Académique Documents
Professionnel Documents
Culture Documents
Filère ING-MT
Filière ING-MT
Module
Adapté par:
Pr. Mohamed RAMADANY
mohamed.ramadany@usmba.ac.ma
mramadany@gmail.com
Plan du cours
Notions et définitions
Processus et Variabilité
Rappel Statistiques
Études de cas
2
Pr.Mohamed RAMADANY 1
Cours Maîtrise Statistique des procédés
Filère ING-MT
Notions et définitions
Qualité
Définition de la qualité: ( NF X 50-120 )
Notions et définitions
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
Pr.Mohamed RAMADANY 2
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 3
Cours Maîtrise Statistique des procédés
Filère ING-MT
Historique
Pr.Mohamed RAMADANY 4
Cours Maîtrise Statistique des procédés
Filère ING-MT
Un défaut prévu coûte 100 fois moins cher qu’un défaut constaté.
9
Pr.Mohamed RAMADANY 5
Cours Maîtrise Statistique des procédés
Filère ING-MT
RATIOS REPRESENTATIFS
12
Pr.Mohamed RAMADANY 6
Cours Maîtrise Statistique des procédés
Filère ING-MT
14
Pr.Mohamed RAMADANY 7
Cours Maîtrise Statistique des procédés
Filère ING-MT
Valeur non
chiffrable par un
appareil de mesure.
Ex: correct,
défectueux..
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
Pr.Mohamed RAMADANY 8
Cours Maîtrise Statistique des procédés
Filère ING-MT
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.
Quoi Quel
Opérateur,
inspecteur, Caractéristiques
laboratoire à contrôler
Comment
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
Pr.Mohamed RAMADANY 9
Cours Maîtrise Statistique des procédés
Filère ING-MT
AMELIORATION
DES ACTIONS PLANIFICATION
A P DES ACTIONS
C D
FIXER
PLAN : PREVOIR
DO : REALISER
CHECK : VERIFIER
ACT : AMELIORER
Pr.Mohamed RAMADANY 10
Cours Maîtrise Statistique des procédés
Filère ING-MT
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.
22
Pr.Mohamed RAMADANY 11
Cours Maîtrise Statistique des procédés
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).
23
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
Pr.Mohamed RAMADANY 12
Cours Maîtrise Statistique des procédés
Filère ING-MT
Processus
Entrées Sorties
Matières premières Produits désirés
Consommables
Eau Produits finis conformes
Énergie à toutes les exigences
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..)
Pr.Mohamed RAMADANY 13
Cours Maîtrise Statistique des procédés
Filère ING-MT
Exemple : un mesurage
Pr.Mohamed RAMADANY 14
Cours Maîtrise Statistique des procédés
Filère ING-MT
30
Pr.Mohamed RAMADANY 15
Cours Maîtrise Statistique des procédés
Filère ING-MT
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
Pr.Mohamed RAMADANY 16
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 17
Cours Maîtrise Statistique des procédés
Filère ING-MT
Ce sont des causes que l'on peut souvent identifier et que l'on peut contrôler
35
Main
Méthodes
d’œuvre
Variabilité du
procédé
33
Pr.Mohamed RAMADANY 18
Cours Maîtrise Statistique des procédés
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
La maitrise de la variabilité consiste donc à mettre tous les processus « sous contrôle », c'est
l'objectif de la MSP.
38
Pr.Mohamed RAMADANY 19
Cours Maîtrise Statistique des procédés
Filère ING-MT
Statistiques
Ensembles de méthodes dont le but est de présenter les données pour que
l'on puisse en prendre connaissance facilement.
39
Statistiques
D’agir sur les variations pour assurer la stabilité du procédé dans le temps.
Pr.Mohamed RAMADANY 20
Cours Maîtrise Statistique des procédés
Filère ING-MT
Caractère qualitatif-quantitatif
Caractères qualitatifs
Caractères quantitatifs 42
Pr.Mohamed RAMADANY 21
Cours Maîtrise Statistique des procédés
Filère ING-MT
Caractère discret-continu
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
Pr.Mohamed RAMADANY 22
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 23
Cours Maîtrise Statistique des procédés
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
Statistiques
Moyenne, médiane et symétrie
Distributions
asymétriques
Distribution symétrique :
Données dispersées de manière
similaire à gauche et à droite du
centre
Pr.Mohamed RAMADANY 24
Cours Maîtrise Statistique des procédés
Filère ING-MT
Statistiques
Types de dispersion:
Dispersion Systématique ( Ds ):
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
Pr.Mohamed RAMADANY 25
Cours Maîtrise Statistique des procédés
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.
Pr.Mohamed RAMADANY 26
Cours Maîtrise Statistique des procédés
Filère ING-MT
Statistiques
Quelques cas intéressants:
X
± 1σ
± 2σ
± 3σ
± 4σ
Statistiques
EXERCICE
+ 0.05
Une entreprise X vérifie le diamètre d’une surface cylindrique coté 20 - 0.08
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
Pr.Mohamed RAMADANY 27
Cours Maîtrise Statistique des procédés
Filère ING-MT
Statistiques
Relever le nombre de valeurs par classe Tableau des résultats ( classes / fréquences )
Pr.Mohamed RAMADANY 28
Cours Maîtrise Statistique des procédés
Filère ING-MT
Statistiques
Tracé de l’histogramme
fréquence
20
16
15
8 8
10
4
5 3
1
valeur
8 8
10
4
5 3
1
valeur
Pr.Mohamed RAMADANY 29
Cours Maîtrise Statistique des procédés
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
Statistiques
En conclusion:
L’histogramme permet d’observer la répartition des
valeurs mesurées par classes, par rapport à la moyenne.
Pr.Mohamed RAMADANY 30
Cours Maîtrise Statistique des procédés
Filère ING-MT
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
Pr.Mohamed RAMADANY 31
Cours Maîtrise Statistique des procédés
Filère ING-MT
Exemple:
Moyennes différentes
Dispersion identique
σ σ
X1 X2
Moyenne identique
Dispersions différentes
σ1
σ2
Pr.Mohamed RAMADANY 32
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 33
Cours Maîtrise Statistique des procédés
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.
Pr.Mohamed RAMADANY 34
Cours Maîtrise Statistique des procédés
Filère ING-MT
Capabilité
69
Capabilité
70
Pr.Mohamed RAMADANY 35
Cours Maîtrise Statistique des procédés
Filère ING-MT
IT
La distribution est à l'intérieur de l'IT:
: pièces conformes
Indice de Capabilité
Cet indicateur compare la performance attendue (IT) et la
performance obtenue (Dispersion)
IT IT
m m
6σ 6σ
Pr.Mohamed RAMADANY 36
Cours Maîtrise Statistique des procédés
Filère ING-MT
Capabilité
Exemple de procédé capable et de procédé incapable
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.
Pr.Mohamed RAMADANY 37
Cours Maîtrise Statistique des procédés
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
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
Pr.Mohamed RAMADANY 38
Cours Maîtrise Statistique des procédés
Filère ING-MT
IT
Ts - Ti ou
IT ou
IT
Cm= Cm= Cm=
6σi 6σi 6S
X - Ti Ts - X
Cmki= et Cmks=
3σi 3σi
Capabilité
78
Pr.Mohamed RAMADANY 39
Cours Maîtrise Statistique des procédés
Filère ING-MT
80
Pr.Mohamed RAMADANY 40
Cours Maîtrise Statistique des procédés
Filère ING-MT
Exemple 1 : calcul de 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.
Pr.Mohamed RAMADANY 41
Cours Maîtrise Statistique des procédés
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
Corrigé
:
X = 28,393 σi = σ(n-1) = 0,01379
Cmks = Ts - X = 1,377
3σi
Cmki =
X - Ti 1,039
=
3σi
Conclusion:
Pr.Mohamed RAMADANY 42
Cours Maîtrise Statistique des procédés
Filère ING-MT
non oui
Cm < 1,33
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 ).
S
ou σ(estimé) = =
σi(estimé)
C4 C4
Pr.Mohamed RAMADANY 43
Cours Maîtrise Statistique des procédés
Filère ING-MT
Calcul de Cp et Cpk
Pr.Mohamed RAMADANY 44
Cours Maîtrise Statistique des procédés
Filère ING-MT
Ts - Ti IT
Cp= ou Cp=
6σ(estimé) 6σ(estimé)
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.
En résumé
Cpk=0.66
Non Capable
Cp<1
Acceptable Cpk=1.33
Cp>1.33
Performant
Cp>1.66
Vers l’Excellence
Toujours Centré
Pr.Mohamed RAMADANY 45
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 46
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 47
Cours Maîtrise Statistique des procédés
Filère ING-MT
95
La résolution
L’erreur de justesse
La répétabilité
La reproductibilité
Pr.Mohamed RAMADANY 48
Cours Maîtrise Statistique des procédés
Filère ING-MT
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 :
Pr.Mohamed RAMADANY 49
Cours Maîtrise Statistique des procédés
Filère ING-MT
Répétabilité et reproductibilité :
Définitions
Pr.Mohamed RAMADANY 50
Cours Maîtrise Statistique des procédés
Filère ING-MT
Définitions
Pr.Mohamed RAMADANY 51
Cours Maîtrise Statistique des procédés
Filère ING-MT
Définitions
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.
Pr.Mohamed RAMADANY 52
Cours Maîtrise Statistique des procédés
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.
Pr.Mohamed RAMADANY 53
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 54
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 55
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 56
Cours Maîtrise Statistique des procédés
Filère ING-MT
Critères de décision
p: nombre d’opérateurs 2 3 4
Pr.Mohamed RAMADANY 57
Cours Maîtrise Statistique des procédés
Filère ING-MT
Critères de décision
Pr.Mohamed RAMADANY 58
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 59
Cours Maîtrise Statistique des procédés
Filère ING-MT
Cpki
Carte de contrôle
Pr.Mohamed RAMADANY 60
Cours Maîtrise Statistique des procédés
Filère ING-MT
Carte de contrôle
La carte de contrôle
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.
Elle permet d’augmenter le niveau de la qualité et donc faire baisser les coûts de la
non-qualité.
Pr.Mohamed RAMADANY 61
Cours Maîtrise Statistique des procédés
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 :
Pr.Mohamed RAMADANY 62
Cours Maîtrise Statistique des procédés
Filère ING-MT
Carte de contrôle
Cartes de contrôle aux attributs :
Carte de contrôle
Principales caractéristiques des Cartes de contrôle aux attributs :
Pr.Mohamed RAMADANY 63
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 64
Cours Maîtrise Statistique des procédés
Filère ING-MT
Carte de contrôle
Pr.Mohamed RAMADANY 65
Cours Maîtrise Statistique des procédés
Filère ING-MT
Carte type
C
B
B
C
Pr.Mohamed RAMADANY 66
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 67
Cours Maîtrise Statistique des procédés
Filère ING-MT
2 cas possibles:
Elaboration d'une carte de contrôle dont les paramètres ne sont pas connus
Quand ?
Pr.Mohamed RAMADANY 68
Cours Maîtrise Statistique des procédés
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.
137
La carte de contrôle moyennes/étendues est celle que l’on utilise le plus souvent.
Pr.Mohamed RAMADANY 69
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 70
Cours Maîtrise Statistique des procédés
Filère ING-MT
n 2 3 4 5 6 7 8 9 10
Pr.Mohamed RAMADANY 71
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 72
Cours Maîtrise Statistique des procédés
Filère ING-MT
Ou d’échantillons
X = 49,1 µm W = 5,1 µm
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
Pr.Mohamed RAMADANY 73
Cours Maîtrise Statistique des procédés
Filère ING-MT
Lsc
Lss
Lis
Lic
Lsc
Lss
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.
Pr.Mohamed RAMADANY 74
Cours Maîtrise Statistique des procédés
Filère ING-MT
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.
Pr.Mohamed RAMADANY 75
Cours Maîtrise Statistique des procédés
Filère ING-MT
Nombre d’échantillons m = 20
Taille de chaque échantillons n = 4 donc A2 = 0.73 d’après la carte
de Shewhart
= 5.75
Pr.Mohamed RAMADANY 76
Cours Maîtrise Statistique des procédés
Filère ING-MT
= 5.75
Remarque :
Pr.Mohamed RAMADANY 77
Cours Maîtrise Statistique des procédés
Filère ING-MT
Interprétation
1 2 3 4
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
Pr.Mohamed RAMADANY 78
Cours Maîtrise Statistique des procédés
Filère ING-MT
non oui
La moyenne X
se trouve entre
LS1 et LS2
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
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.
Pr.Mohamed RAMADANY 79
Cours Maîtrise Statistique des procédés
Filère ING-MT
n 2 3 4 5 6 7 8 9 10
Remarque :
On constate que pour une taille d’échantillon faible, la carte des écarts types est
semblable à la carte des étendues.
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.
Pr.Mohamed RAMADANY 80
Cours Maîtrise Statistique des procédés
Filère ING-MT
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
Amélioration de la traçabilité:
écrire sur une carte de contrôle permet d'améliorer le suivi des lots
Pr.Mohamed RAMADANY 81
Cours Maîtrise Statistique des procédés
Filère ING-MT
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
Pr.Mohamed RAMADANY 82
Cours Maîtrise Statistique des procédés
Filère ING-MT
Exemple d’application
Exemple: mesure = 20,01 donc écart = 0,01 total = 0,04 X = 0,02 R = 0,02
reporter les points
Pr.Mohamed RAMADANY 83
Cours Maîtrise Statistique des procédés
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
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.
Pr.Mohamed RAMADANY 84
Cours Maîtrise Statistique des procédés
Filère ING-MT
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.
Pr.Mohamed RAMADANY 85
Cours Maîtrise Statistique des procédés
Filère ING-MT
Interprétation générale :
L’interprétation d’une carte de contrôle aux attributs est presque identique à
celle d’une carte de contrôle aux mesures.
Pr.Mohamed RAMADANY 86
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 87
Cours Maîtrise Statistique des procédés
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
Pr.Mohamed RAMADANY 88
Cours Maîtrise Statistique des procédés
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.
Pr.Mohamed RAMADANY 89
Cours Maîtrise Statistique des procédés
Filère ING-MT
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
Pr.Mohamed RAMADANY 90
Cours Maîtrise Statistique des procédés
Filère ING-MT
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.
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.
Pr.Mohamed RAMADANY 91
Cours Maîtrise Statistique des procédés
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.
Pr.Mohamed RAMADANY 92
Cours Maîtrise Statistique des procédés
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 ?
Pr.Mohamed RAMADANY 93
Cours Maîtrise Statistique des procédés
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).
Synthèse
Pr.Mohamed RAMADANY 94
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 95
Cours Maîtrise Statistique des procédés
Filère ING-MT
Signification pratique
Pr.Mohamed RAMADANY 96
Cours Maîtrise Statistique des procédés
Filère ING-MT
Pr.Mohamed RAMADANY 97
Cours Maîtrise Statistique des procédés
Filère ING-MT
Process Map
Mesures : Pareto
Benchmarking
Brainstorming
Matrice Cause et effets
AMDEC : modes de défaillance d’un produit/procédé
SPC (Statistic Process Control)
Pr.Mohamed RAMADANY 98
Cours Maîtrise Statistique des procédés
Filère ING-MT
Diagramme de Gantt
Procédures
Histogrammes, graphes
Plan de réaction
Pr.Mohamed RAMADANY 99
Cours Maîtrise Statistique des procédés
Filère ING-MT
Résultats liés à 6 σ