COURS MSP DV (Mode de Compatibilité)

Cours Maîtrise Statistique des procédés
Filère ING-MT
UNIVERSITE SIDI MOHAMED BEN ABDELLAH

FACULTE DES SCIENCES ET TECHNIQUES – FES
Cours Maitrise statistique des processus
Filière ING-MT
Module
Adapté par:
Pr. Mohamed RAMADANY
mohamed.ramadany@usmba.ac.ma
mramadany@gmail.com
Plan du cours
Notions et définitions
Contrôle qualité et MSP
Processus et Variabilité
Rappel Statistiques
Indice d’aptitude ou Capabilité machine et procédé
Capabilité moyen de mesure
Cartes de contrôle pour caractéristiques mesurables (par mesure)
Cartes de contrôle aux attributs (caractéristiques non mesurables)
Études de cas
2
Pr.Mohamed RAMADANY 1
Filère ING-MT
Qualité
Définition de la qualité: ( NF X 50-120 )
La qualité est l'ensemble des propriétés et caractéristiques d'un produit ou service

qui lui confèrent l'aptitude à satisfaire des besoins exprimés ou implicites.
Non qualité
Définition ( NF X 50-120 )
La non qualité est l'écart global constaté entre la qualité visée et la

qualité effectivement obtenue.
La non qualité coûte cher, elle a un coût, on peut donc la mesurer
La qualité se crée, se planifie, s’organise et se contrôle

3
Afin qu’il soit possible de planifier , de développer la qualité , il est essentiel de connaitre
toutes les caractéristiques qui s’appliquent à un produit ou à un service.
Caractéristiques techniques :
Dimensions;
Fiabilité;
Durabilité;
Facilité d’entretien;
Esthétique;
Sécurité d’utilisation;
Performance…
Caractéristiques de coût:
Coût d’achat;
Coût d’entretien;
Coût d’utilisation;
Caractéristiques de temps:
Délai de livraison
Délai pour un appel
Filère ING-MT
Historique
Historique
Première époque, les années 1930 à 1945 : L'émergence du contrôle qualité
Date des années 1930 : méthodes nouvelles de travail et d'organisation pour maîtriser la
qualité des produits dans les organismes industriels. La demande très forte de
production auprès de l'industrie américaine lors de la seconde guerre mondiale à partir
de 1941 va engendrer une diffusion et une généralisation des techniques de contrôles
statistiques.
Deuxième époque, les années 50, 60 au Japon : Naissance des concepts qualité totale et
l’assurance qualité. Progressivement, l'industrie des biens et des services japonaise s'est rebâtie
en intégrant dans ses fondations, la notion de qualité (Pr Deming). (PDCA Plan Do Check Act).
Toyota, Talichi Ono, La méthode des cinq zéros :
Le zéro délai, aussi connu sous le nom de flux tendus ou juste-à-temps. Cette
méthode consiste à attendre les commandes avant de produire .
Le zéro stock : aucune surproduction ou presque et donc n'entrainant aucun surcout
de stockage.
Le zéro papier : aucune paperasserie interne et diminution de la hiérarchie.
Le zéro défaut : aucun produit ne doit être défectueux pour éviter de subir des coûts
de réparations (SAV particulièrement cher) et pour satisfaire le client.
Le zéro panne : aucune défectuosité des machines, permis par un entretien régulier et
rigoureux de celles-ci.
6
Filère ING-MT
Historique
Troisième époque, fin des années 70 en occident :
Généralisation de la qualité totale fondée sur des modes d'actions favorisant la

participation et la mobilisation des personnels.
Quatrième époque, de 1990 à nos jours : Le Management de la Qualité Totale

(TQM).
Recentrer la démarche qualité sur les vraies préoccupations stratégiques de

l'entreprise, et de l'axer plus vers des modes d'actions techniques ou
organisationnels (la notion de groupes responsables, d'unités autonomes). La
notion Management de la Qualité Totale est avant tout un système de
management.
Contrôle qualité & MSP

Contrôle qualité
L'ancienne norme ISO 8402 (maintenant annulée) en donnait la définition
suivante :
« Contrôle : activités telles que mesurer, examiner, essayer ou passer au calibre
une ou plusieurs caractéristiques d'une entité et comparer les résultats aux
exigences spécifiées en vue de déterminer si la conformité est obtenue pour
chacune des caractéristiques. »
Le contrôle est un acte technique permettant de déterminer la conformité d'un
produit. Pour effectuer un contrôle sur un produit, il faut au préalable en
déterminer les caractéristiques et choisir les limites (les usineurs diraient les
tolérances) à l'intérieur desquelles le produit est conforme. Il faut que ces
limites soient connues par le « contrôleur » qui effectuera le contrôle.
Il implique également qu'à l'issue de l'acte technique de contrôle, une décision
soit prise en ce qui concerne la conformité :
produit conforme
produit non conforme qui doit être rebuté
produit non conforme pouvant être retouché
8
Filère ING-MT

Contrôle qualité
Qu’est-ce que contrôler ?
Contrôler c’est comparer une caractéristique demandée avec la caractéristique
réelle du produit fabriqué. Ensuite donner au service de la fabrication les résultats
de cette comparaison, afin que la fabrication prenne en connaissance de cause les
dispositions nécessaires pour améliorer la qualité du produit fini.
La norme NF X50-120 définit le contrôle comme :
« Action de mesurer, examiner, essayer, passer au calibre une ou plusieurs
caractéristiques d’un produit ou service et les comparer aux exigences spécifiées en
vue d’établir leur conformité. »
Faire la qualité du premier coup: maitriser les procédés utilisés.

Obtenir la qualité au départ de la fabrication: maitriser le processus tout au long
de la fabrication (de l’approvisionnement à l’expédition).
Un défaut prévu coûte 100 fois moins cher qu’un défaut constaté.
9
Le cout de non qualité (CNQ)
COUT "NON QUALITE"
Coût des Coût des Coût de Coût de

anomalies internes Anomalies externes DETECTION PREVENTION
• Rebuts • Réclamation • Salaires • Évaluation des

• Réparations • SAV • Contrôles fournisseurs
• Déclassement • Remise, ristournes • Essais • Formation
de produits • Pénalités de retard • Amortissement • Audits qualité
• Stocks matières • Remboursements • Frais • Équipes Qualité
premières refusées d’étalonnage
Filère ING-MT
Le cout de non qualité (CNQ)
RATIOS REPRESENTATIFS
CNQ X 100 = X % chiffre d’affaires

Chiffre d’affaires
CNQ = CNQ / personne

Nbre personnes
Quelques chiffres de CNQ :
• ELECTRONIQUE / SEMI CONDUCTEURS : 10 à 15 % C.A

•AGROALIMENTAIRE : 4 à 8 %
•ADMINISTRATIONS : ≈ 5 %
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 Française.
12
Filère ING-MT

Un contrôle est défini par un certain nombre de paramètres :
la fréquence de contrôle : systématique, par prélèvement ;
la ou les caractéristiques du produit qui doivent être contrôlée(s) ;
le type de contrôle : non destructif, destructif (parfois appelé « essai ») ;
la méthode de contrôle : par mesure, par comparaison, par appréciation (contrôle
visuel par exemple) ;
les moyens de contrôle à utiliser : appareil de mesure, référentiel ;
l'entité qui réalise le contrôle : personnel de fabrication (autocontrôle5), personnel
spécialisé, personnel d'encadrement, machine (automatisation du contrôle).
Pour choisir les caractéristiques d'un contrôle, il faut tenir compte des contraintes
techniques (criticité de la caractéristique à contrôler, précision nécessaire de
l’appareil de mesure, qualification du personnel effectuant le contrôle, etc.) mais
également des contraintes économiques.
L'aspect économique joue sur la nature du contrôle, sur les moyens à engager et
sur les caractéristiques à contrôler
13
14
Filère ING-MT
les différents types de contrôle:

La spécification Cartes de contrôle
contrôlée est une
grandeur chiffrable.
Ex: 15,25 mm
tendance centrale de la fabrication ( moyenne )

Par mesures
Variation de la fabrication ( étendue )
CONTROLE
nombre ou proportion de défectueux
Par attributs
nombre de défauts par unité de contrôle
Valeur non
chiffrable par un
appareil de mesure.
Ex: correct,
défectueux..

Types de contrôles
Le contrôle à 100% est bien sûr nécessaire lorsqu’il y a un risque pour la vie des personnes
aussi le contrôle par ultra sons doit se faire sur toutes les pièces.
Pour des raisons évidentes le contrôle par échantillonnage devra être utilisé pour tous les
contrôles destructifs.
Bien sûr d’autres critères interviennent dans le choix des types de contrôle : Tailles des
séries, valeur ajoutée des produits, coût du contrôle (est-il raisonnable d’effectuer un
contrôle coûteux lorsque trois ou quatre pièces sur 1000 sont défectueuses ?), choix des
caractéristiques à contrôler etc.
Un contrôle à 100% ne veut pas dire que l’on contrôle toutes les caractéristiques du
produit mais une seule.
le contrôle à 100% n’est pas sans risque en effet le caractère répétitif et monotone des
opérations de contrôle peut conduire à des erreurs et notamment à l’acceptation de pièces
défectueuses.
16
Filère ING-MT

Qualité et contrôle de conformité
Le contrôle s’effectue à trois stades de la production :
- à la réception des approvisionnements
- en cours de fabrication
- à la livraison des produits finis
Le contrôle de réception et des en-cours peut s’effectuer soit à 100% ou par échantillonnage
Contrôles de réception Contrôles en cours de fabrication

permet l'acceptation ou le refus d'un lot de permet de surveiller le processus de
pièces fabrication
100% Domaine d'utilisation: Domaine d'utilisation:

pièces à forte valeur ajoutée pièces à forte valeur ajoutée
tous les contrôles
pièces ayant des qualités strictes ( sécurité, nucléaire..) pièces ayant des qualités strictes ( sécurité, nucléaire..)
nécessaires sont tri de pièces ( appariement ) avantages: maîtrise totale des décisions ( pas de risque )
effectués sur la avantages: maîtrise totale des décisions ( pas de risque ) limitation du gaspillage
totalité des pièces inconvénients: contrôle onéreux, contrôle non destructif inconvénients: contrôle onéreux, contrôle non destructif,
produites nécessité dans le cas de grandes séries d'automatiser les
postes de contrôle, ( si le posage est
défini )
Domaine d'utilisation:
Domaine d'utilisation:
produits standards ou de sous-traitance
Par échantillon production en grande série
classement de la qualité des fournisseurs
si la qualité du procédé est nettement > à la qualité souhaité
les contrôles sont si la qualité du procédé est nettement > à la qualité souhaité du
du produit
effectués sur un produit
lots de taille importante
échantillon de avantages: réduction du coût, contrôle destructif possible
avantages: réduction du coût, contrôle destructif possible
pièces prélevées inconvénients: risque lié à la probabilité de prendre une
inconvénients: risque lié à la probabilité de prendre une
mauvaise décision, risque de laisser passer des pièces non
mauvaise décision
conformes.
LE SYSTÈME DE CONTRÔLE DE LA QUALITÉ
Quoi Quel
Opérateur,
inspecteur, Caractéristiques
laboratoire à contrôler
Comment
Par essai, inspection,

Quand
instruments, Fréquence du
contrôle visuel
C contrôle
Contrôle
Lors de la par
fabrication, échantilonnage
de la réception, exhaustif, ou
de l’expédition, aucun contrôle
,ect.
Où Combien
Filère ING-MT
Contrôle qualité et MSP

Pourquoi contrôler la production ?
L’industrie utilise des équipements de plus en plus sophistiques et automatises. De ce
fait, l’homme intervient de moins en moins sur le produit. Il n’a donc plus autant de
regard sur la production pendant que celle-ci est en cours.
De plus, les cadences des équipements deviennent de plus en plus rapides. Ainsi, il
devient difficile pour l’homme d’effectuer un mirage de 100% du produit conditionné en
cours de production.
Le contrôle en cours est donc une étape hors production, qui permet aux opérateurs de
vérifier, avec attention, que le produit final est conforme aux attentes du client.
Mission du contrôle en cours de fabrication :
Détecter les anomalies des leur apparition, afin d'engager des actions correctives le plus
rapidement possible.
Vérifier la conformité du travail et du produit aux spécifications.
Eviter les dérives de qualité en fabrication.
Contribuer a la diminution de la non qualité.
Arrêter les produits défectueux.
Fournir les informations permettant le suivi et l'amélioration de la qualité.
19

LA ROUE DE L’AMELIORATION D’après Edward DEWING
AMELIORATION
DES ACTIONS PLANIFICATION
A P DES ACTIONS
C D
FIXER
PLAN : PREVOIR
DO : REALISER
CHECK : VERIFIER
ACT : AMELIORER
Filère ING-MT

La norme française AFNOR X06030 définit la Maitrise Statistique des procèdes
comme suit : „« La MSP est un ensemble d’actions pour évaluer, régler et maintenir
un procédé de production en état de fabriquer tous ses produits conformes aux
spécifications retenues et surtout avec des caractéristiques stables dans le temps.
« La MSP est un des éléments dynamiques du système qualité, et a ce titre, concourt
à l’ amélioration permanente de la production.
La MSP ne se limite pas a l’établissement de cartes de contrôle et à leur exploitation
pour régler des machines et maitriser un procédé, comme on le pense souvent, mais
c’est une suite d’analyses qui comprennent : une réflexion sur le procédé.
L’identification des caractéristiques significatives de ce procédé, du produit et des

tolérances nécessaires, la validation de l’outil de production et de son aptitude à
fournir ce qu’on attend de lui, et enfin la mise en place de cartes de contrôle .
La MSP est une méthode préventive qui vise a amener le procédé au niveau de
qualité requis et à le maintenir grâce à un système de surveillance qui permet de
réagir rapidement et efficacement a toute dérive, en évitant ainsi la production
massive de non conformes.
21
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.
La MSP regroupe deux concepts de base :

Le suivi et le pilotage par « carte de contrôle » inventée par Shewart
La mesure de capabilité.
22
Filère ING-MT
Bénéfices de la MSP
Les bénéfices de l’implantation de la MSP sont multiples. La norme AFNOR-
X0630 les résume comme suit :
L’amélioration de la production et de la productivité, c’est-à-dire : constance des
caractéristiques des produits fournis et diminution des coûts (rebuts, retouches,
rationalisation des plans de contrôle, conformité aux spécifications).
L’amélioration des échanges verticaux et horizontaux dans la structure

hiérarchique de l’entreprise (la MSP fournit les éléments d’un langage commun)
L’amélioration de la démarche de résolution de problèmes de qualité en

production (la MSP facilite la recherche des causes et la mesure du résultat des
actions).
L’amélioration puis la maîtrise des procédures, des produits et procédés

(sentiment de sécurité avant livraison)
23
Processus & Variabilité
Processus
Ce terme se rapporte à un système de causes associées. C’est une combinaison de
conditions agissant ensemble pour produire un résultat donné ou mesuré. C’est souvent
une combinaison d’hommes, de matériaux, de machines et de méthodes, mais il peut
avoir d'autres significations.
Le processus étudié peut être aussi simple que le mouvement d’une main, mais il peut
être aussi complexe que l’ensemble des opérations d’une usine.
24
Filère ING-MT
Processus
Entrées Sorties
Matières premières Produits désirés
Consommables
Eau Produits finis conformes
Énergie à toutes les exigences
Produits Non désirés

Produits non conformes
Caractéristiques d’un processus
1. Un intitulé
2. Un début (fait déclencheur, activité initiale, etc..)
3. Une ou plusieurs sorties sous forme de produit visant à
satisfaire les clients du processus
4. Un enchaînement d’activités visant à donner de la valeur
ajoutée au résultat du processus
5. Des acteurs (participants avec un pilote)
6. Des ressources (humaines, financières, matérielles,
informationnelles, etc..)
Filère ING-MT
Exemple : un mesurage
1. Intitulé : mesurage d’un alésage

2. Fait déclencheur : demande du contrôle qualité
3. Sortie : mesure en mm
4. Activités : prendre la pièce, mesurer avec le pied à coulisse,
etc..
5. Acteur : métrologue
6. Ressources : cahier des charges, caractéristiques techniques
de la pièce à mesurer, pied à coulisse, métrologue formé,
etc..
Ne pas confondre processus et procédure
La procédure est la manière spécifiée d’effectuer une activité ou

un processus.
Elle décrit l’activité et formalise les règles de réalisation d’un

processus.
Un processus peut donc être décrit par une ou plusieurs

procédures
Filère ING-MT

Tous les processus, quels qu’ils soient, sont incapables de produire toujours
exactement le même produit. Cela tous les opérateurs le savent bien et c’est
d’ailleurs un des problèmes principaux auxquels les régleurs sont confrontés tous
les jours.
Quelle que soit la machine étudiée, la caractéristique observée, on note toujours
une dispersion dans la répartition de la caractéristique.
Une cote sur un lot de pièces ne fera jamais exactement 10 mm, mais sera
répartie entre 9,97 et 10,03 mm par exemple.
Un lot de résistances électriques dont la valeur nominale est de 10 ohms, aura en
fait des valeurs comprises entre 9,9 et 10,1 ohms.
Cette variabilité est incontournable et il faut être capable de « vivre avec ».
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.
29
30
Filère ING-MT

Répartition en forme de cloche
L'analyse des productions sur une machine montre que, en l'absence de déréglage, la
répartition des produits suit une courbe en cloche selon une loi : la loi normale. On trouve
également d'autres appellations pour cette loi telle que loi de Gauss, loi de Laplace Gauss
Cette répartition se rencontre très fréquemment dans la nature et pas seulement dans le cas
des machines de production.
Le théorème statistique à l'origine de cette convergence vers la loi normale est appelé
« théorème central limite ». On peut l'écrire sous la forme suivante : Tout système, soumis
à de nombreux facteurs, indépendants les uns des autres, et d'un ordre de grandeur
équivalent, génère une loi normale.
31
Processus et variabilité
Variabilité
Le monde a tendance à suivre une loi normale, en forme de cloche
Résultats très rares Majorité des Résultats très rares

(probabilité > 0) résultats (probabilité > 0)
Résultats Résultats
peu peu
nombreux nombreux
(basse) (haute)
Filère ING-MT

On sait que dans une production, deux pièces ne sont jamais parfaitement identiques. Les
dimensions précises d’une pièce usinée sur une machine outil dépendent de nombreux
facteurs. Il s’ensuit une dispersion sur la cote que l’on peut séparer en deux catégories :
les dispersions dues aux causes communes,
les dispersions dues aux causes spéciales.
Les causes communes:
Ce sont les nombreuses sources de variation attribuables au hasard qui sont toujours
présentes à des degrés divers dans différents processus.
Les statistiques étant l’étude des phénomènes perturbés par le hasard, on sait modéliser le
comportement des causes aléatoires, et par conséquent, prévoir la performance d’un
processus qui n’est soumis qu’à des causes communes de dispersion
L'ensemble de ces causes communes forme la variabilité intrinsèque du processus
Exemples de causes communes :

Jeux dans la chaîne cinématique de la machine ;
Défaut de la broche de la machine
Cette variabilité suit généralement une loi de Gauss
33

Exemples de causes communes :
Elasticité des organes

Hétérogénéité de la matière travaillée
Température de l'atelier
Erreurs dans le processus de mesure
Les causes aléatoires se caractérisent par :
Leur nombre très important

Leurs variations faibles en règle générale
Leur indépendance les unes des autres
Par le fait qu'elles sont toujours présentes
Elles se retrouvent dans toutes les pièces fabriquées; c'est d'ailleurs pour ces
raisons que la distribution est le plus souvent normale.
Les causes communes ne sont pas identifiables et sont incontrôlables.

Elles sont responsables des variations aléatoires. 34
Filère ING-MT

Exemples de causes spéciales :
Cassure d'un outil

Coupure du courant dans un cycle de chauffe
Défaillance humaine
Fuite dans un tuyau sous pression
Grippage d'un palier
Dégel, chaleur ou froid exceptionnel
Changement d'opérateur
Lot de matière première défectueux
Ce sont des causes que l'on peut souvent identifier et que l'on peut contrôler
35
Causes de Dispersions – les 5M
Main
Méthodes
d’œuvre
Variabilité du
procédé
Milieu Machine Matière
33
Filère ING-MT
Processus et variabilité
Causes de Dispersions
• Causes communes:
Dispersion aléatoires (habituel)
Pas de modèle, pas de tendance
Inhérent au processus
Ajuster le procédé augmente la variabilité
• Causes speciales
Dispersion systématique (inhabituel)
Peut suivre une tentance, un modèle
Assignable, explicable, contrôllable
Un ajustement de procédé diminue sa variation
Dispersion totale = Dispersion systématique + Dispersion aléatoire
L’objectif est de se débarrasser des causes assignables et de réduire les

causes aléatoires.

Un processus « sous contrôle » est un processus dans lequel seules subsistent les causes
communes. La répartition de la production suit alors une courbe en cloche et elle est
centrée sur la cible.
Un processus « hors contrôle » est soumis à la présence de causes spéciales. Le résultat
de la production ne suit donc pas nécessairement une courbe en cloche et la production
peut être décentrée par rapport à la cible.
La maitrise de la variabilité consiste donc à mettre tous les processus « sous contrôle », c'est
l'objectif de la MSP.
38
Filère ING-MT
Statistiques
Ensembles de méthodes dont le but est de présenter les données pour que
l'on puisse en prendre connaissance facilement.
Cela peut concerner :

une variable à la fois : statistique à une dimension,
deux variables à la fois : statistique à deux dimensions,
plus de deux variables à la fois : statistique multidimensionnelle.
Ces méthodes comportent :
Les tableaux : distributions de fréquences.
Les diagrammes : graphiques.
Les paramètres statistiques : Réduction des données à quelques valeurs
numériques caractéristiques.
39
Statistiques
Le suivi statistique doit permettre :
D’intervenir sur le procédé avant de produire de la non-qualité.
De mesurer la capabilité d’un procédé : le procédé est capable de produire des

pièces bonnes.
D’agir sur les variations pour assurer la stabilité du procédé dans le temps.
Filère ING-MT
Types de variables aléatoires (VA)
Caractère qualitatif-quantitatif
Caractères qualitatifs
Caractères quantitatifs 42
Filère ING-MT
Caractère discret-continu
Une variable statistique discrète ne prend que certaines valeurs dans un

intervalle donné.
Un caractère qualitatif est toujours discret.
Une variable continue se représente en classes (toutes les valeurs au sein

de la classe sont alors considérées comme possibles.
Variable continu
Les classes d’un caractère continu en constituent les
modalités.
Les classes sont définies par les valeurs de leurs
extrémités : borne de gauche - borne de droite.
On note [6000 ; 7000[ la classe allant de 6000 inclus à
7000 exclu.
Pour le calcul du centre de classes, les classes
consécutives se notent :
• [6000 ; 7000[ [7000 ; 9000[ [9000 ; 12000[ etc.
Le centre de classe est la moyenne entre les deux bornes :
• (6000 + 7000)/2 ; (7000 + 9000)/2.
Les amplitudes de classes peuvent être constantes ou
variables
Filère ING-MT
Statistiques
Paramètres de position
Valeurs centrales
• Moyenne arithmétique
• Les autres moyennes
– géométrique
– harmonique
– quadratique
• Médiane
Paramètres de dispersion
– Amplitude ou étendue
– Ecart interquartiles
– Variance, Ecart type
– Coefficient de variation
Paramètre d'aplatissement et de symétrie
45
Statistiques
La moyenne arithmétique : somme des valeurs divisée par le nombre
total de valeurs
La moyenne représente bien le centre des données quand la

distribution est symétrique.
Elle est en revanche sensible aux valeurs extrêmes.
Filère ING-MT
Statistiques
La médiane : c’est la valeur centrale quand les données sont triées par ordre
croissant (ou décroissant).
Quand le nombre de données est pair, la médiane prend la valeur de la
moyenne des 2 valeurs centrales.
Exemple 1 :
Données dans l’ordre croissant : 2.05 ; 3.56 ; 4.67 ; 6.90 ; 7.53
Médiane : 4.67
Exemple 2 :
Données dans l’ordre croissant : 2.05 ; 3.56 ; 4.67 ; 6.90 ; 7.53 ; 8.75
Médiane : (4.67+6.90) /2 = 5.785
La moitié des données a une valeur supérieure à la médiane, l’autre moitié a

une valeur inférieure.
Aucune influence des valeurs extrêmes sur la valeur de la médiane : paramètre
plus robuste que la moyenne.
Statistiques
Moyenne, médiane et symétrie
Distributions
asymétriques
Distribution symétrique :
Données dispersées de manière
similaire à gauche et à droite du
centre
Filère ING-MT
Statistiques
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
Statistiques
Paramètres de dispersion :
L’étendue : Différence entre la valeur maximale et la valeur minimale.
Contrairement aux autres paramètres de dispersion, elle ne prend pas en
compte l’ensemble des valeurs.
La variance : écart type au carré
Filère ING-MT
Statistiques
L’écart type :
De par la mise au carré des écarts, l'unité de la variance est le carré de celle du
caractère (si le caractère est en kg, sa moyenne est en kg mais sa variance est
en kg2) d'où l'impossibilité d'additionner la moyenne et la variance.
On a donc défini l‘écart type note σ. L‘écart type est la racine de la variance (et
donc son unité est la même que celle de la moyenne et des données.
la possibilité d'additionner moyenne et écart type est fondamental, en
particulier pour le calcul d'intervalle de confiance.
On utilise généralement plus l’écart type que la variance.
Interprétation de l’écart type :
Plus l’écart – type σ est grand, plus les valeurs du caractère sont dispersées
autour de la moyenne.
Plus il est petit, plus les valeurs du caractère sont groupées autour de la
moyenne.
Statistiques
Objectif industriel
Écart type faible.
La moyenne est centrée sur la valeur cible.
Filère ING-MT
Statistiques
Quelques cas intéressants:
X
± 1σ
± 2σ
± 3σ
± 4σ
Environ 68% des individus sont compris dans l’intervalle X ± 1σ

Environ 95% des individus sont compris dans l’intervalle X ± 2σ
Environ 99,8% des individus sont compris dans l’intervalle X ± 3σ
Environ 99,99% des individus sont compris dans l’intervalle X ± 4σ
Statistiques
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
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
On veut connaître la représentation graphique de la distribution des pièces: il faut donc

tracer l’histogramme.
Filère ING-MT
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
Statistiques
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
Filère ING-MT
Statistiques
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
Tracer les caractéristiques de la côte Cote visée: cote moyenne

Cote maxi : tolérance supérieure
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
Filère ING-MT
n
calcul de la moyenne des valeurs et tracé formule: X = 1/n ∑ xi
i=1
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
Statistiques
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.
Filère ING-MT
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 σ ( correspond à 99,98% d’une population
distribuée suivant une loi normale ).
En relation avec la courbe de Gauss
dispersion
Statistiques
Ecart type : σ ( sigma )
Paramètre de dispersion qui caractérise la plus ou moins grande dispersion des valeurs
autour de la moyenne.
Courbe convexe
X
Courbe concave
∑ ( xi - X )²
σ=
N
Filère ING-MT
Exemple:
Moyennes différentes
Dispersion identique
σ σ
X1 X2
Moyenne identique
Dispersions différentes
σ1
σ2
Résultats de NC liés au centrage et à la dispersion
Filère ING-MT
On compare la dispersion à l'IT à respecter, 3 cas peuvent se présenter
1°cas: le procédé de fabrication ne convient pas, il y a rebut systématique
2°cas: tout déréglage de la moyenne entraînera un rebut sera fonction de ce

déréglage.
Filère ING-MT
3°cas: pas de rebut tant que la moyenne reste dans l’intervalle égal à : IT -
6,18σ
Capabilité
Vision industrielle
Capabilité : aptitude d'un procédé de production ou d'un moyen à respecter des
spécifications.
Les industriels se basent sur des normes bien données pour définir la capabilité
de leurs procédés et de leurs machines.
Exemple: la norme AFNOR X06-030
Un processus sera déclaré "apte" s'il a démontré, pour les caractéristiques

sélectionnées, qu'il était capable de produire pendant une période assez
longue, avec un taux théorique de non-conformités inférieur aux exigences
internes à l'entreprise ou contractuelles.
Ce taux est fréquemment fixé à partir de la valeur de l’écart type σ ( environ
6 σ).
68
Filère ING-MT
Capabilité
La capabilité se mesure par le rapport entre la performance demandée et la

performance réelle d’un processus.
Elle permet de mesurer l'aptitude d’un processus à réaliser une caractéristique
dans l’intervalle de tolérance fixé par le cahier des charges.
Le fait d'utiliser un chiffre pour caractériser la capabilité est fondamental. Un
chiffre est objectif, il n'est pas sujet à interprétation
Nous dissocierons deux types d'indicateurs de capabilité :

Les indicateurs long terme qui traduisent la réalité des produits livrés. On
parlera alors de performance du processus.
Les indicateurs court terme qui traduisent la dispersion sur un temps très court.
On parlera alors de capabilité MACHINE.
69
Capabilité
70
Filère ING-MT
Indice d’aptitude ou 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
Indice de Capabilité
Cet indicateur compare la performance attendue (IT) et la
performance obtenue (Dispersion)
IT IT
m m
6σ 6σ
Filère ING-MT
Capabilité
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 ».

73
Capabilité
Les indices de capabilité Cm et Cp ne mettent en évidence que la dispersion.
L’indice Cm ne tient pas compte la position de la moyenne des mesures par
rapport aux limites de tolérance supérieure et inférieure, mais exprime
simplement l’écart entre la dispersion des mesures de contrôle et la marge de
tolérance.
Les autres indices Cmk et Cpk mettent en évidence le centrage et la

dispersion
74
Filère ING-MT
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 σi ( écart type instantané en utilisant l'estimateur

de l'écart type
Capabilité
Ou σi(estimé) =
C4
Taille de 2 3 4 5 6 7 8 9 10 11 12
l’échantillon
1.128 1.693 2.095 2.326 2.534 2.704 2.847 2.970 3.078 3.173 3.258
d2
0.7919 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727 0.9754 0.9776
C4
Filère ING-MT
IT
3: Calculer le premier indice de la capabilité machine: Cm

( Permet de comparer l'IT à la dispersion )
Ts - Ti ou
IT ou
IT
Cm= Cm= Cm=
6σi 6σi 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=
3σi 3σi
Capabilité
78
Filère ING-MT
La machine est considérée bien centrée si Cmk > 1,33

Moyenne des moyennes X = ∑ Xi ou: X= ( X1 + X2 + X3 +…….Xr ) / r
r
Moyenne des étendues W = ∑ Wi ou: W = ( W1 + W2 + W3+ ..Wr ) / r
r
Après calcul de Cmki et de Cmks, on retient la valeur la plus petite.
Valeur cible pour Cm et Cmk
80
Filère ING-MT
Exemple 1 : 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.
Exemple 2 : calcul de Cm et Cmk
Filère ING-MT
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 σi = σ(n-1) = 0,01379
Cm = IT / 6 σ(n-1) Cm = 0,1 / 6x0,01379 = 1,208
Cmks = Ts - X = 1,377
3σi
Cmki =
X - Ti 1,039
=
3σi
Conclusion:
1 < Cm < 1,33

Machine non capable
1 < Cmki < 1,33
Filère ING-MT
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
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 il ne

reste que des causes aléatoires ( plus de cause assignable ).
On calcul les indices de capabilité à partir des échantillons prélevés.
1: Calculer l'écart type σi ( écart type estimé )
S
ou σ(estimé) = =
σi(estimé)
C4 C4
Filère ING-MT
Calcul de Cp et Cpk
Valeur cible pour Cp et Cpk
Filère ING-MT
1: Calculer le premier indice de la capabilité procédé: Cp

( Permet de comparer l'IT à la dispersion )
Ts - Ti IT
Cp= ou Cp=
6σ(estimé) 6σ(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 et
Ts - X
Cpki= Cpks=
3σ(estimé) 3σ(estimé)
Après calcul de Cpki et de Cpks, on retient la valeur la plus petite.
Le procédé est considéré bien centré si Cpk > 1,33
En résumé
Cpk=0.66
Non Capable
Cp<1
Juste Capable Cpk=1

Cp=1
Acceptable Cpk=1.33
Cp>1.33
Performant
Cp>1.66
Vers l’Excellence
Toujours Centré
Filère ING-MT

interprétations des résultats
Filère ING-MT
Capabilité
Il est important de rajouter que selon les normes associées, les notations se
différent, donc il faut être vigilant quand on utilise ces notations et toujours
indiquer les références
94
Filère ING-MT
95
Capabilité du moyen de contrôle
Il est inconcevable de vouloir surveiller un procédé de fabrication si les

instruments utilisés pour faire les mesures sont eux-mêmes sujets à caution.
Le moyen de mesure est il suffisamment exact pour que l’erreur qu’il

introduit sur les valeurs soit négligeable?
Avant toute chose, il faut penser à vérifier:
La résolution
L’erreur de justesse
La répétabilité
La reproductibilité
Filère ING-MT

Résolution : c’est le plus petit différentiel de mesure que l’instrument est capable de
détecter.
En général, on choisit un instrument qui a une résolution au moins égale au dixième de
l’intervalle de tolérance de la spécification ou caractéristique observé.
Justesse : l’erreur de justesse est un écart systématique entre la vraie valeur et la valeur
donnée par l’instrument de mesure.
Fidélité : c’est la faculté d'un instrument à donner des mesures répétables, c'est-à-dire
que les erreurs sont faibles. On utilise souvent l'écart-type comme étant l'erreur de
fidélité.
Répétabilité : c’est la dispersion de mesurage d’une pièce, répétée dans les mêmes
conditions, par la même personne, sur une courte période de temps.
Reproductibilité : l’erreur de reproductibilité est la dispersion de mesurage d’une pièce
lorsque celle-ci est effectuée par plusieurs personnes, dans les mêmes conditions.
Justesse et fidélité :
Filère ING-MT
Répétabilité et reproductibilité :
Répétabilité des résultats de mesurage :

Etroitesse de l’accord entre les résultats de mesurages
successifs du même mesurande, mesurages effectués dans la
totalité des mêmes conditions de mesure.
Reproductibilité des résultats de mesurage :

Etroitesse de l’accord entre les résultats de mesurages
successifs du même mesurande, mesurages effectués en
faisant varier certaines conditions de mesure.
Définitions
Filère ING-MT

Définitions
Définitions
On définit la dispersion du moyen de mesure (R&R: Répétabilité et

Reproductibilité)
Filère ING-MT
Définitions
• Limite de répétabilité r : écart maximum au niveau de confiance 95% entre 2

résultats obtenus sur un même échantillon pour une même méthode, un
même analyste, un même appareil.
• Limite de reproductibilité R : écart maximum au niveau de confiance 95%

entre 2 résultats obtenus sur un même échantillon, pour une même
méthode, par 2 analystes ou 2 laboratoires différents, sur des appareils
différents.
• Le GAGE R&R : c’est un outil statistique utilisé pour mesurer la

performance d'un système de mesure en termes de répétabilité et
de reproductibilité. Ce test permet de qualifier un système de mesure en
calculant un pourcentage qui indique les variations totales du processus de
mesure. Plus ce pourcentage est faible et meilleur est le système
Définitions
Le Gage R&R, est appelé aussi MSA pour Measurement Systems Analysis ou
encore MSE pour Measurement System Evaluation, permet de mesurer la
Répétabilité et Reproductibilité d’un sytème de mesure : règle, pieds à coulisse,
chronomètre… nous permettant de valider la méthode par laquelle on collecte les
données.
Filère ING-MT
Définitions
Le Gage R&R, est appelé aussi MSA pour Measurement Systems Analysis ou
encore MSE pour Measurement System Evaluation, permet de mesurer la
Répétabilité et Reproductibilité d’un sytème de mesure : règle, pieds à coulisse,
chronomètre… nous permettant de valider la méthode par laquelle on collecte les
données.
Filère ING-MT
Filère ING-MT

Pour déterminer la capabilité de l’instrument de mesure , plusieurs méthodes
existent notamment celle de Charbonneau.
Dans tous les cas, on fait mesurer par plusieurs opérateurs (en général 3) avec
10 ou plus de pièces différentes.
Chaque pièce est mesurée 2 fois (ou plus) par chaque opérateur.
Filère ING-MT
r: nombre de 2 3 4
mesure/pièce/opérateur
d2 1.128 1.693 2.059
Reproductibilité
p: nombre d’opérateurs 2 3 4
1.414 1.912 2.239
Filère ING-MT
Critères de décision
Si la reproductibilité est mauvaise : cherchez du côté de la formation, des

standards et de la définition.
Si la répétabilité est mauvaise : cherchez du côté de l’outil de mesure lui-même.
CMC > 4 : la méthode est tout à fait capable
2 < CMC < 4 : mettre sous contrôle le moyen et mettre en

œuvre des améliorations.
CMC < 2 : changer de moyen ou de méthode.

Méthode étendue et moyenne : Range & Average
Par rapport à la méthode de Charbonneau, la seule différence est l’expression de
l’évaluation de la reproductibilité.
On définit :
• n : nombre de pièces mesurées
• r: nombre de mesures effectuées sur une pièce par un opérateur
p: nombre d’opérateurs 2 3 4
1.414 1.912 2.239
Filère ING-MT
Critères de décision
Filère ING-MT
Relation entre Cpk et % de NC

Exemples :
Filère ING-MT
Cpki
On demande de déterminer le % de NC pour chaque série?
Carte de contrôle
Le suivi statistique est basé sur l’interprétation des résultats relevés

sur le poste de travail par l’opérateur.
Il consiste à prélever un échantillon représentatif dans un lot de

produits (population), et à contrôler certaines caractéristiques de
tous les individus de l’échantillon.
Le résultat du contrôle, pour chaque échantillon, est reporté sur un

graphique qu’on appelle : carte de contrôle.
Filère ING-MT
Carte de contrôle
La carte de contrôle
Dans le but d'aider l'opérateur à détecter si le processus qu'il conduit ne subit

que des causes communes ou s'il y a présence de causes spéciales, Shewhart,
dès le début du 20ème siècle, a mis au point un outil graphique performant
appelé : la carte de contrôle.
Une carte de contrôle est un outil permettant de déterminer le moment où

apparaît la cause assignable entrainant la dérive. Ainsi, le processus sera arrêté
au bon moment, c’est-à-dire avant qu'il ne produise des mesures non conformes
(hors de l'intervalle de Tolérance).
Carte de contrôle
Les principaux buts et bénéfices des cartes de contrôles sont les suivants :
La carte de contrôle augmente la productivité et diminue les coûts car elle prévient la
production de produit défectueux en aidant à garder le procédé sous contrôle statistique.
La productivité augmente car la proportion de “bon produit" fabrique augmente et les
couts diminuent car il y a moins de déchets.
La carte de contrôle empêche le sous ou le sur contrôle. Il est normal que les sorties d’un
procédé varient et il n’est pas indispensable de réajuster celui-ci chaque fois qu’une unité
produite ne correspond pas exactement à la valeur cible.
Une carte de contrôle est un document d’aide à la décision en cours de réalisation,

permettant d’enregistrer les résultats de contrôle par échantillonnage collectés au poste
de travail.
Elle permet de visualiser graphiquement les variations dimensionnelles et de déterminer

les moments opportuns pour un réglage.
La Carte de contrôle permet de détecter toutes dérives (défauts) de la production, de
façon à intervenir avant de produire des pièces non-conformes .
Elle permet d’augmenter le niveau de la qualité et donc faire baisser les coûts de la
non-qualité.
Filère ING-MT
Carte de contrôle
Suivant le type de la caractéristique contrôlée il existe deux grandes familles de
cartes de contrôle :
La carte de contrôle aux mesures, qui permet de suivre une caractéristique
mesurable de façon continue par exemple une dimension, un poids…
La carte de contrôle aux attributs, qui permet de suivre une caractéristique non
mesurable ou contrôlée à l’aide de calibres par exemple un contrôle visuel, un
contrôle réalisé avec un calibre mini-maxi permettant de trier les pièces non
conformes.
Carte de contrôle
Cartes de contrôle aux mesures :
Ces cartes de contrôle aux mesures comportent deux graphiques :
Une pour garantir l’absence de causes spéciale sur la position.
L’autre pour garantir la stabilité de la dispersion naturelle du procédé.
Les échantillons sont de taille fixe.
L’échantillonnage se fait à des intervalles fixes.
Des limites de contrôle sont calculées pour chaque graphique.
Filère ING-MT
Carte de contrôle
Cartes de contrôle aux attributs :
Carte p qui effectue un suivi du pourcentage de pièces défectueuses, délais non

respectés, impayés. L’échantillonnage se fait à des intervalles fixes.
Carte np qui suit le nombre de pièces défectueuses , délais non respectés,

impayés.
Carte u qui est utilisée pour suivre le pourcentage de défauts, retouches et

fautes.
Carte c qui permet de suivre l’évolution du nombre de défauts.
Carte de contrôle
Principales caractéristiques des Cartes de contrôle aux attributs :
Ces cartes ne comportent qu’un seul graphique.
La taille des échantillons peut varier de sorte qu’on travaillera alors en

pourcentage.
Ces cartes sont surtout utilisées pour effectuer un suivi de situation.
Filère ING-MT
Carte de contrôle
les cartes de contrôle par mesure
Les cartes de contrôle permettent d'avoir une image du déroulement du
processus et d'intervenir rapidement sur celui-ci en cas de problème.
Elles permettent de surveiller l'évolution d'une caractéristique ( ex : une
dimension ) sur une production en série et d'intervenir avant de produire des
pièces non conformes.
La distribution de la spécification à contrôler doit suivre une loi normale.
Pendant la production, on effectuera des prélèvements d'échantillons
régulièrement ( ex : 6 pièces toutes les heures ).
Pour chaque échantillon, on calculera la moyenne et l'étendue des valeurs
mesurées, et on reportera les résultats sur un graphique.
Suivant la position des points reportés par rapport à des limites fixées, on
interviendra ou pas sur le processus.
On se limitera aux cartes de contrôle de la moyenne et de l'étendue. ( on peut
aussi construire des cartes de la médiane et de l'écart type
Les différentes zones sur une Carte de contrôle
Filère ING-MT
Les différentes zones sur une Carte de contrôle
Carte de contrôle
Filère ING-MT
Interprétation d’une carte de contrôle
Nous allons voir ci-dessous des exemples de cas de carte de contrôle de la

moyenne, afin d’en déduire une interprétation pour chaque cas.
Le procédé est sous contrôle statistique.

Règle : 2/3 des points sont dans le tiers central et 1/3 des points sont situés dans
les 2/3 extérieurs.

Une carte " type " est une carte dont les points sont répartis à peu près
symétriquement par rapport à la ligne centrale.
Pas de points hors limites
2/3 des points doivent se trouver dans le tiers central de la carte
Pas de cause assignable
Carte type
C
B
B
C
Filère ING-MT
Le procédé n’est pas sous contrôle statistique.

Présence d’un ou plusieurs points au delà des limites de contrôle.
Production fausse.

Moins de 2/3 des points sont dans le tiers central.
Points trop rapprochés des limites de contrôle, mais production bonne.
Filère ING-MT

Présence d’une dérive.
Production fausse.
Mise en place des cartes de contrôle par mesures
2 cas possibles:
le processus est déjà lancé et connu : on connaît donc la moyenne ( mo ) et

l'écart type ( σo ) contrôle de phase II,
le processus est nouveau : on ne connaît pas la moyenne ( mo ) ni l'écart

type ( σo ) contrôle de phase I,
Avec :
mo: moyenne d’une fabrication sous contrôle ( statiquement stable )
σo: écart type d’une fabrication sous contrôle
Elaboration d'une carte de contrôle dont les paramètres ne sont pas connus
Quand ?
Lors de la mise en place d’une nouvelle fabrication

Introduction d’un nouveau matériel
Introduction d’une nouvelle matière première ……
Filère ING-MT
Conditions à remplir :
Les pièces d'un même échantillon doivent être produites dans des
conditions très similaires sur un très court intervalle de temps.
Pas de réglage à l'intérieur d'un même échantillon.
Taille des échantillons constante.
Il faut que l’opérateur puisse saisir les données.
137
Carte de contrôle Moyennes/Etendues
La carte de contrôle moyennes/étendues est celle que l’on utilise le plus souvent.
Au lieu de représenter des valeurs individuelles, nous allons représenter sur la

carte de position, la moyenne d’un échantillon de plusieurs unités réalisées
consécutivement, sans intervention, et représentatif de la dispersion court terme.
L’étendue est calculé sur les n valeurs de l’échantillon.
La taille n sera déterminante quant à l’efficacité de la carte à détecter un

décentrage.
Filère ING-MT
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.
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.
Filère ING-MT
Cas où la moyenne et l’écart type ne sont pas connus
Carte de contrôle Moyennes/Etendues

Tableau des coefficients pour le calcul des cartes moyennes/étendues
n 2 3 4 5 6 7 8 9 10
1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31

- - - - - 0.07 0.14 0.18 0.22
3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78
Filère ING-MT
Carte de l’étendue R ou W
Les valeurs D3 et D4 sont définies en fonction de la taille de l’échantillon.
Exercice d’application :
N° 10 11 12 13 14 15 16 17 18 19 20
P1 24.82 25.33 25.00 24.73 25.33 25.17 25.22 25.50 25.31 25.42 25.35
P2 24.77 25.22 25.07 25.12 25.15 25.18 25.43 25.04 25.20 25.37 25.39
P3 25.11 25.20 25.00 25.07 25.49 25.24 25.38 25.38 25.22 25.40 25.58
P4 25.10 25.02 24.84 25.09 25.25 25.23 25.21 25.28 25.43 25.54 25.25
Filère ING-MT
Méthode d’élaboration de la carte de contrôle:

Etape 1: Prélèvement
Nombre d’informations = r x n
r = nombre d’échantillons
n = effectif de chaque échantillon
En général : 100 < r x n < 200 ( nombre d’informations )
Des pièces Des pièces

L’origine de la mesure a été prise à : 31,900 mm
Les valeurs affichées sont en micron
La valeur mesurée de la pièce correspond donc à :

Valeur affichée + 31,900
Ex: valeur mesurée = 51 + 31900 = 31951 µm
soit: 31,951 mm
Ou d’échantillons
Moyenne des moyennes X = ∑ Xi ou: X= ( X1 + X2 + X3 +…….Xr ) / r

r
Moyenne des étendues W = ∑ Wi ou: W = ( W1 + W2 + W3+ ..Wr ) / r

r
X = 49,1 µm W = 5,1 µm
Etape 3: Calcul des limites de la carte de contrôle pour la carte de la moyenne et la

carte de l’étendue
Notation:
Pour la moyenne: Lsc x : limite supérieure de contrôle de la moyenne
Lic x : limite inférieure de contrôle de la moyenne
Lss x : limite supérieure de surveillance de la moyenne
Lis x : limite inférieure de surveillance de la moyenne
Filère ING-MT

Etape 4: Tracer les limites provisoires sur la carte.
Lsc
Lss
Lis
Lic
Lsc
Lss
Etape 5: Remplir la carte
La carte est remplie au fur et à mesure des prélèvements des échantillons.
On reporte les valeurs des moyennes et de l’étendue de chaque échantillon.

On relie les points.
Etape 6: Analyse de la carte
Des points sont hors limites de contrôle, ceci est dû à des causes assignables, que l’on
peut identifier. Il faut prendre les mesures nécessaires pour éliminer ces causes.
Filère ING-MT
Etape 7: Calculer les nouvelles limites
Les échantillons dont les points sont hors limites de contrôle doivent être
éliminés pour le calcul. Les nouvelles limites doivent être calculées avec les
données restantes.
Etape 8: Tracer les nouvelles limites sur la nouvelle carte
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
Filère ING-MT
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
Filère ING-MT
Exemple de carte de contrôle de l’étendue
= 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
Remarque :
Il n’y a pas de limite inférieur pour des échantillon de taille n=4
Filère ING-MT
Interprétation
1 2 3 4
Exemples de causes assignables et décisions à prendre
un point au delà des régler le procédé et prélever trouver l'origine de la

1 limites de contrôle immédiatement un autre détérioration et intervenir (
LCS, LCI échantillon erreur de mesure, appareil
7 points consécutifs bloqué …)
sont supérieurs ou régler le procédé et prélever
trouver l'origine de la
2 inférieurs à la immédiatement un autre
détérioration et intervenir
moyenne échantillon
7 points
consécutifs sont en régler le procédé et prélever trouver l'origine de la
augmentation immédiatement un autre détérioration et intervenir
3 régulière ( dérive ) échantillon
ou en diminution
régulière
prélever immédiatement un
1 point entre les autre échantillon. Si le
limites de nouveau point est de nouveau trouver l'origine de la
4 surveillance et de hors limites régler le procédé détérioration et intervenir
contrôle et prélever immédiatement un
autre échantillon
Filère ING-MT
Démarche pour l'utilisation des cartes de contrôle
Prélever un échantillon de taille n

toutes les h heures
calculer X
reporter X sur la carte
non oui
La moyenne X
se trouve entre
LS1 et LS2
X se trouve entre oui

LS1 et LC1 ou
entre LS2 et LC2
Procéder à un nouveau prélèvement
non
Calculer X et porter X sur la carte
X se trouve au-delà
de LC1 ou de LC2
oui non
X se trouve entre
LS1 et LC1 ou
entre LS2 et LC2
Réglage et essai
Cartes de contrôle Moyennes et écarts types
Lorsque la taille des échantillons augmente (n>6) , l’étendue n’est plus pertinente. En
effet celle-ci est calculée à partir des deux valeurs extrêmes et néglige l’information
contenue dans les valeurs intermédiaires.
Ainsi, il est préférable de remplacer la carte des étendues par la carte des écarts types S.
On dessine alors sur la carte l’estimateur S de l’écart type de l’échantillon.
Calcul des limites de contrôles
Filère ING-MT
Cartes de contrôle Moyennes et écarts types
Tableau des coefficients pour le calcul des cartes moyennes/étendues
n 2 3 4 5 6 7 8 9 10
- - - - 0.030 0.118 0.185 0.239 0.284

3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
Remarque :
On constate que pour une taille d’échantillon faible, la carte des écarts types est
semblable à la carte des étendues.
Cartes de contrôle par attributs
Les cartes de contrôle par mesure sont adaptées lorsqu’on dispose d’une
grandeur mesurable sur laquelle on peut effectuer un calcul de moyenne et
d’écart type.
Dans un projet MSP , on doit parfois suivre des caractéristiques non mesurables,
comme une proportion de produits non conformes.
Dans ce cas, si on trace un graphique de l’évolution de la proportion des produits

non conformes issus d’un processus, on trouvera des fluctuations importantes.
Des questions s’imposent :

Ces fluctuations sont elles le résultat de variations aléatoires?
A partir de quelle proportion peut on avoir la preuve statistique de la présence

de causes spéciale?
Y a-t-il dégradation ou amélioration du processus?
Filère ING-MT
Les cartes de contrôle petites séries
Elles sont utilisées pour des séries de moins de 20 pièces et sont basées sur le
principe du MSP:
Amélioration de la production:
éviter les tâtonnements pour trouver le bon réglage
éviter les réglages inutiles
régler la machine avant de produire une pièce hors tolérance
Diminution des rebuts:

important dans le cas des petites séries car "tâtonnement"
Amélioration de la traçabilité:
écrire sur une carte de contrôle permet d'améliorer le suivi des lots
Les limites pour la moyenne et pour l’étendue
L.I.C : Limite Inférieure de Contrôle

L.S.C : Limite Supérieure de Contrôle
L.I.S: Limite Inférieure de Surveillance
L.S.S: Limite Supérieure de Surveillance
Cas des petites séries :

Dans le cas où l’écart-type de la distribution de la population de production sur la
machine est connu sous la base de l’historique des travaux antérieur, la détermination des
limites de contrôle des cartes de la moyenne et de l’étendue se calcule selon le formulaire
illustré par le tableau suivant :
Filère ING-MT
Démarche pour remplir la carte petites séries

Etape 1: Remplir l'entête
Etape 2: Calcul des limites de contrôle pour la moyenne et l'étendue

Placer les résultats dans le tableau
S’ il y a 5 pièces alors on calcule 5 limites
Formules:
Pour la moyenne Pour l'étendue

σ est estimé à
partir de
LSCx = Cible + A4σ LSCR = D6σ
l'historique des
productions
LICx = Cible - A4σ LICR = D5σ
Valeurs des coefficients
Exemple d’application
Exemple : On usine une série de 5 pièces dont on surveille la côte de 20±0,1 mm sur
une machine avec un σ = 0,013. On prendra comme valeur cible 0.
Calcul des limites pour la moyenne:
1ière pièce: A=3 ===> LSC = 0 + 3 x 0,013 = 0,039
LIC = 0 - 3 x 0,013 = -0,039
2ième pièce: A = 2,12 ===> LSC = 0 + 2,12 x 0,013 = 0,027

LIC = 0 - 2,12 x 0,013 = -0,027
3ième pièce: A = 1,73 ===> LSC = 0 + 1,73 x 0,013 = 0,022

LIC = 0 - 1,73 x 0,013 = -0,022
4ième pièce: A = 1,5 ===> LSC = 0 + 1,5 x 0,013 = 0,019

LIC = 0 - 1,5 x 0,013 = -0,019
5ième pièce: A = 1,34 ===> LSC = 0 + 1,34 x 0,013 = 0,017

LIC = 0 - 1,34 x 0,013 = -0,017
Filère ING-MT
Exemple d’application
Calcul des limites pour l'étendue:
1ière pièce: D6=0 ===> LSC =

D5=0 LIC =
2ième pièce: D6 = 3,69 ===> LSC = 3,69 x 0,013 = 0,048
3ième pièce: D6 = 4,36 ===> LSC = 4,36 x 0,013 = 0,056
4ième pièce: D6 = 4,69 ===> LSC = 4,69 x 0,013 = 0,061
5ième pièce: D6 = 4,91 ===> LSC = 4,91 x 0,013 = 0,064
Etape 3: Tracer les limites de contrôle des moyennes et des étendues
Attention au choix de l'échelle
Etape 4: Usiner la première pièce
- mesurer la dimension de la caractéristique surveillée

- écrire le résultat de la mesure ( X1 )
calculer: total = mesure X = mesure R = ( n'existe pas )
Exemple: mesure = 20,03 donc écart = 0,03
Etape 5: Usiner une autre pièce
Exemple: mesure = 20,01 donc écart = 0,01 total = 0,04 X = 0,02 R = 0,02
reporter les points
Filère ING-MT
Etape 6: Et ainsi de suite en surveillant que les limites ne soient pas dépassées
Exemple: mesure = 20,02 donc écart = 0,02 total = 0,06 X = 0,02 R = 0,01
reporter les points
Exemple: mesure = 20,04 donc écart = 0,04 total = 0,1 X = 0,02,5 R = 0,02
reporter les points
1 point est hors limite
Il faut effectuer un réglage
Valeur du réglage = K x écart

Voir tableau de K pour réglage
Réglage = 4/5 x 0,025 = 0,02 mm
Après réglage de la machine, on change de carte de contrôle. On considère un nouvel

échantillon de façon à ne pas inclure dans les causes connues, les variations du réglage.
Les types de cartes par attributs:

Dans certains cas, seul le suivi de l’unité est intéressant. Il en est ainsi
quand le produit est déclaré conforme ou non conforme.
Dans d’autres cas, on cherche plutôt à suivre le nombre de non

conformités. Par exemple si un défaut apparait plusieurs fois sur une
unité.
suivre des courts circuits sur une carte électronique, en effet une carte
pourrait contenir plusieurs courts circuits.
Ainsi, on peut distinguer deux cas de figure selon que l’on suit le nombre
ou la proportion.
Filère ING-MT
Les types de cartes par attributs:

Dans le cas d’unités non conforme par exemple, le suivi en nombre sera simple, il
suffira de reporter sur la carte le nombre d’unités non conformes que l’on a
trouvées. Ce type de suivi nécessite des échantillons de taille constante.
Le suivi par proportion (en pourcentage) d’unités non conformes demande un

calcul supplémentaire, mais permet de s’accommoder d’échantillon de taille
variable.
Remarque:
Les cartes de contrôle sur les unités non conformes sont fondées sur, la loi
binomiale.
Les cartes de contrôle sur les non conformités sont fondées sur la loi de
poisson.
Pour chaque carte de contrôle, les limites de contrôle sont placées à ±3σ de la
loi considérée à savoir: binomiale ou de poisson.

Ces cartes sont utilisées dans le cas où les spécifications à contrôler sont non mesurables
ou à coût de contrôle élevé.
Ce mode de contrôle consiste à attribuer des valeurs (excellent 3, satisfaisant 2, moyenne
1, faible 0 par exemple) ou bien deux valeurs possible : Conforme 1 ; non-conforme 0. La
conformité dépend des critères d’acceptation établis et la mise en œuvre est basé sur la
stratégie d’échantillonnage comme le cas des cartes de contrôle par mesure au niveau de
prélèvement et ou niveau de la détermination des limites de contrôle.
Les cartes de contrôles par attributs ont été construites, le plus souvent, en se basant sur
une approximation de ces lois non-normales par une loi normale. Dans ce cadre, on
distingue deux catégories de cartes de contrôle aux attributs.
Filère ING-MT

Le calcul des limites de contrôle est comme le cas des cartes de contrôles par mesures, en
fonction de la taille des échantillons prélevés et de leurs tailles.
Le tableau suivant regroupe les formulaires associés aux calculs de chacune des cartes aux
attributs .
Interprétation générale :
L’interprétation d’une carte de contrôle aux attributs est presque identique à
celle d’une carte de contrôle aux mesures.
Une détérioration sera détectée si on observe un point au dessus de la limite

supérieure de contrôle ou si l’on obtient une série d’au moins 7 points
supérieure à la moyenne historique.
Une amélioration sera détectée si on observe un point en dessous de la limite

inférieure de contrôle (lorsqu’il existe) ou si l’on obtient une série d’au moins 7
points inférieurs à la moyenne historique.
Filère ING-MT
Abordant le cas de contrôle aux attributs pour le cas de l’alésage 30H7. Le

responsable de contrôle qualité a constaté que le contrôle de la présente
spécification est trop cher.
En conséquence, il a décidé d’appliquer le contrôle aux attributs par un tampon
calibré « minimax » en vue de faciliter le contrôle de ce diamètre à surface
fonctionnelle
Filère ING-MT
Interprétations
L’évaluation des deux graphiques ci-dessus a permis d’établir une règle de décision
sur l’évolution de la répartition associée.
En effet, les deux cartes présentent des distributions communes révélant une dérive
ascendante à partir de l’échantillon n°5 ce qui exige une intervention immédiate
évitant de produire des échantillons non-conformes dans les prochains
prélèvements.
Les paramètres processus sur lesquels on peut agir pour remédier à la dérive de
processus de l’alésage sont essentiellement les conditions de coupes, le mode
opératoire du réglage de la pièce et la notion des dispersions des travaux sérielles.
Une telle intervention doit couvrir l’une ou ensemble des activités de réglage, de
pilotage, de surveillance ou d’amélioration des processus de production mécanique
Cas des cartes C et U

Une fois la production et la livraison d’un lot ont été achevées, on procède par un
contrôle multiple de toutes les spécifications fonctionnelles de la pièce concernée.
C’est le cas des cartes C et U où on est amené à contrôler le nombre et le pourcentage
des défauts par pièce respectivement. Soit à contrôler 20 spécifications fonctionnelles
par pièce.
Le pilotage et la surveillance de la production par les cartes C et U permettent la
maîtrise et la mise en œuvre d’un plan d’amélioration et de qualification.
Filère ING-MT
Interprétations
Les deux cartes représentent une tendance croissante jusqu’à le 5ème échantillon
suivi par stabilisation causée par un certain réglage du procédé.
Ceci a permis la remise du processus sous contrôle tout en obtenant ainsi le centrage,
la stabilité et la capabilité du processus. En effet, parmi les 10 derniers échantillons
on a 7 échantillons possédant un nombre de défauts par pièce inférieur à la moyenne
globale des défauts.
Ce mode de contrôle convient bien aux techniques de contrôle par attributs des
produits finis.
Ces techniques doivent être établies selon une fréquence appropriée et une taille des
échantillons adéquatement choisie selon les critères d’acceptation et de refus des
échantillons.
Filère ING-MT
Exemple de carte de contrôle p :
Une machine automatique réalise un assemblage de deux pièces extrêmement

délicat.
À l’issue de cet assemblage, nous réalisons un contrôle à 100% sur la

fonctionnalité. En cas d’assemblage non conforme, le produit est orienté vers un
opérateur pour effectuer une retouche.
Chaque jour, on relève le nombre de produits assemblés et le nombre de ceux

nécessitant une retouche.
La production des 25 derniers jours se traduit par le tableau qui suit :
Production Retouches p%
118 7 5.9
108 8 7.4
124 4 3.2
94 2 2.1
87 4 4.6
120 5 4.2
102 3 2.9
130 3 2.3
105 5 4.8
90 5 5.6
102 9 8.8
88 14 15.6
120 6 5
114 6 5.3
118 7 5.9
120 6 5
89 6 6.7
98 6 6.1
103 9 8.7
98 1 1
105 10 9.5
96 2 2.1
102 10 9.8
106 3 2.8
86 8 9.3
Filère ING-MT
Exemple de carte de contrôle p :

Calcul de la proportion moyenne d’unités non conformes :
Dans ce cas cité en exemple, on constate que la taille des échantillons n’est pas
constante, or, elle intervient dans le calcul des limites de contrôles.
Lorsque les variations sont inférieurs à 25% de la taille moyenne, on peut calculer
les limites à partir de celle-ci.
Cartes de contrôle aux valeurs individuelles/étendues mobiles (glissantes)
Elle permet de représenter sur un graphique l’ensemble des mesures réalisées.

Dans certains processus, nous préférons suivre des observations individuelles
plutôt que des échantillons regroupant plusieurs observations.
C'est le cas lorsque les résultats du processus sont homogènes en tout point, ou
que le fait de tirer des échantillons constitués de plusieurs observations s'avère
trop coûteux.
Dans ce cas, vous pouvez utiliser des échantillons de taille 1 et représenter les
observations individuelles sur une carte (au lieu des moyennes des échantillons).
Ces cartes sont utilisées principalement dans les deux cas suivants :
le suivi de processus en petites séries, pour lesquelles on a peu de données.
le suivi de caractéristiques processus telles que la température et la pression.
Filère ING-MT
Cette carte est constituée de deux graphiques : les valeurs mesurées et les étendues
glissantes calculées sur deux valeurs consécutives (ou plus).
Elle nous alerte lorsqu'un processus risque d'être hors contrôle et nous indique où
nous devons rechercher les sources de dispersion imputables à des causes spéciales.
Filère ING-MT
Limites de contrôle
VALEURS INDIVIDUELLES
ETENDUES MOBILES
La cible est soit la valeur sur laquelle on veut se centrer dans le cas de processus réglables,
soit la moyenne historique du processus sur laquelle on souhaite rester centré
Les coefficients sont choisis en fonction de la taille retenue du sous groupe pour calculer
l’étendue glissante
n 2 3 4 5
A4 2.660 1.772 1.457 1.290
D3 ------- ------- ------- --------
D4 3.267 2.574 2.282 2.114
Exercice d’application
La pâte à papier est élaborée chaque jour dans une grande cuve où l'on mesure
systématiquement une caractéristique chimique lorsque la mixture arrive à
ébullition. Au cours des 20 journées précédentes la mesure de cette
caractéristique est consignée dans le tableau suivant :
cuve mesure cuve mesure cuve mesure cuve mesure
1 15.7 6 16.8 11 15.3 16 15.6
2 13.2 7 14.0 12 14.4 17 17.9
3 13.7 8 10.1 13 18.5 18 14.2
4 14.7 9 13.2 14 15.6 19 14.3
5 15.4 10 20.6 15 14.5 20 15.1
1- Utiliser ces données pour déterminer les limites de contrôle de la carte aux
valeurs individuelles et de la carte à étendues glissantes calculées à partir de 2
observations ?
2- tracer les deux graphiques et les interpréter ?
Filère ING-MT
Synthèse
En tous cas et quel que soit le mode opératoire de contrôle choisi, par attributs
ou par mesure, il fallait toujours fixer les critères d’acceptation ou de refus, la
taille et la fréquence des prélèvement tout en tenant compte des performances
de processus de qualification et d’un bon compromis coût de contrôle-certitude
de la décision.
La maîtrise statistique des procédés par l’outil cartes de contrôle révèle un grand
intérêt dans le réglage (cartes petites séries) le pilotage et la surveillance (cartes
de contrôle par mesures ou par attributs).
Ceci exige un bon choix des instruments étalonnés du contrôle, de la

méthodologie de contrôle aussi qu’une préparation succinctes des instructions
écrites.
Synthèse
Filère ING-MT
Méthode Six Sigma
Méthodologie élaborée dans les années 80 par Motorola pour

survivre
Simple:
L’élimination de la variation et des défauts, des chances de
variation et de défauts
Complexe :
Une Vision, une philosophie
Un indicateur (Une mesure Standard)
Une comparaison avec les meilleurs (benchmarking)
C’est une Méthode (le DMAIC) avec des outils :
Pour se concentrer sur le client
Pour s’améliorer Fortement et en continu
Pour impliquer les gens
Méthode Six Sigma
Améliorer rapidement et de façon importante en éliminant la variation

Utilisé pour :
Améliorer les process, les produits et les services
Réduire les coûts de toutes sortes
Améliorer la qualité
Objectif : Satisfaire le client en ayant des process sans défauts
Comment : avec des outils avancés de Progrès
C’est un changement de Culture Positive et Profonde
Des résultats financiers réels
Filère ING-MT
Les Axiomes Six Sigma
Tous les process ont de la variabilité,

Toutes les variabilités ont des causes,
Généralement les causes sont peu nombreuses, (20% cause = 80%
des effets)
Si on connaît ces causes on devrait pouvoir les contrôler,
Les conceptions doivent donner des process robustes aux variations
restantes,
Cela est vrai pour les process, les produits, les transferts, les
services…
Signification pratique
3.8 Sigma 6 Sigma

Défauts par
10 000 3.4
million
Prod. 1ere qualité 99% 99.99966%
15 minutes d’eau non 1 minute non potable tous les 7
Eau potable
potable chaque jour mois
5 000 erreurs médicales 1,7 opérations ratées par
Erreurs
par semaine semaine
Aéroport 1 atterrissage raté par jour 1 atterrissage raté tous les 5 ans
Pas d’électricité 3 heures Une heure de coupure tous les

Electricité
par mois 34 ans
Filère ING-MT
DMAIC : Le modèle d’amélioration Six Sigma
Définir ce qui est important :

pour les clients, les résultats financiers et les employés
Mesurer comment on y arrive aujourd’hui :
pour mieux définir les objectifs d’amélioration
Analyser les problèmes :
Identifier les causes origines
Improve (Améliorer) en résolvant les problèmes :
Prévenir ou détecter les causes origines
Control (Surveiller) pour garantir les performances
Définir ce qui est important
Définir le projet, ses objectifs et les performances attendus en :
Identifiant les opportunités Définissant le projet avec l’équipe
QQOQCC : Délimitation du problème

dans le temps et dans l’espace
• Qui est concerné ?
• De Quoi s’agit il ?
• Ou cela se passe-t-il ?
• Quand cela arrive-t-il ?
• Comment cela se passe t-il ?
• Combien de fois cela arrive t-il ?
Filère ING-MT
Mesurer : la ligne de base
Faire l’état du processus actuel et de l’idéal à atteindre : établir la ligne de base
Process Map
Diagramme ISHIKAWA avec les 6M
Mesures : Pareto
Analyser les sources d’amélioration
Que peut on raisonnablement attendre comme résultat ?

Identifier les causes origines
Repérer les causes principales (80 – 20)
Qui peut s’opposer au changement et qui peut le soutenir ?
Benchmarking
Brainstorming
Matrice Cause et effets
AMDEC : modes de défaillance d’un produit/procédé
SPC (Statistic Process Control)
Filère ING-MT
Améliorer en résolvant les problèmes
Définir les solutions correspondant aux causes profondes

Justifier les solutions et les faire valider
Planifier les solutions et les tester
Maintenir sous observation
Diagramme de Gantt
Procédures
Histogrammes, graphes
Plan de réaction
Contrôler pour garantir les performances
Mesurer les acquis et consolider les gains (graphes, audits)

Comparer la situation de départ avec la situation actuelle
Corriger les derniers détails et les effets non prévus
S’assurer que la solution est efficace et que les bénéfices seront
à long terme
Apprécier les résultats (Qualité, coûts, délais,…)

Reconnaître l’équipe et saluer son travail
Documenter et communiquer les résultats dans l’usine (Plan
de communication, publicité, management visuel)
Filère ING-MT
Résultats liés à 6 σ
General Electric : Plus fort taux de croissance de son histoire en 2000
Dupont de Nemours : 700 millions de dollars pour 2000
Ford Motor Company : 250 millions de dollars pour 2000
Toshiba : 130 milliards de yens pour 2001
Honeywell : 3 milliards de dollars d’économie depuis le début de l’utilisation de Six Sigma

COURS MSP DV (Mode de Compatibilité)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

COURS MSP DV (Mode de Compatibilité)

Transféré par

Droits d'auteur :

Formats disponibles

Cours Maîtrise Statistique des procédés

UNIVERSITE SIDI MOHAMED BEN ABDELLAH

Cours Maitrise statistique des processus

Contrôle qualité et MSP

Indice d’aptitude ou Capabilité machine et procédé

Capabilité moyen de mesure

Cartes de contrôle pour caractéristiques mesurables (par mesure)

Cartes de contrôle aux attributs (caractéristiques non mesurables)

La qualité est l'ensemble des propriétés et caractéristiques d'un produit ou service

La non qualité est l'écart global constaté entre la qualité visée et la

La non qualité coûte cher, elle a un coût, on peut donc la mesurer

La qualité se crée, se planifie, s’organise et se contrôle

Troisième époque, fin des années 70 en occident :

Généralisation de la qualité totale fondée sur des modes d'actions favorisant la

Quatrième époque, de 1990 à nos jours : Le Management de la Qualité Totale

Recentrer la démarche qualité sur les vraies préoccupations stratégiques de

Contrôle qualité & MSP

Contrôle qualité & MSP

Faire la qualité du premier coup: maitriser les procédés utilisés.

Contrôle qualité & MSP

Le cout de non qualité (CNQ)

COUT "NON QUALITE"

Coût des Coût des Coût de Coût de

• Rebuts • Réclamation • Salaires • Évaluation des

Contrôle qualité & MSP

Le cout de non qualité (CNQ)

CNQ X 100 = X % chiffre d’affaires

CNQ = CNQ / personne

Quelques chiffres de CNQ :

• ELECTRONIQUE / SEMI CONDUCTEURS : 10 à 15 % C.A

Contrôle qualité & MSP

Années 30 – 50 : Pilotage par Cartes de Contrôle avec Shewhart

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

1984 : Application des techniques statistiques dans l’Industrie Française.

Contrôle qualité & MSP

Contrôle qualité & MSP

Contrôle qualité & MSP

les différents types de contrôle:

tendance centrale de la fabrication ( moyenne )

Contrôle qualité & MSP

Contrôle qualité & MSP

Contrôles de réception Contrôles en cours de fabrication

100% Domaine d'utilisation: Domaine d'utilisation:

LE SYSTÈME DE CONTRÔLE DE LA QUALITÉ

Par essai, inspection,

Contrôle qualité et MSP

Contrôle qualité & MSP

Contrôle qualité & MSP

L’identification des caractéristiques significatives de ce procédé, du produit et des

Contrôle qualité & MSP

L’outil statistique MSP :

La MSP regroupe deux concepts de base :

Contrôle qualité & MSP

L’amélioration des échanges verticaux et horizontaux dans la structure

L’amélioration de la démarche de résolution de problèmes de qualité en

L’amélioration puis la maîtrise des procédures, des produits et procédés

Processus & Variabilité

Processus & Variabilité

Produits Non désirés

Processus & Variabilité