Optimisation des

processus

• Introduction
• Maitrise statistique des processus
• Planification d’expérience
• Six Sigma

1
 Définition

Optimiser : permettre d'obtenir le

meilleur résultat possible par une
action adaptée synonymes : améliorer,
maximiser, mettre au point,
optimaliser .

2
 Exemples de domaines d’application
Projets Emplois du temps

Ordonnancement d’ateliers de production et des lignes d’assemblage,

Améliorer la qualité, maitriser les processus

Systèmes d’exploitation des ordinateurs

Organisation des prises de vue

Problèmes de découpe
d’un satellite

Problèmes d’affectation, de transport,

Systèmes distribués et
systèmes embarqués
MSP
Concepts
Causes de variabilité
Les outils
Méthodologie

4
 Origine
• 1924-1930 : Shewhart à l’origine des travaux
statistiques appliqués à l’industrie militaire
• Deuxième guerre mondiale : accélération et
perfectionnement des méthodes de contrôles
statistiques (Military Standards)
• Après la guerre : Extension des Military
standard à l’industrie
• Au japon : Mouvement pour les statistiques
appliquées à la qualité grâce à Deming,
Juran…
• Années de croissance (1945 à 1975) :
L’approche est centrée sur le produit
• Année de crise : L’approche s’attache aux
procédés
5
 La Maîtrise des
processus :
Nouveaux défis
• Des mesures toujours plus nombreuses :
Exemples techniques

17500
– Réacteur chimique : Mesures/ jours
• 73 variables process
• 10 observations /heures

– Carrosserie automobile : 150 0000

• 150 mesures dimensionnelles Mesures/ jours
(laser)
• 1000 caisses de voiture / jour
6
 Statistiques
Englobe l’ensemble des techniques
d’interprétation mathématiques appliquées

Permet de résumer en quelques chiffres

caractéristiques un ensemble de données. On se
limite aux caractéristiques essentielles. Quel est
est le centrage? Quelle est la dispersion? Quelle
est la forme de cette dispersion, et reste-t-elle
identique lorsque le temps s’écoule?

7
Qu’est ce qu’un processus ?
Méthode Moyen M.O.
Processus

Milieu Matière

Maîtrise statistique
Surveillance
améliorations

Traitement
Processus Information
statistique
8
Maîtrise statistique des processus
(MSP ou SPC)
La MSP est une technique de pilotage des
procédés associant des outils statistiques et la
manière de les mettre en œuvre dans le but de :
Prévenir les défectuosités de fabrication
Maîtriser les processus de fabrication
Améliorer la qualité du produit, en
éliminant les sources de variation
S’assurer que la qualité du produit est
conforme
9
Maîtrise statistique des processus
(MSP ou SPC)

Répondre aux besoins des clients

Passer d’un débat d’idées au débat des chiffres
Rendre mesurable les objectifs
Participation et responsabilisation du personnel
Élever le niveau de compétence de l’ensemble du
personnel
Développer la culture d’entreprise

10
 Domaine d’application
Fournisseurs Clients
Input : Output :
PROCEDE
• Produits • Produits
• Matières premières Analyse du • En-cours
• Énergie procédé • …
• … Caractéristiques :
Détermination
Caractéristiques : • Fonctionnelles
des paramètres à
• Fonctionnelles maîtriser • Organiques
• Organiques Cartes de contrôles
Maîtrise
Cartes de contrôles Statistiques du
Procédé
Cartes de contrôles
11
 Variabilité
les caractéristiques d’un produit ne sont jamais
rigoureusement identiques

Tout processus comporte plusieurs sources de

variabilité

• Main d’œuvre
• Machines
• Matières premières, …
12
 Causes de variabilité
• Causes attribuables (causes
assignables)
– extérieures au processus
– éliminables
– pour lesquelles la correction sera un gain
pour le processus
– moins nombreuses, mais provoquant des
variations plus importantes, sont attribuées
à des événements ponctuels et repérables
sur lesquels il est possible d’agir
• Exemple : Panne électrique, …

13
 Causes de variabilité
• Causes constantes (causes aléatoires)
– liées à la variabilité interne du processus
– impossibles à éliminer, ou tout du moins dont la
tentative de correction va coûter plus qu’elle ne
rapportera
– nombreuses petites sources de variation toujours
présentes, dont on pourra réduire le nombre ou
l’importance globale, mais dont le procédé ne peut
être entièrement débarrassé
• Exemple : usure des organes de la machine,
les conditions climatiques externes, variations
d’intensité électrique

14
 Performance d’un
procédé
• S’appréciera sur la réduction du coût
d’obtention de la qualité (anomalies,
détection, prévention…) et
éventuellement des autres coûts de
production
• La MSP doit répondre aux questions
suivantes :
– le procédé est-il apte à fabriquer des
produits conformes aux spécifications?
• Phase préalable d ’étude

15
 Performance d’un
procédé
– Si oui le procédé est-il stable et permet-
il de maintenir cette qualité?
• Phase de suivi de la reproductibilité et de la
répétabilité des résultats fournis par le
procédé
– si non sur quels facteurs faut-il agir ?
Ou bien est-il possible ou nécessaire de
modifier les spécifications du produit ?

16
 Ce qu’est la MSP
• Démarche d’auto-contrôle la plus évoluée
• Repose sur 3 principes fondamentaux
– priorité donnée à la prévention
– référence au procédé tel qu’il fonctionne
– responsabilisation de la production et la
participation active des opérateurs
• Poursuit 2 objectifs
– vérifier l ’aptitude à produire selon les
spécifications
– rechercher la stabilité de la production dans le
temps

17
 Ce qu’est la MSP
• C’est un véritable système
d’information appliqué au procédé
de fabrication soit directement
(contrôle des paramètres), soit
indirectement (contrôle des
caractéristiques du produit).
• Les statistiques ne sont dans la
MSP qu’un outil de traitement des
informations
18
 Ce que n’est pas la MSP
• La MSP ne doit pas être réduite aux
seuls outils statistiques
• La MSP n’est pas la qualité totale :
elle ne garantit pas non plus
l’obtention du zéro défaut, même si
elle est une étape importante et une
condition nécessaire d’une telle
recherche

19
 Ensemble des outils
nécessaires
• La MSP englobe des outils et des
méthodes
– les outils MSP fondés essentiellement
sur les statistiques et dont les plus
importants sont la carte de contrôle,
l ’histogramme et la capabilité
– les outils nécessaires à la mise en
œuvre de la MSP, tels que l’AMDEC, les
plans d ’expérience, le diagramme cause-
effet, ou encore le graphique de Pareto
20
 Feuilles de relevés

Collecte d’informations pertinentes

Formule simple et complète

Instrument de mesure précis et calibré
Enregistrement soignés des données

21
 Qu’est ce qu’une mesure ?

Méthode Moyen M.O.

Mesure

Milieu Matière

22
Vérification des pièces Analyse et vérification
défectueuse de la distribution

Feuilles de relevé

Causes des défauts Check List

Localisation des défauts

23
 Feuilles de relevés: QQOQPC
Qui va effectuer une collecte efficace des
données ? (l’opérateur, l’inspecteur, le chef
d’équipe, etc…)
Quels sont les objectifs qu’on espère atteindre
en réalisant l’étude ?
A quel endroit ou à quel étape du procédé doit
–on faire la collecte ?
Pendant combien de temps ?
Combien de données doit-on collecter ?
Comment est-ce les données seront collectées ?
24
 Journal de bord

N’est pas un outil statistique, mais sa mise en place doit

impérativement accompagner celle des cartes de contrôles

Document dont la fonction est de recenser toutes les

interventions ayant eu lieu pendant la production
Les heures de mise en route et d’arrêt
La quantité produite entre deux réglages
Les heures d’arrêt et leurs causes
Les interventions sur les outils
Les pannes
Les changements d’équipes
L’introduction de nouveaux lots ou matières
premières

25
 La carte de contrôle
Graphique composé d’une série de radiographies
instantanées de l’état de santé du processus. Elle
permet :
De visualiser la variabilité du procédé
De distinguer les causes assignables de variation des
causes aléatoires
D’affirmer que le procédé et ou n’est pas sous contrôle
De prévoir la performance du procédé lorsqu’il est sous
contrôle
D’établir les indices d’amélioration du procédé
(capabilité du procédé)
l’image de celui-ci en temps réel 26
 Exemple
La distribution des poids (g) des boîtes de céréale.

269,7 267 264,8 267,1 268,7

263,6 265,6 261,4 265,5 261,2
264,4 268,8 264,5 264,5 263,1
259,7 260,3 266,2 262,2 264,6
262,4 263,4 265,9 271 258,7
263,4 267,6 265,3 264,4 262,3
260,7 264,1 266,4 269,8 261,2
265 272,9 255,8 266,1 262,1

27
 Histogramme
Il permet de juger si les produits fabriqués sont
conformes aux spécifications, en situant la dispersion
et le centrage du procédé par rapport aux
spécifications demandées

14
12
10
8
6
4
2
0
255,5 258,5 261,5 264,5 267,5 270,5 273,5
28
Construction d’un histogramme
Cueillette des données
Formule simple et complète
Instrument de mesure précis et
calibré
Enregistrement soigné des données.
Feuille de pointage ou de dépouillement
Calculer l’étendue R =max.-min.
Établir le nombre de classes
Déterminer la largeur des classes et
choisir les bornes inf. et sup.
Compter les fréquences
Tracer l’histogramme.
29
Interprétation d’un histogramme
LIS Spécification LSS
14 VN X
12
10
8
6
4
2
0
255,5 258,5 261,5 264,5 267,5 270,5 273,5

30
 Exercices
• Etude de la normalité d’une distribution
– Lors d'une étude portant la fabrication d’un
composant, on a mesuré le diamètre de 131 pièces :
• Moyenne : 30,19 mm
• Ecart-type : 0,61 mm
]- ; 28,80[ : 0 [28,80 ; 29,00[ : 1 [29,00 ; 29,20[ : 4
[29,20 ; 29,40[ : 10 [29,40 ; 29,60[ : 10 [29,60 ; 29,80[ : 9
[29,80 ; 30,00[ : 14 [30,00 ; 30,20[ : 20 [30,20 ; 30,40[: 16
[30,40 ; 30,60[ : 13 [30,60 ; 30,80[ : 15 [30,80 ; 31,00[ : 9
[31,00 ; 31,20[ : 4 [31,20 ; 31,40[ : 0 [31,40 ; 31,60[ : 1
[31,60 ; 31,80[ : 5 [31,80 ; +[ : 0

– Peut-on déduire que la distribution suit une loi

normale ?

31
 Exercices
• Exemples d’utilité de la loi Normale
– Sachant que nous avons relevé des
mesures de diamètres de broches, et que
l’analyse de la distribution montre qu’elle
suit une loi normale de moyenne
m=100mm et d’écart type s=3mm,
comment pouvons-nous calculer le
pourcentage de pièces de diamètres :
  <93 mm
  > 109 mm
• 97 <  < 103 mm
32
 Les caractéristiques de la
distribution [1]
Tendance centrale
•Moyenne arithmétique : le « centre de gravité » de l ’ensemble
des données Xi
X=
n
•Moyenne pondérée

piXi
Si pour chaque valeur X il y a un poids associé X=
n

•Médiane: la valeur milieu d’un ensemble de données; pas

affectée par des valeurs extrêmes élevées
•Mode : la valeur la plus fréquente d’une distribution uni modal
33
 Les caractéristiques de la
distribution [2]
Dispersion
•Étendue : la différence entre la plus grande et la plus petite
valeur d’un ensemble de données R = max – min

•Écart-type : la racine carrée des carrées des écarts à la moyenne

d’un ensemble de données (ou la racine carrée de la variance)
(Xi-X)2
=
n

34
 Exercices
• Pourcentage de pièces hors tolérance
– Considérons la production suivante :
• Tolérances de fabrication : 10 +/- 0.02
• Taille de l’échantillon : n=100
• Moyenne de l’échantillon prélevé : 10,005
• Ecart-type de l’échantillon : 0,006
– On veut connaître le pourcentage de pièces hors
tolérance
– Etapes :
• Détermination des bornes sup et inf de tolérance
• Calcul de la variable centrée réduite
• Lecture de la table de la loi normale

35
 La distribution normale

68.26% 34.13%

95.46% 13.6%

99.73% 2.1%

-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3

36
Exemple: Relevé de la cote « A » de 50
pièces

20,74
Dimension A (mm)

20,72
20,7
20,68
20,66
20,64
1
5
9
13
17
21
25
29
33
37
41
45
49
N° de pièce

37
Causes normales et causes spéciales

38
Stabilité et capacité opérationnelle
Spéc. Spéc.

Capable
Stable
Instable
Les indices de capabilité du procédé

Rejets

Cp = 0.8 Cp = 1 Cp = 1.33 Cp = 2
Le procédé n’est Le procédé est Capable Le procédé
Pas capable Il faut faire attention capable
 Nature de cartes de
contrôle
A PRIORI
CARTE DE
CONTRÔLE FONCTIONNEMENT
DU PROCEDE
aux MESURES
(tolérance,
(tendance centrale, dimension)
dispsersion)
LOI NORMALE
A POSTERIORI
CARTE DE
CONTRÔLE QUALITE DU
PRODUIT
aux ATTRIBUTS
(BON-MAUVAIS)
(nombre,
LOI BINOMIALE ou
41
 Les cartes de contrôle
aux mesures
• Les cartes de contrôle aux mesures
– pour les variables quantitatives (poids, diamètre,
épaisseur, température, volume, puissance
consommée, dosage, résistance thermique…)
– Leur établissement est fondé :
•Sur l’hypothèse (qui est à vérifier) que la
distribution des valeurs suit une loi
connue (Normale ou autre)
•Sur les propriétés des échantillons
(relations entre échantillons et
population)
42
 La carte de contrôle aux mesures
LCS

Carte de la X
X LC
Tendance centrale

LCI
1 2 3 4 5 6 7 8 9 10 11 12 13
Numéro d’ordre
LCS chronologique

Carte de la
 LC
Dispersion


LCI
1 2 3 4 5 6 7 8 9 10 11 12 13 43
La distribution des moyennes est toujours
normale
60
58 Mesures
56 individuelles
5
52
50
1 2 3 4
60
58
X 56 Moyennes
5
52
50 44
 Les étendues
60
58 Mesures
56 individuelles
5
52
50
1 2 3 4
60
58
56 Les étendues
5 R
52
50
1 2 3 4 45
 Règle d’interprétation des cartes de
contrôle
LCS

LC

LCI
1 2 3 4 5 6 7 8 9 10 11 12 13
Numéro d’ordre
chronologique
• Aucun point n’est en dehors des limites de contrôle
• Les points fluctuent au hasard et sont distribués équitablement par
rapport à la ligne centrale
• La plupart des points sont proches de la ligne centrale
• Quelques points sont au voisinage des limites de contrôle
• Aucune allure suspecte.
46
Règle d’interprétation des cartes de
contrôle

LCS

LC

LCI
1 2 3 4 5 6 7 8 9 10 11 12 13
Numéro d’ordre
chronologique

Présence de causes anormales

47
Règle d’interprétation des cartes de
contrôle
LCS

LC

LCI
1 2 3 4 5 6 7 8 9 10 11 12 13
Numéro d’ordre
chronologique

Changement brusque
• Changement matière première
• Changement d’opérateur
• Nouveau réglage
48
Règle d’interprétation des cartes de
contrôle
Présence de phénomène cyclique
Caractérisé par des hauts et des bas répétitifs

• Changement de pression
• Changement de température
• Changement d’appareil de mesure
• Changement de matière première
• Changement d’opérateur
• Changement…

49
Règle d’interprétation des cartes de
contrôle
Dérive

Décalage progressif des points.

• L’usure de l’outil
• Défaut d’entretien
• Changement saisonnier…

50
 Mise en œuvre des cartes de contrôle
Il existe 2 grandes familles de cartes :
• Les cartes dites aux mesures (données
mesurables)

•Les cartes de moyenne et de l’écart-type

•Les cartes de moyennes et de l’étendue
•Les cartes de la médiane et de l’écart-type
•Les cartes de la médiane et de l’étendue.

• Les cartes dites par attributs

classer les caractéristiques en conformes ou
non conformes 51
 Implantation
Étape 1
• Prélèvement successivement des échantillons de 4
à 5 individus
• Fréquence = F (cadence des produits fabriqués,
Processus)
• Le nombre d’échantillons prélevés doit être
suffisant pour laisser le temps aux sources de
variations de se manifester (25 à 35)
Étape 2
• Implantation des cartes de contrôles
• Les limites de contrôles à partir des échantillons
de l’étape 1 52
 Implantation (suite)
Étape 3
Xi : Moyenne de chaque échantillon
1 ... ... r
X.. : Moyenne des moyennes
j
 : Écart type de l’ensemble des
1 individus
..
. i : Écart type de chaque échantillon
xi : Écart type des moyennes des
i Xij différents échantillons
.. .. :Moyenne des écart types des
. différents échantillons
r : Nombre d’échantillons
n prélevés W : Étendue de l’ensemble des
n : Taille des échantillons individus
N : Taille de l‘ensemble Wi : Étendue de chaque échantillon
Xij : Mesure individuelles W.. : Moyenne des étendues des
X : Moyenne de l’ensemble différents échantillons
des individus wi : Écart type des étendues 53
Relation : Moyenne, écart-type de la
population mère et les différents
échantillons
Processus
N(X..,)
X..

Échantillons

Ech. Ech. Ech. Ech. Ech. Échantillons

1 2 i k-1 k
Moyennes des
X1. X2. X i. Xk-1. X k. échantillons

Distribution de la
N(X.., / n)
moyenne des
X..
échantillons 54
 Caractéristiques des distributions
Distributions

Des Des Des

Caractéristique moyennes étendues
mesures
des des
individuelle échantillons échantillons
s
s

Moyenne X X.. W..

../a ou ../a n ou ../ac ou
Écart-types W../b W../b n W../bc

X 55
 Exemple
i 1 2 3 4 5 6 7 8 9 10
j
1 35 30 10 30 40 30 30 30 10 20
2 40 20 35 25 30 55 30 30 30 35
3 15 25 35 50 15 30 25 30 15 30
4 40 40 25 30 45 35 40 50 20 35
5 25 40 40 05 45 40 10 35 30 30
Xi. 31 31 29 28 35 38 27 35 21 30
i. 10.8 08.9 11.9 16.0 12.7 10.3 10.9 08.6 08.9 6.12
4 5 4 5 5 7 5 6 4
Wi. 25 20 30 45 30 25 30 20 20 15
56
 Les caractéristiques de l’exemple
35+30…+20+40+20…+35+…+25+40…+30
X= = 30.5
50

(35-30.5)2+…+(20-30.5)2…+…(30-30.5)2
= = 10.844
49

W = 55 – 10 = 45
31 + 31 + … + 38 + … + 21 + 30
X.. = = 30.5
10
(31-30.5)2+…+ (30-30.5)2  10.844
x.j= = 4.813 x.j= =
9 n 557
Les caractéristiques de l’exemple (suite)

25 + 20 + … + 15
W..= = 26
10

(20-26)2+…+ (15-26)2
w.j= = 8.432
9

58
 Caractéristiques des distributions
Distributions

Des Des Des

Caractéristiq moyennes étendues
mesures
des des
individuelle échantillons échantillons
ues
Moyenne sX = 30.5 X..=30.5 W..=26

= x.j = 17 w.j =8.432

Écart-types 10.844

Étendues w = 45 Wx.j = 17 Ww.j

=8.43259
Construction de la carte de la tendance centrale

Carte de la moyenne construite à partir de l’écart-type

X.. = X

x.j = / n
..
LCS = X.. + 3.09 a n
..
LCI = X.. - 3.09 a n
LC = X.. 60
 Construction de la carte de la dispersion

Carte de l’écart-type appelée sigma

LCS = E1 ..

LC = ..
LCI = E2 ..

Carte de l’étendue
LCS = F1 w..

LC = w..
LCI = F2 w..
61
 Carte de contrôle de non conformes «
carte NP »

Permet de suivre l’évolution de nombre de non conformes d’un

échantillon à un autre
Procédure
(1) Noter les paramètres n et r
(2) Compter le nombre de non conformes par échantillon d1,d2, d3,
….,dr-1,dr .
(3) Calculer le nombre total de non conformes : D
(4) Calculer le nombre total d’individus contrôlés N = n*r
(5) Calculer la proportion moyenne p0 de non conformes pour
l’ensemble des r échantillons p0 = D/N
62
 Carte de contrôle de non conformes «
carte NP » (suite)

Procédure (suite)
(6) Calculer la moyenne n p0
(7) Calculer l’écart-type np0(1-p0)
(8) Calculer les limites de contrôles
LCS = np0 + 3np0(1-p0)
LC = np0
LCI = np0 - 3 np0(1-p0)

N.B : LCI prendra la valeur zéro si elle négative

63
 Carte de contrôle de la proportion de non
conformes « carte P »

Procédure
(1) Noter les paramètres n et r
(2) Compter le nombre de non conformes par échantillon
d1,d2, d3,….,dr-1,dr .
(3) Calculer la proportion de non conformes par
échantillon d1/n, d2/n, d3/n,….,dr-1/n, dr /n.
(4) Calculer la proportion moyenne p0 de non conformes
pour l’ensemble des r échantillons
P0 = (d1 + d2 + d3 +….+ dr-1 + dr )/n*r
64
 Carte de contrôle de la proportion de non
conformes « carte P » (suite)

Les échantillons ont la même taille

Procédure
(5) Calculer les limites de contrôles
LCS = p0 + 3 p0(1-p0)/n
LC = p0
LCI = p0 - 3  p0(1-p0)/n

N.B : LCI prendra la valeur zéro si elle négative

65
 Carte de contrôle de la proportion de non
conformes « carte P »

Les échantillons n’ont la même taille

Procédure
(1) Noter les paramètres n1,n2, n3,….,nr r et N
(2) Compter le nombre de non conformes par échantillon
d1,d2, d3,….,dr-1,dr .
(3) Calculer la proportion de non conformes par
échantillon d1/n1, d2/n2, d3/n3,….,dr-1/nr-1, dr /nr.
(4) Calculer la proportion moyenne p0 de non conformes
pour l’ensemble des r échantillons
P0 = (d1/n1+d2/n2+d3/n3+….+dr/nr )/r 66
 Carte de contrôle de la proportion de non
conformes « carte P » (suite)
Les échantillons n’ont pas la même taille
Procédure
(5) On Calcule les limites de contrôles pour les deux
tailles extrêmes :
Pour nmin LCS = p0 + 3 (p0(1-p0))/nmin
LC = p0
LCI = p0 - 3 
(p0(1-p0))/nmin
Pour nmax LCS = p0 + 3 (p0(1-p0))/nman
LC = p0 67
 Carte de contrôle de la proportion de non
conformes « carte P » (suite)

ZONE C
LCS pour nmin
ZONE B
LCS pour nman
ZONE A LC

ZONE B LCI pour nman

ZONE C LCI pour nmin

N.B : LCI prendra la valeur zéro si elle négative

Un point situé dans la zone A est à l’intérieur des limites de contrôle inférieures
Un point situé dans la zone C est à l’extérieur des limites de contrôle inférieures
68
Un Un point situé dans la zone B : il faut calculer ces propres limites
 Carte de contrôle de nombre de défauts
par unité de contrôle «carte C »

Procédure
(1) Nombre total d’unités contrôlées r
(2) Compter le nombre de non conformités par
échantillon c1,c2, c3,….,cr-1,cr .
(3) Calculer la somme totale des non conformités par
unité de contrôle D =c1+ c2 + c3 +….+cr-1+ cr
(4) Calculer le nombre moyen de non conformités par
unité de contrôle C0 = D/r
(5) calculer les limites de contrôle
LCS = c0 + 3 c0 LC = c0 LCI = c0 - 3  c0 69
 Carte de contrôle de nombre de défauts
par unité de contrôle «carte C »

Procédure
(1) Nombre total d’unités contrôlées r
(2) Compter le nombre de non conformités par
échantillon c1,c2, c3,….,cr-1,cr .
(3) Calculer la somme totale des non conformités par
unité de contrôle D =c1+ c2 + c3 +….+cr-1+ cr
(4) Calculer le nombre moyen de non conformités par
unité de contrôle C0 = D/r
(5) calculer les limites de contrôle
LCS = c0 + 3  c0 LC = c0 LCI = c0 - 3  c0 70
 Carte de contrôle de taux de non
conformités «carte U »
L’unité de contrôle est constante
Procédure
(1) Nombre total d’unités contrôlées N
(2) Compter le nombre de non conformités par
échantillon c1,c2, c3,….,cr-1,cr .
(3) Calculer le nombre totale des non conformités
trouvées pour les r unités de mesure D =c1+ c2+….+ cr
(4) Calculer le taux moyen de non conformités par unité
de mesure u0 = D/N
(5) calculer les limites de contrôle
71
 La capabilité
• Les coefficients de capabilité sont des
indicateurs fondamentaux de la MSP
– preuve à l’aptitude du procédé à respecter les
spécifications
– indice d’évaluation de l’amélioration du
procédé, suite aux actions correctives
envisagées
• Nécessité que les instruments de mesure
soit eux-mêmes capables et agréés, et
doivent pouvoir mesurer le dixième de la
tolérance prévue
72
 La capabilité
• 2 types de coefficients de capabilité
– le premier ne met en évidence que la
dispersion (Cm capabilité machine, Cp
capabilité procédé)
– le second ne met en évidence que le
centrage et la dispersion (Cmk
capabilité machine, Cpk capabilité
procédé)

73
 Capabilité
• Capabilité machine
– Représente la mesure de la performance de la
machine seule, indépendamment des autres
facteurs
• Capabilité du procédé
– Reflètele fonctionnement de l’ensemble des
facteurs de production
• Capabilité
– Se définit comme le rapport entre la
performance demandée (de la machine ou du
procédé selon le cas) et la performance réelle
74
 Capabilité machine
• Calcul capabilité machine
– Etre dans le cas d’un contrôle de mesures
– Vérifier que la distribution suit une loi
normale
– Comparer les possibilités de la machine
aux tolérances spécifiées :
• Car, avant d’agir sur le procédé et le mettre
sous contrôle, il faut en effet s’assurer que la
machine en tant que telle est apte à fabriquer
des produits conformes aux spécifications

75
 Capabilité machine
– Il s’agit en quelque sorte de situer la
distribution par rapport aux
spécifications et de calculer le rapport
entre l’intervalle de tolérance et six
écarts-types de la distribution :
• Ts : tolérance supérieure
CmTs  Ti
• Ti : tolérance inférieure 6 i
 i : écart-type instantané
• Cm : capabilité machine
• Ts – Ti = IT = intervalle de tolérance

76
 Capabilité machine
• Calcul capabilité machine
– Avec l’exigence que

Ts  Ti 8 i
– On dira que la machine est apte si

CmTs  Ti 8 i 1,33

6 i 6  i

77
 Capabilité machine
– La capabilité machine doit se calculer à
partir de données relevées dans un laps
de temps très court incluant seulement
la dispersion de la machine, en dehors
de toute modification des autres
facteurs de production (matière, mains
d’œuvre…)

78
 Capabilité machine
• Calcul capabilité machine
– S’il n’y a pas de difficulté pour calculer Ts –
Ti, l’écart type instantané se calcule de la
Taille façon suivante :
d2
2 1,128
• Soit 50 pièces consécutives
3 1,693
• Soit prélèvements rapprochés de k échantillons
4 2,059
5 2,326 de n pièces chacun, dans ce cas on peut estimer
6 2,534 i par la moyenne des étendues des échantillons
R
7 2,704 i 
8 2,847 d2
9 2,970
10 3,078
11 3,173
12 3,258
79
 Capabilité machine
• Calcul capabilité machine
– Un autre coefficient existe Cmk, inclut à
la fois le centrage et la dispersion

Cmk min(Ts  x ; x  Ti )
3 i 3 i

80
 Capabilité machine
– Exploitation de l’indice Cm
• Cm < 1 : machine non apte à produire des pièces
conformes aux spécifications. Des valeurs seront
supérieures ou inférieures aux tolérances
spécifiées, ce qui signifie qu’une partie de la
production sera en dehors des tolérances
• Cm = 1 : machine tout juste apte. La dispersion
est égale à l’intervalle de tolérance. Elle produit
bien 99,8% de pièces bonnes, mais la moindre
variation entraînera la production de pièces non
conformes
• Cm > 1 : machine apte et tolére une dérive
d’autant plus grande que l’indice Cm est plus
élevé

81
 Capabilité procédé
• Calcul capabilité procédé
– L’indice de capabilité procédé ne peut être calculé que
lorsque le procédé est sous contrôle, cad qu’il ne reste
comme causes de variabilité ou de dispersion que des
causes aléatoires
– Indice capabilité procédé Cp

CmTs  Ti avec ˆ R ou ˆ  s
6ˆ
– Ts : tolérance supérieure d2 inférieure C4
- Ti : tolérance
– s : moyenne des écart-types des échantillons
– R : moyenne des étendues de échantillons
– C4 selon tableau :
• 2: 0,7919 / 3: 0,8862 / 4: 0,9213 / 5: 0,940 / 6: 0,9515 / 7: 0,9594 / 8:
0,9650 / 9: 0,9693 / 10: 0,9727 / 11: 0,9754 / 2: 0,9776

82
 Capabilité procédé
• Calcul capabilité procédé
– Coefficient de capabilité procédé Cpk qui
permet d’apprécier la dispersion et le
centrage
Cpk min(Ts  x ; x  Ti )
3ˆ 3ˆ

83
 Capabilité procédé
– Signification du coefficient Cpk
• Cpk < 1 : procédé n’est pas capable de maintenir
toute la production dans les spécifications
• 1 < Cpk < 1,33 : c’est le minimum acceptable : il
faut améliorer le procédé
• 1,34 < Cpk < 2 : le coefficient est bon : il faut
continuer les efforts
• Cpk > 2 : le coefficient est excellent
– L’objectif essentiel de la MSP étant
l’amélioration continue du procédé, le Cpk
sera le coefficient privilégié à suivre pour
évaluer cette amélioration.

84
Méthodologie de mise en place
de la MSP
La démarche est plus importante que la
connaissance des outils
•États des lieux

•Organisation

•Stratégie de mise en place

•Démarche de mise en place

85
 États des lieux
Prendre en compte l’évolution des exigences de
la clientèle ou des donneurs d’ordre sur le sujet
La démarche MSP doit s’inscrire dans le cadre
d’une définition d’une politique et d’objectifs
qualité plus généraux
•Le métier et la technique
•L’organisation existante
•La motivation
•Enjeux financiers
86
 Organisation

Le comité Le groupe Le service

qualité de pilotage qualité

Prendre en compte le volume de travail à effectuer

Planifier le déroulement de l’action
Apporter une aide et un soutien au développement des
méthodes et réflexions nécessaires
Suivre l’avancement de la mise en place
Informer et communiquer les résultats à l’ensemble
du personnel
87
 Le comité qualité
Comprend au moins le directeur général, le directeur de
production, le directeur technique, le responsable des
ressources humaines et le responsable qualité
Mission

• Prendre les décisions stratégiques

• Appuyer la réalisation
• Évaluer l’action réaliser
• Prendre la décision de la généraliser

88
 Le groupe de pilotage
Comprend les personne directement intéressées :
Méthodes, production, entretien, responsable qualité …
Mission

Conduite opérationnelle du projet

Sa mise en œuvre effective
Effectuer l’étude préliminaire d’implantation
Mettre en œuvre effective
Analyser et rechercher les solutions
Faire le choix des outils
Établir les bilans périodiques d’avancement du projet
89
 Le service qualité
Mission :
Il est garant du respect de la démarche
Il assure la sensibilisation et la formation de toutes les
personnes concernées
Il participe au comité qualité et au groupe de pilotage
Il fournit toutes les informations :coûts, résultats qualité…
Il étudie les solutions informatiques pour le traitement
automatique des données
Il avalise le choix de modifications prévues par le groupe
Prépare les évolutions des procédures nécessitées par l’action
Il participe à la définition des moyens de contrôle.
90
Stratégie de mise en place
Information de la direction / Formation de promoteurs

Choix de mettre en place la MSP / État des lieux

Cohérence avec objectifs et politique qualité de l’entreprise

Mise en place du comité qualité et du groupe de pilotage

Choix du procédé 1

Choix d’une famille de produits

Analyse du procédé 1

Mise sous contrôle du procédé 1 (suppression des causes assignables)

Suivi du procédé 1

Amélioration du procédé 1 (diminution de causes aléatoires)

Décision d’extension et de généralisation

91
Démarche de mise en oeuvre
Définition des secteurs de mise en place
Analyse des postes pour déterminer les paramètres à
maîtriser
Informations
Paramètres du procédé
Choix des paramètres à surveiller
Système de pilotage automatique du procédé
Système de mesure
Types de cartes
Choix des outils
Analyse des résultats
Mesure des améliorations et suivi
92
Choix des outils
Choix d’un atelier, d’une
•Coûts de non-qualité
ligne ou d’une machine •Pareto sur les défaillances

•Causes-effet
•AMDEC procédé
Analyse du procédé ou du •Analyse des données
poste •Livret machine
•Cahier des charges
Choix des paramètres à •AMDEC produit
surveiller, de type de carte et de •Corrélation
moyens de mesure •Plan d’expérience
•Analyse de variance
•Capabilité des moyens de vérification
Mise en place des cartes
relevés,traitement, calcul des •Analyse des données
limites, études des résultats •Carte de contrôle
•Capabilités machine
•Journal de bord
Détection et suppression
des causes assignables : •Causes-effet
calcul des nouvelles •Méthodologie de résolution de problème
limites •Plan d’expérience
•Corrélation
Calcul des •Capabilité procédé
capabilités •Histogramme

93
Amélioration et suivi