Maitrise Statique Des Processus

Chapitre 5
La maîtrise statistique des

processus
Pr. Jalil ABOUCHITA
Introduction
Deux objets ne sont jamais rigoureusement identiques
Il existe une variabilité
Objectif de tout industriel

« variabilité naturelle » demeure dans les bornes
acceptables
Pr. Jalil ABOUCHITA
1
Introduction
Question
Comment s’assurer que la variabilité

de production reste stable et faire en sorte
qu’elle le devienne si elle ne l’est pas ?
Pr. Jalil ABOUCHITA
Introduction
Définition:
La Maîtrise Statistique des Processus « MSP » est
ensemble de techniques utiles pour atteindre une
certaine stabilité du procédé et réduire
progressivement la variabilité.
Pr. Jalil ABOUCHITA
2
Introduction
L’outil de base de la MSP que nous étudierons

est la carte de contrôle.
Tests statistiques paramétriques de conformité
Pr. Jalil ABOUCHITA
Principe de base
Il n’est pas possible d’éliminer complètement la

variabilité, mais les cartes de contrôle sont des
outils efficaces pour réduire la variabilité
autant que possible, jusqu’à un niveau jugé
acceptable.
Pr. Jalil ABOUCHITA
3
Rappels statistique
1/ Statistique descriptive
La moyenne  représente la tendance centrale des données xi et se calcule
ainsi: N
x i
 i 1
N
Où N = nombre de mesure dans la population.
L’écart-type  est une mesure de la dispersion des données qui s’obtient par
l’équation suivante:
N
 x  
2
i
 i 1
 2
N 1
Où 2 est la variance.

Pr. Jalil ABOUCHITA
Rappels statistique
2/ Échantillon & population
Il est important de comprendre la différence qui excite entre population et
échantillon.
Représentation graphique d’une population
Pr. Jalil ABOUCHITA
4
Rappels statistique
Comme pour le cas de la population entière, on peut calculer la moyenne et
l’écart-type d’un échantillon provenant de la population. Par définition, on
trouve: n
 xi
x  i 1
n
Et
 x  x
2
i
sx  i 1
n 1
Où n = nombre de mesures dans l’échantillon, ou effectif de l’échantillon.
Pr. Jalil ABOUCHITA
Rappels statistique
NB:
Pour certaines application où il est difficile de calculer l’écart-type sx on peut
choisir d’évaluer la variabilité d’un échantillon en calculant son étendue R.
Dans ce cas:
R  x max  x min
Pr. Jalil ABOUCHITA
5
Rappels statistique
Pr. Jalil ABOUCHITA
Rappels statistique
3/ Loi normale (loi de Laplace-Gauss)
La loi normale décrit la distribution d’une caractéristique continue produite par

un procédé stable avec des paramètres d’opération fixe.
Cette distribution statistique sera donc utile pour modéliser le comportement

des procédés de fabrication.
Pr. Jalil ABOUCHITA
6
Rappels statistique
Si x est une variable distribuée selon la loi normale, alors la densité de

probabilité f(x) est entièrement définie par deux paramètres: la moyenne 
est la variance  2 : 1  x 
2
  
2  
e
f ( x) 
 2
La loi normale ainsi définie, présente l’allure suivante:
Allure de la loi normale

Pr. Jalil ABOUCHITA
Rappels statistique
Caractéristique de la loi normale

Pr. Jalil ABOUCHITA
7
Rappels statistique
4/ Histogramme d’aptitude
L’histogramme d’aptitude permet de visualiser la distribution d’une

caractéristique.
Nature de la distribution
NB: L’histogramme est en bâtons construit à partir d’une série de données

réparties dans plusieurs classes .
Pr. Jalil ABOUCHITA
Rappels statistique
Exemple:
Une entreprise utilise des résistances dans les circuits électroniques des appareils de
mesure de température. La valeur spécifiée des résistances est de 1000  100 Ohms .
Un contrôle de qualité est effectué sur des résistances est les valeurs obtenue sont
les suivantes:
Quelle proportion des résistances produites est conforme aux spécification?
Pr. Jalil ABOUCHITA
8
Rappels statistique
La première étape consiste à tracer l’histogramme pour déterminer si la
distribution s’apparente à la loi normale.
Distribution des mesures obtenues

L’histogramme comporte 11 cellules de largeur 25
Pr. Jalil ABOUCHITA
Rappels statistique
Histogramme de l’exemple
Si les mesures sont distribuées selon la loi normale, alors l’histogramme a
l’allure de la courbe théorique tracée à partir de la moyenne et de l’écart-
type des mesures, soit
  1004.04 Ohms
  58.9816 Ohms
Pr. Jalil ABOUCHITA
9
Rappels statistique
En superposant la courbe théorique à l’histogramme, il est
possible d’apprécier la normalité de la distribution.
Histogramme et courbe normale pour l’exemple
Pr. Jalil ABOUCHITA
Rappels statistique
Connaissant les spécifications du client, on peut compléter l’histogramme
d’aptitude par LSI et LSS représentant les limites de spécification
inférieure et supérieure. On obtient:
Histogramme d’aptitude complet de l’exemple
Pr. Jalil ABOUCHITA
10
Aptitude d’un procédé
Définition:
L’aptitude d’un procédé se définit par sa capacité de générer des
produits à l’intérieur des limites de spécification.
On exprime l’aptitude du procédé par des indices

Cp et Cpk .
Pr. Jalil ABOUCHITA

L’indice Cp compare la largeur de la plage de spécification à la
largeur de la distribution des mesures dont on considère que
les extrémités sont   3 :
LSS  LSI
Cp 
6
NB: le CP ne tient pas compte de la position de la moyenne:
Pr. Jalil ABOUCHITA
11
Moyenne à l’extérieur des limites de spécification
Développement de l’indice Cpk
 LSS     LSI 
Cpk  min  ,
 3 3 
NB: Idéalement, Cpk égale Cp, et tout différence indique que la
moyenne s’écarte du centre des spécifications.
Pr. Jalil ABOUCHITA
Cartes de contrôle
Les cartes de contrôle sont utilisées pour suivre l’évolution des
procédés dans le temps et les contrôler de façon éclairée afin
d’apporter des actions correctives avant de produire des pièces
hors tolérances.
Composantes d’une carte de contrôle
Pr. Jalil ABOUCHITA
12
Cartes de contrôle pour mesures
Le caractère étudié est une mesure (poids, concentration
d’un composant chimique, volume, etc…).
L’objectif d’une carte de contrôle aux mesures est de

détecter la présence de causes assignables de
dérèglement du processus de production.
Pr. Jalil ABOUCHITA

Carte de contrôle pour mesure individuelles x-MR
La carte de contrôle pour mesures individuelles est utilisée
lorsque la cadence de mesure et faible.
Carte principale x,
carte de contrôle pour mesures individuelles
Carte x-MR
Carte d’accompagnement MR,

carte de contrôle pour étendues mobiles
Pr. Jalil ABOUCHITA
13
Pour établir une carte de contrôle pour mesures individuelles, il
faut:
1/ Calculer la moyenne et l’écart-type d’un grand échantillon représentatif du procédé
évoluant dans des conditions considérées satisfaisantes;
2/ Calculer les limites de contrôle préliminaire;
3/ Représenter graphiquement les mesures en ordre chronologique sur la carte;
4/ Réviser les limites de contrôle si un des points utilisés pour les établir sort de la zone
de contrôle;
5/ Utiliser la carte avec les nouvelles limites de contrôle pour les prochaines mesures.
Pr. Jalil ABOUCHITA

Carte x. Elle se construit à partir de la moyenne et de l’écart-type.
Les limites de contrôle sont obtenues par l’équation suivante:
LCS x    3
LC x  
LCI x    3
Pr. Jalil ABOUCHITA
14
Carte MR. S’obtient en calculant d’abord l’étendue MR.
MRi  xi  xi 1
A partir de la valeur moyenne de l’étendue mobile M R , les limites de
contrôles se calculent avec l’équation suivante:
LCS MR  3.267 MR
LC MR  MR
LCI MR  0
Où la valeur 3.267 est tirée de la loi Chi-carrée sur laquelle s’appuie cette carte
d’accompagnement.
NB: Comme la valeur MR1 n’existe pas, la carte MR commence toujours au point 2.
Pr. Jalil ABOUCHITA

Exemple:
La suite de mesure suivante représente la dureté en Rockwell C

d’un train planétaire utilisé dans la transmission manuelle d’un
nouveau modèle d’automobile. Il faut établir une carte de
contrôle pour mesures individuelles pour le procédé de
fabrication. Est-ce que le procédé est sous contrôle statistique?
Que peut-on conclure?
Pr. Jalil ABOUCHITA
15
Dureté de trains planétaires (Rockwell C)

Pr. Jalil ABOUCHITA

Solution:
1/ Calcul de la moyenne et de l’écart-type;
  84.55
  2.6307
On calcule en suite les étendues mobile, on obtient alors:
Pr. Jalil ABOUCHITA
16
Valeur des étendus mobiles pour l’exemple

A partir des données du tableau on obtient: MR  3.1026
Pr. Jalil ABOUCHITA

2/ Calcul des limites de contrôle
préliminaires
Carte principale:
LCS x    3  84.55  3( 2.6307)  92.442
LC    84.55
LCI x    3  84.55  3(2.6307)  76.658
Carte d’accompagnement:
LCS MR  3.267MR  3.267  3.1026  10.136
LC MR  3.1026
LCI MR  0
Pr. Jalil ABOUCHITA
17
3/ Représentation graphique des mesures en ordre chronologique sur la carte
Pr. Jalil ABOUCHITA

4/ Révision des limites de contrôle si un des points utilisés pour les établir sort de la
zone de contrôle.
Il faut maintenant vérifier si des points sur la carte sortent des limites préliminaires.
Dans notre cas
les cartes x et MR ne présentent aucun point à l’extérieur
Aucune correction n’est nécessaire
Pr. Jalil ABOUCHITA
18
5/ Utilisation de la carte avec les nouvelles limites de contrôle pour les
prochaines mesures
A cette étape, il est intéressant de vérifier si le procédés est sous contrôle

statistique.
Dans notre le cadre de l’exemple, le procède est sous contrôle

statistique et la conclusion est qu’il faut poursuivre l’utilisation
du procédé sans intervenir.
Pr. Jalil ABOUCHITA

NB: Recalcule des nouvelles limite de contrôle
Si des points sur la carte sortent des limites préliminaires, il faut:
Calculer de nouvelle limites pour les deux cartes en excluant des

calculs les points indésirables qui se retrouvent à l’extérieur
des limites préliminaires sur l’une ou l’autre des deux cartes
(tout les point restent tracés sur la carte). Il faut recommencer
ce processus jusqu’à ce qu’aucun point ne se retrouve à
l’extérieur des nouvelles limites
Pr. Jalil ABOUCHITA
19
Carte de contrôle x  R (échantillon représentatif)
Si x1 , x2 ,..., xn est un échantillon représentatif d’effectif n, la moyenne de
l’échantillon est: x1  x2  ...  xn

x
n
Pr. Jalil ABOUCHITA

Supposons k échantillons d’effectif n et que x1 , x2 ,...xk sont les moyennes
des échantillons 1 à k respectivement.
x i
On estime alors la moyenne des moyennes d’échantillons par : x i 1
 x  x 
2
i
Et l’écart-type des moyennes d’échantillons : S  i 1
x
k 1
Pr. Jalil ABOUCHITA
20
Pour construire la carte x R , il faut :
1/ Calculer la moyenne et l’étendue de chacun des échantillons;

2/ Calculer les limites de contrôle préliminaires;
3/ Représenter graphiquement les mesures;
4/ Réviser les limites de contrôle (si nécessaire);
5/ Utiliser la carte de contrôle.
Pr. Jalil ABOUCHITA

La carte x se construit à partir de la moyenne et de l’écart-type
des moyennes d’échantillons.
Les limites de contrôle :

LCS x  x  3S x
LC x  x
LCI x  x  3S x
Pr. Jalil ABOUCHITA
21
k
De plus, on définit l’étendue R par: R  xmax  xmin et R i

R i 1
Les limites de contrôle pour les étendues sont établies avec l’équation suivante:
LCS R  D4 R
LC R  R
LCI R  D3 R
Où D3 et D4 proviennent de la table des constantes statistiques pour les cartes

de contrôle.
Pr. Jalil ABOUCHITA

Exemple (carte x  R )
Les tiges servant à fabriquer des vérins hydrauliques sont usinées

sur des tours à commandes numériques. Il faut contrôler le
diamètre extérieur de ces tiges en utilisant une carte x  R . Le
tableau suivant présente les mesures obtenus pour 25
échantillons d’effectif n=5.
Établissez les limites de contrôle et construisez une carte de
contrôle x R pour ce procédé.
Est-il sous contrôle statistique? Que pouvez vous conclure?
Pr. Jalil ABOUCHITA
22
Diamètre extérieur des tiges

Pr. Jalil ABOUCHITA

1/ Calcule de la moyenne et de l’étendu des échantillons
x  49.001
S x  0.00487
R  0.0228
2/ Calcul des limites de contrôle préliminaires
On D3=0 et D4=2.114.
LCS x  49.001  3(0.00487)  49.016
LC x  49.001
LCI x  49.001  3(0.00487)  49.987
et
LCS R  2.114  0.0228  0.481
LC R  0.00228
LCI R  0  0.0228  0
Pr. Jalil ABOUCHITA
23
3/ Représentation graphique des mesures:
Pr. Jalil ABOUCHITA

4/ Révision des limites de contrôle.
Les limites de contrôle sont acceptables comme limites
de contrôle du procédé.
5/ diagnostic
Le procédé de fabrication est sous contrôle statistique et
peut être suivi sans intervention.
Pr. Jalil ABOUCHITA
24
Carte de contrôle x  Sx
La carte x  S x est construite sensiblement de la même façon qu’une

carte x  R . Toutefois contrairement à la carte x  R , on mesure
la dispersion dans l’échantillon à l’aide de l’écart-type.
Cette méthode est préférable d’un point de vue statistique (utilise toutes les
données de chaque échantillon).
NB: Lorsque l’effectif d’échantillon atteint 10 ou plus.
Pr. Jalil ABOUCHITA

Les formules nécessaires pour calculer les limites de contrôle de la carte x  Sx
sont:
LCS x  x  3S x
LC x  x
LCI x  x  3S x
Et
LCS S x  B4 S x
LC S x  S x
LCI S x  B3 S x
Où B3 et B4 proviennent de la table des constantes statistiques pour les cartes de contrôle.
Pr. Jalil ABOUCHITA
25
Exemple (carte x  S x )
Une compagnie fabrique des chaises en plastique. Une des opérations de

fabrication consiste à injecter un plastifiant dans le mélange de plastique.
La quantité de plastifiant est mesurée à intervalle régulier sur des échantillons de

10 mélanges. Les tolérances sont 8.4 à 10.2 mg de plastifiant par m3 de
plastique. Les quantités relevées sur 25 échantillons sont présentées au
tableau suivant:
Pr. Jalil ABOUCHITA
Pr. Jalil ABOUCHITA
26
Construisez une carte x  S x pour ce procédé afin d’assurer un bon
contrôle de la qualité de plastifiant.
Est-ce que le procédé est sous contrôle statistique?

Quel est l’écart-type du procédé?
Que pouvez vous conclure?
Pr. Jalil ABOUCHITA

1/ Calcul des moyennes et
des écats-types des échantillons
Moyennes et écarts-types des échantillons
Pr. Jalil ABOUCHITA
27
2/ Calcul des limites préliminaires:
Pour la carte x : LCSx  9.3656  3(0.14006)  9.786
LCx  9.356
LCIx  9.3656  3(0.14006)  8.945
Pour la carte Sx :
Pour n=10: B3=0.284 et B4=1.716
LCS S x  1.716  0.23640  0.4057

LC S x  0.2364
LCI S x  0.284  0.23640  0.0671
Pr. Jalil ABOUCHITA

3/ Représentation graphique
La carte Sx ne présente aucun

Point à l’extérieur des limites
De contrôle. Par contre le point
1 est à l’extérieur des limites de
La carte x .
Pr. Jalil ABOUCHITA
28
4/ Calcul de nouvelles limites de contrôle:
Le point 1 est exclu du calcul de la moyenne x et de l’écart-type S x . Les nouvelles limites sont:
LCS x  9.3888  3(0.08056  9.630

LC x  9.389
LCI x  9.3888  3(0.08056)  9.147
LCS S x  1.176  0.23654  0.4059
et LCS x  0.2365
LCI S x  0.284  0.23654  0.0672
Puisque aucun point ne se trouve à l’extérieur des limites, ces derniers sont acceptées comme limites
de contrôle du procédé.
Pr. Jalil ABOUCHITA

5/ Utilisation (Diagnostic)
Le procédé n’est pas sous contrôle statistique puisque le point 1 tombe à l’extérieur des
limites de contrôle sur la carte x .
Pr. Jalil ABOUCHITA
29
Ecart-type du procédé:
Sachant que, si la distribution est normale on associe l’écart-type des moyennes des
échantillons à l’écart-type des mesures par:

Sx 
n
Alors, si les nouvelles limites de contrôle obtenus sont représentatives du procédé sous
contrôle statistique,
  Sx n 
LCS x  LCI x  n

9.630  9.147  10
 0.2547
6 6
Pr. Jalil ABOUCHITA

On déduit par suite:
(10.2  8.4)
Cp   1.18
6  0.2547
10.2  9.389 9.389  8.4 
Cpk  min  ,  1.06
 3  0.2547 3  0.2547 
Conclusion:
Il faut porter une attention particulière à la moyenne du procédé.
NB: Il est donc possible, à partir d’une carte de contrôle, d’estimer les indices
d’aptitude d’un procédé Cp et Cpk, en autant que la distribution des mesures
soit normale.
Pr. Jalil ABOUCHITA
30
Cartes de contrôle pour attributs
Caractéristique à étudier ne soit bien
Représentée par une valeur numérique
Il sera question de produits

Non conformes ou de non-conformités
Les caractéristiques de ce type sont appelées attributs
Pr. Jalil ABOUCHITA

Sélection des cartes de contrôle pour attributs :
Produits non
Non-conformité
conforme
np c
Effectif
d’échantillon Nombre de Nombre de
produits non
constant non-conformités
conformes
p u
Effectif
d’échantillon Proportions de Taux de
variable produits non
conformes non-conformités
Pr. Jalil ABOUCHITA
31
Carte de contrôle np
Il s’agit d’un graphique du nombre de produits
non conformes observés dans chaque échantillon
d’effectif constant.
Les étapes pour la construction d’une carte np sont les

suivantes:
Pr. Jalil ABOUCHITA

1/ Calculer le nombre moyen de produits non conformes par échantillon np
k
pour k échantillons on a:
 np i
np  i 1
2/ Calculer les limites de contrôle préliminaires
LCS np  np  3 np 1  p
LC np  np
LCI np  np  3 np 1  p
np
Avec: p (proportion de pièces non conformes par échantillon)
n
Pr. Jalil ABOUCHITA
32
+ Nombre de produits non conformes dans chaque échantillon
+ Limites de contrôle
4/ Réviser les limites de contrôle (si nécessaire)
5/ Utiliser la carte de contrôle obtenue
Pr. Jalil ABOUCHITA

Exemple de carte np
Une entreprise produit 2500 article par jour. Le nombre d’articles qui ont du
être reclassés à cause de défauts au cours des 20 dernières journées figure
au tableau qui suit.
Établissez une carte de contrôle np pour la production future de ce procédé de

fabrication.
Le procédé est-il sous contrôle statistique?
Que pouvez-vous conclure?
Pr. Jalil ABOUCHITA
33
Journée Articles non conformes Journée Articles non conformes
Articles non conformes des 20 derniers jours de production
Pr. Jalil ABOUCHITA

Solution:
1/ Calcul de la moyenne de produits non
conformes par échantillon
456  394  285  ...  198  414
np   307.05
20
np 307.05
p   0.12282
n 2500
2/ Calcul des limites de contrôle

préliminaires
LCS np  307.05  3 307.05 1  0.12282  356.28
LC np  307.05
LCI np  307.05  3 307.05 1  0.12282  257.81
Pr. Jalil ABOUCHITA
34
Les points 1, 2,5,6,7,9,14,15,16,19 et 20 se retrouvent à l’extérieur des limites

de contrôle préliminaires.
Pr. Jalil ABOUCHITA

4/ Révision des limites de contrôle
Les points 1, 2,5,6,7,9,14,15,16,19 et 20 sont exclus des calculs de moyenne.
np  311.56
p  0.1246
Les nouvelles limites de contrôle sont :
LCS np  361.09
LC np  311.56
LCI np  262.01
Pr. Jalil ABOUCHITA
35
Comme aucun nouveau point ne se trouve à l’extérieur de ces
nouvelles limites, ces dernières pourraient être acceptées
comme limite de contrôle du procédé.
Grand nombre S’interroger

De points Sur la
exclus situation
Calculer à nouveau des limites de contrôle à partir de nouvelles

données obtenues après avoir étudier et réglé le problème.
Pr. Jalil ABOUCHITA

5/ Utilisation
Le procédé n’est pas évidement sous contrôle statistique.
Dans cet exemple, il est préférable de recalculer de nouvelles

limites à partir d’un autre ensemble d’échantillons provenant
du procédé corrigé.
Pr. Jalil ABOUCHITA
36
Carte de contrôle p
Il s’agit d’un graphique de la proportion de produits non

conformes observée dans chaque échantillon.
Contrairement à la carte np, l’effectif d’échantillon peut varier

dans une carte p.
Les étapes pour la construction d’une carte p sont les suivantes:
Pr. Jalil ABOUCHITA

1/ Calculer la proportion moyenne pondérée de produits non conformes p :
k
 pièces non conformes  n p i i

p i 1
 tailles d ' échantillon  n k
i
i 1
2/ Calculer les limites de contrôle préliminaires :

p (1  p )
LCS p  p  3
n
LC p  p
p (1  p )
LCI p  p  3
n
Pr. Jalil ABOUCHITA
37
3/ Représenter graphiquement:
+ Proportion de produits non conformes dans chaque échantillon
Pr. Jalil ABOUCHITA

Exemple de carte p
Le tableau suivant présente le nombre d’engrenages non conformes pour 21

échantillons d’effectif variable. Il faut établir une carte de contrôle p pour
contrôler le procédé.
Le procédé est-il sous contrôle statistique?

Que pouvez-vous conclure?
Pr. Jalil ABOUCHITA
38
Pr. Jalil ABOUCHITA

Solution:
1/ et 2/ Calcul de la proportion
moyenne pondérée
de produits non conformes p
Alors:
p
 pièces non conformes  533  0.106
 tailles d ' échantillon 2045
Pr. Jalil ABOUCHITA
39
4/ Les limites de contrôle préliminaires sont acceptables.

5/ Le procédé est sous contrôle statistique.
Conclusion: On peut poursuivre le procédé sans intervenir.

Pr. Jalil ABOUCHITA

Carte de contrôle c
Il s’agit d’un graphique du nombre de non-conformités par

échantillon d’effectif constant.
Dans ce cas, ce ne sont pas les produits défectueux qui sont
comptabilisés mais les défauts.
Un même produits peut présenter plusieurs défauts (crique,
piqûre, imperfection,…)
NB: fabrication en continu de tôles d’acier, de fil, de tissu,…
Les étapes de construction d’une carte c sont les suivants:
Pr. Jalil ABOUCHITA
40
1/ calculer le nombre moyen de non-conformités par échantillon c
k
c
c i 1
k
2/ Calculer les limites de contrôle préliminaires
LCS c  c  3 c
LCc  c
LCI c  c  3 c
Pr. Jalil ABOUCHITA

3/ Représenter graphiquement
+ Nombre de non-conformités par échantillon
Pr. Jalil ABOUCHITA
41
Exemple de carte c
Vingt échantillons de 1 m2 de tissus à voile sont inspectés et le

nombre de non-conformités est noté au tableau suivant.
Établissez une carte de contrôle c appropriée.
Pr. Jalil ABOUCHITA
Pr. Jalil ABOUCHITA
42
Solution:
1/ Calcul du nombre moyen de non-conformités par échantillon c
c
 c  82  4.1
n 20
LCS c  4.1  3 4.1  10.17
LCc  4.1
LCI c  4.1  3 4.1  1.97  0
La limite de contrôle inférieure devient 0 car il est impossible d’obtenir une quantité
négative de non-conformités.
Pr. Jalil ABOUCHITA

4/ Aucun point ne se retrouve à l’extérieur des limites de contrôle, les limites de

contrôle préliminaires sont acceptables pour contrôler le procédé.
5/ On peut donc poursuivre la production sans intervenir.
Pr. Jalil ABOUCHITA
43
Carte de contrôle u
Il s’agit d’un graphique du taux moyen de non-conformités pour

chaque échantillon d’effectif variable.
Les étapes de construction d’une carte u sont les suivants:
Pr. Jalil ABOUCHITA

1/ Calculer le taux moyen pondéré de non conformités u
k
 non  conformités  
ni ui
u i 1
 tailles d ' échantillon  n k
i
i 1

u
LCS u  u  3
n
LCu  u
u
LCI u  u  3
n
Pr. Jalil ABOUCHITA
44
3/ Représenter graphiquement;
+ Taux de non-conformités
4/ Réviser les limites de contrôle (si nécessaire);
5/ Utiliser la carte de contrôle obtenue.
Pr. Jalil ABOUCHITA

Exemple de carte u
L’inspection de fils de pêche est effectuée et les

résultats sont rapportés au tableau suivant.
Construisez une carte de contrôle appropriée, et jugez

de l’état du procédé.
Pr. Jalil ABOUCHITA
45
Pr. Jalil ABOUCHITA

Solution:
1/ Calcul du taux moyen pondéré de non-conformités
u
 non  conformités  75  2.95
 tailles d ' échantillon 25.4
(tableau)
Pr. Jalil ABOUCHITA
46
4/ Révision des limites de contrôle: Aucun point à l’extérieur des limites de contrôle,
alors elles sont acceptables pour contrôler le procédé.
5/ Utilisation: Le procédé est sous contrôle statistique, on peut poursuivre sans

intervenir.
Pr. Jalil ABOUCHITA
47

Maitrise Statique Des Processus

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Maitrise Statique Des Processus

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 5

La maîtrise statistique des

Pr. Jalil ABOUCHITA

Il existe une variabilité

Objectif de tout industriel

Pr. Jalil ABOUCHITA

Comment s’assurer que la variabilité

Pr. Jalil ABOUCHITA

Pr. Jalil ABOUCHITA

L’outil de base de la MSP que nous étudierons

Tests statistiques paramétriques de conformité

Pr. Jalil ABOUCHITA

Il n’est pas possible d’éliminer complètement la

Pr. Jalil ABOUCHITA

Où 2 est la variance.

Représentation graphique d’une population

Pr. Jalil ABOUCHITA

Pr. Jalil ABOUCHITA

Pr. Jalil ABOUCHITA

Pr. Jalil ABOUCHITA

La loi normale décrit la distribution d’une caractéristique continue produite par

Cette distribution statistique sera donc utile pour modéliser le comportement

Pr. Jalil ABOUCHITA

Si x est une variable distribuée selon la loi normale, alors la densité de

Allure de la loi normale

Caractéristique de la loi normale

L’histogramme d’aptitude permet de visualiser la distribution d’une

NB: L’histogramme est en bâtons construit à partir d’une série de données

Pr. Jalil ABOUCHITA

Quelle proportion des résistances produites est conforme aux spécification?

Pr. Jalil ABOUCHITA

Distribution des mesures obtenues

Pr. Jalil ABOUCHITA

Pr. Jalil ABOUCHITA

Histogramme et courbe normale pour l’exemple

Pr. Jalil ABOUCHITA

Histogramme d’aptitude complet de l’exemple

Pr. Jalil ABOUCHITA

On exprime l’aptitude du procédé par des indices

Pr. Jalil ABOUCHITA

Aptitude d’un procédé

Pr. Jalil ABOUCHITA

Développement de l’indice Cpk

Pr. Jalil ABOUCHITA

Composantes d’une carte de contrôle

Pr. Jalil ABOUCHITA

L’objectif d’une carte de contrôle aux mesures est de

Pr. Jalil ABOUCHITA

Cartes de contrôle pour mesures

Carte d’accompagnement MR,

Pr. Jalil ABOUCHITA

2/ Calculer les limites de contrôle préliminaire;

3/ Représenter graphiquement les mesures en ordre chronologique sur la carte;

Pr. Jalil ABOUCHITA

Cartes de contrôle pour mesures

Les limites de contrôle sont obtenues par l’équation suivante:

Pr. Jalil ABOUCHITA

Pr. Jalil ABOUCHITA

Cartes de contrôle pour mesures

La suite de mesure suivante représente la dureté en Rockwell C

Pr. Jalil ABOUCHITA

Dureté de trains planétaires (Rockwell C)

Cartes de contrôle pour mesures