Vous êtes sur la page 1sur 91

Process Capability

Jan-16

Fethi Derbeli

Contenu

Quest ce quune tude capabilit


Comment faire une tude capabilit
Taille dchantillon, Normalit, et supposition
Capabilit par attribue, DPU, DPMO, Z (Sigma)
Indice Capabilit donnes Variables
Cp, Cpk, Pp, Ppk, and Z

Concepts capabilit court Terme et Long Terme


Connexion Minitab:
Comment calculer s?
Donnes Individuelles versus sous-groupe

Donnes Non-Normal
Quest ce quon a besoin de savoir?
Jan-16

Fethi Derbeli

Pourquoi une tude des capacits


Elle peut quantifier exactement la nature du problme auquel va sattaquer lquipe comme
tant lune des suivantes:
Pour les donnes quantitatives (variable darrive, Y):

Les spcifications sont-elles correctes pour le paramtre (Y) concern (variable de


processus ou de performance)?
La tendance centrale du paramtre (Y) est-elle centre dans la limite des
spcifications appropries ?
La variation du processus dans le paramtre est-elle suprieure celle permise par les
spcifications ?
Pour les cas qualitatifs discontinus (attribut darrive, Y):

Le systme de mesure affecte-t-il notre possibilit dvaluer la vritable capacit du


processus ?
Quel est le taux admissible de dfauts chappant aux contrles, sur les plans
interne et externe ?
Evaluer la capacit permet lentreprise de prdire ses vritables niveaux de qualit pour tous
ses produits et services.
Ceci nous guide lestimation initiale du niveau sigma dun produit ou dun processus.
Jan-16

Fethi Derbeli

Etude Capabilit
A quel degr le processus est capable de respecter les spcifications?

LSL

USL

Distribution

On collecte les donnes et on pose la question:


Le processus est il capable de produire sans dfauts ?
La collecte et lanalyse des donnes est appele ....

Etude capabilit
Jan-16

Fethi Derbeli

Facteurs Impactant la Capabilit


Variation
Composants

Distribution produit
Jan-16

Fethi Derbeli

Etude Capabilit
La capabilit est faite pour:
Les rponses fonctionnels critiques du produit (CFR)
Caractristiques critiques processus encours, assemblage,
matire, processus
Manufacturions
Fournisseur

Quand on fait une tude capabilit?


Pr-production ( phase de conception)
Production

Le rle de lingnieur conception?


Ralise des tudes capabilit pour les CFRs
Reoit et Interprte les donnes capabilits des fournisseurs et
manufacturions
Jan-16

Fethi Derbeli

Etapes dune Etude Capabilit

Mise au point du processus dans les conditions spcifiques et enregistrer les valeurs des
variables cls du processus

Qui doit rester inchang durant ltude

Produire pour une priode limite pour minimiser les impactes des causes spciales des
variation

Plus que 30 fois est lobjectif de la collecte des donnes

Observer le droulement du test et enregistrer les vnements spciales apparues lors de


lexercice
Mesurer et enregistrer les valeurs CFRs
Raliser la Capabilit (Six-pack) et vrifier:

Normal Plot, SPC Chartes (vrifier la Stabilit, Prcision)


Histogramme

Vrifier le dcalage de la moyenne et la dispersion de la variance


Dvelopper un plan daction

Jan-16

Fethi Derbeli

Pourquoi 30 valeurs ou plus?


Daprs le thorme de la limite Centre une distribution normale
devient de plus en plus normale pour une distribution des moyennes
des chantillons quand le nombres des chantillons augmente.
Quant la taille des chantillons sapproche de 30 valeurs ou plus,
nous aurons un estimation raisonnable de la moyenne et lcart type
de la population
ie. Raisonnable erreur standard de la moyenne (SE)
Rgle de la taille des chantillons pour une bonne estimation de
population:
Moyenne
5-10
Ecart Type
25-50
Normalit
150+

Jan-16

Fethi Derbeli

Supposition de la Normalit
La thorie du Six Sigma est bas sur la supposition de la
normalit qui permit le calcul de la taille de laire sous la courbe

LSL

Jan-16

USL

Fethi Derbeli

Quel est la probabilit


Dtre hors spec?

Attention!!!
La supposition Statistique faite pour ltude Capabilit
1. Les donnes vient dun processus Stable
Si non, il faut mettre le processus sous contrle

2. Les donnes suivent une distribution normale

Si non, On doit les transformer

Si #1 and #2 ne sont pas respects , les rsultats


seront non significatives

Jan-16

Fethi Derbeli

10

Niveau Sigma (Z) vs. PPM

NiveauSigma
du Produit

s
2
3
4
5
6

PPM

308,537
66,807
6,210
233
3.4

Dfauts par
Million Opp.

Dou vient a ?
Jan-16

Fethi Derbeli

11

Cest quoi Z?
Z est le nombre des carts type entre la moyenne
de la distribution et les limites des spcifications
X- LSL
USL - X
Zl =
Zu =
s
s
Aussi considr comme le niveau Sigma , s
Elle est diffrente de lcart type

En effet le USL/LSL peut tre tous valeurs cibles


Xi - X
Zu =
s
Jan-16

X- Xi
Zl =
s
Fethi Derbeli

12

Les indicateurs et le concepte basique du Six Sigma

Cp = 2
Cpk = 1.5
3.4 Dfauts par 1,000,000 Opportunits etc.

Jan-16

Fethi Derbeli

13

LSL

USL

X or Nominale
-6s

+6s
Capabilit Processus

1.5
s

1.5s

-3s
C =
p
Jan-16

USL - LSL
+/- 3s

+3s
C

pk

= Min(

Fethi Derbeli

X - LSL
3s

USL - X

3s
14

Les sources de la variabilit


Etude Court Terme avec un nombre limit des
chantillons
Inclus les variations Alatoires
Les causes assignables Lots matire, operateurs, conditions du
test, etc.

Etude Long Terme avec un grand nombre dchantillons


collect sur une priode tendue
Inclus les diffrentes sources de variation
Lots matire
operateurs
Condition environnemental

Jan-16

Fethi Derbeli

15

Le Processus dynamique
USL

LSL

Court-Terme
Short-Term
Capability
Capabilit

Long-Terme
Capabilit

Au fil du temps, le processus tend se dcaler de prs de 1.5s


Jan-16

Fethi Derbeli

16

La drive du processus entre le court-terme et le long-terme

Statistique Descriptive
Variable
court terme
Long terme

N
30
180

Moy Mdiane
0.-069 -0.034
0.014
0.235

StDev
1.108
3.064

Quel est la diffrence entre les donnes court-terme et Long-terme?


Quel sont les Implications en faisant une tude capabilit?

Les objectifs du capabilit court Terme sont ajusts pour prendre en


compte la dgradation du long terme (dcalage 1.5s)

Jan-16

Fethi Derbeli

17

Les types danalyse des capacits


Dtermination des capacits selon une variable darrive
Dtermination des capacits selon un attribut darrive
Paramtre variable
Paramtre attribut

Vrifier Spcification

Compter les
dfauts
Prlever un chantillon
du processus

Calculer
PPM

Calculer note Z

Calculer
note Z

Estimer
PPM

Jan-16

Calculer
Cpk, Ppk

Estimer
Cp, Cpk,
Pp, Ppk

Fethi Derbeli

18

Capabilit par
Attribue

Cest difficile de trouver

Des donnes variables!

Generallement, les donnes


par attribute sont collectes
En production et couvre une
Longue periode de temps
Jan-16

Fethi Derbeli

19

Y qualitatives (donnes attributs):


Dtermination de la capacit pour une donne attribut
1re tape Vrifier la dfinition/description dun dfaut
Pointer les
2me tape Compter les survenances des dfauts et
donnes de
dfaut
retrouver le total
des units traites. On utilise en gnral les donnes
Calculer
historiques ici et
PPM
elles sont considres comme long terme.
3me tape Calculer la proportion de dfauts et les PPM Calculer
note Z
4me tape Calculer la note Z et dcaler de 1,5s si besoin
5me tape Estimer les indices classiques de capacit
Calculer
Cpk, Ppk
passer de Z Cp, Cpk, Pp, Ppk
Jan-16

Fethi Derbeli

20

Capabilit par Attribue

La capabilit par attribue est utilise quand on est pas


capable dobtenir des donnes paramtriques/Variables.
Les donnes sont collectes de la production et
utilises pour identifier lquivalent de la valeur de la
capabilit court-terme Z (Sigma)
Dfauts sont converti en Defauts per Unit (DPU)
DPU est converti en Opportunits de Defauts par
Million (DPMO)
Utiliser Calculateur sigma par attribue.xls ou table
pour convertir DPMO en Capabilit ou valeur Sigma
(Z).

Jan-16

Fethi Derbeli

21

Calcul du niveau Sigma


Calculer Defauts par Unit (DPU):

Total # des Dfauts


DPU =
Total # des Units Produites
Calculer Opportunits Defauts par Million (DPMO):
DPMO =

Dfauts Par Unit


x1,000,000
Opportint / Unit

Va au courbe Sigma et Estimer le niveau Sigma


Jan-16

Fethi Derbeli

22

Exemple: Telvision
Calculer Defauts par Unit (DPU):

DPU = 1 Dfaut par Television


Calculer Opportunits de Defauts par Million (DPMO):

DPMO =

1DPU
500 Oppt.

x 1,000 ,000 = 200 ppm

Va au courbe Sigma et Estimer le niveau Sigma


5.04 Sigma
Jan-16

Fethi Derbeli

23

Capability Tool - Attribute Data


ATTRIBUTE SIGMA CALCULATOR
Characteristic Under Study:

Pager

# of Units
Opportunity For Defects / Unit
Defects

10
10
4

DPU
DPMO
SIGMA (With Shift)

0.4
40000
3.25

Attribute Sigma Calculator.XLS


Jan-16

Fethi Derbeli

24

Exercises:
#1 Dfauts Compresseurs
Le site a produit 40,000 compresseurs. 100 compresseurs sont jugs dfectueux.
DPU = 0.0025 DPMO = 2500 Sigma = 4.31
#2 Dfaut Lots
Durant un mois, 12,412 Type A moteurs sont assembls. chaque moteur a 3
opportunits dtre dfectueux (1 opportunit de puissance, Vibration, et
bruit).
Durant le mois, 200 moteurs ont ts jugs dfectueux.
DPU = 0.0161 DPMO = 5371 Sigma = 4.05
#3 Design dun nouvelle pompe
Engineering a slectionn un concept pour une nouvelle pompe. Il y a 52
composants et 85 tapes de processus. Le taux extrapol des dfauts (bas
sur lhistorique pour Produit similaire) est 20 dfauts par 500 pompes
assembls.
DPU = .04 DPMO = 292 Sigma = 4.94

Jan-16

Fethi Derbeli

25

Capabilit par Attribue


Equivalent (DPMO) par Z(Sigma) et Cpk
PPM

Cpk

Z +1.50

Cpk + 0.5

Mesur

Long Terme

Long Terme

66807

1.50

0.50

3.00

1.00

6210

2.50

0.83

4.00

1.33

1350

3.00

1.00

4.50

1.50

233

3.50

1.17

5.00

1.67

3.401

4.50

1.50

6.00

2.00

court Terme court Terme


Projection
Projection

Objectif Six Sigma


Jan-16

Fethi Derbeli

26

Indices de la Capabilit

Cp =

C pu

USL - LSL
6s

USL- X
=
3s

C pl

X- LSL
=
3s

X- LSL USL- X
Cpk = Min(
,
)
3s
3s
X- LSL
Zl =
s

USL- X
Zu =
s

Jan-16

Fethi Derbeli

27

Indices de la Capabilit

Cp =

Cp =

USL - LSL
6s

Tolrance Totale
Dispersion du Parametre critique

Lindice qui tient en compte la variabilit

Jan-16

Fethi Derbeli

28

Exemple
LSL
27 Inches

USL
33 Inches

X = 30 Inches
s=1

Cp =

USL - LSL
6s

1.0
Cp = __________
Jan-16

Fethi Derbeli

29

Exemple
LSL
29 Inches

USL
31 Inches

X = 30 Inches
s=1

Cp =

USL - LSL
6s

0.33
Cp = __________
Jan-16

Fethi Derbeli

30

Exemple
LSL
28 Inches

USL
32 Inches

1
1
X = 30 Inches
s = .333

Cp =

USL - LSL
6s

2.0
Cp = __________
Jan-16

Fethi Derbeli

31

Exemple
LSL
28 Inches

USL
32 Inches

1
1
X = 33 Inches
s = .333

Cp =

USL - LSL
6s

2.0
Cp = __________
Jan-16

Fethi Derbeli

32

Indices de la Capabilit

X- LSL USL- X
Cpk = Min(
,
)
3s
3s
X- LSL
Cpl =
3s

Cpu

USL- X
=
3s

USL- X
Zu =
s

X- LSL
Zl =
s

Indice qui tient en compte la valeur cible et la dispersion

Jan-16

Fethi Derbeli

33

Exemple
LSL
28 Inches

USL
32 Inches

1
1
X = 30 Inches
s = .333
2.0
Cpl = ___________

6.0
Zl = ___________
Jan-16

Cpu = ___________
2.0
2.0
Cpk = ____________
(Cp = 2.0)
Fethi Derbeli

6.0
Zu = ___________
34

Exemple
LSL
28 Inches

USL
32 Inches

1
1
X = 33 Inches
s = .333
-1.0
Cpu = ___________

5.0
Cpl = ___________

15.0
Zl = ___________
Jan-16

-1.0
Cpk = ____________
(Cp = 2.0)
Fethi Derbeli

Zu = ___________
-3.0
35

Indices de la Capabilit
USL

LSL

On se basant sur un nombre limit des chantillons


quel est la probabilit dtre en dehors des spcifications?
On suppose Distribution Normale, calculer la
Probabilit de la taille de laire

Jan-16

Fethi Derbeli

36

Exemple
LSL
28 Inches

2.0
Cpl = ___________
.001
PPMl = ____________

6.0
Zl = ___________
Jan-16

USL
32 Inches

1
1
X = 30 Inches
s = .333

2.0
Cpu = ___________

.001
2.0
PPMu = ____________
Cpk = ________
(Cp = 2.0)
6.0
Zu = ___________
Fethi Derbeli

37

Exemple
LSL
28 Inches

USL
32 Inches

1
1
X = 33 Inches
s = .333
-1.0
Cpu = ___________

5.0
Cpl = ___________
0
PPMl = ____________

15.0
Zl = ___________
Jan-16

998650
-1.0
PPMu = ____________
Cpk = ________
(Cp = 2.0)
-3.0
Zu = ___________
Fethi Derbeli

38

Avez-vous besoin du dcalage de 1,5 s ?


Dcaler la note de 1,5 s si besoin est.
Quenvoyez-vous au client ?
Capacit long terme ? court terme ?
Niveau sigma des caractristiques du produit ?
Prtentions du processus (capacits court terme supposant
le centrage)?
Ce quon veut savoir:
Zst

ZLT

Capacit
Capacit
court terme long terme

Jan-16

Zst

Donnes
court terme

ZLT

Donnes
long terme

Fethi Derbeli

39

Le dcalage Z
ZLT = Zst - 1,5
On veut savoir:

Zst

Donnes
court terme

ZLT

Donnes
long terme

Le dcalage de 1,5s est en gnral destin compenser le


ZLT
Zst
centrage de la moyenne pour reprsenter les dcalages
dynamiques non alatoires du processus. Il reprsente la
Capacit
Capacit
court terme long terme
moyenne estime de changement quun processus type
Soustraire prsente sur plusieurs cycles.
1,5
Un processus Six
Capacit du processus
Sigma centr
Ajouter
1,5
0,001
ppm

0,001
ppm

Niveau
Sigma
1
2
3
4
5
6
Jan-16

DPMO court
terme
158655.3
22750.1
1350.0
31.7
0.3
0.0

DPMO long
terme
691462.5
308537.5
66807.2
6209.7
232.7
3.4

LIS

LSS

6s

m Un processus Six
Sigma dcal de
1,5 s
3,4
ppm
T

LIS
Fethi Derbeli

4,5s

LSS
40

Le dcalage Z - Interprtation graphique

Les donnes initiales du processus taient dcrites comme 3s court terme


La conversion au long terme se ferait comme suit: 3s 1,5s = 1,5s
Le niveau sigma (long terme) qui en rsulte dcrit la performance long terme
du processus. Celle-ci tient compte de toutes les causes attribuables qui ont un
impact sur le centrage du processus; les changements dquipes de production,
doprateurs, de machines, lusure des outils, les plannings de maintenance,
les rparations, la calibrage, la temprature, lhumidit, les matires premires,
les modifications des exigences du client, etc.
Les dcalages, a arrive ! Il faut en tenir compte.

Le dcalage est une ralit !


Capacit
long terme (1,5s)

Capacit
court terme(3s)

LIS

Court Terme: 1350 ppm


Long Terme: 0 ppm

Jan-16

LSS

1,5s
Fethi Derbeli

Court Terme: 1350 ppm


Long Terme: 66810 ppm

41

Indice Capabilit vs. Probabilit aire


La Performance Long Terme est Projet aprs un
dcalage de 1.5s
Cpk

PPM

Z 1.5

Cpk - 0.5

PPM

Court
Terme

Court
Terme

Court
Terme

Long
Terme

Long
Terme

Long
Terme

1.00

3.00

1350

1.50

0.50

66807

1.33

4.00

31.686

2.50

0.83

6210

1.50

4.50

3.401

3.00

1.00

1350

1.67

5.00

0.287

3.50

1.17

233

2.00

6.00

0.001

4.50

1.50

3.401

Performance court Terme


Jan-16

Objectif Six Sigma


Fethi Derbeli

Perfomance Long Terme


42

Indices capabilit vs. Probabilit aire


Cp

PPM

Cpk

PPM

1000000

500000

0.33

317311

0.33

1.00

158655

0.50

133614

0.50

1.50

66807

0.67

45500

0.67

2.00

22750

1.00

2700

1.00

3.00

1350

1.33

63.372

1.33

4.00

31.686

1.50

6.802

1.50

4.50

3.401

1.67

0.574

1.67

5.00

0.287

2.00

0.002

2.00

6.00

0.001

Suppos
Center
Jan-16

1 cot sans
dcalage
Fethi Derbeli

43

Comparison des Capabilits

Jan-16

Fethi Derbeli

44

Capabilit

LSL

USL

Voice of The Product


Voice of The Customer

Jan-16

Fethi Derbeli

45

Capabilit
- Sassurer de la stabilit du process via
un graphique I-MR
- Vrifier la normalit
- Calculer la moyenne ( x ) et lcart type (s)
- Calculer Cp, Cpk

Jan-16

Fethi Derbeli

46

Exemple

On va calculer la Capabilit pour la force


darrachement.
Design Capability.MPJ
Specification Limits for lbs. force:
USL = 16, LSL = 8

Jan-16

Fethi Derbeli

47

Capabilit
I and MR Chart for ST Lbs. Forc
1

Individual Value

14
13

Mean=12.55
12
LCL=11.15

11
1

10
Subgroup

Moving Range

UCL=13.95

10

20

30

50

60

3
2

UCL=1.715

1
R=0.5250
LCL=0

Jan-16

40

Fethi Derbeli

48

Capabilit
Descriptive Statistics
Variable: ST Lbs. Forc
Anderson-Darling Normality Test
A-Squared:
P-Value:

10.5

11.5

12.5

13.5

Mean
StDev
Variance
Skewness
Kurtosis
N
Minimum
1st Quartile
Median
3rd Quartile
Maximum

95% Confidence Interval for Mu

0.426
0.305
12.5509
0.7261
0.527187
-2.3E-01
0.362300
57
10.4000
12.1500
12.5000
13.0500
14.0000

95% Confidence Interval for Mu


12.3582
12.3

12.5

12.7

12.7435

95% Confidence Interval for Sigma


0.6130

0.8907

95% Confidence Interval for Median

95% Confidence Interval for Median

Jan-16

Fethi Derbeli

12.3000

12.7334

49

50

Calcul Indice de Capabilit


s = 0.7261
Mean = 12.5509
16 8

= 1.8363
C =
p 6 *(0.7261)
16-12.5509

= 1.5834
C =
pu 3 *(0.7261)

12.5509-8

= 2.0891
C =
pl 3 *(0.7261)

16-12.5509

= 1.5834
C =
pk 3 *(0.7261)
Z = 4.7502
u
Jan-16

Fethi Derbeli

Z l = 6.2676
51

Capabilit par Minitab - court Terme


Vue Traditionnelle
Les chantillons sont collect sur une priode courte pour tablir
une variabilit reprsentative et alatoire

Minitab dsigne dviation standard court terme within et la


n
calcule comme suit:
MR
xi xi 1

s cap =
i =2
MR =
1.128
(n 1)
Pour des donnes individuelles (n=1), on utilise la moyenne mobile
n

scap =

sp =

i=1

Si2

i = # subgroups

n
Pour des donnes en sous groupe, on utilise SD commun (pooled
SD)
Jan-16

Fethi Derbeli

52

Jan-16

Fethi Derbeli

53

Capabilit par Minitab - Long Terme


Vue Traditionnelle
Les chantillons sont collect sur une periode longue pour

Minitab dsigne la dviation standard long-terme


overall et le calcule comme suit:

x x
i

s = s =

Jan-16

i =1

n1

Fethi Derbeli

54

Capabilit court Terme et Long Terme


Minitab calcule les statistique pour le court-Terme
et Long-Terme pour la mme base des donnes!
Court-Terme
swithin
Cp, Cpk
(Capability)
ppm within

Jan-16

Long-Terme
soverall
Pp, Ppk
(Performance)

ppm overall

Fethi Derbeli

55

Calculer Cp, Cpk, Pp, Ppk


Cp est la capacit potentielle de votre processus en supposant que
vous soyez capable de supprimer toutes les causes non alatoires.
En outre, Cp suppose que le processus est centr.
Cette unit de mesure sappelle aussi les prtentions du processus
ou la meilleure performance que votre processus puisse jamais
escompter court terme.
Pour calculer cette unit de mesure, il vous faut une approximation de
la dviation standard court terme (qui nest pas toujours disponible).
Cpk et Ppk utilisent la moyenne, et pas uniquement la bande de
tolrance pour estimer la capacit. Le terme de minimum Cpk(1),
Cpk(u) est la distance numrique la plus courte entre la moyenne et la
limite de spcification la plus proche.
Que se passe-t-il si la moyenne se trouve en dehors de la fourchette
des limites de spcification ?
Jan-16

Fethi Derbeli

56

Indice Capabilit
Capabilit Processus est le Potentiel du process
(Cp and Cpk)
Performance Processus est la performance relle du
process
(Pp and Ppk)

Jan-16

Fethi Derbeli

57

Capabilit vs. Performance


CO2 Levels for 55 Time Points
14

CO2-Shrt

13

12

11

10
Index

10

20

30

40

50

Capabilit: variable courtterme within et alatoire

Performance Process:
Variation Total overall

(Cp & Cpk)

(Pp & Ppk)

Jan-16

Fethi Derbeli

58

Indices capabilit

X- LSL USL- X
C*
,
)
pk = Min(
3 s*
3 s*
X- LSL USL- X
P**
,
)
pk = Min(
3 s**
3 s**
* Within

Jan-16

** Overall

Fethi Derbeli

59

Indices Capabilit / Performance


Comparant la valeur des indices pour le Long Terme
et le
court-terme
Regardant la diffrence entre performance et
capabilit
avec notre exercice: feuille Deflect Test dans le
fichier
Design Capability.MPJ

Jan-16

Fethi Derbeli

60

Minitab : Etude Capabilit:donnes court-Terme


3.
1.

2.

4.

Jan-16

Fethi Derbeli

61

Analyse:Court-Terme
Process Capability Analysis for ST Lbs. Forc
Process Data
USL
16.0000
Target
*
LSL
8.0000
Mean
12.5509
Sample N
57
StDev (Within) 0.465426
StDev (Overall)0.729325

LSL

USL
Within
Overall

Potential (Within) Capability


Cp
2.86
CPU
2.47
CPL
3.26
Cpk
2.47
Cpm

Overall Capability
Pp
1.83
PPU
1.58
PPL
2.08
Ppk
1.58

10

Observed Performance
PPM < LSL
0.00
PPM > USL
0.00
PPM Total
0.00

11

12

13

Exp. "Within" Performance


PPM < LSL
0.00
PPM > USL
0.00
PPM Total
0.00

14

15

16

Exp. "Overall" Performance


PPM < LSL
0.00
PPM > USL
1.13
PPM Total
1.13

La performance attendue (Ppk) est 1.58, ce qui est is raisonnable . Mais est
ce que vraiment ce que nous attendons?
Jan-16

Fethi Derbeli

62

Analyse: LongTerme
Process Capability Analysis for LT Lbs. Forc
Process Data
USL
16.0000
Target
*
LSL
8.0000
Mean
12.6426
Sample N
155
StDev (Within) 0.514069
StDev (Overall)0.842976

LSL

USL
Within
Overall

Potential (Within) Capability


Cp
2.59
CPU
2.18
CPL
3.01
Cpk
2.18
Cpm

Overall Capability
Pp
1.58
PPU
1.33
PPL
1.84
Ppk
1.33

10

11

Observed Performance
PPM < LSL
0.00
PPM > USL
0.00
PPM Total
0.00

12

13

Exp. "Within" Performance


PPM < LSL
0.00
PPM > USL
0.00
PPM Total
0.00

14

15

16

Exp. "Overall" Performance


PPM < LSL
0.02
PPM > USL
34.05
PPM Total
34.07

La performance attendue (Ppk) est maintenant 1.33, ce qui demeure


encore capabilit raisonnable
Jan-16

Fethi Derbeli

63

Rsultats de ltude Capabilit


A noter que les valeurs Cp / Cpk et Pp / Ppk sont calculs
La Capabilit (Cpk) est 2.13 et (Cp) is 2.59
a signifie que si le processus est sous contrle il peut avoir une
excellente performance >6s !!

La Performance du process (Ppk) a une capabilit


raisonnable
avec une valeur de 1.33
Mais quel niveau le processus est excellent?

Jan-16

Fethi Derbeli

64

Performance et Capabilit
Le Ppk peut sapprocher de Cp quand:
Les spcifications refltent vraiment les exigences client (pas svre
que les exigences)
Le processus est sous contrle statistique
Les donns suit la loi normale

le Cp est comme un benchmark


Le sigma within est influenc par les erreurs alatoires

On vise que Ppk soit trs proche de Cp

Jan-16

Fethi Derbeli

65

Ide des sous groupes Rationnels versus donnes individuelles

On peut sous groupper les donnes pour voir rapidement les Impactes
des quipes et des changements sur le processus

Sparer les causes alatoires des causes assignables des variations


Le but est davoir des chantillons libres de linfluence des causes
non alatoires
Le rsultat doit tre refleter les causes communes de la variation
within groups et
les causes assignables de la variation (sil existes) variation
between groups
Sil est faite correctement, Le sigma extrapol des sous groupes
estime best case
de la capabilit processus
Jan-16

Fethi Derbeli

66

Utilisation des sous groupe dchantillon


Ouvrir la feuille Rational Subgroups
Statistique Descriptif
Variable

Mean

Median

TrMean

StDev

SEMean

Output

32

2.376

2.327

2.376

0.798

0.141

Class par quipe


Statistique Descriptif
Variable

Shift

Mean

Median TrMean

StDev

Output

1.6026

1.6177

1.6026

0.1817

3.1020

3.1129

3.1020

0.2047

1.6150

1.6284

1.6150

0.1583

3.1831

3.2331

3.1831

0.1708

Quel est limpact sur ltude capabilit? Quel Sigma represente la


capabilit relle? Quel representes la capabilit potentielle?
Jan-16

Fethi Derbeli

67

Composantes de la Variation et les sou groupes rationnels


Dem onstation of Rational Subgroups
Shift is the Grouping Variable

Output

3.5

2.5

1.5

Hour

0 1 2 3 4 5 6 7 8 9 10 111213141516171819202122230 1 2 3 4 5 6 7

Moyenne de la
Variabilit/quipe

Variabilit Total
g

Variabilit extrapol
/groupes

( X X ) = n ( X - X ) (X X )
ij

j= 1 i =1

j= 1

ij

j =1 i = 1

Total Somme-carrs = entre Grp SS + avec Grp SS


Jan-16

Fethi Derbeli

68

Composantes de la Variation et les sou groupes rationnels

Dem onstation of Rational Subgroups


Shift is the Grouping Variable

Output

3.5

2.5

1.5

Hour

0 1 2 3 4 5 6 7 8 9 10 111213141516171819202122230 1 2 3 4 5 6 7

Total Somme-carrs = entre Grp SS + avec Grp SS


g

(X X) = n ( X - X ) (X X )
ij

j=1 i =1

Capabilit
Jan-16

j=1

Causes Spciales
Fethi Derbeli

ij

j=1 i =1

Alatoires
69

le long terme et le court terme


Etape N2: Prlever un chantillon de donnes court ou long terme
SS total
g

(X

SS entre

ij

SS dans
g

X) = n j (X j - X) (X i j X j )

j =1 i =1

j =1

Variation totale

Dans le sousgroupe
Prcision
(capacit court terme)

x
x

x
x

x
x

Jan-16

x
x

j =1 i =1

Entre les sousgroupes


Exactitude

Capacit long terme

Fethi Derbeli

Dure

70

Visualisant les compsantes


g

LSL

(X

X
)
ij
j

USL

j=1 i=1

gg

X j--X)
nn((X
X2)

j=1
j=
1

2
(X

X)
ij
j=1 i=1

Au fil du temps le processus tend de se dcal denviron 1.5s


Jan-16

Fethi Derbeli

71

Capabilit Sixpack SD Extrapol


Process Capability Sixpack for Output
Xbar and R Chart

Capability Histogram
1

Mean

3.0
UCL=2.568
Mean=2.376
LCL=2.183

2.5
2.0
1.5

Subgr

1
2

1.5

0.6

R=0.5162

0.3
LCL=0.07027

0.0

1.5

Last 4 Subgroups

2.5

Overall
StDev: 0.804659
Pp:
0.62
Ppk:
0.57

2.0
1.5
1

2.5

3.5

Capability Plot

Within
StDev: 0.181306
Cp:
2.76
Cpk:
2.53

3.0

Values

3.5

UCL=0.9621

0.9

Range

2.5

Normal Prob Plot

Process Tolerance
Within
I

I I

Overall

Specifications
I

Subgroup Number

On peut noter la variabilit avec le sous groupe est consistent, mais la


moyenne est fortement dcal
Le plot parait anormale montrant une distribution bimodale
Cp = 2.76. Ce rsultat est en cohrence avec lhistogramme? Quel est la
capabilit relle?
Jan-16

Fethi Derbeli

72

Approche damlioration de la Capabilit

Statistical process control (SPC), quand il est appliqu proprement


on peu liminer les variations dues au causes spciales
La diffrence entre performance (Ppk) et capabilit (Cp) peut aider
identifier les pistes damlioration du processus

Jan-16

Fethi Derbeli

73

Dfinition des Objectifs


Cest la squence generique de lamlioration du
processus:
Court Terme: Approcher le Ppk du Pp (Centrer le processus)
Moyen-Terme: Approcher Pp du Cpk (Reduire les
Variations)
Long-Terme: Approcher Cpk du Cp (Variation Alatoire)

Objectif processus Six Sigma


Cp = 2.00
Ppk = 1.5

Jan-16

Fethi Derbeli

74

Formules Cp, Cpk, Pp, Ppk


Indices de capacits court terme

USL LSL
Cp =
6* sshort term

Indices de capacits long terme

USL LSL
Pp =
6* slongterm

C pk = min (C pk (USL ) , C pk ( LSL ) )


C pk (USL) =

C pk ( LSL) =

Ppk = min ( Ppk (USL ) , Ppk ( LSL ) )

(USL X )
3 * sshortterm

Ppk (USL ) =

( X LSL)
3 * sshortterm

(USL X )
3 * slong term

Ppk ( LSL) =

LSS

LIS
- 3s

( X LSL )
3 * slongterm

+ 3s
Ampleur du processus
Envergure du concept

Question: Quarrive-il aux quations Cpk & Ppk lorsque le 3 est supprim ?
Quel est le rapport entre Cpk, Ppk, ZST, et ZLT?
Jan-16

Fethi Derbeli

75

Interprtation indices Capabilits


>1.5

Processus Instable et
Incapable

Process Instable mais


Capable

Cpk-Ppk

Problme de Contrle &


Technologie

Problme de Contrle

1.0

Processus Stable mais


Incapable

Processus Stable & Capable

Problme de Technologie
<0.5
<1

1.5

>2.0

Cp
Jan-16

Performance Metrics
- 76
Fethi Derbeli

76

Impacte des donnes Non-normales sur le calcul de la Capabilit

Ouvrir la feuille Shaft Dimension


Calculer Cp et Cpk, avec USL = 12 LSL = 0

Utiliser sous-groupe de 5

Le processus est il capable?


Histogramme et plot Normal du colonne Out of Round
Les donnes sont il normales?

Jan-16

Fethi Derbeli

77

Etude capabilit
Si on fait une tude capabilit avec des donnes non
normale on continue avoir des rsultats . Mais sont
ils correctes?
Process Capability Analysis for Out of Round
LB

Process Data
USL
12.0000
Target
*
Lower Bound 0.0000
Mean
2.8327
Sample N
500
StDev (Within) 2.22797
StDev (Overall)2.23579

USL
Within
Overall

Potential (Within) Capability


Cp
*
CPU
1.37
CPL
*
Cpk
1.37
Cpm

Overall Capability
Pp
*
PPU
1.37
PPL
*
Ppk
1.37

Jan-16

-5

Observed Performance
PPM < LB
0.00
PPM > USL
4000.00
PPM Total
4000.00

10

Exp. "Within" Performance


PPM < LB
*
PPM > USL
19.39
PPM Total
19.39

Fethi Derbeli

15
Exp. "Overall" Performance
PPM < LB
*
PPM > USL
20.63
PPM Total
20.63

78

La Transformation Box-Cox
On peut utiliser la transformation Box-Cox pour
dterminer les valeurs transformes
Quand on utilise the Box-Cox Transformation, Minitab
estime une valeur l (lambda)
Minitab prsente la valeur l qui minimise s
la transformation est Yl quand l 0 et LogeY quand l = 0

Cette mthode est slectionne parmi plusieurs types de


transformations

Jan-16

Fethi Derbeli

79

The Box-Cox Transformation

Jan-16

Fethi Derbeli

80

La Transformation Box-Cox

Le rsultat est une graphe qui affiche:


La meilleure estimation de l pour la transformation
Deux valeurs proches de l
95% intervalle de confiance de la valeur relle de l
Box-Cox Plot for Out of Round
95% Confidence Interval
Last Iteration Info

StDev

12

Lambda

StDev

Low0.281

1.750

Est 0.337

1.753

Up 0.393

1.762

2
-1.0 -0.5 0.0

0.5

1.0

1.5

2.0

2.5

3.0

Lambda
Jan-16

Fethi Derbeli

81

Comment utiliser Lambda


On voit une valeur estime de 0.225 pour l
On peut utiliser la valeur l pour transformer les donnes
dans ltude capabilit et les fonctions Sixpack

Jan-16

Fethi Derbeli

82

La Transformation Box-Cox
Process Capability Analysis for Out of Round
Box-Cox Transformation, With Lambda = 0.337
Process Data
USL
12.0000
USL*
2.3104
Target
*
Target*
*
Lower Bound 0.0000
Lower Bound* 0.0000
Mean
2.8327
Mean*
1.3217
Sample N
500
StDev (Within) 2.22797
StDev* (Within)0.37330
StDev (Overall)2.23579
StDev* (Overall)
0.37690

LB*

Within
Overall

Potential (Within) Capability


Cp
*
CPU
0.88
CPL
*
0.0
Cpk
0.88
Cpm

0.5

1.0

1.5

2.0

2.5

Overall Capability
Pp
*
PPU
0.87
PPL
*
Ppk
0.87

Jan-16

USL*

Observed Performance
PPM < LB
0.00
PPM > USL
4000.00
PPM Total
4000.00

Exp. "Within" Performance


PPM < LB*
*
PPM > USL*
4041.24
PPM Total
4041.24

Fethi Derbeli

Exp. "Overall" Performance


PPM < LB*
*
PPM > USL*
4353.91
PPM Total
4353.91

83

Conseilles lors de Transformation


Les donnes attendues doivent tre unimodle
Valeurs de l va tre entre -5 et +5
si on a des valeurs inf -5 ou sup+5, des causes spciales existent dans
les data

La Prsentation des data transformes peut tre trompeuses


Minitab a un problme de transformer une valeur de 0 (y
compris limites specs) avec certaine valeur de l
Si le cas se prsente , essayer de changer la valeur une nombre un
peut grand de 0
Exemple: de 0.XXX, changer 0s to 0.00001 or 0.000001

Jan-16

Fethi Derbeli

84

Resum
On a les bases pour calculer la capabilit pour le courtterme et
le long terme du processus
On peut interprter les rsultats capabilits par Minitab
On peut estimer la performance long-terme du donnes
court-terme
On peut calculer la capabilits des donnes non normales

Jan-16

Fethi Derbeli

85

Effets des erreurs de mesure sur lindice Cp

Nous savons que

CpObs =

USL LSL
6sObs

Dou:

C pObs

where

2
2
sObs = sAct
sMS

USL LSL
=
2
6 s Act

2
s MS

Quel est limpact sur Cp quand lerreur du systme


de Mesure augmente?
Jan-16

Fethi Derbeli

86

Guide %R&R
Une fois %R&R est calcul, on dfinit qui on cible avant:
Les variation du Produit/Processus ou les variation du systme
de mesure
Est ce le systme de mesure est capable adquat aux action
damlioration quon prvoit?
On considre que le systme de mesure est adquat quand les
conditions suivante existe pour la Capabilit Observ du
Processus (Cpo et %R&R):
Si Cpo 1.0
Si 1.0 < Cpo < 1.5
Si Cpo 1.5
Jan-16

et %R&R < 70%


et %R&R < 40%
et %R&R < 30%
Fethi Derbeli

87

Effet du %R&R sur la Capabilit


8.00
7.00
0%
6.00

10%
20%

CpAct

5.00

30%
4.00

40%
50%

3.00

60%
2.00

70%

1.00

Cp Obs
Jan-16

Fethi Derbeli

1.40

1.30

1.20

1.10

1.00

0.90

0.80

0.70

0.60

0.50

0.00

Source: Larry B. Barrentine: Concepts


for R&R Studies
88

%R&R vs. Capabilit


Qui ncessite plus d attention - Systme de Mesure
ou lamlioration de la Capabilit?
Process

Jan-16

%R&R

Cpo

10%

0.5

40%

1.0

60%

1.5

70%

5.5

On fait focus sur?


Processus
Un des deux
Systme de Mesure
Systme de Mesure*

Process 2:

Mieu amliorer le systme de mesure que


damliorer le processus.

*Process 4:

En amliorant le %R&R on optimise nos fforts?

Fethi Derbeli

89

Effets des erreurs de mesure sur lindice de Capabilit Cpk

Pour inclure les effets sur le centrage du processus, on sait:

USL X Obs
X Obs LSL

CpkObs = MIN
or
3sObs

3sObs

Alors

Dou,

X Obs = X Act X MS

2
2
et
sObs = sAct
sMS

C pkObs

USL X Act X MS
X Act X MS LSL

= Min
or
2
2
2
2

3
s

s
3
s

s
Act
MS
Act
MS

Quel est limpact sur Cpk quand lerreur du


systme de Mesure augmente?
Jan-16

Fethi Derbeli

90

Questions?

Jan-16

Fethi Derbeli

91