Maîtrise Statistique Des Procédés : MSP

Statistical Process Control : SPC

Introduction

La MSP est un outil de contrôle de la qualité qui permet de surveiller un procédé de

fabrication ou une méthode d'analyse. Elle représente une méthode préventive qui vise à
maintenir la qualité des procédés et elle est utilisée dans la promotion et le maintient de la
santé d'une entreprise commerciale ou industrielle.

Cartes de Contrôle

Définition
Elles sont des méthodes statistiques de contrôles qui font appel à la théorie
d'échantillonnage et qui permettent d'enregistrer chronologiquement des données
caractéristiques d'un procédé sous forme de graphique. Ce dernier est constitué d’une suite
d’images de la production.
Objectif
On vise en traçant une carte de contrôle à déterminer si les données du graphique sont
STABLES ou NON STABLES en fonction du temps.
On peut diviser l’échantillonnage en deux catégories selon l’objectif visé par le tracé de la
carte de contrôle:

- Pour suivre des changements dans le procédé en fonction du temps, l’opérateur contrôle
les n dernières pièces produites à un intervalle de temps régulier.
- Pour prendre une décision sur l’acceptation ou le rejet de la production, l’inspecteur
prélève aléatoirement n pièces au sein de la production depuis son dernier prélèvement.

But : On cherche à distinguer les variations dues à des événements spécifiques (Mauvais
fonctionnement des machines, Erreur d’un opérateur, Non conformité de la matière,
Modification exceptionnelle de l’environnement, …) de celles découlant du caractère
aléatoire habituel du processus.

Lorsque seules les causes communes agissent sur le procédé, on dit que le «procédé est sous
contrôle statistique» et la carte de contrôle va détecter graphiquement le cas où le procédé
n'est plus sous contrôle.
Exemple d’une carte de contrôle
Limite supérieure de contrôle

Donnée sur le
processus contrôlé

Limite inférieure de contrôle

N. B. La MSP introduit une nouvelle dimension c’est le suivi du procédé en temps réel.

* Pour pouvoir mettre en place le suivi par Carte de Contrôle Qualité, il faut au préalable:

- A partir de l’ensemble des caractéristiques qui définissent le produit, sélectionner le

critère révélateur de la qualité du produit,
- Il faut s’assurer que le critère est mesurable et qu’il est pilotable,
- Il faut s’assurer que le procédé est stable.
Etapes pour stabiliser le processus

Etape 3 TEMPS
Amélioration de la capabilité
Pas de pièces hors tolérance.
Le procédé est sous contrôle.
Le procédé est capable.
On "maîtrise" le procédé.

Sous contrôle
Procédé
(variation imputable aux
prévisible
causes aléatoires réduites)

Etape 2 Tolérance : Ti
Inférieure
Suppressions des principales
causes assignables. Ts : Tolérance
Le procédé est prévisible. Supérieure
La répartition suit une courbe de
gauss.
Présence de pièces hors tolérance.
Le procédé n'est pas capable. Sous contrôle (causes
assignables éliminées)

Etape 1
Le procédé n'est pas sous contrôle.
Procédé
Présence de causes assignables. non
La répartition ne suit pas une prévisible
courbe de gauss.
Présence de pièces hors tolérance.
Hors contrôle
Le procédé n'est pas capable.
(causes assignables présentes)
* Afin d’être exploitable, la carte de contrôle doit contenir: la situation du procédé, la
dispersion du procédé, la chronologie des prélèvements, les causes spéciales, les actions
correctives, la fréquence d’échantillonnage et la taille des échantillons.

Les différentes cartes de contrôle

Cartes de type Shewhart:
 Caractère quantitatif: cartes de contrôle par mesures de la moyenne, de la médiane, de
l'étendue, de l'écart-type.

 Caractère qualitatif: cartes de contrôle par attributs du pourcentage de non-conformes,

du nombre d'unités non-conformes, du nombre de non-conformités(défauts), du nombre
moyen de non-conformités par unité,

 Cartes tenant compte du passé

Pour déceler les petites déviations, en particulier suivre un processus continu :

 Cartes à somme cumulée (CUSUM, Cumulative Sum)

 Carte à moyenne mobile avec pondération exponentielle (EWMA, Exponentially
Weighted Moving Average)
Tableau comparatif des cartes de contrôle aux mesures et aux attributs

CARTE DE CONTRÔLE aux MESURES Fonctionnement du Procédé

(Tendance centrale, Dispersion) (Tolérance, Dimension)

Loi Normale

CARTE DE CONTRÔLE aux ATTRIBUTS QUALITE DU PRODUIT

(Bon ; Mauvais)
(Nombre, Proportions) Loi Binomiale ou de Poisson

CARTE DE CONTRÔLE AUX MESURES

Elle est utilisée pour les caractéristiques mesurables et continues (poids, volume, dosage…
Elle comprend deux graphiques:
Un pour suivre la tendance centrale (position):
- des moyennes
- des médianes)
L’autre pour suivre la dispersion du procédé
- des étendues
-des écarts types)

Il concerne toutes les caractéristiques mesurables

- Moyenne – Étendue

- Moyenne - Écart type

- Médiane – Étendue

- Valeur individuelle – Étendue mobile

Comment établir une carte de contrôle ?

Un point représente une valeur collectée :
 Un point pour la position
 Un point pour dispersion

Etapes qui permettent de créer une carte de contrôle X/R

Étape 1 : Collecter les données au fur et à mesure que l’on produit

Journal de bord de la production :

Les pièces produites avec aucun changement de matière, d’équipe, de méthode pendant la
période de prélèvement

Étape 2 : Calculer des valeurs limites:

Les limites de contrôles sont calculées pour les effectifs cumulés produits.
o Dans le cas sigma connu

1- Les limites de contrôle de la moyenne sont:

3
Limite supérieure de contrôle : LSC  Cible   Cible  A
n
3
Limite inférieure de contrôle : LIC  Cible -  Cible  A
n
Avec :  est l’écart-type de la population totale;
n est l’effectif produit et pris en compte sur la carte depuis le réglage précédent et
A est une constante qui dépend de la taille des échantillons n,
N. B. : Ces limites sont calculées de telle sorte que si le processus est stabilisé, on aura :
P(LIC  Xbar  LSC) = 0,997

2- Limites de Surveillances sont :

2 2
LSS  Cible  LIS  Cible 
n n
Le graphique de la variation de la moyenne permet de Surveiller le réglage de la consigne.

Conclusion : Le risque de fausse alarme est de 0,27% pour le dépassement des limites de
contrôle et de 4,6% pour celui des limites de surveillance,

o Dans le cas sigma inconnu

- les limites de contrôle de la moyenne sont:

Ligne centrale : valeur cible

Limite supérieure de contrôle: LSC  Cible  A2R A

A2 
d2
Limite inférieure de contrôle: LIC  Cible  A2R
En pratique on remplace la cible par la moyenne des observations.

Le graphique de la variation de l’étendue :

Ligne centrale : R
Limite de contrôle supérieure (LSC) : D R
4
Limite de contrôle Inférieure (LIC) : D R
3
A, A2, d2, D3 et D4 sont des constantes qui dépendent de la taille des échantillons n,

Exemple: Pour n = 5, d2 = 2,326; A = 1,342; A2= 0,577; D3 = 0 et D4 =2,114.

Attention: il faut portez les informations fondamentales (Cible, LCS, LCI, LSS, LSI, la
dispersion) sur les graphes.

Cartes de contrôle dont l'objectif est d'assurer la conformité aux tolérances

 Facteurs statistiques pour les cartes de contrôle aux mesures
d2 d3 c4 A A2 A3 B3
n
2 1,128 0,853 0,7979 2,121 1,880 2,659 0
3 1,693 0,888 0,8862 1,732 1,023 1,954 0
4 2,059 0,880 0,9213 1,500 0,729 1,628 0
5 2,326 0,864 0,9400 1,342 0,577 1,427 0
6 2,534 0,848 0,9515 1,225 0,483 1,287 0,030
7 2,704 0,833 0,9594 1,134 0,419 1,182 0,118
8 2,847 0,820 0,9650 1,061 0,373 1,099 0,185
9 2,970 0,808 0,9693 1,000 0,337 1,032 0,239
10 3,078 0,797 0,9727 0,949 0,308 0,975 0,284
11 3,173 0,787 0,9754 0,905 0,285 0,927 0,321
12 3,258 0,778 0,9776 0,866 0,266 0,886 0,354
13 3,336 0,770 0,9794 0,832 0,249 0,850 0,382
14 3,407 0,762 0,9810 0,802 0,235 0,817 0,406
15 3,472 0,755 0,9823 0,775 0,223 0,789 0,428
20 3,735 0,729 0,9869 0,671 0,180 0,680 0,510

n B4 B5 B6 D3 D4 D1 D2
2 3,267 0 2,606 0 3,267 0 3,686
3 2,568 0 2,276 0 2,574 0 4,358
4 2,266 0 2,088 0 2,282 0 4,698
5 2,089 0 1,964 0 2,114 0 4,918
6 1,970 0,029 1,874 0 2,004 0 5,078
7 1,882 0,113 1,804 0,076 1,924 0,205 5,203
8 1,815 0,178 1,752 0,136 1,864 0,387 5,307
9 1,761 0,232 1,707 0,184 1,816 0,546 5,394
10 1,716 0,277 1,669 0,223 1,777 0,687 5,469
11 1,679 0,314 1,637 0,256 1,744 0,812 5,534
12 1,646 0,346 1,609 0,283 1,717 0,924 5,592
13 1,618 0,374 1,585 0,307 1,693 1,026 5,646
14 1,594 0,399 1,563 0,328 1,672 1,121 5,693
15 1,572 0,420 1,544 0,347 1,653 1,207 5,937
20 1,490 0,503 1,471 0,415 1,585 1,548 5,922
Étape 3 : Tracer la carte de contrôle

LC  X  0,022; R  2,44
LSC  X  A2 R  0,022  2,44 * 0,577  1,43
LIC  X  A2 R  0,022  2,44 * 0,577  1,39
LICR  0 et LSCR  2,114 * 2,44  5,17
Causes de Variabilité
Déviation = écart entre les observations et la moyenne des observations.
• Causes spéciales (assignables, attribuables)

Elles sont moins nombreuses, identifiables et sur lesquelles on peut agir. Leurs effets ont un
caractère systématique et généralement assez marqué (changements d’équipe,
d’outillage, de matière, déréglages machines, interventions…). Elles sont extérieures au
processus, éliminables et pour lesquelles la correction sera un gain pour le processus.
Procédé dans un état instable

Comportement imprévisible

mps
Te

Modification de la dispersion

Grandeur mesurable Modification de la tendance centrale

• Causes aléatoires (communes)

Elles regroupent tous les autres phénomènes tel que l’usure des organes de la machine, les
conditions climatiques externes, variations d’intensité électrique. Elles sont de nombreuses
petites sources de variation toujours présentes, dont on pourra réduire le nombre ou
l’importance globale, mais dont le procédé ne peut être entièrement débarrassé. Ces causes
« normales » sont à l’origine de variations intrinsèques du processus liées à la variabilité
interne du processus.
Processus dans un état stable
Comportement prévisible

m ps
Te
Grandeur mesurable
Étapes suivit par l’opérateur
Prélever un échantillon : Fréquence de prélèvement et taille
de l’échantillon indiquée sur la carte de contrôle

Calculer la moyenne et l’étendue de cet

échantillon
Porter la moyenne et l’étendue sur les graphiques de la carte

Non Un des critères d’arrêt de la production est-il vérifié?

Oui

Identifier la cause du déréglage consulter le cahier journal

Apporter des solutions et consigner sur journal de bord

Indicateurs de présence de causes anormales (processus hors contrôle)
Différentes règles sont données dans la littérature pour repérer des séquences, Nous
donnons les règles les plus utilisées dont le principe consiste à dessiner sur la carte des
lignes de contrôle à ± 1, 2, et 3 et vérifier si l’un ou l’autre des profils suivants apparaît,

Zone C
34,13% des points Zone B
Zone A
Zone A
Zone B
Zone C
Indicateurs de présence de causes anormales (processus hors contrôle)
Le procédé est sous contrôle statistique si:
- Les 2/3 des points sont situés dans le tiers central (Zone A),
- Le 1/3 des points sont situés dans les 2/3 extérieurs (Zones B et C),

34,13% des points

Questions à se poser pour rechercher la (ou les ) cause(s) du « hors contrôle »
- Différence de précision de l’appareil / méthode de mesure?
- Différente méthodes employées par le personnel ?

- Processus affecté par l’environnement, e,g, température, humidité?

- Processus affecté par l’usure?

- Nouveau personnel ?

- Changement d’input processus: matières premières, information ?

34,13% des points
- Processus affecté par la fatigue du personnel ?

- Changements dans les procédures/instructions travail ?

- Maintenance préventive a-t-elle été faite?

- Processus est –il ajusté fréquemment ou inutilement?

- Echantillons provenant des différentes équipes de travail?

- Employés ont-ils peur de rapporter de mauvaises nouvelles?

Tests de Contrôle
1 Un point au-delà de la zone C ( A l’extérieur des limites de contrôle),
2 Deux points sur trois points consécutifs dans le zone C (ou au-delà),
3 Quatre points sur cinq consécutifs dans la zone B ( ou au-delà),
4 Neuf points consécutifs dans la zone A (ou au delà), positionnés du même côté de la
ligne centrale,
5 Six points consécutifs affichent une tendance croissante ou décroissante,
6 Quatorze points consécutifs alternant en dent de scie (vers le haut, vers le bas),

7 Quinze points consécutifs dans la zone A (en dessus ou en dessous de la LC),

8 Huit points consécutifs de part et d’autre de la LC, mais n’ayant aucun point dans la
zone A,
Les prélèvements: taille et fréquence
La fréquence de prélèvement doit être aussi grande que possible, car on réduit ainsi le
temps pendant lequel la production est mauvaise sans que ce fait soit constaté, Le contrôle
de fabrication ne doit pas entraîner une intervention inutile,

Fréquence de prélèvement:
Généralement plus on augmente la taille n des échantillons, plus la fréquence
d’échantillonnage est élevée et plus il est facile de détecter un déréglage, Il faut faire un
bilan économique des erreurs de décisions,

- Coût de non qualité (rebut ou retouche);

- Changement d’équipes, d’outillage, de lot de matière;
- Variation de paramètres environnementaux (température, humidité,…);
- Cadence de production ,

Il existe des règles empiriques qui permettent de définir la fréquence d’échantillonnage,

La règle de Cavé donne la fréquence d’échantillonnage F en fonction des paramètres

suivants :
 on a une production à forte cadence si N > p2 * n * R
La fréquence de prélèvement est donnée par: 1 NR
F
t n
 Pour une production à faible cadence ou production continue on a: N < p2 * n * R
La fréquence de prélèvement est donnée par: pR
F
t
• Si N < 4nR alors on doit contrôler toute la population ; contrôle à 100%.

t : durée d’observation dans l’unité de temps choisie pour la fréquence d’échantillonnage;

 N : nombre d’unités produites pendant la même durée t;
 R : nombre moyen de réglages pendant une durée d’observation t;
 n : taille d’un échantillon à prélever;
 p : nombre moyen d’échantillons prélevés entre 2 réglages successifs,

Exemples : A- Supposons que N = 10000 pièces par semaine, le nombre de réglages par
semaine est 14 et le nombre moyen d’échantillon prélevé entre deux réglages est de 4,
Quelle est la fréquence d’échantillonnage sachant que la taille des échantillons est n = 5?
On a : p2 x n x R =1120 < N donc il s’agit d’une production à forte cadence,

1 NR 1 10000  14
F   24éch / jour  1éch / heure
t n 7 5

% de production contrôlé = 5*7*24/10000 = 8,4%

B- Supposons que N = 190 pièces par mois, le nombre de réglages par mois est 6 et le
nombre moyen d’échantillon prélevé entre deux réglages est de 4, Quelle est la fréquence
d’échantillonnage sachant que la taille des échantillons est n = 3?

On a: p2 x n x R = 288 > N donc il s’agit d’une production à faible cadence,

F = 4 x 6/20 = 1,2

donc 1 échantillon par jour

% de production contrôlé = 3*30/190 =47,37%

Carte X/s
La carte de la moyenne a pour limite:

LC  cible
s
LSC  cible  3  cible  A3 S On pose: A3 
3
C4 n C4 n

s
LIC  cible  3  cibel  A3 S
C4 n
La carte de l’écart type a pour limite:
LC  s
LSC  B4 S
LIC  B3S
Carte X-mR (X-REM) :
Carte de contrôle pour valeurs individuelles (X); on utilise l’étendus mobile (mR ou REM)
comme mesure de dispersion

Ce type de carte est utilisé si: - La cadence de mesures est faible,

- Taille de l’échantillon: ( n=1)

Étendue mobile (REM) :

– Différence, en valeur absolue, entre 2 données successives : mR  X n1  X n

- Moyenne des étendues mobiles est mR 
 mR
n 1
Pour la Carte X : La carte de l’étendue mobile (MR) :

LSC x  X  E2 mR LSC mR  D4 mR
LIC x  X  E2 mR LC mR  mR
LC x  X LIC mR  D3 mR
Diagnostique
La carte S ou R est d’abord examinée pour identifier les points à l’extérieur des limites de
contrôles ou les points qui présentent un comportement particulier.

On corrigera la situation s’il y a lieu et on élimine les ponts hors contrôle sur la carte S/R
pour évaluer de nouvelles limites pour le cartes Xbar et S/R.

On pourra la suite, effectuer une analyse de la carte Xbar/ médiane selon les tests spécifiés
auparavant.

Efficacité d’une carte de contrôle

Lorsqu’on pilote un procédé avec une méthode statistique, il existe deux risques
décisionnels que l’on essaye de minimiser:

Le risque de conclure à un déréglage du procédé alors qu’il n’y en a pas, est appelé risque
du 1er ordre ou risque ou risque fournisseur ou fausse alarme,
Le risque de ne pas détecter un déréglage du procédé alors qu’il existe, est appelé risque du
2ème ordre ou risque ourisque client,
On peut mesurer l'efficacité d'une carte de contrôle en utilisant la probabilité de ne pas
détecter un déréglage lors du prélèvement d'un échantillon de taille n,

L'efficacité de la carte est d'autant plus grande que cette probabilité est faible,
L’efficacité d’une carte de contrôle est traduite soit par la courbe d'efficacité du test
associé, soit par la POM, Période Opérationnelle Moyenne (ARL Average Run Length)
POM = nombre moyen de prélèvement pour détecter un déréglage 

Elle tient compte du temps moyen que prend une carte de contrôle pour détecter que le
procédé est hors des limites d’intervention.

Efficacité des cartes de contrôle de la moyenne

Soit X une variable aléatoire (caractéristique clé d’un processus) de moyenne  et de

variance ². Cette caractéristique doit respecter certaines spécifications (des tolérances) et
en particulier être le plus proche possible de la cible  0.
Les équations ci-dessous traduisent les hypothèses pour le suivi de la moyenne de
caractéristique X : H0 : 0

H1 1

avec  la moyenne actuelle de la caractéristique suivie,  0 étant la cible ou la référence et  1

la valeur de la moyenne en présence du défaut.
Le décalage  de la moyenne exprimé en nombre d’écart–type est donné par:
Efficacité des cartes de contrôle de l’écart-type ou de l’étendue:

Le déréglage est défini par le paramètre  qui correspond à une augmentation de l’écart –
type et il est donné par: :

 Pour  = 0, POM0 = 1/  le procédé est arrêté à tort, en moyenne tous les 1/
prélèvements successifs entre deux fausses alarmes: le nombre moyen de contrôle qu’il faut
avoir avant d’obtenir une fausse alarme),
Pour  = 0,0027  le procédé est arrêté à tort, en moyenne tous les 370 échantillons
prélevés entre deux fausses alarmes et il faut placer en moyenne 370 points successifs sur la
carte de la moyenne avant qu'apparaisse un point hors des limites, créant de ce fait une
fausse alarme,
 Pour  , POM1 = 1/(1 - )  nombre moyen de prélèvements successifs pour
s'apercevoir du déréglage (avant d’obtenir une alarme pour décider qu’il y a déréglage),
Le risque de ne pas détecter le déréglage  = (μ1 - μ0)/σ0, vaut:

βn(δ) =  (Z1-/2- δ√n) - (-Z1-/2- δ√n)

avec  est la fonction de répartition de la loi normale centrée réduite.
 Le nombre maximal de prélèvements successifs nécessaires pour déceler un
déréglage  est : ln 0,05
POMax 
ln 

Bonne carte  POM0 grande et POM1 petite

Exemple: Si on suppose que la moyenne d’un caractère X, normalement distribué, subit un
déréglage de 2 fois l’écart-type pour un risque et une taille de .
A- Quelle est la probabilité que la moyenne du prochain échantillon soit située à l’extérieur
des limites de contrôle? Interprétez ce résultat,
B- Déterminez la POM(1,1) et la POMAX, Interprétez le résultat,
Réponse: Si la moyenne s'est déréglée de  écarts-types et que l'écart-type a été multiplié
par le facteur , le caractère étudié se distribue selon la loi normale N( 0 +  0;  0) et la

moyenne Xbar du caractère dans les échantillons selon la loi normale N( 0 +  0,  0/n),
La probabilité de ne pas détecter le déréglage  est donnée par :

 = 2 donc P(2) = (-25 + 3) – (- 25 - 3) où  est la fonction de répartition de la loi

normale centrée réduite. On en déduit que P(2) = 0,070 et la probabilité de détecter le
déréglage de 2 écart-type à l'aide d'un échantillon de taille 5 est égale à 0,93.
POM(2) = 1/(1 - P(2)) = 1,07. Il faudra en moyenne 1,07 contrôles successifs avant de
déceler, à l'aide de la carte de la moyenne, le fait que m s'est déréglée de 2 unités,
POMAX = log(0,05)/log (P(2)) = 1.
Il y a une probabilité inférieure à 0,05 qu'il faille plus de 1 contrôle successif pour déceler
un déréglage de la moyenne de 2 unités à l'aide de la carte de la moyenne.