Maîtrise Statistique des Procédés et Six sigma

Réponses
1. Histoire
 Dans les années 1960, les bases de la philosophie "Qualité
Totale" sont formalisées chez General Electrics. Le contrôle
de la qualité du produit fini commence à céder la place au
contrôle du procédé.
 Le fabricant de semi-conducteurs Motorola initie en 1980
une démarche de maîtrise de la dispersion des procédés de
fabrication. C'est en 1986, dans cette même entreprise, que
Bill SMITH décrit la démarche d'amélioration basée sur
l'utilisation des outils statistiques connue sous le nom de "6-
sigma".
Le contrôle à 100% est bien sûr nécessaire lorsqu’il y a un risque
pour la vie des personnes ; aussi, le contrôle par ultrasons doit se faire
sur toutes les pièces.
Pour des raisons évidentes, le contrôle par échantillonnage devra
être utilisé pour tous les contrôles destructifs (détruire la pièce).
La rotule après le test de résistance aux chocs n’est plus utilisable
donc on adoptera un contrôle échantillonné. Il est possible de
résumer grossièrement l’utilisation des deux types de contrôle sous
forme de tableau :

 Depuis, de nombreuses entreprises ont fait connaître leur

engagement dans une démarche "6-sigma ": ABB, General
Electric, l'avionneur canadien Bombardier, Nokia,
l'avionneur américain Lockheed Martin, Sony, Polaroid,
DuPont, Ford Motor Company, Toshiba, American Express.
2. L’objectif de Six sigma
Cette démarche a tout d’abord consisté en l’application des concepts
de la Maîtrise statistique de processus (MSP/SPC) et s’est ensuite
largement étoffée en intégrant tous les aspects de la maîtrise de la
variabilité.
Bien sûr d'autres critères interviennent dans le choix des types de
contrôle :
Tailles des séries, valeur ajoutée des produits, coût du contrôle (est-il
raisonnable d'effectuer un contrôle coûteux lorsque trois ou quatre
pièces sur 1000 sont défectueuses ?), choix des caractéristiques à
contrôler etc.
Remarque : un contrôle à 100% ne veut pas dire que l’on contrôle
toutes les caractéristiques du produit mais une seule.

3. Contrôle statistique des lots Avant de parler des risques dus à l'échantillonnage, précisons que le
Un procédé de fabrication produit environ 20 produits non-conformes contrôle à 100% n’est pas sans risque. En effet, le caractère répétitif et
sur un lot de 20000. monotone des opérations de contrôle peut conduire à des erreurs et
 Est-ce qu'on accepte le lot sans contrôle ? Est-ce qu'on contrôle notamment à l’acceptation de pièces défectueuses. Il peut conduire
tout le lot? aussi au refus de pièces bonnes car certains contrôleurs considèrent
 Est-ce qu'on contrôle une partie du lot (échantillon) ? Quelle taille qu’ils doivent nécessairement rejeter certaines pièces pour que leurs
d'échantillon doit-on choisir ? chefs considèrent qu’ils ont bien fait leur travail.
 A partir de combien d’articles défectueux dans l'échantillon
refuse-t-on le lot ? Avec quels risques ? 4. Niveau de qualité acceptable, risque client, risque
 Un procédé de fabrication réalise des produits conformes à un fournisseur, choix taille d'échantillon
instant t, comment puis-je m'assurer qu'il produira des produits de
qualité dans une semaine, dans deux semaines ou dans une heure 4.1 Risque client, risque fournisseur
sans contrôler toutes les pièces ? Il existe deux types de risque pour le contrôle par échantillon :
Voici un certain nombre de questions auxquelles sont confrontés les - Le risque client (risque β) est la probabilité, pour un plan
fabricants de produits en série et auxquelles les techniques d'échantillonnage donné, d’accepter un lot alors qu’il est mauvais.
statistiques permettent de répondre. - Le risque fournisseur (risque α) est…, de se voir refuser un lot
considéré comme mauvais alors qu’il est bon.
Champ d'application
 en contrôle final chez le fournisseur ;
 ou en contrôle de réception chez le client,
Ce contrôle statistique des lots ou contrôle par échantillonnage
s’oppose au contrôle à 100%. En effet, dans le contrôle à 100%,
chaque produit est contrôlé. Lors du contrôle par échantillonnage, on
Il est délicat de déterminer facilement le plan qui convient aux deux
ne contrôle qu’un échantillon (une partie du lot) pour accepter ou
risques. L’utilisation de tables standard nous permet de définir le plan
refuser tout le lot.
d'échantillonnage, c.à.d. de déterminer :
Quand faut-il contrôler à 100% ? Quand peut-on contrôler par
 la taille n de l’échantillon ;
échantillonnage ?
 le critère d’acceptation c (ou k) (le nombre de défectueux
Prenons l’exemple d’une rotule de direction et deux types de contrôle:
admis dans l’échantillon avant de rejeter le lot).
 Le premier est un contrôle par ultrasons permettant de
Exemple :
détecter la présence de "pailles" dans l’acier, défauts
Pour une production d’agrume, supposons que nous acceptions des
pouvant apparaître lors de la fabrication de l’acier et
lots dont le taux de défectueux p0= 2%, sur la base d’un contrôle du
pouvant créer des amorces de rupture.
diamètre, et que ceux dont le taux p1 =12%, seront rejetés. En vous
 Le second est un contrôle de résistance aux chocs (la rotule
aidant de la table déterminer la taille de l’échantillon et le nombre de
est une pièce de sécurité, elle peut plier en cas de choc mais
défectueux autorisés.
ne doit pas casser).

L'utilisation du tableau nous permet de trouver n=40 et c=2 à partir
des deux valeurs de p0 et p1, avec un risque client de 10% et un
risque fournisseur de 5%.
Remarque : La méthode proposée ne prend pas en compte
pour la taille de l’échantillon, la taille du lot
4.2 Niveau de qualité acceptable
Niveau de qualité acceptable (NQA): le pourcentage maximum p0
d’individus défectueux d’un lot qui peut être considéré comme
satisfaisant en tant que moyenne d’un processus. Il est déterminé
par un accord commun entre le fournisseur et le client.
Dans la pratique, lorsque la taille des lots, le niveau de contrôle et le
NQA sont définis, on peut déterminer à l'aide de tables la taille des
échantillons et le nombre de défectueux dans l’échantillon au-delà
duquel on va refuser le lot.
Exemple d’utilisation de tables standard pour un plan simple.
Contrôle de lots de 4 000 pièces niveau de contrôle II avec un NQA
de 1%. Déterminer la taille de l’échantillon et les critères
d’acceptation et de rejet.
Réponses :
La première table correspond à un niveau de contrôle II (le plus
utilisé). Elle permet de déterminer la lettre code (L) ainsi que la taille
de l'échantillon : n=200.
La deuxième table nous permet de déterminer à partir de la lettre
code et du NQA (1%) les critères A d'acceptation et R de rejet :
A=5 et R=6.
Cela signifie que pour valider le lot nous allons contrôler un
échantillon de 200 pièces.
Si l'échantillon comporte A (5) ou moins de A pièces défectueuses le
lot sera accepté et si l'échantillon comporte R (6) ou plus de R pièces
défectueuses le lot sera refusé.
4.3 Plans de contrôle
Lorsque les risques et les niveaux de qualité sont choisis par un accord
commun entre client et fournisseur, il faut déterminer le type de plan
de contrôle :
Plan de contrôle simple
Il consiste à prélever un échantillon de n individus et à contrôler le
nombre k de défectueux. Puis en fonction de deux critères A
(acceptation du lot) et R (critère de rejet), de rejeter ou d'accepter le
lot.
Plans doubles
Le principe est identique mais on donne une 2ème "chance" avant de
rejeter le lot en prélevant un 2ème échantillon
4.4 Contrôle réduit, contrôle renforcé
Les interprétations des résultats des contrôles de réception
permettent une classification des fournisseurs. Si un fournisseur est
douteux quant à la qualité de ses produits, le client pratiquera un
contrôle renforcé, dans le cas contraire on utilisera un plan réduit. La
norme prévoit pour le passage entre les différents plans :
 Le principe de la maîtrise du processus

5. Maîtrise Statistique des Procédés

5.1 M.S.P. et exigences ISO
 La norme exige que tous les procédés de production qui ont une
incidence sur la qualité du produit fini soient mis en œuvre dans
des conditions maîtrisées (sous contrôle).
 La norme exige que des contrôles et essais soient effectués aux
différentes étapes du procédé pour assurer la conformité avec les
exigences spécifiées.
 La norme exige que l'entreprise conserve des enregistrements qui
Objectifs de la MSP
serviront à démontrer la conformité du produit aux exigences Le principe de base :
spécifiées. • “Mieux vaut PRÉVENIR que guérir”
 La norme exige que des techniques statistiques appropriées soient • “C’est la qualité du PROCÉDÉ qui fait la qualité du produit”
utilisées pour vérifier l'aptitude des procédés et les Les résultats visés :
caractéristiques du produit.  Connaître l'aptitude du processus à répondre aux spécifications
et l' (s') adapter ;
Vérification de la qualité :  Anticiper l'apparition de produits défectueux par le pilotage des
procédés ;
 l'inspection à 100% où toutes les pièces produites ;
 Réduire la variabilité des procédés et ainsi assurer la
 plan d'échantillonnage à la base conçu pour accepter un lot de
reproductibilité de la production
produits avec un certain nombre de produits non conforme ;  Fournir une base concrète et objective pour :
 l'inspection automatisée. . Un dialogue entre les partenaires
. Une évaluation de l'amélioration de la qualité
 Ces méthodes présentent le même problème majeur :
elles mettent l’accent sur la détection des produits défectueux
Replacer la MSP dans la démarche qualité
plutôt que de se concentrer sur la prévention.  MSP
• Que devons nous faire?  Spécifications produits
• Est-ce possible?  Aptitude des procédés
5.2 Définition d’un processus • Le fait-on bien ?  Cartes de contrôle
• L'avons-nous bien fait ?  Contrôle (par échantillon)
D’après ISO 9000 :
• Peut-on mieux faire?  Plans d'expérience
 Ensemble d’activités corrélées ou interactives qui transforme
 Analyses statistiques
des éléments d’entrée en éléments de sortie.
 Ensemble de fonctions ordonnées et séquentielles, chacune Les acteurs concernés
servant à satisfaire un besoin particulier dans le contexte global
• Les responsables et agents de Fabrication ;
de réaliser ce bien ou ce service
• Les responsables des Contrôles ;
L’analyse descriptive du processus • Les responsables de la Maintenance ;
Pour chaque activité unitaire un processus : procédé • Les Commerciaux et les Concepteurs ;
• Les Gestionnaires ;
• Les Consultants.

5.3 La variabilité
 Il n y a pas deux choses identiques. Statistiquement on dirait: « il
n'y a pas deux individus identiques ».
 Elles proviennent des 5 M et de leurs combinaisons, ce qui
représente un grand nombre de différences dues à leurs
influences combinées.
 Ceci est vrai à chaque étape du procédé; on imagine aisément le Description d'une répartition Caractéristiques de dispersion
nombre considérable de combinaisons dès l'instant où le nombre
d'étapes est grand.
 Valeurs :
 Ces influences combinées pour tout le procédé sont appelées  Si l’écart type est faible alors les valeurs sont proches de la
variations. moyenne,
 Si l’écart type est grand, alors les valeurs sont éloignées de
Les niveaux et les origines de la variabilité la moyenne,
 Si toutes les données ont la même valeur alors σ = 0 (notion
théorique).

 Objectif industriel : Production de qualité si :

 l’écart type est faible,
 la moyenne est centrée sur la valeur cible (valeur idéale).

Causes des variations communes :  Caractéristiques d’une distribution

Tous les procédés sont soumis à de telles variations. Ces causes ont la
particularité de :
 provenir d'un grand nombre de petites sources ;
 concerner le procédé ;
 rester relativement stables ;
 caractériser, le plus souvent, des phénomènes aléatoires ;
 demeurer d'une prévision relativement possible ;
 se maintenir dans un état quasi permanent, s'il n'existe aucune
intervention extérieure ;
 exister dans toute l'entreprise.
Causes des variations spéciales :
Ces causes ont la particularité de :
 provenir d'une seule source ou d'un grand nombre de sources
importantes ;
 caractériser, des événements fortuits (Inattendus),
 devenir irrégulières ;
 rester difficiles à prévoir ;
 se manifester à nouveau à moins d'interventions extérieures ;
 pouvoir être corrigées localement.
Répartition normale
Or, l'expérience prouve que pour tout procédé dans l'entreprise, 85% Intérêt :
des causes sont communes (disons aléatoires), 15% seulement sont Si la répartition est normale alors :
spéciales (disons inhabituelles).  le procédé ne présente pas de facteur important de déréglage;
 la répartition est caractérisée par la moyenne et l'écart type ;
D'où l'OBJECTIF:  les lois statistiques peuvent être employées pour établir des
prévisions.
1. Se débarrasser d'abord et définitivement des causes spéciales,
2. ensuite réduire les causes communes.
Problème industriel :
À partir des valeurs relevées (échantillonnage), est-il possible de
La loi normale
modéliser le phénomène réel par une loi normale ?
Propriétés :
Chaque fois que les causes de variation sont multiples et sont
indépendantes les unes des autres ;
On retrouve les propriétés de la loi normale.

KIT-SPC :
Identification de l’entreprise
 Nom: Groupe REDIX
 Établissement de: BASANCON
 Activité: Production d’élément mécanique pour les
constructeurs automobiles
  Principal moyen de production: machine SIM automates de Les tests de normalité
production d’axes sphérique se connectant sur un sélecteur
automatique de pièce. Les histoires d’après les mesures n’est jamais parfait:
 Effectif: personnes 150  Soit parce que les mesures correspondent à des variations dues à
 Dessin de la pièce: des causes spéciales ;
 Soit parce que les mesures ne sont pas nombreuses ;
M1: Présentation du simulateur  Soit parce que le processus de mesure comporte des anomalies ;
 Machine –capots- la baguette de production 5 par 5 pièces.  Soit tout simplement la loi n’est pas normale.
 Production de 100 pièces Dans ce cas si on applique les propriétés de la loi normale les résultats
 Constater la dispersion
seront erronés, il est donc important de s’assurer de la normalité de la
 Présenter le sélecteur, les échelles de mesure
loi c’est-à-dire l’absence d’anomalies.
M2: la mesure de la conformité
 L’entreprise reçoit la lettre N°1 du client
 Production de 100 pièces A/ La droite de Henry
 Dessiner le contour de la production et envoyer cette image au Objectif : vérifier si la distribution est Gaussienne. . Le caractère
client normal de la distribution se reconnaît à la qualité de l'alignement des
M3: Image de la production
points.
 L’entreprise reçoit la lettre N°2 du client
 Production de 100 pièces Principe : basé sur la transformation graphique :
 Dessiner le contour de la production et envoyer cette image au  En abscisse: Les valeurs de Xien ordre croissant (en centre
client de classe)
 L’entreprise reçoit la lettre N°3 du client  En ordonnée: La probabilité cumulée donnée par :
 Production de 100 pièces
 Dessiner le contour de la production et envoyer cette image au
client
 L’entreprise reçoit la lettre N°4 du client

Étapes de mise en place de la MSP

Les étapes à suivre :

1/ Calculer le nombre de classe: √
2/ Calculer l'étendue d'une classe:
√
3/ Construire le tableau suivant:

4/ Représenter la droite de HENRY

5/ En suite on détermine graphiquement:
XO (la moyenne): correspond au point dont l'ordonnée est 50%
S (l'écart type): s'obtient en divisant par deux l'intervalle entre les
abscisses qui correspond aux deux ordonnées 16% et 84%.
 Si les points ne sont pas alignés, la loi n'est pas normale

Mise sous contrôle Processus Interprétation du test :

Si la distribution de la variable dans l’échantillon était de Gauss, les
points seraient parfaitement alignés. Si la distribution de la variable
dans la population est de Gauss, la courbe obtenue avec la
distribution de l’échantillon, qui n’a aucune raison d’être de Gauss,
devrait tout de même, puisque l’échantillon est au hasard, être voisin
d’une droite, et ceci d’autant plus que cet échantillon est grand.
Par conséquent :
Si les points obtenus sont sensiblement alignés, on conclut qu’il n’y a
aucune raison de rejeter l’hypothèse de normalité dans la population.
Si les points obtenus ne sont pas sensiblement alignés, on conclut
qu’on rejette l’hypothèse de normalité dans la population. Le
jugement est, évidemment, totalement subjectif, et le test est assez
"rustique".
B/ Test de kolmogorov-smirnov
Ce test étudie l'écart entre : la fonction des probabilités cumulées de
Les limites de contrôle et tolérances :
l'échantillon et la fonction des probabilités cumulées de la loi
théorique. On regarde pour tous les points cet écart. Et on garde la
valeur la plus élevée en valeur absolue. Cas de la loi normale :
1/ trier les valeurs dans l'ordre croissant.
2 / calculer la moyenne et l'écart-type.
3 / faire le tableau pour le calcul des écarts.

NB : Ce test est assez puissant et précis par rapport aux autres tests
et ne nécessite, aucune restriction au niveau de ta taille d’échantillon.
Il demande moins de calculs et tient compte à la fois de petits et
grands échantillons.

Procédure :
Soit X1, X2, X3,… Xn un échantillon de distribution théorique F(X)
La dispersion est donnée par le processus (d’après les mesures
connue.
effectuées). Elle permet de calculer les limites de contrôle.
Soit F*(X)= i/n+ 1 la fonction de répartition empirique.
La tolérance est donnée par le plan.
On montre que la quantité Dn = Max lF *(X)- F(x)l ne dépend que de
la taille de t'échantillon (n).  Les limites de contrôle sont donc différentes de la tolérance.
En associant cette propriété au risque α (niveau de confiance) on
obtient la probabilité : ⌊ | ( ) ( )| ⌋ Les limites de contrôle, tolérances et défauts:
Au niveau de confiance α, on conclut au rejet de l'hypothèse de
∑ ( ̅̅̅̅̅
)
normalité si :

Les deux causes de variation : Pour une loi normale :

5.4 Capabilité d’un processus

Les deux responsabilités : Les coefficients de capabilité sont des indicateurs fondamentaux de la
MSP . – preuve à l’aptitude du procédé à respecter les spécifications ;
 indice d’évaluation de l’amélioration du procédé, suite aux
actions correctives envisagées.

Les instruments de mesure doivent être capables et agréés, et doivent

pouvoir mesurer le dixième de la tolérance prévue.

Avant l’évaluation de l’aptitude : le processus doivent être stable, càd

que la variabilité de production n’est due qu’à des causes communes.

2 types de coefficients de capabilité :

 le 1er ne met en évidence que la dispersion (Cm capabilité
machine, Cp capabilité procédé)
 le 2nd ne met en évidence que le centrage et la dispersion
(Cmk capabilité machine, Cpk capabilité procédé)
A/ La capabilité Cp :
Capabilité machine Cm : représente la mesure de la performance de
la machine seule, indépendamment des autres facteurs ;
Capabilité du procédé Cp : reflètele fonctionnement de l’ensemble
des facteurs de production.
 Se définit comme le rapport entre la performance demandée (de la
machine ou du procédé selon le cas) et la performance réelle.
Quelques valeurs remarquables de Cp :
Les deux caractéristiques d’une distribution :
B/ Indice de capabilité Cpk :
L'indice de capabilité Cpk tient compte des deux problèmes que
présente l'indice Cp Il y a cependant deux formules pour calculer cet
indice. Seulement la plus petite valeur est considérée comme étant
l'indice Cpk
Quelques valeurs remarquables de Cpk pour un Cp =1,33
Calcul capabilité machine :
 Être dans le cas d’un contrôle de mesures ;
 Vérifier que la distribution suit une loi normale ;
 Comparer les possibilités de la machine aux tolérances
spécifiées :
Car, avant d’agir sur le procédé et le mettre sous contrôle,
il faut s’assurer que la machine est apte à fabriquer des
produits conformes aux spécifications.
Il s’agit donc de situer la distribution par rapport aux spécifications et
de calculer le rapport entre l’intervalle de tolérance et six écarts-types
de la distribution :
Ts : tolérance supérieure
Ti : tolérance inférieure
i : écart-type instantané
Cm : capabilité machine
Ts – Ti = IT = intervalle de tolérance
Avec l’exigence que :
On dira que la machine est apte si :
La capabilité machine doit se calculer à partir de données relevées
dans un laps de temps très court incluant seulement la dispersion de
la machine, en dehors de toute modification des autres facteurs de
production (matière, mains d’œuvre…).
S’il n’y a pas de difficulté pour calculer Ts – Ti, l’écart type instantané L’objectif essentiel de la MSP étant l’amélioration continue du
se calcule de la façon suivante : procédé, le Cpk sera le coefficient privilégié à suivre pour évaluer
 Soit 50 pièces consécutives. cette amélioration.
 Soit prélèvements rapprochés de k échantillons de n pièces
chacun, dans ce cas on peut estimer i par la moyenne des
étendues des échantillons.
Taille : d2
2 :1,128 / 3 :1,693 / 4 :2,059 / 5 :2,326 / 6 :2,534 / 7 :2,704/
8 :2,847 / 9 :2,970 / 10 :3,078 / 11 :3,173 / 12 :3,258

Un autre coefficient existe, inclut à la fois le centrage et la dispersion :

̅ ̅
( )

Exploitation de l’indice Cm
machine non apte à produire des pièces conformes aux
spécifications. Des valeurs seront > ou < aux tolérances
spécifiées  une partie de la production sera en
dehors des tolérances
machine tout juste apte. La dispersion est égale à
l’intervalle de tolérance.  Elle produit bien 99,8% de
pièces bonnes, mais la moindre variation entraînera la Exemple
production de pièces non conformes
machine apte et tolère une dérive d’autant plus grande
que l’indice Cm est plus élevé

Calcul capabilité procédé

 Indice capabilité procédé Cp
L’indice de capabilité procédé ne peut être calculé que lorsque le
procédé est sous contrôle, c.à.d. qu’il ne reste comme causes de
variabilité ou de dispersion que des causes aléatoires.

̅ ̅
̂ ̂
̂

Ts : tolérance supérieure
Ti : tolérance inférieure
S : moyenne des écart-types des échantillons
R : moyenne des étendues des échantillons
C4 selon tableau :
2: 0,7919 / 3: 0,8862 / 4: 0,9213 / 5: 0,940 / 6: 0,9515 /
7: 0,9594 / 8: 0,9650 / 9: 0,9693 / 10: 0,9727 / 11: 0,9754 /
12: 0,9776

 Coefficient de capabilité procédé Cpk

Il permet d’apprécier la dispersion et le centrage

̅ ̅
( )
̂ ̂

Signification du coefficient Cpk

Cpk < 1 procédé n’est pas capable de maintenir toute la
production dans les spécifications
1 < Cpk < 1,33 c’est le minimum acceptable : il faut améliorer le
procédé
1,34 < Cpk < 2 le coefficient est bon : il faut continuer les efforts
Cpk > 2 le coefficient est excellent