Module : Outils des démarches qualités

Maîtrise statistique

- Introduction
- Outils de la MSP (SPC)
- Les cartes de contrôle
- Méthodologie de la mise en place de la MSP

Outils de gestion de la qualité

- - Le plan d’expérience
- Le diagramme Pareto
- Le diagramme Ishikawa
- Tableau causes – effets
- Les 5 S

Préparé et animé par: Pr. BEN SAID AMRANI NABIL

Outils des démarches qualités

▪ Pour réussir dans le climat économique du XXIème siècle, une entreprise doit fournir
des produits satisfaisant aux exigences de la clientèle.

▪ Un produit (bien ou service) est le résultat d’un processus.

▪ Un produit de qualité est un produit qui satisfait aux exigences du client.

▪ La qualité d’un produit peut être décrite par des caractéristiques intrinsèques
appelées caractéristiques de qualité.

▪ On peut exploiter dans ce but des caractéristiques mesurables ou des attributs.

Pr. BENSAID AMRANI NABIL 1

 Outils des démarches qualités

DEFI : INTEGRATION

Stratégie

Performances Marketing

Management Evolution
Qualité des
des

personnes organisations
Projets

Définition de la qualité

« L’ensemble des caractéristiques d’une entité qui lui

confèrent l’aptitude à satisfaire des besoins entendre par
entité ce qui peut-être décrit et considéré Individuellement
comme un produit, un service, un processus, un système,
une personne, etc. ».

ISO 8402.

3- Un délai raisonnable.

Pr. BENSAID AMRANI NABIL 2

 Qualité : Définitions

➢ Cette définition reste cependant incomplète : elle ne fait pas référence aux:
- Délais.
- Coûts qui font partie intégrale de la qualité.
➢ En effet, pour atteindre la qualité, il faut assurer la conformité par rapport
1- aux caractéristiques du produit ou du service;
2- le prix qu’accepte l’acheteur

Donc La qualité est :

La réponse au besoin,
La réponse à l’utilisation,
La réponse globale à un problème.

Qualité : Définitions

Pr. BENSAID AMRANI NABIL 3

 Qualité : Définitions

▪ Maîtrise de la qualité
Partie du management de la qualité axée sur la satisfaction
des exigences pour la qualité

▪ Non - qualité
L’inadéquation entre le besoin et l’offre.
Écart global entre la qualité visée et la qualité
effectivement obtenue.

Qualité : Définitions

Conformité : satisfaction d’une exigence.

Défaut : non satisfaction d’une exigence liée à une utilisation prévue

ou spécifiée.

Non-Conformité : non-satisfaction d’une exigence réglementaire ou

concernant la qualité du produit final ou intermédiaire.

Dysfonctionnement : écart entre une situation existante et une

situation attendue.

Pr. BENSAID AMRANI NABIL 4

 Qualité : Définitions

• Certification :
Procédure par laquelle un tiers atteste par écrit, qu’un produit, un
procédé, un service ou une organisation est conforme à des
exigences qui sont précisées.

• Accréditation :
Procédure par laquelle un organisme faisant autorité reconnaît
officiellement qu’un autre organisme est compétent pour se livrer,
par exemple, à des activités d’analyses.

Couple ISO 9001-9004

Pr. BENSAID AMRANI NABIL 5

 LE REFERENTIEL NORMATIF

ISO 9000
Principes essentiels
et vocabulaire

ISO 9001 Système de ISO 9004

Lignes directrices Prix Qualité
Exigences management de pour l’amélioration
la qualité des performances

ISO 19 011
Audit qualité et
environnement

M.S.P. / S.P.C.
Statistical Process Control,

Surveillance des Procédés en Continu

ou
Maîtrise Statistique des Procédés

Pr. BENSAID AMRANI NABIL 6

 UN PEU D’HISTOIRE

➢ Années 30 – 50 : Pilotage par Cartes de Contrôle

avec Shewhart (Industrie militaire…)

➢ Années 60 : Utilisation des Outils statistiques (Industrie

Japonaise)

➢ Années 70 : Mesures de Capabilité (Industrie Automobile

Américaine)

➢ Années 80 : Industrie Européenne

➢ FORD : Un des Leaders dans la promotion moderne

du SPC au niveau mondial

➢ 1984 : Application des techniques statistiques dans l’Industrie

Européenne

La Maîtrise des processus :

Pourquoi ?

● Maîtriser la qualité ➔ client satisfait

● Maîtriser les coûts, la performance ➔ santé financière

Pr. BENSAID AMRANI NABIL 7

 La Maîtrise des processus :
Nouveaux défis économiques

 Concurrence mondialisée :

 Intégrer les nouvelles réglementations (Europe) :

 Protéger l'environnement : pollueur = payeur

Le système de gestion de la qualité

Pr. BENSAID AMRANI NABIL 8

 La Maîtrise des processus :
Où ?

ENTREES PROCESSUS SORTIES

Matières Produit fini

premières Procédé de rebuts
fabrication
déchets

Processus tertiaire
ou
Processus de fabrication

La Maîtrise des processus :

Nouveaux défis techniques

Caractéristiques Paramètres Caractéristiques

observées observés observées

Matières Produit fini

premières rebuts
PROCEDE déchets

1000 … 100 000 …. mesures par jour !

Pr. BENSAID AMRANI NABIL 9

 La Maîtrise des processus :
Nouveaux défis techniques

Des mesures toujours plus nombreuses :

Exemples :

 Réacteur chimique :
- 73 variables process
- 10 observations/heures
 Carrosserie automobile :
- 150 mesures dimensionnelles (laser)

Processus : Définitions

Le processus est défini par certains éléments :

▪ un nom,

▪ un début et une fin,

▪ ses données d’entrée et de sortie,

▪ les ressources utilisées (responsable, personnes impliquées, base

documentaire, moyens…),

▪ les processus amont et aval (les prédécesseurs et successeurs du processus

en question),

▪ sa finalité.

Pr. BENSAID AMRANI NABIL 10

 Processus : Définitions

Produit

Chargement Transport Réception Chargement

Données

Processus : Définitions

• Carte des Processus

Pour mener une démarche qualité efficace, il convient

d’identifier tous les processus de l’entreprise.

On peut ainsi dresser une carte des processus de l’entreprise

en matérialisant par un schéma les interactions entre les
processus.

Pr. BENSAID AMRANI NABIL 11

 Processus : Définitions

• Carte des Processus

Exemple :

Achats Mesure
satisfaction
client
Identification Production
des exigences Logistique
clients Facturation
Audit interne

LES DIFFERENTES CAUSES

▪ Causes assignables

▪ Causes aléatoires

▪ Causes attribuables

▪ Causes constantes

Pr. BENSAID AMRANI NABIL 12

 Causes Communes / Causes Spéciales

Deux pièces de la même référence ne sont jamais parfaitement identiques.

Les causes fondamentales de cette dispersion sont séparées en :

➢ Causes Communes
Exemples :
Jeux dans la chaîne cinématique de la machine
Défaut de la broche de la machine
…
➢ Causes Spéciales

Exemples :
- Déréglage d'un outil
- Usure d'un outil
- Mauvaise lubrification
…

LES DIFFERENTES CAUSES

D'après l'analyse des procédés de fabrication, 5 éléments

de base sont la cause de la dispersion. Ils sont désignés par les 5 "M" :

► Machine

► Main d'œuvre

► Matière

► Méthodes

► Milieu

Pr. BENSAID AMRANI NABIL 13

 LES DIFFERENTES CAUSES

MATIERES
PREMIERES
PERSONNEL MACHINES

PRODUCTION

METHODES ENVIRONNEMENT
ORGANISATION TRAVAIL

Processus : Définitions

Processus

Système d’activités corrélées ou interactives

qui transforme des éléments d’entrée en
éléments de sortie.

Pr. BENSAID AMRANI NABIL 14

 VARIABILITE

• Tout processus de production comporte des facteurs techniques,

administratifs et humains qui concourent à la réalisation du produit.

• Les éléments qui interviennent dans un processus ne restent pas

parfaitement constants dans le temps. Ils varient et leurs influences se
répercutent par la suite dans la production.

• Pour toutes les entreprises, la variabilité des caractéristiques de qualité

constitue un obstacle majeur pour fournir des produits qui répondent aux
exigences des clients.

Mesures d’une distribution normale

L’ensemble des données est distribué autour d’une valeur centrale

F
r
é
q
u
e
n
c
e

Mesures

Pr. BENSAID AMRANI NABIL 15

 OBJECTIFS DE LA STATISTIQUE DESCRIPTIVE

II. Analyse descriptive des données

• La statistique descriptive est l’ensemble des méthodes et des

techniques permettant de présenter, de décrire, de résumer, des
données nombreuses et variées.
• Il faut préciser d’abord quel est l’ensemble étudié, appelé population
statistique, dont les éléments sont des individus ou unités statistiques.
• Chaque individu est décrit par une ou plusieurs variables, ou caractères
statistiques.

II. Analyse descriptive des données

LES VARIABLES ALEATOIRES

Chaque variable peut être selon le cas:

1.Quantitative:

ses valeurs sont des nombres exprimant une quantité, sur lesquels les opérations
arithmétiques (somme, etc…) ont un sens.
La variable peut alors être discrète ou continue selon la nature de l'ensemble des valeurs
qu'elle est susceptible de prendre (valeurs isolées ou intervalle).

2.Qualitative:

ses valeurs sont des modalités, ou catégories, exprimées sous forme littérale ou par un
codage numérique sur lequel des opérations arithmétiques n'ont aucun sens.

Pr. BENSAID AMRANI NABIL 16

 II. Analyse descriptive des données

LES VARIABLES ALEATOIRES

LES VARIABLES ALEATOIRES (Rappel)

II. Analyse descriptive des données

• On distingue des variables qualitatives ordinales ou nominales, selon

que les modalités peuvent être naturellement ordonnées ou pas.

• Une variable est dichotomique si elle n'a que 2 modalités.

• Les variables seront ensuite analysées différemment selon leur nature

(quantitative, qualitative, etc...), au moyen de tableaux, graphiques,
calcul de paramètres-clé.

Pr. BENSAID AMRANI NABIL 17

 Calcul de la moyenne

X 1 + X 2 + X 3 ...X n
X=
n
__
Symboles utilisés
X = Moyenne
∑ somme de
X1 = Première mesure
n =nombre de mesures
X2 = Seconde mesure x1 - xn = toutes les mesures (1 à n)
Xn = Dernière mesure __
X représente la moyenne
n = Nombre total de mesures

Mesures d’une distribution normale

Mode Valeur qui a le plus grand effectif

Valeur qui permet de partager la série en

Médiane
deux parties de même nombre d'éléments

Moyenne arithmétique des résultats

Moyenne

Moyenne, médiane et mode sont des valeurs autour desquelles les

observations sont réparties; ce sont trois façons complémentaires de
caractériser la tendance centrale.

Pr. BENSAID AMRANI NABIL 18

 QU’APPELLE-T-ON PARAMETRES
STATISTIQUES

Étendue :

Définition : L'étendue R d'une série statistique est la

différence entre la plus grande et la plus petite
valeur.

Ces valeurs ne sont pas toutes les mêmes

Moyenne Mode

Médiane
F
r
é
q
u
e
n
c
e

Mesures

Pr. BENSAID AMRANI NABIL 19

 Application 1
Le tableau ci-contre donne la répartition des notes obtenues à
un contrôle de mathématiques par les 27 élèves d’une classe de 3e.
1) Calculer la note moyenne de la classe à ce contrôle. Arrondir le résultat à
l’unité.
2) Calculer la pourcentage d’élèves ayant eu une note supérieure ou égale à 10.
Arrondir le résultat au dixième.
3) Déterminer la médiane de cette série.
4) Quelle est l’étendue de cette série.

III. Paramètres statistiques

Enfin, on peut calculer d'autres paramètres (nous

verrons par exemple l'écart-type), qui permettent
de quantifier la plus ou moins grande variabilité
des mesures, leur dispersion plus ou moins
importante de part et d'autre de la tendance
centrale, telle qu'on peut la mettre en évidence
sous forme graphique:

Pr. BENSAID AMRANI NABIL 20

 LES CARACTERISTIQUES DE TENDANCE CENTRALE

Ecart type (S)

S est la mesure principale de la

dispersion utilisée au laboratoire

 (x1 − x )
2

S= n −1

Écart-type – Formule statistique

Pr. BENSAID AMRANI NABIL 21

 Coefficient de Variation

Le coefficient de variation (CV) est le S exprimé en pourcentage

de la moyenne.

SD
CV = x 100 %
moyenne
• Le CV est utilisé pour contrôler la précision
• Le CV est utilisé pour comparer des méthodes
• Le CV est idéalement inférieur à 5%

Application 2

Une entreprise possède 12 voitures pour effectuer le transport des commerciaux. Voici les
consommations moyennes, en litre d’essence, de chaque véhicule pour 100 km.

1. Calculer la consommation moyenne aux 100 km des véhicules de cette entreprise.

2. Déterminer la médiane de cette série.

3. Calculer l’étendue R de cette série.

4. Calculer l'écart type S et puis déduire le coefficient de variation (CV)

Pr. BENSAID AMRANI NABIL 22

 5) Analyse de la forme de la dispersion, loi normale

L’histogramme
C'est un outil qui nous permet d'observer la répartition des valeurs mesurées par rapport à
la moyenne, regroupées par classe.

Cette moyenne doit être le plus près possible de la cote visée.

L'allure générale doit correspondre à une courbe en cloche ou courbe de Gauss.

Distribution normale

• Distribution symétrique de toutes les valeurs autour de la moyenne

• Forme en cloche caractéristique
• Présumée pour toutes les statistiques du contrôle qualité
Fréquene

moyenne

Pr. BENSAID AMRANI NABIL 23

 II. Analyse descriptive des données

• A partir d’un ensemble de données associé à un caractère, communément

appelé série numérique, on veut être en mesure d’effectuer une
présentation succincte et intelligible: c’est la première phase d’une
analyse descriptive des données.
On veut donc, à partir d’un ensemble de données

• Les ranger par valeurs croissantes

• Les dépouiller suivant une distribution de fréquence

• Visualiser ce dépouillement à l’aide d’un histogramme (variable

continue) ou d’un diagramme en bâton (variable discrète)

A ceci pourra s’ajouter la courbe des fréquences cumulées

croissantes.

II. Analyse descriptive des données

ETUDE D’UN EXEMPLE

• Etude du diamètre de tiges tournées:

dans un atelier mécanique, on a vérifié le diamètre de tiges tournées
sur un tour à commande numérique. La valeur du diamètre n’est pas
la même pour toutes les tiges.
Le diamètre des tiges devrait normalement se situer entre 36 et 44
mm avec une valeur nominale de 40 mm.

Soixante tiges ont été mesurées avec un micromètre de précision et

les résultats sont présentés dans un tableau.

Pr. BENSAID AMRANI NABIL 24

 II. Analyse descriptive des données

Diamètre des tiges tournées (en mm):

39.5 39.0 39.9 39.7 38.5 40.0 39.2 40.9 37.6 37.9

40.6 38.7 41.5 39.1 39.7 39.4 39.0 39.5 40.9 41.2

38.4 37.8 40.0 42.6 39.9 43.1 38.6 37.0 39.7 40.4

37.8 37.6 38.5 40.0 39.4 41.3 40.6 37.0 40.4 40.0

39.4 40.1 41.2 38.4 38.9 40.8 37.2 41.5 39.4 39.0

39.5 39.4 39.6 42.1 40.3 39.1 38.8 39.9 40.7 42.2

Visualisation du dépouillement:

On découpe l'intervalle des valeurs de la variable en un certain Nombre de classes [e_i ; e_i+1 [,
et on détermine les effectifs n_i associés à chaque classe (ainsi que les fréquences et les %).

Histogramme
Fréquence

20 150.00%
15 100.00%
10 50.00%
5
0 0.00%
Fréquence
.49

.49

.49

.49

.49

.49

ou 49

% cumulé
.
s..
.
37

38

39

40

41

42

43
plu

Classes

Pr. BENSAID AMRANI NABIL 25

 EXERCICE
+ 0.05
Une entreprise X vérifie le diamètre d’une surface cylindrique coté 20 - 0.08

Un opérateur prélève un lot de 40 pièces, il mesure à l’aide d’un micromètre (résolution = 0,01 mm) les 40
diamètres et trouvent les résultats suivants:

N° 1 2 3 4 5 6 7 8 9 10 11 12 13 14

cote 19.97 19.96 19.99 19.99 20.00 19.93 20.01 19.99 20.02 19.99 19.95 20.01 19.97 20.00

N° 15 16 17 18 19 20 21 22 23 24 25 26 27 28

cote 20.00 19.98 20.01 19.95 19.97 20.00 19.99 20.02 19.97 20.03 20.00 19.96 20.03 19.99

N° 29 30 31 32 33 34 35 36 37 38 39 40 41 42

cote 19.99 20.02 19.98 19.99 20.04 19.97 20.02 20.00 20.02 20.00 20.00 19.98

Elle veut connaître la représentation graphique de la distribution des pièces: il faut donc tracer
l’histogramme

Méthode de tracé d’un histogramme

1: collecte des données: Voir tableau précédent

2: calcul du nombre de classes Formule: Nb de classes =  n

AN :Nb de classes =  40 = 6,32.
Arrondi à 7

3: calcul de l’étendue R Formule: valeur mesurée maxi - valeur mesurée mini

ou : x maxi - x mini

AN : 20,04 - 19,93 = 0,11 mm

4: calcul de la largeur d’une classe Formule: R / Nb de classes

arrondir à un multiple de la résolution

AN : 0,11 / 7 = 0,014 arrondi à 0,02 mm

5: calcul de la valeur mini de la Formule: valeur mesurée mini - moitié de la résolution

première classe ou : x mini - 1/2 résolution

AN : 19,93 - (0,5 x 0,01) = 19,925 mm

Pr. BENSAID AMRANI NABIL 26

 6: Relever le nombre de valeurs par classe tableau des résultats ( classes / fréquences )

Classes Fréquence ( Nb de valeurs )

19,925 - 19,945
1
19,945 - 19,965
4
19,965 - 19,985
8
19,985 - 20,005
16
20,005 - 20,025
8
20,025 - 20,045
3
20,045 - 20,065
0

7: Tracé de l’histogramme

fréquence

20

16
15

8 8
10

4
5 3

1
valeur

19,925 19,945 19,965 19,985 20,005 20,025 20,045 20,065

Pr. BENSAID AMRANI NABIL 27

 cote visée: cote moyenne
8: Tracer Cote maxi : tolérance supérieure
les caractéristiques de la cote Cote mini : tolérance inférieure

fréquence AN : cote visée = 19,985 mm

cote maxi = 20,05 mm
cote mini = 19,92 mm
20 Cote mini Cote visée
Cote maxi
16
15

8 8
10

4
5 3

1
valeur

19,925 19,945 19,965 19,985 20,005 20,025 20,045 20,065

n
9: calcul de la moyenne des valeurs et tracé formule: X = 1/n  xi
i=1
10: tracé de la courbe de Gauss ( facultatif ) AN : 19,992 mm

fréquence
X

20 Cote visée
Cote mini
Cote maxi
16
15

8 8
10

4
5 3

1
valeur

19,925 19,945 19,965 19,985 20,005 20,025 20,045 20,065

Pr. BENSAID AMRANI NABIL 28

 En conclusion:
L’histogramme permet d’observer la répartition des
valeurs mesurées par classes, par rapport à la moyenne.

La moyenne des valeurs doit être le plus prêt possible de la

cote visée.

L’allure générale doit correspondre à une courbe en cloche

ou courbe de Gauss.

Comparaison entre dispersion et IT de fabrication

ATTENTION ! Ne pas confondre ETENDUE et DISPERSION

Etendue: valeur mesurée maxi - valeur mesurée mini ou : x maxi - x mini

En relation avec l’histogramme

R
Dispersion: elle peut être évaluée à 6,18  ( correspond à 99,98% d’une population
distribuée suivant une loi normale ).

En relation avec la courbe de Gauss

 : Ecart type

dispersion

Pr. BENSAID AMRANI NABIL 29

 Ecart type :  ( sigma )

Paramètre de dispersion qui caractérise la plus ou poins

grande dispersion des valeurs autour de la moyenne.

Courbe convexe
X
Courbe concave

 ( xi - X )²
=
N

Types de dispersion:

Dispersion Systématique ( Ds ):

Proviennent de Causes Assignables ( causes identifiables, peu nombreuses

mais sources de défauts importants, exemple: usure d’outil..)

Dispersion Aléatoire ( Da ):

Proviennent de Causes Aléatoires ( causes dues au hasard, que l’on ne peut

éliminer complètement, en assez grand nombre mais à effet limité,
exemple :écart de mise en position, déformation de la pièce lors du serrage,
flexion de l’outil ….)

Le but du M S P ( ou S P C ) est d’éliminer les

causes assignables

Pr. BENSAID AMRANI NABIL 30

 II. Les indices de Capabilité

Exemple:

Moyennes différentes
Dispersion identique
 

X1 X2

Moyenne identique

1 Dispersions différentes

2

Pr. BENSAID AMRANI NABIL 31

 Quelques cas intéressants:

 1
 2
 3
 4

Environ 68% des individus sont compris dans l’intervalle X  1

Environ 95% des individus sont compris dans l’intervalle X  2
Environ 99,8% des individus sont compris dans l’intervalle X  3
Environ 99,99% des individus sont compris dans l’intervalle X  4

Écart-type et probabilités

Lorsque les mesures sont

normalement
distribuées (distribution normale
Fréquence

des valeurs), une valeur tombera

dans l’intervalle :
68.2%
+ 1S : 68.3% du temps
95.5%
+ 2S : 95.5% du temps
99.7%
+ 3S : 99.7% du temps
-3s- 2s -1s Moyenne +1s +2s +3s

Pr. BENSAID AMRANI NABIL 32

 On compare la dispersion à l'IT à respecter, 3 cas peuvent se présente

1°cas: le procédé de fabrication ne convient pas, il y a rebut

systématique

2°cas: tout déréglage de la moyenne entraînera un rebut qui

sera fonction de ce déréglage.

Pr. BENSAID AMRANI NABIL 33

 3°cas: pas de rebut tant que la moyenne reste dans l’intervalle
égal à : IT - 6,18

Capabilité Moyen de Contrôle

1. Résolution 4. Reproductibilité
2. Justesse 5. Capabilité
3. Répétabilité

Pr. BENSAID AMRANI NABIL 34

 La Capabilité

C'est un indicateur qui va permettre de vérifier si le processus est apte à

produire des pièces conformes

La capabilité est exprimée par un chiffre. C'est la mesure du rapport entre

la performance réelle d'une machine ou d'un procédé et la performance
demandée.

Performance demandée: C'est l'intervalle de tolérance

Performance réelle: C'est la distribution des relevés

IT
La distribution est à l'intérieur de l'IT:
: pièces conformes

La distribution n'est pas à l'intérieur de

l'IT:
: pièces non conformes

Pr. BENSAID AMRANI NABIL 35

 Il y a 2 indicateurs de capabilité:
• La capabilité machine ( s'intéresse à la dispersion instantanée )
• La capabilité du procédé ( s'intéresse à la dispersion globale )

La capabilité machine
Pour déterminer la valeur de la capabilité machine, les relevés doivent être effectués
dans un laps de temps très court. Il faut au minimum 50 relevés consécutifs.

50 relevés

Production
temps
1: Calculer la moyenne des 50 relevés: X

2: Calculer l'écart type i ( écart type instantané en utilisant l'estimateur

de l'écart type: (n-1) = S

IT

3: Calculer le premier indice de la capabilité machine: Cm

( Permet de comparer l'IT à la dispersion )

Ts - Ti IT IT
Cm=
ou Cm= ou Cm=
6i 6i 6S

La machine est considérée apte si Cm > 1,33

4: Calculer le deuxième indice de la capabilité machine: Cmk

( Permet de vérifier la dispersion et le centrage

de la moyenne )
2 valeurs à calculer: X

X - Ti Ts - X
Cmki= et Cmks=
3i 3i

Pr. BENSAID AMRANI NABIL 36

 Après calcul de Cmki et de Cmks, on
retient la valeur la plus petite.

La machine est considérée bien centrée si Cmk > 1,33

11.2: La capabilité du procédé

On vérifie la capabilité du procédé sur un laps de temps long ( par exemple une semaine ).

La capabilité du procédé se détermine que si le procédé est sous contrôle ( plus de cause
assignable ).

On calcul les indices de capabilité à partir des échantillons prélevés.

1: Calculer l'écart type * ( écart type estimé )

W S
= ou (estimé) =
(estimé)
dn bn

1: Calculer le premier indice de la capabilité

procédé: Cp
( Permet de comparer l'IT à la dispersion )

Ts - Ti IT
Cp= ou Cp=
6(estimé) 6(estimé)

Le procédé est jugé capable si Cp > 1,33

2: Calculer le deuxième indice de la capabilité procédé: Cpk

( Permet de vérifier le centrage de la moyenne )

2 valeurs à calculer:

X - Ti Ts - X
Cpki= et Cpks=
3(estimé) 3(estimé)

Pr. BENSAID AMRANI NABIL 37

 Après calcul de Cpki et de Cpks, on retient la valeur la plus petite.

Le procédé est considéré bien centré si Cpk > 1,33

interprétations des résultats

Pr. BENSAID AMRANI NABIL 38

 Calcul de Cm; Cmk

non oui
Cm < 1,33

non oui non oui

Cmk < 1,33 Cmk < 1,33

Machine Machine Situation Machine non

capable pour la capable pour la impossible capable pour la
dispersion et dispersion mais dispersion mais
satisfaisante

bien centrée mal centrée bien centrée

-Changer de moyen de
production
- améliorer le moyen
- modifier l'IT avec
l'accord du BE
- contrôle à 100%

Intervention, intervention
réglage Non satisfaisante

Pr. BENSAID AMRANI NABIL 39

 Application

Exemple d'application: Sur une machine de production, on veut surveiller une cote de
28,4  0,05. Pour cela, on procède à l'usinage d'un échantillon de 50 pièces.
Les résultats sont les suivants:

N° pièce mesure N° pièce mesure N° pièce mesure N° pièce mesure N° pièce mesure
1 28.39 11 28.38 21 28.39 31 28.4 41 28.39
2 28.39 12 28.39 22 28.39 32 28.4 42 28.39
3 28.4 13 28.39 23 28.38 33 28.41 43 28.38
4 28.39 14 28.38 24 28.39 34 28.41 44 28.39
5 28.4 15 28.39 25 28.38 35 28.43 45 28.38

6 28.39 16 28.39 26 28.4 36 28.41 46 28.4

7 28.4 17 28.41 27 28.4 37 28.4 47 28.39

8 28.39 18 28.41 28 28.4 38 28.41 48 28.38

9 28.36 19 28.42 29 28.37 39 28.42 49 28.38
10 28.38 20 28.37 30 28.39 40 28.41 50 28.38

Calculer Cm et Cmk et conclure sur la capabilité de la machine.

Corrigé:
X = 28,393 i = (n-1) = 0,01379

Cm = IT / 6 (n-1) Cm = 0,1 / 6x0,01379 = 1,208

Cmks = Ts - X = 1,377
3i

Cmki =
X - Ti = 1,039
3i

Conclusion:

1 < Cm < 1,33

Machine non capable
1 < Cmki < 1,33

Pr. BENSAID AMRANI NABIL 40

 Application 2

Capabilité de Processus d’usinage

Une machine à rectifier en cycle automatique doit être surveillée. Le processus est stable (pas de cause
assignable). A la demande du service de qualité, une étude de capabilité est réalisée à fréquence optimisée. Pour
cela, 50 pièces ont été usinées sur la machine avec le même réglage, les mêmes conditions, le même lot de matière
et le même opérateur.

La spécification à réaliser est une côte de : L = (45,000 ± 0,043) mm

La moyenne des dimensions des 50 pièces exécutées est m = 45,032 mm.

L’écart-type de la distribution des dimensions est σ = 0,005 mm.

1) Donner la valeur nominale ainsi que l’intervalle de tolérance que l’on notera IT sur la spécification.

2) Donner les valeurs des tolérances supérieure Ts et inférieure Ti

3) Calculer sa valeur de la capabilité du procédé Cp

4) Calculer leurs valeurs des capabilités Cpk, Cpkmin et Cpkmax.

5) Préciser quels renseignements apportent ces deux indicateurs. Aux vues des valeurs
trouvées, que pouvez-vous en déduire ?

Pr. BENSAID AMRANI NABIL 41

 Exercice 3: Choix de procédé

Deux procédés sont évalués pour fabriquer des ressorts de raideur :

K=200 ± 0,7 N/mm.

Pour cela on réalise deux préséries, en prélevant 20 échantillons de 4 pièces tous les
20 pièces

1. Calculer les indices de capabilité Cp et Cpk pour chaque Procèdé

2. Analyser ces résultats

Pr. BENSAID AMRANI NABIL 42