Académique Documents
Professionnel Documents
Culture Documents
Abdelouahed EL HARIRI
(abdelouahedelhariri@gmail.com)
Reda NEBRI
(nebri.reda@gmail.com)
Younesse OUADDI
(ouaddi.ys@gmail.com)
Youssef SAMI
(youssefsami0012@gmail.com)
MINI PROJET
Mr. AZIZ BERRADO Statistical
MSP
Quality Control
TABLE OF CONTENTS
Table figures ........................................................................................................................................... 1
INTRODUCTION ..................................................................................................................................... 3
MSP .................................................................................................................................................... 3
LES CARTES DE CONTROLE .............................................................................................................. 3
R ......................................................................................................................................................... 4
Prsentation de quelques outils utiliss............................................................................................... 5
PARTIE I .................................................................................................................................................. 6
LES CARTES DE CONTROL ................................................................................................................ 6
Groupes dfinis base du temps T : ................................................................................................ 6
Groupes dfinis base du temps et du cycle de la presse TP ........................................................... 8
Groupes dfinis base du temps et des cavit Tc .......................................................................... 10
Groupes dfinis base du temps et des cavit Tc1 ........................................................................ 11
Groupes dfinis base du temps et des cavit Tc2 ........................................................................ 13
Groupes dfinis base du temps et des cavit Tc3 ........................................................................ 15
Groupes dfinis base du temps et des cavit Tc4 .........................................................................17
JUSTIFICATION DE LA DIFFERENCE DES DONNEES ....................................................................... 19
LE CHOIX DE LA CARTE.................................................................................................................... 19
PARTIE II ............................................................................................................................................... 20
Vrification de la normalit ............................................................................................................... 20
Cartes de contrle ............................................................................................................................. 22
XT.................................................................................................................................................. 22
YT ................................................................................................................................................. 23
ETUDE DE CAPABILITE ET DE STABILITE ........................................................................................ 24
Xt .................................................................................................................................................. 24
Yt .................................................................................................................................................. 26
Synthse ........................................................................................................................................... 28
TABLE FIGURES
Figure 1 : Choix de la carte de contrle .................................................................................................... 5
INTRODUCTION
MSP
La MSP est une discipline dont le but est de contrler des processus laide de diffrentes
reprsentations graphique et ce afin de mieux comprendre la variabilit du processus en question.
Elle a connu un succs norme aprs la deuxime guerre mondial, au japon par lun des plus
grands gourous de la qualit EDWARD DEMING.
La MSP repose sur un outil trs puissant : les cartes de control, dveloppes par Walter A.
SHEWHART tuteur de DEMING. Elles permettent de contrler statistiquement un processus donn et
dinterprter les diffrents signaux qui peuvent tre du a des causes spciales (assignable) ou commune
(non assignable).Cependant lutilit de ces cartes nest mise en relief que si on arrive instaurer un
environnement / culture au sein de la entreprise favorisant la qualit (personnel conscient de
limportance de la qualit et de ses outils carte de contrle dans latteinte des objectif) videment
Concerne tout le personnel de lentreprise ouvrier / middle management / top management.
Une carte de contrle, ou plus exactement un graphique de contrle, est un outil utilis dans le
domaine du contrle de la qualit afin de matriser un processus. Elle permet de dterminer le moment
o apparat une cause particulire de variation d'une caractristique, entranant une altration du
processus. Par exemple un processus de fabrication pourra tre mis l'arrt avant de produire des
pices non conformes.
Les types de cartes de contrle les plus utilises dans l'industrie sont les cartes de contrle de la
moyenne et de l'tendue. Dans cette mthode, deux graphiques sont tracs et interprts
simultanment. Un autre type, souvent utilis en conomie, est le graphique de contrle aux valeurs
individuelles.
Wikipdia
R est :
-
Au fil des annes, R sera de plus en plus incontournable dans le traitement exploratoire et
statistique des donnes. Voir le trs intressant article du New York Times ce sujet (Janvier 2009).
Voir galement les sondages annuels publis par le site KDnuggets propos des logiciels utiliss par les
data miner (2013, 2012, 2011, 2010, etc.), propos des traitements raliss l'aide de R par les data
miners (2011), propos des langages de programmation utiliss pour le traitement de donnes
(2013, 2012, 2011), au point que la question du remplacement de SAS par R est maintenant pose par
les spcialistes ("Switching from SAS to WPS, R, ...", Kdnuggets Polls, Aug. 2010 ; "Will 2015 be the
Beginning of the End for SAS and SPSS?", R-bloggers, May 2012).
Cet enseignement est avant tout un cours de programmation. Il ne s'agit pas de montrer
comment faire tel ou tel traitement statistique avec R. Les innombrables didacticiels en ligne, dont
certains sont rfrencs dans cette page, s'en chargent trs bien. Notre objectif est d'apprendre (ou rapprendre) programmer en tirant profit des particularits de R : c'est un langage objet, la structure de
base est le vecteur, une bibliothque trs riche de fonctions permettant de manipuler ces structures
sont disponibles.
Il sera nanmoins en relation directe avec le traitement exploratoire des donnes dans la
mesure o la plupart des illustrations consisteront programmer des techniques statistiques, d'analyse
de donnes, de data mining et de data science. Je profite de lexprience ainsi acquise pour mettre R en
contrepoint du tandem "Excel (tableur) + Tanagra" dans mon cours de data mining et rgression
logistique de M2.
Le choix des cartes de contrle se fait en fonction des caractristiques de qualit qu'elles sont
supposes surveiller. En effet, il existe des cartes de contrle qualit pour les variables (Si les CTQ sont
des grandeurs quantitatives) et des cartes de contrle pour les attributs. (Si les CTQ sont des grandeurs
qualitatives).
Cp = (TS - TI) / 6
Cpl = ( - TI) / 3
Cpu = (TS - ) / 3
Cpk = Min (Cpl, Cpu)
PARTIE I
Dans cette partie on est amen laborer des cartes de contrle pour chaque cas tout en
repesons sur des facteurs spcifique pour construire nos sous-groupes rationnels (le temps T, le temps et les
cycles de la presse TP, le temps et les cavits TC/TC1/TC2/TC3/TC4) le type de chaque carte sera choisi
partir de la figure 1, une interprtation des carte sera entam par la suite pour se dcider de la carte la plus
qui nous offre la meilleur organisation pour contrler le processus.
Le groupement base de T nous donne 20 groupes de taille 20 donc on va utiliser des cartes
de type Xbar S:
SCRIPT R:
setwd("/users/x/desktop")
getwd()
library(qcc)
dataset <- read.csv("dataset.csv", sep=";")
attach(dataset)
sample1 <- qcc.groups (x.paisseur,t.heure)
obj11 <- qcc(sample1,"xbar")
obj12 <- qcc(sample1,"s")
CARTE DE COTROLE :
XBAR :
S:
ITRPRTATION:
Le processus est hors control :
Signe
Interprtation
Le groupement base de TP nous donne 100 groupes de taille 4 donc on va utiliser des
cartes de type Xbar R:
SCRIPT R:
CARTE DE COTROLE :
XBAR :
R:
ITRPRTATION:
Processus hors control
Longue srie au-dessus de la moyenne
GROUPES DEFINIS A BASE DU TEMPS ET DES CAVITE TC
SCRIPT R:
sample3 <- qcc. Groups(X.paisseur,groupe.TC)
obj31 <- qcc(sample3,"xbar")
obj32 <- qcc(sample3,"R")
CARTE DE COTROLE :
XBAR :
10
R:
ITRPRTATION:
Processus hors contrle : Beaucoup de point hors limite ce qui est une signe que le processus
nest pas stable, ceci est parfaitement justifiable par le fait que la cavit 1 avait des problmes (cire
accumul).
Le groupement base de TC1 nous donne 20 groupes de taille 5 donc on va utiliser des
cartes de type Xbar R:
SCRIPT R:
Sample41 <- qcc. Groups (X.paisseur,groupe.TC1)
Obj411 <- qcc(sample41,"xbar")
Obj412 <- qcc(sample41,"R")
11
CARTE DE COTROLE :
XBAR :
R:
12
ITRPRTATION:
Processus hors contrle :
Signe
Interprtation
Tendance au dbut
Le groupement base de TC2 nous donne 20 groupes de taille 5 donc on va utiliser des
cartes de type Xbar R:
SCRIPT R:
13
CARTE DE COTROLE :
XBAR :
R:
14
ITRPRTATION:
Processus hors contrle :
Signe
Interprtation
Grande variabilit
Le groupement base de TC3 nous donne 20 groupes de taille 5 donc on va utiliser des
cartes de type Xbar R:
SCRIPT R:
Sample43 <- qcc. Groups (X.paisseur, groupe.TC3)
Obj431 <- qcc(sample43,"xbar")
Obj432 <- qcc(sample43,"R")
CARTE DE COTROLE :
XBAR :
15
R:
ITRPRTATION:
Processus hors contrle :
Signe
Interprtation
16
Le groupement base de TC4 nous donne 20 groupes de taille 5 donc on va utiliser des
cartes de type Xbar R:
SCRIPT R:
CARTE DE COTROLE :
XBAR :
17
R:
ITRPRTATION:
Processus hors contrle :
Signe
Interprtation
18
Il est tout fait normal de trouver des rsultats diffrents vu que chaque carte de contrle a t
labore en se basant sur des facteurs donnes ce qui engendre des sous-groupes rationnels diffrents
donc des moyenne diffrentes et des carts type/ tendus diffrents.
LE CHOIX DE LA CARTE
La premire carte bas sur le temps engendre une grande variabilit intra groupes ce
qui influence normment llaboration des cartes de contrle, donc le choix de cette
carte nest pas valide.
Les cartes TCi nous empchent de contrler les autres cavits donc on ne peut pas
choisir lune dentre eux.
La carte TC est moins significative que les carte TCi donc son choix nest pas justifi.
La carte TP nous a permis de dtecter les anomalies dans le processus de plus elle
propose des sous-groupes rationnels intuitifs vu quelle nous offre un prlvement plus
frquent donc un control plus sr.
Si on doit choisir une seule carte le meilleur choix est la carte TP (si la question porte sur le choix dune
seul carte), si on peut choisir plus quune carte on choisit les TCi
19
PARTIE II
Le groupement sera fait base du temps T donc on aura 100 groupe de taille 1 donc on va
utiliser une carte de contrle de type I MR mais il faudra dabord vrifier la normalit de la variable Xt.
VERIFICATION DE LA NORMALITE
SCRIPT R:
setwd("/Users/X/Desktop")
library(qcc)
dataset <- read.csv("dataset2.csv", sep=";")
attach(dataset)
testnorm <- qcc.groups(Xt,t.heure)
hist(testnorm)
Figure 16 : histogramme Xt
Lhistogramme montre que la variable Xt suit plus ou moins une loi normale, pour tre plus sur
on utilisera un test de Test de SHAPIRO-WILK avec un niveau alpha 1%(0.01) vue que la taille de
lchantillon est relativement petite.
20
SCRIPT R:
shapiro.test(testnorm)
qqnorm(testnorm)
RSULTAT:
data: testnorm
W = 0.9697 , p-value = 0.02102
On constate que la p-value est suprieure alpha et que le QQPLOT Montre une distribution normale
donc on ne rejette pas lhypothse H0 (Normalit).
21
CARTES DE CONTROLE
SCRIPT R :
XT
INDIVIDUEL :
MOVING RANG:
22
YT
INDIVIDUEL:
Figure 20 : INDIVIDUEL YT
23
MOVING RANG:
STABILITE DU PROCESSUS :
En analysant la carte de contrle des mesures individuelles de Xt, on remarque que tous les points
se trouvent lintrieur des limites de contrle et sont centrs autour de la moyenne sans quil y ait une
seule valeur aberrante.
24
CAPABILITE DU PROCESSUS :
Conclure sur la capabilit du processus ncessite le calcul des indicateurs de capabilit suivants :
SCRIPT R :
Target = 69
LSL = 66.5
USL = 71.5
Capability indices:
Value 2.5% 97.5%
Cp 0.4772 0.4108 0.5435
Cp_l 0.4906 0.4113 0.5699
Cp_u 0.4639 0.3868 0.5410
Cp_k 0.4639 0.3720 0.5558
Cpm 0.4768 0.4108 0.5428
Exp<LSL 7.1%
Exp>USL 8.2*%
Obs<LSL 7%
Obs>USL 9%
25
La capabilit (Cpk) est < 1 donc on peut conclure que le processus est
incapable.
YT
STABILITE DU PROCESSUS :
En analysant la carte de contrle des mesures individuelles de Yt, on remarque que tous les points se
trouvent lintrieur des limites de contrle et sont centrs autour de la moyenne sans quil y ait une
seule valeur aberrante.
26
CAPABILITE DU PROCESSUS :
Conclure sur la capabilit du processus ncessite le calcul des indicateurs de capabilit suivants :
SCRIPT R :
RESULTAT
Target = 69
LSL = 66.5
USL = 71.5
Capability indices:
Value 2.5% 97.5%
Cp 0.3092 0.2661 0.3521
Cp_l 0.3154 0.2493 0.3814
Cp_u 0.3030 0.2377 0.3683
Cp_k 0.3030 0.2252 0.3808
Cpm 0.3091 0.2663 0.3519
Exp<LSL 17%
Exp>USL 18%
Obs<LSL 16%
Obs>USL 16%
27
La capabilit Cpk est < 1 donc on peut conclure que le processus est incapable
SYNTHSE
Daprs les tudes de stabilit et de capabilit effectues avant et aprs les interventions sur le
processus, il savre que le processus est stable avant et aprs la mise en place des interventions sur
lajustement. Cependant, les interventions ont affect ngativement la capabilit du processus. En effet,
le coefficient Cpk a diminu de 0.464 0.303, la performance du systme est ainsi dtriore.
28