Préparé par :Pr MOHAMED MAZOUZI

Licence professionnelle QSE

Année Universitaire :2021 - 2022

Inter-échange d’information au sein d’une entreprise industrielle

2
▪ La qualité d’un produit ou d’un service est son aptitude à satisfaire les besoins d’un

utilisateur au moindre coût.

▪ Le contrôle est généralement considéré comme la pierre essentielle de la qualité :

• Il est le filtre qui permet de ne livrer que des produits corrects.

Rebut Ou Retouche
3
Cartographie du processus « VSM »
Objectif : visualiser le processus de fabrication, établir les priorités
sur les postes pénalisant la performance globale
30 jours MRP Semaine Clients
Fournisseurs

Bi mensuel Semaine

Poste 01 5 Poste 02 2 Poste 03

jours 8H cht série jours 15% rebut

Nombre de personnes
Temps de cycle Délais de production
Temps de changement de série 45 5 2 7
Taux de rendement synthétique 59 Jours
Proportion de rebuts Temps de cycle 10 5 4 19 Minutes
Proportion de retouches Temps de Valeur 12 Minutes
5 3 4
Ajoutée
Taille des lots
Taille des emballages
Temps de travail réel
Nombre de type de produits
….
4
▪ Il faut détecter la non-qualité au plus près du poste où elle a été produite.

5
▪ Un défaut prévu coûte 100 fois moins cher qu’un défaut constaté.

• Faire la qualité du premier coup

– Maîtriser les procédés utilisés

• Obtenir la qualité au départ de la fabrication

– Maîtriser le processus tout au long de la fabrication

– De l’approvisionnement à la livraison

6
1 Qu’est-ce que la MSP
2 Fondements de la MSP
3 Caractérisation d’un processus
4 Présentation de la carte de contrôle
5 Mise en œuvre des différentes cartes
6 Différentes cartes et applications
7 Exercices corrigés

7
 (Maîtrise Statistique des Processus)

• L’adjectif « statistique » signifie l’analyse des donnés

• Le terme « processus » regroupe l ’ ensemble des

paramètres qui concourent à la fabrication d’un produit, il
s’agit des :
 Matières premières,
 Machines,
 Hommes,
 Organisations,
 Périphériques (laboratoires d’essais,contrôle,…)

la MSP est une excellente méthode scientifique d’analyse des données. Son rôle est de
contribuer à la maîtrise et à l’amélioration des processus grâce aux différents indicateurs
préventifs qu’elle fournit. Ainsi, elle permet d’indiquer quand il y a lieu de chercher et
identifier un trouble et ses causes. 68
La MSP est conçue sur une stratégie de qualité maîtrisée (ou politique de prévention), car la
prévention ne tolère pas le gâchis. En fin de chaîne, le produit est conforme. Ce qui contraste
avec une stratégie de qualité subie (ou politique de détection), celle-ci consiste à faire les
produits par la fabrication et la qualité par le contrôle. Ce qui génère une zone supplémentaire
de dépenses que certains qualifient d’entreprise fantôme. Cette dernière mobilise des hommes,
des machines, des locaux, de l’argent, du temps, … Sa vocation est de retoucher, contrôler et
trier.Ce qui se répercute inévitablement sur le prix de revient et rend le produit non compétitif.

9
. 1 -Variabilité
Tous les processus , quels qu’ils soient , sont incapables de produire toujours
exactement le même produit : quel que soit le niveau de qualification des
opérateurs, la précision des machines, le degré d’homogénéité et de pureté des
matières premières, les caractéristiques d’un produit (cote, valeur d’une
résistance, teinte d’un tissu, pas d’un filetage, …) ne sont jamais rigoureusement
constantes, car tout processus comporte plusieurs sources de variabilité.

Exemple :- Une cote sur un lot de pièces ne fera jamais exactement 10 mm,mais
sera répartie entre 9,97 et 10,03 mm.

10
. 1 -Variabilité
▪ Ces variations proviennent de l'ensemble du processus de production. L'analyse des
processus de fabrication permet de dissocier 5 éléments élémentaires qui contribuent à créer
cette dispersion. On désigne généralement par les 5 M ces 5 causes fondamentales
responsables de dispersion,et donc de non-qualité :

11
. 1 -Variabilité

▪ Voici un exemple illustrant cette variabilité :

Il s’agit d’un lot de 50 arbres épaulés
appartenant à une même série réalisée sur un
tour parallèle en prise en mandrin à trois mors durs
à serrage concentrique avec une butée de broche.

12
 N° pièce Dimension N° pièce Dimension
1 20,646 26 20,694
2 20,648 27 20,695
3 20,658 28 20,69
4 20,66 29 20,691
5 20,656 30 20,705

. 1 -Variabilité 6 20,672 31 20,692

7 20,654 32 20,693
8 20,673 33 20,682
▪ L’usinage et le relevé des côtes ont été effectués par 9 20,659 34 20,689
10 20,662 35 20,703
le même opérateur et dans des conditions
11 20,661 36 20,691

strictement identiques. Le tableau donne le relevé 12 20,681 37 20,7

13 20,68 38 20,699
de la côte « A » des 50 pièces. 14 20,675 39 20,702
15 20,677 40 20,696
16 20,679 41 20,704
17 20,682 42 20,698
18 20,683 43 20,706
19 20,689 44 20,722
20 20,69 45 20,716
21 20,672 46 20,729
22 20,679 47 20,706
23 20,671 48 20,71
24 20,689 49 20,71712
25 20,674 50 20,725
 L’évolution de la côte « A » en fonction du numéro des
. 1 -Variabilité pièces
20,74

20,73
▪ Le graphique représente l’évolution de la côte « A » en
20,72
fonction du numéro des pièces. Il révèle une 20,71

Dimension A mm
fluctuation nette de cette dimension et met en évidence 20,7

l’imperfection du processus. Ajouté à cequ’on 20,69

20,68
remarque une dérive très prononcée de cette côte qui
20,67
est sans doute due à l’usure de l’outil. 20,66

20,65

20,64
0 5 10 15 20 25 30 35 40 45 50 55
N° de pièce

14
Rappel : Histogramme
▪ L’histogramme est la représentation graphique d’un tableau de données groupées en classes.

Les classes sont placées sur l’axe des abscisses.

Les effectifs sont placés sur l’axe des ordonnées.

▪ Etapes :

✓ Création de k classes :k = 𝑁 avec N le nombre des mesures

✓ Calcul de l’étendue :w = valeur maxi – valeur mini

✓ Calcul de la largeur des classes :l = w / k

✓ Création des classes :[valeur min ;valeur min + l[ ;…

✓ Calcul de l’effectif des mesures contenues dans chaque classe

✓ Réalisation de l’histogramme
15
. 1 -Variabilité
▪ Le nombre de classe :k = = = 7 classes

▪ Calcul de l’étendue : w = valeur maxi – valeur mini = 20,73 – 20,646 = 0,084

▪ Largeur des classes :0,084 / 7 = 0,012

▪ Création des classes :

[20,646 ;20,658[
[20,658 ;20,67[
[20,67 ;20,682[
…
16
. 1 -Variabilité
▪ Le nombre de classe et les fréquences relatives sont donnés dans le tableau suivant :

Classes Milieu des Effectif Histogramme des différentes mesures

classes 14

[20,646 ;20,658[ 20,652 3 12

10
[20,658 ;20,67[ 20,664 6
8

Effectif
[20,67 ;20,682[ 20,676 11
6
[20,682 ;20,694[ 20,688 12
4
[20,694 ;20,706[ 20,7 10
2
[20,706 ;20,718[ 20,712 5
0
[20,718 ;20,73[ 20,724 3 20,652 20,664 20,676 20,688 20,7 20,712 20,724
Classes

▪ Le tracé de l’histogramme de ces différentes mesures confirme cette variabilité et met en

évidence la présence d’une distribution gaussienne.
17
. 2 - Origine de Variabilité

▪ Les causes ou les facteurs contribuant à ces fluctuations sont nombreuses et divisées en deux

types : Causes normales ou communes / Causes anormales ou spéciales

18
. 2 - Origine de Variabilité
➢ Les causes normales ou communes

Les causes normales ou communes sont inhérentes au processus lui-même (propres au

personnel, aux matières premières, à l’outillage, aux machines et aux autres constituants du
processus). Elles sont généralement très nombreuses (environ 80% des causes de variation) et à
faibles effets cumulés. Agissant souvent ensemble et sous forme d’interactions, ils sont donc
difficilement dissociables et incontrôlables. Elles présentent l’avantage d’être régies par des
modèles mathématiques bien connus (souvent une loi normale) et donc prévisibles dans le
temps.
Le but de la MSP sera de ne laisser subsister que les dispersions dues aux causes communes.On
parlera alors de processus « sous contrôle ».
19
. 2 - Origine de Variabilité

➢ Les causes anormales ou spéciales

Les causes anormales ou spéciales n’incombent pas à la responsabilité du processus (externes

au processus). Elles résultent d’éléments qui peuvent être changés ou corrigés (des paramètres
de fabrication comme le personnel incomplètement ou mal formé, machine mal entretenue ou
mal réglée, cassure d’un outil, mauvaise lubrification, court circuit, …). Elles ont un grand effet
systématique, or elles sont peu nombreuses (20% des causes de variation), non aléatoires,
imprévisibles mais contrôlables.

20
. 3 – Frontières naturelles entre causes normales et anormales

Puisque les variations dues aux causes normales sont distribuées de façon aléatoire, elles sont
régies par des modèles probabilistes connus, et donc prévisibles dans le temps. Néanmoins,
elles peuvent être distinguées et séparées des variations dues aux causes dites anormales. Dans
la plupart des cas, elles sont réparties selon une loi normale ou assez proche pour en être
assimilée.

Pour le reste de ce cours, nous considérons les variations dues aux

causes normales distribuées selon une loi normale.

Sachant que 99,73% des individus sont situés dans l’intervalle de confiance [-3σ ; +3σ] centré
autour de la moyenne. On peut affirmer avec une erreur de probable de 0,27% que 100% des
individus seront situés dans l’intervalle [-3σ ; +3σ], soit une longueur de 6σ. On peut donc
déduire que les individus situés à l’extérieur de la longueur [6σ] sont les conséquences
d’actions perpétrées par des causes anormales.
21
la table de Shewhart

22
Types de cartes de contrôle
Partie A :carte de contrôle aux
mesures.
X :moy arithmétique
R:l’étendue
Me :médiane

Principe : Types Mo :mode

S:l’écart-type

Graphique du test de •Carte X/R

comparaison de X par •Carte X/S
rapport à une valeur •Carte Me/R
théorique (répartition •Carte Me/S +utilisée
normale ) •Carte Mo/R que X/S
•Carte Mo/S 23
Illustration schématiques des cartes de contrôles par mesures

Mode = Médiane=moyenne

24
Les limites de contrôle et de surveillance peuvent être
déterminées en fonction de la taille des échantillons (n) et ce
pour les différents types de cartes par mesures. La figure ci-
dessus illustre respectivement le graphique typique et les
formulaires du calcul des limites de contrôle et de
surveillance des cartes de contrôle. L’exploitation des limites
de surveillances permettra de remédier par intervention de
réglage du processus avant d’avoir des échantillons rejeté ou
des dérives du procédé.

25
- Carte de contrôle Moyenne

Pour chaque échantillon prélevé, on calcule la moyenne et l’étendue

A – Calcul de la moyenne sur les échantillons

Une estimation sans biais de la moyenne µ du procédé est
donnée par la moyenne des moyennes
• Xi moyenne de l’échantillon i
• k le nombre d’échantillons
k
alors
X i
µ̂  X  i 1
k
26
 B – Calcul de l’étendue moyenne sur les
échantillons
Si on appelle :
• Ri l’étendue de l’échantillon i
• k le nombre d’échantillons
alors
k
R i
R i 1
k
27
C - Calcul de l’estimateur de l’écart-type
Pour une caractéristique de qualité normalement
distribuée, un estimateur sans biais de l’écart-type 
calculé à partir des étendues des k échantillons est :

ˆ  R
d2
Le coefficient d2 dépend uniquement de la taille n de
l’échantillon dont les valeurs sont données dans la
table de Shewhart
28
D - Calcul des limites de contrôle
Toute carte de contrôle de Shewhart a des limites de contrôle fixées à
3 de part et d’autre de la cible et se calculent de la manière suivante :

R R
d d2
LSC  µ̂  3 ˆ  µ̂  3 2 LIC  µ̂  3 
ˆ  µ̂  3
k k k k
d2
On pose : A2  3
k
Le coefficient A2 dépend uniquement de la taille n de l’échantillon dont
les valeurs sont données dans la table de Shewhart 29
E - Paramètres de la carte de contrôle moyenne
• Limite supérieure de contrôle
LSC Cible  A2. R
• Limite inférieure de contrôle

LIC Cible  A2. R

• La cible est la valeur sur laquelle il faut se centrer. Elle souvent
fixée au milieu de l’intervalle de tolérance

• Pour des procédés qui ne peuvent être centrés sur la cible idéale,
on fixe la cible sur la moyenne des moyennes de la carte X 30
5.2 - Carte de contrôle Etendue
Les paramètres de la carte des étendues sont les suivants :
• Limite supérieure de contrôle

LSC  R  3ˆ d3  R  3 R d3
d2
• Le coefficient d3 dépend uniquement de la taille de l’échantillon
dont les valeurs sont données dans la table de Shewhart

d3
• On pose : D4  1  3  LSC  D4.R
d2
• Limite inférieure de contrôle LIC  D3.R
d3
avec : D3  1  3
d2 31
Exercice 1 : Diamètres (mm)

Opération Tournage No. D'échantillon X1 X2 X3 X4 X5

Pièce Manchon
Caractéristique Diamètre
1 80 86 88 83 82
Unité de mesure mm 2 85 83 81 82 83
Taille de l'échantillon 5 3 87 87 87 88 82
Fréquence de contrôle Heure 4 84 85 84 85 87
5 87 84 89 83 87
6 85 81 78 80 86
 Déterminez 7 85 89 84 82 84
8 84 85 85 88 87
A2
9 78 87 82 82 87
D3 10 86 84 83 84 85
D4 11 82 88 85 81 88
12 79 84 81 79 87
13 85 85 82 85 85
14 85 84 88 86 83
15 88 83 80 85 88
16 89 83 85 84 85
17 83 90 87 86 84
18 84 84 82 86 83
 Tracez les cartes de la moyenne et l’étendue 19 81 82 85 87 87
20 84 86 85 85 87
32
33
Rappel mathématique

34