Département de UFR de mathématiques, informatique,

mécanique et automatique de Metz.

Master 1 Ingénierie des systèmes Complexes

Projet d’intégrateur

Sujet :

Maintenance/qualité/production de maîtrise statistique des

procédés-5M.

Présente et soutenu par :

ADELAÏDE Jean-Roland & MAHAMAT Baradine Adam

Soutenu le 05 / 06 / 2023 devant le jury composé de :

Pr SCHUTZ Jérémie Univ-Lorraine Examinateur

Pr ACHOUR Zied Univ-Lorraine Encadrant
Pr DELLAGI Sofiene Univ-Lorraine Encadrant

Année universitaire 2022 – 2023

Table des matières

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1 la maîtrise statistique de procédés . . . . . . . . . . . . . . . . . . . . . . . . 3
1 Définition de la maîtrise statistique de procédé . . . . . . . . . . . . . 3
2 les objectifs de la Maîtrise Statistique des procédés . . . . . . . . . . . 3
3 les avantages de la méthode maîtrise statistique des procédés . . . . . . 3
4 les inconvénients de la maîtrise statistique des procédés . . . . . . . . . 4
5 Études de Capabilité d’un processus . . . . . . . . . . . . . . . . . . . 4
5.1 définition de processus . . . . . . . . . . . . . . . . . . . . 4
5.2 définition de la Capabilité d’un processus . . . . . . . . . . . 4
6 Définitions des 5M du processus . . . . . . . . . . . . . . . . . . . . . 6
7 Les cartes de contrôle . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
7.1 Définition de cartes de contrôle . . . . . . . . . . . . . . . . 7
7.2 Mise en place d’une carte de contrôle . . . . . . . . . . . . 7
7.3 Avantages des cartes de contrôle . . . . . . . . . . . . . . . 7
7.4 Inconvénients des cartes de contrôle : . . . . . . . . . . . . . 7
7.5 Les différents types de cartes de contrôle . . . . . . . . . . . 8
2 Concepts de base de la maintenance industrielle . . . . . . . . . . . . . . . . . 11
1 Définition de la maintenance . . . . . . . . . . . . . . . . . . . . . . . 11
2 Objectif principal de la maintenance . . . . . . . . . . . . . . . . . . . 11
3 Types de maintenance . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4 Optimisation de la maintenance . . . . . . . . . . . . . . . . . . . . . 12
3 Étude de cas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 Calculer des paramètres . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Code Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Perspective . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Table des figures

1 La courbe de la loi normale. . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Diagramme de maintenance . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Coût de défaillance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4 carte contrôle (X/R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5 Optimisation des coûts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Liste des tableaux

1 Calcul carte de contrôle aux mesures individuelles . . . . . . . . . . . . . . . . 9

2 Calcul des cartes aux attributs . . . . . . . . . . . . . . . . . . . . . . . . . . 11
 Remerciements

Avant d’entamer ce rapport, nous profitons de l’occasion pour

remercier tout d’abord nos deux enseignants encadrants de projet
Mr DELLAGI Sofiene et Mr ACHOUR Zied pour leur soutien
constant tout au long du projet.

Leur générosité générosités en matière de formation et

d’encadrement nous a été précieuse. Nous les remercions
également pour les nombreuses aides et conseils avisés
concernant nos objectifs à atteindre dans cette étude, qu’ils nous
ont apporté lors des différents suivis et débriefing, ainsi que leur
confiance en nous.
Nous tenons également à exprimer notre gratitude envers toute
l’équipe pédagogique de l’Université pour avoir mis à notre
disposition des salles et matériaux pour la réalisation du projet.
Nos remerciements vont également à Mr TURKI Sadok pour les
échanges et informations fournies, qui ont contribué à la réussite
de ce projet.

1
Introduction
La maîtrise statistique des procédés est une approche utilisée dans l’industrie pour surveiller
et contrôler la qualité de la production. C’est un système qui combine plusieurs éléments agis-
sant en même temps pour l’obtention d’une production de biens ou de services en particulier la
gestion des cinq facteurs principaux qui peuvent influencer la qualité des processus de fabrica-
tion : Matière, Main-d’œuvre, Méthode, Machine et Milieu définis par Ishikawa.

Dans le cadre de notre première année de Master Ingénierie Des Systèmes Complexes à
l’UFR MIM de Metz, il nous est proposé un projet intégrateur nous permettant de mettre en
pratique nos connaissances et nos compétences techniques et théorique ayant pour finalité la
maintenance et la qualité de production dans une industrie. Cette étude a pour objectifs d’iden-
tifier les problèmes et de minimiser le taux de pourcentage de non-conformité lié à la production
tout en optimisant le bénéfice de l’entreprise.

Pour notre travail, tout d’abord nous présenterons la maîtrise statistique des procédés.
En seconde lieu, on travaillera sur la maintenance
Ensuite, on se concentrera sur la qualité en effectuant les cartes de contrôle dans un cas d’ap-
plication.
Et enfin, nous allons proposé la meilleure solution adaptée à cette étude de projet .

2
1 la maîtrise statistique de procédés
1 Définition de la maîtrise statistique de procédé
La maîtrise statistique de procédés c’est une méthode qui permet de mesurer la capabilité,
la surveillance des processus de production dans le temps et de permettre à la production de
limiter la non-qualité et notamment les rebuts.

Définition de la maîtrise statistique de procédé selon NF X 06-030 la MSP est "un en-
semble d’action pour évaluer, régler et maintenir un processus en état de livrer tous ses produits
conformes aux spécifications retenues" [1].

2 les objectifs de la Maîtrise Statistique des procédés

Elle met à la disposition de service des moyens potentiels pour suivre le procédé et pour
intervenir à temps afin de limiter la variabilité et d’en corriger les causes.
Maîtriser les variations aux différentes étapes du procédé [3] :
• Fournir aux opérateurs un outil de pilotage des machines.
• Garantir une même qualité du produit en réalisant une surveillance et un contrôle des
variations dans les processus de fabrication.
• Assurer la stabilité dans le temps tout en réduisant les défauts, les rebuts et les coûts
associés à la non-conformité.
• Satisfaire au mieux les exigences du client en fournissant des produits conformes.
• Favoriser l’amélioration continue en mettant en place des actions correctives et préven-
tives basées sur des données statistiques.

3 les avantages de la méthode maîtrise statistique des procédés

La Maîtrise Statistique des Procédés (MSP) offre de nombreux avantages :
— Amélioration de la qualité : La MSP permet de contrôler en temps réel les processus de
production et d’identifier rapidement les problèmes de qualité. Cela permet de rectifier
les problèmes plus rapidement, de réduire les défauts et d’améliorer la qualité globale
du produit.
— Réduction des coûts : En améliorant la qualité et en identifiant les problèmes le plus tôt
que possible, la MSP permet de réduire les coûts associés aux réparations et retours de
produits. De plus, en réduisant la variabilité dans les processus de production, la MSP
peut fournir une aide à la réduction des coûts liés à la surproduction, aux temps d’arrêt
et gaspillages.
— Augmentation de la productivité : La MSP permet de mieux comprendre et d’optimiser
les processus de production, ce qui peut assurer une augmentation de la productivité et
des temps d’arrêt minime.
— Prise de décisions éclairées : La MSP peut fournir des données en temps réel sur les
processus de production, ce qui permet de prendre des décisions clairs en temps réel
ayant pour finalité l’amélioration de la qualité, la réduction des coûts et l’augmentation
de la productivité.

3
 — Amélioration de la satisfaction des clients : En améliorant la qualité des produits, la
MSP va aider à augmenter la satisfaction des clients, ce qui conduira à une fidélisation
et à une meilleure réputation de l’entreprise.

4 les inconvénients de la maîtrise statistique des procédés

• Nécessite un prélèvement régulier de données et une analyse statistique, ce qui peut
prendre du temps et nécessiter des compétences spécifiques.
• Une formation approfondie du personnel pour mettre en œuvre et interpréter correcte-
ment les résultats des outils statistiques.
• Les variations peuvent subir l’influence de d’autres facteurs non pris en compte par les
5M, tels que des facteurs externes ou des interactions complexes entre les facteurs.
• Des mesures correctives mise en place peuvent nécessiter des ressources supplémen-
taires en termes de temps, de main-d’œuvre et d’équipement.

5 Études de Capabilité d’un processus

5.1 définition de processus

C’est un ensemble de facteurs interconnectés agissant conjointement pour générer un ré-

sultat particulier ou mesurable. Il prend en compte des éléments tels que des matériaux, des
personnes, des machines et des méthodes, ainsi que d’autres éléments.

5.2 définition de la Capabilité d’un processus

Le terme fait référence à l’état normal d’un processus sous contrôle statistique, c’est-à-dire
quand le travail n’est pas affecté par des facteurs externes. Dans la fabrication, cela fait référence
à sa capacité à produire des objets similaires. Il est important de maintenir le contrôle statistique
sur une temps suffisamment long dans des conditions données. La capacité du processus peut
s’exprimer en fonction du pourcentage de produits défectueux ou d’une distribution. La capa-
bilité d’un processus diffère de sa performance, car la performance généralise toutes sortes de
variables supplémentaires et de perturbations indésirables provenant du système de causes. Elle
représente la performance intrinsèque du processus une fois les influences externes éliminées.

La capabilité d’un processus maîtrise statistique des procédés(MSP) permet l’évaluation de

la performance du processus par rapport à ses spécifications.

Les indicateurs de capabilité les plus fréquemment utilisés :

Il est définit par :

USL − LSL
Cp =
6σ

4
 — C p : Capabilité de dispersion du procédé
— USL : Limite Supérieure de Spécification
— LSL : Limite Inférieure de Spécification
— 6 fois l’écart type σ de l’échantillon.

Ou par :

min(USL − µ, µ − LSL)
C pk =
3σ

— C pk : Capabilité de centrage court terme du procédé

— µ : est l’espérance mathématique de la distribution.
µ

LSL µ −σ µ +σ USL
0.3
n(x)

0.2
σ σ

0.1

−4 −3 −2 −1 0 1 2 3 4
n

F IGURE 1 – La courbe de la loi normale.

L’indice de capabilité (CP) mesure la proximité de l’intervalle de tolérance avec 6σ . CP

est directement lié à la production de produits conformes. Plus sa valeur est grande, plus le
processus est capable de produire des produits conformes.

Capabilité Cp Classement
< 0.67 Très mauvaise
0.67 Très mauvaise
1 Mauvaise
1.33 Très moyenne à moyenne
1.67 Moyenne à bonne
2 Bonne à très bonne
>2 Excellente

5
6 Définitions des 5M du processus
Le modèle des 5M s’organise en cinq catégories distinctes : le milieu, la matière, la mé-
thode, la machine et la main d’oeuvre. Il est utilisé pour identifier et déterminer l’origine lors-
qu’il s’agit d’analyser un processus et il permet de classer et d’organiser des réflections.

1. Matière : Ce sont les matières premières, utilisés dans le processus de production. Leurs
qualité peut varier et avoir une influence significatif sur la qualité du produit final. La maîtrise de
ce matériaux consiste à sélectionner et utiliser des matières premières adapter aux spécifications.

2. Main-d’œuvre : Fait allusion aux personnes impliquées dans le processus de production,

y compris les opérateurs, les techniciens et les superviseurs.Le maintien de qualité du processus
exige la compétence et la formation des personnels impliqués.Il nécessite une formation adé-
quate et une communication efficace pour assurer les normes de qualité.

3. Méthode : Ce réfère aux procédures, instructions de travail et aux méthodes utilisées

pour réaliser le processus de production. Il est crucial d’avoir une méthodologie claire et bien
documentée pour assurer la cohérence et la qualité du processus. Cela comprend la standardisa-
tion des procédures, l’utilisation d’outils de qualité ( plans de contrôle, les fiches de travail, les
instructions d’inspection, ainsi que l’application de bonnes pratiques de fabrication).

4. Machine : Il s’agit des équipements mécaniques et des outils utilisés dans le processus de
production. Les machines doivent être calibrées, entretenues et réglées pour garantir des perfor-
mances optimales et une qualité constante. La surveillance, l’entretien préventif et l’utilisation
de dispositifs de contrôle appropriés sont des pratiques clés pour assurer la qualité de produc-
tion.

5. Milieu : Englobe l’environnement physique dans lequel se déroule le processus de pro-

duction. La température, l’humidité, l’éclairage, la propreté, peuvent influencer la qualité du
produit. Il est important de maintenir un environnement contrôlé et stable pour minimiser les
variations liées au milieu.

6
7 Les cartes de contrôle
7.1 Définition de cartes de contrôle

Une carte de contrôle est un outil utilisé pour déterminer quand une dérive dans le processus
de fabrication se produit en raison de causes attribuables. Ainsi, le processus sera arrêté au bon
moment, c’est-à-dire avant qu’il ne produise des pièces non conformes (hors de l’intervalle de
tolérance) [4].

7.2 Mise en place d’une carte de contrôle

Pour la mise en place d’une carte de contrôle il faut [2] :

— Sélectionnez la variable à suivre.
— Recueillir des échantillons de référence.
— Sélection des cartes de contrôle et vérification des hypothèses statistiques.
— Étudier la réactivité de la carte et choix d’une fréquence de contrôle.
— Estimation des limites de contrôle.
— Préparation d’une procédure à suivre en cas d’alarme.
— Formation des personnelles qui vont utilisés la carte.

7.3 Avantages des cartes de contrôle

• Détection précoce des variations : Les cartes de contrôle permettent une détection rapide
des variations et des écarts par rapport aux normes ou aux moyens attendus. Cela per-
met d’identifier les problèmes potentiels avant qu’ils ne se manifestent de manière plus
significative, ce qui permet de prendre des mesures correctives précoces.
• Visualisation des données : Les cartes de contrôle sont constituer des données sous
forme graphique, ce qui facilite la compréhension et l’interprétation des tendances et
des modèles. Cela permet une prise de décision éclairée et une analyse intuitive des
performances du processus.
• Amélioration continue : En surveillant systématiquement les performances des proces-
sus à l’aide de cartes de contrôle, il est possible d’identifier les opportunités d’améliora-
tion continue. Les variations indiquent les zones qui nécessitent des ajustements ou des
changements, facilitant l’optimisation et l’efficacité des processus.

7.4 Inconvénients des cartes de contrôle :

— Limitations des données : Les cartes de contrôle sont basées sur des données statistiques
et peuvent ne pas prendre en compte tous les aspects qualitatifs du processus. Elles se
concentrent principalement sur les mesures quantitatives, ce qui peut limiter leur appli-
cabilité dans certains contextes.
— Sensibilité aux erreurs de mesure : Les cartes de contrôle sont influencées par la qualité
et l’exactitude des mesures prises. Des erreurs de mesure ou des biais peuvent fausser
les résultats et conduire à des interprétations erronées. Il est donc important de s’assurer
de la fiabilité des données collectées.

7
 — Interprétation subjective : L’interprétation des cartes de contrôle peut varier d’une per-
sonne à l’autre, ce qui peut entraîner des décisions subjectives ou des divergences d’opi-
nions. Il est essentiel de former correctement les utilisateurs à l’interprétation des cartes
de contrôle pour garantir une utilisation cohérente et fiable.

7.5 Les différents types de cartes de contrôle

Il existe deux (2) types de cartes de contrôle utilisées pour surveiller et contrôler les proces-
sus.
▶ Cartes de contrôle à valeurs individuelles

▶ Cartes de contrôle par attribut

Carte de contrôle aux mesures individuelles

Les cartes de contrôle aux mesures sont des outils essentiels utilisés dans le domaine du
contrôle de la qualité dès lors que la caractéristique suivie d’un processus est mesurable, telle
que la longueur, la densité ou la dureté d’un produit. Lorsqu’il est nécessaire de surveiller une
caractéristique mesurable, deux paramètres clés sont généralement suivis : la valeur de tendance
centrale et la dispersion.
Les cartes de mesure les plus couramment utilisées sont [3] :

Carte (X, R) : La carte (X, R) est une carte de contrôle utilisée pour surveiller un processus en
termes de moyenne (X) et étendue (R). Elle est fréquemment utilisée dans le contrôle
statistique de la qualité pour garantir la stabilité et la maîtrise des processus.

Calculer des paramètres

— de la valeur moyenne de la production représentée dans la carte par la moyenne des

moyennes des Xi.
n
X = ∑ Xi (1)
i=1

— de l’écart type du processus, c’est la moyenne des étendues R.

n
R = ∑ Ri (2)
i=1

avec n : taille de l’échantillon.

8
Calcul des limites pour la carte de contrôle de la moyenne (X) :



 LC = X





LSCX = X + A2 × R








Carte X : LICX = X − A2 × R





LSSX = X + 23 A2 × R









LISX = X − 23 A2 × R



Calcul des limites pour la carte de contrôle de l’étendue (R) :


 LC = R









 LSCR = D4 × R




Carte R : LICR = D3 × R





LSSR = R + 23 (D4 × R − R)









R + 23 (D3 × R − R)

LISR =
— LC : ligne centrale
— LSC : limite de contrôle Supérieur
— LIC : limite de contrôle inférieur
— LSS : limite de surveillance Supérieur
— LIS : limite de surveillance inférieure
Pour déterminer les valeurs de A2 , B3 et B4 , voir l’annexe la table des valeurs de A2 , B3 et B4 ,
en fonction de la taille n des échantillons.
Carte (X, S) : La carte (X, S) est une carte de contrôle utilisée pour surveiller un processus en
termes de moyenne (X) et d’écart-type (S). Elle est couramment utilisée lorsque les données
sont continues et qu’il est possible de mesurer les valeurs individuelles d’un échantillon.

Calcul carte de contrôle aux mesures individuelles

Situation Position Calcul des limites de Dispersion Calcul des limites de

cartes la carte de position cartes la carte d’échelle
Calculs à partir de
L’étendue moyenne Moyennes LICX = Cible − A2 × R Étendues LICR = D3 × R
R LSCX = Cible + A2 × R LSCR = D4 × R
Calculs à partir de
L’écart type moyen Moyennes LICX = Cible − A3 × S Étendues LICS = B3 × S
S LSCX = Cible + A3 × S LSCS = B4 × S

TABLE 1 – Calcul carte de contrôle aux mesures individuelles

9
Carte de contrôle aux attributs

Les cartes de contrôle aux attributs sont utilisées en gestion de la qualité pour surveiller et
contrôler les caractéristiques qualitatives d’un processus. Contrairement aux cartes de contrôle
pour les mesures continues, elles sont adaptées aux données discrètes et catégoriques. Elles vont
permettre de suivre des caractéristiques telles que le taux de non-conformité ou la présence/ab-
sence de défauts spécifiques. Ces cartes mesurent la fréquence d’occurrence des attributs dans
un échantillon ou un processus [3].

Contrôle par attributs

(contrôle qualitatif)

Le contrôle consiste à noter Le contrôle consiste à noter

le nombre de non-conformes le nombre de non-conformités
(défectueux) dans (défectuosités) par unité de
un échantillon de taille n contrôle ou par sous-groupe d’unités

La taille d’échantillon La taille d’échantillon L’échantillon L’échantillon

est constante est habituellement correspond correspond
ou varie constante à l’unité à un sous-groupe d’unités

Carte p Carte np Carte c Carte u

Carte p

Les cartes P sont employé pour surveiller et contrôler la proportion de défauts ou de non-
conformités dans un processus donné. Ceci est particulièrement vrai lorsque les données col-
lectées sont binaires, ce qui signifie qu’elles peuvent être classées comme conformes ou non
conformes avec p (proportion moyenne d’unités défectueuses ou non-conformités).

Carte np

La carte contrôle np est spécifiquement utilisée pour surveiller et contrôler le nombre de

non-conformités dans un processus donné, plutôt que la proportion de non-conformités comme
dans la carte contrôle P. Elle est utile lorsque les données collectées sont des compteurs discrets,
tels que le nombre de défauts, d’erreurs ou de défaillances avec np (nombre moyen d’unités
défectueuses ou non-conformités).

Carte c

La carte de contrôle c pour le suivi du nombre de non-conformités (défauts) dans un proces-

sus. Elle permet de visualiser les variations du nombre de défauts au fil du temps et d’identifier
les causes spéciales de variation.

10
Carte u

La carte de contrôle u pour le suivi du taux de non-conformites (defauts) dans un processus.

Elle est utilisée lorsque les non-conformités sont d’importance similaire et que la taille des
échantillons peut être constante ou variable.

Calcul des cartes aux attributs

Carte Limite supérieure

p Limite inférieure
p
np LSCnp = np + 3 qnp(1 − p) LICnp = np − 3 qnp(1 − p)
p LSC p = p + 3 p(1−p) LIC p = p − 3 p(1−p)
√ ni √ ni
c LSCc = c + 3q c LICc = c − 3q c
u u
u LSCu = u + 3 ni LICu = u − 3 ni

TABLE 2 – Calcul des cartes aux attributs

2 Concepts de base de la maintenance industrielle

1 Définition de la maintenance
La maintenance industrielle est un ensemble d’activités visant à assurer le bon fonction-
nement, la fiabilité et la disponibilité des équipements et installations industriels. Elle vise à
prévenir les pannes, à optimiser les performances et à garantir la sécurité des opérations.

2 Objectif principal de la maintenance

La maintenance industrielle est essentielle pour assurer la durabilité et la performance des
installations industrielles. Elle permet de minimiser les temps d’arrêt, de maximiser la dispo-
nibilité des équipements et d’optimiser les coûts de maintenance tout respectant les attentes
suivantes :
• Minimiser les pannes et les temps d’arrêt.
• Optimiser la performance des équipements.
• Réduire les coûts de maintenance.
• Prolonger la durée de vie des équipements.
• Améliorer la sécurité des travailleurs.
• Optimiser la gestion des stocks de pièces de rechange.

11
3 Types de maintenance
Il existe différents types de maintenance industrielle, chacun ayant ses propres caractéris-
tiques et objectifs.

Maintenance

Maintenance corrective Maintenance préventive

Maintenance Maintenance
systématique conditionnelle

F IGURE 2 – Diagramme de maintenance

Maintenance préventive : Il s’agit de planifier et d’effectuer des opérations de mainte-

nance régulières selon un calendrier prédéfini. Cela comprend des inspections, des tests, des
opérations de lubrification, des ajustements, des remplacements de pièces usées, etc. L’objectif
est de prévenir les pannes et de maintenir les équipements en bon état de fonctionnement.

Maintenance corrective : Cette forme de maintenance intervient après une panne ou un

dysfonctionnement. Il est conçu pour réparer et remettre l’équipement en service aussi rapide-
ment que possible. Des délais courts minimisent les interruptions de production.

Maintenance systématique : Cette approche consiste à utiliser des techniques de sur-

veillance et de diagnostic avancées pour détecter les signes avant-coureurs de défaillance ou
les conditions anormales. Des technologies telles que la surveillance des vibrations, l’analyse
des huiles, la thermographie, etc., sont utilisées pour prédire les pannes et planifier les interven-
tions de maintenance de manière pro-active.

Maintenance conditionnelle : Une stratégie de maintenance qui consiste à surveiller l’état

des équipements ou des systèmes afin de déterminer le meilleur moment pour effectuer les
opérations de maintenance. Il est conçu pour prévenir les pannes en n’intervenant qu’en cas de
besoin, ce qui permet d’optimiser les coûts de maintenance et d’augmenter la disponibilité et la
fiabilité des équipements.

4 Optimisation de la maintenance
L’optimisation de la maintenance se résume à trouver la balance optimale entre maintenance
préventive et corrective tout en respectant les objectifs fixés. Il faut donc déterminer les instants
de maintenance et les actions à réaliser de manière à optimiser un critère de décision fixé. Ce
critère de décision peut reposer aussi bien sur le coût, par exemple un coût moyen de mainte-
nance à long terme ou le coût d’opération par unité de temps, que sur la disponibilité du système
ou encore la sécurité [5].

12
 140 Coûts du corrective
Coûts du préventive
Coûts total
120

100

Zone optimale
Coûts

80

m*
60

40
Trop de correctif Trop de correctif
20

0
1 2 3 4 5 6 7 8 9 10
Fréquence des interventions

F IGURE 3 – Coût de défaillance

La figure 3 est une illustration des effets de la fréquence des opérations de maintenance sur
les coûts liés soit à la maintenance corrective, soit à la maintenance préventive. L’augmentation
du nombre d’interventions sur le système favorise la réduction des effets indésirables causés
par une panne mais pénalise le fonctionnement du système et peut entraîner une augmentation
du coût global d’exploitation du système dans la mesure où chaque opération de maintenance
engendre un coût.

13
3 Étude de cas
Cette étude est cibler sur la mise en place de carte de contrôle d’un processus de production,
ensuite l’identification des alertes et non-conformités liées aux inspections et interventions. La
finalité de la démarche est d’optimiser les coût d’interventions/inspection et non-qualité d’en
le but d’obtenir une rentabilité optimale, donc il est primordial de collecter les donner et de
réaliser une carte de contrôle qui nous permettra de maîtriser le comportement du procédé.

1 Problématique
La mise en place de ces cartes de contrôle des moyennes et des étendues est de déterminer
si le processus est stable et sous contrôle, tout en identifiant les variations susceptibles d’avoir
un impact sur sa qualité. Les questions clés à résoudre sont les suivantes :
— Identifier les points qui se situent en dehors des limites de contrôles établies pour les
moyennes et les étendues du processus.
— Déterminer si six (6) points consécutifs ou plus se situent au-dessus ou en-dessous des
moyennes et des étendues, indiquant ainsi une tendance significative dans le processus.
— Déterminer si six (6) points consécutifs ou plus sont montants ou descendants par rapport
aux moyennes et étendues.
— Identifier les points qui se situent en dehors des limites de surveillance établies pour les
moyennes et les étendues du processus.

2 Hypothèses
Pour répondre à notre problématique posée, Nous entreprendrons la création d’un pro-
gramme informatique en utilisant Matlab pour générer des valeurs aléatoires conformes à une
distribution normale, avec une moyenne de 80 et un écart-type de 0.05, pour les mesures des
cartes de contrôle des moyennes et des étendues. À chaque intervalle de temps, nous prélevons
cinq valeurs consécutives pour former un échantillon, et ce processus est répété jusqu’à obtenir
un total de 100 échantillons.
Dans cette étude, nous focalisons notre attention sur un système de production qui génère
un seul type de produit. Nous identifions que les problèmes de non-conformité et de mauvaise
qualité des pièces produites sont exclusivement liée à l’état de la machine.
On suppose un coût de non-conformité des produits qui vaut 100 euros par pièces pour les
points hors limite de contrôle et un coût d’intervention de 50 euros. On réalisera un inspection
toutes les 20 unités de temps et on effectuera une intervention pour les conditions suivante et
dans le cas contraire on poursuit la production :
— six ou plus de points consécutifs ascendant ou descendant,
— six ou plus de points consécutifs au-dessus ou en dessous de la moyenne étendues et des
moyennes,
On considère ainsi que le système ne produit qu’un seul type de produit, la non-conformité et
la mauvaise qualité des pièces produites sont dues seulement à la dégradation de l’état de la
machine.

14
 3 Calculer des paramètres
Ce code, permet de calculer les limites de cartes de contrôle suivant les formules de la
TABLE 1. Par la suite il va tracer la carte de contrôle des moyennes ainsi que celle des étendue.
En finalité il permet d’afficher tous les critères répondant à l’analyse de carte de contrôle

4 Code Matlab

1 % Donnees
2 D4 = 2.282;
3 d2 = 2.326;
4 D3 = 0;
5 A2 = 0.729;
6 n = 100;
7 % Couts
8 cout_non_qualite = 100;
9 cout_intervention = 50;
10 % Initialiser la premiere valeur de temps
11 T = 0:1*10: n ;
12 % Generer des valeurs aleatoires pour les mesures
13 Valeurs = randn (5 , n ) * 0.05 + 80;
14 % Calcul des moyennes
15 Moyenne = mean ( Valeurs ) ;
16 % Calcul de la moyenne des moyennes
17 Moyenne_glob = mean ( Moyenne ) ;
18 % Calcul des etendues
19 Etendues = max ( Valeurs ) - min ( Valeurs ) ;
20 % Calcul de la moyenne des etendues
21 Moyenne_Etendues = mean ( Etendues ) ;
22 % Calcul des limites de carte de controle des moyennes X
23 LSCX = Moyenne_glob + A2 * Moyenne_Etendues ;
24 LICX = Moyenne_glob - A2 * Moyenne_Etendues ;
25 LSSX = Moyenne_glob + 2/3 * ( A2 * Moyenne_Etendues ) ;
26 LISX = Moyenne_glob - 2/3 * ( A2 * Moyenne_Etendues ) ;
27 % Calcul des limites de carte de controle des etendues R
28 LSCR = D4 * Moyenne_Etendues ;
29 LICR = D3 * Moyenne_Etendues ;
30 LSSR = Moyenne_Etendues + 2/3*( D4 * Moyenne_Etendues -
Moyenne_Etendues ) ;
31 LISR = Moyenne_Etendues + 2/3*( D3 * Moyenne_Etendues -
Moyenne_Etendues ) ;
32 Cp = ( LSCX - LICX ) / (6 * Moyenne_Etendues ) ;
33 Cpk = min (( LSCX - Moyenne_glob ) / (3 * Moyenne_Etendues ) , (
Moyenne_glob - LICX ) / (3 * Moyenne_Etendues ) ) ;

15
34 % Tracer de la carte de controle
35 figure ;
36 subplot (2 ,1 ,1) ;
37 plot ( Moyenne , 'o - ' , ' linew ' , 2)
38 hold on
39 yline ( Moyenne_glob , ' black ' , ' linew ' , 2)
40 yline ( LSCX , 'r ' , ' linew ' , 2)
41 yline ( LICX , 'g ' , ' linew ' , 2)
42 yline ( LSSX , 'r - - ' , ' linew ' , 2)
43 yline ( LISX , 'g - - ' , ' linew ' , 2)
44 title ( ' Carte de controle des moyennes X ')
45 xlabel ( ' Temps ')
46 ylabel ( ' Moyenne ')
47 legend ( ' Moyenne ' , ' Moyenne globale ' , ' LSCX ' , ' LICX ' , ' LSSX ' ,
' LISX ')
48 grid minor
49 subplot (2 ,1 ,2) ;
50 plot ( Etendues , 'o - ' , ' linew ' , 2)
51 hold on
52 yline ( Moyenne_Etendues , ' black ' , ' linew ' , 2)
53 yline ( LSCR , 'r ' , ' linew ' , 2)
54 yline ( LICR , 'g ' , ' linew ' , 2)
55 yline ( LSSR , 'r - - ' , ' linew ' , 2)
56 yline ( LISR , 'g - - ' , ' linew ' , 2)
57 title ( ' Carte de controle des etendues R ')
58 xlabel ( ' Temps ')
59 ylabel ( ' Etendue ')
60 legend ( ' Etendue ' , ' Moyenne des etendues ' , ' LSCR ' , ' LICR ' , '
LSSR ' , ' LISR ')
61 grid minor
62
63 % = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
64 % Les points six consecutifs montant et descendant des
moyennes
65 compteur_montant = 0;
66 compteur_descendant = 0;
67 seuil = 6; % Nombre de points consecutifs requis
68 for i = 2: length ( Moyenne )
69 if Moyenne ( i ) > Moyenne (i -1)
70 compteur_montant = compteur_montant + 1;
71 compteur_descendant = 0; % Reinitialiser le compteur
descendant
72 elseif Moyenne ( i ) < Moyenne (i -1)
73 compteur_descendant = compteur_descendant + 1;

16
74 compteur_montant = 0; % Reinitialiser le compteur
montant
75 else
76 compteur_montant = 0; % Reinitialiser le compteur
montant
77 compteur_descendant = 0; % Reinitialiser le compteur
descendant
78 end
79 % Verifier si le seuil de points consecutifs a ete atteint
80 if compteur_montant >= seuil
81 disp ([ ' Points consecutifs ascendants du carte X ' ,
num2str (i -5) , ' jusqu ' ' l ' ' indice ' , num2str ( i )
])
82 elseif compteur_descendant >= seuil
83 disp ([ ' Points consecutifs descendants du carte X ' ,
num2str (i -5) , ' jusqu ' ' l ' ' indice ' , num2str ( i )
])
84 end
85 end
86 % Les points six consecutifs montant et descendant des
etendues
87 compteur_montant_etendues = 0;
88 co mpt eur_descendant_etendues = 0;
89 seuil = 6; % Nombre de points consecutifs requis
90 for i = 2: length ( Etendues )
91 if Etendues ( i ) > Etendues (i -1)
92 compteur_montant_etendues = compteur_montant_etendues
+ 1;
93 compteur_descendant_etendues = 0; % Reinitialiser le
compteur descendant
94 elseif Etendues ( i ) < Etendues (i -1)
95 compteur_descendant_etendues =
compteur_descendant_etendues + 1;
96 compteur_montant_etendues = 0; % Reinitialiser le
compteur montant
97 else
98 compteur_montant_etendues = 0; % Reinitialiser le
compteur montant
99 compteur_descendant_etendues = 0; % Reinitialiser le
compteur descendant
100 end
101
102 % Verifier si le seuil de points consecutifs a ete atteint
103 if compteur_montant_etendues >= seuil

17
104 disp ([ ' Points consecutifs ascendants du carte R : ' ,
num2str ( compteur_montant_etendues ) ])
105 elseif compteur_descendant_etendues >= seuil
106 disp ([ ' Points consecutifs descendants du carte R : ' ,
num2str ( compteur_descendant_etendues ) ])
107 end
108 end
109
110 % =========================================================
111 % les points hors des limites de surveillance .
112 % Les points hors des limites de surveillance pour la carte X
113 detecter = Moyenne <= LSCX & Moyenne >= LSSX | Moyenne >= LICX & Moyenne
<= LISX ;
114 % Affichage des points detectes en dehors des limites de
surveillance
115 % pour la carte X
116 indices_detecter = find ( detecter ) ;
117 if ~ isempty ( indices_detecter )
118 disp ([ ' Cause alerte detectee pour la carte X aux
echantillons : ' num2str ( indices_detecter ) ]) ;
119
120 else
121 disp ( ' Aucune cause alerte detectee pour la caret X . ') ;
122 end
123
124 % Les points hors des limites de surveillance pour la carte R
125 detecter = Etendues <= LSCR & Etendues >= LSSR | Etendues >= LICR &
Etendues <= LISR ;
126 % Affichage des points detectes en dehors des limites de
surveillance pour
127 % la carte R
128 indices_detecter = find ( detecter ) ;
129 if ~ isempty ( indices_detecter )
130 disp ([ ' Cause alerte detectee pour la carte R aux
echantillons : ' num2str ( indices_detecter ) ]) ;
131
132 else
133 disp ( ' Aucune cause alerte detectee pour la caret R . ') ;
134 end
135
136 % =========================================================
137 % les six points consecutifs pour la carte X
138 % Trouver tous les points superieurs a la valeur moyenne des
moyennes

18
139 indices_au_dessus_moyenne = find ( Moyenne > Moyenne_glob ) ;
140 % Trouver les indices des points inferieurs a la valeur
moyenne des
141 % moyennes
142 indices_au_dessous_Moyenne = find ( Moyenne < Moyenne_glob ) ;
143 % Trouver les indices des points consecutifs au - dele de la
valeur moyenne
144 % des moyennes
145 co nse cutive_points_au_dessus = [];
146 for i = 1: length ( indices_au_dessus_moyenne )
147 if i ==1|| indices_au_dessus_moyenne ( i ) ==
indices_au_dessus_moyenne (i -1) + 1
148 co nse cutive_points_au_dessus =[ consecutive_points_au_dessus
indices_au_dessus_moyenne ( i ) ];
149 else
150 % Afficher les points consecutifs au - dessus de la valeur
moyenne des moyennes
151 if length ( consecutive_points_au_dessus ) >= 6
152 disp ([ ' Points consecutifs au - dessus de la moyenne des
moyennes : ' num2str ( consecutive_points_au_dessus ) ]) ;
153 end
154 co nse cutive_points_au_dessus = indices_au_dessus_moyenne ( i ) ;
155 end
156 end
157 % Afficher les points consecutifs restants qui ont plus ou
egale de six
158 % points
159 if length ( consecutive_points_au_dessus ) >= 6
160 disp ([ ' Points consecutifs au - dessus de la moyenne des
moyennes : ' num2str ( consecutive_points_au_dessus ) ]) ;
161 end
162
163 % Trouver les indices des points consecutifs en - dessous de la
valeur
164 % moyenne des moyennes
165 co ns ec utive_points_au_dessous = [];
166 for i = 1: length ( indices_au_dessous_Moyenne )
167 if i == 1 || indices_au_dessous_Moyenne ( i ) ==
indices_au_dessous_Moyenne (i -1) + 1
168 consecutive_points_au_dessous = [
consecutive_points_au_dessous
indices_au_dessous_Moyenne ( i ) ];
169 else

19
170 % Afficher les points consecutifs en - dessous de la valeur
moyenne des moyennes
171 if length ( consecu tive_points_au_dessous ) >= 6
172 disp ([ ' Points consecutifs en - dessous de la
moyenne des moyennes : ' num2str (
consecutive_points_au_dessous ) ]) ;
173 end
174 consecutive_points_au_dessous =
indices_au_dessous_Moyenne ( i ) ;
175 end
176 end
177 % Afficher les points consecutifs restants qui ont plus ou
egale de six
178 % points
179 if length ( consecutive_points_au_dessous ) >= 6
180 disp ([ ' Points consecutifs en - dessous de la moyenne des
moyennes : ' num2str ( consecutive_points_au_dessous ) ]) ;
181 end
182
183 % = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
184 % Les six points consecutifs pour la carte R
185 % Trouver tous les points superieurs a la valeur moyenne des
etendues
186 i n d i c es _au_dessus_moyenne_Etendues = find ( Etendues >
Moyenne_Etendues ) ;
187 % Trouver les indices des points inferieurs la valeur
moyenne des
188 % etendues
189 i n d i c e s _au_dessous_moyenne_Etendues = find ( Etendues <
Moyenne_Etendues ) ;
190 % Trouver les indices des points consecutifs au - dela de la
valeur moyenne
191 % des etendues
192 consecutive_points = [];
193 for i = 1: length ( indices_au_dessus_moyenne_Etendues )
194 if i == 1 || indices_au_dessus_moyenne_Etendues ( i ) ==
i ndices_au_dessus_moyenne_Etendues (i -1) +1
195 consecutive_points = [ consecutive_points
indices_au_dessus_moyenne_Etendues ( i ) ];
196 else
197 % Afficher les points consecutifs qui ont plus de six points
198 if length ( consecutive_points ) >= 6
199 disp ([ ' Points consecutifs au - dessus la moyenne
des etendues : ' num2str ( consecutive_points ) ]) ;

20
200 end
201 consecutive_points =
indices_au_dessus_moyenne_Etendues ( i ) ;
202 end
203 end
204 % Afficher les points consecutifs restants qui ont plus de
six points
205 if length ( consecutive_points ) >= 6
206 disp ([ ' Points consecutifs au - dessus la moyenne des
etendues : ' ...
207 ' ' num2str ( consecutive_points ) ]) ;
208 end
209
210 P o i n t s _ i nfer ieurs _con secut ifs_E tend ues = [];
211 for i = 1: length ( indices_au_dessous_moyenne_Etendues )
212 if i == 1 || indices_au_dessous_moyenne_Etendues ( i ) ==
i ndices_au_dessous_moyenne_Etendues (i -1) +1
213 Poi nts_ infer ieurs _con secut ifs_ Etend ues = [
Poi nts_i nfer ieurs _con secut ifs_E tend ues
indices_au_dessous_moyenne_Etendues ( i ) ];
214 else
215 % Afficher les points consecutifs en - dessous de la valeur
moyenne des etendues
216 if length ( Poin ts_in feri eurs_ conse cuti fs_Et endue s ) >=
6
217 disp ([ ' Points consecutifs en - dessous la moyenne
des etendues : ' num2str (
Poi nts_ infer ieurs _con secut ifs_E tend ues ) ]) ;
218 end
219 Poi nts_ infer ieurs _con secut ifs_ Etend ues =
indices_au_dessous_moyenne_Etendues ( i ) ;
220 end
221 end
222 % Afficher les points consecutifs restants en - dessous de la
valeur moyenne
223 % des etendues
224 if length ( Poin ts_in feri eu rs_ conse cuti fs_Et endue s ) >= 6
225 disp ([ ' Points consecutifs en - dessous la moyenne des
etendues : ' ...
226 ' ' num2str ( Poi nts_ infer ieur s_con secut ifs_ Etend ues ) ]) ;
227 end
228
229 % = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
230 % Les points hors limites de controle

21
231 % Les points hors limites de controle pour la carte de
controle des moyennes X
232 non_qualites_X = Moyenne >= LSCX | Moyenne <= LICX ;
233 indices_non_qualites_X = find ( non_qualites_X ) ;
234 disp ([ ' Points non - qualite pour la carte de controle des
moyennes X : ' ...
235 ' ' num2str ( indices_non_qualites_X ) ]) ;
236 % Les points hors limites de controle pour la carte de
controle des etendues R
237 non_qualites_R = Etendues >= LSCR | Etendues <= LICR ;
238 indices_non_qualites_R = find ( non_qualites_R ) ;
239 disp ([ ' Points non - qualite pour la carte de controle des
etendues R : ' ...
240 ' ' num2str ( indices_non_qualites_R ) ]) ;
241
242 % = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
243 % Calcul des couts de non qualite
244 % Calcul des couts de non - qualite pour la carte de controle
des moyennes X
245 total_cout_non_qualite_X = sum ( non_qualites_X ) *
cout_non_qualite ;
246 disp ([ ' Cout total de non - qualite pour la carte de controle
des moyennes X : ' ...
247 ' ' num2str ( total_cout_non_qualite_X ) ]) ;
248 % Calcul des couts de non - qualite pour la carte de controle
des etendues R
249 total_cout_non_qualite_R = sum ( non_qualites_R ) *
cout_non_qualite ;
250 disp ([ ' Cout total de non - qualite pour la carte de controle
des etendues R : ' ...
251 ' ' num2str ( total_cout_non_qualite_R ) ]) ;

22
La courbe des cartes

F IGURE 4 – carte contrôle (X/R)

Le résultat des cartes

Nous avons pu afficher ces résultats a partir du code Matlab respectant les conditions énu-
mérer dans la problématique.

23
Conclusion
Ce projet de maîtrise statistique des procédés axé sur la maintenance, la qualité et la pro-
duction a été réalisé dans le cadre de notre première année de Master Ingénierie des Systèmes
Complexes à l’UFR MIM de Metz. L’objectif principal était d’optimiser les coûts de mainte-
nance en relation avec les coûts de non-qualité en s’appuyant sur la méthode MSP.

Nous avons commencé par une introduction détaillée sur la maîtrise statistique des procé-
dés, en mettant l’accent sur les 5M (Matière, Main-d’œuvre, Méthode, Machine et Milieu) qui
influencent la qualité des processus de fabrication. Ensuite, nous nous sommes concentrés sur
la problématique de ce projet, qui était l’identification des non-conformité grâce aux alertes.

Notre approche a été basée sur l’utilisation de cartes de contrôle des moyennes et des éten-
dues pour surveiller la stabilité du processus de production et identifier les variations significa-
tives. Nous avons constaté que le système était devenu instable, de part une interprétation de la
capabilité C p =0,244.

Pour résoudre cette problématique, nous avons développé un programme informatique en

utilisant Matlab. Ce programme nous a permis de générer des valeurs aléatoires conformes à
une distribution normale, représentant les mesures des cartes de contrôle des moyennes et des
étendues. En analysant ces données, nous avons pu identifier les points en dehors des limites de
contrôle et détecter les tendances significatives dans le processus de production.

En conclusion, ce projet nous a permis d’explorer et d’appliquer des concepts de maîtrise

statistique des procédés dans un contexte de maintenance et de qualité de production. Bien que
nous n’ayons pas atteint notre objectif final d’optimisation du coût de la maintenance intégré
au coût de la qualité, ce projet représente une étape importante dans notre parcours académique
et professionnel. Il nous a fourni des connaissances approfondies dans le domaine des systèmes
complexes et nous a donné l’opportunité de développer des compétences pratiques en utilisant
des outils tels que les cartes de contrôle et les programmes informatiques.

Nous sommes convaincus que les résultats et les recommandations de ce projet contribueront
à l’amélioration des performances globales du système de production, en réduisant les pannes,
les coûts de maintenance et en améliorant la disponibilité et la qualité des produits. Ce projet
représente un jalon important dans notre formation d’ingénieurs en systèmes complexes, et
nous sommes fiers d’avoir eu l’opportunité de travailler sur des problématiques aussi concrètes
et pertinentes.

24
Conclusion
This statistical process control project focused on maintenance, quality and production was
carried out as part of our first year of Master in Complex Systems Engineering at the UFR MIM
in Metz. The main objective was to optimise maintenance costs in relation to non-quality costs
using the MSP method.

We began with a detailed introduction on statistical process control, with a focus on the 5M
(Material, Labour, Method, Machine and Medium) that influence the quality of manufacturing
processes. We then focused on the problem of this project, which was the identification of non-
compliance through alerts. Our approach has been based on the use of mean and range control
maps to monitor the stability of the production process and identify significant variations. We
found that the system had become unstable, due to an interpretation of capability Cp =0.244.

To solve this problem, we developed a computer program using Matlab. This program allo-
wed us to generate random values consistent with a normal distribution, representing the measu-
rements of the mean and extent control cards. By analysing these data, we were able to identify
points outside the control limits and detect significant trends in the production process.

In conclusion, this project allowed us to explore and apply mastery concepts process sta-
tistics in a maintenance and production quality context. Although we have not achieved our
final goal of optimizing the cost of integrated maintenance at the cost of quality, this project
represents an important step in our academic path and professional. He has provided us with
extensive knowledge in the field of systems complex and gave us the opportunity to develop
practical skills using tools such as control cards and computer programs.

We are confident that the results and recommendations of this project will contribute the
improvement of the overall performance of the production system, by reducing breakdowns,
maintenance costs and by improving the availability and quality of products. This project repre-
sents an important milestone in our training of engineers in complex systems, and we are proud
to have had the opportunity to work on such concrete issues and relevant.

25
Perspective
Nos perspectives sont d’apporter des améliorations de notre projet et de le rendre plus réa-
liste en intégrant :
— La prise en compte des dégradations.Pour cela il faudrait changer la fonction random
nommé f1,f2,f3,...,fn par rapport aux temps ; f1 corresponds aux 50 premiers échan-
tillons prélevés, puis il génère f2 de 50 à 100 points, ainsi de suite.
— Plus la fonction génère des valeurs en fonction du temps et plus il y aura des alertes de
non-conformité. A chaque intervention, la fonction se réinitialisera à f1.

1
f1 f2 f3

0
50 100 150 200
Temps

— Pour minimiser le coût de non-qualité, il faudra agir sur le temps d’inspection .En ef-
fet, une augmentation du temps d’inspection entraîne une multiplication des alertes(les
points hors limite croissant ou décroissant ). Cela se traduit par une augmentation du
nombre d’interventions.

Afin de rapprocher cette application de la réalité, il est nécessaire de prendre en compte la

dégradation croissante de la machine au fil du temps. Il serait bénéfique de modifier la fonc-
tion existante pour tenir compte de cette dégradation, ce qui nous permettra de construire deux
courbes distinctes, l’une représentant la maintenance et l’autre la qualité.

26
 140 Coûts non-qualité
Coûts de maintenance
Coûts total
120

100
Coûts

80
p*
60

40

20

0
1 2 3 4 5 6 7 8 9 10
Fréquence des interventions

F IGURE 5 – Optimisation des coûts

La figure 5 est une illustration des effets de la fréquence des opérations d’inspection sur les
coûts liés soit à la non-conformités, soit aux interventions. L’augmentation du nombre d’inter-
ventions sur le système favorise la réduction des effets indésirables causés par une panne mais
pénalise le fonctionnement du système et peut entraîner une augmentation du coût global du
système dans la mesure où chaque opération engendre un coût.

27
Bibliographie

[1] Nicolas DEROBERT. La maîtrise statistique des procédés (SPC / MSP)[en

ligne].Disponible sur :
https ://commentprogresser.com/qualite-assurance-msp-maitrise-statistique-des-
procedes.html

[2] KHOULOUD, B.. Préparation des cartes de contrôle pour deux chaînes de spectro-
métrie gamma spectrométrie gamma spectrométrie gamma spectrométrie gamma [en
ligne].Consulter le 02/01/2023 Disponible sur :
https ://docplayer.fr/9618361-Preparation-des-cartes-de-controle-pour-deux-chaines-de-
spectrometrie-gamma.html

[3] Maurice Pillet. Appliquer la maîtrise statistique des processus (MSP/SPC) Édition : 4/2005
[en ligne]. Disponible sur :
agiliste.fr/introduction-methodes-agiles

[4] Houda EL AOUFIR. Maîtrise statistique des procédés et les cartes de contrôle 2011[en
ligne] Format PDF. Disponible sur :
https ://docplayer.fr/9617957-Maitrise-statistique-des-procedes-et-les-cartes-de-
controle.html

[5] Estelle DELOUX. POLITIQUES DE MAINTENANCE CONDITIONNELLE POUR

UN SYSTEME A DEGRADATION CONTINUE SOUMIS A UN ENVIRONNEMENT
STRESSANT Le 7 octobre 2008[en ligne] Format PDF. Disponible sur :
https ://core.ac.uk/download/pdf/50617882.pdf

28
Annexes

Tableau des coefficients

29