Académique Documents
Professionnel Documents
Culture Documents
M. Hicham BATIOUA
1
Présentation
Nom et Prénom : Hicham BATIOUA
Responsable d’audit IATF 16949 depuis 2016 ( TUV Rheinland, TUV NORD
BSI, et URS)
Plus que 150 audits IATF et ISO9001 tierce partie Consultant en système
de management industriel
o Nom et Prénom
o Expérience professionnelle
o Fonction dans l’entreprise
o Attentes de ce cours
3
USL - LSL
Cp =
σ
6
4
PROGRAMME
I/ INTRODUCTION V/ CAPABILITE
1- Objectif 1- Capabilité machine
2- Historique 2- Capabilité des Processus
3- Définitions & Normes 3- Indice de centrage
4- Exercices
II/ CONTRÔLE PAR ECHANTILLONAGE
1- Contrôle à la réception VI/ SYNOPTIQUE DE MISE EN
2- Autocontrôle en production OEUVRE DE LA MSP
3- Contrôle avant Expédition
VII/ APPLICATION AU CAS DE
III/ LOIS STATISTIQUES L’ENTREPRISE
1- Moyenne 1- Création et Exploitation des
2- Ecart Type , Dispersion cartes de contrôle
3- Exercices 2- Estimation de la capabilité
IV/ CARTES DE CONTROLE Processus
1- Types de Cartes de contrôle 3- Estimation de l’Indice de
2- Limites de contrôle centrage
3- Tendances et Interprétation
4- Exercices VIII/ TEST D’EVALUATION
5
QCM avant la formation
6
I/ INTRODUCTION
1- Objectif
2- Historique
3- Définitions
4-Lien entre SPC et Norme IATF 16949
7
1- Objectif
8
•Qu’est-ce que la qualité :
9
2- Historique
Evolution du concept de la démarche Qualité:
Etape historique Concept de la Qualité
1800-1917: Taylorisme: Séparation Contrôle Qualité : Contrôle unitaire par
de la production & Contrôle tri du produit fini défectueux
A partir de 1920: Demande accrue Contrôle Qualité: Contrôle par
après les 2 guerres mondiales > échantillonnage
Production de masse> coût de
contrôle élevé
1950: Renaissance économique Assurance Qualité: contrôle de la qualité
du Japan en cours de production pour la prévention
des défauts
Certification Produit
Après 1980: Inondation du marché TQM: Management de la qualité intégrant
par les produits japonais de bonne l’implication des clients, Actionnaires,
qualité et prix moindre Direction, Employés et Fournisseurs.
Certification du système de management
Qualité
Lean concept (Manufacturing &
10
Management)
2- Historique
L’apparition récente de la MSP est dû essentiellement à:
PRODUIT PROCEDE
11
2- Historique
Le pilotage par des cartes de contrôle a été
introduit dans les années 30 grâce aux travaux de
Shewhart
12
3. Définitions & Normes
MSP ?
MSP Maîtrise Statistique des Procédés
14
Variabilité
- Tous les phénomènes que nous pouvons observer présentent un certain degré de
variabilité.
- Deux produits ne sont jamais rigoureusement identiques car le processus comporte
plusieurs sources de variabilité.
15
Variabilité:
- Une cote sur un lot de pièces ne fera jamais exactement 10 mm, mais sera répartie
entre 9,97 et 10,03 par exemple
Tout procédés de fabrication dérive et crée de la variabilité dans les produits fabriqués
16
Procédé:
C’est un ensemble d’activités qui transforme des éléments
d’entrés (5M) en produit ou de service à la sortie
Procédé
Produit ou Service
(Transformation=valeur ajoutée)
17
Procédé:
Exercice d’identification des facteurs de la variabilité du produit
sur un procèdes ( Cas de,,,,)
Procédé
Produit ou Service
(Transformation=valeur ajoutée)
18
Dispersion:
19
Le SPC c’est …
Pour Maîtriser le Processus en Eliminant ses
Sources de Variabilité
??
?? Causes
spéciales
Causes
Communes
20
Notion de dispersion:
C’est l’intervalle de variation d’une caractéristique ou
d’un procédé
21
Le SPC c’est …
Mieux Prévenir Le Risque de Non Conformité
22
4-Lien entre SPC et Norme IATF 16949
« L'organisme doit assurer que les éléments de sortie qui ne sont pas
conformes aux exigences applicables sont identifiés de manière à
empêcher leur utilisation ou fourniture non intentionnelle.»
Extrait Norme ISO 9001: : 2015 -Ch. 8 : Réalisation des activités opérationnelles
- Par. 8.7 Maitrise des éléments de sortie non conformes
9.1.1:Généralités
9.1.1.1:Surveillance et mesure de processus de fabrication:
Maintenir ou améliorer
La capabilité des processus
La performance des processus
24
4-Lien entre SPC et Norme IATF 16949
9.1.1:Généralités
9.1.1.1:Surveillance et mesure de processus de fabrication:
a/ les techniques de mesurage
d/ Les enregistrement des valeurs réellement mesurées et /ou des résultats d’analyse de données
continues
e/ Les plans de réaction et les processus d’escalade lorsque les critères d’acceptation ne sont pas
atteint.
f/ Les événements significatifs de processus doivent être enregistrés revus et approuvés par
le client s’il l’exige .
25
4-Lien entre SPC et Norme IATF 16949
9.1.1:Généralités
9.1.1.2:Identification des outils statistique
26
4-Lien entre SPC et Norme IATF 16949
9.1.1:Généralités
9.1.1.3 Application des concepts statistique:
les concepts statistiques tel que la variation; la stabilité ; la capabilité processus et les
conséquences de sur- réglage doivent être compris et utilisé par le personnel chargé de
la collecte, l’analyse et de la gestion des données statistique.
27
4-Lien entre SPC et Norme IATF 16949
10.3.1: Amélioration
28
4-SPC et CSR
29
4-SPC et CSR
30
II/ CONTRÔLE PAR ECHANTILLONAGE
1- Contrôle à la réception
2- Autocontrôle en production
3- Contrôle avant Expédition
31
Approche curative : Contrôle final
•Focus sur la qualité produits fini
•Le contrôle Qualité contrôle et sanctionne (Bon / Mauvais)
•Mesure : %
•C'est une stratégie de détection
•Le client juge la qualité du produit fini
Oui
Procédé1 Procédé2 Procédé3 Conforme?
Non
32
Le SPC ce n’est pas …
Le Contrôle & Le Tri En Fin de Fabrication
(Méthode traditionnelle)
Exigences Client
Milieu
Matière Main d'œuvre
Méthodes Matériel
•Analyse
•Actions correctives
Database •Stabilisation des procédés
34
Contrôle à la réception
Lorsque vous recevez un lot de pièces, il est intéressant de savoir si les
non-conformes du lot sont inférieurs à un seuil défini par contrat avec votre
fournisseur (Niveau Qualité Acceptable ou NQA).
35
Contrôle à la réception
Exemple :
Un fabricant de tissu en soie achète son fil par lots de 1000 bobines. Ce
fabricant s’est mis d’accord avec son fournisseur sur un niveau qualité
acceptable (NQA) de 1% (taux de non-qualité que ce fabricant accepte
d’acheter). Pour s’assurer que les lots achetés ne dépassent pas ce NQA, il
désire mettre en place un contrôle réception par échantillonnage.
36
Contrôle à la réception
La norme NF ISO 2859-1 (Avant NFX 06-022-1) indique une lettre code en
fonction de la taille des lots et du niveau de contrôle désiré. En général, on
utilise le niveau de contrôle « général II ».
Le tableau issu de la table 1 de la norme NF ISO 2859-1 (Avant NFX 06-022-1)
nous donne la lettre code J pour des lots de 1000 pièces au niveau de
contrôle général II.
Ensuite, le tableau issu de la table 2A de la norme nous donne les
caractéristiques des plans simples par lettre code NQA désiré
37
Contrôle à la réception
38
Contrôle à la réception
39
Plan de contrôle simple
40
Plan de contrôle double
41
Contrôle à la réception
Les critères d’acceptation et de rejet des lots se trouvent en haut de la
colonne correspondante
(ici : A=2 et R=3).
Pour récapituler sur cet exemple:
Taille du lot = 1000
NQA= 1%
Code Norme= J
Taille Echantillon= 80
Seuil d’acceptation lot A= 2
Seuil de Rejet du lot R= 3
42
Contrôle à la réception
43
Contrôle avant Expédition
Limites du contrôle par échantillonnage:
Pour des NQA très petits (PPM), le contrôle par échantillonnage nécessiterait
des échantillonnages trop grands qui ne sont pas économiquement rentables
ni techniquement réalisables.
Le contrôle avant expédition est donc maintenu à 100% et l’échantillonnage
est réalisé sur les critères de contrôle.
L’échantillonnage dépend des caractéristiques critiques du produit et du feed-
back des défauts détectés en interne et chez le client.
44
L’autocontrôle en production
Principe :
- L’auto contrôle se situe sur la machine ou poste de
production effectué par l’opérateur ou la machine
But :
- Supprimer le contrôle à la réception
- Prévenir la génération et non détection
des défaillances du produit et du Process
45
L’autocontrôle
Méthode:
Dans le cadre de la production en série, il s'agit de surveiller
les paramètres produit et Process pour:
•prévenir les dysfonctionnements
•mesurer les aptitudes des machines et des procédés à
fournir des produits conformes
•combattre la variabilité afin d'obtenir un procédé stable
dans le temps
46
L’autocontrôle
Moyens:
Moyen en compétence technique
•L’opérateur doit être capable d’analyser les situations
,prendre des décisions et réagir sur le procédé
►Plan de formation
Moyen en capabilité
•Moyen de production avec des performances compatibles
avec la qualité requise
49
III/ LOIS STATISTIQUES
1- Moyenne, Mode,Médiane
2- Ecart Type ,Etendue, Variance, Dispersion
3- Exercices
50
Analyse de la forme de distribution
Tous les procédés, quels qui soient, sont incapables de produire toujours
exactement le même produits.
Moyenne
Dispersion
51
Variabilité
La variabilité des caractéristiques du produit a plusieurs causes que l'on
peut regrouper en 2 catégories :
Causes normales
52
Variabilité
Comment limiter la variabilité dans nos processus
Éliminer les causes Anormales de variations
Suivre de près les variations qui peuvent intervenir tout au long du
processus
Prendre des mesures correctives adaptées dés qu’une variation
trop grande est détectée
Prévenir les risques de variabilité trop grande.
53
Variabilité
Process stable
-Seules les causes communes sont présentes
54
SPC & La Statistique
Grandeurs Statistiques
STATISTIQUEMENT, POUR DÉCRIRE UNE CARACTÉRISTIQUE,
IL FAUT CONNAÎTRE AU MINIMUM SA POSITION ET SA
DISPERSION
Paramètres de position
Moyenne : X X1 X2 ... Xn
n
Mode : C’est la valeur la plus fréquente
55
SPC & La Statistique
Grandeurs Statistiques
Paramètres de dispersion
Variance : S²
56
Moyenne- Ecart Type- Courbe de dispersion en
cloche(Gauss)
Loi Normale ou Loi de Laplace Gauss ou de Gauss
Propriétés essentielles
1. Symétrique
2. Médiane = moyenne = mode
Eécart
3. Uni modale type σ
4. Étendue infinie de la variable
aléatoire [- ∞ ; + ∞]
5. En forme de cloche
Densité de probabilité
Moyenne µ
(Mode; Mediane)
N(µ,σ)
X
: Variable normale centrée réduite N(0,1)
57
Dispersion:
ou de 1,50m
58
Moyenne- Ecart Type- Courbe de dispersion en
cloche(Gauss)
99,73 %
95,45 %
68,20 %
A A
B Ecart
type= B
C C
3 3
moyenne
Dispersion = 6
59
Moyenne- Ecart Type- Courbe
Zones pour cloche(Gauss) de dispersion
tester les modèles en
UCL
Zone A x + 3 sigma
Zone B x + 2 sigma
Zone C x + 1 sigma
X
Zone C x - 1 sigma
Zone B x - 2 sigma
Zone A x - 3 sigma
LCL
60
Moyenne- Ecart Type- Courbe de dispersion en
Echantillonnage
cloche(Gauss)
61
Moyenne-
Aptitude Ecart Type- Courbe de dispersion en
processus
cloche(Gauss)
•X= ∑ xi
k
•K nombre d’échantillons
∑ Ri
• R=
k
62
Moyenne- Ecart Type- Courbe de dispersion en
cloche(Gauss)
Dispersion
Moyenne X
X i
N
Ecart Type
Dispersion 6
Moyenne
EcartType n 1 S
i
( X X ) 2
Étendue (R) N 1
63
Allure ou nature de l’histogramme
64
Tracer un histogramme
• Déterminer le nombre de classe par la formule suivante:
K=√ N
N est le nombre total des données
Etude de cas
65
Allure ou nature de l’histogramme
Bimodale
66
Exemple
Un transporteur exige à ses chauffeurs de respecter la durée du trajet (50 mn +/- 5’ ) qui
sépare le point A du point B. Tout dépassement est passible d’un impact sur sa prime
mensuel.
Un chauffeur a eu l’idée de chronométrer chaque jour ce trajet pendant 2 mois et il a
obtenu les valeurs ci-dessous.
JOUR
S1 S2 S3 S4 S5 S6 S7 S8 S9
L 59 57 62 60 58 58 61 57 54
M 55 55 61 55 57 53 57 53 64
M 54 56 57 57 53 58 59 55 55
J 62 80 58 53 75 54 58 58 59
V 61 58 63 65 60 58 52 60
S 55 56 54 52 51 52 54 54
D 48 48 47 48 47 47 49 48
67
1. Construction de l’histogramme
CLASSE FREQUENCE
MOYENNE 56,4 46,5-48,5 7
48,5-50,5 1
Résolution 1 50,5-52,5 4
52,5-54,5 10
Nombre d’échantillons 60
54,5-56,5 8
16
Moyenne = 56,4
Sigma = 5,92
14
12
10
Fréquence
0
46.5- 48.5- 50.5- 52.5- 54.5- 56.5- 58.5- 60.5- 62.5- 64.5- 66.5- 68.5- 70.5- 72.5- 74.5- 76.5- 78.5-
48.5 50.5 52.5 54.5 56.5 58.5 60.5 62.5 64.5 66.5 68.5 70.5 72.5 74.5 76.5 78.5 80.5
69 Durée
Calcul :
Moyenne- Ecart Type-Etendue-Dispersion
1 Moyenne X
X i
55 , 76
N
3 EcartType n 1 S
i
( X X ) 2
5,92
N 1
4 Dispersion 6 35 , 52
70
1. Analyse de l’histogramme:
- Présence de causes
Suivianormales
de la Durée du trajet
16
14
12
CAUSES ANORMALES
10
Fréquence
4
CAUSES ANORMALES
0
46,5- 48,5- 50,5- 52,5- 54,5- 56,5- 58,5- 60,5- 62,5- 64,5- 66,5- 68,5- 70,5- 72,5- 74,5- 76,5- 78,5-
48,5 50,5 52,5 54,5 56,5 58,5 60,5 62,5 64,5 66,5 68,5 70,5 72,5 74,5 76,5 78,5 80,5
71 Durée
1. L’histogramme après élimination des
causes anormales
16
12
10
0
72 48,5-50,5 50,5-52,5 52,5-54,5 54,5-56,5 56,5-58,5 58,5-60,5 60,5-62,5 62,5-64,5 64,5-66,5
1. L’histogramme après élimination des
causes anormales
16
Moyenne = 56,94
14 Sigma = 3,37
12
10
0
73
46,5 50 53,5 57 60,4 64 67,5
Calcul :
Moyenne- Ecart Type-Etendue-Dispersion
1 Moyenne X
X i
56 , 94
N
3 EcartType n 1 S
i
( X X ) 2
3,37
N 1
4 Dispersion 6 20 , 22
74
Méthode de réalisation de la droite d’ Henry
75
Test de normalité
76
Interprétation de la droite d’Henry
77
SPC & La Statistique
Loi Normale ou Loi de Laplace Gauss ou de Gauss
Droite d’Henry : Application numérique
Non Normal
Normal
78
Exercice sur la droite d’ Henry
79
Exercice sur test de Khi ²
80
IV/ CARTES DE CONTROLE
81
Relation entre le cout de la non
qualité et la variance
82
Fonction de perte de Taguchi
Pour Mieux Minimiser les Pertes Non Qualité
de moyenne x bar et
d’ écart type σ
84
Fonction de perte de Taguchi
85
Fonction de perte de Taguchi
86
Les cartes de contrôle
Modèle
Date
Heure
1
Mesures
2
3
4
5
Somme
Moyenne
GRAPHIQUE DES MOYENNES
Etendue
GRAPHIQUE DES
ETENDUES
87
SPC & Caractéristiques Qualité
Mesure
Une caractéristique mesurable doit être évaluée par
une mesure précise afin qu’elle reflète l’état exact du
processus.
Un système de mesure adéquat et efficace doit être
utilisé pour répondre à cette exigence.
88
SPC & Caractéristiques Qualité
Mesure
Un système de mesure doit assurer :
Justesse
Aptitude à produire en moyenne une valeur en
concordance avec la vraie valeur ou l’étalon utilisé.
Précision
Aptitude à assurer une précision figée à l’avance des
caractéristiques mesurées;
Stabilité
Aptitude à répéter dans le temps, la mesure d’un même
produit ou service et obtenir en moyenne les mêmes
mesures:
> Répétabilité & Reproductibilité (Analyse R&R et ndc)
89
Les cartes de contrôle
•Le pilotage d’un procède consiste à répondre aux deux questions suivantes
•Le procédé est il stable?
•Faut il intervenir sur le procédé ?
•Ainsi le principe des cartes de contrôle est de détecter les cas ou le procédé
n’est pas sous contrôle et ou il faut réagir par prévention
Limites
spécifiées
Limites
de
contrôle
Alerte:
Quelque chose s’est
introduite dans le
processus
90
Les cartes de contrôle
•Phase 2
→Étude en régime stabilisé
•Phase 3
→Limites de contrôle
91
Les Types de cartes de contrôle
1.Caractéristiques mesurables:
La moyenne de la caractéristique
Etendue entre les valeurs extrêmes
92
Limites de contrôles
Carte Xbar/R:
UCL = X + A * R
LCL = X - A * R
X 2
X 2
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 20 25
UCL = D4 * R
D4 3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78 1.74 1.72 1.69 1.67 1.65 1.59 1.54
D3 0.08 0.14 0.18 0.22 0.26 0.28 0.31 0.33 0.35 0.42 0.46
LCL = D3 * R
A2 1.88R 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31 0.29 0.27 0.25 0.24 0.22 0.18 0.15
93
Limites de contrôles
94
Individuals and moving Range chart
95
Table des constantes
96
Table des constantes
97
Les cartes de contrôle
Interprétation
99,73 %
95,45 %
68,20 %
A A
B B
C C
3 1 3
moyenne
étendue R = 6
98
Interprétation des cartes de contrôle
100
Les cartes de contrôle
Interprétation
A
B
C
C
B
A
101
Les cartes de contrôle
Interprétation
102
Les Types de cartes de contrôle
Les critères de définition doivent être clairs et les méthodes pour les
appliquer ne doivent pas varier
103
Carte p
Contrôle de la proportion de pièces non conformes
Conditions préalables
Définir le processus
• Opérations
• Personnel
• Matériels / Méthodes
• Définir les caractéristiques à maîtriser
• Les exigence clients
• Etc..
Définir le système de mesure
• Fiable
Réduire ou elle-même les causes extérieures de variations
Echantillonnage
• La taille doit être suffisante ( 50 à 200) pour détecter les variations
• La fréquence doit être adaptée à la nature du processus et du temps de réaction voulu
104
Carte p
Contrôle de la proportion de pièces non conformes
Calcul de p et graphique
105
Carte p
Contrôle de la proportion de pièces non conformes
Limite de contrôle
√
p ( 1– p )
UCL = p + 3
n
√
p ( 1– p )
LCL = p - 3
n
106
Carte p
Contrôle de la proportion de pièces non conformes
107
Carte np
Contrôle du nombre de défaut
Taille constante :n
108
Carte np
Contrôle du nombre de défaut
109
Carte c
Contrôle du nombre de défaut
• Limites de contrôle
• Moyenne
c1 + c2 + c3 + …….ck
• C =
k
110
Carte c
Contrôle du nombre de défaut
111
Carte U
112
Produits
non conformes non-conformités
Nombre
n est constante Carte np Carte c
Proportion
n varie ou Non Carte p Carte u
113
114
Individuals and moving Range chart
115
Individuals and moving Range chart
116
V/ CAPABILITE
117
Concept de capabilite
Définition
La capabilité est la mesure établissant le rapport entre la
performance réelle d’une machine ( ou procédé ) et la
performance demandée
Performance demandée
Performance réelle
Performance réelle
118
Concept de capabilite
119
Concept de capabilite
La courbe modélisant la population totale Le défaut provient d’un déréglage
produite entre largement dans l’intervalle de important.
tolérance
Les réglages sont possibles, ainsi qu’une
léger dérive du procédé
120
Capabilité processus
•Il s’agit d’une analyse chronologique qui utilisera les données recueillies
pendant un certain intervalle de temps
L’indice de centrage
USL - X moyenne X moyenne - LSL
C pk = min ( ; )
3 3
125
Concept de capabilite
126
Capacité – Aptitude du processus
127
Capacité – Aptitude du processus
•Indice d’aptitude
•Comparaison entre l’entendue 6 Λ
σ et l’étendue de la spécification
128
Capacité – Aptitude du processus
Cp
129
Capacité – Aptitude du processus
Cp
Cp < 1 Cp = 1 Cp > 1
130
Capacité – Aptitude du processus
Cpk
( ﴿
X – LSL USL –X
Cpk = Min
3 Λ
,3 Λ
σ σ
Λ Λ Λ
6σ 6σ 6σ
Cpk =0.3 Cpk = 1 Cpk = 1.33
131
Ppk et Cpk
CAS N°1
CAS N°2
132
Ppk et Cpk
133
Calcul de la proportion de non conforme
1- Calculer le Cp et Cpk
2- Calculer le % des pièces hors spécification
3- Si X = 0.7 au lieu de 0.738 , calculer le Cpk et conclure
135
Capacité – Aptitude du processus
Exercice
Date 1/01 1/01 1/01 1/01 1/01 1/01 1/01 1/01 1/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01
Heure 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22
1 617 532 646 332 404 632 746 432 604 732 717 615 446 232 1007 440 132 717 332 517
2 586 673 562 346 481 773 662 446 681 873 686 586 362 346 1076 380 146 686 473 486
Mesures
3 337 634 171 810 488 734 271 910 688 643 437 337 971 810 827 970 610 437 434 237
4 457 443 403 650 568 543 503 750 768 906 557 457 403 650 947 405 450 557 243 357
5 452 706 585 343 210 806 685 443 410 834 452 352 385 343 800 385 143 452 506 252
Somme
Moyenne
Etendue
136
Capacité – Aptitude du processus
Exercice
Date 1/01 1/01 1/01 1/01 1/01 1/01 1/01 1/01 1/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01 2/01
Heure 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22
1 617 532 646 332 404 632 746 432 604 732 717 615 446 232 1007 440 132 717 332 517
2 586 673 562 346 481 773 662 446 681 873 686 586 362 346 1076 380 146 686 473 486
Mesures
3 337 634 171 810 488 734 271 910 688 643 437 337 971 810 827 970 610 437 434 237
4 457 443 403 650 568 543 503 750 768 906 557 457 403 650 947 405 450 557 243 357
5 452 706 585 343 210 806 685 443 410 834 452 352 385 343 800 385 143 452 506 252
Somme 2449 2988 2367 2481 2151 3488 2867 2981 3151 3988 2849 2347 2567 2381 4657 2580 1481 2849 1988 1849
Moyenne 490 598 473 496 430 698 573 596 630 798 570 469 513 476 931 516 296 570 398 370
Etendue 280 263 475 478 358 263 475 478 358 263 280 278 609 578 276 590 478 280 263 280
- Cp = 1000/489 = 2.04
- Cpk = (1000 – 544) / 489 = 0.93
- % hors spécification = 100 (05-0.4972) + 100(05-0.4995) - 0.33 %
137
Cartes de contrôle
Carte aux valeurs individuelles
Variabilité:
V min = 4,85 mm et
V max = 5,30 mm
Valeur Moyenne = 5,06 mm.
Histogramme
138
Cas1: Contrôle à 100%
La production totale est de 41 unités avec un contrôle à 100
%.
L’ensemble des données produites se situe dans l’intervalle
de tolérance (4,85 - 5,3 mm), qui correspond au domaine de
variabilité.
Le domaine de variabilité entrant dans la tolérance.
La capabilité « procédé » réelle est de :
Cp = IT/dispersion (étendue observée) = 0,6/0,45 = 1,33
139
Cas1: Contrôle à 100%
Si nous devons reproduire ces mêmes pièces, on ne passe plus uniquement par
l’observation, mais par des projections prenant en compte un modèle de
distribution.
En considérant, par exemple, un modèle de distribution normale (à vérifier) :
La dispersion = 6 fois l’écart type ;
la moyenne observée = 5,06 mm ;
l’écart type observé = 0,103 mm.
La dispersion (qui pourrait être observable à l’avenir ) serait de :
4,75 - 5,37 = 0,618 mm.
Cp = IT/6 σ = 0,6/0,618 = 0,97
140
Cas1: Contrôle à 100%
Le client n’est pas certain d’avoir de bonnes pièces, et que pour
assurer une livraison de pièces conformes, il faudra maintenir un
contrôle à 100 %.
Calculons la capabilité centrée:
Cpk+ = (Ts – moyenne)/3σ = (5,4 – 5,06)/(3 · 0,103) = 1,1
Cpk– = (moyenne – Ti)/3 σ = (5,06 – 4,8)/(3 · 0,103) = 0,84
Cpk = mini (Cpk+ ; Cpk–) = 0,84
141
Cas1: Contrôle par échantillonnage
143
Phases de mise en œuvre de la MSP
144
Phases de mise en œuvre de la MSP
145
Quelques commentaires sur l’échantillonnage
• Compréhension de la variation between subgroup and withing subgroups
• 3 facteurs :Taille, fréquence type ( au Hazard, consécutive)
• Exemple de la température
si il a été demandé de faire une carte Moyenne / Etendue dans une chambre çà
n’ a pas de sens de déterminer sur le plan de surveillance de prendre 5 mesure
consécutifs de la température : les 5 valeurs seront presque similaire, par contre
dans une heure les valeurs ne seront différentes mais lors de ce prélèvement
d’une heure après les 5 mesures seront encore une fois similaires
146
Quelques commentaires sur l’échantillonnage
• Lors ce que cette carte de contrôle est complétée ,dans la carte des moyenne
on observera une variation aléatoire par contre au niveau de la carte des
étendues on sera proche de 0 de qui veut dire que la moyenne des étendues
serait également proche de 0
• On se basant sur la formule X +A2R ,les limites seront sérés ce qui donnera
des points hors contrôle
• c’et un exemple extrême mais c’est pour comprendre lorsqu'un
autocorrélation existe et ignoré
147
Efficacité des cartes de contrôles
Une production a un écart type historique de 2.on veut détecté dans 90%
des cas un décentrage de 4 ( 2 écarts types) la taille d’échantillon est 5
148
Merci pour votre attention
Tél: 212 6 61 19 75 34
Hicham,batioua@gmail,com
149