Académique Documents
Professionnel Documents
Culture Documents
MSP1 PDF
MSP1 PDF
de Mulhouse
_______________________________________________________________________________________________________________
LA MAITRISE
STATISTIQUE DES PROCEDES
Sommaire Dtaill
4
4
4
4
5
7
7
7
10
4.4. Conclusion
11
5. CARTES DE CONTROLE
11
11
_______________________________________________________________________________________________________________
14/06/2005
Page 1
MSP1.doc
11
12
12
12
14
14
15
16
19
19
6. EXERCICE D'APPLICATION
20
_______________________________________________________________________________________________________________
14/06/2005
Page 2
MSP1.doc
Mthodes
Organisation
Machines
Milieu
Environnement de
travail
Matires
Premires
IL FAUT COMPRENDRE ET
CONTROLER, cest--dire
MAITRISER LE PROCESSUS
Efficacit de la MSP
Les chiffres avancs ci-dessous ont t obtenus chez MICHELIN aprs application de la MSP.
- La vrification passe du tri 100% au sondage
- Les tolrances passent de 0.2 0.05 mm
- Les non-conformes passent de 9 1%
Les incidences indirectes sont les suivantes :
- Productivit en hausse de 50%
- Maintenance allge
_______________________________________________________________________________________________________________
14/06/2005
Page 3
MSP1.doc
1.5.
Le contrle du Procd
1.5.1. Le Procd
C'est un systme qui combine plusieurs lments agissant en mme temps pour l'obtention d'une
production de biens ou de services en particulier les 5 M dfinis par Ishikawa (Main d'Oeuvre ,
Matire, Milieu, Mthodes et Machines ).
1.5.2. Renseignements sur la performance
L'tude des paramtres dcrivant l'tat du fonctionnement du procd et l'interprtation des
rsultats permettent d'intervenir pour corriger le procd ou la production, ce qui entraine deux types
d'interventions :
- Sur le procd ( long terme ou court terme )
- Sur la production passe par tris , rebuts et retouches. Il est noter que ce type d'intervention
doit devenir exceptionnel voire tre supprim si le procd est Mis sous Contrle.
1.5.3. Variabilit du procd
De multiples phnomnes viennent influencer la qualit du produit, rsultant de la combinaison
des facteurs des 5 M . La Norme NF X50-020 regroupe en 2 catgories ces causes de variabilit.
Causes Communes ou alatoires :
Ce sont des causes inhrentes au processus lui-mme.
Ex :
- Jeux dans les diffrents lments de la machine
- Elasticit des organes
- Htrognit de la matire travaille
- Temprature de l'atelier
- Erreurs dans le processus de mesure
Les causes alatoires se caractrisent par :
- leur nombre trs important
- leurs variations faibles en rgle gnrale
- leur indpendance les unes des autres
- par le fait qu'elles sont toujours prsentes
- elles se retrouvent dans toutes les pices fabriques; c'est d'ailleurs pour ces raisons que la
distribution est le plus souvent normale.
Les causes communes ne sont pas identifiables et sont incontrlables. Elles sont responsables des
variations alatoires.
Lorsque le PROCESSUS EST STABLE on dit qu'il est SOUS CONTROLE ou qu'il est
MAITRISE . Il n'y a que des causes communes et pas de causes spciales .
Causes Spciales ou assignables :
Elles ne sont pas inhrentes au processus et il en rsulte une dispersion variable dans le temps .
Ex :
- Cassure d'un outil
- Coupure du courant dans un cycle de chauffe
- Dfaillance humaine
- Fuite dans un tuyau sous pression
- Grippage d'un palier
- Dgel, chaleur ou froid exceptionnel
- Changement d'oprateur
- Lot de matire premire dfectueux
Ce sont des causes que l'on peut souvent identifier et que l'on peut contrler.
Les causes spciales ne concernent que certaines pices; elles sont peu nombreuses, mais avec des
effets importants. En principe, les causes spciales ne durent pas longtemps puisqu'on les limine au
fur et mesure qu'elles se prsentent. Quand un outil casse, on le remplacera.
_______________________________________________________________________________________________________________
14/06/2005
Page 4
MSP1.doc
Les causes spciales se traduisent par des variations non alatoires qui correspondent des valeurs
situes en dehors de l'intervalle x 3 ; x + 3 . Il faut donc empcher le processus de faire des
fautes pour que les variations non-alatoires ne se produisent pas.
1.5.4. L'Auto-Contrle
Il consiste responsabiliser l'oprateur en lui donnant les moyens d'obtenir un niveau de qualit
souhait.
La dmarche Qualit s'appuie largement sur la mise en oeuvre du S.P.C. ( Statistical Process
Control = Surveillance des Procds en Continu ). Dans ce cadre on estime que l'oprateur n'est
responsable que de 15 % de la non-qualit , les 85 % restant ayant pour origine le reste du procd.
1.6.
moyenne : x =
tendue
cart type
i =1
xi
avec xi = valeur de chaque individu
W toujours 0
:W = x max - x min
: =
( xi x ) 2
n
toujours 0
_______________________________________________________________________________________________________________
14/06/2005
Page 5
MSP1.doc
Remarque sur le calcul de l'cart-type des calculatrices H.P. : ( Rappels 1re Anne )
( xi x ) 2
n 1
HP =
= 0
n 1
n
0 =
n
n 1
Les valeurs obtenues xi , Wi , i sont reportes dans l'ordre chronologique, sur une carte dite
"carte de contrle" et interprtes d'aprs leur position par rapport des limites traces l'avance.
Numro
d'chantillon
Moyenne
Etendue
Ecart-type
x1
W1
1
x2
W2
2
x3
W3
3
etc
x4
W4
4
x
x1
x3
W
W2
W1
2
1
_______________________________________________________________________________________________________________
14/06/2005
Page 6
MSP1.doc
1
y = f ( x) =
0 2
1 x m0
2 0
En pratique , la probabilit y est la frquence ou proportion des individus du lot pour lesquels le
caractre a une valeur comprise dans l'intervalle dx .
avec
m0 = moyenne de la population
0 = cart-type de la population (grand nombre d'individus tudis)
Courbe de Gauss :
y
m0+0
m0-0
m0-1,960
m0+1,960
m0-3,090
m0
m0+3,090
68,3%
95%
99,8%
_______________________________________________________________________________________________________________
14/06/2005
Page 7
MSP1.doc
u=
x m0
avec
m0 = 0
0 = 1
y = f ( u) =
1
2
u2
2
Par consquent il n'y a plus qu'une seule courbe reprsentative quelque soit m0 et 0 .
y
u
-3
-2
-1
95,44%
99,73%
- tre assur que la variabilit de la fabrication surveille n'est due qu' des causes alatoires
(soumises au hasard)
Conditions d'obtention d'une distribution normale
- La grandeur tudie doit tre sous l'influence de nombreux facteurs de variations ou de
perturbations.
Ex. : pour les dimensions d'une pice mcanique
- paisseur de copeau variable sur des pices brutes
- variations de T (atmosphre - lubrifiant)
- dfauts d'homognit de la matire
- dfauts de mise en place des pices et outils
- dformations machines, pices, porte-pices, etc...
- Chaque cause de perturbation doit avoir un effet indpendant
- Pas d'effet prpondrant d'une cause par rapport aux autres.
_______________________________________________________________________________________________________________
14/06/2005
Page 8
MSP1.doc
TI
TS
REBUT
REBUT
m0
6,18 0
Dans ce cas, le procd de fabrication ne convient pas. Son utilisation conduit un rebut
systmatique.
Il faudra donc :
- soit changer de processus de production (machine)
- soit l'utiliser en sachant qu'il y aura un certain pourcentage de rebut.
4.2. L'IT est gal la dispersion du Processus
TI
m0
TS
6,18 0
Il n'y a aucun rebut (0,2 %) tant qu'il n'y a pas drglage de la moyenne. Tout drglage entraine
un rebut qui est fonction du dcalage de la moyenne .
_______________________________________________________________________________________________________________
14/06/2005
Page 9
MSP1.doc
( IT > 6, 18 0 )
TS m0 < 3, 09 0
m0 TI < 3, 09 0
On peut considrer que le processus est trop prcis si la diffrence IT 6, 18 0 est trop leve,
d'o incidence non ngligeable sur les cots de fabrication.
_______________________________________________________________________________________________________________
14/06/2005
Page 10
MSP1.doc
4.4. Conclusion
On peut dfinir le coefficient d'adaptation du procd appel en gnral Cp.
Cp =
TS TI
I .T .
=
6,18 0 6,18 0
si IT = 6, 18 0
si IT > 6, 18 0
si IT < 6, 18 0
alors Cp = 1
alors Cp > 1
alors Cp < 1
Pour avoir un processus bien adapt un usinage, on considre que 1,33 < Cp < 2 .
Si 1 < Cp < 1,33 il est prfrable de faire un contrle 100 %.
5. Cartes de Contrle
5.1. Risques lis l'emploi de la carte de Contrle
5.1.1. Conclure un drglage alors qu'il n'en est rien
C'est le risque c'est--dire le "risque conomique" puisqu'il conduit dclencher une
intervention inutile .
On dfinit les limites de contrle avec un risque = 0,002 ( 2 chances sur 1000 ).
5.1.2. Poursuivre une fabrication alors qu'un drglage s'est produit.
C'est le risque , c'est--dire le "risque Qualit", de poursuivre la fabrication pendant un
temps plus ou moins long ( jusqu' ce qu'une prochaine statistique calcule vienne se situer
en dehors des limites de contrle ).
5.2. Courbe d'efficacit
Elle donne la probabilit daccepter la fabrication en cours en fonction du drglage d
= 0,002
_______________________________________________________________________________________________________________
14/06/2005
Page 11
MSP1.doc
N=20
N=10
(n=10)
(n=20)
d
Drglage d
Pour un drglage d donn le risque qualit augmente si la taille de l'chantillon diminue
Pour un chantillon d'effectif lev avec de frquents prlvements :
- Avantages :
- Bonne efficacit
- Drglages rapidements signals
- Diminution des cots ds la ncessit de trier la fabrication
- Inconvnients : - Augmentation du cot direct du contrle
5.4. Carte de Contrle de la Moyenne
5.4.1. Observations
A partir d'une population initiale de moyenne m0 et d'cart-type 0 , en prlevant des
chantillons d'effectif n = 5, on obtient des moyennes x toutes diffrentes avec un cart-type gal
x =
n
Puisque x m0 on peut crire :
m0 t
<
x < m0 + t
m0 1, 96
m0 3, 09
0
n
; m0 + 1, 96
; m0 + 3, 09
0
n
95 % des moyennes x
_______________________________________________________________________________________________________________
14/06/2005
Page 12
MSP1.doc
Distribution de la
population
( m 0 , 0 )
Taille N
TI
TS
m0
Distribution dun petit
chantillon extrait de la
population
(x , )
x =
Distribution
des
moyennes
dchantillons extraits
de la population
0
x
( x ,x )
1,96 x
3,09 x
95% des x
99 ,8% des x
x 1 + x 2 + ..... + x k
k
x m0
x =
_______________________________________________________________________________________________________________
14/06/2005
Page 13
MSP1.doc
Ex :
Dc2 = 2,36
Dc1 = 0,16 pour n = 5
LIC = Dc1 . W
Si tous les points sont situs entre les limites ci dessus on peut passer aux limites largies qui
sont dtermines d'aprs les limites de tolrance .
5.4.3. Elaboration de la carte de contrle aux limites largies
On a vu que la dispersion des moyennes a un cart type x =
CALCUL DES LIMITES DE CONTROLE
On calcule dabord C c = 3,09 0 3,09
0
n
Limite Suprieure de Surveillance (LSS) avec risque de 2,5 % d'avoir des valeurs suprieures
cette limite :
LSS = TS Cs
Limite Infrieure de Surveillance (LIS) avec risque de 2,5 % d'avoir des valeurs infrieures cette
limite :
LIS = TI + Cs
_______________________________________________________________________________________________________________
14/06/2005
Page 14
MSP1.doc
Si 0 n'est pas connu, on peut l'estimer de diffrentes manires ; on devra cependant faire
attention ce que les 5M interviennent:
a) partir d'un prlvement de taille n > 30. o sera l'cart type de l'chantillon.
n
n 1
Estimation de 0 =
type
i
k
P( a +b ) = Pa + Pb P( a .b ) =
(3)
LSC
LSS
(2a)
(2b)
(1)
LIS
LIC
_______________________________________________________________________________________________________________
14/06/2005
Page 15
MSP1.doc
_______________________________________________________________________________________________________________
14/06/2005
Page 16
MSP1.doc
Cpk =
TS x
si x > Cote moyenne
3, 09 0
Cpk =
x TI
si x < Cote moyenne
3, 09 0
TS + TI
= Cote moyenne
2
TS x
Cpk =
=
3,09 0
TS + TI
2TS TS TI TS TI
IT
2
=
=
=
3,09 0
6,18 0
6,18 0 6,18 0
TS
On constate que Cpk doit tre gal Cp pour que le processus soit centr
5.4.5.3. Alerte Trend ou Tendance
Page 17
MSP1.doc
_______________________________________________________________________________________________________________
14/06/2005
Page 18
MSP1.doc
2
On forme le rapport 2 = 2 n
0
= 0
10.
2
n
Ex: Dans une population o 0 a t estim 0,02 mm, on prlve des chantillons de taille n =
= n-1 =9
Dtermination de LSS :
Table
2 s = 19,02
pour p = 0,025
d'o =
19,02
. 0 = 1,379 0
10
d'o =
27,88
. 0 = 1,67 0
10
2 c = 27,88
pour p = 0,001
_______________________________________________________________________________________________________________
14/06/2005
Page 19
MSP1.doc
6. Exercice d'Application
Soit 30 pices qui ont t usines sur un tour et qui ont les diamtres suivants :
19.985
19.993
19.993
19.994
19.995
20.004
19.990
19.990
19.994
19.991
19.997
20.006
19.990
19.990
19.996
19.993
20.000
20.006
19.991
19.992
19.995
19.992
20.002
20.005
19.992
19.994
19.995
19.993
20.002
20.005
pour N1 5
pour N6 10
pour N11 15
pour N16 20
pour N21 25
pour N26 30
a) On vous demande de dterminer la moyenne et l'cart-type de cet chantillon . Estimer l'carttype de la population et calculer ensuite les limites de surveillance et de contrle des cartes de contrle
de la moyenne et de l'cart-type en vue de fabriquer des arbres de diamtre 20 h7 ( 20 00.021 ). On
considrera que la taille des prlvements sera de 5 pices . Calculer Cp et Cpk. Tracer la distribution
puis placer TS et TI. Calculer le pourcentage de rebut thorique et le comparer au pourcentage rel.
b) Tracer l'volution de la dimension en fonction du numro d'ordre d'usinage . En supposant une
volution linaire de la dimension en fonction du numro d'ordre d'usinage , on a dtermin la droite
des moindres carrs :
y = 5.65295 . 10 -4 x + 19.986737
avec le coefficient de corrlation r2 = 0.764
Reprsentez cette droite sur un graphe et calculer :
la variation de dimension d'une pice due l'usure de l'outil .
la variation totale de dimension des pices due l'usure de l'outil .
c) Reprsentez l'cart entre la dimension et le modle linaire.
Ceci montre l'volution de la partie alatoire de la dimension en fonction du numro d'ordre
d'usinage .
L'cart ei sera calcul par :
ei = yi - axi - b
Donner l'tendue des carts ei
d) Rpartir les carts ei dans 6 classes diffrentes et tracer l'histogramme .
Calculer les frquences et frquences cumules et tracer la droite de Henry.
e) En supposant que l'on puisse changer l'I.T. de la pice qui serait amen 20 + 00..1021 , recalculez
les limites suprieures ainsi que le coefficient d'adaptation machine .
En considrant les 30 pices de l'chantillon comme les premires d'une srie , quel serait le nombre
de pices N ralises , en considrant un risque de 0.1 % , avant que la limite suprieure de contrle ne
soit dpasse sans aucun rglage .
f)
En supposant pour les N pices une dure effective d'usinage de 5 mn , combien de pices
peut-on raliser avec la mme arte en supposant une dure de vie d'arte de 15 mn .
Page 20
MSP1.doc