Outils de La Qualité MSP

MSP
Cartes de contrle et tude

de capabilit

Par A.SEDQUI ENSA Tanger
2
Matrise statistique des procds
I. Introduction la MSP
II. Collecte des donnes
III. tude de capabilit
IV. Surveillance par carte de contrle
V. Recherche des cause de variation
PLAN DE LA FORMATION
3
Chapitre I
Introduction la MSP
1. INTRODUCTION
2. OBJECTIFS ET BNFICES DE LA MSP
3. CONDITIONS DE RUSSITE
4. VARIATIONS DU PROCD
5. DMARCHE DE MISE EN UVRE DE LA MSP
6. LIMITATIONS DE LA MSP
4
1- INTRODUCTION
La dtection de la non qualit sest volue de :
La dtection traditionnelle: ( Contrle unitaire )
Long.
Coteux.
Peu fiable.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

En passant par :
La dtection par contrle des lots:(Contrle par
chantillonnage )
Circuit long.
Coteux.
5
1- INTRODUCTION
:
La dtection par les Cartes de contrle:
( Matrise statistique des procds )
Circuit court.
Fiable.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

6
1- INTRODUCTION
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

La Matrise (Control) :
Nest pas synonyme de Surveillance ou
Inspection,
Cest une action pour dominer un sujet,
Cest dans ce sens la que nous dfinissons le mot
matrise :

FAIRE ALLER LES CHOSES COMME NOUS LE SOUHAITONS
7
1- INTRODUCTION
Le Processus ( procd) :
Nest pas uniquement relatif aux oprations faites par
une ou plusieurs machines,

Il est un ensemble dactivits corrles ou interactives
qui transforme des lments dentre en lments de
sortie. 3.4.1 de lISO 9000:2000

Entres

PROCESSUS
Moyens
Mesures
Management
Sorties
IL PEUT ETRE RELATIF A LENSEMBLE
DES CHOSES QUE NOUS FAISONS
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

8
1- INTRODUCTION
La Statistique :
A pour objet le regroupement mthodique ainsi que
ltude de sries de donnes numriques.

NOMBRES, NOMBRES, NOMBRES..
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

9
1- INTRODUCTION
Matrise :

Statistique :

Des procds :

laide de nombres
Faire aller de la faon que nous voulons quelles aillent
Les choses que nous faisons
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

10
1- INTRODUCTION
La MSP est :
La Matrise Statistique des Procds
Un mode de gestion qui conduit se rendre matre
des outils de production pour satisfaire les besoins du
client, en agissant temps sur les facteurs techniques
et humains responsables de la qualit.
Elle implique la fois :
Un tat desprit instaurer.
Ltablissement dune organisation.
Limplication de quelques techniques
base statistique

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

11
2- OBJECTIFS ET BNFICES DE LA MSP
La MSP est un outil qui permet :
dlever le niveau de la qualit,
de faire baisser les cots de la non qualit,
de diminuer les drives et de stabiliser la
production.

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

12
Et ceci par :
Lintervention sur le procd avant de produire
de la non qualit ( Actions correctives ),
La mesure de la capabilit dun processus
fournir la qualit requise,
Le contrle des variations afin dassurer la
stabilit.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

13
C Leffet principale recherch travers la mise en
place de la MSP :
Lamlioration de la production et de la productivit
C Les effets induits par la mise en place de la MSP :
Lamlioration des changes dans la structure,
Lamlioration de la dmarche de rsolution des
problmes de la qualit en production,
La matrise des procdures, des produits et des
processus,
Lamlioration de limage de lentreprise vis--vis des
auditeurs de clients potentiels.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

14
3- CONDITIONS DE RUSSITE
C Les pralables:
Une implication relle des dirigeants qui doivent tre
convaincus des apports de la MSP,
Une formation module suivant le type dindustrie,
Lutilisation avec aisance de quelques outils
spcifiques la MSP,
La matrise de quelques outils classiques de la Qualit
( Collecte des donnes, Histogramme,.).

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

15
3- CONDITIONS DE RUSSITE
C Les prcautions:
Pour une premire application, choisir une ligne de
production :
Importante,
Ne reprsentant pas de difficults
exceptionnelles,
Pas trop simple non plus.
Lexploitation des rsultats doit tre le plus rapidement
possible.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

16
4- VARIATIONS DU PROCD
Axiome
Il ny a pas deux choses identiques
Statistiquement on dirait :
Il ny a pas deux individus identiques

Il faut savoir saccommoder de leurs variations

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

17
Origines des variations
Les variations proviennent des 6 M et de leurs
combinaisons
Les 6 M du procd
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

18
Causes assignables de variation
Caractristiques:
Identifiables,
Sources de dfauts importants,
Irrgulires,
Instables,
Difficiles prvoir mais rparables,
Ncessitent une intervention sur le procd.

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

19
Causes assignables de variation
Effets:
Ponctuels,
Se rptent,
Engendrent des variations importantes,
Imprvisibles ou dus des actions non
matrises.
Exemples:
Drglages brusques ou progressifs,
Changement de matire premire, dquipe,
doutillage,
Intervention de maintenance.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

20
Causes non assignables de variation
Caractristiques:
Rsultent du procd lui-mme,
Sont en assez grand nombre,
leurs effets sont limits,
Indpendantes entre elles.
Effets :
Permanents,
Variations quantifiables,
Variations le plus souvent prvisibles.

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

21
Causes non assignables de variation
Exemples :
Usure du matriel,
Environnement :
Humidit,
Temprature.
Variation de lalimentation lectrique.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

22
5- DMARCHE DE MISE EN UVRE DE LA MSP

Les grandes phases de la mise en uvre de la
MSP sont les suivantes :
1. Orientation de laction,
2. tude de capabilit,
3. Surveillance par carte de contrle.
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

23
Orientation de laction
Elle consiste :
a. Choisir le processus ou le produit,
b. Mettre en place une organisation,
c. Faire la formation des participants.
tude de capabilit :
Ces principales tapes sont:
a. Le choix des caractristiques,
b. Lanalyse du processus,
c. Ltude de laptitude du systme.
Note:
Dj ce stade on peut dduire des actions correctives

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

24
Surveillance par carte de contrle:
Cette phase est compose des tapes suivantes :
a. Dtermination des paramtres dchantillonnage,
b. Choix du type de carte,
c. Calcul des limites de contrle,
d. Vrification si le processus est matris,
( Sinon engager des actions damlioration )
c. Suivi du processus laide des cartes,
d. Vrification de la stabilit du processus,
( Sinon engager des actions damlioration )
e. Analyse a posteriori du processus.

C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

25
Choix du processus - produit
Mise en place dune organisation
Formation des participants
Choix des caractristiques
Analyse du processus
tude daptitude des moyens
Dtermination des paramtres
Choix de type de carte
Calcul des limites de contrle
Suivi du processus par carte de contrle
Analyse a posteriori du processus
Action
damlioration
Le processus est-il matris ?
Le processus est-il apte ?
Le processus est-il stable ?
Action
damlioration
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

26
Afin dviter certaines erreurs, la MSP doit
tre :
- Applique pour les moyennes et grandes sries,
- Fonde sur un retour rapide de linformation,
- Base sur des mesures fiables.

La MSP est un grand pas vers la conformit.
Toutefois, elle ne garantie pas le zro dfaut.
6- LIMITATIONS DE LA MSP
C
h
a
p
i
t
r
e

I

I
n
t
r
o
d
u
c
t
i
o
n

l
a

M
S
P

27
Chapitre II
Collecte des donnes
1. LIMPORTANCE DES DONNES
2. FLUCTUATION DISTIBUTION
3. TYPES DE FEUILLES DE RELEVS
4. DMARCHE DE MISE EN UVRE DUN
HISTOGRAMME
28
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

Les outils de base utiliss en qualit permettent
dorganiser les informations de sorte :
Faciliter les prises de dcision,
Choisir les problmes prioritaires.
Ce qui permet principalement la mise en uvre des tapes
suivantes:
Description du pass,
Modlisation du futur,
valuation de la conformit au modle prdfini.
+ Ncessit de la collecte de donnes
pertinentes
1- LIMPORTANCE DES DONNES EN MSP
29
Les donnes sont des valeurs connues qui peuvent tre
soit :
Qualitatives (Couleur, aspect ..),
Quantitatives (Nombre, dimensions, ),

Ces valeurs peuvent tre :
Continues ou arrondie ,
Discrte,
Dterministe,
Alatoire.
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

30
Conditions sur les donnes:
Les donnes doivent :
tre exactes,
Reflter les faits,
Servir un objectif clair.
Conditions sur la collecte
Pour effectuer une collecte efficace des donnes,
on doit garder lesprit les questions suivantes :
Qui va effectuer la collecte des donnes ?
Quels sont les objectifs quon espre atteindre en
ralisant ltude ?
quel endroit ou quelle tape du processus doit-on
faire la collecte ?
Pendant combien de temps doit-on collecter ?
Combien de donnes doit-on collecter ?
Comment est-ce que les donnes seront collectes ?

C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

31

On peut dire quil y a 54 mesures
Que le minimum est 3, le maximum est 11
En additionnant toutes les donnes et en divisant
par 54, on trouve la moyenne arithmtique qui est
gale 7

4
6
6
6
6
7
7
7
7
7
7
7
7
7
8
8
8
9
9
9
Il nest pas trs facile dexploiter cette srie de donnes !!!!!!!!
2- FLUCTUATION DISTIBUTION

C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

11
32
2- FLUCTUATION DISTIBUTION
12-
11-
10-
9-
8-
7-
6-
5-
4-
3-
2-
1-
0-
12-
11-
10-
9-
8-
7-
6-
5-
4-
3-
2-
1-
0-
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
12-
11-
10-
9-
8-
7-
6-
5-
4-
3-
2-
1-
0-
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+ +
+
+
+
+
+
F
l
u
c
t
u
a
t i
o
n
D I S T R I B U T I O N D I S T R I B U T I O N D I S T R I B U T I O N D I S T R I B U T I O N D I S T R I B U T I O N D I S T R I B U T I O N D I S T R I B U T I O N
D I S T R I B U T I O N
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

33
Divers types de feuilles de relevs peuvent tre
conues pour remplir les fonctions suivantes:
Analyse et vrification de la distribution dans un
processus,
Vrification des pices dfectueuses,
Localisation des dfauts,
Recherche des cause des dfauts.
3- TYPES DES FEUILLES DE RELEVS
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

34
Feuille de relevs : Analyse et vrification de la distribution
Utilise pour les donnes mesurable,
Sert tracer la distribution des caractristique en
question :
- Poids,
- Diamtre,
- Longueur,
- Etc.
Son analyse se fera laide dun histogramme ( Voir
la partie suivante) en vue dtablir la moyenne et
ltendue.
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

35
Feuille de relevs : Analyse et vrification de la distribution
1 2 6 13 10 16 19 17 12 16 20 17 13 8 6 5 2 1 0
30

25

20
15
10
5

.0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 1.11.2 1.3 1.41.5 1.61.71.8
S
p
c
i
f
i
c
a
t
i
o
n

S
p
c
i
f
i
c
a
t
i
o
n

Dimensions
Total des
frquences
Nom du produit :
Utilisation : ..
Nb dinspection :
Nombre total :
Nombre de lots : ..
Date : .
Nom dusine:..
Nom du service:
Responsable de mesure :
Remarques : ..
Relev continu de donnes N: ..
Feuille de relevs
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

36
Feuille de relevs : Vrification de pices dfectueuses.
Permet de
Connatre les types de dfauts et leurs pourcentage,
Classer les dfauts selon des critres :
- Oprateur,
- Machine,
- Etc.
Analyser les donnes collectes.

86
//// //// //// //// //// //// //// //// //// //// //// //// //// //// //// //// ////
//// /
Total des rejet
115 Total gnral
32
23
48
4
8
//// //// //// //// //// //// //// //
//// //// //// //// //// ///
//// //// //// //// //// //// //// //// //// //// //
////
//// //
Bavures
Craquelures
Incomplet
Manque
autre
Sous - total Essai Type
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

37
Feuille de relevs : Localisation des dfauts.
Consiste dessiner un croquis du produit raliser
pour faciliter lidentification et lanalyse de localisation des
dfauts.
Date :_______________
Type de produit :______
Remarques :

Feuille de relev des bulles
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

38
Feuille de relevs : Recherche des causes des dfauts.
Permet de
Ressortir les donnes concernant les causes des
dfauts,
Les analyser ( Stratification, Diagramme de dispersion,
Etc... )
Qww
x
wwx
o
ox oooo
xqq
oooo
xxx
ooox
xxq
wOx xxoo o Oo oooo Ox
D
Ox xxoo o oo oooo Ox Ox Xxoo o Oo oooo ox
C Machine 2
wxq
ww
Ox oooo
xqq
oooo
xxx
ooox
xxq
xxoo O Oow ox oooo
xqq
oooo
xxx
Ooox
xxq
B
Ox xxoo o oo oooo Ox oooo
xqq
oooo
xxx
Ooox
xxq
oxx ox ooxq
A Machine 1
Pm Am Pm Am Pm Am Pm Am Pm Am Pm Am
Samedi Vendredi Jeudi Mercredi Mardi Lundi Ou
vrie
r
quipement
O : gratignure de la surface
X : Boursouflure.
W : Dfaut de dfinition
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

39
LHISTOGRAMME est une reprsentation graphique de la
distribution dune variable permettant :
- De visualiser des effectifs par intervalles de classes
dfinis pralablement ,
- Dentrevoir lallure gnrale de la distribution des
donnes :
Nombre de dfauts,
Influence des 5 M :
- Main duvre,
- Milieu,
- Machine,
- Matriel,
- Matire.
Etc.
4- DMARCHE DE MISE EN UVRE DUN
HISTOGRAMME
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

40
Le principe de lexploitation des histogrammes est comme
suit :
+ On organise les donnes en ordre squentiel en
runissant, dans des classes prdtermines, les
donnes identiques,
+ On observe lallure gnrale et on dtecte les
anomalies de distribution,
+ On conclut quant aux dispersions trouves et aux
actions correctives mener.
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
41
Dfinitions de quelques termes statistiques
O Tendance centrale :
Moyenne arithmtique :

Moyenne pondre :

Mdiane :
( La valeur milieu dun ensemble de donne )
Mode:
( La valeur la plus frquente dune distribution)

X =
E X
i

n
X =
E p
i
X
i

E p
i
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
42
Dfinitions de quelques termes statistiques
O Dispersion :
tendue :

cart-type :

Note:
lorsque n >30, le calcul de s avec n ou n-1 au dnominateur a
peu dimpact.
W = X
M
- X
m
\
o =
E( X
i
- X )
2
n
s =
E( X
i
- X )
2

n-1
\
( Pour une population )

( Pour un chantillon )
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
43
Les tapes de construction dun histogramme
1. Remplir un tableau de donnes, prciser lunit de mesure,
2. Compter le nombre total n de donnes,
3. Chercher la valeur maxi note X
M
et la valeur mini X
m
,
4. Calculer ltendue note W = X
M
-

X
m
,
5. Choisir le nombre thorique des classes not K dans le
tableau:

6. Dterminer la largeur thorique de la classe
appele intervalle de classe not h
t
avec h
t
=W/K,

Nombre de donnes n Nombre de classe k
< 50
50 99
100 249
> 251
5 7
6 10
7 12
10 20
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
Voir exemple dapplication
44
7. Lintervalle de classe pratique not h
p
qui sera utilise
comme base dchelle suivant laxe des abscisses,
8. Dresser le tableau de calcul des caractristiques de
lhistogramme,

9. Reporter les donnes relatives chaque classe
correspondante laide de btonnets,
10. Tracer des rectangles de largeur celle de la classe et de
hauteur le nombre total de btonnets. Mettre en place les
bornes de la spcification soient T
i
et T
S
.

.. Limite suprieure
exclue
..

Limite infrieur
incluse
X
m
+h
p

X
m
Valeur centrale
5 4 3 2 1
N classe
Limites
h
p
X
m
-

2
h
p
X
m
+

2
h
p
X
m
+

2
h
p
X
m
+ 3

2
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
45
Lanalyse de lhistogramme est base principalement sur
linterprtation des allures de la distribution des donnes
Analyse
Allure normal, dispersion normale
normal 1
Allure dissymtrique
Dissymtrique 2
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
46
Mauvais rglage

Mal centr 4
Moyen de production peu prcis
Trs dispers 5
Irrgularit de la collecte
avec discontinuit 3
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
47
Ce qui permet de:
Comparer les rsultats avec des objectifs prtablies.
Montrer le rsultat dune action correctives.
Histogramme comparatifs
Avant amlioration
Aprs amlioration
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

Analyse
HISTOGRAMME
48
Notions sur la loi normal
La loi normal est une loi de distribution qui rgit
habituellement les variables alatoires continues x que lon
peut mesurer .
Ses caractristiques sont :
Allure de la courbe : la rpartition des variables seffectue
sous forme dune cloche
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
49
Notions sur la loi normal

Paramtre de position : Moyenne m qui situe la distribution
des valeurs de la variable sur lchelle de mesure.

Paramtre de dispersion : dispersion o qui caractrise la plus
ou moins grande dispersion des valeurs autour de la moyenne.
\
o =
E( X
i
- m )
2
N
m =
E X
i

N
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
50
Dcision
On peut dcider de la normalit des donnes en comparant
lallure de lhistogramme celle de la distribution de la loi
normale.
C
h
a
p
i
t
r
e

I
I

C
o
l
l
e
c
t
e

d
e
s

d
o
n
n
e
s

HISTOGRAMME
51
1. DFINITION
2. TYPES DE CAPABILIT
3. TEST DE NORMALIT
4. CAPABILIT DU PROCD
5. CAPABILIT DES MACHINES
6. RSULTATS ET DCISIONS
Chapitre III
tude de capabilit
52
La Capabilit
Est la mesure tablissant le rapport entre la
performance relle dun quipement ou dun
processus et la performance demande,
pour objectif de caractriser, de faon simple,
lensemble des situations courantes que nous
rencontrons en production.

1- DFINITIONS
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

53
On distingue deux grands types de capabilit :
Capabilit procd,
Capabilit machine.
2- TYPES DE CAPABILIT
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

54
Ltude de la capabilit ( machine et procd ) suppose que
la distribution des valeurs suit une loi Normale,
Le test de normalit est la vrification thorique ou
graphique de lallure de la distribution de la loi normal :
Ce test se fait soit :
En comparant les valeurs calcules avec la courbe
suivante :
3- TEST DE NORMALIT
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

55
En utilisant un papier fonctionnel :
3- TEST DE NORMALIT
Pour plus de dtail, voir lexemple dapplication dans la partie suivante
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

56
Le client doit tre assur que le produit final rpond
parfaitement aux spcifications :
La limit de spcification infrieure LSI,
La limit de spcification suprieure LSS,
Le mode N doit tre compris entre LSI et LSS,
Le processus dfinit, de lui-mme, son centrage et sa
dispersion

Nous devrions avoir :
infrieur ou gal IT = LSS - LSI,
est pratiquement gal N.
4- CAPABILIT PROCD
X
R
R
X
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

57
Un procd comprend plusieurs tapes et fait intervenir les
6M,
Pour tre sr que les causes de variation naffecteront pas le
produit final, il faut tre sr de chaque tape,
Traditionnellement, et de faon internationale, on dfinit donc
deux capabilits :
Capabilit machine (ne fait intervenir que le matriel)
Capabilit procd (fait intervenir tous les 6M)
4- CAPABILIT PROCD
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

58
La Capabilit procd
Est la mesure tablissant le rapport entre la
performance relle du procd et la performance
demande,
Sexprime par deux chiffres :
Capabilit intrinsque.
Indicateur de drglage.
A pour objectif de caractriser, de faon simple,
lensemble des situations courantes que nous
rencontrons en production.
4- CAPABILIT PROCD
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

59
La Capabilit intrinsque du procd Cp
Est appele aussi Coefficient dAptitude du Procd.
Compare la performance attendue et la performance
obtenue
Est calcule de la faon suivante :
Cp =
Intervalle de
tolrance
Dispersion du
procd
Dispersion
Intervalle de tolrance
Cp =
Dispersion
4- CAPABILIT PROCD
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

60
Capabilit intrinsque du procd Cp
Cp =
Intervalle
de
tolrance
Dispersion
du procd
Dispersion
Procd capable
Cp > 1
Dispersion
Intervalle de
tolrance
Procd non capable
Cp < 1
o 6 =
o 6 =
LSS LSI
LSS LSI
4- CAPABILIT PROCD
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

61
Lindicateur de drglage C
pk
Tiendra compte du drglage (centrage et dispersion) du
procd.
Simple interprter.
Est calcul de la faon suivante :
C
pk
=
Distance ( Moyenne / limite la plus proche)
1/2 Dispersion
4- CAPABILIT PROCD
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

62
Lindicateur de drglage C
pk
On cherche avoir des C
pk
les plus grands
possibles,
Pour certains procds, une des valeurs LSS ou LSI
nexistait pas, on dit alors que la spcification est
unilatrale,
Quand les deux limites existent, on dit que la
spcification est bilatrale.
SPCIFICATIONS BILATRALE UNILATRALE
Procd existant
Nouveau procd
Paramtre de scurit ou critique dun
procd existant
nouveau procd
1,33
1,50
1,50

1,67
1,25
1,45
1,45

1,60
Voir exemple dtude de capabilit du procd en annexe 2
4- CAPABILIT PROCD
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

63
Capabilit machine
Quand on peut isoler les causes de variations dues
aux 6M , on peut parler de la Capabilit Machine,
Cest la capabilit dune tape du processus
(procd), et cest une capabilit lmentaire
constitutive de C
p
et C
pk
,
Sexprime par deux chiffres :
Capabilit intrinsque.
Indicateur de drglage.
5- CAPABILIT MACHINE
La capabilit machine est dfinie de la mme faon que la capabilit du procd. ( C
m
, C
mk
)
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

64
Capabilit machine et capabilit procd
La seule diffrence est que dans le cas de ltude de
la capabilit machine lcart type sera estim par,

Pour chaque tape tudie, il faut obtenir les C
mk

minimaux suivants :
5- CAPABILIT MACHINE
8
estime capabilit
s

= ~ o
SPCIFICATIONS BILATRALE UNILATRALE
tape existant
Nouveau tape
tape existant
nouveau tape
1,77
1,50

2,00

2,33
1,67
1,45

1,93

2,13
Valeurs minimales de C
mk
( recommandations) s

Voir exemple dtude de capabilit machine en annexe 3
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

65
6- RSULTATS ET DCISIONS
Valeurs calcules des indices de
capabilit procd
Cp = . ; Cpk =
Cp >1.33
C
pk
>k1.33 C
pk
>1.33
intervention
Procd non
Capable pour la
dispersion mais
bien centre
Situation
impossible
Procd
Capable pour la
dispersion mais
mal centre
Intervention de
rglage
Procd
Capable pour la
dispersion et
bien centre
Changer de moyen de production
Amliorer le moyen de production
Modifier la tolrance en accord avec le
bureau dtude et service qualit
Raliser un contrle 100%
Oui Non
Non Oui
Oui Non
satisfaisante
FIN
C
h
a
p
i
t
r
e

I
I
I

t
u
d
e

d
e

c
a
p
a
b
i
l
i
t

66
1. DFINITIONS ET OBJECTIFS
2. CHOIX DE TYPE DE CARTE
3. CHOIX DE LA TAILLE DE LECHANTILLON
4. CATRES DE CONTRLE PAR MESURE
5. CARTES DE CONTRLE PAR ATTRIBUTS
6. CARTES DE CONTRLE SPCIALES
7. JOURNAL DE BORD
Chapitre IV
Surveillance par carte de contrle
67
La carte de contrle :
Est un document sur lequel sont ports :
La nature et les conditions du contrle (Lieu, procd,
spcifications, frquence,),
Les rsultats dobservations,
La reprsentation graphique de ces observations.
Est un outil simple complt manuellement par loprateur
du procd aprs chaque prise dchantillon,
Permet de savoir :
Si le procd est sous contrle,
Si un rglage est ncessaire,
Quel est le rsultat de ce rglage.
1- DFINITIONS ET OBJECTIFS
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

68
La surveillance par cartes de contrle permet de suivre
les diffrents paramtres dune fabrication, et peuvent tre
utilises pour:
Le contrle du procd en continu,
Aider ce que le procd fonctionne de manire rgulire
et prvisible,
Raliser :
- Moins de variations dans la production,
- Un cot unitaire plus faible,
- Une augmentation relle de la capacit du procd.
Fournir un langage commun.

1- DFINITIONS ET OBJECTIFS
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

69
Les cartes de contrle peuvent tre regroupes en
trois catgories :
Cartes de contrle par mesures
Cartes de contrle par attributs

2- CHOIX DE TYPES DE CARTE
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

70
2- CHOIX DE TYPE DE CARTE
Le choix dun type de carte de contrle se fait comme suit :
Type de donnes continues Discrtes
Exemples Dimensions
Poids
Temprature

Nombre de dfauts
% de hors tolrance
Donnes de mesure Donnes dnombrables
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

71
2- CHOIX DE TYPE DE CARTE
De 50 200 De 2 25, en gnral on prend 5 Taille de
lchantillon
Prsence significative de
produits non conformes
Vrifier que la production suit une
loi normal
Environnement
Donnes dnombrables Donnes de mesure
Pas de prventif:
Constatation de la non
conformit lorsquelle
apparat
Pas davertissement avant
lapparition de la non
conformit
Possibilit dagir sur le procd
avant de produire la non conformit
priori
Prcisions des informations
permettant dorienter les actions
correctives
Performance de
lexploitation de
la carte
1 graphique (nombre ou %)
Facile interprter
Centrage
2 graphiques
Dispersion
Reprsentation
oui Oui Distinction des
causes
Carte de contrle par
mesures
Carte de contrle par
attributs
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

72
3- CHOIX DE LA TAILLE DE LECHANTILLON

Le principe de lchantillonnage dans les cartes de contrle
est de diviser les observations en sous-groupes dites
chantillons,
Un chantillon est constitu des individus qui doivent les
plus reprsentatives de la population,
Deux problmes sont rsoudre en premier lieu :
- Leffectif de lchantillon,
- La frquence des prlvements .
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

73
Dtermination de leffectif dchantillon
Lemploi deffectifs plus levs permet dobtenir une meilleur
efficacit, (lefficacit croit proportionnellement avec leffectif )
Il y a des contraintes conomiques qui inciteraient limiter
les tailles des chantillons, ( le cot direct croit
proportionnellement avec n)
On devra chercher un effectif dchantillon permettant de
minimiser le cot globale du contrle
n
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

74
Dtermination de la frquence de lchantillonnage
Rgle de cav
On doit tenir compte de la priodicit moyenne de driv du
processus, (la frquence moyenne de son rglage)
Dans un premier temps, on choisit empiriquement la
frquence des prlvements,
Estimer la frquence optimale aprs quelque temps de
fonctionnement de la carte en fonction des drglages rels
dtcts
Voir rgle de choix de la frquence en annexe 4
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

75
Les cartes de contrle par mesure les plus utiliss
sont :
Carte mdiane et tendue (dgrossir)
Carte moyenne et tendue (suivre)
Carte moyenne et cart-type (terminer)

4- CARTES DE CONTRLE PAR MESURES
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

76
Est appele aussi la carte matresse du fait quelle est la
plus utilise,
Comporte gnralement quatre zones :
Zone A : rserve aux rfrences de la grandeur
mesure,
Zone B : rserve aux mesures effectues,
Zone C : rserve au graphique des fluctuations des
valeurs de la moyenne,
Zone D : rserve au graphique des fluctuations des
valeurs de ltendue,
Lannexe 5 montre une carte moyenne/tendue titre dexemple
Carte moyenne / tendue
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

77
Principe de calcul des limites:
Les limites de contrle sont calcules partir de la moyenne X
des moyennes X des chantillons et de la moyenne R des
tendues de ces chantillons.
Notation :
n : effectif de chaque chantillon,
X : moyenne dun chantillon,
X : moyenne des moyennes des chantillons
R : tendue dun chantillon,
R : moyenne des tendues des chantillons,
s : estimation de lcart type de la population,
r : le nombre dchantillons.
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

78
Calcul des limites de dcision ( NF X 06-031et FORD)
O Graphique des moyennes :

O Graphique des tendues

+ Voir tableau des valeurs des constantes, d
2
, A
2
, D
3
, D
4
, diapo suivante
R A X : LCS uprieure Contrle S Limite de
2
X
+ =
R D : LCS uprieure Contrle S Limite de
4 R
=
R A X : LCI nfrieure Contrle I Limite de
2
X
=
R D : LCI nfrieure Contrle I Limite de
3 R
=
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

79

C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

Ces coefficients servent calculer les limites de
contrle en fonction de la taille des chantillons
et du type de carte utilise.

Taill
e

A2

D3

D4

Sigma

2 1,880 0 3,267 1,128
3 1,023 0 2,575 1,693
4 0,729 0 2,282 2,059
5 0,577 0 2,115 2,326
6 0,483 0 2,004 2,534
7 0,419 0,076 1,924 2,707
8 0,373 0,136 1,864 2,847
9 0,337 0,184 1,816 2,970
10 0,308 0,223 1,777 3,078
11 0,285 0,256 1,744 3,173
12 0,266 0,284 1,716 3,258
13 0,249 0,308 1,692 3,336
14 0,235 0,329 1,671 3,407
15 0,223 0,348 1,652 3,472
16 0,212 0,364 1,636 3,532
17 0,203 0,379 1,621 3,588
18 0,194 0,392 1,608 3,640
19 0,187 0,404 1,596 3,689
20 0,180 0,414 1,586 3,735

80
Principe de la dmarche suivre :
Prlever des chantillons de mme taille (
Gnralement en prend 5 ) dune faon priodique,
Noter les informations sur les prlvements (Date,
heure, oprateur ),
Calculer pour chaque chantillon la moyenne et
ltendue,
Dterminer les limites de contrle de la carte,
Reporter les points pour chaque chantillon et les
relier par des segments,
Interprter selon les allures des graphiques ( Voir ce
qui suit )
exemple dapplication
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

81
Rgles de dcision ( NF X 06-031et FORD)
Diffrents cas de figure:
Que se soit un graphique de la moyenne ou de
ltendue,
les allures quon peut avoir sont:
+ Graphique normale,
+ Un point au-del des limites de contrle,
+ Longues sries en augmentation ou en
rgression,
+ Longues sries au-dessus ou au-dessous
de la moyenne ( ltendue moyenne),
+ Points trop rapprochs des limites de
contrle.

C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

82
LSC
X

LIC
X

X
=
Procd sous contrle
Le procd est sous contrle statistique
le graphique est normal
rgles : - 2/3 des points sont situ
dans le tiers central.
- 1/3 des points sont situ
dans 2/3 extrieurs
Graphique de la moyenne
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

83
LSC
X

LIC
X

X
=
Un point au-del des limites de contrle
Le procd nest pas sous contrle statistique
Le prsence dun ou plusieurs points au-del des
limites de contrle constitue une preuve de la
prsence de causes assignables en ce ou ces points
Cest un signal dclenchant une analyse immdiate
On peut linterprter ainsi:
La Lc ou le point sont faux
Le procd a gliss (incident
isol)
Le systme de mesure a chang
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

84
LSC
X

LIC
X

X
=
Longues sries en augmentation
La prsence des tendances inhabituelles peut
constituer une preuve de changement Lorsquon
observe:
7 intervalles conscutifs en augmentation ou
diminution rgulires
7 points conscutifs dun mme ct de la
moyenne.
Cest le signe quune drive ou une tendance
commence dans le procd
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

85
LSC
X

LIC
X

X
=
Longues sries au-dessus et au dessous de la moyenne
On marquera le point dclenchant la dcision
Il est parfois utile de souligner le srie depuis son
dbut jusquau point de dcision
On linterprte ainsi :
La moyenne du procd a chang et peut tre
encore en cours de changement.
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

86
LSC
X

LIC
X

X
=
Points trop rapproches des limites de contrle
Rpartition inhabituelle de points:
Moins de 2/3 des points est dans le tiers
central, on vrifiera
+ Quil ny a pas derreurs de calcul
des LC ou dans le trac
+ Labsence de plusieurs mthodes
dchantillonnage.
plus de 2/3 des points sont le tiers
+Quil ny a pas derreurs de calcul
des les LC ou dans le trac
dchantillonnage.
+ Que les donnes ont t
corriges ou modifies
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

87
LSC
R

LIC
R

R
Procd sous contrle
Le graphique est normal
Graphique de ltendue
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

88
La prsence dun point au-del des limites de
contrle est une preuve dabsence de matrise
en ce point suite une cause assignable.
On interprte de la faon suivante :
Un point au-dessus de LCS (ou LSC)
indique:
+ Une erreur de calcul ou de trac.
+ Une variabilit pice par pice, ce peut
tre une augmentation de R de la
population ou une aggravation
Un point au-dessous de LCI (ou LIC) indique:
+Une erreur de calcul ou de trac.
+ Une diminution de R de la population
+Un changement du systme de mesure
LSC
R

LIC
R

R
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

89
constituer une preuve de changement dans la
dispersion du procd, cest le premier
avertissement de conditions dfavorables quil
faudra corriger rapidement.
Lorsquon observe:
des intervalles conscutifs en augmentation
ou diminution rgulires
des points conscutifs dun mme ct de la
moyenne.
Cest le signe quun glissement ou une
tendance a commenc dans le procd
Longues sries montantes
LSC
R

LIC
R

R
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

90
Il est parfois utile de souligner la srie depuis
son dbut jusquau point de dcision
Une srie suprieure ltendue moyenne ou
croissante
+ Mauvais fonctionnement du matriel.
+ Lot de matire moins uniforme.
+ Changement du systme de mesure.
Une srie en dessus ltendue moyenne ou
dcroissante
+ Dispersion plus faible.
+ Changement du systme de mesure
Longues sries au-dessus et au dessous de l tendue moyenne
LSC
R

LIC
R

R
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

91
Mme interprtation que la moyenne
LSC
R

LIC
R

R
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

92
Ont le mme principe que les cartes matresses,
Sont tablies partir des mesures donnes par des
chantillons prlevs sur le procd et sont composes de
deux graphiques : Moyenne et cart type
Permettent de suivre la variabilit du procd notamment
quand les chantillons ont une taille importante (>10),
Leurs inconvnients est que le calcul manuelle nest pas
ais,

un exemple dapplication de la moyenne/ cart-type
Carte moyenne / cart-type
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

93
Calcul des limites de dcision
O Graphique des moyennes :

O Graphique des cart-types

+ Voir tableau des valeurs des constantes en page 79
s B : LCS uprieure Contrle S Limite de
4 s
=
s B : LCI nfrieure Contrle I Limite de
3 s
=
Carte moyenne / cart-type
S A X : LCS uprieure Contrle S Limite de
3
X
+ =
S A X : LCI nf rieure Contrle I Limite de
3
X
=
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

94
Ont le mme principe que les cartes matresses,
Ont les avantages suivants :
+ Elles permettent de dgrossir une analyse de procd,
+ Elles sont faciles utiliser, ce qui augmente leur
acceptation sur les lieux de mesure,
+ Elles montrent la dispersion du procd associe une
image continue de sa variation.
Prsentent les inconvnients :
+ Le mdiane reste une estimation de la moyenne, donc il
faut des limites plus lgres do une mise sous contrle
insuffisante

exemple dapplication de la carte mdiane/tendue
Carte mdiane / tendue
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

95
5- CARTES DE CONTRLE SPCIALES
Pour certains procds , il se peut que la moyenne volue
en fonction du temps :
Outils qui susent,
Viscosit de certains liquide avant leur emploi,
Concentration des produits chimiques,
Donc la question qui se pose :
Quand doit-on changer doutil, Changer de liquide,
augmenter ou diminuer la concentration?
Exemple: Un bain de solvant pour dgraissage de pices mtalliques,
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

96
Carte avec volution de la moyenne
Le procd fonctionne dans des conditions normales
On collecte des donnes comme prcdemment
On renseigne la carte de contrle
Identifier les causes spciales pendant le cycle de
fabrication
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

97
Carte avec volution de la moyenne
Pour vrifier que le procd est sous contrle :
La moyenne variable est approch par le mouvement la
moyenne
Maximum observ en x Minimum observ en y 2x Etendue moyenne
On calcul E.M.M. : la moyenne des mouvements calculs sur
3 cycle au moins,
Et on dduire les limites de contrle :
2
M M E
R A X LCS
2
X
.) . . (
+ + =
R D LCS
4 R
=
2
M M E
R A X LCI
2
X
.) . . (
=
R D LCI
3 R
=
Voir lannexe 10 : exemple dapplication
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

98
Carte des moyennes glissantes
Domaine dapplication :
Sapplique quand la taille de lchantillon est gale 1
Le nombre de rsultats doit tre nettement > 25
Principe :
Choisir une valeur de glissement G, (Exemple G = 3)
On calcul la moyenne de la valeur 1
er
, 2
e
et 3
e
valeurs
Ensuite la moyenne de la 2
e
, 3
e
et 4
e
valeur.
Chercher ltendue maximal MR entre la 1
er
, 2
e
et 3
e
valeurs
Puis entre la 2
e
, 3
e
et 4
e
valeur.
On calcul les moyennes de MR et de avec :
x
M
x
M
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

99
Carte des moyennes glissantes
Principe :
Les calcules sont :

Les limites devient :
) ( 1 G m
M
M
x
x
+
=

) ( 1 G m
MR
MR
+
=

m: est le nombre des sous-groupes
MR E M LCS
2
x
M
x
+ =
MR D LCS
4 MR
=
MR D LCI
3 MR
=
MR E M LCI
2
x
M
x
=
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

100
Carte des carts glissants
Domaine dapplication :
Sapplique ds linstant o lon a un doute quant une
moyenne des moyennes (temprature, tensions,
pressions)
Donc dans la plupart des cas suivants :
+ Dcompte de toute nature : expditions,
absences, pertes, ratios, cots de
manutention..
+ Valeurs telles que : temprature, pression,
tension.
Dans tous les cas o un seul nombre est disponible
pour reprsenter une certaine condition
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

101
Carte des carts glissants
Principe :
Choisir une valeur de glissement G,
Chercher ltendue maximal MR entre la 1
er
, 2
e
et 3
e
valeurs
Puis entre la 2
e
, 3
e
et 4
e
valeur.
On calcul les moyennes de MR avec :

Les limites devient :
) ( 1 G m
MR
MR
+
=

m: est le nombre des sous-groupes
MR E x LCS
2
x
+ =
MR D LCS
4 MR
=
MR D LCI
3 MR
=
m
x
x

=
MR E x LCI
2
x
=
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

102
6- CARTES DE CONTRLE AUX ATTRIBUTS
Les attributs sont des valeurs discrtes qui caractrisent
des tats sexcluant mutuellement, et ils peuvent tre
binaire ( Oui/non, succs/chec, .)
Les principales cartes de contrle aux attributs sont :
Carte p : pourcentage de non conformes,
Carte np : nombre dunits non conformes,
Carte c : nombre de non conformits,
Carte u : nombre moyen de non conformits par unit.

Ncessitent un pralable : ltablissement des critres de
conformit,

C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

103
Critres de conformit
Leur but est de rendre objectif ce qui est subjectif
tablir des normes de rfrentiels,
Dterminer un code commun,
Dfinir, en groupe, ce que signifie chaque type de non-
conformit,
Former le personnel de contrle des critres de dtection,
Crer les conditions adquates pour les relevs,
Avoir des critres ralistes, clairement dfinis et
rigoureusement appliques
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

104
Suit la proportion (%) de produits non -conformes dans
une population ,
Peut mesurer des produits sur une seule caractristique
(bonne/ mauvaise), plusieurs caractristiques qui rendent
le produit bon ou mauvais,

Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

105
Pralables
Taille des chantillons : doit rpondre au critre np > 5
et ne varie pas plus de 25 %,
Frquence de prlvement : doit permettre une
rtroaction rapide et compatible avec la taille de
lchantillon,
Nombre de sous-groupes : doit tre suffisamment
longue avec un minimum de 20 chantillons,
Proportion de dfectueux dans chaque chantillon :
gal au rapport du nombre de dfectueux constats sur la
taille dchantillon multipli par 100.
Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

106
Renseignement de la carte :
Le support est le mme pour les quatre cartes aux
attributs, il comporte gnralement huit zones :
Zone A : rserve lidentit de la carte,
Zone B : dfinition du type de carte,
Zone C : dfinition du type de paramtre suivi,
Zone D : rserve au taille des chantillon ,
Zone E : rserve au nombre de dfaut trouv sur
chaque chantillon,
Zone F : rserve au pourcentage affrents
chaque chantillon,
Zone G : rserve au rfrence de lchantillon
concern ,
Zone H : rserve au graphique
Carte p
Voir lannexe 11 : Modle de carte
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

107
Carte p
O Limite suprieure du contrle :

O Limite infrieure du contrle :

n
p 1 p
3 p
) (
LSC
(p)

+ =
n
p 1 p
3 p
) (
LIC
(p)

=
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

108
Principe dutilisation de la carte p :
1. Vrifier si les tailles dchantillons sont bien comprises entre
25 % et calculer leurs moyenne n,
2. Calculer les pourcentages p des produits dfectueux, et
vrifier si les np > 5 ,
3. Calculer et dduire LSC
p
et LIC
p
4. Reporter les points (n,p%) sur la carte , tracer les limites du
contrle,
5. Interprter ( voir ce qui suit )
Carte p
Voir lannexe 12 : Exemple dapplication
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

p
109
LSC
LIC
Procd sous contrle
Le procd est sous contrle statistique
le graphique est normal
rgles : - 2/3 des points sont situes
dans le tiers central.
- 1/3 des points sont situes
dans 2/3 extrieurs
Rgles de dcision
Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

110
LSC
LIC
Le procd nest pas sous contrle statistique
Le prsence dun ou plusieurs points au-del des
limites de contrle constitue une preuve de la
prsence de causes assignables en ce ou ces points
Cest un signal dclenchant une analyse immdiates
On peut linterprter ainsi:
La Lc ou le point sont faux
Le procd gliss (incident
isol)
Rgles de dcision
Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

111
LSC
LIC
Longues sries en augmentation
constituer une preuve de changement de
capabilit
Lorsquon observe:
7 intervalles conscutifs en augmentation ou
diminution rgulires
7 points conscutifs dun mme ct de la
moyenne.
Cest le signe quune drive ou une tendance
commence dans le procd
Rgles de dcision
Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

112
LSC
LIC
Longues sries au-dessus et au dessous de la moyenne
Il est parfois utile de souligner le srie depuis son
dbut jusquau point de dcision
La moyenne du procd a chang et peut tre
encore en cours de changement.
Rgles de dcision
Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

113
LSC
LIC
Rpartition inhabituelle de points:
Moins de 2/3 des points sont le tiers
+ Quil ny a pas derreurs de calcul
des LC ou dans le trac
dchantillonnage.
plus de 2/3 des points sont le tiers
+Quil ny a pas derreurs de calcul
des les LC ou dans le trac
dchantillonnage.
+ Que les donnes ont t
corriges ou modifies
Rgles de dcision
Carte p
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

114
Suit le nombre moyen de produits dfectueux ou non
conformes dans une population,
Peut mesurer un chantillon avec une frquence de
prlvement ou 100 %,
Peut mesurer des produits sur une seule caractristique
(bonne /mauvaise), plusieurs caractristiques qui rendent
le produit Bon ou mouvais,
Est applicable sur des chantillons de taille fixe,

Carte np
Tout ce qui a t pris en compte pour la carte p reste valable, la seule diffrence
rside dans le calcul des limites
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

115
Carte np


) ( LSC
(np)
n
p n
1 p n 3 p n + =
) ( LIC
(np)
n
p n
1 p n 3 p n =
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

116
Suit le nombre de dfauts dans une population,
Requiert des chantillons de taille constante,
Ncessite que son domaine soit fix (longueur, surface,
volume.)
Est particulirement utile quand les dfauts proviennent
dun grand nombre de sources.
Est tablit de la mme faon que pour la carte p :
- Tailles des chantillons constantes,
- Collecte du nombre de dfauts observs par chantillon,
- tablissement des graphiques,
- Interprtation : Voir la carte p
Carte c
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

117
Carte c


c 3 c + =
(c)
LSC
c 3 c =
(c)
LIC
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

118
Suit le nombre de dfauts sur le nombre de produits
contrls,
Permet davoir des chantillons de taille variables,
Est tablit de la mme faon que pour la carte p :
- Tailles des chantillons n,
- Collecte du nombre de dfauts observs par chantillon de
taille n,
- tablissement des graphiques,
- Interprtation : Voir la carte p
Carte u
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

119
Carte c


n
u
3 u + =
(u)
LSC
n
u
3 u =
(u)
LIC
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

120
7- JOURNAL DE BORD
Le journal de bord :
Est un document dont la fonction est de recenser
toutes les interventions ayant eu lieu pendant la
production.
Couvre tous les vnements qui se sont produits
sur le procd depuis sa mise en route jusqu son
arrt dfinitif :
Les heures de mise en route et de pause
Les rglages
Les interventions sur les outils
Les pannes et les incidents
Lintroduction dune nouvelle matire
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

121
7- JOURNAL DE BORD
Le journal de bord :
Permet de:
Montrer les vnements pouvant avoir une
relation avec les indicateurs des cartes,
Mmoriser les tats du procd,
Vrifier si la frquence dchantillonnage
est correcte,
Transformer les actions curatives en
actions prventives,
Supprimer les causes spciales.
C
h
a
p
i
t
r
e

I
V

S
u
r
v
e
i
l
l
a
n
c
e

p
a
r

c
a
r
t
e

d
e

c
o
n
t
r
l
e

Voir lannexe 13 : Modle du journal
122
1. INTRODUCTION
2. 6M DU PROCD
3. STRATIFICATION
4. RSOLUTION DU PROBLME
Chapitre V
Recherche des causes de variation
123
Lorsquon cherche la cause dun dfaut ou de la
dispersion de la distribution des mesures dun
composant, il est souvent ncessaire:
Dexaminer les donnes:
- Le choix du paramtre,
- La fiabilit du moyen de mesure,
- La reprsentativit de lchantillon.
De localiser la cause de variation.
1- INTRODUCTION
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

124
Les 6M sont les facteurs qui affectent la qualit ( la capabilit)
dun processus ( produit ):
2- 6 M DU PROCD
Les 6 M du procd
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

125
Pour localiser la cause de variation, il est
impratif de :
De regrouper les donnes par facteur:
- Machine,
- Matire premire,
- Mthode,
- Main-duvre,
- Mesure,
- Milieu.
Et si ncessaire :
De les regrouper par types de facteur.
2- 6 M DU PROCD
Exemple : Donnes relatives la machine A , et celles relatives la
machines B
Note :
Parmi les donnes relatives la machine A, on peut aussi grouper :
Celles lis loprateur X
Celles lis loprateur Y
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

126
+ Dfinition :
La mthode qui consiste grouper des donnes en fonction de
leurs points communs ou de leurs caractristiques afin de mieux en
comprendre les similitudes sappelle :
STRATIFICATION
3- STRATIFICATION
+ Stratification des donnes
Par matire premire Fabricant, acheteur, marque, lieu de production, date
dachat, lot reu, lot de production, composant, puret,
calibre, pices, dure de stockage, lieu de stockage, Etc.
Par machine,
quipement, outils
Type, numro, modle, performance et ge de la
machine, par usine, ligne, taille, moule et matrice
Par Mthode ou
conditions dexploitation
Temprature, pression, vitesse, vitesse de rotation,
vitesse de la ligne, emplacement, clairage, humidit,
procdure dexploitation, Etc.
Par oprateur Individu, quipe, groupe, ge, exprience, sexe, Etc.
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

127
3- STRATIFICATION
+ Stratification des donnes
Par mesure et contrle Instrument, procdure te lieu de mesure, personne qui
mesure, outil de contrle, procdure de contrle, lieu de
contrle, contrleur , Etc.
Par moment Heure, matin, aprs-midi, soir , nuit, jour, semaine, mois,
priode, saison, juste avant le dbut de , juste aprs la
fin de ., Etc.
Par Milieu ou
environnement
Temprature de lair, humidit, temps clair, nuageux,
pluvieux, vent, neige, saison, des pluies, saison sche,
bruit, clairage, Etc.
Autres Produit nouveau contre produit connu, produit fabriqu
la pice contre produit fabriqu en continu, bon produit
contre produit dfectueux, mthode de conditionnement,
mthode de transport, Etc.
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

128
Reprenant lexemple tudi dans la partie Carte de
contrle et stratifiant par oprateur on trouve:
+ Exemple :
M
o
y
e
n
n
e

10,05

10

9.95
LSC
X
-
LIC
X
-
t
e
n
d
u
e

0.15

0.10

0.05

0
LSC
R
LIC
R
Oprateur A
Oprateur B
Oprateur C
+ On constate que la variation du procd est due loprateur A
3- STRATIFICATION
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

129
Une fois la cause de variation localise ( Exemple : loprateur
qui est incapable ), on procde rsoudre le problme.
4- RSOLUTION DU PROBLME
Dfinition du problme
Cause
Solution
Mise en action
Tester la cause
Tester la solution
Objectif Ralit
Causes Causes
Possibles Relles
Solutions Solution
Possibles Choisie
Quoi, Qui, valuation en
Comment, fonction des
Quand. objectifs
Dmarche de rsolution de problmes
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

130
Les outils utiliss pour chaque tape:
4- RSOLUTION DU PROBLME
Dfinition du problme
recherche des Causes
Recherche de solution
Mise en action
Tester la cause
Tester la solution
M
a
t
r
i
c
e

d
e

d
o
n
n
e
s

D
i
a
g
r
a
m
m
e

d
e
s

a
l
t
e
r
n
a
t
i
v
e
s

D
i
a
g
r
a
m
m
e

e
n

f
l
c
h
e

D
i
a
g
r
a
m
m
e

m
a
t
r
i
c
i
e
l

D
i
a
g
r
a
m
m
e

e
n

a
r
b
r
e

D
i
a
g
r
a
m
m
e

d
e
s

r
e
l
a
t
i
o
n
s

D
i
a
g
r
a
m
m
e

d
e
s

a
f
f
i
n
i
t
s

G
r
a
p
h
e
s

C
a
r
t
e

d
e

c
o
n
t
r
l
e

D
i
a
g
r
a
m
m
e

d
e

d
i
s
p
e
r
s
i
o
n

H
i
s
t
o
g
r
a
m
m
e

F
i
c
h
e
s

d
e

r
e
l
e
v
s

D
i
a
g
r
a
m
m
e

d
e

P
a
r
e
t
o

D
i
a
g
r
a
m
m
e
s

d
I
s
h
i
k
a
w
a

Vrification
: Trs efficace
: Efficace
C
h
a
p
i
t
r
e

V

R
e
c
h
e
r
c
h
e

d
e
s

c
a
u
s
e

d
e

v
a
r
i
a
t
i
o
n

131
0.0003 0.13 1 2 3 4 5 10 20 60 95 99 99.87 99.99
4s 3s 2s moyenne 2s 3s 4s
45 40 35 30 25 20 15 10 5
44 39 34 29 24 19 14 9 4
43 38 33 28 23 18 13 8 3
42 37 32 27 22 17 12 7 2
41 36 31 26 21 16 11 6 1
valeur valeur valeur valeur valeur valeur valeur valeur valeur
f f fx
Estimation des
dfectueux :
Maxi = %
Mini = %
Spcification
.
Capabilit 8s
.
Indice de capabilit machine
Cm=
Cmki= Cmk=
Cmks
Moyenne estime
.
cart-type (S)
.
Obs

Rsultat :
Dsignation de la pice: Numro de pice :
Machine: Oprateur: Dimension: caractristique:
FORD Date: Etude effectue par : ETUDE DE LA CAPABILITE MACHINE (loi normale)
Histogramme
Tableau des relevs
Droite de Henry
EXEMPLE FICHE POUR LTUDE DE CAPABILIT
132
EXEMPLE DE CARTE DE CONTRLE
M
o
y
e
n
n
e

t
e
n
d
u
e

Oprateur :
Heure :
date :
Xi
Moyenne :
Etendue :
Dsignation de la pice Caractristique : Frquence
dchantillonnage :
Oprations : Machine :
CARTE N :
Carte inspire dun
document de la socit
FORD
Carte de contrle de processus ( X/R )
Indice de capabilit procd
Limites de contrle
Observation
Rcapitulatif des rsultats
X
=
R
_
=
=
o
^
=
R
_
Dn
=
Cp = =
o
^
Ts Ti
6
Cpks = =
o
^
Ts
3
X
=
Cpki = =
o
^
Ti
3
X
=
Cpk = min ( Cpks,Cpfi) =
LSC
X
= +A2 =
LiC
X
= - A2 =
X
=
X
=
R
_
R
_
LSC
R
=D4 =
LSC
R
=D3 =
R
_
R
_

Outils de La Qualité MSP

Transféré par

Informations du document

Titre original

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

Outils de La Qualité MSP

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

MSP

Cartes de contrle et tude

Vous aimerez peut-être aussi