OUTILS de la QUALITÉ

◦ Avertissement
◦ Les données, images, valeurs, phrases de ce document ne sont
pas la propriété dite intellectuelle de l'auteur de ce support.
◦ Il y a eu un travail de recueil, tri, analyse, synthèse et mise en
forme d'informations issues de différentes littératures (ouvrages,
documents, supports … d'origines diverses).
◦ C'est pourquoi, pour respecter la propriété intellectuelle des
informations figurant ici (dont parfois les auteurs ne sont pas
référencés dans les documents utilisés), ce support n'est pas
diffusable et son usage est strictement réservé aux étudiants
ayant suivi le cours.

1
 OUTILS de la QUALITÉ

◦ Introduction à la maîtrise des Processus

◦ Analyse des processus :
◦ Causes de variabilité
◦ Outils (hors ligne) :
◦ Analyse PARETO (ou ABC)
◦ Analyse 5M (ou diagramme de causes et effets,
ou diagramme d'Ishikawa, ou diagramme en arêtes de
poisson)

◦ MSP (en ligne)

◦ Capabilité
◦ Cartes de contrôle
2
 UN PEU D’HISTOIRE
sur la notion de maîtrise des processus
 Années 30 – 50 : Pilotage par Cartes de Contrôle avec Shewhart
( pour l’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

Française

3
 La Maîtrise des processus :
 Où ?

ENTREES PROCESSUS SORTIES

Matières Produit fini

premières Procédé de rebuts
fabrication déchets

Processus tertiaire
ou
Processus de fabrication
4
 La Maîtrise des processus :

 Pourquoi ?
● Maîtriser la qualité  client satisfait

● Maîtriser les coûts, la performance  santé financière

 Quel contexte : Nouveaux défis économiques

 Concurrence mondialisée

 Intégrer les nouvelles réglementations (Europe)

 Protéger l'environnement (pollueur = payeur)

5
 La Maîtrise des processus
 Nouveaux défis techniques

Caractéristiques Paramètres Caractéristiques

observées observés observées

Matières Produit fini

premières PROCEDE rebuts
déchets

100 ,1000 …à 100 000 …. mesures par jour !

6
 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)
- 1000 caisses de voiture / jour

7
 La Maîtrise des processus

 Nouveaux défis techniques

Des mesures toujours plus nombreuses !

Constatation générale :
- On est submergé par les données
- On n'exploite pas toute l'information disponible
- Trop de fausses alertes !!

Les outils classiques d'analyse ne suffisent plus

8
1. Variabilité
◦ Tous les procédés, quels qu’ils soient, sont incapables de
produire toujours exactement le même produit.
◦ Lorsqu’on contrôle une des caractéristiques d’un produit,
on observe une dispersion des valeurs mesurées autour
de la valeur cible.
◦ Cette variabilité (dispersion) est incontournable et parfois
il faut « vivre avec ».
◦ On distingue deux classes de variabilité :
◦ La variabilité inhérente au procédé (et peu ou difficilement
modifiable ) : elle est due à la variation normale du
procédé. Exemple: usure d’une machine, jeux mécanique
d’une machine, …
◦ La variabilité externe au procédé qui résulte des causes
spéciales ou particulières et qui doit être corrigée. Exemple
: mauvais calibrage, changement d’opérateur, …
9
 2. Types de variabilité
Causes Communes / Causes Spéciales

Deux pièces de la même référence ne sont jamais parfaitement

identiques.
Les causes fondamentales de cette dispersion (variabilité) sont
séparées en :
 Causes Communes
Exemples :
Jeux dans la chaîne cinématique de la machine ( vibrations)
Défaut de la broche de la machine (moteur d’entraînement, etc.)
…
 Causes Spéciales
Exemples :
- Déréglage d'un outil
- Usure d'un outil
- Mauvaise lubrification
… 10
 2. Types de variabilité

Les différentes causes (classifications selon auteurs)

● Causes accidentelles (ou assignables)

● Causes aléatoires (non assignables)

● Causes spéciales (ou attribuables)

● Causes constantes (ou communes)

11
 2. Types de variabilité

◦ Classification Shewhart / Deming

élément type 1 type 2

Shewhart cause assignable cause non assignable
Deming cause spéciale cause commune
source causes externe processus interne processus
nombre de causes petit grand
effet cause fort faible
modification
élimination ou
au fur et à mesure /reconception du
réduction
processus
Exemples matière première défectueuse usure d’une machine

12
 3. Causes communes et causes spéciales
La variabilité du processus peuvent être rattachées à plusieurs causes :

◦ Les causes communes (ou naturelles ou aléatoire ou non assignable) :

◦ ce sont les nombreuses sources de variations difficilement maîtrisables
qui sont toujours présentes à des degrés divers dans différents procédés.
◦ Ces causes étant toujours présentes et de plus en grand nombre, il
faudra «vivre avec ».
◦ L’ensemble de ces causes communes forme la variabilité intrinsèque du
procédé.
◦ Cette variabilité suit généralement une loi de Gauss.
◦ Le but de la MSP sera de ne laisser subsister que les dispersions dues aux
causes communes.
◦ Les causes spéciales (assignables ou accidentelles ou spéciales) :
◦ ce sont les causes de dispersion identifiable, souvent irrégulières et
instables et par conséquent difficiles à prévoir. L’apparition d’une cause
spéciale nécessite une intervention sur le procédé.

L’objectif est de se débarrasser des causes assignables et de

réduire les causes aléatoires.
13
 4. Causes de variabilité : les cinq M
L’analyse des procédés de fabrication permet de dissocier 5
éléments sources des variations. On les désigne
généralement par les 5 M : Machine, Main-d’œuvre,
Matière, Méthodes et Milieu.

Source : Daniel Duret, Maurice Pillet, ‘Qualité en production de l’iso 9000 à Six Sigma’, Les références, Editions14
d’Organisation, 2001
4. Causes de variabilité : les cinq M
Diagramme en « arrête de poisson » ou d’ISHIKAWA ou
« cause-effet »

Dans notre cas effet = variabilité de la production

15
4. Causes de variabilité : les cinq M
Diagramme « cause-effet » : exemple d’origines possibles

16
 5. Les limites naturelles d’un procédé
 Lorsque les causes de variation d’une caractéristique sont nombreuses
et indépendantes et qu’aucune d’entre elles n’est prépondérante,
cette caractéristique suit généralement une loi dite « normale » ou loi
de « Gauss-Laplace ».

 Ces variations ont pour origine de très nombreuses causes que nous
avons appelées les causes communes.
 Ces causes communes agissent généralement de manière aléatoire sur
le processus de fabrication.
 Ainsi, les caractéristiques de production ne sont pas toujours identiques
et suivent en général une loi de gauss
hypothèse à prouver !!! 17
5. Les limites naturelles d’un procédé
• Si la moyenne est centrée
sur la cible, il est donc
naturel de trouver des
valeurs comprises entre +/-
trois écarts types (σ) de
cette cible.
• Les valeurs «cible + 3 σ » et
«cible - 3 σ » représentent
les limites naturelles du
procédé.
• Tant qu’une valeur est dans
ces limites, il n’y a pas de
Dispersion naturelle du procédé raison d’agir sur le
Daniel Duret, Maurice Pillet, ‘Qualité en production de l’iso
9000 à Six Sigma’, Les références, Editions
procédé.
d’Organisation, 2001
• Si une valeur sort de ces
limites, on a une forte
probabilité que le procédé
ne soit plus centré sur la
cible, il faut alors le
recentrer. 18
6. Maîtrise Statistiques des Procédés MSP
& Cartes de contrôle

1. Qu’est-ce que la MSP ?

2. La Capabilité
3. Pilotage de la production par carte de contrôle
4. Types de carte de contrôle
5. Limites de contrôle de la carte dans le cas ou l’écart type et
la moyenne sont connus
6. Carte de contrôle ( ,R) et exemple
7. Carte de contrôle de l’étendue : carte R
8. Carte ( , S)
9. Carte de contrôle de l’écart type S

19
6.1. Qu’est-ce que la MSP ?

Avec l’ouverture des marchés internationaux, la

concurrence entre les industriels se sont considérablement
accrues. De nombreuses études, menées dans le but de
trouver les facteurs décisifs pour le gain de parts de marché,
ont montré que l’atout gagnant de cette lutte est la qualité.

La Maîtrise Statistique des Procédés (MSP) est l’outil qui

permet de maximiser la qualité d’un produit.

Le but de toute chaîne de production est d’obtenir des

pièces conformes au cahier des charges, c’est-à-dire
comprise entre les limites des tolérances préétablies.

20
 6.1. Qu’est-ce que la MSP ?
La MSP s’intéresse à la façon dont ces articles se répartissent dans l’intervalle
de tolérance afin d’optimiser leur production en enregistrant tout écart avant
de produire des pièces non-conformes (hors intervalle de tolérance).

La MSP est une méthode préventive qui vise à amener le processus au niveau
de qualité requis et à le maintenir grâce à un système de surveillance.

L’outil statistique MSP :

Donne aux opérateurs la possibilité de piloter précisément leurs machines.
Formalise la notion de capabilité.
Trie les situations ordinaires, qui ne nécessitent aucune action, et les situations
anormales pour lesquelles l’opérateur doit intervenir.

Le MSP regroupe deux concepts de base :

Le suivi et le pilotage par « carte de contrôle » inventée par Shewart
La mesure de capabilité.

21
 6.2. La capabilité

6.2.1. Qu’est ce que la capabilité ?

6.2.2. Exemple de procédé capable et de
procédé incapable
6.2.3. Indices de capabilité machine Cm et Cmk
6.2.4. Valeur cible pour Cm et Cmk
6.2.5. Exemples
Exemple 1 de calcul de Cm et Cmk
Exemple 2 de calcul de Cm et Cmk
6.2.6. Indice de capabilité procédé Cp et Cpk
6.2.7.Valeur cible de Cp et Cpk.

22
 6.2.1. Qu’est ce que la capabilité ?

◦ La capabilité est la mesure établissant le rapport entre la performance

réelle d’une machine ou d’un procédé et la performance exigée.

◦ Elle permet de mesurer la capabilité à réaliser des pièces comprises

dans un intervalle de tolérance IT fixé par le cahier des charges.

◦ On se place dans le cas où une certaine caractéristique mesurable

des produits est soumise à deux tolérances, Ti et Ts (respectivement
tolérance inférieure et tolérance supérieure).

◦ Un procédé capable assure une « sécurité. C’est-à-dire que la qualité

de la production est meilleure que les tolérances. Sa dispersion 6 σ
doit donc être inférieure à l’intervalle de tolérance (Ts – Ti).

◦ Si la dispersion de la production est juste limitée aux tolérances, à la

moindre dérive on risque de produire non-conforme.

23
6.2.2. Exemple de procédé capable et de procédé incapable

Pour vérifier cette capabilité On

peut calculer un indice de
capabilité, il en existe plusieurs :

 Les indices de capabilité

machine (Cm et Cmk).

 Les indices de capabilité

procédé Cp et Cpk

 L’indice de capabilité
Cpm ou «indice de
capabilité Taguchy ».

Source : Florence Gillet-Goinard, Laurent Maimi, ‘Toute la fonction production’,

L’usine Nouvelle, Dunod, 2007

24
6.2.3. Indice de capabilité machine Cm et
Cmk

25
 6.2.3. Indice de capabilité machine Cm et Cmk

26
Source : Florence Gillet-Goinard, Laurent Maimi, ‘Toute la fonction production’, L’usine Nouvelle, Dunod, 2007
 6.2.4. Valeur cible pour Cm et Cmk

Valeur cible pour la capabilité machine : Cm et Cmk : ≥ 1,67

Source : Florence Gillet-Goinard, Laurent Maimi, ‘Toute la fonction production’, L’usine Nouvelle, Dunod, 2007
27
6.2.5. Exemple1 : calcul de Cm
Le poids à réaliser est de 150g ± 8 g
L’écart type estimé est de 2 g
La moyenne est de 150 g
Calculer Cm.

Calcul de Ts et Ti :

Ts = 150 + 8 = 158 g
Ti = 150 – 8 = 142 g

Calcul de Cm :

Cm = (Ts – Ti) / 6 σ
Cm = (Ts – Ti) / 6 σ = (158-142) / (6 x 2) = 16/ 12 = 1.33
Comme la distribution est centrée, on peut juger la capabilité de la
machine à partir du calcul de Cm (car dans ce cas Cm = Cmk)
1.33 <1.67 la machine n’est donc pas capable.
28
6.2.5. Exemple 2 de calcul de Cm et Cmk

Le poids à réaliser est de 150g ± 10 g

L’écart type estimé est de 2 g
La moyenne estimée est de 145 g
Calculer Cm et Cmk.

Calcul de Ts et Ti :
Ts = 150 + 10 = 160 g
Ti = 150 – 10 = 140 g

Cm = (Ts – Ti) / 6 σ = (160-140) / (6 x 2) = 20/ 12 = 1.67

Comme la distribution est décentrée il faut calculer CmK pour juger de la

capabilité de la machine.

- Ti Ts -
Cmk = min [ ________ , _________ ]
3xσ 3xσ
= min [(145-140)/3 x 2 ; (160-145)/3 x 2]
= min [0.83 ; 2.5]
= 0.83
Donc la machine n’est pas capable
29
6.2.6. Indice de capabilité procédé Cp et Cpk

 La capabilité procédé prend en compte la variabilité liée

à la machine mais aussi aux matières premières, aux
méthodes, aux conditions de travail…(5 M).

 Chaque composante du procédé ajoute sa dispersion à

celle de la machine et la dispersion du procédé
représentée par σp sera sans doute supérieure à celle de la
machine, représentée par σm.

 σp est calculé à partir d’un échantillonnage important,

par exemple > 100, prélevé dans le temps, pour être sûr
que l’influence des paramètres matières, main d’œuvre,
milieu, méthode est bien prise en compte.

30
6.2.6. Indice de capabilité procédé Cp et Cpk
- Calcul de Cp et Cpk

31
6.2.7. Valeur cible pour Cp et Cpk

Cp et Cpk ≥ 1,33

32
 6.2.7. Valeur cible pour Cp et Cpk

Cp et Cpk ≥ 1,33

33
6.3 Pilotage de la production par carte de contrôle
◦ Une fois la capabilité établie, il convient de surveiller la production au
moyen de carte de contrôle.
◦ Il y a des cartes de contrôle qui surveillent la moyenne (décentrage) et
d’autres qui surveillent l’écart type ou l’étendue (la dispersion).
◦ L’opérateur prélèvera un échantillon de n pièces, mesurera pour chaque
pièce la caractéristique surveillée, et calculera la moyenne de son
échantillon ainsi que l’écart type ou l’étendue. Les valeurs obtenues sont
comparées aux limites de contrôle définies.
◦ La carte de contrôle se présente comme un graphique dont les points
représentent le suivi dans le temps d'une caractéristique du processus dont
la valeur centrale (souvent la moyenne) est représentée par une ligne
horizontale ainsi que la limite de contrôle inférieure(LCI), et la limite de
contrôle supérieure (LCS).
◦ Ces deux valeurs sont les limites à l'intérieur desquelles le processus est sous
contrôle.
◦ La carte de contrôle constitue un tableau de bord de la qualité de
production permettant de déclencher des alarmes et de maîtriser le risque
de fabriquer des pièces hors tolérances ».
◦ Les valeurs de la caractéristique contrôlée doivent se trouver à l'intérieur de
ces limites, sinon ces valeurs sont 'hors contrôle' et doivent être examinées.
34
Les deux aspects de la production

Vision dynamique statique

Fluctuations Distribution

Carte de contrôle Histogramme

35
Statique : Capabilité avec centrage

LSS - LIS
Cp 
6 × sx

Caracté ris tique x

x - 3 ×sx x x + 3 ×sx
LIS LSS
xc
IT
36
Typologie de phénomène non dû au hasard
ISHIKAWA

1 - Série:
alignement de plusieurs points consécutifs du même côté de la ligne centrale

Série de 7

Série de 4 Ligne
centrale
Série de 3

37
6.3 Pilotage de la production par carte de contrôle

 Le contenu de la Carte de Contrôle

Afin d’être exploitable, la CCQ devra présenter :

 La situation du procédé,
 La dispersion du procédé,
 La chronologie des prélèvements,
 Les causes spéciales
 Les actions correctives
 La fréquence d’échantillonnage,
 La taille des échantillons.

38
6.3 Pilotage de la production par carte de contrôle

 Suivi et pilotage des procédés par Cartes de Contrôle

1) Echantillonnage

2) Mise en place des Cartes de Contrôle

3) Pilotages des procédé par les Cartes de Contrôle

4) Gestion de Traçabilité : Journal de Bord par les opérateurs

39
6.3 Pilotage de la production par carte de contrôle

 Echantillonnage (Prélèvements)

Conditions à remplir :
1. Les pièces d'un même échantillon doivent être produites
dans des conditions très similaires sur un très court
intervalle de temps.
2. Pas de réglage des machines à l'intérieur d'un même
échantillon.
3. Taille des échantillons constante.
4. Il faut que l’opérateur puisse saisir les données.

40
6.3 Pilotage de la production par carte de contrôle

 Technique d’échantillonnage

◦ Une des méthodes :

La fréquence de prélèvement est n pièces toutes les nN
pièces et toutes les nN 60 min
c

◦ c la cadence horaire de la machine

◦ n le nombre de pièces à prélever
◦ N le nombre de pièces fabriquées entre 2 réglages

41
6.3 Pilotage de la production par carte de contrôle

 Mise en Place des Cartes de Contrôle

Etape 1
Observation du Procédé

Etape 2
Calcul des Cartes

Etape 3
Prévention, découverte

Etape 4
Amélioration de la Capabilité du Procédé

42
6.3 Pilotage de la production par carte de contrôle

 Pilotage des Procédés par Cartes de Contrôle

• Méthode de Pilotage

Prélever

Mesurer

Interpréter

Appliquer

43
6.3 Pilotage de la production par carte de contrôle

 Journal de bord

Il faut y signaler :

 l'heure de prélèvement,
 l'heure des pauses et arrêts,
 les réglages,
 les pannes et incidents,
 les changements d'outils,
 les changements de lots de matière première,
 Les changements d'opérateurs,

44
6.3 Pilotage de la production par carte de contrôle
Exemple de journal de bord

numéro (i) 1 2 3 4 5 6 7 8 9 10
échantillon

pièce n°1 6.15 6.21 6.14 6.15 6.18 6.18 6.19 6.12 6.18 6.18

pièce n°2 6.14 6.15 6.16 6.13 6.13 6.17 6.19 6.15 6.17 6.14

pièce n°3 6.21 6.13 6.18 6.10 6.14 6.14 6.17 6.15 6.2 6.15

pièce n°4 6.20 6.14 6.10 6.19 6.18 6.18 6.17 6.14 6.2 6.12

pièce n°5 6.13 6.10 6.18 6.17 6.20 6.17 6.13 6.15 6.1 6.14

Moyenne (Xi) 6.166 6.146 6.152 6.148 6.166 6.178 6.17 6.142 6.17 6.146
d'échantillon

Etendue (Wi) 0.08 0.11 0.08 0.09 0.07 0.02 0.06 0.03 0.1 0.06
d'échantillon

heure du 8h30 9h30 10h30 11h30 12h00 13h00 14h00 15h00 16h00 17h00
prélèvement

jour lundi lundi lundi lundi lundi lundi lundi lundi lundi lundi

événement pause
de
midi

45
6.3 Pilotage de la production par carte de contrôle

 Limites

Ses limites :

 Les fausses alertes

 Non détection ou détection tardive de certains

problèmes majeurs

 Difficulté d'identification de la cause de

dysfonctionnement

46
 6.4. Les types de cartes de contrôle

Il existe deux grandes catégories de cartes de contrôle selon que le

caractère contrôlé est :
◦ qualitatif : carte de contrôle par attributs
◦ ou quantitatif : cartes de contrôle par mesures.

Cartes pour variables qualitatives

A la suite d’un contrôle, les produits sont classés en « bon » ou
« défectueux ». Ainsi, on peut mesurer des variables qualitatives :
exemple : % de défectueux.

Cartes pour variables quantitatives

Les variables quantitatives sont des mesures continues (poids,
longueur, épaisseur, température, diamètre...).
On se sert des cartes de contrôle par mesures de la moyenne, de la
médiane, de l'étendue ou de l'écart type
47
6.5. Limites de contrôle de la carte dans le cas
où l’écart type et la moyenne sont connus

Les caractéristiques de la distribution normale permettent de calculer

les limites du contrôle.
L'intervalle [μ − 3σ; μ + 3σ], contient 99.7 % des données et
représente :

les limites de contrôle inférieur LCI (ou Lower Control Limits, LCS)
LCI = μ − 3σ
et limite de contrôle supérieures LCS (ou Upper Control Limits UCL)
des cartes de contrôle :
LCS = μ + 3σ

La probabilité pour qu'un point se trouve à l'extérieur des limites

est donc 0,3%.
48
6.6. Carte de contrôle( ,R)
Dans le cas où la moyenne et l’écart type ne sont pas connus

49
50
Exemple de carte de contrôle( ,R)
Dans une laiterie, un nouveau processus de production de plaquettes de 250 g
de beurre est mis en service. On a prélevé vingt échantillons de quatre
plaquettes chacun et on a pesé chaque plaquette avec une balance de
précision. Le traitement statistique des mesures est effectué à l’aide d’un tableur.

51
 Tableau des coefficients pour le calcul des cartes
Source :Daniel Duret, Maurice Pillet, ‘Qualité en production de l’iso 9000 à Six Sigma’,
Les références, Editions d’Organisation, 2001

52
Nombre d’échantillons m = 20
Taille de chaque échantillons n = 4 donc A2 = 0.73 d’après la
carte de Shewhart

LC = ligne centrale = = 250.15

= 5.75

LSC = 250.15 + 0.73 * 5.75 = 254.34

L IC = 250.15 – 0.73 *5.75 = 245.96

53
54
6.7. Carte de contrôle de l’étendue : carte R

On trace sur la carte de contrôle la ligne centrale et les lignes de contrôle.

On porte sur la carte, pour i = 1,….,m, les points Mi de coordonnées (i, ri) où ri
désigne l’étendue du caractère étudié dans l’échantillon numéro i. 55
Exemple de carte de contrôle de
l’étendue
reprenons les données de l’exemple précédent

= 5.75

Nombre des échantillons = 20

Taille de chaque échantillons n = 4 donc d’après le tableau
des coefficients pour le calcul des cartes :
D3 = / D4 = 2.28

LSC = 2.28* 5.75 = 13.1215

N.B. il n’y a pas de limite inférieur pour des échantillon de taille

n=4
56
 6.8. Carte de contrôle de ( ,S)
◦ L'Ecart-type d'une distribution est souvent noté (et la variance d'une distribution ² ou
V).
◦ L'écart-type d'un échantillon est souvent noté s.

57
 6.8. Carte de contrôle de ( ,S)

n
Avec S i =racine carrée [Σ( x i j - i)
2 /( n-1) ]
j =1 58
6.9. Carte de contrôle de l’écart type S

59
 Bibliographie et Webographie
1. Western Electric, Manuel du contrôle statistique de la qualité,
http://www.fr-deming.org/WECSQ.pdf
2. Anne Gratacap . Pierre Médan, ‘Management de la
production : concepts . Méthodes . Cas, 2ème édition, Dunod
3. Florence Gillet-Goinard, Laurent Maimi, ‘Toute la fonction
production’, L’usine Nouvelle, Dunod, 2007
4. Michel Nakhla, ‘l’essentiel du management industriel’, L’Usine
Nouvelle, Dunod 2006
5. Daniel Duret, Maurice Pillet, ‘Qualité en production de l’iso
9000 à Six Sigma’, Les références, Editions d’Organisation, 2001

60