SUPPORT DE COURS

GESTION D’INNOVATION ET QUALITE

Enseignant responsable :
Hajer BEN MAHMOUD

Année 2020 / 2021

1
 CHAPITRE I
CONCEPTS DE LA QUALITE

I. HISTOIRE DE LA QUALITE

1. Introduction

La qualité, cette notion éminemment subjective, peut sans doute être associée aux premières
préoccupations de l'homme dès son origine, puisqu'elle traduit fondamentalement la recherche
de l'adaptation de chaque chose à son usage prévu, c'est-à-dire les soucis initialement tout
intuitifs de l'efficacité et du confort. Tout d'abord, une rapide histoire de la qualité. On peut en
effet se demander pourquoi cette notion de qualité, partie intégrante du processus de
fabrication d'un produit, est devenue aujourd'hui si importante dans l'étude des phases de
production, qu'un organisme international a édicté une série de normes sur ce sujet. Il suffit de
comprendre l'évolution du rapport producteur/acheteur pour expliquer cette apparition de
notion de qualité dans le monde économique. Pour illustrer notre propos, nous prendrons
comme chronologie historique l'évolution des différentes formes de production au cours du
temps.

2. 4000 ans d’histoire

L’histoire de la qualité commence il y a plus de quarante siècles dans le royaume de

Babylone. Le roi de Babylone Hammourabi fit graver un code de 300 articles dans une stèle
faite d’un énorme bloc de diorite. La notion de responsabilité médicale (article 218) prévoyait
que : « si un médecin opère un homme pour blessure grave avec une lancette de bronze et
cause la mort de l’homme ou s’il ouvre un abcès à l’œil d’un homme avec une lancette de
bronze et détruit l’œil de l’homme, il aura les doigts coupés ».
De même, l’article 233 introduit la notion de maîtrise de la qualité en production : « si un
maçon a construit une maison pour quelqu’un mais n’a pas exécuté son travail suivant les
normes et si un mur est penché, ce maçon, à ses frais, renforcera le mur ».
Au XVème siècle, les égyptiens pratiquaient le contrôle du travail des tailleurs de pierre par
des inspecteurs indépendants.
Au moyen âge, le livre des métiers d’Étienne Boileau (publié entre 1258 et 1268) dressait les
« cahiers des charges » des principaux métiers de l’époque.
Jean-Baptiste Colbert (1619-1683), secrétaire d’État de Louis XIV, fit une déclaration le 3
août 1664 qui reste d’actualité : « Si nos fabriques imposent, à force de soin, la qualité
supérieure de nos produits, les étrangers trouveront avantage à se fournir en France et leur
argent affluera dans les caisses du royaume ».

2
 3. De l’improvisation à l’organisation – l’ère du tri

Au début du XXème siècle, Frederick W. Taylor (1856-1915), père du management

scientifique, fit passer l’industrie de l’improvisation à l’organisation rationnelle, notamment
grâce à la mesure du temps exigé par chaque tâche. La productivité fut multipliée par trois et
les salaires grimpèrent.
Cependant, ce système excluait le travail en équipe et séparait « les hommes qui pensent de
ceux qui agissent ».
En 1916, le pionnier du management, Henri Fayol (1841-1925) expliquait les principes de la
gestion globale d’entreprise dans un ouvrage : « administrer, c’est prévoir, organiser,
coordonner et contrôler ». Cela devait assurer une production économique, tout en éliminant
les gaspillages et en optimisant les ressources.
C'est la naissance des grandes fabriques, située vers la fin du XVIIème siècle; fruit du
regroupement d'artisans et de la progression des techniques. Comme l'offre reste très
inférieure à la demande, tout se vend même ce qui est de mauvaise qualité. Durant cette
période, la qualité reste encore liée au prix que l'on paie lors de l'achat du produit : plus on
paie cher, plus le produit est de bonne qualité. L'industrie subit ses révolutions : on assiste à la
mutation des méthodes de production, qui suivent l'évolution des techniques, et au
perfectionnement des machines, auxquelles on a de plus en plus recours. Cela se traduit par
une forte augmentation de la demande, avec une complexification des produits, qui profitent
entre autre du développement des transports, des sources d'approvisionnement et d'énergie. La
notion de sous-traitance apparaît car un nouveau mode de production vient de naître, afin de
répondre à l'augmentation de la demande : c'est l'apparition des chaînes de production
industrielle, qui emploient un personnel peu qualifié, mal payé, où les tâches se divisent en
éléments simples et répétitifs (Taylorisme).

4. Formalisation de la qualité – l’ère du contrôle

Le monde est secoué par des crises économiques, ainsi que par deux guerres mondiales, ce qui
provoque un accroissement spectaculaire des besoins. Cela se traduit par une forte
augmentation des quantités produites, les produits eux-mêmes devenant toujours de plus en
plus complexes.
C'est l'époque des grands projets (industrie militaire, aéronautique et spatiale...); avec une
multitude d'entreprises concernées. On passe alors par des méthodes de contrôle statistiques,
pour veiller à la bonne gestion qualité de ces vastes projets. Mais la complexité des schémas
de production fait grimper les coûts des contrôles, et les méthodes statistiques atteignent
rapidement leurs limites. En effet, ces dernières ne pouvaient que donner des indications sur
la qualité, sans permettre de prévenir une éventuelle évolution du standard demandé. Par
ailleurs, la rentabilité devenant une notion de plus en plus pressante dans les plans de
financement; on passe alors à la notion de qualité par prévention : l'assurance qualité. 1924
(USA) : Apparition du Contrôle Qualité (approche scientifique) et des "papes de la Qualité :
DEMING, JURAN, CROSBY ...

3
Le Dr Edwards Deming (1900-1993) propose une réforme globale du système organisationnel
de production qui recommande une gestion participative de l’ensemble du personnel de
l’entreprise (le management qualitatif) Philip B. Crosby, dans le cadre des programmes
spatiaux Apollo en 1961, développe le concept du “zéro défaut” en mettant l’accent sur la
place de l’homme (motivations et comportements) dans l’obtention de la qualité.
1970 (USA) : Loi imposant l'OBLIGATION DE L'ASSURANCE QUALITE pour la
construction des centrales nucléaires.
1975 (France) : CREATION DU SQUALPI (Service de la Qualité des Produits Industriels).
1979 : 1ères études ISO sur normes d'AQ. 30 PAYS Y PARTICIPENT. Création du
Technical Comittee 176 (TC 176) pour normes générales (9000) Dr J. M. Juran, crée en 1979
aux USA, le Juran Institue afin de développer l’organisation, la "planification et les processus
d’amélioration de la qualité comme discipline à part entière à travers la formation.

5. Conclusion

La qualité a donc traversé une longue période en subissant au fur et à mesure des évolutions.
Les démarches méthodologiques qui la composent ont évolué du simple contrôle a posteriori
de la qualité au management (gestion) de l’entreprise par la qualité. Une prise de conscience
beaucoup plus globale de l'importance stratégique et économique de la qualité pour
l'entreprise et pour l'économie, provoquée notamment par l'exacerbation de la concurrence
mondiale, conduit à ne plus négliger aucun gisement de compétitivité. On peut ainsi dire que,
de nos jours, la "qualité" n'est désormais plus le problème des seuls "services qualité" mais est
devenue une des préoccupations majeures du management des entreprises. Ce sont d'ailleurs
désormais les dirigeants qui se mobilisent pour la certification et pour la qualité dite "totale".

II. PRINCIPES ET CONCEPTS DE LA QUALITE

Dans le contexte économique actuel marqué par la mondialisation des échanges et l’évolution
des exigences de plus en plus croissantes des marchés internes et externes, les entreprises
nationales sont amenées à améliorer la qualité de leurs produits et services en vue de renforcer
leur compétitivité.
Les entreprises se sont adaptées en adoptant des approches qualité de plus en plus
sophistiquées et qui permettent de fournir des produits conformes aux attentes clients. Ces
approches ont évolué à partir du contrôle final de conformité des produits dans les années 40,
les méthodes statistiques dans les années 60, en passant par l’assurance qualité dans les
années 80 et en aboutissant aux méthodes de management de la qualité actuellement et plus
précisément la Qualité Totale.
La Qualité Totale est un mode de management d’un organisme, centré sur la qualité, basé sur
la participation de tous ses membres et visant tous les membres de l’organisme et pour la
société.

4
 1. Les principes de la qualité

L’amélioration de la qualité débute toujours par l’identification des non-qualités rencontrés

puis mener les actions correctives nécessaires pour les réduire ou les éliminer en commençant
par celles qui causent le plus d’écart entre la qualité réalisée et celle exprimée par le client.
Rappelons que les améliorations ne touchent pas seulement l’aspect de la qualité du produit,
mais aussi, d’autres aspects tels que :
 La fiabilité,
 L’efficacité,
 Les performances,
 La réduction des coûts,
 Le respect des délais,
 La sécurité,
 Etc.

Pour aboutir aux résultats souhaités il faut que :

 Tout le monde participe Tous les employés, y compris le PDG, les directeurs, les chefs
de division, les chefs de services et autres responsables doivent appliquer le
management de la qualité.
 Toutes les divisions l’appliquent. Il est important que toutes les divisions :
administration, finances, planification, marketing, technologie, fabrication, intègrent la
maîtrise de la qualité dans leurs activités.
 La Qualité Totale est pratiquée à toutes les étapes du processus qui amène le produit
jusqu’au marché.

2. Les concepts de la qualité

Définition
C’est la conformité des produits et services aux exigences négociées entre le client et le
fournisseur. Les exigences négociées sont les paramètres quantifiées qui formalisent l’accord
entre le client et le fournisseur (quantités, caractéristiques, propriétés, délais, etc.). La relation
client – fournisseur est à la base de la Qualité Totale et s’applique à tous les niveaux à
l’extérieur comme à l’intérieur de l’entreprise.

Le zéro défaut
C’est non seulement, la conformité des produits aux exigences, mais aussi l’absence de
dysfonctionnement dans les processus mis en œuvre pour les réaliser. Ces
dysfonctionnements sont générateurs de retards, d’une valeur ajoutée inutile faite en
particulier de toute une série de « Re… » : Retraiter, refaire, rejeter, etc. De plus, ils ne
permettent pas de réaliser l’activité optimale. Le zéro défaut s’exprime par : « Faire bien du
premier coup ».

5
La mesure
Il n’y a pas de progrès en qualité sans mesure des écarts. La mesure du niveau de qualité est le
préalable à toute action d’amélioration dans un atelier, bureau ou laboratoire. Elle s’exprime
sous forme d’indicateurs (fréquence ou gravité) de non-conformité, de dysfonctionnement ou
de satisfaction des clients.

La prévention
La qualité s’assure par la prévention Elle consiste à mettre en œuvre des actions de nature à
éviter les dysfonctionnements et les non-conformités. La prévention prospective (pour « faire
bien de premier coup ») s’applique à priori. En particulier dès la conception du produit ou du
processus. Appuyée pour une très large part sur la prévention, l’assurance de la qualité en
constitue une forme opérationnelle. L’assurance qualité : c’est le résultat des dispositions
prises pour avoir et donner confiance de la capacité de l’entreprise à assurer la conformité des
produits et services aux exigences. L’assurance qualité repose sur :
 La détermination et la formalisation des standards (procédures, modes opératoires,
spécifications…) à observer pour obtenir et maintenir la qualité : écrire ce qu’il faut
faire.
 L’application conforme des standards : faire ce que l’on a écrit.
 La vérification enregistrée de la bonne application des standards et leur efficacité.
 Le lancement d’actions correctives pour éliminer les écarts constatés.

Le coût de la non-qualité
C’est le coût des non-conformités de produits et des dysfonctionnements de processus. Il
permet de :
 Connaître les gisements à exploiter pour accroître la compétitivité.
 Etablir des priorités pour les actions correctives.
 Mesurer globalement les progrès.

3. Outils et techniques

En fonction de la non-qualité constatée, les outils de base utilisés pour l’amélioration de la

qualité sont :
 Les cercles de qualité
 Diagramme de Pareto
 Le diagramme Causes-Effet
 La méthode QQOQCP
 La fiche de relevés
 Le Brainstorming
 Histogramme de fréquence
 Le Diagramme de dispersion
 Les cartes de contrôle

6
 3.1 Les cercles de qualité

Les cercles de qualité sont apparus en 1962 au Japon. Les Japonais ont développé une science
de management où la compétitivité s’acquiert par la qualité du produit, contrôlée non pas au
niveau des services après-vente, mais en faisant appel à la dynamique de groupe, la
motivation des employés, la satisfaction dans le travail, et grâce à des techniques d’analyse
statistique des défauts.
C’est à partir de 1978, à la suite de nombreuse mission au Japon, que les chefs d’entreprises
occidentales s’intéressent à l’organisation de travail « à la Japonaise ». Ils sont attirés par les
résultats obtenus au Japon : faibles coûts salariaux, absentéisme très bas et qualité des
produits.
Basés sur la motivation, le volontarisme et la dynamique de groupe, la méthode des cercles de
qualité est utilisée pour définir, analyser, choisir et résoudre les problèmes liés à la qualité
rencontrée dans l’entreprise.

Identité d’un cercle de Qualité

Les cercles de qualité sont de petits groupes de 3 à 10 personnes, appartenant à la même unité
de travail qui se réunissent volontairement et régulièrement pour identifier et résoudre des
problèmes relatifs à leur activité.
Définition d’Ishikawa (ingénieur chimiste Japonais 1915/1989) : « le cercle de qualité est un
petit groupe qui gère volontairement la qualité dans un atelier. Ce petit groupe effectue, dans
le cadre de la gestion de la qualité intégrale, le contrôle de la qualité et les améliorations
diverses de son atelier, en s’instruisant, en se stimulant mutuellement de façon permanente et
en élevant la formation de tous les membres de l’atelier».

Organisation d’un cercle de qualité

Les membres d’un cercle de qualité se rencontrent périodiquement (1 à 2 heures/semaine) sur
le temps de travail ou non, pour s’exprimer sur les problèmes rencontrés dans le travail.
Un cercle de qualité est animé, généralement, par le responsable hiérarchique de l’unité de
travail qui est une sorte de régulateur qui fixe les objectifs de travail.
En fonction de l’ordre du jour de la réunion et de la spécificité du problème à résoudre, le
cercle de qualité peut inviter des experts pour participer à la recherche des solutions.
En principe, un cercle de qualité est un groupe permanent, non lié à la résolution d’un
problème spécifique.

Objectifs d’un cercle de qualité

Les cercles constituent un outil de la gestion participative qui s'appuie sur des méthodes et des
outils simples d'analyse de problèmes et la participation des employés à la recherche de la
qualité totale.
Le principe de cette méthode est de réunir les personnes directement concernées afin
d'analyser et de résoudre des problèmes concernant les procédés, la qualité des services ou la
qualité de vie au travail au sein de leur organisation.

7
Connaissant leur travail mieux que quiconque, elles sont les mieux placées pour trouver les
solutions et stopper les gaspillages.
Les principaux objectifs d’un cercle de qualité sont l’ordre opérationnel, relationnel,
d’intégration et d’adhésion.
a- Objectifs opérationnels : il s’agit de réunir les personnes directement concernées par
un problème donné afin d’en débattre où chacun est conscient de son rôle par rapport
aux objectif.
b- Objectifs relationnels : les cercles de qualité sont une activité collective, chaque
cercle vit une dynamique de groupe qui lui est propre (qualité de relation entre les
participants, considération mutuelle).
c- Objectif d’intégration et d’adhésion : la méthode des cercles de qualité s’appuie sur
l’implication et l’adhésion des salariés aux principaux objectifs de leur entreprise.

Apports d’un cercle de qualité

Parmi les principaux apports des cercles de qualité, on peut citer :
 Amélioration de la qualité.
 Augmentation de la productivité (production et qualité) et réduire les coûts de la non
qualité et des gaspillages.
 Amélioration de l’organisation du travail par l’élaboration des nouveaux procédés.
 Développer les compétences professionnelles et le savoir-faire par la formation
continue et l’échange d’expériences.
 Accroître l’adhésion du personnel et son degré d’engagement dans l’entreprise.
 Améliorer la communication et les relations entre services et hiérarchies.

3.2 Diagramme de Pareto

Il met en évidence ce qui est important par rapport à ce qui est trivial. Il oriente le choix
prioritaire sur le principe du 20/80: 80% des effets sont dus à 20% des causes.

Le Diagramme de PARETO se présente sous la forme d'un graphique à 2 axes:

 Horizontal: éléments constituant le sujet traité.
 Vertical: données concernant chaque élément.

METHODE
 Les éléments constituants le sujet sont exprimés avec la même unité.
 Tracer un axe horizontal et le diviser en segment égaux au nombre d'éléments
concernés par le sujet.
 Classer par ordre décroissant les données sur l'axe horizontal.
 Tracer un second axe vertical de 0% à 100%.
 Tracer les sommes cumulées des données, en %.

8
EXEMPLE D’APPLICATION
Un examen des données rassemblées par le service de qualité dans un atelier de fabrication
des chemises au cours d'une période de 50 jours, fait ressortir un taux de réparation des
retouches très élevé.
Ayant pris note de la situation l'entreprise décide d'entreprendre une action corrective
systématique qui consiste à donner la priorité aux types des retouches les plus importants.

DONNEES

1ère étape

 Classer les éléments par valeur décroissante en fonction de la quantité des retouches.
 Faire le cumul des résultats dans le même ordre.
 Calculer les pourcentages.

On les regroupe dans le tableau suivant :

9
2ème étape

 Choisir l'échelle par raison de faciliter de lecture, le graphique s'inscrira dans un carré.
 Rapporter les éléments en abscisses.
 Rapporter les valeurs en ordonnées : les quantités à gauches et le cumul des
pourcentages à droite.
 Tracer la courbe et déterminer les zones A, B et C.

INTERPRETATION DE LA COURBE
Zone A : 30% des défauts présentent 80% de la totalité des réparations.
Zone B : 30% des défauts présentent 15% de la totalité des réparations.
Zone C : 40% des défauts présentent 5% de la totalité des réparations.

CONCLUSION
Les types des défauts qui demandent des remèdes urgents sont les types F, A et I. C'est-à-dire
le montage du col, montage du poignet et le plaquage des poches.

3.3 Le diagramme Causes-Effet

Description
Le diagramme causes-effet ou diagramme d’Ischkawa ou diagramme en arête de poisson est
une forme de représentation et d’analyse qui permet de classer et de visualiser, de façon
simple, l’ensemble des causes potentielles pouvant provoquer un résultat ou un effet que l’on
désire obtenir, comprendre effectuer ou résoudre.

10
Il est composé uniquement de plusieurs flèches :
 Une grande flèche horizontale décrit l’effet qui peut être la qualité une cause, une
conséquence, un but un objectif, un résultat, un problème, etc.
 Les flèches obliques (arêtes principales), en direction de la flèche principale, indiquent
les causes principales Il est recommandé de grouper ces causes par famille dont le
nombre varie en général entre 3 et 10 (valeurs usuelles: 4, 5 et 6).
 Les autres flèches secondaires ou supplémentaires (arêtes intermédiaires) qui
aboutissent sur une flèche oblique indiquent les causes.
Cette subdivision est poursuivie jusqu’à ce que toutes les causes, sous-causes, idées,….aient
été illustrées.

Création d’un diagramme causes-effet

ETAPES A SUIVRE
 Identifier le problème en termes d'effet, par exemple: l’altération d'un produit.
 Inscrire le problème dans un cadre, puis tracer une flèche horizontale dont la pointe
rejoint le côté gauche du cadre. C’est la flèche principale
 Regrouper les causes potentielles en familles, les « 5 M » : Matériel, Main d’œuvre,
Matière, Méthode, Milieu.
 Tracer les flèches secondaires correspondant au nombre de familles potentielles
identifiées, et les raccorder à la flèche principale.
 Identifier chaque flèche secondaire par le nom d'une des familles de causes
potentielles.
 Inscrire sur des mini-flèches les causes rattachées à chacune des familles, toutes les
causes doivent être retenues.
 Vérifier que toutes les causes potentielles apparaissent sur le diagramme.
 Le diagramme réalisé, il faut rechercher maintenant les causes réelles du problème.

CLASSEMENT EN 5 M
 Main d'œuvre : personnel, qualification, formation, expérience, etc.
 Matériel : équipement, machine, vitesse, pression, etc.
 Matière : matière première, composant, matériaux, pièce, etc.
 Méthode : spécification, instruction, procédure, etc.
 Milieu : espace, lumière, bruit, vibration, chaleur, poussière, humidité, etc.

11
Application
L’une des préoccupations essentielles d’un établissement d’enseignement technologique et la
qualité de la formation des futurs diplômés.

Etape 1 : Définir l’effet,

Que veut-on améliorer ?
C’est la qualité de la formation qu’on veut améliorer. Donc, l’effet est tout simplement :
QUALITE DE LA FORMATION

Etape 2 : Identifier les causes,

Après un travail de groupe (cercle de qualité), les participants ont jugé que la construction de
la qualité de la formation est assurée par la mise en œuvre et la maîtrise de tout ce qui est
nécessaire en matière de comportement, de méthodes et d’organisation des moyens pour que
les diplômes donnent toute satisfaction dans leur vie professionnelle.
Sur cette base, les membres du cercle de qualité ont proposé les causes, pouvant provoquer un
effet sur la qualité de la formation suivantes :
- Objectifs, - Niveau,
- Méthodes, - Motivation,
- Moyens, - Capacités,
- Outils, - Compétences,
- Environnement, - PFE,
- Adaptation, - Stages industriels,
- Organisation, - Expérience.

Etape 3 : Définir les principales familles de causes,

Une première approche de la qualité en matière de formation fait ressortir les cinq familles de
causes principales :
- Milieu,
- Formateurs,
- Diplômés,
- Pédagogies,
- Connaissances.

Etape 4 : Affectation des causes,

 À la famille MILIEU on affecte les causes :
- Moyens,
- Environnement.
 À la famille FORMATEURS on affecte les causes :
- Capacités,
- Compétences,
- Expériences,
- Motivation.

12
  À la famille DIPLOMES on affecte les causes :
- Motivation,
- Capacités,
- Pré-requis.
 À la famille PEDAGOGIE on affecte les causes :
- Objectifs,
- Méthodes,
- Outils,
- Organisation,
- PFE,
- Stages industriels.
 À la famille CONNAISSANCES on affecte les causes :
- Niveau,
- Actualisation,
- Adaptation.

Etape 5 : Traçage et remplissage du diagramme,

3.4 La méthode QQOQCP

Cette méthode a pour objectif de rechercher les informations sur un problème ou la définition
des modalités de mise en œuvre d'un plan d'action.
Elle se présente comme la succession des questions QUOI? QUI? OU? QUAND?
COMMENT? POURQUOI?

13
METHODE
 Préciser clairement aux participants l'objectif de la séance de travail,
 Recherche d'informations sur le problème,
 Rappeler les règles des remue-méninges qui s'appliquent dans leur totalité à cette
session de travail,
 Aborder systématiquement les six questions, l'une après l'autre:

1- Pour la recherche d'informations sur le problème

Quoi? Quelle est la nature du problème ? Quelles en sont les conséquences, les
quantités et les coûts impliqués?
Qui? Qui est concerné par le problème? Qui le subit?
Ou ? En quel lieu le problème apparaît-il? Sur quelle machine ou quel poste de travail le
détecte-t-on ?
Quand? A quel moment le problème va-t-il été découvert? Quelle est la fréquence de son
apparition?
Comment? De quelle façon arrive le problème? Quels matériels, manière ou procédure
sont concernés,
Pourquoi? C'est la question que l'on doit poser après chacune des autres questions. Elle
permet de confirmer chacune des réponses.

3.5 La fiche de relevés

Les fiches de relevés sont des formulaires utilisés pour saisir les informations suffisantes pour
l’analyse de causes réelles d’un problème et pour la mesure de l’efficacité des solutions.
Pour ce faire, doivent figurer sur les feuilles de relevés les éléments suivants, selon les cas:
 Le but des relevés
 Les éléments objets des relevés
 Les méthodes de relevé
 Les dates et heures des relevés
 La personne qui les effectue
 Les lieux et les procédés concernés
 Les résultats des relevés
 Le chemin d'inspection

EXEMPLES
1. Instructions à l’opérateur des fours (responsable du relevé) : Relever la température
(grandeur qui fait l’objet du relevé) en sortie du four X35 (lieu où s’effectue le relevé) durant
le mois de juillet (durée et la fréquence du relevé) à chaque heure (critère de classement) à
l’aide du thermomètre fixe T9 (méthode pour effectuer le relevé).

14
Remplir le tableau ci-joint :

2. Tableau des pièces rebutées :

D’où on peut tirer le graphique suivant :

3.6 Le Brainstorming

Cet outil a pour objectifs de produire des idées en groupe, de favoriser la créativité et de faire
émerger des idées nouvelles.
Pour pratiquer cette méthode, il y a lieu de respecter les règles suivantes :
 Toutes les personnes sont égales,
 Penser toujours de façon positive,
 Chaque participant émet une idée à la fois, lorsque c'est son tour,
 Une idée n'est jamais farfelue ou naïve,
 Aucune idée émise par un participant ne doit être critiquée, ni par un geste, ni par un
mouvement du corps,
 Aucune question ne doit être posée pendant la séance de remue-méninges.

15
En pratique, il est conseillé ce qui suit :
 Groupe de 8-12 personnes,
 Informer préalablement chaque participant de l'objet, de la date, de l’heure et du lieu
de la réunion,
 Prévoir une salle de réunion accueillante et confortable,
 Afficher les règles de remue-méninges et ne pas hésiter à les rappeler si nécessaire,
 Ne pas limiter la durée de la séance.

La méthodologie de mise en pratique de cet outil se présente comme suit :

1. Phase de réflexion (5 à 10 minutes)

 Indiquer clairement l'objet de la séance de remue-méninges.
 Rappeler, si nécessaire les règles des remue-méninges.
 Demander à chaque participant de noter ses idées sur une feuille de papier.

2. Phase d'expression des idées (20 mn)

 Inviter les participants à s'exprimer une idée à la fois.
 Noter chaque idée sur un tableau.
 Inciter les participants à dire toutes les idées qui leur passent par la tête sans réfléchir.
 Ne jamais écarter une idée parce que l'on pense qu'elle a déjà été exprimée.
 Continuer jusqu'à l’épuisement total des idées.
 Faire un dernier tour de table pour s'assurer qu'il n'y a plus d'idées à exprimer.
 Numéroter chaque idée dans l'ordre ou elles ont été émises.

3. Phase de discussion et de classement des idées (10 mn)

Les participants passent en revue l'ensemble des idées inscrites au tableau, éliminent celles
qui manifestement n'ont pas de relation avec le dysfonctionnement constaté.

3.7 Histogramme de fréquence

Il permet de visualiser un ensemble de données relatif à une caractéristique mesurable, afin

d’en déterminer la répartition.
L’analyse de l’histogramme de fréquences renseigne sur la valeur centrale des données, ce qui
permet de les comparer à la spécification d’un produit.

METHODE
 Identifier le max et min des données.
 Déterminer : l’étendue de la distribution des données (max - min), nb de classes pour
le groupement des données, largeur de la classe, le centre de classe, les limites de
chaque classe.
 Tracer sur l’axe vertical l’échelle des fréquences.

16
 3.8 Le Diagramme de dispersion

Permet d’étudier la relation qui peut exister entre deux caractéristiques mesurables. Lorsque
cette relation existe, la connaissance d’une donnée permet d’estimer la valeur correspondante
de la deuxième caractéristique.

METHODE
 Enregistrer toutes les données dans un tableau à 3 colonnes :
- 1ère colonne : identification de l’échantillon
- 2ème colonne : données de la 1ère caractéristique
- 3ème colonne : // 2ème //
 Tracer 2 axes perpendiculaires représentant les 2 caractéristiques xi et yi.
 Représenter les points (xi, yi)

INTERPRETATION DU DIAGRAMME
 Corrélation positive : Nuage étiré et mince montant.
 Corrélation positive possible: Nuage étiré et large montant.
 Aucune corrélation : nuage rond.
 Corrélation négative : Nuage étiré et mince descendant.
 Corrélation négative possible: Nuage étiré et large descendant.

EXEMPLE

17
 3.9 Les cartes de contrôle

La carte de contrôle est utilisée pour analyser la stabilité d’un processus industriel en se
basant sur la mesure continue des caractéristiques d’un produit.
Exemple : longueur, poids, pression, etc.
Elle se présente comme un graphique avec des axes x et y et 2 limites de contrôle, les valeurs
mesurées sont représentées sur le graphique et représentent l’état du processus.
L’utilisation des cartes de contrôle a pour but de suivre le processus de fabrication, en vue de
détecter les signes d’instabilité et pouvoir prendre les actions correctives nécessaires.
Voici quelques situations anormales :
1. Points hors contrôle : si des points sont en dehors des limites de contrôle.
2. Points en dehors de la ligne centrale : si 7 points consécutifs sont en haut ou en bas de
la ligne centrale.
3. Tendance : si des points consécutifs forment une ligne continu montante ou
descendante.
4. Périodicité : si la carte fait apparaître une tendance périodique en fonction du temps.

18
 CHAPITRE II
AMELIORATION DE LA QUALITE :
APPLICATION DE LA STATISTIQUE

I. INTRODUCTION

Quel que soit le processus de production, c'est-à-dire quels que soient le niveau de sa
conception, celui de sa maintenance, les matières premières utilisées, les qualifications de la
main d’œuvre, la méthode, etc., il ne sera jamais possible de créer des productions ou des
caractéristiques exactement identiques. Par exemple, le diamètre d’un arbre, le poids des
comprimés d’un médicament, la blancheur d’un papier, etc., varient d’une unité à l’autre. Une
grande variabilité du processus de fabrication entraînera donc des coûts de production trop
élevés à cause des rebuts et affecte la qualité des produits et par conséquent le non satisfaction
des clients. La réduction de la variabilité du processus constitue la clef d’amélioration de la
qualité. Il est impossible d’améliorer la qualité d’un produit sans connaître la variabilité.
Les méthodes statistiques permettent d’évaluer la variabilité d’un processus, de comparer
avec les exigences de la clientèle et d’orienter les actions d’amélioration. Elles permettent,
d’une part, d’établir des prévisions, d’autre part, de réduire les coûts de production.

II. OBJET ET DOMAINE D'APPLICATION DU CONTROLE

Les différents types de contrôle les plus courants sont :

1 - Contrôle de la proportion d'individus non conformes par comptage.

On procède au comptage du nombre d'individus non conformes dans un (ou des) échantillon
(s) prélevé (s) dans le lot.
Ce type de contrôle est appelé : Contrôle par attributs.

2 - Contrôle du nombre moyen de caractères non conformes par unité.

On procède au comptage du nombre de caractères non conformes présentés par les individus
de l'échantillon. Un individu peut comporter 0, 1, 2, ...... caractères non conformes.
Ce type de contrôle est également appelé : Contrôle par attributs.

3 - Contrôle de la proportion d'individus non conformes par mesurage.

Sur chacun des individus prélevés dans le lot, on procède au mesurage d'un caractère pour
lequel sont fixées une ou deux limites de tolérance.
Les mesures effectuées permettent de calculer un indice de qualité lié à la proportion
d'individus non conformes dans le lot (individus hors tolérance).

19
III. BUT DU CONTROLE

Le but immédiat du contrôle est de permettre l'application à chaque lot contrôlé de l'une ou
l'autre des décisions suivantes : Acceptation ou Rejet.
Lorsqu'elle s'applique à la livraison du fournisseur, l'expression Rejet doit s'entendre au sens
large de "non acceptation aux conditions prévues au contrat ".
C'est dans ce contrat que doit être précisé le sort qui sera réservé aux lots rejetés.
Quelle que soit la décision prise, les résultats obtenus lors du contrôle fournissent sur la
qualité des lots contrôlés une information qui peut être exploitée de différentes manières.
EXEMPLES
- Comparaison de la qualité de lots provenant de plusieurs fournisseurs.
- Appréciation du niveau de qualité de la fabrication provenant d'un même fournisseur.

IV. DOMAINE D’APPLICATION

1 - Le contrôle peut s'appliquer à des lots constitués d'individus de toute nature :

- Composants, matières premières, produits alimentaires.
- Matériels en cours de fabrication.
- Matériels terminés.
- Fournitures en stock.
- Etc.

2 - Le contrôle peut être exécuté sur des productions provenant :

- Soit d'organismes extérieurs à l'entreprise, fournisseurs ou sous-traitants.
- Soit de départements de l'entreprise.
Par opposition au contrôle en cours de fabrication, il s'applique à des lots dont une opération
de production est terminée.
S'il est inséré dans une chaîne de production, il n'a pas pour but principal de surveiller le
processus de production, cette fonction est assurée par les cartes de contrôle.

3 - Le contrôle peut se situer :

- Lors d'une livraison d'un fournisseur.
- Avant passage d'une opération de production à la suivante.
- Avant entrée dans le magasin.
- Avant la livraison à un client.

4 - Il peut consister :
- Soit à examiner la totalité des individus du lot, c'estm le contrôle à 100%. Le contrôle à
100% est celui qui donne théoriquement le plus de garantie. Mais il est généralement long,
onéreux et il ne peut être appliqué lorsqu'il entraîne la destruction des individus contrôlés.
De plus, l'expérience montre qu'une garantie totale est loin d'être obtenue par un contrôle à
100%, car l'opérateur du contrôle, homme ou machine, n'est jamais infaillible.

20
 - Soit à n'examiner qu'un nombre d'individus prélevés au hasard dans le lot, c'est le
contrôle sur échantillon ou contrôle par échantillonnage. Il est donc généralement préférable
d'adopter un contrôle par échantillonnage.
Il est évident que celui-ci ne permet pas de connaître exactement la qualité du lot contrôlé. Il
n'en donne qu'une estimation qui est exploitée en termes de décision dans le plan
d'échantillonnage.

V. NOTIONS FONDAMENTALES ET NOTATIONS « NORMES NF X 06-003 ET NF

X 06-004 »

1 – Lot (population)
Un lot est un ensemble d'individus produits ou fabriqués dans des conditions présumées
uniformes.
D'une façon plus précise un lot est considéré comme homogène lorsqu'aucune cause
identifiable de variation n'est intervenue lors de la production, l'élaboration des individus qui
le composent. Ceux-ci ne sont pas pour autant identiques, mais les différences qu'ils
présentent entre eux ne sont dues qu'à des facteurs incontrôlables ou aléatoires.

2 - Individu
Un individu peut être :
- Un objet concret, par exemple une personne, une pièce mécanique, un produit, un client,
etc.
- Un objet conventionnel, par exemple deux pièces assemblées pour remplir une fonction.
- Une mesure expérimentale ou une observation (taille, poids, longueur, temps de bon
fonctionnement, temps de réparation, taux de défaillance, etc.)
- Un évènement : une rencontre sportive, explosion, accident, etc.
Par extension, le terme d'individu peut être appliqué à la valeur observée sur l'individu
concret.

3 – Echantillon
Le contrôle s'effectue à partir de prélèvements appelés échantillons quand il difficile, par fois
impossible de mesurer tous les individus de la population.
Les individus appartenant à l'échantillon doivent être prélevés au hasard. Idéalement cette
condition est réalisée lorsque tous les individus du lot étant munis de numéros distincts, les
numéros sont déterminés au moyen d'une table de nombres au hasard ou un procédé
équivalent.

21
4 - Caractère qualitatif et caractère quantitatif
Le ou les caractères contrôlés peuvent être :
- Caractère qualitatif : par exemple l'aspect d'un produit, la présence ou l'absence d'un
caractère non conforme, le résultat d'un contrôle par calibre.
- Caractère quantitatif : par exemple une cote dimensionnelle. Un caractère quantitatif peut
être énoncé en terme de qualité : suivant le résultat de la mesure faite sur la pièce, celle-ci
sera classée conforme ou non conforme.

5- Variables aléatoires
Dans les études statistiques on utilise deux variables aléatoires : les variables discrètes et les
variables continues.

 Variables discrètes : une variable est dite discrète si elle ne peut prendre qu’un nombre
fini de valeurs dans un intervalle.
EXEMPLE
- les contrôles de qualité (pièces bonnes ou pièces mauvaises, nombre de défectueux,
nombre de pannes, etc.) sont l’origine de nombreuses variables discrètes.
- Les composantes essentielles de la qualité d’un produit (fiabilité, maintenabilité,
disponibilité, durabilité, etc.) sont aussi l’origine de nombreuses variables discrètes.
- Variables associées au jeu de dé : six valeurs possibles.

 Variables continues : une variable est dite continue si elle peut prendre n’importe quelle
valeur dans un intervalle donné entre une valeur minimale et une valeur maximale.
EXEMPLE
- Mesures physiques (température, temps, cotes, etc)
- Le nombre des valeurs possibles de la variable x de la fonction y=ax+b est infini.
22
6 - Types de contrôle
Les différents types de contrôle les plus utilisés sont :
 Contrôle de la proportion d'individus non conformes par comptage. Contrôle par
attributs.
A la suite du contrôle d'un ou de plusieurs caractères, qualitatifs ou quantitatifs, les
individus sont classés "conforme" ou "non conforme".
La décision concernant le lot est prise d'après le nombre d'individus non conformes
trouvés dans le ou les échantillon (s).
 Contrôle du nombre moyen de caractères non conformes par unité. Autre contrôle par
attributs.
Le nombre de caractères non conformes constatés sur chaque unité contrôlée est
enregistré et la décision concernant le lot est prise d'après le nombre total de caractères
non conformes dans le ou les échantillons.
 Contrôle de la proportion d'individus non conformes par mesurage.
Le caractère observé est une grandeur mesurable pour laquelle existent une ou deux
limites de tolérances, les individus hors tolérance étant considérés comme individus
non conformes. La moyenne et la dispersion calculées sur l'ensemble des individus de
l'échantillon constituent la base de la décision d'acceptation ou de rejet du lot.

VI. GENERALITES : CONTROLE DE LA FABRICATION - LOI DE GAUSS

La première méthode qui vient à l'esprit pour connaître le nombre de pièces bonnes ou
mauvaises consiste à vérifier le lot de pièces fabriquées.
Les résultats obtenus sont reportés dans un tableau et un histogramme est tracé. Cet
histogramme fait apparaît la courbe dite de GAUSS.
Il est possible sur cette représentation graphique de définir les zones de rebuts des pièces et la
zone de pièces bonnes.

23
Cette méthode de contrôle ne permet pas la maîtrise du processus de fabrication car elle est
effectuée lorsque la fabrication est terminée. En conséquence elle ne permet pas d'éviter les
rebuts résultant du processus de fabrication.

1- Surveillance d'un processus de fabrication - Loi de GAUSS

La première méthode qui vient à l'esprit consiste de prélever périodiquement une pièce
pendant le processus de fabrication, et de vérifier que les spécifications dimensionnelles et
géométriques correspondent au dessin de définition.
Les variations de mesures obtenues subissent l'influence de plusieurs facteurs indépendants,
dont chacun d'eux ayant une influence très faible.

EXEMPLES
- Différence de serrage des pièces sur la machine
- Variation des jeux dans les organes de la machine
- Profondeur de passe si la matière n'est pas bien calibrée
- Etc.

Les résultats enregistrés sont selon une loi normale appelée également Loi de GAUSS.

24
 2- Loi normale réduite

Dans une loi de distribution normale il y a autant de courbes de distribution que de valeurs de
la moyenne m1 et de l'écart type s1.
Aussi nous définirons une courbe de distribution étalon qui représentera la loi normale réduite
avec une seule valeur pour la moyenne, et une seule valeur pour l'écart type.
Nous avons appris à calculer la moyenne et l'écart type d'une distribution statistique réelle.
Dans certains cas, il est commode de remplacer une distribution réelle par une distribution
théorique pour laquelle les calculs de base figurent dans des tables spéciales. La loi normale
est la première distribution théorique étudiée. Un grand nombre de distributions réelles sont
assimilables à la loi normale.

3- Distribution d'une population

Il y a autant de distribution que de populations d'individus. Le but de l'opération est de se

ramener à une distribution normale. Une distribution normale ou de GAUSS est parfaitement
définie, ce qui permet de simplifier tous les calculs. Il sera donc nécessaire d'effectuer
quelques calculs très simples pour que notre répartition respecte les lois d'une distribution
normale. Cette opération terminée, tous les autres calculs beaucoup plus complexes sont déjà
réalisés et répertoriés dans des tableaux qu'il suffit d'utiliser. Dans ce cas nous pouvons
utiliser les résultants de la répartition d'une distribution normale.

25
4- Moyen de surveillance de la qualité

26
REMARQUES

Les histogrammes peuvent apporter d'utiles renseignements pour :

- L'établissement de "plans de contrôle" d'une fabrication.
- La réception de machines neuves, révisées ou modifiées.
- Le choix de la machine la mieux adaptée à un travail donné.

Ces renseignements montreront la nécessité d'avoir :

- Des outils dont la géométrie et les performances sont maîtrisés.
- Des pièces à usiner homogènes (géométrie, structure).
- Des machines à faible dispersion de fabrication.
- Des moyens de réglage performants.
- Des moyens de contrôle performants.
- Etc.

VII. L’HISTOGRAMME UN OUTIL POUR LA GESTION DE LA QUALITE

L’histogramme est un moyen simple et rapide pour représenter la distribution d’un paramètre
obtenu lors d’une fabrication.

27
EXEMPLES
- Diamètre d’un arbre après usinage,
- Dureté d’une série de pièces après un traitement thermique,
- Concentration d’un élément dans la composition d’alliages produit par une fonderie,
- Masse de préparation alimentaire dans une boîte de conserve,
- Répartition de la luminosité des pixels dans une photographie,
- Etc.

L’histogramme est un outil « visuel » qui permet de détecter certaines anomalies ou de faire
un diagnostic avant d’engager une démarche d’amélioration. Utilisé dans ce cadre,
l’histogramme est un outil « qualitatif ». Pour pouvoir bien mener l’étude de la dispersion
d’un paramètre à l’aide d’un ou de plusieurs histogrammes, il faut avoir une bonne
connaissance du paramètre étudié. De même, il faut connaître les conditions de collecte des
données : fréquence de mesure, outil de mesure utilisé, possibilité de mélange de lots,
possibilité de tri, etc.

ETAPES DE CONSTRUCTION D’UN HISTOGRAMME

COLLECTE DES DONNEES

La première phase est la collecte des données en cours de fabrication. Cette collecte peut être
réalisée soit de façon exceptionnelle à l’occasion de l’étude du paramètre soit en utilisant un
relevé automatique ou manuel fait lors d’un contrôle réalisé dans le cadre de la surveillance
du procédé de fabrication.
Sans qu’il soit réellement possible de donner un nombre minimum, il faut que le nombre de
valeurs relevées soit suffisant. Plus l’on dispose d’un nombre élevé de valeurs, plus
l’interprétation sera aisée.
On peut classer les étapes nécessaires à la construction d’un histogramme comme suit :

Etape 1 : Compter le nombre de données N

La première opération est de déterminer le nombre de classes de l’histogramme.
Généralement, dans le cadre d’une analyse de ce type, on utilise des classes de largeur
identique. Le nombre de classes dépend du nombre de valeurs N dont on dispose.
Le nombre de classes K peut être déterminé par la formule suivante :

Ou plus simplement

Etape 2 : Définir les limites inférieures et supérieures de l’histogramme.

En pratique, les valeurs extrêmes (minimum et maximum) doivent être recherchées par lecture
directe de l’ensemble des données pour établir les limites inférieure et supérieure de
l’histogramme.

28
Etape 3 : Définir l’étendue (W) des données
W = Valeur Maximale – Valeur Minimale

Etape 4 : Définir le nombre de classes (K) qui va constituer l’histogramme.

Le nombre de classes K permettant de définir l’intervalle des classes peut être :

- Soit choisi à partir des recommandations d’Ishikawa selon le tableau suivant :

- Soit par les relations suivantes en prenant toujours la partie entière supérieure (N étant
le nombre de données) :

Etape 5 : Calculer la largeur de classe, appelée aussi intervalle de classe, qu’on note ici h est
qui est égale :

Etape 6 : Pour construire l’histogramme, les valeurs extrêmes (le minimum et le maximum)
peuvent être considérées soit comme bornes de l’histogramme soit comme valeurs centrales
(milieu) des classes extrêmes.

Etape 7: Enumérer le nombre de données appartenant à chaque classe.

Etape 8 : Construire l’histogramme contenant les informations de base des données, la valeur
moyenne, l’écart type, les spécifications techniques, etc.

EXEMPLE
Soit la fabrication de rations alimentaires, la pesée des rations avant emballage donne la série
de mesures suivantes en kg :

29
Les caractéristiques du relevé sont les suivantes :
- Le nombre d'échantillons : N= ……
- Valeur minimale : ……. kg
- Valeur maximale : …… kg
- L'étendue : w = ………………………….

On en déduit les paramètres suivants pour l'histogramme :

- Le nombre de classes, en utilisant la formule logarithmique, est de …….
- L'amplitude de classe est …………………. que l'on arrondit à …………..
- La valeur minimale de la première classe est de ……….. Par souci de facilité pour
l'interprétation, on peut arrondir cette valeur à ……….. .

On obtient l'histogramme suivant :

30
 CHAPITRE III
CARTES DE CONTROLE AUX MESURES

I. INTRODUCTION A LA MAITRISE STATISTIQUE DES PROCESSUS

Deux objets ne sont jamais rigoureusement identiques. Quelles que soient les techniques
utilisées pour fabriquer ces objets, si précis soient les outils, il existe une variabilité dans tout
processus de production.
L’objectif de tout industriel est que cette « variabilité naturelle » demeure dans des bornes
acceptables. C’est une préoccupation majeure dans l’amélioration de la qualité industrielle.
Un des outils utilisés pour tendre vers cette qualité est la Maîtrise Statistique des Processus
(MSP). Si vous produisez un certain type d’objets, et si vous souhaitez conserver vos clients
pour pérenniser votre entreprise, vous devez vous assurer que les lots que vous leur livrez sont
conformes à ce qui a été convenu entre vous, le plus souvent par contrat. Tout industriel
sérieux effectue des contrôles sur les lots produits pour en vérifier la qualité, qu’il en soit le
producteur ou bien qu’il les réceptionne. Diverses techniques statistiques liées aux
prélèvements d’échantillons sont alors utilisées pour éviter, dans la plus part des cas, de
vérifier un à un tous les objets contenus dans un lot. Ce contrôle d’échantillons prélevés dans
des lots est indispensable si les contrôles à effectuer détruisent l’objet fabriqué, comme lors
d’une analyse de la dose de composant actif contenue dans un comprimé. Il existe cependant
des cas où l’on préfère vérifier tous les objets ; il est par exemple souhaitable que les freins
d’une voiture fonctionnent et un contrôle du freinage sur un échantillon dans la production
d’un lot d’automobiles ne garantit pas que tous les véhicules freinent correctement.
Lorsqu’un lot est contrôlé, il est conforme ou il ne l’est pas. S’il est conforme, on le livre
(fournisseur) ou on l’accepte (client). S’il n’est pas conforme, on peut le détruire, en vérifier
un à un tous les éléments et ne détruire que ceux qui ne sont pas conformes, etc. Toutes les
solutions pour traiter les lots non conformes sont onéreuses. Si le lot n’est pas conforme, le
mal est fait. La MSP se fixe pour objectif d’éviter de produire des lots non conformes en
surveillant la production et en intervenant dès que des anomalies sont constatées. Une bonne
MSP permet de supprimer un nombre important de contrôle in fine des lots produits.

1. Processus sous contrôle

On dit que le processus de production est sous contrôle, est maîtrisé, lorsque les
caractéristiques du produit fabriqué varient peu dans le temps, d’un produit à l’autre et sont
conformes à ce que l’on désire obtenir. Dans ce cas, il n’existe pas de cause précise faisant
varier les caractéristiques du produit. La variabilité n’est due qu’aux limitations techniques du
procédé de fabrication, à des causes aléatoires.
Pour savoir si le processus est sous contrôle, on prélève régulièrement de petits échantillons.
Si la caractéristique contrôlée est une mesure (poids, taille, concentration, etc.), le processus

31
est sous contrôle lorsque la moyenne (l’espérance) dans chaque échantillon de cette
caractéristique est égale à une valeur cible µ0 fixée et lorsque l’écart-type dans chaque
échantillon est égal à un écart-type naturel σ0. Alors que µ0 est fixée pour répondre à la
demande des clients, à un cahier des charges, à la qualité du produit, σ 0 dépend
essentiellement du processus de production, de la technologie mise en œuvre. Si la
caractéristique contrôlée est une proportion d’objets non conformes (d’objets conformes) dans
chaque lot, le processus est sous contrôle lorsque cette proportion est en moyenne dans
chaque échantillon égal à une valeur cible p0. La proportion p0 est fixée de sorte à respecter
les normes de qualités fixées par contrat ou par obligation légale. On cherche bien sûr à avoir
une valeur de p0 (proportion d’objets non conformes) voisine de 0. Si la caractéristique
contrôlée est un nombre de défauts par objet, le processus est sous contrôle quand ce nombre
est en moyenne égal à une valeur cible λ0 fixée. Idéalement λ0 = 0 ; cependant, on tolère
souvent quelques défauts mineurs, comme des défauts d’aspect.

2. Processus hors contrôle

Un processus hors contrôle, non maîtrisé, est le contraire d’un processus sous contrôle. Le
processus est hors contrôle quand il existe une variabilité trop importante ou des
caractéristiques non conformes à celles souhaitées. Il peut exister plusieurs causes, dites :
causes spéciales, ou encore : causes assignables, à ce dysfonctionnement. Un changement
d’équipe, de technicien sur une machine, le dérèglement d’une machine, une panne, des
conditions climatiques particulières, etc., peuvent être à l’origine d’un processus hors
contrôle. Dans les cas les plus graves, il faut revoir entièrement un processus de fabrication
inadapté aux objectifs fixés.

3. La MSP

La Maîtrise Statistique des Processus à pour but de mettre en place des outils statistiques de
surveillance des processus de fabrication. L’outil de base de la MSP que nous étudierons est
la carte de contrôle. Elle est constituée de tests statistiques paramétriques de conformité.

II. LES CARTES DE CONTROLE AUX MESURES DE SHEWHART

Le caractère étudié est une mesure (poids, concentration d’un composant chimique, cote, etc.).
L’objectif d’une carte de contrôle aux mesures est de détecter la présence de causes
assignables de dérèglement du processus de production. Le fondement théorique de
conception des cartes de contrôle est que le caractère numérique étudié est réparti dans la
population, dans l’ensemble de la production, suivant une loi normale.

32
 1. Cartes de contrôle d’étude initiale

Ces cartes sont destinées à la mise sous contrôle du processus. Ces cartes de contrôle sont
aussi appelées : cartes de contrôle de phase I, ou encore : cartes de contrôle pour la maîtrise.
Leurs paramètres sont déterminés à l’aide de mesures effectuées sur une vingtaine
d’échantillons de petite taille.
Pour les valeurs des différents coefficients nécessaires aux calculs, on se reportera au tableau
des coefficients de l’annexe.

CARTES (X, R)

On adopte le point de vue probabiliste des variables aléatoires. Pour m échantillons prélevé,
on note les m variables aléatoires qui associent à chaque échantillon, la
moyenne dans l’échantillon du caractère étudié. On définit alors la variable aléatoire,
moyenne des moyennes des échantillons :

µ est un estimateur sans biais de la moyenne du caractère dans l’ensemble de la production

(population).
Un estimateur plus inattendu, que nous n’avons pas encore utilisé est l’estimateur de l’écart
type du caractère dans la production. Cet estimateur utilise la variable aléatoire R définie par :

Où chaque variable aléatoire Ri associe à chaque échantillon, son étendue. On a alors :

Où d2 est un coefficient dépendant de la taille n des échantillons.

CARTE DE CONTROLE DE LA MOYENNE : CARTE X

La carte de contrôle de la moyenne, ou carte X, est constituée d’une ligne centrale

correspondant à la valeur LC = , et de deux lignes de contrôle correspondant respectivement
aux limites supérieures (LSC) et inférieures de contrôle (LIC). Figurent aussi parfois deux
lignes supplémentaires : les limites de surveillance.
Dans toute carte de contrôle de SHEWHART de phase I, les limites de contrôle ont un écart à
la moyenne égal à pour des échantillons de taille n. On a donc :

33
En posant , on obtient :

Pour obtenir les valeurs d’A2, il suffit de se reporter à la table donnée en annexe.

Construction de la carte

On prélève (effectivement) m échantillons de taille n. On a alors une réalisation des

différentes variables aléatoires présentées ci-dessus.
On calcule, avec les règles indiquées, les différentes valeurs prises par ces variables
aléatoires.
On trace sur la carte de contrôle la ligne centrale et les lignes de contrôle.
On porte sur la carte, pour i = 1, . . ., m, les points Mi de coordonnées (i, xi), où xi désigne la
moyenne du caractère étudié dans l’échantillon numéro i.

Règle de décision

– Si tous les points Mi sont situés entre les linges de contrôle, le processus est déclaré
maîtriser ;
– Si des points Mi sont situés en dehors des limites de contrôle, le processus est déclaré
non maîtrisé.

Si le processus est déclaré non maîtrisé, il est bon de comprendre dans quelles circonstances
les échantillons ont été prélevés pour tenter de cerner si le processus est globalement inadapté
ou s’il existe des causes spéciales à la variabilité excessive des moyennes.

EXEMPLE DE CARTE X : Dans une laiterie, un nouveau processus de production de

plaquettes de 250g de beurre est mis en service. On a prélevé vingt échantillons de quatre
plaquettes chacun et on a pesé chaque plaquette avec une balance de précision.
Le traitement statistique des mesures est effectué à l’aide d’un tableur.

34
CARTE DE CONTROLE DE L’ETENDUE: CARTE R

On souhaite ici visualiser, mettre en évidence, les variations de l’étendue. La conception de la

carte de SHEWHART de l’étendue, pour la phase I, utilise des coefficients : d3, dépendant de
la taille n des échantillons.
Pour cette carte on a :

On pose et

On obtient alors :

35
Construction de la carte

On prélève (effectivement) m échantillons de taille n. On a alors une réalisation des

différentes variables aléatoires présentées ci-dessus.
On calcule, avec les règles indiquées, les différentes valeurs prises par ces variables
aléatoires.
Il peut arriver que le calcul, à l’aide de d2 et d3, de la limite inférieure de contrôle donne un
résultat négatif. Dans ce cas, la limite de contrôle utilisée pour la carte est 0. Il est bien sûr
souhaitable que l’étendu soit aussi proche de la valeur 0 que possible, ce qui traduit une
variabilité faible du caractère numérique étudié.
On trace sur la carte de contrôle la ligne centrale et les lignes de contrôle.
On porte sur la carte, pour i = 1, . . ., m, les points Mi de coordonnées (i, ri), où ri désigne
l’étendue du caractère étudié dans l’échantillon numéro i.

Règle de décision

– Si tous les points Mi sont situés entre les linges de contrôle, le processus est déclaré
maîtriser ;
– Si des points Mi sont situés en dehors des limites de contrôle, le processus est déclaré
non maîtrisé.

EXERCICE : Tracer la carte de contrôle R de l’exemple précédent.

CARTES (X, S)

Pour m échantillons prélevés, on note les m variables aléatoires qui associent à

chaque échantillon, la moyenne dans l’échantillon du caractère étudié. On définit les m
variables aléatoires qui à chaque échantillon associent l’écart type de
l’échantillon. Attention ! L’écart type est ici celui déjà utilisé en estimation, c’est l’estimateur
ponctuel de l’écart type de la population. On définit alors la variable aléatoire, moyenne des
moyennes des échantillons :

est un estimateur sans biais de la moyenne du caractère dans l’ensemble de la production

(population).
On choisit comme estimateur sans biais de l’écart type, la variable aléatoire σ définie par :

Où et c4 est un coefficient dépendant de l’entier n (voir la table en annexe).

36
CARTE DE CONTROLE DE LA MOYENNE : CARTE X

Les paramètres de cette carte, pour des échantillons de taille n, sont les suivants :

On pose On a alors :

EXERCICE : Dans l’exemple précédent, une première série de mesures a été effectuée. On
renouvelle le prélèvement d’échantillons. Les nouvelles mesures sont reportées ci-dessous. Le
calcul des écarts types est réalisé à l’aide de la formule :

Déterminer les paramètres de la carte de la moyenne.

La construction de la carte X et la règle de décision sont identiques à celles de la carte X
décrites pour les cartes (X, R).

CARTE DE CONTROLE DE L’ECART TYPE : CARTE S

Cette carte est destinée à visualiser les variations de l’écart type des mesures. Elle utilise les
paramètres suivants :

On pose On a alors :

37
Pour déterminer les valeurs de B3 et B4, on consultera la table des valeurs de B3 et B4, en
fonction de la taille n des échantillons, fournie en annexe.
La construction de la carte S est similaire à la construction de la carte R (on reporte les écarts
type au lieu de reporter les étendues), et comme pour cette dernière, on remplace la limite
inférieure de contrôle par 0 si le calcul celle-ci donnait un résultat négatif. La règle de
décision est la même que pour une carte R.

EXERCICE : Construire la carte S de l’exercice précédent.

Lorsque les cartes de contrôle de phase I font apparaître un processus maîtrisé, leurs
paramètres peuvent être utilisés pour des cartes de phase II lors de la surveillance de la
production en temps réel.

2. Cartes de contrôle aux valeurs standard

Ces cartes de contrôle sont également appelées : cartes de contrôle de phase II. Elles sont
utilisées pour le suivi du processus en temps réel. Les valeurs standard de ces cartes sont
établies au préalable et constituent des valeurs cibles. On note µ 0 la valeur cible de la
moyenne, et σ0 la valeur cible de l’écart type. Ici, LC, LSC et LIC ne sont plus des variables
aléatoires, mais des valeurs numériques fixées suivant des règles bien précises.
Les cartes de SHEWHART sont caractérisées par des limites de contrôle situées à trois écarts
type de part et d’autre la tendance centrale.
Les bases probabilistes de ces cartes sont dues au fait que l’on considère que la variable
aléatoire associée aux mesures suit la loi normale N (µ0, σ0). Pour les cartes de SHEWHART,
la probabilité α de fausse alerte (risque de première espèce) est approximativement égale à
0,0027.

CARTE X DE SHEWHART

Les paramètres de cette carte sont :

En posant , on obtient :

(Voir l’annexe pour les valeurs de A en fonction de la taille n des échantillons).

La construction et la règle de décision sont identiques à celles d’une carte de phase I.

CARTE R DE SHEWHART

Les paramètres de la carte de contrôle de l’étendue sont :

38
La LIC étant fixée à 0 en cas de résultat négatif.

On pose . Les paramètres s’écrivent alors :

(Voir l’annexe pour les valeurs de D1 et D2 en fonction de la taille n des échantillons).

La construction et la règle de décision sont identiques à celles d’une carte de phase I.

CARTE S DE SHEWHART

Les paramètres sont :

La LIC étant fixée à 0 en cas de résultat négatif. Les paramètres de la carte s’écrivent alors :
On pose Les paramètres de la carte s’écrivent
alors :

La construction et la règle de décision sont identiques à celles d’une carte de phase I.

3. Tableau récapitulatif pour les cartes de contrôle aux mesures de SHEWHART

4. Annexe : Coefficients des cartes de SHEWHART

Tableau. Coefficients des cartes de SHEWHART en fonction de la taille n des échantillons

39
 CHAPITRE IV
CARTES DE CONTROLE AUX ATTRIBUTS

I. INTRODUCTION

Les cartes de contrôle aux mesures rendent compte de l’évolution d’un caractère numérique :
une mesure, durant le processus de production. Les cartes de contrôle aux attributs sont
destinées à surveiller la qualité de la production de façon plus grossière : conformité ou non-
conformité, nombre de défauts.
Toutes les cartes de contrôle aux attributs sont des cartes de SHEWHART, cartes
caractérisées par des limites de contrôle situées à trois écarts types de part et d’autre de la
ligne centrale.

II. LA CARTE P

La carte p permet de suivre la proportion de produits non conformes. Soit X la variable

aléatoire qui à une unité produite associe la valeur 1 si l’unité est non conforme et la valeur 0
si l’unité est conforme. La proportion p d’unités non conformes dans l’ensemble de la
production correspond à la probabilité pour que X prenne la valeur 1. X suit la loi de
Bernoulli B(p).
Lorsqu’un échantillon de n unités est tiré dans l’ensemble de la production, on sait que

la variable aléatoire qui à un tel échantillon associe le nombre d’unités non

conformes dans l’échantillon suit :

 La loi hypergéométrique H (N, pN, n), N étant le nombre d’unités toute la production,
lorsque le tirage de l’échantillon est un tirage sans remise ;
 La loi binomiale B (n, p) lorsque le tirage de l’échantillon est un tirage avec remise, ou
considéré comme tel si la taille de l’échantillon est inférieure à 10% de la taille de la
population.

Pour une carte p, nous nous placerons dans le second cas. Alors, la variable aléatoire

, qui a chaque échantillon de taille n associe la proportion d’unités non

conformes dans cet échantillon a pour moyenne : p, et pour écart type :

La construction d’une carte p n’a de sens que si l’on prélève des échantillons de quelques
centaines d’unités.

40
 1- Carte p de phase II

La proportion théorique d’unités non conformes étant p, les limites de la carte p de

SHEWHART sont, pour un échantillon de taille ni :

On remplace systématiquement LIC par 0 si le calcul de LIC donne un résultat négatif. On

remarquera que les limites de contrôles varient en fonction de la taille de l’échantillon. Pour
éviter cette variation, il est fréquent d’imposer que les échantillons aient tous la même taille.
Pour chaque échantillon prélevé de ni unités, on calcule la proportion de non conforme :

En faisant le rapport du nombre d’unités non conformes dans l’échantillon : D i, par le nombre
d’unités dans l’échantillon : ni.
Sur la carte de contrôle, on porte la ligne centrale, les limites de contrôle et les points M i de
coordonnées (i, pi). Si tous les points Mi sont situés entre les limites de contrôle, le processus
est déclaré maîtrisé ; dans le cas contraire, le processus est déclaré non maîtrisé.

2- Carte p de phase I

Comme pour toute carte de phase I, les paramètres de la carte doivent être estimés à l’aide
d’une vingtaine d’échantillons. On calcule :

Où Di est le nombre d’unités non conformes dans l’échantillon i de ni unités, pour chacun des
m échantillons prélevés. Ainsi, le nombre p est égal à la proportion d’unités non conformes
dans les m échantillons prélevés.
Les paramètres de la carte p de phase I sont alors :

On remplace systématiquement LIC par 0 si le calcul de LIC donne un résultat négatif. Les
limites de contrôle dépendent de la taille de l’échantillon.
Pour chaque échantillon prélevé de ni unités, on calcule la proportion de non conforme :

En faisant le rapport du nombre d’unités non conformes dans l’échantillon : D i, par le nombre
d’unités dans l’échantillon : ni.
41
Sur la carte de contrôle, on porte la ligne centrale, les limites de contrôle et les points Mi de
coordonnées (i, pi). Si tous les points Mi sont situés entre les limites de contrôle, le processus
est déclaré maîtrisé; dans le cas contraire, le processus est déclaré non maîtrisé.

EXEMPLE : Carte p d’étude initiale

III. LA CARTE NP

La carte p permet le suivi de la proportion d’unités non conformes ; la carte np permet le suivi
du nombre d’unités non conformes. Cette carte est une carte de SHEWHART : les limites de
contrôle sont situées à trois écarts types. Pour cette carte, les échantillons doivent tous être de
même taille. Comme pour la carte p, la carte np nécessite de prélever des échantillons de
grande taille (quelques centaines d’objets).

42
Le nombre d’unités non conforme est np. C’est le produit de la taille des échantillons n avec
la proportion d’unités non conformes p.

1- Carte np de phase II

On suppose que le nombre théorique d’unités non conformes dans les échantillons de n unités
est : np. On pose q = 1 − p. Les paramètres de la carte de phase II sont alors :

Si la valeur LIC calculée ci-dessus est négative, elle est remplacée par 0 pour la construction
de la carte. Sur la carte de contrôle, on porte la ligne centrale, les limites de contrôle et les
points Mi de coordonnées (i, ni), ni étant le nombre d’unités non conformes dans l’échantillon
i. Si tous les points Mi sont situés entre les limites de contrôle, le processus est déclaré
maîtriser ; dans le cas contraire, le processus est déclaré non maîtrisé.

2- Carte np de phase I

Le nombre théorique d’unités non conformes dans les échantillons de taille n est inconnu. On
choisit alors d’estimer p par la proportion d’unités non conformes dans l’ensemble des m
échantillons de taille n prélevés. En notant ni le nombre d’unités non conformes dans
l’échantillon i, la proportion p d’unités non conformes est calculée de la manière suivante :

On note q = 1 − p. Les paramètres de la carte np sont alors :

La carte se construit comme la carte de phase II, et les règles de décision sont identiques.

EXERCICE : Le tableau ci-contre donne le nombre d’unités non conformes dans vingt
échantillons de 250 unités. Tracer la carte np de phase I et déterminer si le processus est
maîtrisé.

43