTITUDES DE RPTABILIT
ET DE REPRODUCTIBILIT
5.1 Rptabilit
La variance de rptabilit sera estime dans les conditions ci-dessous :
Elle peut, par exemple dans le cas de drive faible, tre estime partir dun seul
chantillon de taille consquente ( 30 mesures).
(xi )2
n
= n-1 est appel le nombre de degrs de libert. Nous avons n mesures indpendantes
lies par une quation donnant la moyenne.
Nous verrons dans le paragraphe suivant, comment lestimer partir de plusieurs
chantillons.
Q Editions dOrganisation
334
QUALIT EN PRODUCTION
5.2 Reproductibilit
Nous serons en reproductibilit lorsquau moins une des conditions cites prcdemment aura chang. Par exemple, cela peut tre utile de voir lincidence de la pice ;
cest--dire savoir si avec une autre pice on retrouve les mmes variations de mesure.
Dans lhypothse dune pice parfaite , cela na pas dimportance. Par contre si
lon rencontre des dfauts de paralllisme, de forme (pice en cuvette), ce nest plus
du tout la mme chose. Il faudra bien spcifier la mthode de mesure (protocole ou
instruction de mesure) et ventuellement prvoir des dtrompeurs, des instructions
dtailles de mesurage, etc.
Q Editions dOrganisation
CHAPITRE 13
Rptabilit : estime partir de 3 chantillons maxi sur une pice dans les conditions de production
Reproductibilit : majoration par le changement doprateur (majoration = 0 si un seul oprateur)
Faire n mesures (oprateur 1) :
11,11
11,11
11,10
11,11
11,11
11,10
11,11
11,11
11,10
11,11
11,11
11,11
11,11
11,11
11,10
11,11
11,10
11,10
11,11
11,10
11,10
11,10
11,09
11,09
11,09
11,10
11,10
11,10
11,10
11,09
qOp = 4E04
UOpr = 0,0059
UR & R = 0,0077
2
i
encouru).
Cette valeur g1- est fonction du nombre doprateurs et du nombre de degrs de
libert pour chaque estimation ( = n mesures 1).
Dans notre exemple, nous trouvons :
grel = 0,35
g0,95 ; 9 ; 3 = 0,617
Lhypothse de mme variance (avec des moyennes peut-tre diffrentes) nest
pas rejete.
336
QUALIT EN PRODUCTION
Lanalyse de la variance peut permettre de savoir si le changement doprateur contribue aux fluctuations constates.
5.2.4.1 Mthode de calcul
Il faut calculer deux quantits qR et qOp (appeles carrs moyens) reprsentant respectivement une estimation de :
la variance rsiduelle (due aux facteurs non contrls) ;
la variance totale (due tous les facteurs y compris les effets ventuels dus aux
changements doprateurs).
Si linfluence oprateurs nest pas significative, le rapport qOp / qR ne sera pas trop
important. Un test (garantissant un niveau de probabilit), va permettre daccepter ou
de refuser cette hypothse. Dans tous les cas x sera la meilleure estimation de la
longueur vraie de la pice, par contre, lintervalle de confiance associ cette estimation va dpendre de la variance retenue.
5.3 GRR (mthode moyenne et tendue)
Cette mthode, propose par les constructeurs automobiles amricains, est appele
Average and range method 1. On la retrouve galement sous le nom de mthode
R&R de Charbonneau .
Elle se veut simple et pragmatique. Nous la prsenterons laide de lexemple donn
en figure 13.11 sous forme de feuille de calcul. Sur cette feuille, nous avons rappel
en plus des calculs classiques exigs par le modle original, les diffrents carts-types
associs de manire mieux situer cette tude par rapport aux prsentations prcdentes.
CHAPITRE 13
R
d2
Nb mesures/
chantillon
Coef d2
10
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
Nombre N de sous-groupes
1
10
11
12
13
14
15
2 mesures 1,414 1,279 1,231 1,206 1,191 1,181 1,173 1,168 1,163 1,160 1,157 1,154 1,153 1,151 1,149
3 mesures 1,912 1,806 1,769 1,750 1,739 1,731 1,726 1,722 1,719 1,716 1,714 1,712 1,711 1,710 1,708
338
QUALIT EN PRODUCTION
Rj =
Rij
i
n
Avec la mme dmarche que celle utilise en analyse de la variance avec les carrs
moyens qR et qOp nous allons utiliser :
Rj
j
la moyenne des moyennes dtendues :
R =
k
ltendue des moyennes par oprateur : Rx = xMaxi xmini
tude G R & R
Rf appareil :
Type de mesure :
chantillon
Pice 1
Pice 2
Pice 3
Pice 4
Pice 5
Pice 6
Pice 7
Pice 8
Pice 9
Pice 10
Srie 1
10,300
9,540
10,980
10,450
9,950
10,020
10,510
9,750
12,110
9,010
Moy x
Rf pice :
Valeur de rfrence :
Srie 2
10,450
9,420
11,050
10,550
9,850
10,010
10,750
9,820
12,010
8,780
Oprateur A
Srie 3 Moy
10,580 10,443
9,450 9,470
11,160 11,063
10,620 10,540
9,800 9,867
9,820 9,950
10,660 10,640
9,870 9,813
11,850 11,990
8,750 8,847
10,26 Moy R
tendue
0,280
0,120
0,180
0,170
0,150
0,200
0,240
0,120
0,260
0,260
0,20
Moy x
10,05 Moy R
13,000
12,000
11,000
10,000
9,000
8,000
7,000
tendues
Moyennes
Srie 2
10,025
9,220
10,950
10,350
9,050
9,780
10,550
9,980
12,210
8,350
0,255
R:
Oprateur B
Srie 3 Moy
10,080 10,058
9,350 9,373
11,150 11,040
10,250 10,207
8,970 9,183
9,890 9,830
10,790 10,603
9,780 9,737
12,110 12,060
8,520 8,440
Srie 1
10,070
9,550
11,020
10,020
9,530
9,820
10,470
9,450
11,860
8,450
12,210
11,824
11,438
11,052
10,666
10,280
9,894
9,508
9,122
8,736
tendue
0,055
0,330
0,200
0,330
0,560
0,110
0,320
0,530
0,350
0,170
0,30
0,2
0,4 0,6
Oprateur A
0,8
Srie 1
10,040
9,040
10,860
10,150
8,860
9,850
10,020
9,600
11,720
8,450
Srie 2
9,950
8,950
11,020
10,230
8,980
9,420
10,100
9,450
11,520
8,860
Oprateur C
Srie 3 Moy tendue
9,800 9,930 0,240
9,060 9,017 0,110
10,689 10,586 0,331
10,210 10,197 0,080
8,720 8,853 0,260
9,530 9,600 0,430
10,250 10,123 0,230
9,520 9,523 0,150
11,890 11,710 0,370
8,350 8,553 0,510
10,051
Moy p
10,144
9,287
10,987
10,314
9,301
9,793
10,456
9,691
11,920
8,613
RP= 3,0307
Moy x
0,426
Diffrence x :
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
12,210
11,824
11,438
11,052
10,666
10,280
9,894
9,508
9,122
8,736
0
10,000
10
12,210
11,824
11,438
11,052
10,666
10,280
9,894
9,508
9,122
8,736
0
0,2
0,2
0,4 0,6
Oprateur C
0,8
Q Editions dOrganisation
CHAPITRE 13
% EV = 100[EV/TV]
% EV =
EV =
% AV =
AV =
20,59 %
0,221
AV = 0,221
]2 + [
[EV
]2
AV
0,151
% AV = 100[AV/TV]
14,02 %
[2GRR] + [2PV]
% GR & R = 100[GR&R/TV]
%R&R=
24,91 %
R&R =
0,268
AV = 0,268
% PV = 100[PV/(TV)]
PV = Rp/d2* = 1,040
PV =
% PV =
PV =
TV connu =
PV estim = 1,074
96,85 %
1,040
ndc = 5
avec:
Q Editions dOrganisation
3,267
2,574
QUALIT EN PRODUCTION
tendues
340
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
5
6
Pices
10
R
d2
Rx
d2*
Rappelons que les moyennes des chantillons, extraits dune mme population de
variance 2, sont distribues avec une variance gale 2x = 2 / (r . n) (r.n correspondant ici la taille des chantillons de mesure par oprateur).
Si linfluence des oprateurs est rellement nulle, nous devrions avoir MoyOp = x soit :
Rx
=
d2*
EV
r.n
CHAPITRE 13
EV
2
+ AV
r.n
R
MoyOp = x* =
d2
AV =
Rx
EV
*
r.n
d2
( )
Nous retenons le coefficient d2* car nous avons un sous-groupe de deux ou trois moyennes (dans lexemple trait, un sous-groupe de deux moyennes (deux oprateurs), soit
d2*= 1,414).
(EV)2 + (AV)2
Q Editions dOrganisation
342
QUALIT EN PRODUCTION
13,000
Moyennes
12,000
11,000
10,000
9,000
8,000
7,000
(GRR)2 + (PV)2
Attention, si lon a des donnes provenant dune dmarche MSP, cela correspond
probablement TV car il y a de grandes chances que les mesures aient t faites avec
cet appareil. On en dduit PV et lon calcule le nombre de catgories distinctes ndc
qui doit tre suprieur quatre :
ndc =
2.
PV
GRR
Q Editions dOrganisation
CHAPITRE 13
6
%R&R = 100. TolGRR
6PV
%PV = 100.
Tol
%R & R 10 %
Equipement conforme
10 % < %R & R 30 %
Acceptable si contraintes fortes (conomique, disponibilit, limites techniques, etc.). Une dmarche damlioration
doit tre entreprise.
30 % < %R & R
Problme de mesure (instruction de mesure revoir, environnement, formation...). Sans amlioration potentielle,
penser changer de moyen.
5.4 Interactions
Il peut arriver de rencontrer des interactions dans lincidence des facteurs que lon a
retenu. Par exemple linteraction pice oprateur peut se rencontrer du fait de mthodes de mesures implicites propres chaque oprateur. Par exemple, en cas dovalisation
dun alsage, un des oprateurs recherchera systmatiquement le diamtre maximum,
alors que pour un autre cest la valeur minimum quil faut retenir. En rsum, la
dcouverte dinteractions peut engendrer une dmarche damlioration en prcisant
plus clairement le protocole de mesure. Ltude GRR prcdente peut se prsenter
sous la forme suivante :
Q Editions dOrganisation
QUALIT EN PRODUCTION
Rf appareil :
Type de mesure :
Rf pice :
Tolrance :
10
Oprateur A
Srie1
0,290
0,410
-0,560
0,88
-0,680 -0,580
1,340
1,170
1,270
0,470
0,500
0,640
-0,800
-0,920 -0,840
0,020 -0,110
0,590
-0,210
0,750
-0,310
0,660
-0,200 -0,170
2,260
1,990
2,010
-1,360
-1,250 -1,310
0,165
0,21
Moy x 0,190 Moy R
tendues
0,080
0,250
0,88
0,88
0,18
0,75
0,40
1,02
0,72
0,42
0,36
0,71
0,39
0,18
0,070
0,940
1,340
0,010
1,030
0,200
0,220
0,060
0,470
0,550
0,830
-0,630
0,080 -0,340
1,800
2,120
2,190
0,88
0,88
0,88
0,80
0,60
0,40
Oprateur B
0,20
Oprateur C
4
Etendue
-0,150
0,19
0,42
0,42
0,09
0,39
0,38
0,20
0,10
0,42
0,67
0,880
1,090
0,670
0,140
0,200
0,110
0,010
0,210
1,450
1,870
Moy p
0,17
-0,85
1,10
0,37
-1,06
-0,19
0,45
-0,34
1,94
Effet de l'oprateur
0,00
Srie 3
0,88
Oprateur A
0,040 -0,110
0,88
1,00
-5
0,88
1,20
0,35
0,12
0,17
0,17
0,12
0,23
0,16
0,14
0,27
0,11
0,640
Oprateur C
0,342
R:
Oprateur B
Ecarts / moyenne
chantillon
Pice 1
Pice 2
Pice 3
Pice 4
Pice 5
Pice 6
Pice 7
Pice 8
Pice 9
Pice 10
Max :
10
0,300
0,200
0,100
0,000
-0,100
-0,200
-0,300
3,000
Moy oprateur
2,000
1,000
Oprateur A
0,000
-1,000 1
10
Oprateur B
Oprateur C
-2,000
-3,000
Effet des pices
3,00
2,00
cart
344
1,00
0,00
-1,00
10
0,300
0,200
0,100
0,000
-0,100
-0,200
-0,300
-0,400
Oprateur A
Oprateur B
Oprateur C
Srie1
-2,00
Source
Appareil
Oprateur
Pice
dLib
SS
MS
60
2,759
0,046
3,167
1,584
88,362
Int-act Op/P
18
0,359
Total :
89
F lim
Srie 3
Dispersion
L sup
EV
0,200 1,06
EV =
1,20
1,38
12%
18,4%
3,4%
AV
0,228 0,77
AV =
1,36
6,01
14%
20,9%
4,4%
PV =
6,25 10,41
63%
96,0% 92,2%
cart-Typ e
Test :
Non significatif
Srie 2
inf
9,818 0,4337
1,778
PV
1,043 4,42
0,020
95%
inter
0,00
0,00
0%
0,0%
0,040
R&R
6,16
18%
28%
7,8%
1,087 TV =
6,51
65% IT/TV=
1,535
Variation totale
:
TV
0,0%
90%
Q Editions dOrganisation
CHAPITRE 13
Ce type dtude peut se faire simplement avec le tableur Excel1, en utilisant lutilitaire
danalyse (Analyse de variances : deux facteurs avec rptition dexprience). Lexemple prcdent donne :
Pice 1
Oprateur A 0,290
0,410
0,640
Oprateur B 0,080
0,250
0,070
Oprateur C 0,040
-0,110
-0,150
Oprateur
Pice
Op/Pice
Appareil
Pice 2
- 0,560
-0,680
-0,580
-0,470
-1,220
-0,680
-1,380
-1,130
-0,960
Pice 3
1,340
1,170
1,270
1,190
0,940
1,340
0,880
1,090
0,670
Pice 4
0,470
0,500
0,640
0,010
1,030
0,200
0,140
0,200
0,110
Source
des
variations
chantillon
Colonne
Int eraction
l'intrieur
du groupe
Somme
Degr
des
de
carrs
libert
3,1672622
2
88,361934
9
0,3589822
18
2,7589333
60
T otal
94,647112
Pice 5
-0,800
-0,920
-0,840
-0,560
-1,200
-1,280
-1,460
-1,070
-1,450
Pice 6
0,020
-0,110
-0,210
-0,200
0,220
0,060
-0,290
-0,670
-0,490
Moyenne
des
carrs
1,58363111
9,81799271
0,01994345
0,04598222
Pice 7
0,590
0,750
0,660
0,470
0,550
0,830
0,020
0,010
0,210
Pice 8
-0,310
-2,200
-0,170
-0,630
0,080
-0,340
-0,460
-0,560
-0,490
F
34,440073
213,51714
0,4337210
Pice 9
2,260
1,990
2,010
1,800
2,120
2,190
1,770
1,450
1,870
Pice 10
-1,360
-1,250
-0,130
-1,680
-1,620
-1,500
-1,490
-1,770
-2,160
P robabilit
Valeur
critique
pour F
1,0938E - 10 3,150411
3,9996E - 42 2,040096
0,97410404 1,778445
89
6.
346
QUALIT EN PRODUCTION
de lchantillon)
Intervalle de confiance
de la moyenne
/2
Paramtre
mesur
y0 (valeur vraie)
Position extrme de ?
Figure 13.16 Notion dincertitude sur la correction de justesse
Q Editions dOrganisation
CHAPITRE 13
par dfaut avec son estimation s (appele galement n 1) calcule partir des valeurs
de lchantillon.
10
50,009 50,013 50,011 50,007 50,011 50,008 50,012 50,007 50,009 50,012
On obtient une moyenne de 50,010 mm en arrondissant et une estimation s de lcarttype de 0,0022 mm. On peut proposer 95 % :
Prob 50,010
2,26*0,0022
10
50,010 +
2,26*0,0022
10
= 0,95
348
QUALIT EN PRODUCTION
Y Laboratoire
47,00
46,00
45,00
44,00
43,00
42,00
42,00
43,00
44,00
45,00
46,00
47,00
48,00
X Production
Q Editions dOrganisation
CHAPITRE 13
Moyenne
sur moy
Val. talon
cart
0,002
0,000
0,007
1,018
0,002
1,010
0,008
1,605
1,610
1,600
1,605
0,003
1,600
0,005
2,080
2,080
2,075
2,078
0,002
2,070
0,008
3,010
3,005
3,010
3,008
0,002
3,000
0,008
4,900
4,910
4,910
4,907
0,003
4,900
0,007
7,010
7,005
7,010
7,008
0,002
7,000
0,008
9,000
9,005
9,010
9,005
0,003
9,000
0,005
12,010
12,000
12,005
12,005
0,003
12,000
0,005
10
15,005
15,010
15,010
15,008
0,002
15,000
0,008
11
16,810
16,810
16,805
16,808
0,002
16,800
0,008
12
20,010
20,010
20,010
20,010
0,000
20,000
0,010
13
22,010
22,010
22,005
22,008
0,002
22,000
0,008
14
23,405
23,415
23,415
23,412
0,003
23,400
0,012
15
25,015
25,010
25,015
25,013
0,002
25,000
0,013
Mesure 9
Mesure10
0,007
1,015
Mesure 8
0,005
1,020
Mesure 7
0,010
1,020
Mesure 6
0,005
Mesure 5
Mesure 3
Mesure 4
Mesure 2
Micromtre 0 -25
Mesure 1
Ref appareil :
Indice 1
Calcul de justesse
16
17
18
19
20
Intervalle de confiance pour E(yh)
Intervalle de prvision pour y h
Yi - Y estim
0,005
Nb mesures :
Nb tal. n :
3
15
Test de Fisher :
3E+08
10,860
r2 =
0,004
Seuil de signification :
0,003
-0,008
0,002
1,000
<
<
>
10,852
100,0%
F ;1;n-2 = 4,6672
v. Student : 2,1604
5,0%
-0,0063
0,9998
b0 =
b1 =
0,001
u(b 0)
7,72E-04
u(b 1)
5,57E-05
s rsiduel :
-0,001
-0,002
Rgression
significative
<
<
-0,005
1,000
-3,37E-08
0,002
20,000
-0,003
l'estimation de la grandeur y
-0,004
est de :
-0,005
L'cart-type de l'estimation y
Valeurs mesures
0,02
est de :
19,990
-0,010
0,002
19,989
<
E(y h )
<
19,992
19,986
<
yh
<
19,995
25,000
30,000
-0,02
0,030
carts
0,020
0,010
0,000
0,000
-0,010
5,000
10,000
15,000
20,000
-0,020
-0,030
Valeurs talon
Q Editions dOrganisation
350
QUALIT EN PRODUCTION
Y = a.X + b +
La variance de X est nulle, car X (la lecture) nest pas une variable alatoire.
Y reprsente une valeur de rfrence pouvant conduire la lecture X.
correspond aux rsidus (variable alatoire de moyenne nulle et dcart-type ).
Les coefficients a et b rels ne sont pas connus, ils sont estims en fonction des valeurs
de lchantillon par :
(xi x)(yi y)
a =
(xi x)2
b = y a x
a et b sont corrls. A partir de lestimation s de , on calcule la variance sur a et
b et la covariance entre a et b. On peut alors dterminer la variance sur la grandeur
mesure correspondant une lecture X de linstrument.
Cette approche permet galement de faire des comparaisons2 entre laboratoires, on
peut mettre en vidence les erreurs commises par chacun deux.
7.
1. Estimer lincertitude Mesures Essais Christophe Perruchet & Marc Priel AFNOR (Avril 2000).
2. Pour plus de dtails, le lecteur est invit consulter la norme AFNOR NF X06-047 (Avril 1986)
Application de la statistique Traitement des rsultats de mesure Estimations des erreurs partir des
comparaisons entre laboratoires.
3. GUM : Guide to the Expression of Uncertainty in Measurement. LAFNOR publie ce document sous
la rfrence XP X 07-020 (juin 1996).
Q Editions dOrganisation
CHAPITRE 13
Mesurande X
Mesure x
Mesurage
x est dfinie comme une variable alatoire. On peut calculer les paramtres de dispersion suivants :
Variance de x : u2(x)
Incertitude type : u(x) = u2(X)
Q Editions dOrganisation
352
QUALIT EN PRODUCTION
Le mesurande rsultant Y (la valeur de la planit) est fonction des mesurandes X1,
X2, ... o chaque mesurande Xi (coordonne de position) est quantifi par la mesure
xi (valeur lue sur une des rgles de la machine).
x1
Mesurande X1
Mesure y
Mesurande X2
Mesurande X3
Mesurage
Xn)
CHAPITRE 13
y = f(x1, x2,
xn )
xi peut reprsenter par exemple la moyenne des rsultats de mesure, une correction
due une grandeur dinfluence, une correction dtalonnage, etc. y est un rsultat
secondaire calcul partir des rsultats primaires xi.
7.3 Dtermination de lincertitude compose (loi de propagation des
incertitudes)
Lincertitude compose est donne par lquation suivante (obtenue partir du dveloppement de f autour des moyennes des xi en srie de Taylor du premier ordre) :
n
uc (y) =
i=1
[ ]
n1 n
f
f f
u2(xi) + 2
u(xi ,xj)
i=1 j=i+1 x x
xi
i
j
Le lecteur non familiaris avec cette criture est invit se reporter en fin de chapitre
pour deux exemples de drivation simples.
u(xi) est lincertitude type de la variable xi (cart-type).
u(xi,xj) = u(xj,xi) est la covariance des variables xi,xj (attention aux units).
Rappels
u(xi,xj) = Cov (xi,xj) = E(xiyj) E(xi).E(xj) = xi xj xi xj
avec E(x) : esprance mathmatique de la variable alatoire x.
u2(x) = Var (x) = E(x2) E(x)2 = x2 x x
Coefficient de corrlation : r(xi,xj)= u(xi,xj)/u(xi)u(xj) = Cov(xi,xj)
xi xj
Il est souvent plus pratique de prsenter lquation prcdente sous la forme suivante :
2
uc (y) =
i=1
[ ]
n1 n
f
f f
u2(xi) + 2
u(xi)u(xj)r(xi ,xj)
i=1 j=i+1 x x
xi
i
j
Lorsque les variables ne sont pas corrles (r = 0), lincertitude compose se calcule
comme suit :
2
uc (y)
Q Editions dOrganisation
[ ]
f
u2(xi)
=
i=1 xi
n
354
QUALIT EN PRODUCTION
Pour de nombreux phnomnes physiques, la corrlation nest pas nulle mais le terme
faisant intervenir les covariances est souvent ngatif du fait des drives partielles.
Lomettre revient souvent majorer lincertitude.
7.4 valuation des incertitudes types u(xi)
Pour valuer les incertitudes composes, nous devons connatre ou estimer les incertitudes types de bases. Celles-ci dpendent par exemple :
de
de
de
de
...
7.4.1 Type A
Ce type est bas sur lutilisation des techniques statistiques (variance exprimentale,
variance de distribution des moyennes, etc...).
Pour un chantillon de n rsultats de mesure, la moyenne arithmtique est le meilleur
estimateur dun nombre infini de mesures.
n
Lestimateur de la moyenne est donn par : x = 1 xi
n i=1
Lestimateur de lcart-type exprimental est donn par :
s=
n
1
(xi x)2
n 1 i=1
Si lon dispose de plusieurs sries de mesures, avec pour chaque srie une estimation
si, une meilleure estimation de la variance sous rserve dappartenance une mme
population sera donne par :
s2 =
Q Editions dOrganisation
CHAPITRE 13
7.4.2 Type B
Ces mthodes sont utilises lorsque loutil statistique est dutilisation difficile (trop
onreux ou destructif par exemple).
Si lon a une garantie sur la variable (exemple : certificat dtalonnage donnant lincertitude largie), on peut estimer lincertitude type (sous hypothses de distribution)
comme on le ferait partir dun intervalle de confiance.
Cette dmarche ncessite une analyse de physicien. Elle doit tre exhaustive tout en
gardant le sens des ordres de grandeurs. Par exemple le passage dun train proximit
dune entreprise peut tre un problme rel si lon prtend faire de la mtrologie
dimensionnelle fine.
Souvent on se contente des trois distributions suivantes :
tendue
Lois retenues
Variance
cart-type
Applications
(2* )
Normale
2/k2
/k
(2* )
Uniforme
2/3
/3
(2* )
2/2
/2
Si k = 3 ==> P = 99,7 %
Si k = 2 ==> P = 95,4 %
Q Editions dOrganisation
356
QUALIT EN PRODUCTION
8.
Lapproche MSA est considre comme plus oriente production par rapport lapproche GUM (plus applique en laboratoires).
En ralit, elles relvent de la mme dmarche. En effet, dans le MSA, en recensant
les diffrentes variances, on peut crire :
uc =
2
2
performanc e
2
performanc e
+ other
2
2
2
2
2
= GRR
+ bias
+ stability
+ consistenc
y
Ce qui sous entend, dans le cas dapplication de corrections, que lon devrait crire :
Mesure corrige = mesure brute + correction de justesse + correction de drive +
correction des facteurs dinfluence + autres corrections....
Le plus souvent, ces corrections ne sont pas faites pour diffrentes raisons (ignorance
des influences, complexit de modlisation, cot, qualification, etc.). Ne pas faire ces
corrections, ne veut pas dire quelles ne sont pas prises en compte mais quelles ont
t estimes dans un premier temps la valeur 0 .
On cherchera caractriser la dispersion de chaque correction au voisinage de la valeur
0 , laide dun indicateur de variance. Mathmatiquement, sous rserve dindpendance des diffrentes corrections, on peut crire :
M cor = M brute +
u c ( M cor ) = 1 u M brute +
2
9.
(1 u
( c i ))
INCERTITUDES ET CLASSES
CHAPITRE 13
Erreur de justesse
m
Erreur de fidlit
m
II
10
358
10.
QUALIT EN PRODUCTION
EXERCICE DAPPLICATION
Reprenons lexemple abord au paragraphe 5.2.2. Nous avions recherch les incertitudes dues la rptabilit de lappareil et au changement doprateurs. Cette tude
faite laide doutils statistiques est du type A. Compltons le chiffrage de lincertitude
en prenant en compte la classe de lappareil et linfluence de la temprature. Ces
estimations, faites partir dexpertises ou de documents de rfrence, illustrerons le
type B.
Le lecteur se reportera au tableau figure 13.23.
10.1 Incertitude de justesse
Lerreur de justesse na pas t prise en compte dans le calcul de type A prcdent.
En effet, si lon rajoute 1/100me de mm toutes les mesures, cela ne modifie pas uR&R.
Si lon possde une courbe dtalonnage, on pourrait fournir une mesure en rajoutant
une correction la valeur lue :
M = X + cEt
Ne rien rajouter, revient en ralit crire cEt = 0. Cette valeur particulire , estime
zro, est borne par un intervalle de confiance donn par la classe de lappareil. On
peut retenir une probabilit de 100 % pour que la valeur cEt soit dans lintervalle (a
(hypothse de distribution uniforme).
Cette incertitude de type B est value : u = a
j
3
10.2 Incertitude de correction de temprature
Pour tenir compte des grandeurs dinfluence, il serait logique dans le mme esprit de
faire une correction sur la mesure brute. Cette correction est souvent prise zro par
ignorance.
Dans le cas de notre micromtre, la distance entre touches est suppose tre gale
la longueur de la pice.
Soit A la temprature de lappareil de mesure et P la temprature de la pice
mesurer. Nous obtenons :
LA, = Lp,
A
Q Editions dOrganisation
CHAPITRE 13
Noublions pas que la valeur lue sur lappareil, correspond normalement la distance
entre touches la temprature de rfrence de 20o. Cela donne :
Lp,20 = LA,20 . [1 + A . (A 20)]
[1 + p . (p 20)]
Lcart d la variation de temprature est donn par :
ec = Lp,20 LA,20 = LA,20 .
[1 + A . (A 20)] 1
[1 + p . (p 20)]
Notons que pour A = P avec un appareil et une pice de mme coefficient de dilatation, cela entrane et = 0.
En fonction des conditions extrmes de temprature, retenons une correction de temprature :
ct = 0 e
t
ut
et
9
ut =
et
6
ut =
et
3
partir de cette formule, diffrentes rgles de conformit peuvent tre retenues, par
exemple, on peut vrifier si :
uc 1
Tol
16
Q Editions dOrganisation
360
QUALIT EN PRODUCTION
Ref pice :
T=
11,100
11,120
11,080
Valeur nominale :
Valeur suprieure (USL ):
Valeur infrieure (LSL) :
Spcification :
0,040
Rptabilit : estime partir de 3 chantillons maxi sur une pice dans les conditions de production
Reproductibilit : majoration par le changement doprateur (majoration = 0 si un seul oprateur)
Faire n mesures (oprateur 1) :
Si oprateur 2, faire n mesures :
Si oprateur 3, faire n mesures :
11,11
11,11
11,10
11,11
11,11
11,10
11,10
11,11
11,09
11,11
11,11
11,09
11,11
11,10
11,09
11,10
11,11
11,10
11,11
11,10
11,10
11,11
11,10
11,10
11,10
11,11
11,10
11,11
11,10
11,09
1
1
0
Justesse : dtermine partir de la classe de lappareil ou dune srie de mesures laide dun talon
Si la classe de lappareil est connue,indiquer le numro (0, 1, 2 ou 3) :
0
Classe
Erreur maximale dindication en m
ejCl =
0
5
0,005
I
7
II
10
NF E11-095
III
15
Si non, l'erreur maximale dindication sera estime laide dune grandeur talon au voisinage de la valeur de la pice.
Faire 10 mesures de ltalon :
0,00 0,00 0,00 0,00
Valeur de ltalon :
0,00
0,00
0,00
0,00
0,00
0,00 ejMes =
uj =
Influence de la temprature
Estimation de la temprature maxi de la pice mesure (C):
Estimation de la temprature de lappareil (C en atelier ou labo) :
Coefficient de dilatation de la pice (en106) :
et est lcart maximum d la temprature. On supposera quil est distribu suivant
une loi gaussienne.
uc =
0,000
0,003
20,0
20,0
11,5
et =
0,000
ut =
0,0000
0,0083
Incertitude tendue : U = k . uc =
0,017
mesure
uR & R + uj + ut
n
Facteur dlarg. k =
2
Le rsultat du mesurage scrira Y = y U
Rapport uc/T =
11,097
Zone
d'incertitude
0,2067
~3/16
Zone de conformit
11,080
REFUS
Zone de spcification
11,120
NON-CAPABLE
CHAPITRE 13
11.
Nous considrerons que toutes les variables sont indpendantes, la formule de calcul
est donne par lexpression suivante :
2
uc (y) =
i=1
[ ]
f
u2(xi)
xi
f est une fonction plusieurs variables x1, x2, ... xi, ...
f
(qui se lit : d rond f sur d rond xi) correspond la drive partielle
xi
de f par rapport la variable xi. Cette drive se calcule comme pour une drivation
classique, il suffit de considrer les autres variables comme des constantes pendant
lopration de drivation.
Le symbole
362
QUALIT EN PRODUCTION
Si les cinq mesures sont bien indpendantes (pas de drive, loprateur ne se laisse
pas influencer par ses rsultats prcdents), on peut considrer que chaque variable xi
est connue avec la mme incertitude ux.
La formule de calcul dincertitude donne :
u2c (M) =
[]
1
5
u2x +
[]
1
5
u2x +
ou encore :
[] []
[]
2
1
5
u2c (M) = 5
1
5
u2x +
u2x +
[]
1
5
u2x + 12 u2c
1
5
u2x + 12 u2c
T=2
uc(T) =
[ ]
f
u +
[ ]
f
l
ul +
[ ]
f
g
ug
Pour ce type de formule, on a intrt bien faire apparatre chaque variable. Pour
notre exemple, cela donne :
1
1
2
T = 2 l2 g
Q Editions dOrganisation
CHAPITRE 13
f
= 2 [1] l 2 g 2
f
1
=2 l 2 g 2
l
2
[ ]
f
1
= 2 l [( ) g ]
l
2
3
2
1
2
2
Uc (T)
= 2.
l
g
2
U +
1
lg
2
Ul +
l
g
Ug
Moyen mnmotechnique :
Pour ce type de fonction, le calcul des drives partielles peut tre facilit par le calcul
du logarithme :
1
1
2
Log(T) = Log 2 l 2 g
2l
2g
Lexpression dT est appele diffrentielle totale :
dT = T d + T 1 dl T 1 dg
2l
2g
Or sachant que la diffrentielle totale est calcule partir des drives partielles, on
peut galement crire lquation prcdente sous la forme :
dT =
Q Editions dOrganisation
[ ]
f
d +
[ ]
f
l
dl +
[ ]
f
g
dg
364
QUALIT EN PRODUCTION
f
1 1
= 2l2g 2
g
2 g
f
1
= l2 3
g
g2
f
= g1
g
l
g
Q Editions dOrganisation
CHAPITRE
14
SIX SIGMA
Six Sigma est certainement lapproche qui a le plus modifi le comportement qualit
des entreprises ces dernires annes. Lapproche Six Sigma est une approche globale de lamlioration de la qualit du produit et des services rendus aux clients.
Partant de cette meilleure satisfaction du client, Six Sigma apporte un accroissement de la rentabilit lentreprise avec les effets cumuls suivants :
une diminution des rebuts, retouches et plus gnralement des cots de non-qualit ;
une amlioration de la disponibilit des machines et du taux de rendement synthtique (TRS) ;
de meilleures parts de march conscutif lamlioration de la qualit des produits.
On peut rsumer cette nouvelle approche en nonant le principe suivant : Si vous
vous intressez la qualit les cots diminuent. Si vous vous intressez aux cots, la
qualit diminue... vous de choisir !
Cette approche globale se dcline de plusieurs faons. Six Sigma cest :
une certaine philosophie de la qualit tourne vers la satisfaction totale du client ;
un indicateur de performance permettant de savoir o se situe lentreprise en
matire de qualit ;
une mthode de rsolution de problmes permettant de rduire la variabilit sur
les produits ;
une organisation des comptences et des responsabilits des hommes de lentreprise ;
un mode de management par la qualit qui sappuie fortement sur une gestion
par projet.
Comprendre Six Sigma demande de bien cerner ces diffrents aspects. Lapplication
de Six Sigma peut prendre diffrentes dimensions de la simple dmarche de rsolution
Q Editions dOrganisation
366
QUALIT EN PRODUCTION
de problmes jusqu une vritable stratgie pour lentreprise. La diffrence entre ces
deux applications extrmes rside dans la dmultiplication de la dmarche et la structure mise en place pour organiser et piloter les applications.
1.
Q Editions dOrganisation
CHAPITRE 14
laugmentation de la satisfaction des clients et une plus grande fidlisation par lamlioration de la qualit ;
la rduction des dpenses en rduisant fortement le nombre de rebuts, retouches et
gaspillages ;
loptimisation dans lutilisation des actifs de lentreprise en augmentant le taux de
rendement synthtique (TRS) des moyens de production ;
laugmentation du chiffre daffaires conscutif la rduction des cots et lamlioration de la qualit.
2.
Pour pouvoir progresser il faut mesurer le niveau de qualit actuel, et pouvoir se donner
un objectif vrifiable. Six Sigma signifie donc un niveau de qualit que lon souhaite
atteindre. Une qualit sera dautant plus grande que le nombre de sigma sera lev.
Ainsi une qualit 3 sigma donnera 6.68 % de produits non conformes, une qualit
6 Sigma donnera 3,4 ppm (produits par million) de non conformes. Le but de la
mthode Six Sigma est donc datteindre au moins le niveau Six Sigma donc avoir
moins de 3,4 ppm comme taux de non conformit. Il y a donc une relation directe
entre la non-conformit et le z du processus qui est donn ci-dessous :
Z
(nombre de sigma)
DPMO
(Dfauts par Million dOpportunits)
697672
308770
66810
6209
232
3.40
Q Editions dOrganisation
368
QUALIT EN PRODUCTION
z=3
z=6
1350
ppm
1350
ppm
3 2 1
0.001
ppm
0.001
ppm
6 4 2 0
1.5
66807
ppm
66807
ppm
3 2 1
3.4
ppm
3.4
ppm
6 4 2 0
Figure 14.3 Six Sigma en tenant compte dun dcentrage de 1,5 sigma
1. Ce dcentrage est expliqu par lefficacit des cartes de contrle On pourra se reporter louvrage
Appliquer la Matrise statistique des procds pour plus de renseignements.
Q Editions dOrganisation
CHAPITRE 14
LT
4 LT
Long terme :
ZLT = 4 ou Cpk = 1.33
Court terme :
ZST = 6 ou Cp = 2
6 ST
ST
3.4
ppm
-6 -4
-2
02
3.4
ppm
46
Notons tout de suite que lobjectif de Six Sigma est dobtenir un niveau de capabilit
court terme tel que z = 6 soit un Cp de 2. Ce niveau est le minimum que lon doit
exiger si lon veut pouvoir garantir une capabilit long terme satisfaisante. En effet
sur lensemble de la production, il est impossible de maintenir le processus parfaitement sur la cible. Il faut donc calculer deux capabilits :
une capabilit court terme ZST ou Cp (Capabilit du Processus)
une capabilit long terme ZLT ou Pp (Performance du Processus)
Dans lapproche Six Sigma classique, il ny a pas dexigence sur le niveau de capabilit
long terme atteindre. Cependant les entreprises qui pratiquent de manire intensive
la mthode demandent en gnral une performance du processus telle que ZLT = 4 ou
Ppk = 1.33
Au chapitre 10 nous avions particulirement insist sur la chute des capabilits. Dans
le langage Six Sigma, nous pouvons rcrire cette chute de capabilit avec les exigences Six Sigma (figure 14.5).
Q Editions dOrganisation
370
QUALIT EN PRODUCTION
Mesure
R & R < 0.2
ou Cpc > 4
Condition
dacceptation
dun processus
Court terme
ZST > 6
ou Cp > 2
Long terme
Pp
Stabilit
du procd
Centrage
du procd
Perte
de capabilit
Condition
dacceptation
dun lot
Long terme
avec dcentrage
ZLT > 4
Ppk > 1.33
CHAPITRE 14
Nb
Nb
de produits de dfauts
DPU
Nb
opportunits
DPO
Zquiva
ZST Ppk %
500
14
0.028000
25
0.00112
0.00112
3.06
4.56
1.02
2 563
25
0.009754
0.00975
0.00971
2.34
3.84
0.78
1 462
0.000684
0.00014
0.00014
3.64
5.14
1.21
250
0.016000
0.01600
0.01587
2.15
3.65
0.72
120 000
12
0.000100
0.00002
0.00002
4.11
5.61
1.37
Le zquivalent est alors calcul par assimilation une loi normale qui donnerait un pourcentage p de dfaut avec :
p = 1 e DPO = 1 - e 1,016 = 0.01587
En se rfrant la table de Gauss, on en dduit le zquivalent = 2.15
Le calcul de p est ralis en utilisant la loi de Poisson en calculant la probabilit
quun produit puisse avoir un ou plusieurs dfauts.
Le ZST est calcul en ajoutant 1.5 sigma au zquivalent pour se ramener au calcul dans le
cas dun processus mesurable avec un dcalage de 1.5 sigma. En effet, on a vu que
dans le cas dun processus mesurable, le calcul du pourcentage de non-conformit se
faisait dans la situation particulire ou la courbe est dcal de 1.5 sigma.
ZST = zquivalent +1.5 = 2.15+1.5 = 3.65
Le Ppk % indique le Ppk quivalent dune loi normale ayant le mme pourcentage de
dfaut.
Ppk % = zquivalent/3 = 2.15/3 = 0.72
Q Editions dOrganisation
372
QUALIT EN PRODUCTION
3.
Pour obtenir les niveaux de capabilit exigs par Six Sigma, il est absolument ncessaire dutiliser des outils et plus particulirement des outils statistiques. Dans lapproche Six Sigma, tous les outils utiliss sont connus, il ny a pas doutils nouveaux. Ce
qui est intressant dans lapproche Six Sigma, cest la structuration dans lutilisation
des diffrents outils. Six Sigma se dcline en six tapes. En suivant scrupuleusement
ces six tapes, le technicien mme sil nest pas expert en statistique, pourra avec un
minimum de formation atteindre lobjectif de variabilit fix.
Rgles
Bien dfinir le problme,
les limites de remise
en cause, lquipe
de travail.
Dfinir
R0
Trouver un moyen
de mesure de la qualit.
Vrifier sa capabilit.
Rcolter des faits.
Dterminer le z du processus.
Mesurer
R1
Examiner, analyser
les donnes.
Prouver statistiquement
les facteurs influents.
Analyser
R2
Innover
R3
x1
x2
x3
x4
Contrler
R5
Exprimenter, modifier,
amliorer, optimiser.
Prouver statistiquement
que les amliorations
sont efficaces.
Appliquer la solution.
La formaliser.
La mettre sous contrle.
R4
Standardiser
fiche de poste
Prenniser la solution.
Dployer les bonnes
pratiques.
Clore le projet.
Q Editions dOrganisation
CHAPITRE 14
Pour prsenter brivement les six tapes de la dmarche, nous avons choisi de nous
appuyer sur un exemple relativement simple de mise en uvre de la dmarche, mais
qui montre bien les diffrentes tapes quil faut suivre et lutilisation de plusieurs outils
statistiques conduisant la russite du projet.
Lexemple dutilisation
Une entreprise ralise un alsage sur un piston en utilisant une machine multipostes.
Le niveau de qualit actuel nest pas satisfaisant et lentreprise rencontre des difficults
en clientle aussi bien avec son client aval (montage) quavec son client final (utilisateur du produit fini). Pour rsoudre ce problme elle dcide de recourir un projet
Six Sigma.
3.1 tape 1 : Dfinir
Q Editions dOrganisation
374
QUALIT EN PRODUCTION
Pareto ;
Cinq Pourquoi ;
Histogramme ;
...
Y : Hauteur 12 0.02
AT5 25
Dans latelier de fabrication concern, un Pareto des cots de non-qualit est rgulirement ractualis. Il apparat depuis plusieurs mois que lusinage de lalsage du
piston est le point numro 1 de la non-qualit. Il est donc choisi comme sujet dapplication de Six Sigma.
Le champion du secteur et le Black Belt se runissent et dfinissent ensemble le
problme. Le QQOQCP est utilis, le rsultat de ce travail est mis sous la forme dune
feuille douverture de chantier.
Q Editions dOrganisation
CHAPITRE 14
Formulation du problme :
La cote de hauteur de lalsage du piston subit des variabilits trop importantes entranant des
cots de non qualit importants. Nous recherchons mieux matriser cette variabilit.
Identification des clients :
Client aval : Atelier de montage
Client final : Utilisateur du produit
Situation actuelle
Situation vise
Caractristiques Y identifies :
Hauteur entre lalsage et le sommet du piston : 12 0.02
Moyen de mesure : Montage existant, capabilit non mesure
Cots identifis du projet : 7 000 euros si pas dinvestissement ncessaire
Q Editions dOrganisation
376
QUALIT EN PRODUCTION
Fournisseur A
Fournisseur B
KO
BLi
Contrle rception
Retour fournisseur
OK
Stockage
OF
Production
PS
GF
KO
Tri
AC
OK
Stockage
Montage
CHAPITRE 14
4 Observer le procd.
Lister les sources possibles de variabilit quil faut observer
Raliser un dballage dides pour faire lanalyse des 5 M
Rduire la variabilit inutile
Mettre en place des cartes dobservations.
Mettre en place des feuilles de relev.
Enregistrer toutes les informations disponibles sur Y avec ses attributs (X correspondants).
re
Oprateur 2
re
N
pice
1
mesure
2
mesure
/X
1
mesure
2e
mesure
/X
11.997
12,000
11.9985
0.003
11.995
11.997
11.996
0.002
11.983
11.98
11.9815
0.003
11.984
11.985
11.985
0.001
12.004
12.004
12.004
12.004
12.004
12.004
12.017
12.017
12.017
12.016
12.017
12.017
0.001
12.018
12.020
12.019
0.002
12.015
12.016
12.016
0.001
12.018
12.020
12.019
0.002
12.018
12.019
12.019
0.001
11.98
11.98
11.98
11.981
11.980
11.981
0.001
11.997
12,000
11.9985
0.003
11.996
11.997
11.997
0.001
12.015
12.015
12.015
12.015
12.014
12.015
0.001
10
11.987
11.99
11.9885
0.003
11.986
11.987
11.987
0.001
12.000
12.001
12.0013
0.001
11.997
11.995
12.001
0.001
//X1
/R1
//X2
/R2
Q Editions dOrganisation
378
QUALIT EN PRODUCTION
Main-duvre
Milieu
Influence
de lopration amont
Variation
de la composition
Temprature
extrieure
Diffrence
entre fournisseurs
Diffrences
entre les 4 postes
Diffrence de rglage
entre les oprateurs
Variation de la pression
dans le rseau
Flexion
des butes
Dispersion de positionnement
sur les posages
Vibration machine
Moyen
Dispersion
forte
Capabilit
insuffisante
Mthodes
Figure 14.11 Analyse des 5 M
Q Editions dOrganisation
CHAPITRE 14
No
Fournisseur
Jour
Oprateur
Heure
Pos1
Pos2
Pos3
Pos4
Q Editions dOrganisation
380
QUALIT EN PRODUCTION
LSS
Court terme
Long terme
11.97
11.98
11.99
12.00
12.01
12.02
12.03
Lanalyse statistique nous indique que la rpartition nest pas normale. Le calcul des
capabilits donne :
4 Capabilit court terme : Cp = 1 ; Cpk = 0,92 ( lintrieur dun prlvement)
4 Capabilite long terme : Pp = 0.89 ; Ppk = 0.82
Lanalyse de la carte de contrle (figure 14.14) nous indique une drive du processus
partir du 42e prlvement. Mais ce nest pas la cause du problme, en effet, la
capabilit court terme Cp est trs infrieure 2. Cest donc l quil faut chercher les
sources de variabilits.
Q Editions dOrganisation
CHAPITRE 14
12.02
UCL = 12.02
12.01
12.00
Moy. = 12
11.99
LCL = 11.98
11.98
tendue de lchant.
Sous-groupe 0
10
20
30
40
50
60
0.05
UCL = 0.04760
0.04
0.03
R = 0.02087
0.02
0.01
0.00
LCL = 0
Analyse des X
Fournisseur
Jour
Oprateur
Heure
Poste
08
10
12
14
16
18
1 2 3 4
12.005
12.001
Y 11.997
Lou
Alb
11.989
Jeudi
Vend
Lund
Mard
Merc
11.993
Q Editions dOrganisation
382
QUALIT EN PRODUCTION
Lanalyse statistique (non reproduite ici) nous montre que le fournisseur, loprateur
et le poste sont responsables dcarts. Le jour et lheure ne sont pas significatifs. Pour
illustrer leffet de ces facteurs, nous utilisons le diagramme Boite moustache
(figure 14.16).
12.02
12.01
12.00
Y
11.99
11.98
11.97
*
1
Poste
Ce diagramme nous montre quil y a un dcalage entre les postes sur la moyenne mais
que chaque poste disperse de manire similaire.
Lanalyse se termine par une recherche des causes profondes des carts observs. Dans
le cas des postes, lexplication est immdiate il sagit dun rglage. Dans le cas de
loprateur ou de la matire, lexplication est moins immdiate. Nous avons pu observer un cart dans la manire de positionner les pices entre les deux oprateurs qui
semble expliquer cet cart. Au niveau du fournisseur, le groupe de travail a attribu
ces variations aux carts de duret de la matire constats par ailleurs.
3.4 tape 4 : Amliorer
CHAPITRE 14
le dballage dides ;
le plan daction (Qui Quoi Quand) ;
les plans dexpriences (modification de plusieurs facteurs) ;
les tests de comparaisons (modification dun facteur).
Q Editions dOrganisation
384
QUALIT EN PRODUCTION
Fournisseur 1
Fournisseur 2
Angle
Posage
Moy
Moy
93o
Ancien
12.0021
0.0050
12.0010
0.0075
93o
Nouveau
12.0035
0.0032
12.0026
0.0052
Ancien
11.9951
0.0032
12.0011
0.0057
Nouveau
11.9966
0.0024
11.9978
0.0026
85
85
5.35
C1
Ang
C2
Pos
93
85
Anc
Nouv
Moy
Y
4.35
3.35
0.88
1.00
Q Editions dOrganisation
CHAPITRE 14
386
QUALIT EN PRODUCTION
4.
Pilotage
Responsable
de lentit
Champion
Pilotage tactique
Black belt
Pilotage oprationnel
Green belt
Conduite et suivi
Oprationnels
Le pilotage dune dmarche Six Sigma doit comme pour toutes autres activits avoir
les quatre couches : stratgique, tactique, oprationnelle, conduite et suivi.
Stratgique : la mise en place de Six Sigma doit partir dobjectifs en termes de cots,
de performances internes, de satisfaction clients et de perception externe et enfin de
Q Editions dOrganisation
CHAPITRE 14
Groupe projet
dirige par un
Black Belt
Champion
388
QUALIT EN PRODUCTION
doivent tre remplies pour garantir le succs du dploiement de Six Sigma dans lentreprise.
Les deux personnages les plus importants sont le Black Belt (Ceinture noire) et le
Champion.
Le Black Belt ou animateur Six Sigma a pour rle de piloter le groupe de travail. Il
est affect 100 % sur lavancement des projets Six Sigma. Son rle est le suivant :
il anime le projet ;
il forme le groupe de travail ;
il utilise les outils et la mthode Six Sigma.
Pour pouvoir tre Black Belt, il faut cumuler deux comptences : une comptence dans
les outils de la qualit et plus particulirement dans les outils statistiques et une comptence dans le management dune quipe.
Le Champion est choisi par le patron de lentreprise. Son rle nest pas de conduire
les projets, mais de choisir les projets conduire puis de les suivre activement en ayant
la responsabilit de raliser les revues entre chaque tape du cycle DMAICS. Il a la
responsabilit du dploiement de Six Sigma dans un secteur de lentreprise. Typiquement, un Champion est un responsable excutif avec un haut niveau de responsabilit.
Il peut tre le responsable dun site, ou responsable dune fonction importante de
lentreprise. Il doit faire partie du comit de direction.
Les Champions ont en charge le succs du dploiement de Six Sigma dans un secteur
de lentreprise. Ils doivent superviser les Black Belt dune unit de lentreprise. Ils
sinvestissent dans le choix des projets raliser et fournissent un support en faisant
disparatre si besoin est les barrires culturelles. Ils doivent sassurer que les
ressources sont disponibles tant en hommes quen matriels.
Le Champion suit activement lvolution des projets. Notamment avec une responsabilit dans lorganisation des revues de projet qui doivent ponctuer chaque fin dtape.
Les Champions sont trs importants, ils donnent la cohsion la dmarche Six Sigma
en reliant chaque projet aux objectifs stratgiques de lentreprise et en vitant la variabilit ... dans la mthode.
Le Master Black Belt est lexpert dans lutilisation des outils et de la mthode. Il
enseigne, conseille et dveloppe la mthode. Il possde une trs solide exprience dans
lutilisation des outils statistiques. Il a men de trs nombreux projets Six Sigma. Il
intervient en tant que conseiller auprs du Black Belt, il dnoue les situations dlicates.
Il conduit rgulirement des runions avec les Black Belt dans le but de les faire
progresser dans lutilisation des outils et des mthodes de Six Sigma.
Enfin, on trouve galement le Green Belt (ceinture verte) qui est le Black Belt en
formation.
Q Editions dOrganisation
CHAPITRE 14
5.
Six Sigma, au del dune mthode de rsolution de problme est un vritable outil de
management de la qualit orient vers la qualit des produits. Pour russir il faut
dpasser la mthode et inscrire les projets Six Sigma dans une stratgie dentreprise.
Cest la dmultiplication des chantiers Six Sigma dans lentreprise qui permet dobtenir
des gains cumuls significatifs, tant pour lentreprise que pour les clients. Pour grer
cette multitude de chantiers, il faut galement une approche structure que fournit le
management par projet.
Laspect management par projets est dj trs marqu par la structure de la mthode :
Six Sigma en six tapes. Le champion joue un rle prpondrant dans cette gestion
par projet. En effet, il fixe un objectif, un planning, et value lavancement des travaux
au travers de revues obligatoires pour valider le passage dune tape lautre. Tous
les chantiers sont rpertoris, suivis et ont un impact valid sur les objectifs stratgiques
de lentreprise.
Laffectation des ressources est galement trs prsente dans le management de Six
Sigma. Faire partie dun projet Six Sigma demande de la disponibilit qui doit tre
gre au niveau du projet. Outre les ressources humaines, on doit galement grer les
ressources financires de lentreprise pour disposer dun budget afin de pouvoir investir
dans la re-conception du processus.
Les points essentiels dun management par projet sont :
1. Initiation et criture du projet par le chef dentreprise et/ou un cadre afin quil soit
en accord avec la stratgie de lentreprise.
2. Choix du chef de projet (Le Black Belt) en fonction de ses capacits mener ce
projet bien.
Q Editions dOrganisation
390
QUALIT EN PRODUCTION
3. Choix des comptences (internes ou externes lentreprise) qui vont tre ncessaires
et suffisantes au projet.
4. Choix dun rfrent du projet (Le Champion) qui va suivre lavancement, les difficults et allouer les ressources ncessaires.
5. Dfinition des objectifs et des limites du projet.
6. Dtermination dun budget et suivi de ce budget au travers un tableau de bord
financier.
7. Dfinition des modes de validation de lavancement du projet.
8. Dfinition des modes de communications (rapports dtapes, runions...)
La gestion simultane de tous les projets, limplication de tous les acteurs donne la
dimension stratgique Six Sigma. Plutt que de se focaliser sur le contrle des
produits, on sintressera davantage la matrise des processus et la matrise de la
conception. Les perspectives de Six Sigma se placent dans un avenir long terme,
accompagn dun changement culturel profond des acteurs de lentreprise qui demande
une solide formation. Le but nest pas de faire de lamlioration continue, mais de
faire de lamlioration par perce.
Q Editions dOrganisation
Conclusion
Mise en uvre dune
dmarche qualit :
une complmentarit
systme-outils
Mettre en uvre une dmarche qualit et la faire vivre est une tche qui requiert
beaucoup dnergie. Comme le rendement est long terme, un phnomne dusure
risque de sinstaller rapidement.
En premier lieu, il faut bien analyser ce qui existe. Il ny a pas les entreprises qui font
de la qualit et les autres. Dans toutes nous retrouvons au minimum une bauche de
systme qualit. Rappelons que cest le consommateur qui donne, par ses achats, un
label de qualit. Une qualit qui ne se vend pas devient de la surqualit, donc une
perte. Lvolution du chiffre daffaires constitue un excellent indicateur.
Dvelopper un systme qualit est laffaire de tous. La dcision de cration dune
dmarche qualit doit engendrer une dynamique de progrs. Ladhsion de chacun
ne sera obtenue que si lon reconnat et quon intgre le travail dj accompli. Une
nouvelle formalisation ne doit pas ignorer les anciennes mthodes, cela vitera bien
des aigreurs qui constitueront un frein futur toute volution.
Q Editions dOrganisation
392
QUALIT EN PRODUCTION
Q Editions dOrganisation
CONCLUSION
Q Editions dOrganisation
394
QUALIT EN PRODUCTION
QFD
QFD, AMDEC
QFD, AMDE C
Bureau dtudes
Industrialisation
Client
Plans dexpriences
Fabrication
Plans dexpriences
SPC
Plans dexpriences
Figure 15.1 La place des diffrents outils
CONCLUSION
Q Editions dOrganisation
BIBLIOGRAPHIE
AFAQ, Guide dautovaluation ISO/TS 16949 : 2002 AFNOR 2004
AFNOR, volution ISO 9000 Le guide AFNOR, Guide pour la mise en place de la Matrise Statistique des Processus X06-030
1992
AFNOR/AFCIQ, Analyse des Modes de Dfaillances, de leurs Effets et de leur Criticit Journe dtude Lyon 1990
AFNOR, Grer et assurer la qualit Recueil de normes AFNOR 1997
American Supplier Institute, Inc, Orthogonal arrays and linear graphs ASI 1987
BINDI C., Un roman sur mesure AFNOR -2004
BORDONNE N., Note interne Prsentation ISO 9000 - Salomon 1992
BOTHE K., World class quality Amacom 1991
BOTHE DAVID R., Measuring process capability Mc Grow Hill 1997
CARUEL C., AMDEC Manuel de lanimateur Renault Direction de la Qualit
1988
Centres techniques industriels, PME PMI : la dmarche qualit - AFNOR 1992
Centres techniques industriels, La mtrologie en PME PMI : Pratique de la mesure
dans lindustrie AFNOR -1996
Cetama, Neuilly M, Statistique applique lexploitation des mesures Masson 1986
COURTOIS A., Martin BONNEFOUS C., PILLET M., Gestion de production ditions
dOrganisation 1996
Chrysler, Ford, GM, Statistical Process Control (SPC) Reference manual 1995
DAY RONALD G., Quality function deployment ASQC Quality Press 1993
DTRIE P., Le client retrouv Eyrolles 1993
DE QUATREBARBES B., Usagers ou clients ? Marketing et qualit dans les services
publics ditions dOrganisation
DOUCET C., La matrise de la qualit Entreprise Moderne ddition
EALEY LANCE A., Les mthodes Taguchi dans lindustrie occidentale ditions dOrganisation 1990
Q Editions dOrganisation
398
QUALIT EN PRODUCTION
BIBLIOGRAPHIE
399
MITONNEAU H., Planification de la qualit et dploiement des objectifs Qualit Rfrences 2000
MONTGOMERY D., Design and analysis of experiments Wiley 1991
MOUGIN Y, Processus : les outils doptimisation de la performance ditions dOrganisation 2003
MOUGIN Y, La cartographie des processus Matriser les interfaces La mthode de
la voix du client ditions dOrganisation 2004
PANDE P. E. NEUMAN R. P. COVANAGH R.R., The six sigma way Mc Grow Hill
2000
PRIGORD M., Les parcours de la qualit. Dmarche et outils AFNOR 1992
PERRUCHET C. & PRIEL M., Estimer lincertitude Mesures Essais AFNOR 2000
Peugeot, AMDEC PRODUIT Norme PSA No Q24 2120 Mai 1991
PILLET, Appliquer la matrise statistique des processus ditions dOrganisation
2005
PILLET, Six Sigma Comment lappliquer ditions dOrganisation 2004
QSE, Guide pratique du Management Qualit Scurit Environnement DPE 2004
Renault, Lalbum Renault de la qualit Totale Gallimard 1996
Renault, AMDEC Norme 9225.1061 1993
SADO G. SADO M. G., Les plans dexpriences : de lexprimentation lassurance
qualit AFNOR Technique 1991
SHIBA S., Le management par perce Mthode Hoshin INSEP Editions 1995
SHIBA S., Les outils du management de la qualit - Mouvement Franais pour la Qualit
1995
SOUVAY P., Plan dexprience, Mthode Taguchi Afnor, collection savoir 1996
STOCKER G., Quality Function Deployement : Listening to the voice of the customer
APICS 1991
TAGUCHI G., System of experimental design (tomes I et II) Unipub/Kraub 1987
VANDEVILLE, Gestion et contrle de la qualit Afnor Gestion 1992
ZAIDI. A., QFD Une introduction Lavoisier Tec & Doc 1990
Q Editions dOrganisation
Q Editions dOrganisation
INDEX
Action de confinement, 110
AMDEC, 99, 112
AMDEC Moyen, 199
AMDEC Organisation, 199
AMDEC Process, 108, 199, 207
AMDEC Processus, 217
AMDEC Produit, 199
AMDEC Scurit, 199
AMDEC
Analyse des modes de dfaillance, de leurs effets
et de leur criticit, 193
Amlioration continue, 73
Amliorer, 382
Analyse concurrentielle, 161
Analyse de la valeur, 202
Analyse de la variance, 336, 380
Analyse fonctionnelle, 203
Analyser, 144, 379
Analyses factorielles, 379
Animateur, 200
Anomalies externes, 38
Anomalies internes, 38
Appraiser Variation, 340
Approche processus, 53, 55
APS, 100
Aptitude, 243
Arte de poisson, 128
Assurance de la qualit, 31, 46, 53
Assurance qualit fournisseur, 112
Audit, 48, 111, 122
Auto-maintenance, 109
Auto matrise, 99, 385
Average and range method, 336
Balanced Scorecard, 57
Black Belt, 388
Bloc Diagramme, 206
Bote moustaches, 379, 382
Boucle de linformation, 151
Brainstorming, 133
Q Editions dOrganisation
Brainstromimg, 137
Bureau national de mtrologie, 312
Cahier des charges fonctionnelles, 204
Capabilit, 111, 112, 243, 367
Capabilit des moyens de mesure, 113, 341
Capabilit du processus de contrle, 330
Capabilit procd, 247
Capabilits prliminaires, 116
Carte de contrle, 134, 231, 284, 381, 385
Carte de pilotage, 235
Carte EWMA, 385
Cartographie, 112
Cartographie de processus, 57, 58, 87
Cause, 194, 210
Causes communes, 220, 221
Causes spciales, 220, 221
Centres dtalonnage agrs, 312
Certification, 62
Chane dtalonnage, 308
Chane Nationale dtalonnage, 311
Champion, 388
Check list, 109, 116
Chutes de capabilit, 252
Cible, 224, 248
5 M, 105, 220, 378
Cinq Pourquoi, 374
5S, 112
Classe, 27, 318, 356
Cochran, 335
Codification des procdures, 94
COFRAC, 79, 311
Combien, 154
Comment, 154
Comparaison de variances, 335
Comptences, 119, 386
Concentration de dfaut, 128
Cnes derreurs, 177
Confirmation mtrologique, 323
Conformit, 303
Contrle de rception, 255
404
QUALIT EN PRODUCTION
INDEX
405
406
QUALIT EN PRODUCTION
Q Editions dOrganisation
Qualit en production
De lISO 9000 Six Sigma 3e dition
Un ouvrage de rfrence et de synthse
d Simple : les connaissances de base ncessaires lapplication des concepts qualit dans
une entreprise de production.
d Global : un panorama des diffrentes mthodes utilises dans les entreprises.
d Oprationnel : les outils indispensables la mise en place dun systme qualit.
d Concret et prcis : de trs nombreux exemples.
La qualit est une condition indispensable pour prsenter un produit sur le march. Pour obtenir cette
qualit, lentreprise doit structurer son organisation autour dun modle, souvent la norme ISO 9001. Mais
elle doit galement mettre en uvre des mthodes et des outils pour accrotre sa performance.
Ce livre expose les connaissances de base ncessaires lapplication des concepts qualit dans une
entreprise de production et donne une image globale des diffrentes mthodes actuellement utilises
dans les entreprises.
La premire partie de louvrage est consacre au systme de management de la qualit fonde sur une
dmarche oriente client et sur la matrise des processus. Elle aborde notamment le modle ISO 9001,
Systmes de management de la qualit : Exigences , les rfrentiels de lindustrie automobile, la
matrise des documents et lautomatrise au niveau du poste de travail.
La seconde partie est axe sur les mthodes et les outils de la qualit : outils de rsolution de problme,
QFD, plans dexpriences, AMDEC, MSP, contrle de rception, fonction mtrologique (GRR, GUM) et
lapproche Six Sigma qui permet dobtenir lamlioration par perce.
Cet ouvrage sadresse ainsi :
Rfrences
-:HSMHKI=VXX]]Y:
Anciens lves de lENS CACHAN, Daniel DURET (professeur agrg de Gnie Mcanique) et
Maurice PILLET (professeur des Universits) enseignent au dpartement OGP de lIUT dAnnecy.
Ils pratiquent la formation et le conseil industriel dans le domaine de la qualit. Leur ouvrage est
constamment enrichi de cette double exprience duniversitaire et de praticien.
39