Vous êtes sur la page 1sur 5

LIMITE DE LA NORME ISO 14253-1 ET

DE LA NOTION DE CAPABILITE
DANS LE CADRE DE LA DECLARATION DE CONFORMITE
Jean-Michel POU, Dimitri VAISSIERE
DELTA MU Conseil
Parc Technologique La Pardieu
25, Rue Joseph Desaymard
63000 Clermont Ferrand

Rsum
La prise en compte de lincertitude de mesure dans la
dclaration de conformit fait lobjet de plusieurs principes.
Il sagit de dfinir, soit la zone de conformit (suivant la
norme ISO 14253-1 [1]), soit un coefficient de capabilit
(comme le dfinissait lancienne norme NF E 02-204, les
normes CNOMO [2] ou le M.S.A [3]). Pour la norme ISO,
que faire lorsque la mesure est dans la zone de doute
(Figure 1) ? Si cette question nest pas simple, cest que ce
nest pas la bonne. Ce qui intresse le client, cest de
connatre le risque que lobjet soit dclar conforme alors
quil le lest pas !

Conformity
agreement
considering
measurement
uncertainties could be based on two different principles.
The first one suppose to define the conformance zone
(according to ISO 14253-1 [1]), the second one suppose to
define a capability factor (according to past NF E 02-204,
or actual CNOMO [2] or MSA [3] standards). Considering
ISO standard, what can we do when measurement is in the
uncertainty range (Figure 1)? If this question is not simple,
this means that it is not the right one. Knowing the risk to
accept a wrong item is what is in the customer mind !

habituellement vrifies. En appliquant la norme, la zone de


conformit est souvent rduite la portion congrue. De
mme pour la capabilt (rapport entre la tolrance vrifier
et lincertitude de mesure), il nest pas rare de conclure
linaptitude dun processus de mesure (notamment en
appliquant aveuglment le M.S.A) alors mme quil est
utilis depuis longtemps, sans retour client li des
problmes de mesure.
Ces constats, pragmatiques, incitent rflchir sur ces
pratiques pourtant courantes. La diversit des rponses quil
est possible dapporter la question quel coefficient de
capabilit choisir ? pousse galement la rflexion. La
norme NF E 02-204 stipulait quil sagissait dun
coefficient contractuel. Elle indiquait galement que sil
ntait pas dfini, on pouvait choisir 4, voire 2 si 4 tait trop
grand ! Le M.S.A quant lui prconise un coefficient de 15
(correspondant lexigence GRR / TV 10%).
La disparit des rponses et des mthodes provient du fait
que la question, pour tre simplifie, est mal pose. En
pratique, le client est uniquement intress par le risque que
lui fait prendre la mesure, autrement dit : Quel est le risque
de dclarer conforme un objet non conforme ?
La rponse cette question ne tient pas uniquement dans la
connaissance du coefficient de capabilit, la preuve est
donne dans la suite.

Figure 1 : Reprsentation de la zone de conformit

Etat des lieux


Aprs avoir valu ses incertitudes de mesure, le
mtrologue doit encore rsoudre la question de ladquation
du processus de mesure et de la tolrance vrifier. Les
prconisations de la norme ISO 14253-1 sont sduisantes
au premier abord mais elles montrent rapidement leurs
limites. En effet, il nest pas rare que les incertitudes de
mesure, soient importantes devant les tolrances

La capabilit dfinit-elle le risque


Client ?
Pour rpondre cette question, il suffit de lillustrer par un
petit croquis (Figure 2) :

Tolrance

Incertitude 2
Incertitude 1
Figure 2 : Reprsentation de lincertitude

Tolrance
Objet non
Conforme
Figure 4 : Process de fabrication et incertitude

Vu du mtrologue, quon soit dans le cas de lincertitude 1


ou dans le cas de lincertitude 2 (Figure 2), le risque que la
valeur vraie soit conforme est gal au risque que la valeur
vraie soit non conforme, c'est--dire 50%. Pourtant, dans
ces 2 cas, les coefficients de capabilit sont trs diffrents
ce qui met en vidence linsuffisance de cette information.
Dautre part, il est ais daccepter, mme si on nest pas un
adepte des statistiques, que la probabilit que lobjet soit
non conforme ne peut pas tre suprieure la probabilit
que le process de fabrication cre un objet non conforme. Il
est galement ais dadmettre que nos process industriels
aujourdhui gnrent moins de 50% de produits non
conformes ! Ainsi donc, mme dans le cas de la figure 2, la
probabilit que lobjet soit Non Conforme est videmment
infrieure 50%. Voyons comment cette probabilit se
dtermine.

Le risque Client vu du Process


Le pilotage du process est en thorie ralis de faon ce
que la production soit centre (notion de SPC, pratique de
Cp / Cpk). En reprenant la figure prcdente (Figure 2) et
en ne sintressant quau process, on obtient la figure cidessous (Figure 3).

Tolrance

Figure 3 : Dispersion du process


Evidemment, si le process nest pas centr, il est possible
de reprendre lensemble des calculs qui sera donn en
intgrant le dcentrage.
Ces deux explications montrent bien que le risque Client est
une combinaison du risque Process et du risque
Mesure . Le risque de dclarer conforme un objet non
conforme peut tre schmatis par la figure suivante
(Figure 4).

Calcul du risque Client


Lvaluation du risque Client peut savrer compliqu. En
effet, il est ncessaire de connaitre la distribution du
process (moyenne, cart-type et loi de distribution) et
lincertitude de mesure.
Dans le cas o les distributions du process et de
lincertitude de mesure suivent une loi normale (ce qui est
assez frquent), alors le risque Client se calcule daprs la
relation (1).
Cette relation peut tre transpose dautres lois de
distribution sous rserve den connaitre le modle.
Lquation prsente peut sembler complique et cest
probablement lune des raisons qui fait quelle nest pas
frquemment voque. Nanmoins, le lecteur pourra
aisment admettre, au vue des figures prsentes, quil en
est bien ainsi. La difficult mathmatique ne doit donc pas
inciter oublier la ralit, les logiciels spcialiss sont l
pour traiter ce type de problme.
Nanmoins, si la distribution du process est centre par
rapport la tolrance, la relation (1) peut tre largement
simplifie (2).
La deuxime difficult, dans notre monde o le concept du
Principe de prcaution veut nous faire croire quil peut
exister un risque 0 , est dexprimer le risque que le client
est prt accepter. En effet, cette question pose
brutalement amnera coup sr et systmatiquement la
mme rponse : Aucun !
Fort de ce constat, il est ncessaire de trouver une solution
pragmatique pour obtenir une rponse raliste cette
question fondamentale.

RC

1
.
Spc . 2.

SL

1
. exp
SL
Spc . 2.

exp

x m

2.

1
.
Mes . 2.

2
Spc

2.

x m

2
Spc

1
.
Mes . 2.

SL

exp
SL

SL

exp
SL

t x
2.

t x
2.

2
Mes

2
Mes

.dt.dx
(1)

.dt.dx

Avec :
RC :
m:

Risque Client
Moyenne de la distribution de fabrication
Ecart-type de la distribution du Process
Spc :
Incertitude-Type de mesure
Mes :

Risque Client et Capabilit


La solution au problme prcdent se trouve souvent dans
la notion de capabilit, mme si, nous lavons vu, cette
relation nest pas vidente.
En effet, pour valuer le risque client (RC), il est ncessaire
de connatre m et Spc (cf. relation (1)). Les spcifications
tant quasi systmatiquement donnes sous forme de
valeurs limites (Notes SL et +SL, Figure 4), il est
ncessaire de ramener ces limites sous forme de
paramtres statistiques. Il est commun, ce niveau,
destimer que la tolrance (SL (-SL)) est donne 4 carttypes de la production et que cette dernire est centre.
Evidemment, ces estimations sont souvent arbitraires et
mriteraient plus dattention. Nanmoins, faute de
renseignements avrs, et compte tenu du besoin, il est
parfois ncessaire destimer, linstar des valuations de
type B dans le domaine des incertitudes !
En mettant de telles hypothses, il est possible dvaluer
RC sur la base du rapport de capabilit, souvent voqu
quant lui, dans le cas des normes CNOMO [2] ou du
M.S.A [3].
Ainsi par exemple, dans le cas dun processus centr dont la
tolrance exprime correspondrait 4 cart-types du
process et dun processus de mesure respectant un
coefficient de capabilit de 4, le risque client quivalent,
suivant lquation (1), serait environ gal 0,8 %.

Cas dune capabilit non respecte


Chacun aura pu un jour constater que le respect des
coefficients contractuels, notamment en ce qui concerne le
M.S.A, nest pas chose aise. Lapproche Risque Client ,
telle que prsente prcdemment, peut permettre de
trouver une solution pragmatique.
Les amricains ont publi la norme NCSL/ANSI Z540, qui
sappuie sur cette rflexion et introduit la notion de bande
de garde.

Lide consiste poser pour principe que, derrire le


coefficient de capabilit se cache le risque que le client
est prt accepter. Il sagit ensuite de considrer que
lexigence relle du client nest pas le respect du coefficient
de capabilit, mais bien le niveau de risque quil a
implicitement accept. Il est alors possible, au regard dune
incertitude de mesure plus grande que celle fixe par la
capabilit, de dfinir de nouvelles tolrances pour
lesquelles le Risque Client reste identique (Figure 5).

Figure 5 : Principe de la bande de garde


Lavantage de cette approche est quelle considre le risque
Process (Figure 3) et le risque Mesure (Figure 2). Ainsi,
lincertitude plus grande nimpacte que le Risque Mesure
mais ne modifie pas le Risque Process. Le produit des deux
risques permet de prendre en compte le caractre alatoire
et indpendant des deux phnomnes en prsence : Process
et Mesure.
La dtermination des nouvelles tolrances (-TL et +TL,
Figure 5) est possible laide de la relation (2). L encore,
le calcul nest pas ais (Rsoudre une quation prsentant
des intgrales et dont les inconnues sont les bornes
dintgration) mais des logiciels spcialiss peuvent les
conduire.

1
.
Spc . Mes .

RC

SL ( ou ) TL

exp
( ouSL ) TL

x2
2.

2
Spc

t x

.exp

2.

2
Mes

.dt.dx

(2)

Lquation est simplifie en considrant le process centr

Le tableau ci-dessous indique les facteurs de garde


appliquer en considrant les hypothses exposes ci-avant
(Process centre, tolrance SL-(-SL) donne pour 4 carttypes), au regard de diffrents coefficients de capabilit.
Coefficient
capabilit
ralis
3
2,5
2
1,5
3
2,5
2
1,5
1,5
1

Coefficient
capabilit
contractuel

Risque
Client
RC

0,798 %

15 (MSA
10 %)
2
(CNOMO <
16 m)

0,3 %

1,239 %

Facteur
de garde
(Fg)
0,970
0,950
0,907
0,850
0,856
0,812
0,800
0,631
0,959
0,862

Tableau 1 : Correspondance des coefficients


Utilisation du tableau : Dans le cas des tolrances centres
(-SL, +SL) la valeur de TL est obtenue de la faon suivante:

TL

Fg SL

Le lecteur pourra apprcier la diffrence entre lapplication


de la norme ISO 14253-1 (qui oublie le caractre
indpendant entre le Risque Mesure et le Risque Process) !)
et la mise en uvre dune telle approche.

Pour le plaisir
La Figure 2 introduisait lexpos en posant la question de la
probabilit de la position de la valeur vraie lorsque la
mesure est ralise juste sur la limite de tolrance. En
premire approche, la rponse semblait tre 50% mais la
rflexion qui a suivi a permis de montrer quil nen tait
rien !
En intgrant lobjet dans notre rflexion, il faut convenir
que cette probabilit dpendait videmment de la valeur de
lobjet lui-mme. Trouver un rsultat de mesure juste sur la
tolrance impose que lerreur de mesure qui sexprime
(dont on peut valuer la probabilit compte-tenu de
lincertitude type) au moment de la mesure respecte
lquation suivante (3) :

Valeur vraie Erreur de mesure TL

(3)

On peut donc, pour toutes les valeurs possibles que peut


gnres le Process (dont on connait la probabilit
dexistence), de calculer la probabilit de lerreur de mesure
quil faut produire pour trouver TL.
Pour un Process centr dont les limites sont donnes pour 4
cart-types, la probabilit que lobjet soit non conforme est
donne, en fonction de la capabilit du processus de
mesure, dans le tableau suivant :

Capabilit
Spc /
Mes )

Probabilit Objet
NON-CONFORME

0,5

0,48 %

0,82 %

1,33 %

1,85 %

2,22 %

16

2,45 %

Tableau 2 : Probabilit de non-conformit sur la


tolrance

Conclusion
On remarquera, en poussant le raisonnement, que la
connaissance du process (ncessaire tous ces calculs)
passe par la mesure et que cette dernire, cause de
lincertitude de mesure, perturbe la connaissance du
process. Mais nest-ce pas l tout lenjeu de la Mtrologie ?
En connaissant le process, il est possible de connaitre, sans
faire de mesure, le nombre de produits non conformes quil
gnre. Si ce nombre est acceptable pour le client, il est
inutile de mesurer pour contrler la conformit des objets.
Si ce nombre ne ltait pas, il conviendrait, soit de changer
de process, soit de trier les objets conformes. Dans ces deux
cas, la mesure trouverait sa vritable utilit car elle
interviendrait directement dans le rapport Qualit / Prix. On
arrive ici enfin la qualit optimale : Mesurer pour faire
conforme (au niveau de satisfaction demand par le client)
plutt que mesurer pour savoir si on est conforme !

Bibliographie
1.

NF EN ISO 14253-1, in Spcification gomtrique


des produits (GPS). Vrification par la mesure des
pices et des quipements de mesure. Partie 1 :
rgles de dcision pour prouver la conformit ou la
non-conformit la spcification. 1998.

2.

E.41.36.110.N, in CNOMO. Moyens de


production (Agrement Capabilite) des moyens de
mesure Moyens de contrle spcifique. 1991.

3.

FORD, G. MOTORS, and CHRYSLER,


Measurement System Analysis (MSA). 3rd ed.
2002.