La capabilité
du processus
ROGER VANDROMME[1]
Les indices d’aptitude ou indices de capabilité d’un processus
de fabrication permettent de s’assurer de la qualité des produits,
mais également de leur processus de fabrication.
À l’heure où l’offre de production augmente, ils constituent
donc une aide précieuse dans la sélection des fournisseurs.
D’autre part, la généralisation de l’utilisation des normes Iso 9000
orientées processus rend indispensable la maîtrise des processus.
Les capabilités répondent à ce besoin.
es capabilités doivent désormais faire partie inté-
grante de notre enseignement de génie mécanique
– ce qui nécessite d’uniformiser le vocabulaire uti-
lisé. En STS Productique mécanique, voici les compé-
tences concernées :
● Compétence 42-3 : maîtriser les équipements de
contrôle et assurer leur gestion (savoirs associés S73 1k,
S73 3 k et suivant)
● Compétence C43-1 : mettre en place un suivi statis-
tique de procédé ; déterminer le coefficient d’aptitude
de la machine et/ou du procédé (indice de capabilité)
Les notions abordées nécessitent une multiplicité
des activités, réparties sur l’ensemble des deux années
scolaires. Il y a donc là une exception par rapport à
la règle qui consiste à structurer l’enseignement en
centres d’intérêt – ce qui ne remet nullement en cause
cette démarche pédagogique.
On notera une différence de vocabulaire entre le
référentiel du diplôme et cet article pour les termes
« procédé » et « processus ».
À quoi ça sert ?
Le processus
Un processus permet de transformer des éléments
d’entrée en éléments de sortie, en utilisant des moyens
matériels et humains selon des procédures 1 . Il y a
les moyens :
● humains (opérateur, régleur, contrôleur, agent de
maintenance…) ;
● matériels (machine, outil, instrument de mesure…) ;
Éléments Éléments
Rendre opérationnel
d’entrée de sortie
Moyens
1 Le processus
28 TECHNOLOGIE 140 NOVEMBRE-DÉCEMBRE 2005
● matière (variation de nuance, de dimension, de trai-
tement…) ;
● méthodes ;
● milieu (température, propreté…).
Pour une production stabilisée les moyens méthodes
sont normalement invariants.
La variation de l’élément de sortie
Il est possible de différencier les éléments de sortie entre
eux à l’aide d’un critère donné et avec une « précision »
d’évaluation connue. Les éléments étant ainsi déclarés
différents, il y a une variation de l’élément sortant.
mots-clés! La figure 2 donne un exemple d’éléments de sortie
contrôle et métrologie, différents. À chacune des cinq couleurs peut être associée
norme, un indice (90, 95, 100, 105 et 110, par exemple).
outils et méthodes,
processus,
qualité
2 Un exemple d’éléments de sortie différents
Les éléments déclarés similaires peuvent être regrou-
pés en colonne 3 . La variation de l’élément de sortie,
et donc du processus, peut être quantifiée par la valeur
d. Pour notre exemple, d est la différence entre l’indice
le plus élevé et l’indice le plus bas. L’histogramme 3
tend vers une courbe de Gauss 4 .
Pour que d englobe la totalité des éléments de sortie
d produits en continu sur une très longue période, d doit
3 Le regroupement
Moyenne
par colonnes des
éléments similaires
Gradué en
écart type
Cet intervalle contient
68,23 % de l’ensemble
Cet intervalle
contient 95,4 %
Cet intervalle
contient 99,73 %
L’intervalle à plus ou moins 1,96 écart type contient 95 % des valeurs
L’intervalle à plus ou moins 2,575 écarts types contient 99 % des valeurs
L’intervalle à plus ou moins 3,09 écarts types contient 99,8 % des valeurs
4 Courbe de Gauss
être très grand. On décide alors de chercher une valeur Cela nous conduit à envisager deux cas, pour les-
de d qui n’englobe « que » 99 %, par exemple, de la pro- quels la tolérance
duction. Si on considère que la variation du processus Tol est la même,
Cmoy
est quantifiée par d, on sait que quelques éléments de ainsi que la varia- Tol
sortie (très peu) sont (en statistique) ou seront (en tion d. Seule la posi-
probabilité) extérieurs à cette variation. tion de M et celle de d
m diffèrent.
La comparaison La tolérance en-
de la variation et de la tolérance globe la variation. Ti m M Ts
Xmoy
La variation de l’élément de sortie est limitée par Il n’y a donc aucun
une spécification. La spécification impose les valeurs élément de sortie 9 La comparaison des positions
maximale (Ts) et minimale (Ti). La tolérance est non conforme 10 .
Tol = Ts – Ti. Il y a production d’éléments de sortie non conformes
Pour évaluer la capabilité du processus à produire 11 .
une spécification, nous allons comparer la variation, Appelons Xmoy
quantifiée par d, et la tolérance de la spécification (Tol). la moyenne de M
Cmoy
Cette comparaison se fera en deux temps : d et m. Un indice de la Tol
● Comparaison de la valeur de dispersion d et de la forme (Ts – Xmoy)
tolérance Tol Tol (d 2) ou (Xmoy – Ti) d

● Comparaison de la position de d par rapport aux Ti Ts (d 2) permet de

cotes maximale (Ts) et minimale (Ti) di f fér encier les
5 La comparaison c as et . C et Ti m M Ts
Xmoy
La comparaison des valeurs d et Tol
de d et Tol indice peut être
En traçant d et Tol sur un même graphique, on obtient appelé Cpk (lire 10 Le cas
la figure 5 . Cela nous conduit à envisager trois cas : en encadré « Les
différents indices utilisés »). En prenant la valeur
La tolérance est supérieure à la variation 6
minimale de Cpk, c’est-à-dire ici (Ts – Xmoy)
Il doit donc être possible de ne produire que très peu
(d 2), on voit que
d’éléments de sortie non conformes. Remarquons que
Cpk est inférieur
dans ce cas le rapport Tol d est supérieur à 1. Cmoy
d à 1 dans le cas . Tol
La tolérance est égale à la variation 7 Si l’indice Cp a
Il doit donc être possible de ne produire que très peu Tol une valeur supé- d
d’éléments de sortie non conformes, mais il n’y a aucune rieure à 1, il est
marge de manœuvre. Remarquons que dans ce cas le 6 Le cas possible de n’avoir
rapport Tol d est égal à 1. que très peu d’élé- Ti m Ts M
Xmoy
La tolérance est inférieure à la variation 8 ments de sortie non
Il y a donc production d’éléments de sortie non conformes conformes. C’est une 11 Le cas
en nombre non négligeable. Remarquons que dans ce condition néces-
d
cas le rapport Tol d est inférieur à 1. saire mais non suffisante. Si l’indice Cpk a une valeur
Le rapport Tol d est appelé Cp ou IAP (Indice d’Ap- Tol supérieure à 1, le nombre d’éléments de sortie non
titude du Processus). conformes est très faible, et d’autant plus faible que
7 Le cas
Cpk a une valeur élevée.
La comparaison des valeurs Ts et Ti Puisque seule la valeur de Cpk renseigne sur la pro-
et des valeurs limites dues à la variation (M et m) duction d’éléments non conformes, on peut se deman-
M étant le maximum de la cote mesurée sur l’ensemble der à quoi sert l’indice Cp. Cpk dépend du réglage du
des pièces et m le minimum, en traçant d, Tol, M, m, Ts processus et au maximum égale Cp. Si l’on veut obte-
et Ti sur un même graphique, on obtient la figure 9 . d nir une valeur de Cpk par réglage et que l’on constate
L’axe horizontal est l’axe des réels. Sur cet axe, que Cp a une valeur inférieure, il est inutile de faire
on peut reporter Ts, Ti, M et m. Ts et Ti sont fixes. Tol
En revanche, M et m varient en fonction du pro- [1] Professeur agrégé de génie mécanique au lycée Marie-Curie de
cessus. 8 Le cas Nogent-sur-Oise (60).
NOVEMBRE-DÉCEMBRE 2005 TECHNOLOGIE 140 29
des essais avec différents réglages,
car le problème est insoluble.
Cp traduit une aptitude potentielle.
Tol
Cmoy
Les différents indices utilisés
Cpk traduit une aptitude effective. d
Pour le cas donné en 12 , Cp est
supérieur à 1, car Tol est supérieure
L e mot indice est une traduction possible de l’anglais index.
La lettre C indique une capabilité (court terme) et la
lettre P indique une performance (long terme). Le long terme
à la dispersion d. En revanche, Cpk est m Ti M Ts
Xmoy intègre les causes assignables (ou spéciales) et aléatoires (ou
inférieur à 1, car m est inférieur à Ti. communes). Le court terme n’intègre que les causes aléatoires
Le processus est donc potentiellement 12 Un exemple de mauvais (ou communes).
capable mais mal réglé. réglage du processus
L’indice normalisé
Le seul indice normalisé Iso est IAP (Indice d’Aptitude du
La détermination d’un indice Processus), ou Cp dans la norme Iso 8258.
La démarche est celle donnée en 13 . Seules l’exactitude
de la méthode de mesure et la détermination des inter- Les indices définis par le QS-9000
Cp
valles de confiance seront ici examinées en détail. Ts – Ti
Cp =
6 σR/d2
L’exactitude de la méthode de mesure (Iso 5725)
R/d2
est l’estimation de l’écart type à partir de la moyenne des
étendues d’échantillons.
Pp
L’exactitude de la méthode de mesure pour la Ts – Ti
spécification étudiée est-elle satisfaisante ? Pp =
6 σs
n

∑ (xi –X )
2

Les dimensions réalisées sur le poste de fabrication i =1

sont-elles distribuées suivant une loi normale ? σs =
Le processus est-il sous contrôle ? n –1
Cpk
Ts – X X – Ti
CPU = CPL =
Calculer les indices de capabilité 3 σ R/d2 3 σ R/d2
Cp, Cpk, Pp et Ppk
Cpk = min (CPU, CPL)
Ppk
Déterminer les intervalles de confiance
sur les indices calculés
Ppk = min � Tsσ– X , X σ– Ti �
s s

13 Les étapes de la détermination d’un indice
Précisons tout d’abord que la norme Iso 5725 a un
vaste champ d’application qui ne concerne pas que la
mécanique.
Les données permettant la détermination des indices
d’aptitude étant des résultats de mesures, il est impératif
de s’assurer que la méthode de mesure présente une
exactitude acceptable, selon les critères de « fidélité »
et de « justesse » 14 .
Répétabilité
Fidélité
Remarques
● Dans le QS-9000, la différence entre capabilité et performance
provient de la manière d’estimer l’écart type. L’écart type estimé
à partir de la moyenne des étendues d’échantillons de faible
effectif (5 par exemple) quantifie généralement une variabilité
à court terme, le temps de fabriquer 5 pièces. À l’opposé, l’écart
type estimé avec sigma n – 1 prend en compte la variabilité totale
du processus sur une longue durée, le temps de prélèvement
périodique de 25 échantillons. On parlera dans ce dernier cas
de long terme.
[2]
● Luan Jaupi quantifie la capabilité d’un processus à l’aide
du Cp et parle de performance pour le Cpk. Pp et Ppk ne sont
pas mentionnés.
[2]
● Sans l’imposer, la démarche « six sigma » propose de
déterminer Cp et Cpk puis de tolérer, à terme, un déréglage de
1,5 sigma. Dans ce cas, Pp et Ppk sont inutiles. Le coefficient 1,5
appliqué à l’écart type peut être discuté à partir de l’efficacité
de la carte de contrôle.

Les indices définis par le CNOMO

Exactitude Reproductibilité
La définition de ces indices est disponible sur le site du CNOMO
(Comité de NOrmalisation des MOyens de production, voir
« Adresses internet »). Ils sont détaillés par Maurice Pillet dans son
Justesse
livre Appliquer la maîtrise statistique des processus MSP/SPC [2] .
14 Les composantes de l’exactitude [2] Voir en bibliographie.

30 TECHNOLOGIE 140 NOVEMBRE-DÉCEMBRE 2005

La fidélité
Elle représente la variation d’un résultat donné par
la méthode de mesure. Cette variation peut avoir des
causes multiples (opérateurs, moyens de mesure…).
La répétabilité et la reproductibilité en constituent res-
pectivement un minimum et un maximum. La norme
définit les conditions de répétabilité et de reproducti-
bilité. Les définitions suivantes sont plus précises, en
cohérence avec la norme mais non normalisées :
● Répétabilité : variation entre les mesures successives
de la même pièce, la même caractéristique avec le
même instrument de mesure par la même personne.
La répétabilité est estimée par l’écart type de la dis-
tribution des mesures répétées ; elle est notée r.
● Reproductibilité : variation des moyennes des me-
sures réalisées par différents opérateurs avec le même
instrument ou un instrument différent de mesure sur la
même caractéristique de la pièce. La reproductibilité
est estimée par l’écart type des moyennes des mesures
entre opérateurs ; elle est notée R.
D’autres causes de différences entre répétabilité et
reproductibilité sont bien sûr envisageables.
La justesse
La norme indique que la justesse se réfère à l’étroi-
tesse de l’accord entre la moyenne arithmétique d’un
grand nombre de résultats d’essais et la valeur de
référence vraie ou acceptée. Elle est exprimée en
termes de biais.
Pour le niveau de confiance, la norme recommande
de prendre 95 %.
La procédure est donc :
● Mesurer n fois une pièce de dimension connue (valeur
de référence µ).
● Calculer la moyenne des résultats de mesure (yw ).
● Le biais estimé est = yw – µ, valeur à laquelle on
associera un intervalle de confiance (la notation est
l’indication d’une valeur estimée).
En représentant les résultats de mesure par des
points rouges sur l’axe des réels, on peut imager les
définitions des termes de fidélité et justesse 15 .
Valeur de référence
acceptée
Méthode fidèle
mais peu juste
Valeur de référence
acceptée
Méthode juste
mais peu fidèle
Valeur de référence
acceptée
Méthode fidèle
et juste
15 Fidélité et justesse
NOVEMBRE-DÉCEMBRE 2005
L’intervalle de confiance
sur les indices de capabilité
L’utilité des intervalles de confiance
Il est important d’insister sur l’utilité de définir des
intervalles de confiance dans le cadre de la relation
client-fournisseur. Deux écueils sont à éviter :
● Le premier est une interprétation différente d’une
même valeur par le client et le fournisseur. Le client
peut considérer que la valeur donnée par le fournis-
seur est une valeur minimale alors que, pour le four-
nisseur, il s’agit de la valeur estimée.
● Le second peut être une exigence excessive de la
part du client. Par exemple, pour obtenir un Cp mini-
mal de 1,33, compte tenu de l’intervalle de confiance,
le client peut demander un Cp de 1,66. Le fournisseur,
pour avoir un Cp minimal de 1,66, devra avoir un Cp
estimé de 2. Or un Cp estimé de 1,66 aurait été suffi-
sant. Il y a donc surqualité, et probablement surcoût,
ce qui pénalise le fournisseur mais aussi le client (les
valeurs minimales courantes sont Cp = 2 et Cpk = 1,66
ou Cpk = 1,7).
Le principe de détermination
d’un intervalle de confiance
Une valeur a été estimée, il nous faut déterminer (avec
un risque d’erreur donné) la valeur vraie ou plutôt un
intervalle dans lequel se situe la valeur vraie. Un risque
de 5 % correspond à une confiance de 95 %.
Représentons la valeur estimée sur un graphique
comportant deux courbes de Gauss représentant la
variation de la variable 16 . La valeur estimée peut, en
fait, être la valeur maximale ; la valeur vraie est dans
ce cas X1. Mais la valeur estimée peut, en fait, être la
valeur minimale ; la valeur vraie est dans ce cas X2.
Dans les deux cas, la différence entre la valeur esti-
mée et la valeur vraie est égale à 1,96 sigma pour une
confiance de 95 %. L’intervalle de confiance de 95 %
est donc l’intervalle [X1, X2].
Valeur estimée
X1 X2
16 La relation entre valeur vraie et valeur estimée
L’intervalle de confiance pour Cp et Pp
On utilise la loi de répartition des écarts types estimés :
n : nombre de résultats de mesure
TECHNOLOGIE 140 31
 χ2(α 2) et χ2(1 – α 2) : choisis dans la table
statistique avec un degré de liberté de n – 1
Le niveau de confiance est fixé arbitrairement à 95 %
(α = 0,05). A priori, l’intervalle de confiance associé
à l’estimation du Pp est identique.

L’intervalle de confiance pour Cpk

Centre Centre
Le Cpk étant calculé à partir de l’écart type et de la Phase 40 Phase 40
moyenne, la détermination de l’intervalle de confiance
est complexe. Maurice Pillet [2] propose d’utiliser des
tableaux élaborés par Youn-Min Chou [2] . Les valeurs Phase 30
Robot
Phase 30
sont données pour une confiance unilatérale de 95 %. Perçage Perçage

D’autres auteurs fournissent des formules de détermi- Superviseur

Ébavurage Ébavurage

nation du Cpk minimal. A. F. Bissel, notamment, propose : Banc de préréglage

Centre Centre
Phase 40 Phase 40

∅ – 1 (1 – α 2) : fonction inverse de la loi normale Pièces

brutes
standard cumulée (moyenne nulle et écart type
égal à 1)
Chargement Tour
L’intervalle de confiance est fixé en bilatéral à 95 % ; manuel Phase 20
Tour
n doit être supérieur à 50. Phase 10
Phase 60
Après avoir établi la relation entre tests unilatéral Contrôle
visuel Phases
et bilatéral, on peut montrer la concordance entre ces 50 et 70 Ctl
Ctl

deux sources d’informations. Lavage

Tour
Phase 10
Un exemple de détermination Tour
de l’exactitude de la méthode de mesure Phase 20

Nous allons déterminer la fidélité et la justesse de la

méthode de mesure pour un exemple concret. La pièce
qui nous servira de support est un carter central pro-
duit par les ateliers Siccardi (voir « Adresses internet »).
Ctl
Cette pièce est produite en continu sur une ligne com- Phase 80 Contrôle Tour
Tour
portant notamment 17 : Phase 90 Marquage
Phase 10
Phase 20

1 convoyeur
1 cellule de tournage
1 cellule de fraisage
1 poste de lavage
1 poste de conditionnement des pièces en
conteneur
17 L’implantation de la ligne de production
La cellule de tournage est composée de deux tours
CN réalisant les deux premières phases d’usinage. Un
robot assure le transfert des pièces dans la cellule
ainsi que la liaison avec le convoyeur. De plus, la cel-
lule comporte un poste de mesure.
Il s’agit de déterminer l’exactitude de la méthode de
mesure pour le diamètre 15,875 ± 0,025 figurant sur
le contrat de la phase 10 donné en annexe.
La fidélité
La production est automatisée, et c’est un robot qui
dépose la pièce au poste de mesure. Nous assimile-
rons le robot à un seul opérateur.
La fidélité de la méthode de mesure se réduit donc à
la répétabilité (opérateur et moyen de mesure uniques).
Remarque : Le robot devrait être utilisé pour assurer
le posage de la pièce lors des mesures relatives à la
fidélité et à la justesse. Cela nécessiterait l’exécution
32 TECHNOLOGIE 140 NOVEMBRE-DÉCEMBRE 2005
Phase 100
Conditionnement
Pièces
d’un programme spécifique. Cette solution n’a pas été
retenue et, pour ces mesures, le robot a été remplacé
par une personne.
La procédure
La norme ne définit pas la procédure pour la détermina-
tion de la fidélité. Il a été décidé de mesurer 10 pièces
différentes et de répéter la mesure 3 fois sur chaque
pièce. Les pièces seront choisies de façon à couvrir,
au maximum possible, la tolérance.
Les résultats de mesure sont reportés sur le ta-
bleau 18 . Les pièces sont numérotées de 1 à 10 en ligne.
Si besoin est, les différents opérateurs sont repérés A,
B et C. Comme il n’y a qu’un opérateur, seule la partie A
est représentée sur le tableau 18 , ce qui explique que
l’on passe de la ligne 5 à la ligne 16.
 Pièce : carter Nom de la mesure : mesure du diamètre
Spécification : Ø 15,875 ± 0,025 Poste de production : cellule 10 Ph10
Réalisé par : R. V. Date : 28-05-2004
Opérateur Pièce
Mesure 1 2 3 4 5 6 7 8 9 10
1. A 1 15,881 15,868 15,869 15,871 15,871 15,88 15,883 15,883 15,882 15,891
2. 2 15,882 15,869 15,869 15,873 15,869 15,879 15,882 15,884 15,882 15,891
3. 3 15,883 15,869 15,868 15,872 15,869 15,878 15,883 15,884 15,88 15,891
4. Moyenne 15,882 0 15,868 7 15,868 7 15,872 0 15,869 7 15,879 0 15,882 7 15,883 7 15,881 3 15,891 0 Xa = 15,877 9
5. Étendue 0,002 0,001 0,001 0,002 0,002 0,002 0,001 0,001 0,002 0 Ra = 0,001 4
16. Moy pièce (Xp) 15,882 0 15,868 7 15,868 7 15,872 0 15,869 7 15,879 0 15,882 7 15,883 7 15,881 3 15,891 0 Rp = 0,022 3
17. [Ra = 0,001 4 + Rb = + Rc = ] / nb opérateurs = 1] R = 0,001 4
18. [max X= 15,877 9 – min X 15,877 9 ] = Xdiff 0
19. [R = 0,001 4 × D4 = 2,574] = UCLR 0,003 6
20. [R = 0,001 4 × D3 = 0] = LCLR 0
Document traduit, extrait de Statistical Process Control, AIAG (Automotive Industry Action Group)

18 Le relevé de mesures pour le gage R&R

Les calculs effectués

Ils sont représentés en 18 et 19 . 15,89
Xa : moyenne des moyennes des résultats
de mesure obtenus par pièce par l’opéra- 15,88
X = 15,877 9
teur A (le seul dans notre exemple)
Ra : moyenne des étendues des résultats 15,87
de mesure obtenus par pièce par ce même
1 2 3 4 5 6 7 8 9 10
opérateur
Moyenne des résultats de mesure
Rp : étendue de variation de la moyenne
des résultats de mesure
0,004
R est pour notre exemple égal à Ra. UCL = 0,003 6
0,003

L’analyse des résultats de mesure 0,002

R = 0,001 4
Il convient de s’assurer que la méthode de mesure : 0,001
● ne donne pas de résultat présentant de fortes varia- 10 pièces mesurées
0,000
tions pour une même pièce. En effet, la variation du 1 2 3 4 5 6 7 8 9 10
résultat de mesure doit être due, pour sa plus grande Étendue des résultats de mesure
part, au fait que l’on mesure des pièces différentes ;
● a une capacité de discrimination entre pièces com- 19 La carte de contrôle
patible avec la variation de dimension de ces pièces.
En d’autres termes, la méthode de mesure doit per- La capacité de discrimination
mettre de différencier les différentes pièces usinées. (moyenne d’échantillons)
Pour ces vérifications, on élabore une carte de con- On peut fixer à 50 % au minimum la proportion de
trôle moyenne étendue avec les résultats de mesure résultats de mesure en dehors des limites de contrôle.
(10 pièces mesurées 3 fois) 19 . Les limites de contrôle Si tel est le cas, la variation de position de la moyenne
sont calculées de manière classique. par rapport aux limites de contrôle est due à une varia-
tion de dimension des pièces, variation détectée par
L’étendue des résultats de mesure la mesure.
pour une pièce La proportion de résultats de mesure en dehors des
La partie étendue de la carte montre que les résultats limites de contrôle s’élève ici à 90 %
de mesure sont sous contrôle. On peut donc consi-
dérer que la méthode de mesure permet de répéter Le gage R&R
une mesure en donnant des résultats présentant une Le gage R&R est une possibilité pour chiffrer la fidé-
variation modérée. lité. Les calculs sont donnés en 20 .
NOVEMBRE-DÉCEMBRE 2005 TECHNOLOGIE 140 33
 À partir de la moyenne des étendues de mesure, Ra
dans notre exemple, on estime la dispersion à l’aide Pièce : carter Spécification : Ø 15,875 ± 0,025
d’un coefficient K1. Si plusieurs opérateurs inter- Poste : cellule 10 OP10 Poste de production : cellule 10 Ph10
Réalisé par : R. V. Date :
viennent, on utilise la moyenne (R) des moyennes de
Données : R = 0,001 4 Rp = 0,022 3
chaque opérateur.
La reproductibilité n’est pas calculée dans notre Analyse % Variation
exemple.
Répétabilité (EV)
Dans le cas général, le R&R est calculé par addi-
tivité des variances, la variance résultante étant la K1 = 3,05 % EV = 100 [EV/TV]
somme des variances des composantes. L’écart type EV = R ⋅ K 1 = 0,004 3 = 11,74 %
est la racine carrée de la variance. Effectif K1
PV est la variation due à la pièce. Elle est estimée
2 4,56
à partir de l’étendue de la variation des moyennes des
résultats de mesure pour chaque pièce. 3 3,05
La variation totale (TV) est calculée par additivité Reproductibilité (AV)
des variances (PV et R&R).
Le %R&R est obtenu en divisant le R&R par TV AV = [(Xdiff ⋅ K2)2 – (EV2/nr)]½ %AV = 100[AV/TV]
(résultat en pour-cent). =0 =0
=
Le gage R&R est égal à 11,74 %.
Si on se fixe une valeur maximale de 30 %, on en Opérateur K2 n : nombre de pièces
déduit que la répétabilité de la méthode de mesure est r : nombre de mesures
2 3,65
satisfaisante. Remarquons que cette valeur limite doit
constituer l’origine d’une démarche d’amélioration, et 3 2,7
donc qu’elle ne peut être que transitoire. Répétabilité & reproductibilité (R&R)
R&R = [(EV2 + AV2)]½ % R&R = 100 [R&R/TV]
La justesse = 0,004 3 = 11,74 %
Détermination préalable
Il est nécessaire de déterminer le nombre de mesures Pièces K3
à réaliser pour déterminer le biais avec un niveau de 2 3,65
confiance de 95 %. La valeur de référence sera celle
Variation pièce (PV) 3 2,70
de l’étalon utilisé.
PV = Rp ⋅ K3
La norme 5725-4 indique au paragraphe 5.3 : = 0,036 1
4 2,30 %PV = 100 [PV/TV]
Aw ⋅ σR ≤ ∆m 1,84 avec Aw = 1,96 n1/2 = 99,31 %
5 2,08
∆m : amplitude prédéterminée du biais de
6 1,93
laboratoire que l’on souhaite détecter
n : nombre de mesures à réaliser Variation totale (TV) 7 1,82
Dans notre cas σR = σr. TV = (R&R2 + PV2)½
8 1,74
= 0,036 4
L’amplitude du biais que l’on souhaite détecter est,
9 1,67
pour cet exemple, de 1 micron.
Application numérique : 10 1,62
∆m = 1µ σr = 11,24 × 10 –4 Document traduit, extrait de Statistical Process Control, AIAG
n = (1,84 × 1,96 × 11,24 × 10 –4) (1 × 10 –3) = 4,05
1/2
20 Le calcul R&R
donc n = 17

Les résultats de mesure Le test de Grubbs, décrit dans la norme, doit être
Nous avons donc mesuré 17 fois l’étalon utilisé sur utilisé pour détecter d’éventuelles valeurs aberrantes.
le poste de mesure de la cellule. Les 17 mesures ont Il s’est révélé négatif pour notre exemple.
donné les résultats suivants :
15,882 15,883 15,882 5,881 15,882 15,883 Le calcul du biais estimé
15,881 15,882 15,883 15,882 15,883 15,882 Le diamètre de l’étalon est 15,882. Le biais estimé est
15,881 15,882 15,883 15,883 15,882 ∆ = 15,882 3 – 15,882 = 0,3 × 10 –4
s = 6,86 ⋅ 10 –4 x = 15,8823 Aw = 1,96 n1/2 = 1,96 4,123 = 0,475
Aw ⋅ σr = 0,475 × 11,24 × 10 –4 = 5,34 × 10 –4
D’après la norme, le biais réel est compris, à 95 %,
Adresses internet dans l’intervalle :
Le site du CNOMO : http://www.cnomo.com
[ – Aw ⋅ σr ; + Aw ⋅ σr] soit [– 5 × 10 –4 ; 5,6 × 10 –4]
Le site des ateliers Siccardi : www.ateliers-siccardi.fr
Conformément à la norme, cet intervalle contenant
Le site de Minitab : www.minitab.fr.
la valeur 0, la valeur du biais n’est pas significative.
34 TECHNOLOGIE 140 NOVEMBRE-DÉCEMBRE 2005
ANNEXE De la nécessité des statistiques…
et de la collaboration entre enseignants
Le contrat de phase C’est désormais au fournisseur de démontrer son savoir-
faire ; la mise en place de ces indices va dans ce sens,
PHASE NO 10 Date : 20-02-2003
CONTRAT et les entreprises françaises, dans ce domaine, n’ont
Ensemble :
DE PHASE Préparation
1 pas à craindre les comparaisons. La maîtrise des pro-
Pièce : carter central
du travail cessus permet aussi de garantir la fiabilité des produits,
Désignation : tournage Programme : %2000 1 fiabilité indispensable au développement d’ensembles
de haute technologie.
Machine-outil : Puma Cellule 10 Nom : R. V.
La démarche proposée peut paraître démesurément
Ce document est un contrat incomplet
complexe, mais des outils informatiques existent, notam-
ment Minitab (voir « Adresses internet »), qui permettent
de simplifier fortement la phase de calculs. Elle s’ap-
puie notamment sur les statistiques, qui doivent deve-
Mise en position : nir, pour nos étudiants, un outil familier. Une partie
appui plan sur B1 importante du programme de mathématiques leur étant
linéaire annulaire sur B2
consacrée, la collaboration avec le professeur de maths
est plus que souhaitable : elle améliore l’efficacité et la
cohérence de notre enseignement… ce qui démontre
que la collaboration entre collègues enseignant en STS
ne doit pas se résumer à la participation aux jurys de
l’épreuve professionnelle de synthèse. ■

Bibliographie
BISSEL (A. F.), « How reliable is your capability index ? »,
Applied Statistics, no 39, 1990
CHOU (Youn-Min), Journal of Quality Technology,
volume 22, no 3, juillet 1990
JAUPI (Luan), Contrôle de la qualité,
Dunod/L’Usine nouvelle, coll. « Technique et ingénierie »
Vc f PILLET (Maurice), Appliquer la maîtrise statistique
Désignation des opérations Outils (m/min) (mm/tr) des processus MSP/SPC, Éditions d’organisation
Ébauche extérieure : T1 600 0,25 PILLET (Maurice), Six Sigma, comment l’appliquer,
charioter 3, dresser 4, dresser 7, charioter 15, dresser 8 Éditions d’organisation
charioter 6, charioter 5
Ébauche intérieure : T2 150 0,3
aléser 11, 9, 10
Finition collerette arrière : T3 150 0,3
dresser 2, charioter 1
Finition profil extérieur : T4 600 0,18
charioter 3 et 5, dresser 4 et 7, charioter 15, dresser 8
Finition alésage : T5 160 0,12
chanfreiner 14, aléser 9 et 10
Réaliser gorge 13 T6 80 0,08
Réaliser chambrage 12 T7 95 0,15
Réaliser gorge 16 T8 50 0,11

NOVEMBRE-DÉCEMBRE 2005 TECHNOLOGIE 140 35