Académique Documents
Professionnel Documents
Culture Documents
Procds
Plan du chapitre
1. Introduction
2. Les concepts de la MSP
3. Analyse de capabilit
4. Les cartes de contrle
5. Cartes moyenne-tendue de
SHEWHART
6. Aptitude du systme de mesure
1 Introduction la dmarche MSP
Pour expliquer la MSP, on peut partir du postulat de
Montgomery :
La qualit est inversement proportionnelle la
variabilit
Dans un systme de production quel qu'il soit
(production de produits manufacturiers, de services ou
d'information), la variabilit provient de l'absence de
rptitivit parfaite
Les causes principales en sont l'usure des machines et
des matriaux, les oprateurs, les mthodes de
fabrication et l'environnement
1 Introduction la dmarche MSP
La Matrise Statistique des Procds (MSP) ou Statistical
Process Control (SPC) tente de modliser ces causes et
leurs effets
Il s'agit plus d'une mthodologie que d'une simple liste
d'outils
Cette mthodologie est compose de trois objectifs :
Le Process control qui tente de maintenir le
processus sur sa cible en termes de positionnement
nominal et de tolrances
Le Process capability qui tente de dterminer la
variabilit inhrente un processus pour tablir des
spcifications ralistes utilisables en particulier des
fins de comparaisons
Le Process change qui induit des modifications du
processus dans un but d'amlioration (c'est la partie
action de la MSP)
1 Introduction la dmarche MSP
La MSP est associe une grande liste d'outils comme
lanalyse de Pareto, le diagramme dIshikawa, les
histogrammes de frquence, lAMDEC, les plans
dexprience, etc..
La MSP nest pas un concept nouveau : elle a t
invente chez Bell Telephone par Shewhart en 1924
Tout dabord oublie, cest Deming qui dans les annes
60 lui a redonn de lintrt
En effet, le passage une conomie de march aprs la
crise de 1973 poussa les entreprises europennes
mettre en place leur systme qualit
Dans la dmarche qualit dune entreprise
manufacturire, elle reprsente un lment trs important
de la qualit des productions
1 Introduction la dmarche MSP
La MSP s'applique aux productions en srie,
dont l'adquation aux exigences du cahier des
charges passe par au moins une caractristique
mesurable ou comptable
Fortement dveloppe dans certains secteurs
industriels comme ceux de l'automobile ou de
l'lectronique, la MSP s'applique galement aux
productions en flux continu, aux travaux
administratifs, etc..
Elle peut mme constituer un mode de
management (dvelopp par Deming)
1 Introduction la dmarche MSP
Qualit associe un
paramtre ou une
caractristique : tolrance
sur une cote par exemple
Le produit est de qualit si
le paramtre est conforme
au cahier des charges
Cest le problme
quotidien des oprateurs
de production
Par exemple, une cote
dun lot de pices alses
ne fera jamais
exactement 15mm, mais
sera rpartie entre 14,97
et 15,03 mm
Milieu
Mthode
Machine
Modification de
Modification tendance centrale
de dispersion
)
Dispersion (6
IT
)
Dispersion (6
IT
)
Dispersion (6
Exemple
Conditions de ralisation
Exemple
Prise de dcision
1er cas :
Lalsage est au minimum et larbre est au maximum
Ces paramtres sont acceptables
Mais si la cylindricit et la rugosit sont en limite, il
est clair que lon va vers un fonctionnement dgrad,
donc la qualit nest plus assure
2me cas :
Lalsage et larbre sont quasiment sur la cible
Le jeu est donc idal
Mme si la cylindricit et la rugosit sont en limite, il
est clair que la qualit est assure
Exemple
2.5 - Stratgie de la MSP
Do la stratgie :
1. Etude de la capabilit
2. Dtermination de la loi de probabilit
3. Ralisation de cartes de contrle pour un
suivi de l'volution
4. Dtermination des ractions adopter pour
chacun des phnomnes dfaillants mis en
vidence par les autocontrles
5. Formation sur les autocontrles pour les
oprateurs directement concerns
6. Mise en place dfinitive des autocontrles
dans les ateliers
Les tapes dune mise sous contrle
IT
Etape 2
IT
Etape 3
IT
moyenne de lchantillon :
X i
X= i =1
k
(X )
k
2
i X
cart-type : = i =1
k 1
CP = Intervalle de tolrance = IT
Dispersion globale 6
IT
Dispersion
CP < 1,33
Procd non capable : il y aura rebut mme
si le rglage est parfait
Exemple 2
IT
Dispersion
Limite
Limite
sup
inf
CP > 1,33
Procd capable : rglage et drive possibles
sans rebut
Exemple 3
IT
Dispersion Limite
Limite
sup
inf
CP = 1
Capabilit limite : aucun rglage possible
sans rebut
Valeurs de rfrence de Cp
Capabilit Commentaire
0,67 Trs mauvaise
1 Mauvaise
1,33 Trs moyenne
moyenne
1,67 Moyenne bonne
2 Bonne trs bonne
>2 Excellente
Dans le cas o lon ne connat quune limite
et la moyenne :
si on a seulement la
Cp = LTS X
3 spcification suprieure
si on a seulement la
Cp = X LTI
3 spcification infrieure
Dispersion Dispersion
D1 D1
D2
Dispersion
Lindicateur de drglage est not Cpk
Il compare les deux distances D1 (ou D1) et D2
LST X , X LIT
On a : CPk = Min
3
Commentaires
IT
Dispersion
CP = 1,33 et CPk = 1,33
Rglage parfait
Dispersion
CP = 3 et CPk = 1,9 Le CPk nest donc pas
Le drglement est suffisant!
important alors que le Cpk
est meilleur
Commentaires
Dispersion instantane
Processus
Dispersion globale
k
Un estimateur sans biais de la
dispersion instantane est
i2
i = i =1
k
(X )
2
Un estimateur sans biais de la
ij Xi
dispersion globale est
g = i, j
nk 1
3.3 Indicateur synthtique de capabilit
Lobjectif de la MSP est de viser une valeur cible
milieu de lintervalle de tolrance
Toutefois la fonction de rpartition dune
caractristique ne suit pas toujours une loi normale
Dispersion
Dispersion
Production b : Cpk
Production a : Cpk lev
faible
On pourrait en conclure que la production a est de
meilleure qualit
Or, ce nest pas le cas, puisque le processus est
drgl
Il est donc difficile de comparer deux productions
lorsque leurs Cp et Cpk sont diffrents
Le besoin dun indicateur plus synthtique se fait donc
ressentir
Taguchi a mis en vidence une
fonction de perte qui L = K(X X0)2
sexprime par :
X0 est la valeur cible recherche
K constante dpendant du problme pos
X est la valeur prise par la caractristique
Moyenne
L
Le graphe de cette fonction
montre que la perte la plus
faible est obtenue avec une
rpartition de dispersion plus
IT faible !
3.3 Indicateur synthtique de capabilit
IT CP
Cpm = =
6 2 (
+ X cible )
2
(
1 + 9. CPCpk )
2
a Dispersion 6 b Dispersion 6
En plein
dans la
cible
1. Principes
2. Les types de cartes
de contrle
3. Exemple : cartes de
contrle en moyenne
et tendue
Elles ont t inventes par Shewhart en 1924
Ce sont des outils indispensables pour raliser le
pilotage rationnel dun processus
Les cartes de contrle ont t dveloppes dans
le but de dtecter lapparition de causes
spciales qui ncessitent une intervention sur le
processus
Pour cela on va raliser deux tests statistiques :
le premier pour sassurer que le processus
nest pas drgl
le second pour vrifier que la dispersion
naturelle na pas chang
4.1 - Principes de la carte de contrle
A - Limites naturelles dun procd
Pice
prleve
Limite Limite
infrieure suprieure
Dispersion
Loprateur prlve une pice qui
se situe hors des tolrances Le procd est dclar non
(peut-tre trop serres) capable alors que la pice tait
Il la considre mauvaise et rgle dans les limites naturelles !
le procd!
Cas 2
Tolrances
Pice
prleve
Limite Limite
infrieure suprieure
Dispersion
Loprateur prlve une pice
qui se situe lintrieur des Le procd est dclar
tolrances capable alors quil ntait
Il la considre bonne et continue pas centr sur la cible et
sa production! quil fallait le rgler !
Conclusion
Piloter un procd par les tolrances, cest
attendre de trouver un produit hors
tolrance avant dintervenir alors que le
procd est drgl
Piloter un procd par les limites naturelles
(raisonnement statistique), cest visualiser
trs rapidement le dcentrage du procd
(hors des limites) et intervenir en rglant :
les produits seront plus proches de la cible
et donc de meilleure qualit
C Echantillonnage
Le travail de loprateur consiste donc bien rgler
sa machine et veiller ce quelle ne se drgle pas
Pour contrler son rglage, loprateur :
1. prlve rgulirement plusieurs pices
conscutives (n)
2. effectue sur un poste de mtrologie les n
mesurages de la caractristique surveille en
tolrant une erreur de mesurage prdtermine
3. calcule la moyenne de ces mesurages ce qui
permet dliminer leffet de dispersion (la
dispersion sur une moyenne est plus faible que la
dispersion sur des valeurs individuelles dans un
rapport n )
4. trace sa carte de contrle et applique des instructions
2.2 - Cartes de contrle
Les cartes de contrle peuvent tre classes
en deux grandes familles :
les cartes de contrle aux mesures dont
lobjectif est de sassurer de la valeur centrale
et de la dispersion de la grandeur X
les cartes de contrle aux attributs dont
lobjectif est de porter un jugement qualitatif
du genre conforme ou non conforme ou
bien de compter les non conformits
2.21 - Cartes de contrle aux mesures
Pour suivre lvolution dun procd, on prlve
rgulirement un chantillon de la production
Exemple : 5 pices conscutives toutes les heures
Pour prendre une dcision sur ltat de maintien sous
contrle de la tendance centrale du processus, on
peut utiliser plusieurs cartes :
la carte des moyennes X
la carte de la mdiane
~
X
Pour identifier toute preuve de changement de la
dispersion du procd, on peut utiliser :
la carte de ltendue R
la carte de lcart-type
4.21 - Cartes de contrle aux mesures
Dans le but de mettre en vidence les
facteurs qui affectent la tendance centrale
et/ou la dispersion, on met en place deux
cartes de contrle :
une surveillant la tendance centrale
lautre surveillant la variabilit
Cible
Lu Ma Me Je Ve Lu Ma Me Je Ve
Calendrier
Un procd sera dit sous contrle lorsque les
points seront lintrieur des limites de contrle
Dans le cas contraire, il faut intervenir
4.22 - Cartes de contrle aux attributs
Pour prendre une dcision qualitative sur la
qualit des units produites, on peut utiliser
diffrentes cartes :
la carte p pour le suivi de la proportion de non
conformes
la carte np pour le suivi du nombre de non
conformes
la carte c pour le suivi des non-conformits
la carte u pour le suivi du taux de non conformits
la carte d pour les dmrites
4.23 Autres cartes de contrle
Pour mettre en vidence des drives lentes
dun processus, on peut utiliser des cartes
exploitant les rsultats dun ensemble
dchantillons successifs :
3 Variations
alatoires
Cible normales
autour de
la cible
3 Causes
communes
Limite infrieure
de contrle
Caractristiques :
Taille de lchantillon n 10
Nombre dchantillons k 20
Frquence de contrle : toutes les 30 minutes
5.1 - Carte de contrle Moyenne
= R
d2
Interprtation
LSC un point hors limite
procd hors contrle
Cible
Actions
Carte de la moyenne :
rglage de lcart entre la
LIC valeur trouve et la cible
Carte de ltendue :
Points hors des vrifier sil existe une
limites de contrle valeur aberrante
5.4 Signaux dalerte et actions
Interprtation
LSC 9 points conscutifs au-
dessus ou au-dessous
de la cible
Cible
procd sous contrle
Actions
LIC Carte de la moyenne :
rglage de lcart entre la
Srie dun ct moyenne des moyenne
de la cible des neufs points et la
cible
5.4 Signaux dalerte et actions
Interprtation
LSC 6 segments conscutifs
rgulirement croissants
ou dcroissants
Cible
procd sous contrle
Actions
LIC Carte de la moyenne :
vrifier lusure de loutil
Srie croissante ou
dcroissante
5.4 Signaux dalerte et actions
Interprtation
LSC 14 points conscutifs
alternativement
suprieur ou infrieur au
Cible point prcdent
procd sous contrle
Actions
LIC Carte de la moyenne :
vrifier les conditions de
Srie en dents prlvement et de
de scie transcription des donnes
5.4 Signaux dalerte et actions
Interprtation
LSC 2 points sur 3
conscutifs proches des
limites suprieure ou
Cible infrieure
procd sous contrle
Actions
LIC Carte de la moyenne :
rglage de lcart entre la
Srie loigne moyenne des deux points
de la cible concerns et la cible
5.4 Signaux dalerte et actions
Interprtation
LSC 4 points sur 5
conscutifs au del du
tiers central
Cible
procd sous contrle
Actions
LIC Carte de la moyenne :
rglage de lcart entre la
Srie proche des moyenne des quatre
limites de contrle points concerns et la
cible
5.4 Signaux dalerte et actions
Interprtation
LSC 15 points conscutifs
dans le tiers central
autour de la cible
Cible
procd sous contrle
Actions
LIC Carte de la moyenne :
dispersion plus faible que
prvue
Srie dispersion Carte de ltendue : la vrifier
rduite pour valider cette hypothse
Si OK, pas dintervention
5.4 Signaux dalerte et actions
Interprtation
LSC 8 points conscutifs
rpartis de chaque ct
de la cible sans point
Cible dans le tiers central
procd sous contrle
Actions
LIC Carte de la moyenne :
revoir les conditions de
Plusieurs sries prlvement et de
distinctes transcription des donnes
6 Capabilit des moyens de
mesure et de contrle
Une bonne dmarche de MSP commence par
la vrification des moyens de contrle
En effet, la variabilit dun processus est
apprcie par ces moyens de contrle
Cela signifie que la variabilit mesure est
fonction de celle du processus de fabrication
et de celle du processus de mesure
On montre de manire formelle que :
2t = prod
2 + mes
2
6 Capabilit des moyens de
mesure et de contrle
Cela signifie encore que si la traabilit de
lappareil de mesure nest pas assure
priodiquement, il y a de grandes chances
pour que la dispersion de lappareil de
mesure soit importante
Dans ces conditions, on a une surestimation
de celle du processus de fabrication
Il est donc illusoire de vouloir surveiller un
processus de fabrication si les instruments
utiliss pour faire les mesures sont eux-
mmes sujets caution
6 Capabilit des moyens de
mesure et de contrle
Jusqu prsent, on avait lud la variabilit
de lappareil de mesure, simplement en sous-
entendant que celle-ci tait trs faible par
rapport la variabilit du processus de
fabrication ou par rapport lintervalle de
spcification du produit
Encore faut-il le vrifier !
Pour cela, on utilise la mthode R & R
(Rptabilit et Reproductibilit)
6.1 Dfinitions
De nombreux facteurs contribuent la
variabilit du processus de mesure :
loprateur, le moyen de mesure et sa calibration
la mthode de mesure
le temps coul entre deux mesures
lenvironnement, etc..
Le terme gnral utilis pour la variabilit entre
des mesures rptes est la fidlit
La fidlit comporte deux composantes
essentielles :
la rptabilit
la reproductibilit
6.1 Dfinitions
Rptabilit : dispersion de mesurage d'une
pice, rpte dans les mmes conditions
(mme mthode, mme lieu) sur le mme
appareil (mme calibre), par la mme personne,
sur une courte priode de temps
La rptabilit quantifie donc les variations propres
lies lappareil de mesure
Reproductibilit : cest la dispersion de
mesurage d'une pice lorsque celle-ci est
effectue par plusieurs personnes dans les
mmes conditions
La reproductibilit quantifie donc la dispersion des
oprateurs
6.1 Dfinitions
On appelle :
rep la dispersion de l'instrument de mesure,
cest dire la dispersion de rptabilit
Rep la dispersion de reproductibilit
mes la dispersion du moyen de mesure (R&R)
Dune manire formelle, la dispersion globale du
moyen de mesure est :
mes
2 = rep
2 + 2
Rep
6.2 Capabilit du processus de mesure
Cest le rapport entre lintervalle de tolrance et
la dispersion globale du moyen de mesure :
r 2 3 4
d2 1,1280 1,6930 2,0590
C Reproductibilit
La composante de reproductibilit est issue des
diffrences entre les oprateurs
Ceux-ci mesurent les mmes produits, donc la
variabilit de la moyenne des moyennes donnera
lamplitude de la composante reproductibilit
RX
Repro =
d2