SPC F2021 Part2 2pp

INTRODUCTION À LA MAÎTRISE
STATISTIQUE DES PROCÉDÉS
Contrôle Q ualité/M SP 90 A.Berrado 2021
90
Méthodes statistiques pour le contrôle et l'amélioration de la qualité

• La Maîtrise Statistique des Procédés (MSP ou SPC)
– A travers les cartes de contrôle, ainsi que d'autres outils de résolution
de problèmes
– Utile pour la surveillance des processus
– Permettent de réduire la variabilité grâce à l'élimination des causes
assignables.
– Technique On-line
• Plans d'échantillonnage pour le contrôle de lots (Acceptance
sampling):
– Les Plans d'échantillonnage est l'inspection et la classification d'un
échantillon du produit sélectionné au hasard dans un lot afin de se
prononcer quand à l’acceptation ou pas du lot.
• La Planification d’expériences(Design of Experiments DOE):
• Consiste à découvrir les facteurs clés qui influencent la performance
des processus
– Optimisation des processus
– Technique Off-line
91
1
MSP: Historique
• Début aux USA dans les années 1920–1930

• Travaux de Walter A. Shewhart pour la Western Electric
Company
• S’est beaucoup développé au Japon après la 2ème
guerre mondiale
• Utilisé en Europe depuis les années 1970 seulement, et
aujourd’hui très utilisée dans toutes les grandes
entreprises . . .et beaucoup de petites.
92
La MSP ce n’est pas . . .
La MSP, ce n’est pas :

– la mise en place de cartes de contrôle
– la mesure de capabilité
qui n’en sont que les parties les plus visibles . . .
C’est plutôt
– une démarche permettant une amélioration permanente de la
qualité
– qui participe à la « philosophie » du progrès continu, visant à
atteindre le zéro défaut.
D’ailleurs, Shewhart a beaucoup travaillé avec Deming
93
2
Définition de la MSP
La MSP est une technique de pilotage des procédés

associant des outils statistiques et la manière de les
mettre en œuvre, qui a pour but :
– de maîtriser l’ensemble des facteurs composant un
processus pour en améliorer la performance
– d’améliorer la qualité du produit/service par la
suppression de toutes les causes assignables puis
par la réduction des causes aléatoires,
– de s’assurer que la qualité du produit/service est
conforme aux spécifications techniques, et que cette
qualité est reproductible dans le temps.
94
Les évolutions qu’apportent la MSP
La MSP va permettre de :
– prévenir les dysfonctionnements, améliorer la fiabilité
– mesurer les aptitudes des outils de production
– faciliter les réglages
– appréhender et diminuer les dérives
– réduire la variabilité et la stabiliser
– élever le niveau de qualité des produits/services
– diminuer les coûts de non-qualité (contrôles,
retouches, rebuts,. . .)
– motiver le personnel par son implication (auto-
contrôle)
– engager l’entreprise vers la « culture qualité »
95
3
Rappel: Types de variabilité
• Causes communes(non assignables): Non

contrôlables et souvent non identifiables
• Causes spéciales(assignables): Contrôlables

et identifiables
96
Types de variabilité: Causes communes Vs. Causes spéciales
97
4
Définitions: Processus Stable/Capable
Processus Stable:
• Un processus est stable si seulement des causes
communes sont en jeu dans le processus.
Processus Capable:
• La capabilité(capacité opérationnelle) d’un processus,
c’est la capacité inhérente d'un processus pour
répondre aux attentes du client, sans aucun effort
supplémentaire.
98
Les 4 états possibles d’un processus
Stable(sous contrôle)?
Capable? Oui Non
Oui IDEAL
Non
99
5
Les 4 états possibles d’un processus
• Etat stable et capable (ideal)

– produits conformes à 100%
– situation jamais acquise de manière permanente
– en profiter pour améliorer le processus
• Etat stable/non capable: Cas limite
– Améliorer le processus pour aller en 1
– Diminuer la dispersion ou revoir les limites de spécification
• Etat non stable/capable: Processus au bord du chaos
– produits conformes à 100% mais état de courte durée
– processus instable et tout peut arriver
– il faut trouver les causes assignables (spéciales)
– et stabiliser le processus
• Etat non stable/non capable: Situation chaotique
– Il faut faire des améliorations importantes pour stabiliser
100
Objectifs de la Maitrise Statistiques des Processus (MSP)
• Le suivi du processus à l’aide d’une carte de

contrôle selon les principes développés par
Shewhart est le seul moyen pour évaluer sa
stabilité.
• La capabilité (capacité opérationnelle) d’un
processus à répondre aux exigences clients
s’applique seulement si le processus est stable
101
6
Objectifs de la Maitrise Statistiques des Processus (MSP)
1. Vérifier si les variations produites par un processus

sont dues à des causes:
• Non contrôlables et souvent non identifiables (processus
sous-contrôle).
• Contrôlables et identifiables (processus hors-contrôle)
2. Vérifier si le processus, peut respecter les tolérances
établies:
• La capacité opérationnelle(capabilité) d’un procédé est
son aptitude à respecter les tolérances établies pour un
produit spécifique
This is a special cause!!

102
Chapitre 2: Construction des cartes de contrôle

et études de capacité opérationnelle
• Cartes de Contrôle et Tests d‘Hypothèses
• Construction des Cartes de contrôle
– Taille d’échantillon et fréquence d’échantillonnage
– Sous groupes rationnels
– Interpréter une carte de contrôle
– Types de cartes de contrôle
• Cartes pour variables
• Cartes pour attributs
• Calcul de Capabilité ou capacité opérationnelle de
processus
103
7
Cartes de Contrôle et Tests
d‘Hypothèses
104
Logique des cartes de contrôle
• Il s’agit de s’assurer que le procédé reste dans les conditions dans

lesquels on le considère maîtrisé
• en vérifiant, grâce à un échantillon prélevé à intervalle régulier :
– que la dispersion n’a pas changé (via l’estimateur de l’écart type
s ou l’étendue R)
– que la moyenne ne s’est pas déplacée
• c’est le rôle de LA CARTE DE CONTRÔLE aux mesures la plus
utilisée : la carte de SHEWHART moyenne / étendue (Xbar/R) ou
moyenne / écart type (Xbar,S)
105
8
Composantes d’une carte de contrôle
Une carte de contrôle classique a des limites de contrôle fixées à des

valeurs telles que, si le processus est sous contrôle, presque tous les
points seront situés entre la limite supérieure de contrôle (UCL) et la
limite inférieure de contrôle (LCL).
Control Chart of Recycle

60 1
UCL=55.24
Cause Spéciale 50
Variation Détectée
40
Individual Value
30
_ Centre de processus
X=29.06
(généralement la
20 moyenne)
Limites de
Contrôle
10
LCL=2.87
0
1 4 7 10 13 16 19 22 25 28
Observation
106
Inférence statistique pour un seul échantillon
Une hypothèse statistique est une déclaration

sur les valeurs de paramètre d'une loi de
probabilité.
107
9
Exemple: Un constructeur automobile affirme

qu’une voiture particulière a une consommation
moyenne de 5 % (autoroute).
– Supposons que nous voulons tester cette affirmation.
Nous prélèverons une échantillon de 25 de ces
voitures et dans des conditions identiques nous
calculons la consommation moyenne pour cet
échantillon.
– Avant de collecter effectivement les données, nous
décidons que si nous obtenons une moyenne de
l'échantillon de moins de 4% ou de 6%, nous
rejetterons l’affirmation du fabricant. (Valeurs
critiques)
108
Exemple(suite):
5
5
A partir de l’échantillon, vous

trouver une moyenne égale à
3.9%. Quelle est votre
conclusion?
4 5 6
109
10
Choix des valeurs critiques

• Comment sont choisies les valeurs critiques?
• Ne serait-il pas plus facile de décider "quelle est la
marge d'erreur qu’on tolère" au lieu de trouver des
valeurs critiques précises pour chaque problème traité?
OU
• ne serait il pas plus facile de définir la taille de la région
de rejet, plutôt que de fixer les valeurs critiques pour
chaque problème?
110
Probabilité d'obtenir une statistique de l'échantillon au-delà

des valeurs critiques
La somme des
deux
zones(aires) est
égale à la taille
de la région de
rejet (marge de
l’erreur) dans le
processus de
prise de décision
111
11
Définissez la taille de la région de rejet (ou «marge

d'erreur»), plutôt que de définir les valeurs critiques
pour chaque problème!
112

Appelons cette région α
113
12
• Le seuil de signification α détermine la taille de la zone de

rejet.
• Le niveau de signification est une probabilité. Il est
également connu par la probabilité d'une "erreur de type I"
(On veut que ca soit petit)
• Erreur de type I - rejeter l'hypothèse nulle quand elle est
vraie.
• Quelle valeur pour α? Habituellement on veut un α
inférieur à 0,10
114

Types de risques:
• Risque de première espèce (« risque fournisseur »)
– rejeter l'hypothèse nulle quand elle est vraie.
– Pr(Erreur Type I) = α.
– Conclure à une différence alors qu’il n’y en a pas
• Risque de deuxième espèce (« risque client »)
– ne pas rejeter l'hypothèse nulle quand elle est fausse.
– Pr(Erreur Type II) = β.
– Ne pas conclure à une différence alors qu’il y en a
115
13
• Que faire si la moyenne réelle est μ1?
Probabilité
de ne pas
rejeter
l'hypothèse
nulle quand
elle est
fausse.
Risque .
116
Que faire si la moyenne réelle est µ2

>µ1? Probabilité de ne
pas rejeter
l'hypothèse nulle
devient plus
petite quand la
différence des
moyenne
augmente.
Risque devient
plus petit.
117
14
Ainsi, afin d'éviter de prendre une telle décision

erronée (ne pas rejeter quand il le faut), nous
pouvons espérer une grande différence dans les
moyennes. Ou ...
118
Et si nous changeons les valeurs critiques?
Risque β
plus petit
119
15
• Ainsi, si nous poussons les valeurs critiques

vers la moyenne, nous obtenons une meilleure
probabilité de rejeter l'hypothèse nulle quand il
le faut. Autrement dit, moins de probabilité de
faire une erreur (petite valeur de β).
• Qu'advient à l'autre erreur (α) si?
120
Et si nous changeons les valeurs critiques?
Risque α
plus grand
121
16
à Malheureusement, nous ne
pouvons pas réduire les deux
erreurs en même temps!
122
• Quelle erreur devrions-nous essayer de réduire?

Un moteur explose
H0: un moteur d'automobile explose au
démarrage.
H1: un moteur d'automobile n'a pas exploser
lors de
démarré.
• Quelle erreur devriez vous prendre des mesures
pour éviter?
• Lequel des deux risques a le plus d’impact, le
risque producteur ou celui du consommateur?
123
17
Définition: Puissance d'un test

• La puissance d'un test d'hypothèse est donnée
par : 1 – β
• Autrement dit, 1 - β est la probabilité de rejeter

l'hypothèse nulle correctement, ou la
probabilité de rejeter l'hypothèse nulle quand
l'alternative est vraie.
124
La relation entre β, α est définie comme suit:
Avec δ est la différence entre µ1 et µ0, n la

taille de l’échantillon et σ l’écart type de la
variable observée (CTQ).
125
18
Courbes d'efficacité d’un test d’hypothèse
(Operating Characteristic (OC) Curves)
• Les courbes d'efficacité sont utiles pour déterminer la taille
d’échantillon nécessaire pour détecter une différence spécifiée avec
une probabilité donnée.
126
Relation entre les tests d’hypothèses et les cartes

de contrôle
•Supposons que pour un processus donné,

la moyenne d’une CTQ est de = 74 et
l’écart type est de σ =0.01.
•Des échantillons de taille 5 sont prélevés,
ce qui donne une erreur type (écart type
de la distribution des moyennes) de
0.0045.
127
19
de contrôle
•Les limites de contrôle de la moyenne

peuvent être placées à une distance de
trois erreurs type de la moyenne.
•Cela donne des limites de contrôle à 3
.
128

de contrôle
•Choisir des limites de contrôle à 3

erreurs types est équivalent au choix de
la zone critique pour un test
d’hypothèses avec un seuil de
signification égale à 0.0027.
74
74
129
20
Anatomie de carte de contrôle
Cause
spéciale de Un Run Chart
Variation est des données
Processus est
« hors
Contrôle"
Limite de
contrôle
supérieure
+/- 3 sigma
Variation
naturelles
processus et
sous contrôle
Limite de
contrôle
inférieure
Mean
Cause
spéciale de
Variation est
Processus est
« hors Séquence du processus / Échelle de temps
Contrôle"
130
Sous contrôle/hors de contrôle
Valeur
aberrante
3
2
1
99.7%
95%
68%
-1
-2
-3
Valeur
aberrante
131
21
Comprendre la puissance de la MSP
•Les cartes de contrôle indiquent quand un processus est «hors de
contrôle» ou présentant des variations due à une/des causes
spéciales, mais n’indiquent pas pourquoi!
•Les cartes de contrôle incluent des limites de contrôle supérieure
et inférieure.
•Les limites sont généralement à +/- 3 s à partir de la ligne
centrale..
– Ces limites représentent 99,73% de la variabilité naturelle
des distributions normales..
•Les cartes de contrôle permettent de maintenir la performance

des processus.
132
Comprendre la puissance de la MSP

•Les cartes MSP peuvent être appliquées à tous les processus.
–Les services, les manufactures, etc.
–Il faut faire attention lors de l'utilisation de la MSP pour les
processus suivants des lois non-normales
•Les limites de contrôle décrivent la variabilité des processus et
n’ont aucun rapport avec les spécifications du client. (La voix
du processus Vs. la voix du client)
– Une situation indésirable est d'avoir des limites de contrôle
plus large que les limites des spécifications du client.
•De nombreuses cartes de contrôle existent et le choix doit être
approprié pour que leur utilisation soit efficace.
133
22
CONSTRUCTION DES CARTES DE
CONTRÔLE
134
Exemple de carte de contrôle (Xbar, R)
135
23
Eléments pour la conception et la construction des
cartes de contrôle
• Taille d’échantillon et fréquence d’échantillonnage

• Sous groupes rationnels
• Interpréter une carte de contrôle
• Types de cartes de contrôle
– Cartes pour variables
– Cartes pour attributs
136
TAILLE D’ÉCHANTILLON ET
FRÉQUENCE
D’ÉCHANTILLONNAGE
137
24
Vue d'ensemble de la MSP: La collecte de données
Population:
– Un groupe d'objets qui ont été faits ou seront fait contenant
une caractéristique d'intérêt.
Échantillon:
– Un échantillon est un sous-ensemble de la population d'intérêt
– Un groupe d'objets réellement mesuré dans une étude
statistique
– Les échantillons sont utilisés pour estimer les vrais paramètres
de la population
Population
Échantillon
Échantillon
Échantillon
138
Taille de l’échantillon
• La Taille de l’échantillon (sous-groupe) est choisie afin de permettre la détection
des dérives du processus due à des causes spéciales
• Les tailles typiques des sous-groupes sont entre 3-12 pour les données variables:
– En cas de difficulté de recueillir des échantillons ou dû aux coûts, n, est plus
petit.
– 3, 5, et 10 sont les tailles de sous-groupes les plus fréquentes en raison de la
facilité de calcul lorsque la MSP se fait sans ordinateurs.
Lot 1 Lot 5
Lot 3
Lot 2
Lot 4
Etudes court terme
Etudes long terme
139
25
Efficacité des cartes de contrôle: les 2 risques décisionnels
• Risque de première espèce (« risque fournisseur »)

– conclure à un déréglage alors qu’il n’y en a pas
– moyenne du prélèvement en dehors des limites bien
que la production soit centrée sur l’objectif
• Risque de deuxième espèce (« risque client »)

– ne pas détecter un déréglage alors qu’il y en a un
– moyenne du prélèvement entre les limites bien que la
production soit décalée par rapport à l’objectif
140
Le risque de deuxième espèce d’une carte de contrôle
• Hypothèse : La production est décalée de l’objectif
• La probabilité que la moyenne d’un prélèvement soit entre les

limites de contrôle dépend de l’importance du décalage
141
26
Le risque de deuxième espèce d’une carte de contrôle
• Hypothèse : La production est décalée de l’objectif
• La probabilité que la moyenne d’un prélèvement soit entre les

limites de contrôle dépend de la taille des échantillons n
142
Probabilité de ne pas détecter un décalage de k σ
Avec L =3 (les limites des cartes de contrôle sont située à

3 σ de la moyenne)
Exemple: Pour un décalage de la moyenne de 2.0 et une

taille d’échantillon n = 5,
= 0.0708
143
27
Probabilité de ne pas détecter un décalage de k σ
144
Période Opérationnelle Moyenne (POM ) d’une carte

de contrôle
POM : Période Opérationnelle Moyenne: Nombre moyen
de prélèvements nécessaire pour détecter un décalage
donné
• Si un évènement a une probabilité p de se produire, il
faudra en moyenne 1/ p essais pour qu’il se produise.
• Si β est la probabilité de ne pas détecter un décalage,
alors (1 - β ) est la probabilité de détecter ce décalage,
donc la POM est de 1/(1 - β)
• Exemples pour un décalage de 2 écarts-type (d = 2 sur
le graphique)
145
28
Période Opérationnelle Moyenne (POM ) d’une carte
de contrôle
Cas spécial: Période Opérationnelle Moyenne de fausse alarme:
POM0
• C’est le nombre moyen de prélèvements nécessaire pour
déclencher une fausse alerte.
• Si un évènement a une probabilité p de se produire, il faudra en
moyenne 1/ p essais pour qu’il se produise.
• La probabilité d’une fausse alerte correspond au risque de première
espèce α. Pour les cartes de contrôle de Shewhart, α= 0.27%.
• POM0=1/0.27%=370
• Cela signifie qu'en l'absence de déréglage de la moyenne, il faut
placer en moyenne 370 points successifs sur la carte de la moyenne
avant qu'apparaisse un point hors des limites,
146
Fréquence d'échantillonnage
La fréquence d'échantillonnage est un équilibre entre le coût
de l'échantillonnage et des essais par rapport au coût de ne
pas détecter des changements dans la moyenne ou la
variance.
Votre connaissance du processus est un élément d’entrée pour

décider de la fréquence d’échantillonnages une fois la taille
des sous-groupes a été décidée.
– Si un processus dévie de l’état normal mais ne peut pas
être détecté en raison d'échantillonnage trop rares, le
client subit les conséquences
– Si le choix est donné entre des sous-groupes plus grand
et moins fréquents ou de petits sous-groupes plus
fréquents, la plupart choisissent d'obtenir des
informations plus fréquemment..
– Dans certains processus automatisés, l'échantillonnage et
les tests fréquents sont possibles.
147
29
•L’intervalle entre 2 contrôles sera exprimé en quantité

fabriquée (pas en unité de temps. . .)
•Il doit être suffisamment petit pour être sûr qu’aucun

évènement ne passe inaperçu.
•Il sera prudent de commencer avec une fréquence

élevée, puis la diminuer après avoir constaté que tout se
passe bien.
•Une règle de base stipule également que

«l'échantillonnage d'un processus doit être au moins 10X
plus fréquent que la fréquence des conditions « hors de
contrôle ».
148
Un échantillonnage moins fréquent ne permettra pas la détection
des changements dans le processus dû à des causes spéciales.
I Chart of Sample_3
Output 7.5
UCL=7.385
All possible samples 7.0

7.5
7
Individual Value
6.5
_
6.5 6.0
X=6.1
6
5.5 5.5
5 5.0
Sample every half hour LCL=4.815
1 7 13 19 25 31 37
1 2 3 4 5 6 7 8 9 10 11 12 13
Observation
I Chart of Sample_6 I Chart of Sample_12

6.6
UCL=8.168 UCL=6.559
8
6.4
6.2
7
Individual Value
Individual Value
6.0
_ _
X=6.129 X=5.85
6 5.8
5.6
5
Sample every hour 5.4 Sample 4x per shift
5.2
LCL=5.141
4 LCL=4.090
5.0
1 2 3 4 5 6 7 1 2 3 4
Observation Observation
149
30
La durée opérationnelle moyenne (ATS ) d’une carte de
contrôle
• Si le contrôle est effectué à des intervalles fixes (toutes les h

heures) alors on peut définir la durée opérationnelle moyenne (ATS)
comme étant la durée moyenne nécessaire pour détecter un
décalage donné.
ATS= h POM
Exemple:
• Supposons que la moyenne d’un processus connaît une dérive de
1.5 σ. Si la taille de l’échantillon utilisée est de n=5 alors
àβ=0.35 à 1- β,=0.65 à POM= 1/0.65= 1.54
• La carte de contrôle va nécessiter 1.54 échantillons pour détecter
cette dérive de la moyenne.
• Si on prélève un échantillon par heure alors le temps moyen pour
détecter la derive de la moyenne du processus est de:
ATS= ARL*h = 1.54 hours
150
Comment réduire ATS?
• Augmenter la fréquence d’échantillonnage

Exemple (suite):
• En supposant que nous prenons un échantillon (n = 5) toutes les 45
min, alors ATS deviens:
ATS = POM * h = 1,15 heures
• Augmenter la taille de l’échantillon:

Exemple (suite):
• Supposons que nous prenons des échantillons de taille n = 10.
àβ=0,1 à1-β=0.9 àPOM= 1/0.9 = 1.11
• En supposant que nous prenons un échantillon (n = 10) toutes les
heures alors :
ATS = ARL * h = 1,11 heures
151
31
SOUS GROUPES
RATIONNELS
152
Former des sous-groupes rationnels
• Une caractéristique fondamentale de toute carte de contrôle est

l'utilisation de sous-groupes rationnels pour l’organisation des
données.
• La variabilité interne (intra) de chaque groupe est employée pour
déterminer les limites de contrôle ou pour vérifier la stabilité à court
terme.
• La stabilité à long terme est évaluée avec les changements entre les
groupes (inter groupe).
• La variabilité à l'intérieur d'un groupe rationnel (intra groupe) doit
s'expliquer seulement par des causes communes non assignables.
• La variabilité inter groupe doit s'expliquer par des causes spéciales
assignables dont la présence est importante à détecter si elles sont
présentes.
153
32
• Très souvent, le temps est la base pour la formation des
groupes rationnels.
• Toutefois, les groups rationnels peuvent être formés
autrement :
– une condition commune (par exemple, un opérateur),
– plusieurs mesures reliées à la position sur une pièce,
– un lot
• C’est la variation intra groupe qui sert à définir les limites
de variation qui doit exister entre les groupes.
• Une carte pose la question : compte tenu de la variabilité
à l’intérieur de chaque groupe, y a t-il des différences
entre les groupes ?
• C’est donc la variation intra groupe qui déterminera la
sensibilité de la carte.
154
Sources de Variation
- Variation naturelle du - Variation naturelle du -Variation naturelle du processus
processus tel que défini processus
-Différents opérateurs
par la sélection de sous- - Différents opérateurs
groupe - Différents fournisseurs
-UCL
-LCL
Si vous basez vos limites sur les trois sources de variation, Qu’est ce qui va
déclencher l'alarme en cas de dérive du processus?
155
33
• Généralement, il y a une façon naturelle de définir les

sous-groupes rationnels.
• Dans d’autre cas, il peut y avoir plusieurs possibilités
pour la formation des sous groupes.
• On doit considérer les sources de variation qui peuvent
affecter la variable de mesure. Ensuite, on définit les
sous groupes rationnels en conséquence.
• On doit être capable d’exprimer, en mots, quelles
sources de variation sont présentes entre les sous
groupes rationnels et quelles sources de variation sont
présentes à l’intérieur de chaque sous groupe rationnel.
156

• Principe 1 : ne jamais former intentionnellement des sous groupes avec des
données que l’on sait ou soupçonne d’être hétérogènes ; chaque sous groupe doit
être logiquement homogène.
• Principe 2 : minimiser la variation à l’intérieur de chaque sous groupe ; cela
augmente la sensibilité de la carte à détecter la présence de signaux.
• Principe 3 : maximiser l’opportunité de détecter des variations entre les sous
groupes.
• Principe 4 : les moyennes sont calculées sur le « bruit », pas sur les « signaux ».
• Principe 5 : traiter la carte avec l’usage que l’on fait des données ; la cadence
d’échantillonnage doit refléter ce qui est approprié pour le processus ; avec une
quantité limitée de données (tests, expériences, essais de qualification), il est
désirable d’examiner les valeurs individuelles car elles peuvent révéler des
phénomènes qui pourraient s’obscurcir par le regroupement.
• Principe 6 : établir des spécifications claires (définitions opérationnelles) pour
l’échantillonnage ; l’échantillonnage périodique est souvent employé; il est préférable
de prendre de « petits » échantillons (3 à 5 pièces) plus souvent que de « grands »
échantillons (plus de 10 pièces) moins souvent.
157
34
• Deux approches générales pour construire des sous-groupes

rationnels:
1. Approche 1: L'échantillon est composé d'unités produites
en même temps à unités consécutives:
• Objectif principal est de détecter les changements de
processus
2. Approche 2: L'échantillon est composé d'unités qui sont
représentatives de toutes les unités produites depuis le
dernier prélèvement .à Echantillon aléatoire de toutes les
sorties de processus sur l'intervalle d'échantillonnage
– Souvent utilisé pour prendre des décisions au sujet de
l'acceptation de produit
– Efficace pour détecter des dérives de l'état hors-
contrôle et le retour dans l'état sous le contrôle entre
deux prélèvement successifs.
158
Approche 1: Approche 2:
159
35
INTERPRÉTATION ET
LECTURE DES CARTES DE
CONTRÔLE
160
Détection des causes assignables ou des tendances sur des cartes de contrôle
• Point(s) extrême(s)
• Un point à l’extérieur des limites de contrôle
• Deux points consécutifs situés très près d’une même limite
de contrôle
• Symétrie
• Beaucoup plus de points d’un côté que de l’autre de l’axe
central
• Majorité des points non regroupés autour de l’axe central
(environ 65% des points devrait être dans le premier tiers
autour de l’axe central)
• Sept points consécutifs ou plus du même côté de l’axe
central
• Indice d’un phénomène non aléatoire
• Alignements de six ou sept points en hausse ou en baisse
continue
• Présence d’un cycle visible
161
36
• Carte d’un procédé sous-contrôle
LSC
La majorité des points sont centrés LIC

sur la moyenne (près de l’axe central)
162
• Carte d’un procédé hors-contrôle
LSC
La majorité des points ne sont pas LIC

centrés sur la moyenne
163
37
• Carte d’un procédé hors-contrôle
LSC
LIC
7 points consécutifs du même côté;
signifie qu’il y a symétrie
164
• Carte hors-contrôle
LSC
LIC
Présence de tendance sur
une longue série de points
165
38
• Carte hors-contrôle
LSC
LIC
Présence de cycle
166
TYPES DE CARTE DE
CONTRÔLE
167
39
Types de carte de contrôle
• Contrôle par mesures quand les CTQ sont des grandeurs

mesurables.
– Carte (Xbar, R) avec Xbar moyenne et R étendue
– Carte (Xbar, S) avec Xbar moyenne et S écart-type
– Carte (X, MR) avec MR étendue mobile
– …
• Contrôle par attributs quand les CTQ sont évaluées par des valeurs
discrètes.
– Carte np : Nombre de produits non-conformes
– Carte p : Proportion des produits non-conformes
– Carte c : Nombre de non-conformités
– Carte u : Nombre de non-conformités par unité
– …
168
Processus de sélection de cartes MSP

Choix de carte de
contrôle
ATTRIBUTS type CONTINUES

de données
Taille
type de sous
d’attribut groupe
DÉFAUTS DÉFECTUEUX
Taille 1 2-5 10+

D’échantillon
type type of
of défaut subgroups
I – MR X–R X–S
Chart Chart Chart
CONSTANT VARIABLE CONSTANT VARIABLE
Individus & Moyenne & Moyenne &
Etendue Etendue Ecart type
modile
Carte CAS
Carte C Carte U Carte P
NP PARTICULIERS
Nombre de Nombre de Nombre de Proportion

non- non- cas non- de cas non- Carte
Carte
conformités conformités conformes conformes EWMA
CumSum
Par unite
Somme Exponentially
cumulée Weighted Moving
Average
169
40
Cartes (Xbar-R )et les cartes (Xbar, S)
Si chacune de vos observations se compose d'un sous-groupe de données, plutôt
que de simples mesures individuelles, la paire de cartes moyenne(Xbar), étendue(R
) ou Xbar-R offre une plus grande sensibilité au causes spéciales de variabilité.
L’incapacité de former des sous-groupes rationnels correctement rendra vos cartes
Xbar-R dangereusement erronées.
Xbar-R Chart
U C L=225.76
225
Sample Mean
222 _
_
X=221.13
219
LC L=216.50
216
1 3 5 7 9 11 13 15 17 19 21 23
Sample
U C L=16.97
16
Sample Range
12
_
8 R=8.03
0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23
Sample
170
Calcul de la ligne centrale et des limites de contrôle: (Xbar, R)
Calculer les paramètres des cartes de contrôle Xbar et R comme suit:
Center Line Control

k
Limits
åR
k
åx i i UCL x = X + A 2 R UCL R = D 4 R
X= i =1
R = i
LCL x = X - A 2 R LCL R = D 3 R
k k
Avec:
Xi : moyenne des moyennes des sous-groupes, il devient la ligne centrale de la carte
de contrôle
Xi: moyenne de chaque sous-groupe
k: Nombre de sous-groupes
Ri : Etendue de chaque sous-groupe
Rbar: Etendue moyenne
UCLX : Limite supérieure de contrôle sur la carte Xbar
LCLX : Limite inférieure de contrôle sur la carte Xbar
UCLR: Limite supérieure de contrôle sur la carte étendue
LCLR : Limite inférieure de contrôle sur la carte étendue
A2 , D3 , D4: Constantes qui varient en fonction de la taille de l'échantillon
171
41
Paramètres des cartes de contrôle
172
Construction des cartes de contrôle :

Exemple (Xbar, R)
Calcul de la moyenne et de
l’étendue
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Ob.1 5 6 7 3 3 6 2 5 3 9 7 4 3 8 6 2 6 8 2 2
Ob. 2 6 5 5 7 5 5 6 6 3 3 5 6 6 9 5 4 7 4 5 5
Ob. 3 8 6 5 2 9 6 7 7 5 5 7 4 6 8 7 4 6 6 6 6
Ob. 4 5 8 6 5 8 4 3 5 7 6 2 6 8 6 7 7 4 5 6 6
Ob. 5 6 4 3 6 4 5 6 4 4 5 6 7 6 4 3 5 4 7 3 5
X 6,0 5,8 5,2 4,6 5,8 5,2 4,8 5,4 4,4 5,6 5,4 5,4 5,8 7,0 5,6 4,4 5,4 6,0 4,4 4,8
R 3 4 4 5 6 2 5 3 4 6 5 3 5 5 4 5 3 4 4 4
173
42
Construction des cartes de contrôle
Exemple (Xbar, R)
Calculer la moyenne des moyennes ( X ) et la moyenne
des étendues ( R ) X = 5,35 R = 4.2
Ces deux paramètres serviront à déterminer les limites de

ce qu’on considère comme la variation normale de la
distribution des moyennes et des étendues.
Pour la carte des moyennes :
LSC X = X + ( A2 ´ R) LIC X = X - ( A2 ´ R)
LSC = 5,35 + (0,577 X 4,2) LIC = 5,35 - (0,577 X 4,2)
LSC = 7,77 LIC = 2,93
L’axe central de la carte sera la moyenne des moyennes ( X )

174
Construction des cartes de contrôle

Exemple (Xbar, R)
Pour la carte des étendues :
LSCR = D4 ´ R LICR = D3 ´ R
LSC = 2,115 ´ 4,2 LIC = 0 ´ 4,2

LSC = 8,88 LIC = 0
Il est maintenant possible de tracer les deux cartes

(carte des moyennes et carte des étendues)
175
43
Carte moyennes
9.00
8.00
7.00
6.00
5.00
4.00
3.00
2.00
1.00
-
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Moyenne LIC LSC ligne centrale
176
Carte étendues
10.00
9.00
8.00
7.00
6.00
5.00
4.00
3.00
2.00
1.00
-
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Étendues LIC LSC Ligne centrale

177
44
Calcul de la ligne centrale et des limites de contrôle: (Xbar, S)
Calculer les paramètres des cartes de contrôle Xbar et S comme suit:
Center Line Control Limits

k k
åx i ås i UCL x = X + A 3 S UCLS = B4 S
X= i =1
S= i =1
k k LCL x = X - A 3 S LCLS = B3 S
Avec:
Xi : moyenne des moyennes des sous-groupes, il devient la ligne centrale de la carte
de contrôle
Xi: moyenne de chaque sous-groupe
k: Nombre de sous-groupes
si : Ecart type de chaque sous groupe
Sbar: Ecart type moyen
UCLX : Limite supérieure de contrôle sur la carte Xbar
LCLX : Limite inférieure de contrôle sur la carte Xbar
UCLS: Limite supérieure de contrôle sur la carte S
LCLS : Limite inférieure de contrôle sur la carte S
A3 , B3 , B4: Constantes qui varient en fonction de la taille de l'échantillon
178
Cartes I-MR
• La paire de cartes I-MR ou (X,MR) combine une carte de contrôle de la étendue

mobile (MR) avec la carte des valeurs individuelles (I ou X).
• Vous pouvez utiliser ces cartes pour suivre le processus et détecter la présence
de causes spéciales lorsque la taille de l'échantillon est de 1.
• L’utilisation des deux cartes en même temps vous permet de suivre à la fois la
tendance centrale du processus et la variation du processus, pour assurer une
plus grande sensibilité qui permet de détecter la présence de causes spéciales.
I-MR Chart
U C L=226.12
225.0
Individual Value
222.5
_
220.0 X=219.89
217.5
215.0
LC L=213.67
1 13 25 37 49 61 73 85 97 109
O bser v ation
8
U C L=7.649
6
Moving Range
4
__
M R=2.341
2
0 LC L=0
1 13 25 37 49 61 73 85 97 109
O bser v ation
179
45
Calcul de la ligne centrale et des limites de contrôle: I, MR
Calculer les paramètres des cartes de contrôle X et MR comme suit:
Center Line Control

k
Limits
åR 3M R
k
åx i i UCL x = X + UCL MR = D 4 MR
X= i =1 MR = i d2
k k 3MR LCL MR = D 3 MR
LCL x = X -
Avec: d2
Xbar: Moyenne des valeurs individuelles, devient la ligne centrale sur le
diagramme de personnes
Xi: points de données individuels
k: Nombre de points de données individuels
Ri : Moyenne mobile entre les Xi, généralement calculée selon la différence
entre chaque paire successive de lectures
MRbar: L’étendue mobile moyenne
UCLX: Limite supérieure de contrôle sur la carte X
LCLX: Limite inférieure de contrôle sur la carte X
UCLMR: Limite supérieure de contrôle sur la carte MR
LCLMR : Limite inférieure de contrôle sur la carte MR
d2, D3, D4: Constantes qui varient en fonction de la taille de l'échantillon utilisé pour obtenir la
moyenne mobile
180
Cartes P et cartes NP
•Les cartes NP et P sont pour le suivi de produits défectueux.
•Une carte P peut faire tout ce qu'une carte NP peut faire, donc nous allons
simplement traiter la carte P!
•Utilisée pour le suivi des défectueux - l'article est bon ou mauvais, réussir
ou échouer, accepter ou rejeter.
•La ligne centrale est la proportion de "rebuts" et représente aussi la
capacité du processus.
•Les inputs d’une carte P est une série de nombres entiers -nombre de rejets
et de défectueux. En outre, vous devez fournir la taille de l'échantillon..
P Chart of Errors
0.30
UCL=0.2802
0.25
Proportion
_
0.20 P=0.2038
0.15
LCL=0.1274
1 3 5 7 9 11 13 15 17 19
Sample
181
46
Calcul de la ligne centrale et des limites de contrôle: carte P
Calculer les paramètres de la carte de contrôle P comme suit :
Center Line Control

Limits
Nombre de defectueux p (1 - p )
p= UCL p = p + 3
Nombre total inspecte ni
p (1 - p )
LCL p = p - 3
Avec: ni
p: Proportion moyenne de défectueux (0.0 – 1.0)
ni: Nombre inspectés dans chaque sous-groupe
LCLp : Limite supérieure de contrôle sur la carte P
UCLp : Limite inférieure de contrôle sur la carte P
Étant donné que les limites de contrôle sont fonction de la taille

de l'échantillon, elles varient pour chaque échantillon.
182
Exemple : MSP pour attribut
Problème pratique: : Un projet a été lancé pour réduire les corrections des
chèques de paie à moins de 25%. Le processus s’est amelioré, mais on a
décidé de mettre en œuvre la MSP pour préserver les acquis et suivre le % de
chèques de paie défectueux.
– En examinant l'ensemble des données, nous trouvons 20 semaines de
données. Avec 250 observations par semaine.
– La taille de l'échantillon est constante à 250.
– Le nombre de défectueux par semaine est observé.
• Sélectionnez la carte de contrôle appropriée et les tests à employer

• Calculer la ligne centrale et limites de contrôle sachant que le pourcentage de
chèques de paie défectueux hebdomadaire moyen est de: 20,38%
Paycheck2.mtw
183
47
Exemple : MSP pour attribut(suite)
Aucune cause spéciale n’a été détectée. Les chèques de paie étaient
défectueux avec une moyenne de 20,38%. L'UCL était de 28,0% et
la LCL de 12,7%.
P Chart of Empl_w_Errors
0.30
UCL=0.2802
0.25
Proportion
_
0.20 P=0.2038
0.15
LCL=0.1274
1 3 5 7 9 11 13 15 17 19
Sample
Maintenant il faut voir si les prochaines semaines montrent une cause

spéciale à partir des résultats.
184
Exemple : MSP pour attribut(suite)

En raison de la cause spéciale, le processus doit se référer
au plan d'action hors contrôle(OCAP) pour indiquer
quelles causes racines doivent être étudiées et quelles
mesures sont prises pour remettre le processus sous
contrôle.
P Chart of Empl_w_Errors
1
0.30
UCL=0.2802
0.25
Proportion
_
0.20 P=0.2038
0.15
LCL=0.1274
1 3 5 7 9 11 13 15 17 19 21 23
Sample
185
48
Calcul de la ligne centrale et des limites de contrôle:
Carte NP
Calculer les paramètres de la carte de contrôle nP comme suit :
Center Line Control

Limits
Nombre de defectueux UCL np = n i p + 3 ni p (1 - p )
np =
Nombre de sous groupes
Avec: LCL np = n i p - 3 n i p(1 - p)
np: nombre d'éléments défectueux moyens par
sous-groupe
LCLnp: Limite inférieure contrôle de la carte nP
UCLnp: Limite supérieure de contrôle de la carte nP

186
Vue d'ensemble de la MSP: Cartes U

•Les cartes C et les cartes U sont pour le suivi des défauts.
•Une carte U peut faire tout ce qu'une carte C peut faire, donc nous allons
simplement traiter la carte U. Cette carte compte et suit les erreurs (défauts). Une
"zone de recherche" peut avoir plus d'un défaut ou d'une erreur.
•Une zone de recherche (unité) peut être pratiquement tout ce qu'on veut définir.
Nous pouvons chercher des erreurs typographiques par page ou le nombre de
taches de peinture sur une porte de camion ou le nombre de briques qu'un maçon
fait tomber dans une journée de travail.
•Vous fournissez le nombre de défauts sur chacune des unités inspectées.
U Chart of Defects
0.14 1
1
UCL=0.1241
0.12
Sample Count Per Unit
0.10
0.08
0.06 _
U=0.0546
0.04
0.02
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
187
49
carte C
Calculer les paramètres de la carte de contrôle C comme suit :
Center Line Control

Limits
Nombre de defauts UCL c = c + 3 c
c=
Nombre de sous - groupes
LCLc = c - 3 c
Avec:
c: Nombre total de défauts, divisé par le nombre total des sous-groupes.

LCLc: Limite inférieure de contrôle de la carte C.
UCLc: Limite supérieure de contrôle de la carte C.
188

carte U
Calculer les paramètres de la carte de contrôle U comme suit :
Center Control
Line Limits u
u=
Nombre de defauts identifies UCL u = u + 3
Nombre d' unites inspectees ni
u
Avec: LCL u = u - 3
ni
u: Nombre total de défauts, divisé par le nombre total d'unités
inspectées..
LCLu: Limite inférieure contrôle de la carte U.
UCLu: Limite supérieure de contrôle de la carte U.

189
50
cartes EWMA
Calculer les paramètres de la carte de contrôle EWMA comme suit:
Center Line Control

σLimits
λ
Z t = λ X t + (1 - λ) Z t -1 UCL = X + 3 ( )[1 - (1 - λ) 2t ]
n 2-λ
σ λ
LCL = X - 3 ( )[1 - (1 - λ) 2t ]
Avec: n 2-λ
Zt : Statistique EWMA tracées sur la carte de contrôle à l'instant t
Zt-1: Statistique EWMA tracées sur la carte de contrôle à l'instant t-1
l: Le facteur de pondération compris entre 0 et 1
s: écart-type des données historiques (écart-type commun pour les sous-groupes -
MRbar/d2 pour les observations individuelles)
Xt: point de données Individuel ou moyennes de l'échantillon à l'instant t
UCL: Limite supérieure de contrôle sur la carte EWMA
LCL: Limite inférieure de contrôle sur la carte EWMA
n: taille de l'échantillon
190

cartes CUSUM
Calculer les paramètres des cartes de contrôle des sommes cumulées
(CUSUM) a l’aide d’un logiciel car les calculs sont encore plus
compliqués que les cartes EWMA.
En raison de cette complexité des formules, l'exécution du CUSUM

ou de l'EWMA ne sont pas faites sans l'automatisation et l'assistance
informatique.
Ah, anybody got a laptop?
191
51
Réagir à des situations hors contrôle
• La MSP ne s’arrête pas à la construction de la ligne centrale et des limites

de contrôle.
• La puissance de la MSP est de réagir à la situation hors de contrôle (OOC)
à l’aide des plans d'action contrôle (OCAP) pour le processus concerné.
Ces actions sont vos actions correctives pour remédier à la sortie ou les
entrées pour obtenir de bonnes conditions.
Individual SPC chart for Response Time
1
VIOLATION:
Cause spéciale est indiquée
40 UCL=39.76
30
OCAP
Individual Value
Si le temps de réponse est trop

20
X=18.38
10
élevé, appeler une autre
0 personne travaillant à la banque
LCL=-3.01
1 4 7 10 13 16 19 22 25 28 31
Observation
• Faire attention à la sur-optimization du processus.
192
L'utilisation de la MSP sur les éléments d’entrée ou de sorties du

processus?
Y=F(x)
Pour obtenir des résultats, devrions-nous nous concentrer sur Y ou X?
Y X1 . . . XN
Dépendante Indépendantes
Output Input
Effet Cause
Symptôme Problème
Surveiller Contrôler
Si nous trouvons les Xs importantes, d'abord envisager

l'utilisation de la MSP sur le Xs pour obtenir un Y désiré?
193
52
Efficacité des méthodes de contrôle
Type 1 action corrective = Contremesure: Les améliorations apportées au processus
qui permettront d'éliminer la cause de l'erreur. Le défaut ne sera jamais créée. Ceci
est aussi appelé une action corrective à long terme sous la forme de la mise en place
d’un système anti-erreur ou une modifications de conception.
Type 2 action corrective = Signal d’arrêt : Les améliorations apportées au processus

qui permettront de détecter lorsque la cause de l'erreur s'est produite. Ce signal
d’arrêt éteint le système de telle sorte que le défaut n’ai pas lieux.
MSP sur X ou Y avec des opérateurs parfaitement formés et le personnel qui respecte
les règles. Une fois une carte signale un problème, tout le monde comprend bien les
règles de la MSP et accepte d'arrêter pour l'identification des causes spéciales.
Type 3 action corrective = Inspection: mise en œuvre d'un confinement à court

terme qui est susceptible de détecter le défaut causé par la condition d'erreur. Les
dispositifs de confinement sont généralement des audits ou inspections a 100%.
MSP sur X ou Y avec des opérateurs dûment formés. Les opérateurs ont été formés et
comprennent les règles de la MSP, mais la direction ne leur donne la possibilité
d'arrêter pour enquête sur les causes spéciales.
MSP. est mis en œuvre pour tenter de détecter les défauts. Cette action n'est pas
viable à court terme ou à long terme.
MSP sur X ou Y, sans utilisation correcte = PAPIER PEINT.
194
Étapes générales pour la construction des cartes de

contrôle
1. Sélectionnez caractéristique (critique "X" ou CTQ).

2. Déterminer l’objectif de la carte.
3. Sélectionnez les points de collecte de données.
4. Définir comment les sous-groupes seront formés (uniquement pour Y).
5. Sélectionnez le type de la carte de contrôle.
6. Déterminer la méthode / critères de mesure.
7. Établir l'intervalle d'échantillonnage / fréquence.
8. Déterminer la taille de l'échantillon.
9. Établir la base de calcul des limites de contrôle.
10. Mettre en place des formes ou logiciels pour les données graphiques.
11. Mettre en place des formes ou des logiciels de collecte de données.
12. Préparer des instructions écrites pour toutes les phases.
13. Dispenser la formation nécessaire.
195
53
CALCUL DE CAPABILITÉ OU
CAPACITÉ OPÉRATIONNELLE DE
PROCESSUS
196
Conformité des produits
• Pour décider de la conformité d’un produit, on définit

– Ts : limite supérieure d’acceptation (USL: Upper
Specification Limit)
– Ti : limite inférieure d’acceptation (LSL: Lower
Specification Limit)
• Le produit de valeur X sera déclaré BON
– si Ti < X < Ts
• L’intervalle de tolérance IT = Ts - Ti représente la
"marge d’erreur" dont on dispose.
• Pour le contrôle, il faudra un instrument dont la précision
sera très inférieure à l’IT, sinon on risque l’erreur de
jugement ! !
197
54
Logique derrière les mesures de capabilité
• Pour la caractéristique étudiée

– le procédé fabrique des produits dont les valeurs suivent une
distribution gaussienne de variance σ² et de moyenne µ.
– On peut donc connaitre la dispersion sur ces valeurs : (µ+3 σ)
– (µ-3 σ)= 6 σ
– Pour être CONFORMES les valeurs de cette caractéristique
doivent rester, pour tous les produits, à l’intérieur d’un IT.
• L’idée de la CAPABILITÉ, c’est : Quel est le rapport entre l’IT et la
dispersion ?
– Scenario 1: l’IT est bien plus grand que la dispersion à Pas
de problèmes
– Scenario 2: l’IT est bien plus petit que la dispersion àJe
fabrique une multitude de "NON CONFORMES"
198
Logique derrière les mesures de capabilité
Scenario 1:
Scenario 2:
199
55
Capabilité ou capacité opérationnelle de processus
• Capabilité du Processus:
– C’est la capacité inhérente d'un processus
pour répondre aux attentes du client, sans
aucun effort supplémentaire.
• Fournit un aperçu concernant si le processus a:
– Un problème de centrage (par rapport à des limites de
spécification)
– Un problème de variation élevée
– Une combinaison des deux (centrage et variation)
– Des limites de spécifications inappropriés
• Donne une mesure de référence pour
l'amélioration.
200
Capabilité ou capacité opérationnelle de

processus
Incapable Décentré
LSL
Moyenn
USL LSL Moyenn
USL
e
e
Cible Cible
us
Ré
Capable et centré ss
d
c e
ui
o
pr
re
Average
le
la
LSL USL r
va
re
nt
r
ia
Ce
n ce
Cible
201
56
Options de résolution de problèmes - Déplacer la moyenne et réduire
la variance
Cela se produit souvent dans les efforts d’amélioration.
USL
LSL Déplacer & Réduire
202
Options de résolution de problèmes: changer les spécifications clients
Évidemment, cela implique de rendre la zone de tolérance

plus large, pas plus étroite. Les clients ne choisissent
généralement pas cette option mais s'ils le font ... c'est plus
facile!
LSL USL USL
Déplacer la
limite de
spécification
203
57
Etudes de capabilité d’un processus
Définition
• Étude statistique d'un processus afin de déterminer si une
caractéristique qualité mesurable associée est capable de satisfaire
des limites de tolérance spécifiées (spécifications) exigées pour le
produit.
• Sont destinées à être des estimations régulières, périodiques,
de la capabilité d'un processus, pour répondre à ses exigences.
• Peuvent être menées sur des données discrètes et continues.
• Sont les plus significatives lorsqu'elles sont effectuées sur les
processus stables et prévisibles.
Utilité:
Une étude de capacité est applicable dans les cas suivants :
– Lors de l’évaluation d’un processus existant
– Lors de la modification majeure d'un processus
– qualification d'un nouveau processus
– pour la sélection d'un fournisseur
204
Etudes de capabilité d’un processus
Les études de capabilité:

• Exigent une compréhension approfondie de ce
qui suit:
– Les limites de spécifications du client ou d'affaires
– La stabilité du processus
– Nature des données: long terme vs court terme
– Moyenne et écart type du processus
– Évaluation de la normalité des données (données
continues uniquement)
205
58
Stabilité du processus
Un processus stable est constant au fil du temps. Les séries

chronologiques et les cartes de contrôle sont les graphiques typiques
utilisés pour déterminer la stabilité.
Time Series Plot of PC Data

70
60
PC Data
50
Tic
toc… 40
tic
toc… 30
1 48 96 144 192 240 288 336 384 432 480
Index
206
Composantes de la variation: Capabilité long terme vs court terme
Même les processus stables vont dériver et changer au fil du temps

de jusqu’à 1,5 écart-type en moyenne.
long terme
Variation globale
court terme
Variation entre groupes
court terme
variations intra-groupes
207
59
Conditions essentielles pour réaliser l’étude de capabilité
• Le processus doit être en état de stabilité statistique !

• Le processus doit avoir une personnalité statistique :
– la caractéristique mesurable X doit suivre une
distribution statistique caractérisée par des
paramètres constants. (pour une période de temps
suffisante)
• La méthode par excellence pour faire une étude de
capabilité: avec une carte de contrôle de Shewhart
• Une autre méthode : avec un histogramme tout en
supposant la stabilité du processus (mais celle-ci peut
être établie seulement avec une carte de contrôle !)
208
Procédure d'une Etude de Capacité

1. Plan de collecte pour construire une carte. Au moins 100
observations (raison : établir la distribution avec une
certaine précision)
2. Vérification de la stabilité : SI OUI alors on passe aux
étapes 3 et 4 SI NON il faut établir la stabilité du
processus avant de passer aux étapes 3 et 4.
3. Estimation des paramètres (μ, σ)
– En supposant la stabilité du processus et en utilisant un
histogramme:
μ est estimé par X-bar et σ est estimé par s (écart type d’un
échantillon )
– Sinon en utilisant les cartes de contrôle:
μ = X-bar-bar et σ = R-bar/d2 ou σ = s-bar/c4
4. Calcul des indices : Cp, Cpl, Cpu, Cpk
5. Décision: capable? moyens pour y arriver (amélioration)
209
60
Indices de capacité de processus
Cp = (TS - TI ) / 6 σ
Cpl = (μ - TI ) / 3 σ
Cpu = (TS - μ ) / 3 σ
Cpk = Min(Cpl , Cpu)
210
Evolutions du procédé
Décalage de la
Situation de référence: Décalage de la moyenne (pas
moyenne (Capable) capable)
Augmentation de la dispersion
211
61
Classification des processus selon Cpk
Indice Cpk Processus

<1 Non capable
=1 Capable
1,00 à 1,33 Bon
1,33 à 1,50 Très bon
>= 1,50 Excellent
Quand le processus et centré, Cp=Cpk
212
Capabilité pour attribut
Le Score Z est une mesure de la distance en écarts-types d'un

échantillon de la moyenne.
– Étant donné une moyenne de 50 avec un écart type de 3,

quelle est la proportion au-delà de la limite supérieure de 54?
50
54
213
62
Table statistique de Z
•Dans notre cas nous devons rechercher la proportion pour le Z score de 1,33. Cela
signifie qu'environ 9,1% de nos données s'inscrivent au-delà de la limite supérieure de
spécification 54.
•Si nous nous intéressons à la détermination de parties défectueuses par million (DPM)
,il nous suffit de multiplier la proportion 0,09176 par un million. Dans ce cas, il ya
91,760 parties défectueuses par million .
214
Les données d'attributs sont toujours à long terme dans l'état déplacé (dérive)
car il nécessite plusieurs échantillons pour obtenir une bonne estimation avec
un niveau de confiance raisonnable.
La capabilité à court terme est généralement rapportée, donc on propose une
méthode pour estimer la capabilité à court terme.
Vous voulez estimer: ZST ZLT

capabilité capabilité Sigma Short-Term Long-Term
Vos données sont: court terme long terme Level DPMO DPMO
1 158655.3 691462.5
capabilité Soustraire
ZST court terme 1.5 2 22750.1 308537.5
capabilité ajouter1.5 3 1350.0 66807.2

ZLT long Terme
4 31.7 6209.7
5 0.3 232.7
6 0.0 3.4
215
63
En consultant ces formules que vous pouvez voir qu'il ya une relation entre
elles.
Si nous divisons notre Z à court terme par 3, nous pouvons déterminer notre
Cpk et si nous divisons notre Z à long terme de 3, nous pouvons déterminer
notre Ppk.
216
Exemple: Capabilité pour attribut
Un groupe de service à la clientèle s'intéresse à l'estimation de la

capabilité de leur centre d'appels.
Un total de 20.000 appels ont été reçus durant le mois, mais 2666
d'entre eux ont raccroché avant d’avoir une réponse.
Résultats de l'ensemble de données du centre d'appels:

Les échantillons = 20.000
Défauts = 2,666
They hung up….!
217
64
1. Calculer DPU
2. Consulter la valeur DPU sur la Table de Z
3. Trouvez le score Z
4. Convertir le score Z en Cpk et Ppk
Exemple:
Consulter ZLT
ZLT = 1,11
Convertir ZLT en ZST = 1.11+1.5 = 2.61
218
1. Calculer DPU
2. Consulter la valeur DPU sur la Table de Z
3. Trouvez le score Z
4. Convertir le score Z en Cpk et Ppk
Exemple:
Consulter ZLT
ZLT = 1,11
Convertir ZLT en ZST = 1.11+1.5 = 2.61
2
.87
219
65
Chapitre 3: La Mise en place de la MSP
• Directives pour l'application des Cartes de

contrôle
• Plan de contrôle de processus
• Les étapes de la Mise en place de la MSP
220
DIRECTIVES POUR
L'APPLICATION DES CARTES
DE CONTRÔLE
221
66
Directives pour l'application des Cartes de contrôle
• Les directives proposées sont applicables pour le contrôle par

variables et par attributs.
• Les cartes de contrôle ne sont pas seulement utiles pour la
surveillance de processus, mais elles devraient être utilisées en
ligne comme outil réactif de réduction de la variabilité.
– Déterminer quelles caractéristiques du processus à contrôler
– Déterminer où les cartes de contrôle doivent être mises en
œuvre dans le processus
– Choisir le type approprié de cartes de contrôle
– Prendre des mesures pour améliorer les processus suite à
l'analyse des cartes de contrôle
– Sélectionner le système de collecte de données et les
logiciels
222
Déterminer quelles caractéristiques du processus à

contrôler et l’emplacement des cartes de contrôle
• Lignes directrices utiles:

1. Au début, les cartes de contrôle doivent être appliquées à
toutes les caractéristiques d'un produit ou d’une opérations
de fabrication considérées comme importantes. Chaque
carte fournira immédiatement une rétroaction sur leur
utilités.
2. Les cartes de contrôle jugées inutiles doivent être
supprimés, et d'autres que l'ingénierie et le jugement des
opérateurs proposent devraient être ajoutée. Plus de cartes
de contrôle sont habituellement utilisées jusqu'à ce que le
processus soit stabilisé.
223
67
3. Des renseignements sur le nombre et les types de cartes de contrôle

sur le processus doivent être conservés. Il est préférable de tenir des
registres distincts sur les cartes pour variables et celles pour
attributs.
• En général, suite à la mise en place des cartes de contrôle, le
nombre de cartes de contrôle tend à augmenter assez
régulièrement. Après cela, il va généralement baisser.
• Lorsque le processus se stabilise, nous constatons habituellement
qu'il y a le même nombre de cartes d'une année à l'autre.
Cependant, ils ne sont pas nécessairement les mêmes graphiques.
4. Si les cartes de contrôle sont utilisées de manière efficace et si de
nouvelles connaissances sont acquises au sujet des variables clés du
processus, nous devrions constater que le nombre des cartes pour
variables augmente et que le nombre des cartes d'attributs diminue.
224

5. Au début d'un programme de cartes de contrôle, il ya

généralement plus de cartes de contrôle par attributs
appliquées aux produits semi-finis ou finis à la fin du
processus de fabrication.
• En apprenant davantage sur le processus, ces cartes
seront remplacées avec des cartes pour variables (Xbar,
R) appliquées plus tôt dans le processus pour les
paramètres critiques et les opérations qui entraînent des
non-conformités dans le produit fini.
• En général, le contrôle de processus est mieux en amont.
• Dans un processus complexe, cela peut impliquer que les
contrôles de processus doivent être mis en œuvre chez le
fournisseur.
225
68
6. Les cartes de contrôle devraient être mis en œuvre et maintenues le
plus près possible du centre de travail, de sorte que la rétroaction
sera rapide.
• En outre, les opérateurs devrait être chargés de la collecte des
données du processus, de maintenir les cartes de contrôle, et
d'interpréter les résultats.
• Les opérateurs et les ingénieurs ont la connaissance détaillée
du processus nécessaire pour corriger les dérives et utilisez le
cartes pour améliorer la performance des processus.
7. Le plan des action correctives(OCAP: Out of Control Action Plan)
est une partie vitale des carte de contrôle. Les utilisateurs des
cartes devraient s'efforcer de conserver les OCAPs mises à jour et
valides.
226
Choisir le type approprié de cartes de contrôle
Cartes xbar, R réagit Carte P réagit
Les cartes de contrôle pour variables réagissent plus

rapidement au dérives des processus!!
227
69
A. Envisagez d'utiliser des cartes de contrôle pour variables dans les situations
suivantes:
– Cas d’un nouveau processus, ou d’un nouveau produit fabriqué par un
processus existant.
– Le processus a été en opération pendant un certain temps, mais il est
chroniquement en difficulté ou incapable de tenir des tolérances spécifiées.
– Le processus est en difficulté, et la carte de contrôle peut être utile à des fins
de diagnostic.
– Le contrôle destructif (ou d'autres méthodes d'essai onéreux) est nécessaire.
– Il est souhaitable de réduire les essais en aval au minimum
lorsque le processus est sous contrôle.
– Des cartes d'attributs sont utilisées, mais le processus est soit hors de
contrôle ou sous contrôle mais son rendement est inacceptable.
– Les limites de spécifications sont très serrées.
– Un changement dans les spécifications du produit est souhaitée.
– La stabilité et la capacité du processus doivent être continuellement
démontrées.
228
B. Envisagez d'utiliser des cartes de contrôle pour attributs dans les

situations suivantes:
– Les opérateurs contrôlent les causes assignables, et il est nécessaire d’
améliorer la performance du processus.
– Le processus est une opération d'assemblage complexe et la qualité du
produit est mesurée en termes de l'apparition ou pas de non-
conformités, succès ou échec d’une fonction, et ainsi de suite.
– Le contrôle des processus est nécessaire, mais les données de mesure
ne peuvent pas être obtenues.
– Un résumé historique de la performance des processus est nécessaire.
Les cartes de contrôle d'attributs sont très efficaces pour résumer
l'information sur le processus pour alimenter des revues de direction.
– Rappelons que les cartes attributs sont généralement inférieures aux
cartes les variables. Toujours utiliser les cartes pour variables lorsque
cela est possible.
229
70
C. Cartes de contrôle pour valeurs individuelles: (I, MR),

CUSUM, EWMA:
– Il est difficile ou impossible d'obtenir plus d'une mesure
par échantillon, ou les mesures répétées ne diffèrent que
par une erreur de laboratoire ou d'analyse. (Cas des
procédés chimiques par exemple)
– L'automatisation des tests et de la technologie d'inspection
permettent de mesurer chaque unité produite.
– Les données seront disponibles très lentement, et attendre
un plus grand échantillon rendra la procédure de contrôle
trop lente pour réagir aux problèmes. (par exemple, les
données comptables peuvent devenir disponibles qu'une
fois par mois.)
230
Prendre des mesures pour améliorer les processus

suite à l'analyse des cartes de contrôle
Processus Capable?
Oui Non
Processus Stable
(sous contrôle)? SPC
Plans d’
Oui SPC
expériences
Spécifications
Changer le
SPC
processus
Plans d’
Non SPC
expériences
Spécifications
Changer le
processus
231
71
Sélectionner le système de collecte de données et les
logiciels
• Les dernières années ont connu le développement de

logiciels de contrôle de la qualité et des dispositifs
électroniques de collecte de données.
• Un système informatisé de la MSP permet de fournir
plus d'informations que tout autre système manuel. Il
permet à l'utilisateur de surveiller les caractéristiques
de qualité et de fournir de nombreuses signalisations
automatiques des causes assignables.
232
PLAN DE CONTRÔLE DE
PROCESSUS
233
72
Plan de contrôle de processus
• Un plan de contrôle de processus (PCP) est un document formel

pour définir les éléments nécessaires pour contrôler les
caractéristiques principales d’un processus (CTQ).
• Le plan a pour objectif de s’assurer si le produit est conforme aux
exigences (spécifications) et de supporter l’effort d’amélioration
continuelle du processus.
• Dans un environnement manufacturier il est important de créer et de
réviser les Conditions Standards d’Opération (CSO) qui contribuent
à la gestion des processus.
• Il faut développer, implanter et employer un PCP pour documenter
les activités de contrôle et d’inspection depuis la réception des
matières premières jusqu’à l’expédition finale du produit fini.
234
Plan de contrôle de processus
• Le PCP répond aux questions : Où? Quoi? Qui? Quand? Comment ?

• Le PCP est spécifique pour chaque produit (pièce, composant). Il se
présente sous la forme d’un tableau.
• Les éléments essentiels du tableau sont :
– l’identification des points de contrôle (output) dans les étapes du
processus
– les caractéristiques (indicateurs, variables) à contrôler : quel type ?
– les tolérances (spécifications, exigences) à respecter
– la fréquence de l’échantillonnage / inspection
– la taille de l’échantillon
– la méthode de contrôle et d’analyse
– l’instrument de mesure et l’inspecteur
– les actions à prendre lorsqu’une non-conformité est détectée
(OCAP)
235
73
Exemples des éléments du PCP
• caractéristiques (indicateurs) : en relation avec la qualité (Q), le coût (C), la

livraison (L)
– type des données : mesures, comptages, attributs
• X = longueur, angle, largeur, volume, durée, temps de cycle, poids,
• nombre de défauts de surface, présence d’une non conformité (liste)
• types tolérances : nominal ± Δ (mesures) / standard visuel (comptages et

attributs)
– longueur (cm): 5 ± 0.01 angle (deg) : 45 ± 0.5
– moyenne cumulative > 1.75 indice alcool (mg/l) : < 0.08
• fréquence : nombre pièces par période temps / chaque lot ….
• taille échantillon : 5 pièces à l’heure / n = 10 dans chaque lot /totalité du lot
• méthode: plans d’échantillonnage lots / type spécifique de carte de Shewhart /
inspection visuelle
• instrument de mesure : micromètre / jauge Go-NoGo / inspection visuelle
• actions à prendre : mise en quarantaine / contacter le fournisseur /
consultation d’un document
236
Étapes principales pour la création d’un PCP
1. Identifier le produit ou composant spécifique et le processus

associé.
2. Définir les étapes principales du processus.
3. Définir les indicateurs, les exigences (cibles) et les tolérances.
4. Définir les moyens de contrôle, les appareils de mesure et les
responsables.
Le plan devrait être

– identifié avec un numéro spécifique;
– approuvé et daté par l’autorité responsable;
– mis à jour périodiquement et contenir un numéro de révision.
237
74
LES 4 ÉTAPES DE LA MISE EN
PLACE DE LA MSP
238
Les 4 étapes de mise en place de la MSP
Étape 1 : Planifier et déployer le projet MSP

Étape 2 : Mesurer la performance de son processus
Étape 3 : Mettre en place un système de pilotage
Étape 4 : Améliorer la démarche MSP
239
75
• Étape 1 : Planifier et déployer le projet MSP

àLe projet MSP
– Identifier les phases de la démarche, les conditions
de réussite, et créer son équipe projet.
– Choisir le processus, le procédé, le produit et les
paramètres à suivre.
• Étape 2 : Mesurer la performance de son processus
àCalculer les capabilités.
– Calcul des Cp, Cpk, Cm, Cmk.
– La capabilité des moyens de contrôle.
240
Étape 3 : Mettre en place un système de pilotage

àConstruire ses cartes de contrôle
– Définir les fréquences et taille des prélèvements pour assurer
une efficacité maximale.
– Le pilotage par les cartes de contrôle :
• lire les cartes, repérer les tendances, identifier les causes
aléatoires et assignables ;
• définir les règles de pilotage, utiliser un journal de bord,
déclencher des actions d'amélioration.
Étape 4 : Améliorer la démarche MSP
à Auditer le système, choisir ses indicateurs clés
– Faire des bilans, suivre l'amélioration
– Animer et communiquer.
– Recalculer si besoin les limites de contrôle.
241
76

SPC F2021 Part2 2pp

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

SPC F2021 Part2 2pp

Transféré par

Droits d'auteur :

Formats disponibles

INTRODUCTION À LA MAÎTRISE

STATISTIQUE DES PROCÉDÉS

Contrôle Q ualité/M SP 90 A.Berrado 2021

Méthodes statistiques pour le contrôle et l'amélioration de la qualité

• Début aux USA dans les années 1920–1930

Contrôle Q ualité/M SP 92 A.Berrado 2021

La MSP ce n’est pas . . .

La MSP, ce n’est pas :

D’ailleurs, Shewhart a beaucoup travaillé avec Deming

Contrôle Q ualité/M SP 93 A.Berrado 2021

La MSP est une technique de pilotage des procédés

Contrôle Q ualité/M SP 94 A.Berrado 2021

Les évolutions qu’apportent la MSP

• Causes communes(non assignables): Non

• Causes spéciales(assignables): Contrôlables

Contrôle Q ualité/M SP 96 A.Berrado 2021

Types de variabilité: Causes communes Vs. Causes spéciales

Contrôle Q ualité/M SP 97 A.Berrado 2021

Contrôle Q ualité/M SP 98 A.Berrado 2021

Les 4 états possibles d’un processus

Contrôle Q ualité/M SP 99 A.Berrado 2021

• Etat stable et capable (ideal)

Objectifs de la Maitrise Statistiques des Processus (MSP)

• Le suivi du processus à l’aide d’une carte de

Contrôle Q ualité/M SP 101 A.Berrado 2021

1. Vérifier si les variations produites par un processus

This is a special cause!!

Chapitre 2: Construction des cartes de contrôle

Contrôle Q ualité/M SP 103 A.Berrado 2021

Contrôle Q ualité/M SP 104 A.Berrado 2021

Logique des cartes de contrôle

• Il s’agit de s’assurer que le procédé reste dans les conditions dans

Contrôle Q ualité/M SP 105 A.Berrado 2021

Une carte de contrôle classique a des limites de contrôle fixées à des

Control Chart of Recycle

Contrôle Q ualité/M SP 106 A.Berrado 2021

Inférence statistique pour un seul échantillon

Une hypothèse statistique est une déclaration

Contrôle Q ualité/M SP 107 A.Berrado 2021

Exemple: Un constructeur automobile affirme

Inférence statistique pour un seul échantillon

A partir de l’échantillon, vous

Contrôle Q ualité/M SP 109 A.Berrado 2021

Choix des valeurs critiques

Contrôle Q ualité/M SP 110 A.Berrado 2021

Probabilité d'obtenir une statistique de l'échantillon au-delà

Contrôle Q ualité/M SP 111 A.Berrado 2021

Définissez la taille de la région de rejet (ou «marge

Contrôle Q ualité/M SP 112 A.Berrado 2021

Probabilité d'obtenir une statistique de l'échantillon au-delà

Appelons cette région α

Contrôle Q ualité/M SP 113 A.Berrado 2021

• Le seuil de signification α détermine la taille de la zone de

Contrôle Q ualité/M SP 114 A.Berrado 2021

Inférence statistique pour un seul échantillon

Contrôle Q ualité/M SP 115 A.Berrado 2021

• Que faire si la moyenne réelle est μ1?

Contrôle Q ualité/M SP 116 A.Berrado 2021

Inférence statistique pour un seul échantillon

Que faire si la moyenne réelle est µ2

Contrôle Q ualité/M SP 117 A.Berrado 2021

Ainsi, afin d'éviter de prendre une telle décision

Contrôle Q ualité/M SP 118 A.Berrado 2021

Inférence statistique pour un seul échantillon