UNTVERSITE IIASSAII tr A CASABLANCA

Faculté des Sciences Ben Msik

Département de Chimie
Master
Semestre I

Outils Qualité

Pr A. ADIL
 T.INTYERSITE EASSAN tr A CÀ§BIÀNCA
EACUTjTE DES SCIENCES BENMSIK

MASTER

OUTILS
QUALITE

PT.A.ADIL

L. Signification de la qualité

l.f DéIinir Ia qualité §pécifications

« Qualité : aptitude d'un ensemble de caractéristiques intrinsèques à satisfaire des Spécification

exigences »». Norme ISO9000 inutile

La conformité est le fait pour un produit, un processus ou un sèrvice de répondre

<<

aux exigences spécifiées >>. Norme EN 45020 / 98.

1.2 Les spécifications du produit

Besoins Réalisation
e caractéristiques qualité : un nombre d'éléments qui décrivent conjointement ce
que l'utilisateur ou le consommateur pense être la qualité.
. Physiques : longueur, poids, voltage ...
. Sensorielles: goût, apparence, couleur...
. Temporelles : fiabilité, durabilité, aptitude au service

3
 e Spécifications
. Cible ou valeur nominale Limite de spécification inférieure :
. Tolérance TI= Cible-Tolérance
. Limite de spécification.inférieure Limite de spécification supérieure :
. Limite de spécification supérieure TS=Cible+Tolérance

e Produit défectueux ou non conforme

Intervalle de tolérance :
IT=TS-TI

Généralement, la valeur cible correspond au milieu de I'intervalle de tolérance :

= Cible ou valeur TI+TS

Cible - Tolérance
Cible + Tolérance = cible=
Limite de sPécifioation nominale 1
Limite de spécification i
inférieure
supérieure

c Défaut ou non-conformité

2. Les outils statistiques

Exemple:
2.1 Les statisüques descriptives une enfeprise fabrique par un procédé d'extrusion des tubes thermoplastiques avec les
t
spécifications suivantes : (150,0 1,0) mm
n Le service qualité de l'entreprise a prélevé un échantillon de taille n = 20 et a obtenu les

X=
x +x +x +...+x I*,
i=l
Ét,
1= i-lI
*, Ët,.*,
i-l
valeurs suivantes pour le diamètre extérieur des tubes :
- =
n n t52 t52
If' 151 150 151

r53 149 151 152 150

)(x, -x)' y*,-(I*,)Ê yr* (Ir,*,)' 150 149 149 150 150
c/,u,
3__ - n - n 149 150 151
n-l n-l ^2-t" 151 151
n-l

r;
s={s'
a) Calculer le maximum, le minimum et l,étendue
b) Répondez aux questions suivantes :
- le processus est il sous contrôle ou non ?
- le processus est-il trop dispersion ou non ?
c) Calculez la moyenne, la variance, l'écart ÿpe et le coefficient de variation.
CV=!x100, I*0 d) Le processus est-il centré ou non ?
x
 Réponse: y*,_(I*,)'
a) Le maximum
Lavariance' s2=- '41 o
= 153 n-1
Leminimum= 149
L'étendue=max-min=4 avvl-9o66t4
^2_
ù =
20
=i)7)Z
t9
b) Pour répondre à ces questions, il faut rappeler les qpécifications du produit :
(1s01 1) s = r/s' =1,146
+ Cible = 150
TI = 149
TS = 151 6Y =1x100 =0.76%o
IT =2
x
Max > TS :+ le processus est hors contrôle -
Etendue > IT:+ le processus est trop dispersé Consignes :
- I1 faut centrer le processus par un réglage de la machine
c) La moyenne - Il faut étudier les causes de la dispersion pour la réduire

ÿx
n
301 I
)(=-=15u.55
20 *Cible:+ leprocessus estdécenûé

SasmFIe : On a soumis à un essai de fiabilité 12 dispositifs identiques, pour lesquels on a

2.2 L:hlstogramme
trouvé les durées de üe suivantes en heures.
2,2.1 Çomment construire un histogramme

76 157 116 85 120 28sl21tltsg 184 138 92 101

Nombre de données à Nombre de
dépoulller: n classes: k
Comme la durée de vie varie largement, Ia moyenne arithmétique ne sera pas tellement l0 4
représentative. Déterminons plutôt la valeur médiane. l0<nS22 5

22 3n344 6
Réponse: ,l4<n<90 7

90 < n< 180 8

Rangeons la série en ordre croissant:
180<n<360 I
360<n<720 t0
76 8s 92 10111161120 138 157 159 184 211 28s
720<n< 1000 ll
Puisque le nombre d'observations est pair, n = 12 = 2k, la médiane est la moyenne de la 6he
et 7he observation dans la série ordonnée. Exemple : Les données suivantes représentent le poids en grammes d'un joint d'étanchéité
obtenu d'un procédé continu et utilisé d.ans la fabrication d'automobiles ; chaque valeur
120+138
,"- =l2gheures correspond à une période de fabrication de 30 secondes. Quarante données ont été obtenues
2 sur une période de production d'environ 30 minutes et elles représentent la taille de
Six dispositifs qui ont une durée de vie inférieure à 129 heures et 6 ont une durée de vie l'échantillon (n = 40).
supérieureà l29heures. fi 12
 269,7 267,0 264,8 267,t 268:7 Fréquences
Dépouiller les données, donner la Classes Dépouillement
263,6 265,6 261,4 265,5 261,2 absolues (f)
distribuüon de &équences et 264,4 268,8 264,5 264,5 263,1
construire I'histogramme 259,7 260,3 2662 2622 264,6 1255,5 -258,51 1

correspondant, 262,4 263,4 265,9 271,0 258,7 1258,5 - 261,51 ull1 7

263,4 267,6 265,3 264,4 262,3
1261,5 -264,5[ lil/ //// t 11
260,7 264,1 266,4 269,8 261,2
265,0 272,9 255,8 266,1 262,1
1264,5 - 267,s| ilil /tlt /il/ 14
1267,5 -270,51 //// 5

Réponse: 1270,5 - 273,51 2

Total n=40
Etendue: Max - Min t6
= 272,9 - 255,8
14
= t7,t
t2
Nombre de classes k = 6 l0

Amnlrtude=
- Etendue 8

^k 6

L7
Amplitude =
'6 'l -2.85 = 3
4

13 0

Z.2.2Exploitation des histogrammes dans Ie contrôle des processus

(t Obsavations :

Pmcessus udmodal hors d6 limites

Sur I'hisûogramme des données relatives à la caractéristique qualité mesurée, on fait figurer de cont6le (trop dispe6é).
les limites de spécification inférioure et supérieure. On peut ainsi conclure rapidement si la O Action :
Réglage pou lerluire la dispqsion
population dont est issu l'échantillon analysé est hors contrôle ou non. clo valos de la wctoistiqtre
m6ù1ée

O Obaæations :

PreGsus ùnimodal ciltré

entrË I§ 2 liuiûes dê conffile. lD Obscrvations ;
O Action : Pocæus biEOdAl povenant de 2 prcductio$
Aucune action néc6saire différcbts.
O Action :
Vûifi er l'triginê de la vaiation (matiàp

a Obswâtiôhs :
Pudsus uimodal ho6 d6 Crsl' 6
limits dê @ntrôle.
O Obswations :
a Action :
Diskibutiotr æ)métîi$ro
Réglagc poùrbai$d le valil3
O Action :
Vérifitrl6 instuments de mesure et
lê 6 échémt ual)§cr le proceos

O Obswations :
Prc$sus unimodal hæ ds limit6 a Obsqvations :

de @nrôlê Distribution aslmétrique

O Action :
tl Action :
Réglago poùr augmats 1B valqr§ Vérifiq 16 istlunmts de mffire et
l€ c6 échémt ealyser l€ prcc6§us
15
 l

2.3 La lot normale 2,3.2 Lo| normale centrée réduite

2.3.1 Exprereion de Ia loi normale z--!:-Y-

Si on effectue un changement de variable
o
Une variable aléatoire continue X exprimant une caractéristique qualité (poids, dimension,
x p p+o yt+2o p+3o
concentration..,), suit une loi normale de moyenne p et d'écart type o si sa densité de
probabilité est égale à : z 0 +l +2 *3
, (r-rrÿ
f(x)=+e--r7- z suit une loi normale N(0, t) de fonction de répartition
a42n t"
La fonction de répartition F(x), qui représente la probabilité que la variable aléatoire X ait une
F(z) =P 17. r) = +tl2n u- r"'
[' e du
valeur inférieure à x s'écrit : 1 -22
deprobabilité f(z)=-!e 2""

F(x)=p1y .*\=#,fr#* dedensité

J2n

La dishibution normale s'apparente à de nombreuses caractéristiques de qualité, si elles

correqpondent à des grandeurs mesurables mesurées sur une échelle continue (variable
continue).

2.3.3 Courbes représentatives P(p-3o<X<p+3o)

La fonction (z) est paire, la courbe de densité de probabilité de la loi normale centée
réduite est donc syméfique par rapport à l'axe des ordonnées.

dc
dc ls loi
nmle éduitro

0 2 3

Limites naturelles du processus , I

Lr.II {;;l [,Ns = t, + 3" I
Cible - +30
P{Z < z) = n@) = y1r1: surface hachurée.

,Æîx
1:)1!.,fita9. .::tx
a :+ :. :,: lr -2 / 2 i z i :.:4 x
-- ; ;'. ir,..,r| l.:4,,ii.,.,*
'
Limite naturelle Limite naturelle
19 inférieure supérieure 20
 li
,

Exemple : L'enfeprise Métallo fabrique des tiges métalliques. La résistance à la rupture de Réponse :
ces tiges est distribuée normalement avec moyenne p = 70 kg et écart-type o = 4 kg. o
a) CV(%)= .100=1 x700=5,710Â
p70
+l I

Notons par X, la résistance à la rupture ,\N«zo' La faible valeur de CV indique une bonne homogénéité de la dishibution de la résistance à
d'unetigemétalliqueoù,X-N(70, 16). / l.=o\ * la rupture des tlges. Elle indique que la moyenne 70 kg est bien représentative de la
résistance à la rupture de ce ÿpe de tige.
f '7)

a) Déterminer le coefficient de variation de cette variable et interpréter le résultat. b) Nous cherchrins Pr(X > 74,8).
b) Quelles sont les chances sur I 00 qu'une tige choisie au hasard de la production ait une
résistance à la rupture supérieure à74,8kg?
c) 25%o des tiges de la production auront une résistance à la rupture inférieure ou égale à
quelle valeur ?
d) Le responsable du contrôle de la qualité précisd que 70% des tiges métalliques ne peuvent
-7IW'"MW
Pr(X > 74,8) =
' P ,(4:P ,ru'aao'l = ,r(r, ,,r)
\o 4 )

supporter une charge supérieure ù76kg. Est-ce que cette affinnation est exacte ?
e) A quelle pression pant-on soumetfe les tiges pour que 957o d'enhe elles puissent o l2r z 0 z 0 1,2 z
supporter cette charge ? Pr(Z> 1,2) = | - Pr(Z < 1,2) = | - 0,8849 = 0,1151

c) Nous cherchons P(X < a) = 0,25 où a est la résistance oherchée.

La valeur centrée réduite

deaest:
* a= 4z+70
21

P(X<a)<0,5=+a=-k<0 e) On cherche la valeur k telle que

P(Z < -k) = l -P(Z> k) = 1 - 0,25 = 0,75 Pr(X<k)=0,0s
P(Z<0,67) = 0,7486 etP(Z< 0,68) = 0,7517
Par interpolation :
Pr(X 2 k) = 0,95 ,

;1
P(Z<
k-0,67 _ 0,75-0,7496
z»
z= -1,645 ; (-4's= -1,645 = zs.er)
0,75t1
4,68-0,67 0,7517 -0,7496 k=aZ+p"
k = (4X-1,645) + 70 = 63,42ke
0;t5
k = 0,67 + 0,01.991. = 0,6i45 95% des tiges suliporteront une charge de 63,42kg ou plus.
0,0031 0,7486
z: - 0,6745
k 0,68

Donc a = 4z * 7 0 = (4)(-0,67 45) + 70 = -2,698 + 7 0 67,302 ke. -

25o/o des tiges auront une résistance inférieure ou égaLe ù 67,302kg,

d) Vérifions quelle proportion ne peut supporter

une charge exc éÀant 7 6 kg.
On cherche P(X<76).
A x = 76 correspond la valeur centrée réduite
On obtient alors PdZ < 1,5) - Q,ÿÿ2

L'affrmation est fausse puisque plus de 93% des tiges

ne peuve[t supporter une charge supérieure à 7 6 kg.
 2.4 Test graphlque de normalité

L'ajustement graphique d'une dishibution observée à une loi normale s'effectue

comme suit.

1. Echantillonner le processus concemé pour obtenir au moins une cinquantaine de

données.
2. Dénombrer les données suivant une distribution de fréquences absolues.
3. Déterminer les fréquences relatives cumulées croissantes en o/o.
Coube cMulallw
4. En utilisant le papier gausso-arithmétique, indiquer en abscisse les bornes
supérieures de chaque classe de la distribution en omettant la dernière classe qui a un xEr
pourcentage cumulé de 100% mais qui théoriquement est située à I'infini. r
5, Porter sur le papier graphique, les points représentatifs (en ordonnée, les fréquences
relatives cumulées en 0/o et en abscisse, la bome supérieure correspondante de Ia
distribution de fréquences). Si les points correspondants sont approximativement
-,Ë6
a
alignés, la variable étudiée suit une 1oi normale.

25

Tracé sur papier gausso-arithmétique

Exemple : On veut vérifier la normalité d'une caractéristique de qualité importante soit
l'épaisseur en mm d'un disque fabriqué de matière plastique. Une centaine de disques ont été
mesurés et les données groupées sont présentées dans le trableau ci-après avec les fréquences
relatives cumulées en o/o.

o Ànalyse des points sur Ie papier

gausso-ârithmétique :
Fréquences f,'réquences relatlves Le pointage sur papier gausso-
Clâsses
rbsolue§ cumulées en 7o arithmétique ne présente pas
16,5 - 7,s[ 6 6 n toujours un alignement serré
[7,5 - 8,5[ 6 12
autour d'une droite. Voici
,,1
[8,5 - 9,5[ l5
quelques formes que I'on peut
[9,5 - r0,5[ 25 52 15

110,5 - 11,5[ ,1 79 obtenir et le diagnostic que I'on

ll 1,5 - 12,5[ 12 91 peut poser.
10
112,5 - 13,5[ 5 96
[13,5 - 14,5[ 2 98
[14,5 - r5,5[ 2 100 5

I6,.-1q 106.7É l6!-rq t.!.G I..6-r t6,.-r I6!.1q l6.!-lq l6!.lq

 Llssrge des polnts Dlagnostic

La caractéristique qualité présente une

La caractéristique de qualité est
distribution asymétrique. La
distribuée selon une loi normale
caractéristique suit une dishibution autre
que 1a loi normale.
8#l. rrithrédqu.

La caractéristique présente certaines

valeurs aberrantes. Vérifier la cause de Le lissage des points présente aux exhémités
cetécafi important deux alignements distincts selon deux
droites parallèles. C'est une indication qu'on
Echelle siûmétiqüc
a affaire à un procédé présentant deux
moyennes au cours de l'échantillonnage
E hellc rriûm&iqre
(distibution bimodale).
Certaines données qui étaientplus
petites qu'une limite inférieure se sont
vues assigner cette valeur limite.

Echallc eilkn&iquc

2.5 Vérilication de la normalité par le test du khi2 Répartition théorique des données selon une loi normale avec :
p = 2500 et o:90
Durée de vie en heures n=60
2527 2512 2402 2514 2504
25t0 249t 2600 2562 2438 Classes Fréq. Obs (fot)
2608 2454 2343 2509 261,7 x, ( X (,x, pr: P(zr3Z < zr)
2250 <X<2320 2
2644 2463 2500 2475 2505
2320 3)(<2390 4 -2,779 0,0027 0,162
2281 2726 2573 2541 2737
2390 <X <2460 t2 2250<X -2,778 a
0,0201 1,206
2496 2492 2424 2556 2460
2460 s)(<2530 24 2320<X -2 -7,222 0,099 5,28
2378 2406 2517 2582 2570
2530 < X <2600 10 2390<X< -1,222 -0,444 0,2178 13,069
2487 2560 251,7 2509 25t5
2604aX<2670 6 2460 <X < 2530 -0,444 0,333 0,3021 18,126
2458 2421 2499 2483 2378
2670 <X<2740 2 2s3O<X <1P600 0,333 1,111 0,236 14,16
2504 2437 2s75 2306 2327
2600<X<0670 1,111 1,889 ô,t038 6,228
255t 2397 2630 2428 2482
2457
2670 <x.bl+o l,ggg 2,667 0,0257 1,542
2423 2462 2579 2604

Est-ce que ces données pennettent de supporter I'hypothèse selon laquelle la durée
de üe de ce dispositif est dishibuée selon une loi normale de moyenne F. = 2500
heures et d'écart type o: 90 heures. Utiliser a = 0,05.
 Classes fot ftl foi - fti (for-fJ24r 3. Autres outils de la qualité

2250 <X
2250 <X<2320
2320 <X <2390
2390 <X <2460 ^0
Itz
I 6

t2
W)''*'
1 13,069 13,068
-0,649

-1,069
0,0632

0,0873
3.1 Le diagramlne de Pareto
:

Pareto a monhé fiu'environ :

.20o/o des c[uses produisaient 80% des effets constatés,
. que les 30ÿo des causes suivantes ne produisaient que 1 5% des effets
lzq
/ôr:
2460 <X<2530 24 18,126 lg,126 5,874 1,9036 . que finalement les 50% des causes restantes ne correspondent qu'à 5% des effets.
2530 SX <2600 -4,1,6 1,222
2600 <x<2670
2670 <X <2740
ex,-, 'o"u 100
t.scz I }.z.qqs 0,002 0 I

x>2740 o'.zza/ ) I

I tl r r2 eth
a!
On a regroupé toutes les classes dont les fréquences absolues
12=|(roilrri/
lri
-r,rr, oi
€60 Courbe des
o
obtenu après ce regroupement, ôo
d
pourcentages

k=5+v:k-1:4 6ao
o
cumulés
E
Au seuil o:0,05, Xl,sl=9,4877 À
Comme y2 calculé< Xî,orro=9,4877

=) on considère que la distribution est normale.

3.2 Exemple de Pareto

Répouse :
Les données suivantes représentent le nombre de diverses non-conformités qualité des
mesures d'un produit d'éclairage, Ces données ont été accumulées au cours de la première
semaine de novembre et proviennent de I'unité n" 12.

Nombre
Non-conformités (%) 7o cumulé
Non-conformités Nombre de non de NC
conformités Estampille matrquante ou illisible (A) 144 60% 60%
Estampille manquante ou illisible (A) 144 Tube de vidange brisé (B) 36 t5% 7s%
Tube de vidangebrisé @) 36 Ampoule fêlée ou brisée (C) 24 lÿ/o 85%
Ampoule fêlée ou brisée (C) 24 Pression dri gaz incorrecte @) t2 5% 90%
Pression du gaz incorrecte @) L2 Base déforqnée(E) 8 3,33yo 93,3yo
Base déformée(E) 8 Filament bihsé (F) 4 7,7yo 95%
Filament brisé (F) 4 Autres (G) I l2 5% 100%
Autres (G) t2 Total 240 100%

36
 1ûü9i 4. Les 5 "M" du procédé
90s,â
Quelle que soit la machine étudiée, la caractéristique observée, on note
sû96 toujours une dispersion dans la répartition de la caractéristique.
120
?t9L
L'analyse $es procédés de fabrication permet de dissocier 5 éléments
élémentaire$ qui contribuent à créer cette dispersion : les 5 M
1ûû
,6fr1,L I

5ûg6
Main d'æuwe
4û9,É ll
Milieu
3üÿa

2û9s

1ü%

üÿo
&tupilIe luhede Àmpoule Prusim B.er€ Fûmxut La MSP a pour objectif la maîtrise des procédés en partÈnt de l,analyse de ces 5
Arirer
Esflqrrrft \'iûegÊ lËlÉeuu drgæ dtrüim*e tdsé M responsables de la non-qualité. Elle apporte des oudls méthodologiques qui
ffifllisiblt hdffi bqfuÉe inoamecla vont aider les opérateurs la maîtrise dans L'améiioration de la qualité.

Analyse de la forme de Ia dispersion

Causes

Modèle : loi de Gauss

Observation d'un échantillon

Causes communes - Causes spéciales
La dispersion peut êfe séparée en deux catégories
r les dispersions dues aux causes cornmunes,
. les dispersions dues aux causes spéciales.
Tolérance
Mini
4.1. Le§ câuses communes
: Les causes co$munes forme la variabilité intrinsèque du procédé. si toutes les
nombreuses calrmes qui agissent sont d'un ordre de grandeur équivalent ; alors la
caractéristique rdoit suivre une loi nomale. Le but de la MSP serà de ne laisser
subsister que ,es dispersions dues aux causes communes. On parlera alors de
procédé "sous r.iontrôle"
 4.2. Les causes spéciales
4.3. Procédé rfsous contrôletr et rrhors contrôlerr
Ce sont les causes de dispersion identifiables souvent inégulières et instables, et
par conséquent diffïciles à prévoir. L'apparition d'une cause spéciale nécessite une Procédé Procédé
intervention sur le procédé. Contrairement aux causes communes, 1es causes sous-contrôle hors-contrô1e
spéciales sont en général peu nombreuses.

Exemple de causes spéciales :

o déréBlage d'un outil,
. usure d'un outil,
r mauvaise lubrifi cation,
.... etc

. Un procédé contrôle" est un procédé dans lequel, seules subsistent les

'lt
causes commurFes.
'jrpous

. Un procédé 'frors contrôle" est soumis à la présence de causes spéciales.

lr

La maîtrise de ia variabilité consiste donc à mettre tous les procédés "sous conüôle",
c'est I'objectif [e la MSP.

!êuillê d'arêgistrcmênt dcs rérul!âts

5. La carte de pilotage (de contrôle) moyenne/étendue Cdc! X êtR
da contrôIc

IE ylt@ Pièco : N'dr codr :

Cectéri§liqu. : À.liêr i Dépt I
5lr:IO ?r{lo .[rrll] lrrlO atdt§ Unité, dÈ Dc!@ : Coakôlcu:
ffil I 0 I ü taillc de l'échatillon: Fréqueace de contôla :
ÀdÈqftr '| a l .I
De & x, ]G & Xs T R
I tr .I I
2
Ttlhl I :l a'

Iiesgtie
d.ddà l0
I
12
c&h
t3
t4
ürin&nriru
éêdÉlt
tl
]8
lid}ryÜlæ
dr d!Ët!

§6qÊ6!h!ü!È
Moycnaa :X= E=
À?[ = rSCt =Î+eri[=
JdrffIdÈbnd Df- ucr=i-ÂJt=
Drf, = I"SCL*DJ[ =
Bènd!Ê dê f&r§diüm IJCr =Dr[
 5.1. Moyenne et étendueo deux fonctions différentes 5.2. Calcul des cartes de contrôle

o _ Rr +R2 +...+Ri +...+Rk

k
Calcul des limites de contrôle :
Les limites de contrôle se calculent en utiiisant les formules suivantes :

o' Pour Ia carte des moyennes :

t-
LSC; =Cible+Ar.R
Dérive détectée I

par la carte des LIC*I= Cible-Ar.R

I
étendues
e I
P$ur la carte de contrôle des étendues :

LSC,1 =D.n-
I

LIC]| =P,.P
I
T
il
il
I

,i

l,

GrÀDhlîue ' Déclilon D{chlon

DelcrlDtlotr
alrt. dni n.v.nre

ffi
Les coefficients {, D3, D, sont fonction de la taille des échantillons. rrocda ,o[$otrtrüc
. Lr @ub6 d R oæillcnt d.
)fuqu6 @té de lâ my@nc
, 23 dcs poiils lont daN lê Proaluctlon Productlon
n 2 3 4 3 6 7 8 I 10
imc@hlde la cdê

A, 1,88 1,02 0,73 0"58 0,48 0,42 0,37 0,34 0,31 Cî, llmlle rùpérlêura
. Iâ câprbilité coÉ têmr re d6tériorô.
n faut rows I'originê dê cdte
Polnt hoû llmlte ndglêrlcprocddé
D3 0,07 0,14 0,18 0,22 dét&iontion ct int@oû
La d@i6 point râcé r Fanchi dcl, vrleudêl'écan qui sépareli .Iya6wdemw
ue limite de conffilô poiDtdelavrlr cible C$ limll. Inférlêrre
D4 3,27 2,57 2,28 2,ll 2,00 1,92 1,86 1,82 1,78 . la
.k
coü temo s'âméliore
c8pâbilité
syième ale mffiê êst bloq!é

Tedrnccrüptdarre
lnf&lffrê
points cons&utils !
spérieEs ou irfériq[s à
uar.q{8ncc rùpcrrcurr
ou
. k $Dtbilité coû mc so détériorc.
Réglerlc procédé
n fât{ tuws I'originc d6 cette
dét&imtion et Intwmir
de l'écaÉ moyil qü sépare la
tmdance à lâ vâlar cstmle
Cî! llmit! ltrférletrre
l!
. cnpabilité cord t@nê §'âmélior€.
n faut trowcr I'origho de cde

C⧠3érle crol!,6nta

Tcndânce crollmtrtêou
I k erubilhé coü tmê s6 d&ériore.
décrol!§dtG
nédêrl. Irecédé I faut üowtr I'origiDe de c€ne
ri le dmis poim approchê 16 limito d int@oir
7 poinls cons&üifr smt ù létériomtiotr
aügmohtion réguliè& ou s le contôle de l'écan qui sépare lr
lemis poift à lâ wlqtr cible. I
Cît.érle décmhtrnte
ll capâbilité @ü tmê s'âmélior6
diminüion ré$li&e.
I far[ hùver .l'orlginc d6 cff(

en prélwant imédi.tmmt u aütse Csi llm,ta spérleurclunellhr h

1 0olntprorhê rlêi llmltd échantillon. ctrlrâclté
Lê dmiff point tsrcé sc sihr Si le point rwimt dâns lo ür$ Si phBiqs pina de Iâ ang sn
daü le !/6 aü bord dê la enc d :6fâl : produdion dgdomd præh6 do la limitl
!otrôle Si lcpointos églmeût præhêd6 sup&ituê. Il fau hûvtr I'ortgie di
imitas ou hos limit€s, régler dê la cête détérioratlon d intddir

.édrce , *ll,"uÿel êchantillon es mesuê sü la cdc. Pow êre âcceplabl., le point doir se sitrier oos te tissqrat Oe ta m lle
*jit"f

ü
 6. Le concept de capabilité (aptitude)
Valeur de Cp observé sur les cartes précédentes
Le dernier point de la
carte de contôle Cp < 1,33 7,33<Cp<1,67

Contrôle unitaire
(Tri à 100%)
Nous dissocierons deux types d'indicateurs de capabilité :
Le procédé devient IDENTIFIER et CORRIGER Ia cause spéciale
r Les indicateurs long terme qui traduisent la réalité des pièces livrées parlera alors
hors-contrôle
TRIER de performance du procédé.
MAIS
toutes les valeurs
les composants r Les indicateurs court terme qui traduisent la dispersion sur un temps court. On
Contrôle unitaire depuis le dernier parlera alors de capabilité du procédé.
individuelles du
(Tri à 100%) point sous contrôle
prélèvement sont dans
de la carte de
les tolérances
pilotage
Court terme Long terme
Le procédé devient IDENTIFIER et CORRIGER la cause spéciale
hors-contrôle
Capab tité procédé Cp cpk Performance Procédé Pp Ppk
ET
une ou plusieurs valeurs TRIER
Contrôle unitaire
individuelles du les composants depuis le dernier point
(Tri à 100%)
prélèvemont sont hors sous contrôle de la carte de pilotage
tolérance
I

il
ll
rl

ti

4.3. Pp et Ppk @erformance du procédé - Iong terme 6.1. fndicateur de déréglage Ppk

lntervalledetolérance IT Une des conditibns nécessaires pour qu'un procédé soit capable est que I'indicateur
^ Dispersion globale 6oo
Pp soit supérieur à 1,33. Cette condition est-elle suffisante
i
?

Dans une première approche, un procédé sera dit capable si I'intervalle de tolérance Interv4lle de tolérance Intervalle de tolérance
est plus grand que la dispersion aléatoire du procédé avec une petite marge, c,est-à-
dire lorsque le Pp est süpérieur à 1,33 (8o/6o).

lntervalle de tolérance Intervalle de tolérance

Pp:1,5 Pp = 1,5

L'indicateur Pp est donc insuffisant et il faut mettre en place un autre indicateur

Ppk, qui tiendra compte du déréglage du procédé.
Procédé non capable Procédé capable
Ainsi, le Pp dcinnera la performance intrinsèque du procédé et te ppk la performance
Pp < 1033 Pp > 1,33 réelle. I
 I
,

6.2. Cp et Cpk (Capabiüté procédé - Court terme)

Intervalle de tolérance
Cote
Tolérance
inférieure

o-,- _ Distance (Moyenne / Limite la plus proche) La Performapce procédé (Pp et Ppk) s'intéressait à la dispersion globale, la
' 1/2.@ispersion globale) Capabilité pr{cédé (Cp et Cpk) va s'intéresser à la dispersion instantanée.
I

I
rl

i
il
Intervalle de tolérance IT L'indicateur Ctrflm est basé sur la fonction perte de Taguchi.
uD =-=_
' Dispersion instantanée de la machine 6o, t,
!'

Perte pour
_ Distance (Moyenne / Limite la plus proche) _ Dist(M/LlpP) l'entrep$se
'
"^u 1/2.@ispersion instantanée de la machine) 3o, Fonction perte
I
L:K(X-Cible)2
6.3. Les indicateurs Iiés à la cible : le Cpm et le Ppm
Perte moyenne pour un lot

Intervalle de tolérance Intervalle de tolérance Perte pour l'éÇart

j
I etd'écarttypeo:

X - Cible r=r(o'*(x-citr")')
I

Cpm= _Cp
6Gî+(-x-cibl.f - ü+r(cp-cpkf
Pp : 1,33, Ppk:1,33 Pp :4, Ppk = 2

- -'- ' I
En garantissant le Cpm, on assure que le procédé est réellement sur la cible. La
variabilité sur le produit fïni sera faible.
Vraie capabilité Vraie capabilité
« Centrage »» << Perte »
On calcule également sur le long terme la performance Ppm par la même relation,
mais en prenant l'écart ÿpe global. mlnl
. /rs-x
_,_ X-rr)
Tolérance

\3o 3o)
|
016ffi-ciur.y
IT
Ppm=
6Gâ +(X-cibtEf +9(Pp-Ppk)'z

5. Capabilité des moyens de contrôle - Méthode R&R (de Charbonneau) Décision de capabilité
Le principe consiste à évaluer la dispersion de I'instrument de mesure afin de
calculer une capabilité du moyen de contrôle : Cmc

-IT =-
UmC
66**r*, fle moyen de mesure n'est I'instrument de mesure
Cmc < 2r5 pas adapté

fe moyen de mesure n'est Améliorer le Cmc en :

pas adapté, réserver r Améliorant le système
2,5<Cmc<3 utilisation aux cas où o Figeant les procédures de mesure
mesure est délicate o Formant les opérateurs

En cas de tolérances "larges",

3<Cmc<4 rechercher un autre système de contrôle

Le moyen de mesure est

le quelle que soit la
 i

lt
Méthode R&R complète
-L
i
fft
'd^
"réoétabiliré - ."
;
i

Coefficient dr* :

Nombre d€ sous-groupes = Nombre de pièces i Nombre rl'opérat-urs

611 to !1 l{ >1q
I 21tr 1 211 1 )n6 toI .l8l I t-l l.l6i I l{50 147 Ilv 151
| 80i{ 1 769 I ?§O ?1q t.73t I 1.726 719 1 116 1 11â t.693
t§l trl JJ.I!
2.239 2 7 1)1 ,îso-Ttôi? 20R tM6 , î1< 7 ia1
z ) 4R1 ) 405 , 110 ,ïnI L14s 7 \46 7Ud 7 1À' 21À

R: 1?<
oopémtm =Ë =ô;= 0,706

Rç = X.o -X*,n

Orépétabilité
-2
Oreproductibilité = - oD&atdr' n.r

2))
Ginr**"n, = Oipétabiliré + Oieproauctiunite

IT
UmC =-Dispersion

rr
umc -_6.6rn.**"o,

Parr répérabilité

6i*ouiu'e
100x
§i.*r*,
Part reproductibilité

oL:oa,ctruirit
1gg *
6ir.*.*,