Gest-Qual TechniquesStatistiques 2

TECHNIQUES STATISTIQUES
Grard Casanova, enseignant l'Institut d'Administration des Entreprises, Universit Nancy 2
SOMMAIRE
1. Introduction _________________________________________________________ 3 2. Contrle statistique des lots _____________________________________________ 3 2.1 Champ d'application ___________________________________________________________ 3 2.2 Niveau de qualit acceptable, risque client, risque fournisseur, choix taille d'chantillon _____ 4 2.2.1. Risque client, risque fournisseur _____________________________________________ 4 2.2.2. Niveau de qualit acceptable________________________________________________ 7 2.2.3. Plans de contrle _________________________________________________________ 8 2.2.4. Contrle rduit, contrle renforc ___________________________________________ 11 3. SPC _______________________________________________________________ 12 3.1 Champ d'application __________________________________________________________ 12 3.2 Causes assignables et variabilit alatoire _________________________________________ 15 3.3 Capabilits _________________________________________________________________ 15 3.4 Cartes de contrle (aux mesures, aux attributs) ____________________________________ 20 3.5 Cartes de contrle aux mesures_________________________________________________ 20 3.6 Calcul des limites ____________________________________________________________ 21 3.6.1 Utilisation des cartes de contrle ____________________________________________ 27 3.6.2 Ractions en cas de dfauts ________________________________________________ 28 3.7 Les cartes de contrle aux attributs______________________________________________ 31 4. Conclusion __________________________________________________________ 33
GESTION DE LA QUALIT Techniques statistiques Grard Casanova
1. Introduction
Un procd de fabrication produit environ 20 produits non-conformes sur un lot de 20 000. Est-ce qu'on accepte le lot sans contrle ? Est-ce qu'on contrle tout le lot ? Est-ce qu'on contrle une partie du lot (chantillon) ? Quelle taille d'chantillon doit-on choisir ? A partir de combien darticles dfectueux dans l'chantillon refuse-t-on le lot ? Avec quels risques ? Un procd de fabrication ralise des produits conformes un instant t, comment puis-je m'assurer qu'il produira des produits de qualit dans une semaine, dans deux semaines ou dans une heure sans contrler toutes les pices ? Voici un certain nombre de questions auxquelles sont confronts les fabricants de produits en srie et auxquelles les techniques statistiques permettent de rpondre.
2. Contrle statistique des lots

2.1 Champ d'application Principalement utilis en contrle final chez le fournisseur ou en contrle de rception chez le client, ce contrle statistique des lots ou contrle par chantillonnage soppose au contrle 100%. En effet, dans le contrle 100%, chaque produit est contrl. Lors du contrle par chantillonnage, on ne contrle quun chantillon (une partie du lot) pour accepter ou refuser tout le lot. Quand faut-il contrler 100% ? Quand peut-on contrler par chantillonnage ? Prenons lexemple dune rotule de direction et deux types de contrle : - Le premier est un contrle par ultrasons permettant de dtecter la prsence de "pailles" dans lacier, dfauts pouvant apparatre lors de la fabrication de lacier et pouvant crer des amorces de rupture. - Le second est un contrle de rsistance aux chocs (la rotule est une pice de scurit, elle peut plier en cas de choc mais ne doit pas casser). Rponses : Le contrle 100% est bien sr ncessaire lorsquil y a un risque pour la vie des personnes ; aussi, e contrle par ultrasons doit se faire sur toutes les pices. Pour des raisons videntes, le contrle par chantillonnage devra tre utilis pour tous les contrles destructifs.
La rotule aprs le test de rsistance aux chocs nest plus utilisable donc on adoptera un contrle chantillonn. Il est possible de rsumer grossirement lutilisation des deux types de contrle sous forme de tableau : Produit de scurit Contrle destructif Contrle non destructif Echantillonn 100% Produit sans risque Echantillonn Echantillonn
Bien sr, dautres critres interviennent dans le choix des types de contrle : tailles des sries, valeur ajoute des produits, cot du contrle (est-il raisonnable deffectuer un contrle coteux lorsque trois ou quatre pices sur 1000 sont dfectueuses ?), choix des caractristiques contrler, etc. Remarque : un contrle 100% ne veut pas dire que lon contrle toutes les caractristiques du produit mais une seule. Avant de parler des risques dus l'chantillonnage, prcisons que le contrle 100% nest pas sans risque. En effet, le caractre rptitif et monotone des oprations de contrle peut conduire des erreurs et notamment lacceptation de pices dfectueuses. Il peut conduire aussi au refus de pices bonnes car certains contrleurs considrent quils doivent ncessairement rejeter certaines pices pour que leur chef considrent quils ont bien fait leur travail.
2.2 Niveau de qualit acceptable, risque client, risque fournisseur, choix, taille d'chantillon
2.2.1 Risque client, risque fournisseur Il existe deux types de risque pour le contrle par chantillon : - Le risque client (appel aussi risque ) est la probabilit, pour un plan d'chantillonnage donn, daccepter un lot mauvais alors quil est bon. - Le risque fournisseur (appel aussi risque ) est la probabilit, pour un plan d'chantillonnage donn, de se voir refuser un lot considr comme mauvais alors quil est bon.
Le lot est conforme Refus Acceptation Risque Dcision correcte
Le lot nest pas conforme Dcision correcte Risque
Lorsque lon a dtermin les risques clients et fournisseurs correspondant des lots contenant diffrents pourcentages de dfectueux, on peut construire la courbe defficacit des plans dchantillonnage (tablie grce la loi de Poisson), qui permet dtablir la relation entre la probabilit d'acceptation du lot et le pourcentage de dfectueux du lot.
Probabilit dacceptation du lot en %

Risque fournisseur : probabilit de refuser un lot alors quil est bon
100
50
Risque client : probabilit daccepter un lot alors qu'il est mauvais
P0
P1 Pourcentage de
dfectueux du lot
Il est dlicat de dterminer facilement le plan qui convient aux deux risques. Lutilisation de tables standard nous permet de dfinir le plan d'chantillonnage, cest--dire dterminer la taille n de lchantillon et le critre dacceptation c (ou k) (le nombre de dfectueux admis dans lchantillon avant de rejeter le lot). Exemple : Pour la fabrication de vis, supposons que nous acceptions des lots dont le taux de dfectueux p0= 2%, sur la base dun contrle du diamtre, et que ceux dont le taux p1 =12%, seront rejets.
En vous aidant de la table dterminer la taille de lchantillon et le nombre de dfectueux autoriss.
Rponses :
40 2
L'utilisation du tableau nous permet de trouver n=40 et c=2 partir des deux valeurs de p0 et p1, avec un risque client de 1% et un risque fournisseur de 5%. Remarque : La mthode propose ne prend pas en compte pour la taille de lchantillon, la taille du lot.
2.2.2 Niveau de qualit acceptable Niveau de qualit acceptable (NQA) : cest le pourcentage maximum p0 dindividus dfectueux dun lot qui peut tre considr comme satisfaisant en tant que moyenne dun processus. Il est dtermin par un accord commun entre le fournisseur et le client. Dans la pratique, lorsque la taille des lots, le niveau de contrle et le NQA sont dfinis, on peut dterminer l'aide de tables (*) la taille des chantillons et le nombre de dfectueux dans lchantillon au-del duquel on va refuser le lot. (*) MIL STD 105 E , NFX 06-022 , ISO 2859 Exemple dutilisation de tables standard pour un plan simple. Contrle de lots de 4 000 pices niveau de contrle II avec un NQA de 1% Dterminer la taille de lchantillon. Dterminer les critres dacceptation et de rejet.
Rponses : La premire table correspond un niveau de contrle II (le plus utilis). Elle permet de dterminer la lettre code (L) ainsi que la taille de l'chantillon : n=200. La deuxime table nous permet de dterminer partir de la lettre code et du NQA (1%) les critres A d'acceptation et R de rejet : A=5 et R=6. Cela signifie que pour valider le lot nous allons contrler un chantillon de 200 pices. Si l'chantillon comporte A (5) ou moins de A pices dfectueuses le lot sera accept et si l'chantillon comporte R (6) ou plus de R pices dfectueuses le lot sera refus.
2.2.3 Plans de contrle Lorsque les risques et les niveaux de qualit sont choisis par un accord commun entre client et fournisseur, il faut dterminer le type de plan de contrle. Plan de contrle simple : Il consiste prlever un chantillon de n individus et contrler le nombre k de dfectueux. Puis en fonction de deux critres A (acceptation du lot) et R (critre de rejet), de rejeter ou d'accepter le lot.
Prlever et contrler n individus Rsultat k dfectueux A critre dacceptation R critre de rejet
oui
A k
Accepter le lot
Refuser le lot (dans un plan simple R=A+1)
Plans doubles : Le principe est identique mais on donne une deuxime "chance" avant de rejeter le lot en prlevant un deuxime chantillon. Prlever et contrler n individus Rsultat k1 dfectueux A critre dacceptation R critre de rejet
oui
A1k1
Accepter le lot
oui
k1R1
2e chantillon de n2 individus rsultat k2 dfectueux (sur n1 +n2)
Rejeter le lot
oui
A2k2
Accepter le lot
Refuser le lot (R2 = A2+1 donc k2R2
10
Le troisime type de plan est le plan multiple, sur le mme principe que le plan double, il consiste raliser et prlever plusieurs chantillons.
2.2.4 Contrle rduit, contrle renforc Les interprtations des rsultats des contrles de rception permettent une classification des fournisseurs. Si un fournisseur est douteux quant la qualit de ses produits, le client pratiquera un contrle renforc, dans le cas contraire on utilisera un plan rduit. La norme prvoit pour le passage entre les diffrents plans :
10 lots conscutifs accepts le client estime que le niveau de qualit est satisfaisant
2 lots sont rejets sur 5 (ou moins de 5 lots conscutifs)
normal
renforc
rduit rduit
Un lot est rejet ou le nombre de dfectueux est compris entre A et R
5 lots conscutifs ont t accepts
10 lots conscutifs ne permettent de revenir au contrle normal donc suspension du systme de contrle et rexamen des conditions de rception Exemples de diffrents contrles extraits de la norme NFX 06 022 : Effectif du lot 3201 10000 NQA 1% Niveau de Lettre contrle code II L Plan Effectif de lchantillon Rduit 80 Normal 200 Renforc 200 Critre de p0 pour =0,05 dcision A=2 R=5 1% A=5 R=6 1,31% A=3 R=4 0,683% p1 pour = 0,1 6,5% 4,64% 3,34%
11
Dterminer le % de dfectueux dans le lot correspondant un risque de 5%. Comparer avec le NQA. Conclure. Rponse : Po=1,3% diffrent de NQA =1% car A est un entier et il a t choisi de faon approcher le NQA le plus possible.
3. SPC
3.1 Champ d'application Statistique Process Control ou MSP : Matrise Statistiques des Procds Essentiellement utilis pour les contrles en cours de fabrication pour les productions en grande srie ou lorsque les moyens de contrle sont destructifs. Il consiste prlever des chantillons et vrifier que la moyenne, ltendue ou lcart-type se trouve dans lintervalle de confiance matrialis par des limites sur un graphique de contrle appel carte de contrle. Sur la carte de contrle prsente, dfinir le graphique rserv la moyenne, ltendue, les limites graphiques ; la moyenne et ltendue de lchantillon.
12
13
Rponses :
Moyenne chantillon
Etendue chantillon
Moyenne tendue
14
3.2 Causes assignables et variabilit alatoire
Pour les productions en srie, les caractristiques des produits ne sont pas identiques dun produit lautre (diamtre dun axe, poids dun aliment, duret dune pice...). Cela provient du fait que, pour tout procd de fabrication, il existe des sources de variabilit. Elles sont de deux types : - une variabilit alatoire "normale" inhrente au procd, par exemple jeu des glissires sur une machine-outil, usure dun outil - une variabilit importante et brutale due une cause assignable (identifiable) une cause prcise, par exemple un rglage doutillage, un changement de machine, une opration de maintenance Lobjectif des cartes de contrle est de vrifier que le procd nest affect que par la variabilit alatoire normale : le procd est alors sous contrle. Cela consiste vrifier que la tendance centrale (moyenne arithmtique, mdiane) et la dispersion (tendue, cart-type) restent entre des limites tablies selon certains critres statistiques.
3.3 Capabilits Avant de placer un procd sous contrle, il est ncessaire de vrifier quil est capable de raliser la caractristique contrle en respectant les tolrances demandes. Pour vrifier cette capabilit on peut calculer un indice de capabilit, il en existe plusieurs : - Les indices de capabilit machine (Cm et Cmk) - Les indices de capabilit procd (Cp et Cpk) - Lindice de capabilit Cpm ou "indice de capabilit Taguchy". Les conditions de mesure diffrent pour ces indices. Le premier indice mesure la capabilit machine uniquement, c'est--dire qu'on ne prend en compte que la machine. Cela implique que les mesures sont faites de manire ne prendre en compte que la variabilit alatoire de la machine (pas de changement doprateur, de matires, pas de rglage). Le deuxime indice peut se raliser sur une priode de temps plus importante et prend en compte le procd global (machine, main-duvre, matriel, milieu). Prenons par exemple un axe de diamtre 10 mm avec une tolrance de 0,1mm. Lintervalle de tolrance est de : tolrance suprieure - tolrance infrieure = 0,2mm.
15
Lindice de capabilit machine est de :
Cm =
IT 6
IT Intervalle de tolrance Ecart type estim.
La machine sera dite capable si Cm1,33. Lindice Cmk mesure la fois si la machine est capable mais aussi si celle-ci est bien rgle.
X Ti Ts X Cmk = min ; 3 3
Si Cmk 1,33 alors la machine est bien centre. Les formules de calcul pour Cp et Cpk sont identiques. Lindice de capabilit Cpm ou "indice de capabilit Taguchy" veille aussi ce que lon ne sloigne pas trop dune valeur cible (en gnral le milieu de lintervalle) :
Cpm =
Ts Ti 6
avec
2 2 2 ( x X ) + n( X T ) 2 n (x T ) 2 + n( X T ) i i = = + = s n 1 n 1 n 1 n 1 i =1 n( X T ) 2 n 1
s mesurant la dispersion et le deuxime terme valeur cible.
mesurant lcart par rapport T la
Dcider pour les cas suivants si la machine est capable, et les dcisions prendre en fonction des cas. Cas 1 :
Ti
Ts
16
Cas 2 :
La cote raliser est de 10 0,48 mm Lcart-type estim est de 0,12mm La moyenne est de 10 mm
Ti
Cas 3 :
Ts
La cote raliser est de 10 0,48 mm Lcart-type estim est de 0,12mm La moyenne est de 10,24 mm
Cas 4 :
Ti
Ts
Ti
La cote raliser est de 10 1 mm Lcart-type estim est de 0,12mm La moyenne est de 10,24 mm La valeur cible T est de 10mm et n = 50. Calculer Cpm,Cm et Cm.
Ts
17
Rponses Cas 1 :
Ti 6
Ts
Dans le premier cas, lintervalle de tolrance est gal la dispersion totale des pices (on considre que 6 reprsentent la totalit des pices 2 pour 1000 prs). La machine nest pas capable car le moindre drglage provoque la production de pices nonconformes.
Rponses Cas 2 :
Ti
Ts
Calcul de Cm et Cmk :
Cm =
Ts Ti 10,48 9,52 0,96 = = = 1,33 6 6 0,12 0,72
X Ti Ts X 10 9,52 10,48 10 Cmk = min imum ; ; = 1,33 = min 3 3 3 0,12 3 0,12
La machine est capable et elle est bien rgle : elle peut tre mise sous contrle.
18
Rponses Cas 3 :
Ti
Ts
Dans le troisime cas, la machine est capable mais pas bien rgle : il faut donc rgler la machine.
Cm =
Ts Ti 10,48 9,52 0,96 = = = 1,33 6 6 0,12 0,72
X Ti Ts X 10,24 9,52 10,48 10,24 Cmk = min ; ; = 0,66 < 1,33 = min 3 3 0,12 3 0,12 3
Rponses Cas 4 : Dans le dernier cas, la machine, au vu des deux premiers indices, est bien rgle et bien centre. Calcul de Cm et Cmk
Cm =
Ts Ti 11 9 2 = = = 2,77 6 6 0,12 0,72
X Ti Ts X 10,24 9 11 10,24 Cmk = min ; ; = 2,11 1,33 = min 3 3 3 0,12 3 0,12

mais si lon calcule Cpm
= s2 +
50(10,24 10) 2 n( X T ) 2 = 0,12 2 + = 0,27 49 n 1
19
Cpm =
2 = 1,23 < 1,33 6 0,27
Il nest pas bon car, bien que lon reste largement dans les tolrances, on sloigne trop de la cible.
3.4 Cartes de contrle (aux mesures, aux attributs) Suivant le type de la caractristique contrle, il existe deux grandes familles de cartes de contrle : La carte de contrle aux mesures qui permet de suivre une caractristique mesurable de faon continue, par exemple une dimension, un poids La carte de contrle aux attributs qui permet de suivre une caractristique non mesurable ou contrle laide de calibres, par exemple un contrle visuel, un contrle ralis avec un calibre minimaxi permettant de trier les pices non conformes.
3.5 Cartes de contrle aux mesures Les cartes de contrle aux mesures les plus utilises sont les suivantes : Carte des moyennes X et de ltendue R (ou W) Carte des moyennes X et de lcart-type
20
3.6 Calcul des limites Si lon considre ( vrifier) que la moyenne des chantillons suit une loi normale, alors 99,8% (99,74%) des mesures sont comprises dans lintervalle moyenne 3,09 (3) x x tant lcart-type de la distribution des moyennes des chantillons.
21
On peut alors calculer les limites de contrle de la carte : (les limites de surveillance sont calcules de la mme manire en ajoutant non pas 3 mais 2 cartstypes.) Calculons par exemple la limite de contrle suprieure :
Lcs = T + 3,09 X , T tant la valeur cible.

Or
X =
relation donne par les statisticiens.
tant lcart-type de la population, n la taille de lchantillon.
Lcs = T + 3,09
Or dans la majorit des cas, est inconnue donc il faut lestimer. On peut lestimer partir de la moyenne des tendues ou de la moyenne des carts-types des chantillons.
W s ou = , W tant la moyenne des tendues et s tant la moyenne des carts-types. d2 c4
c4 et d2 sont des coefficients qui permettent lestimation et varient en fonction de n. Ils sont donns par les statistiques. n d2 c4 2 1.128 3 1.693 4 2.059 5 2.326 6 2.534 7 2.704 8 2.847 9 2.970 10 3.078 11 3.173 12 3.258
0.7919 0.8862 0.9213 0.940
0.9515 0.9594 0.9650 0.9693 0.9727 0.9754 0.9776
Calculer le coefficient A placer devant la moyenne des tendues lorsque n= 5 Rponse :
A = 3,09
1 n d
= 3,09
1 5 2.326
= 0.594
Ces coefficients permettant de calculer les limites qui se trouvent dans les tables suivantes. Carte de contrle de la moyenne (les deux premires tables) cas m et (caractristiques de la population) sont connus.
22
limites de contrle :
Lc = m Ac (table 1 premire colonne)

limites de surveillance :
Ls = m As (table 1 deuxime colonne)

cas estim partir de la moyenne des tendues : limites de contrle : (T valeur cible)
Lc = T A' c W (table 2 premire colonne)

Ls = T As 'W (table 2 deuxime colonne)

cas estim partir de la moyenne des carts-types : limites de contrle :
Lc = T A' ' c s (table 3 premire colonne)

Ls = T As ' ' s (table 3 deuxime colonne)
23
Table 1
Table 2
Table 3
24
Carte de contrle de ltendue :
Table2
Table 1
25
Cas o les caractristiques de la population sont connues :
Lcs = Dcs W Lci = Dci W
Lss = Dss W Lsi = Dsi W
Cas o les caractristiques de la population sont inconnues et estimes partir de la moyenne des tendues :
Lcs = Dcs' W Lci = Dci' W
Lss = Dss' W Lsi = Dsi' W
Calculer les limites de contrle de la moyenne et de ltendue. Lors de la ralisation dune pice de longueur 10 0,1 mm, nous avons prlev 25 chantillons de 5 pices. Pour chaque chantillon ont t calcules sa moyenne et son tendue. La moyenne des tendues de chaque chantillon est de 0,093 mm. Calculer les limites de contrle et de surveillance de la moyenne et de ltendue. Rponse : La taille des chantillons tant de 5 pices, les caractristiques de la population sont inconnues et estimes partir de la moyenne des tendues. On utilise les formules :
Lc = T A' c W (table 2 de la moyenne premire colonne) Ls = T As 'W (table 2 de la moyenne deuxime colonne)
Cas o la moyenne et lcart-type de la population sont inconnus et estims partir de la moyenne des tendues. Pour la moyenne : Lcs=10+0,594. 0,093=10,055 Lci=10-0,594.0,093=9,945
26
Lss=10+0,377.0,093=10,035 Lsi=10-0,377.0,093=9,96 Pour ltendue : Lcs=2,36.0,093=0,219 Lci=0,16.0 ,093=0 ,015 Lss=1,81.0,093=0,168 Lsi=0,37.0,093=0,034
3.6.1 Utilisation des cartes de contrle En fabrication, l'oprateur prlve rgulirement un chantillon de n pices de sa production dont il calcule la moyenne et l'tendue. Puis il reporte ces valeurs sur la carte de contrle.
Carte aux moyennes
LCS
10,36
Cible: T
9,98
10
LCI
9,64
Carte aux tendues
LCS
0, 4
1,31 0,62
Lci=0
27
1 valeur 2 valeur 3 valeur 4 valeur 5 valeur Moyenne Etendue
X1 X2 X3 X4 X5 X W
10,1 9,9 10 10,2 9,7 9,98 0,4
3.6.2 Ractions en cas de dfauts Lorsque le procd reste dans une variabilit normale, les points restent l'intrieur des limites de contrle ; en effet, il y a environ deux chances sur mille qu'un point se trouve en dehors de ces limites. Si cela se produit, alors il faut arrter la machine et procder un rglage. D'autres situations peuvent rsulter d'une variabilit anormale et ncessiter un arrt et un rglage de la machine : 7 points conscutifs croissants ou dcroissants 7 points conscutifs du mme ct de la valeur centrale
28
Carte aux moyennes LCS 10,36
Cible: T
9,98
10
LCI
9,64
Carte aux tendues LCS 1,31
0,4
0,62
Lci=0 Complter la carte de contrle pour les quatre chantillons suivants : 1 valeur 2 valeur 3 valeur 4 valeur 5 valeur Moyenne Etendue X1 X2 X3 X4 X5 X W 10,1 9,9 10 10,2 9,7 9,98 0,4 10,05 10 9,95 9,8 10,1 9,9 10,1 10,2 9,79 10,01 9,8 10,1 10,05 9,9 10,2 10,3 10,5 10,5 10,1 10,5
29
Conclusions :
Carte aux moyennes LCS 10,36
Cible: T
10
9,98
LCI
9,64
Carte aux tendues LCS 1,31 0,62
0,
Lci=0
1 valeur 2 valeur 3 valeur 4 valeur 5 valeur Moyenne Etendue
X1 X2 X3 X4 X5 X W
10,1 9,9 10 10,2 9,7 9,98 0,4
10,05 10 9,95 9,8 10,1 9,98 0,3
9,9 10,1 10,2 9,79 10,01 10 0,41
9,5 9,5 9,7 9,9 10,6 9,84 1,1
10,3 10,5 10,5 10,1 10,5 10,38 0,4
Le dernier chantillon a une moyenne qui dpasse la limite de contrle suprieure, il faut donc arrter la machine, analyser ce qui s'est pass et liminer les causes de ce drglage.
30
3.7 Les cartes de contrle aux attributs Il arrive frquemment que les conditions de qualit ne soient pas mesurables ou qu'il soit plus pratique ou conomique de raliser un contrle l'aide de calibres. On utilise alors une carte de contrle aux attributs. Les principales cartes de contrle aux attributs sont : Carte p, np, c et u :
31
Un produit est dclar non-conforme lorsqu'il ne satisfait pas un certain nombre de caractristiques ou qu'il comporte des dfauts inacceptables. Exemples : un diamtre de piston trop petit, des bouteilles en verre comportant des raflures, des fissures etc. Ce produit part en gnral au rebut. Pour certains produits plus complexes (exemple un micro-ordinateur), il est plus difficile de dfinir si le produit est acceptable ; en revanche, il peut tre intressant de connatre le nombre de nonconformits que peut prsenter le produit. Remarque : certaines non-conformits peuvent tre dclares critiques et rendre le produit non conforme.
Exemple de carte de contrle p pour un produit dont les lots ont 5 000 units et la taille des chantillons est de 80.
32
24 chantillons de taille constante ont t prlevs et la proportion de non-conformes par chantillon a t calcule. Dans le premier chantillon, il y a 3 pices dfectueuses donc la proportion de non-conformes est 3/80=0.375. Remarque : deux points sont situs au-dessus de la limite suprieure de contrle (chantillon 3 et 11), il faudrait en dterminer la cause.
4. Conclusion
Il existe deux types de contrle : - le contrle de rception - le contrle en cours de fabrication Pour chaque type, on distingue encore deux faons de contrler : - le contrle 100% et le contrle statistique - les cartes de contrle et le contrle des lots par chantillonnage sont utiliss ainsi Contrle en cours de fabrication Contrle 100% Contrle statistique Carte de contrle Contrle de rception Contrle des lots par chantillonnage
Le contrle statistique de rception permet : - de normaliser les accords fournisseurs/clients. - de qualifier des lots en contrlant seulement une partie du lot avec un risque prvu. Ltablissement de cartes de contrle permet de : - connatre la capabilit du procd, cest dire le niveau de qualit quon peut attendre de celui-ci. - de sassurer que cette capabilit nvolue pas et de dclencher une action dans le cas contraire. - de dterminer les moments opportuns pour un rglage ventuel. Ces deux types de contrle statistique contribuent amliorer la qualit et son suivi mais ils ne seront vraiment efficaces que dans une dmarche de qualit totale impulse par la direction et sappuyant sur un systme qualit.
33

Gest-Qual TechniquesStatistiques 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Gest-Qual TechniquesStatistiques 2

Transféré par

Droits d'auteur :

Formats disponibles

TECHNIQUES STATISTIQUES

Grard Casanova, enseignant l'Institut d'Administration des Entreprises, Universit Nancy 2

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

2. Contrle statistique des lots

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Le lot est conforme Refus Acceptation Risque Dcision correcte

Le lot nest pas conforme Dcision correcte Risque

Probabilit dacceptation du lot en %

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

En vous aidant de la table dterminer la taille de lchantillon et le nombre de dfectueux autoriss.

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Prlever et contrler n individus Rsultat k dfectueux A critre dacceptation R critre de rejet

Refuser le lot (dans un plan simple R=A+1)

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

2e chantillon de n2 individus rsultat k2 dfectueux (sur n1 +n2)

Refuser le lot (R2 = A2+1 donc k2R2

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

2 lots sont rejets sur 5 (ou moins de 5 lots conscutifs)

Un lot est rejet ou le nombre de dfectueux est compris entre A et R

5 lots conscutifs ont t accepts

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

3.2 Causes assignables et variabilit alatoire

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Lindice de capabilit machine est de :

IT Intervalle de tolrance Ecart type estim.

s mesurant la dispersion et le deuxime terme valeur cible.

mesurant lcart par rapport T la

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Ts Ti 10,48 9,52 0,96 = = = 1,33 6 6 0,12 0,72

X Ti Ts X 10 9,52 10,48 10 Cmk = min imum ; ; = 1,33 = min 3 3 3 0,12 3 0,12

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Ts Ti 10,48 9,52 0,96 = = = 1,33 6 6 0,12 0,72

Ts Ti 11 9 2 = = = 2,77 6 6 0,12 0,72

X Ti Ts X 10,24 9 11 10,24 Cmk = min ; ; = 2,11 1,33 = min 3 3 3 0,12 3 0,12

50(10,24 10) 2 n( X T ) 2 = 0,12 2 + = 0,27 49 n 1

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

2 = 1,23 < 1,33 6 0,27

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Lcs = T + 3,09 X , T tant la valeur cible.

relation donne par les statisticiens.

tant lcart-type de la population, n la taille de lchantillon.

W s ou = , W tant la moyenne des tendues et s tant la moyenne des carts-types. d2 c4

0.7919 0.8862 0.9213 0.940

0.9515 0.9594 0.9650 0.9693 0.9727 0.9754 0.9776

Calculer le coefficient A placer devant la moyenne des tendues lorsque n= 5 Rponse :

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Lc = m Ac (table 1 premire colonne)

Ls = m As (table 1 deuxime colonne)

Lc = T A' c W (table 2 premire colonne)

Ls = T As 'W (table 2 deuxime colonne)

Lc = T A' ' c s (table 3 premire colonne)

Ls = T As ' ' s (table 3 deuxime colonne)

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

GESTION DE LA QUALIT Techniques statistiques Grard Casanova

Carte de contrle de ltendue :