Vous êtes sur la page 1sur 102

Maîtrise Statistique des

Processus

1
LA MAITRISE STATISTIQUE DES PROCESSUS

M.S.P. et exigences ISO


Définition d’un processus

Origine de la variabilité
Capabilité d’un processus

Cartes de contrôle

Implantation du M.S.P.
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


serviront à démontrer la conformité du produit aux exigences
spécifiées

La norme exige que des techniques statistiques appropriées soient


utilisées pour vérifier l'aptitude des procédés et les caractéristiques3du
produit
vérification de la qualité

l'inspection à 100% où toutes les pièces produites

plan d'échantillonnage, il est à la base conçu pour accepter un lot de


produits avec un certain nombre de produits non conforme

l'inspection automatisée

ces méthodes présentent le même problème majeur: elles mettent


l'accent sur la détection des produits défectueux plutôt que de se
concentrer sur la prévention

MSP 4
DÉFINITION D’UN PROCESSUS

Ensemble d’activités corrélées ou interactives


ISO 9000 qui transforme des éléments d’entrée en éléments de sortie
Ensemble de fonctions ordonnées et séquentielles,
chacune servant à satisfaire un besoin particulier
dans le contexte global de réaliser ce bien ou ce service
une plus-value
des systèmes influents

Un intitulé du processus
État initial État final
un enchaînement d’activités

des ressources
L’ANALYSE DESCRIPTIVE D’UN PROCESSUS
Pour chaque activité unitaire d’un processus : procédé

Ressources humaines & « talents » Effets de une plus-value


Système de pilotage l’environnement extérieur

Information
déclenchante Enregistrements

« Produit »
Procédé « Produit »
à transformer transformé
décrit par un verbe d’action
Énergie Déchets

Ressources matérielles, Méthode, règles de base


financières et informationnelles Modes opératoires 6
L’ANALYSE DESCRIPTIVE D’UN PROCESSUS
Pour chaque activité unitaire d’un processus : procédé

pour gagner quoi ?


en tenant compte
Qui ? de quoi ?

sur la base de
quelle instruction ? en enregistrant
transmise comment ? quoi & où ?
à partir de quoi ? fait… … quoi ?

en utilisant en rejetant
quelle énergie ? quoi ?

avec quoi et où ? Comment ?


7
LE PRINCIPE DE LA MAÎTRISE DU
PROCESSUS
3. Intervention 2. Renseignement
sur le processus sur la performance

Prévenir la détérioration
et régler
Paramètres Caractéristiques
procédé produit

1. Processus
Main d ’œuvre Milieu
(pilotage) (environnement)

Matières
(entrées) Produit

8
Machine Méthode
(ressources matérielles, …) (façon de procéder)
OBJECTIFS DE LA MAÎTRISE STATISTIQUE DE
PROCESSUS
Le principe de base
• “Mieux vaut PRÉVENIR que guérir”
• “C’est la performance du PROESSUS qui fait la qualité du produit”

Les résultats visés

• Connaître l'aptitude du processus à répondre aux


spécifications et l' (s') adapter

• Anticiper l'apparition de produits défectueux par le pilotage


des processus

• Réduire la variabilité des processus et ainsi assurer la


reproductibilité de la production

• Fournir une base concrète et objective pour :


9
. un dialogue entre les partenaires
. une évaluation de l'amélioration de la qualité
LA MAÎTRISE STATISTIQUE DE PROCESSUS
Replacer la MSP dans la démarche qualité
• Que devons nous faire ? → Spécifications produits
• Est-ce possible ? → Aptitude des processus
• Le fait-on bien ? → Cartes de contrôle
• L'avons-nous bien fait ? → Contrôle (par échantillon)
• Peut-on mieux faire ? → Plans d'expérience
→ Analyses statistiques

Les acteurs concernés


• Les responsables et agents de Fabrication
• Les responsables des Contrôles
• Les responsables de la Maintenance
• Les Commerciaux et les Concepteurs
• Les Gestionnaires
• Les Consultants 10
LES VARIATIONS

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


nombre considérable de combinaisons dès l'instant où le nombre
d'étapes est grand.

Ces influences combinées pour tout le procédé sont appelées


11

variations.
LES NIVEAUX ET LES ORIGINES DE LA
Variabilité entre produits VARIABILITÉ
(production en série)

Causes
Variabilité accidentelle
assignables
Variabilité-processus
Causes
Variabilité-machine communes

Variabilité-prélèvement

Variabilité-mesure
12
CAUSES DES VARIATIONS COMMUNES

Tous les processus sont soumis à de telles variations

Ces causes ont la particularité de :


- provenir d'un grand nombre de petites sources,
- concerner le processus,
- 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.

13
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,
14

- pouvoir être corrigées localement.


Or, l'expérience prouve que pour tout processus dans
l'entreprise, 85% des causes sont communes (disons
aléatoires), 15% seulement sont spéciales (disons
inhabituelles).

D'où l'OBJECTIF:

1. Se débarrasser d'abord et définitivement des


causes spéciales,

2. Ensuite réduire les causes communes.


15
Répartition normale
Intérêts

Si la répartition est normale alors :


le procédé ne présente pas de facteur important de déréglage,
la répartition est caractérisée par la moyenne et l'écart type,
les lois statistiques peuvent être employées pour établir des prévisions.

Problème industriel

A partir des valeurs relevées (échantillonnage), est il possible de modéliser le


phénomène réel par une loi normale ?
En d'autres termes, les écarts entre la répartition :
théorique,
réelle
sont-ils acceptables ?
16
Test de normalité
Propriétés de la loi normale

Chaque fois que :


Les causes de variation sont multiple
Ces causes sont indépendantes les unes des autres
On retrouve les propriétés de la loi normale.
Moyenne Répartition
normale
Ecart type
Observation d’un
échantillon

6.σ

Anomalie de la loi normale


Les anomalie de la loi normale peuvent être la conséquence des problèmes
de natures diverses
Mode opératoire inadéquat Instrument de mesure
défectueux
Environnement non contrôlé (ex : température) 17
Erreurs de mesure, lecture, calcul..
Dérive de processus
Description d'une répartition
Caractéristique de dispersion

Valeurs

si l’écart type est faible alors les valeurs sont proches de la moyenne,
si l’écart type est grand, alors les valeurs sont éloignées de la moyenne.

σ faible σ grand
Si toutes les données ont la même valeur alors σ = 0 (notion théorique).
Objectif industriel : production de qualité si :
18
l’écart type est faible,
la moyenne est centrée sur la valeur cible (valeur idéale).
19
20
Test de normalité
Les résultats d’après les mesures ne sont jamais parfaits :

Soit parce que les mesures correspondent à des


variations dues à des causes spéciales

Soit parce que les mesures ne sont pas nombreuses

Soit parce que le processus de mesure comporte des


anomalies

Soit tout simplement la loi n’est pas normale.

Dans ce cas si on applique les propriétés de la loi normale les résultats


seront erronés , il est donc important de s’assurer de la normalité de la
loi c’est-à-dire l’absence d’anomalies.

21
Droite d’Henry

Règles de tracé
Pour une distribution donnée :
1 – Identifier les classes et pour chaque classe, le centre et l'effectif.
2 – Calculer la fréquence cumulée.
3 – Reporter sur un papier gausso-arithmétique :
- la fréquence cumulée en ordonnée,
- le centre de la classe en abscisse. Valeur centrale
classe
Pourcentage
Cum.
Fréq.
Fréq.

%.

3 54 100
6 51 94,4
12 45 83
15 33 61.1
9 18 33.3
6 9 16.6
3 3 5.5 22
Test de kolmogorov-smirnov

Ce test étudie l'écart entre :

la fonction des probabilités cumulées de 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.

23
Procédure:
Soit X1, X2, X3,… Xn un échantillon
de distribution théorique F(X)
connue
Soit F*(X)= i/n+ 1 la fonction de
Dn = Max F * ( X ) − F ( X )
répartition empirique
On montre que la quantité Dn = Max lF *(X)- F(x)l ne dépend que de la taille
de t'échantillon (n) .
En associant cette propriété au risque α( niveau de confiance) on obtient la
probabilité
[
P Max F * ( X ) − F ( X ) < Dn ,α = 1 − α]
Au niveau de confiance α,on conclut au rejet de l'hypothèse de normalité si

Dα > Dn ,α

24
25
26
27
28
29
LA CAPABILITÉ
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
Nécessité que les instruments de mesure soit eux-mêmes capables et
agréés,
Un préalable à l’évaluation de l’aptitude : le processus est stable,
c’est-à-dire que la variabilité de la production n’est due qu’à des causes
« communes » (plus de cause « assignable »)

2 types de coefficients de capabilité


le premier ne met en évidence que la dispersion (Cm capabilité
machine, Cp capabilité procédé)
le second ne met en évidence que le centrage et la dispersion (Cmk
capabilité machine, Cpk capabilité procédé) 30
LA CAPABILITÉ
Définition : La capabilité est le rapport entre la performance
demandée et la performance réelle.
IT Performance demandé
C= =
D Dispersion réelle

Capabilité machine Cm IT à réaliser


Représente la mesure de la
performance de la machine Image de la
capabilité machine
seule, indépendamment des
autres facteurs IT de production machine

Image de la
capabilité procédé
Capabilité du processus Cp
IT de production du procédé
Reflète le fonctionnement de
l’ensemble des facteurs de
production 31
Capabilité Cm, Cp
Se définit comme le
rapport entre la
performance demandée
(de la machine ou du
processus selon le cas) et
la performance réelle

32
33
Cp Cp

34
35
36
37
Indice de
capabilité Cpk

L'indice de capabilité Cpk


est obtenu à partir des
deux formules. Seulement
la plus petite valeur est
considérée comme étant
l'indice Cpk

38
39
CAPABILITÉ MACHINE

Calcul de 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 processus et le mettre sous contrôle, il faut en
effet s’assurer que la machine en tant que telle est apte à fabriquer
des produits conformes aux spécifications.
Il s’agit en quelque sorte 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
Cm=Ts−Ti
σi : écart-type instantané
Cm : capabilité machine
6σ i 40
Ts – Ti = IT = intervalle de tolérance
CAPABILITÉ MACHINE

Calcul de capabilité machine


Avec l’exigence que

Ts−Ti≥8σ i
On dira que la machine est apte si:

Cm=Ts−Ti ≥ 8σ i ≥1,33
−Ti
6σ i 6σ i
La capabilité machine doit être 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…)
41
CAPABILITÉ MACHINE
Calcul de capabilité machine
S’il n’y a pas de difficulté pour calculer Ts – Ti, l’écart type instantané
est calculé de la façon suivante :
Soit 50 pièces consécutives
Soit prélèvements rapprochés de k échantillons de n pièces
chacun, dans ce cas on peut estimer σi par la moyenne des
étendues des échantillons

σ i= R
d2
R : moyenne des étendues des échantillons
n 2 3 4 5 6 7 8 9 10 11 12
d2 1,128 1,693 2,059 2,326 2,534 2;704 2,847 2,970 3,078 3,173 3,258

42
CAPABILITÉ MACHINE
Calcul d’indice de capabilité machine
Un autre coefficient existe Cmk, inclut à la fois le centrage
et la dispersion

Cmk =min(Ts−x ; x −Ti )


3σ i 3σ i
Exploitation de l’indice Cmk
Cmk < 1 : machine non apte à produire des pièces conformes aux
spécifications. Des valeurs seront supérieures ou inférieures aux
tolérances spécifiées, ce qui signifie qu’une partie de la production
sera en dehors des tolérances
Cmk = 1 : 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 production de pièces non
conformes
43
Cmk > 1 : machine apte et tolère une dérive d’autant plus grande que
l’indice Cm est plus élevé
CAPABILITÉ PROCESSUS
Calcul capabilité processus
L’indice de capabilité processus ne peut être calculé que lorsque le processus
est sous contrôle, c.a.d qu’il ne reste comme causes de variabilité ou de
dispersion que des causes aléatoires (communes)
capabilité processus Cp

Ts − Ti R s
Cp = avec σˆ = ou σˆ =
6σˆ d2 C4
Ts : tolérance supérieure
Ti : tolérance inférieure
s : moyenne des écart-types des échantillons
R : moyenne des étendues des échantillons
C4 selon tableau :

n 2 3 4 5 6 7 8 9 10 11 12
44
C4 0,7919 0,8862 0,9213 0,940 0,9515 0,9594 0,9650 0,9693 0,9727 0,9754 0,9776
Coefficients des cartes de Shewhart

45
CAPABILITÉ PROCESSUS
Calcul capabilité processus
Coefficient de capabilité processus Cpk qui permet d’apprécier la
dispersion et le centrage

Cpk =min(Ts − x ; x −Ti )


3σˆ 3σˆ
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

L’objectif essentiel de la MSP étant l’amélioration continue du


46
procédé, le Cpk sera le coefficient privilégié à suivre pour évaluer
cette amélioration.
47
48
EXEMPLE

8,0%
Tolérance Tolérance
inférieure supérieure
7,0%
Ts-Ti
Cp =
6,0% 6 x et
Moyenne = 5,05
5,0%
min[ Ts-m ; m-Ti ]
Cpk = Écart-type= 0,05
4,0% 3 x et

3,0%
Cp = 1,33
Valeur Cpk = 1,00
nominale
2,0%

4,80 5,20
1,0%

0,0%
49
4,5 4,6 4,7 4,8 4,9 5,0 5,1 5,2 5,3 5,4 5,5
STRATÉGIE D’AJUSTEMENT DE L’APTITUDE DU
PROCESSUS

Dans le cas où l’étude révèle un processus inapte, il faut :

• engager des actions correctives pour réduire la variabilité


et/ou recentrer la moyenne de la production rôle de la conception

• ou à augmenter les tolérances si c’est possible !

• ou trier à 100% la production bon courage !

• ou renoncer à la commande

50
51
AMÉLIORATION DE L’APTITUDE D’UN PROCESSUS
10,0%

Tolérances = [4,80 - 5,20]


9,0%

8,0%

7,0%
Ti Ts
6,0%

5,0%

4,0%

3,0%
Moyenne = 5,15 Écart-type = 0,10
2,0%

1,0%
Cp = 0,67 Cpk = 0,17
0,0%
4,5 4,6 4,7 4,8 4,9 5,0 5,1 5,2 5,3 5,4 5,5 Le processus n’est pas apte
10,0%

9,0%

8,0%

7,0%

6,0%

5,0%
Moyenne = 5,15 Écart-type = 0,05
4,0%
Cp = 1,33 Cpk = 0,33
3,0%

2,0%

1,0%
Le processus est potentiellement apte,
0,0%
4,5 4,6 4,7 4,8 4,9 5,0 5,1 5,2 5,3 5,4 5,5
mais la production est mal centrée
10,0%

9,0%

8,0%

7,0%

6,0%

5,0%

4,0% Moyenne = 5,02 Écart-type = 0,05


Cp = 1,33 Cpk = 1,20
3,0%

2,0%
52
1,0%

0,0%
4,5 4,6 4,7 4,8 4,9 5,0 5,1 5,2 5,3 5,4 5,5
Le processus est apte
LES CARTES DE CONTRÔLE
DÉFINITION
Une Carte de contrôle consiste en un tracé d’une mesure statistique
d’une caractéristique quantitative ou qualitative en fonction du temps,
mesure évaluée à partir d’un ensemble d’échantillons ou sous-groupes.

Moyen graphique qui permet de déceler les variations d’une


caractéristique étudiée

Processus stable ou non

53
OBJECTIF DES CARTES DE CONTRÔLE

Les Cartes de contrôle permettent de suivre les différentes


paramètres d’une fabrication, et servent à :

• Déterminer les moments opportuns pour un réglage éventuel===>


Base de décision,
• Connaître la capabilité du processus lorsqu’il est sous-
contrôle===> Degré de performance,
• S’assurer que cette capabilité n’évolue pas et déclencher une
action dans le cas contraire,
• Stimuler l’amélioration constante de la qualité du procédé.

54
LES PARAMÈTRES À SURVEILLER PAR
LES CARTES DE CONTRÔLE

La position La dispersion

CC des moyennes CC des étendues


CC des médianes CC des écart-types

55
CARTE DE CONTRÔLE TYPIQUE
89
88
LSC
Mesure statistique

87
86
85
X
84
83
82
81 LIC
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Numéro de l’échantillon

56
TYPES DE CARTES DE CONTRÔLE

1- Par Mesure
Caractéristiques Quantitatives

2- Par Attributs
Caractéristiques Qualitatives

57
CONSIDÉRATIONS PRATIQUES DANS LA MISE
EN ŒUVRE D’UNE CARTE DE CONTRÔLE

1. Quels types de caractéristiques veut-on contrôler ?


2. Quels instruments de mesure ou calibre doit-on utiliser ?
3. Quel type de carte de contrôle doit-on mettre en œuvre selon les
données recueillies ?
4. Quelle taille d’échantillon doit-on prélever ?
5. Quelle doit-être la fréquence de contrôle ?

58
CARTE DE CONTRÔLE PAR MESURE

Caractéristique mesurable

Cartes X-R Cartes X-s


2 < n < 9 n ≥ 10

Carte X : Surveille la variation au niveau moyen des données


(tendance centrale)

Carte R ou s : Surveille la variation à l’intérieur même des données


de chaque échantillon (dispersion)
59
ENREGISTREMENT DES RÉSULTATS DE CONTRÔLE
CARTE X-R
Machine:…………………… N°de code:…………………...
Opération:………………….. Usine:……….département:…..
Pièce:……………………….. Contrôleur:……………………
Caractéristique:……………... Fréquence de contrôle:……….
Unité de mesure:……………. Taille de l’échantillon:………..

N° Date X1 X2 X3 X4 X5 X R
1
2
3
4
5
6
Journal de bord de la production 60
ÉTAPES POUR CONSTRUIRE UNE CARTE DE
CONTRÔLE X-R

1. Calculer la moyenne pour chaque échantillon soit X1, X2…

2. Additionner toutes les moyennes des échantillons et calculer la


moyenne des moyennes X.

3. Calculer l’étendue de chaque échantillon R1, R2 , R3 …

4. Calculer la moyenne des étendues R.

61
LES LIMITES DE LA CARTE DE CONTRÔLE
DES VALEURS INDIVIDUELLES OU DES MOYENNES
Grandeur de la
variable surveillée
Valeur moyenne d’un échantillon
ou valeurs individuelles

Limite supérieure de contrôle


écart-types

Valeur cible
6 écart

Limite inférieure de contrôle

Suivi chronologique de la production

Les limites de « contrôle » :


• sont calculées à partir des données d’un processus stabilisé et apte 62
• ne sont pas les limites de tolérance
5. Calculer la limite supérieure de contrôle pour la carte X à partir de
l’équation suivante:
LSCX = X + A2 R

6. Calculer la limite inférieure de contrôle pour la carte X à partir de


l’équation suivante:
LICX = X - A2 R

7. Calculer la limite supérieure de contrôle pour la carte R:


LSCR = D4 R

8. Calculer la limite inférieure de contrôle pour la carte R:


LICR = D3 R

63
Valeurs des coefficients A2, D3 et D4 en fonction de n

n A2 D 3 D 4
2 1 .8 8 0 .0 0 0 3 .2 6 8
3 1 .0 2 3 .0 0 0 2 .5 7 4
4 .7 2 9 .0 0 0 2 .2 8 2
5 .5 7 7 .0 0 0 2 .1 1 4
6 .4 8 3 .0 0 0 2 .0 0 4
7 .4 1 9 .0 7 6 1 .9 2 4
8 .3 7 3 .1 3 6 1 .8 6 4
9 .3 3 7 .1 8 4 1 .8 1 6
1 0 .3 0 8 .2 2 3 1 .7 7 7
1 1 .2 8 5 .2 5 6 1 .7 4 4
1 2 .2 6 6 .2 8 4 1 .7 1 7
1 3 .2 4 9 .3 0 8 1 .6 9 2
1 4 .2 3 5 .3 2 9 1 .6 7 1
1 5 .2 2 3 .3 4 8 1 .6 5 2
64
EXEMPLE DE CARTE DE CONTRÔLE X-R
n 5
k 20
A2 0,577
D3 0
D4 2,115
X 84,5
R 5,75

Carte X Carte R
LSCx 87,82 LSCR 12,16
LICx 81,18 LICR 0,00

65
Carte
Carte
X X
89
88
LSC
Mesure statistique

87
86
85
X
84
83
82
81 LIC
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Numéro de l’échantillon

66
Carte R
14

12
LSC
Mesure statistique

10
8

6
R
R
4

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Numéro de l’échantillon

67
DIAGNOSTICS

Conditions qui indiquent qu’une caractéristique n’est pas maîtrisée :

1. Un point en dehors des limites de contrôle: Il faut intervenir pour


préciser la cause et apporter les corrections qui s’imposent.

2. Une tendance (présence d’une série de 6 points minimums): Il faut


être en mesure de limiter la tendance avant que le procédé se détériore
d’une façon alarmante.

3. Une fluctuation en dents de scie: Attribuer à 2 sources de variation (2


fournisseurs, 2 opérateurs, 2 machines…..)

68
4. Une suite de points (se disposent du même coté de la limite centrale L.C):
Un changement dans la tendance centrale ou encore une réduction
importante de la variabilité du procédé.

5. Points se situant près des limites de contrôle :


* Attribuable à un mélange des données dans le même sous-groupe.

* Groupement autour de L.C la caractéristique que l’on contrôle est


d’une précision insuffisante pour détecter les fluctuations dans les
données.

6. Carte présentant des sommets et creux : Indique que les sous-groupes


sont obtenus de deux sources différentes.

69
Cartes de Contrôle X-s
Condition : Si n ≥10
Le contrôle est plus sensible aux faibles variations

Même étapes que précédemment :


• R s tq: s² = 1/(n-1)Σ( xi-X )²
• Les limites sont calculées comme suit :
LSCX = X + A3 s & LICX = X - A3 s
LSCs = B4 s & LICs = B3 s
où A3, B4 & B3 des coefficients donnés par les tables

70
DIAGNOSTICS

• La carte s 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 éliminera les points hors


contrôle sur la carte s pour évaluer de nouvelles limites pour les cartes X
et s.

• On pourra par la suite, effectuer une analyse de la carte X selon les tests
spécifiés auparavant.

71
FLUCTUATIONS NATURELLES

Un procédé est maîtrisé statistiquement lorsque les cartes de contrôle


présentent les aspects suivants ( ± 3σ ):

LSC +3 σ
A
1. Zone A : ± 3σ ---> 5% +2 σ
B
2. Zone B : ± 2σ ---> 27% +1 σ
3. Zone C : ± 1σ ---> 68% C
L.C.
4. Autour de 0 points C
-1 σ
5. Les points sont aléatoires B
-2 σ
A
LIC -3 σ
72
Tableau des tests pour détecter les causes spéciales

N° du test Description du comportement des points


Un point au-delà de la zone A
1
( à l’extérieur des limites de contrôles )
9 point consécutifs dans la zone C ou au-delà
2
( positionnés du même côté de la ligne centrale )
6 points consécutifs affichent une augmentation
3
( ou diminution ) graduelle
4 14 points consécutifs alternant en dents de scie
5 2/3 points consécutifs dans la zone A ( ou au-delà )
6 4/5 points consécutifs dans la zone B ( ou au-delà )
15 points consécutifs dans les zones C
7
( au-dessus ou en dessous de la ligne centrale )
8 points consécutifs de part et d’autre de la ligne centrale, 73
8
mais n’ayant aucun point dans les zones C
LSC
A

C
TEST 1 L.C.
C

A
LIC

Une caractéristique n’est pas maîtrisée statistiquement

74
LSC
A

C
TEST 2 L.C.
C

A
LIC

Une caractéristique n’est pas sous contrôle statistique


75
LSC
A

C
TEST 3 L.C.
C

A
LIC

Une caractéristique indique un manque de contrôle


( un changement progressif ↓ ou ↑ ) 76
LSC
A

C
TEST 4 L.C.
C

A
LIC

Une caractéristique affiche un manque de contrôle


( indique présence d’une cause spéciale )
77
LSC
A

C
TEST 5 L.C.
C

A
LIC

Une caractéristique affiche un manque de contrôle


( signalant présence d’une cause spéciale, affectant la
caractéristique; le niveau moyen est modifié ) 78
LSC
A

C
TEST 6 L.C.
C

A
LIC

Une caractéristique affiche un manque de contrôle


( signalant présence d’une cause spéciale, le procédé opère à un
niveau moyen plus élevé ou plus faible ) 79
Cartes de contrôle pour attributs
- carte p qui effectue un suivi du pourcentage de pièces
défectueuse, délais non respectés, impayés

- carte np qui suit le nombre de pièces défectueuses, délais


non respectés, impayés

- carte u qui est utilisée pour suivre le pourcentage de


défauts, retouches, fautes

- carte c qui permet de suivre l'évolution du nombre de


défauts
80
Cartes de contrôle pour attributs
Carte de contrôle par attribut
Contrôle qualitatif

Le contrôle consiste à noter le nombre


de non conformes dans un échantillon de taille n

La taille de l'échantillon La taille de l'échantillon


est constante ou varie est habituellement constante

Carte Carte
p np

Le contrôle consiste à noter le nombre de non conformités


Par unité contrôlée ou par sous groupe

L'échantillon correspond à une unité L'échantillon correspond à


un RSS, un assemblage... un sous groupe d'unité
81

Carte Carte
c u
Les principales caractéristiques

- Ces cartes ne comportent qu'un seul graphique

- La taille des échantillons peut varier de sorte qu'on


travaillera alors en pourcentage

- Ces cartes sont surtout utilisées pour effectuer un suivi


d'une situation

82
LA CARTE DE CONTRÔLE : PAS AVANT LA
STABILISATION
Variations à cause(s) spéciale(s)
nécessitant des actions correctives

Processus stabilisé

Variabilité « bruit de fond »


83
L’AUTO-CONTÔLE GRÂCE À LA CARTE DE
CONTRÔLE
L'opérateur a bien fait de ne pas intervenir

Interventions appropriées de l'opérateur

84
85
Analyse des cartes de controles :

86
Analyse
des cartes
de
contrôles :

87
Choix d’une caractéristique du produit
ou du procédé

Préparation de la feuille des relevés

Enregistrement des données

Analyse des données


Histogramme des fréquences
Étude de la normalité

Détermination de la capabilité

Intervention sur la machine


Machine apte ou sur les spécification pour
rendre la machine apte

88

Mise en place des cartes de contrôle


Mise sous contrôle
Processus
Etape 3 Horizon
Amélioration de la capabilité. Sous contrôle temps
Pas de pièce hors tolérances. variations imputables
Le procédé est sous contrôle. aux causes communes
Le procédé est capable. réduites
Le procédé est maîtrisé.
Procédé
Etape 2 Ts : tolérance prévisible
Ti : tolérance
Suppression des causes spéciales. inférieure supérieure
Le procédé est sous contrôle.
Répartition suivant une loi normale.
Présence de pièces hors tolérances. Sous contrôle
Le procédé n’est pas capable. causes spéciales
éliminées

Etape 1
Présence de causes spéciales. Procédé
Le procédé est hors contrôle. Hors contrôle non
Répartition variable (non normale). Présences de causes 89
Présence de pièces hors tolérances. prévisible
spéciales
Le procédé n’est pas capable.
UNE DÉMARCHE

POUR
LA MAÎTRISE STATISTIQUE
D’UN PROCESSUS
A. PRÉPARER LA DÉMARCHE
1. PRÉPARER LES PERSONNES ET L’ACTION À ENGAGER …

comme dans toute démarche de longue haleine ayant des incidences


sur le management et l’organisation du travail.
Confirmer l’engagement de la Direction

Former une équipe de pilotage

Informer les futurs utilisateurs

Accepter la remise en question des habitudes


en matière de matériel, de procédure et de comportement, …

91
A. PRÉPARER LA DÉMARCHE
2. IDENTIFIER LES PRODUITS ET PROCESSUS PRIORITAIRES
Pour commencer, choisir un produit ou un processus
« stratégiquement motivant » avec une bonne garantie de réussite, afin
de convaincre par la suite, de l’intérêt de la méthode.

Confirmer que l’on dispose pour ce produit, d’un système


d’information permettant de connaître avec puissance et précision, les
évènements intervenus durant la production (traçabilité du
processus).

92
B. DIAGNOSTIQUER ET STABILISER LE PROCESSUS
3. ANALYSER LE PRODUIT ET SA VARIABILITÉ

Inventorier les caractéristiques essentielles du produit, en particulier, celles qui


sont liées à la satisfaction du Client.

Rechercher les moyens de les évaluer quantitativement (ou les substituer par
d’autres caractéristiques)

Rechercher pour chaque caractéristique, sa valeur nominale et ses limites de


tolérance

Analyser les défauts affectant la qualité du produit, vue par le Client et le coût de
la non-qualité interne (rebuts, …)

Analyser le suivi chronologique du produit pour identifier les variations à cause


assignables.
Évaluer les aptitudes actuelles du processus 93
Aptitude d’une production sur un très court délai(aptitude « machine »
Aptitude du processus incluant tous les sources habituelles de variation
B. DIAGNOSTIQUER ET STABILISER LE PROCESSUS
4. ANALYSER LE PROCESSUS

• Analyser les différentes étapes du processus (les procédés)

• Analyser les composantes de chaque procédé

• Inventorier les paramètres (facteurs influents) de chaque procédé

• Analyse des relations (de cause à effet ?) entre caractéristiques-produit et


paramètres-procédé

• Analyser les défaillances (et les risques potentiels) de chaque procédé


(AMDEC)

• Identifier les « causes assignables » et déterminer les moyens de prévention


94
et/ou de réaction
B. DIAGNOSTIQUER ET STABILISER LE PROCESSUS

5. ANALYSER LE PROCESSUS DE MESURE

Analyser l’aptitude de chaque mesurage (caractéristiques et


paramètres)

95
B. DIAGNOSTIQUER ET STABILISER LE PROCESSUS
6. ANALYSER LE SYSTÈME D’INFORMATION ET
D’ACTION SUR LE PROCESSUS

Décrire les moyens d’informations caractéristiques-produit et


paramètres-procédé (automatisme et/ou humain)

Analyser les délais de réactivité (cycle : détection, décision/action,


réaction)

96
B. DIAGNOSTIQUER ET STABILISER LE PROCESSUS
7. CORRIGER LES DYSFONCTIONNEMENTS IDENTIFIÉS PENDANT
LES ÉTAPES 3 À 6

Inventaire des mesures préventives en réponse à chacun des


défauts et risques

Mises en place de mesures complémentaires pour mettre le


processus à l’abri des pannes, des erreurs humaines, des
variations de matières premières, des mesures défaillantes, …

Fiabiliser les systèmes de mesure et d’information

97
B. DIAGNOSTIQUER ET STABILISER LE PROCESSUS

8. ÉVALUER LES NOUVELLES APTITUDES DU PROCESSUS

98
C. METTRE LE PROCESSUS « SOUS-CONTRÔLE »
9. CHOISIR LES PARAMÈTRES-CLÉ

Choisir les paramètres les plus pertinents


(en relation avec les caractéristiques essentielles, accessibles,
mesurables, réactifs, …)

À défaut de pouvoir agir sur des paramètres, choisir des


caractéristiques de produits intermédiaires ou du produit final

Identifier la loi de distribution des valeurs des paramètres ou des


caractéristiques sélectionnés

99
C. METTRE LE PROCESSUS « SOUS-CONTRÔLE »
10. CONCEVOIR ET METTRE EN PLACE LE SYSTÈME DE PILOTAGE
(CARTES DE CONTRÔLE et RÈGLES DE DÉCISION)

Choisir le type de carte de contrôle (attribut, mesure,


moyenne de données ou données individuelles)

Choisir la fréquence de prélèvement des données

Définir les règles de décision en cas de “perte de contrôle”

Expérimenter les cartes de contrôles et les ajuster

Former les opérateurs à la démarche SPC et à l’utilisation des


cartes de contrôle
100
D. MAINTENIR LES PROGRÈS ACQUIS
ET AMÉLIORER LE PROCESSUS
11. VÉROUILLER LE SYSTÈME DE PILOTAGE PAR L’ASSURANCE
QUALITÉ

Formaliser les mesures préventives aptes à stabiliser le processus et


les modalités d’utilisation des cartes de contrôle

Actualiser la formation des opérateurs


Prévoir un audit régulier du système de pilotage

101
D. MAINTENIR LES PROGRÈS ACQUIS
ET AMÉLIORER LE PROCESSUS
12. AMÉLIORER L’APTITUDE DU PROCÉDÉ

Mettre en place des groupes d’amélioration du processus

Maintenir la recherche de solutions pour stabiliser le processus


et pour réduire la variabilité.

102

Vous aimerez peut-être aussi