Académique Documents
Professionnel Documents
Culture Documents
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/228868287
CITATIONS READS
8 2,443
2 authors, including:
Bernard Anselmetti
Ecole normale suprieure de Cachan
60 PUBLICATIONS 420 CITATIONS
SEE PROFILE
All content following this page was uploaded by Bernard Anselmetti on 24 June 2015.
pice B A
Valeur moyenne : b b c e
d f
Tolrance : tb
a
a, a b, b c, c d, d e, e f, f
A B C D E F
ak bk ck dk ek fk
Avec une rpartition uniforme des tolrances, la tolrance sur X tant 0,12 mm, la
tolrance sur chaque pice est : ta = tb = tc = td = te = tf = 0,12 / 6 = 0,02.
La mthode probabiliste considre que toute pice conforme doit tre accepte,
sans aucune restriction sur la distribution du lot livr. La surface tolrance doit tre
dans la zone de tolrance. Les distributions des lots peuvent donc voluer en
fonction des rglages, des changements de tempratures ou de matriaux
20 20
Distribution des lots
B 0,1 B B
surface
tolrance
tolrance t
surface de
rfrence 0,1
1 t /2 t t
2 = t / 2
f ( x ).x 2 dx d'o : = =
t 2. 3 3, 46
Pour certains types de production, le concepteur peut estimer qu'il a plus de
chance d'avoir une pice au centre de l'intervalle. Il doit donc dfinir une loi de
probabilit centre en relation avec la fabrication et faire le calcul intgral pour
t
calculer l'cart type prvisionnel sous la forme = . Les valeurs courantes du
2q
modle probabiliste centr sont q = 2 et q = 3 (Figure 3b).
Ce modle probabiliste centr est notamment justifi si la spcification
fonctionnelle de la pice est obtenue par un transfert de cotes de fabrication sur deux
ou plusieurs phases. Si les distributions sur les cotes fabriques sont uniformes, la
distribution sur la rsultante est centre (triangulaire s'il y a deux cotes fabriques de
mme intervalle de tolrance).
(a) 5 tolrances identiques (b) 1 tolrance 10 fois plus (c) 2 tolrances 5 fois plus
grande que les 4 autres grandes que les 3 autres
1 3 5 7 9 11 13 15 17 19 21 23 25 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Par contre, quelles que soient les formes des distributions, si les pices sont
indpendantes, l'cart type de la rsultante respecte la relation :
x = a + b + c + d + e + f .
La mthode quadratique centre considre que toute pice conforme doit tre
accepte, mais que la distribution du lot livr doit tre centre (pas forcment
normale), avec peu de pices aux bords de l'intervalle. Gnralement l'cart type
t
choisi est : = avec q = 3.
2q
6 Conception et Production Intgres : CPI2003
tolrance t tolrance t
Avec ce modle, si toutes les pices suivent une distribution avec t = 2.q., la
rsultante suit naturellement une loi sensiblement normale s'il y a plus de 5 pices
dans l'assemblage. La relation vrifier est :
X nominal + p . (t i ) Xmaxi
2
2.q
En pratique la distribution d'un lot n'est jamais parfaitement centre (figure 7.b).
De plus, la distribution est diffrente suivant le point de la surface des pices (figure
8) [ANS 01a]. Il faut donc une indication sur le dcentrage admissible.
pt 1
Ppk=1.04
LS = 29.5
pt 4 29.4 m=29.39 pt 3
Ppk=1.60 =0.029 Ppk=1.14
LS = 29.5 LI = 29.3 LS = 29.5
0 dfaut
29.4 m=29.42 m=29.43
29.4
=0.016 =0.018
LI = 29.3 4 8 LI = 29.3
0 dfaut 0 dfauts
3
9
pt 5 sens d 1 7 pt 2
usina Ppk=0.39
Ppk=0.30 5 ge
LS = 29.5 LS = 29.5
6
m=29.35 2 m=29.36
29.4 29.4
=0.056 z =0.056
LI = 29.3
8 dfauts x LI = 29.3 6 dfauts
y
20
< 0,0125 >
0,1 B
B <IT moyenne 0,025>
critres d'acceptation
b
du lot.
critre d'acceptation
d'une pice
Pour cela, la spcification porte sur le dessin de dfinition doit donner l'cart
type maximal admissible sur le lot et l'intervalle de tolrance dans lequel doit se
trouver la moyenne du lot. Dans l'tat actuel, il n'existe pas d'criture normalise de
ces indications sur les dessins (figure 9). Il faut mettre les indications en
commentaires et confirmer ce protocole par un accord formel entre le client et le
fournisseur. Srinivasan propose une criture d'indicateurs droite du cadre de
tolrance [SRI 98].
Il existe alors deux approches, suivant que l'cart-type de la distribution peut tre
estim ou non (figure 10).
LI LS LI LS
ITR t/4
t t
Si l'cart type est connu (figure 10a), il faut allouer une plage de rglage ITR la
plus grande possible. La tolrance de cette pice est alors t = ITR + 6. Si ce modle
est appliqu pour toutes les pices de la chane de cotes, pour respecter l'exigence, il
faut :
IT (s ) Xmaxi
2
Xnominal +1/2. Ri +p i
8 Conception et Production Intgres : CPI2003
(ITR i )2 + p (i )2 Xmaxi
p
Xnominal +
2 3
Si l'cart-type de la distribution est inconnu (figure 10b), il faut se fixer une
rpartition entre la dispersion 6 et la plage de rglage de la moyenne ITR. La
mthode (6+2) est un choix quilibr : l'cart type de la distribution est = t/8 et la
moyenne se trouve dans l'intervalle ITR = t/4 de sorte que ITR + 6 = ITX. La
distribution de la position de la moyenne est elle-mme centre. Dans ce cas, il est
possible de dfinir un cart type quivalent en considrant que la moyenne sera
dcale avec une distribution uniforme dans l'intervalle ITR, c'est--dire avec un
IT t
cart-type R= R = . Si ce modle est appliqu pour toutes les pices de la
2 3 8 3
chane de cotes, la distribution rsultante est normale, mais la moyenne de cette
rsultante sera dcale par rapport la valeur nominale. Pour respecter l'exigence, il
faut :
Xnominal + p ( R i ) + p (i ) Xmaxi
2 2
1 1
Soit : Xnomin al + p + (t i )2 Xmaxi
8 3 8
Ceci revient affecter chaque pice un cart type quivalent
eq =
(1 + 3 ) t = t
8 3 5, 07
La relation sur les carts-types est vraie quelle que soit la forme des distributions
de chaque composante. La distribution de la rsultante est sensiblement normale ds
qu'il y a au moins 5 pices dans la chane de cotes. Pour chaque pice, il faut donc
dfinir le modle statistique pour estimer l'cart-type en fonction de la tolrance. Il
faut ensuite dterminer la proportion acceptable d'assemblages non conformes et
trouver p dans la table de la loi normale. La relation rsultante est illustre figure 11.
Traitement statistique des chanes de cotes 9
ta tb tc td te
X nominal + p + + + + + f 2 + ITf/2 Xmaxi
(2 3) 4 6 6 (5,07)
a
probabiliste uniforme
b
probabiliste centr 4
c probabiliste centr 6
d quadratique centr 6
e semi-quadratique (6+2)
f semi-quadratique
Cette relation montre qu'il suffit de cumuler les carts-types. Par contre, les
dcalages des moyennes issues des modles semi-quadratiques s'ajoutent
simplement au nominal. Toutefois, s'il y a plus de 5 pices avec des modles semi-
quadratiques ayant des intervalles de tolrance sur la moyenne ITi du mme ordre de
grandeur, il est aussi possible de faire un calcul probabiliste sur le cumul des
dcalages des moyennes :
p
X nominal + p i 2 + ITa 2 + ITb2 + ITc2 + ITd 2 + ITe 2 Xmaxi
2 3
ITx
ti =
n
IT 0,12 0,12 0,12 0,12 0,12 ITx gain :
Nombre de pices 4 5 6 8 10 ti =
3.n
arithmtique 0,030 0,024 0,020 0,015 0,012 2.ITx
uniforme p=3 0,035 0,031 0,028 0,024 0,022 ti = 15%
3 n
q=2 p=3 0,040 0,036 0,033 0,028 0,025
probabiliste ti = ITx -14%
ou q=3 p=6 0,030 0,027 0,024 0,021 0,019
2 n
quadratique q=3 p=4 0,045 0,040 0,037 0,032 0,028
ti =
3.ITx 30%
q=3 p=3 0,060 0,054 0,049 0,042 0,038 4 n
semi quadratique ITx
p=3 0,050 0,045 0,041 0,036 0,032 ti = 73%
(6 + 2) n
5,07.ITx 46%
ti =
6 n
Quadratique centr
0,049 0,008
q=3, p=3
Quadratique centr
0,004
q=3, p=6
0,024
=0,004
Semi-quadratique
0,041 ITR =0,01
(6+2) , p=3
Le modle au pire des cas est le plus svre, mais le plus sr. Le modle
probabiliste uniforme apporte un gain de 40% pour n=6 pices. Il est donc trs
intressant, car il ne ncessite aucun contrle statistique des lots.
Le modle quadratique centr q=3, p=3 apporte un nouvel largissement trs
sduisant des tolrances (0,049), mais elle impose un suivi statistique des lots et
pose un problme de critre d'acceptation des lots avec une moyenne dcentre. En
plus, la production doit s'assurer que la plupart des pices soient proches de la
moyenne, afin de garantir l'cart-type = t/6 = 0,008, ce qui fait que globalement, la
production sera plus difficile raliser qu'avec la mthode probabiliste uniforme. Le
bilan n'est donc pas intressant. Une variante avec p = 6 semble offrir une
amlioration considrable de la qualit avec une proportion de dfectueux de 10-9. La
tolrance (0,024) et l'cart type (0,004) sont en pratique aussi svres (voire plus) que
le modle au pire des cas, lorsque le nombre de pices est faible. Cette restriction est
tout fait inutile.
Le modle semi-quadratique apporte un largissement significatif de la tolrance
(0,041) par rapport au modle probabiliste uniforme, mais au prix d'un suivi statistique
des lots en production et la rception. Il faut en particulier noter que le mlange de
deux lots conformes peut donner un lot non conforme (avec un cart-type trop large).
Ceci impose un suivi rigoureux des lots chaque perturbation des facteurs de
variabilit (changement de rglage, de matire, de temprature).
12 Conception et Production Intgres : CPI2003
impose que des diffrentes dimensions des pices soient indpendantes. Les
paragraphes suivants montrent les traitements appliquer lorsque la chane de cotes
comporte des pices identiques. Pour chaque mcanisme des figures 15 17, les
pices C1 et C2 sont identiques et susceptibles d'tre issues d'un mme lot de
fabrication.
Dans la figure 15, le jeu J dpend des dimensions des pices :
J = d k (c k1 + ak + b k + ck2).
Le montage est dit en srie, car les dimensions des deux pices C1 et C2
s'ajoutent dans la relation du jeu. Si ck1 est grand, il est aussi trs probable que ck2
soit grand. L'effet est doubl. Dans ce cas, l'cart-type caractrisant le jeu est :
J = a 2 + b2 + (2 c ) 2 + d 2
J
ck 1 ak bk c k2
C1 C2
A B
Pices dk
identiques
D
Dans la figure 16, la hauteur X de l'alsage dpend des dimensions des pices :
X = ak + b k + (c k1 + ck2)/2.
Le montage est dit en parallle, car les dimensions des deux pices s'ajoutent
dans la relation, mais avec un coefficient 0,5. Si ck1 est grand, il est aussi trs
probable que ck2 soit grand. L'effet est doubl, mais avec un coefficient 0,5. Cela
revient exactement comme s'il n'y avait qu'une seule pice C au centre. Dans ce cas,
l'cart-type caractrisant la hauteur X est : J = d 2 + (0. 5 2 c )2 + b 2
Pice B
bk
Pices identiques
c k1 C1 C2 c k2
X
ak Pice A
Le montage est dit diffrentiel, car c'est la diffrence des dimensions des deux
pices qui intervient dans la relation. Si on est sr que ck1 et ck2 sont tirs du mme
lot, si ck1 est grand, il est trs probable que ck2 soit aussi grand. Le jeu J ne dpend
pas du rglage de la dimension des pices C. La diffrence est nulle la variation
alatoire prs ca Dans ce cas, l'cart-type caractrisant le jeu J est :
= a 2 + b 2 + 2 (ca )2
Pice A
J
ak
bk B
c k1 C1 C2 c k2
Pices identiques
14 Conception et Production Intgres : CPI2003
t1b B L L.
t1a/2
t2a/2
b1
b
H
= t2a/E
B
a1
t2a A
t1a A
E
a1
a
(a1 + b1) + [ t1a+ t2a(2L/E-1)+ t1b ]/2 = Hmaxi
A
pice a pice b
Spcifications de la pice b
s
na
ltat
rd
rge
sig
su
leu
Ma
Va
5. Conclusion
Le traitement statistique des chanes de cotes est souvent pratiqu par les
entreprises sans bien connatre les diffrentes hypothses et les risques. Ce
document doit permettre de choisir le mieux possible la mthode de calcul de la
rsultante en dfinissant le protocole appliquer pour le contrle statistique des lots
en fabrication et la rception.
L'ensemble des calculs est effectu sur des distributions prvisionnelles. Il faut
notamment noter que les mthodes probabilistes sont applicables mme en petites
sries, car il n'y a pas de contrle statistique des lots. La vrification de la normalit
des distributions relles des pices n'est pas ncessaire, mme pour des mthodes
quadratiques et semi-quadratiques. La seule utilisation de la loi normale porte sur le
calcul de p correspondant une proportion de respect de l'exigence. Les carts
gnrent des calculs pessimistes.
Pour traiter les chanes de cotes radiales (effet des coaxialits, des jeux radiaux,
des dfauts d'orientation), il faut appliquer une mthode plus complexe base sur la
loi de Raleigh [ANS 03a]. Il existe encore d'autres mthodes, que nous avons juges
moins intressantes [ANS 03b].
Traitement statistique des chanes de cotes 17
Ces tudes peuvent paratre complexes mais la mise en pratique reste assez
simple. Les gains en tolrance peuvent tre assez importants. Rappelons qu'il n'y a
aucun contrle statistique faire avec les mthodes probabilistes et arithmtiques.
6. Bibliographie
[ANS 00] ANSELMETTI B., "Tolrancement Fonctionnel ISO avec influence 3D". Actes du
colloque IDMME 2000, Montral, Canada, mai 2000, CD ROM.
[ANS 01a] ANSELMETTI B., et BISSON S., "Influence des dfauts de forme et d'orientation d'une
surface sur l'estimation d'indicateurs d'aptitude" 4me Congrs International
Pluridisciplinaire en Qualit et Sret de Fonctionnement, Annecy, 22 et 23 Mars 2001,
pp 231-236
[ANS 01b] ANSELMETTI B., M AWUSSI K., M EJBRI H. "Synthesis of tolerances starting from a
fuzzy expression of the functional requirements", Colloque International du CIRP sur le
Computer Aided Tolerancing, pp 265-274, 24-25 avril 2001, Cachan, France.
[ANS 03b] ANSELMETTI B., "Tolrancement : mthode de cotation fonctionnelle", collection
Hermes Sciences (mai 2003).
[ANS 03a] ANSELMETTI B., "Traitement statistique des chanes de cotes radiales", revue
deCFAO et d'Informatique graphique, avril 2003 ( paratre)
[CRA 84] CRAPET M., "Calcul des cotes et des tolrances : rappel des notions de probabilit
et de statistique", Note technique Renault, 1984.
[RAD 03] RADOUANI M., Contribution la validation du modle des chanes de cotes .
Thse de doctorat de lEcole Normale Suprieure de Cachan, 2003
[SRI 98] SRINIVASAN V., "ISO Deliberates Statistical Tolerancing" Geometric design
tolerancing : theories, standards and applications. Chapman & Hall, 1998, pp77-87