Maîtrise Statistique des Procédés (MSP)

Ou
Statistical Process Control (SPC)

Pr A. Jrifi 2016/2017
1/26
Pr A. Jrifi 2016/2017
2/26
  Shewhart a présenté en 1929 sa célèbre « Control Chart (carte de contrôle) »
dans l’industrie militaire, ouvrant ainsi la voie à une nouvelle discipline qu’est
la M.S.P. Tout d’abord oubliée, ce n’est que dans les années 60 que Deming a
su insuffler un regain d’intérêt à cette technique en l’appliquant dans
l’industrie Japonaise. Ensuite dans les années 70 on voit apparaître les calculs
de capabilité dans l’industrie automobile Américaine et c’est seulement dans
les années 80 que cette discipline s’est imposée en Europe.
 Cependant de nombreuses évolutions dans la Maîtrise Statistique des Procédés (MSP) sont
apparues ces dernières années. Ces évolutions sont de trois ordres : conceptuelles,
méthodologiques et normatives :
 Les évolutions conceptuelles concernent principalement la notion de conformité. La conformité du produit qui
était largement fondée sur le simple respect des tolérances est plus liée désormais au centrage sur la cible.

 Les évolutions méthodologiques concernent tous les aspects de la MSP, avec l’application de nouvelles cartes
de contrôle, les évolutions sur les calculs des capabilités (aptitudes) et l’application de la MSP dans les cas
spéciaux.
 Les évolutions normatives sont également importantes avec l’apparition de nouvelle normes sur le sujet tant au
niveau de l’AFNOR qu’au niveau de l’ISO.

Pr A. Jrifi 2016/2017
3/26
 «Si nos fabriques imposent à force de
soin la qualité supérieure de nos
produits, les étrangers trouveront
avantage à se fournir chez nous et leur
argent affluera dans le royaume»
Colbert, 3 aout 1664
Pr A. Jrifi 4/26
2016/2017
  Qu’est-ce que la qualité?
 La qualité d’un produit ou d’un
service est son aptitude à satisfaire
les besoins d’un utilisateur au
moindre coût.

Pr A. Jrifi 5/26
2016/2017
  Qu’est-ce que la non-qualité?

 La non qualité est l'écart global

constaté entre la qualité visée et
la qualité effectivement
obtenue.

Pr A. Jrifi 6/26
2016/2017
  Qu’est-ce que le contrôle?

 LE CONTRÔLE EST GENERALEMENT

CONSIDERE COMME LA PIERRE
ESSENTIELLE DE LA QUALITE: IL EST
LE FILTRE QUI PERMET DE NE LIVRER
QUE DES PRODUITS CORRECTS.

Pr A. Jrifi 7/26
2016/2017
  Définition d'un processus :
 C'est la combinaison des éléments suivants :
 Equipements de production et de tests
 Hommes et organisations
 Matière première à transformer
 Méthodes et instructions
 Procédures
 le tout dans un environnement social et économique donné

Il est également caractérisé par :

- une entrée mesurable
- une valeur ajoutée
- une sortie mesurable
- et une répétabilité

Pr A. Jrifi 8/26
2016/2017
  Principe:
Un procédé ne peut être amélioré que s'il est :
 mesurable
 maîtrisé, c'est-à-dire que son comportement est prédictible
Un processus est naturellement variable
Il s'agit donc :
d'en accepter la variation;
de la maîtriser;
puis de la réduire pour améliorer les performances.

Pr A. Jrifi 9/26
2016/2017
  Principes et définitions (MSP):
 La « Maîtrise Statistique des Procédés » est parfois plus
connue sous son appellation « Statistical Process Control » et
son sigle SPC.
 La MSP est un élément d'assurance qualité.
 Son objectif est de maîtriser un processus mesurable par suivi
graphique temporel basé sur des fondements statistiques.
 Convient uniquement pour la grande série.

Pr A. Jrifi 10/26
2016/2017
  a) L'idée: Le processus est la cause des défauts du produit . C'est le processus qu'il faut maitriser puisqu'il est
instable et a naturellement tendance à se dérégler.
 b) La démarche :L'objectif est de contrôler les paramètres influant du processus. Les différentes étapes vont de la
sensibilisation du personnel à la mise en place des cartes de contrôle.
 c) L'outil: C'est la carte de contrôle , outil simple et efficace , qui est à la base de la MSP.
 d) Le concept :Il faut rechercher sans cesse l'amélioration des performances.
 e) Ce qu'est la MSP :
 Un élément de l'Assurance Qualité et un outil d'amélioration continue
 Il faut impérativement maîtriser le Processus afin de diminuer les coûts de non-qualité qui sont générés par le processus lui-
même.
 La responsabilité de la maîtrise des processus incombe d'abord et avant tout au Management.
 Les procédés sont conduits par des opérateurs. Le seul outil proposé par la MSP est la carte de contrôle, qui est simple
d'utilisation et à la portée de tout le personnel d'une entreprise.
 f) Ce que n'est pas la MSP
 Les différentes théories des Statistiques.
 - Ce n'est pas la Qualité Totale et ne garantit pas le ZERO DEFAUT.

Pr A. Jrifi 11/26
2016/2017
  Le but est d’améliorer la qualité afin d’arriver à la qualité totale.
 Le principe de la « Maîtrise Statistique des Procédés » consiste à
faire très fréquemment des prélèvements d’une quantité assez
réduite de produits pour s’assurer que ses différentes
caractéristiques restent dans les tolérances et, s’il advient que ce
n’est pas le cas, à intervenir immédiatement pour corriger la
situation. Les résultats sont reportés sur une « carte de contrôle »
qui fixe les limites que doivent respecter les échantillons prélevés
pour la caractéristique considérée. Ces contrôles peuvent
concerner le produit à tous ces stades de production: des
composants au produit fini en passant par les sous-ensembles.

Pr A. Jrifi 12/26
2016/2017
  Importance de la méthode
 Souvent la MSP est présentée comme la simple mise en place
de cartes de contrôle pour surveiller quelques caractéristiques.
Cela donne l’impression d’un travail assez réduit et simple. La
réalité est tout autre. Il faut distinguer deux phases:
Une phase d’étude et de modifications du procédé préalable à la
mise en place de la carte de contrôle. Celle-ci demande une
organisation structurée, un travail conséquent qui peut aboutir à des
modifications du procédé, des investissements, des formations, etc.
Une phase de mise en place de la carte de contrôle qui est très
simple, demandant un travail plutôt réduit.

Pr A. Jrifi 13/26
2016/2017
  Objectifs de la Maîtrise Statistique des Procédés (MSP) :.
 C’est sans doute le seul outil qui tend vers le « 0 » défaut.
C’est un moyen d’analyse statistique permettant
l’amélioration des procédés de production par une
meilleure connaissance des résultats et l’élimination
systématique des causes d’anomalie.
 La MSP s’appuie donc sur deux concepts de base :
Suivi de la variabilité et pilotage des procédés par carte de
contrôle,
Evaluation de l’aptitude des processus par les capabilités.
Objectif de la MSP : Stabilisation des procédés quant au respect
des valeurs cibles et réduction progressive des dispersions afin
d’obtenir la sûreté de la réalisation des produits.
Pr A. Jrifi 14/26
2016/2017
 Les causes de dispersions :
De multiples phénomènes viennent influencer la qualité d’un produit :

- Les causes assignables ou spéciales : Ce sont des causes de

dispersion identifiables, souvent irrégulières et instables, et par conséquent
difficiles à prévoir. L’apparition d’une cause spéciale nécessite une
intervention sur le procédé. En règle générale les causes spéciales sont peu
nombreuses. Les causes spéciales peuvent être classées en deux catégories:
 celles qui agissent sur le réglage de la valeur surveillée ( la moyenne
représentant un niveau de réglage)
 celles qui agissent sur la dispersion (l’étendue représentant la dispersion du
procédé)

Pr A. Jrifi 15/26
2016/2017
 Elles ne sont pas inhérentes au processus et il en résulte une dispersion variable
dans le temps .
Ex : - Cassure d'un outil
- Coupure du courant dans un cycle de chauffe
- Défaillance humaine
- Fuite dans un tuyau sous pression
- Grippage d'un palier
- Dégel, chaleur ou froid exceptionnel
- Changement d'opérateur
- Lot de matière première défectueux
Ce sont des causes que l'on peut souvent identifier et que l'on peut contrôler. Les
causes spéciales ne concernent que certaines pièces; elles sont peu nombreuses,
mais avec des effets importants. En principe, les causes spéciales ne durent pas
longtemps puisqu'on les élimine au fur et à mesure qu'elles se présentent. Quand un
outil casse, on le remplacera.
Pr A. Jrifi 16/26
2016/2017
 Les causes aléatoires ou communes : Ce sont les
nombreuses sources de variations attribuables au hasard appelées
encore causes aléatoires. Elles sont présentes à des degrés divers
dans les procédés. Comme ces causes communes seront toujours
présentes il faudra faire avec. L’ensemble de ces causes communes
forme la variabilité intrinsèque du procédé. Si toutes les
nombreuses causes communes qui agissent sont d’un ordre de
grandeur équivalent, alors la caractéristique doit suivre une
répartition dite en forme de cloche suivant une loi normale

Pr A. Jrifi 17/26
2016/2017
 Ce sont des causes inhérentes au processus lui-même.
Ex : - Jeux dans les différents éléments de la machine
- Elasticité des organes
-Hétérogénéité de la matière travaillée
- Température de l'atelier
- Erreurs dans le processus de mesure
Les causes aléatoires se caractérisent par :
-leur nombre très important
- leurs variations faibles en règle générale
- leur indépendance les unes des autres
- par le fait qu'elles sont toujours présentes
- elles se retrouvent dans toutes les pièces fabriquées; c'est d'ailleurs pour ces raisons
que la distribution est le plus souvent normale. Les causes communes ne sont pas
identifiables et sont incontrôlables. Elles sont responsables des variations aléatoires. Lorsque
le PROCESSUS EST STABLE on dit qu'il est SOUS CONTROLE ou qu'il est MAITRISE .
Il n'y a que des causes communes et pas de causes spéciales .
Pr A. Jrifi 18/26
2016/2017
Pr A. Jrifi 19/26
2016/2017
Pr A. Jrifi 20/26
2016/2017
Pr A. Jrifi 21/26
2016/2017
Pr A. Jrifi 22/26
2016/2017
 OUTILS STATISTIQUES

 Histogramme
 Loi normale

Pr A. Jrifi 23/26
2016/2017
 Les 5 « M » du processus
 Tous les processus, quels qu’ils soient, sont incapables de produire
toujours exactement le même produit. Cela, les opérateurs le savent
bien et c’est d’ailleurs un des problèmes principaux auxquels les
régleurs sont confrontés tous les jours.
 Quelle que soit la machine étudiée, la caractéristique observée, on
note toujours une dispersion dans la répartition de la
caractéristique.
Exemple: Une cote sur un lot de pièces ne fera jamais exactement 10 mm,
mais sera répartie entre 9,97 et 10,03 mm par exemple. Un lot de
résistances électriques dont la valeur nominale est de 10 ohms, aura en fait
des valeurs comprises entre 9,9 et 10,1 ohms. Cette variabilité est
incontournable et il faut être capable de « vivre avec ».

Pr A. Jrifi 24/26
2016/2017
  Ces variations proviennent de l'ensemble du processus de
production. L'analyse des processus de fabrication permet de
dissocier 5 éléments élémentaires qui contribuent à créer cette
dispersion. On désigne généralement par les 5 M ces 5 causes
fondamentales responsables de dispersion, et donc de non-qualité :

Pr A. Jrifi 25/26
2016/2017
  La méthode MSP a pour objectif la maîtrise des processus en
partant de l’analyse de ces 5 M. Elle apporte une plus grande
rigueur et des outils méthodologiques qui vont aider les opérateurs
et la maîtrise dans leur tâche d’amélioration de la qualité.
 Nous avons coutume de ne pas placer la « Mesure » parmi les M.
En effet, la mesure ne modifie pas la vraie dispersion vendue au
client, mais l'image que l'on a de cette dispersion. La dispersion vue
dans un histogramme sera la « somme » de la vraie dispersion de la
production et de la dispersion due à l'instrument de mesure. Or ce
qui crée la non qualité, ce n'est pas la dispersion vue mais la
dispersion vraie. La mesure est un processus à lui tout seul avec ses
propres 5M. Un préalable à la maîtrise d'un processus de
fabrication et la maîtrise du processus de mesure.

Pr A. Jrifi 26/26
2016/2017
 Variabilité

Pr A. Jrifi 27/26
2016/2017
Pr A. Jrifi 28/26
2016/2017
Pr A. Jrifi 29/26
2016/2017
Pr A. Jrifi 30/26
2016/2017
Pr A. Jrifi 31/26
2016/2017
 Analyse de la forme de la dispersion, loi normale
L’histogramme

- C'est un outil qui nous permet d'observer la répartition des

valeurs mesurées par rapport à la moyenne, regroupées par
classe.
- Cette moyenne doit être le plus près possible de la cote visée.
- L'allure générale doit correspondre à une courbe en cloche ou
courbe de Gauss.

Pr A. Jrifi 32/26
2016/2017
 LES GRAPHIQUES
 I. Introduction :
Les données chiffrées méritent souvent d’être
présentées sous forme de graphique. En effet, il est
plus facile de comprendre l’image du graphique
que la signification d’une suite de chiffres. La
synthèse visuelle que permet le graphique en fait
un outil privilégié pour l’établissement de tableaux
de bord, d’illustrations de rapports, d’outils de
contrôle et de prise de décision. Il existe une
grande variété de types de graphiques, chacun
ayant un usage privilégié.

Pr A. Jrifi 33/26
2016/2017
Pr A. Jrifi 34/26
2016/2017
Pr A. Jrifi 35/26
2016/2017
 Construction

Collecte des données

La première phase est la collecte des données en cours de fabrication. Cette collecte peut être réalisée
soit de façon exceptionnelle à l’occasion de l’étude de la variable soit en utilisant un relevé
automatique ou manuel fait lors d’un contrôle réalisé dans le cadre de la surveillance du procédé de
fabrication.
Sans qu’il soit réellement possible de donner un nombre minimum, il faut que le nombre de valeurs
relevées soit suffisant. Plus on dispose d’un nombre élevé de valeurs, plus l’interprétation sera aisée.

Pr A. Jrifi 36/26
2016/2017
 Nombre de classes

Pr A. Jrifi 37/26
2016/2017
Pr A. Jrifi 38/26
2016/2017
Pr A. Jrifi 39/26
2016/2017
 Résolution de la balance est 0,001Kg

Pr A. Jrifi 40/26
2016/2017
 Les caractéristiques du relevé sont les suivantes :
• Le nombre d'échantillons : N=64
• L'étendue : w=0,098 kg
• Valeur minimale : 0,498 kg
• Valeur maximale : 0,596 kg
On en déduit les paramètres suivants pour l'histogramme :
• Le nombre de classes est de 7 (en utilisant la formule avec le
logarithme)
• L'amplitude de classe est 0,098/7 = 0,014 kg que l'on arrondit à
0,015 kg (résolution de la balance : 0,001 kg)
• La valeur minimale de la première classe est de 0,498 – (0,001/2) =
0,4975. Par souci de facilité pour
l'interprétation, on peut arrondir cette valeur à 0,495 kg.

Pr A. Jrifi 41/26
2016/2017
Pr A. Jrifi 42/26
2016/2017
Pr A. Jrifi 43/26
2016/2017
 + 0.05
Une entreprise X vérifie le diamètre d’une surface cylindrique coté 20 - 0.08
Un opérateur prélève un lot de 40 pièces, il mesure à l’aide d’un micromètre (résolution
= 0,01 mm) les 40 diamètres et trouvent les résultats suivants:

N° 1 2 3 4 5 6 7 8 9 10 11 12 13 14

cote 19.97 19.96 19.99 19.99 20.00 19.93 20.01 19.99 20.02 19.99 19.95 20.01 19.97 20.00

N° 15 16 17 18 19 20 21 22 23 24 25 26 27 28

cote 20.00 19.98 20.01 19.95 19.97 20.00 19.99 20.02 19.97 20.03 20.00 19.96 20.03 19.99

N° 29 30 31 32 33 34 35 36 37 38 39 40 41 42

cote 19.99 20.02 19.98 19.99 20.04 19.97 20.02 20.00 20.02 20.00 20.00 19.98

Elle veut connaître la représentation graphique de la distribution des pièces: il faut donc tracer
l’histogramme

Pr A. Jrifi 44/26
2016/2017
 Méthode de tracé d’un histogramme
1: collecte des données:
2: calcul du nombre de classes
3: calcul de l’étendue R
4: calcul de la largeur d’une classe
5: calcul de la valeur mini de la
première classe
Pr A. Jrifi
Voir tableau précédent
Formule: Nb de classes =  n
AN :Nb de classes =  40 = 6,32.
Arrondi à 7
Formule: valeur mesurée maxi - valeur mesurée
mini
ou :AN
x maxi - x mini
: 20,04 - 19,93 = 0,11 mm
Formule: R / Nb de classes
arrondir à un multiple de la résolution
AN : 0,11 / 7 = 0,014 arrondi à 0,02 mm
Formule: valeur mesurée mini - moitié de la résolution
ou : x mini - 1/2 résolution
AN : 19,93 - (0,5 x 0,01) = 19,925 mm
45/26
2016/2017
 6: Relever le nombre de valeurs par classe tableau des résultats ( classes / fréquences )

Classes Fréquence ( Nb de valeurs )

19,925 - 19,945
1
19,945 - 19,965
4
19,965 - 19,985
8
19,985 - 20,005
16
20,005 - 20,025
8
20,025 - 20,045
3
20,045 - 20,065
0
Pr A. Jrifi 46/26
2016/2017
 7: Tracé de l’histogramme

fréquence

20

16
15

8 8
10

4
5 3
1
valeur

19,925 19,945 19,965 19,985 20,005 20,025 20,045 20,065

Pr A. Jrifi 47/26
2016/2017
 cote visée: cote moyenne
8: Tracer les caractéristiques de la cote
Cote maxi : tolérance supérieure
Cote mini : tolérance inférieure

fréquence
AN : cote visée = 19,985 mm
cote maxi = 20,05 mm
cote mini = 19,92 mm
20 Cote mini Cote visée
Cote maxi
16
15

8 8
10

4
5 3
1
valeur

19,925 19,945 19,965 19,985 20,005 20,025 20,045 20,065

Pr A. Jrifi 48/26
2016/2017
 n
9: calcul de la moyenne des valeurs et tracé formule: X = 1/n  xi
i=1
10: tracé de la courbe de Gauss ( facultatif ) AN : 19,992 mm

fréquence
X

20 Cote visée
Cote mini
Cote maxi
16
15

8 8
10

4
5 3

1
valeur

19,925 19,945 19,965 19,985 20,005 20,025 20,045 20,065

Pr A. Jrifi 49/26
2016/2017
 En conclusion:
L’histogramme permet d’observer la répartition des
valeurs mesurées par classes, par rapport à la moyenne.

La moyenne des valeurs doit être le plus prêt possible de la

cote visée.

L’allure générale doit correspondre à une courbe en

cloche ou courbe de Gauss.

Pr A. Jrifi 50/26
2016/2017
 ATTENTION ! Ne pas confondre ETENDUE et DISPERSION

Etendue: valeur mesurée maxi - valeur mesurée mini ou : x maxi - x mini

En relation avec l’histogramme

R
Dispersion: elle peut être évaluée à 6,18  ( correspond à 99,98% d’une population
distribuée suivant une loi normale ).

En relation avec la courbe de Gauss

dispersion

Pr A. Jrifi 51/26
2016/2017
 Analyse de la forme de la dispersion
Répartition en forme de cloche
L'analyse des productions sur une machine montre que, en l'absence de déréglage, la
répartition des produits suit une courbe en cloche selon une loi : la loi normale. On
trouve également d'autres appellations pour cette loi telle que loi de Gauss, loi de
Laplace Gauss

Pr A. Jrifi 52/26
2016/2017
 Cette répartition se rencontre très fréquemment dans la nature et
pas seulement dans le cas des machines de production. Ainsi, la
hauteur des hommes en Maroc suit une telle répartition. De
nombreuses personnes mesurent autour de 1,73 m (la moyenne)
mais peu d'hommes mesurent aux environs de 1,95 m ou de
1,50 m. Le théorème statistique à l'origine de cette convergence
vers la loi normale est appelé « théorème central limite ». On
peut l'écrire sous la forme suivante :
« Tout système, soumis à de nombreux facteurs,
indépendants les uns des autres, et d'un ordre de
grandeur équivalent, génère une loi normale ».
Pr A. Jrifi 53/26
2016/2017
Pr A. Jrifi 54/26
2016/2017
 Pour mesurer l’importance des variations autour de la
moyenne (facteur d'échelle), il suffit de mesurer la largeur
de base de la courbe. La largeur de base de la courbe est
appelée : dispersion. Nous verrons plus loin que l'on
définit cette largeur de base de la courbe par un calcul
statistique D = 6σ. Dans ce cas également nous devrons
différentier σ qui est le vrai écart type de la population et
S qui est l'estimateur de ce σ calculé à partir des données
de l'échantillon.
Pr A. Jrifi 55/26
2016/2017
Pr A. Jrifi 56/26
2016/2017
Pr A. Jrifi 57/26
2016/2017
Pr A. Jrifi 58/26
2016/2017
Pr A. Jrifi 59/26
2016/2017
Pr A. Jrifi 60/26
2016/2017
Pr A. Jrifi 61/26
2016/2017
Pr A. Jrifi 62/26
2016/2017
Pr A. Jrifi 63/26
2016/2017
Pr A. Jrifi 64/26
2016/2017
Pr A. Jrifi 65/26
2016/2017
Pr A. Jrifi 66/26
2016/2017
Pr A. Jrifi 67/26
2016/2017
 Et si la courbe obtenue n'est pas une cloche?

Pour la plupart des caractéristiques obtenues

en production, on devrait obtenir une courbe
en cloche. Il y a quelques exceptions comme
les défauts de forme ou les défauts de position
où il est normal de ne pas obtenir une courbe
en cloche.

Pr A. Jrifi 68/26
2016/2017
 Paramètres d'une distribution

Pr A. Jrifi 69/26
2016/2017
Pr A. Jrifi 70/26
2016/2017
 Un processus « sous contrôle » est un processus dans lequel seules subsistent les causes
communes. La répartition de la production suit alors une courbe en cloche et elle est
centrée sur la cible.
Un processus « hors contrôle » est soumis à la présence de causes spéciales. Le résultat
de la production ne suit donc pas nécessairement une courbe en cloche et la production
peut être décentrée par rapport à la cible.
La maîtrise de la variabilité dont nous avons montré la nécessité dans le premier
chapitre consiste donc à mettre tous les processus « sous contrôle », c'est l'objectif de la
MSP.
Pr A. Jrifi 71/26
2016/2017
 Les cartes de contrôle

Pr A. Jrifi 72/26
2016/2017
Pr A. Jrifi 73/26
2016/2017
Pr A. Jrifi 74/26
2016/2017
Pr A. Jrifi 75/26
2016/2017
Pr A. Jrifi 76/26
2016/2017
Pr A. Jrifi 77/26
2016/2017
Pr A. Jrifi 78/26
2016/2017
Pr A. Jrifi 79/26
2016/2017
Pr A. Jrifi 80/26
2016/2017
Pr A. Jrifi 81/26
2016/2017
Pr A. Jrifi 82/26
2016/2017
Pr A. Jrifi 83/26
2016/2017
Pr A. Jrifi 84/26
2016/2017
Pr A. Jrifi 85/26
2016/2017
Pr A. Jrifi 86/26
2016/2017
Pr A. Jrifi 87/26
2016/2017
Pr A. Jrifi 88/26
2016/2017
Pr A. Jrifi 89/26
2016/2017
Pr A. Jrifi 90/26
2016/2017
Pr A. Jrifi 91/26
2016/2017
Pr A. Jrifi 92/26
2016/2017
Pr A. Jrifi 93/26
2016/2017