FORMATION EN CORE TOOLS

Statistical Process Control( SPC)

M. Hicham BATIOUA

Salé le 25 Avril 2022

Pour le compte de : FICOSA

1
 Présentation
 Nom et Prénom : Hicham BATIOUA

 20 ans d’ expérience dans l’industrie automobile et aéronautique

(Plusieurs postes occupés : Directeur Qualité ,Recherche et

Développement / Responsable industriel/ Responsable KAIZEN…)

 Responsable d’audit ISO9001 depuis 2013 (Certifié IRCA)

 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

 Plus que 100 formations réalisées

2 Certificat IATF N° 5-ADP-18-07-2815

 Présentation :

 Veuillez vous présenter en indiquant votre :

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
1- Objectif
2- Historique
3- Définitions & Normes
II/ CONTRÔLE PAR ECHANTILLONAGE
1- Contrôle à la réception
2- Autocontrôle en production
3- Contrôle avant Expédition
III/ LOIS STATISTIQUES
1- Moyenne
2- Ecart Type , Dispersion
3- Exercices
IV/ CARTES DE CONTROLE
1- Types de Cartes de contrôle
2- Limites de contrôle
3- Tendances et Interprétation
4- Exercices
5
V/ CAPABILITE
1- Capabilité machine
2- Capabilité des Processus
3- Indice de centrage
4- Exercices
VI/ SYNOPTIQUE DE MISE EN
OEUVRE DE LA MSP
VII/ APPLICATION AU CAS DE
L’ENTREPRISE
1- Création et Exploitation des
cartes de contrôle
2- Estimation de la capabilité
Processus
3- Estimation de l’Indice de
centrage
VIII/ TEST D’EVALUATION
 QCM avant la formation

6
 I/ INTRODUCTION

1- Objectif
2- Historique
3- Définitions
4-Lien entre SPC et Norme IATF 16949

7
 1- Objectif

•Maitriser les étapes de déploiement de la maitrise

statistique des processus

• Standardiser l’approche statistique au sein du

groupe multidisciplinaire

• Maîtriser l’ Analyse et Exploitation des cartes de

contrôles et capabilité des processus

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:

• La limite des schémas traditionnels des organisations

qualité « contrôle assurance »

Année de croissance 1945 à 1975 Année de crise depuis 1975

PRODUIT PROCEDE

11
 2- Historique
 Le pilotage par des cartes de contrôle a été
introduit dans les années 30 grâce aux travaux de
Shewhart

 La mesure de la capabilité dans les années 70

principalement dans l’industrie automobile
américaine

 L’industrie Japonaise a utilisé de façon intensive les

outils statistiques depuis plus de 40 ans sous
l’impulsion du Docteur W.Edwards Deming

 Europe : Utilisation des outils statistiques en 1980

12
 3. Définitions & Normes
MSP ?
MSP Maîtrise Statistique des Procédés

Maîtrise : Stabiliser les variations,

Prévenir les défaillances,
Améliorer les performances
Statistique : Modélisation des processus par des lois
statistiques,
Contrôle par échantillonnage

Procédés : Etapes de fabrication

 Ne se limite pas uniquement à la machine
 Englobe tous les principaux facteurs ayant une influence sur un
poste de travail donné
13
MSP ?

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

- 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

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

Matière Main d'œuvre

Procédé
Produit ou Service
(Transformation=valeur ajoutée)

Méthodes Matériel Environnement

17
 Procédé:
Exercice d’identification des facteurs de la variabilité du produit
sur un procèdes ( Cas de,,,,)

Matière Main d'œuvre

Procédé
Produit ou Service
(Transformation=valeur ajoutée)

Méthodes Matériel Environnement

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

Anticiper la non qualité

&
ASSURER LA QUALITE

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

« L'organisme doit déterminer :

a) Ce qu’il est nécessaire de surveiller et mesurer;
b) Les méthode de surveillance, de mesure, d’analyse et d’évaluation
nécessaires pour assurer la validité des résultats;
c) Quand la surveillance et la mesure doivent être effectuées, et
d) Quand les résultats de la surveillance et de la mesure doivent être
analysés et évaluer
Il doit conserver des informations documentées pertinentes comme
preuve des résultats.»
Extrait Norme ISO 9001: : 2015 -Ch. 9: Evaluation des performances
Par. 9.1 Surveillance, mesure, analyse et évaluation -Alinéa. 9.1.1 Généralités
23
 4-Lien entre SPC et Norme IATF 16949

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

 L’organisme doit s’assurer de la mise en œuvre efficace des:

 Diagrammes de flux
 AMDEC processus
 Plans de surveillance

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

b/ les plans des échantillonnages

c/ Les critères d’acceptation

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

Méthodologie documentée (Objectifs, Mesures…)

Réduction des variations et des gaspillages du processus de

production

Analyse de risque ( Type AMDEC)

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

Processus Produit TRI

Méthodes Matériel

Contrôle Qualité Finale uniquement

Inconvénient : Rendement peu optimisé
33
 Approche préventive: Contrôle Statistique
•Focus sur la qualité des Procédés
•Le contrôle est intégré au sein des procédés
•Mesure et surveillance de la capabilité des Processus
•C'est une stratégie de prévention
•Le client juge la qualité du système de production
E
X
I
Client G
Procédé1 Procédé2 Procédé3
E
N
C
Mesure, Surveillance, Maîtrise des E
Procédés S

•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).

Une solution économique consiste à évaluer le lot à partir du contrôle d’un

échantillon. Si le nombre de pièces non-conformes dans l’échantillon est
inférieur à un seuil, l’ensemble du lot est accepté ; sinon, il est refusé (retour
au fournisseur, tri du lot à 100%, dérogation).

Evidemment, le risque théorique d’accepter un lot avec un taux de non-

conformes supérieur au taux défini NQA n’est pas nul.

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

►Formaliser la capabilité des moyens

47
 L’autocontrôle
Moyens (suite)

Moyens en méthodes et outils de mesure

•Moyens de mesure adaptés
►Évaluer la capabilité des moyens de mesure
►Rattachement de chaque moyen de mesure à un étalon
►Gestion du système d’étalonnage

Moyens en méthode de pilotage

•Formation sur les techniques statistiques
•Utilisation des cartes de contrôle
Moyen en délégation de décision
48
•Donner a l’opérateur la responsabilité sur les décision / auto
contrôle
 L’autocontrôle

Résultat: La connaissance des variations des machines et des procédés

permet :

►d'améliorer et d'affiner les réglages

►d'appréhender et de diminuer les dérives : la qualité du
produit est plus constante
►d'augmenter la performance et la stabilité des machines
►d'élever le niveau de qualité des produits
►de faire baisser le coût de non qualité (moins de rebuts,
moins de temps morts, moins de contrôles)
►de mieux anticiper la production future en assurant une plus
grande sécurité et une meilleure fiabilité du fonctionnement du
procédé.

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.

 Quelle que soit la machine, la caractéristique observée est affectée d’une

dispersion

Moyenne
Dispersion

51
 Variabilité
La variabilité des caractéristiques du produit a plusieurs causes que l'on
peut regrouper en 2 catégories :

•Les causes Anormales (Accidentelles) que l'on peut identifier et sur

lesquelles on peut agir
•Les causes Normales(naturelles) qui regroupent tous les autres
phénomènes caractérisés par leur grand nombre, leur influence
généralement faible et leur indépendance relative.
Causes
Anormales

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

-Les causes spéciales sont éliminées

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

 Médiane : C’est la valeur pour laquelle 50% des

valeur lui sont supérieures et 50% lui sont inférieures

55
SPC & La Statistique
 Grandeurs Statistiques
 Paramètres de dispersion

 Étendue (ou Range) : R=Max - Min

(X1  X)2  (X2  X)2  ...  (Xn  X)2

 Écart-type : s
n -1

 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:

Exemple: La hauteur des hommes en Europe suit

une loi normale:

• De nombreuses personnes mesurent autour de

1,73 m (la moyenne)

• Peu d’hommes mesurent aux environs de 1,95m

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)

•Nombre d’échantillons pour une bonne estimation du

centrage
• 20 échantillons au moins, comportant 100 individus
• Généralement n = 5
•Soit X le paramètre étudié
•Xi mesure trouvé sur chaque individu
• Ri : l’étendue = Max ( Xi) – Min ( Xi )

61
 Moyenne-
Aptitude Ecart Type- Courbe de dispersion en
processus
cloche(Gauss)

•On appellera X la moyenne des moyennes

•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

Etendue  X max  X min

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

Le nombre de classe a prendre en considération K1 = K+1

• Calculer l’intervalle de chaque classe

CI= ( Max-Min)/K1

• La borne inférieure BI = Min -CI/2

• La borne supérieur BS= Max + CI/2

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

Valeur MAX 80 56,5-58,5 14

58,5-60,5 6
Valeur MIN 47 60,5-62,5 5
62,5-64,5 2
largeur de la Classe( W ) 33 64,5-66,5 1
66,5-68,5 0
N. de Classes (K) 17
68,5-70,5 0

Intervalle de Classe ( h ) 2 70,5-72,5 0

72,5-74,5 0
Limite inférieure 46,5 74,5-76,5 1
76,5-78,5 0
68
78,5-80,5 1
 1. Construction de l’histogramme
Suivi de la Durée du trajet

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

2  Etendue  X max  X min  33

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

LIMITES Moyenne = 56,94

14
Sigma = 3,37

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

2  Etendue  X max  X min  16

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

On utilise un repère fonctionnelle gausso –arithmétique

En abscisse: Limite supérieure des classes

En ordonnée: Les fréquences cumulées

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

effectifs théoriques par classe >= 5

80
 IV/ CARTES DE CONTROLE

1- Types de Cartes de contrôle

2- Limites de contrôle
3- Tendances et Interprétation
4- Plan de réaction
5- Exercices

81
 Relation entre le cout de la non
qualité et la variance

Une population de moyenne m et écart type ò

La perte moyenne par pièce est égale:
L= k (ò² +(m-cible)²
Le cout de non qualité est donc proportionnel à la variance
et à l’écart entre la cible et la moyenne de l’ échantillon

82
Fonction de perte de Taguchi
 Pour Mieux Minimiser les Pertes Non Qualité

de moyenne x bar et
d’ écart type σ

Fonction de perte de Taguchi

83
Fonction de perte de Taguchi

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

Étapes de construction d’une carte de contrôle

•Trois phases
•Phase 1
→Étude préliminaire

•Phase 2
→Étude en régime stabilisé

•Phase 3
→Limites de contrôle

91
 Les Types de cartes de contrôle

1.Caractéristiques mesurables:

Exemple: moyenne / Etendue

•Une carte de contrôle X Bar/ R est un graphique qui présente la

variation d’une caractéristique dans le temps par le suivi de:

 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

Carte moyenne / Ecart type :

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

Points hors limites

•Le point hors contrôle sera inique par exemple par un rond ou croix
•Causes particulières
•Déclencher la recherche puis actions

•Un point hors contrôle indique

•Erreur de calcul
•Dispersion de la distribution a augmentée
•Système de mesure a change
•Etc. ..
99
 Les cartes de contrôle
Interprétation
 Tendance ou série
•7 points consécutifs du même cote de la moyenne
•6 points consécutifs en croissance ou décroissance

100
 Les cartes de contrôle
Interprétation

A
B
C
C
B
A

2 sur 3 en zone A ou 4 sur 5 en zone B ou 8 de suite en zone C

au dessus au dessus ou en dessous

101
 Les cartes de contrôle
Interprétation

102
Les Types de cartes de contrôle

2.Contrôle par attribut:

C’est la comparaison du produit d’un processus à une spécification pour
décider « conforme » ou « non-conforme »
Exemple
Exemple Type de carte de contrôle
-Boîtier hemetique / ( fruiteux ) Carte P ( Proportion des pièces non
-Pièce fonctionnelle conformes
-Bulles dans un pare-brise Carte C , nombre de non conformités par
-Défauts sur une carte électroniques « unité »
-Erreurs dans une facture

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

Les échantillons n’ont pas nécessairement tous la même taille

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

• Pour chaque échantillon

• (npi) : nombre de défectueux
• ni nombre de pièces contrôlées
npi
pi =
ni
• p peut être exprimée en pourcentage , PPM ou fraction décimale

105
Carte p
Contrôle de la proportion de pièces non conformes

Limite de contrôle

• Moyenne k : nombre des échantillons

n1p1 + n2p2 + n3p3 + ……..nkpk
p =
k

√
p ( 1– p )
UCL = p + 3
n

√
p ( 1– p )
LCL = p - 3
n

n est la moyenne des ni

n1 + n2 + ….nk
n=
k
- Si LCL < 0  LCL = 0

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

Carte C , contrôle du nombre de défauts Taille constante :n

• Faire la différence entre défectueux et défauts
• Un défectueux peut comporter plusieurs défauts
• La carte C concerne un nombre d’articles ou échantillon de taille fixe
• Nombre de soudure défectueuse par circuit

• Limites de contrôle

• Moyenne
c1 + c2 + c3 + …….ck
• C =
k

110
 Carte c
Contrôle du nombre de défaut

111
 Carte U

Taille de l’échantillon variable ni

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

1- Capabilité des Processus

2- Performance des processus
3- Indice de centrage
4- Exercices

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 = Intervalle de tolérance fixé par

le cahier de charge ( I.T )
Performance demandée

Performance demandée

Performance réelle

Performance réelle
118
 Concept de capabilite

La courbe modélisant la population totale La courbe ne rentre pas dans

produite rentre juste dans l’intervalle de l’intervalle de tolérance.
tolérance Aucun réglage possible mais il y a des
Aucun réglage possible rebuts

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

Étudier le comportement dans le temps du processus et déterminer son

aptitude à long terme

•Il s’agit d’une analyse chronologique qui utilisera les données recueillies
pendant un certain intervalle de temps

•Prise en compte de la variabilité naturelle due aux

•Personnel
•Matières premières
•Outillage
•Machines
•Méthodes
•Les causes spéciales doivent être corrigées avant toute analyse de
121 capabilité processus
 Capabilité processus

Emploi des cartes de contrôle

• Créer les conditions convenables pour la mise en œuvre
•Expliquer l’objet
•Redéfinir la qualité
•Éliminer les appréhensions
•Définir le processus
•Déterminer les paramètres à suivre en considérant:
•Les besoins clients ( internes / externes )
•La nature des problèmes présents ou potentiels
•La corrélation entre paramètres
122
 Capabilité processus

•Définir le système de mesure

•L’appareil ne doit pas être mis en doute
•Les paramètres doivent avoir la même signification pour tous
et dans le temps
•Minimiser toute variabilité évitable
•Réglage
•Matières premières
•Décider de la taille et de la fréquence des échantillons
•Taille doit être telle que la variabilité à l’intérieur e l’échantillon
soit faible
•Généralement 5 individus consécutifs sur la même
machine
•Fréquence : les échantillons doivent être prélevés assez
souvent pour refléter les changement éventuels. Les causes de
ces changement peuvent être lies aux équipes, à
l’échauffement de la machine, aux lots de la matières
123
premières etc..
 Capabilité Process

L’indice de capabilité USL - LSL

Cp =
6

USL : Upper Spécification Limit ( Limite Max spécifiée)

LSL : Lower Specification Limit ( Limite Min spécifiée)
•Cp < 1,33 : La machine ne peut pas naturellement tenir la
spécification
•Cp > 1,67 : La machine peut tenir naturellement la
spécification
•1,33>Cp>1.67: Juste limite
124
 Indice de centrage

L’indice de centrage
USL - X moyenne X moyenne - LSL
C pk = min ( ; )
3  3 

USL : Upper Spécification Limit ( Limite Max spécifiée)

LSL : Lower Specification Limit ( Limite Min spécifiée)
•C pk < 1 : La machine n’est pas centrée
•C pk > 1 : La machine est centrée mais juste
•Cp >1.33 : centrage Bon

125
 Concept de capabilite

Processus capable et centré Processus capable mais non centré

126
 Capacité – Aptitude du processus

Ne pas confondre Spécification / contrôle

•Les limites de contrôle sont valables pour des moyennes d’échantillons et
dépendent de la taille de l’échantillon
•C’est le process lui-même qui définit les limites de contrôle
•Les limites de spécification sont déterminées par des motofs qui peuvent être
indépendant des caractéristiques physiques u processus

•Les limites de contrôle sont définies sur un processus maîtrisé

•Nous pouvons répondre ou non aux exigences du client
•C’est-à-dire quel est l’aptitude du processus
•Note : Il est impossible de répondre aux exigences du client en cas de
processus non maîtrise

127
 Capacité – Aptitude du processus

Calcul de l’écart type du processus

Λ
•Estimateur de l’écart type σ = σ
Λ R
  
d2
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 20 25
d2 1.13 1.69 2.06 2.33 2.53 2.7 2.85 2.97 3.08 3.17 3.26 3.34 3.41 3.47 3.74 3.93

•Indice d’aptitude
•Comparaison entre l’entendue 6 Λ
σ et l’étendue de la spécification

USL - LSL USL = Uper Specification Limit

Cp = Λ
6σ
LSL = Lower Specification Limit

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

Plus Cpk est grand, plus justesse-precision sont grandes

131
 Ppk et Cpk

CAS N°1

CAS N°2

132
 Ppk et Cpk

La différence entre le Cp et le Pp réside dans le calcul de la dispersion du process

133
 Calcul de la proportion de non conforme

1. Calculer la moyenne des données X= 10,037

2. Calculer l’ecart type des donnés = 0,83
3. Pour l’intervalle 8,675 ; 9,185
4. On pose X1= 8,675 et X2 = 9,185 avec U1 et U2 leur fractile
U1= (X1 – moyenne)/ Ecart type
U1 = -1,641
U 2 =-1,026
La probabilité d’avoir X inférieur à X1 est noté P(x< X1)
La probabilité d’avoir X inférieur à X2 est noté P(x< X2)
La probabilité recherché étant d’avoir X supérieur à X1 et inferieur à X2 c’est-à-dire P(
X1 < X < X2)
P( X1 < X < X2) = P(X< X2)-P(X < X1)= P (U <U2)-P( U <U2)
P( U <U2)= P( U <-1,026)=1- P(U <1,026)= 0,1525
P( U <U1)= P( U <-1,641)=1- P(U <1,641)= 0,0504
D’où P( U1 < U < U2) = 0,1021
134
 Capacité – Aptitude du processus
Limites de conformité
Exercice
Rbar = 0.169 X = 0.738 n=5 d2 = 2.33
LSL = 0.5 USL = 0.9

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

USL = 1000 LSL = 0 d2= 2.33

-Calculer Cp
-Calculer Cpk
- Calculer le % des pièces hors spécification

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.

Carte aux moyennes

Histogramme

Carte aux étendus

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

Les 41 résultats de mesure correspondent à un échantillonnage sur

une journée pour une production de 500 unités/jour (quatre pièces
toutes les heures).
On parle de l’indicateur Pp.
 moyenne des étendues observées Rbar = 0,19 mm ;
 moyenne des moyennes des échantillons Xbar,bar = 5,06 mm.
L’écart type est estimé en prenant les tables Ford :

Le procédé est donc capable

142
 Cas1: Contrôle par échantillonnage
Calculer le Ppk:

Ppk+ = (Ts – moyenne)/3 σ = (5,4 – 5,06)/(3 · 0,092) = 1,23

Ppk– = (moyenne – Ti)/3 σ = (5,06 – 4,8)/(3 · 0,092) = 0,94
Ppk = mini (Ppk+ ; Ppk–) = 0,94

Avec un Ppk de 0,94, le procédé n’est pas capable, mais il pourrait

l’être si on réglait de façon très fine ce procédé.

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