Académique Documents
Professionnel Documents
Culture Documents
Introduction
Deux objets ne sont jamais rigoureusement identiques
1
Introduction
Question
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.
2
Introduction
Principe de base
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
Rappels statistique
2/ Échantillon & population
Il est important de comprendre la différence qui excite entre population et
échantillon.
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.
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
5
Rappels statistique
Rappels statistique
3/ Loi normale (loi de Laplace-Gauss)
6
Rappels statistique
Rappels statistique
7
Rappels statistique
4/ Histogramme d’aptitude
Nature de la distribution
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:
8
Rappels statistique
La première étape consiste à tracer l’histogramme pour déterminer si la
distribution s’apparente à la loi normale.
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
9
Rappels statistique
En superposant la courbe théorique à l’histogramme, il est
possible d’apprécier la normalité de la distribution.
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:
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.
LSS LSI
Cp
6
NB: le CP ne tient pas compte de la position de la moyenne:
11
Aptitude d’un procédé
Moyenne à l’extérieur des limites de spécification
LSS LSI
Cpk min ,
3 3
NB: Idéalement, Cpk égale Cp, et tout différence indique que la
moyenne s’écarte du centre des spécifications.
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.
12
Cartes de contrôle pour mesures
Le caractère étudié est une mesure (poids, concentration
d’un composant chimique, volume, etc…).
Carte principale x,
carte de contrôle pour mesures individuelles
Carte x-MR
13
Cartes de contrôle pour mesures
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;
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.
LCS x 3
LC x
LCI x 3
14
Cartes de contrôle pour mesures
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.
15
Cartes de contrôle pour mesures
84.55
2.6307
On calcule en suite les étendues mobile, on obtient alors:
16
Cartes de contrôle pour mesures
Carte d’accompagnement:
LCS MR 3.267MR 3.267 3.1026 10.136
LC MR 3.1026
LCI MR 0
17
Cartes de contrôle pour mesures
3/ Représentation graphique des mesures en ordre chronologique sur la carte
Il faut maintenant vérifier si des points sur la carte sortent des limites préliminaires.
Dans notre cas
18
Cartes de contrôle pour mesures
5/ Utilisation de la carte avec les nouvelles limites de contrôle pour les
prochaines mesures
19
Cartes de contrôle pour mesures
Carte de contrôle x R (échantillon représentatif)
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
20
Cartes de contrôle pour mesures
Pour construire la carte x R , il faut :
21
Cartes de contrôle pour mesures
k
Les limites de contrôle pour les étendues sont établies avec l’équation suivante:
LCS R D4 R
LC R R
LCI R D3 R
22
Cartes de contrôle pour mesures
23
Cartes de contrôle pour mesures
3/ Représentation graphique des mesures:
5/ diagnostic
Le procédé de fabrication est sous contrôle statistique et
peut être suivi sans intervention.
24
Cartes de contrôle pour mesures
Carte de contrôle x Sx
Cette méthode est préférable d’un point de vue statistique (utilise toutes les
données de chaque échantillon).
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.
25
Cartes de contrôle pour mesures
Exemple (carte x S x )
26
Cartes de contrôle pour mesures
Construisez une carte x S x pour ce procédé afin d’assurer un bon
contrôle de la qualité de plastifiant.
27
Cartes de contrôle pour mesures
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
28
Cartes de contrôle pour mesures
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:
Le procédé n’est pas sous contrôle statistique puisque le point 1 tombe à l’extérieur des
limites de contrôle sur la carte x .
29
Cartes de contrôle pour mesures
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
(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.
30
Cartes de contrôle pour attributs
Caractéristique à étudier ne soit bien
Représentée par une valeur numérique
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
31
Cartes de contrôle pour attributs
Carte de contrôle np
Il s’agit d’un graphique du nombre de produits
non conformes observés dans chaque échantillon
d’effectif constant.
pour k échantillons on a:
np i
np i 1
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
32
Cartes de contrôle pour attributs
3/ Représentation graphique
+ Nombre de produits non conformes dans chaque échantillon
+ Limites de contrôle
33
Cartes de contrôle pour attributs
Journée Articles non conformes Journée Articles non conformes
34
Cartes de contrôle pour attributs
3/ Représentation graphique
np 311.56
p 0.1246
LCS np 361.09
LC np 311.56
LCI np 262.01
35
Cartes de contrôle pour attributs
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.
36
Cartes de contrôle pour attributs
Carte de contrôle p
i
i 1
37
Cartes de contrôle pour attributs
3/ Représenter graphiquement:
+ Proportion de produits non conformes dans chaque échantillon
+ Limites de contrôle
38
Cartes de contrôle pour attributs
Alors:
p
pièces non conformes 533 0.106
tailles d ' échantillon 2045
39
Cartes de contrôle pour attributs
3/ Représentation graphique
40
Cartes de contrôle pour attributs
1/ calculer le nombre moyen de non-conformités par échantillon c
k
c
c i 1
k
LCS c c 3 c
LCc c
LCI c c 3 c
41
Cartes de contrôle pour attributs
Exemple de carte c
42
Cartes de contrôle pour attributs
Solution:
1/ Calcul du nombre moyen de non-conformités par échantillon c
c
c 82 4.1
n 20
2/ Calcul des limites de contrôle préliminaires
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.
43
Cartes de contrôle pour attributs
Carte de contrôle u
non conformités
ni ui
u i 1
i
i 1
44
Cartes de contrôle pour attributs
3/ Représenter graphiquement;
+ Taux de non-conformités
+ Limites de contrôle
45
Cartes de contrôle pour attributs
u
non conformités 75 2.95
tailles d ' échantillon 25.4
2/ Calcul des limites de contrôle préliminaires
(tableau)
46
Cartes de contrôle pour attributs
3/ Représentation graphique
4/ Révision des limites de contrôle: Aucun point à l’extérieur des limites de contrôle,
alors elles sont acceptables pour contrôler le procédé.
47