La Qualité en Production

Rfrences
Qualit
EN
PRODUCTION
Daniel Duret
Maurice Pillet
De lISO 9000 Six Sigma
q
u
a
l
i
t

e
n

p
r
o
d
u
c
t
i
o
n
D
a
n
i
e
l

D
u
r
e
t

M
a
u
r
i
c
e

P
i
l
l
e
t
Qualit en production
De lISO 9000 Six Sigma 3
e
dition

Un ouvrage de rfrence et de synthse
d Simple : les connaissances de base ncessaires lapplication des concepts qualit dans
une entreprise de production.
d Global : un panorama des diffrentes mthodes utilises dans les entreprises.
d Oprationnel : les outils indispensables la mise en place dun systme qualit.
d Concret et prcis : de trs nombreux exemples.
La qualit est une condition indispensable pour prsenter un produit sur le march. Pour obtenir cette
qualit, lentreprise doit structurer son organisation autour dun modle, souvent la norme ISO 9001. Mais
elle doit galement mettre en uvre des mthodes et des outils pour accrotre sa performance.
Ce livre expose les connaissances de base ncessaires lapplication des concepts qualit dans une
entreprise de production et donne une image globale des diffrentes mthodes actuellement utilises
dans les entreprises.
La premire partie de louvrage est consacre au systme de management de la qualit fonde sur une
dmarche oriente client et sur la matrise des processus. Elle aborde notamment le modle ISO 9001,
Systmes de management de la qualit : Exigences , les rfrentiels de lindustrie automobile, la
matrise des documents et lautomatrise au niveau du poste de travail.
La seconde partie est axe sur les mthodes et les outils de la qualit : outils de rsolution de problme,
QFD, plans dexpriences, AMDEC, MSP, contrle de rception, fonction mtrologique (GRR, GUM) et
lapproche Six Sigma qui permet dobtenir lamlioration par perce.
Cet ouvrage sadresse ainsi :
aux professionnels, cadres et techniciens travaillant dans un contexte de production ;
aux enseignants et tudiants pour la prparation des BTS, DUT, IUP des secteurs
industriels et des coles dingnieurs.
Anciens lves de lENS CACHAN, Daniel DURET (professeur agrg de Gnie Mcanique) et
Maurice PILLET (professeur des Universits) enseignent au dpartement OGP de lIUT dAnnecy.
Ils pratiquent la formation et le conseil industriel dans le domaine de la qualit. Leur ouvrage est
constamment enrichi de cette double exprience duniversitaire et de praticien.
170 x 240 23,8 mm
-
:
H
S
M
H
K
I
=
V
X
X
]
]
Y
:
39
C
o
d
e

d
i
t
e
u
r

:

G
5
3
3
8
8
I
S
B
N

:

9
7
8
-
2
-
7
0
8
1
-
3
3
8
8
-
4
3
e
dition
53388_qualite_prod_238.indd 1 1/02/07 16:54:35
Qualit
en production
ditions dOrganisation
1, rue Thnard
75240 Paris Cedex 05
Consultez notre site :
www.editions-organisation.com
DU MME AUTEUR CHEZ LE MME DITEUR
Appliquer la Matrise statistique des processus MSP/SPC
Maurice PILLET
ditions dOrganisation 2005 3
e
dition
Gestion de production
Chantal BONNEFOUS Alain COURTOIS Maurice PILLET
e
dition
Les plans dexpriences par la mthode Taguchi
Maurice PILLET
ditions dOrganisation 1997
Six sigma Comment lappliquer
Maurice PILLET
re
dition complte
DUMMEAUTEUR
Cotation et mthodes de contrle en fabrication mcanique
Daniel DURET
Editions Augustin 1989
LE
PHOTOCOPILLAGE
TUE LE LIVRE
Le code de la proprit intellectuelle du 1
er
juillet 1992 interdit en effet expressment la
photocopie usage collectif sans autorisation des ayants droit. Or, cette pratique sest gn-
ralise notamment dans lenseignement, provoquant une baisse brutale des achats de livres,
au point que la possibilit mme pour les auteurs de crer des uvres nouvelles et de les faire
diter correctement est aujourdhui menace.
En application de la loi du 11 mars 1957 il est interdit de reproduire intgralement ou partiel-
lement le prsent ouvrage, sur quelque support que ce soit, sans autorisation de lditeur ou
du Centre Franais dExploitation du Droit de Copie, 20, rue des Grands-Augustins, 75006
Paris.
_
ditions dOrganisation, 1998, 2001, 2005
ISBN : 2-7081-3388-8
Daniel DURET et Maurice PILLET
Qualit
en production
Troisime dition
Sommaire
INTRODUCTION ................................................................................................. 17
Premire partie
Systmes de management de la qualit
CHAPITRE 1 LE CONCEPT QUALIT ...................................................... 21
1. Une approche globale Qualit Scurit Environnement (QSE)
avec ses diffrents partenaires .................................................................. 22
2. La qualit comme indicateur de pilotage ................................................ 23
3. La qualit du produit ................................................................................ 24
3.1 Dfinition normalise (ISO 9000 : 2000) ............................................ 24
3.2 La qualit recherche par le consommateur ........................................ 25
3.3 Notion de classes .................................................................................. 27
3.4 La qualit pour fidliser le client ......................................................... 27
3.5 Comment comparer la qualit de deux produits concurrents .............. 28
3.5.1 tre capable de mesurer la qualit ........................................... 28
3.5.2 Exemple de fonction de comparaison applique lautomobile. 28
3.6 Les trois types de qualit dfinis par le modle de Kano ................... 29
4. Lapproche Gestion de la Qualit ...................................................... 30
5. Management par la Qualit totale ........................................................... 32
6. Les pionniers de la dmarche qualit ...................................................... 33
6.1 Walter A. SHEWHART ............................................................................ 33
6.2 W. Edwards DEMING ............................................................................. 33
6.3 Joseph M. JURAN ................................................................................... 34
6.4 Armand V. FEIGENBAUM ....................................................................... 34
6.5 Kaoru ISHIKAWA .................................................................................... 34
_ Editions dOrganisation
6.6 Philip B. CROSSBY ................................................................................. 34
6.7 Genichi TAGUCHI ................................................................................... 35
6.8 Dorian SHAININ ...................................................................................... 35
CHAPITRE 2 LA DMARCHE QUALIT .......................................................... 37
1. Le cot de la non-qualit .......................................................................... 37
1.1 Analyse des diffrents cots de non-qualit ........................................ 38
1.2 Relation entre pertes et cot dinvestissement ..................................... 39
1.3 Optimisation pertes investissements ........................................... 40
2. Le management de la qualit et la direction .......................................... 41
3. Le management de la qualit ................................................................... 42
4. Les principales composantes du management de la qualit ................. 43
4.1 La planification de la qualit ................................................................ 44
4.2 Matrise de la Qualit par une approche processus ....................... 45
4.3 Assurance et amlioration de la qualit ............................................... 46
4.3.1 Audit des systmes de management de la qualit .................... 48
4.3.2 Mesurer la satisfaction des clients ............................................ 49
5. Les normes ISO 9000 ................................................................................ 50
6. Manuel Qualit ........................................................................................... 51
6.1 Manuel management de la qualit ....................................................... 51
6.2 Manuel dassurance de la qualit ......................................................... 52
CHAPITRE 3 MANAGEMENT DE LA QUALIT PAR UNE APPROCHE PROCESSUS. 53
1. Assurance de la qualit ............................................................................. 53
2. Situation Modle de Gigout ................................................................... 54
3. Approche processus ................................................................................... 55
3.1 Notion de processus .............................................................................. 55
3.2 Typologie des processus ....................................................................... 56
3.3 Cartographie des processus ................................................................... 57
3.4 Exemples de cartographie de processus ............................................... 58
3.4.1 PME de mcanique gnrale ..................................................... 58
3.4.2 Entreprise de service (formation) .............................................. 58
3.5 Matriser linterfaage des processus ................................................... 59
3.5.1 Analyse des processus par la matrise des risques .................. 60
3.5.2 Piloter le processus .................................................................... 61
3.5.3 Exemples dindicateurs .............................................................. 61
4. Modles de management de la qualit .................................................... 62
4.1 Origine ................................................................................................... 62
4.2 Certification des produits et des services ............................................. 63
4.3 Certification des oprateurs .................................................................. 63
4.4 Certification des entreprises ................................................................. 63
4.4.1 Objectifs de la certification ....................................................... 64
4.4.2 Avantages de la certification ..................................................... 64
4.4.3 Inconvnients de la certification ............................................... 64
5. Les modles ISO 9000 ............................................................................... 64
5.1 Les normes ISO 9000 : Version 2000 ............................................ 65
QUALIT EN PRODUCTION 6
5.1.1 Rductions des diffrents guides ............................................... 65
5.1.2 Un vocabulaire simple ............................................................... 66
5.1.3 La famille ISO 9000 ............................................................ 66
5.1.4 Principales normes qualits ...................................................... 67
5.1.5 Aspect environnemental ............................................................. 67
5.1.6 Aspect scurit ........................................................................... 67
5.1.7 Aspect dveloppement durable .................................................. 68
5.2 Les tapes du management de la qualit ............................................. 68
6. Architecture de lISO 9001 ....................................................................... 69
6.1 Exigences de lISO 9001 ...................................................................... 69
6.2 Remarques sur le chapitre Responsabilit de la direction ............. 70
6.2.1 Engagement de la direction ................................................. 70
6.2.2 coute client ......................................................................... 71
6.2.3 Politique qualit ................................................................... 71
6.2.4 Planification ......................................................................... 71
6.2.5 Responsabilit, autorit et communication ......................... 71
6.2.6 Revue de direction ............................................................... 72
6.3 Remarques sur la satisfaction du client ............................................... 72
7. Dmarche damlioration continue .......................................................... 73
7.1 Traitement des dysfonctionnements ..................................................... 73
7.2 Une dmarche novatrice pour le long terme ....................................... 76
7.2.1 Faire vivre les processus ........................................................... 77
8. Dmarche de certification ......................................................................... 78
9. Les organismes certificateurs ................................................................... 79
10. Normes spcifiques de clients ................................................................. 80
10.1 ISO/TS 16949 ..................................................................................... 81
11. Les prix qualit .................................................................................. 82
11.1 Prix franais de la qualit ................................................................... 82
11.2 Prix europen de la qualit ................................................................. 83
CHAPITRE 4 LES DOCUMENTS DU SYSTME DE MANAGEMENT DE LA QUA-
LIT ........................................................................................ 85
1. Structure des documents qualit .............................................................. 86
2. Le manuel qualit ...................................................................................... 88
2.1 Exemple de contenu du manuel dassurance de la qualit ................. 89
3. Plan qualit ................................................................................................. 89
4. Les procdures ............................................................................................ 90
4.1 Exigences de la norme ISO 9001 ......................................................... 90
4.2 Procdure/Processus .............................................................................. 90
4.3 Rdaction ............................................................................................... 91
4.3.1 Le fond ........................................................................................ 91
4.3.2 Recommandations pour la forme .............................................. 91
4.3.3 La normalisation interne de la prsentation de la procdure . 92
4.3.4 Exemple simplifi dune procdure ........................................... 93
5. La gestion des procdures ......................................................................... 94
SOMMAIRE 7
5.1 La codification des procdures ............................................................. 94
5.2 La diffusion aux personnes concernes ............................................... 95
6. Les enregistrements ................................................................................... 95
7. La gestion documentaire Qualit ............................................................. 95
7.1 Gestion informatise ............................................................................. 96
7.2 Rflexions sur la gestion documentaire Qualit ............................ 96
7.2.1 Les diffrents systmes ............................................................... 97
7.2.2 Aspects internes/aspects externes .............................................. 97
7.2.3 Niveaux dtudes ........................................................................ 98
CHAPITRE 5 LAUTO MATRISE EN PRODUCTION ......................................... 99
1. Analyse des non performances ................................................................. 100
1.1 Lespace de dfaillances ....................................................................... 101
1.1.1 Axe de la connaissance/comptence .......................................... 101
1.1.2 Axe de la formalisation .............................................................. 102
1.1.3 Axe de lapplication ................................................................... 102
1.2 Espace des dfaillances et gravit ........................................................ 102
1.3 Aspect dynamique de la dfaillance ..................................................... 103
1.3.1 Glissement de laxe de la connaissance : la perte de savoir-
faire ............................................................................................ 103
1.3.2 Glissement de laxe de la formalisation : elle devient obsolte. 103
1.3.4 Glissement de laxe de lapplication : les rgles ne sont plus
respectes ................................................................................... 104
1.4 Les piliers de lauto matrise ................................................................ 104
2. Lauto matrise pour matriser la performance du poste de travail ... 104
2.1 Les diffrents lments de lauto matrise ........................................... 105
3. Mise en uvre de lauto matrise ............................................................ 106
3.1 La dmarche .......................................................................................... 106
3.1.1 Identification des postes (tape 1 4) ...................................... 107
3.1.2 Matrise du processus de mesure (tape 5) .............................. 107
3.1.3 Matrise du processus de production (Etape 6 10) ............... 108
3.1.4. Prise en compte dynamique des dfaillances (Etapes 13 16). 109
3.1.5 Suivi du processus par indicateurs de performance et audits
(tapes 11 et 12) ........................................................................ 110
3.1.6 Suivi de lapplication par laudit .............................................. 111
4. Les outils de lauto matrise ..................................................................... 111
4.1 Lenvironnement du poste de travail ................................................... 112
4.2 Les outils pour le processus de mesure ............................................... 113
4.2.1 Capabilit des moyens de mesure ............................................. 113
4.2.2 Figer les contrles Le plan de contrle local ....................... 114
4.2.3 Les points zro dfauts (poka-yoke) .......................................... 115
4.2.4 La check list ............................................................................... 116
4.2 Les outils pour le processus de production ......................................... 116
4.3.1 Les capabilits prliminaires ..................................................... 116
4.3.2 Garantir la stabilit du processus la documentation ............ 117
4.4 Les travaux de maintenance raliser ................................................. 119
4.5 Les comptences ncessaires ................................................................ 119
4.6 Le traitement des non-conformits ....................................................... 119
4.7 La saisie des informations qualit ........................................................ 120
4.8 Le retour des informations qualit ....................................................... 121
5. Laudit des postes en auto matrise ......................................................... 122
Deuxime partie
Les outils de la qualit
CHAPITRE 6 LES OUTILS DE BASE DE LA RSOLUTION DE PROBLMES ....... 127
1. Les sept outils de base ............................................................................... 127
1.1 Objectif des sept outils ......................................................................... 127
1.2 La feuille de relevs ............................................................................. 129
1.3. Le diagramme de concentration de dfauts ......................................... 129
1.4 Lhistogramme ...................................................................................... 130
1.5 Le diagramme de Pareto ....................................................................... 131
1.6 Le diagramme en arte de poisson ....................................................... 133
1.7 La carte de contrle .............................................................................. 134
1.8 Le diagramme de corrlation ................................................................ 135
2. Dautres outils du travail de groupe ....................................................... 137
2.1 Le dballage dides ............................................................................. 137
2.2 Le diagramme des affinits .................................................................. 138
2.3 Le vote pondr .................................................................................... 139
2.4 Le diagramme forces/faiblesses ............................................................ 140
2.5 Le QQOQCP ......................................................................................... 141
2.6 Les autres outils... ................................................................................. 141
3. La mise en uvre dune dmarche de rsolution de problme ........... 142
3.1 Droulement dune tape ...................................................................... 143
3.2 La dmarche de rsolution de problme .............................................. 144
3.2.1 Identifier et caractriser le problme ....................................... 144
3.2.2 Analyser les causes .................................................................... 144
3.2.3 Rechercher les solutions ............................................................ 144
3.2.4 Dfinir la mise en uvre des solutions ..................................... 144
3.3 Exemple de dmarche : la dmarche 8D ............................................. 145
CHAPITRE 7 LE QFD DPLOIEMENT DE LA FONCTION QUALIT ............... 149
1. Prsentation de la mthode ....................................................................... 150
1.1 Objectifs du QFD .................................................................................. 150
1.2 La boucle de linformation ................................................................... 151
1.3 Principe de base de la dmarche QFD ................................................. 152
2. Loutil graphique : la maison de la qualit ............................................ 153
SOMMAIRE 9
2.1 Les lments de la maison de la qualit .............................................. 153
2.2 Les diffrentes zones de la maison de la qualit ................................. 155
3. La dmarche QFD ..................................................................................... 157
3.1 Dfinition des objectifs et des moyens ................................................ 157
3.2 Dfinition de la voix du client ............................................................. 157
3.3 Dfinition des relations QUOI/COMMENT ........................................ 159
3.4 Dfinition des COMBIEN .................................................................... 159
3.5 Evaluation concurrentielle des COMMENT ........................................ 161
3.6 Analyse concurrentielle QUOI/COMMENT de la matrice ................. 161
3.7 tude des relations entre les COMMENT ........................................... 163
3.8 Complter la matrice ............................................................................. 163
3.9 Lanalyse de la matrice ......................................................................... 164
4. Le dploiement des matrices .................................................................... 164
4.1 Principe du dploiement ....................................................................... 164
4.2 Matrice Spcifications produits/Caractristiques ................................. 166
4.3 Matrice Caractristiques/Oprations ..................................................... 167
4.4 Matrice Oprations/Spcifications de production ................................ 168
5. La mise en uvre du QFD ....................................................................... 169
5.1 Choix dun projet QFD ......................................................................... 169
5.2 Cration dun groupe de travail ........................................................... 170
5.3 Mise en uvre ....................................................................................... 170
5.4 Les outils daide la ralisation de QFD ............................................ 171
6. Les bnfices attendre du QFD ............................................................ 171
CHAPITRE 8 LES PLANS DEXPRIENCES ET LES GRAPHES DE TAGUCHI ..... 173
1. Historique des plans dexpriences .......................................................... 173
1.1 Les origines ........................................................................................... 173
1.2 Les plans dexpriences dans lindustrie ............................................. 174
2. tude dun phnomne .............................................................................. 174
2.1 La dmarche dacquisition des connaissances ..................................... 174
2.2 tude des interactions ........................................................................... 175
2.3 Prcision sur les rsultats ..................................................................... 176
2.4 Application sur un plan dexprience complet .................................... 177
3. Le problme des plans complets .............................................................. 180
4. Les plans dexpriences fractionnaires .................................................... 181
5. tude sur lexemple dun pistolet peinture ......................................... 181
5.1 Synthse du savoir-faire ....................................................................... 182
5.2 Modlisation par les graphes de TAGUCHI ....................................... 183
5.2.1 Les facteurs ................................................................................ 183
5.2.2 Les interactions .......................................................................... 183
5.2.3 Application notre cas .............................................................. 183
5.3 Recherche du plan dexpriences correspondant ................................. 184
5.3.1 Graphe linaire de la table L
8
.................................................. 185
5.3.2 Utilisation de cette table ............................................................ 185
5.4 Interprtation des rsultats .................................................................... 186
5.4.1 Graphe des effets ....................................................................... 187
5.4.2 Graphe des interactions ............................................................. 187
5.4.3 Recherche des extremums .......................................................... 189
6. Conclusions ................................................................................................. 190
7. Les tables de Taguchi L
4
et L
8
................................................................. 191
CHAPITRE 9 LAMDEC. ANALYSE DES MODES DE DFAILLANCE, DE LEURS
EFFETS ET DE LEUR CRITICIT ................................................. 193
1. Le principe de base .................................................................................... 193
1.1 Lide de dpart .................................................................................... 193
1.2 Notion de mode de dfaillance ............................................................. 194
1.3 Notion de cotation dun mode de dfaillance ...................................... 196
1.4 Le support graphique de lAMDEC ..................................................... 197
2. Historique de lAMDEC ............................................................................ 198
3. Le groupe projet AMDEC ........................................................................ 200
4. La dmarche AMDEC ............................................................................... 201
4.1 Initialisation de ltude AMDEC ......................................................... 202
4.2 La prparation de lanalyse .................................................................. 202
4.2.1 Cas de lAMDEC Produit .......................................................... 202
4.2.2 Analyse fonctionnelle dun produit (AMDEC Produit) ............ 203
4.2.3 Cas de lAMDEC Process ......................................................... 207
4.3 Identification des causes de dfaillances ............................................. 209
4.3.1 Le principe ................................................................................. 209
4.4 Evaluation et hirarchisation des causes de dfaillances .................... 211
4.5 Recherche dactions correctives ........................................................... 212
4.6 Mise en uvre des solutions ................................................................ 213
4.7 Suivi des actions et rebouclage si ncessaire ...................................... 213
5. Planification dune AMDEC ..................................................................... 214
6. Exemple dAMDEC Process ..................................................................... 214
7. Grille pour lvaluation de lAMDEC PROCEDE ................................ 218
CHAPITRE 10 LA MATRISE STATISTIQUE DES PROCESSUS (MSP/SPC) ... 219
1. Les notions fondamentales ........................................................................ 220
1.1 Les causes communes et les causes spciales ..................................... 220
1.1.1 Les cinq M du procd .............................................................. 220
1.1.2 Causes communes Causes spciales ...................................... 221
1.2 Qualit produit versus Qualit dune caractristique ........................... 222
1.3 Un principe incontournable : viser la cible .......................................... 224
1.4 tude de la combinatoire de plusieurs caractristiques ....................... 227
1.4.1 Cas de deux caractristiques ..................................................... 227
1.4.2 tude de la combinatoire dans le cas de cinq caractristiques. 228
1.4.3 tude de linfluence du dcentrage ........................................... 229
1.5 En conclusion ........................................................................................ 230
2. Surveiller un procd par cartes de contrle ......................................... 231
2.1 Le principe de la carte de contrle ...................................................... 231
2.1. Les limites naturelles dun procd ............................................ 231
SOMMAIRE 11
2.1.2 Le pilotage par les limites naturelles ........................................ 231
2.1.3 Pourquoi prlever des chantillons ? ........................................ 233
2.2 La carte de pilotage (de contrle) moyenne/tendue ........................... 235
2.2.1 Principe de remplissage ............................................................ 235
2.2.2 Moyenne et tendue, deux fonctions diffrentes ....................... 236
2.2.3 Mise en place des cartes de contrle ........................................ 237
2.2.4 Calcul des cartes de contrle .................................................... 238
2.3 Pilotage du procd par cartes de contrle .......................................... 240
3. Le concept de capabilit (daptitude) ...................................................... 243
3.1 Le besoin de formaliser une notion floue ............................................ 243
3.2 Dfinition de la capabilit .................................................................... 243
3.3 Pp et Ppk (Performance du processus) ................................................ 244
3.3.1 Capabilit intrinsque du procd Pp ...................................... 244
3.3.2 Indicateur de drglage Ppk ..................................................... 245
3.3.3 Interprtation de Pp et Ppk ....................................................... 246
3.4 Cp et Cpk (Capabilit procd) ............................................................ 247
3.5 Des indicateurs lis la cible : le Cpm et le Ppm .............................. 248
3.6 Exemple de calcul de capabilit ........................................................... 250
3.7 Linterprtation des chutes de capabilit ............................................. 252
CHAPITRE 11 LE CONTRLE DE RCEPTION ............................................... 255
1. Le rle du contrle de rception .............................................................. 255
1.1 Objectifs ................................................................................................ 255
1.2 Principe du contrle rception .............................................................. 256
2. Les notions de base ................................................................................. 257
Critre qualitatif et quantitatif ............................................................ 257
Le contrle dun critre qualitatif ....................................................... 257
Le contrle dun critre quantitatif ..................................................... 257
2.2 Risque fournisseur et risque client ....................................................... 258
2.3 Niveau de qualit acceptable (NQA) ................................................... 258
2.4 La courbe defficacit ........................................................................... 259
2.4.1 Cas du contrle 100 % ........................................................... 259
2.4.2 Interprtation de la courbe ........................................................ 259
2.4.3 Cas des contrles par chantillonnage ..................................... 260
2.4.4 Interprtation de la courbe ........................................................ 260
2.4.5 Facteur de discrimination .......................................................... 261
2.5 Individus non-conformes et non-conformits ...................................... 262
3. Les diffrents plans de contrle aux attributs ....................................... 263
3.1 Lchantillonnage simple ...................................................................... 263
3.2 Lchantillonnage double ...................................................................... 264
3.3 Lchantillonnage multiple ................................................................... 265
3.4 Echantillonnage progressif .................................................................... 265
4. Contrle de rception aux attributs, cas des produits non conformes . 266
4.1 Les rgles de prlvement .................................................................... 266
4.1.1 Passage du contrle normal au contrle renforc ................... 267
4.1.2 Passage du contrle renforc au contrle normal ................... 267
4.1.3 Passage du contrle normal au contrle rduit ....................... 267
4.1.4 Niveaux de prlvement ............................................................. 267
4.1.5 Taille des lots prlever ........................................................... 268
4.2 chantillonnage simple ......................................................................... 268
4.2.1 Principe ...................................................................................... 268
4.2.2 Courbe defficacit du contrle simple ..................................... 269
4.2.3 Conclusion sur lchantillonnage simple dans le cas des crit-
res qualitatifs ........................................................................................ 270
4.3 Plans de contrle niveaux dacceptation nul .................................... 270
4.3.1 Dfinition .................................................................................... 270
4.3.2 Efficacit dun plan de contrle niveaux dacceptation nul . 271
4.4 chantillonnage double ......................................................................... 272
4.4.1 Courbe defficacit dans le cas des prlvements doubles ...... 273
4.5 Lchantillonnage multiple ................................................................... 274
4.6 Lchantillonnage progressif ................................................................. 275
Remarque sur le contrle par chantillonnage multiple .................... 278
5. Contrle de rception qualitatif, cas des non-conformits ................... 278
6. Le contrle de rception aux mesures (une seule limite de contrle) . 278
6.1 Condition de normalit ......................................................................... 278
6.2 Cas ou lcart type est inconnu (mthode S) ....................................... 279
6.2.1 Condition dacceptation ou de rejet .......................................... 279
6.2.2 Choix du plan en fonction de la norme NF X 06-023 ............. 280
6.2.3 Exemple de contrle rception avec la mthode S ................... 281
6.3 Mise en place dun contrle de rception aux mesures mthode S . 283
6.4 Cas ou lcart type de la population est connu (mthode sigma) ....... 285
6.4.1 Choix du plan en fonction de la norme NF X 06-023 ............. 285
6.4.2 Mise en place dun contrle de rception mthode .......... 285
6.5 Choix dun plan personnalis en fonction de la courbe defficacit
(mthode ) ........................................................................................... 287
6.5.1 Dtermination de n et k ............................................................. 287
6.5.3 Courbe defficacit dun contrle aux mesures ........................ 290
(mthode S) ........................................................................................... 292
6.6.1 Dtermination de n et k formule approche .......................... 292
6.2.2 Dtermination de n et k formule de Enkawa ........................ 294
6.6.3 Exemple de dtermination de plan de contrle ........................ 294
6.6.4 Calcul du plan de contrle ........................................................ 295
7. Cas de 2 limites combines ....................................................................... 295
7.1 Cas de deux limites spares ................................................................ 295
8. Tables pour le contrle de rception ....................................................... 295
8.1 Critres qualitatifs Dtermination de la taille de lchantillon (Nor-
mes : NFX 06-022 MIL STD 105E) ................................................ 296
8.2 Plans dchantillonnage simple, renforc, rduit ................................. 298
8.3 Table de correspondance entre les plans ............................................. 299
SOMMAIRE 13
8.4 Plan dchantillonnage aux mesures Mthode S .............................. 300
8.5 Plan dchantillonnage aux mesures Mthode .............................. 301
CHAPITRE 12 LA FONCTION MTROLOGIE DANS LENTREPRISE ................. 303
1. La mtrologie ou science de la mesure ................................................... 305
2. La confiance dans la mesure .................................................................... 306
2.1 Linstrument .......................................................................................... 307
2.2 Le milieu ............................................................................................... 309
2.3 La main duvre et la mthode ........................................................... 310
2.4 La matire (pice) ................................................................................. 310
3. LNE/COFRAC : Chane Nationale dtalonnage .................................. 311
3.1 Le Comit Franais dAccrditation (COFRAC) ................................ 311
3.2 Laboratoire national de mtrologie et dessais (LNE) ........................ 312
3.3 Les laboratoires accrdits .................................................................... 312
4. La mesure, un tat desprit ...................................................................... 314
5. Gestion des moyens de mesures ............................................................... 315
5.1 Identification et inventaire des appareils ............................................. 315
5.2 Indicateurs de qualit dun appareil ..................................................... 316
5.2 talonnage ou vrification des appareils ............................................. 317
5.4 Suivi du matriel ................................................................................... 318
5.4.1 Dtermination de la priodicit ................................................ 319
5.4.2 Dclaration de conformit ......................................................... 320
5.4.3 Documents de suivi .................................................................... 320
5.5 Formation du personnel ........................................................................ 321
6. La mtrologie dans le service ................................................................... 321
CHAPITRE 13 CONFIRMATION MTROLOGIQUE ET INCERTITUDES ............. 323
1. Mise en situation du problme ................................................................. 324
2. Utiliser le mme langage mtrologique ................................................... 326
2.1 Dfinition normalise ............................................................................ 326
2.2 Dfinition du MSA ............................................................................... 328
3. Indicateurs de capabilit dun moyen de contrle ................................ 329
3.1 Rapport : Incertitude / Tolrance .......................................................... 329
3.2 Exemple de rgles de choix dun appareil ........................................... 330
3.3 Capabilit processus et capabilit moyen de contrle ......................... 331
3.3.1 Nombre de catgories du MSA .................................................. 331
4. Dcision de conformit (ISO 14253-1) ..................................................... 332
5. Incertitudes de rptabilit et de reproductibilit ................................. 333
5.1 Rptabilit ............................................................................................ 333
5.1.1 Rappel de mathmatique ............................................................ 333
5.2 Reproductibilit ..................................................................................... 334
5.2.1 Le couple pice instrument .............................................. 334
5.2.2 Incidence du changement doprateur ...................................... 334
5.2.3 Comparaison de variances ........................................................ 335
5.2.4 Principe de lanalyse de la variance ........................................ 336
5.3 GRR (mthode moyenne et tendue) ................................................... 336
5.3. Mode opratoire ........................................................................... 336
5.3.2 Formules statistiques de base .................................................... 337
5.3.3 Calcul des moyennes et tendues .............................................. 337
5.3.4 Validation des mesures .............................................................. 339
5.3.5 Rptabilit (quipement Variation) ......................................... 340
5.3.6 Incidence de loprateur sur la reproductibilit (Appraiser
Variation) .................................................................................... 340
5.3.7 Indicateurs de capabilit du moyen de mesure ........................ 341
5.4 Interactions ............................................................................................ 343
6. Estimation derreurs de justesse dun instrument de mesure ............. 345
6.1 Mesure locale de lerreur de justesse ................................................... 345
6.1.1 Exemple 1 : dtermination de la justesse laide dun talon . 347
6.2 Mesure de lerreur de justesse sur ltendue de mesure ..................... 347
6.2.1 Ltendue de mesure correspond la dispersion de production. 347
6.2.2 Ltendue de mesure est donne par la plage dutilisation de
lappareil .................................................................................... 348
6.2.3 Etude de la justesse par une rgression ................................... 350
7. Calcul de lincertitude suivant la modlisation du GUM ..................... 350
7.1 Vocabulaire et notation ......................................................................... 351
7.1.1 Cas dune mesure une seule entre ....................................... 351
7.1.2 Cas dune mesure entres multiples ...................................... 351
7.2 Modlisation .......................................................................................... 352
7.3 Dtermination de lincertitude compose (loi de propagation des
incertitudes) ........................................................................................... 353
7.4 valuation des incertitudes types u(xi) ................................................ 354
7.4.1 Type A ........................................................................................ 354
7.4.2 Type B ........................................................................................ 355
8. Comparaison des approches MSA ET GUM ......................................... 356
9. Incertitudes et classes ................................................................................ 356
10. Exercice dapplication ............................................................................. 358
10.1 Incertitude de justesse ......................................................................... 358
10.2 Incertitude de correction de temprature ........................................... 358
10.3 Incertitude compose .......................................................................... 359
11. Exemples simples de calcul dincertitudes composes ........................ 361
11.1 Exemple pour une fonction somme ................................................... 361
11.2 Exemple pour une fonction puissance ............................................... 362
CHAPITRE 14 SIX SIGMA ............................................................................. 365
1. Pourquoi Six Sigma ? ................................................................................ 366
2. Six Sigma un indicateur de performance ............................................... 367
2.1 Cas des critres mesurables .................................................................. 367
2.2 Cas des critres non mesurables ........................................................... 370
3. Six Sigma une mthode de matrise de la variabilit ............................ 372
3.1 tape 1 : Dfinir .................................................................................... 373
3.1.1 But de ltape ............................................................................. 373
SOMMAIRE 15
3.1.2 Les actions principales raliser ............................................. 373
3.1.3 Les outils utiliss ........................................................................ 374
3.1.4 Exemple dapplication ............................................................... 374
3.2 tape 2 : Mesurer .................................................................................. 376
3.2.1 But de ltape ............................................................................. 376
3.3 tape 3 : Analyser ................................................................................. 379
3.3.1 But de ltape ............................................................................. 379
3.4 tape 4 : Amliorer ............................................................................... 382
3.4.1 But de ltape ............................................................................. 382
3.4.2 Les principales actions .............................................................. 383
3.5 tape 5 : Contrler ................................................................................ 384
3.5.1 But de ltape ............................................................................. 384
3.5.2 Les actions raliser ................................................................ 385
3.6 tape 6 : Standardiser ........................................................................... 385
3.6.1 But de ltape ............................................................................. 385
3.6.2 Les actions raliser ................................................................ 385
4. Six Sigma une organisation des comptences ......................................... 386
4.1 Les diffrents niveaux de pilotage ....................................................... 386
4.2 Les diffrents rles ............................................................................... 387
4.3 La formation des intervenants .............................................................. 389
5. Six Sigma un management par projet .................................................... 389
CONCLUSION ..................................................................................................... 391
1. Un impratif : le soutien de la direction ................................................. 392
2. Faire le ncessaire et le faire vivre .......................................................... 392
3. Se concentrer sur le produit ..................................................................... 393
BIBLIOGRAPHIE ................................................................................................ 397
QUELQUES SITES INTERNET SUR LE DOMAINE DE LA QUALIT ....... 401
INDEX ................................................................................................................... 403
INTRODUCTION
Le terme qualit ne laisse personne indiffrent dans le monde industriel daujourdhui,
car il se rfre de multiples concepts. Cest pourquoi, il nous a paru souhaitable de
proposer une entreprise soucieuse de progresser dans cette dmarche, de se situer,
de connatre et dapprofondir certaines mthodes. Cet ouvrage a pour vocation de
permettre au lecteur de disposer dune vue large mais prcise de lensemble des
concepts qualit ncessaire dans un univers de production industriel.
Lorganisation de louvrage reprend de manire classique les deux volets de la qualit,
savoir :
le management de la qualit ;
la mise en uvre doutils qualit.
Cet ouvrage se veut dune lecture simple, nous avons volontairement peu dvelopp
les dmonstrations statistiques. Certains chapitres pouvant faire lobjet dun ouvrage
eux seuls, il nous a fallu nous limiter lessentiel. Pour le lecteur dsirant approfondir
certains points, les normes et ouvrages de rfrences seront mentionns. La conception
de louvrage permettra au lecteur daborder chaque chapitre de faon indpendante.
Le premier chapitre a comme objet de prciser le concept qualit en le situant dans la
trilogie Qualit Scurit Environnement . Il fait le lien de la qualit du produit
la qualit vue comme outil de management. Une brve histoire de la qualit sera
donne en fin de chapitre.
Partant dune analyse des cots de non qualit, le second chapitre prcise le dploie-
ment du management de la qualit (planification, matrise, assurance et amlioration
de la qualit). Laudit et la mesure de satisfaction du client seront abords.
La version 2000 des normes ISO 9000 est prsente au chapitre 3. Lapproche pro-
cessus est dveloppe avant de prsenter larchitecture de la norme (en particulier,
nous nous attarderons sur la responsabilit de la direction). La dmarche de certifica-
tion peut sappliquer laide de ce modle ou laide dautres modles plus spcifi-
ques. Les principaux rfrentiels de lautomobile seront rappels.
La gestion documentaire est une tche complexe qui incombe au service qualit. Le
chapitre 4 donne, aprs une analyse des principaux documents (manuel, procdures,
instructions, ...), des pistes et des lments de gestion pouvant tre appliqus.
Le management de la qualit doit pouvoir se dcliner jusquau poste de travail. Dans
le chapitre 5, nous proposons une approche appele automatrise qui permet de
formaliser cette dclinaison. Cette mthode permet de prendre en compte lenviron-
nement du poste de travail, le processus utilis, les mthodes de contrle, la mainte-
nance et les points contrler. Cest la clef de vote pour assurer la prennit des
actions mises en place.
La seconde partie de louvrage sintresse aux mthodes et outils.
Nous prsentons dans le chapitre 6 les outils de base de la rsolution de problmes
qui facilitent le travail de groupe et qui sont indispensables tous les cercles de qualit,
groupes de progrs ou autres.
Dans le chapitre 7, les principes du QFD (Quality function Deployment), avec les
aspects pratiques de la mise en uvre de cet outil, sont exposs. Cela permet de prendre
en compte la voix du client.
Les plans dexpriences font partie de lensemble des outils de la qualit qui permettent
aux entreprises de progresser dans la matrise de la conception de produits nouveaux
et dans la matrise des procds de fabrication. La mise en uvre, illustre dexemples
pratiques est traite au chapitre 8.
Parmi les diffrents outils de la qualit, lAMDEC, tudie au chapitre 9, tient une
place de choix. Dabord largement utilise par les constructeurs automobiles et leurs
sous-traitants, elle est aujourdhui pratique dans tous les secteurs dactivit.
Au-del du simple outil, la MSP ou SPC (Statistical Process Control) intgre une
nouvelle culture dentreprise (chapitre 10). Cest pourquoi nous insistons sur lobjectif
cible qui est la culture sous jacente la russite de la MSP avant de prsenter les
aspects plus techniques tels que les cartes de contrle et les tudes de capabilit.
Il est bien sr prfrable de bien mettre en place la matrise des procds plutt que
de procder un contrle sur un lot termin. Un contrle par chantillonnage sur le
lot fabriqu apparat comme une solution suffisante et conomique. Lobjectif du cha-
pitre 11 est de dvelopper ce type de contrle.
La dmarche qualit a fortement relanc lesprit mtrologique. La fonction mtrologie
responsable de la gestion des moyens de mesure est aborde au chapitre 12.
La qualit exige par le client est le plus souvent dfinie par une valeur nominale
affecte dune tolrance. Cette confirmation mtrologique est tudie au chapitre treize.
Elle ne concernera pas uniquement le produit, mais galement la validation dun pro-
cessus de mesure par des tudes de capabilit de type GRR.
Nous terminerons avec lapproche Six Sigma , qui est une approche globale de
lamlioration de la qualit du produit et des services rendus aux clients De la simple
dmarche de rsolution de problmes une vritable stratgie pour lentreprise, nous
exposerons cette philosophie industrielle au chapitre 15.
Premire
partie
Systmes de management
de la qualit
Lhistoire rcente de la qualit montre, quen moins dun sicle, on est pass
de la simple vrification de la conformit dun produit au management
dentreprise pour celle qui ont fait de la qualit leur cheval de bataille.
Citons titre dexemple les nouvelles normes de la srie ISO 9000, rf-
rences sous le titre gnrique de Systmes de management de la qualit .
Dans un premier temps, nous partirons de la qualit du produit et des ser-
vices et de son incidence vis--vis du client. Le management de la qualit
sera ensuite introduit en rappelant les travaux des pionniers de la qualit.
La non qualit a un cot trs important pour lentreprise. Les investissements
en prvention et en valuation doivent faire baisser cette non qualit. Le
management de la qualit permet datteindre cet objectif par une approche
rigoureuse. Il peut sappuyer sur des modles prdfinis et ayant fait leurs
preuves, comme par exemple les Normes ISO 9000.
Cette dmarche peut se dcliner de lentreprise au poste de travail. Nous
retrouverons les mmes concepts. A titre dexemple, nous mettrons laccent
sur la gestion documentaire de lentreprise et la mise en place de lauto-
matrise en production.
Q
U
A
L
I
T
E
N
P
R
O
D
U
C
T
I
O
N
CHAPITRE
1
LE CONCEPT QUALIT
Dans le langage courant, le terme qualit dsigne une manire dtre. Par exemple
pour un tissu, on dira quil est de bonne qualit. Son emploi peut tre ambigu car
il sous-entend souvent ce qui se fait de mieux alors qutymologiquement il traduit
plus la conformit
1
ou laptitude reconnue faire quelque chose comme dans lexpres-
sion s-qualit .
En entreprise on retrouve ces aspects de conformit et daptitude. Dans lhistoire de
lindustrialisation, le taylorisme a permis de dvelopper cette notion de conformit
(un grand nombre de modles identiques). Cette approche, souvent dcrie, a permis
lentreprise FORD de fournir des modles T trs apprcis dans le contexte cono-
mique de lpoque.
La concurrence, du fait de son internationalisation, est devenue trs vive. Pour tre
srs de leur choix, les clients potentiels que nous sommes ont besoin dtre rassurs
sur les aptitudes de leurs fournisseurs.
Si la confiance dans les fournisseurs provient souvent de leur renomme (image de
marque, tradition, rsultats en comptition, etc.), elle peut tre galement cautionne
par une reconnaissance extrieure. Le jugement du compagnon par ses pairs relve
de cet esprit. De mme les normes ISO 9000 certifient une aptitude, destine ras-
surer le client.
Les besoins du march voluent trs vite. Les sries, de plus faible taille, doivent
prsenter un niveau de fiabilit accru, une large palette doptions, tout en demeurant
1. Qualitas est une contraction inverse du mot latin signifiant tel quel .
dans une fourchette de prix attractive. Cette vision des choses fait basculer la qualit
de simple technique vers une dmarche de management.
Cette approche, japonaise dans ses dbuts, connat un dveloppement actuellement
mondial.
Dans un premier temps nous nous attacherons surtout laspect organisationnel de
la dmarche qualit, en insistant sur quelques lments novateurs et formaliss.
Noublions pas que dans beaucoup dentreprises performantes la dmarche qualit
existait de fait, simplement son expression tait implicite, on faisait de la qualit
sans le savoir.
Dans la deuxime partie, nous mettrons laccent sur les outils de la qualit. Il nest
pas possible de construire un systme qualit performant et durable sans une bonne
technique. Tous les outils ne seront pas abords, certains relevant du pragmatisme
et du bon sens. Nous nous attarderons sur ceux ncessitant une rflexion plus appro-
fondie et ayant fait leur preuve dans lindustrie.
1. UNE APPROCHE GLOBALE QUALIT
SCURIT ENVIRONNEMENT (QSE)
AVEC SES DIFFRENTS PARTENAIRES
La prennit dune entreprise sera assure si ses diffrents partenaires trouvent avan-
tage collaborer avec elle. On peut citer comme interlocuteurs :
Les clients : ce sont eux qui font vivre directement lentreprise par leurs commandes.
Ils sattendent avoir un produit conforme et simple dutilisation, scuritaire et si
possible innovant. Le tout pour un prix concurrentiel.
Le personnel : cest la richesse principale de lentreprise. Pour faire de bons produits,
il faut que les employs soient motivs (salaire, panouissement dans son activit)
et quils travaillent si possible dans un environnement scuris et agrable. La
confiance dans lentreprise sera renforce si lon a entrepris une dmarche dorga-
nisation et dinnovation.
Les actionnaires : ils attendent un dividende et une valorisation de leurs actions.
Pour cela il faut que lentreprise soit crdible sur les marchs, innovante face la
demande, avec un faible risque au niveaux scurit et environnemental (pnalit,
dgradation de limage).
Les partenaires industriels et fournisseurs : de plus en plus le fournisseur participe
llaboration des produits en faisant profiter le client industriel de son savoir faire.
Il atteint le statut de partenaire industriel et peut de ce fait esprer travailler rgu-
lirement avec son client. Cela saccompagne souvent dun transfert de savoir faire,
parfois accompagn de procdures de scurit et denvironnement.
La socit : une entreprise pour pouvoir fonctionner a besoin de services fournis par
la socit (dessertes, infrastructure environnementale, rseaux nergtiques et infor-
mationnels, potentiel de ressources humaines bien formes, etc.). En retour, par les
salaires de ses employs et des taxes verses, elle va contribuer au dveloppement
dune conomie locale. De plus elle peut donner une image de dynamisme (haute
technologie) recherche par la commune hte. Lentreprise pour garantir la scurit
de son voisinage doit entreprendre une dmarche base sur le principe de prcaution
(pollutions diverses, explosions, etc.).
Pour tre performante, lapproche QSE devra prendre en compte chacune de ces
composantes. Dans la suite, nous tudierons plus particulirement la composante
Qualit .
Clients
(cots, dlais, qualit)
Socit
Dveloppement durable
Partenaires
industriels et
fournisseurs
Personnel
Actionnaires
Figure 1.1 Les diffrents partenaires de lentreprise
2. LAQUALIT COMME INDICATEUR DE PILOTAGE
Comme les entreprises en situation de monopole sont de plus en plus rares, les pres-
tations fournies (produits physiques et services associs) doivent sduire le client.
La sduction est limage du ratio qualit / cot. Cela nest pas suffisant car si les dlais
sont trop longs, le client risque de se retourner vers la concurrence.
La gestion de lentreprise se fera principalement laide dun tableau de bord constitu
dindicateurs agrgeant les informations :
CHAPITRE 1 LE CONCEPT QUALIT 23
de disponibilit (dlais et quantit) ;
de cot de fabrication (de ltude la livraison) ;
de qualit (conformit loffre annonce).

Ressources :
humaines
matrielles
organisationnelles
Disponibilit Cot
Indicateurs de pilotage
Qualit
Achats
Produits
fournis au client
(produits physiques
et services)
Figure 1.2 Lenvironnement qualit de lentreprise
3. LAQUALIT DUPRODUIT
Le terme qualit pouvant tre ambigu, sa dfinition a t prcise au niveau de
lISO
1
.
3.1 Dfinition normalise (ISO9000 : 2000)
2
qualit : aptitude dun ensemble de caractristiques intrinsques satisfaire des
exigences
1. ISO : Organisation internationale de normalisation.
2. Reproduction avec lautorisation dAfnor.
Les exigences peuvent concerner :
un produit (une paire de chaussures, un vlo, un repas, une formation, un document
administratif...) ;
une activit ou un processus (lassemblage sur une chane de montage, un service
aprs-vente, la rception dans un htel, la rdaction dun acte notari...) ;
un organisme (compagnie, socit, firme, institution...) ou une personne.
Il sagit des exigences des utilisateurs (ou clients). Ils peuvent tre des particuliers,
des entreprises, des services publics ou privs, des services internes (notion de client
interne)...
Laptitude est plus floue dfinir. Elle peut tre caractrise par :
les performances (exemple : temps mis pour passer de 0 100 km/h pour une
automobile) ;
la sret de fonctionnement (exemple : avoir un vhicule qui ne tombe pas en
panne et dans le cas contraire, savoir quil existe une infrastructure o lon peut le
faire rparer) ;
la scurit demploi (exemple : garantie pour les appareils lectriques de navoir
aucune lectrocution en fonctionnement) ;
le respect de lenvironnement (exemple : certains constructeurs sengagent recy-
cler une bonne part des matriaux constituant leurs produits).
De plus elle est conditionne par :
son cot (le client veut un bon produit mais pas nimporte quel prix, seul le produit
de luxe semble chapper cette contrainte),
sa disponibilit (de nombreux fournisseurs sont capables de livrer des produits sen-
siblement quivalents, la rapidit de proposition peut devenir un argument prpon-
drant pour conclure une vente).
3.2 La qualit recherche par le consommateur
Bien que le consommateur soit roi, il ne sait pas toujours dfinir ce que le produit doit
remplir comme fonction, il peut avoir du mal prciser ce quil attend.
Pour de nombreux produits, des normes pallient cette carence et permettent de dfinir
la qualit minimale requise (par exemple pour des raisons de scurit dans le nuclaire,
le matriel lectrique, les jouets...).
On dira quun produit est de qualit sil est en conformit avec la norme correspon-
dante.
Un des grands dangers de cette approche est doublier le client et de se contenter dtre
en accord avec la norme.
Lapproche japonaise dtre lcoute du client, dtre attentif ses remarques ou
suggestions mme si elles sont plus ou moins bien formules, a prouv le bien-fond
conomique de la dmarche. Il faut savoir se mettre la place du client et accepter
dtre critiqu sur son produit. La visite GEMBA
1
consiste se dplacer sur le terrain
et de voir, filmer... comment le client utilise rellement le produit.
Une norme ne met en uvre quune modlisation approchant a priori les conditions
extrmes de la ralit (par exemple un essai de traction) alors que le client va tester
le produit dans son propre environnement, sous des contraintes parfois ignores du
fournisseur (exemple : des fils lectriques dalimentation pour des micro-moteurs ser-
viront de poigne de transport sur un chantier alors que manifestement ils ntaient
pas prvus pour cela).
Cest une grosse erreur que de penser que les produits de bonne qualit sont uni-
quement ceux qui sont les plus luxueux.
En rsum une premire dfinition peut tre donne par :
Le respect du cahier des charges
Le produit ou le service correspond bien ce qui tait crit, la publicit est non
mensongre. Attention nous verrons que des caractristiques fournies et non perues
par le client correspondent de la surqualit, il nen a pas conscience et par consquent
nen retirera aucune satisfaction.
Au cahier des charges client, il existe un cahier des charges implicite fourni par les
exigences lgales en vigueur dans le pays du client (exemple : directives europennes
sur les produits).
Le maintien de la conformit
Les fonctions fournies ne doivent pas se dtriorer rapidement dans le temps en uti-
lisation normale. La dure de vie peut tre apprcie trs diffremment. Ainsi un
vhicule parcourant 200 000 km la moyenne de 65 km/h va fonctionner pendant un
peu plus de 3 000 heures. Pour un engin agricole, une dure de vie de 10 000 heures
semble un minimum.
La satisfaction implicite
Ce besoin nest pas toujours exprim explicitement (caractristiques intrinsques). Cer-
tains objets peuvent avoir comme mission de valoriser leur propritaire comme par
exemple une tenue vestimentaire dans une activit sportive (une voiture de sport na
pas uniquement comme mission dassurer la fonction dplacement de son propritaire).
Pour les nouveaux produits il doit y avoir une adquation entre les services de mar-
1. mot japonais signifiant place relle.
keting et de conception. Par exemple, sa cration la tlcommande dun tlviseur
correspondait bien un besoin non dcrit technologiquement par le futur client.
Certaines exigences ne sont pas dfinies par le client tout simplement par ignorance.
Il pense naturellement que ces prcisions sont de votre domaine en tant que spcialiste
(par exemple un type de conditionnement).
La satisfaction conomique
Il doit en avoir pour son argent. Noublions pas quen dernier recours, cest ce dernier
qui dcide des produits qui vont se vendre et quune image de marque peut se dtruire
rapidement par une seule srie de mauvais produits.
3.3 Notion de classes
Parfois pour guider le client, il peut exister une notation (classes) destine le ren-
seigner sur le rapport qualit prix quil est en droit dattendre.
Notion de classe : (ISO 9000)
1
Catgorie ou rang donn aux diffrentes exigences
pour la qualit pour des produits, des processus ou des systmes ayant la mme
utilisation fonctionnelle .
Exemple : classement des htels par un nombre dtoiles.
3.4 La qualit pour fidliser le client
La qualit du produit et le service associ ce produit sont trs importants pour fidliser
le client. Commercialement cest beaucoup plus cher dacqurir un nouveau client que
den conserver un ancien, alors que le bnfice reste le mme.
En particulier comme beaucoup de produits prsentent une valeur intrinsque sembla-
ble, certains fournisseurs essayent de se distinguer en proposant des services associs
comme une maintenance rapide, un prt de matriel pendant la rparation, des services
dentretien privilgis, etc.
On cherche faire du client un partenaire, cest lui qui assure la prennit de lentreprise.
1. Reproduction faite avec lautorisation dAfnor.
3.5 Comment comparer la qualit de deux produits concurrents
3.5.1 tre capable de mesurer la qualit
Certaines caractristiques de qualit peuvent tre mesures laide de paramtres phy-
siques. On peut estimer la variation de ces paramtres compatible avec un fonction-
nement correct de lappareil (par exemple une variation de longueur, une variation de
rsistance lectrique...). Dautres, au contraire, ne peuvent tre saisies que par les sens :
vue (couleur, aspect), oue (vibrations), odorat, got, toucher. La mesure sera le fruit
dune expertise et de ce fait critiquable. Une approche statistique, comme une enqute
client, exprimera la perception du client, malheureusement, elle ne peut se faire qua
posteriori.
Par exemple pour une voiture, la qualit sera un mlange de donnes objectives comme
la mesure de lacclration par le temps mis pour passer de 0 100 km/h et de donnes
subjectives comme le confort. Notons que cette estimation de la qualit nest pas une
donne intrinsque au produit mais varie suivant la clientle cible.
En conclusion, on cherchera :
valuer limportance des caractristiques et les classer.
Se mettre daccord sur lvaluation des dfauts.
Regarder les produits statistiquement lorsque cela est possible.
Comparer la qualit ralise la qualit dsire.
3.5.2 Exemple de fonction de comparaison applique lautomobile
La qualit dun vhicule est une fonction multi-critres. On peut par exemple dcider
de noter cette qualit sur 1 000 points. Un dcoupage arborescent est souvent utilis,
cela permet de srier les difficults. Pratiquement il est possible de faire une runion
ouverte type dballage dides et ensuite de faire un vote pour retenir les caract-
ristiques supposes les mieux perues par les clients.
Exemple de fonction :
Note
=
% N
1
(Confort) + % N
2
(Scurit) + % N
3
(Performances) + % N
4
(Budget)
1 000 1 000
Cela revient dire que le confort sera jug sur N
1
points (avec N
i
= 1000).
son tour, le confort sera compos de sous-rubriques telles que la suspension, lhabi-
tabilit, laccs, la commande de bote, la direction assiste, etc. Tous ces critres nont
pas le mme poids. Il est pourtant intressant de les noter sur 20 ou sur 10 (on nefface
pas des annes dcole). Ils seront ensuite multiplis par un coefficient pour intervenir
leur juste valeur. Lutilisation dun tableur sera dune grande efficacit.
Avec cette mthode, il est possible de comparer son produit avec un produit de la
concurrence de grande diffusion. Point par point, il est possible de faire un rapport
pour chaque critre.
Une valeur suprieure 1 peut tre recherche, par contre si elle est trs suprieure
1 cela peut ventuellement tre considr comme de la surqualit. Une valeur trs
infrieure 1 indiquera une situation inadmissible.
Il ne sagit bien sr que dune premire approche. Intuitivement, nous sommes bien
conscients que linfluence dun dfaut nagit pas de manire linaire sur lapprciation
dun client. Un petit dfaut le mettra simplement de mauvaise humeur, alors que pour
un dfaut important, il trouvera cela inadmissible et sera prt entreprendre une dmar-
che de rclamation.
3.6 Les trois types de qualit dfinis par le modle de Kano
Dans ce modle, on distingue trois types de qualit de produit :
1. La qualit implicite, celle que lon trouve dans tous les produits disponibles du
march. Cest un minimum, car son absence peut provoquer un phnomne de rejet
chez le client (attentes de base).
2. La qualit propose, dans lair du temps . Son choix sera surtout dict par des
critres conomiques (offre promotionnelle). Une technologie plus ou moins sophis-
tique peut nuancer son choix (attentes de performances).
3. Le plus, la qualit innovante, celle qui peut dcider lacheteur (ne pas avoir le
produit de monsieur tout le monde) (attentes de sduction).
Dans lexemple trait prcdemment, les freins disques lavant sont classer dans
la catgorie 1, la fermeture centralise distance dans la catgorie 2. La catgorie 3
reprsente une avance sur la concurrence, sa dure de vie est limite car rapidement
les autres fabricants lintgrent dans leur modle. Pour linstant, lanti-patinage peut
tre class dans cette catgorie.
Sduction
agrables surprises
dlices du client
Performance
Le client en veut plus !

Inexprim
Inexprim
Exprim
Niveau de
satisfaction
du client
Degr de ralisation
de la fonction
Trs satisfait
Qualit de base
On sy attend
Typique des produits invisibles
Insatisfait
Tout fait
Pas ralise
T

E

M

P

S
Figure 1.3 Le modle de Kano
4. LAPPROCHE GESTIONDE LAQUALIT
Grer signifie : Avoir un objectif, se donner les moyens ncessaires pour latteindre,
vrifier les rsultats acquis, et sil y a carts, programmer une action corrective .
Grer la qualit consistera par exemple pour une entreprise dfinir sa stratgie future
compte tenu de son potentiel (humain et matriel), des marchs, de la concurrence, de
son implantation gographique, etc. Ce choix stratgique dpend videmment de la
direction, cest la politique Qualit
1
Pour sa mise en uvre, il faut :
1. Pour la dfinition exacte et dtaille de chaque terme, le lecteur est invit consulter le chapitre 3
Termes et dfinitions de la norme ISO 9000 : 2000.
Se donner des objectifs pratiques et nommer les responsables qualit (manage-
ment de la qualit).
Faire des choix de production pour atteindre la qualit dsire tels que les embauches,
les investissements, la sous-traitance, les partenariats (planification de la qualit).
Former et sensibiliser le personnel cette dmarche, organiser et grer le systme
de production (matrise de la qualit).
Sassurer que la qualit obtenue est bien en adquation avec celle souhaite par la
direction. Si besoin est, faire des corrections et viter que cela ne se reproduise
(assurance de la qualit).
Mettre en place des dispositifs et des mthodes pour samliorer, tre plus comptitif
et plus ractif (amlioration de la qualit).
Lensemble des moyens mis en uvre pour rpondre lattente de la direction doit
tre construit suivant une structure (ou modle) bien dfinie appele le systme de
management de la qualit. Ce dernier est dcrit laide du manuel qualit et de
procdures.
Ces diffrents niveaux dabstraction seront tudis de faon plus dtaille dans les
chapitres suivants.
Le docteur DEMING a illustr cette dmarche comme une roue roulant sur un sol
montant, de manire lever le niveau de la gestion de la qualit. Ce schma est si
clbre que lon parle de faire tourner la roue DEMING.
Plan
Do Check
Act
Amlioration continue
Figure 1.4 La roue de la qualit ou PDCA
La gestion dcrite ci-dessus peut tre perue comme une simple gestion au quotidien,
elle nen est pas moins ncessaire. Il est par contre possible de conduire ce mode de
raisonnement plus long terme sur quelques projets-cls pour lentreprise de manire
assurer sa prennit. On parlera alors de management par perce (ou Hoshin).
Nous reviendrons au chapitre 3 sur cette dmarche damlioration continue.
5. MANAGEMENT PAR LAQUALIT TOTALE
De plus en plus dentreprises dveloppent un modle de gestion permettant daugmen-
ter la valeur dun produit en essayant doptimiser simultanment la production de
chaque service. On parlera de gestion par la Qualit totale ou TQM : Total
Quality Management .
Lentreprise, en fonction de son savoir-faire technologique et des nouvelles technolo-
gies qui lui sont accessibles (domaines connexes, intgration complte dun produit),
a intrt explorer les niches potentielles du march. Cela permet dasseoir son image
de marque, en montrant que lon matrise tout un secteur (quipement automobile, le
sport dhiver, lquipement de jardin, etc.).
Cette volont de dveloppement doit tre accompagne de moyens techniques capables
et matriss par le personnel. Des embauches peuvent tre ncessaires si lon na pas
le personnel comptent. On essaiera de privilgier les ressources existantes, gnrale-
ment matrises. Tous les services seront concerns, de la conception la distribution.
La satisfaction du client sera plus facilement garantie avec lemploi doutils comme
lAnalyse fonctionnelle, lAnalyse de la Valeur ou le QFD (Dploiement de la Fonction
Qualit).
Des prsries seront ncessaires pour valider la conception et les techniques dindus-
trialisation retenues (essais finals, validation de processus par le calcul des capabilits,
etc.).
terme, lobjectif essentiel est dliminer toute dispersion sur le produit. La matrise
statistique des processus (MSP) va permettre un pilotage fin de la production pour
viter en particulier toute drive. Il est souhaitable galement de prvenir en amont
tout risque potentiel de dispersions. Un outil comme lAMDEC (Analyse des Modes
de Dfaillances, de leurs Effets et de leur Criticit) va dans ce sens.
Le bien-fond de cette dmarche va tre juge par le client. Il peut tre suicidaire de
se contenter danalyser les retours clients (Service aprs-vente). Des enqutes clients
peuvent prvenir tout risque de fuite de la clientle et permettre la mise en place
dactions correctives rapides et efficaces.
6. LES PIONNIERS DE LADMARCHE QUALIT
La notion de qualit est un concept qui sest dvelopp avec les premires civilisations.
Dj ds lAntiquit certains pays taient reconnus comme spcialistes dun produit
ou dune technique (en architecture par exemple).
La qualit, au sens moderne, est vraiment apparue avec la production en srie. Elle a
surtout t initialise par les tats-Unis.
Le concept dassurance de la qualit, hrit de lindustrie de larmement pendant la
Seconde Guerre mondiale, a vu son plein essor sous le dveloppement de lindustrie
spatiale et nuclaire.
titre dexemples et sans tre exhaustifs, nous rappelons quelques personnages clefs
du monde de la qualit.
6.1 Walter A. SHEWHART
Dans les annes 20, il a mis au point une mthode baptise QC (Quality Control) aux
BELL TELEPHONE LABORATORIES. Il est surtout connu comme le premier cra-
teur des cartes de contrle. Il prconise danalyser les relevs obtenus dans le pass
pour savoir comment le processus risque de varier dans lavenir.
une poque de situation de monopole pour beaucoup dentreprises, sa mthode na
longtemps t considre que comme un exercice de style.
Ltude des cartes de contrle sera reprise dans le chapitre 10 concernant la matrise
statistique des processus.
6.2 W. Edwards DEMING
Il est le grand promoteur de lutilisation massive des techniques statistiques dans le
monde industriel.
partir de 1942, il essaye dappliquer les mthodes de Shewhart aux tats-Unis. Aprs
la Seconde Guerre mondiale, ses confrences au Japon connurent un grand retentisse-
ment.
Une association dingnieurs japonaise (JUSE) sest charge de transmettre ces tech-
niques un grand nombre de socits. Elle est lorigine dun prix qualit trs pris
au Japon, le Prix DEMING .
Il est linstigateur dune mthode de management par la qualit (Plan, Do, Check, Act)
que nous dvelopperons dans les chapitres suivants.
6.3 Joseph M. JURAN
Appliquant les thories de Shewhart depuis de nombreuses annes, J. Juran fit part de
son exprience en publiant Quality Control Handbook. Ce livre eut un succs reten-
tissant. Il propose entre autres pour le management trois objectifs qui feront cole par
la suite :
dabord planifier le processus ;
ensuite en assurer la stabilit (notion de robustesse) ;
et enfin essayer damliorer le niveau de performance.
Cest lui galement qui remit au got du jour le diagramme de PARETO.
6.4 Armand V. FEIGENBAUM
Il proposa dappliquer tous les services, en particulier au management, les concepts
dvelopps en production (TQC : Total Quality Control). Il propose dvaluer toutes
les dmarches de progrs en qualit, y compris celles qui sont administratives.
Il introduit galement la documentation du systme qualit (manuel de la qualit).
6.5 Kaoru ISHIKAWA
Connu en Occident comme linventeur des cercles de qualit, il est surtout le concep-
teur dune mthode de management base sur la qualit totale et adapte la culture
japonaise. Cette mthode cherche en particulier savoir quelles sont les exigences du
client, devancer les apparitions des dfauts et dfinir au mieux ladquation cot
qualit .
Il a introduit en production, sous formes graphiques accessibles, des techniques sta-
tistiques de base et dvelopp les diagrammes causes-effet (diagramme en arte de
poisson). La synthse de sa dmarche est connue sous le nom des sept outils de la
qualit qui seront dvelopps au chapitre 6.
6.6 Philip B. CROSSBY
Parti en guerre contre la notion de Niveau de Qualit Acceptable , il proposa la
mthode ZRO DFAUT .
Il dfinit en particulier les concepts essentiels suivants :
toute action professionnelle est un processus (avec des entres et des sorties), ce
concept est un lment cl de la normalisation actuelle ;
la qualit doit tre dfinie comme une conformit ;
il faut favoriser la prvention et non la dtection ;
la mesure de la qualit se traduit directement par le prix de la non-conformit.
6.7 Genichi TAGUCHI
Pour Genichi TAGUCHI, la non-qualit dun produit sexprime par une perte, fonction
des carts de production constats sur le produit. Le processus de production doit tre
fidlis de manire le rendre insensible aux perturbations extrieures (robuste). Il a
su rutiliser et simplifier les techniques des plans dexpriences de manire mieux
diffuser leur utilisation dans le monde industriel.
6.8 Dorian SHAININ
Il a propos de nombreux outils pour rsoudre des problmes industriels rputs insol-
vables. Les outils retenus, bass sur une approche statistique rigoureuse, sont prsents
de faon tre peu complexes lutilisation.
Il a propos une dmarche de rsolution de problmes qui sappuie sur la recherche
des paramtres les plus actifs (appels les X rouges).
Nous pouvons constater que ce mouvement est surtout amricain et japonais. En ralit
une dmarche analogue a exist en Europe mais sans doute avec moins de retentisse-
ment. Citons, par exemple en France, les travaux de lingnieur gnral de larmement
Ren CAVE sur le contrle statistique.
CHAPITRE 1 LE CONCEPT QUALIT
CHAPITRE 2
LADMARCHE QUALIT
Faire des produits de qualit ne se dcrte pas, la qualit rsulte dune dmarche.
Non seulement il faut tre capable de raliser la qualit exige par le client, mais il
faut mettre galement en place un systme permettant de prenniser ce qui a t fait.
Cette dmarche va concerner tous les services de lentreprise et non pas uniquement
le service qualit. A terme cela permettra de fidliser le client et de minimiser les cots
dobtention de la qualit.
1. LE COT DE LANON-QUALIT
Pendant des annes, les entreprises ont pens que cela cotait trs cher de fournir des
produits de qualit. A partir de 1970 environ, la mondialisation de lconomie a dmon-
tr que des produits de qualit taient un gage de retour dinvestissement rapide. Citons
comme prcurseur Armand Feingenbaum qui en 1950 remit sa direction un rapport
sur les cots de non-qualit. Lunit tait le dollar, il tait alors plus facile de convain-
cre la direction et les actionnaires du bien-fond de la dmarche.
Dans la suite de ce chapitre, nous prsenterons sommairement comment simbriquent
les diffrents cots de la qualit. En particulier nous verrons limportance dinvestir
en prvention.
1.1 Analyse des diffrents cots de non-qualit
Les moyens de conception, de fabrication et de distribution ntant pas parfaits, cela
engendre automatiquement des dfauts sur le produit qui se traduiront par des pertes.
Ces pertes peuvent tre quantifiables directement :
en interne (Anomalies internes) :
absentisme,
accidents du travail,
attente de pices,
rebuts, retouches,
reconditionnement, rparation,
mauvaise gestion des stocks,
organisation des postes de travail,
temps de changement de sries,
rparation des moyens de production,
modification de conception,
...
en externe (Anomalies externes) :
rclamations clients,
pnalits de dlai de livraison,
cot du SAV,
paiement partiel des clients,
...
Il faut rajouter cela des pertes indirectes en crdibilit comme la perte dimage de
marque (difficilement chiffrables mais souvent majeures).
Pour chercher diminuer ces pertes, on va investir :
en matriel, mthode et technique de contrle (Dtection) :
contrle de rception,
contrle des produits,
vrification des appareils de mesure,
qualification, homologation,
contrle des gammes,
contrle des stocks,
suivi des dlais,
contrle des commandes, des factures,
...
en matriel, mthode et technique de prvention (Prvention) :
vrification du cahier des charges (contrat),
revue de conception et de production,
audits qualit,
certification,
amlioration des plans et dossiers de fabrication et de contrles,
cration dindicateurs qualit,
formation du personnel,
mise en place dune dmarche qualit partir de modles,
mise en place dune dmarche 5S,
maintenance prventive,
valuation des fournisseurs,
...
Cot de
prvention
C
o
t

t
o
t
a
l
(
s
u
p
p
o
r
t

p
a
r

l
e
n
t
r
e
p
r
i
s
e
)
Cot
dvaluation
Cot de
non-qualit
interne
Cot de
non-qualit
externe
Cot dobtention de la qualit
Cots supports par le client
Valeur ajoute
Figure 2.1 Les diffrents cots de non qualit
Il ne faut pas, bien sr, que vouloir diminuer les pertes entrane des investissements
excessifs. Une dmarche doptimisation est ncessaire.
1.2 Relation entre pertes et cot dinvestissement
Un investissement en contrle peut faire diminuer les pertes car elles seront dtectes
en interne et non chez le client. En particulier, plus vite sera dtect le dfaut, plus
faible sera la perte due au remplacement du composant (par exemple, pour un compo-
sant de bote de vitesse, cela vite un dmontage...). Et surtout cela vitera de ternir
limage de lentreprise.
CHAPITRE 2 LA DMARCHE QUALIT 39
Investissement de contrle
Pertes
Figure 2.2 Incidence de linvestissement de contrle (Dtection)
Mais nous nous apercevons tout de suite de la limite de cet investissement. Cest un
traitement strictement curatif, il ne sattaque pas aux causes du mal. Ncessaire pour
rassurer le client sur la conformit du produit, il est peu rentable conomiquement.
Un investissement en prvention (par exemple mettre en auto-contrle un poste de
production) va faire baisser le montant des pertes de manire plus importante.
Investissement de prvention
Pertes
Figure 2.3 Incidence de linvestissement en prvention
1.3 Optimisation pertes investissements
Pour lentreprise, que ce soient des pertes ou des investissements, cela correspond
un surcot (perte financire) d la non-qualit. Loptimisation se fera sur la somme,
sachant quil existe une corrlation entre les pertes et les investissements.
Bas Niveau dinvestissement Haut
Cot de la non-qualit
Pertes
Investissements
Optimum
Figure 2.4 Optimisation Pertes Investissements
Linvestissement le plus porteur semble tre, pour beaucoup dentreprises, la prven-
tion. Ce sera donc un lment-cl de la gestion de la qualit.
Les informations ncessaires pour calculer le cot de la non qualit sont parfois dif-
ficiles obtenir (souvent confidentielles). On peut les obtenir dans les documents de
comptabilit (analytique et gnrale), les documents techniques ou administratifs ou
commerciaux. Il est toujours possible de faire une estimation partir denqutes auprs
des personnes concernes.
1
2. LE MANAGEMENT DE LAQUALIT
ET LADIRECTION
Le service responsable du management de la qualit, est rattach directement la
direction gnrale car il ne doit pas tre juge et partie. En relation directe avec la
1. Pour plus dinformation, le lecteur pourra consulter les normes :
NF X 50-126 (octobre 1986) Gestion de la qualit Guide dvaluation des cots rsultant de la non
qualit.
ISO/TR 10014 :1998 (Aot 1998) Lignes directrices pour le management des effets conomiques de
la qualit.
clientle, il reprsente celle-ci dans lentreprise. En liaison avec le service commercial
et la production, il doit aider la direction gnrale dans la dfinition de la politique
qualit (en particulier pour les investissements en ressources humaines et matrielles).
Par exemple pour llaboration dun nouveau produit, rpondre aux questions suivan-
tes :
Est-ce que nous avons les comptences ncessaires ?
Est-ce que nous avons les moyens de production adquats ?
Existe-t-il des fournisseurs comptents pour les composants achets ?
Serons-nous concurrentiels par rapport aux autres fournisseurs ?
Etc.
Dans le contexte conomique international actuel, la gestion qualit est largement aussi
importante que les autres gestions (financires, ressources humaines, etc.). Pour cer-
tains dirigeants dentreprise, on peut mme considrer la gestion des ressources humai-
nes et matrielles comme partie intgrante de la gestion de la qualit (faire de bons
produits laide de machines capables, pilotes par des employs comptents et
sereins).
Commercial Finance
Ressources humaines Production
Logistique Qualit
tudes et recherches Achats
Direction
Figure 2.5 Les principales gestions dans lentreprise
3. LE MANAGEMENT DE LAQUALIT
En caricaturant, la gestion dune entreprise peut sapparenter au pilotage dun vhicule
conduit simultanment par plusieurs pilotes. Pour ce faire, ils comptent se rpartir le
volant, lacclrateur, le levier de vitesses, les freins, lembrayage...
Pour que cet quipage :
puisse arriver bon port CONFORMIT,
suivant lhoraire prvu DLAI,
en respectant le budget fix COT,
il doit se fixer des rgles prcises,
pour que son fonctionnement soit cohrent vis--vis de ses engagements.
Notons que les difficults de pilotage augmentent avec la distance parcourir, de
mme tout au long du chemin des complications de tous ordres risquent dappa-
ratre au niveau :
Transposition pour lentreprise :
1) du vhicule MOYEN
2) des hommes de lquipage MAIN-DUVRE
3) du carburant et des produits MATIRE
4) de la nature du terrain emprunt MILIEU
5) des techniques de pilotage MTHODE
Pour atteindre ses objectifs, lentreprise doit envisager les diffrentes contraintes pos-
sibles, fournir aux oprateurs des consignes dfinissant la marche suivre et prciser
les responsabilits. La dfinition de sa politique, sa traduction en objectifs et en moyens
sont les principales composantes du management de la qualit.
Dfinition ISO 9000
1
: 2000 du management de la qualit :
activits coordonnes permettant dorienter et de contrler un organisme en matire
de qualit.
4. LES PRINCIPALES COMPOSANTES
DUMANAGEMENT DE LAQUALIT
Un systme de conception, de production et de distribution est toujours accompagn
dun management de la qualit. Il nest parfois pas exprim explicitement. En effet,
tout chef dentreprise, de la PME la grande entreprise ne peut pas tre insensible
aux rclamations de ses clients car il sait quil en va de la prennit de son entreprise.
Il doit mettre en place un systme qualit (organisation, procdures, moyens et pro-
cessus) pour rendre oprationnel et efficace le management de la qualit.
Schmatiquement, le management de la qualit, peut se reprsenter comme un asser-
vissement en boucle ferme.
+
Apprciation
des clients
PLANIFICATION
Qualit
demande
par le march
Qualit perue
Qualit
ralise
Politique Qualit
Plan Qualit
Matrise de la qualit
Assurance de la qualit
Amlioration de la qualit
Figure 2.6 Le management de la qualit en boucle ferme
Remarque : si la qualit ralise par le fournisseur nest pas compltement perue par
le client, cest vraiment une perte pour le fournisseur car il a dpens de largent pour
raliser une valeur ajoute dont le client na pas du tout conscience. A contrario, le
client peut trouver tout fait insuffisante la qualit produite. Il fera des comparaisons
avec loffre de la concurrence en fonction de ses propres moyens de mesure ou desti-
mation.
4.1 La planification de la qualit
La planification qualit :
dfinit les objectifs stratgiques de la direction (position de leader, augmentation des
bnfices, etc.) et les exigences de qualit au niveau du produit (implication du per-
sonnel, diminution des retours clients, situation par rapport la concurrence, etc.) ;
prpare la mise en uvre du systme de management de la qualit (base sur une
approche processus par exemple) ;
labore des plans qualit (activits spcifiques lies un produit ou une activit
comme par exemple un plan formation, une dmarche six sigma, etc.) ;
essaie damliorer la qualit (dmarche damlioration continue, partenariat avec les
fournisseurs, etc.).
4.2 Matrise de la Qualit par une approche processus
Comme les besoins des clients progressent sans cesse, il faut que le systme qualit
soit bas sur des technologies, des savoir-faire et des moyens la hauteur de la
demande. On parlera de satisfaire aux exigences pour la qualit .
Ce sont en particulier les oprationnels qui doivent dcrire leur faon de procder.
Lentreprise doit veiller mmoriser, en permanence, son vcu de manire enra-
ciner le savoir-faire et dvelopper le professionnalisme. Cest cette condition quelle
pourra affronter des challenges de plus en plus difficiles.
Il est conseill aux entreprises dadopter une approche processus
1
(entre, sortie, inte-
ractions) pour matriser la qualit (processus technique ou administratif). Cela permet
de bien identifier pour chaque oprateur, chaque service son produit, ses clients (inter-
nes ou externes) et ses fournisseurs.
partir de cette analyse, il sera possible dassocier au processus une dmarche type
roue de Deming ou Plan, Do, Check, Act .
Planifier : en fonction des objectifs clients (entre), du contexte de production et du
retour client.
Faire : laide de nos ressources
Vrifier : les carts ventuels des produits (sortie)
Agir : rendre plus robuste le processus et si possible le rendre plus performant.
crire, dans chaque service, les procdures oprationnelles lies aux processus
ayant une incidence sur la qualit est indispensable pour la prennit du niveau
technologique atteint (citons par exemple un changement de personne sur un poste de
travail).
Ces procdures permettent dviter les drives de lexploitation du systme de mana-
gement de la qualit. Elles vitent, galement, les improvisations qui la plupart du
temps se traduisent, au bout du compte, par des dpenses qui viennent gonfler les
cots de non-qualit.
En rsum, la matrise de la qualit vise :
la conformit (sassurer que lon a fait ce qui est demand sans excs de zle),
le professionnalisme (bien faire du premier coup),
le souci de quantifier (faire des mesures pour se situer par rapport aux objectifs
intermdiaires et finals),
la responsabilit (de chacun, lie au plaisir de travailler dans lentreprise et du
travail bien fait).
1. Voir le fascicule FD X 50-176 : Management de la qualit Management des processus.
4.3 Assurance et amlioration de la qualit
Le client na pas toujours le temps ni les moyens de se faire sa propre opinion sur la
qualit des produits fournis. Il nest plus dans le cadre dune collaboration avec un
artisan que lon connat et en qui on a confiance. En particulier, dans le cas dune
production en srie, il doit tre assur de la qualit constante des produits.
Lassurance de la qualit vient en complment de la matrise de la qualit (base du
systme) pour donner confiance au client, lui garantir que la qualit quil est en droit
dattendre, sera effectivement celle qui lui sera fournie.
Notons quelle a aussi comme fonction interne de rassurer la direction et les action-
naires sur la dmarche qualit mise en place.
Dans labsolu, si le client a entirement confiance sur la qualit fournie, on devrait
pouvoir fonctionner en boucle ouverte :
lit Qualit ralise

= Qualit perue
Qualit
demande
par le march
Politique Qualit
PLANIFICATION
Assurance de la
qualit (parfaite)
Plan Qualit
Figure 2.7 Le management qualit en boucle ouverte
En ralit, en fonction des divers alas dus aux contextes externes et internes de lentre-
prise, on gardera une fonctionnement partiel et allg en boucle ferme. Ce rle sera
rempli par les audits et les enqutes clients.
Laudit qualit, fait par une personne indpendante au service, est une comparaison
entre ce que lon doit faire (ce qui est crit) et ce que lon fait rellement. En cas de
diffrence notoire, soit on doit revoir la faon de procder si la qualit nest pas
prsente, soit modifier ce qui est crit pour transcrire les modifications apparues dans
le nouveau processus.
Laudit interne est organis par lentreprise, laudit externe par le client ou par lorga-
nisme certificateur.
Pour faciliter ces audits, il existe des modles (ou rfrentiels) pour vrifier que lon
essaie de garantir lassurance de la qualit. Ils suggrent dtre attentif des thmes
tels que :
la revue de contrat ;
le traitement des non conformits ;
ltalonnage priodique des appareils de mesure ;
la gestion des documents ;
...
Nous reviendrons plus en dtail sur un exemple de rfrentiel dans le chapitre trois.
En rsum, le management de la qualit peut-tre rsum par le schma suivant :
+
Qualit
ralise
Qualit
perue en
interne
Qualit
perue par les clients
Qualit
demande
par le march
Politique Qualit
PLANIFICATION
Audits internes
&
Outils de la qualit
Audits et enqutes
clients
Assurance de la qualit
Amlioration de la qualit
Plan Qualit
Management de la qualit
Figure 2.9 Le management qualit complet
Remarquons que lapprciation client nest plus subie mais provoque de manire
tre plus ractif.
4.3.1 Audit des systmes de management de la qualit
1
Il fait partie des trois types daudits que lon rencontre, savoir :
audit du systme de management de la qualit
audit des processus (vrifier leur efficacit)
audit produit (vrifier la conformit de toutes les exigences spcifies)
Ce qui est crit

Ce qui est ralis
Objet & tendue
de laudit
Figure 2.10 Programme daudit
Lorsque lobjet et ltendue de laudit sont dfinis (par exemple la gestion des moyens
de mesure) on doit prciser qui sera lauditeur.
Par dontologie, ce dernier ne doit pas tre impliqu dans lactivit concerne. De plus
il est recommand quil ait reu une formation dauditeur, car il est souhaitable que
laudit ne soit pas peru par laudit comme une censure. On peut envisager quun
responsable de service vienne auditer un autre service. Cela gnre une autoformation
pour lauditeur en observant des mthodes dorganisation quil pourra reprendre dans
son propre service. Dans les petites structures, laudit interne peut tre fait par une
personne extrieure (ne faisant pas partie du personnel), cela reste une volont de
lentreprise.
Pour raliser laudit, lauditeur doit tre en possession des documents se rfrant
lactivit audite (procdure, instruction, guide, etc.).
1. Le lecteur est invit consulter la norme :
NF EN ISO 19011 Dcembre 2002.
Lignes directrices pour laudit des systmes de management de la qualit et/ou de management environ-
nemental.
Il est impratif que lauditeur rende un rapport daudit en prcisant si ncessaire les
actions damliorations entreprendre. Ce rapport sera enregistr et sera analys lors
des revues de direction.
4.3.2 Mesurer la satisfaction des clients
1
Lobjectif est de connatre la satisfaction du client. A chaque interface entre le client
et/ou les services de lentreprise il existe une perte dinformation due des non-dits
ou des incomprhensions. De mme lors de llaboration du produit, on peut constater
des carts par rapport la qualit souhaite. On voit apparatre une notion de rendement
global, produit de tous les rendements spcifiques chaque poste.
Pour illustrer ce concept, nous nous inspirerons de lillustration propose par le MFQ
2
dfinir les dperditions qualit du produit.
Q
u
a
l
i
t

s
o
u
h
a
i
t
e

p
a
r

l
e

c
l
i
e
n
t
Q
u
a
l
i
t

p
e
r
u
e

p
a
r

l
e

c
l
i
e
n
t
Q
u
a
l
i
t

e
x
p
r
i
m
e

p
a
r

l
e

c
l
i
e
n
t
M
a
r
k
e
t
i
n
g
C
o
n
c
e
p
t
i
o
n
R
a
l
i
s
a
t
i
o
n
L
i
v
r
a
i
s
o
n
Figure 2.11 Les dperditions qualit du produit
La diffrence de qualit entre la qualit attendue et la qualit perue au niveau du
client est mesure par des indicateurs de satisfaction, la perte de qualit en interne
sera mesure par des indicateurs de qualit internes.
Si lon veut que lenqute soit utile, il faut bien prciser les objectifs que lon dsire
quantifier. La conception de lenqute et lanalyse des rsultats, en particulier si lon
travaille avec des chantillons de clients, doivent tre menes par des spcialistes
(internes ou externes lentreprise).
1. Le lecteur est invit consulter la norme franaise NF FD X 50-172 (mars 1999) Management de
la qualit - Enqute de satisfaction des clients.
2. Sensibilisation la dmarche qualit MFQ Rhne-Alpes.
5. LES NORMES ISO9000
ISO : INTERNATIONAL STANDARD ORGANISATION
Pendant plusieurs annes labsence de guide ou de modle reconnu sur les grands
marchs (nergie, automobiles...) na pas permis de consensus dans la dfinition dun
systme qualit.
Certains grands donneurs dordres (dans le militaire et le nuclaire) ont instaur de
fait des modles dassurance de la qualit, de par les audits raliss chez leurs four-
nisseurs. Cette manire de procder a t rapidement copie par des entreprises de
taille moyenne. Leffet ne sest pas fait attendre, les diagnostics, audits, plans correc-
tifs, etc..., ont dferl dans les entreprises concernes, engendrant un travail colossal
pour la plupart des services.
partir de 1987, les rfrentiels dassurance de la qualit de la srie ISO 9000 ,
ont introduit :
une cohrence dans lapprciation des systmes qualit,
un modle de mise en uvre,
une reconnaissance de crdibilit du travail dorganisation accompli dans lentreprise
sous forme de certification.
Cette certification est octroye par un organisme indpendant. Par exemple AFAQ
AFNOR Certification
1
est habilite dcerner le diplme reconnaissant que le
systme qualit mis en place par lentreprise est conforme lun des rfrentiels nor-
maliss choisis.
terme cette reconnaissance devrait supprimer ou allger les audits clients.
1. http://www.afaq.org.
6. MANUEL QUALIT
Dfinition ISO 9000 : 2000
1
Manuel qualit : document spcifiant le systme de management de la qualit dun
organisme.
Plusieurs versions de manuels qualit peuvent coexister. En particulier, on peut trouver
un manuel de management de la qualit et un manuel dassurance de la qualit.
6.1 Manuel management de la qualit
Ce document peut contenir des informations dordre confidentiel. Il prcise toute la
documentation ayant une incidence sur la qualit. Il doit tre le reflet de ce qui est fait
rellement. En particulier, les cinq points suivants doivent tre abords :
1. La politique
qualit
2. La cartographie
des processus
3. Les responsabilits et
pouvoirs de chaque
personne dont le travail
a une incidence directe
sur la qualit
4. Les procdures
et les instructions
en conformit avec
le modle choisi
5. Les dispositions
pour la mise jour
permanente
du manuel
Figure 2.12 Aspects documentaires du systme qualit
1. Reproduction faite avec lautorisation dAfnor
6.2 Manuel dassurance de la qualit
Ce manuel, diffusable lextrieur de lentreprise, nonce la politique qualit et dcrit
le systme qualit. Pour des raisons de confidentialit il ne reprend quen partie le
prcdent. Destin rassurer le client, son impact publicitaire ne doit pas tre ngli-
geable.
CHAPITRE 3
MANAGEMENT DE LAQUALIT
PAR UNE APPROCHE PROCESSUS
Rappelons que le management de la qualit a comme mission de planifier, ma-
triser, assurer et amliorer la qualit.
Dans un premier temps nous dvelopperons le concept dassurance de la qualit puis
nous prsenterons le management de la qualit par une approche processus. Ce
management peut tre facilit en sappuyant sur des modles gnraux (type ISO
9001) ou spcifiques une branche dactivits.
1. ASSURANCE DE LAQUALIT
Lassurance de la qualit est dfinie comme la probabilit dobtenir des produits
correspondant au niveau de qualit requis.
La confiance que lon peut avoir dans un projet ou dans une fabrication augmente
lorsque les prcautions sont accrues et les risques limits. Elle sappuie sur une orga-
nisation, matrialise par un manuel qui a pour but de prouver lobtention de la qualit
que lon est en droit dattendre.
Notons galement, que dans le terme assurance, il y a la notion dinvestissement
prventif, destin garantir le succs de lopration.
Il appartient au client de vrifier que le rfrentiel et lorganisation dassurance qualit
proposs par le fabricant sont compatibles avec ses besoins.
Dfinition ISO 9000 : 2000
1
:
Assurance de la qualit : partie du management de la qualit visant donner
confiance en ce que les exigences pour la qualit seront satisfaites .
2. SITUATION MODLE DE GIGOUT
Une dmarche qualit type consiste :
1. Garantir le produit que lon vend contre tous vices de fabrication.
2. Sensibiliser le personnel en lui montrant que la qualit, cest laffaire de chacun.
3. Crer une structure (avec des moyens matriels et humains) pour garantir la pren-
nit de la dmarche entreprise.
Si au dbut la dmarche est squentielle, terme il faut essayer de progresser suivant
ces trois axes. La qualit peut se comparer un vecteur trois composantes (modle
de Gigout).
Axe de garantie de la qualit
des produits :
Contrle, mtrologie ; essais
AMDEC, analyse de la valeur
Revue de projet...
Axe de la participation
la qualit :
Auto-contrle
Plan damlioration
Cercle de qualit
Formation
Axe de lassurance
de la qualit :
Normalisation
Manuel qualit
Plan qualit
Audits
...
QUALIT
Figure 3.1 Modle de Gigout
2
2. Cit dans La qualit des produits industriels C. Maria Dunod 1991 .
3. APPROCHE PROCESSUS
3.1 Notion de processus
Il est recommand lorganisme didentifier ses principaux processus. Bien que la
modlisation bote noire avec entres et sorties soit familire chacun, on ne sait
pas toujours par o commencer. Dautre part lidentification des processus (suite dacti-
vits) est plus ou moins aise, ils ne peuvent pas toujours tre dcrits squentiellement
(chevauchement) et peuvent avoir des interactions complexes. Lappel un informa-
ticien consultant en gnie industriel, habitu ce genre danalyse, peut tre bnfique.
Management Ressources
Satisfaction
du client
Besoins et attentes
du client
Mesures
Enqutes Audits
Figure 3.2 Interaction des diffrents processus
On peut par exemple commencer par les sorties clients. Ce terme est volontairement
au pluriel car mme pour une entreprise manufacturire le produit est rarement unique
et de plus il est toujours accompagn de produits et services associs (comme par
exemple le conditionnement, la notice demploi, les brevets, les autorisations de mise
sur le march, etc.).
partir de lidentification des processus directement lis au client, on peut dfinir les
entres (matrielles et organisationnelles) qui deviendront les sorties des processus en
amont (notion de client interne).
CHAPITRE 3 MANAGEMENT DE LA QUALIT PAR UNE APPROCHE PROCESSUS 55
On peut dfinir diffrents nivaux de processus (par exemple dun atelier demboutis-
sage un poste de travail), mais tous devront tre grs suivant le principe de la roue
de Deming (PDCA) vue au chapitre 2.
Il faut garder en mmoire quun processus est mis en uvre pour atteindre un ou des
objectifs. Pour savoir sils sont atteints, il faudra analyser les mesures obtenues laide
dindicateurs associs (on parlera dinstrumenter les processus).
3.2 Typologie des processus
En sinspirant de la norme AFNOR FDX 50-176, la plupart des entreprises dclinent
leurs processus en :
Processus de ralisation.
Processus supports.
Processus de management.
Dcisions Enqutes
P
r
o
c
e
s
s
u
s

s
u
p
p
o
r
t
s
Produit
ou
service
Processus de
ralisation
Ressources
C
L
I
E
N
T
S
C
L
I
E
N
T
S
R
e
s
s
o
u
r
c
e
s

h
u
m
a
i
n
e
s
I
n
f
o
r
m
a
t
i
o
n

&

s
a
v
o
i
r
-
f
a
i
r
e
I
n
s
t
a
l
l
a
t
i
o
n
s
R
e
s
s
o
u
r
c
e
s

f
i
n
a
n
c
i
r
e
s
Processus de
management
Figure 3.3 Typologie des processus (daprs FDX 50-176)
1
Certaines entreprises, sparent des processus de direction, les processus de mesure
(enqutes clients, audits) et plus gnralement tout ce qui relve dune dmarche dam-
lioration continue.
Les processus peuvent se dfinir par un verbe. Par exemple :
Processus de ralisation : vendre, concevoir, acheter, fabriquer, soutenir lusage...
Processus support : grer les ressources humaines, grer les ressources matrielles,
maintenir, grer le systme dinformation...
Processus de direction : dfinir une stratgie, organiser, planifier, communiquer,...
Processus damlioration : grer la qualit (enqutes, audits, documents du systme
qualit, analyse et traitements des donnes, indicateurs...).
3.3 Cartographie des processus
La cartographie des processus est un outil graphique montrant les interactions entre
les diffrents processus recenss. Ce recensement est moins vident quil ny parait au
premier abord. On peut commencer par les processus de ralisation qui sont assez vite
identifis. Des regroupements thmatiques sont envisageables pour de petits processus
gnrant peu de valeurs.
La cartographie peut se faire plusieurs niveaux (comme pour les cartes routires). Il
faut viter une prolifration de macro processus. Chaque macro processus peut ensuite
tre analys plus finement.
Ce document sera dune grande utilit pour dcrire et analyser ce qui se passe dans
lentreprise. Il est bien sr utile la personne extrieure qui peut comprendre trs
rapidement les mtiers que matrise lentreprise mais aussi lemploy qui peroit
mieux sa place dans le systme et son implication vis--vis du client . Ce nest pas
un document fig, il peut voluer au mme titre que lentreprise. Certaines entreprises
saident pour crer leur cartographie de lapproche Balanced Scorecard
1
ou
tableau de bord quilibr et prospectif .
Une approche BSC utilise :
une carte stratgique (les objectifs stratgiques sont observs sous quatre angles :
finances, clients, processus, perspectives) ;
un tableau de performances (atteindre la cible en valeur et en dlais) ;
un plan daction pour atteindre la performance recherche.
Suivant les objectifs stratgiques retenus par la direction, il est intressant au fil du
temps de voir quelle est limplication des processus retenus (dcoupage initial). Si
elle est faible pour certains, on peut lgitimement se poser des questions sur lutilit
de ces processus en question.
1. Le tableau de bord prospectif Robert S. Kaplan, David P. Norton ditions dOrganisation.
3.4 Exemples de cartographie de processus
3.4.1 PME de mcanique gnrale
Processus de direction
Processus de ralisation
Processus support
Processus
Gestion et Systme dinformation
E
x
i
g
e
n
c
e
s
C
l
i
e
n
t
s
,

a
c
t
i
o
n
n
a
i
r
e
s
,

f
o
u
r
n
i
s
s
e
u
r
s

e
t

c
o
l
l
e
c
t
i
v
i
t
s

l
o
c
a
l
e
s
Processus de mesure et amliorations
Processus
Maintenance
Processus
de production
Processus
de recherche
et dveloppement
Processus
Ressources Humaines
Processus
Achat et logistique
Processus client
S
a
t
i
s
f
a
c
t
i
o
n
s
C
l
i
e
n
t
s
,

a
c
t
i
o
n
n
a
i
r
e
s
,

f
o
u
r
n
i
s
s
e
u
r
s

e
t

c
o
l
l
e
c
t
i
v
i
t
s

l
o
c
a
l
e
s
Figure 3.4 Exemple simplifi de processus dune PME
3.4.2 Entreprise de service (formation)
titre dillustration, nous donnons lexemple danalyses de processus appliqus un
dpartement dInstitut Universitaire de Technologie (Organisation et Gnie de la Pro-
duction). Cette entit de formation peut tre vue comme une entreprise de service.
Notons ce propos, que lattribution dun type de processus est conditionn par le
domaine dactivit de lentreprise. Par exemple le processus formation (gnralement
catalogu comme support) devient processus ralisation dans un centre de formation.
Client : Lycen
Promouvoir OGP
Recruter
Client :
Entreprise
Client : IUT
Planifier
Enseigner & contrler
Orienter
tudiants, Ens. Sup.
IUT, Entreprises
Client :
Enseignement
suprieur
Dfinir la politique
qualit
Conduire
lamlioration
Communiquer
Grer le systme
Matriser le budget
Grer les formations
Grer les ressources
Figure 3.5 Exemple de cartographie applique un dpartement dIUT
Cette cartographie peut galement servir de portail dentre du systme qualit (liens
hypertextes).
3.5 Matriser linterfaage des processus
Les sorties dun processus ne devraient mme pas tre prcises puisquelles doivent
correspondrent aux entres des processus avals. La plupart des problmes provient de
la difficult de communication entre processus. lintrieur dun processus, le plus
souvent tout se passe bien, les oprateurs sont des professionnels qui connaissent leurs
mtiers. Par contre ils vont changer des donnes avec dautres processus, cest l que
lon va rencontrer des problmes de formatage de ces donnes, des manques, des
incomprhensions, etc.
Donnes dentres
(Sorties des processus amonts)
+
Donnes denvironnement (rglements, normes, etc.)
Donnes de sorties (conformits et non-conformits)
&
Donnes de sorties denvironnement et de scurit
Processus
Figure 3.6 Donnes dentre Donnes de sortie
3.5.1 Analyse des processus par la matrise des risques
Certains prsentent le processus comme une combinaison dactivits destines ma-
triser un type de risque particulier. Il faut prciser la cible de chaque processus et
prciser et valuer le risque quil y a scarter de la cible. A partir de la cible client,
on peut dployer les cibles pour les processus amonts. Pour que ces risques ne se
produisent pas, on peut envisager une tude de type AMDEC , pour rendre les
processus plus robustes, sur les points prcdemment cits :
la conformit ;
les dlais ;
les cots ;
la scurit ;
lenvironnement.
Trois leviers ont t rpertoris pour limiter les risques :
les moyens disponibles (ressources humaines et matrielles) ou que lon peut acqurir
(intrim, achat de biens...) ;
les comptences (formation, sensibilisation...) ;
les mthodes (procdures, normes, postes en autocontrle...).
3.5.2 Piloter le processus
Chaque processus doit tre pilot par un responsable. Dans certaines entreprises,
la photographie des pilotes est incluse dans la cartographie, la responsabilit nen est
que renforce. En thorie, un pilote de processus nest pas obligatoirement un chef de
service, il peut avoir une responsabilit plus transversale. Il nen demeure pas moins
quil doit avoir une certaine autorit (reconnue) pour mener bien sa mission.
Lensemble des responsabilits et pouvoirs doit tre parfaitement dfini. Pour piloter,
il a besoin de recueillir des informations lui permettant de juger la bonne marche du
processus en question. On a vu clore une multitude dindicateurs, plus ou moins
pertinents. Un indicateur qui nest pas pris en compte, ou si linformation fournie ne
peut en rien permettre de faire voluer les divers processus ne sert rien. En moyenne,
on retrouve souvent quatre indicateurs par processus. Lindicateur nest pas obligatoire,
ce nest quun moyen. Il peut tre coupl dautres types de saisies dinformations.

Indicateurs
Benchmarking
Autovaluation
(type prix qualit)
Processus Audits
Figure 3.7 Diffrentes informations de pilotage
3.5.3 Exemples dindicateurs
Initialisation des indicateurs : les objectifs ne sont pas toujours faciles quantifier
(lanne prcdente peut tre prise comme rfrence dinitialisation).
Indicateurs de management
Surveillance des autres processus en analysant les carts entre la performance
relle et celle escompte (objectifs atteindre).
Indicateurs de ressources humaines
Efficacit des formations : en fonction des valuations des forms et des volu-
tions constates par les suprieurs hirarchiques des forms.
% du plan de formation ralis.
Entretien de professionnalisme : 100 % des personnes doivent tre coutes
dans lesprit dune dmarche damlioration (problme danomalie interne, viter
les non-dits, coute du personnel, etc.)
Grille dadquation entre les comptences requises pour lentreprise et les comp-
tences potentielles des employs. Les entretiens peuvent aider remplir cette
grille en dcouvrant des comptences particulires des employs.
Enqute de satisfaction du personnel (condition matrielle, opportunit dvolu-
tion,...).
Taux dabsentisme.
Accidents du travail.
4. MODLES DE MANAGEMENT DE LAQUALIT
4.1 Origine
Pour sassurer de la conformit du produit, la mthode qui semble la plus vidente a
priori est dinstaurer un contrle de faon liminer les lments dfectueux. Cette
technique a comme inconvnients :
un cot lev pour le fabricant (le contrle ncessite des moyens et napporte pas
de valeur ajoute dlaboration du produit) ;
un cot lev pour lacheteur (redondance du contrle si le client est mfiant sur la
qualit fournie) ;
de ne constater que des dfauts sans proposition damlioration (rle passif) ;
de ne pas tre utilisable pour les contrles destructifs (par exemple la vrification
du bon fonctionnement dune allumette).
Afin de crer un partenariat entre le fournisseur et lacheteur (assurance de la qualit)
on introduira la notion de certification.
On distinguera :
la certification des produits ;
la certification des services ;
la certification des oprateurs ;
la certification des entreprises.
Il ne faut surtout pas voir de hirarchie dans ces types de certifications. Elles rpondent
chacune leur manire un besoin prcis.
4.2 Certification des produits et des services
Certifier un produit cest attester que lon a mis en uvre des moyens dessais en
conformit avec une norme (tablie en concertation avec les producteurs et les utili-
sateurs). Le certificat de qualification est dlivr par un organisme neutre. Citons par
exemple les matriels lectriques, de puriculture et les jouets.
En France le certificat le plus connu est la marque NF dlivre par lAFNOR (la
demande est faite par le producteur).
Notons une dmarche analogue, plus rcente, de certification de services (transport,
dmnagement, etc.). Elle permet de garantir la qualit (au sens de la prestation four-
nie) quest en droit dattendre le client.
4.3 Certification des oprateurs
Lorsque le travail des oprateurs correspond des tches haut risque potentiel (comme
la soudure dans le matriel nuclaire), le client peut exiger une certification
1
garantis-
sant leur comptence matriser certains processus. Cette comptence peut par exem-
ple tre garantie par ltat.
4.4 Certification des entreprises
Les produits ne sont pas toujours fabriqus en grande srie, de plus il peut sagir de
services, de logiciels, etc ..., cest pourquoi il peut paratre plus judicieux de certifier
toute lentreprise. Agrer ou qualifier une entreprise, cest sassurer que cette dernire
matrise ses processus de production et devrait logiquement fournir une qualit
constante.
Historiquement, ce sont les grands donneurs dordre qui ont commenc certifier des
sous-traitants (fournisseurs). Citons, par exemple, la reconnaissance de conformit
lAQUAP 110
2
dlivre par la DGA (Dlgation Gnrale pour lArmement). En
France, en 1974, lEDF a lanc le mouvement de dmarche dassurance qualit avec
le programme nuclaire.
Des dmarches analogues existent dans dautres pays. Pour homogniser la certifi-
cation, lISO propose une mthodologie qui peut se rsumer par :
la mise en place dun systme de management de la qualit selon des critres confor-
mes des normes internationales (Normes ISO 9000),
lhomologation du systme de management de la qualit par un organisme accrdi-
1. ISO/CEI 17024 : Exigences gnrales pour les organismes de certification procdant la certification
de personnes .
2. Rfrentiel qualit de lOTAN : Allied Quality Assurance Publications.
teur indpendant (certification par tierce-partie) qui peut se traduire par lobtention
dun certificat validit limite (par exemple : 3 ans).
Remarque : les laboratoires qui fournissent un service de mesure, dtalonnage ou
dessai devront garantir la qualit de leur prestation. Pour cela ils doivent tre sous la
tutelle dun organisme dtat charg de vrifier cette disposition, on parlera daccr-
ditation du laboratoire
1
.
4.4.1 Objectifs de la certification
Dans un premier temps cela permet toute lentreprise de grer lobtention de la
qualit de ses produits, de ses services laide dun modle reconnu ayant fait ses
preuves, mais cest aussi et surtout apporter la preuve de cette qualit au client et
lactionnaire, en lui garantissant un niveau dorganisation agr par un organisme
neutre.
4.4.2 Avantages de la certification
La certification a comme premier objectif de donner confiance au client. Elle va rendre
galement lentreprise plus robuste par la formalisation, la transparence de la poli-
tique qualit et surtout la mise en mmoire du savoir-faire de lentreprise.
4.4.3 Inconvnients de la certification
Dans un premier temps, il y a le risque de percevoir la recherche de certification
comme une exprience contraignante et napportant que peu de valeur ajoute.
En dehors de la formalisation qui peut paratre lourde, la certification a un cot non
ngligeable. Cet investissement ne peut tre rentabilis quau bout dun temps assez
long, par diminution des cots dobtention de la qualit.
5. LES MODLES ISO9000
En 1987, parat la premire version des normes ISO 9000. Applicables tout secteur
conomique, elles ont comme objet de standardiser les diffrents modles de mana-
gement de la qualit existants. En fait si elles ne supplantent pas compltement les
systmes existants, elles serviront de base (ou de tronc commun) pour tous les modles
futurs de management de la qualit entre fournisseurs et clients.
En 1994, ces normes ont t rvises pour une meilleure homognisation.
1. En France ce rle est tenu par le COFRAC (COmit FRanais dACcrditation).
5.1 Les normes ISO9000 : Version 2000
La version 2000 nest pas une simple amlioration, elle correspond une refonte
complte. Si lancienne version tait surtout base sur la notion de procdure, la nou-
velle vise plus dcrire les processus ncessaires pour atteindre les objectifs de lentre-
prise, particulirement ceux concernant le client. Elle propose galement une simpli-
fication du nombre de documents et du vocabulaire employ. Cette dernire version
est aussi bien adapte aux entreprises manufacturires quaux entreprises de services.
Rfrences des nouvelles normes cites :
NF EN ISO 9000 (Dcembre 2000) : Systmes de management de la qualit
Principes essentiels et vocabulaire
Exigences
Lignes directrices pour lamlioration des performances
NF EN ISO 19011 (Dcembre 2002) : Lignes directrices pour laudit des systmes
de management de la qualit et/ou de management environnemental
5.1.1 Rductions des diffrents guides
Lignes directrices
9000
9004
19011
Concepts et vocabulaire
Audits
Figure 3.8 Rduction du nombre de guides
5.1.2 Un vocabulaire simple
Fournisseur
Fournisseur
Fournisseur
Organisme
Client
Figure 3.9 Fournisseurs Organisme Client
Dans la relation clients fournisseurs , on peut distinguer les fournisseurs (ancien-
nement appels sous-contractants) de matire premire et de composants, les fournis-
seurs de biens dquipements et aussi les fournisseurs de prestations intellectuelles
(formations, conseils, etc.).
Lorganisme (anciennement appel fournisseur) est lentit laquelle on applique le
management de la qualit.
5.1.3 La famille ISO9000
LISO
1
propose un groupe complet de normes pour mettre en place un systme de
management de la qualit. Aux normes internationales cites ci-dessous, pourront
sajouter les normes nationales traitant du mme sujet
2
.
ISO 9000 (Dcembre 2000) : Systmes de management de la qualit Principes
essentiels et vocabulaire
ISO 9001 (Dcembre 2000) : Systmes de management de la qualit Exigences
ISO 9004 (Dcembre 2000) : Systmes de management de la qualit Lignes
directrices pour lamlioration des performances
1. Les diffrentes publications de lISO 9000 peuvent tre consultes sur le site www.iso.ch . Des
guides dexplication sont disponibles sur ce site.
2. Site AFNOR www.afnor.fr .
5.1.4 Principales normes qualits
ISO 19011 (Dcembre 2002) : Lignes directrices pour laudit des systmes de
management de la qualit et/ou de management environnemental
ISO 10002 (Juillet 2004) : Management de la qualit Satisfaction des clients
Lignes directrices pour le traitement des rclamations dans les organismes
ISO 10005 (Septembre 1995) : Management de la qualit Lignes directrices pour
les plans qualit
FD ISO 10006 (Dcembre 2003) : Systmes de management de la qualit Lignes
directrices pour le management de la qualit dans les projets
FD ISO 10007 (Novembre 2003) : Systmes de management de la qualit Lignes
directrices pour la gestion de configuration
ISO 10012 (Septembre 2003) : Systmes de management de la mesure Exigen-
ces pour les processus et les quipements de mesure
ISO/TR 10013 (Juillet 2001) : Lignes directrices pour le dveloppement de la
documentation sur les systmes de management de la qualit
ISO/TR 10014 (Aot 1998) : Lignes directrices pour le management des effets
conomiques de la qualit
ISO 10015 (Dcembre 1999) : Management de la qualit Lignes directrices pour
la formation
ISO/TS 16949 : 2002 (Mars 2002) : Systmes de management de la qualit
Exigences particulires pour lapplication de lISO 9001 : 2000 pour la production
de srie et de pices de rechange dans lindustrie automobile
ISO/TR 10017 (Mai 2003) : Lignes directrices pour les techniques statistiques
relatives lISO 9001 : 2000
ISO/CEI 17025 : 1999 (Dcembre 1999) : Prescriptions gnrales concernant la
comptence des laboratoires dtalonnages et dessais
5.1.5 Aspect environnemental
ISO 14001 : 2004 (Novembre 2004) : Systmes de management environnemental
Exigences et lignes directrices pour son utilisation
5.1.6 Aspect scurit
Il nexiste pas de consensus international pour dfinir une norme commune portant
sur la scurit. On peut, par exemple, se rfrer au systme priv suivant :
OHSAS 18001 : Occupational Health and SAfety management Systems specifi-
cation (Gestion de la sant et de la scurit au travail)
5.1.7 Aspect dveloppement durable
Aux aspects prcdemment cits, on cherchera rajouter une composante sociale et
thique. Certaines entreprises ont dfini leur propre thique (travail partir dun ge
minimum, viter la discrimination, temps de travail, salaire, etc.). On peut citer, par
exemple comme normes de synthse :
FD X30-021 (Mai 2003) SD 21000 Dveloppement durable Responsabilit soci-
tale des entreprises Guide pour la prise en compte des enjeux du dveloppement
durable dans la stratgie et le management de lentreprise
SA 8000 : Norme sociale internationale, mise au point en octobre 1997 par une
organisation amricaine de consommateurs (Council on Economic Priorities Accre-
ditation Agency).
5.2 Les tapes du management de la qualit
Pour une entreprise partant dun niveau moyen en management de la qualit, lobjectif
de certification ISO 9001 reprsente dj un challenge important. Cela ne peut
marcher que si lon encourage et que lon utilise la volont de changement du per-
sonnel.
La certification obtenue, cette dynamique de progression risque de smousser. Si lon
veut que cette dmarche de progrs persiste, lISO 9004 peut venir renforcer lISO
9001 et servir de modle pour continuer samliorer de faon significative. En effet,
dans ce guide, on retrouvera intgralement le texte de la norme ISO 9001 mais avec
des complments dexplications et des propositions damlioration. Cette dmarche de
progrs peut tre fortement stimule en concourant un prix qualit.
Prix qualit
Certification
Niveau actuel
Auto-
valuation
& ISO 9004
ISO 9001
Figure 3.10 Exemple de stratgie damlioration continue de la qualit
6. ARCHITECTURE DE LISO9001
6.1 Exigences de lISO9001
La norme est organise en 8 chapitres, o nous trouvons trois niveaux darborescence.
Nous en donnons un sommaire gnral :
IS0 9001
Domaine dapplication
Systme de management de la qualit
Exigences gnrales
Exigences relatives la documentation
Engagement de la direction
coute client
Politique qualit
Planification
Responsabilit, autorit et communication
Revue de direction
Mise disposition des ressources
Ressources humaines
Infrastructures
Environnement de travail
Planification de la ralisation du produit
Processus relatifs aux clients
Conception et dveloppement
Achats
Production et prparation du service
Matrise des dispositifs de surveillance et de mesure
Gnralits
Surveillance et mesures
Matrise du produit non conforme
Analyse des donnes
Amlioration
Rfrence normative
Termes et dfinition
Responsabilit de la direction
Management des ressources
Ralisation du produit
Mesures, analyse et amlioration
Figure 3.11 Sommaire principal de lISO9001
1
La norme concerne deux types de management :
Un management stratgique (relevant principalement de la direction)
Un management oprationnel (de terrain, concernant lensemble des employs).
Pour que tout se passe bien dans lentreprise, on peut schmatiser cela comme un
mcanisme, o le dernier chapitre serait peru comme de lhuile dans les rouages.
5. Responsabilit
de la direction
4. Systme
de management
de la qualit

5. Responsabilit
de la direction

8. Mesures,
analyses et
amliorations
Management stratgique
6. Management
des ressources
7. Ralisation
du produit
Management oprationnel
Figure 3.12 Illustration de lISO9001
6.2 Remarques sur le chapitre Responsabilit de la direction
Nous porterons notre attention sur ce chapitre, les autres tant plus lis lactivit de
lorganisme.
6.2.1 Engagement de la direction
Lauditeur doit percevoir que la direction sengage :
mettre des moyens en hommes et matriels
donner lexemple
Cest le chapitre qui doit tre prpar par la direction.
6.2.2 coute client
Il faut dfinir les attentes du march. Pour les grandes entreprises, cest les donnes
de sorties du processus marketing. Pour les petites structures, lcoute client peut se
faire par exemple :
enqutes clients (par exemple proposer une liste de critres et voir ceux retenus
comme les plus importants par le client) ;
remontes des commerciaux (exemple des salons) ;
coute du personnel (exemple des enqutes miroir client personnel ).
Note : pour viter un biais, il faut sassurer que le client na pas un diffrent avec
lorganisme lors de lenqute.
6.2.3 Politique qualit
Il faut dfinir ce niveau des objectifs (en nombre limit et accompagns dindicateurs)
qui sinsrent dans une politique globale. Ils doivent correspondre aux mtiers de
lentreprise et tenter de rpondre aux exigences client que lon dsire satisfaire.
Ces objectifs seront ensuite dclins au niveau de chaque processus. Il sagit de stra-
tgie dentreprise (exemple : commande avant 16 heures livr le lendemain).
6.2.4 Planification
chaque poste de travail, loprateur devrait avoir conscience en euros de ce que la
perte de qualit peut engendrer au niveau global et donc tre sensible aux exigences
et satisfactions du client (moyens : formations, affichage, indicateurs de rclamations,
suivi qualit, rsultat des audits, traitement des anomalies...). La pertinence de laffi-
chage (si possible chances fixes) sera dautant plus grande quelle est bien adapte
son public.
Il faut sassurer que ce qui a t mis en uvre dans le systme de management de la
qualit fonctionne et volue de faon permanente.
6.2.5 Responsabilit, autorit et communication
Un organigramme est ncessaire. Il peut tre propos en accord avec lapproche pro-
cessus (description des tches [qui fait quoi], quels sont les interlocuteurs avec lext-
rieur).
La communication interne semble un point important de ce chapitre, en particulier la
ncessit dune communication transversale. Par exemple, on peut retenir :
runion hebdomadaire ;
journal interne ;
panneaux daffichage ;
intranet (avec par exemple la politique qualit en premire page) ;
point pose (caf, etc.).
6.2.6 Revue de direction
Cest le moment o la direction peut juger de ladquation entre objectifs et moyens
mis en uvre.
Ce chapitre tant trs didactique, il suffit de suivre les points de la norme. Pour le
point tat des actions prventives et correctives , il ne sagit pas de rsoudre les
problmes lors de la revue de direction. Un indicateur du type 80 % des actions
correctives traites dans les dlais peut-tre intressant.
Donnes dentres : bien recenser les rsultats examiner (la revue nest pas forc-
ment une runion de type classique). Faire ressortir les informations stratgiques
(viter le dtail qui ne concerne pas directement la direction, ensuite dployer au
niveau de chaque processus). La collecte des donnes dentre est le plus souvent
prpare par le responsable qualit et prsente en revue par la direction qui doit
bien faire ressortir les axes stratgiques.
Donnes de sortie : quantifier, fixer des objectifs (moyens, ressources, plan dactions
mettre en uvre) et diffuser.
Intervalles :
Au minimum une par an
Possibilit den programmer suite des vnements (par exemple aprs un salon)
viter un nombre trop important, de manire bien agrger linformation.
6.3 Remarques sur la satisfaction du client
En pralable, il faut rappeler que mme si la satisfaction du client est prpondrante
dans la dmarche (ce point est une innovation forte dans la version 2000), cela ne veut
pas dire que lon peut satisfaire toutes ses exigences. La satisfaction dpendra bien
videment de lorganisation que lon va mettre en place mais aussi des ressources
disponibles.
La surveillance et la mesure de la satisfaction du client sont fortement corrles avec
le chapitre prcdent. Cest un point qui peut prsenter quelques difficults.
On se concentre trop souvent (voire uniquement) sur la mesure de linsatisfaction
(ne pas oublier que le client est souvent sensible au fait que lon a pris en compte
ses remarques, positives ou ngatives, et quon lui a fait savoir).
Lenvoi de questionnaires semble montrer ses limites (retour parfois trs faible). Les
questionnaires doivent tre bien prpars et pas trop nombreux (ils peuvent tre
sous-traits des spcialistes de lenqute). Rappelons que la norme nimpose pas
de faire des enqutes de satisfactions.
Les commerciaux sont en contact direct avec le client, ils font de la mesure implicite,
ils doivent faire remonter linformation dexigences du client.
Le service aprs vente o les installateurs rcuprent de linformation sur la qualit
du produit.
Les clients de type entreprise notent leurs fournisseurs (audit par exemple), cela peut
conduire un indicateur dcoute.
Le client mystre : charg par la direction de reprsenter le client et de noter tous
les dysfonctionnements perus (exemple : stations de skis, grande distribution,...).
Notons galement, que certains considrent que les meilleurs indicateurs de satis-
faction du client sont tout simplement du genre chiffre daffaires ou taux de rcla-
mations.
7. DMARCHE DAMLIORATIONCONTINUE
Il existe deux pistes pour une dmarche damlioration continue. La premire consiste
dtecter et supprimer tous les dysfonctionnements. Cest ncessaire mais non satis-
faisant long terme. En parallle de cette dmarche dactions correctives et prventives
court terme, il faut envisager une dmarche plus ambitieuse, rentable plus long
terme.
7.1 Traitement des dysfonctionnements
La norme donne les orientations que doit prendre une entreprise pour assurer ses
clients que des actions prventives sont menes pour viter les dysfonctionnements.
Lorsquune non-conformit apparat, les actions correctives doivent tre immdiate-
ment mises en uvre.
On peut donner quelques exemples de paralllisme entre certains chapitres de la norme
ISO 9001 et les dysfonctionnements types suivants :
Dysfonctionnements types Chapitre de la norme ISO 9001
Lidentification des processus est sommaire, les
interactions ne sont pas du tout tudies.
Dans les exigences clients, celle concernant le
recyclage navait pas t prise en compte.
4.1 Exigences gnrales
Il ny a pas de manuel qualit.
Tout se transmet oralement, on na pas besoin
de procdure.
Il est difficile de savoir si les documents sont
prims.
Les documents ne sont ni rfrencs ni approu-
vs.
Exemples denregistrements non faits :
Revue de direction
Revue de contrat
Revue de conception
Utilisation du produit fourni par le client
Produit utilis et contrler ultrieurement
Personnes habilites pour les contrles
Enregistrement dtalonnage
Drogations
Enregistrements dactions correctives
Rsultats des audits
4.2 Exigences relatives la documen-
tation
(Manuel qualit et matrise des docu-
ments)
(Matrise des enregistrements)
La certification nest envisage que dans un but
commercial.
Il ny a pas de poste de responsable qualit.
Personne na autorit pour arrter la production.
Les rsultats daudits ne sont pas analyss.
On fait des enregistrements mais il ny a pas
danalyse ni de dcisions qui en dcoulent.
5.1 &
5.3
5.5
5.6
Engagement de la direction
Reprsentant de la direction
Revue de direction
Un seul oprateur est capable de conduire le
processus, cela pose un problme en cas de
remplacement
On envisage dacqurir un nouveau moyen de
production performant sans se soucier de la for-
mation des utilisateurs.
Personne dans lentreprise na reu de forma-
tion laudit.
6.2 Ressources humaines
(Comptence, sensibilisation et for-
mation)
Les exigences de propret sont rarement vri-
fies.
6.4 Environnement de travail
Les critres de conformit du produit ne sont
pas claires pour le personnel, il y a trop de sub-
jectivit.
La confidentialit nest pas respecte lors de
lindustrialisation.
7.1 Planification de la ralisation du
produit
Les commandes se font uniquement par tl-
phone, il ny a pas daccord pralable.
Une nouvelle tolrance sur le plan client est pas-
se inaperue, elle est incompatible avec les
moyens de production
Les exigences lgales ne sont pas prises en
compte.
7.2 Processus relatifs aux clients
On na pas tenu compte des normes de scu-
rit.
Le matriau retenu est impropre lutilisation
future du produit.
Il ny a pas eu dessai de validation.
7.3 Conception et dveloppement
Il ny a pas dvaluation des fournisseurs, on
achte au meilleur prix.
On ne sest pas aperu que la nuance de
matire des joints achets avait chang, alors
quils sont incompatibles avec ce type dhuile.
7.4 Achats
La fiche suiveuse du lot en cours de fabrication
nest pas toujours remplie.
On a marqu uniquement les mauvaises pi-
ces, si bien que lon a mlang des non contr-
les avec des bonnes.
On a constat en fabrication que les tolrances
ntaient pas tenues, mais a devrait passer ina-
peru au montage.
Le rglage des machines varie suivant les qui-
pes.
Le client dsire une traabilit pendant dix ans,
mais lon na rien prvu en marquage et stoc-
kage des informations.
On a mlang lacier fourni par le client (indus-
trie chimique) avec son propre acier.
Suite une augmentation des commandes et
faute de place, on a stock des pices lext-
rieur. Cela a provoqu une forte corrosion.
Des pices de distributeur hydraulique nont pas
t conditionnes sous protection plastique.
Cela a provoqu des rayures inacceptables
pour le client.
On na pas prcis si la mise en route devait
tre faite par le fournisseur ou le distributeur.
La documentation du produit na pas t prvue
pour lexportation.
7.5 Production et prparation du service
(Matrise de la production et du ser-
vice)
(Identification et traabilit)
(Proprit du client)
(Prservation du produit)
(Prparation du service)
Les oprateurs sont persuads que leurs
moyens de contrle sont parfaits.
On veut piloter un moyen de production par
carte de contrle laide de mesures dont
lincertitude est du mme ordre que la disper-
sion du moyen de production.
7.6 Matrise des dispositifs de surveil-
lance et de mesure
Les statistiques, cest trop compliqu, ce nest
pas pour nous.
Le nombre de retour client nest pas mesur.
La conduite du processus est compltement
base sur lintuition.
8.1 Gnralits
(Statistiques)
Il nexiste pas dvaluation des diffrents pro-
cessus.
En fabrication unitaire (outillage) on surligne les
cotes obtenues sur le plan mais pas de faon
systmatique.
Les services audits nont jamais les rsultats
des audits.
Les audits ne sont pas planifis.
8.2 Surveillance et mesures
(Produit)
(Audit interne)
Les pices rebutes sont marques simplement
au feutre, il y a un risque fort deffacement.
Des drogations sont autorises par des per-
sonnes non habilites.
8.3 Matrise du produit non conforme
On enregistre les rclamations clients mais il ny
a pas vraiment de suite.
Les rsultats des audits internes sont analyss
en revue de direction mais ils nengendrent pas
une volont damlioration.
Il na jamais t envisag de faire des AMDEC.
8.5 Amlioration
Figure 3.14 Exemple de dysfonctionnements par chapitre
7.2 Une dmarche novatrice pour le long terme
Dans la politique qualit, la direction dfinit des objectifs (par exemple de rentabilit,
de position de leader, etc.). Plus particulirement, elle va prciser des objectifs qualit
que lon essayera de cibler, par exemple le taux de retours client ne pas dpasser
pour lanne venir. Pour atteindre ces objectifs (qui peuvent tre confidentiels), elle
va demander lensemble de lentreprise de mettre en uvre et de piloter les processus
ncessaires.
Il va falloir dployer cette politique qualit jusquau niveau du processus le plus l-
mentaire, cest dire dfinir une cible pour chaque processus. Nous verrons dans la
seconde partie de louvrage, des outils et des mthodes permettant de dployer la
politique qualit, de piloter les processus et de mesurer les rsultats obtenus pour
quantifier les ventuels carts.
Pour chaque processus, du plus complexe au plus lmentaire, on peut utiliser la dmar-
che damlioration continue propose par le docteur DEMING. Cette dmarche est
matrialise par une roue roulant sur un sol montant, de manire lever le niveau de
la gestion de la qualit. Ce schma est si clbre que lon parle de faire tourner la
roue DEMING.
7.2.1 Faire vivre les processus
Un processus est un tre vivant, la cartographie qui le reprsente doit vivre avec lui.
En particulier, on doit garder en permanence un souci damlioration. Cette amliora-
tion en continue, doit dvelopper une culture qualit permettant dacqurir de nouvelles
mthodes constituant des bonds pour lentreprise (amlioration par perce ou Hoshin).
Amlioration par perce ou Hoshin (Policy Deployment)
Cest une mthode de management stratgique qui permet une
entreprise de mobiliser toutes ses ressources pour se focaliser sur
quelques points cls, cest--dire des objectifs de progrs.
Amlioration continue (au quotidien) :
Formation
Esprit dquipe
Kaizen
Auto-contrle
Analyse de process
Communication
Kanban
SMED
...
Action
Plan
Do
Check
Figure 3.14 Amlioration dynamique dun processus
Cette dmarche, dcline au niveau de chaque processus, existe galement sous forme
de processus de management et est applicable toute la structure. Citons Robert Bosch
crateur de la fondation du mme nom :
On doit toujours tendre lamlioration de lexistant, personne ne doit se satisfaire
de ce qui est atteint, mais au contraire, essayer constamment, de faire son travail
encore mieux
1
Par exemple, nous pouvons retenir pour une dmarche globale, les processus suivants :
Planifier (Plan) :
Affectation des ressources humaines et matrielles
Processus de stratgie
1. Dans Principes du CIP (Continuous Improvement Process) www.bosch.fr.
Faire (Do) :
Processus de conception
Processus de ralisation
Processus de gestion et matrise des moyens de mesure
Vrifier (Check) :
Processus de mesure de satisfaction et dcoute du client
Processus daudit
Processus denregistrement
Processus danalyse des enregistrements
Agir (Act) :
Processus de matrise du produit non conforme
Processus de rparation
Processus de prvention
Processus de revue de direction
8. DMARCHE DE CERTIFICATION
Prparer la certification est toujours une tche importante pour lentreprise. Cest un
investissement en travail, en temps et en argent qui ne peut tre rentabilis qu long
terme. La dmarche peut sappuyer sur les recommandations suivantes :
Avoir un engagement de la direction ferme et motiv (de manire donner lexem-
ple).
Dfinir un responsable de lopration.
Choisir le modle qui convient le mieux son entreprise (exemple : ISO 9001,
ISO/TS 16949, modle spcifique de la profession).
Faire un tat de lexistant (ce qui existe dj dans lentreprise et qui nest pas
toujours formalis).
Mobiliser le personnel par une formation adquate (culture qualit dmontrant la
place et la responsabilit de chacun).
Dfinir un tableau de bord qualit pour mesurer les progrs obtenus de manire
persvrer dans cette direction.
Documenter et complter le systme qualit pour le faire converger vers le niveau
dexigences retenu.
Certaines de ces actions et rflexions peuvent tre menes en parallle. Le souci de
communication sera le ciment de ce projet.
Pratiquement, on tudiera chaque chapitre de la norme, en rflchissant son appli-
cation pour lentreprise (processus concerns). Cela nest pas toujours vident, car on
a souvent limpression dtre un cas particulier avec ses problmes spcifiques.
Lordre des chapitres nest pas impos, cela dpend du contexte actuel. Des contraintes,
venant des donneurs dordre, peuvent exiger en priorit lapplication de certains cha-
pitres (par exemple la matrise des produits non conformes, la matrise des moyens de
mesure, les audits, etc.).
Chaque chapitre conduira le plus souvent lcriture dune procdure qui indiquera
comment lentreprise traite le point tudi. Pour viter une lourdeur dcriture, elle
sera dcline en sous-procdures (ou instructions) prcisant les points spcifiques et
consultables par les personnes concernes.
Lorsque lentreprise estimera avoir rpondu aux diffrentes exigences de la norme,
elle fera appel un organisme certificateur pour venir auditer la conformit et la bonne
marche de son systme de management de la qualit.
Cet organisme, pouvant tre considr comme une socit de services, est mandat
pour dlivrer (ou non) un certificat de conformit. Lentreprise sera, si les rsultats de
laudit externe sont positifs, dclare par exemple certifie ISO 9001.
La certification par un organisme, extrieur lentreprise et reconnu comptent, repr-
sente une garantie pour ses clients. En effet lorganisme ne se contente pas de dlivrer
un certificat un instant prcis, mais il va accompagner lentreprise et priodiquement
(par exemple tous les ans) vrifier la conformit et lefficacit du systme qualit. La
certification nest octroye que pour une dure limite, intervalles rguliers (par
exemple tous les trois ans). Il faut se reprsenter la certification en montrant que
lon a progress.
9. LES ORGANISMES CERTIFICATEURS
La certification dentreprises, en plein essor, reprsente un march intressant pour les
organismes certificateurs. De plus en plus, nous retrouvons des relations de type client
fournisseur . Le cot de certification nest pas forcment llment fondamental car
il reprsente une petite partie de linvestissement de la dmarche qualit. Les entre-
prises, faisant un gros chiffre daffaires lexportation, peuvent ventuellement pr-
frer la reconnaissance dun organisme dun autre pays.
terme, tous les organismes certificateurs accrdits par le COFRAC (Comit franais
daccrditation) devraient fournir une prestation de valeur identique. Le COFRAC,
pour tre reconnu au niveau europen (EAC), doit tre audit par les autres pays
membres du comit europen daccrditation (cest un jugement par ses pairs).
titre dexemple, voici une liste, non exhaustive, des principaux organismes certifi-
cateurs sur le march franais :
AB CERTIFICATION
A.F.A.Q AFNOR Certification
ASCII Qualitatem
BSI
BVQI
DEKRA ITS
DNV Cer
EUROQUALITY SYSTEME France
LRQA
MOODY Certification
SGS ICS
SQS
TV
URS
UTAC
10. NORMES SPCIFIQUES DE CLIENTS
La norme ISO 9001 que nous venons de prsenter est une norme gnrale. Beaucoup
de clients se satisfont entirement des exigences imposes qui garantissent un bon
niveau de management de la qualit.
Un grand client (donneur dordre) est tout fait en droit dimposer son fournisseur
un modle avec des exigences propres suprieures ou infrieures. Par exemple une
PME pourra demander ses fournisseurs locaux (entreprises de taille modeste) de
mettre en uvre un modle dassurance qualit simplifi inspir des modles interna-
tionaux.
Les grands donneurs dordres faisant partie dun mme secteur demandent souvent
leurs fournisseurs des exigences supplmentaires comme la scurit ou lutilisation
doutils qualit spcifiques. Cette situation se retrouve particulirement dans le monde
de lautomobile.
Scurit
COQ
ISO 9001
AMDEC, MSP
Logistique, ...
Figure 3.15 LISO9000 et le monde de lautomobile
Des donneurs dordres exerant le mme mtier ont a priori des exigences similaires.
Pour viter une profusion daudits identiques chez un fournisseur commun, certains
se sont regroups pour proposer un modle dassurance commun. Par exemple Renault,
Peugeot et Citron proposaient un modle daccrditation (rfrentiel) des fournisseurs
appels E.A.Q.F (Evaluation dAptitude Qualit Fournisseurs). Dans le mme esprit,
les constructeurs amricains Chrysler, Ford et General Motors ont cr le rfrentiel
QS 9000. Le rfrentiel ISO/TS 16949 : 2002, issu de lharmonisation des rfrentiels
amricains et europens, se substitue aux rfrentiels AVSQ, EAQF94, QS 9000 (14
dcembre 2006) et VDA6.
10.1 ISO/TS 16949
Le label ISO/TS correspond une spcification technique. Contrairement une norme
qui doit tre approuve par les trois quarts des comits membres, une spcification
technique ne peut tre approuve que par les deux tiers des comits membres. Une
spcification technique doit tre examine tous les trois ans au moins. Elle sera soit
reconduite, soit rvise, soit annule (dcision en juin 2005 pour lISO/TS 16949). Au
bout de six ans, elle doit tre transforme en norme internationale, sinon elle est sup-
prime.
Issu de lharmonisation des rfrentiels nord-amricains et europens, ce nouveau rf-
rentiel reprend le texte de lISO 9001 (version 2000) auquel ont t ajoutes des
exigences communes propres aux industriels de lautomobile.
LISO/TS 16949 a t labore par le Groupe dtude international de lindustrie auto-
mobile (IATF)
1
, lAssociation japonaise des constructeurs automobiles (JAMA), avec
le soutien du comit technique ISO/TC 176.
Cette spcification technique reprend compltement la norme internationale ISO 9001 :
2000 laquelle on a apport des exigences ou des suggestions complmentaires, par
exemple :
les laboratoires externes doivent tre accrdits selon ISO/CEI 17025 ;
efficience des processus ;
utilisation doutils qualit (Benchmarking, AMDEC, SPC, GRR...) ;
processus dhomologation ;
...
Il nen demeure pas moins que chaque constructeur peut ajouter des exigences spci-
fiques.
11. LES PRIX QUALIT
Pour progresser vers lexcellence en qualit, se prsenter un prix qualit peut tre
une bonne opportunit. Etre confront dautres entreprises permet dinsuffler une
dynamique de progrs.
En dbutant par un prix local (le plus souvent dpartemental), on peut concourir ensuite
un prix rgional. Les entreprises laurates se prsenteront ensuite au prix national,
voir international.
Le plus souvent la dmarche consiste dabord par une auto-valuation suivant des
critres dfinis par un questionnaire. La prslection des entreprises, laide de lauto-
valuation, est suivie daudits permettant daffiner le classement. Un jury lira ensuite
les laurats. Nous dcrirons sommairement deux prix qualit.
11.1 Prix franais de la qualit
2
Lanc en 1992 par le MFQ et le ministre de lindustrie, ce prix est ouvert aux entre-
prises du secteur public ou priv de moins de 500 personnes, laurates des prix orga-
niss au sein des rgions.
Le rfrentiel dvaluation porte sur neuf thmes :
engagement de la direction ;
stratgie et objectifs qualit ;
1. www.iatf-france.com.
2. http://www.mfq.asso.fr/evenements.htm.
management du personnel ;
management des ressources ;
processus ;
satisfaction de la clientle ;
satisfaction du personnel ;
intgration la vie de la collectivit ;
rsultats oprationnels.
Chaque chapitre est affect dun coefficient de pondration.
11.2 Prix europen de la qualit
1
partir de 1992, la Fondation Europenne pour le Management par la Qualit (EFQM)
dcerne le prestigieux Prix Europen de la Qualit . Beaucoup de prix nationaux et
rgionaux sen sont inspirs. Il en est de mme pour certains grands groupes qui ont
retenu une dmarche qualit base sur ce modle.
Ce prix repose sur un processus dauto-valuation bti sur une approche matricielle.
Les neuf colonnes concernent les critres valuer, savoir :
Leadership
Politique et Stratgie
Personnel
Partenariat et Ressources
Processus
Rsultats Client
Rsultats Personnel
Rsultats Collectivit
Rsultats Performance Cls
La notorit de ce prix est comparer avec le prix Deming (Japon 1952) ou le
Malcolm Baldrige Quality Award (USA 1987).
1. http://www.efqm.org.
CHAPITRE 4
LES DOCUMENTS DUSYSTME
DE MANAGEMENT DE LAQUALIT
Concevoir, produire et distribuer engendrent une masse dinformations importante.
La gestion de ce flux dinformations entrane une cration de documents qui peut
rapidement dgnrer et chapper tout contrle.
Si lon veut prouver que la qualit est bien prsente, il va falloir fournir des enregis-
trements tmoins. La preuve qualit va bien videmment porter sur les contrles
et essais raliss mais galement tre fournie par lenregistrement du savoir-faire de
lentreprise.
Tout cela va donner naissance une suite de documents (manuel, procdures, ins-
tructions, fiches...) qui devront imprativement tre structurs.
Le systme de documentation doit :
tre efficace (prouver que la qualit est gre), complet mais sans excs ;
normaliser le fonctionnement de lentreprise ;
rendre autonomes les employs et les responsabiliser ;
faciliter la rotation des tches en accroissant leur polyvalence ;
favoriser la communication en permettant un dialogue transversal entre services.
Pour aider la mise en place de cette structure, on pourra saider des normes suivantes :
ISO/TR 10013 (Juillet 2001) Lignes directrices pour le dveloppement de la
documentation sur les systmes de management de la qualit.
NF X50-160 (Novembre 1997) Qualit et management Guide de rdaction
dun manuel qualit.
ISO 10005 :1995 (Septembre 1995) Management de la qualit Lignes direc-
trices pour les plans qualit.
NF X50-164 (Juin 1990) Relations clients-fournisseurs Guide pour ltablisse-
ment dun plan dassurance qualit.
1. STRUCTURE DES DOCUMENTS QUALIT
La solution la plus couramment rencontre, consiste rpartir les documents qualit
en quatre niveaux :
Manuel de la qualit et cartographie des processus.
Procdures gnrales.
Instructions, modes opratoires, mthodes de mesure.
Enregistrements, indicateurs, documents de rfrences.
La structure classique retenue est du type arborescent bien que parfois une structure
de type rfrence croise soit sous-jacente. Cette structure est souvent reprsente sous
forme de pyramide (figure 4.1), o chaque strate matrialise un niveau. Cette repr-
sentation image correspond au chapitre 4.2 de la norme ISO 9001, Exigences rela-
tives la documentation .
Cette reprsentation peut laisser croire une relation dordre entre les diffrents
niveaux, alors que cest sans doute le niveau quatre qui est le plus important, les autres
niveaux tant au service de celui-ci car il est la preuve tangible de la qualit ralise.
Nous verrons que la norme impose certains documents (exigences documentaires). Par
contre, il nest pas obligatoire de documenter tous les processus sil ny a pas de risque,
cela dpend de la culture et de la taille de lentreprise et surtout de la comptence du
personnel.
Manuel
qualit &
cartographie
processus
Procdures
gnrales
Instructions
(modes opratoires)
(mthodes de mesure)
Enregistrements
Indicateurs
Documents de rfrence

I
I I
I II
I V
Figure 4.1 La pyramide documentaire
Dcrivons brivement le contenu de chacune des strates de la pyramide :
Niveau 1 : Manuel qualit et cartographie des processus.
Le chapitre 4.2.2 du modle ISO 9001 constitue la trame de ce niveau. Cest un
document prcisant le domaine dapplication et dcrivant le systme de management
de la qualit mis en place. Ce niveau peut aussi constituer une vitrine qualit
pour le client potentiel.
Dans les exigences gnrales (chapitre 4.1), la norme ISO 9001 : 2000 fait beaucoup
rfrences aux processus de lentreprise. La cartographie devient de fait un lment
important aussi bien pour le client qui peut percevoir rapidement la potentialit de
son fournisseur que de lemploy qui peut se situer trs rapidement dans lorganisme.
Niveau 2 : Procdures organisationnelles (ou gnrales).
Les chapitres 4 8, du modle ISO 9001, sont universels et dvelopps en fonction
du contexte de lentreprise en mettant laccent sur les exigences documentaires de
la norme. Le niveau dabstraction est assez lev, pour les informations complmen-
taires et dtailles, on est renvoy au niveau trois grce une codification des docu-
ments.
Niveau 3 : Procdures oprationnelles, instructions, modes opratoires.
ce niveau, il sagit de formaliser le savoir faire de lentreprise de manire la
rendre moins vulnrable face aux divers alas qui peuvent surgir. Cela permet ga-
lement, de dfinir une rigueur de travail qui assurera la prennit de la qualit pro-
CHAPITRE 4 LES DOCUMENTS DU SYSTME DE MANAGEMENT DE LA QUALIT 87
pose au client. Par exemple, on peut citer le traitement dune non conformit dun
produit, les fiches de postes, etc.
Niveau 4 : Documents spcifiques : Enregistrements, imprims, indicateurs, ...
Les documents appartenant ce niveau, sont utiliss au quotidien. Ils vont en par-
ticulier permettre de saisir le niveau de qualit ralise. Il faudra bien faire la dis-
tinction entre un document vierge (utilis comme un masque de saisie) et un
document renseign (enregistrement qui vhicule de linformation sur la qualit pro-
duite). Il doit exister une (ou des) procdure(s) pour indiquer la gestion des enre-
gistrements. Par exemple, on peut citer les feuilles denregistrement de pilotage par
la matrise statistique des processus.
2. LE MANUEL QUALIT
Le manuel qualit correspond principalement au niveau un de la pyramide documen-
taire. Rappelons le dbut du paragraphe 4.2.1 Gnralits de la norme ISO 9001
1
:
La documentation du systme de management de la qualit doit comprendre
a) identifier les processus ncessaires.... (nous renvoyons au chapitre trois qui donne
des pistes pour identifier, mettre en uvre et surveiller ces processus).
b) un manuel qualit
...
et du paragraphe 4.2.2 Manuel qualit :
Lorganisme doit tablir et tenir jour un manuel qualit qui comprend
a) le domaine dapplication du systme de management de la qualit...
b) les procdures documentes ...
c) ...
Pour des raisons de commodit, vu le nombre de documents, il nest pas toujours
raliste dinclure tout ou partie des autres niveaux.
Toutes les personnes destinataires ne sont pas concernes par les diffrentes rubriques
traites dans les niveaux deux quatre et, surtout, des raisons de confidentialit peu-
vent reprsenter un srieux frein une diffusion trop large. Un systme de rfrence,
prcis dans le manuel qualit, permettra daccder aux documents le cas chant.
Le manuel qualit peut aussi prsenter la politique qualit au client (en externe) et au
personnel de lentreprise (en interne). Pour ne pas faire deux manuels qualit, ce qui
risque dentraner des incohrences voire des contradictions, on peut par exemple dfi-
nir :
Un manuel dassurance de la qualit constitu par le niveau un et diffusable aux
clients en externe. Il prsente le potentiel qualit de lentreprise.
Un manuel de management de la qualit utilisable en interne, incluant les niveaux
un et deux. Il rend le systme de management de la qualit oprationnel.
2.1 Exemple de contenu du manuel dassurance de la qualit
Il correspond uniquement au niveau un. Il comporte au minimum :
le titre, le modle choisi, la date, la codification avec lindice de rvision, la signature
de lmetteur, du vrificateur et une validation de la direction ;
une grille de diffusion si celle-ci est contrle (le photo-copiage peut tre limit par
lutilisation dun papier spcial avec un motif de fond en ton pastel) ;
un sommaire (il est plus facile de choisir une pagination par chapitre, par exemple :
Systme qualit : 4/7) ;
une prsentation succincte de lentreprise, son domaine dactivit, son historique,
son implantation gographique, ses processus, ses moyens... Ce point est important
car il a une incidence commerciale dans le manuel dassurance qualit ;
lengagement de la direction, suivi de la description de la politique qualit et de sa
mise en uvre ;
la description nominative des responsabilits en qualit ;
la prsentation du systme qualit retenu par lentreprise. A ce niveau cette prsen-
tation peut tre rduite un rsum du niveau deux qui lui reprendra en dtail chaque
exigence documentaire. Cela permet au client de vrifier que chaque point est bien
abord.
La gestion des documents, traite en dtail au niveau deux suivant le chapitre 4.2
Exigences relatives la documentation , peut ventuellement tre un peu plus pr-
cise. Rappelons quune diffusion informatique est autorise. Cela peut tre une solu-
tion pour avoir des documents toujours dactualit.
3. PLANQUALIT
Pour certains produits, par exemple ceux concernant la scurit de la population, le
client peut demander quon lui fournisse la preuve que son produit sera conforme aux
exigences retenues.
Le plan qualit, en plus de fournir la dmonstration de lefficacit du systme qualit,
va complter par des spcificits propres au produit, chaque point de la norme.
Par exemple pour une pice de scurit dun avion risquant de mettre en pril les
passagers, le client peut demander en plus des documents classiques de qualit, la
gamme de fabrication, les plans de contrle avec leur protocole de mesure, la liste des
diffrents essais, etc.
4. LES PROCDURES
Une procdure est un ensemble de rgles, de descriptions dcrivant un processus. Les
procdures sont propres lentreprise (procdures gnrales ou organisationnelles),
un atelier, un service, une action, une technique,...(procdure oprationnelle ou ins-
truction ou mode opratoire).
Elles peuvent faire lobjet dun document, on parlera alors de procdures documentes.
Elles seront enregistres sur support papier ou informatique. Un des rles de la gestion
documentaire est que :
Toute procdure documente (nouvelle ou modifie) doit parvenir son destinataire,
tout destinataire potentiel doit avoir les moyens de savoir si son activit est concerne
par une procdure documente .
4.1 Exigences de la norme ISO9001
Au minimum, il faut prvoir une procdure documente pour :
la politique qualit et les objectifs qualit,
la matrise des documents,
lidentification, le stockage, la protection, laccessibilit et la suppression des enre-
gistrements,
la responsabilit, la conduite et la restitution des audits internes,
le traitement des produits non conformes,
la mise en uvre des actions correctives,
la mise en place dune dmarche dactions prventives.
Pour les autres exigences, le terme procdure documente nest pas mentionn. Par
contre lorganisme peut juger utile (voire ncessaire) de crer dautres procdures
documentes (instructions de travail, instructions de vrifications, mthodes dessais,
mthodes denqutes, ...).
4.2 Procdure/Processus
Une procdure documente un processus de faon plus ou moins dtaille suivant
la comptence des oprateurs. Elle doit toujours comporter :
le quoi, cest--dire ce qui doit tre fait ;
le qui, prcisant les diffrentes responsabilits (excutant, vrificateur, responsable) ;
le comment, qui prcise les documents, les imprims ou les outils de rfrence pour
laction concerne ;
si ncessaire le quand, le o, le combien.
Elle prouve que le processus est rpertori et matris. Cette preuve va rassurer la
direction en interne et le client en externe, en particulier toute dcision de modification
sera valide et enregistre.
4.3 Rdaction
4.3.1 Le fond
La dcision de crer une nouvelle procdure fait suite un dsir de formaliser un
savoir-faire. Il faut crire ce qui est rellement fait et non ce que lon voudrait qui soit
fait.
La modification dune procdure est souvent engendre par une action corrective suite
lapparition dun dysfonctionnement.
4.3.2 Recommandations pour la forme
Le rdacteur a tendance se faire plaisir en crivant une belle procdure avec beaucoup
de pages et des mots savants, cest souvent rebutant pour le lecteur. Lemploi de
graphiques, dessins, photographies et organigrammes doit tre encourag, ceci pour
un nombre de pages limit. On constate que les entreprises certifies qui prparent la
rhabilitation ont tendance limiter le nombre de procdures et rduire fortement le
nombre de pages (par exemple deux pages maximum par procdure).
Exemple didactique ne pas suivre : plutt que dcrire :
1 + 1 = 2
on retiendra lexpression suivante :
ln e + sin
2
x + cos
2
x =
(
1
)
n
n = 0
2
pour montrer son niveau en mathmatique.
La forme va beaucoup dpendre galement du destinataire. Il faut rappeler les grandes
lignes tout en mnageant sa susceptibilit. Il ne faut pas quil peroive son intervention
comme dvalorise, ramene une simple succession de tches lmentaires (par exem-
ple on peut jouer sur la taille des polices de caractres, les gros caractres pour les
points essentiels quil ne faut absolument pas oublier, en petits caractres les lments
complmentaires qui seront fort utiles pour le nophyte).
En rsum, il faut essayer dtre simple et efficace ce qui est difficile.
4.3.3 La normalisation interne de la prsentation de la procdure
Si lon ne veut pas drouter le lecteur, il faut normaliser la prsentation des procdures
et instructions, crer une espce de masque de saisie.
La mise en pages est le plus souvent la suivante :
4.3.3.1 En-tte
Logo de la socit.
Type de document.
Titre du document.
Rfrence.
Date de cration (voire dmission).
Pagination (i
me
page / n pages).
4.3.3.1 Le corps de la procdure
Dcrit dune manire simple, si possible de faon visuelle (organigrammes, dessins,
photographie...), le corps de la procdure traitera les points suivants :
Points traiter Explications
Lobjet de lactivit Le QUOI de la procdure
Le traitement de la procdure COMMENT se droule cette activit dans
lentreprise
Nommer les acteurs QUI doit le faire
La chronologie et le lieu de traitement QUAND et O a lieu lactivit
Les contrles raliser et la preuve que la qua-
lit demande est ralise
A laide des fiches dauto-contrle et des docu-
ments denregistrement
4.3.3.3 Le pied de la premire page
On trouve systmatiquement les diffrentes approbations :
du rdacteur (ou service qui utilisera la procdure sur le terrain),
du service qualit (vrification de la conformit du document),
de la direction (visa dexploitation).
On peut trouver dans le bas de page une liste de diffusion (nominative ou par service
ou gnrale). Cette diffusion peut tre contrle par le service qualit.
Ce type de prsentation est donn titre indicatif.
4.3.4 Exemple simplifi dune procdure
titre dillustration, nous donnons page suivante la retouche des produits dtects
non conformes.
Rdaction Service Qualit Direction
Nom :
Date :
Visa :
Produit
non conforme
DTECT & ISOL
Analyse du produit
Identification des dfauts
Nouvelle identification
Retouche en production
Cration du bon de livraison
Livraison client
Produit
DTRUIT
Dcision de
RETOUCHE
Produit
CONFORME
Entreprise
Instructions
Ref : I1303a
Date : xx yy zz
Dcision de retouche
dun produit non conforme
Service qualit
Page : 1/1
Quoi Comment Qui
Responsable
Assurance
Qualit (RAQ)
Stock en caisse
rouge dans la
zone disolement
Contrleur
RAQ
RAQ
Service retouche
RAQ
Secrtariat
Mesure systmatique
par la mtrologie
Suivant dcision
P-V mtrologie
F rouge : I1303x
Dossier de fab :
I1303y
Auto-contrle
Essais finals
Enregistrement
livraison
Mise la benne
Diffusion :
5. LAGESTIONDES PROCDURES
La gestion des procdures et leur mise jour doivent tre assures par le service
qualit, conformment aux recommandations du chapitre 4.2.3 de la norme (Matrise
des documents). La gestion doit tre prcise dans le manuel qualit ou dans une
procdure spcifique. La codification et la diffusion demandent une attention particu-
lire.
5.1 La codification des procdures
Il est souhaitable que le code comporte de linformation. Cette rflexion ne doit pas
tre faite dans la prcipitation, car toute modification ultrieure sera lourde de cons-
quences. Nous prsentons succinctement trois pistes possibles de codification. Une
combinaison de ces trois exemples peut engendrer une nouvelle possibilit de codifi-
cation, cette rflexion doit tre mene au sein de lentreprise en consultant les diffrents
utilisateurs potentiels.
Exemple 1
On dcide de rattacher le code de la procdure au chapitre de la norme concer-
ne.
7.00/a : procdure de niveau 2 (indice 00) prcisant la ralisation du produit
(chapitre 7 de la norme ISO 9001). Lindice 00 est rserv la procdure mre .
Les procdures filles (niveau 3) seront classes 7.01, 7.02, etc. La lettre a
indique lindice de rvision.
Exemple : 7.08/c : instruction de niveau 3 concernant lopration de trempe par
bain de sel.
Ce systme est pratique pour tre sr que toutes les exigences de la norme sont
bien prises en compte. Le gros inconvnient est ladaptation future aux nouvelles
versions de la norme.
Exemple 2
Beaucoup dentreprises utilisent des codes se rfrant aux processus rpertoris
(gestion, production, montage, achats, etc.).
Exemple : PRO/012/b
Exemple 3
Profitant de larchivage informatique, certaines entreprises conservent le chemin
daccs au fichier comme code :
Exemple : L :\QUAL\PROC\ActCor_a.doc
5.2 La diffusion aux personnes concernes
Comme pour la diffusion du manuel qualit, on retrouve :
la raison sociale ;
le titre ;
le code (intgrant la dernire rvision) ;
la date ;
la pagination incluant le nombre de pages ;
lmetteur ;
la validation du service qualit.
6. LES ENREGISTREMENTS
Rappelons quils sont la preuve que le systme de management de la qualit fonctionne.
Ils doivent tre simples, identifiables, faciles daccs.
Les enregistrements qui doivent obligatoirement tre conservs sont prciss par la
norme. Par exemple, on peut citer les enregistrements concernant :
la revue de direction ;
la formation ;
les exigences sur les processus et le produit.
7. LAGESTIONDOCUMENTAIRE QUALIT
Cest une des missions les plus importantes du service qualit. Avec laide des traite-
ments de texte, on risque de voir une prolifration anarchique des documents. Un
minimum de rigueur est ncessaire, en particulier si lon dsire informatiser cette tche.
7.1 Gestion informatise
Il existe diffrents logiciels de gestion documentaire pouvant fortement aider la mise
en place et la gestion quotidienne des documents qualit. Construits sur un gestion-
naire de bases de donnes, on retrouve en principe larchitecture suivante :

Gestion documentaire
Formalisation des documents
Codification
Contenu
metteur
Destinataires
Approbations
Cration d'une version
Cration de liens (appelants & appels)
Diffusion du document
Requtes
Historique
Gestion des documents
Figure 4.2 Les principaux points dune gestion documentaire
On peut trouver galement la gestion des audits, la gestion des non-conformits et la
gestion des moyens de mesure.
La connaissance des appelants et des appels, mentionns dans un document, peut
savrer une aide prcieuse pour la matrise des corrections.
7.2 Rflexions sur la gestion documentaire Qualit
Le chapitre 4.2 : Exigences relatives la documentation de la norme ISO 9001
peut tre mis en place plus facilement par une mthode danalyse (en particulier pour
la description des interactions). Cela consiste modliser le rel, le formaliser pour
pouvoir ensuite traiter linformation. La mthode danalyse MERISE, qui permet de
structurer les donnes, est sans doute la plus applique industriellement. Elle propose
trois points de vue, un niveau conceptuel, un niveau organisationnel et un niveau
physique. La prsenter sortirait du cadre de cet ouvrage, nous nous contenterons sim-
plement de prsenter le concept Systme dinformation .
7.2.1 Les diffrents systmes
Laspect physique de lentreprise est constitu de processus (constitus dhommes et
de machines) apportant une valeur ajoute aux diffrents produits de lentreprise. Par
exemple nous pouvons citer une opration dusinage, une prise de commande, un
rglement de fournisseur, etc.
Ces processus seront conduits par un systme de pilotage qui aura comme objectif
dintervenir sur le processus pour le mettre en uvre et viter toute drive.
Le systme de pilotage ne peut prendre des dcisions qu partir dinformations concer-
nant le processus et son environnement. Ensuite il va mettre des informations desti-
nes au processus. Par exemple, en fonction des demandes du client et de la
disponibilit de la machine (planning) il va pouvoir lancer un ordre de fabrication.
Systme de pilotage
Systme dinformation
PROCESSUS
Commande
directe
entre
sortie
Figure 4.3 Le systme dinformation
Le systme dinformation a un rle de mmoire :
par lenregistrement de la qualit ralise ;
par les procdures dcrivant les modes opratoires et les rgles appliquer.
Ce systme nest pas fig, on doit tre capable de modifier les rgles simplement. Il
doit sadapter au contexte de lentreprise.
7.2.2 Aspects internes/aspects externes
Une partie interne du systme dinformation va traiter :
la mmorisation des enregistrements prouvant la qualit et des procdures dcrivant
les mthodes pour obtenir cette qualit ;
le traitement de ces enregistrements (tendances, calcul de cot...).
Lautre partie va servir communiquer avec lextrieur. On dfinira des :
entres externes (date butoir, panne machine...) ;
sorties externes (par exemple la cration dindicateurs).
La gestion documentaire pour un service devra bien recenser ces diffrentes compo-
santes interne et externe.
CLIENT EXTERNE AU SERVICE
(interne ou externe lentreprise)
Entres externes Sorties externes
MMOIRE
TRAITEMENT
Figure 4.4 Analyse des parties interne et externe pour le service
7.2.3 Niveaux dtudes
Que ce soit pour la matrise des donnes ou ltude des traitements, nous trouverons
trois niveaux danalyse :
le niveau conceptuel : on se pose simplement la question que faut-il faire ? , sans
chercher apporter des solutions (QUOI ?) ;
le niveau organisationnel : on prend en compte le contexte, les intervenants, la
chronologie. On partage la tche en essayant dintgrer les diffrentes contraintes
(QUI ?, O ?, QUAND ?) ;
le niveau oprationnel : on apporte une solution technique au problme, criture de
procdures, archivage, traitement informatique (COMMENT ?).
La formalisation graphique peut reprsenter une aide considrable pour la rdaction
future des procdures. En particulier, cela peut mettre en vidence clairement des
tches ralises souvent implicitement et souvent sans formalisme.
CHAPITRE 5
LAUTOMATRISE ENPRODUCTION
Dans ce chapitre, nous parlerons dauto matrise bien que le terme le plus souvent
rencontr dans les entreprises soit le terme auto contrle. Ce choix est volontaire pour
bien dissocier lauto matrise des tches habituellement incluses dans lauto contrle.
Nous dfinissons lauto matrise par : lensemble des actions ncessaires sur le poste
de travail pour garantir sa performance en terme de qualit, dlai, cot, scurit et
environnement.
Lobjectif de lauto matrise est de donner un maximum dautonomie loprateur
en liminant les foyers de non performance. Une dmarche auto matrise permet de
donner de la cohrence au niveau du poste de travail lensemble des actions qui
sont dcides sur le plan stratgique.
Au cours de ces vingt dernires annes, le concept de qualit a profondment volu.
Partant dune vision trs centre sur la conformit aux spcifications des produits, elle
arrive une vision plus globale visant amliorer la performance industrielle pour
une plus grande satisfaction du client. Plusieurs tapes sont lorigine de ces volu-
tions dont on peut citer sans tre exhaustifs :
Larrive de la notion de qualit totale qui permettait de dpasser la simple confor-
mit.
LISO 9000 dabord organise en chapitres afin de prvenir les principales sources
de dfaillances, puis avec une vision processus davantage tourne vers le client et
avec un souci de performance industrielle.
La dmultiplication de lutilisation des outils statistiques et mthodologiques comme
les plans dexpriences, la Matrise Statistique des Processus, le QFD, lAMDEC...
Lintgration des notions damlioration continue telles que le KAIZEN et dam-
lioration par perces telles que lapproche Hoshin.
Lintgration de dmarches de progrs permettant dorganiser les diffrents outils
en les repositionnant par rapport une approche de gestion par projet telles que
Six Sigma, Shainin...
Lapproche Lean Management qui recherche la qualit, la performance et lagi-
lit de lentreprise
...
Paralllement ces volutions considrables en matire de qualit industrielle, on a
vu apparatre de nouvelles approches de la gestion industrielle avec la prise en compte
de lentreprise tendue (Supply Chain), de la maintenance avec TPM (Total Productive
Maintenance), lvolution du systme dinformation (ERP, APS...), la prise en compte
des problmes de scurit, de gestion de lenvironnement...
Toutes ces approches partent dune volont de la direction pour tre dployes dans
toute lentreprise et tre appliques sur chaque poste de travail. Au dpart le chan-
gement est issu dune vision macroscopique dun tat souhait pour lentreprise dont
la cohrence est vidente au niveau de la direction gnrale. Que reste-t-il de cette
cohrence lorsque lon est au niveau du poste de travail ? Le risque est important que
la mise en place simultane de lensemble des dmarches de progrs produise une
vision extrmement fractionne pour le technicien de production et loprateur. Ils
voient arriver une succession de dmarches, de mthodes, doutils sans toujours en
percevoir la complmentarit et les articulations.
Lauto matrise a pour objectif de redonner de la cohrence lensemble des actions
visant la performance industrielle au niveau du poste de travail. Son but est de dfinir
par une approche pragmatique le dimensionnement du systme dinformation et
lorganisation dun poste de travail au juste ncessaire pour garantir la performance
industrielle. Les objectifs de lauto matrise pour un poste de travail sont donc les
suivants :
Garantir la qualit de la production du poste de travail
Garantir la scurit des personnes
Garantir le respect des dlais de production
Garantir la matrise des cots de production
Garantir le respect des exigences environnementales
Pour atteindre cette performance, il faut intgrer de faon cohrente lensemble des
dmarches de progrs cites plus haut au travers dune dmarche rigoureuse plutt
que par une juxtaposition de mthodes et doutils. La premire approche de lauto
matrise consiste dfinir un environnement du poste de travail de nature liminer
les foyers de perte de performance. En quelque sorte, lapproche de lauto matrise
conduit donner un guide et une mthode au technicien de production pour aborder
un poste de travail de manire tre cohrent avec toutes les approches de progrs
ISO9000, TPM, Six Sigma, Kaizen, Lean...
1. ANALYSE DES NONPERFORMANCES
Garantir la performance dun poste de travail, cest mettre en place un systme capable
de rendre le poste robuste par rapport aux pertes de performance du processus. Par
perte de performance, nous entendons plusieurs lments : qualit, cots, dlais, scu-
rit, environnement.
Un travail denqute important
1
au niveau de plusieurs entreprises travaillant dans un
secteur de produits forte valeur ajoute nous a permis de disposer dune base de
donnes de plus dune centaine de pertes de performance . Le premier travail a
consist comprendre la chane causale qui a conduit cette perte de performance
afin de pouvoir proposer une classification. Une remarque importante que nous avons
faite au cours de cette tude concerne la rcurrence des problmes de perte de perfor-
mance. La plupart du temps, lorsquun problme apparat, cest de manire rcurrente,
et la rcurrence confre la perte de performance une certaine criticit.
1.1 Lespace de dfaillances
Lanalyse dtaille de la base de donnes nous a conduit identifier trois axes majeurs
responsables des dfaillances rcurrentes (voir figure 5.1) :
laxe de la connaissance/comptence ;
laxe de la formalisation ;
laxe de lapplication.
Lensemble des dfaillances tudies peut tre positionn dans cet espace dfini par
trois axes que nous allons dvelopper.
Expert
Axe de lapplication
Axe de
la formalisation
Axe de la
connaissance
Industrialisation
Expert
Miracle
Recette
Performance
Figure 5.1 Espace de la dfaillance
1.1.1 Axe de la connaissance/comptence
Cet axe dcrit les connaissances et la matrise du sujet par les personnes concernes
(oprateurs, encadrement mthodes...). Cela peut aller de connaissances trs pauvres
jusqu une connaissance trs complte dans le cas dexperts. Cet axe peut se traduire
de plusieurs manires :
1. Goetschmann C., Pillet M., Avrillon L., Typologie des problmes rcurrents, Congrs Qualita 2003,
Nancy.
CHAPITRE 5 LAUTO MATRISE EN PRODUCTION 101
Les moyens disposition de loprateur sont satisfaisants, mais son manque de
connaissance ne permet pas dutiliser de faon satisfaisante le moyen.
Le manque de comptence sur le sujet dpasse le cadre de lentreprise et les moyens
qui permettraient dassurer une performance correcte nexistent pas.
Les moyens qui permettraient datteindre la performance existent, mais ne sont pas
utiliss par lentreprise.
1.1.2 Axe de la formalisation
Cet axe dcrit le degr de formalisation, de rgles respecter qui existent sur le sujet
concern. Cela peut aller de linexistence totale de rgles formalises jusqu la des-
cription trs complte de lensemble des actions ncessaires pour accomplir la tche
sans dfaillance et des ractions prconises en cas de drive du processus.
1.1.3 Axe de lapplication
Cet axe dcrit le degr de correspondance entre les connaissances acquises et/ou for-
malises et la vritable application sur le terrain. Il ne suffit pas que les connaissances
soient dans lentreprise et que celles-ci soient formalises, encore faut-il quelles soient
appliques.
1.2 Espace des dfaillances et gravit
Connaissance _
Formalisation
A
Mauvaise
B
Partielle
C
Parfaite
1 Inexistante On ne sait pas faire, et en plus
on na rien crit, dans ce cas
lapparition de problmes
rcurrents est trs probable
Cas du savoir-faire du
compagnon. Tant que cest un
expert qui fait, il ny a pas de
problme rcurrent
2 Incomplte
3 Pousse On ne sait pas pourquoi a
marche, mais en respectant la
recette, on obtient le bon
rsultat (cest le cas de la
recette de cuisine), de temps en
temps, on peut quand mme
avoir des dfauts
Non seulement on matrise le
sujet, mais en plus on a
formalis ce savoir-faire pour
permettre des personnes
moins qualifies de raliser la
tche sans incident
Figure 5.2 Relation entre le niveau de connaissance et le niveau de formalisation
Ces trois axes semblent dcrire de faon exhaustive lensemble des pertes de perfor-
mances rcurrentes. Toutes les dfaillances rcurrentes que nous avons analyses ont
pour origine un ou plusieurs axes qui nont pas t correctement traits ou dont le
degr de satisfaction a diminu. On conoit aisment quun processus parfaitement
matris dun point de vue connaissance, dont les rgles ont t formalises et sont
appliques avec rigueur nest pas candidat aux problmes rcurrents. Pour illustrer ce
propos, nous allons restreindre le problme aux deux premiers axes de la connaissance
et de la formalisation. Dans les faits, plusieurs niveaux de formalisation et de connais-
sance peuvent exister. Le tableau (figure 5.2) met en relation le niveau de connaissance
que nous avons sur un sujet donn et la formalisation qui a t faite sur ce sujet. Cest
partir de ce constat que nous pourrons fixer une gravit pour chacun des cas.
Par rapport ce tableau, dans lhypothse dune application conforme des rgles (le
troisime axe de lespace de dfaillance), les problmes apparaissent de manire trs
critique en A1, de manire critique en A2, B1, B2, de faon plus rare en A3, B3, C1,
C2 et de faon exceptionnelle en C3.
1.3 Aspect dynamique de la dfaillance
La premire analyse de ce tableau pourrait laisser penser quun processus parfaitement
connu ayant fait lobjet dune formalisation pousse avec une application conforme
nous met labri de la rcurrence des problmes. Malheureusement la situation dans
cet espace de la dfaillance nest pas statique mais dynamique et on peut tout moment
glisser selon un des trois axes.
1.3.1 Glissement de laxe de la connaissance : la perte de savoir-faire
On sait faire, mais pour une raison quelconque on perd la connaissance. Parmi les
raisons qui peuvent tre invoques ici, on peut citer la priodicit dune activit (une
fonctionnalit dun logiciel qui nest utilise que tous les trois mois par exemple ou
une production qui change aprs une longue priode, ce qui fait que la bonne pratique
de la campagne prcdente a t oublie) ou lors dun changement de personnel (dpart
en retraite par exemple). Dans ces deux situations, il faut pouvoir compter sur une
formalisation ad hoc permettant de garantir une certaine continuit et de palier le
manque de mmoire .
1.3.2 Glissement de laxe de la formalisation : elle devient obsolte
On a fait voluer le processus mais pas la documentation ou les rgles respecter qui
lui sont associes. De ce fait, la formalisation qui tait parfaitement adapte nest plus
utilisable dans le cadre du nouveau processus puisquelle conduira immanquablement
des erreurs.
1.3.4 Glissement de laxe de lapplication : les rgles ne sont plus respectes
On sait faire mais le temps, les habitudes conduisent ne plus respecter ce qui avait
t tabli. On peut citer lexemple du non-respect des limitations de vitesse sur la route
par exemple ! Si ce cas se rpte rgulirement, la formalisation existante ne sera
probablement plus utilisable puisque dconnecte de la vie du processus. En fait, et
quelle que soit la qualit de la formalisation existante, ce cas nous ramne une
situation o la formalisation nexiste pas.
1.4 Les piliers de lauto matrise
La mise en place dun systme garantissant la performance sur un poste de travail doit
permettre de le positionner correctement dans lespace de dfaillance. Pour cela on
doit manager trois aspects qui seront les piliers de lauto matrise :
Aspect progrs : progression sur laxe connaissance/comptence qui doit tre active
chaque fois que la performance du poste de travail est juge insuffisante.
Aspect formalisation : capitalisation et management des connaissances, formalisation
du processus.
Aspect anti-recul : mise en place dun systme de suivi permettant dviter tout
glissement selon un des axes.
2. LAUTOMATRISE POUR MATRISER
LAPERFORMANCE DUPOSTE DE TRAVAIL
Lauto matrise est une approche globale des moyens de production permettant de
garantir leur performance et de se protger contre les dfauts rcurrents. Elle consiste
mettre en uvre une analyse globale dun processus afin de matriser les trois aspects
formalisation, progrs, anti-recul. Ce nest pas une nouvelle version de lautocontrle
ou de lauto maintenance, mais bien une approche globale permettant de donner la
cohrence au niveau du poste de travail lensemble des dmarches de progrs mises
en uvre dans lentreprise.
2.1 Les diffrents lments de lauto matrise
Informations
Qualit
FICHE DE POSTE
Rdacteur : ..Date

Tche raliser :
R
Informations
qualit Suivi de la performance
C
l
i
e
n
t

s
a
t
i
s
f
a
i
t

!
Milieu
Environnement sain,
propre,
rang, ergonomique
Moyen capable
Processus valid
Maintenance ralise
Main duvre
qualifie, forme
M
a
t
i
r
e
c
o
m
p
o
s
a
n
t
s

c
o
n
f
o
r
m
e
s
Mthodes
dfinies et formalises
Processus de
mesure
Adapt
Figure 5.3 Un poste en auto matrise
Un poste en auto matrise doit tre capable de garantir une performance leve. Pour
cela, il faut matriser deux processus :
le processus de mesure ;
le processus de production.
Chacun de ces deux processus tant dcompos en 5 M (figure 5.4). Une erreur souvent
faite dans la littrature consiste inclure la Mesure comme un sixime M du processus
de production. Cela revient sous estimer considrablement limportance de ce pro-
cessus qui selon notre enqute est pourtant source de nombreuses dfaillances.
N
o
Processus de production Processus de Mesure
1 Matire : influence des variations des
matires utilises
Mesurande : Influence de lobjet mesurer
(ex : dfaut de circularit pour une mesure de
diamtre)
2 Moyen : Variation du moyen de production Moyen : Dispersion de linstrument de
mesure
3 Mthode : Procdure et paramtres
retenus pour raliser le produit
Mthode : Procdure retenue pour faire la
mesure
4 Main duvre : Influence de loprateur Main duvre : Influence de loprateur
5 Milieu : Influence de lenvironnement Milieu : Influence de lenvironnement
Figure 5.4 Dcomposition des processus en 5M
La mise en place de lauto matrise consiste, pour chacun de ces deux processus,
matriser les cinq M (Machine, Mthode, Matire, Milieu, Main duvre). Cela doit
se faire au travers dune dmarche structure pour aborder la fois les aspects statiques
(formalisation) et dynamique (gestion des vnements).
3. MISE ENUVRE DE LAUTOMATRISE
3.1 La dmarche

1. Former le personnel concern par ltude
2. tablir la cartographie du processus
3. Identifier les pertes potentielles et relles
de perte de performance sur la ligne de
production, tablir un plan de travail
4. Faire laudit du poste
6. Analyse du procd choisi, Analyse des
5 M, AMDEC Processus, Capitalisation des
pratiques
7. tablir la liste des actions et le planning
de mise en place
8. Mettre en uvre
les moyens pour
que loprateur
assure la perfor-
mance de son
poste en autonomie
13. Apparition dune dfaillance ou dun
problme en production
14. Analyse de la cause racine de la
dfaillance apparue
15. Mise en uvre amlioration continue
(Kaizen) ou par perce (Six Sigma)
16. Dfinition des actions correctives long
terme et du planning de mise en place
5. Validation des processus de mesure
Jalon J1 - Validation de linitialisation
Jalon J2 - Validation du systme de mesure

12. Mise en place des actions de Suivi
(audit et indicateurs de performance)
11. Faire laudit du poste
A
s
p
e
c
t

f
o
r
m
a
l
i
s
a
t
i
o
n
A
s
p
e
c
t

p
r
o
g
r
s
Jalon J4 - Validation du progrs
Jalon J3 - Validation des actions
9. Mettre en uvre
les moyens pour
formaliser les
pratiques et le
savoir faire
10. Mettre en uvre
les actions
correctives
dcides
Figure 5.5 Mise en place de lautomatrise
La dmarche de mise en uvre de lauto matrise doit permettre de mettre en uvre les
trois piliers Formalisation/Connaissance/Application. Elle est constitue de deux branches :
La partie formalisation qui a pour objectif de continuer bien faire ce que lon fait
dj bien. Elle part de lanalyse globale du processus pour dterminer les postes
critiques et consiste identifier de faon prventive tous les foyers de non perfor-
mance. Dans cette partie, les actions seront prises de manire bloquer lapparition
des dfaillances, et donner de lautonomie loprateur. Cette partie est troitement
lie au systme de management des connaissances (KM) de lentreprise.
La partie progrs qui doit tre active chaque fois quon a identifi une dfaillance
potentielle ou quune dfaillance est survenue prouvant ainsi linsuffisance du sys-
tme actuel. Cette partie progrs doit tre troitement lie au systme de traitement
des actions correctives et la gestion des dmarches de progrs.
La partie anti-recul est ralise par la mise en place dun systme dindicateurs de
performance et daudit fond sur un questionnaire daudit de poste en auto matrise
sur lequel nous reviendrons.
3.1.1 Identification des postes (tape 1 4)
La premire partie de la dmarche consiste tablir une cartographie du flux du pro-
cessus, mesurer la performance de chaque poste de travail et identifier les sources de
perte de performance potentielles et relles. Pour cela on peut conduire une petite
analyse de sensibilit du processus notamment labsence dun ou plusieurs collabo-
rateurs sur la ligne afin didentifier le besoin en formalisation. Cette initialisation
permet de dimensionner limportance de la dmarche quil convient de conduire en
fonction de limportance de chaque tape dans le processus et de sa sensibilit.
3.1.2 Matrise du processus de mesure (tape 5)
La matrise des processus de mesure est un pralable : on ne sait rien faire si on ne
sait pas mesurer. Les actions cls pour matriser les processus de mesure sont cites
en figure 6 (liste non exhaustive et non minimaliste).
Action M concerns Obligatoire
Mise en place dune gestion des moyens de mesure Moyen Oui
Validation de la procdure de mesure par un test R&R Mthode, Mesurande,
Main duvre, Milieu
Oui
Rdaction dun mode de mise en uvre du moyen Moyen, Mthode Si ncessaire
Rdaction dun descriptif de la procdure de mesure
retenue
Mthode, Main duvre,
Milieu, Mesurande
Si ncessaire
Rdaction dun plan de contrle rcapitulant
lensemble des contrles raliser, les frquences ...
Mthode Oui
Figure 5.6 Actions de matrise du processus de Mesure
Le jalon J2 consiste vrifier que le juste ncessaire a t ralis pour donner
loprateur lautonomie ncessaire pour les contrles et les mesures. Cette premire
partie correspond plus ou moins la mise en uvre de lauto contrle en production
au sens anglo-saxon du terme (Self Inspection). Mais lauto matrise va bien au del
de ce simple auto contrle.
3.1.3 Matrise du processus de production (Etape 6 10)
La premire dmarche est didentifier les dfaillances potentielles du poste de travail.
Nous utilisons pour cela lAMDEC Process (Analyse des Modes de Dfaillances, de
leurs Effets et de leurs Criticits) en validant les 5 M du processus. Pour chaque M
on doit identifier les occurrences de pertes de performance potentielles, leur gravit,
et les dmarches en place pour viter lapparition ou en limiter les consquences.
Ltude AMDEC permet entre autre de dimensionner correctement la documentation
ncessaire sur le poste. Le danger consiste mettre une documentation plthorique
difficile voire impossible maintenir dans le temps. Pour illustrer ce point, prenons la
fiche de poste que lon retrouve dans de trs nombreuses entreprises. Son but est de
dcrire les oprations qui sont ralises sur le poste. Pour dfinir le niveau de dtail
ncessaire dans la rdaction dune fiche de poste, nous avons cherch identifier les
moments o cette fiche est utilise. Cela se rsume trois utilisations :
Cest un support de formation lorsquun nouvel oprateur arrive sur le poste.
Cest un aide mmoire lorsquun oprateur refait une tche aprs un certain dlai.
Cest le support daudit du processus pour valider que lon ne sest pas loign du
standard.
La rdaction dune fiche de poste doit tre ralise dans cet objectif, on ne cherchera
pas lexhaustivit, mais plutt une fonction daide mmoire et de support de formation.
Les documentations peuvent parfois avantageusement prendre des formes informati-
ques ou multimdia.
Action, mthodes et outils M concerns Niveau
Rdaction dune fiche de poste dcrivant les tapes
essentielles du processus
Mthode Poste
Rdaction dun mode opratoire du moyen Moyen Poste
Tableau de polyvalence des oprateurs permettant de
savoir qui peut travailler sur chacun des postes
Main duvre Atelier
MSP Matrise Statistique des Processus Mthode Moyen Poste
Suivi des Capabilits Mthode Moyen Atelier, Poste
Mise en place de points zro dfaut (Poka Yoke) Moyen Mthode
Main duvre
Poste
Utilisation de VOM(Visual Oprations Management)
qui consiste utiliser intensivement des symboles
plutt que des mots
Main duvre Atelier, Poste
Mise en place de check list Main duvre Mthode Poste
5S Milieu
Main duvre
Atelier
Auto-maintenance Moyen Poste
Fiche de donnes de scurit (FDS) Main duvre
Milieu
Poste
Figure 5.7 Actions de matrise du processus de Production
Comme dans la matrise du processus de mesure, lensemble des actions dcrites dans
le tableau (figure 5.7) nest ni exhaustif, ni obligatoire. Il est par contre indispensable
que les pilotes chargs de mettre en place lauto matrise connaissent parfaitement ces
mthodes et outils afin de dimensionner au juste ncessaire les actions mettre en
place. LAMDEC joue un trs grand rle dans ce dimensionnement. Une action nest
mise en uvre que si lAMDEC a dmontr son importance.
Au cours de cette phase de formalisation plusieurs amliorations sont gnralement
proposes par rapport lexistant permettant ainsi de progresser dans lespace de
dfaillances suivant les deux axes connaissances et formalisation.
3.1.4. Prise en compte dynamique des dfaillances (Etapes 13 16)
La premire phase de la mise en place de lauto matrise dun poste de travail est
principalement fonde sur une approche prventive. Il nest pas exclu que malgr un
travail en profondeur de formalisation des connaissances et de rduction des risques
une dfaillance intervienne.
Chaque fois quune dfaillance intervient, cest le signe que les actions mises en uvre
ne sont pas satisfaisantes. Il faut donc rentrer dans une phase dynamique de progrs.
La mise en place de lauto matrise doit inclure une dmarche rigoureuse de traitement
des non conformits. Trop souvent les dmarches de traitement des non-conformits
se contentent de rpertorier les dfaillances et de grer la clture du dossier. Dans une
dmarche auto matrise, nous devons imposer un formalisme plus complet du traite-
ment de ces non-conformits. Pour cela chaque non conformit doit faire lobjet dune
analyse de type AMDEC a posteriori dont le but est de dcortiquer la chane
causale qui a conduit cette dfaillance. Cette AMDEC a posteriori permet de bien
dfinir les leviers daction qui peuvent tre sur la cause elle-mme, sur la dtection
ou plus rarement sur la gravit. Cette analyse est suivie dune action trois niveaux :
Action de confinement (containment) permettant de traiter court terme le problme ;
Action contre la rcurrence permettant de prvenir la rapparition du problme ;
Action de capitalisation des connaissances : est-il ncessaire de capitaliser la nou-
velle connaissance et si oui comment ?
Le deuxime point (action contre la rcurrence) permet dalimenter soit les dmarches
damlioration continue lorsque le progrs ne ncessite pas une remise en cause impor-
tante du processus soit dune amlioration par perce lorsque le progrs ncessaire est
dune telle ampleur quil ncessite une remise en cause importante.
Chaque action dcide sera planifie et sa mise en uvre suivie dans la dmarche auto
matrise. Ce suivi ncessite la mise en place dun traitement trois niveaux en fonction
de limportance de la dfaillance :
Niveau 1 Local : La dfaillance est mineure et non rcurrente, elle peut tre traite
localement sans ncessiter danalyse particulirement dtaille. On se contente de
suivre le nombre de dfaillances locales en cours de traitement .
Niveau 2 Amlioration continue : La dfaillance bien que mineure est rcurrente.
La dfaillance demande une phase danalyse plus importante, mais lamlioration
ncessaire reste du domaine de lamlioration continue. Lanalyse de cette dfail-
lance sera traite de faon formelle avec une approche de type PDCA de Deming.
Niveau 3 Amlioration par perce : La dfaillance est majeure, les consquences
conomiques sont importantes pour lentreprise. Dans ces conditions on doit orienter
le traitement de la dfaillance vers une amlioration par perce en utilisant des
approches compltes danalyse telle que lapproche Six Sigma ou Hoshin.
3.1.5 Suivi du processus par indicateurs de performance et audits
(tapes 11 et 12)
Le pilotage dun processus est un systme boucl qui demande la prise en compte
dindicateurs de performance sur le poste de travail. On a vu dans la premire partie
de ce papier que la dfaillance pouvait provenir dun mauvais positionnement dans
lespace des dfaillances, mais aussi dun glissement selon un axe. Cette dernire phase
de lauto matrise a pour objectif de prmunir le poste de travail contre un tel glisse-
ment.
Donnes Exemple dindicateurs de performance
Qualit Capabilit Cp, Pp, Ppk, taux de retouches, taux de rebut
Dlais TRS, Taux de service
Cots TRS
Scurit Nombre daccidents de travail, de jours darrts
Environnement Indicateur de propret, rangement
Figure 5.8 Indicateurs de performance
Pour cela chaque poste de production doit tre suivi par un certain nombre dindicateurs
de performance (figure 5.8) permettant de mesurer la situation selon les cinq objectifs
(Qualit, Dlais, Cots, Scurit, Environnement). Certains de ces indicateurs sont
suivis partir des relevs raliss au poste (exemples : capabilits, retouches), dautres
sont suivis partir daudits (exemples : propret, rangement)
3.1.6 Suivi de lapplication par laudit
La mise en place daudit de poste est indispensable la russite de la mise en place
de lauto matrise. Pour raliser cet audit, nous avons conu un questionnaire daudit
en auto valuation reprenant lensemble des points des cinq aspects de la performance.
Nous donnons la fin de ce chapitre un exemple de feuille daudit auto matrise
4. LES OUTILS DE LAUTOMATRISE
Lauto matrise est la traduction de nombreuses dmarches damlioration de la per-
formance industrielle. Aussi, de trs nombreux outils sont disposition de lauto ma-
trise. Il serait fastidieux de les lister tous, nous nous contenterons des lments les plus
spcifiques. La figure 9 montre les lments que lon trouve traditionnellement sur un
poste en auto matrise pour le processus de mesure et le processus de production.
Processus de mesure
Moyen 4 autres M
Procdure de Gestion des Moyens
de Mesures
Procdure R&R
Mthodes et outils de suivi de la qualit
Niveau Atelier
Etiquette de vrification Instruction de contrle
Gamme de contrle
Outils de collecte de donnes
Niveau Poste
Processus de production
Matire Machine Mthodes Main duvre Milieu
Niveau
Atelier
Assurance
qualit
fournisseur
Suivi des TRS
Suivi des
capabilits
Cartographie
du processus
AMDECMoyen
Capabilits
prliminaires
Traitement des
actions
correctives
Procdure
gnrale de
traitement de NC
Tableau des
comptences
Suivi des
formations
Dmarche 5S
Procdure
gnrale de
nettoyage et de
rangement
Traitement des
dchets collectifs
Niveau
Poste
Dfinition
(plan)
Plan de
maintenance
de 1
er
niveau
Instructions de
poste
Feuille de poste
Poka Yoke
Mthode de
traitement des
produits non
conformes
Check List
Rfrence de fin
de poste
Figure 5.9 Les lments de lauto matrise.
4.1 Lenvironnement du poste de travail
La premire condition remplir pour raliser un travail de qualit sur un poste est
davoir un environnement propre, rang et ergonomique. La premire opration ra-
liser lors de la mise en place de lauto matrise est de mettre niveau le rangement,
la propret et lorganisation du poste de travail (ISO 9001-6.4).
Pour atteindre cet objectif, la mthode des 5S est dune grande efficacit. Cette mthode
dorigine japonaise permet dappliquer les principes de base de lorganisation dun
poste de travail. Les cinq S correspondent aux 5 mots essentiels de la dmarche. Il
sagit de :
1. Seiri (dbarras)
2. Seiton (rangement) Mise niveau
3. Seiso (nettoyage)
}
4. Seiketsu (ordre)
5. Shitsuke (rigueur)
}
Maintien de lacquis
La mthode est fonde sur une dmarche en cinq tapes :
Etapes Actions
1. Dbarras Inventorier tout ce qui est inutile.
Sen dbarrasser.
Nettoyer fond le lieu de travail.
2. Rangement Dfinir une place pour chaque chose (emplacements fonction-
nels, zones, implantation, affichage...).
Ranger chaque chose sa place.
3. Nettoyage Rechercher les causes de salissures (joints dtriors...).
Supprimer ces causes.
4. Ordre Maintenir propre et en ordre (discipline, rgles de travail et de
nettoyage).
5. Rigueur Faire voluer ltat desprit (audits dordre et de propret).
Figure 5.10 Les cinq S
La mthode est simple, mais doit tre applique avec une grande rigueur si lon veut
obtenir des rsultats durables. Pour une plus grande efficacit, il est ncessaire de
mettre en place dans lentreprise une organisation 5 S dans le but de :
Dfinir le plan de dploiement du 5S
Choisir les postes pilotes
Mettre en uvre le plan daction
Raliser les audits
Dfinir les rgles de standardisation
4.2 Les outils pour le processus de mesure
Un poste en auto matrise doit garantir quun certain nombre de contrles ont t
effectus avec une frquence dtermine et avec une mthode qui garantit la validit
des rsultats de mesure.
4.2.1 Capabilit des moyens de mesure
Dans le cas de caractristiques mesurables comme dans le cas non mesurables, la
dcision de conformit intervient aprs la mise en place dun processus de mesure.
Pour garantir la qualit des produits, il faut avoir valid ce processus.
La premire tape de cette validation consiste vrifier les moyens de contrle (cha-
pitre 13). Dans le cas de contrle par mesure, lappareil doit tre raccord la chane
dtalonnage (chapitre 12). Dans le cas de contrle non mesurable (dfaut daspect par
exemple) on sassure de la cohrence de la dcision avec les produits qui font rfrence,
ou la dcision dexperts.
La seconde tape consiste vrifier que le processus de contrle est adapt et quil ne
provoque pas de dispersion de rptabilit et de reproductibilit. La rptabilit est la
dispersion dune mesure rpte dans les mmes conditions (mme oprateur par exem-
ple) la reproductibilit reprsente la dispersion observe due la rptition de la mesure
dans diffrentes conditions (diffrents oprateurs par exemple). Cette seconde tape
ncessite la ralisation dun test R&R (Voir chapitre 13)
4.2.2 Figer les contrles Le plan de contrle local
Le plan de contrle du poste permet de formaliser tous les contrles qui doivent tre
raliss sur le poste de travail. Ce document prcise :
Lopration concerne (par rapport la fiche de poste).
Les points contrler.
Les outillages de contrle utiliser.
Les modes opratoires qui documentent le contrle sil y a lieu.
Les frquences de contrle respecter.
Qui ralise le contrle ?
Le suivi qualit demand sur la caractristique.
La raction en cas de non-conformit.
La figure 5.11 donne un exemple dun plan de contrle dans le cas de la dcoupe
dune paille.
Plan de surveillance local
Op Critre
surveiller
Valeur Moyen de
contrle
Quant
&
Frq
Qui ?
O ?
mode
oprat
Suivi Raction si
non-
conforme
1 Conformit
des
outillages
_ Visuel 1/jour Oprateur Mise en
conformit
2 Epaisseur
du trait
Suivant
rfrentiel
Visuel 100 % Oprateur Changer
stylo
3 Aspect paille Suivant
rfrentiel
Visuel 100 % Oprateur Non
conforme
sur feuille de
relev
Afftage
ciseaux
3 Perpendicu-
larit de la
coupe
90
o
Visuel 100 % Oprateur MO25 Non
conforme
sur feuille de
relev
Rgler
langle des
ciseaux
4 Longueur 10 0,5 Pied
Coulisse
3/H Oprateur Graphique
SPC
Rglage
Tri de la
dernire
heure
Figure 5.11 Exemple de plan de contrle local
Dans le cas de processus de mesure dlicat, on crit un mode opratoire figeant le
processus qui a t valid. Dans les cas simples, le plan de contrle est intgr la
fiche de poste.
4.2.3 Les points zro dfaut (poka-yoke)
Pour garantir le zro dfaut, il est galement souhaitable dintroduire des points zro
dfaut garantissant la qualit des produits sur le point contrler. Cette recherche
de points zro dfaut doit tre un rflexe dans la conception dun poste en auto
matrise. Plutt que de chercher liminer le dfaut par un contrle, il faut rechercher
un dispositif qui vite de produire le dfaut. Cest le but des points zro dfaut
appels galement poka yoke.
Il existe plusieurs types de points zro dfaut que lon peut classer en quatre gran-
des catgories (figure 12)
Par contact Dtecter les dfauts de formes et
de dimensions en utilisant le contact
entre les lments.
Valeur Compter ou dtecter une valeur
pralablement fixe.
Contrle Dtecter si toutes les tapes du
de mouvement procd ont t effectues.
Alerte Utiliser les sens de loprateur pour
sensorielle rendre presque impossible lapparition
derreurs (code de couleurs, formes
particulires, symbole)
00253
Prsence dun dtrompeur qui garantit
que lon a pos la bonne pice
dans la bonne position.
Forme de la prise de connexion
dune souris d'ordinateur.
Dtection automatique du niveau
de remplissage dune cartouche dencre,
redondant avec une pompe doseuse.
Une camra vrifie si les pices
ont toutes t dposes.
Un automatisme n'autorise la ralisation
dune opration que si lopration
prcdente a t ralise.
Un signal sonore est mis si loprateur
exerce une pression trop forte au montage.
Un signal sonore est mis si le conducteur
oublie ses phares.
Type Fonction Exemples
Figure 5.12 Les poka yoke
Lorsque lanalyse du poste est ralise (AMDEC Processus), sil reste un risque de
gnrer des productions non conformes, on doit systmatiquement rechercher un sys-
tme zro dfaut permettant soit dempcher la production du dfaut, soit de garan-
tir que le produit dfectueux ne puisse pas quitter le poste.
Chaque point zro dfaut peut galement avoir sa propre drive et ne plus garantir
labsence de non-conformits si on ne ralise pas un plan minimum de maintenance
de premier niveau. Pour viter cela, chaque point zro dfaut devrait tre identifi,
et faire lobjet dun plan de maintenance prventive au mme titre quun instrument
de contrle.
4.2.4 La check list
La check list est un outil simple de lauto matrise qui nest malheureusement pas
assez utilise. Pourtant, son efficacit est trs importante, tel point que les pilotes de
ligne lutilisent chaque vol.
Le principe est simple, on constitue une liste des tches effectuer ou des points
contrler avant de faire une action. Chaque item de la liste est ainsi vrifi de manire
systmatique.
Par exemple, pour garantir la qualit et le bon droulement dun soudage laser,
on tablit une check list de vrification :
de lutilisation des bons outillages ;
des rglages des paramtres machine ;
de validation du plan de maintenance de premier niveau.
4.2 Les outils pour le processus de production
Le processus de production retenu pour un poste en auto matrise doit garantir la bonne
ralisation des oprations ncessaires et la qualit des produits. Il est donc trs impor-
tant de vrifier ladaptation du processus la tache raliser. Cest le but des capa-
bilits prliminaires. Mais il faut de plus garantir quau fil du temps, on ne drive pas
par rapport au processus dfini initialement. Cette stabilit dans la manire de faire est
garantie par des audits de poste sappuyant sur des documents formalisant le processus
tels que :
la fiche de poste ;
le plan de contrle local ;
les modes opratoires, les fiches dinstruction ;
les plans de maintenance de premier niveau ;
...
4.3.1 Les capabilits prliminaires
Lorsque le processus de production est dfini en fin dindustrialisation, il faut valider
cette fin dtape. En quelque sorte, on doit formaliser le passage de tmoin entre le
travail de lindustrialisation et le travail de la production. La question laquelle on
doit rpondre est la suivante : le processus de production rpond-il aux exigences
qualit du produit ?
Pour effectuer cette vrification, dans le cas de production en srie, on suit avec une
frquence trs leve le processus pendant une demi-journe au moins. Par exemple,
on prlve toutes les demi-heures cinq pices qui seront alors mesures. A partir de
ces donnes, on calcule un indicateur de capabilit prliminaire nomm PPpk qui doit
tre suprieur au minimum requis (souvent 1,33)
1
.
Dans le cas de processus non mesurables, comme les postes de montage, on ralise
comme dans le cas mesurable une production dune demi-journe au moins qui sera
contrle 100 %. Un procd est alors gnralement dclar capable si le ratio DPO
(Dfauts par opportunits) est infrieur une limite dfinie acceptable par le client.
DPO =
Nombre total de dfauts
(Nombre de produits contrls) x (Nombre de dfauts possibles)
4.3.2 Garantir la stabilit du processus la documentation
Une fois le processus de production accept, on doit mettre en uvre les procdures
pour garantir que le processus ne drive pas. Pour cela, il faut crire ou mieux encore
dessiner le mode opratoire retenu.
Plusieurs documents (qui peuvent tre sous forme numrique) sont utiles pour forma-
liser les pratiques dun poste de travail. On trouve notamment des fiches de postes,
des instructions dutilisation...
La fiche de poste (on trouvera en figure 5.13 un exemple didactique de fiche de poste)
est un des exemples de ce type de documents. La construction dune fiche de poste
nest pas facile. Il faut la juste information ncessaire. Afin de dcider de ce qui est
ncessaire, il faut se souvenir que la fiche de poste est surtout utile trois moments :
Comme support de formation lorsquun nouvel oprateur arrive sur le poste.
Comme aide mmoire.
Comme rfrant lors dun audit de poste afin de vrifier quil ny a pas de drive
dans le processus opratoire.
1. Le lecteur souhaitant plus dinformation sur ce calcul des capabilits prliminaires pourra utilement
lire louvrage Appliquer la Matrise Statistique des Processus , M. Pillet, ditions dorganisation, 2005.
FICHE DE POSTE

Atelier : TD Poste : Dcoupe Opration : couper Paille
Tche raliser : Dcouper des pailles de longueur 1
Comptences requises : Formation au poste de travail + validation de dextrit et vue suffisante

Rdacteur : Date :
Validation : .. Numro : ..
Prise de poste
Dcoupe
1
2
1 -
2 - Dcoupe
Bac pour produit
Rgle Ref NNN
Ciseaux Ref XX Droitier /XY
Pied coulisse
Stylo Ref B342
Bac de matire premire
Une seule marque la fois
Surveiller lpaisseur du trait
Dcouper SUR le trait
Dcouper perpendiculairement la paille
Bac pour rebut
Figure 5.13 Exemple de fiche de poste
Les lments essentiels que lon doit trouver sur la fiche de poste sont les suivants :
lidentification du poste ;
lidentification de la tche ;
les comptences requises pour accomplir la tche ;
la description de la tche (graphique de prfrence au texte) ;
la description des outillages de production et de contrle utiliser ;
les tapes sensibles du poste ;
...
La fiche de poste ne doit pas tre un document lourd, elle doit comporter un minimum
dcriture. Parfois quelques schmas ou photos bien adapts sont plus efficaces quun
long discours. Enfin, il faut veiller mettre en place les processus ncessaires pour
faire vivre lensemble de ces documents. Pour cela un progiciel de gestion documen-
taire capable de grer les liens entre lensemble des documents produits/processus
savre trs utile.
4.4 Les travaux de maintenance raliser
Un poste nest dclar en auto matrise que lorsque la capabilit du poste a t dmon-
tre. Mais il faut garantir que dans le temps, cette capabilit ne se dgrade pas. Pour
cela, la mise en place dun plan de maintenance prventive est indispensable.
La fiche de maintenance premier niveau est le document qui rsume les oprations de
maintenance ncessaires sur le poste de travail et qui incombent loprateur. Il sagit
gnralement doprations simples telles que des surveillances de niveaux, des talon-
nages, des graissages... Dans les cas simples, cette fiche de maintenance est intgre
la fiche de poste.
4.5 Les comptences ncessaires
Bien que le processus de production soit formalis au travers des diffrents documents
que nous avons dcrits, il est indispensable pour garantir la qualit des productions de
sassurer de la comptence des oprateurs qui doivent remplir la tche (ISO9001 6.2).
Cest pourquoi, un des lments importants de la fiche de poste est la dfinition des
comptences ncessaires. Peu de postes ne ncessitent pas de formation. Au minimum,
on devrait trouver une formation aux tches spcifiques du poste.
Afin de pouvoir grer la polyvalence dans un atelier, il est utile de disposer dun
tableau de comptences prcisant pour chaque oprateur :
les formations fonctionnelles suivies ;
laptitude travailler sur les diffrents postes.
4.6 Le traitement des non-conformits
Sur un poste, avec ou sans auto matrise, il est bien sr possible de trouver des produits
dfectueux. Lorigine de ces dfectueux peut tre de deux types :
dfectueux sur des pices provenant des oprations prcdentes et identifis par
loprateur du poste ;
dfectueux sur des produits raliss sur le poste.
Quelle que soit lorigine de cette non-conformit, il est absolument indispensable de
disposer dune procdure claire de gestion des non-conformits (ISO 9001 8.3).
Le but de cette procdure est double :
figer la faon dont seront isols les produits non conformes afin dinterdire un
mlange accidentel avec des produits conformes ;
figer la faon dont seront comptabilises les non-conformits afin denrichir lindi-
cateur du cot de la non qualit.
Pour simplifier ce traitement des produits non conformes sur les postes de travail, le
plus simple consiste crer des habitudes visuelles telles que lutilisation systmatique
de botes rouges pour placer les produits non conformes. Rien nest plus dangereux
que de laisser chaque oprateur avoir sa propre mthode pour carter les produits non
conformes. Le premier les met sur le coin droit de sa table de travail alors que le
second les met lui sur le coin gauche. Il est vident que dans ces conditions, on ne
peut pas viter quune manipulation accidentelle rintgre les produits dfectueux avec
les produits conformes.
La comptabilisation des cots de non-conformit se fait gnralement par le biais de
la feuille de relev.
4.7 La saisie des informations qualit
La mise en place de lauto matrise se traduit par une dlgation de la dcision de
conformit au niveau de loprateur. Cest loprateur qui prend la dcision de classer
un produit conforme ou non conforme. Si lon veut suivre lvolution de la non-qualit
dans lentreprise, il est absolument indispensable de relever la source les informations
sur la qualit produite. Cest le rle de la feuille de saisie. Un poste en auto matrise
doit ncessairement disposer dune feuille de saisie.
Pour tre efficace, celle-ci doit tre le plus visuel possible. Il est plus facile dinterprter
un graphique quune liste de chiffre. Plusieurs modles de feuilles de relevs peuvent
tre conus partir des critres de conception suivants :
la facilit de relev par loprateur ;
la facilit de lecture des relevs ;
la facilit darchivage.
La figure 5.14 donne un exemple de feuille de relev, combinant un suivi de dfauts
visuels et un suivi par carte de contrle aux mdianes dune caractristique mesurable.
Type de circuit : .......X22C64............. Date : ...12.01.1995..............................
Numro du lot : .........22602............. Atelier :......B12.....................................
Taille de lchantillon ....1025 cartes... Contrleur : ....M. Deront........................
Type de dfauts Nombre de non-conformits
Test pointes 8
Test fonctionnel 22
Dfaut soudure 6
Autres 5
Total 41
7 h 15 8 h 30 9 h 30 11 h 00 11 h 15 13 h 30 14 h 35 15 h 15 16 h 15
0
2
4
6
- 2
- 4
- 6
Figure 5.14 Feuille de relev
Lutilisation de linformatique est dsormais de plus en plus courante pour la ralisation
des feuilles de relevs. Elle facilite la mise en forme graphique des rsultats et soulage
le travail des oprateurs.
4.8 Le retour des informations qualit
Pour faire vivre le systme, il est indispensable que les informations qualit saisies sur
les postes de travail soient traites afin de constituer des indicateurs de performance
(ISO 9001 8.4).
Ces indicateurs qualit doivent tre affichs dans latelier. Pour cela, on cre gnra-
lement un point daffichage qualit o les oprateurs auront le retour du traitement
des informations saisies et pourront le comparer aux objectifs qualit (Politique qua-
lit).
Exemple dindicateurs :
Suivi dans le temps des % de NC.
Suivi des indicateurs de capabilit Cp, Pp, Ppk.
Le plus efficace est de crer un retour dinformation en temps rel. Les cartes de
contrle jouent parfaitement ce rle puisque ds que loprateur trace son point, il peut
interprter les volutions de sont processus.
Le lieu daffichage doit tre un lieu de vie. Il est tout fait souhaitable dorganiser
une fois par semaine une petite runion autour du lieu daffichage pour discuter :
des performances des postes de travails ;
des difficults rencontres pour maintenir cette performance ;
des volutions ncessaires pour adapter la formalisation existante ;
...
5. LAUDIT DES POSTES ENAUTOMATRISE
Comme on la dit au dbut de ce chapitre, lauto matrise a pour but de formaliser les
processus opratoires et de valider si ce processus ne drive pas. Pour atteindre cet
objectif, nous avons vu quil y a un certain nombre dtapes franchir pour pouvoir
dclarer le poste en auto matrise.
Lors de la situation de vie du poste, il faut galement garantir la stabilit du processus
opratoire par le respect de ce qui est crit.
Pour valider ces points, on utilise un questionnaire daudit comme celui donn en
exemple ci-dessous. Ce questionnaire en 20 questions permet de faire lvaluation dun
poste en auto matrise. Lvaluation se fait suivant la mthode IEMSE :
I (Inexistence) : Ce point nest pas trait sur le poste audit ;
E (Existence) : Il existe une rponse montrant que le poste a pris en compte le point ;
M (Mthode) : La rponse la question est traite selon une mthode susceptible
dtre gnralise ;
S (Systmatique) : La rponse est traite avec mthode, et lapplication terrain est
effective et systmatique (prennit dans le temps) ;
E (Exemplarit) : La mthode, son application et ses rsultats mritent dtre commu-
niqus lextrieur parce quefficace, efficient, simple ...
Pour pouvoir tre dclar en auto matrise, un poste doit au moins tre caractris par
Mthode tous les points de laudit ci-aprs. Cependant, ce questionnaire ne prend
pas en compte laspect dynamique de lauto matrise quil faut bien entendu matriser
galement.
Une gestion des moyens de mesure garanti le rattachement des moyens
un talon de rfrence.
Les moyens de contrle prsents sur le poste sont jour de vrification.
Les procdures de mesure ont t valides par un test R&R.
Un mode opratoire des moyens de mesure est rdig lorsque c'est
ncessaire.
Un plan de surveillance rcapitulant l'ensemble des contrles raliser,
les frquences... est rdig, disponible sur le poste de travail et respect.
Un descriptif de la procdure de mesure retenue a t rdig lorsque
ncessaire.
L'environnement du poste est adapt la tche effectuer, l'ergonomie
du poste est adapte.
Le poste de travail est propre et rang.
Les procdures de rigueur et de maintien de l'ordre existent et sont bien
respectes.
Des fiches de scurit ( FDS) sont rdiges et prsentes sur chaque poste
ou il y a un risque identifi.
L'utilisation des moyens de production dlicats a fait l'objet d'une
rdaction d'un mode opratoire.
Le plan de maintenance de premier niveau a t tabli, il est connu
et respect.
La matrise statistique des processus est utilise sur le poste.
Le processus opratoire a t valid, les capabilits prliminaires ont t
calcules.
Le mode opratoire est dcrit sur une fiche de poste, l'opration ralise
correspond ce qui est crit.
Le traitement des produits non conformes a t dfini et ne peut tre
sujet ambigut.
L'identification des produits non conformes est ralise de manire
visuelle. Elle est conforme aux rgles gnrales de l'entreprise.
Les comptences et les formations ncessaires ont t
dfinies et sont en accord avec les faits.
L'oprateur respecte les procdures de mise en marche, d'arrt machine,
et pratique la maintenance de premier niveau.
Un tableau de polyvalences des oprateurs permettant de savoir qui
peut travailler et o, a t ralis et est mis jour dans chaque atelier.
Des points zro dfaut (Poka Yok) sont utiliss,
Des VOM (Visual Opration Management) qui consistent utiliser
des symboles plutt que des mots sont intensivement utiliss.
Des check list sont utilises pour se prmunir d'ventuels oublis sur les
squences d'oprations compliques.
Les caractristiques devant faire l'objet d'un suivi sont correctement identifies.
Les fiches de suivi sont correctement remplies, les frquences et les
quantits contrler sont respectes.
Les donnes saisies sur le poste font l'objet d'un traitement afin de suivre
des indicateurs de performance.
Le retour d'information est affich dans le local de production.
Les documents sont jour
Audit d'un poste en auto matrise
Questions I E M S E 5 M
M
o
y
e
n
s

d
e

m
e
s
u
r
e
P
r
o
c
d
u
r
e
s

d
e

c
o
n
t
r
l
e

E
n
v
i
r
o
n
n
e
m
e
n
t

e
t

s
c
u
r
i
t
F
o
r
m
a
l
i
s
a
t
i
o
n

M
o
y
e
n
s
/
m
t
h
o
d
e
s
M
a
i
n

d
'
u
v
r
e

M
a
t
r
i
s
e

d
e

l
a

m
e
s
u
r
e
M
a
t
r
i
s
e

d
u

p
r
o
c
e
s
s
u
s

d
e

p
r
o
d
u
c
t
i
o
n
E
n
r
e
g
i
s
t
r
e
m
e
n
t

e
t

s
u
i
v
i

Figure 5.15 Tableau daudit dauto matrise
Deuxime
partie
Les outils de la qualit
Aprs avoir pass en revue les lments du systme qualit, nous abordons
les principaux outils damlioration de la qualit des produits depuis la dfi-
nition des spcifications jusqu la production.
Nous prsentons dans le chapitre 6 les outils de base de la rsolution de
problmes qui facilitent le travail de groupe et qui sont indispensables
tous les cercles de qualit, groupes de progrs ou autres.
Pour amliorer la qualit des produits et des processus, nous dveloppons
dans le chapitre 7 les principes du QFD, outil qui permet de mieux tenir
compte de la volont des clients.
Les plans dexpriences aident les entreprises progresser dans la matrise
de la conception de produits nouveaux et dans la matrise des procds de
fabrication. La mise en uvre, illustre dexemples pratiques est traite au
chapitre 8.
LAMDEC dont le but est de prvenir les dfaillances potentielles dun pro-
duit, dun processus de fabrication ou encore dune organisation sera abor-
de au chapitre 9.
Le chapitre 10 sera consacr ltude dtaille de la MSP ou SPC (Statistical
Process Control) o nous dvelopperons les aspects tels que les cartes de
contrle et les tudes de capabilit.
Un autre aspect du contrle concerne le contrle de rception sous deux
formes : le contrle par attributs et le contrle aux mesures. Ces deux formes
seront dveloppes au chapitre 11.
Q
U
A
L
I
T
E
N
P
R
O
D
U
C
T
I
O
N
Nous nous intresserons ensuite un aspect fondamental de la qualit : la
mesure. Deux chapitres (12 et 13) seront consacrs ce point.
Enfin, nous tudierons Six Sigma qui permet une approche globale de
lamlioration de la qualit du produit par lutilisation de lensemble des
outils de la qualit, mais aussi par un management par projet et qui conclura
ce tour dhorizon des mthodes et outils de la qualit en production.
CHAPITRE 6
LES OUTILS DE BASE
DE LARSOLUTIONDE PROBLMES
Comme nous avons pu le constater dans les chapitres prcdents, la qualit en pro-
duction demande une organisation rigoureuse base sur un modle. Cependant, le
systme qualit nest pas suffisant pour obtenir seul des produits de bonne qualit. Il
faut galement des outils, souvent trs simples, connus de tous, qui permettent la
rsolution des problmes quotidiens de lentreprise. Nous prsenterons dans ce cha-
pitre les outils de base de la rsolution de problmes qui facilitent le travail de groupe
et qui sont indispensables tous les groupes de progrs. Ces outils doivent naturel-
lement tre complts par dautres outils plus sophistiqus tels que les plans dexp-
riences, lAMDEC ou le QFD pour donner toute leur efficacit. Ces outils plus
complexes seront prsents individuellement dans les chapitres suivants. Dune faon
plus globale, la mise en place des mthodes de rsolution de problme doit tre
intgre dans une approche globale de la performance industrielle telle que Six Sigma
que nous prsenterons ultrieurement dans cet ouvrage.
1. LES SEPT OUTILS DE BASE
1.1 Objectif des sept outils
Lemploi de ces sept outils nous vient du Japon. Lobjectif principal tait de donner
un nombre limit doutils de rsolution de problmes lensemble du personnel. Ces
sept outils sont la base du travail de groupe. Connus de tous dans lentreprise, ils
forment les fondations dune culture dentreprise pour lapproche formelle dune solu-
tion. On les a longtemps appels les sept outils des cercles de qualit .
Bien que largement diffuss dans toutes les entreprises qui pratiquent le travail de
groupe, les sept outils de base de la qualit ne sont notre avis pas encore assez
utiliss. Pourtant, ce sont tous des outils graphiques, simples, applicables par lensem-
ble du personnel dune entreprise. Leur objectif est de rsoudre facilement la plupart
des petits problmes de production. Ces outils sont souvent anciens. Loriginalit de
la prsentation en sept outils est den montrer lunit et de solliciter leur utilisation
dans un cadre de production. Il existe plusieurs variantes dans lidentification des sept
outils de base, gnralement on trouve :
la feuille de relevs ;
le diagramme de concentration de dfauts ;
lhistogramme ;
le diagramme en arte de poisson ;
le diagramme de corrlation ;
le diagramme de Pareto ;
la carte de contrle.
Le principe de base est simple, pour comprendre, il faut voir. Cest pour cela que tous
les outils sont des outils graphiques.
Ces outils ont pour but de :
donner des moyens simples tous les membres de lentreprise pour rsoudre les
problmes ;
pouvoir tre utiliss par lensemble du personnel de lentreprise ;
tre adapts au travail de groupe, car ils sont visuels et consensuels.
Bien sr, il ne faut pas avoir la religion des sept outils et ne pas hsiter en utiliser
dautres. Cependant lutilisation intensive de ces reprsentations graphiques permet
aux entreprises de progresser trs rapidement vers des produits de qualit. Chaque outil
a une fonction bien dfinie quon peut rsumer de la faon suivante :
Fonctions Outils
Collecter les donnes la feuille de relevs
Faire apparatre les faiblesses le diagramme de concentration de dfaut
Illustrer les variations lhistogramme
Identifier lorigine du problme le diagramme en arte de poisson
Montrer les corrlations le diagramme de corrlation
Hirarchiser les faits le diagramme de Pareto
Matriser le procd la carte de contrle
1.2 La feuille de relevs
Toute action damlioration doit tre engage sur des donnes si possible chiffres.
Cela permet de raisonner sur des faits objectifs et non des impressions. La feuille de
relevs permet de faciliter et de formaliser la saisie des informations sur le poste de
travail. Plusieurs modles de feuilles de relevs peuvent tre conus partir des critres
de conception suivants :
la facilit du relev pour loprateur ;
la facilit de lecture des relevs ;
la facilit darchivage.
Type de circuit : .......X22C64............. Date : ...12.01.1995..............................
Numro du lot : .........22602............. Atelier :......B12.....................................
Taille de lchantillon ....1025 cartes... Contrleur : ....M. Deront........................
Type de dfauts Nombre de non-conformits
Test pointes 8
Test fonctionnel 22
Dfaut soudure 6
Autres 5
Total 41
La figure 6.1 donne un exemple de feuille de relevs utilise au test final de circuits
lectroniques. On note la facilit de saisie des informations, en cas de dfaut, il suffit
de cocher la case prdtermine correspondante. La collecte des informations partir
de cette feuille est alors vidente.
1.3. Le diagramme de concentration de dfauts
Ce diagramme joue un peu le rle dune feuille de relevs. Il permet de visualiser
rapidement les points faibles dun produit. Chaque fois quune dfaillance apparat sur
un produit, on marque lendroit sur un dessin par un point. Le schma illustre tout de
suite les points faibles du produit. Dans le cas de la figure 6.2, on note les dfauts de
collage observs aprs un test de vieillissement acclr sur des chaussures. Bien que
le nombre de dfauts soit le mme dans les deux cas, on distingue deux situations fort
diffrentes. Dans le premier cas on peut suspecter un paramtre gnral comme la
colle, la temprature. Dans le second cas, cest clairement un dfaut de pression localis
qui est le principal suspect.
CHAPITRE 6 LES OUTILS DE BASE DE LA RSOLUTION DE PROBLMES 129
Collage de chaussures
Dfaut : dcollement
Cas 1 Cas 2
Figure 6.2 Diagramme de concentration de dfauts
1.4 Lhistogramme
Lhistogramme permet de reprsenter les donnes sous forme graphique. Chaque barre
est proportionnelle la frquence dapparition dune valeur lintrieur dune classe.
Il permet didentifier lexistence dun modle applicable (loi normale, loi de dfaut de
forme...). Il illustre galement les relations entre les valeurs releves et les valeurs de
rfrence (cote nominale, mini, maxi).
17
2
5
24
7
18
Intervalle de tolrance
Classe
9,98 10,005 10,02
Figure 6.3 Lhistogramme
La construction dun histogramme demande un minimum dattention si on ne veut pas
conclure tort sur une distribution. En effet, dans lexemple de la figure 6.4 on remar-
que que suivant la mise en classe ralise (nombre et position), linterprtation des
donnes peut tre trs diffrente.
2 3 4 5 1 6 7 8 9
Rpartition originale des mesures
Largeur de classe = 0,8
2 3 4 5 1 6 7 8 9
2 3 4 5 1 6 7 8 9
2 3 4 5 1 6 7 8 9
Figure 6.4 Influence de la largeur de la classe
Pour les largeurs de classe gales 0,8 et 1,6, lhistogramme fait apparatre une popu-
lation mal quilibre et dont la loi ne suit pas une loi normale. Dans le cas de la largeur
de classe gale 2 (bonne rpartition), la production apparat comme symtrique, et
semble suivre une rpartition normale.
Pour construire un histogramme correctement, il faut :
choisir un nombre de classes en fonction du nombre de mesures. On prend gnra-
lement comme nombre de classes la racine carre du nombre de valeur Nc = _n ;
choisir une largeur de classe gale un multiple de la rsolution des valeurs. Ainsi,
dans lexemple de la figure 6.4, la dfinition des valeurs tant lunit, il fallait prendre
comme largeur de classe un multiple de lunit. Si les valeurs sont dfinies en micro-
mtre, la largeur de classe doit tre un multiple du micron. Ainsi, la largeur de classe
de 2 microns, a donn la meilleure reprsentation de la distribution.
1.5 Le diagramme de Pareto
Le diagramme de Pareto (du nom de son inventeur) permet de classer les donnes de
la plus importante la moins importante. Il permet de hirarchiser les informations,
afin de se consacrer lessentiel.
Causes darrt Dure (Heure) % du temps total
Absence oprateur 34,9 15,5 %
Dfaut matire 49,5 22,0 %
Rglage 7,2 03,2 %
Arrt pour maintenance prventive 7,4 03,3 %
Pannes machine 36,0 16,0 %
Dfauts sur pices 83,2 37,0 %
Divers non identifis 6,8 03,0 %
Total 225 100,0 %
Il est en effet indispensable dordonner ce qui a t relev pour rvler la signification
des faits. Ainsi dans lexemple de la figure 6.5, nous avons class les causes darrt
dune machine de production de la plus importante la plus faible, en nombre dheures
dimmobilisation.
Pourcentage cumul
Problmes
100 %
0%
D
f
a
u
t

s
u
r

p
i
c
e
s
D
f
a
u
t
m
a
t
i
r
e
P
a
n
n
e
s
R
g
l
a
g
e
s
A
b
s
e
n
c
e
s
o
p
r
a
t
e
u
r
s
M
a
i
n
t
e
n
a
n
c
e
p
r
v
e
n
t
i
v
e
D
i
v
e
r
s

n
o
n
i
d
e
n
f
i
f
i
s
Figure 6.5 Analyse des causes des arrts sur une machine
Le diagramme fait clairement apparatre que les deux lments sur lesquels le groupe
doit travailler en priorit sont les dfauts sur pices ainsi que les dfauts matire.
La construction dun diagramme de Pareto est simple :
on ordonne les causes de la plus importante la moins importante ;
Causes darrt Dure (H) % du temps total Cumul du %
Dfauts sur pices 83,2 37,0 % 37,0 %
Dfauts matire 49,5 22,0 % 59,0 %
Pannes machine 36,0 16,0 % 75,0 %
Absences oprateurs 34,9 15,5 % 90,5 %
Arrt pour maintenance
prventive
7,4 03,3 % 93,8 %
Rglages 7,2 03,2 % 97,0 %
Divers non identifis 6,8 03,0 % 100,0 %
Total 225 H 100,0 %
on trace la courbe du cumul des effets.
1.6 Le diagramme en arte de poisson
Lanalyse de Pareto a permis de connatre les problmes les plus importants. Il faut
maintenant identifier les causes. Le diagramme en arte de poisson sappelle aussi
diagramme causes-effets ou diagramme dIshikawa.
Le diagramme en arte de poisson se construit en rgle gnrale aprs un dbal-
lage dides (brainstorming) qui permet de collecter un maximum dides. On
regroupe sur une figure en forme darte de poisson (figure 6.6) lensemble des familles
de causes possibles de leffet tudi. Sur chaque ramification, on note les causes, les
sous-causes, etc.
Ce schma permet au groupe de se construire une reprsentation collective des relations
entre les causes et leffet engendr. Il permet galement den faire une classification.
Cet outil doit tre largement utilis aprs une phase de dballage dides pendant
laquelle on a ncessairement quelques redondances. Ce type de schma permet de
classer les ides du groupe, de faire disparatre les redondances et de faire apparatre
les ventuels oublis. Nous reviendrons plus en dtail sur larticulation ncessaire entre
les sept outils.
Mthodes
Casse outil
Panne
secteur
Absence
formation
Panne
machine
Dfaut sur
la nuance
Machine Matire
Effet
Arrt
production
Milieu Main duvre
Figure 6.6 Diagramme en arte de poisson
1.7 La carte de contrle
La carte de contrle est llment de base de la matrise statistique des procds (MSP).
Le principe de base est de considrer que tout systme est soumis des variations
alatoires qui gnrent une rpartition de la caractristique qui suit une loi normale.
Tant que les variations de la sortie peuvent tre admises comme des variations statis-
tiques, il nest pas ncessaire dintervenir. Ds que ces variations sont suprieures
la limite admissible, on considre que le systme nest plus sous contrle, il faut
intervenir.

i le
Cible
Variations
alatoires normales
autour de la cible
Calendrier
Limite suprieure de contrle
Limite infrieure de contrle
02/07 03/07 04/07 05/07 06/07 09/07 10/07 11/07 12/07
Figure 6.7. Carte de contrle surveillance dune temprature
Dans cet exemple, le dernier point est hors contrle, lcart entre ce point et la valeur
cible nest plus expliqu par les variations alatoires. On dit quil y a prsence dune
cause spciale.
Exemple dapplication : pour un marathonien, un des critres du procd
surveiller est le poids sil veut pouvoir maintenir une performance. On dit en gn-
ral quun kilo de trop correspond une perte de 5 minutes sur un marathon.
Pourtant, comme chacun le sait, le poids dune personne est soumis dimpor-
tantes fluctuations alatoires. Pour savoir si les variations de poids observes
sexpliquent par les fluctuations alatoires ou si cest le signe dune drive du
procd , il faut utiliser une carte de contrle. Aprs une priode dobservation
dun mois par exemple pendant laquelle le marathonien se psera tous les matins,
il pourra facilement calculer les fluctuations alatoires en limitant celles-ci plus
ou moins trois carts types. La cible devient la moyenne des poids de la priode
dobservation. Par la suite, il lui suffira de dessiner son poids du matin sur le
graphique pour suivre ce paramtre. Cette carte extrmement simple mettre en
uvre permettra :
de visualiser les tendances difficiles suivre sur une srie de chiffres non enre-
gistrs ;
de dtecter et de mieux comprendre les causes spciales telles quun repas bien
arros (vers le haut) ou un surentranement (vers le bas) et de pouvoir les pr-
venir ;
de dissocier les fluctuations alatoires qui ne ncessitent aucune action correc-
tive des fluctuations affectes directement une cause qui doit tre traite.
Nous reviendrons en dtail sur cet outil dans le chapitre sur la Matrise Statistique des
Procds.
1.8 Le diagramme de corrlation
Le diagramme de corrlation est galement un outil connu mais trop peu utilis. Il
permet de savoir si deux variables voluent de faon commune. Le principe du dia-
gramme est le suivant :
on reprsente les mesures sur un diagramme dont les axes reprsentent les deux
variables ;
chaque mesure reprsente un point, le relev de plusieurs mesures forme un nuage
de points ;
la corrlation apparatra si le nuage est orient suivant une droite.
1
1.05
1.1
1.15
1.2
1.25
1.3
1.5 1.6 1.7 1.8 1.9 2
Taille du pre
T
a
i
l
l
e

d
e

l
e
n
f
a
n
t
Figure 6.8 Corrlation entre la taille du pre et du fils
Dans lexemple figure 6.8, une corrlation apparat entre la taille du pre et celle de
lenfant, car le nuage de point est orient. Cette corrlation est positive, les deux
variables voluent dans le mme sens.
Absence de
corrlation
Corrlation
positive
Corrlation
positive
forte
Corrlation
ngative
forte
Corrlation
ngative
Figure 6.9 Les cinq types de corrlation
On peut classer les diagrammes de corrlation en cinq types selon le nuage de points
comme lindique la figure 6.9. De plus, les rsultats graphiques peuvent tre utilement
enrichis par :
Lquation de la droite de rgression qui permet de connatre la pente et lordonne
lorigine de la droite qui passe au mieux des points.
Le coefficient r
2
qui indique le pourcentage des variations de Y que lon peut imputer
aux variations de X.
Attention cependant ne pas mlanger corrlation et cause/effet. En effet, si dans
lexemple qui prcde, la corrlation et due une relation de cause effet, il nen est
pas toujours de mme. En effet, prenons le graphe figure 6.10, il indique une corrlation
entre le poste automobile dans le budget familial et le volume moyen de dchets
mnagers par foyer. Ce nest pas pour autant que les voitures gnrent des dchets
mnagers, mais ces deux facteurs ont une mme cause, non tudie ici : Le pouvoir
dachat .
0
2
4
6
8
10
0 2000 4000 6000 8000
Cot moyen du poste automobile
Volume
moyen en
ordures
mnagres
Figure 6.10 Diffrence entre corrlation et cause/effet
2. DAUTRES OUTILS DUTRAVAIL DE GROUPE
videmment, le travail de groupe et la rsolution de problmes utilisent dautres outils
que les sept outils que nous venons de dcrire. Nous dveloppons dans ce paragraphe
les outils les plus utiliss.
2.1 Le dballage dides
Le dballage dides (brainstromimg) ne fait pas partie des sept outils traditionnels, il
a pourtant un rle essentiel dans la rsolution de problme. Le travail de groupe cote
cher, il faut donc quil soit efficace pour tre rentable. Un dballage dides bien anim
permet de gagner un temps prcieux. Le principe de base du dballage dides est de
runir un groupe pluridisciplinaire, afin de provoquer la crativit par lmulation
mutuelle.
Le dballage dides doit toujours commencer par lcriture claire de lobjectif de
ltude. Cet objectif devant tre accept consensuellement.
Pendant le dballage dides, chaque membre du groupe voque tous les lments
concernant le sujet qui lui passent par la tte. La critique des ides est interdite pendant
le dballage, elle viendra en son temps. Pour tre efficace, un animateur doit inscrire
sur des papiers les lments au fur et mesure quils sortent, et les afficher sur un
mur laide dun adhsif repositionnable. Il est trs important dviter la manie des
tableaux papier, qui ne permettent pas de structurer efficacement le travail aprs le
dballage. Dans un premier temps, les papiers sont colls en dsordre sur le mur et
noncs clairement afin de donner des ides aux autres membres du groupe.
En gnral, il nest pas trs utile de poursuivre pendant trs longtemps le dballage.
Souvent, bien conduit, une demi-heure une heure suffit largement.
De rcentes tudes ont montres quon pouvait grandement amliorer lefficacit dun
dballage dides en le faisant prcder dune premire tape o chaque membre du
groupe produit de faon individuelle les ides quil a sur le sujet. La phase de mise
en commun sappuie ensuite sur cette production individuelle pour lenrichir.
Cependant, le dballage nest quune premire tape. Aprs, il faut classer les donnes
qui sont en vrac au tableau. Pour cela, on utilise les outils tels que le diagramme
dIshikawa autour des cinq M, ou un diagramme des affinits que nous dvelopperons
dans le paragraphe suivant. Cest au cours de ce classement que lutilisation dadhsifs
repositionnables est apprcie. On limine les redondances, parfois on dmultiplie une
ide qui tait comprise diffremment par deux personnes et enfin on regroupe sous la
forme de macro-ides les lments les plus proches.
2.2 Le diagramme des affinits
Le but du diagramme des affinits est deffectuer des regroupements aprs un dballage
dides. En effet, les ides mises sont parfois redondantes, parfois mal comprises par
le groupe. Pour pouvoir utilement utiliser toutes les ides, il faut en quelque sorte faire
un nettoyage des ides .
Pour cela, on relie chaque ide en vrifiant que chaque participant comprend bien la
mme chose que ce qui est crit. On positionne alors lide proximit des ides de
nature similaires. Ce travail de classement permet :
dliminer les redondances ;
de clarifier les ides mises ;
dorganiser et de hirarchiser la collecte.
Pour chaque groupement ralis, on recherchera un titre qui permet de synthtiser les
ides du groupe. Lorsque le nombre dides est important, on peut raliser un second
niveau de regroupement.
La figure 6.11 montre un exemple, un peu lagu, de diagramme des affinits pour
rsoudre un problme de facettes en rectification.
Conditions
de rectification
Vitesse de rotation
meule
Vitesse de rotation
pice
Avance
Prof de passe
Montage
de la meule
Origine du problme : outil
Type de montage
Qualit de
lquilibrage
Composition
de la meule
Liant
Grade
Grosseur des grains
Nature des grains
Figure 6.11 Diagramme des affinits
2.3 Le vote pondr
Le vote pondr permet de faire un choix parmi les diffrents lments qui apparaissent
aprs un dballage dides.
Supposons que lors dun dballage dides entre 5 personnes, 15 solutions potentielles
aient t voques. Comme il nest pas possible de mettre en place les 15 solutions,
il faut choisir celles qui paraissent le plus efficace. Afin dviter de longues et striles
discussions, on donne par exemple 5 droits de vote chaque membre du groupe. Les
cinq personnes rflchissent individuellement et choisissent les cinq solutions qui leurs
semblent le plus efficace. Aprs rflexion, chacun note au tableau les cinq solutions
quil a retenues.
En gnral, lissue de ce vote, on trouve trois catgories de solutions :
Celles qui ont eu lunanimit ou presque des votes. Ces solutions seront alors rete-
nues, il nest pas utile de perdre son temps discuter.
Celles qui nont pas eu ou trs peu de votes. Ces solutions ne seront pas retenues
au moins dans un premier temps. Il nest pas non plus utile de perdre son temps
discuter sur ces solutions.
Celles qui obtiennent des avis partags. Elles sont en gnral peu nombreuses, et
font lobjet de discussions du groupe pour savoir sil faut ou non les retenir.
Dans sa forme la plus simple telle que nous venons de lexposer, le vote ne prend que
quelques minutes au groupe. Il lui permet par contre de gagner parfois quelques heures
de discussions ! On peut cependant avoir recours un vote plus sophistiqu en incluant
plusieurs critres. La figure 6.11 montre le rsultat dun vote dans lequel on a demand
chaque membre du groupe de noter les ides de 1 5 selon trois critres : lefficacit,
le cot et le dlai de ralisation. Chaque critre nayant pas la mme importance, on affecte
dun poids diffrent lefficacit (9), le cot (3) et le dlai de ralisation (1). Les notes, qui
apparaissent dans le tableau, sont les moyennes des notes donnes par chaque individu.
La note globale est obtenue en additionnant chaque note pondre par le poids du
critre correspondant.
Solutions Efficacit
Poids (5)
Cot
(Poids 3)
Dlai
(Poids 1)
Note
Globale
Changer le type de joint 4,2 1,2 2,5 27,1
Diminuer la rugosit 2,1 1,7 3,6 19,2
Changer de type de fluide 1,3 1,3 1,2 11,6
Rajouter une gorge 3,5 2,5 2,1 27,1
Modifier le diamtre de gorge 2,8 4,6 4,6 32,4
Figure 6.12 Rsultat dun vote pondr
Ce vote montre que le meilleur compromis entre lefficacit, le cot et le dlai de mise
en uvre de la solution est ralis par la solution modifier le diamtre de gorge .
Bien sr, dans ce type de vote, le choix des poids affects chaque critre reste le
problme le plus dlicat.
2.4 Le diagramme forces/faiblesses
Le diagramme forces/faiblesses est loutil que nous utilisons pour comparer deux solu-
tions. Chaque solution fait lobjet dun compromis, et possde des forces, mais aussi
des faiblesses. Le diagramme forces/faiblesses permet de comparer de manire la plus
objective possible les deux compromis et de choisir la meilleure des solutions.
0 1 2 3 4 - 1 - 2 - 3 4
Critres
Linarit des flux
Solution 1 Solution 2
Longueur des
trajets
Luminosit des
zones de travail
Facilit de
circulation
Faiblesses Forces
Figure 6.13 Diagramme forces/faiblesses
La figure 6.13 montre un diagramme forces/faiblesses qui compare deux solutions
dimplantation de machines dans un atelier. Le diagramme fait clairement apparatre
les avantages et les inconvnients des deux solutions.
2.5 Le QQOQCP
Le QQOQCP est un outil qui permet de se poser les bonnes questions avant daborder
un problme. Il nest en effet pas rare des se jeter tte baisse sur une solution sans
avoir fait le tour de la question. Cest une fois la solution mise en uvre que lon
saperoit que lon avait oublier un lment important qui remet en cause la solution
choisie.
Pour tre sr dapprhender le plus compltement possible un problme, il faut se
poser les questions QQOQCP (Qui ? Quoi ? O ? Quand ? Comment ? Pourquoi ?).
La rponse ces questions permet didentifier les aspects essentiels dun problme.
QUI : Qui est concern, par le problme, quelles sont les personnes impliques ?
QUOI : Quel est le problme ?
O : En quel lieu le problme se pose t-il ?
QUAND : quel moment le problme apparat-il ?
COMMENT : Sous quelle forme le problme apparat-il ?
POURQUOI : Quelles sont les raisons qui poussent rsoudre ce problme ?
Enfin, ces questions peuvent chacune tre utilement compltes par un COMBIEN ?
qui permet de donner une rponse chiffre.
Par exemple, la figure 6.14 donne le rsultat que QQOQCP pour un problme de
mauvaise soudure sur un emballage.
Questions Rponses Combien
QUI ? Services production & qualit
QUOI ? Mauvaise tanchit des sachets Environ 0,1 % de la produc-
tion
O ? Au niveau de la soudure
QUAND ? Sur la machine de thermosoudure de la
ligne 24 (nouvelle machine)
COMMENT ? Retour client aprs constatation de moi-
sissures sur le produit
2 retours ce jour
POURQUOI ? Non-qualit critique pour le client nces-
sit de rsoudre le problme en urgence
Dlai 3 semaines
Figure 6.14 Exemple de QQOQCP
2.6 Les autres outils...
On pourrait continuer encore longtemps lnumration des outils utiles pour faciliter
le travail de groupe car il en existe plus dune centaine. Nous nous sommes limits ici
ceux que nous pratiquons couramment. Bien entendu, en fonction de la personnalit
de chacun, on utilisera un outil plutt quun autre. Mais limportant nest pas davoir
une panoplie pleine doutils. Il est prfrable de matriser simplement quelques outils
et surtout de les utiliser !
3. LAMISE ENUVRE DUNE DMARCHE
DE RSOLUTIONDE PROBLME
Une dmarche de rsolution de problme ne doit pas correspondre lutilisation dsor-
donne de tous les outils que nous venons de dcrire. Au contraire, cest au travers
dune dmarche rigoureuse, balise par des tapes, que ces outils donneront toute leur
efficacit.

Outils :
Feuille de relev
Concentration
de dfaut
QQOQCP
Corrlation
Histogramme
Carte de contrle
Outils :
Dballage
dides
Outils :
Causes/effets
Diagramme
des affinits
Pareto
Outils :
Vote
Forces/faiblesses
Phase
douverture
Phase de
fermeture
Rcolter
des faits
(observations
ou mesures)
Valider par
des faits
Rcolter
des ides
de la part des
membres
du groupe
Classer
les ides
Choisir
Figure 6.15 Droulement dune tape de rsolution de problme
Les quatre grandes tapes dune dmarche de rsolution de problme sont les suivantes :
1. identifier et caractriser le problme ;
2. analyser les causes ;
3. rechercher les solutions ;
4. dfinir la mise en uvre des solutions.

Problme
principal
rsoudre
Causes
principales
du problme
Validation de
la rsolution
par les faits
Solutions
apporter
Solutions
apporter
Causes
principales
du problme
Problme
principal
rsoudre
Problmes
dans
lentreprise
Identifier et caractriser le problme
Analyser les causes
Rechercher les solutions
Dfinir la mise en uvre des solutions
Figure 6.16 Les quatre tapes de la rsolution de problme
On verra dans le chapitre consacr Six Sigma que la dmarche DMAIC (Dfinir,
Mesurer, Analyser, Innover/Amliorer, Contrler) reprend notamment cette structure
de rsolution de problme.
3.1 Droulement dune tape
La figure 6.16 montre les diffrentes tapes dune phase dans la dmarche de rsolution
de problme. On note sur cette figure limportance des faits.
Cest partir de faits que le groupe doit commencer sa recherche dide. On a alors
une phase douverture pendant laquelle on sinterdira toute critique.
Suivra alors une phase de fermeture qui a pour objectif de classer les ides et de les
hirarchiser. Un classement des diffrentes ides permettra alors au groupe de faire
des choix selon des critres objectifs. La validation des choix du groupe doit galement
se faire sur des faits partir des mmes outils que la rcolte des faits.
3.2 La dmarche de rsolution de problme
La dmarche de rsolution de problme consiste mettre en uvre la dmarche expo-
se au paragraphe 3.1. pour les quatre tapes.
3.2.1 Identifier et caractriser le problme
Le but de cette tape consiste identifier le problme principal rsoudre pour le
groupe qui possde le plus grand potentiel de gain pour lentreprise. Ce choix devra
galement tenir compte des comptences du groupe de travail.
la sortie de cette tape, le problme sera identifi, mais aussi les limites que le
groupe doit simposer dans la remise en cause du produit ou du processus tudi.
3.2.2 Analyser les causes
Cest une tape trs importante qui est malheureusement souvent ralise trop rapide-
ment. Les groupes ont toujours tendance rechercher des solutions avant davoir iden-
tifi parfaitement les causes du problme.
Pour cette tape, le travail du groupe est indispensable, mais cette tape est utilement
prpare par des tudes de corrlation, des analyses de donnes et ventuellement la
ralisation de plans dexpriences.
3.2.3 Rechercher les solutions
Dans cette tape, on recherchera supprimer la cause identifie dans ltape prc-
dente. Si la cause est interne lentreprise (exemple, une mauvaise matrise dune
machine), on cherchera une solution qui limine la cause. Si la cause est externe
lentreprise (exemple, variation dans la qualit des matires premires) on trouvera
une solution corrective qui annule leffet de cette cause.
Illustrons ce propos par un exemple. Dans une entreprise, lorigine dun problme
doxydation est le type de matriau utilis. Il est facile de choisir un type de matriau
plus rsistant si ce choix dpend de lentreprise. Cependant, si le choix du matriau
est impos en raison de normes ou de compatibilit avec dautres matriaux, il faut
alors trouver une solution de protection de la zone oxyde qui permettra de contourner
le problme.
3.2.4 Dfinir la mise en uvre des solutions
Dans cette tape, on prcisera comment les solutions seront mises en uvre, ainsi que
le calendrier et les personnes impliques. On dfinira les conditions de validation de
la dmarche en fixant les objectifs qui devront tre atteints par les faits aprs mise en
uvre des solutions.
Cette tape est rsume dans un tableau figure 6.17.
N Quoi ? Qui ? Quand ? Pourquoi ?

1 Modification du systme de serrage BE S7 Rsistance au test de
(Dupont) vibration selon norme
2 Mise en place dun suivi SPC en Fab S10 Capabilit > 1,33
production (Durand)
Description de laction
entreprendre
Description de lobjectif
atteindre aprs mise
en uvre de la solution
Figure 6.17 Tableau de suivi des actions
3.3 Exemple de dmarche : la dmarche 8D
La dmarche 8D (8 Disciplines) est une dmarche qui est trs souvent utilise dans
les entreprises comme dmarche de rsolution de problme courant. Le fondement de
la dmarche consiste crer un petit groupe de travail chaque fois quun problme
apparat. Le groupe est dissout la fin du projet. Elle est organise en 8 tapes :
1. Identifier lquipe de travail
Etablissez un petit groupe de personnes ayant les connaissances, les comptences,
lautorit et le temps de rsoudre le problme et de mettre en application les actions
correctives. Le groupe doit se choisir un pilote.
2. Dcrire le problme
Le problme doit tre dcrit de faon non ambigu (un produit, un dfaut) et en
termes mesurables. Spcifiez les clients internes et externes.
3. Actions de confinement temporaire
Mettez en uvre des actions de confinement qui protgent le client jusqu ce que
les actions correctives permanentes soient identifies et mises en application. Vri-
fiez lefficacit de ces actions
4. Identifier et vrifier les causes racines
Identifiez toutes les causes racines potentielles qui pourraient expliquer lorigine
du problme. Examinez chaque cause potentielle au regard des donnes du pro-
blme.
5. Identifier les actions correctives long terme
Identifiez les actions correctives permettant de supprimer la cause racine.
Confirmez que les actions correctives slectionnes rsolvent le problme pour le
client et ne causent pas deffets indsirables.
6. Implmenter les actions correctives permanentes
Mettez en application les actions correctives permanentes requises. Sur les produc-
tions en cours, assurez-vous que la cause racine est limine.
Si besoin retournez lidentification des causes racines
Une fois en production, surveillez les effets long terme et mettez en application
les actions additionnelles si besoin.
7. Prvenir la rcurrence
Dterminez quelles amliorations des systmes et des processus empcheraient le
problme de se reproduire. Assurez-vous que laction corrective retenue reste en
place et reste efficace. Identifiez les systmes similaires qui pourraient bnficier
des actions correctives.
8. Fliciter lquipe
Faites preuve de reconnaissance pour les efforts de lquipe, partagez votre nouvelle
connaissance et dissoudre officiellement lquipe de travail.
Pour documenter la rsolution de problme, on remplit une feuille de travail rso-
lution de problmes comme celle de la figure 6.18
tape 1 2 3 4 5 6 7 8
Actions Crer Dcrire le Mettre en Identifier Identifier Implmenter Prvenir Reconnatre
lquipe problme place les et vrifier les actions et valider la les efforts
actions de les correctives les ACP rcurrence de
confinement causes permanentes lquipe
racines (ACP)
Feuille de rsolution de problme 8D
Numro : Problme : Date douverture :
Date de fin souhaite :
tape 1 : Crer lquipe
Dpartement Nom Comptence Responsabilit Contact
tape 2 : Dfinir le problme
Produit : Dfaut :
Situation actuelle Situation souhaite
Outils suggrs : Cartographie, Est/Nest pas
tape 3 : Action de confinement temporaire
Actions Impacts
tape 4 : Identifier et vrifier les causes racines
Causes Impacts
Outils suggrs : Diagramme des 5M ; 5 Pourquoi ; Dballage dides
tape 5 : Identifier les actions correctives long terme
Quoi Qui Quand Impact
tape 6 : Implmenter les actions correctives permanentes
Rsultats obtenus :
Actions indsirables dtectes ?
tape 7 : Prvenir la rcurrence. Prenniser le rsultat
Actions sur la contrepartie Actions sur la facilitation Actions sur ltat organique
Processus ou produits similaires concerns ?
Documentation et processus impacts
tape 8 : Fliciter lquipe
Cette feuille de travail de rsolution des problmes tait-elle efficace ?
Oui/non Signature Titre Date
CHAPITRE 7
LE QFD
DPLOIEMENT DE LAFONCTIONQUALIT
Parmi lensemble des outils qualit, le QFD est un des plus rcents et reste utilis de
faon marginale dans les entreprises europennes. Pourtant, cet outil est dune remar-
quable efficacit pour la dfinition et la fabrication de produits ou de services orients
vers la satisfaction des clients.
Contrairement aux autres outils qui ont souvent t invents aux tats-Unis et dve-
lopps au Japon, cette mthode a t invente chez Mitsubishi au Japon dans les
annes 60. Son but est daider les ingnieurs prendre en considration la qualit
des produits le plus tt possible dans le processus de conception. QFD signifie Quality
Function Deployment ce que lon traduit gnralement par Dploiement de la Fonc-
tion Qualit.
Nous dvelopperons dans ce chapitre, les principes du QFD, ainsi que les aspects
pratiques de la mise en uvre de cet outil.
1. PRSENTATIONDE LAMTHODE
1.1 Objectifs du QFD
Lobjectif du QFD se trouve dans sa dfinition :
Le QFD est une mthode permettant de traduire de faon approprie les attentes
du consommateur en spcifications internes lentreprise et ceci tout au long du
dveloppement dun produit, cest--dire :
dans les phases de recherche et de dveloppement ;
dans les phases dtudes, de mthodes et de ralisation ;
dans les phases commerciales et de distribution.
Dans le contexte actuel de vive comptitivit, il devient primordial de ne pas disperser
nos efforts et de sintresser lessentiel, les besoins des clients. Ce qui est le plus
essentiel nest pas ce qui nous (les concepteurs, les fabricants) apparat important,
mais ce qui apparat important au client. Les concepteurs et plus encore les fabricants,
sont souvent loigns physiquement des clients. Il est indispensable dutiliser une
mthode qui permette de leur transmettre la voix du client dans leur langage avec
le moins de dformation possible. De plus, il est capital ds lors que nous nous foca-
lisons sur lessentiel pour le client, de comparer les performances de notre entreprise
avec les concurrents.
La mthode QFD permet de raliser ces deux tapes primordiales pour devenir plus
comptitif. Cest une mthode prventive qui permettra dviter de coteuses actions
correctives. Les principaux avantages que les utilisateurs de la mthode voquent le
plus frquemment sont :
moins de modifications aprs la mise sur le march du produit ;
diminution des cots de garantie ;
augmentation de la satisfaction du client ;
amlioration de la communication entre services ;
diminution du dlai de dveloppement.
Plusieurs coles se rclament du QFD, mais toutes ont en commun loutil graphique
qui permet de formaliser la dmarche. Nous prsenterons dans ce chapitre lapproche
la plus courante du QFD.
1.2 La boucle de linformation
Nous lavons not, ce qui est important dans un cycle de dveloppement, cest de
traduire les attentes des clients tout au long du processus pour que ceux-ci soient
finalement satisfaits par le produit propos. Il y a donc une boucle de communication
(figure 7.1) exprimant les besoins qui part du client pour donner corps un projet par
le biais du marketing et du bureau dtudes. Cette boucle passera par tous les services
de lentreprise pour aboutir au client qui apprciera si ses exigences sont satisfaites.
Cette boucle est largement dcrite dans la srie des normes ISO 9000.
Le client
Marketing
et Commercial
Commercial
Bureau
des tudes
Production
Industrialisation
Figure 7.1 Boucle de la communication
Chaque tape de cette boucle ncessite une traduction, et il importe de ne pas perdre
des informations ni de transformer ces informations au cours de ces diffrentes tra-
ductions. Chaque service a tendance avoir son propre langage.
le client exprime de faon plus ou moins claire, plus ou moins explicite ses besoins ;
le service marketing traduira ces attentes en fonction de sa propre perception du
march vers le bureau dtudes ;
le bureau dtudes fera galement voluer le projet en fonction des contraintes tech-
niques qui influeront sur la conception ;
le bureau des mthodes et la production introduiront galement dautres contraintes
lies la fabrication ;
enfin, le produit arrivera vers le client au travers dun rseau de distribution cens
lui fournir le service attendu.
CHAPITRE 7 LE QFD DPLOIEMENT DE LA FONCTION QUALIT 151
Cette boucle de linformation est telle quil nest pas improbable que le client nait
pas ce quil dsire. Pour formaliser ce dialogue entre les diffrents services et limiter
les pertes et les dformations dinformations, on utilisera efficacement le QFD.
1.3 Principe de base de la dmarche QFD
Lobjectif du QFD est de faire entrer dune faon formelle les attentes des clients dans
lentreprise. Pour atteindre cet objectif, le QFD va traduire en diffrentes tapes ces
attentes jusquaux spcifications de production. Nous pouvons schmatiser cette dmar-
che par la figure 7.2 en prenant lexemple dun client demandant un caf.
Attentes du client
Exemple : le client dsire un caf chaud et bien serr
Spcifications du produit
Taux de cafine, quantit darme extrait
Temprature comprise entre 70 C et 80 C
Caractrisiques des pices
Caf Arabica, Granulomtrie
Eau sous pression, temprature 110 C
Oprations de fabrication
Machine caf pression
Spcifications de production
Pression de15 bars
Serrage de 1/4 de tour
Comment
Comment
Comment
Comment
Figure 7.2 La dmarche QFD
Les attentes du client sont souvent imprcises et exprimes dune manire qualitative
(caf chaud, bien serr). Il est donc ncessaire de traduire ces attentes sur le produit
fini en spcifications prcises, si possible exprimes dune manire quantitative (tem-
prature comprise entre 70 et 80
o
C). Cest la premire phase du dploiement de la
fonction qualit qui sopre lors de la ralisation du cahier des charges fonctionnel.
Pour obtenir ces spcifications finales, il est ncessaire de donner aux pices (ou l-
ments constitutifs) un certain nombre de caractristiques, cest le rle du bureau dtu-
des. Dans cette tape, les attentes des clients seront traduites en caractristiques sur
les constituants comme par exemple le type de poudre de caf utiliser.
Une fois les caractristiques des pices dfinies, le bureau des mthodes doit sassurer
que les oprations de fabrication permettent de raliser ces caractristiques. Cette tape
permet de traduire les attentes des clients en oprations de fabrication. On choisit ainsi
une machine pression pour extraire davantage darmes.
Enfin, il faudra traduire les oprations de fabrication en spcifications de production
(pression dutilisation). Ainsi, il est possible de remonter la chane, et de savoir pour
chaque spcification de production, lattente du client qui est lorigine de cette sp-
cification.
La dclinaison des QUOI en COMMENT se ralise grce un tableau (figure 7.3)
habituellement appel maison de la qualit en raison de sa forme qui permet prin-
cipalement :
de montrer les corrlations entre les QUOI et les COMMENT ;
dvaluer les QUOI et les COMMENT par rapport la concurrence ;
de grer les corrlations entre les COMMENT ;
de fixer des objectifs de cots en fonction de limportance du COMMENT.
Chaque passage dun QUOI un COMMENT, cest--dire chaque tape de la dmar-
che du QFD donne lieu la ralisation dune matrice maison de la qualit .
2. LOUTIL GRAPHIQUE : LAMAISON
DE LAQUALIT
2.1 Les lments de la maison de la qualit
La figure 7.3 reprsente loutil graphique de base du QFD. On lappelle souvent mai-
son de la qualit du fait de sa forme : une maison avec son toit.
COMMENT
versus
COMMENT
POURQUOI
COMMENT
QUOI
versus
POURQUOI
QUOI versus COMMENT

COMBIEN
QUOI
COMBIEN versus COMMENT
Figure 7.3 La maison de la qualit

La maison de la qualit permet de traduire les attentes du client (les QUOI), crites
en lignes, en spcifications du produit (les COMMENT), crites en colonnes. Le prin-
cipe de base du passage de lun vers lautre est la rponse la question
QUOI/COMMENT tout en assurant davoir rpondu aux questions essentielles POUR-
QUOI et COMBIEN.
La figure 7.3 donne un exemple de matrice QFD simple qui nous permettra de mieux
dtailler les diffrentes zones. Lexemple concerne le dveloppement dun nouveau
stylo bille trs bon march. Seules quelques lignes et colonnes ont t maintenues
pour allger la prsentation.
Corrlation trs positive
Corrlation positive
Corrlation ngative
Corrlation trs ngative
E
f
f
o
r
t

a
x
i
a
l

m
i
n
i
m
a
l
crit facilement
Belle criture
Facile manipuler
Ne roule pas sur la table
Dure longtemps
Valeur cible
Importance absolue
valuation
concurrentielle
49 49 12 49 23 11 11 23
0,3
N
<
0,1
0,2
mm
>
conc
15
cm
8
mm
>
15
2
km
C
o
e
f
.

d
e

f
r
o
t
t
e
m
e
n
t
L
a
r
g
e
u
r

d
u

t
r
a
i
t
D
e
n
s
i
t

d
e

l
a

c
o
u
l
e
u
r
L
o
n
g
u
e
u
r

d
u

s
t
y
l
o
D
i
a
m
t
r
e

m
o
y
e
n
I
n
c
l
i
n
a
i
s
o
n

c
r
i
t
i
q
u
e
D
i
s
t
a
n
c
e

d
c
r
i
t
u
r
e
P
o
i
d
s

m
o
y
e
n
1 2 3 4 5 I
m
p
o
r
t
a
n
c
e

t
u
d
i
a
n
t
I
m
p
o
r
t
a
n
c
e

e
n
t
r
e
p
r
i
s
e
v
a
l
u
a
t
i
o
n
c
o
n
c
u
r
r
e
n
t
i
e
l
l
e
C
O
M
M
E
N
T
C
O
M
B
I
E
N
POURQUOI
QUOI
Relation forte (9)
Relation modre (3)
Relation faible (1)
5 5 5
4 5 3
2 1 3
1 1 1
3 3 3
1
2
3
4
5
Figure 7.4 Exemple de matrice QFDsur un stylo bille
2.2 Les diffrentes zones de la maison de la qualit
Pour bien comprendre le principe de construction de la matrice, il faut parfaitement
dfinir les diffrentes zones. Le dtail des calculs qui apparaissent sur la figure 7.4
sera abord dans les paragraphes suivants.
1) Les QUOI : Cette zone contient la liste des attentes et des exigences explicites ou
implicites des clients sur le produit. Cette liste peut tre un seul niveau pour des
produits simples ou hirarchise pour des produits plus complexes.
2) Les POURQUOI : Cette zone a comme objectif de dcrire le march actuel. Elle
comprend au moins deux lments :
la liste des catgories de clients que le produit doit satisfaire, ainsi quune valuation
de limportance de chaque QUOI pour la catgorie concerne. Le poids moyen repr-
sente la moyenne des importances ;
la liste des produits concurrents ou une valuation par rapport la concurrence.
Comme dans le cas des QUOI, cette liste peut tre un ou plusieurs niveaux. Dans
le cas de lexemple, on peut hirarchiser les POURQUOI de la faon suivante :
Importance
+ tudiants
+ Industriels
+ Familial
Concurrence
+ Concurrent 1
+ Concurrent 2
3) Les QUOI versus POURQUOI : Cette zone comporte les relations entre les QUOI
et les POURQUOI. Le but de cette zone est dtablir une hirarchie parmi lensemble
des QUOI en fonction des donnes du marketing. On trouve notamment limportance
relative de chaque QUOI en fonction du type de client. On trouve galement lva-
luation comparative des concurrents sur chaque QUOI.
Ces trois premires zones sont videmment le point de dpart de la dmarche. On ne
peut pas remplir correctement ces trois zones si ltude de march na pas t faite de
faon approfondie. Le but de cette premire tape nest pas bien sr de remplir une
matrice mais de formaliser au travers de la matrice la voix du client . Cette tude
de march est dans la plupart des cas la partie la plus importante de toute la dmarche.
4) Les COMMENT : sachant les besoins exprims par les clients, il faut analyser la
faon de les satisfaire. Quels critres dvaluation du produit peut-on apporter pour
rpondre aux besoins ?
5) Les QUOI vs COMMENT : permet de mesurer les relations entre les besoins des
utilisateurs et les moyens envisags pour les satisfaire. Cette relation matricielle
QUOI/COMMENT reprsente la base et loriginalit de toute mthode QFD. En rgle
gnrale, les relations QUOI/COMMENT sont hirarchises en fonction de limpor-
tance de la relation. On utilise souvent une pondration 1, 3, 9 pour des relations
faibles, moyennes et fortes.
6) Les COMBIEN : la liste des COMBIEN sert caractriser les COMMENT un
peu de la mme manire que les POURQUOI caractrisent les QUOI. On trouve en
gnral dans cette liste :
une note dimportance ;
la cible atteindre ;
la liste des concurrents et lvaluation par rapport ceux-ci.
7) Les COMMENT vs COMBIEN : cette matrice relationnelle permet de caractriser
les COMMENT en fonction des COMBIEN
une valuation calcule de limportance des COMMENT en fonction des QUOI
quils satisfont et de leur importance respective ;
un objectif chiffr pour le COMMENT garantissant la satisfaction du client ;
une valuation comparative des COMMENT par rapport la concurrence.
8) Les COMMENT vs COMMENT : les solutions apportes pour satisfaire les
clients sont parfois contradictoires. Par exemple dans un stylo bille, on souhaite quil
glisse facilement sur la feuille et quil ne coule pas. Or le jeu entre la bille et le corps
permet un meilleur glissement, mais une fuite plus importante. On identifiera donc
dans cette partie toutes les relations positives (vont dans le mme sens en terme de
qualit) et ngatives (vont dans le sens oppos).
3. LADMARCHE QFD
Le but du QFD nest pas de remplir une matrice, mais damliorer la qualit des
produits conus suivant cette mthode. La matrice reprsente le support qui formalise
la dmarche. Ainsi, en remplissant correctement tous les lments de cette matrice, on
soblige valider successivement toutes les tapes qui mnent au succs. Les tapes
pour la construction de la matrice sont les suivantes :
3.1 Dfinition des objectifs et des moyens
Dans cette premire tape, on dfinit parfaitement :
les objectifs et les limites de ltude ;
la composition de lquipe responsable ;
le balisage et les diffrentes validations qui seront effectues au cours de ltude.
Lquipe responsable du projet doit tre forme de professionnels comptents et capa-
bles de communiquer. Le QFD tant un travail dquipe, le sens de la communication
est un impratif.
3.2 Dfinition de la voix du client
Cest sans doute ltape la plus importante du QFD. En effet, lobjectif du QFD est
de parfaitement traduire dans le produit qui sera conu la voix du client. Il est donc
indispensable davoir ralis une tude de march la plus complte possible pour bien
identifier les besoins.
Ltude de la voix du client se traduit dans la maison de la qualit par les zones QUOI
/ POURQUOI / QUOI versus POURQUOI.
crit facilement
Belle criture
Facile manipuler
Dure longtemps
P
o
i
d
s

m
o
y
e
n
1 2 3 4 5 I
m
p
o
r
t
a
n
c
e

t
u
d
i
a
n
t
I
m
p
o
r
t
a
n
c
e

e
n
t
r
e
p
r
i
s
e
v
a
l
u
a
t
i
o
n
c
o
n
c
u
r
r
e
n
t
i
e
l
l
e
5 5 5
4 5 3
2 1 3
1 1 1
3 3 3
Situation de notre produit
par rapport la concurrence
QUOI exprims
ou implicites
Poids attribu en fonction
de limportance pour le client
Figure 7.5 tude de march
Pour cela, il faut :
Identifier les diffrentes catgories de clients potentiels ;

Analyser les produits :
Les produits vendus par lentreprise,
Les produits concurrents ;
Ecouter la voix des personnes intresses directement ou indirectement par le
produit :
Les clients,
Les propritaires,
Ceux qui ont achet vos produits,
Ceux qui ont achet les produits concurrents,
Ceux qui sont passs aux produits de la concurrence,
Ceux qui sont satisfaits,
Ceux qui ne sont pas satisfaits ;
Identifier toutes les attentes clients par rapport au produit :
les innovations souhaites,
la hirarchie entre les diffrentes attentes,
les fonctions essentielles ou facultatives,
tous les produits concurrents et lapprciation des clients sur ces produits,
la listes des amliorations potentielles apporter.
Cette tude qui doit couvrir les aspects techniques et motionnels est conduite par le
marketing et peut prendre plusieurs mois. Cette enqute se fait en recourant diff-
rentes mthodes :
sondage : courrier, tlphone ;

cliniques (les clients viennent avec leur produit et discutent du produit) ;
groupes de discussion (une heure ou deux avec des personnes reprsentatives) ;
interviews individuelles (pour faire ressortir les attentes des personnes silencieuses) ;
coute dans les structures de vente, les foires, salons, expositions, etc. ;
Information existante au sein des archives.
3.3 Dfinition des relations QUOI/COMMENT
A partir de ltude de march, il faut se poser la question : comment satisfaire les
besoins des clients ? . Ainsi, pour chaque QUOI, il faut dfinir le (ou les) COMMENT.
Le client exprime son besoin dans son vocabulaire (il veut un caf chaud, il veut un
stylo qui glisse sur le papier) le technicien doit traduire ce vocabulaire en spcification
technique quantifiable (temprature, coefficient de frottement).
Cependant, un QUOI peut tre rsolu par plusieurs COMMENT, et un COMMENT
peut rsoudre plusieurs QUOI, avec des degrs divers de relations. Pour imager ces
relations entre les QUOI et les COMMENT, le QFD propose dutiliser un tableau
rectangulaire (figure 7.6) dans lequel on symbolisera les relations entre les QUOI et
les COMMENT par une petite icone symbolisant limportance de la relation entre le
QUOI et le COMMENT.
E
f
f
o
r
t

a
x
i
a
l

m
i
n
i
m
a
l
crit facilement
Belle criture
Facile manipuler
Dure longtemps
C
o
e
f
.

d
e

f
r
o
t
t
e
m
e
n
t
L
a
r
g
e
u
r

d
u

t
r
a
i
t
D
e
n
s
i
t

d
e

l
a

c
o
u
l
e
u
r
L
o
n
g
u
e
u
r

d
u

s
t
y
l
o
D
i
a
m
t
r
e

m
o
y
e
n
I
n
c
l
i
n
a
i
s
o
n

c
r
i
t
i
q
u
e
D
i
s
t
a
n
c
e

d
c
r
i
t
u
r
e
P
o
i
d
s

m
o
y
e
n
1 2 3 4 5 I
m
p
o
r
t
a
n
c
e

t
u
d
i
a
n
t
I
m
p
o
r
t
a
n
c
e

e
n
t
r
e
p
r
i
s
e
v
a
l
u
a
t
i
o
n
c
o
n
c
u
r
r
e
n
t
i
e
l
l
e
C
O
M
M
E
N
T
QUOI
POURQUOI
5 5 5
4 5 3
2 1 3
1 1 1
3 3 3
Relation forte
Relation modre
Relation faible
Forte
Modre
Faible
Figure 7.6 Relation QUOI/COMMENT
3.4 Dfinition des COMBIEN
Pour complter le tableau prcdent, il faut prciser le COMMENT par un COMBIEN,
cest--dire donner une valeur quantitative (la cible) au COMMENT. Pour cela, on
rajoute sous le tableau une grille permettant cette valuation (figure 7.7). Pour illustrer
cette tape, lattente dun client concernant notre stylo :
QUOI : crit facilement.
COMMENT : Effort axial minimal pour permettre lcriture.
COMBIEN : Infrieur 0,3 N pour une largeur de trait de 0,15 mm.
E
f
f
o
r
t

a
x
i
a
l

m
i
n
i
m
a
l
crit facilement
Belle criture
Facile manipuler
Dure longtemps
Valeur cible
0,3
N
<
0,1
0,2
mm
>
conc
15
cm
8
mm
>
15
2
km
C
o
e
f
.

d
e

f
r
o
t
t
e
m
e
n
t
L
a
r
g
e
u
r

d
u

t
r
a
i
t
D
e
n
s
i
t

d
e

l
a

c
o
u
l
e
u
r
L
o
n
g
u
e
u
r

d
u

s
t
y
l
o
D
i
a
m
t
r
e

m
o
y
e
n
I
n
c
l
i
n
a
i
s
o
n

c
r
i
t
i
q
u
e
D
i
s
t
a
n
c
e

d
c
r
i
t
u
r
e
P
o
i
d
s

m
o
y
e
n
1 2 3 4 5 I
m
p
o
r
t
a
n
c
e

t
u
d
i
a
n
t
I
m
p
o
r
t
a
n
c
e

e
n
t
r
e
p
r
i
s
e
v
a
l
u
a
t
i
o
n
c
o
n
c
u
r
r
e
n
t
i
e
l
l
e
C
O
M
M
E
N
T
POURQUOI
QUOI
5 5 5
4 5 3
2 1 3
1 1 1
3 3 3
Cible atteindre
pour satisfaire le client
Figure 7.7 La valorisation par COMBIEN
Pour chaque COMMENT, les techniciens devront donc prciser :
la valeur cible idale ou la limite dacceptation ;
une valuation de chacun des concurrents par rapport cet idal ;
la direction des amliorations apporter par rapport au produit existant.
La cible peut sexprimer de quatre faons diffrentes :
une valeur idale atteindre (largeur du trait) ;
une valeur maximale ne pas dpasser (effort dcriture) ;
une valeur minimale atteindre (distance dcriture) ;
un tat (prsence ou non de capuchon).
La maison de la qualit est alors complte en hirarchisant les COMMENT. Pour
cela, lors de ltude de march, on affecte une note de 1 5 chacun des QUOI.
Chaque type de relation QUOI/COMMENT est pondr par un coefficient 1, 3 ou 9.
En fonction de limportance des relations, on calcule alors lvaluation de chacun des
COMMENT en multipliant la note du QUOI par le coefficient de la relation. (Voir
figure 7.8).
crit facilement
Belle criture
Facile manipuler
Dure longtemps
Valeur cible
Importance absolue
valuation
concurrentielle
49 49 12 49 23 11 11 23
0,3
N
<
0,1
0,2
mm
>
conc
15
cm
8
mm
>
15
2
km
1 2 3 4 5
C
O
M
B
I
E
N
POURQUOI
QUOI
Relation forte (9)
Relation modre (3)
Relation faible (1)
5 5 5
4 5 3
2 1 3
1 1 1
3 3 3
COMMENT
1
2
3
4
5
11= 2 1 + 1 9
Figure 7.8 valuations pondres
Cette valuation permet de bien dfinir quelles seront les caractristiques essentielles
du produit vis--vis du client.
3.5 Evaluation concurrentielle des COMMENT
Comme dans le cas des QUOI, pour chaque COMMENT, on doit valuer comment
on se situe par rapport au concurrent. Dans le cas du coefficient de frottement par
exemple, la valeur mesure sur notre stylo est de 0,07 alors que la concurrence va de
0,063 0,095. Le maxi tant fix 0,01 on a mis une note de 3/5. On fait de mme
pour tous les COMMENT de la matrice.
3.6 Analyse concurrentielle QUOI/COMMENT de la matrice
B
o
n
QUOI
M
a
u
v
a
i
s
Comment
Combien
Figure 7.9 Confrontation la concurrence

CHAPITRE 7 LE QFD DPLOIEMENT DE LA FONCTIONQUALIT 161
Ltape suivante dans le QFD, consiste confronter lvaluation des QUOI et des
COMMENT par rapport la concurrence. Cette confrontation se fait gnralement
en utilisant un simple graphique prcisant le niveau dans une chelle BON/MAU-
VAIS. En rgle gnrale, si une fonction, nest pas bien ralise vis--vis de la
concurrence, les COMMENT correspondants ne sont pas trs bons non plus. Dans
le cas contraire, cela signifie que nous sommes bien placs sur le plan technique,
sans tre bien valus sur le plan de la satisfaction du client. Il y a un conflit quil
est ncessaire dclairer.
crit facilement
Belle criture
Facile manipuler
Dure longtemps
Valeur cible
Importance absolue
valuation
concurrentielle
49 49 12 49 23 11 11 23
0,3
N
<
0,1
0,2
mm
>
conc
15
cm
8
mm
>
15
2
km
1 2 3 4 5
C
O
M
B
I
E
N
POURQUOI
QUOI
Relation forte (9)
Relation modre (3)
Relation faible (1)
5 5 5
4 5 3
2 1 3
1 1 1
3 3 3
COMMENT
1
2
3
4
5
Figure 7.10 Cas dun conflit
Dans lexemple du stylo, les clients ont jug svrement la qualit de lcriture. Or
ce QUOI est fortement corrl avec la densit de la couleur qui est trs bien note.
Il y a conflit, cela signifie que les clients attendent autre chose que la densit de la
couleur lorsquils parlent dune belle criture . Le besoin du client a mal t
compris.
3.7 tude des relations entre les COMMENT
E
f
f
o
r
t

a
x
i
a
l

m
i
n
i
m
a
l
C
o
e
f
.

d
e

f
r
o
t
t
e
m
e
n
t
L
a
r
g
e
u
r

d
u

t
r
a
i
t
D
e
n
s
i
t

d
e

l
a

c
o
u
l
e
u
r
L
o
n
g
u
e
u
r

d
u

s
t
y
l
o
D
i
a
m
t
r
e

m
o
y
e
n
I
n
c
l
i
n
a
i
s
o
n

c
r
i
t
i
q
u
e
D
i
s
t
a
n
c
e

d
c
r
i
t
u
r
e
P
o
i
d
s

m
o
y
e
n
I
m
p
o
r
t
a
n
c
e

t
u
d
i
a
n
t
I
m
p
o
r
t
a
n
c
e

e
n
t
r
e
p
r
i
s
e
C
O
M
M
E
N
T
QUOI
1 2 3 4 5
v
a
l
u
a
t
i
o
n
c
o
n
c
u
r
r
e
n
t
i
e
l
l
e
POURQUOI
Corrlation trs positive
Corrlation positive
Corrlation ngative
Corrlation trs ngative
Figure 7.11 Le toit de la maison
Les COMMENT peuvent se complter, mais malheureusement, il arrive parfois quil
y ait conflit entre deux COMMENT qui sopposent. Par exemple, pour diminuer leffort
douverture dune vitre de vhicule il faut une manivelle avec un grand bras de levier,
ce qui soppose un encombrement minimum. Il faudra donc tablir un compromis
entre les deux COMMENT. Pour illustrer ces relations, nous allons placer un toit
sur la maison. Ce toit permettra de noter les relations entre tous les COMMENT pris
deux deux (figure 7.11). Nous dissocierons les corrlations positives (celles qui vont
dans le mme sens dun point de vue de la satisfaction du client) des corrlations
ngatives (celles qui sopposent).
Par exemple, pour un stylo bille, les COMMENT coefficient de frottement stylo/
feuille et effort minimum dcriture ont une corrlation positive. Plus le coeffi-
cient de frottement sera faible, plus leffort minimum sera faible. Par contre Effort
axial mimimum et largeur de trait ont une corrlation ngative. En effet, la taille
du trait augmente avec la force exerce.
3.8 Complter la matrice
Il nexiste pas de version fige de matrice QFD. Nous avons dfini les grandes tapes
indispensables la ralisation dune matrice QFD. Cependant, le graphique peut tre
complt par un certain nombre dinformations portant sur les QUOI et les COMMENT
comme par exemple :
lhistorique des rclamations clients rpertories sur un produit similaire ;
une pondration des QUOI diffrente selon le type de client ;
un taux damlioration par rapport un produit idal.
Tous les lments ncessaires la satisfaction du client doivent tre rpertoris, tout
en ayant le souci de ne pas surcharger inutilement la matrice.
3.9 Lanalyse de la matrice
Lanalyse de la matrice permet de dnicher les insatisfactions potentielles ainsi que
les incohrences. On notera par exemple :
un QUOI nayant pas de relation forte avec un COMMENT ; cela signifie quil nest
pas satisfait ;
un COMMENT nayant pas de relation forte avec un QUOI ; cette spcification
est-elle vraiment utile ?
les incohrences entre lvaluation par les clients des QUOI et des COMMENT.
Un certain nombre de questions doivent galement se poser telles que :
les compromis raliss entre des corrlations ngatives sont-elles optimales ?
toutes les questions qui se sont poses au cours du processus ont-elles eu une
rponse ?
quels seront les points forts et les points faibles du produit final ?
Lanalyse de la matrice permet de valider la dmarche QFD. Si la matrice est complte,
une grosse partie du savoir-faire de lentreprise se trouve dans cette matrice. En effet,
on y trouve toute ltude de march et les rponses techniques apportes par lentre-
prise.
Cest donc un excellent outil pour formaliser ce savoir-faire, le communiquer au sein
de lentreprise, et le faire progresser. Cest un document qui doit rester confidentiel.
4. LE DPLOIEMENT DES MATRICES
4.1 Principe du dploiement
Dans le paragraphe 3, nous avons dvelopp les principes gnraux de la construction
de la maison de la qualit. La construction de la premire matrice permet de passer
des attentes du client aux spcifications des produits. Mais pour satisfaire le client, il
faut parcourir toute la boucle de linformation (figure 7.1).
Il faut maintenant passer des spcifications du produit aux caractristiques des pices.
Le principe de la construction de cette seconde matrice est le mme que le principe
de la construction de la premire, les COMMENT de la matrice 1 devenant les QUOI
de la matrice 2. Le nouveau client est un client interne.
Ce dploiement continuera encore entre les caractristiques des pices et les oprations
de fabrication, puis entre les oprations de fabrication et les spcifications de produc-
tion. Les figures 7.12 et 7.13 indiquent les 4 phases de dploiement de la fonction
qualit, depuis les attentes des clients jusquaux spcifications de production.
Quoi

Quoi

Comment
Combien
Comment
Combien
Figure 7.12 Les COMMENT deviennent les QUOI
Spcification
du produit
Caractristiques
des pices
Nouveau
Important
Difficile
Nouveau
Important
Difficile
Nouveau
Important
Difficile
Oprations-cls
de production
Spcifications
de production

Figure 7.13 Garder lessentiel chaque dploiement
Lors du dploiement de la fonction qualit, il faut tre prudent. A partir de quelques
attentes des clients, on peut rapidement se retrouver avec des centaines de spcifica-
tions de production si on ne prend pas soin dlaguer ce qui nest pas essentiel chaque
dploiement. Le QFD ne prtend pas tre exhaustif dans son analyse, mais veut per-
mettre dobtenir la satisfaction totale du client. Lorsquun COMMENT est parfaitement
matris, que sa ralisation ne pose aucun problme, il est inutile de transformer ce
COMMENT en QUOI de la matrice aval. Cette prcaution permettra dallger consi-
drablement les matrices suivantes. Si ce travail dlagage nest pas fait, le QFD se
transforme en un outil dune extrme lourdeur qui sera difficile utiliser.
Cependant, le QFD prend une importance grandissante dans le dveloppement de nou-
veaux produits. Le simple fait de crer les deux premires matrices, permet aux tech-
niciens et aux commerciaux de bien sentendre sur le vrai besoin du client. Cela permet
galement de se donner des objectifs chiffrs en matire de qualit atteindre ds les
premires tapes de la conception.
4.2 Matrice Spcifications produits/Caractristiques
Les objectifs de ce dploiement sont les suivants :
slectionner la meilleure conception ;
dterminer les pices critiques ;
dterminer les caractristiques des pices critiques ;
dterminer ce qui doit tre dploy ultrieurement.
La seconde matrice diffre lgrement de la premire matrice dans sa prsentation,
mais le principe reste le mme.

1 2 3 4 5 6 7 8 9 10
5 3 N
<
0,2
1,25
0,03
<
0,02
<
0,02
25
1
132
5
1,29
0,03
PP
22
0,2 mm 2
15 63 45 2 18 51 5 45
Valeur cible sur la caractristique
Note dimportance
Largeur du trait
Effort axial minimal
S
p
c
i
f
i
c
a
t
i
o
n
s
d
t
u
d
e
s
V
a
l
e
u
r
s

c
i
b
l
e
s
I
m
p
o
r
t
a
n
c
e
R
u
g
o
s
i
t
D
i
a
m
t
r
e
S
p
h
r
i
c
i
t
F
l
u
i
d
i
t
D
e
n
s
i
t
D
i
a
m
t
r
e
M
a
t
i
r
e
S
p
h
r
i
c
i
t
......
Relation forte (9)
Relation modre (3)
Relation faible (1)
Caractristiques
critiques des pices
Systme Point dcriture
Pices Bille Encre Support
Figure 7.14 Seconde matrice du QFD
On retrouve les spcifications dtude qui ont t fixes pour satisfaire les exigences
des clients dans les QUOI. Les COMMENT sont constitus des diffrentes pices du
produit dclines dans les principales spcifications. Les COMBIEN permettent dins-
crire les cibles et les tolrances de chacune des caractristiques.
4.3 Matrice Caractristiques/Oprations
slectionner les meilleures combinaisons conception/procd ;
dterminer les paramtres critiques des procds ;
dterminer les cibles des paramtres procds ;
dterminer ce qui doit tre dploy ultrieurement.
La matrice Caratristiques/Oprations permet pour chaque pice avec ses caractristi-
ques critiques de dployer lensemble des oprations de fabrication et de prciser les
principales spcifications permettant lobtention de ces caractristiques.
1 2 3 4 5 6 7 8
5
3 < 0,02
......
1,65
45 27 42 3 45
1,25
0,03
1,25
0,03
150
daN
< 25
cycles
2500
tr/mn
25
mn
V
a
l
e
u
r
s

c
i
b
l
e
s
I
m
p
o
r
t
a
n
c
e
V
o
l
u
m
e

c
o
u
p
P
r
e
s
s
i
o
n

m
a
t
r
i
c
e
U
s
u
r
e

m
a
t
r
i
c
e
V
i
t
e
s
s
e

r
o
t
a
t
i
o
n
T
e
m
p
s

c
y
c
l
e
Relation forte (9)
Relation modre (3)
Relation faible (1)
Pices
et leurs caractristiques
critiques
Diamtre bille
Macro gamme
Oprations Mise au point Rectification
Assemblage Bille
Paramtres
critiques
du procd
Cible et tolrance
Capacit du procd (Cp)
Note dimportance
Sphricit
Figure 7.15 Troisime matrice du QFD
4.4 Matrice Oprations/Spcifications de production
finaliser les gammes de fabrication ;
tablir le plan de surveillance ;
tablir le calendrier dentretien prventif.
Cette dernire matrice est extrmement importante. Son lien avec lautocontrle et
lAMDEC processus est trs important. On retrouve pour chaque paramtre critique
lanalyse de lAMDEC en frquence / gravit / dtection et lensemble des procdures
mises en place pour assurer la qualit requise. On y retrouve galement les informations
ncessaires la gestion du poste de travail.
I
5 1 2 1 3 6
5 3 3 2 3 54
3 1 2 1 1 2
1 1 3 1 1 3
5 1 2 1 1 2
2,5
0,1
1,65
150
daN
< 25
cycles
2500
tr/mn
25
mn
1 = Non critique
3 = Trs critique
R
e
m
a
r
q
u
e
s
O
p
r
a
t
i
o
n
s

d
u

p
r
o
c
P
a
r
a
m
t
r
e
s

c
r
i
t
i
q
u
e
s
V
a
l
e
u
r
s

c
i
b
l
e
s

d
e
s

p
a
r
a
m
t
r
e
s
C
a
p
a
b
i
l
i
t

d
u

p
r
o
c
F
a
c
t
e
u
r

d
i
m
p
o
r
t
a
n
c
e
C
o
n
t
r
l
e

d
e

q
u
a
l
i
t
H
a
b
i
l
i
t
t
e
c
t
e
r
S
r
i
t

d
e
s

p
r
o
b
l
m
e
s
F
r
q
u
e
n
c
e

d
e
s

p
r
o
b
l
m
e
s
D
i
f
f
i
c
u
l
t

c
o
n
t
r
l
e
r
E
n
t
r
e
t
i
e
n

p
r
v
e
n
t
i
f
M
c
a
n
i
s
m
e

P
o
k
a

y
o
k
e
d
u
c
a
t
i
o
n

e
t

f
o
r
m
a
t
i
o
n
N

d
e

c
o
n
t
r
l
e
D
i
r
e
c
t
e
M
a
i
n
-
d
u
v
r
e
I
n
d
i
r
e
c
t
e
T
e
m
p
s

d
e

c
y
l
e
M
u
l
t
i
p
l
i
c
a
t
i
o
n
B
i
l
l
e
s
Procdures
requises
pour lopration
valuation
de lopration
Mise
au
point
Volume
coup
Pression
Usure
matrice
Vitesse
rot
Temps
de cycle
Rectif
Information
sur
lopration
Figure 7.16 Quatrime matrice du QFD
5. LAMISE ENUVRE DUQFD
5.1 Choix dun projet QFD
Le choix du projet QFD est une tape importante pour sa russite. Cette remarque sera
encore plus vraie si lintroduction de la dmarche dans lentreprise est une dmarche
rcente. Comme toujours, le projet ne peut russir que sil a le soutien de la direction.
Il devra galement satisfaire un certain nombre de conditions.
La premire condition est de sassurer quil est possible dobtenir des rsultats. Le
projet doit possder un potentiel damlioration attendu par lentreprise. Il doit tre
simple, surtout sil sagit dun premier projet, mais pas trivial. En cas de problme
trop simple le QFD apparat comme un rouleau compresseur pour craser une fourmi.
La seconde condition portera sur les comptences de lentreprise. Ces comptences
seront des comptences humaines, mais aussi dextraction dinformations. Le remplis-
sage des matrices du QFD ncessite de nombreuses informations, sont-elles disponi-
bles ?
5.2 Cration dun groupe de travail
Le groupe de travail pour le QFD est un groupe de 6 8 personnes reprsentant les
diffrents services concerns de lentreprise. Les acteurs devront tre des personnes
motives et comptentes. Leur position hirarchique nest pas importante pour le fonc-
tionnement du groupe car comme dans tous travaux de groupe, chacun doit tre sur le
mme pied dgalit.
Les membres du groupe doivent galement tre disponibles pour participer aux ru-
nions, mais surtout en dehors de ces runions car le QFD demande beaucoup de travail.
5.3 Mise en uvre
La mise en uvre du QFD, reprend les diffrentes tapes dcrites dans le paragraphe 3.
Elle sappuie sur loutil graphique de la maison de la qualit. Selon les auteurs, plu-
sieurs variantes peuvent tre utilises. Ainsi, Gregg D. Stocker
1
retient les 14 tapes
suivantes :
1. tablir et communiquer les objectifs du projet.
2. tablir les limites du projet, et le niveau de remise en cause.
3. Rechercher les besoins des clients (les QUOI).
4. Organiser et catgoriser les besoins des clients.
5. Hirarchiser les besoins des clients.
6. Se positionner par rapport la concurrence sur les attentes des clients (avec le
point de vue du client).
7. Dvelopper les spcifications du produit (les COMMENT) pour satisfaire les
besoins du client.
8. tablir les relations entre les QUOI et les COMMENT.
9. Se positionner par rapport la concurrence sur les spcifications du produit.
10. Calculer limportance des spcifications du produit.
11. tablir un objectif chiffr pour les spcifications du produit.
12. Dterminer les corrlations entre les spcifications du client.
13. Finaliser par des compromis les objectifs sur les spcifications du produit.
14. Dployer les autres matrices.
1. Gregg D. Stocker Quality Function Deployement : Listening to the Voice of the Customer, APICS,
1991.
5.4 Les outils daide la ralisation de QFD
On la dit de nombreuses reprises, le QFD est une dmarche relativement lourde
mettre en uvre. Pour simplifier le travail administratif, quelques logiciels sont pro-
poss tels que QFD/Capture qui servent de guide la mthode, et qui permettent une
bonne interactivit en cas de modifications.
6. LES BNFICES ATTENDRE DUQFD
Le QFD, par la rigueur de sa dmarche offre de nombreux avantages. Les principaux
sont les suivants :
Le QFD est un support de communication
Les graphiques du QFD reprsentent un support trs utile la communication dans
le groupe. Ainsi, il permet dobtenir trs rapidement des consensus sur des informa-
tions prcises. Une fois la matrice remplie, quelle que soit ltape, elle reprsente
une mine dinformations. Cest vraiment le type de document ne pas laisser entre
les mains du concurrent car une grande partie du savoir-faire de lentreprise est
intgre dans les diffrentes matrices. Lorsque le produit sera repris par une autre
quipe, la transmission des connaissances par le QFD deviendra trs aise.
Le QFD diminue les dlais de lancement des produits
En prenant en compte de faon formelle lensemble des besoins des clients, le QFD
vite les coteuses modifications de dernire minute. Les modifications interviennent
plus tt dans le processus de dveloppement, et amliorent ainsi les dlais de dve-
loppement, les cots de dveloppement ainsi que les problmes lors du lancement.
Le QFD amliore la satisfaction du client
Cest bien l le plus gros bnfice. De par la nature du QFD, centr sur les besoins
des clients, il aboutit ncessairement la prise en compte de toutes les tapes de ces
attentes et ainsi leur satisfaction.
Tous ces points positifs invitent de plus en plus dentreprises franchir le pas entre
la connaissance de cet outil et son utilisation effective pour un meilleur service au
client.
CHAPITRE 8
LES PLANS DEXPRIENCES
ET LES GRAPHES DE TAGUCHI
Les plans dexpriences font partie de lensemble des outils de la qualit qui permet-
tent aux entreprises de progresser dans la matrise de la conception de produits nou-
veaux et dans la matrise des procds de fabrication. Ils forment avec dautres outils
statistiques tels que le SPC et lanalyse de rgression multiple, un ensemble cohrent
dune redoutable efficacit pour rsoudre de nombreux problmes de qualit. Ignorer
ces mthodes aujourdhui, serait se priver dun potentiel important damlioration
pour lentreprise.
1. HISTORIQUE DES PLANS DEXPRIENCES
1.1 Les origines
La mthode des plans dexpriences nest pas une technique nouvelle. Elle date en
fait du dbut du sicle avec les travaux de FISHER (1925). Les premiers utilisateurs
de ces mthodes furent des agronomes qui ont vite compris lintrt des plans dexp-
riences et notamment la rduction du nombre dessais lorsquon tudie de nombreux
paramtres. En effet, les essais en agronomie sont consommateurs de paramtres et
trs longs, ltude du rendement dun bl ncessite la prise en compte du type de
terrain, des diffrents traitements, de lensoleillement, etc... Il tait donc indispensable
de rduire le nombre dessais sans perdre en prcision. Mais cette technique est reste
relativement confidentielle et na pas russi pntrer de faon significative les indus-
tries occidentales avant les annes soixante-dix. Une des raisons de ce manque dintrt
des industriels pour la mthode tait probablement laspect trop thorique de lapproche
propose. Il a fallu les travaux du docteur Taguchi dans les annes soixante au Japon
pour que les plans dexpriences pntrent nos usines. Taguchi avec le pragmatisme
qui caractrise les Japonais a su simplifier et clarifier lutilisation des plans dexp-
riences. Son apport est considrable et la diffusion grande chelle de ses travaux aux
tats-Unis date de la fin des annes soixante-dix. Aujourdhui, les plans dexpriences
reprsentent un outil indispensable tout industriel, du plus petit au plus grand, sou-
cieux damliorer la qualit de ses produits.
1.2 Les plans dexpriences dans lindustrie
Quel que soit le secteur dactivit et quel que soit lindustriel, ce dernier est toujours
amen procder des essais. Or ces essais sont malheureusement trop souvent
conduits sans mthode. On procde par ttonnements successifs, sans planifier de faon
rigoureuse les essais pour obtenir une plthore de rsultats que lon ne sait pas toujours
trs bien exploiter.
Et pourtant, la mthode des plans dexpriences permet de conduire de faon rigou-
reuse les essais en vue dun objectif parfaitement dfini. Elle permettra, en outre, une
diminution considrable du nombre dessais par rapport aux techniques traditionnelles.
Mais plus encore, elle permettra une interprtation rapide et sans quivoque des rsul-
tats des essais en fournissant un modle exprimental du systme tudi.
En fait, cest exactement ce que recherche le technicien confront un problme. La
mthode, une fois comprise, constitue une tape irrversible dans la carrire de celui-ci
qui ne pourra plus envisager de raliser des essais sans utiliser un plan dexpriences.
2. TUDE DUNPHNOMNE
2.1 La dmarche dacquisition des connaissances
La dmarche industrielle dacquisition des connaissances reposant souvent sur lexp-
rimentation, il est important de considrer les trois critres suivants dans la mise en
uvre des essais :
elle doit faciliter lacquisition progressive des connaissances ;
elle doit minimiser le nombre dexpriences ;
elle doit fournir la meilleure prcision possible.
La premire difficult que rencontre le technicien qui souhaite raliser des essais est
de trouver les expriences raliser qui lui apporteront le plus dinformations. Cepen-
dant, les difficults de lexprimentateur ne sarrtent pas l, car, une fois les essais
raliss, il faut interprter les rsultats, ce qui nest pas toujours le plus simple !
Rponse
Facteur A
Facteur B
B Moyen
A mini A maxi
Figure 8.1 Mthode traditionnelle
La dmarche traditionnellement retenue pour faire des essais consiste faire varier un
seul facteur la fois. Ainsi, dans le cas de la figure 8.1, pour tudier deux facteurs,
on fixe successivement A et B au niveau moyen pour faire varier lautre facteur du
mini au maxi. Cette mthode, est-elle la mthode optimale ? En effet, le problme se
complique lorsque le phnomne tudi comporte des interactions.
2.2 tude des interactions
Une interaction existe lorsque le systme ne ragit pas un facteur de faon identique
selon la configuration dun autre facteur. Il existe un lien entre les deux facteurs.
La figure 8.2 reprsente le phnomne des interactions. Le premier schma montre un
phnomne sans interaction. On constate que leffet sur la rponse lorsque le facteur
A passe du mini au maxi est de (-1). Et ceci indpendamment de ltat du facteur B.
Le deuxime schma montre un phnomne avec interaction. Dans ce cas, leffet du
facteur A sur la rponse nest pas le mme selon que le facteur B est au mini ou au
maxi. En effet, lorsque A passe du mini au maxi alors que B est au mini, la variation
de la rponse est de (-2). Par contre la mme variation de A alors que B est au maxi
ne provoque quune variation de rponse de (-1). Il y a interaction entre les facteurs
A et B.
CHAPITRE 8 LES PLANS DEXPRIENCES ET LES GRAPHES DE TAGUCHI 175
Rponse
Facteur B
Facteur B
Rponse
Facteur A
Facteur B
1
1
1
2
Interaction entre A et B Pas d'interaction entre A et B
Figure 8.2 Notion dinteraction
videmment, en ne faisant varier quun facteur la fois de faon classique, ltude
des interactions est impossible.
2.3 Prcision sur les rsultats
La seconde limite de la dmarche traditionnelle concerne la prcision sur les rsultats
dune campagne dessai.
Pour comprendre lamlioration de la prcision apporte par les plans dexpriences,
nous allons reprendre le cas de ltude de deux facteurs A et B.
Ouverture Ouverture
(Facteur A)
2 bars
1 bar
Stratgie n 1 Stratgie n 2
1 Cran
M1
M2
M3 M4
Y1
Y2
Y3 Y4
Pression Pression
(Facteur B)
3 Crans 1 Cran 3 Crans
Figure 8.3 Les deux stratgies
Dans ce plan, la stratgie classique (n
o
1) consiste tudier un facteur la fois, le
second tant plac au niveau moyen (figure 8.3). La stratgie des plans dexpriences
(n
o
2) consiste se placer aux quatre coins du domaine dtude.
Dans la stratgie classique leffet du facteur A sera valu en faisant la diffrence
entre lessai 2 et lessai 1 : E
A
= M4 M3
Dans la stratgie des plans dexpriences, leffet du facteur A sera valu en faisant
la diffrence entre le rsultat moyen lorsque A est au maxi (2 bars) et le rsultat moyen
lorsque A est au mini (1 bar). On a donc :
EA = 1/2(Y2 + Y4) 1/2(Y1 + Y3)
La stratgie des plans dexpriences calcule leffet moyen partir de moyennes alors
que la stratgie classique le calcule partir dune seule valeur. Or, la thorie de lchan-
tillonnage nous dit que lorsquune population est distribue avec un cart-type la
moyenne dun chantillon de n valeurs est distribue selon un cart-type / _n.
La figure 8.4 illustre le gain en prcision entre la stratgie classique et la stratgie des
plans dexpriences. Dans le premier cas, on ne raisonne que sur des valeurs indivi-
duelles, le cne derreur est important. Il peut mme conduire une inversion dans le
sens des effets.
Dans le second cas, leffet de la moyenne diminue le cne derreur, et dans le cas de
la figure 8.4, supprime le risque dinverser le sens des effets.
On peut dmontrer, que, compte tenu dun nombre dessais donn, la mthode des
plans dexpriences est la mthode la plus prcise et quon ne peut pas faire plus prcis.
Effet rel
Cne derreur
stratgie classique
Cne derreur
plans dexpriences
Population ()
Moyenne de 2 valeurs (/ 2 )
inversion
deffet
Niveau 1 Niveau 2
Figure 8.4 Les deux cnes derreurs
2.4 Application sur un plan dexprience complet
Raliser un plan dexprience complet consiste raliser tous les essais chaque nud
du maillage. Prenons le cas o le nombre de niveaux par facteur est diffrent dun
facteur lautre. Pour illustrer ceci, nous allons tudier un problme damlioration
dune rugosit sur une rectifieuse.
Les facteurs tudis sont les suivants :
Symbole Facteur Niveau 1 Niveau 2 Niveau 3
A Type de meule Meule 1 Meule 2
B Rotation pice Vitesse 1 Vitesse 2 Vitesse 3
C Vitesse meule Vitesse 1 Vitesse 2
La rponse mesure est le critre de rugosit Ra.
Le plan complet comporte donc 2 x 3 x 2 = 12 essais. On vrifie facilement que le
plan ci-dessous comporte tous les essais du maillage.
Essais A B C Y
1 1 1 1 0,36
2 1 2 1 0,39
3 1 3 1 0,46
4 1 1 2 0,47
5 1 2 2 0,53
6 1 3 2 0,74
7 2 1 1 0,37
8 2 2 1 0,41
9 2 3 1 0,48
10 2 1 2 0,49
11 2 2 2 0,55
12 2 3 2 0,76
La moyenne gnrale des 12 essais est de M = 0,50 m.
Pour faciliter linterprtation, on reprsente lensemble des effets et des interactions
de faon graphique. Ce graphe permet de visualiser leffet des facteurs et linfluence
des interactions.
+ Effet des facteurs tudis
Pour illustrer cet effet, on tablit le tableau des moyennes :
Niv/fact A B C
1 0,49 0,42 0,41
2 0,51 0,47 0,59
3 0,61
Moyenne des essais
1, 2, 3, 7, 8, 9 o le facteur C est 1
Ce tableau se met facilement sous forme graphique (voir figure 8.5).
Pour les interactions on ralise pour chaque interaction un tableau qui prcise la valeur
moyenne obtenue dans chaque configuration.
Interaction AB
A/B B = 1 B = 2 B = 3
A = 1 0,415 0,46 0,6
A = 2 0,43 0,48 0,62
Moyenne des essais 3 et 6 o
le facteur A est 1
le facteur B est 3
Interaction BC
C/B B = 1 B = 2 B = 3
C = 1 0,36 0,40 0,47
C = 2 0,48 0,54 0,75
Moyenne des essais 3 et 9 o
le facteur C est 1
le facteur B est 3
Interaction AC
C/A A = 1 A = 2
C = 1 0,40 0,42
C = 2 0,58 0,60
Moyenne des essais 7, 8 et 9 o
le facteur C est 1
le facteur A est 2
Ces graphes se mettent galement sous forme de graphique. On note que dans le cas
dune interaction nulle (exemple AC), les deux droites obtenues sont parallles. On
montre facilement que seule linteraction BC est significative.
Graphe des effets
0.3
0.4
0.5
0.6
0.7
0.8
Meule 1 Meule 2 Rot
Pice 1
Rot
Pice 2
Rot
Pice 3
Vit
Meule 1
Vit
Meule 2
Interaction BC Interaction AC
0.3
0.4
0.5
0.6
0.7
0.8
0.3
0.4
0.5
0.6
0.7
0.8
Rot pice 1 Rot pice 2 Rot pice 3
Vit Meule 1
Vit Meule 2
Meule 1
Meule 2
Vit Meule 1 Vit Meule 2
Figure 8.5 Graphe des effets et des interactions
La figure 8.5 reprsente pour les trois premires courbes les effets moyens des facteurs
A, B et C. Le quatrime graphique visualise linteraction non nulle BC. Le cinquime
graphique visualise linteraction nulle AC, les segments de droites sont parallles.
Pour reprsenter linteraction BC, nous avons plac en abscisse le facteur Rotation
pices , et en ordonne la rponse du systme. Les deux courbes reprsentent les
effets pour les deux configurations de vitesse de meule.
Sur ce graphe, on note clairement que leffet de la Rotation de la pice est faible
lorsque la vitesse de la meule est au niveau 1. Il est par contre trs important lorsque
celle-ci est gale 2.
On note le point qui minimise la rugosit :
Type de meule : indiffrent.
Rotation pice : rotation 1.
Vitesse de meule : vitesse 1.
3. LE PROBLME DES PLANS COMPLETS
La stratgie plan dexpriences propose dans la figure 8.3 (note stratgie n
o
2)
ncessite 4 essais (22) car on tudie deux facteurs deux niveaux (mini et maxi).
Si on veut tudier trois facteurs avec cette stratgie, il faudrait 8 essais (23). Ces 8
essais nous permettraient dtudier les 4 interactions possibles entre les trois facteurs
(AB, AC, BC, ABC).
Si on veut tudier huit facteurs avec cette stratgie, il faudrait 256 essais (28). Ces
256 essais nous permettraient dtudier les 247 interactions possibles entre les 8 fac-
teurs (AB, ...GH, ABC, ...FGH, ..., ABCDEFGH). Cest bien mais cest un peu cher
de raliser 256 essais. De plus les interactions dordre suprieur 2 sont pratiquement
toujours nulles.
Aussi, plutt que de faire les 256 essais, ne peut-on pas ne se contenter que de 16
essais par exemple et slectionner quelques interactions intressantes tudier parmi
les 247 possibles. Cest ce que proposent les plans dexpriences grce lutilisation
de plans spciaux dits fractionnaires orthogonaux.
Ils sont fractionnaires car on ne fait quune fraction de lensemble des essais possi-
bles.
Ils sont orthogonaux car ils ne sont pas quelconques, mais choisis en fonction de la
proprit dorthogonalit que nous introduirons par la suite.
4. LES PLANS DEXPRIENCES FRACTIONNAIRES
La mthode des plans dexpriences apporte une solution ces problmes. Elle permet :
de dterminer de faon optimale la liste des essais raliser ;
dinterprter de faon trs rapide les rsultats des expriences ;
de fournir un modle prdictif permettant de trouver les configurations optimales ;
dtudier des phnomnes comportant des interactions (ou couplage deffets).
Cette mthodologie, sans quivalent, permet datteindre une meilleure connaissance
du systme observ par un minimum dessais avec un maximum de prcision. A titre
dexemple, elle permettra dtudier un problme comportant 7 facteurs prenant chacun
deux valeurs diffrentes partir de 8 essais en labsence dinteractions. De plus, chaque
essai servira apprcier leffet de tous les facteurs, ce qui contribue amliorer la
prcision des rsultats.
La mthode des plans dexpriences consiste tablir un plan dexprimentation
comportant le minimum dexpriences compte tenu des rsultats souhaits. Lensemble
des paramtres sera modifi lors de ces essais. Aussi pour prsenter la mthode, nous
allons nous appuyer sur un exemple et raliser le plan correspondant afin den tirer
les conclusions.
5. TUDE SUR LEXEMPLE DUNPISTOLET
PEINTURE
Le problme que nous cherchons rsoudre concerne une installation de vernissage.
Les produits vernir dfilent devant un pistolet peinture aliment par un pot.
Nous dsirons comprendre le fonctionnement de ce systme et connatre linfluence
des diffrents facteurs sur la quantit de vernis dpos. Pour mesurer lpaisseur de la
couche de vernis, il suffit de mesurer la couleur obtenue laide dun appareil qui
nous donne une valeur numrique pouvant aller de 0 60 sur lchelle de couleur
jaune.
C Ouverture
B Distance
A Diluant
D Pression
E Vitesse
Vernis
Pistolet
Produits
Figure 8.6 Schmatisation du systme tudi
5.1 Synthse du savoir-faire
La premire tape conduire dans une tude plan dexpriences consiste faire la
synthse du savoir-faire de lentreprise sur le domaine tudi. Pour cela, on runit
lensemble des acteurs concerns par le problme, afin de connatre :
les facteurs agissant sur le systme ;
le domaine de variation de ces facteurs ;
les interactions supposes entre les facteurs.
Nous passerons assez vite sur cette phase dans notre expos. Il faut cependant bien
garder lesprit que cette tape est une tape-cl pour la russite de la mthode. Aprs
cette tape de synthse, les hommes de lart ont pu tablir le tableau figure 8.7
rsumant leurs connaissances sur linstallation de vernissage. On choisit de faire varier
chaque facteur sur deux niveaux. Nous noterons le minimun raisonnable de la variation
du facteur le niveau 1, le maximun raisonnable du facteur le niveau 2.
Facteurs influant sur la quantit de vernis Mini raisonnable
(Niveau 1)
Maxi raisonnable
(Niveau 2)
A Pourcentage de diluant 10 % 20 %
B Distance pistolet/objet 20 cm 40 cm
C Ouverture de la buse 1 cran 3 crans
D Pression du pistolet 2 bars 3 bars
E Vitesse davancement des produits 0,2 m/s 0,3 m/s
Figure 8.7 Recencement des facteurs
Les interactions supposes par les experts sont les suivantes :
interaction entre la pression et louverture (CD) ;
interaction entre le diluant et louverture (AC).
De plus, parmi les facteurs, certains se modifient facilement, dautres plus difficile-
ment. Ainsi, le diluant est difficile modifier car il ncessite une vidange complte
de linstallation. Les autres facteurs sont faciles passer du mini au maxi.
5.2 Modlisation par les graphes de TAGUCHI
Pour rsoudre ce problme, le docteur TAGUCHI propose de le mettre sous forme de
graphe en suivant certaines rgles de reprsentation.
5.2.1 Les facteurs
Ils sont reprsents par des ronds diffrents selon la difficult de modification dun
niveau un autre. TAGUCHI distingue parmi les facteurs quatre groupes qui seront
reprsents de faon diffrente.
Groupe 1 : Groupe des facteurs les plus difficiles modifier. Ils seront nots par un
cercle .
Groupe 4 : Groupe des facteurs les plus faciles modifier. Ils seront nots par un
rond noir 4.
Entre ces deux groupes, TAGUCHI insre deux niveaux intermdiaires de difficults
de modification, le groupe 2 not (
) et le groupe 3 not (
4
).
5.2.2 Les interactions
Les interactions entre deux facteurs seront reprsentes par un trait entre deux facteurs.
Ainsi, si on souhaite reprsenter une interaction entre un facteur A du groupe 1 et un
facteur B du groupe 4, nous dessinerons :
A B
5.2.3 Application notre cas
Le facteur A tant difficile modifier, nous le modliserons par un rond blanc. Les
autres facteurs, faciles modifier, seront du groupe 4 et modliss par un rond noir.
Les deux interactions supposes par les spcialistes seront modlises par un trait, ce
qui nous donne le graphe :
B
D
A
C
E
5.3 Recherche du plan dexpriences correspondant
Nous recherchons maintenant les expriences ncessaires pour mesurer leffet de cha-
cun des facteurs numrs et de chacune des interactions. Nous souhaitons faire le
moins dexpriences possibles et avoir la meilleure prcision possible sur les rsultats.
Nous allons pour cela, utiliser les tables orthogonales de Taguchi. Celui-ci a propos
des tables dexprimentations associes des graphes facilitant la mise en uvre des
tables. Les tables existent, nous lavons dit, depuis le dbut de sicle, mais les graphes
linaires reprsentent un apport original de Taguchi.
N
o
1 2 3 4 5 6 7
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
8 2 2 1 2 1 1 2
Groupe 1 2 2 3 3 3 3
Figure 8.8 Table L
8
(2
7
)
Examinons titre dexemple la table L
8
(2
7
). Rappelons que L
8
signifie que cette table
comporte 8 lignes, cest--dire 8 expriences. 2
7
signifie que cette table est tire dun
plan complet de 7 facteurs 2 niveaux. Cette table ne pourra pas tre utilise pour
tudier plus de 7 facteurs, ceux-ci tant deux niveaux. Chaque ligne de la table
reprsente une exprience et chaque colonne permet de mettre un facteur. Lorsquun
facteur est 1, on le placera au mini, lorsquil est 2 on le placera au maxi. On peut
galement tudier des facteurs qualitatifs, par exemple deux fournisseurs diffrents.
Le niveau 1 reprsente alors le premier fournisseur, le niveau 2 le second.
On remarque que la colonne 1 est du groupe 1, le niveau ne change quune fois dans
la table. Les colonnes 2 et 3 (groupe 2) changent de niveaux respectivement 3 et 2
fois. Les colonnes suivantes changent pratiquement chaque essai.
Ces tables ne sont pas quelconques, elles ont la proprit dorthogonalit. Cette pro-
prit est la base de leur construction. Lobjet de ce chapitre nest pas de dtailler
cette proprit, aussi nous dirons simplement que cette proprit se traduit de la faon
suivante :
Lorsquune colonne est un niveau, toutes les autres colonnes sont autant de fois
au niveau 1 quau niveau 2.
5.3.1 Graphe linaire de la table L
8
Deux graphes linaires accompagnent la table L
8
.
4
1
2
7
1
2
4
7
3
5
6
3 5
6
Premier graphe Deuxime graphe
Figure 8.9 Graphes linaires de la table L
8
Ces deux graphes indiquent, sous forme graphique, les modles que lon peut tudier
partir de la table L
8
(2
7
).
5.3.2 Utilisation de cette table
Pour utiliser cette table, il faut rapprocher le graphe de notre application dun des
graphes de TAGUCHI. Ainsi, si nous comparons le premier graphe de TAGUCHI et
le graphe de notre application, nous constatons une certaine similitude.
Graphe associ Graphe de TAGUCHI
4 2 7
3
1
5
6
D B
A
C
E
Figure 8.10 Rapprochement des deux graphes
Le rapprochement des deux graphes (figure 8.10) nous permet de placer les facteurs
dans les colonnes adaptes. Ainsi, le placement des facteurs A, B, C, D, est immdiat,
il suffit de placer A en colonne 1, C en colonne 2, D en colonne 4 et B en colonne 7.
Ce choix nest pas unique, on aurait pu galement inverser C et D.
Comme on souhaite tudier linteraction AC, la colonne 3 est rserve pour cette
interaction. Nous dirons pour une premire approche que nous ne pouvons pas placer
de facteur dans cette colonne. Il en est de mme pour la colonne 6. Par contre, la
colonne 5 est disponible, les spcialistes ont considr que linteraction AD tait nulle
ou presque. Nous en profiterons pour placer le facteur restant E.
Ici encore nous ferons une petite remarque qui pourrait nous entraner fort loin. Nous
avons plac le facteur E en colonne 5 parce que nous supposons linteraction entre A
et D nulle. Mais si ce nest pas le cas, nous ferons une erreur dans lestimation de
leffet du facteur E. On dit que E est alias de linteraction AD. Le rsultat que
nous affecterons E sera en fait la somme de leffet de E et de linteraction AD. Le
plan dexpriences raliser est obtenu en ne retenant que les colonnes 1, 2, 4, 5 et 7
ce qui nous donne le plan en figure 8.11.
N
o
A(1)
Diluant
B(7)
Distance
C (2)
Ouvert
D(4)
Pression
E (5)
Vitesse
Rponse
Couleur
1 1 1 1 1 1 26,8
2 1 2 1 2 2 11,8
3 1 2 2 1 1 31,0
4 1 1 2 2 2 30,9
5 2 2 1 1 2 23,8
6 2 1 1 2 1 20,4
7 2 1 2 1 2 27,1
8 2 2 2 2 1 28,9
Figure 8.11 Ralisation du plan dexpriences
Le plan dexpriences tabli, il suffit de raliser les expriences et de mesurer les
rsultats de chacun des essais.
5.4 Interprtation des rsultats
Linterprtation des rsultats est fonde sur une reprsentation graphique des effets de
chacun des facteurs.
5.4.1 Graphe des effets
Etudions leffet du facteur A. Lorsque A est au niveau 1 (essais 1, 2, 3, 4) les autres
facteurs sont autant de fois au niveau 1 quau niveau 2. Il ninflue donc pas sur la
moyenne des rsultats de ces quatre essais. La mme remarque peut tre faite lorsque
A est au niveau 2. Ainsi la diffrence, entre la moyenne des quatre premiers essais et
les quatre suivants, reprsente leffet du facteur A.
Pour calculer leffet du facteur E par exemple, on prendra la moyenne des essais 1, 3,
6, 8 pour le niveau 1 et 2, 4, 5, 7 pour le niveau 2.
Pour simplifier linterprtation, on reprsente ces rsultats sous forme graphique. La
figure 8.12 reprsente leffet du facteur C.
Le point 1 reprsente la moyenne des essais 1, 2, 5, 6, et le point 2 la moyenne des
essais 3, 4, 7, 8. La droite reliant les deux points reprsente leffet du facteur C (ouver-
ture de la buse). Nous avons trac en pointill, la moyenne gnrale des huit essais
(25,08). Ce graphe indique clairement que lorsque louverture augmente, la quantit
de vernis augmente galement.
40
30
20
10
1 2
Point 1
20,7
Point 2
29,5
Facteur C
Figure 8.12 Graphe des effets du facteur C
5.4.2 Graphe des interactions
Pour reprsenter une interaction il faut deux droites reliant les quatre configurations
possibles. Cela vite de dessiner en perspective (3 dimensions). Le point 1 est obtenu
en faisant la moyenne des essais lorsque C = 1 et D = 1, soit la moyenne des essais 1
et 5.
C
1 2
1 C1D1 (Point 1)
Essais 1 et 5
C2D1 (Point 3)
Essais 3 et 7
2 C1D2 (Point 2)
Essais 2 et 6
C2D2 (Point 4)
Essais 4 et 8
D
40
35
30
25
20
15
10
1
2
Facteur C
Rponse
Point 4
(29.9)
Point 1
(25.3)
Point 2
(16.1)
Point 3
(29.05)
D = 1
D = 2
Figure 8.13 Graphe de linteraction CD
On constate sur ce graphe que lorsque D (pression) est au niveau 1, leffet du facteur
C (ouverture) est faible, par contre, une pression leve (D = 2) favorise leffet de
louverture.
40
35
30
25
20
15
Effet du facteur A
Diluant
Effet du facteur B
Distance
Effet du facteur C
Ouverture
Effet du facteur D
Pression
Effet du facteur E
Vitesse
Rponse
Rponse
Interaction AC Interaction CD
C C
40
35
30
25
20
15
A = 2
D = 1
D = 2
A = 1
Figure 8.14 Graphe des effets et des interactions
C
A
C
D
Interaction AC
Interaction CD
1
2
1 2
2
2
1
1
15
20
25
30
35
40
15
20
25
30
35
40
Figure 8.15 Reprsentation tridimensionnelle
La figure 8.14 reprsente lensemble des effets et des interactions prsents dans le
systme. Linterprtation de ces graphes est assez facile, on constate par exemple que
le diluant (facteur A) na pas deffet principal, mais par contre, il intervient par le biais
dune interaction avec le facteur C (ouverture). Une autre reprsentation tridimension-
nelle des interactions peut tre donne comme le montre la figure 8.15.
5.4.3 Recherche des extremums
A partir du graphe des effets, la recherche des extremums est assez aise, il suffit de
retenir les points les plus hauts ou les points les plus bas en fonction de lextremum
recherch.
Le maximum sera obtenu pour :
B plac au niveau 1 (Graphe de leffet de B) ;
E plac au niveau 1 (Graphe de leffet de E) ;
C niveau 2 et D niveau 2 (Graphe des interactions CD) ;
C niveau 2 et A niveau 1 (Graphe des interactions AC).
Le minimum sera obtenu pour :
B plac au niveau 2 (Graphe de leffet de B) ;
E plac au niveau 2 (Graphe de leffet de E) ;
C niveau 1 et D niveau 2 (Graphe des interactions CD) ;
C niveau 1 et A niveau 1 (Graphe des interactions AC).
Bien sr il faut confirmer ces rsultats par des essais sur le site. Pour le minimum, il
se trouve que la configuration a dj t teste dans le plan dexpriences (essai n
o
2),
or cet essai avait donn un rsultat particulirement faible. Mais on ne peut pas vrifier
un modle sur un des essais qui a permis dtablir ce modle !
Pour le maximum, il faut raliser un essai complmentaire, ce qui a t fait pour
trouver comme maximum 34,4. Cette valeur maximale na jamais t atteinte au cours
des essais. Le plan dexpriences a donc permis de trouver trs rapidement le rsultat
recherch.
Un essai au centre du domaine permet de vrifier la linarit. On doit trouver comme
rponse la moyenne des huit essais. En cas de non linarit, il faut augmenter le nombre
de niveaux tudis pour les facteurs.
Bien sr, il arrive parfois de trouver un cart entre la ralit et la prvision par les
plans dexpriences. Dans ce cas deux explications principales peuvent tre retenues :
il y a prsence dun ou dautres facteurs importants non pris en compte dans le plan
qui perturbent les rsultats ;
il y a prsence dinteractions fortes non tudies dans le plan.
Aussi sommes-nous tents dans ces cas de conclure que le plan dexpriences na pas
march. Notre exprience dans le domaine nous amne croire le contraire. En effet,
lorsque les spcialistes de lentreprise ne sont pas capables de prvoir un effet dun
facteur ou dune interaction au dpart de ltude, cest que leur connaissance du sujet
nest pas suffisante. Le plan dexpriences rvlera alors ce manque de connaissance
et permettra aux spcialistes de faire progresser leurs comptences.
6. CONCLUSIONS
Bien sr, nous navons pas abord la totalit des concepts ncessaires la mise en
uvre des plans dexpriences dans ce chapitre. Nous conseillons au lecteur de se
rfrer la bibliographie pour plus de dtails
1
. Nous avons nanmoins montr comment
les plans dexpriences permettent assez facilement dintroduire de la rigueur dans les
campagnes dessais. Le choix des expriences raliser est guid par les graphes
linaires et linterprtation des rsultats est trs facile mme par des non-spcialistes
grce la reprsentation graphique propose par Taguchi.
Attention cependant dans lutilisation de cette technique qui peut conduire des rsul-
tats errons si lutilisateur de la mthode nest pas comptent. Aussi, il ne faut pas
faire limpasse sur une formation solide dans le domaine avant de raliser ses premiers
essais.
Quel que soit le secteur dactivit dune entreprise, elle est toujours amene raliser
des essais. A lpoque o il faut optimiser trs vite les produits et les processus, lheure
nest plus au bricolage , la bidouille mais une dmarche rigoureuse et effi-
cace. Gageons que de plus en plus dindustriels imiteront ceux qui utilisent ces outils
avec efficacit pour mieux matriser leur processus.
1. Les plans dexpriences par la mthode Taguchi, Maurice Pillet, ditions dOrganisation.
7. LES TABLES DE TAGUCHI L
4
ET L
8
Taguchi a propos un ensemble de tables trs simples, souvent suffisantes pour rsou-
dre les problmes en production. Nous reproduisons ci-dessous les deux premires :
la table L
4
et la table L
8
utilise dans lexemple du paragraphe 5.
Table L
4
(2
3
)
2
3
1
2 3
(1) 3 2
(2) 1
1 2 3
1 1 1 1
2 1 2 2
3 2 1 2
4 2 2 1
Table L
8
(2
7
)
N 1 2 3 4 5 6 7
1 1 1 1 1 1 1 1
2 1 1 1 2 2 2 2
3 1 2 2 1 1 2 2
4 1 2 2 2 2 1 1
5 2 1 2 1 2 1 2
6 2 1 2 2 1 2 1
7 2 2 1 1 2 2 1
8 2 2 1 2 1 1 2
Triangle des interactions entre deux colonnes
2 3 4 5 6 7
(1) 3 2 5 4 7 6
(2) 1 6 7 4 5
(3) 7 6 5 4
(4) 1 2 3
(5) 3 2
(6) 1
Graphe des effets
1
2
4
3 5
6
7
1
2
4
5
6
7
3
CHAPITRE 9
LAMDEC
ANALYSE DES MODES DE DFAILLANCE,
DE LEURS EFFETS ET DE LEUR CRITICIT
Parmi les diffrents outils de la qualit, lAMDEC tient une place de choix. Dabord
largement utilise par les constructeurs automobiles et leurs sous-traitants, elle est
aujourdhui pratique dans tous les secteurs dactivit. Son but est de prvenir les
dfaillances potentielles dun produit, dun processus de fabrication ou encore dune
organisation. La mthode sappuie sur une analyse mthodique des risques potentiels
qui permet de les hirarchiser afin de traiter les plus importants de manire prventive.
Son utilisation est aise, relativement rapide mettre en uvre et dune efficacit
redoutable lorsque son application est matrise.
1. LE PRINCIPE DE BASE
1.1 Lide de dpart
LAMDEC est une mthode dAnalyse des Modes de Dfaillance, de leurs Effets et
de leur Criticit. Cette mthode est quelquefois prsente sous le vocable anglais
FMECA : Failure Mode, Effect and Criticality Analysis.
LAMDEC est une mthode qui permet dobtenir la qualit par une action prventive
plutt que curative. Comme lindique la figure 9.1, plus les dcisions concernant la
qualit sont prises tt, moins elles seront coteuses.
Marketing
tudes
Mthodes
Production
Figure 9.1 Importance de la prvention
Le principe de base de lAMDEC est de raliser une tude fonde sur le travail de
groupe, destine mettre en vidence le plus tt possible les dfaillances potentielles
sous-jacentes dune tude. La notion dtude dans une AMDEC peut tre trs large,
ce peut tre la conception dun produit, un processus de production ou lorganisation
dun service.
En sappuyant sur les comptences de lentreprise, lAMDEC propose de raliser une
revue de projet dont le but est de dterminer sur le papier les risques de dfaillances
encourus si on lance le projet dans ltat.
Pour cela, on cherchera :
identifier les causes de dfaillances ;
identifier leurs effets ;
hirarchiser les dfaillances par une notation ;
apporter des actions correctives en prvention.
1.2 Notion de mode de dfaillance
Le concept de mode de dfaillance est particulirement important dans lAMDEC.
Il reprsente la manire dont un systme peut venir mal fonctionner. On considre
que la dfaillance intervient avec la combinaison de trois lments indpendants qui
sont :
la probabilit de prsence dune cause de dfaillance ;
labsence de dtection de la dfaillance ;
la faon dont est atteint lutilisateur par cette dfaillance, cest--dire la gravit.
Si on limine les cas o la scurit de lutilisateur est gravement mise en danger, on
peut considrer que si un de ces trois lments est nul, la dfaillance natteindra pas
le client.
En effet, dans le cas ou la gravit de la dfaillance est trs faible, mme si la dfaillance
est quasi certaine et quil est impossible de la dtecter, on peut accepter ltude car le
client ne sentira aucune gne. On peut citer comme exemple un dfaut daspect sur
une face cache dun lment de dcoration.
De mme, si la gravit de la dfaillance est importante et quasi certaine, mais que la
dtection est fiable 100 %, on peut accepter ltude car le client ne sentira aucune
gne puisque le produit dfectueux ne pourra pas latteindre. Par exemple un systme
anti-erreurs qui dtecterait dans tous les cas labsence dun perage.
Enfin, si la gravit de la dfaillance est importante (mais sans danger) avec une dtec-
tion impossible, et si la probabilit dapparition de cette dfaillance est quasiment nulle
on peut accepter ltude. On peut citer comme exemple la rupture de la pdale dacc-
lrateur sur un vhicule qui est peu probable compte tenu de sa conception.
Pour illustrer cette notion de mode de dfaillance, prenons lexemple dune brosse
dents et comme dfaillance la rupture du manche. Cette dfaillance peut tre dcline
comme lindique la figure 9.2.
CONCEPTION
Sous-cause 1
Erreur du fabricant
Sous-cause 2
Choix inadapt
Cause 1
matire non conforme
Cause 2
section inapproprie
Dtection
Procdure rception matire
Dtection
Calcul en rsistance
Dtection
Essais prliminaires
Libell
Rupture du manche
Effet :
Le client
se blesse
FABRICATION
Figure 9.2 Mode de dfaillance
CHAPITRE 9 LAMDEC ANALYSE DES MODES DE DFAILLANCE... 195
La rupture du manche peut avoir plusieurs causes. Chaque cause peut galement avoir
une sous-cause dont la dtection peut tre ralise soit en conception, soit en fabrica-
tion.
Pour assurer le blocage de cette dfaillance, il faut que le produit soit bien conu
(AMDEC Produit) et que les spcifications soient respectes (AMDEC Process).
La dfaillance casse du manche peut avoir plusieurs modes de dfaillances que
nous rsumons dans le tableau ci-dessous.
Libell : Casse du manche
N
o
Effet Cause Dtection
1 Le client se blesse Mauvais choix de matire Calculs en rsistance
Essais en fiabilit
2 Le client se blesse Section insuffisante,
Forme de la section
(moment quadratique)
Calculs en rsistance
Essais en fiabilit
3 Le client se blesse Erreur de matire du fabricant Procdure rception des
matires premires
Comme on le constate sur cet exemple, la mme dfaillance pour le client peut tre
dcline en plusieurs modes de dfaillances. Pour que cette dfaillance atteigne le
client, il faut une combinaison des trois lments :
lapparition de la cause ;
linsuffisance de la dtection chez le fournisseur ;
limportance de leffet.
On notera la nuance entre leffet potentiel de dfaillance qui considre la consquence
pour le client aval ou final et le mode de dfaillance potentiel qui sintresse la
manire dont le systme vient ne pas satisfaire le client.
1.3 Notion de cotation dun mode de dfaillance
Cotation F Frquence G Gravit D Dtection
1 3 Jamais ou presque Sans consquences 100 % ou presque
4 6 Possible Mcontentement Non optimal
7 9 Souvent Trs mcontent
Panne critique
Inexistante
incertaine
10 Toujours Problme de scurit Impossible
Figure 9.3 Evaluation des dfaillances
Loriginalit de la mthode AMDEC consiste noter chaque mode de dfaillance
identifi selon trois axes :
frquence dapparition ;
gravit de leffet pour le client ;
probabilit de la dtection.
On dfinit alors un niveau de priorit de risque (NPR)
1
qui sera le produit de ces
trois notes. Dune manire un peu synthtique, on peut donner une chelle pour les
notes avec le tableau figure 9.3.
NPR = F x G x D
Pour illustrer la notation dun mode de dfaillance, reprenons lexemple : Le client se
blesse / Matire non-conforme / Erreur du fabricant :
frquence dapparition du dfaut possible F = 5 ;
gravit de leffet trs importante car problme de scurit G = 10 ;
dtection de lerreur possible mais non optimale D = 5.
On calcule alors facilement le Niveau de Priorit de Risque :
NPR = 5 x 10 x 5 = 250.
Ds que le niveau de priorit de risque dpasse 100, il faut dclencher une action
corrective afin de ramener le NPR en dessous de la limite. Comme il est souvent
difficile de modifier la gravit de leffet sans une modification de la conception, on
cherchera agir prioritairement sur les deux autres notes en diminuant la frquence
dapparition de la cause et en amliorant les possibilits de dtection. Chaque action
corrective doit prciser :
quel est le type daction envisage ;
qui a la responsabilit de laction ;
les notes espres lissue de cette action.
1.4 Le support graphique de lAMDEC
La difficult, souvent rencontre dans lapplication des outils mthodologiques comme
lAMDEC, rside dans le suivi dun fil conducteur.
Pour rsoudre ce problme, lensemble de ltude est synthtis sur une feuille dana-
lyse qui jouera le rle de guide pour les participants de lAMDEC. Ce modle gra-
phique, dans le cas dune AMDEC processus, est souvent celui reprsent figure 9.4.
On retrouve pour chaque dfaut potentiel les trois lments dun mode de dfaillance,
la notation, les lments dune action corrective ventuelle ainsi que la nouvelle nota-
tion rsultante.
1. Le NPR se nomme diffremment selon les socits. On trouve par exemple les termes IPR (Indice de
Priorit de Risques) ou plus simplement S (Svrit).
Produit Processus Prvu/Existant Actions Rsultat
Note Responsable Dlai Mesures Note
F G D NPR D F G NPR
OP Dfaut
potentiel
Effet
dfaut
Cause
dfaut
Plan de
surveillance
10 Vis non
monte
Fixation
fragilise
Alimenta-
tion bol
vibrant
Nant 3 9 10 270 M. Dupont S 8 Mise en
place dune
dtection
de couple
2 3 9 54
Figure 9.4 Feuille danalyse pour une AMDECProcess
Lexemple prsent correspond lanalyse dun systme dassemblage automatique.
Le groupe a remarqu que si une vis ntait pas monte cause dun dfaut dalimen-
tation du bol vibrant, rien ntait prvu pour viter que le dfaut natteigne pas le
client. Le NPR slve 270, ce qui est inacceptable. Il y a donc une action corrective
prvue qui consiste mettre en place une dtection de couple sur la visseuse. La
responsabilit de laction incombe M. Dupont qui devra rendre ses conclusions pour
la semaine 8.
Le groupe a galement valu le niveau de priorit de risque (NPR) rsultant de cette
action corrective :
la gravit reste inchange (9) ;
la probabilit dapparition reste inchange (3) ;
la dtection a diminu (2) car si la cause se produit, le dtecteur de couple alertera
le mcanicien qui pourra isoler le produit.
2. HISTORIQUE DE LAMDEC
Lorigine de cette mthode remonte aux annes 1950 aux tats-Unis. Cependant, la
vritable mise en application en Europe un niveau important na dbut que dans
les annes 80. Ce sont principalement les constructeurs automobiles qui ont permis le
dveloppement de cette technique en Europe en raison de leur puissance dachat auprs
des sous-traitants et par leurs exigences en matire de qualit.
Aujourdhui, cette mthode est largement rpandue dans tous les secteurs dactivit,
et pour toutes les tailles de socits. Autrefois centre sur les produits manufacturs,
on la retrouve aujourdhui dans de nombreuses entreprises de services pour valider un
produit immatriel. On peut citer par exemple des organisations telles que les Jeux
olympiques ou la Coupe du monde de football qui peuvent utilement avoir recours
lAMDEC pour valider les diffrents scnarios mis en place.
La mthode a t cre partir de la ncessit de valider toutes les tapes de la vie
du produit pour obtenir en fin de compte la satisfaction du client. Les diffrentes tapes
valider sont les suivantes :
Dfinition du concept du produit
Il faut vrifier que toutes les attentes du client seront satisfaites.
Dfinition du produit
Il faut vrifier que la conception du produit garantira les attentes du client.
Dfinition du procd de fabrication
Il faut vrifier que les spcifications Bureau dtudes pourront tre ralises 100 %
par le procd de fabrication.
Dfinition de la gamme de montage
Le procd de montage doit garantir les conditions de fonctionnement BE.
Dfinition dune organisation ou dun service
Dans le cas dun service, il faut vrifier que le procd (tertiaire) corresponde aux
attentes du client et que lorganisation nengendre pas de dfaut.
Pour toutes ces tapes, on trouve diffrents types dAMDEC dont les plus rpandus
sont :
AMDEC Produit qui permet de verrouiller la conception des produits lorsquils sont
encore au stade de la conception. Elle consiste tudier les plans dun produit afin de
dtecter prventivement les situations qui peuvent conduire une fonction non ralise
ou mal ralise.
AMDEC Process qui permet de valider la gamme de fabrication dun produit afin
quelle satisfasse les caractristiques dfinies par le bureau dtudes. Elle consiste
rechercher dans une gamme de fabrication lensemble des situations qui peuvent engen-
drer des produits dfectueux.
AMDEC Moyen ou Machine qui se focalise sur un moyen de production afin de :
diminuer le nombre de rebuts ;
diminuer le taux de panne ;
augmenter la capabilit.
AMDEC Organisation qui permet de valider lorganisation qui doit fournir un service.
AMDEC Scurit qui est sensiblement la mme que lAMDEC Moyen, mais la gravit
des dfaillances sera alors centre sur loprateur et non sur le produit.
3. LE GROUPE PROJET AMDEC
Le principe de base de lAMDEC est le travail de groupe. En effet, pour rechercher
les dfaillances potentielles dun systme, il faut avoir recours la crativit des sp-
cialistes du systme. On pourra galement utilement avoir recours la prsence dun
novice. Le groupe devra apporter :
la crativit ncessaire pour dnicher les dfaillances possibles, cest le travail de
fond ;
la rigueur pour mettre en forme les fruits du travail cratif et se focaliser sur les
points importants.
Deux personnes jouent un rle fondamental :
lanimateur qui est le garant de la mthode AMDEC. Il nest pas forcment sp-
cialiste du domaine, mais doit au moins tre parfaitement familiaris avec le voca-
bulaire de la profession. Son rle est de drouler la procdure de lAMDEC, et
danimer le travail de groupe ;
le pilote qui est le garant de lanalyse. Spcialiste du domaine, il connat parfaitement
le sujet trait. Il est capable de mettre les notes dvaluation et de trancher les conflits.
Le groupe retenu pour lAMDEC est un groupe pluridisciplinaire regroupant lensem-
ble des fonctions intresses par lAMDEC. Par exemple, pour lAMDEC Process dans
le cas du dcolletage on trouvera les fonctions suivantes :
la production (niveau management et oprationnel) ;
les mthodes ;
les achats et les sous-traitants si une partie de la pice est sous-traite ;
les approvisionnements et la logistique.
Outre les comptences techniques ncessaires, le groupe devra tre sensibilis aux
techniques de travail en groupe. Il devra galement comporter une ou plusieurs per-
sonnes ayant lhabitude de la mthode pour garantir lefficacit de ltude.
Lexprience montre quun nombre de cinq six personnes est un bon compromis. Si
le groupe est trop restreint, la crativit est trop faible, si le groupe est trop important,
le risque de dispersion devient trop important.
La composition du groupe type varie selon le type dAMDEC que lon veut raliser.
Citons par exemple pour lAMDEC Produit et Process le groupe idal (figure 9.5).
Rle AMDEC Produit AMDEC Process
Animateur Technicien Qualit Technicien Qualit
Pilote Concepteur Technicien industrialisation
Reprsentant le client final Service Aprs-vente Conception
Reprsentant le client Aval Service Industrialisation Service Fabrication
Figure 9.5 Exemple de composition du groupe AMDECProcess
Dans lexemple de la figure 9.5 dans le cas de lAMDEC process, le technicien qualit
joue le rle danimateur et le technicien mthode celui de pilote. Le concepteur du
produit tudi est l surtout pour valuer le risque li chaque mode de dfaillance.
Il reprsente le client final. Sa prsence physique nest pas ncessaire, mais il doit y
avoir une collaboration troite entre le concepteur et le pilote pour la notation de la
gravit. Il est souvent fort judicieux dassocier au groupe un oprateur comptent sur
le processus tudi qui apportera un vcu intressant. Il reprsentera le client aval. Un
sous-traitant peut tre ajout pour une intervention ponctuelle lorsque les dfaillances
lies sa partie sont voques.
4. LADMARCHE AMDEC
Il nexiste pas de normalisation internationale de la dmarche AMDEC, la seule chose
sur laquelle les grands donneurs dordres sont daccord reste le nom AMDEC. Pour
la dmarche, il existe plusieurs variantes qui convergent vers lorganisation suivante
en sept points.
1. Initialisation de ltude AMDEC
2. Prparation de lanalyse
}
Pilote + animateur
3. Identification des causes de dfaillances
4. valuation et hirarchisation des causes de dfaillances Groupe de travail
5. Recherche dactions correctives
}
6. Mise en uvre des actions Services oprationnels
7. Suivi des actions et rebouclage si ncessaire
}
Suivi par le pilote
Tous les types dAMDEC suivent globalement les mmes tapes. Cependant, le
contenu de chacune des tapes diffre selon le type dAMDEC. Nous dtaillerons dans
la suite les diffrentes tapes pour les deux principales AMDEC, lAMDEC Produit
et lAMDEC Process.
4.1 Initialisation de ltude AMDEC
Souvent nglige, cette premire tape est pourtant primordiale. Son but est de bien
prciser :
le sujet tudi : produit, sous-ensemble ;
lobjectif, les causes, les limites de ltude ;
la planification respecter ;
le groupe de travail.
La dfinition des limites de ltude est trs importante. En effet, si on veut remettre
en question lensemble du produit, on risque de dclencher une AMDEC beaucoup
trop importante qui mobilisera le groupe de trs nombreuses demi-journes au contenu
dilu. Au contraire, si le sujet est parfaitement limit aux parties nouvelles, difficiles
et importantes, lAMDEC pourra tre condense en quelques demi-journes extrme-
ment concentres et efficaces. Par exemple dans une entreprise qui fabrique des rou-
lements pour lindustrie automobile, il ne faut pas tudier lensemble du produit
chaque conception dun nouveau roulement. De nombreuses parties sont communes
aux roulements standards et parfaitement matrises. On se limitera aux nouveauts
apportes par le produit et aux parties qui traditionnellement posent des difficults
lentreprise.
4.2 La prparation de lanalyse
Dans cette tape, le pilote et lanimateur vont prparer le dossier ncessaire pour le
travail de groupe qui va suivre. Cette tape de lAMDEC est diffrente dans le cas de
lAMDEC Produit et dans le cas de lAMDEC Process.
4.2.1 Cas de lAMDECProduit
Pour lAMDEC Produit, cette tape consiste principalement rechercher lensemble
des fonctions du produit tudi. On doit dfinir le cahier des charges fonctionnel.
Cette analyse peut avoir t dj ralise lorsquune analyse de la valeur a t faite.
Une entreprise qui utilise lanalyse fonctionnelle dans le cadre de lanalyse de la valeur
pourra rutiliser cette tude dans le cadre de lAMDEC.
Analyse de la valeur
Analyse fonctionnelle
AMDEC
Figure 9.6 AMDECProduit et analyse de la valeur
Le but de lanalyse fonctionnelle est de connatre parfaitement le produit en termes
de fonctions raliser. Chaque fonction doit tre chiffre par un ou plusieurs critres
de valeur pour caractriser la cible vise.
4.2.2 Analyse fonctionnelle dun produit (AMDECProduit)
La place de lanalyse fonctionnelle nest pas dans lAMDEC. Une conception bien
conduite devrait commencer par lanalyse fonctionnelle. Malheureusement, il arrive
parfois quil soit ncessaire de raliser cette tude au moment de lAMDEC. Nous
allons dcrire brivement les grands principes de lanalyse fonctionnelle aprs avoir
donn quelques dfinitions.
Fp : Fonctions principales
Une fonction principale est une fonction qui donne lutilit au produit. Si une fonction
principale est dfaillante, le produit perd sa raison dtre.
Exemple pour un vhicule : permettre lutilisateur de se dplacer sur une route.
Fc : Fonctions contraintes
Les fonctions contraintes sont des fonctions imposes du produit. Elles peuvent pro-
venir :
des rglementations ;
des normes ;
du milieu (eau, air...) ;
...
Remarques
Une fonction est indpendante de la solution technologique retenue ;
Une fonction est exprime de manire brute (sans quantifications, ni qualificatifs) ;
Une fonction sexprime par un verbe linfinitif associ aux lments du milieu
extrieur concerns.
Exemple : Permettre lutilisateur de se dplacer sur une route.
Utilisateur Routes
Vhicule
Milieu extrieur
Produit
Fonction
Figure 9.7 Rosace des fonctions
CV : Critres de valeurs
Les critres de valeurs expriment :
les caractristiques des lments extrieurs (Qui, Quoi, Comment ?) ;
les performances ou les proprits du verbe (De quelle manire ? ; Quand ? ; O ? ;
Combien de fois ?).
Cahier des charges fonctionnelles
Fonctions + Critres de valeurs = Cahier des charges fonctionnelles
Fp 1
Permettre
lutilisateur de se dplacer sur la route
Critres de valeurs Ergonomie
Nombre
Etc.
Vitesse
Dure de vie
Etc.
Type de route
Dimensions
Etc.
Recherche des fonctions
Pour cette analyse, on utilise la rosace des fonctions (Mthode APTE) qui permet
de trouver lensemble des fonctions principales, et des contraintes fonctionnelles. Cette
rosace des fonctions permet de visualiser le cahier des charges fonctionnelles. Il permet
au groupe de travail de bien se dtacher des solutions technologiques pour se consacrer
lessentiel : la fonction.
Pour cette tude, on ne considrera le produit que dans sa phase utilisation. On ne
considre pas les tapes intermdiaires de sa fabrication.
La construction dune rosace des fonctions se ralise en 5 tapes (figure 9.8).
Mthode
1. Inscrire le produit dans un ovale.
2. Recenser les lments extrieurs
ayant une influence sur le produit.
3. Replacer le produit dans son milieu
extrieur dutilisation en plaant cha-
que lment retenu du milieu extrieur
dans un ovale.
4. Chercher les relations principales
Fp (mise en relation de deux lments
du milieu par le produit) et les fonc-
tions contraintes Fc (adaptation du pro-
duit un lment du milieu environ-
nant).
5. Exprimer les fonctions
Verbe + Milieu(x) extrieur(s).
6. Dfinir des critres de valeurs
Qualifier et quantifier.
Exemple : vhicule
Utilisateur
Route
Vhicule
Pluie Fc1
Fp1
Fp1 : Permettre lutilisateur de se dpla-
cer sur la route.
Fc1 : Rsister la pluie.
Fp1
Permettre
lutilisateur de se
dplacer
sur la
route
Critres
de
valeurs
Ergonomie
Nombre
Etc.
Vitesse
Dure
de vie
Etc.
Type de
route
Dimensions
Etc.
Fc1 : Rsister la pluie
Dure
types (caillage corrosion...)
...
Intensit
Acidit
...
Figure 9.8 Rosace des fonctions
Remarque
Il existe de nombreuses autres mthodes pour dterminer les fonctions dun produit et
complter lanalyse fonctionnelle technique telles que le bloc diagramme, le dia-
gramme FAST..., mais ltude de ces mthodes sort du cadre de cet ouvrage. Nous
aborderons cependant rapidement le bloc diagramme qui peut tre dune aide prcieuse
pour imaginer des modes de dfaillance.
Lanalyse fonctionnelle permet ainsi de dterminer lensemble des fonctions que doit
satisfaire le produit, ainsi que les niveaux de satisfaction de celles-ci. Il y aura dfail-
lance si la fonction nest pas remplie de manire satisfaisante ou si un critre de valeur
nest pas atteint.
On distingue 4 modes de dfaillance pour une fonction. Pour illustrer ces quatre modes
de dfaillance, prenons le cas dune balance pse-personne.
Fonction : Permettre lutilisateur de connatre sa masse
Mode 1 : la fonction ne se ralise pas (impossible de se peser)
Mode 2 : la fonction se ralise, mais les critres de valeur ne sont pas atteints (fonc-
tionnement dgrad) : (la pese est fausse)
Mode 3 : Arrt intempestif de la fonction (laffichage steint avant la fin du cycle de
pese)
Mode 4 : dclenchement intempestif de la fonction (la balance sallume sans sollici-
tation de pese).
Le Bloc Diagramme
Le Bloc Diagramme est important pour lAMDEC produit. En effet, contrairement
la rosace des fonctions qui fait abstraction de la solution technique retenue, le bloc
diagramme permet dtudier les relations entre les composants de la solution technique.
Ces relations sont des conditions de fonctionnement. Pour tudier les dfaillances
potentielles, il est trs utile de dcrire toutes les relations entre les composants, afin
de dterminer les modes de dfaillances qui peuvent conduire la rupture dune de
ces relations. On note EMU les Elments du Milieu extrieur dUtilisation. Pour
clarifier les relations, on tablit le tableau des conditions de fonctionnement.
P
r
o
d
u
i
t
EMU1 EMU2 EMU3
EMU4 EMU5 EMU6
Composant 1 Composant 2
Composant 3 Composant 4
R1
R2
R3
R4
R5
R6 R7
R8
R9 R10 R11
Tableau des conditions de fonctionnement
N
o
Composants Conditions de
fonctionnement
Critres Niveau
R3 Vis/Bati Toujours serre Couple de serrage 150 Nm
Figure 9.9 Bloc Diagramme
4.2.3 Cas de lAMDECProcess
La prparation de lanalyse dans le cas dune AMDEC Process consiste principalement
laborer le dossier pour lanimation de lAMDEC. Ce dossier est constitu princi-
palement :
des dessins du produit fabriquer ;
de la gamme de fabrication ;
du schma opratoire dtaill du processus ;
des contrats de phase ;
du plan de surveillance et des gammes de contrle ;
des capabilits des moyens de production sur des productions similaires.
Le schma opratoire
Le schma opratoire permet de bien visualiser le cheminement de la production ainsi
que les contrles, oprations et documents utiliss pour produire lobjet.
Rception
Expdition
Stockage
Contrle
BLi
Contrle1
re
pice
BLa
Production
SPC
OF PS
GF
AC
Emballage OF
Stockage
Tri
KO
KO
Retour Fournisseur
KO
Rglage
Opration Stock Contrle
BLi
Document sortant du poste
(Bon de livraison)
Document fourni poste
(Ordre de Fabrication)
OF
Figure 9.10 Schma opratoire
Le plan de surveillance (AMDEC Process)
Dans le cas dune AMDEC Produit/Processus, le plan de surveillance permet de for-
maliser partir dun diagramme de processus lensemble des oprations qui conduisent
la fabrication du produit. Le plan de surveillance regroupe :
lensemble des tapes du processus de fabrication ;
les contrles prvus ;
les oprations dtalonnage ;
les documents mis ou reus ;
...
Pour crer ce plan on utilise gnralement une feuille qui regroupe toutes les infor-
mations (figure 9.11)
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Synopti-
que
Compo-
sant
N
o
Op
Dsigna-
tion
Param-
tres
Valeur Moyen Mainte-
nance
Verrou Docu-
ments
Type de suivi
Enregistrement
des rsultats
Type
surveillance
par niveau
1 2 3
Raction
produit
Archi-
vage
Masse
filtrante
20 Dcolle-
tage
Diam5,8 5,8
0,02
Calibre Feuille
suivi
1/H Audit Ch
t
foret 18 mois
Longueur 38 PaC Feuille
suivi
1/H Rglage 18 mois
Figure 9.11 Support du plan de surveillance
Le plan de surveillance comme lindique la figure 9.11 rsume tous les lments nces-
saires la rflexion pour raliser lAMDEC. Son laboration est en principe ralise
par les services mthodes et qualit pralablement lAMDEC.
4.3 Identification des causes de dfaillances
4.3.1 Le principe
Le but de cette tape est didentifier les modes de dfaillances potentiels du produit
ou du processus tudi. La mthode retenue est de faire un dballage dides afin
de permettre au groupe de dvelopper au maximum sa crativit. En fonction du type
dAMDEC ralis, cette recherche des modes de dfaillances nest pas aborde de la
mme manire.
Cas dune AMDEC Produit : on recherche pour chaque fonction du produit les dfail-
lances possibles selon les quatre modes possibles.
Mode 1 : la fonction ne se ralise pas (une lampe ne sallume pas).
Mode 2 : la fonction cesse de se raliser (la lampe ne reste pas allume).
Mode 3 : la fonction se ralise mais de manire dgrade ou les critres de valeurs
ne sont pas atteints (la lampe ne donne pas la puissance nominale).
Mode 4 : la fonction se ralise de manire intempestive (la lampe sallume sans
volont du client).
Cas dune AMDEC Process : on prend le procd tape par tape et on recherche
les dfaillances pour chaque caractristique du produit tudi. Ainsi pour une pice
usine dont la gamme de fabrication serait : rception, dcolletage, reprise, expdition,
on tudierait dabord la rception des matires et le stockage, puis lopration de
dcolletage, etc. Dans chaque tape, on rechercherait les dfaillances possibles qui
conduiraient au non-respect des caractristiques. Les dfaillances peuvent tre gale-
ment classes en quatre modes.
Mode 1 : lopration nest pas ralise (un trou na pas t perc).
Mode 2 : lopration nest pas ralise compltement (le trou qui devait dboucher
ne dbouche pas).
Mode 3 : Lopration na pas atteint le niveau de qualit requis (un diamtre est
suprieur la tolrance suprieure).
Mode 4 : lopration sest ralise alors quil ne fallait pas la raliser (dans un
produit option, on a perc un trou de trop).
Quel que soit le type dAMDEC, chaque mode de dfaillance sera dclin en :
Effet : quelle est la consquence pour le client ? une simple gne, un cot, une
panne...
Causes : lexistence dun mode peut tre produit par plusieurs causes, et chaque
cause par plusieurs sous-causes... Il faut identifier larbre de dfaillance jusqu la
cause sur laquelle lentreprise ne peut rien faire.
Dtection : cest laptitude de lentreprise ne pas livrer une cause de dfaillance
lorsque celle-ci existe. Cest--dire dtecter et arrter un mode potentiel de dfail-
lance travers les contrles, les mesures, les calculs, mais aussi par la matrise des
processus et la formation des hommes.
Lidentification des causes de dfaillances constitue lossature de la mthode AMDEC.
Pour bien la mener, on utilise comme support la feuille danalyse (figure 9.12 et
exemple en fin de chapitre).
Fonction ou caractristique
Mode de dfaillance Mode de dfaillance Mode de dfaillance
Consquence
pour le client
Cause
Possibilit de dtection
Figure 9.12 Mode potentiel de dfaillance
Les modes de dfaillances se caractrisent par la manire dont une fonction ou une
caractristique peut ne pas tre ralise. La recherche de la cause consiste mettre en
vidence les causes, sous-causes... (chane causale) qui entranent le dfaut jusqu la
cause matrisable.
La possibilit de dtection consiste considrer les chances de dtecter la dfaillance
avant quelle natteigne le client. Attention, dtection nest pas synonyme de contrle.
Un contrle 100 % ne signifie pas une dtection 100 %.
On doit suivre le schma suivant :
Mode de dfaillance _ Effet pour le client
Pourquoi _ cause
Pourquoi _ sous-cause
...
Pourquoi _ sous-cause origine _ Possibilit de dtection.
Si nous reprenons lexemple de la brosse dents :
Mode de dfaillance : Rupture du manche (figure 9.2)
_ Cause 1 matire non conforme
_ Sous-cause 1.1 Choix inadapt
_ Possibilit de dtection : essais prliminaires
_ Cause 2 Section insuffisante
_ Possibilit de dtection : calcul en rsistance des matriaux
Dans le cas dune AMDEC process on a le mme schma :
Mode de dfaillance : traitement de surface non-conforme
_ Cause 1 Erreur de traitement par le sous-traitant
_ Sous-cause 1.1 Erreur dans le bon de commande
_ Possibilit de dtection : procdure commande sous-traitants .
4.4 Evaluation et hirarchisation des causes de dfaillances
Afin de hirarchiser les dfaillances, il faut valuer chaque mode de dfaillance en
terme de criticit suivant trois critres.
La frquence dapparition, cest--dire la probabilit que la cause existe multiplie
par la probabilit que cette cause cre une dfaillance. Dans le cas de la brosse
dents, on jugera comme faible la probabilit de mlanger les lots de matire.
La gravit, cest--dire lvaluation de leffet non-qualit ressenti par le client. Dans
une AMDEC Process, on considrera les deux clients. Le client final du produit et
le client (atelier) aval ou lusine cliente.
La dtection, cest--dire la probabilit de ne pas livrer une dfaillance potentielle
quand la cause existe. On juge les moyens qui ont t mis en uvre pour empcher
la dfaillance, par exemple un code de couleur sur les matires.
Pour coter les dfaillances, on utilise une grille de dfaillance qui diffre dune socit
lautre. Gnralement, on utilise une grille 10 niveaux comme celle donne en fin
de chapitre pour lAMDEC Process. Cette notation donne parfois lieu quelques dis-
cussions. Le rle de lanimateur est alors de veiller une bonne homognit de la
notation.
Le produit de ces trois critres F x G x D donne le Niveau de Priorit de Risque (NPR
ou IPR) qui permet de hirarchiser les causes.
Hirarchisation des NPR
Pour hirarchiser les causes de dfaillances, on tablit un diagramme comme indiqu
en figure 9.13. Ce diagramme permet de faire apparatre les risques de dfaillances
dtects au cours de cette tape.
100 200 300 400 500 600 700 800 900 1000
Actions correctives
18
16
14
12
10
8
6
4
2
0
NPR
Nombre de causes
Figure 9.13 Hirarchisation des causes de dfaillances
4.5 Recherche dactions correctives
Aprs lvaluation, on se fixe une limite dacceptation pour le NPR. Toutes les causes
de dfaillances dont le NPR dpasse cette limite doivent tre traites par le groupe
afin dliminer la cause ou dabaisser le NPR en dessous de la limite acceptable. On
considre le plus souvent quun mode de dfaillance peut tre accept si son NPR est
infrieur 100.
En rgle gnrale, tout risque suprieur 100 fait lobjet dune action corrective. De
mme si une gravit est cote 10, cest--dire quelle met en pril la scurit des
utilisateurs, il doit y avoir modification de la conception pour diminuer le risque.
Pour chaque action corrective, il faut complter la feuille danalyse en prcisant le
triplet : une action, une personne, un dlai.
Aprs avoir prcis laction corrective envisage, le groupe value le NPR prvisionnel
aprs correction. Le niveau de risque ne change pas, cependant laction corrective doit
avoir pour but de diminuer la probabilit dapparition de la cause ou de mettre en
place un contrle pour diminuer le risque li la dtection.
4.6 Mise en uvre des solutions
Lanalyse tant termine, il faut alors faire le bilan des propositions dactions. La
dcision finale est prise par le dcideur au cours dune runion bilan.
Pour tre efficace, cette runion doit tre prpare. On aura pris soin de documenter
les solutions prventives, en terme de faisabilit, de cot, de dlais de mise en uvre.
Les dcisions sont prises en tenant compte :
de lanalyse AMDEC ;
des orientations stratgiques du produit ;
des orientations conomiques du produit ;
du cot des diffrentes solutions ;
des dlais.
A lissue de cette runion, on tablit un calendrier des actions raliser et on pro-
gramme une runion de rebouclage pour valider le rsultat des actions. La mise en
uvre des actions correctives est ralise par les services oprationnels.
4.7 Suivi des actions et rebouclage si ncessaire
A lissue des tapes prcdentes, on a tabli une planification des actions entrepren-
dre. Il faut alors passer la ralisation par les diffrents services de lentreprise. Tout
au long de la ralisation, lanimateur AMDEC veille au respect du calendrier. Il peut
alors reformer une runion au cas o un problme important viendrait surgir.
Aprs mise en uvre des solutions, il est impratif de vrifier si les objectifs viss
sont bien atteints, notamment en ce qui concerne les indices NPR. Dans le cas contraire,
il faut reboucler sur ltude AMDEC.
5. PLANIFICATIONDUNE AMDEC
Une AMDEC doit rassembler lensemble des tapes que nous avons vues au paragra-
phe 4. Lensemble dune grosse tude AMDEC se droule en principe sur 2 3 mois
maximum partir de 5 7 runions dune demi-journe.
Notre exprience nous a montr quil tait impratif de limiter dans le temps et en
nombre de runions les tudes AMDEC. Une AMDEC trop longue lasse les partici-
pants et rend difficile lorganisation dune prochaine AMDEC sur un autre sujet. Une
AMDEC faite trop rapidement ne fait apparatre que les modes de dfaillances vi-
dents.
Pour trouver le bon compromis, il est impratif de limiter le champ de ltude. En
rgle gnrale, nous prconisons de ne sintresser quaux parties nouvelles par rapport
aux produits dj matriss dans lentreprise. On peut ventuellement adjoindre
ltude les parties qui traditionnellement posent des problmes. Mais il faut prendre
garde ne pas noyer lAMDEC en redcouvrant le fil couper le beurre .
Une des grandes difficults de lanimateur est la gestion du temps. Il est inutile de
laisser le groupe discuter pendant dix minutes sur une note 5 ou 6 alors que visiblement
le mode de dfaillance tudi aura un NPR infrieur 100. Lanimateur doit tre
capable dacclrer sur les parties visiblement matrises par lentreprise et de se foca-
liser sur les points plus nouveaux et plus dlicats.
6. EXEMPLE DAMDEC PROCESS
Pour illustrer ce chapitre, nous utiliserons un produit relativement simple : une masse
filtrante monte serre sur le cble de dbrayage dune automobile. Le but de ce produit
est de filtrer les vibrations qui pourraient remonter dans lhabitacle. Deux lments
sont particulirement importants dans ce produit : la masse et le diamtre de 5,8
0,02.
6 0.25
20 30
34 + 0.40
0.00

1
7

h

1
3
0
.
0
0

5
.
8
0

0
.
0
5

6
.
7
0

0
.
1
0
1.00 + 1.00
0.00
Figure 9.14 Dessin du produit
Les oprations principales de la gamme sont :
Etape 1 : Rception matire
Etape 2 : Dcolletage _
Etape 3 : Lavage
Etape 4 : Reprise _
Etape 5 : Lavage
Etape 6 : Traitement
La figure 9.15 donne un extrait du plan de surveillance tel quil tait prvu avant
lAMDEC. La figure 9.16 donne le rsultat de lAMDEC avec ses actions correctives
qui ont t mises en uvre.
1 3 4 5 6 7 9 12 13
Synoptique N
o
Op
Dsignation Paramtres Valeur Moyen Verrou Type
surveillance
par niveau
1 2 3
Raction
produit
10 Rception
20 Contrle Matire XC12 Visuel
Peinture
Refus
Rception
30 Stockage
40 Dcolletage Longueur
Diamtre
Diamtre
Longueur
34
5,8
6,7
6
PaC
Piges
Piges
Projecteur
1/H
5/H
1/H
1/Jour
Tri
Tri
Tri
50 Lavage Propret Visuel 10/

lot
Nouveau
Lavage
60 Reprise Diamtre
Longueur
6,7
6
Piges
Projecteur
1/H
1/Jour
Tri
70 Lavage Propret Visuel 10/

lot
Nouveau
Lavage
80 Traitement
de surface
(sous-trai-
tance)
Certificat
de
conformit
A
chaque
lot
90 Contrle Prsence
traitement
Visuel 10/lot
100 Emballage
expdition
Mlanges
tiquetage
Procdure
non crite
Figure 9.15 Extrait du plan de surveillance
O
P
R
O
D
U
I
T
P
R
O
C
E
S
S
U
S
P
R
E
V
U
/
E
X
I
S
T
A
N
T
N
O
U
V
E
L
L
E
S
M
E
S
U
R
E
S
D
f
a
u
t
s
P
o
t
e
n
t
i
e
l
s
E
f
f
e
t
s
d
f
a
u
t
s
C
a
u
s
e
s
D
f
a
u
t
s
P
l
a
n
d
e
S
u
r
v
e
i
l
l
a
n
c
e
D
F
G
N
P
R
R
e
s
p
o
n
s
a
b
l
e
D
l
a
i
M
e
s
u
r
e
s
p
r
i
s
e
s
D
F
G
N
P
R
P 1
E
r
r
e
u
r
m
a
t
i
r
e
P
o
i
d
s
n
o
n
c
o
n
f
o
r
m
e
F
o
u
r
n
i
s
s
e
u
r
V
r
i
f
c
e
r
t
i
f
m
a
t
i
r
e
3
2
7
4
2
P
a
s
d
e
c
o
n
t
r
l
e
D
i
a
m
1
7
N
C
F
o
u
r
n
i
s
s
e
u
r
P
r
o
c
r
c
e
p
t
m
a
t
i
r
e
1
2
7
1
4
D
i
a
m
1
7
N
C
P
o
i
d
s
N
C
F
o
u
r
n
i
s
s
e
u
r
P
r
o
c
r
c
e
p
t
m
a
t
i
r
e
1
1
7
7
M
l
a
n
g
e
d
e
l
o
t
s
P
o
i
d
s
N
C
F
o
u
r
n
i
s
s
e
u
r
P
r
o
c
r
c
e
p
t
m
a
t
i
r
e
P
r
s
e
n
c
e
d
e
c
r
i
q
u
e
s
P
o
i
d
s
+
s
e
r
r
a
g
e
F
o
u
r
n
i
s
s
e
u
r
5
2
7
7
0
C
o
m
m
e
r
c
i
a
l
S
7
C
o
n
t
r
l
e
U
S
C
o
n
t
a
c
t
c
l
i
e
n
t
2
2
7
2
8
2
D
5
,
8
h
o
r
s
m
i
n
i
G
o
u
p
i
l
l
e
n
e
n
t
r
e
p
a
s
M
c
h
e
P
i
g
e
5
P
/
H
4
2
5
4
0
D
5
,
8
h
o
r
s
m
a
x
i
G
o
u
p
i
l
l
e
n
e
s
e
r
r
e
p
a
s
N
u
a
n
c
e
m
t
a
l
R
c
e
p
t
m
a
t
+
p
i
g
e
8
3
9
2
1
6
Q
u
a
l
i
t
S
8
M
i
s
e
e
n
p
l
a
c
e
S
P
C
2
2
9
3
6
A
f
f
t
a
g
e
P
i
g
e
5
/
H
4
4
9
1
4
4
A
n
g
l
e
2
0
3
0
o
M
o
n
t
g
o
u
p
d
i
f
f
i
c
i
l
e
A
f
f
t
a
g
e
C
a
s
s
e
1
p
i
c
e
c
o
u
p
e
p
a
r
j
o
u
r
+
v
i
s
u
e
l
3
3
5
4
5
D
6
,
7
h
o
r
s
m
i
n
i
M
o
n
t
g
o
u
p
d
i
f
f
i
c
i
l
e
M
c
h
e
P
i
g
e
1
p
i
c
e
/
H
3
1
5
1
5
D
6
,
7
h
o
r
s
m
a
x
i
M
a
u
v
a
i
s
g
u
i
d
a
g
e
M
c
h
e
P
i
g
e
1
p
i
c
e
/
H
3
1
5
1
5
L
o
n
g
u
e
u
r
3
4
N
C
P
o
i
d
s
N
C
E
n
c
o
m
b
r
e
m
e
n
t
R
g
l
a
g
e
P
a
C
1
p
i
c
e
/
H
3
1
7
2
1
L
o
n
g
6
h
o
r
s
m
a
x
i
S
e
r
r
a
g
e
i
n
s
u
f
f
i
s
a
n
t
R
g
l
a
g
e
1
P
i
c
e
c
o
u
p
e
/
j
o
u
r
7
2
9
1
2
6
Q
u
a
l
i
t
r
e
p
r
i
s
e
S
9
R
a
l
i
s
a
t
i
o
n
o
u
t
i
l
-
l
a
g
e
d
e
c
o
n
t
r
l
e
2
2
9
3
6
C
h
a
n
f
r
e
i
n
N
C
P
i
c
e
s
a
g
r
e
s
s
i
v
e
s
R
g
l
a
g
e
P
r
o
j
P
r
o
f
1
P
/
J
1
3
5
1
5
3
A
n
g
l
e
2
0
3
0
o
M
o
n
t
a
g
e
g
o
u
p
d
i
f
f
i
c
i
l
e
A
f
f
t
a
g
e
C
a
s
s
e
1
p
i
c
e
c
o
u
p
e
p
a
r
j
o
u
r
+
v
i
s
u
e
l
3
3
5
4
5
D
6
,
7
h
o
r
s
m
i
n
i
M
o
n
t
a
g
e
g
o
u
p
d
i
f
f
i
c
i
l
e
M
c
h
e
P
i
g
e
1
p
i
c
e
/
H
3
1
5
1
5
D
6
,
7
h
o
r
s
m
a
x
i
M
a
u
v
a
i
s
g
u
i
d
a
g
e
M
c
h
e
P
i
g
e
1
p
i
c
e
/
H
3
1
5
1
5
A
b
s
e
n
c
e
r
e
p
r
i
s
e
M
o
n
t
a
g
e
g
o
u
p
i
l
l
e
i
m
p
o
s
s
i
b
l
e
E
r
r
e
u
r
h
u
m
a
i
n
e
C
o
n
t
r
l
e
f
i
n
a
l
3
0
/
l
o
t
7
5
9
3
1
5
R
e
p
r
i
s
e
S
9
V
e
r
r
o
u
s
u
r
r
e
p
r
i
s
e
p
e
r
e
u
s
e
7
1
9
6
3
4
A
b
s
e
n
c
e
d
e
l
a
v
a
g
e
P
i
c
e
s
s
a
l
e
s
,
c
o
p
e
a
u
x
E
r
r
e
u
r
H
u
m
a
i
n
e
C
o
n
t
r
l
e
v
i
s
u
e
l
f
i
n
a
l
1
3
7
2
1
L
a
v
a
g
e
m
a
l
f
a
i
t
P
i
c
e
s
s
a
l
e
s
,
c
o
p
e
a
u
x
G
a
m
m
e
n
o
n
r
e
s
p
e
c
t
e
C
o
n
t
r
l
e
v
i
s
u
e
l
f
i
n
a
l
5
2
5
5
0
F
i
g
u
r
e
9
.
1
6
E
x
t
r
a
i
t
d
e
l
A
M
D
E
C
P
r
o
c
e
s
s
u
s
7
.
G
R
I
L
L
E
P
O
U
R
L
V
A
L
U
A
T
I
O
N
D
E
L
A
M
D
E
C
P
R
O
C
E
D
E
P
r
o
b
a
b
i
l
i
t
d
e
n
o
n
-
d
t
e
c
t
i
o
n
F
r
q
u
e
n
c
e
d
a
p
p
a
r
i
t
i
o
n
N
i
v
e
a
u
d
e
g
r
a
v
i
t
C
r
i
t
r
e
N
o
t
e
D
R
i
s
q
u
e
d
e
l
a
i
s
s
e
r
p
a
s
s
e
r
u
n
p
r
o
d
u
i
t
d
f
e
c
t
u
e
u
x
(
t
i
t
r
e
i
n
d
i
c
a
t
i
f
)
C
r
i
t
r
e
N
o
t
e
F
R
i
s
q
u
e
q
u
e
l
e
d
f
a
u
t
s
e
p
r
o
d
u
i
s
e
(
t
i
t
r
e
i
n
d
i
c
a
t
i
f
)
C
r
i
t
r
e
C
l
i
e
n
t
f
i
n
a
l
N
o
t
e
G
C
r
i
t
r
e
C
l
i
e
n
t
o
u
a
t
e
l
i
e
r
a
v
a
l
T
r
s
f
a
i
b
l
e
p
r
o
b
a
b
i
l
i
t
d
e
n
e
p
a
s
d
t
e
c
t
e
r
l
e
d
f
a
u
t
a
v
a
n
t
q
u
e
l
e
p
r
o
d
u
i
t
n
e
q
u
i
t
t
e
l
o
p
r
a
t
i
o
n
c
o
n
c
e
r
-
n
e
.
C
o
n
t
r
l
e
a
u
t
o
m
a
t
i
q
u
e
1
0
0
%
d
e
s
p
i
c
e
s
o
p
r
a
t
i
o
n
,
P
o
k
a
Y
o
k
.
1
o
u
2
1
/
2
0
0
0
0
1
/
1
0
0
0
0
P
r
o
b
a
b
i
l
i
t
t
r
s
f
a
i
b
l
e
D
f
a
u
t
i
n
e
x
i
s
t
a
n
t
s
u
r
p
r
o
c
e
s
s
u
s
a
n
a
l
o
g
u
e
.
C
a
p
a
b
i
l
i
t
e
s
t
i
m
e
d
u
p
r
o
c
e
s
s
u
s
C
p
>
1
,
6
6
.
1
o
u
2
1
/
2
0
0
0
0
1
/
1
0
0
0
0
D
f
a
i
l
l
a
n
c
e
m
i
n
i
m
e
,
l
e
c
l
i
e
n
t
n
e
s
e
n
a
p
e
r
o
i
t
p
a
s
.
1
A
u
c
u
n
e
i
n
f
l
u
e
n
c
e
s
u
r
l
e
s
o
p
r
a
t
i
o
n
s
d
e
f
a
b
r
i
c
a
-
t
i
o
n
s
s
u
i
v
a
n
t
e
s
o
u
d
a
n
s
l
u
s
i
n
e
c
l
i
e
n
t
e
.
F
a
i
b
l
e
p
r
o
b
a
b
i
l
i
t
d
e
n
e
p
a
s
d
t
e
c
t
e
r
l
e
d
f
a
u
t
a
v
a
n
t
q
u
e
l
e
p
r
o
-
d
u
i
t
n
e
q
u
i
t
t
e
l
o
p
r
a
t
i
o
n
c
o
n
c
e
r
-
n
e
.
L
e
d
f
a
u
t
e
s
t
v
i
d
e
n
t
(
e
x
e
m
p
l
e
p
r
-
s
e
n
c
e
d
u
n
t
r
o
u
)
q
u
e
l
q
u
e
s
d
f
a
u
t
s
c
h
a
p
p
e
r
o
n
t
l
a
d
t
e
c
t
i
o
n
(
c
o
n
t
r
l
e
u
n
i
t
a
i
r
e
)
.
3
o
u
4
1
/
2
0
0
0
1
/
1
0
0
0
P
r
o
b
a
b
i
l
i
t
f
a
i
b
l
e
T
r
s
p
e
u
d
e
d
f
a
u
t
s
s
u
r
p
r
o
c
e
s
-
s
u
s
a
n
a
l
o
g
u
e
o
u
p
r
o
c
e
s
s
u
s
s
o
u
s
c
o
n
t
r
l
e
s
t
a
t
i
s
t
i
q
u
e
.
C
a
p
a
b
i
l
i
t
e
s
t
i
m
e
d
u
p
r
o
c
e
s
s
u
s
1
,
3
3
<
C
p
<
1
,
6
6
.
3
o
u
4
1
/
2
0
0
0
1
/
1
0
0
0
D
f
a
i
l
l
a
n
c
e
m
i
n
e
u
r
e
q
u
e
l
e
c
l
i
e
n
t
p
e
u
t
d
c
e
l
e
r
,
m
a
i
s
n
e
p
r
o
v
o
-
q
u
a
n
t
q
u
u
n
e
g
n
e
l
r
e
e
t
a
u
c
u
n
e
d
g
r
a
d
a
t
i
o
n
n
o
t
a
b
l
e
d
e
s
p
e
r
f
o
r
m
a
n
c
e
s
d
u
p
r
o
d
u
i
t
.
2
o
u
3
E
f
f
e
t
m
i
n
e
u
r
q
u
e
l
o
p
r
a
t
e
u
r
a
v
a
l
o
u
l
u
s
i
n
e
c
l
i
e
n
t
e
p
e
u
t
d
c
e
l
e
r
m
a
i
s
n
e
p
r
o
v
o
q
u
a
n
t
q
u
u
n
e
g
n
e
l
r
e
s
a
n
s
p
e
r
t
u
r
b
a
t
i
o
n
d
e
f
l
u
x
.
P
r
o
b
a
b
i
l
i
t
m
o
d
e
d
e
n
e
p
a
s
d
t
e
c
t
e
r
l
e
d
f
a
u
t
a
v
a
n
t
q
u
e
l
e
p
r
o
-
d
u
i
t
n
e
q
u
i
t
t
e
l
o
p
r
a
t
i
o
n
c
o
n
c
e
r
-
n
e
.
C
o
n
t
r
l
e
m
a
n
u
e
l
d
i
f
f
i
c
i
l
e
.
5
o
u
6
1
/
5
0
0
1
/
2
0
0
P
r
o
b
a
b
i
l
i
t
m
o
d
e
D
f
a
u
t
s
a
p
p
a
r
u
s
o
c
c
a
s
i
o
n
n
e
l
l
e
-
m
e
n
t
s
u
r
p
r
o
c
e
s
s
u
s
a
n
a
l
o
g
u
e
.
C
a
p
a
b
i
l
i
t
e
s
t
i
m
e
d
u
p
r
o
c
e
s
s
u
s
1
<
C
p
<
1
,
3
3
.
5
o
u
6
1
/
5
0
0
1
/
2
0
0
D
f
a
i
l
l
a
n
c
e
a
v
e
c
s
i
g
n
e
a
v
a
n
t
c
o
u
r
e
u
r
q
u
i
m
c
o
n
t
e
n
t
e
l
e
c
l
i
e
n
t
.
E
l
l
e
i
n
d
i
s
p
o
s
e
l
e
c
l
i
e
n
t
o
u
l
e
m
e
t
m
a
l
a
i
s
e
.
4
o
u
5
E
f
f
e
t
a
v
e
c
s
i
g
n
e
s
a
v
a
n
t
-
c
o
u
r
e
u
r
s
q
u
i
m
c
o
n
-
t
e
n
t
e
l
o
p
r
a
t
e
u
r
a
v
a
l
o
u
l
u
s
i
n
e
c
l
i
e
n
t
e
.
L
r
e
p
e
r
t
u
r
b
a
t
i
o
n
d
u
f
l
u
x
d
e
p
r
o
d
u
c
t
i
o
n
.
P
r
o
b
a
b
i
l
i
t
l
e
v
e
d
e
n
e
p
a
s
d
t
e
c
t
e
r
l
e
d
f
a
u
t
a
v
a
n
t
q
u
e
l
e
p
r
o
-
d
u
i
t
n
e
q
u
i
t
t
e
l
o
p
r
a
t
i
o
n
c
o
n
c
e
r
-
n
e
.
L
e
c
o
n
t
r
l
e
e
s
t
s
u
b
j
e
c
t
i
f
.
E
c
h
a
n
t
i
l
l
o
n
n
a
g
e
m
a
l
a
d
a
p
t
.
7
o
u
8
1
/
1
0
0
1
/
5
0
P
r
o
b
a
b
i
l
i
t
l
e
v
e
D
f
a
u
t
s
f
r
q
u
e
n
t
s
s
u
r
p
r
o
c
e
s
s
u
s
a
n
a
l
o
g
u
e
.
C
a
p
a
b
i
l
i
t
e
s
t
i
m
e
d
u
p
r
o
c
e
s
s
u
s
0
,
8
3
<
C
p
<
1
.
7
o
u
8
1
/
1
0
0
1
/
5
0
D
f
a
i
l
l
a
n
c
e
e
n
t
r
a
n
a
n
t
u
n
e
d
g
r
a
d
a
t
i
o
n
n
o
t
a
b
l
e
d
e
s
p
e
r
f
o
r
-
m
a
n
c
e
s
d
u
s
o
u
s
-
e
n
s
e
m
b
l
e
o
u
d
u
p
r
o
d
u
i
t
.
E
l
l
e
m
c
o
n
t
e
n
t
e
l
e
c
l
i
e
n
t
.
6
o
u
7
E
f
f
e
t
s
a
n
s
s
i
g
n
e
a
v
a
n
t
-
c
o
u
r
e
u
r
q
u
i
m
c
o
n
t
e
n
t
e
l
o
p
r
a
t
e
u
r
a
v
a
l
o
u
l
u
s
i
n
e
c
l
i
e
n
t
e
.
P
e
r
t
u
r
b
a
t
i
o
n
m
o
d
e
d
u
f
l
u
x
.
P
e
u
t
p
r
o
v
o
q
u
e
r
q
u
e
l
q
u
e
s
r
e
b
u
t
s
o
u
r
e
t
o
u
c
h
e
s
s
u
r
l
e
p
r
o
d
u
i
t
.
F
r
a
i
s
d
e
r
e
m
i
s
e
e
n
t
a
t
d
u
p
r
o
c
e
s
s
u
s
m
o
d
s
.
P
r
o
b
a
b
i
l
i
t
t
r
l
e
v
e
d
e
n
e
p
a
s
d
t
e
c
t
e
r
l
e
d
f
a
u
t
a
v
a
n
t
q
u
e
l
e
p
r
o
d
u
i
t
n
e
q
u
i
t
t
e
l
o
p
r
a
t
i
o
n
c
o
n
c
e
r
-
n
e
.
L
e
p
o
i
n
t
n
e
s
t
p
a
s
c
o
n
t
r
o
u
p
a
s
c
o
n
t
r
l
a
b
l
e
.
L
e
d
f
a
u
t
n
e
s
t
p
a
s
a
p
p
a
r
e
n
t
.
9
o
u
1
0
1
/
2
0
>
1
/
1
0
P
r
o
b
a
b
i
l
i
t
t
r
l
e
v
e
I
l
e
s
t
c
e
r
t
a
i
n
q
u
e
l
e
d
f
a
u
t
s
e
p
r
o
-
d
u
i
r
a
s
o
u
v
e
n
t
.
9
o
u
1
0
1
/
2
0
>
1
/
1
0
D
f
a
i
l
l
a
n
c
e
a
v
e
c
s
i
g
n
e
s
a
v
a
n
t
-
c
o
u
r
e
u
r
s
q
u
i
p
r
o
v
o
q
u
e
u
n
g
r
a
n
d
m
c
o
n
t
e
n
t
e
m
e
n
t
d
u
c
l
i
e
n
t
e
t
/
o
u
d
e
s
f
r
a
i
s
d
e
r
p
a
r
a
-
t
i
o
n
s
l
e
v
s
.
8
E
f
f
e
t
a
v
e
c
s
i
g
n
e
a
v
a
n
t
-
c
o
u
r
e
u
r
q
u
i
p
r
o
v
o
q
u
e
u
n
g
r
a
n
d
m
c
o
n
t
e
n
t
e
m
e
n
t
d
e
l
o
p
r
a
t
e
u
r
a
v
a
l
o
u
l
u
s
i
n
e
c
l
i
e
n
t
e
.
I
m
p
o
r
t
a
n
t
e
p
e
r
t
u
r
b
a
t
i
o
n
d
u
f
l
u
x
.
R
e
b
u
t
s
o
u
r
e
t
o
u
c
h
e
s
i
m
p
o
r
t
a
n
t
s
s
u
r
l
e
p
r
o
d
u
i
t
.
F
r
a
i
s
d
e
r
e
m
i
s
e
e
n
t
a
t
d
u
p
r
o
c
e
s
s
u
s
l
e
v
s
.
D
f
a
i
l
l
a
n
c
e
s
a
n
s
s
i
g
n
e
s
a
v
a
n
t
-
c
o
u
r
e
u
r
s
q
u
i
p
r
o
v
o
q
u
e
u
n
g
r
a
n
d
m
c
o
n
t
e
n
t
e
m
e
n
t
d
u
c
l
i
e
n
t
e
t
/
o
u
d
e
s
f
r
a
i
s
d
e
r
p
a
r
a
-
t
i
o
n
s
l
e
v
s
.
P
r
o
d
u
i
t
e
n
p
a
n
n
e
o
u
h
o
r
s
s
e
r
-
v
i
c
e
.
9
E
f
f
e
t
s
a
n
s
s
i
g
n
e
a
v
a
n
t
-
c
o
u
r
e
u
r
q
u
i
p
r
o
v
o
q
u
e
u
n
g
r
a
n
d
m
c
o
n
t
e
n
t
e
m
e
n
t
d
e
l
o
p
r
a
t
e
u
r
a
v
a
l
o
u
l
u
s
i
n
e
c
l
i
e
n
t
e
.
I
m
p
o
r
t
a
n
t
e
p
e
r
t
u
r
b
a
t
i
o
n
d
u
f
l
u
x
.
R
e
b
u
t
s
o
u
r
e
t
o
u
c
h
e
s
i
m
p
o
r
t
a
n
t
s
s
u
r
l
e
p
r
o
d
u
i
t
.
F
r
a
i
s
d
e
r
e
m
i
s
e
e
n
t
a
t
d
u
p
r
o
c
e
s
s
u
s
l
e
v
s
.
D
f
a
i
l
l
a
n
c
e
s
a
n
s
s
i
g
n
e
a
v
a
n
t
-
c
o
u
r
e
u
r
i
m
p
l
i
q
u
a
n
t
d
e
s
p
r
o
b
l
-
m
e
s
d
e
s
c
u
r
i
t
.
1
0
E
f
f
e
t
i
m
p
l
i
q
u
a
n
t
d
e
s
p
r
o
b
l
m
e
s
d
e
s
c
u
r
i
t
p
o
u
r
l
o
p
r
a
t
e
u
r
a
v
a
l
o
u
l
u
s
i
n
e
c
l
i
e
n
t
e
.
A
r
r
t
d
u
p
r
o
-
c
e
s
s
u
s
d
e
f
a
b
r
i
c
a
t
i
o
n
.
CHAPITRE 10
LAMATRISE STATISTIQUE DES PROCESSUS
(MSP/SPC)
Dans la dmarche qualit des entreprises manufacturires, la Matrise Statistique des
Procds (MSP) ou SPC (Statistical Process Control) reprsente un lment trs impor-
tant de la qualit des productions industrielles. Au-del du simple outil, la MSP intgre
une nouvelle culture dentreprise. Cest sur ce point que de nombreuses entreprises
ont chou dans la mise en place de la MSP. En voulant mettre en place des cartes
de contrle pour faire plaisir leurs clients, elles sont passes cot de lessentiel
sans forcment convaincre le client.
Nous dvelopperons dans ce chapitre deux aspects de la MSP. Nous aborderons
dabord laspect culturel avec la nouvelle faon de voir lintervalle de tolrance et la
cotation des systmes qui est sous-jacente dans la MSP, mais trop souvent passe
sous silence. Nous dvelopperons, ensuite, les outils qui permettent la mise en place
de cette nouvelle culture.
1. LES NOTIONS FONDAMENTALES
1.1 Les causes communes et les causes spciales
1.1.1 Les cinq Mdu procd
Tous les procds, quels quils soient, sont incapables de produire toujours exactement
le mme produit. Cela tous les oprateurs le savent bien et cest dailleurs un des
problmes principaux auquel les rgleurs sont confronts tous les jours.
Une cote sur un lot de pices ne fera jamais exactement 10 mm, mais sera rpartie
entre 9,97 et 10,03 mm par exemple. Un lot de rsistances lectriques dont la valeur
nominale est de 10 ohms, aura en fait des valeurs comprises entre 9,9 et 10,1 ohms.
Cette variabilit est incontournable et il faut tre capable de vivre avec . Quelle que
soit la machine tudie, la caractristique observe, on note toujours une dispersion
dans la rpartition de la caractristique.
Ces variations proviennent de lensemble du procd de production. Lanalyse des
procds de fabrication permet de dissocier 5 lments lmentaires source de cette
dispersion. On dsigne gnralement par les 5 M ces 5 causes fondamentales respon-
sables de dispersion et donc de non-qualit :
Machine
Main-duvre
Matire
Mthodes
Milieu
Gamme
Matire
Mthodes
Machine
Main-duvre
Milieu
Figure 10.1 Les 5 Mdu procd
Les variations alatoires dune caractristique suivent trs souvent une courbe en clo-
che : la loi normale. On trouve quelques cas ou cela nest pas vrai comme les carac-
tristiques de forme (circularit) mais ces cas sortent du cadre de cet ouvrage. Nous
prendrons lhypothse que la machine a une dispersion qui suit une loi de Gauss (loi
normale).
Dispersion = 6
moyenne
Modle :
loi de Gauss
Observation dun
chantillon
cart type
Figure 10.2 Courbe en cloche
Dsormais, lorsque nous parlerons de la production dune machine, nous la modli-
serons par une courbe en cloche, dont les deux caractristiques importantes seront la
moyenne et la dispersion.
La position moyenne (note x) des pices donne une bonne indication de la position
de rglage de la machine linstant t.
La dispersion (fixe le plus souvent six carts types) donne une bonne indication
de limportance des variations observes sur la caractristique.
1.1.2 Causes communes Causes spciales
On sait que dans une production, deux pices ne sont jamais parfaitement identiques.
Les dimensions dune pice usine sur une machine-outil dpendent de nombreux
facteurs. Il sensuit une dispersion sur la cote que lon peut sparer en deux catgories :
les dispersions dues aux causes communes,
les dispersions dues aux causes spciales.
Cette dichotomie entre les causes de dispersions est une des bases fondamentales de
la mthode MSP. Il convient donc de les expliciter davantage.
Les causes communes : ce sont les nombreuses sources de variations difficilement
matrisables qui sont toujours prsentes des degrs divers dans diffrents procds.
Ces causes tant toujours prsentes et de plus en grand nombre, il faudra vivre avec .
Lensemble de ces causes communes forme la variabilit intrinsque du procd. Cette
variabilit suit gnralement une loi de Gauss.
CHAPITRE 10 LA MATRISE STATISTIQUE DES PROCESSUS 221
Causes communes
Causes spciales
2
e
rglage
1
er
rglage
+3 3
Figure 10.3 Courbe bimodale
Les causes spciales : ce sont les causes de dispersion identifiables, souvent irrgu-
lires et instables, et par consquent difficiles prvoir. Lapparition dune cause
spciale ncessite une intervention sur le procd. Contrairement aux causes commu-
nes, les causes spciales sont en gnral peu nombreuses. Un drglage d une usure
doutil est une cause spciale.
1.2 Qualit produit versus Qualit dune caractristique
Pour appliquer correctement la MSP, il faut avoir pralablement assimil un certain
nombre de notions. La notion la plus importante sur laquelle il est utile de passer un
peu de temps est la diffrence entre la qualit dun produit et la qualit associe une
caractristique lmentaire.
Qualit dun produit : la notion de qualit est assez claire lorsquon parle de produits
finis livrs aux clients. Il faut que le produit satisfasse les exigences ... longtemps.
Qualit associe une caractristique lmentaire : lorsque lon rflchit la notion
de qualit dune caractristique lmentaire, par exemple une cote tolrance sur un
produit mcanique, la premire ide consiste dire le produit est de qualit si la
caractristique est conforme au plan . Les choses sont pourtant plus complexes,
comme nous le verrons plus loin. Souvent, pour simplifier , nous contournons le
problme en mettant des tolrances de plus en plus serres qui conduisent invitable-
ment des cots de production toujours plus levs.
Pour illustrer ce propos, prenons deux exemples simples en mcanique (assemblage
dun arbre et dun alsage) et en lectronique (loi dOhm U = RI).
U R
I
Diamtre
alsage
Diamtre
arbre
Arbre alsage U = RI
Figure 10.4 Caractristiques lmentaires
Que souhaite le client final ? Que le produit fonctionne.
Quelles sont toutes les caractristiques lmentaires qui participent au bon fonction-
nement du produit ? De trs nombreuses, on peut citer entre autres :
Le diamtre de lalsage
Le diamtre de larbre
La cylindricit
La rugosit des surfaces
La duret
La valeur de la rsistance
La rsistance du fil
La temprature extrieure
Lintensit
La qualit des soudures
Quels que soient les systmes industriels, mme pour les plus simples, on retrouve
toujours cet invariant : la qualit finale du produit rsulte de la combinaison plus ou
moins complexe dun nombre important de paramtres lmentaires gigognes que nous
pouvons classer de la faon suivante :
Paramtres participant au bon fonctionnement du produit
Paramtres identifis comme tant lis au fonctionnement (BE)
Paramtres potentiellement surveillables (Mthodes)
Paramtres rellement surveills (Production)
Pour assurer le fonctionnement idal, il faudrait contrler tous les paramtres partici-
pant au bon fonctionnement. Mais ces paramtres ne sont pas tous identifis. Parmi
les paramtres identifis, certains ne peuvent tre surveills en production pour des
problmes de faisabilit (contrle destructif par exemple) ou de cots. On se limite
donc en rgle gnrale au suivi de quelques paramtres considrs comme critiques
afin dassurer la qualit finale du produit qui doit bien sr tre notre seul objectif.
Dans ces conditions, quelles doivent tre les bonnes tolrances de fabrication sur ces
quelques caractristiques surveilles ? Comment interprter ces tolrances ?
La dmarche traditionnelle consiste fixer des tolrances partir de normes ou de
lexprience des concepteurs et de la culture de lentreprise. On considre la caract-
ristique acceptable si elle est dans ces tolrances, inacceptable si elle est en dehors des
tolrances. Nous pensons que cette dmarche est restrictive et quil faut faire voluer
cette approche.
Prenons le cas de lassemblage de larbre avec lalsage. Le produit fonctionnera cor-
rectement si le jeu entre larbre et lalsage est gal la cible recherche (jeu idal).
Pour obtenir cette cible, on fixe sur larbre et sur lalsage des diamtres tolrancs,
calculs en fonction de lintervalle de tolrance souhait sur le jeu. Mais ce fonction-
nement ne sera idal que si les autres critres non surveills comme la rugosit, la
cylindricit reste dans des limites raisonnables.
Considrons maintenant trois situations :
Lorsque larbre est au maxi et lalsage au mini, ces caractristiques sont acceptables.
Pourtant, supposons que des paramtres non surveills comme la cylindricit, la
rugosit ou la duret soient galement en limite, le fonctionnement du produit fini
sera dgrad, la qualit ne sera plus assure.
Considrons dans un second cas, lalsage plac sur la cible. Le jeu est plus proche
du jeu idal, et la qualit du produit pourra tre assure mme si les caractristiques
non surveilles sont dfavorables.
Supposons maintenant que larbre et lalsage soient tous les deux sur leurs cotes
cibles. Le jeu serait alors idal, et le produit pourrait alors encaisser des para-
mtres non surveills en limite.
La qualit des produits est souvent (pour ne pas dire toujours) une combinaison de
plusieurs caractristiques lmentaires. Si on veut se concentrer sur la qualit des
produits, il faut se concentrer sur cette combinatoire qui amne naturellement la notion
de cible.
1.3 Un principe incontournable : viser la cible
Dans la plupart des entreprises, nous considrons quun produit est bon lintrieur
des tolrances, mauvais lextrieur, sans diffrence de nuance. En suivant ce raison-
nement, un systme de tri automatique liminant systmatiquement les pices hors
tolrance permettrait dobtenir une production considre comme parfaite.
Sur la figure 10.5, nous avons reprsent trois pices : 1, 2 et 3. Les pices 2 et 3 sont
dans lintervalle de tolrance. La pice 1 est hors intervalle de tolrance. Or, dun point
de vue fonctionnel, il y a probablement peu dcart entre la pice 1 et la pice 2.
1 2 3
1
2
Figure 10.5 Nouvelle faon de voir lintervalle de tolrance
Considrons maintenant, les deux rpartitions et . La rpartition bien centre,
en forme de cloche, gnre un certain pourcentage de pices non conformes. La rpar-
tition rpartie sur lensemble de lintervalle de tolrance ne gnre pas de pices
non conformes grce un systme de tri efficace.
Dans le cas de lassemblage prcdent, quelle est la rpartition prfrable pour larbre
et lalsage ?
Zone dassemblage
robuste
Zone risque
(trop de jeu)
Alsage
Cible
Arbre
Jeu idal
Jeu
acceptable
Zone risque
(jeu faible)
1
2
Figure 10.6 Assemblage arbre/alsage.
Le raisonnement traditionnel conduit choisir la rpartition car toutes les pices
sont conformes. Le raisonnement statistique conduit choisir la rpartition pour
lalsage et larbre. En effet, si larbre et lalsage sont produits selon la rpartition ,
la probabilit dassembler un arbre fort avec un alsage faible est presque nulle (mul-
tiplication de deux probabilits faibles). En revanche, dans le cas de la rpartition ,
la probabilit dassembler un arbre fort avec un alsage faible est trs importante.
Perte pour
la socit
Y
0
Valeur cible
Y
Y
L
Perte pour
un cart (Y Y
0
)
Figure 10.7 Fonction perte de TAGUCHI
En fait, la perte due lcart dune caractristique par rapport une valeur nominale
nest pas nulle lintrieur de la tolrance et totale lextrieure. TAGUCHI dfinit
la fonction perte comme tant une fonction du second degr de lcart par rapport
la valeur cible.
La fonction perte sexprime par L = K (Y Y0)
2
avec :
K : une constante qui dpend du problme pos ;
Y0 : valeur cible recherche ;
Y : valeur prise par la caractristique.
Il est donc ncessaire de faire voluer notre raisonnement en matire dintervalle de
tolrance et nous pouvons dj conclure :
Limportant, ce nest pas seulement quune pice soit dans lintervalle de tolrance,
mais cest aussi et surtout la rpartition des pices lintrieur de cet intervalle.
La rpartition doit tre centre sur la cible, de dispersion la plus faible possible
compte tenu du processus disponible.
La notion importante qui apparat ici est la notion de cible. La cible est trs souvent
le milieu de la tolrance, mais ce nest pas toujours le cas. Ce qui est important cest
que tout le monde soit daccord sur cette cible. Il nest pas normal de mettre sur un
plan simplement un mini et un maxi. Un plan datelier devrait comporter en gros la
cible qui a t dfinie consensuellement entre tous les services concerns.
En visant la cible pour chaque caractristique surveille, on rendra le produit robuste
par rapport toutes les caractristiques non surveilles mais qui fluctuent quand mme.
Nous pouvons rsumer les principes essentiels de la cible par :
Chaque caractristique surveille en production doit avoir une cible dfinie consen-
suellement entre tous les services concerns.
La cible reprsente le niveau idal de la caractristique. Tous les oprateurs doivent
sefforcer de centrer le procd sur cette cible.
La cible doit apparatre clairement sur les plans de fabrication.
Les services de production doivent utiliser les outils de la Matrise Statistique des
Procds pour satisfaire le centrage du procd sur cette cible.
1.4 tude de la combinatoire de plusieurs caractristiques
1.4.1 Cas de deux caractristiques
Pour bien montrer limportance fondamentale de la cible, tudions la faon dont ces
deux caractristiques se combinent lorsque Y= X1 + X2 dans diffrents cas de figure
de mme moyenne (valeur = 0) et de mme cart type (Valeur = 1).
4 3 2 1 0
-
1
-
2
-
3
-
4

5 4 3 2 1 0
-
1
-
2
-
3
-
4
-
5

4 3 2 1 0 -1 -2 -3 -4
Histogramme de larbre
60
50
40
30
20
10
0
60
50
40
30
20
10
0
80
70
60
90
50
40
30
20
10
0
Histogramme de lalsage
Histogramme du jeu
Jeu
arbre
alsage
Le jeu suit une loi normale
Rpartition suivant une loi de Gauss
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
4 3 2 1 0 -1 -2 -3 -4

4 3 2 1 0 -1 -2 -3 -4

Jeu
5 4 3 2 1 0 -1 -2 -3 -4 -5

40
30
20
10
0
40
30
20
10
0
40
30
20
10
0
Histogramme de larbre
Histogramme de lalsage
Histogramme du jeu
arbre
alsage
Le jeu suit une loi triangulaire
Rpartition suivant une loi uniforme
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
Figure 10.8 Combinatoire de deux caractristiques
En assemblant au hasard un arbre et un alsage, on constate que le rsultat sur le jeu
(triangulaire et gaussienne) est sensiblement identique alors que les rpartitions initia-
les (uniforme et gaussienne) sur les caractristiques lmentaires sont trs diffrentes.
Conclusion : la rpartition finale sur la caractristique produit dpend principalement
de la moyenne et de lcart type des caractristiques lmentaires, et dans une moindre
mesure de leur rpartition.
1.4.2 tude de la combinatoire dans le cas de cinq caractristiques
En fait, il faudrait considrer non seulement les caractristiques surveilles, mais ga-
lement les caractristiques non prises en compte. Pour cela observons la combinaison
de cinq caractristiques indpendantes centres sur leur cible dans deux cas de rpar-
tition :
la premire o tous les lments ont une rpartition uniforme ;
la seconde o tous les lments ont une rpartition de Gauss.
4 3 2 1 0 -1 -2 -3 -4

4 3 2 1 0 -1 -2 -3 -4

6 4 2 0 -2 -4 -6

6 4 2 0 -2 -4 -6

Histogramme des X
Histogramme des X
Histogramme de la rsultante Y
Histogramme de la rsultante Y
40
30
20
10
0
40
30
20
10
0
50
40
30
20
10
0
60
50
40
30
20
10
0
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
Mean -0.3172
StDev 2.194
N 500
Mean -0.3172
StDev 2.194
N 500
Figure 10.9 Combinatoire de cinq caractristiques
Le jeu rsultant est pratiquement identique dans les deux cas.
Conclusion : la rpartition finale sur la caractristique produit dpend principalement
de la moyenne et de lcart type des caractristiques lmentaires et trs peu de leur
rpartition.
1.4.3 tude de linfluence du dcentrage
Dans tous les cas prcdents, nous avons considr que chaque caractristique tait
centre sur la cible. Dans le cas o une des caractristiques lmentaires est dcentre,
la caractristique produit rsultante subit de plein fouet ce dcentrage. La figure
10.10 montre limportance dun dcentrage dune caractristique.
6 4 2 0 -2 -4

6 4 2 0 -2 -4

8 6 4 2 0 -2 -4 -6 -8

Histogramme de X1
Histogramme du jeu
Histogramme de X2, X3, X4, X5
60
50
40
30
20
10
0
60
50
40
30
20
10
0
50
40
30
20
10
0
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
F
r
q
u
e
n
c
e
Figure 10.10 Influence du dcentrage
Conclusion : la qualit finale du produit exige un centrage absolu des caractristiques
lmentaires.
1.5 En conclusion
Lobjectif final de tout industriel est de livrer des produits de qualit pour un prix
minimum. On a vu par cette petite tude que pour atteindre cet objectif, il fallait
sintresser la combinatoire des caractristiques lmentaires. Cette tude a montr
limportance du centrage des caractristiques sur une valeur cible, et la pertinence de
deux critres fondamentaux : la moyenne et lcart type des rpartitions. Ces deux
critres sont plus importants que la loi de rpartition suivie. La Matrise Statistique
des procds permet partir de deux outils fondamentaux (la carte de contrle, ltude
des capabilits) de suivre ces objectifs. Ces outils ne seront appliqus correctement
que si les notions que nous venons dexposer sont parfaitement comprises par lensem-
ble du personnel.
2. SURVEILLER UNPROCD PAR CARTES
DE CONTRLE
2.1 Le principe de la carte de contrle
2.1. Les limites naturelles dun procd
On a vu au paragraphe prcdent, que les processus de production et mme tous les
systmes taient soumis des variations naturelles alatoires. Ces variations ont pour
origines de trs nombreuses causes que nous avons appeles les causes communes.
Ces causes communes non identifies agissent de manire alatoire sur le processus
de fabrication. La combinaison de ces causes donne une distribution qui peut tre
modlise par une loi de Gauss (thorme central limite).
Cible + 3 Cible 3
Limite naturelle
suprieure
Limite naturelle
infrieure
Dispersion naturelle
du procd
cible
Figure 10.11 Dispersion naturelle du procd
Si la moyenne de la production est centre sur la cible, il est donc naturel de trouver
des valeurs comprises entre trois carts types () de cette cible. Les valeurs cible
+ 3. et cible - 3. reprsentent les limites naturelles du procd. Tant quune
valeur est dans ces limites, il ny a pas de raison dagir sur le procd, on risquerait
de dcentrer un procd bien centr. Si une valeur sort de ces limites, on a une forte
probabilit que le procd ne soit plus centr sur la cible, il faut alors le recentrer.
2.1.2 Le pilotage par les limites naturelles
Souvent, les oprateurs pilotent les procds partir des limites de tolrance plutt
que dutiliser les limites naturelles. Cela peut conduire deux types derreurs illustres
par la figure 10.12.
Tolrance
Dispersion
Dispersion
Tolrance
Pice
prleve
Cas1 Cas 2
Limite
naturelle
Limite
naturelle
Limite
naturelle
Limite
naturelle
Figure 10.12 Pilotage partir des tolrances
Dans le cas 1, procd capable, loprateur prlve une pice qui se situe lintrieur
des tolrances. Traditionnellement, cette pice tant bonne , il continue sa produc-
tion. Pourtant, la pice tait en dehors des limites naturelles. Le procd ntait pas
centr sur la cible, il fallait rgler.
Dans le cas 2, procd non capable, loprateur prlve une pice qui se situe
lextrieur des tolrances. Traditionnellement, cette pice tant mauvaise , il rgle
le procd. Pourtant, la pice tait dans les limites naturelles. Il est possible que le
procd soit parfaitement centr et quil ne faille surtout pas toucher le procd.
Comme le montre les deux exemples prcdents, il faut dissocier laction sur le procd
(rglage) et laction sur le produit (acceptation, tri, contrle...).
Les tolrances servent dterminer si les pices quon vient de faire sont bonnes
ou mauvaises (conformit). Elles servent dcider de lacceptation ou du refus des
pices que lon a fabriques. On regarde en arrire.
Les limites naturelles servent dterminer si le processus de fabrication est toujours
centr sur la cible. Elles servent agir sur le procd pour que les prochaines pices
raliser restent bonnes. On regarde en avant.
La figure 10.13 montre clairement lavantage utiliser les limites naturelles pour
piloter un procd plutt que les limites de tolrance. Et ceci mme dans le cas de
toutes petites sries avec un contrle 100 %.
Tolrance
mini
Tolrance
maxi
Limite
naturelle
suprieure
Limite
naturelle
infrieure
On sort
des limites naturelles
On sort des tolrances,
produit dfectueux
7 points conscutifs
du mme ct
de la moyenne
Cible
Figure 10.13 Limites naturelles et tolrances
Considrons un procd qui fabrique un produit par heure. Chaque produit est contrl.
Si on pilote le procd partir des tolrances, on attend de trouver un produit hors
tolrance (ou au voisinage) avant dintervenir. Si on fait un raisonnement statistique,
on note beaucoup plus rapidement le dcentrage du procd (hors des limites naturel-
les) et les produits fabriqus seront plus proches de la cible, de meilleure qualit.
Ainsi, mme dans le cas dun contrle 100 % en toutes petites sries, on a intrt
dutiliser un raisonnement statistique.
2.1.3 Pourquoi prlever des chantillons ?
Le travail dun rgleur consiste principalement bien rgler sa machine, puis veiller
ce que celle-ci ne se drgle pas. Pour surveiller la position, les rgleurs ont lhabitude
de prlever une pice de temps en temps et de rgler la machine en fonction de la
mesure ralise.
Lorsque les capabilits ne sont pas excellentes, cette mthode conduit gnralement
des erreurs de jugement, car on confond la dispersion de la machine avec son dcen-
trage.
Lorigine de ces erreurs de jugement provient de la dispersion. En fait une mesure
effectue reprsente la somme de deux effets (figure 10.14) :
un effet dcart de rglage de la machine (drglage) ;
un effet de la dispersion.
Drglage
Dispersion
Tolrance infrieure Tolrance suprieure
1 valeur
=
drglage
+
dispersion
Moyenne
de plusieurs valeurs
(on limine en partie
leffet de la dispersion)
Cible
Figure 10.14 Addition du rglage et de la dispersion
Pour tre capable de piloter une machine, il faut arriver liminer leffet de la dis-
persion afin de dterminer o se trouve le rglage de la machine. La seule solution est
de ne pas raisonner sur une seule valeur, mais sur la moyenne de plusieurs valeurs.
Le fait de faire une moyenne limine en grande partie leffet de la dispersion.
Tolrance
maxi
Rpartition des valeurs
Rpartition des moyennes
Probabilit de dtecter
le dcentrage
avec une seule valeur
Probabilit de dtecter
le dcentrage
avec la moyenne
Limite naturelle
dans le cas d'une valeur
Limite naturelle
dans le cas d'une moyenne
Figure 10.15 Intrt de faire une moyenne
La figure 10.15 illustre lefficacit dune moyenne par rapport une valeur individuelle
pour dtecter un petit dcentrage. En effet, la dispersion sur les moyennes est plus
faible que la dispersion sur les valeurs individuelles dans un rapport de _n avec n le
nombre de valeurs de lchantillon). Ainsi, lorsque le procd se dcentre, comme
dans le cas de la figure 10.15, on note que la probabilit de sortir des limites naturelles
est suprieure 50 % dans le cas de la moyenne, alors quelle nest que de quelques
pour cent dans le cas des valeurs individuelles. On privilgiera donc systmatiquement
un prlvement dchantillons par rapport un prlvement de valeurs individuelles.
2.2 La carte de pilotage (de contrle) moyenne/tendue
2.2.1 Principe de remplissage
Date 23/02
Heure 6 h 00 6 h 30 7 h 00 7 h 30 8 h 00 8 h 30 8 h 35 9 h 00 9 h 30
Mesure 1 1 - 1 1 0 1 0 - 2 - 1 - 2
Mesure 2 1 0 0 0 1 2 1 1 - 1
Mesure 3 - 2 - 2 - 1 - 3 0 3 - 1 1 - 1
Mesure 4 1 0 - 1 - 1 1 2 - 1 - 1 0
Mesure 5 0 0 0 0 0 3 2 0 0
Total 1 - 3 - 1 - 4 3 10 - 1 0 - 4
Moyenne 0,2 - 0,6 - 0,2 - 0,8 0,6 2,0 - 0,2 0 - 0,8
tendue 3 2 2 3 1 3 4 2 2
Cible
Limite suprieure
de contrle
Limite infrieure
de contrle
Limite suprieure
de contrle
Moyenne
tendue
Rglage
Journal de bord
tendue de lchantillon
1
2
-1
-2
0
2
4
6
Vrification du rglage
Moyenne de lchantillon Point hors contrle
Figure 10.16 Principe dune carte de pilotage
La figure 10.16 montre un exemple de carte de contrle. Pour suivre lvolution du
procd, on prlve rgulirement (par exemple toutes les heures) un chantillon (par
exemple 5 pices conscutives) de la production. Dans lexemple, 10.16, on note sur
la carte les carts par rapport la cible.
On calcule la moyenne (note X) de la caractristique surveiller et on porte cette
moyenne sur le graphique (les points dans lexemple). De mme, on calcule ltendue
sur lchantillon, cest--dire la distance entre la plus forte valeur et la plus faible. On
porte galement cette valeur (note R = Range en anglais) sur le graphique. A mesure
que lon prlve des chantillons, la carte va se remplir et donner une image de lvo-
lution du processus.
Sur la carte des moyennes, la ligne en pointill matrialise la valeur sur laquelle on
souhaite tre rgl (la cible). La ligne suprieure est appele limite suprieure de
contrle des moyennes (LSC
X
), la ligne infrieure est appele limite infrieure de
contrle des moyennes (LIC
X
). Les limites de contrle infrieures et suprieures (limi-
tes naturelles du procd) dterminent une zone dans laquelle doivent se situer les
valeurs portes sur la carte.
Un procd sera dit sous contrle lorsque les points seront rpartis en forme de
courbe en cloche lintrieur des limites de contrle. Si un point sort de la carte de
contrle, il faut intervenir et noter cette intervention dans le journal de bord.
Sur la carte des tendues, cest le mme principe de fonctionnement.
2.2.2 Moyenne et tendue, deux fonctions diffrentes
Sur la carte de contrle on ne note pas seulement la moyenne, mais galement lten-
due. Les deux graphiques ont une fonction trs diffrente car ils ne dtectent pas le
mme type de causes spciales. La figure 10.17 illustre les deux fonctions. Dans le
cas 1, on note une drive de la position du procd, il faut dtecter cette drive pour
ne pas fabriquer des pices mauvaises. La carte des moyennes dtectera les drives de
position du procd. Dans le cas 2, le procd reste centr sur la cible, mais la dis-
persion se dgrade (par exemple un bute se desserre et prend du jeu). Il faut galement
dtecter ce type de drive car il conduit galement une production de mauvaise
qualit. Cest lobjectif de la carte de contrle des tendues.
Cible
Cas 1 Cas 2
Drive dtecte
par la carte
des moyennes
Drive dtecte
par la carte
des tendues
Figure 10.17 Carte de contrle des moyennes et des tendues
2.2.3 Mise en place des cartes de contrle
Observation du procd
But : connatre la variabilit naturelle du procd.
Comment : raliser une carte de contrle sans limite.
tape 1
Calcul des cartes
But : fixer les limites des variations gnres par les causes communes.
Comment : en utilisant la moyenne des tendues observes en 1 ou 4.
tape 2
But : prvenir lapparition des causes spciales, dcouvrir les actions susceptibles
damliorer la capabilit du procd.
Comment : dtecter sur les cartes les variations de rglage, et de capabilit.
tape 3
But : amliorer la capabilit du procd.
Comment : en rsolvant les problmes mis en vidence par ltape 2.
tape 4
Figure 10.18 Mise en place des cartes de contrle
Les cartes de contrle ont pour objectif de surveiller que les variations observes sur
le procd ne sont pas suprieures aux variations normales gnres par les causes
communes. Il faut donc connatre, avant de mettre en place une carte de contrle,
quelles sont ces variations. Cette phase dobservation du procd sera donc la premire
dmarche de la mise en place dune carte de contrle.
Connaissant la variabilit naturelle du procd, nous pourrons alors calculer les cartes
de contrle adaptes la caractristique suivie. Ce calcul sera donc la deuxime phase
de la mise en place.
Les cartes tant en place, il faudra interprter celles-ci afin de dtecter lapparition des
causes spciales. Nous serons alors dans la phase dutilisation des cartes de contrle.
Lutilisation des cartes de contrle motive les oprateurs et lencadrement amliorer
le procd et ainsi, diminuer la variabilit naturelle de celui-ci. Lorsque cette varia-
bilit aura diminu, il faudra alors recalculer les cartes... et continuer amliorer. Nous
entrons alors dans la phase damlioration continue qui est en fait lobjectif de la MSP.
Nous pouvons schmatiser ces diffrentes phases par la figure 10.18 sur laquelle nous
soulignons la boucle damlioration continue.
2.2.4 Calcul des cartes de contrle
Aprs avoir ralis la phase dobservation du procd, nous devons fixer les limites
dans lesquelles il est naturel, du fait des causes communes, que le procd varie. Il
faut tablir deux cartes de contrle :
carte des moyennes pour surveiller le rglage de la consigne ;
carte des tendues pour surveiller la capabilit de la machine.
Pour chaque carte de contrle, nous devons calculer les valeurs moyennes ainsi que
les limites de contrle, infrieure et suprieure.
Calcul de ltendue moyenne sur les chantillons
partir des valeurs recueillies durant la phase dobservation, nous pouvons calculer
la moyenne des tendues :
R =
R
1
+ R
2
+ ... + R
i
+ ... + R
k
k
Avec :
Ri : tendue du sous-groupe i
k : nombre de sous-groupes
La moyenne des tendues est indispensable car elle indique limportance de la varia-
bilit naturelle du procd.
Calcul des limites de contrle
Les limites de contrle sont fixes 3 et se calculent en utilisant les formules
suivantes :
Pour la carte des moyennes (cible 3
X
)
Limite suprieure de contrle : LSC
X
= Cible + A
2
.R
Limite infrieure de contrle : LIC
X
= Cible A
2
.R
Pour la carte de contrle des tendues (R 3
R
)
Limite suprieure de contrle : LSC
R
= D
4
.R
Limite infrieure de contrle : LIC
R
= D
3
.R
La cible est la valeur sur laquelle il faut se centrer. Elle est souvent fixe gale au
milieu de lintervalle de tolrance. Pour les procds qui ne peuvent tre centrs sur
la cible idale (cote rsultant dun moule par exemple), on fixe la cible sur la moyenne
des moyennes (X) de la carte dobservation.
Les coefficients A
2
, D
3
, D
4
sont fonction de la taille des chantillons.
n 2 3 4 5 6 7 8 9 10
A
2
1,88 1,02 0,73 0,58 0,48 0,42 0,37 0,34 0,31
D
3
0,07 0,14 0,18 0,22
D
4
3,27 2,57 2,28 2,11 2,00 1,92 1,86 1,82 1,78
Figure 10.19 Tableau des coefficients pour le calcul des cartes
Exemple de calcul dune carte de contrle
Soit une cote, obtenue sur machine-outil, de valeur nominale 10 mm et dintervalle
de tolrance 0,1 mm. Les chantillons prlevs sont des groupes de 5 pices.
lissue de la phase dobservation du procd, nous avons calcul la moyenne des
tendues de chaque sous-groupe R = 0,04.
La cible est le milieu de lintervalle de tolrance soit 10,00.
Choix des coefficients
Les groupes tant de 5 pices, nous prenons les coefficients A
2
, D
3
, D
4
dans la
colonne 5 : A
2
= 0,577 D
3
= D
4
= 2,11.
En appliquant les formules nous trouvons :
Limite suprieure de contrle des moyennes
LSC
X
= 10,00 + 0,577 x 0,04 = 10,023
Limite infrieure de contrle des moyennes
LSC
X
= 10,00 0,577 x 0,04 = 9,977
Limite suprieure de contrle des tendues
LSC
R
= 2,114 x 0,04 = 0,085.
Il ny a pas de limite infrieure pour des groupes de 5 pices.
2.3 Pilotage du procd par cartes de contrle
Lors de cette phase, le procd est pilot en observant les cartes de contrle. Pour une
efficacit maximale des cartes de contrle, il est indispensable que les dcisions
dactions sur le procd soient dictes par les cartes. Le pilotage par cartes de contrle
doit se substituer et non sadditionner aux mthodes empiriques de pilotage. Cette
remarque pralable peut sembler anodine, elle est pourtant fondamentale. De trs nom-
breuses applications des cartes de contrle ont chou faute davoir mis en pratique
cette remarque.
Mthode de pilotage
Prlever un chantillon de pices conscutives et sans intervention
Mesurer les pices et reporter les points sur la carte de pilotage
Interprter avec les rgles dinterprtation des cartes de pilotage

(figure 10.20)
Appliquer le tableau de dcision (figure 10.20)

En cas de rglage, appliquer la rgle de vrification des rglages
La phase de pilotage consiste donc observer les cartes, les interprter afin de dtecter
lapparition de causes spciales et de ragir avant de gnrer des produits hors spci-
fication. Les interprtations des cartes de contrle sont relativement simples, il suffit
de connatre les quelques situations de base.
Linterprtation de la carte des tendues est diffrente de la carte des moyennes. Lune
surveille le rglage du procd, lautre surveille la dispersion de la machine.
Lorsquon analyse des cartes de contrle, il faut toujours commencer par la carte de
surveillance du paramtre de dispersion. En effet, si la dispersion du procd augmente,
il faut arrter tout de suite la machine, car la capabilit machine est en train de chuter.
Par contre, une variation sur la carte des moyennes se rsoudra souvent par un rglage.
R
g
l
e
s
d
e
d
c
i
s
i
o
n
p
o
u
r
l
e
p
i
l
o
t
a
g
e
p
a
r
c
a
r
t
e
s
d
e
c
o
n
t
r
l
e
G
r
a
p
h
i
q
u
e
D
e
s
c
r
i
p
t
i
o
n
D
c
i
s
i
o
n
c
a
r
t
e
d
e
s
m
o
y
e
n
n
e
s
D
c
i
s
i
o
n
c
a
r
t
e
d
e
s
t
e
n
d
u
e
s
L
S
C
1
/
3

c
e
n
t
r
a
l
L
I
C
P
r
o
c
s
o
u
s
c
o
n
t
r
l
e
L
e
s
c
o
u
r
b
e
s
X
e
t
R
o
s
c
i
l
l
e
n
t
d
e
c
h
a
q
u
e
c
d
e
l
a
m
o
y
e
n
n
e
.
2
/
3
d
e
s
p
o
i
n
t
s
s
o
n
t
d
a
n
s
l
e
t
i
e
r
s
c
e
n
t
r
a
l
d
e
l
a
c
a
r
t
e
.
P
r
o
d
u
c
t
i
o
n
(
p
a
s
d
i
n
t
e
r
v
e
n
t
i
o
n
)
c
a
r
t
L
S
C
L
I
C
P
o
i
n
t
h
o
r
s
l
i
m
i
t
e
L
e
d
e
r
n
i
e
r
p
o
i
n
t
t
r
a
c
a
f
r
a
n
c
h
i
u
n
e
l
i
m
i
t
e
d
e
c
o
n
t
r
l
e
.
R
g
l
e
r
l
e
p
r
o
c
d
e
l
a
v
a
l
e
u
r
d
e
l
c
a
r
t
q
u
i
s
p
a
r
e
l
e
p
o
i
n
t
d
e
l
a
v
a
l
e
u
r
c
i
b
l
e
.
C
a
s
l
i
m
i
t
e
s
u
p
r
i
e
u
r
e
L
a
c
a
p
a
b
i
l
i
t
c
o
u
r
t
t
e
r
m
e
s
e
d
r
i
o
r
e
.
I
l
f
a
u
t
t
r
o
u
v
e
r
l
o
r
i
g
i
n
e
d
e
c
e
t
t
e
d
r
i
o
r
a
t
i
o
n
e
t
i
n
t
e
r
-
v
e
n
i
r
.
I
l
y
a
u
n
e
e
r
r
e
u
r
d
e
m
e
s
u
r
e
.
C
a
s
l
i
m
i
t
e
i
n
f
r
i
e
u
r
e
L
a
c
a
p
a
b
i
l
i
t
c
o
u
r
t
t
e
r
m
e
s
a
m
l
i
o
r
e
.
L
e
s
y
s
t
m
e
d
e
m
e
s
u
r
e
e
s
t
b
l
o
q
u
c
a
r
t
L
S
C
L
I
C
T
e
n
d
a
n
c
e
s
u
p
r
i
e
u
r
e
o
u
i
n
f
r
i
e
u
r
e
7
p
o
i
n
t
s
c
o
n
s
c
u
t
i
f
s
s
o
n
t
s
u
p
-
r
i
e
u
r
s
o
u
i
n
f
r
i
e
u
r
s
l
a
m
o
y
e
n
n
e
.
R
g
l
e
r
l
e
p
r
o
c
d
e
l
c
a
r
t
m
o
y
e
n
q
u
i
s
p
a
r
e
l
a
t
e
n
d
a
n
c
e
l
a
v
a
l
e
u
r
c
i
b
l
e
.
C
a
s
t
e
n
d
a
n
c
e
s
u
p
r
i
e
u
r
e
L
a
c
a
p
a
b
i
l
i
t
c
o
u
r
t
t
e
r
m
e
s
e
d
r
i
o
r
e
.
I
l
f
a
u
t
t
r
o
u
v
e
r
l
o
r
i
g
i
n
e
d
e
c
e
t
t
e
d
r
i
o
r
a
t
i
o
n
e
t
i
n
t
e
r
-
v
e
n
i
r
.
C
a
s
t
e
n
d
a
n
c
e
i
n
f
r
i
e
u
r
e
L
a
c
a
p
a
b
i
l
i
t
c
o
u
r
t
t
e
r
m
e
s
a
m
l
i
o
r
e
.
I
l
f
a
u
t
t
r
o
u
-
v
e
r
l
o
r
i
g
i
n
e
d
e
c
e
t
t
e
a
m
l
i
o
r
a
t
i
o
n
p
o
u
r
l
a
m
a
i
n
-
t
e
n
i
r
.
c
a
r
t
L
S
C
L
I
C
T
e
n
d
a
n
c
e
c
r
o
i
s
s
a
n
t
e
o
u
d
c
r
o
i
s
s
a
n
t
e
7
p
o
i
n
t
s
c
o
n
s
c
u
t
i
f
s
s
o
n
t
e
n
a
u
g
m
e
n
t
a
t
i
o
n
r
g
u
l
i
r
e
,
o
u
e
n
d
i
m
i
n
u
t
i
o
n
r
g
u
l
i
r
e
.
R
g
l
e
r
l
e
p
r
o
c
s
i
l
e
d
e
r
n
i
e
r
p
o
i
n
t
a
p
p
r
o
c
h
e
l
e
s
l
i
m
i
t
e
s
d
e
c
o
n
t
r
l
e
d
e
l
c
a
r
t
q
u
i
s
p
a
r
e
l
e
d
e
r
n
i
e
r
p
o
i
n
t
l
a
v
a
l
e
u
r
c
i
b
l
e
.
C
a
s
s
r
i
e
c
r
o
i
s
s
a
n
t
e
L
a
c
a
p
a
b
i
l
i
t
c
o
u
r
t
t
e
r
m
e
s
e
d
r
i
o
r
e
.
I
l
f
a
u
t
t
r
o
u
v
e
r
l
o
r
i
g
i
n
e
d
e
c
e
t
t
e
d
r
i
o
r
a
t
i
o
n
e
t
i
n
t
e
r
-
v
e
n
i
r
.
C
a
s
s
r
i
e
d
c
r
o
i
s
s
a
n
t
e
L
a
c
a
p
a
b
i
l
i
t
c
o
u
r
t
t
e
r
m
e
s
a
m
l
i
o
r
e
.
I
l
f
a
u
t
t
r
o
u
-
v
e
r
l
o
r
i
g
i
n
e
d
e
c
e
t
t
e
a
m
l
i
o
r
a
t
i
o
n
p
o
u
r
l
a
m
a
i
n
-
t
e
n
i
r
.
c
a
r
t
L
S
C
L
I
C
1
p
o
i
n
t
p
r
o
c
h
e
d
e
s
l
i
m
i
t
e
s
L
e
d
e
r
n
i
e
r
p
o
i
n
t
t
r
a
c
s
e
s
i
t
u
e
d
a
n
s
l
e
1
/
6
a
u
b
o
r
d
d
e
l
a
c
a
r
t
e
d
e
c
o
n
t
r
l
e
.
(
A
p
p
e
l
p
a
r
f
o
i
s
l
i
m
i
t
e
d
e
s
u
r
v
e
i
l
-
l
a
n
c
e
)
.
C
o
n
f
i
r
m
e
r
e
n
p
r
l
e
v
a
n
t
i
m
m
d
i
a
t
e
m
e
n
t
u
n
a
u
t
r
e
c
h
a
n
t
i
l
l
o
n
.
S
i
l
e
p
o
i
n
t
r
e
v
i
e
n
t
d
a
n
s
l
e
t
i
e
r
s
c
e
n
t
r
a
l
p
r
o
d
u
c
-
t
i
o
n
.
S
i
l
e
p
o
i
n
t
e
s
t
g
a
l
e
m
e
n
t
p
r
o
c
h
e
d
e
s
l
i
m
i
t
e
s
o
u
h
o
r
s
l
i
m
i
t
e
,
r
g
l
e
r
d
e
l
a
v
a
l
e
u
r
m
o
y
e
n
n
e
d
e
s
d
e
u
x
p
o
i
n
t
s
.
C
a
s
l
i
m
i
t
e
s
u
p
r
i
e
u
r
e
S
u
r
v
e
i
l
l
e
r
l
a
c
a
p
a
b
i
l
i
t
S
i
p
l
u
s
i
e
u
r
s
p
o
i
n
t
s
d
e
l
a
c
a
r
t
e
s
o
n
t
g
a
l
e
m
e
n
t
p
r
o
c
h
e
s
d
e
l
a
l
i
m
i
t
e
s
u
p
r
i
e
u
r
e
,
l
a
c
a
p
a
b
i
l
i
t
s
e
d
r
i
o
r
e
.
I
l
f
a
u
t
t
r
o
u
v
e
r
l
o
r
i
g
i
n
e
d
e
c
e
t
t
e
d
r
i
o
-
r
a
t
i
o
n
e
t
i
n
t
e
r
v
e
n
i
r
.
E
n
c
a
s
d
e
r
g
l
a
g
e
:
u
n
n
o
u
v
e
l
c
h
a
n
t
i
l
l
o
n
e
s
t
m
e
s
u
r
e
t
m
a
r
q
u
s
u
r
l
a
c
a
r
t
e
.
P
o
u
r
t
r
e
a
c
c
e
p
t
a
b
l
e
,
l
e
p
o
i
n
t
d
o
i
t
s
e
s
i
t
u
e
r
d
a
n
s
l
e
t
i
e
r
s
c
e
n
t
r
a
l
d
e
l
a
c
a
r
t
e
d
e
s
m
o
y
e
n
n
e
s
.
F
i
g
u
r
e
1
0
.
2
0
g
l
e
s
d
e
p
i
l
o
t
a
g
e
d
e
s
c
a
r
t
e
s
d
e
c
o
n
t
r
l
e
Dcision sur la production
En fonction de lchantillonnage qui a t ralis, il faut dcider si la production peut
tre accepte ou si elle doit donner lieu un tri. Pour prendre cette dcision, il faut
tenir compte de la capabilit du procd exprim par le Cp (voir paragraphe 3 de ce
chapitre). Le tableau figure 10.21 donne les rgles appliquer. En cas de mauvaise
capabilit court terme (Cp < 1,33), on doit systmatiquement trier la production pour
obtenir un rsultat correct. En cas de trs bonne capabilit court terme (Cp > 1.67),
on peut produire sans trier mme si on constate un point hors contrle. Dans les cas
intermdiaires (1,33 < Cp < 1,67), on ne trie la production que dans les cas o on
constate un point hors contrle.
Tableau de dcision
Valeur du Cp observ sur les cartes prcdentes
Le dernier point sur la
carte de contrle
indique :
Cp infrieur 1,33 Cp compris entre
1,33 et 1,67
Cp suprieur 1,67
Le procd est sous
contrle
Contrle unitaire
(Tri 100 %)
ACCEPTER
les pices
ACCEPTER
les pices
IDENTIFIERet CORRIGERla cause spciale
Contrle unitaire
(Tri 100 %)
TRIER
les composants
depuis le dernier point
sous contrle de la
carte de pilotage
ACCEPTER
les pices
Le procd devient
hors contrle
MAIS
toutes les valeurs
individuelles du
prlvement sont dans
les tolrances
IDENTIFIERet CORRIGERla cause spciale
Contrle unitaire
(Tri 100 %)
TRIER
les composants depuis le dernier point sous
contrle de la carte de pilotage
Le procd devient
hors contrle
ET
une ou plusieurs
valeurs individuelles
du prlvement sont
hors tolrances
Figure 10.21 Tableau de dcision
3. LE CONCEPT DE CAPABILIT (DAPTITUDE)
3.1 Le besoin de formaliser une notion floue
Le concept de capabilit est certainement la notion la mieux rpandue dans les ateliers
de production. En effet lorsquon analyse la plupart des conversations techniques sur
un domaine de production, on saperoit que ces discussions reviennent souvent des
problmes de capabilit. Les problmes sont gnralement ramens la question sui-
vante : ce moyen de production est-il oui ou non adapt aux exigences du produit quil
est cens fabriquer ? Et pourtant, combien de discussions striles ont lieu sur le sujet
cause des divergences dopinion des intervenants sur la capabilit du moyen de
production.
Les responsables de production ont toujours une vague ide de la qualit des machines
disponibles dans latelier, mais ils sont incapables de mettre une valeur numrique
derrire cette impression. Or il est fondamental, lorsquon parle de qualit, dtre prcis
et de savoir exactement ce dont est capable le procd par rapport ce quon lui
demande.
La notion de capabilit est trop importante dans une production moderne pour tre
traite avec des notions floues. Il est impratif pour toutes les entreprises davoir enfin
un langage commun en matire de capabilit entre lensemble des services et des
personnes de lentreprise. Combien de runions inutiles pourraient tre vites si toutes
les personnes du bureau dtude, de la production en passant par les agents des mtho-
des utilisaient les mmes notions de capabilit et le mme vocabulaire.
3.2 Dfinition de la capabilit
La capabilit se mesure par le rapport entre la performance demande et la performance
relle dune machine (ou procd).
Une capabilit sexprime par un chiffre
Elle permet de mesurer la capacit dune machine ou dun procd raliser des pices
dans lintervalle de tolrance fix par le cahier des charges. Le fait dutiliser un chiffre
pour caractriser la capabilit est fondamental. Un chiffre est objectif, il nest pas sujet
interprtation. Lorsquon utilise du vocabulaire pour dcrire une situation, celui-ci
est toujours sujet interprtation.
3.3 Pp et Ppk (Performance du processus)
3.3.1 Capabilit intrinsque du procd Pp
Pour prciser toutes ces notions un peu floues, la MSP fournit un indicateur prcis
dans ce domaine, cest lindicateur Pp (Performance du Processus). Cet indicateur est
galement appel CAP (Coefficient dAptitude du Processus).
Pp =
=
IT
Dispersion long terme 6
LT
Cet indicateur compare la performance attendue du procd (lintervalle de tolrance)
et la performance obtenue sur celui-ci (la dispersion).
Intervalle de tolrance Intervalle de tolrance
Procd non capable
Pp < 1,33
Procd capable
Pp > 1,33
Dispersion = 6 Dispersion = 6
Figure 10.22 Lindicateur Pp
Dans une premire approche, un procd sera dit capable si lintervalle de tolrance
est plus grand que la dispersion alatoire du procd avec une petite marge, cest--dire
lorsque le Pp est suprieur 1,33 (8/6).
La figure 10.22 montre deux situations typiques, la premire correspond un procd
non capable car la dispersion est plus importante que lintervalle de tolrance, dans la
seconde, la dispersion est faible au regard de lintervalle de tolrance, le procd est
donc capable.
Prcisons que la dispersion alatoire est prise comme tant gale six fois lcart type
de la dispersion du procd, cest--dire lintervalle contenant 99,7 % des pices fabri-
ques (dans lhypothse dune distribution de Gauss). Pour calculer cette dispersion,
il faut donc un nombre suffisamment lev de mesures (une centaine) et vrifier que
la distribution de ces mesures a bien une forme de cloche. Si ce nest pas le cas, on
peut toujours calculer le Pp, mais on ne peut plus en dduire le pourcentage hors
tolrance.
La dispersion utilise pour le calcul de la performance Pp est la dispersion long terme
du processus. En effet, la mesure de la performance doit traduire la capacit fabriquer
des pices sur le long terme. Il faut donc tenir compte dans le calcul de la dispersion
long terme, de lensemble des influences qui peuvent perturber le procd pendant le
temps de production. Cette dispersion est constitue des dispersions court terme et
des dispersions conscutives aux variations de consignes (drglages) incontournables
sur le long terme.
Le calcul du Pp sera donc ralis partir dun chantillon reprsentatif de lensemble
dune production. En gnral, la priode retenue pour le calcul dun Pp est au moins
dune semaine. Ainsi, le Pp calcul donnera une bonne indication de la qualit de la
production livre au client.
3.3.2 Indicateur de drglage Ppk
Nous venons de voir quune des conditions pour quun procd soit adapt sur le long
terme est que lindicateur Pp soit suprieur 1,33. Cette condition est-elle suffisante ?
Dans la figure 10.23, les deux situations ont un Pp suprieur 1,33, et pourtant, lorsque
la production est dcentre, il existe des pices hors tolrance. Lindicateur Pp est donc
insuffisant et il faut mettre en place un autre indicateur Ppk, qui tiendra compte du
drglage du procd.
Ainsi, le Pp donnera la performance intrinsque du procd et le Ppk la performance
relle.
Dispersion
Intervalle de tolrance Intervalle de tolrance
Dispersion
Pp = 1,5 Pp = 1,5
Figure 10.23 Ncessit dun indicateur Ppk
Cet indicateur devra tre aussi simple dinterprtation que le Pp, cest--dire que le
procd sera capable si Ppk est suprieur 1 (dans un premier temps). Bien sr, comme
pour le Pp, un Ppk de 1 sera trop risqu, nous retiendrons comme limite de capabilit
1,33.
Dispersion
Moyenne
D1
D2
Tolrance
suprieure
Tolrance
infrieure
Figure 10.24 Procd drgl du ct suprieur la moyenne
Dans le cas de la figure 10.24, le procd est drgl du ct suprieur la moyenne.
Dans ce cas, on note que la production est capable tant que la distance D1 (Tolrance
Suprieure Moyenne) est plus grande que la distance D2 (moiti de la dispersion
alatoire).
Le Ppk est donc un indicateur qui compare les deux distances D1 et D2 en tablissant
le rapport entre les deux distances. Bien sr, dans le cas dun drglage du ct inf-
rieur la moyenne, ce nest plus la distance D1 quil faudra considrer, mais une
distance D1 (Moyenne Tolrance infrieure).
Nous pouvons donc crire la formule de calcul du Cpk
Ppk =
Distance (Moyenne/Limite la plus proche)
=
Dist(Moy/LlpP)
1/2.(Dispersion globale) 3
LT
3.3.3 Interprtation de Pp et Ppk
Un procd, pour tre capable, ne doit pas produire darticles dfectueux. Le critre
de base pour la capabilit sera donc le Ppk qui inclut la fois la capabilit intrinsque
et le drglage. Nous retiendrons comme limite de capabilit :
Un procd est capable si son Ppk est suprieur 1,33
Mais il ne faut pas pour autant ngliger le Pp. En effet, en comparant pour un procd
le Pp et le Ppk, nous pouvons obtenir de prcieux renseignements.
En cas de rglage parfait, on vrifie aisment que Pp = Ppk. En revanche, plus le
drglage est important et plus la diffrence entre Pp et Ppk devient importante.
Lobjectif des oprateurs sera donc davoir un Ppk le plus proche possible du Pp.
3.4 Cp et Cpk (Capabilit procd)
En fait, au cours dune semaine de production, on dissocie deux types de dispersion :
la dispersion court terme, et la dispersion long terme.
La figure 10.25 schmatise ces deux dispersions. La dispersion court terme est prin-
cipalement due la machine et aux conditions retenues dans la gamme de fabrication.
Les cinq M contribuent cette dispersion court terme. Mais tout au long de la semaine
de production, les M (temprature, changement de lot de matire, dquipe...) crent
des variations de rglage. La dispersion mesure sur une semaine de production est
donc plus importante que la dispersion mesure sur un temps trs court. Pour diff-
rencier ces deux dispersions, nous parlerons de dispersion court terme et de dispersion
long terme. Ce qui est livr au client est donc bien la dispersion long terme qui inclut
la dispersion court terme plus ces variations de rglage.
Temps
Caractristique
Tolrance suprieure
Tolrance infrieure
Dispersion
court terme
Dispersion
long terme
D
CT
D
LT
Figure 10.25 Dispersion court terme et dispersion long terme
La Performance procd (Pp et Ppk) sintressait la dispersion long terme, la Capa-
bilit procd (Cp et Cpk) va sintresser la dispersion court terme.
Pour calculer les indicateurs Cp et Cpk, on mne une tude de dispersion sur une
courte priode (Milieu), dans une Matire uniforme, avec un oprateur averti (Main
duvre) et avec les mmes Mthodes. Cette tude peut seffectuer de deux manires
diffrentes.
Premire mthode
On prlve une cinquantaine de pices conscutives fabriques par la machine tudie
et on mesure la dispersion obtenue sur cet chantillon. Cette dispersion nous permet
de calculer Cp et Cpk avec les mmes relations que Pp et Ppk. On aura donc les
relations suivantes :
Cp =
=
IT
Dispersion court terme de la machine 6
CT
Cpk =
Distance (Moyenne/Limite la plus proche)
=
Dist(M/LIpP)
1/2 Dispersion court terme de la machine 3
CT
Cette mthode nest possible que si la cadence de la machine est suffisamment rapide
pour ne laisser subsister dans cet chantillon que la dispersion court terme. Une machine
pour laquelle le cycle de production serait de 5 mn par pice, ncessiterait plus de 4
heures de production pour raliser un tel essai. On ne peut plus parler de court terme
dans ces conditions, cette mthode ne conviendrait pas dans ce cas.
Deuxime mthode
La deuxime mthode pour mesurer la dispersion court terme, consiste prlever de
petits chantillons (3 pices conscutives par exemple) intervalles rguliers ou cons-
cutifs, mais sans action sur le procd pendant la production de ces trois pices. En
revanche, il peut y avoir des actions de rglage entre deux chantillons. Dans ce cas,
la dispersion court terme sera calcule partir de la moyenne des variances estimes
laide des chantillons.
3.5 Des indicateurs lis la cible : le Cpmet le Ppm
Les indicateurs de capabilit Cp, Cpk, Pp, Ppk sont aujourdhui couramment admis
comme les indicateurs de capabilit de rfrence. Pourtant, les nouvelles contraintes
de la production que nous avons exposes au paragraphe 1 de ce chapitre font appa-
ratre les limites de ces indicateurs.
Nous pensons en effet que, dans certains cas, un Ppk de bon niveau (Ppk = 2) peut
donner moins de satisfaction quun Ppk considr comme limite (Ppk de 1,33) (figure
10.26). Dans les relations clients/fournisseurs tablies sur le Ppk, les deux productions
de la figure 10.26 donnent satisfaction. Pourtant une des productions est centre avec
le maximum de densit de probabilit sur la valeur cible, alors que la seconde est
dcentre et la densit de probabilit au voisinage de la valeur cible est pratiquement
nulle.
Nous pensons que limiter les exigences en matire de capabilit au seul Ppk peut tre
dangereux. Le seul respect de lindicateur de capabilit Ppk > 1,33 peut conduire
des montages impossibles dans le cas dun tolrancement statistique.
Dispersion
Pp = 4, Ppk = 2
Dispersion
Pp = 1,33, Ppk = 1,33
Tolrance Tolrance
Figure 10.26 Le Ppk nest pas suffisant
Pour tenir compte de cette volution dans la faon de voir lintervalle de tolrance en
fabrication, les indicateurs de capabilit Cp, Cpk pour le court terme et Pp, Ppk pour
le long terme doivent tre complts. Un autre indicateur commence tre largement
utilis dans les entreprises : lindicateur Cpm. Cpm tient compte la fois de la dis-
persion et du centrage. Son objectif est de donner une image globale du procd par
un seul indicateur. Il assure que les conditions de centrage et de dispersion minimum
dont nous avons signal limportance, sont respectes. Lindicateur Cpm est bas sur
la fonction perte de Taguchi.
Perte pour
la socit
Perte
pour lcart
X cible
X Cible
L
X
Fonction perte
L = K(X cible)
2
X
Perte moyenne
pour un lot
de moyenne
et d'cart type :
L = K(
2
+ ( cible)
2
) X
X
Figure 10.27 Fonction perte de Taguchi
Le nouvel indicateur Cpm reflte la perte (au sens de Taguchi) due un drglage.
Cpm est dfini par :
Cpm =
IT
=
Cp
6._
2
CT
+ (X Cible)
2
_1 + 9(Cp Cpk)
2
La fonction perte intervient au dnominateur. On note que lindicateur Cpm est gal
Cp lorsque le procd est parfaitement centr. Cpm dcrot lorsque le dcentrage
augmente. Comme on le constate, Cpm tient compte la fois du centrage et de la
dispersion.
On dfinit de la mme faon lindicateur Ppm partir des donnes long terme.
Ppm =
IT
=
Pp
6._
2
LT
+ (X Cible)
2
_1 + 9(Pp Ppk)
2
En garantissant le Ppm, on assure que le procd est rellement centr sur la cible. La
variabilit sur le produit fini sera faible.
3.6 Exemple de calcul de capabilit
Soit lhistogramme figure 10.28 pour une cote de 50 0,05 reprsentant un chantillon
reprsentatif dune semaine de production. Nous pouvons calculer partir de ces don-
nes la performance du procd (Capabilit long terme) avec les indicateurs Pp et Ppk.
Calcul de la moyenne et de lcart type :
X = 50,0115 = 0,01411
Calcul des indicateurs de performance Pp et Ppk :
-2
0
2
4
6
8
10
12
14
16
18
Classes
Frquences
Histogramme
49.96 49.97 49.98 49.9950.00 50.01 50.0250.03 50.04 50.05 49.95
Figure 10.28 Exemple de calcul de Cpm
Pp =
0,1
= 1,18 Ppk =
50,05 50,0115
= 0,91
6 x 0,01411 3 x 0,01411
Le procd est jug non capable selon le critre Ppk (Ppk < 1,33). Le pourcentage
hors tolrance est suprieur 32 ppm.
Calcul du Ppm :
Ppm =
IT
=
0,1
= 0,91
6._
2
+ (X Cible)
2
6_
0,01411
2
+ (50,0115 50)
2
Le procd est jug non capable selon le critre Ppm (Ppm < 1,33). Cela signifie que
la perte moyenne gnre par les produits de cette population est suprieure la perte
moyenne dune population centre ayant Pp = 1,33.
Le Ppm valide une nouvelle faon de voir lintervalle de tolrance en fabrication. En
effet, avoir une cote en limite de tolrance nest pas grave si cette pice est isole. La
probabilit dassemblages dfectueux est quasiment nulle. Par contre si plusieurs pices
se situent cette limite, il y aura des consquences nfastes sur la qualit. Ainsi, le
concepteur a deux solutions pour obtenir lassurance dun fonctionnement correct de
son mcanisme :
1. rduire lintervalle de tolrance et imposer que les produits soient tous dans cet
intervalle quelle que soit la rpartition ;
2. laisser un intervalle de tolrance large, mais en imposant la fabrication des condi-
tions de centrage et de rpartition verrouilles par le Ppm.
Bien que la seconde solution semble plus difficile respecter a priori, nous sommes
persuads qu long terme cette solution est de loin la plus conomique en matire de
moyens de production mettre en uvre.
Cependant, si le Ppm offre une vision plus moderne des capabilits que le Pp, Ppk, il
ne les remplace pas pour autant, mais plutt il les complte.
3.7 Linterprtation des chutes de capabilit
Court terme
Cp
Pp
Ppk > 1,33
ou Ppm > 1,33
Long Terme
Dcentrage
Stabilit
du procd
Centrage
du procd
Perte de capabilit
Condition
dacceptation
Figure 10.29 La chute des capabilits
Lanalyse des chutes de capabilit pour un procd est souvent trs intressante. En
effet, nous partons dun procd avec un potentiel de capabilit Cp pour arriver un
produit livr au client avec une capabilit Ppk. Limportant est bien entendu davoir
un Ppk ou un Ppm suprieur 1,33 selon le critre choisi. Si ce nest pas le cas, il est
fondamental, pour rsoudre le problme, de dterminer lorigine de ce manque de
capabilit.
La chute de capabilit entre Cp et Pp traduit linstabilit du procd. En effet, si on
sait stabiliser un procd, on limite les variations de consigne et la dispersion long
terme sera proche de la dispersion court terme.
Temps
Cote
Variation de consigne
Variation de consigne
Dispersion
Court terme
Dispersion
Court terme
Dispersion
Long terme
Dispersion
Long terme
Procd non stabilis
Temps
Cote
Procd stabilis
Figure 10.30 Chute entre Cp et Pp
Nous avions vu prcdemment que la chute de capabilit entre Pp et Ppk tait due au
drglage. Nous pouvons alors interprter lensemble du tableau des capabilits comme
dans lexemple figure 10.31.
Le tableau suivant concerne une pice de 5 caractristiques pour lesquelles le centrage
est assez facile obtenir. Dans ce cas, le Cpk nest pas dune grande utilit car un
drglage sur le court terme peut trs rapidement tre compens.
Ce tableau permet une apprhension immdiate des problmes de capabilit lors de la
runion pour peu que lensemble des personnes concernes aient t formes la
notion de capabilit. Nous avons gris dans le tableau tous les cas de figure o :
Le Ppk est infrieur 1,33.
Le Ppm est infrieur 1,33.
Caractristiques Cp Pp Ppk Ppm
1 10 0,05 2,5 2,2 1,9 1,63
2 12 0,05 2,5 1,1 1,0 1,05
3 8 0,02 1,1 0,9 0,8 0,86
4 L 20 0,06 3,2 2,5 1,1 0,57
5 L 10 0,04 2,5 2,2 1,6 1,07
Figure 10.31 Tableau des capabilits
Chaque caractristique ayant une case grise doit tre discute pour permettre une
amlioration. On note lintrt du Ppm qui globalise lensemble de la chute de capa-
bilit. Linterprtation du tableau figure 10.31 est la suivante :
Caractristique 1 : aucun problme, Ppm est suprieur 1,33. Le Ppk est galement
suprieur 1,33.
Caractristique 2 : Ppm est infrieur 1,33 et il y a une chute entre Cp et Pp. Il faut
stabiliser les variations de consigne au cours du temps. Une surveillance du procd
par cartes de contrle simpose.
Caractristique 3 : Ppm est infrieur 1,33 et le Ppk est mdiocre. Au dpart, la
capabilit court terme est insuffisante. Une action mthode ou maintenance simpose.
Nous ne pouvons probablement pas rsoudre le problme dans latelier. Il faut, soit
modifier la gamme de fabrication, soit rparer la machine dans le cas dune dtrio-
ration de la capabilit court terme par rapport la capabilit historique.
Caractristique 4 : Ppm est infrieur 1,33. Il y a un gros cart entre le Pp et le Ppk
d un dcentrage. Il est souvent ais de remdier ce type de problme en matrisant
mieux le centrage de la caractristique. Une surveillance par cartes de contrle
simpose.
Caractristique 5 : Ppm est infrieur 1,33 et pourtant Ppk est suprieur 1,33. Une
amlioration est encore possible en centrant mieux le procd pour tre plus sur la
cible. Bien que le Ppk soit suprieur 1,33, ce cas de figure gnre une perte suprieure
au cas Pp = 1,33 et Ppk = 1,33.
CHAPITRE 11
LE CONTRLE DE RCEPTION
Dans les chapitres prcdents, nous avons largement dvelopp le contrle en cours
de fabrication. Il est bien sr prfrable de bien mettre en place la matrise des pro-
cds plutt que de procder un contrle sur un lot termin. Cependant, dans de
nombreuses situations, comme lorsquon fait appel des fournisseurs, il est difficile
dassurer la conformit du lot. Un contrle par chantillonnage sur le lot fabriqu
apparat comme une solution suffisante et conomique. Lobjectif de ce chapitre est
de dvelopper ce type de contrle qui garde une place importante dans la dmarche
qualit des entreprises.
1. LE RLE DUCONTRLE DE RCEPTION
1.1 Objectifs
Le contrle de rception est un contrle qui est effectu sur des lots de pices, ensem-
bles ou sous-ensembles en provenance des ateliers, de lusine, des fournisseurs ou des
sous-traitants. Il est excut sur des lots de pices dont une opration de fabrication
est termine, cest--dire :
contrle avant opration suivante ;
contrle avant entre au magasin ;
contrle dune livraison de fournisseur.
Son rle est multiple :
dcider de lacceptation ou du refus dun lot ;
juger un procd de fabrication partir des rsultats trouvs et tirer le maximum
dinformations ;
suivre la qualit obtenue afin dintervenir avec le maximum defficacit ;
sassurer de la qualit produite par le fournisseur (politique dassurance qualit
fournisseur ).
1.2 Principe du contrle rception
Pilotage Production Contrle
Acceptation
Contrle de prvention Contrle de rception
Refus
Contrle
Figure 11.1 Les deux approches de contrle
Il existe deux types dapproche pour le contrle. La premire est le contrle en cours
de production qui consiste vrifier la conformit dune production au cours de sa
fabrication afin de ragir si possible avant de gnrer des produits non conformes.
La MSP est une mthode de contrle en cours de production. La deuxime approche
consiste fabriquer un produit rput conforme au cahier des charges et contrler
le lot ralis afin de vrifier si lhypothse de dpart est valide. Cest lapproche
contrle de rception trs utilise avec les fournisseurs.
Pour des raisons videntes de cot, toutes les pices dune production ne peuvent pas
toujours tre vrifies. On effectue un prlvement statistique (un chantillon) et en
sappuyant sur les lois de la statistique, partir des rsultats obtenus laide de lchan-
tillon prlev, on tablira les rsultats probables, applicables la totalit des pices
fabriques.
Deux cas peuvent alors se produire :
le lot contrl est dclar conforme ;
le lot nest pas dclar conforme.
Dans le premier cas aucun problme ne se pose. Dans le deuxime cas, diffrentes
solutions peuvent tre envisages en fonction du rapport entre le cot du contrle et
le cot de la pice :
soit le lot complet est rebut ;
soit on trie le lot, ce qui entrane bien entendu le contrle de lensemble de la
production.
On constate aisment que cette mthode est trs conomique lorsque le lot est conforme
mais atteint vite des cots trs importants dans le cas contraire. De plus, cette mthode
base sur une approche statistique nest pas sans risque pour le fournisseur et pour le
client. En effet le client court le risque de ne trouver que des pices conformes dans
lchantillon alors quil nen est pas de mme dans le lot, il accepte alors un lot non
conforme. Cest le risque client. De mme, il court le risque de trouver plus de pices
non conformes dans lchantillon proportionnellement la qualit relle du lot et ainsi,
de refuser un lot conforme. Cest le risque fournisseur.
2. LES NOTIONS DE BASE
Critre qualitatif et quantitatif
Lorsquon contrle une pice, deux types de contrle peuvent tre effectus : le contrle
quantitatif et le contrle qualitatif.
Le contrle dun critre qualitatif
Par exemple un ski est ray ou non, il prsente des dfauts daspect ou non, ce type
de contrle est de type qualitatif. En face dun produit, on ne fixe pas un chiffre, mais
on fixe une qualit bonne ou mauvaise exprime par une expertise (notion de nuancier).
En statistique, on parle dattribut lorsque le rsultat peut se mettre sous forme de
modalit et ne sexprime pas par une valeur chiffre (conforme/non conforme, passe/ne
passe pas, prsent/absent). On parle quelquefois et par abus de langage de contrle au
calibre.
Exemple de contrle par attribut :
prsence ou absence dun dfaut visuel ;
contrle au calibre entre/nentre pas ;
...
Le contrle par attribut peut sappliquer de nombreux procds de fabrication ou de
montage. La saisie de donnes est alors assez simple, donc peu coteuse.
Le contrle dun critre quantitatif
Dans ce cas, on value le critre contrl par un chiffre manant dune mesure. Cest
le cas des mesures dimensionnelles. Dans certains cas, pour des raisons de cot, un
critre quantitatif est transform en critre qualitatif.
CHAPITRE 11 LE CONTRLE DE RCEPTION 257
Exemple : pour mesurer un diamtre, on utilise un calibre Entre/Nentre pas au
lieu de mesurer le diamtre.
2.2 Risque fournisseur et risque client
Le contrle de rception consiste prlever au hasard dans un lot de taille N, un
chantillon de taille n, et de dcider, lissue de ce contrle, si ce lot est acceptable
ou non. Cette dcision est dtermine par un nombre maximum de dfectueux c, trou-
vs dans lchantillon et qui ne doit pas tre dpass pour dcider daccepter le lot.
Lorsque lon effectue un prlvement statistique, il y a toujours un risque de trouver
un rsultat sur le prlvement qui ne soit pas limage de la ralit du lot. En fait, on
peut faire deux types derreur :
Erreur 1 : trouver mauvais un lot qui en fait tait bon (Risque )
Cela revient trouver une proportion de dfectueux plus forte dans lchantillon, que
dans la population totale.
On appelle le risque de faire ce type derreur le risque fournisseur (on comprend
pourquoi) et on le note risque .
Erreur 2 : trouver bon, un lot qui en fait tait mauvais (Risque )
Cela revient trouver une proportion de dfectueux plus faible dans lchantillon
quelle ne lest dans la population totale.
On appelle le risque de faire ce type derreur le risque client et on le note risque .
Lot accept Lot refus
Le lot est conforme Conclusion juste Conclusion fausse
Risque
Le lot nest pas Conclusion fausse Conclusion juste
conforme Risque
Conclusion du contrle
S
i
t
u
a
t
i
o
n
r
e
l
l
e
Figure 11.2 Risque et risque
2.3 Niveau de qualit acceptable (NQA)
Le niveau de qualit acceptable est trs important dans le contrle de rception. En
fait, il faudrait plutt parler de niveau de non-qualit acceptable.
Le choix du NQA tait autrefois dict par la qualit acceptable en fonction du type de
pices choisi. Pour des pices de dcolletage par exemple, on choisit un NQA voisin
du pourcentage de dfectueux que lon obtiendrait avec un tour appropri, pour une
fabrication la fois bien conduite et bien surveille. On prendra un NQA gal par
exemple 0,65 si lon considre quune production normale gnre 0,65 % de dfauts.
En fait, aujourdhui, le choix du NQA est plus subi que choisi car nous le verrons plus
loin, plus on prend un NQA faible, plus le cot du contrle devient important (surtout
pour des critres qualitatifs).
Les NQA sont gnralement pris parmi les termes de la srie suivante :
n
o
1 2 3 4 5 6 7 8 9 10 11 12
NQA 0.010 0.015 0.025 0.040 0.065 0.10 0.15 0.25 0.40 0.65 1.0 1.5 ...
Figure 11.3 La srie normalise de NQA
2.4 La courbe defficacit
2.4.1 Cas du contrle 100 %
Pour comprendre la courbe defficacit, nous allons nous intresser un contrle qua-
litatif. Supposons que nous acceptons les lots comportant au plus, 2 % de non confor-
mes. Supposons galement que nous contrlons toutes les pices du lot.
Nous allons reprsenter sur un graphique, la probabilit daccepter un lot en fonction
de sa proportion de pices non conformes. En abscisse, nous avons port la non-qualit
du lot ( % de produits non-conformes) et en ordonne le pourcentage dacceptation.
Nous obtenons le graphique suivant :
Pourcentage de
dfaut dans le lot
100%
50%
A B
C
D
100%
2%
Probabilit daccepter le lot
Figure 11.4 Courbe defficacit dans le cas dun contrle 100 %
2.4.2 Interprtation de la courbe
Tant que le pourcentage de dfectueux nexcde pas la non-qualit dfinie (2 %), on
a une probabilit de 1 (100 % de chance) daccepter le lot. Ds que le pourcentage de
dfectueux excde la non-qualit dfinie, cette probabilit devient nulle.
Nous venons de tracer la courbe defficacit thorique dun contrle 100 %. La
courbe defficacit est donc la courbe qui donne la probabilit dacceptation dun lot
en fonction de sa qualit.
2.4.3 Cas des contrles par chantillonnage
Si lon reste dans le cas dun critre qualitatif, dans le cas dun prlvement par
chantillon, la courbe prend la forme de la Figure 11. 5.
risque = 10%
risque = 5%
100%
100%
10%
95%
0%
p
10
p
95
Probabilit daccepter
le lot
D
C
A
B
Pourcentage
de produits
dfectueux
Figure 11.5 Courbe defficacit, cas dun contrle par chantillonnage
2.4.4 Interprtation de la courbe
Si le lot renferme 0 % de dfectueux, il y a 100 % de chance que lon accepte ce
lot. La courbe passe donc par le point A.
Si le lot renferme 100 % de dfectueux, il y a 0 % de chance daccepter un tel lot.
La courbe passe par le point D.
Les points A et D sont donc identiques dans le cas dun contrle 100 % et dans le
cas dun contrle par chantillonnage. Les deux points qui permettent de caractriser
la courbe sont les points B et C.
Le point B est dfini par le p
95
. Le p
95
est un pourcentage de dfectueux tel que le lot
qui renferme ce pourcentage de dfectueux a 95 % de chances dtre accept. Pour la
plupart des plans de contrle normaliss, le NQA (Niveau de Qualit Acceptable) est
assez proche du p
95
. On a vu quon choisissait le NQA comme gal au pourcentage
de dfectueux obtenu lors dune fabrication bien conduite.
Autrement dit, si lon demande un fournisseur une qualit dfinie par la valeur du
NQA et si ce fournisseur respecte cette qualit, il risque de se voir refuser des lots
dans peu prs 5 % des cas. Ce risque est le risque que nous avons appel risque
ou risque fournisseur. Autrement dit, si le fournisseur respecte ce niveau de qualit,
ses lots seront accepts dans 95 % des cas.
En contrepartie, le client court galement le risque daccepter un lot normalement
inacceptable. Ce risque est dfini par le point C, qui correspond 10 % de chance
daccepter un lot de qualit p
10
parfois appel NQT (Niveau de Qualit Tolr).
Si lon applique un lot un NQA de 2 %, et si le fournisseur livre des lots dont le
pourcentage de dfectueux est suprieur 2 %, on a plus de 10 % de chances de les
accepter, bien quils soient de qualit peu acceptable. Cest ainsi que pour un lot
comportant 6 % de non conformes, on peut avoir 10 % de chances daccepter ce lot.
Ce risque est le risque que nous avons appel risque ou risque client.
2.4.5 Facteur de discrimination
Plus la courbe defficacit sera proche de lescalier du contrle 100 %, plus le
contrle sera efficace. Pour caractriser cette efficacit, on dfinit un facteur de dis-
crimination par :
DS =
p
10
p
95
p
10
=14%
p
10
=8%
p
95
=3%
p
95
=2%
courbe 1 DS = 2,66
courbe 2 DS = 7
Figure 11.6 Facteur de discrimination
Plus ce rapport tendra vers un, plus le plan de contrle se rapprochera de lefficacit
du contrle 100 % (voir Figure 11.6). Le plan de contrle correspondant la courbe
1 possde un facteur discriminant DS plus petit que la courbe 2. Il filtre de faon plus
efficace les lots jugs bons de ceux jugs non conformes.
2.5 Individus non-conformes et non-conformits
Un produit contrl peut avoir plusieurs caractristiques satisfaire comme une cote
dimensionnelle associe un critre daspect.
Lorsque quune caractristique est non conforme, on parle de non-conformit, il peut
donc ventuellement y avoir plusieurs non-conformits par produit contrl.
Dun autre ct, on parlera de produit conforme ou non conforme lorsque lon consi-
dre le produit bon ou non, quel que soit le nombre de non-conformits sur le produit.
Il ne peut donc pas y avoir plus de non conformes que de produits contrls.
Dans le cas ou il ny a quune non-conformit possible par produit contrl, il ny a
pas lieu de faire la diffrence entre les deux cas.
Si on souhaite faire la diffrence, on ne peut pas appliquer les mmes lois statistiques
pour les deux cas.
En cas de produits non conformes, on applique la loi hypergomtrique ou la loi
binomiale.
En cas de non conformit, le comportement est mieux modlis par la loi de Poisson.
Le calcul de la proportion de non-conformes se calcule par la formule :
Proportion de non-conformes =
Nombre de non conformes
Nombre total dindividus
Le calcul de la proportion de non-conformits sobtient par la formule :
Proportion de non-conformits =
Nombre de non-conformits
Nombre total dindividus
3. LES DIFFRENTS PLANS DE CONTRLE
AUXATTRIBUTS
3.1 Lchantillonnage simple
Population totale
taille N
Prlvement dun chantillon
de taille n
Contrle des
n pices
Nb de dfectueux < R Nb de dfectueux > = R
Lot
accept
Lot
refus
Figure 11.7 Schma de principe de lchantillonnage simple
Ce type de contrle est particulirement simple, il ne ncessite quun seul prlvement.
On prlve un chantillon de n pices (on verra plus loin comment choisir ce nombre
n) et on contrle cet chantillon.
On dtermine un critre de rejet R ne pas dpasser qui est dans le cas des critres
qualitatifs le nombre maxi de dfectueux. Si la non-qualit du lot (le nombre de
dfectueux) est suprieure ou gale R, on refuse le lot, sinon on laccepte. Le schma
de principe de lchantillonnage simple est donn en Figure 11.7.
3.2 Lchantillonnage double
Ce type dchantillonnage est en gnral plus conomique que le premier pour une
mme efficacit. Il est cependant un peu plus complexe mettre en uvre car il peut
ncessiter deux prlvements conscutifs.
Population totale
taille N
Prlvement et contrle
dun chantillon de taille n1
dun chantillon de taille n2
Nb de dfectueux A1
Nb de dfectueux total < R2 Nb de dfectueux total R2
Nb de dfectueux R1
Lot
accept
Lot
refus
Lot
refus
Lot
accept
A1 < Nb de dfectueux < R1
Figure 11.8 Schma de principe de lchantillonnage double
Principe
On prlve un premier chantillon de n1 pices (on verra plus loin comment choisir
ce nombre n1) et on contrle cet chantillon.
On dtermine un premier critre dacceptation A1 et un premier critre de rejet R1.
Si la qualit du lot est meilleure que le critre dacceptation A1, on laccepte.
Si la qualit du lot est plus mdiocre que le critre de rejet R1, on le refuse.
Si la qualit du lot est comprise entre les deux critres, il y a incertitude, on est donc
conduit prlever un deuxime lot de taille n2, avec de nouvelles limites daccep-
tation et de refus (en pratique n2 = n1).
Ce type de contrle est plus conomique que le simple chantillonnage, en effet :
si le lot est excellent ds le premier prlvement, on aboutira lacceptation ;
si le lot est trs mdiocre ds le premier prlvement, on aboutira au refus ;
dans le cas dun lot de qualit proche du niveau acceptable, cela nous conduira
prlever un lot plus important et donc amliorer la fiabilit du prlvement.
3.3 Lchantillonnage multiple
Le principe est le mme que pour lchantillonnage double, sauf que dans le cas de
lchantillonnage multiple, les prlvements peuvent aller jusqu sept prlvements
conscutifs (le prlvement multiple sept niveaux est le plus courant). Gnralement,
dans les tables standard, les chantillons ont le mme effectif pour les diffrents pr-
lvements.
Le plan dchantillonnage multiple exige en moyenne moins dindividus contrler
que les plans dchantillonnages simples ou doubles de mme efficacit. Cependant,
on note la lourdeur de mise en uvre dun tel procd de contrle. On rserve donc
ce type de contrle lorsque les contrles sont destructifs, afin dconomiser un maxi-
mum de pices.
3.4 Echantillonnage progressif
Un plan de contrle progressif se diffrencie des plans de contrle classiques en ce
que les pices sont prleves UNE UNE. En fait, cela revient faire un chantil-
lonnage multiple pour lequel la taille de lchantillon serait gale 1. Aprs chaque
prlvement, lune des trois dcisions est prise :
accepter le lot ;
refuser le lot ;
prlever une autre pice.
En pratique, la mise en uvre dun contrle progressif consiste dessiner sur le gra-
phique une ligne brise. On se dplace de 1 sur labscisse chaque fois que lon contrle
une pice et de 1 en ordonne chaque fois quune pice est trouve dfectueuse :
on accepte le lot si on franchit la droite dacceptation ;
on le refuse si on franchit la droite de refus ;
on continue tant que lon se situe dans la zone dincertitude.
h
2
h
1
50 100
Droite
dacceptation
Zone
d'incertitude
Nb total de
pices trouves
mauvaises
Nb total de pices
contrles
Arrt du contrle
s
Droite de refus
Figure 11.9 Le contrle progressif
Dans lexemple de la figure 11.9, le plan a conduit au refus du lot aprs 78 prlve-
ments. La 6
e
pice tait mauvaise, la 60
e
et la 78
e
galement.
4. CONTRLE DE RCEPTIONAUXATTRIBUTS,
CAS DES PRODUITS NONCONFORMES
4.1 Les rgles de prlvement
La norme dfinit trois types de contrle :
le contrle normal ;
le contrle renforc ;
le contrle rduit.
Le contrle normal suppose que le lot est dune qualit moyenne suprieure la valeur
du NQA. Un contrle normal doit logiquement conduire lacceptation du lot.
4.1.1 Passage du contrle normal au contrle renforc
Si une forte proportion de lots est refuse, cela signifie que la qualit des lots est moins
bonne que celle dfinie par le NQA. En rgle gnrale, si deux lots parmi cinq lots
successifs ont t refuss, on passe au contrle renforc. On doit bien videmment
prendre des mesures pour mettre en uvre des actions correctives.
4.1.2 Passage du contrle renforc au contrle normal
Le passage au contrle normal suppose que la qualit des lots est en moyenne meilleure
que le NQA. Si cinq lots successifs ont t accepts, on repasse au contrle normal.
4.1.3 Passage du contrle normal au contrle rduit
Si au cours des contrles, il apparat que la qualit des lots est notablement meilleure
que le NQA et que ce niveau de qualit a toutes les chances de se maintenir, il est
alors possible de diminuer les cots de contrle en passant au contrle rduit. On
retourne au contrle normal en cas de refus dun lot ou en cas daugmentation de la
proportion dindividus non conformes.
2 lots parmi 5
ont t refuss
Contrle
rduit
Contrle
normal
Contrle
renforc
5 lots successifs
ont t accepts
En cas de
refus dun lot
Si on a la garantie
de stabilit de la qualit
Figure 11.10 Les rgles de prlvement
4.1.4 Niveaux de prlvement
La norme dfinit galement trois niveaux de prlvement (I faible, II normal ou III
lev). Le niveau II est le niveau standard, cest celui gnralement choisi. Le niveau
I est rserv aux critres particulirement difficiles contrler, le niveau III pour les
critres particulirement faciles contrler.
En plus des niveaux de prlvement pour usage gnraux, la norme prvoit 5 niveaux
de contrle pour usage spciaux qui doivent tre rservs pour des cas particuliers
comme le contrle destructif. Les quantits contrles sont faibles, mais lefficacit
de ce contrle est mdiocre avec un facteur de discrimination trs important.
4.1.5 Taille des lots prlever
Pour dterminer la quantit de produits livrer en fonction de la taille du lot, on choisit
un niveau de prlvement (en principe le niveau II), puis en fonction de limportance
de lchantillon, on trouve une lettre code. Le lecteur pourra se reporter la table
donne au paragraphe 8 de ce chapitre.
Exemple
Pour un niveau II, la lettre code pour un lot de 1 000 pices est J.
4.2 chantillonnage simple
4.2.1 Principe
Dans le cas de la norme NF X 06-022
1
, le critre dacceptation est un nombre de pices
non conformes. Le choix du plan est simple partir de la lettre code.
Pour trouver le critre dacceptation et le niveau du prlvement, il suffit donc de se
reporter la table concerne. Le niveau de prlvement est lu ct de la lettre code,
le critre dacceptation est lu dans la colonne du NQA retenu.
Exemple
Pour un NQA de 0,65, avec un lot de 1 000 pices, le niveau de prlvement
est de 80 pices avec A = 1 et R = 2.
Ce plan de contrle correspond au schma de la Figure 11.11.
1. Cet indice de classement correspond aux normes suivantes :
X 06-022-1 : NF ISO 2859-1 (Avril 2000) Rgles dchantillonnage pour les contrles par attributs
Partie 1 : procdures dchantillonnage pour les contrles lot par lot, indexs daprs le niveau de qualit
acceptable.
X 06-022-4 : NF ISO 2859-4 (Mai 2000) Rgles dchantillonnage pour les contrles par attributs Partie
4 : procdures pour llaboration des niveaux spcifis de qualit.
Population totale
de taille N = 1000
d'un chantillon de taille n = 80
Nb de dfectueux < 2 Nb de dfectueux 2
Lot
accept
Lot
refus
Figure 11.11 Plan de contrle simple
4.2.2 Courbe defficacit du contrle simple
La courbe defficacit reprsente la probabilit pour un lot, de proportion p de non
conformes, dtre accepte. Cest donc la probabilit de tirer dans un lot de taille n,
contenant une proportion p de non conformes, moins de R (critre de refus) produits
non conformes.
Cest donc la loi binomiale qui sapplique. La courbe defficacit a donc comme qua-
tion :
k = A
P
A
=
k = 0
C
n
k
p
k
(1 p)
n k
Avec C
n
k
=
n!
k!(n k)!
Nous pouvons donc construire la courbe defficacit du plan prcdent. Nous accep-
terons un lot contenant une proportion p de non conformes condition de trouver 0
ou 1 pice dfectueuse parmi le prlvement de 80 pices. Lquation de la courbe
defficacit est donc :
P
A
= P
0
+ P
1
= C
0
80
p
0
(1 p)
80
+ C
1
80
p
1
(1 p)
79
P
A
= (1 p)
79
(79p + 1)
Pour p = 0,0044 (0.44 % de NC) P
A
= 0,95 (95 % dacceptation)
Pour p = 0,01 (1 % de NC) P
A
Pour p = 0,02 (2 % de NC) P
A
Pour p = 0,0478 (4,8 % de NC) P
A
Ce qui donne comme courbe :
Probabilit dacceptation du lot
1
0
10% 0% 6% 5% 4% 3% 2% 1%
Figure 11.12 Courbe defficacit du plan de contrle
4.2.3 Conclusion sur lchantillonnage simple dans le cas des critres qualitatifs
Lexemple prcdent illustre la faible efficacit du contrle par chantillonnage simple
dans le cas des critres qualitatifs. En effet, nous avons pris un NQA relativement petit
(0,65) et malgr un prlvement important (80 pices) un lot contenant 2 % de dfec-
tueux a 50 % de chances dtre accept.
Nous verrons au paragraphe 4.6 que mme dans le cas de contrle niveaux daccep-
tation nuls, il subsiste des risques client trs importants. La seule faon de minimiser
ces risques est de passer lorsque cela est possible un contrle aux mesures (paragra-
phe 6).
4.3 Plans de contrle niveaux dacceptation nul
4.3.1 Dfinition
Malgr la normalisation des plans de contrle, la plupart des entreprises pratique des
plans de contrle plus simples niveaux dacceptation nuls. Ce type de plan de contrle
consiste prlever un nombre de pices plus limit (une vingtaine), et refuser le lot
ds quun produit dfectueux est trouv.
Les industriels qui pratiquent ce type de plan de contrle, qui est en fait un chantil-
lonnage simple effectif rduit, ont souvent limpression que le contrle est svre.
En fait, le facteur de discrimination de ce type de contrle est souvent faible et les
risques clients restent importants malgr le fait de refuser le lot ds quun produit
dfectueux est dtect.
4.3.2 Efficacit dun plan de contrle niveaux dacceptation nul
La courbe defficacit de ce type de plan est trs facile calculer, cest la mme que
dans le cas dun plan de contrle simple.
k = A
P
A
=
C
k
n
p
k
(1 p)
n k
la limite dacceptation tant gale zro, on trouve :
k = 0
P
A
= (1 p)
n
La Figure 11.13 donne la courbe defficacit pour un prlvement de 15 pices.
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
,
0
0

%
0
,
3
3

%
0
,
6
7

%
1
,
0
0

%
1
,
3
3

%
1
,
6
7

%
2
,
0
0

%
2
,
3
3

%
2
,
6
7

%
3
,
0
0

%
3
,
3
3

%
3
,
6
7

%
4
,
0
0

%
4
,
3
3

%
4
,
6
7

%
5
,
0
0

%
Figure 11.13 Efficacit dun plan niveaux dacceptation nuls (n = 15)
On note sur la figure 11.13 quun lot contenant 1 % de dfaut a environ 35 % de
chance dtre accept !
On montre facilement que la limite conomique que lon est capable datteindre en
terme de qualit avec un contrle qualitatif par chantillonnage est de lordre de 1 %.
Mais mme un contrle 100 % nassure pas 100 % de produits conformes. Il nexiste
quune seule manire dobtenir 100 % de produits conformes : ne pas fabriquer des
produits dfectueux.
4.4 chantillonnage double
Cest lchantillonnage le plus couramment employ dans lindustrie. Il est en effet le
meilleur compromis entre le cot du contrle, son efficacit et sa facilit de mise en
uvre.
En rgle gnrale (cas de la norme AFNOR), les deux prlvements sont de taille
identique. De mme, la dcision au second prlvement tiendra compte de linforma-
tion obtenue dans le premier prlvement.
Exemple
N = 1000, NQA = 0,65.
Niveau de prlvement double, contrle normal.
Le plan de contrle correspond la lettre code J, ce qui quivaut pour un chan-
tillonnage simple un prlvement double de deux fois 50 pices. Le critre
dacceptation est donn par la table de correspondance entre lchantillonnage
simple et lchantillonnage double. Lacceptation pour lchantillonnage simple
correspondant tait de 1 2 ce qui donne comme plan :
le premier prlvement est de 50 pices. Les limites dacceptation et de refus
sur les 50 pices sont : A1 = 0 ; R1 = 2 ;
le second prlvement est nouveau de 50 pices, les limites dacceptation
et de refus sur les 100 pices sont de A2 = 1 ; R2 = 2.
Nb de dfectueux total = 1 Nb de dfectueux total = 2
Nb de dfectueux = 0 Nb de dfectueux = 2
Accepter
Accepter Refuser
Refuser
Accepter
Premier prlvement de n1 = 50
Second prlvement de n1 = 50
Figure 11.14 Plan de contrle donn par la norme AFNOR
On note que le contrle par chantillonnage double est plus conomique que lchan-
tillonnage simple lorsque la conclusion est donne lissue du premier prlvement.
Par contre, le prlvement sera plus important si le second prlvement est ncessaire.
On montre cependant que le plan double est en moyenne plus conomique que le plan
simple pour une mme efficacit.
4.4.1 Courbe defficacit dans le cas des prlvements doubles
Remarque : seul le lecteur averti aura lutilit de lire ce paragraphe.
Notation :
A1 Critre dacceptation au premier tirage.
R1 Critre de rejet au premier tirage.
A2 Critre dacceptation au second tirage (R2 = A2 + 1).
La probabilit dacceptation est gale la probabilit dacceptation ds le premier
tirage plus la probabilit dacceptation au second tirage. On peut reprsenter lensemble
des cas dacceptation par le graphe suivant :
1
er
A1+1 A R1
on va au second tirage
A A1 on accepte A A2 on accepte
tirage 2
e
tirage
Probabilit daccepter ds le premier tirage. On utilise la loi binomiale :
k = A1
P
A1
=
C
k
n1
p
k
(1 p)
n1 k
k = 0
Probabilit dacceptation lors du second tirage. Pour accepter, il faut tirer dans le
second tirage un nombre de dfauts tel que la somme des dfauts du premier et du
second tirage soit au plus gale A2.
P
A2
=
{
[
C
k1
p
k1
(1 p)
n1 k1
][
C
k2
p
k2
(1 p)
n2 k2
]
}
k1=A1+1
k1=R11
k2=0
k2=A2-k1
n1 n2
probabilit daller
au second tirage
probabilit daccepter
au second tirage
La courbe defficacit scrit donc :
P
A
= C
k
p
k
(1 p)
n1 k
+
{
[
C
k1
p
k1
(1 p)
n1 k1
][
C
k2
p
k2
(1 p)
n2 k2
]
}
k1=A1+1
k1=R11
k2=0
k2=A2-k1
k=0
k=A1
n1 n1 n2
Dans notre cas de figure la courbe defficacit est la suivante :
0,00%
1
0,8
0,6
0,4
0,2
0
1,33% 2,67% 4,00% 5,33% 6,67% 8,00% 9,33%
Figure 11.15 Courbe defficacit dans le cas double
4.5 Lchantillonnage multiple
La norme ne dfinit quun seul type dchantillonnage progressif. Ce plan de contrle
est un plan 7 prlvements conscutifs. Tous les niveaux de prlvement sont iden-
tiques.
Exemple
N = 1000, NQA = 0,65, niveau de prlvement double, contrle normal.
La norme donne le plan suivant ayant peu prs la mme efficacit que le plan
simple correspondant. Les niveaux de prlvement sont de 20 pices.
Les limites dacceptation et de refus sont successivement les suivantes :
Prlvement 1 2 3 4 5 6 7
Limite dacceptation 0 0 1 1 2
Limite de refus 2 2 2 3 3 3 3
On ne peut conclure lacceptation du lot lors des deux premiers prlvements. Le
niveau mini de prlvement pour acceptation est donc de 60 pices.
4.6 Lchantillonnage progressif
Dans les contrles prcdents, on se fixe lavance les effectifs des lots. Dans le cas
des contrles progressifs, la dcision pourra intervenir aprs chaque pice. Cest ce
type de contrle qui donne le nombre moyen de pices prleves le plus faible.
1
0,5
0
Probabilit d'accepter le lot
p
1
p
2
Pourcentage de dfauts
dans le lot
P
1
= C
k
n

p
k
n
(1 p
1
)
n k
n
1 n
P
2
= C
k
n

p
k
n
(1 p
2
)
n k
n
2 n
Figure 11.16 Hypothses H1 et H2
Ces plans sont issus de la thorie squentielle dveloppe par Wald aux USA. On
appelle dailleurs souvent ces plans : les plans de Wald. Pour construire les plans
progressifs, il faut partir de la courbe defficacit souhaite en dfinissant les deux
couples de points (p
1
, ) et (p
2
, ). A partir de ces deux points on dtermine par les
formules suivantes les droites dacceptation et de refus du contrle progressif.
1
log
(

)
1 p
1
+ log
(

)
1 p
2
p
2
log
(

)
p
1
h
1
=
1
log
(

)
1 p
1
+ log
(

)
1 p
2
p
2
log
(

)
p
1
h
2
=
1 p
1
+ log
(

)
1 p
2
1 p
1
log
(

)
1 p
2
p
2
log
(

)
p
1
s =
On accepte si k
n
< h
1
+ s.n (droite dacceptation).
On refuse si k
n
> h
2
+ s.n (droite de refus).
On continue si h
1
+ s.n < k
n
< h
2
+ s.n.
Ce qui peut se mettre sous forme graphique comme indiqu en figure 11.17. On note
la droite dacceptation, la droite de refus, et la zone dincertitude.
h
2
h
1
50
Droite de refus
= h
2
+ s.n
Droite d'acceptation
=-h
1
+ s.n
Zone
dincertitude
Nb total de
pices trouves
mauvaises
Arrt du contrle
Acceptation
Refus
s
Nb mini de pices
prlever pour
acceptation
Nb total de
pices contrles
100
Figure 11.17 Le contrle progressif
Dans lexemple de la figure 11.17, le plan a conduit au refus du lot aprs 78 prlve-
ments. La 6
e
pice tait mauvaise, la 60
e
et la 78
e
galement. On note quil est possible,
si lon reste toujours dans la zone dincertitude de continuer le prlvement jusquau
contrle 100 %. En fait, on arrte le contrle lorsque le nombre de pices contrles
est gal 1,5 fois le nombre de pices prvues par le contrle par chantillonnage
simple correspondant. La dcision daccepter ou de refuser le lot est prise en regardant
la droite la plus proche du point obtenu.
On remarque sur la figure 11.17 que le nombre minimum de pices contrler pour
accepter le lot est de 46 pices (intersection entre la droite dacceptation et laxe
dabscisses).
ORIGINE DES CALCULS DU CONTRLE PROGRESSIF
Cette partie est rserve au lecteur averti.
Soient les hypothses suivantes :
H1 la proportion de pices mauvaises est gale p
1
. Dans ce cas on doit accepter
le lot avec un risque de refuser ce lot bon.
H2 la proportion de pices mauvaises est gale p
2
. Dans ce cas on doit refuser le
lot avec un risque daccepter ce lot mauvais.
Soit k
n
le nombre de pices mauvaises prleves sur n pices contrles.
Pour tester lhypothse H1 contre lhypothse H2, on calcule les probabilits succes-
sives de vrifier lhypothse H1 sur les n pices prleves (P
1
, n) et lhypothse H2
(P
2
, n).
La probabilit P
1
davoir trouv k
n
pices dfectueuses sur n pices contrles dans un
lot contenant une proportion p
1
de dfectueuses est :
P
1
= C
n
k
n
p
1
k
n
(1 p
1
)
n k
n
La probabilit P
2
davoir trouv k
n
pices dfectueuses sur n pices contrles dans un
lot contenant une proportion p
2
de dfectueuses est :
P
2
= C
n
k
n
p
2
k
n
(1 p
2
)
n k
n
En fonction de ces deux probabilits, on prend les dcisions suivantes :
On accepte le lot si lhypothse H1 est plus raliste que lhypothse H2.
On refuse le lot si lhypothse H2 est plus raliste que lhypothse H1.
On continue le prlvement si aucune des deux hypothses ne lemporte de manire
significative.
Si lhypothse H1 est plus raliste que lhypothse H2 on aura :
P
2

ratio des risques respectifs dacceptation.
P
1
1
Si lhypothse H2 est plus raliste que lhypothse H1 on aura :
P
2
1
ratio des risques respectifs de refus.
P
1

En reportant P
1
et P
2
dans les ingalits prcdentes, on trouve, pour lacceptation :
C
n
k
n
p
2
k
n
(1 p
2
)
n k
n
<

C
n
k
n
p
1
k
n
(1 p
1
)
n k
n
1
Par une transformation logarithmique on obtient :
k
n
log(p
2
) + (n-k
n
)log(1-p
2
) k
n
log(p
1
) (n-k
n
)log(1-p
1
) < log
(

)
1
Soit le nombre dacceptation :
1
log
(

)
1 p
1
+ log
(

)
1 p
2
p
2
log
(

)
p
1
k
n
<
1 p
1
log
(

)
1 p
2
1 p
1
+ log
(

)
1 p
2
p
2
log
(

)
p
1
+ n
Ce qui reprsente le calcul de lquation de la droite dacceptation avec les donnes de
dpart :
Risque de refuser un lot contenant une proportion p
1
de dfectueux.
Risque daccepter un lot contenant une proportion p
2
de dfectueux.
On trouverait de faon identique lquation de la droite de refus.
Remarque sur le contrle par chantillonnage multiple
On remarque que lchantillonnage multiple peut tre considr comme un cas dappli-
cation du contrle progressif en regroupant les prlvements.
En pratique, le contrle progressif est souvent transform en contrle multiple. Le
premier lot tant gal au nombre mini de pices contrler pour accepter le lot.
5. CONTRLE DE RCEPTIONQUALITATIF,
CAS DES NON-CONFORMITS
Le cas des non-conformits est trait de la mme faon que le cas des produits confor-
mes non conformes, le choix de la lettre code reste le mme. Cependant comme la loi
statistique qui rgit les non-conformits est la loi de Poisson, les niveaux dacceptation
et de refus sont lgrement diffrents. On trouvera donc deux tables diffrentes pour :
individus non-conformes ;
non-conformits.
En fait, les deux tables sont trs proches lune de lautre, et dans la pratique, on nutilise
souvent quune seule table quelle que soit la situation.
6. LE CONTRLE DE RCEPTIONAUXMESURES
(UNE SEULE LIMITE DE CONTRLE)
Le contrle de rception est souvent ralis par attribut. On compte le nombre dindi-
vidus qui ont ou nont pas le caractre recherch. Parfois, on transforme un contrle
aux mesures en contrle par attribut. Cest le cas dun diamtre qui est mesur, mais
dont on ne traite que linformation dans/hors tolrance. La perte dinformation est
considrable et nous verrons dans ce paragraphe que sous certaines conditions il
est prfrable de traiter directement la mesure.
6.1 Condition de normalit
Dans le cas du contrle aux mesures, nous devons supposer que la population suit un
modle de rpartition donn. Dans ce paragraphe, nous retiendrons comme modle la
loi normale. Lensemble des conclusions que nous tirerons ne sera valable que si cette
hypothse est vrifie.
Pour vrifier la normalit, on emploiera les tests classiques tels le test du
2
, le test de
Kolmogorov ou de Shapiro. On peut galement utiliser un test graphique tel que la
droite de Henry.
6.2 Cas ou lcart type est inconnu (mthode S)
On doit appliquer la mthode sigma inconnu dans deux configurations :
On rceptionne pour la premire fois un lot ;
On na pas la garantie de la rgularit du fournisseur et on ne peut pas considrer
quil y aura un cart type constant entre deux livraisons.
Dans ce cas de figure on estime lcart type de la population par lestimateur :
1
) (
2
=
n
x x
S
i
6.2.1 Condition dacceptation ou de rejet
Le principe du test dacceptation est le mme que dans le cas des contrles par attribut.
On prlve un chantillon de taille n que lon mesure, on accepte le lot si la moyenne
des n mesures se situe plus de k de la limite impose. Cette limite est fixe en
fonction du pourcentage de dfectueux dont on prend le risque daccepter le prsence.
k
Limite dacceptation sur la
moyenne de lchantillon
Limite infrieure
de tolrance
Cible
Zone de refus Zone dacceptation
Figure 11.18 Principe du contrle aux mesures
On dfinit ainsi un indice de qualit t (variable rduite) qui dans le cas dune tolrance
suprieure est gale :
x
S
TS
t
=
Si t est suprieur k, le lot est accept, si t est infrieur k le lot est refus. Cette
zone dacceptation se reprsente selon la Figure 11.19.
Zone de rejet
Lot refus
TS-kS
i
X
0 S
i
S
Max
TS
S
Zone dacceptation
Figure 11.19 Zone dacceptation dun contrle aux mesures
Pour dterminer le plan de contrle, il faut donc donner :
la taille de lchantillon prlever (n)
la distance (en nombre dcarts types) placer partir de la moyenne (k)
6.2.2 Choix du plan en fonction de la norme NF X 06-023
La norme (Figure 11.20) fixe en fonction du NQA choisi et de la lettre code choisie
pour un niveau de prlvement II la taille de prlvement n et la limite k. Par exemple
pour un NQA de 0.1 et un effectif de 250 valeurs la lettre code est G ce qui donne le
plan de contrle suivant :
Taille du lot n 15 4.31 P
10
Nombre de sigma limite k 2.42 0.90 P
50
Facteur de discrimination DS 71.8 0.06 P
95
F/0.15 plan rduit
correspondant
Figure 11.20 Choix du plan

cart type maximum cas deux limites spares
Le cas deux limites spares consiste scinder le problme dacceptation dans le
cas dune tolrance bilatrale (Min et Max) en deux problmes (cot maxi et ct
mini). Dans ce cas, on peut crire :
X
S
TS
k
<
Lorsque le processus est parfaitement centr, on a
TS TI
X
+
=
2
Soit
k
TI TS
S
2
<
on note
k
TI TS
S
Max
2
=
On peut galement calculer un S
L
: cart type maximal que lon aura dans une situation
centre pour garantir le p
95
.
Calcul de S
L
dans le cas de deux limites spares
S
L
t
/2
S
L
TS-TI
Figure 11.21 Dtermination de S
L
On peut crire :
2
TI TS
S t
L
soit
t 2
TI TS
S
L
=
La valeur t
tant calcule partir de la loi de Student pour (n-1) degr de libert

6.2.3 Exemple de contrle rception avec la mthode S
On veut rceptionner un lot sur lequel un diamtre 220.01 est critique. Le NQA choisi
est de 0.1 et la taille du lot est de 250 (lettre code G). Le plan de contrle consiste
prlever de faon alatoire 15 pices sur lesquelles on mesure le diamtre. Le nombre
limite k trouv dans la table (paragraphe 7.5) est gal k = 2.42. Lhistogramme des
15 mesures est donn en figure 11.22.
5
4
3
2
1
0
F
r
q
u
e
n
c
e
Histogramme
21.990 21.995 22.000 22.005 22.010
Figure 11.22 Histogramme de lchantillon
La moyenne est de X = 22.003 et lcart type S = 0.00315
Calcul de S
L
pour p
95
Dans le plan de contrle choisi, p
95
= 0.06 %
t 2
TI TS
S
L
= avec t
0.05
pour 14 degrs de libert = 4.40 soit S
L
= 0.0022
S S
L
Lcart type ne peut pas garantir le p
95
mme si la production est centre !
Cot maxi :
On calcule la variable rduite 2.22
0.00315
22.01 22.003
S
X TS
t = =
=
Cette variable (t = 2.22) tant infrieure la valeur limite k lue dans la table (k =
2.42), on refuse le lot.
Cot mini :
On calcule la variable rduite 4.12
0.00315
22.003 21.99
S
TI X
t = =
=
Le nombre limite k tant gal 2.42 4.12, on accepte le lot.
La figure 11.23 dfinit le graphique dacceptation.
S
Max
S
S
X
L
TS
TI
Lot refus
zone
dacceptation
Figure 11.23 Zone dacceptation
6.3 Mise en place dun contrle de rception aux mesures mthode S
Pour mettre en place le contrle de rception aux mesures, on tablit une carte de
contrle de rception qui ressemble aux cartes de contrle S / X traditionnelles. Prenons
le cas dune rception dun diamtre ayant pour caractristiques :
tolrances 10 0,05
NQA = 0.1, taille des lots variables
On suppose dans un premier temps que sigma est inconnu. Les premiers lots reus ont
les caractristiques suivantes :
date 18/01 01/02 15/02 26/02 08/03 22/03
taille lot 250 300 300 500 300 240
n 15 20 20 25 20 15
k 2,42 2,47 2,47 2,5 2,47 2,42
moyenne 10,012 10,021 9,992 9,995 10,014 10,032
sigma S 0,008 0,009 0,013 0,012 0,011 0,017
TS-kS 10,031 10,028 10,018 10,020 10,023 10,009
TI +kS 9,969 9,972 9,982 9,980 9,977 9,991
Cible 10 10 10 10 10 10
S
Max
0,021 0,020 0,020 0,020 0,020 0,021
P
95
0,0006 0,0007 0,0007 0,0008 0,0007 0,0006
t
0,05
4,40 4,04 4,04 3,83 4,04 4,40
S
L
0,011 0,012 0,012 0,013 0,012 0,011
10,05
10,03
10,01
9,99
9,97
9,95
0,025
0,02
0,015
0,01
0,005
0

18/01 01/02 15/02 26/02 08/03 22/03
18/01 01/02 15/02 26/02 08/03 22/03
moyenne
TS-kS
TI+kS
Cible
Sigma S
SL
SMax
Figure 11.24 Carte dacceptation
Calcul de la carte de contrle des moyennes
LS
acceptation
= Tolrance suprieure kS
LI
acceptation
= Tolrance infrieure + kS
Limite Suprieure sur la carte des carts types
k 2
TI TS
S
max
=
Calcul de S
L
pour p
95
On a vu que pour p
95
le risque alpha tait gal 0.0006 pour le plan de contrle G/0.1
0.0006
L
t 2
TI TS
S
= avec t
0.0006
pour n-1 degrs de libert
Dans cet exemple, les 5 premiers lots sont accepts, le dernier lot est refus cause
dun dcentrage de la production. De plus lcart type dpassant S
L
on ne garantit pas
le p
95
.
6.4 Cas ou lcart type de la population est connu (mthode sigma)
6.4.1 Choix du plan en fonction de la norme NF X 06-023
Comme dans le cas de la mthode S, la norme (figure 11.25) fixe en fonction du NQA
et de la lettre code choisie pour un niveau de prlvement II la taille de prlvement
n et la limite k. Par exemple pour un NQA de 0.1 et un effectif de 250 valeurs la lettre
code est G ce qui donne le plan de contrle suivant :
10
50
95
F/0.15 plan rduit
correspondant
Figure 11.25 Choix du plan

6.4.2 Mise en place dun contrle de rception mthode
Pour mettre en place le contrle de rception aux mesures, on tablit une carte de
contrle de rception qui ressemble aux cartes de contrle S / X traditionnelles. Repre-
nons le cas dune rception du diamtre 100,05 tudi dans le cas de la mthode S.
Aprs plusieurs rceptions, on note que lcart type des lots livrs est stable (carte de
contrle des carts types sous contrle)
On peut alors calculer lcart type moyen sur les lots dj livrs afin destimer
partir de la moyenne pondre des variances.
cart type estim partir des rceptions dj effectues :
=
i
i i
S v
v
soit, en reprenant les donnes de la figure 11.24 : = 0.0127

tolrances 10 0,05
NQA = 0.1, taille des lots variables
La carte de contrle aura la forme de la figure 11.26
date 05 / 04 12 / 04 19 / 04 26 / 04 03 / 05 10 / 05 17 / 05 24 / 05
taille lot 300 250 280 350 400 380 400 350
n 5 4 4 5 5 5 5 5
k 2,46 2,39 2,39 2,46 2,46 2,46 2,46 2,46
moyenne 9,991 9,998 10,011 10,012 10,003 9,986 10,025 10,003
TS-k 10,0187 10,0196 10,0196 10,0187 10,0187 10,0187 10,0187 10,0187
TI +k 9,9813 9,9804 9,9804 9,9813 9,9813 9,9813 9,9813 9,9813
S 0,0092 0,0123 0,0106 0,0142 0,005 0,0191 0,0131 0,0146
LSC
S
0,0250 0,0265 0,0265 0,0250 0,0250 0,0250 0,0250 0,0250
10,05
10,03
10,01
9,99
9,97
9,95
0,03
0,025
0,02
0,015
0,01
0,005
05/04 12/04 19/04 26/04 03/05 10/05 17/05 24/05
05/04 12/04 19/04 26/04 03/05 10/05 17/05 24/05
moyenne
TS-kS
TI+kS
Cible
Sigma S
LSCS
s
Figure 11.26 Carte dacceptation en rception mthode
Linterprtation est trs simple :
Dans un premier temps, il faut valider lhypothse sigma connu. Pour cela on vrifie
que lcart type S calcul sur les valeurs de lchantillon reste bien dans les limites de
contrle. Sur notre exemple, sur la priode considre, lhypothse sigma connu a t
valide car la carte de contrle des carts types est reste sous contrle .
Dans le cas ou un point sur la carte des carts types sort de la limite suprieure de
contrle LSC
S
, lhypothse sigma connu est refuse, et on doit repasser la mthode
S (sigma inconnu)
Tant que la moyenne se situe lintrieur des limites dacceptation le lot est accept,
sinon le lot est refus. Dans lexemple cit, le lot du 17/05 a t refus.
Calcul de la carte dacceptation des moyennes
LS
acceptation
= Tolrance suprieure - k
LI
acceptation
= Tolrance infrieure + k
Calcul de la carte de contrle des carts types
La carte de contrle sur S dans le cas dun contrle de rception est identique aux
cartes de contrle de Shewhart en Matrise Statistique des Processus .
LSC
S
= B
6
.
Le coefficient B
6
est le mme que celui utilis couramment en SPC dans le calcul des
cartes de contrle. Le tableau ci-dessous rappelle ce coefficient pour diffrentes tailles
dchantillon.
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 20
B6 2,61 2,28 2,09 1,96 1,87 1,81 1,75 1,71 1,67 1,64 1,61 1,59 1,56 1,54 1,47
(mthode )
6.5.1 Dtermination de n et k
Pour dterminer un plan de contrle, il faut trouver :
la taille de lchantillon prlever (n)
la distance (en nombre dcarts types) placer partir de la moyenne (k)
Ces deux lments se calculent partir de la courbe defficacit souhaite.
1
0,5
0
Probabilit daccepter le lot
p
1
p
2
Pourcentage de
dfauts dans le lot
Figure 11.27 Efficacit recherche
On a les relations suivantes :
z

.

z
p
1

+ z

.

z
p
2

n =
[

]
z

+ z
z
p
1

z
p
2
k =
z

+ z
2
avec :
z
= variable rduite de la table de Gauss associe au risque

z
= variable rduite de la table de Gauss associe au risque

z
p1
= variable rduite de la table de Gauss associe la proportion de dfectueux p
1
z
p2
= variable rduite de la table de Gauss associe la proportion de dfectueux p
2
Dmonstration des formules
z n
.
n
n
z n
.
Limite
dacceptation
Limite
de tolrance
Limite
dacceptation
Limite
de tolrance
k.
k.
p1
z
p2
.
z
p1
.
C B A
p
2
C B A
Cas acceptable Cas inacceptable

Figure 11.28 les deux cas limites
Considrons la figure 11.28 les deux graphes reprsentent le contrat entre le client et
le fournisseur.
Cas acceptable : Le fournisseur produit p
1
% de produits dfectueux, on doit accepter
ce lot avec un risque fournisseur de le refuser gal ;
Cas inacceptable : Le fournisseur produit p
2
% de produits dfectueux, on doit refuser
ce lot avec un risque client de laccepter gal .
Pour le cas acceptable, on crit :
AC = AB + BC soit k
n
z
z donc
n
z z
p p
+ k + = =

1 1
Pour le cas inacceptable, on crit :
BC = BA + AC soit k
n
z
z donc
n
z z k
p p
+ = + =

2 2
Nous avons deux quations, nous pouvons facilement calculer les deux inconnues n
et k pour obtenir les relations prcdentes.
Dans le paragraphe suivant, nous dtaillerons un exemple de calcul.
6.5.2 Comparaison avec le contrle aux attributs
Pour comparer lefficacit du contrle aux mesures par rapport au contrle par attribut,
nous allons rechercher le plan de contrle qui donne la mme efficacit que le plan
de contrle simple, aux attributs, dvelopp au paragraphe 4.1. (NQA =0.65 ; lot de
1 000 pices)
Nous avions trouv pour un prlvement de 80 pices lefficacit suivante :
Risque = 0,05 = 0,10 p
1
= 0,0044 P
2
= 0,0478
Variable rduite correspondante z
= 1,65 z
= 1,28 z
P1
= 2,62 z
P2
= 1,67
Les z sont dtermins en fonction des risques en utilisant la table de Gauss.
Probabilit dacceptation du lot
1
0
10% 0% 6% 5% 4% 3% 2% 1%
= 0,05
p1= 0,44%
= 0,10
p2= 4,78%
Figure 11.28 Courbe defficacit du plan de contrle
On dtermine directement le plan de contrle aux mesures partir de cette courbe en
appliquant les formules :
n =
[

]
z

+ z
z
p
1

z
p
2
2
=
[

]
= 9,51 soit 10 pices
1,65 + 1,28
2,62 1,67
2
z

.

z
p
1

+ z

.

z
p
2

k =
z

+ z
1,28 2,62 + 1,65 1,67

= = 2,09
1,65 + 1,28
On note le gain considrable du contrle aux mesures par rapport au contrle aux
attributs, pour une mme efficacit, il faut prlever huit fois moins de pices, car on
dispose de beaucoup plus dinformations.
Conclusions
Il est risqu en terme de qualit de transformer un contrle aux mesures en un
contrle par calibre. Lconomie nest quapparente puisque les prlvements
ncessaires sont beaucoup plus levs
Remarque :
Le plan de contrle normalis correspondant un NQA de 0.65 avec une taille dchan-
tillon de 1 000 mthode sigma donnerait :
n = 11 ; k = 2.01
Dans la norme, les tailles dchantillons de la mthode sont dtermines pour avoir
une efficacit comparable entre un contrle aux attributs et un contrle aux mesures.
6.5.3 Courbe defficacit dun contrle aux mesures
Dans le cas de la figure 11.28, on a vu que lon pouvait crire :
n k z z donc k
n
z z
p p
) (
1
1
= + =

Nous pouvons donc crire dans le cas de notre exemple :

10 ) 1 , 2 (
1 p
z z =
Do le tableau :
% dfaut 0,5 % 1 % 2 % 3 % 5 % 8 % 15 %
z
P1
2,58 2,33 2,05 1,88 1,64 1,41 1,04
z
1
1,50 0,72 0,15 0,69 1,44 2,20 3,36
Proba. dacceptation (%) 93,38 76,29 44,19 24,41 7,50 1,40 0,04
0
0,2
0,4
0,6
0,8
1
P
r
o
b
a
.

d
a
c
c
e
p
t
a
t
i
o
n
%de dfaut
0
,
0
1
0
,
0
2
0
,
0
3
0
,
0
4
0
,
0
5
0
,
0
6
0
,
0
7
0
,
0
8
0
,
0
9

0
,
1 0
Figure 11.29 Courbe defficacit du contrle aux mesures
6.5.4 Le contrle rception aux mesures pour atteindre le ppm
On a vu que dans le cas des contrles de rception aux attributs, il tait impossible
datteindre des niveaux de qualit de lordre du ppm, ou alors au prix dun contrle
100 %.
Dans le cas des contrles aux mesures, il est alors possible datteindre ces niveaux de
qualit tout en restant avec des niveaux de prlvement compatible avec les impratifs
conomiques. Illustrons notre propos par un exemple.
Un client demande son fournisseur de produire une caractristique ayant Ppk = 1,33
(voir le chapitre sur le SPC pour plus dinformations sur le Ppk). Dans le cas dune
rpartition gaussienne des mesures, cela correspond 32 ppm. On choisit donc un
contrle tel que p
95
= 32 ppm
Le client souhaite ne pas accepter dans plus de 10 % des cas un lot dont le Ppk soit
gal 1. Cela correspond 1 350 ppm. On choisit donc un contrle tel que p
10
=
1 350 ppm
Nous avons donc les deux points sur la courbe defficacit, il est facile de calculer le
plan de contrle dans le cas o est connu.
Risque = 0,05 = 0,10 p
1
= 32 ppm P
2
= 1350 ppm
= 1,65 z
= 1,28 z
P1
= 4 z
P2
= 3
On dtermine directement le plan de contrle aux mesures partir de cette courbe en
appliquant les formules :
n =
[

]
z

+ z
z
p
1

z
p
2
2
=
[

]
= 8,58 soit 9 pices
1,65 + 1,28
4 3
2
z

.

u
p
1

+ z

.

z
p
2

k =
z

+ z
1,28 4 + 1,65 3

= = 3,43
1,65 + 1,28
Ce contrle permet, avec seulement 9 pices de valider une production dun niveau
de qualit de quelques ppm.
(mthode S)
6.6.1 Dtermination de n et k formule approche
Dans ce cas de figure, il faut travailler partir de lestimateur S de lcart type.
On rappel la formule de
2
s =
n1
=
(x
i
x)
n

1
Dans ce cas de figure, pour estimer lcart type avec suffisamment de confiance, il
faut augmenter la taille de lchantillon et on trouve :
z

.

z
p
1

+ z

.

z
p
2

n =
[

]
(1 + k
2
/
2)
z

+ z
z
p
1

z
p
2
k =
z

+ z
2
k na pas chang par rapport au cas o lcart type est connu, par contre, la taille de
lchantillon a t multiplie par (1+k
2
/2)
Dans le cas o est inconnu, une premire procdure de contrle est donc la suivante :
On prlve un chantillon de n pices
On calcule S et X
On accepte le lot si TI + k S X TS - k S
ORIGINE DES LIMITES DACCEPTATION
Nous montrons dans ce paragraphe lorigine des limites que nous avons donnes au
paragraphe 6.7.1. Seul le lecteur averti devra aborder ce paragraphe qui napporte pas
dlments fondamentaux.
Considrons lexpression
S k X R . + =
Le terme X suit une loi normale ayant pour caractristiques :
Moyenne , (moyenne de la population totale)
Variance
2
/n
Le terme (n 1)
s
2
suit une loi du
2
, mais on peut faire lapproximation lorsque
2
n est grand que S suit une loi normale avec pour caractristiques :
Moyenne , (cart-type de la population totale)
Variance
2
/2n
Les termes S et X tant deux valeurs indpendantes, on peut appliquer le thorme
dadditivit des variances et considrer que le terme R suit une loi normale avec pour
caractristiques :
Moyenne + k
Variance
2
/n + k
2
.
2
/2n =

2
(1 + k
2
/2)
n
Lcart type est donc de :

_(1 + k
2
/2)
_n
Si on remplace

par

_(1 + k
2
/2) dans les quations de calcul du plan
_n _n
dchantillonnage, on obtient :
z
p1
=
z
_(1 + k
2
/2) + k z
p2
=
z
_(1 + k
2
/2) + k
_n _n
Do les formules de calculs pour le cas o est inconnu :
z

.

z
p
1

+ z

.

z
p
2

n =
[

]
(1 + k
2
/
2)
z

+ z
z
p
1

z
p
2
k =
z

+ z
2
Le ratio (1+k
2
/2) est proche de celui retenu dans la norme. A titre dexemple on donne
les tailles dchantillon dans le cas dun NQA de 0.65
Norme Norme Approximation 1 Approximation 2
k Mthode Mthode S 1+k
2
/2 n
Enkawa
1,58 2 5 4,5 6
1,69 3 7 7,3 9
1,8 4 10 10,5 12
1,88 5 15 13,8 15
1,95 7 20 20,3 22
1,96 8 25 23,4 25
2,01 11 35 33,2 35
2,07 16 50 50,3 52
2,12 23 75 74,7 76
2,14 30 100 98,7 100
2,17 44 150 147,6 149
2,18 59 200 199,2 201
6.2.2 Dtermination de n et k formule de Enkawa
Dans la formule approche, lcart vient de lapproximation que lon a fait sur la loi
de distribution des carts types. On peut avoir une bonne approximation de la loi relle
en appliquant une mthode itrative de Takao Enkawa qui est la suivante :
1. Calculer la premire approximation de
( )
n )
2
k
1
(
n
2
1
s
+ =
partir des valeurs non
arrondies de n et k
2. Calculer une seconde approximation
n )
8 n 6
k n 3
1 ( n
S
2
S
(2)
(1)
(1)
S
+ =
3. Calculer
S
n
(3)
partir de
S
n
(2)
avec la mme formule que prcdemment
4. Sarrter ds que les valeurs arrondies lentier suprieur de
S
n
(i)
et
( )
n )
2
k
1
(
n
2
1
s
+ =
sont identiques.
Lapproximation que lon a faite sur la loi de distribution des carts types a galement
une incidence sur le calcul de k. On peut avoir une bonne approximation en appliquant
la formule de Takao Enkawa qui est la suivante :
=
3n 3
k
s
k
s
3n 4
s
n
S
tant pris avant arrondi
6.6.3 Exemple de dtermination de plan de contrle
Reprenons le cas prcdent, tolrances 10 0,05
Risque = 0,05 = 0,10 p
1
= 0,0044 ppm P
2
= 0,0478 ppm
= 1,65 z
= 1,28 z
P1
= 2,62 z
P2
= 1,67
6.6.4 Calcul du plan de contrle
Nous avions trouv pour le cas connu : n = 9.51 et k = 2,09
En appliquant la procdure de Enkawa on trouve comme taille dchantillon :
Premire itration : n
(1)
= 25.53
Seconde itration : n
(2)
= 31.42
Troisime itration : n
(3)
= 31.20. Larrondi suprieur de n
(3)
est gal larrondi
suprieur de n
(2)
on stoppe la procdure et on fixe n
S
=32
Pour trouver k
S
on repart du k trouv par la mthode sigma : 2.09
= =
3n 3
2.09 = 2.10 k
s
k
s
3n 4
s
3*31.2 3
3*31.2 4
On prlve donc 32 pices au lieu de 10 dans le cas o est connu et les limites sont
fixes en fonction de lcart type de lchantillon. Le coefficient k est pratiquement
inchang.
7. CAS DE 2 LIMITES COMBINES
La norme prvoit de sparer les cas ou lon considre sparment les deux limites de
contrle des cas ou on les considre simultanment. En effet, lorsque le niveau de
qualit est mauvais, et que la production est trs disperse, les rebuts peuvent tre
la fois du cot mini et du cot maxi. (voir Figure 11.30)
Tolrance
Figure 11.30 Cas deux limites de contrle
7.1 Cas de deux limites spares
En fait, il est beaucoup plus ais de traiter sparment chaque limite de contrle en ne
considrant que les productions hors tolrance du cot dune limite, plutt que de
considrer le problme dans sa globalit. Nous conseillons de traiter ce problme en
appliquant sur chaque limite le cas tudi prcdemment dune limite de contrle.
8 TABLES POUR LE CONTRLE DE RCEPTION
8.1 Critres qualitatifs Dtermination de la taille de lchantillon
(Normes : NFX 06-022 MIL STD105E)
Contrles spciaux Usages gnraux
S1 S2 S3 S4 I II III
Effectif du lot
2 8 A A A A A A B
9 15 A A A A A B C
16 25 A A B B B C D
26 50 A B B C C D E
51 90 B B C C C E F
91 150 B B C D D F G
151 280 B C D E E G H
281 500 B C D E F H J
501 1 200 C C E F G J K
1 201 3 200 C D E G H K L
3 201 10 000 C D F G J L M
10 001 35 000 C D F H K M N
35 001 150 000 D E G J L N P
150 001 500 000 D E G J M P Q
500 001 et plus D E H K N Q R
En fonction de la lettre code lue dans le tableau ci-dessus, on dtermine la taille des
prlvements raliser dans le tableau suivant :
Contrle normal
Lettre code A B C D E F G H J K L M N P
Simple n 2 3 5 8 13 20 32 50 80 125 200 315 500 800
Double n1
n2
3
3
5
5
8
8
13
13
20
20
32
32
50
50
80
80
125
125
200
200
315
315
500
500
Multiple n1
n2
n3
n4
n5
n6
n7
2
2
2
2
2
2
2
3
3
3
3
3
3
3
5
5
5
5
5
5
5
8
8
8
8
8
8
8
13
13
13
13
13
13
13
20
20
20
20
20
20
20
32
32
32
32
32
32
32
50
50
50
50
50
50
50
80
80
80
80
80
80
80
125
125
125
125
125
125
125
200
200
200
200
200
200
200
Exemple
Pour un lot de 1 000 produits contrler en niveau II de prlvement, on trouve
la lettre code J qui correspond un prlvement de 80 produits en chantillon-
nage simple, ou deux chantillons de 50 en contrle double.
Dans la ligne J sur la table 8.2, on trouve pour un NQA de 1 par exemple,
les limites dacceptation A = 2 et de refus R = 3.
La valeur 1,03 est le P
95
, la valeur 6,52 est le P
10.
8.2 Plans dchantillonnage simple, renforc, rduit
Pourcentage dindividus non conformes
(Normes : NFX 06-022 MIL STD 105E)
A=0
R=1
A=0
R=2
A=1
R=3
A=1
R=4
A=2
R=5
A=3
R=6
A=5
R=8
A=7
R= 10
A=10
R=13
A=0
R=1
A=1
R=2
A=2
R=3
A=3
R=4
A=5
R=6
A=7
R=8
A=8
R=9
A=10
R=11
A=12
R=13
A=14
R=15
A=18
R=19
A=21
R=22
A 2
2.53
6.5
68.4
2 A
B 3
1.70
4.0
53..6
2 B
C 5
1.02
2.5
36.9
7.63
10
58.4
2 C
D 8
0.64
1.5
25.0
2.64
6.5
40.6
11.1
10
53.9 .
3 D
E 13
0.394
1.0
16.1
2.81
4.0
26.8
6.63
6.5
36.0
11.3
10
44.4
5 E
F 20
0.256
0.65
10.9
1.80
2.5
18.1
4.222
4.0
24.5
7.13
6.5
30.4
14.0
10
41.5
8 F
G 32
0.161
0.4
6.94
1.13
1.5
11.6
2.59
2.5
15.8
4.39
4.0
19.7
8.50
6.5
27.1
13.1
10
34.1
13 G
H 50
0.103
0.2
4.50
0.712
1.0
7.56
1.66
1.5
10.3
2.77
2.5
12.9
5.34
4.0
17.8
8.20
6.5
22.4
9.39
26.0
12.9
10
29.1
20 H
J 80
0.064
0.15
2.84
0.444
0.65
4.78
1.03
1.0
6.52
1.73
1.5
8.16
3.32
2.5
11.3
5.06
4.0
14.2
5.87
16.2
7.91
6.5
18.6
9.61
22.2
11.9
10
24.2
32 J
K 125
0.041
0.10
1.84
0.284
0.4
3.11
0.654
0.65
4.26
1.09
1.0
5.35
2.09
1.5
7.42
3.19
2.5
9.42
3.76
10.4 .
4.94
4.0
12.3
6.15
14.2
7.40
6.5
16.1
9.95
19.8
11.9
10
22.5
50 K
L 200
0.0256
0.065
1.15
0.178
0.25
1.95
0.409
0.40
2.66
0.683
0.65
3.34
1.31
1.0
4.64
1.99
1.5
5.89
2.35
6.50
3.09
2.5
7.70
3.85
8.89
4.62
4.0
10.1
6.22
12.4
7.45
6.5
14.1
80 L
M 315
0.0163
0.040
0.731
0.112
0.15
1.23
0.259
0.25
1.69
0.433
0.40
2.12
0.829
0.65
2.94
1.26
1.0
3.74
1.49
4.13
1.96
1.5
4.89
2.44
5.65
2.94
2.5
6.39
3.95
7.86
4.73
4.0
8.95
125 M
N 500
0.0103
0.025
0.461
0.071
0.10
0.7778
0.164
0.15
1.06
0.273
0.25
1.34
0.523
0.40
1.86
0.796
0.65
2.35
0.939
2.60
1.23
1.0
3.08
1.54
3.56
1.85
1.5
4.03
2.49
4.95
2.98
2.5
5.64
200 N
P 800
0.064
0.015
0.288
0.044
0.065
0.486
0.102
0.10
0.665
0.171
0.15
0.835
0.327
0.25
1.16
0.498
0.40
3.47
0.587
1.62
0.771
0.65
1.93
0.961
2.2
22
1.16
1.0
2.52
1.56
3.09
1.86
1.5
3.52
315 P
Q 1250
0.0041
0.0010
0.184
0.028
0.040
0.310
0.065
0.065
0.426
0.109
0.10
0.534
0.209
0.15
0.742
0.318
0.25
0.942
0.376
1.04
0.494
0.40
1.23
0.615
1.42
0.740
0.65
1.61
0.995
1.98
1.19
1.0
2.25
500 Q
R 2000
0.0026
0.1115
0.018
0.025
0.195
0.041
0.040
0.266
0.068
0.065
0.334
0.131
0.10
0.464
0.199
0.15
0.589
0.235
0.650
0.309
0.25
0.770
0.385
0.889
0.462
0.40
1.01
0.622
1.24
0.745
0.65
1.41
800 R
P
95
NQA
P
10
Lettre
code
normal
n
Contrle Contrle Contrle
Rduit
n
Rduit
n
Critres dacceptation pour le contrle rduit
Critres dacceptation pour le contrle normal et le contrle renforc
La flche donne la correspondance
entre le contrle normal et le contrle
renforc correspondant.
Exemple : un contrle normal lettre
code J, NQA 0,65 deviendra le
contrle renforc K, NQA 0,4.
U
n
i
q
u
e
m
e
n
t

e
n

c
o
n
t
r
l
e

r
e
n
f
o
r
c
U
n
i
q
u
e
m
e
n
t

e
n

c
o
n
t
r
l
e

r
e
n
f
o
r
c
U
n
i
q
u
e
m
e
n
t

e
n

c
o
n
t
r
l
e

r
e
n
f
o
r
c
En contrle rduit, lorsque le critre dacceptation est dpass, mais que le critre de
rejet nest pas atteint, le lot est accept, mais le contrle normal est rtabli.
8.3 Table de correspondance entre les plans
Plans simples, doubles, multiples
(Normes : NFX 06-022 MIL STD 105E)
Contrle
normal
Contrle
normal
Contrle
Renforc
Contrle
rduit
Contrle
normal
Contrle
renforc
Contrle
rduit
A - R A
1
A
2
R
1
R
2
A
1
A
2
R
1
R
2
A
1
A
2
R
1
R
2
A
i
R
i
A
i
R
i
A
i
R
i
0 - 1
1 - 2 0
1
2
2
0
1
2
2
0
0
2
2
-
-
0
0
1
1
2
2
2
2
3
3
3
3
-
-
0
0
1
1
2
2
2
2
3
3
3
3
-
-
0
0
0
0
1
2
2
2
3
3
3
3
2 - 3 0
3
3
4
0
1
2
2
0
0
3
4
-
0
0
1
2
3
4
2
3
3
4
4
5
5
-
-
0
0
1
1
2
2
2
2
3
3
3
3
-
-
0
0
0
1
1
2
3
3
4
4
5
5
3 - 4 1
4
4
5
0
3
3
4
0
1
4
5
-
0
1
2
3
4
6
3
3
4
5
6
6
7
-
0
0
1
2
3
4
2
3
3
4
4
5
5
-
-
0
0
1
1
2
3
3
4
5
6
6
7
5 - 6 2
6
5
7
1
4
4
5
0
3
4
6
-
1
2
3
5
7
9
4
5
6
7
8
9
10
-
0
1
2
3
4
6
3
3
4
5
6
6
7
-
0
0
1
2
3
4
3
4
5
6
7
7
8
7 - 8 3
8
7
9
2
6
5
7
1
4
5
7
0
1
3
5
7
10
13
4
6
8
10
11
12
14
-
1
2
3
5
7
9
4
5
6
7
8
9
10
-
0
1
2
3
4
6
4
5
6
7
8
9
10
10 - 11 5
12
9
13
3
11
7
12
2
6
7
9
0
3
6
8
11
14
18
5
8
10
13
15
17
19
0
2
4
6
9
12
14
4
7
9
11
12
14
15
-
1
2
3
5
7
9
4
6
8
10
11
12
14
14 - 15 7
18
11
19
6
15
10
16
3
8
8
12
1
4
8
12
17
21
25
7
10
13
17
20
23
26
0
3
7
10
14
18
21
6
9
12
15
17
20
22
0
1
3
5
7
10
13
5
7
9
12
13
15
17
21 - 22 11
26
16
27
9
23
14
27
5
12
10
16
2
7
13
19
25
31
37
9
14
19
25
29
33
38
1
6
11
16
22
27
32
8
12
17
22
25
29
33
0
3
6
8
11
14
18
6
9
12
15
17
20
22
8.4 Plan dchantillonnage aux mesures Mthode S
Niveau de qualit acceptable en contrle normal
Lettre
code
0.065 0.10 0.15 0.25 0.40 0.65
B
C
5 25.9
1.65 6.34 D
92.5 0.28
7 14.4 7 16.3 7 18.6
2.00 2.89 1.88 3.72 1.75 4.83 E
131 0.11 90.5 0.18 58.1 0.32
E/0.40 D/0.65
10 7.95 10 9.44 10 11.2 10 13.2
2.24 1.53 2.11 2.08 1.98 2.79 1.84 3.77 F
114 0.07 78.7 0.12 52.8 0.21 36.7 0.36
E/0.25 E/0.40 D/0.65
15 3.58 15 4.31 15 5.07 15 6.13 15 7.58 15 9.41
2.53 0.67 2.42 0.90 2.32 1.17 2.20 1.57 2.06 2.20 1.91 3.09 G
119 0.03 71.8 0.06 56.3 0.09 40.9 0.15 30.3 0.25 20.9 0.45
F/0.15 E/0.25 E/0.40 D/0.65
20 2.58 20 3.16 20 3.85 20 4.73 20 5.88 20 7.46
2.58 0.56 2.47 0.76 2.36 1.01 2.24 1.38 2.11 1.90 1.96 2.69 H
64.5 0.04 45.1 0.07 35.0 0.11 27.8 0.17 20.3 0.29 15.2 0.49
F/0.15 E/0.25 E/0.40 E/0.65
25 2.05 25 2.55 25 3.08 25 3.99 25 4.93 25 6.46
2.61 0.50 2.50 0.68 2.40 0.89 2.26 1.28 2.14 1.73 1.98 2.53 I
41.0 0.05 31.9 0.08 25.7 0.12 20.0 0.20 15.4 0.32 11.5 0.56
F/0.15 F/0.25 F/0.40 F/0.65
35 1.50 35 1.90 35 2.29 35 3.02 35 3.87 35 5.10
2.65 0.43 2.54 0.59 2.45 0.76 2.31 1.10 2.18 1.54 2.03 2.21 J
25.0 0.06 21.1 0.09 17.6 0.13 13.1 0.23 10.7 0.36 8.50 0.60
G/0.15 G/0.25 G/0.40 G/0.65
50 1.06 50 1.36 50 1.70 50 2.35 50 3.07 50 4.03
2.71 0.35 2.60 0.49 2.50 0.65 2.35 0.98 2.22 1.37 2.08 1.94 K
15.1 0.07 13.6 0.10 11.3 0.15 9.04 0.26 7.67 0.40 6.30 0.64
H/0.15 H/0.25 H/0.40 H/0.65
75 0.74 75 0.97 75 1.27 75 1.74 75 2.37 75 3.24
2.77 0.29 2.66 0.40 2.55 0.56 2.41 0.82 2.27 1.19 2.12 1.74 L
10.6 0.07 8.82 0.11 7.47 0.17 6.44 0.27 5.51 0.43 4.63 0.70
I/0.15 I/0.25 I/0.40 I/0.65
100 0.61 100 0.80 100 1.05 100 1.50 100 2.06 100 2.86
2.80 0.26 2.69 0.37 2.58 0.51 2.43 0.77 2.29 1.12 2.14 1.64 M
7.62 0.08 6.67 0.12 5.83 0.18 5.17 0.29 4.38 0.47 3.86 0.74
J/0.15 J/0.25 J/0.40 J/0.65
150 0.46 150 0.62 150 0.85 150 1.21 150 1.68 150 2.36
2.84 0.23 2.73 0.32 2.61 0.46 2.47 0.69 2.33 1.00 2.18 1.48 N
5.75 0.08 4.77 0.13 4.47 0.19 3.90 0.31 3.50 0.48 3.06 0.77
K/0.15 K/0.25 K/0.40 K/0.65
200 0.41 200 0.57 200 0.76 200 1.12 200 1.57 200 2.22
2.85 0.22 2.73 0.32 2.62 0.45
2.47 0.68 2.33 1.00 2.18 1.48 P

4.36 0.09 3.99 0.14 3.63 0.21 3.26 0.34 2.94 0.53 2.64 0.84
L/0.15 L/0.25 L/0.40 L/0.65
Un plan est repr par son NQA en colonne et sa lettre code en ligne
10
50
95
F/0.15 plan rduit
correspondant
La colonne NQA 0.065 nest utilise quen contrle renforc

Le passage du contrle normal au contrle renforc est obtenu en suivant la
flche
8.5 Plan dchantillonnage aux mesures Mthode

0.065 0.10 0.15 0.25 0.40 0.65
B
C
2 25.0
1.58 5.71 D
82.2 0.30
2 15.1 1 18.3 3 17.1
1.94 2.62 1.81 3.51 1.69 4.55 E
157 0.10 124 0.15 41.2 0.41
E/0.40 D/0.65
3 7.35 3 9.17 3 12.1 4 12.3
2.19 1.43 2.07 1.92 1.91 2.81 1.80 3.59 F
86.9 0.08 72.5 0.13 57.1 0.21 28.2 0.44
E/0.25 E/0.40 D/0.65
3 4.01 4 4.01 4 4.85 4 6.69 5 6.99 5 9.56
2.49 0.64 2.39 0.84 2.30 1.07 2.14 1.62 2.05 2.02 1.88 3.01 G
138 0.03 61.0 0.07 54.1 0.09 43.8 0.15 26.1 0.27 21.5 0.45
F/0.15 E/0.25 E/0.40 D/0.65
4 2.81 5 2.96 5 3.86 6 4.39 6 5.98 7 7.14
2.55 0.54 2.46 0.69 2.34 0.96 2.23 1.29 2.08 1.88 1.95 2.56 H
75.5 0.04 42.4 0.07 36.8 0.11 23.7 0.19 20.1 0.30 14.1 0.51
F/0.15 E/0.25 E/0.40 E/0.65
6 1.94 6 2.46 6 3.24 7 3.87 8 4.68 8 6.59
2.59 0.48 2.49 0.64 2.37 0.89 2.25 1.22 2.13 1.66 1.96 2.50 I
35.0 0.06 31.3 0.08 27.5 0.12 19.0 0.20 14.0 0.33 11.9 0.55
F/0.15 F/0.25 F/0.40 F/0.65
7 1.60 8 1.84 9 2.15 9 3.12 10 3.97 11 5.22
2.63 0.43 2.54 0.55 2.45 0.71 2.29 1.10 2.16 1.54 2.01 2.22 J
27.8 0.06 20.5 0.09 15.9 0.14 13.8 0.23 10.8 0.37 8.55 0.61
G/0.15 G/0.25 G/0.40 G/0.65
11 0.98 11 1.38 12 1.70 13 2.30 14 3.09 16 4.01
2.72 0.33 2.59 0.48 2.49 0.64 2.35 0.94 2.21 1.36 2.07 1.92 K
15.1 0.07 13.6 0.10 11.2 0.15 9.19 0.25 7.67 0.40 6.12 0.65
H/0.15 H/0.25 H/0.40 H/0.65
15 0.74 16 0.99 17 1.29 19 1.72 21 2.33 23 3.20
2.77 0.28 2.65 0.40 2.54 0.55 2.41 0.80 2.27 1.16 2.12 1.70 L
10.5 0.07 8.99 0.11 7.83 0.16 6.46 0.27 5.44 0.43 4.64 0.69
I/0.15 I/0.25 I/0.40 I/0.65
20 0.60 22 0.78 23 1.06 25 1.49 27 2.05 30 2.83
2.80 0.26 2.69 0.36 2.57 0.51 2.43 0.75 2.29 1.10 2.14 1.62 M
7.78 0.08 6.63 0.12 5.95 0.18 5.13 0.29 4.48 0.46 3.86 0.73
J/0.15 J/0.25 J/0.40 J/0.65
30 0.46 31 0.64 34 0.82 37 1.19 40 1.67 44 2.40
2.84 0.23 2.72 0.33 2.62 0.44 2.47 0.68 2.33 0.99 2.17 1.50 N
5.43 0.08 4.98 0.13 4.42 0.19 3.89 0.31 3.48 0.48 3.08 0.78
K/0.15 K/0.25 K/0.40 K/0.65
40 0.41 42 0.57 45 0.76 49 1.08 54 1.52 59 2.22
2.85 0.22 2.73 0.32 2.62 0.44 2.48 0.66 2.34 0.96
2.18 1.48 P
4.34 0.09 3.98 0.14 3.63 0.21 3.26 0.33 2.93 0.52 2.65 0.84
L/0.15 L/0.25 L/0.40 L/0.65
Niveau de qualit acceptable en contrle normal
Lettre
code
Un plan est repr par son NQA en colonne et sa lettre code en ligne
10
50
95
F/0.15 plan rduit
correspondant
La colonne NQA 0.065 nest utilise quen contrle renforc

Le passage du contrle normal au contrle renforc est obtenu en suivant la
flche
CHAPITRE 12
LAFONCTIONMTROLOGIE DANS LENTREPRISE
La dmarche qualit a fortement relanc lesprit mtrologique. Bien que dans beau-
coup dentreprises, il existe depuis de nombreuses annes une culture et un savoir-
faire en mtrologie consquents, la validation de la qualit a donn un essor nouveau
cette discipline.
Une mesure est destine nous aider prendre une dcision. Deux situations type
seront retenues :
Validation de la conformit dun produit.
Vrification de la capabilit dun processus de production.
Dans ces deux cas, la qualit des rsultats fournis doit tre la hauteur de lenjeu.
Dans ce chapitre, nous chercherons rpondre aux questions suivantes :
Est-ce que la qualit requise est bien spcifie par mon client ?
Des disparits trs fortes peuvent se rencontrer. On trouve des secteurs industriels o
le produit est dfini avec une grande rigueur (par exemple dans le secteur automobile
o lon peut avoir plusieurs fournisseurs pour un mme produit) des secteurs o la
description de la qualit relve du bon usage. Ce dernier cas peut tre dangereux
car il engendre une subjectivit de dcision de conformit, sources dune variabilit
importante.
Est-ce que je comprends les exigences de mon client ?
Cela sous-entend que lon parle le mme langage. Par exemple la lecture des sp-
cifications gomtriques du produit
1
, ncessitent de bien connatre la normalisation
se rapportant ce sujet. Ce problme, introduit la question suivante :
Quels moyens de mesure retenir et qui sera charg de faire ces mesures (disponi-
bilits, comptences) ?
La mesure napporte pas de valeur ajoute au produit. A court terme, cela peut-tre
peru comme un investissement non prioritaire par rapport des ressources de pro-
duction. Cest un peu comme une assurance, linvestissement en ressources humaines
et matrielles, doit tre mis en regard avec le risque de dtection de produit non
conforme chez le client. Cest un investissement rentable long terme, cependant il
faut viter toute surenchre.
Comment sassurer de la performance requise pour ces appareils, dans leur contexte
de mesure ?
Il sagit de valider un processus de mesure. La performance du moyen doit tenir
compte de lenvironnement humain et matriel. Le rsultat de mesure nest quune
image de la ralit. Pour que les dcisions dcoulant de cette mesure soient fondes,
il faut avoir une perception de la robustesse de cette dernire.
Comment vrifier quils ne se dgradent pas dans le temps ?
Comme pour tout processus, on peut constater des drives en fonction du temps. Il
sera ncessaire de dfinir un chancier pour garantir que la performance de lqui-
pement ne sest pas altre.
ces questions techniques, il faut rajouter la partie administrative relative la matrise
des enregistrements.
Ceci dans un environnement conomique souvent difficile. Il faut le juste ncessaire
pour viter toute surqualit.
1. NF EN ISO 14253-1 (Mars 1999) Spcification gomtrique du produit (GPS) Vrification par la
mesure des pices et quipements de mesure Partie 1 : rgles de dcision pour prouver la conformit
ou la non conformit la spcification.
1. LAMTROLOGIE OUSCIENCE DE LAMESURE
En prambule, nous nous attarderons quelques instants sur le concept de mesure.
Illustrons ce concept avec un exemple culinaire. Dans une recette (instruction)
nous trouvons lopration prendre deux cuilleres soupe de sucre (figure
12.1).
SUCRE
Figure 12.1 Exemple de mesure
Pour faire une mesure, il faut :
avoir une grandeur physique mesurer (ici un volume de sucre) ;
choisir consensuellement un domaine de cette grandeur comme talon de
mesure (attention ce nest pas la cuillre qui est ltalon, mais le volume que lon
prend avec la cuillre) ;
dnombrer la quantit retenir en prcisant le nombre (ou mesure) dunits
dfinies par la quantit talon (deux cuillres). Mesurer, cest faire une division
(combien de fois la valeur de ltalon).
La quantit relle mesurer, jamais exactement connue, sappelle le mesurande. La
mesure (ou signal de mesure), constitue dun chiffre (entier ou fractionnaire) et dune
unit, donne une image du mesurande.
Certains processus peuvent demander une perception des grandeurs quantifier (lon-
gueurs en mcanique, volume en chimie...) trs fine.
Le dveloppement des modles scientifiques, de lindustrialisation (avec la notion
dinterchangeabilit) ainsi que les transactions commerciales ont ncessit une ratio-
nalisation dans la dfinition des units fondamentales. la limite, peu importe lunit
retenue si son utilisation engendre un consensus. Lhistoire de la gense du mtre,
remplaant les diffrentes toises ou autres pieds est ce titre rvlateur.
CHAPITRE 12 LA FONCTION MTROLOGIE DANS LENTREPRISE 305
En rsum, on cherchera dfinir avec le plus grand soin les units reprsentant des
quantits de grandeurs physiques de base. La dfinition sera bien sr fonction du niveau
de technologie du moment. On essaiera, dans la mesure du possible, de relier les units
des constantes physiques supposes invariables. Par exemple pour le mtre, la der-
nire dfinition est la suivante :
Le mtre est la longueur du trajet parcouru dans le vide par la lumire pendant une
dure de 1/299 792 458 de seconde .
Cette dfinition est thorique, on cherche laide de techniques utilisant des sources
lasers de frquences connues avec une grande exactitude avoir la meilleure dfinition
possible de lunit de longueur.
Lincertitude sur la dfinition du mtre est, lheure actuelle, de lordre de 10
-12
m
10
-14
m.
Pour certaines grandeurs physiques, il est difficile de dfinir un talon avec une incer-
titude trs faible (mesure de fuite par exemple). Parfois lestimation de la grandeur est
ralise sous forme dexpertise laide dun nuancier (perception de couleurs, percep-
tion tactile, ...).
2. LACONFIANCE DANS LAMESURE
La qualit de la mesure peut tre dfinie par une approche de type 5M (chapitre 6 : 1.6) :
Mthodes
Choix
du filtre
Vibrations
du sol
Absence
formation
Palpeur Zone de
palpage
Machine (instrument) Matire
Mesure
Milieu Main duvre
Figure 12.2 Exemple de dmarche 5Mpour une mesure de rugosit
Le MSA
1
retient une arborescence lgrement diffrente, mmorise laide de lacro-
nyme SWIPE (Standard, Workpiece, Instrument, Person/Procedure, Environment).
2.1 Linstrument
Par instrument, il faut comprendre lappareil, les quipements et montages associs
ainsi que les talons utiliss. Pour les talons, on distingue deux types de mesures :
La mesure directe : lappareil donne directement la mesure (de faon autonome) car
il utilise un talon embarqu. Par exemple, cest le cas du pied coulisse avec ses
graduations ou du micromtre avec sa vis talon.
La mesure par comparaison avec un talon externe : linstrument (comparateur) a
alors une faible tendue de mesure, car on lui demande de comparer des pices
voisines de ltalon. Cette solution est souvent utilise en grande srie, elle permet
des mesures dune grande finesse mais ncessite de grer les talons externes.
0
0,1
Pice
talon
50
Figure 12.3 Exemple de mesure par comparaison
Toutes les entreprises nont pas le besoin (ni les moyens) dtre au niveau de la dfi-
nition du mtre talon. Une copie de bonne qualit dun sous-multiple (figure 12.3
pour ltalon de 50 mm), sous une forme physique plus accessible (bote de cales par
exemple), est suffisante sous rserve quelle soit garantie par un organisme mandat.
Lentreprise doit garantir que la matrise de la mesure est dcline jusque sur les sites
de production. Chaque site na pas forcment besoin des mmes performances mtro-
1. Measurment Systems Analysis
Manuel dvelopp sous la responsabilit de Daimler Chrysler Corporation, Ford Motor Company et
General Motors Corporation (www.carwin.co.uk/qs).
logiques, il suffit quelles soient en adquation avec la qualit requise par la dfinition
du produit (sauf si lentreprise possde lappareil et dsire tout simplement le renta-
biliser).
Pour cela on utilise des appareils spcifiques ou standards, qui devront une frquence
donne tre compars aux talons de rfrence (cest la plus haute qualit mtrolo-
gique existante dans lentreprise). Si la qualit mtrologique exige au niveau de lappa-
reil nest pas trs grande, on peut se contenter de le tester laide dtalons
intermdiaires, sous rserve que quils soient vrifis par rapport aux talons de rf-
rence. Ces talons sont appels talons de travail voire talons de transfert
utiliss comme intermdiaire pour la comparaison avec ltalon de rfrence. La ges-
tion et la mise en place de ces tests et comparaisons constituent une chane de mesure
interne.
Exemple
Imaginons une grande entreprise, implante sur plusieurs sites. Elle possde une
mtrologie centrale au service des autres sites, une mtrologie gnrale et des
mtrologies datelier dans chaque site respectif (figure 12.4). Le raccordement aux
talons nationaux sera dvelopp au chapitre 3.
talons
nationaux
ENTREPRISE
Mtrologie centrale
talon de rfrence
Site de production A
talon de transfert A
Mtrologie datelier
talon de travail
Appareils de mesure
Site de production B
talon de transfert B
Mtrologie datelier
talon de travail
Appareils de mesure
Figure 12.4 Notion de chane dtalonnage interne
Toutes les entreprises nont pas les moyens techniques et financiers pour mettre en
place une chane de mesure aussi consquente. Elles peuvent faire vrifier (ou talon-
ner) tout ou partie de leurs appareils de mesure par un fournisseur de prestations
mtrologiques apportant les garanties ncessaires de liaison aux talons nationaux.
Rappelons le paragraphe a du chapitre 7.6 Matrise des dispositifs de surveillance
de mesure de la norme ISO 9001
1
:
... Lorsquil est ncessaire dassurer des rsultats valables, les quipements de
mesure doivent tre
a) talonns ou vrifis intervalles spcifis ou avant leur utilisation, par rapport
des talons de mesure relis des talons de mesure internationaux ou nationaux
(lorsque ces talons nexistent pas, la rfrence utilise pour ltalonnage doit faire
lobjet dun enregistrement)...
2.2 Le milieu
Avec linstrument, cest le deuxime facteur qui vient spontanment lesprit, lorsque
lon rencontre des problmes de qualit de mesure. En particulier, en cas de problmes
de mtrologie dimensionnelle, linfluence de la temprature est souvent perue comme
la cause majeure, alors que la contribution des autres M est peut-tre plus impor-
tante et nettement moins coteuse corriger.
Exemples de grandeurs dinfluence (liste non exhaustive) :
la temprature ;
les champs magntiques ;
la pesanteur ;
la latitude et laltitude (en pesage) ;
lhygromtrie ;
les vibrations ;
la puret de lair ;
le temps ;
...
Linfluence du temps peut engendrer une augmentation de la dispersion des mesures,
mais galement une drive. Elle est galement appele stabilit.
Temps
Cible
Figure 12.5 Influence du temps (stabilit)
2.3 La main duvre et la mthode
Ces deux M nous semblent insparables. La formation est ncessaire pour faire
des mesures de qualit. Elle ncessite des connaissances techniques et normatives. En
effet si lon est cens valider une conformit, cela va de soit que lon comprend ce
que demande le client (par exemple avec lemploi des normes GPS).
Dans le chapitre sur lautomatrise (chapitre 5), nous avons vu limportance de nor-
maliser le processus de mesure (appel galement protocole de mesure). Dans bien
des secteurs, souvent avec une main duvre trs comptente, ce point est nglig, car
cela semble faire offense aux oprateurs. Pourtant suite des tudes R&R (chapitre
13), on constate que des diffrences de comportement mineures, a priori sans influence,
engendrent une variabilit de mesure importante. Do limportance de la communi-
cation entre les diffrents oprateurs sur les mthodes de mesure retenues (runions,
supports visuels, instructions, ...).
2.4 La matire (pice)
Lincidence de la pice peut provenir de :
ses qualits physiques (par exemple de la souplesse du matriau) ;
de linteraction oprateur matire . Par exemple, un oprateur recherchera syst-
matiquement le diamtre maximum pour une pice ovalise, et ceci de faon intuitive ;
de sa dfinition de conformit lorsque des caractristiques sont lies.
Par exemple, la dfinition gomtrique dune pice, ncessite des spcifications en
trois dimensions. La prise dinformation (mesure) est souvent monocritre. Dans
lexemple de la figure 12.6, si lon ne dplace pas la pice sous le comparateur, on ne
prendra pas en compte linfluence du dfaut de paralllisme, toutes les variations seront
perues comme des variations de longueurs.
50
A
0,4 A
0
0,20
Pice
talon
50
Figure 12.6 Dfinition multicritres et mesure monocritre
Il est dangereux de chercher quantifier sparment linfluence de chaque M . Une
dmarche type Analyse de la variance peut tre retenue pour voir sil y a des
interactions.
3. LNE/COFRAC : CHANE NATIONALE
DTALONNAGE
La traabilit des raccordements, fruit de deux organismes, permet :
de retrouver les enregistrements dtalonnage diffrents niveaux, de lentreprise
au niveau national, cest la garantie du COFRAC ;
de garantir le lien physique avec les talons nationaux, cest le rle du LNE.
3.1 Le Comit Franais dAccrditation (COFRAC
1
)
Le rle du COFRAC est daccrditer les organismes dlivrant des certifications.
Laccrditation est la reconnaissance dune certaine comptence dans un domaine pr-
cis (par exemple : vrification des tampons filets de diamtre 5 mm 20 mm) et
lassurance de la prennit de cette comptence par un organisme faisant lui-mme
autorit en la matire.
1. http://www.cofrac.fr.
En simplifiant, on peut dire que le COFRAC apporte la garantie que les laboratoires
1
relais du LNE, possdent une technologie mtrologique adquate et mettent en uvre
un suivi documentaire prouvant le lien mtrologique des talons du client aux talons
nationaux.
3.2 Laboratoire national de mtrologie et dessais (LNE
2
)
Pour assurer la confiance dans lappareil utilis, celui-ci doit tre talonn. Cet ta-
lonnage se fera souvent lintrieur de lentreprise en rfrence aux talons sources
de la mtrologie centrale (talons de rfrence).
Cette confiance ne sera totale que si lon peut valider les talons de lentreprise. Le
LNE a mis en place les structures et procdures permettant dassurer la valeur tech-
nique et scientifique des talonnages et de fournir une garantie officielle.
Le Laboratoire national de mtrologie et dessais (LNE) remplace depuis le 27 janvier
2005 le Bureau national de mtrologie (BNM), organisme interministriel, qui avait
t cr en 1969. Fdrant les laboratoires de recherche dtenant les talons nationaux,
le LNE a une mission de soutien technique et scientifique lindustrie et au monde
de la recherche. Il contribue galement au dveloppement des programmes de mtro-
logie europen et international.
Les quatre laboratoire nationaux sont :
LNHB (Commissariat lnergie atomique) ;
INM (Conservatoire national des arts et mtiers) ;
LNE (Laboratoire national de mtrologie et dessais) ;
SYRTE (Observatoire de Paris).
3.3 Les laboratoires accrdits
Des organismes intermdiaires sont chargs de dissminer la mtrologie diffrents
niveaux. Cela permet une approche plus efficace et plus conomique.
En 1977, on avait prcis les maillons intermdiaires de la chane dtalonnage entre
le BNM et les entreprises en crant :
des centres dtalonnage agrs,
des services de mtrologie habilits.
Cette organisation, lgrement modifie depuis peu, a fait ses preuves. Il nous semble
bon den rappeler les composantes.
1. Voir NF EN ISO/CEI 17025 Mai 2000 Prescriptions gnrales concernant la comptence des labo-
ratoires dtalonnages et dessais.
2. http://www.lne.fr/.
Dans cette organisation, les centres dtalonnage agrs (CEtA) taient directement
raccords au BNM. Peu nombreux, ils possdaient une comptence mtrologique poin-
tue dans leur domaine.
Les services de mtrologie habilits (SMH), sous la tutelle des CEtA taient en prise
directe avec le monde industriel. Les SMH pouvaient tre :
des laboratoires de mtrologie publics ou privs jouant un rle de sous-traitance pour
la mesure ;
des laboratoires internes aux entreprises. Si une entreprise avait besoin pour la rali-
sation de ses produits dune comptence mtrologique certaine, elle pouvait se faire
accrditer comme SMH. En plus de lutilisation interne de sa comptence, il tait
possible de proposer ses services dautres entreprises en sous-traitance mtrologique.
Noublions pas dans la prsentation de cette chane de mesure, le souci de quantifier
la croissance de lincertitude de ltalon primaire ltalon de rfrence de lentreprise.
Incertitudes
Niveau BNM
(talon primaire)
Niveau CEtA
(talon secondaire)
Niveau SMH
(talon de transfert)
Niveau entreprise
(talon de rfrence)
Figure 12.7 volution des incertitudes (formalisation de 1977)
Dans le souci dune harmonisation europenne, il ny aura plus de label CEtA ou
SMH, mais simplement des laboratoires accrdits par le COFRAC. Ces laboratoires,
en situation concurrentielle, doivent faire la preuve que leur niveau dincertitude est
bien en conformit avec les prestations quils fournissent (de petits laboratoires peuvent
atteindre dans un domaine particulier un savoir-faire mtrologique trs pointu). Ils
doivent pour cela tre raccords un laboratoire accrdit dincertitude plus faible. Si
ce nest pas possible, ils se raccordent alors, directement aux laboratoires nationaux
ou aux laboratoires associs.
En simplifiant, on peut illustrer la dissmination de la mtrologie laide de la figure
suivante :
LNE
(France)
Bureau International des Poids et Mesure (BIPM)
NIST
(USA)
Autres pays
europens
Entreprise A
Laboratoire accrdit
indpendant
(public ou priv)
Laboratoire accrdit
(incertitude trs faible)
Laboratoire accrdit
(incertitude trs faible)
Entreprise B
Laboratoire accrdit
intgr
(Possibilit de faire
de la sous-traitance
en mesure
pour lentreprise A)
Regroupement EUROMET
Figure 12.8 Exemples de chanes dtalonnage
4. LAMESURE, UNTAT DESPRIT
Le concept mesure
1
ne concerne pas uniquement loprateur mtrologue. Ce concept
doit tre intgr de la conception llaboration du produit. En particulier :
Le bureau dtudes ne doit pas dfinir des paramtres ou des caractristiques non
quantifiables. Dautre part, il doit estimer le mieux possible les variations accepta-
bles, compatibles avec un fonctionnement correct du mcanisme (fonction perte de
Taguchi). Cette distribution des tolrances doit tre faite avec laide dexpert en
production.
1. NF EN ISO 10012 Septembre 2003 Systmes de management de la mesure Exigences pour les
processus et les quipements de mesure.
Citons dans cet esprit la dmarche GPS (Spcification Gomtrique des Produits)
qui a comme objectif dtre un langage unique (cohrence des diffrentes normes)
pour tous les services, des tudes au contrle final.
Le service mthodes doit vrifier la compatibilit entre les valeurs de dfinition et
les capacits des moyens de production et de contrles (notion de capabilit). Suite
cette analyse, les cotes risques devront tre bien rpertories et clairement
indiques sur les plans de fabrication. Les autres cotes pourront tre contrles avec
une frquence beaucoup plus faible.
Les mtrologues de terrain doivent garder un esprit critique (constructif) pour luti-
lisation des moyens de contrle. Tout constat de drives ou de rebut lev doit tre
rpertori et linformation retourne aux services de conception et de production
concerns.
Le service mtrologie doit squiper (achat ou construction) dun matriel compatible
avec les exigences de qualit requise mais en vitant un degr de prcision de mesure
excessif. Grossirement le cot des appareils de mesure est une fonction puissance
de linverse de la rsolution.
5. GESTIONDES MOYENS DE MESURES
Dans ce paragraphe, nous tudierons laspect purement gestionnaire, laspect matrise
de laptitude lemploi (notion de conformit) des quipements de contrles, de mesu-
res et dessais sera trait dans le chapitre suivant.
5.1 Identification et inventaire des appareils
Rappelons que la norme ISO 9001
1
demande de dterminer... les dispositifs de
surveillance et de mesure ncessaires pour apporter la preuve de la conformit du
produit aux exigences dtermines . A priori, tous les appareils ont une incidence, ils
ont t achets dans un but bien prcis qui a toujours un lien plus ou moins direct
avec le produit.
Pour cette identification, on peut faire des classes correspondant au risque encouru sur
le produit en cas dinformation errone dans la mesure. Par exemple un ohmmtre,
destin la maintenance dans une industrie de sous-traitance mcanique, ne demande
pas un suivi attentif.
Le code didentification peut contenir plus ou moins dinformation (site daffectation,
type, service, ...). Il permettra didentifier lappareil (inscription indlbile sur lappa-
reil si possible) et davoir accs la fiche de vie et au dossier le concernant.
Linventaire des appareils de mesure de lentreprise reprsente une somme de travail
importante. Dans certaines entreprises, lappareil de mesure est peru comme un bien
prcieux et personnel dans lequel on a une confiance parfois aveugle. En plus de
laspect technique, il faut expliquer le bien-fond de la dmarche pour lever toute
rticence didentification.
Linventaire permettra de bien cerner les besoins mtrologiques de lentreprise. En
particulier, on pourra tudier lvolution en analysant les dates dacquisition.
Cet inventaire permet galement de faire du tri. On conserve parfois des appareils pour
une hypothtique et peu probable utilisation. Cela cote cher en immobilisation et est
contraire la mthode des 5S.
Il peut arriver que des appareils peu utiliss doivent tre maintenus car on ne trouve
pas la possibilit davoir une prestation identique sur le march. De plus certaines
entreprises pensent quil est stratgique de garder une comptence mtrologique impor-
tante. Comme nous lavons dj signal, il peut tre opportun alors de fournir des
prestations mtrologiques pointues laide de ce matriel des tiers.
5.2 Indicateurs de qualit dun appareil
La performance mtrologique peut tre quantifie par les notions de justesse et de
fidlit. Pour illustrer ces concepts, nous retiendrons le traditionnel exemple du tir
la cible (en rafale, cest--dire sans correction intermdiaire) :
Lcart entre
la valeur moyenne
et une valeur
suppose vraie
correspond au concept
de justesse
Le diamtre
de la zone incluant
tous les impacts
est un indicateur
de fidlit
Figure 12.9 Illustration des concepts de fidlit et de justesse
Lcart de justesse sera estim par lopration dtalonnage ou born par lopration
de vrification. La fidlit, paramtre de dispersion, devra tre explicite plus finement.
On retrouvera par exemple les notions de rptabilit et de reproductibilit (on remar-
quera une analogie assez forte avec la matrise statistique du produit). Cela va provo-
quer un flou dans lexactitude de lexpression de la mesure, appel incertitudes .
Nous consacrerons le chapitre suivant ltude des incertitudes avec comme objectif
principal de vrifier ladquation Tolrances Incertitudes .
Il existe beaucoup dautres paramtres pour caractriser les appareils de mesure et de
contrle. Pour plus dinformation et surtout dexactitude dans le choix des termes
retenus, le lecteur est renvoy au Vocabulaire International de la Mtrologie (VIM)
1
.
5.2 talonnage ou vrification des appareils
Ltalonnage a comme objectif dessayer dexprimer une valeur vraie (jamais exac-
tement connue). Imaginons par exemple une cale sans aucune inscription. En la compa-
rant des talons situs en amont dans la chane dtalonnage, on pourra graver la
longueur estime sur la cale. Pour un appareil qui donne la mesure directement (un
pied coulisse par exemple), on comparera le rsultat fourni par lappareil avec une
valeur suppose vraie de ltalon. On en dduira une correction (positive ou ngative)
appliquer aux rsultats fournis par lappareil. Une dmarche partir de statistiques
affinera lestimation de la correction.
50
50,02
Figure 12.10 Exemple dtalonnage
La vrification ne cherchera pas garder une connaissance intrinsque de lappareil.
Elle a comme objet de maintenir ou de rejeter lappareil de la classe laquelle il
appartient. Cette dcision sera prise en fonction de la courbe de correction obtenue en
mesurant diffrents mesurandes talon .
1. Class par lAFNOR sous la rfrence NF X 07-001 (dcembre 1994) Vocabulaire international des
termes fondamentaux et gnraux de mtrologie.
Mesurande
car t
Limite infrieure de la classe
Limite suprieure de la classe
Figure 12.11 Exemple simplifi de courbe de correction
La classe reprsente un indice de performance (par exemple le 1/10 ou le 1/100 de mm).
Lappareil sera dclar conforme ou non, on nenregistrera pas les carts constats.
Cette activit de suivi, dtalonnage ou de vrification de tout ou partie des appareils
nest pas toujours possible en interne dans lentreprise. Elle demande beaucoup de
temps et des moyens humains et techniques qui peuvent faire dfaut. Il est possible
de contacter un laboratoire de mtrologie pour sous-traiter ces tches (ou une partie).
Lorganisme doit sassurer que le laboratoire, en position de fournisseur, prsente la
garantie mtrologique ncessaire. Si le laboratoire possde laccrditation COFRAC,
la traabilit du raccordement aux talons nationaux est assure.
Dans le cas dtalonnages internes, il faudra dfinir des procdures dtalonnage (cer-
taines procdures sont normalises, citons par exemple : NF E 11-050 (dcembre
1990) Comparateurs mcaniques cadran, tige rentrante radiale ). Lapproche
ISO Spcification gomtrique des produits (GPS) sintresse non seulement la
dfinition du produit mais galement sa vrification. Par exemple pour le comparateur
mcanique cadran on pourra consulter le projet de norme PR NF EN ISO 463.
5.4 Suivi du matriel
1
Une drive des moyens de mesure risque dentraner une drive de la production. Pour
viter ce danger potentiel coteux, il faut talonner ou vrifier rgulirement les appa-
reils de mesure.
Si lon constate au cours de cet examen, que lappareil prsente une non-conformit,
il faut recontrler les pices mesures avec cet instrument depuis lavant dernier ta-
lonnage (possibilit de contrle par chantillonnage).
1. Rfrences normatives :
FD X07-018 Dcembre 1997 Mtrologie Mtrologie dans lentreprise Fiche de vie des quipe-
ments de mesure, de contrle et dessai.
NF EN ISO 10012 Septembre 2003 Systmes de management de la mesure Exigences pour les pro-
cessus et les quipements de mesure.
5.4.1 Dtermination de la priodicit
La priodicit des talonnages est fonction :
du degr dexactitude souhait ;

du taux dutilisation ;
de la drive des appareils (exemple : usure) ;
du risque conomique encouru (industrie spatiale par exemple).
Lempirisme est souvent de rgle au dbut, il est affin suite aux rsultats dtalonnage
que lon obtient. On peut diminuer la frquence si les enregistrements indiquent peu
de drglages ou des drives lentes.
La priodicit de vrification dun appareil de mesure peut tre traite par la matrise
statistique des processus (MSP). Si lentreprise possde une comptence dans ce
domaine, elle peut lappliquer la vrification et ainsi mieux la grer.
partir dune carte de contrle, on surveille la drive et la dispersion. Cela permet
dviter de dcentrer un appareil bien rgl alors que lon croyait en toute bonne foi
bien faire.
5.4.1.1 Principe
Nous dcrirons simplement lesprit de la mthode, pour une application concrte le
lecteur est renvoy aux ouvrages spcialiss.
Mesurons laide dun appareil un talon de longueur x
0
. Nous allons obtenir une
mesure lgrement diffrente x
i
. laide de ces deux valeurs, nous dterminons un
cart :
e
i
= x
i
x
0
Cest cet cart que nous allons surveiller. Lcart rel peut tre estim partir dune
seule mesure ou partir dun chantillon de n valeurs e
ij
. La deuxime solution est
plus onreuse mais meilleure quand la confiance de la dcision prendre.
Pour caractriser la dispersion de lcart, un nombre important de mesures est souhai-
table (si possible en esprant que les facteurs dinfluence changent, comme par exem-
ple le changement doprateur). La valeur cible de lcart dans le cas dune vrification
est gale zro.
On peut retenir le choix suivant :
drives rapides : valeur / tendue glissante ;
drives lentes : moyenne glissante / tendue glissante ou EWMA.
Les cartes EWMA
1
semblent particulirement bien adaptes la gestion des moyens
de mesure (la moyenne est pondre par les valeurs antrieures) :
1. Appliquer la matrise statistique des procds Maurice PILLET ditions dOrganisation.
M
i
= . e
i
+ (1 ) . M
i 1
[ ]
) 2 (
) 1 ( 1
2

.
.
. =
n
i
M
i
Lorsque i crot, ces limites convergent assez vite vers les valeurs suivantes (en retenant
un facteur dlargissement gal trois) :
( )
( )
.
. . =
.
. . + =
2
3
2
3
n
n
L S C
Mi
L S C
Mi
Pour les chantillons de une mesure prendre n = 1.
M
0
= valeur cible (valeur initiale) = 0
dpend des risques encourus (risques et ). Il est souvent pris gal 0,2. Une
valeur plus faible prend plus en compte les valeurs prcdentes, permet de mieux
dtecter de petits carts mais est moins performante pour dtecter un dcalage instan-
tan important.
5.4.2 Dclaration de conformit
lissue de chaque vrification, lappareil peut tre :
maintenu pour lutilisation prvue (conformit) ;
ajust ou rpar et remis en service ;
dclass (utilisation ncessitant une prcision plus faible) ;
rebut.
Les deux derniers cas relvent de la matrise de produits non conformes, ils doivent
tre clairement identifis.
5.4.3 Documents de suivi
La vrification engendre un constat de vrification prcisant le maintien ou non de
lappareil dans le service concern, ltalonnage donne un document dtalonnage
caractrisant lappareil.
Une tiquette (ou plaque) de confirmation permettra immdiatement lutilisateur ou
lauditeur de connatre pour chaque appareil son code, sa validit et sa date limite
dutilisation.
Affectation : .........................................................
Rfrence : ..........................................................
Etalonn le : ........................................................
Date de validit : .................................................
Figure 12.12 Exemple dtiquette de confirmation
Cette tiquette doit tre si possible solidaire de lappareil (auto-adhsive ou illet
ou marquage indlbile).
On utilise parfois un systme simplifi utilisant des pastilles autocollantes de couleurs.
Chaque couleur fait rfrence un chancier qui associe une anne de fin de validation
de lappareil une couleur spcifique.
Une fiche de vie, correspondante de ltiquette, permettra de connatre exactement
lhistorique de lappareil (entretien, maintenance, rparation, talonnage, dclassement,
concepteur, fournisseur, etc.). Une gestion documentaire peut tre associe cette fiche
pour assurer le suivi et grer automatiquement les intervalles de vrification ou dta-
lonnage. Elle permet galement daccder au dossier technique de lappareil.
Il existe de nombreux logiciels facilitant cette tche de gestion.
5.5 Formation du personnel
Le meilleur des matriels nest rien si lon ne matrise pas son emploi. Les mesures
deviennent souvent trs complexes du fait des caractristiques vrifier (tolrances
gomtriques par exemple), des techniques employes (mtrologie tridimensionnelle)
et de la culture mathmatique associe (statistiques, analyse du signal...).
Mme avec une technologie simple mettre en uvre, il est toujours bon de prendre
quelques instants pour sassurer que loprateur a bien compris sa mission, quil pos-
sde suffisamment dinformations pour garantir le respect de lautocontrle sur son
poste de travail.
6. LAMTROLOGIE DANS LE SERVICE
Toutes les entreprises travaillent laide de mesures. Dans une socit de services, un
questionnaire ou un sondage joue le rle dun instrument de mesure La mtrologie du
service, en tant que bien immatriel, nest pas un concept vident. Certaines entreprises,
relevant du service, fournissent galement des biens physiques (distribution de produits
ptroliers par exemple, o lon va trouver une gestion des moyens de mesure classique
pour les volucompteurs ou les balances).
La diffrence nest pas toujours trs nette entre la mesure du produit et les indicateurs.
Dans lenseignement, de nombreuses mesures sont faites tout au long de la scolarit.
Si lon compare une mesure industrielle avec la note dun examen cela donne :
Les connaissances apprises lors du stage Le mesurande
Le test ou lexamen Lappareil de mesure (souvent construit spciale-
ment)
Le correcteur Le mtrologue (souvent fabricant de lappareil)
La copie (non note) La mesure brute (analogue une dviation
daiguille)
Le barme (une question facile correspond
une non-linarit)
Le calibrage (au sens franais)
La note La mesure
La note corrige (moyenne releve, ...) La mesure corrige (prise en compte des gran-
deurs dinfluence, correction dappareils, ...)
La notion de tolrance (ou valeur minimum) nest pas toujours fournie par le client,
cest bien souvent le fournisseur qui se fixe des limites.
Le problme de ltalonnage est dlicat galement. Par exemple, sil est facile de
comparer des tudiants, il est difficile de donner une valeur moyenne du groupe (notion
de justesse). Une hypothse de moyenne constante au fil des annes peut-tre retenue.
La question est de savoir si en constat de drive, il faut limputer au processus ou
lvaluation.
Les grilles dapprciation correspondent une graduation dappareil. En particulier, la
classe excellence prte confusion, surtout quand on mesure une activit humaine.
Comment viter la surenchre ?
La mesure des drives des processus (commercial par exemple) peut tre corrle
dautres sources (nombre de dossiers, ventes...) de nature plus objective.
CHAPITRE
13
CONFIRMATIONMTROLOGIQUE ET INCERTITUDES
La qualit exige par le client est le plus souvent dfinie par une valeur nominale
affecte dune tolrance, cense dfinir les variations acceptables, nengendrant ni
un fonctionnement dgrad du mcanisme, ni un montage impossible lors de lassem-
blage. Pour vrifier la compatibilit demande ralisation , le fournisseur va
demander au mtrologue (interne ou externe lentreprise) un chiffrage de la qualit
ralise. Or donner un rsultat, cest se comporter soi-mme comme un fournisseur.
De bonne foi, le mtrologue va fournir un chiffre qui lui parat le mieux reflter la
valeur vraie de la caractristique mesurer. Ce que lon va lui demander en plus,
cest de sauto-juger sur lexactitude de son rsultat. lui de faire la preuve de linter-
valle de confiance que lon peut attribuer sa mesure.
Instinctivement, nous sommes conscients que cette exactitude va dpendre des tech-
nologies et des mthodes de mesures utilises, des comptences des oprateurs et
du milieu dans lequel se ralise le mesurage. Par exemple, on peut avoir raliser
des mesures dans un atelier avec des contraintes denvironnement dues la temp-
rature, aux vibrations, aux champs magntiques, etc.
Linvestissement en mtrologie cote cher, il nest pas forcment peru comme une
priorit conomique car il ne fournit pas de valeur ajoute physique sur le produit
fourni au client.
Cest souvent les exigences du client, dans le cas de contexte conomique difficile qui
imposent les investissements lourds de mtrologie. Linvestissement de mtrologie doit
permettre une prestation garantissant le client sans tre prohibitif au niveau financier.
Pendant de nombreuses annes la rgle empirique des 1/10
e
a prvalu, cest--dire
accepter une incertitude de lordre du dixime de la tolrance. Base sur le bon sens
et notre habitude de compter en base 10, cette rgle correspondait un choix raliste.
Malheureusement, les tolrances se resserrant, ce rapport est souvent de plus en plus
difficile respecter. Aujourdhui un rapport plus fort est tolr sous rserve de chiffrer
correctement cette incertitude qui, comme nous le verrons sur un exemple simple, se
dcline au pluriel.
1. MISE ENSITUATIONDUPROBLME
La dfinition partielle du produit client est la suivante :
50
A 0,4 A
Figure 13.1 Exemple de dfinition
On veut mesurer la longueur dune pice laide dun marbre, dune cale talon et
dun comparateur.
0
0,020
Pice
talon
50
Figure 13.2 Mesure par comparateur avec cale talon
En dplaant le comparateur, on va mesurer un ensemble de longueurs L
Pice
qui doivent
tre compatibles avec la spcification de dfinition.
Le zro du comparateur ayant t fait sur la cale talon, on est tent dcrire a priori
pour chaque longueur :
L
Pice
= L
talon
+ Ecart mesur
soit par exemple :
L
Pice
= 50,000 + 0,020
cette premire indication de valeur probable, on recherchera sil faut appliquer des
corrections. Par exemple on peut citer (sans tre exhaustif) :
une correction dtalonnage C
talon
une correction dinfluence de la temprature C
Dans notre exemple didactique, imaginons un certificat de vrification, indiquant :

L
Etalon vrife
= 50,010 0,005 mm
soit une correction dtalonnage de :
C
talon
= 0,010 mm
et une temprature de mesure :
= 20
o
5
o
CHAPITRE 13 CONFIRMATION MTROLOGIQUE ET INCERTITUDES 325
La temprature moyenne annuelle de latelier tant de 20
o
, elle risque de ne pas tre
prise en considration. La correction C
q
sera donc nulle (par contre linfluence de la
temprature, non matrise, interviendra dans le calcul dincertitude).
La longueur de la pice sera donc estime par la valeur :
L
Pice
= L
talon
+ Ecart mesur + C
talon
+ C
soit :
L
Pice
= 50 + 0,020+ 0,010 + 0
L
Pice
= 50,030 mm
Bien que cette valeur nous semble la plus probable, nous devons rester modeste sur
notre affirmation. La correction dtalonnage appliquer nest pas parfaitement connue,
peut-tre que ce jour-l il faisait particulirement chaud et pour terminer notons
quil aurait t possible de recommencer la mesure et faire la moyenne des rsultats
acquis.
Dans sa dmarche, le mtrologue doit recenser les sources de dispersion (on parlera
de budget dincertitudes). Les incertitudes dtectes doivent tre estimes par statisti-
ques ou values par expertises, cela permet de juger en physicien les ordres de gran-
deurs conserver.
Nous reviendrons sur cet exercice, aprs avoir rappel quelques notions de statistiques
et le vocabulaire sy rfrant.
2. UTILISER LE MME LANGAGE MTROLOGIQUE
2.1 Dfinition normalise
Les dfinitions exactes des termes de mtrologie sont prcises dans le vocabulaire
international des termes fondamentaux et gnraux de mtrologie (VIM 93)
1
.
En particulier, le terme prcision est bannir car il est beaucoup trop flou, englobant
diffrents concepts.
1. Vocabulaire publi au nom de diffrentes organisations internationales de mtrologie. LAFNOR publie
ce document sous la rfrence NF X 07-001 (dcembre 1994).
Cela permet galement dviter de mlanger les termes erreurs et incertitudes.
Rappelons brivement les principales dfinitions utilises dans la suite de ce chapitre :
Mesurande (measurand) : grandeur particulire soumise mesurage. Le mesurande
ne sera par dfinition jamais exactement connu, la mesure en donnera une estimation.
Exactitude de mesure (accuracy of measurement) : troitesse de laccord entre le
rsultat dun mesurage et une valeur vraie du mesurande (le terme prcision ne doit
pas tre utilis pour exactitude). Lexactitude nest que qualitative.
Rptabilit des rsultats de mesurage (repeatability) : troitesse de laccord entre
les rsultats des mesurages successifs du mme mesurande, mesurages effectus dans
la totalit des mmes conditions de mesure :
mme mode opratoire ;
mme observateur ;
mme instrument de mesure utilis dans les mmes conditions ;
mme lieu ;
rptition durant une courte priode de temps.
Reproductibilit des rsultats de mesurage (reproducibility) : troitesse de
laccord entre les rsultats des mesurages du mme mesurande, mesurages effectus
en faisant varier les conditions de mesure dcrites ci-dessus.
Attention, car certaines entreprises limitent la reproductibilit uniquement au
complment d loprateur (Reproducibility Appraiser Variation). La prise en
compte du temps est alors nomme stabilit (Stability / drift).
Reproductibilit Reproductibilit
Rptabilit Rptabilit
Dfinition VIM
Figure 13.3 Deux perceptions du concept de reproductibilit
Incertitude de mesure (uncertainty of measurement) : paramtre, associ au rsultat
dun mesurage, qui caractrise la dispersion des valeurs qui pourraient raisonnable-
ment tre attribues au mesurande (comme le fait par exemple la variance ou lcart-
type).
Erreur de mesure (error of measurement) : rsultat dun mesurage moins une valeur
vraie du mesurande.
Erreur alatoire (random error) : rsultat dun mesurage moins la moyenne dun
nombre infini de mesurages du mme mesurande, effectus dans les conditions de
rptabilit.
Erreur systmatique (systematic error) : moyenne qui rsulterait dun nombre infini
de mesurages du mme mesurande, effectus dans les conditions de rptabilit,
moins une valeur vraie du mesurande.
Illustrons ces dfinitions par le schma suivant ou le rsultat de la i
me
mesure est dfini
par la variable y
i
.
Paramtre
mesur
y
0
(valeur vraie)
y
i
y (moyenne des mesures)
Erreur
alatoire
Erreur
de mesure
Erreur systmatique
Figure 13.4 Reprsentation graphique de la notion derreur
Erreur de mesure = Erreur systmatique + Erreur alatoire
Ces diffrentes erreurs sont des grandeurs algbriques (dans lexemple lerreur ala-
toire de la mesure n
o
i est ngative).
La justesse dun instrument caractrise la faiblesse de lerreur systmatique.
Il est possible daugmenter la justesse en faisant des corrections. En labsence de
correction (plus exactement dune correction nulle), cela engendrera une augmenta-
tion de lincertitude.
La mesure corrige ncessite de modliser les corrections faire, elle est souvent plus
contraignante. De ce fait, elle est plus souvent utilise en laboratoire que sur les lieux
de production.
2.2 Dfinition du MSA
1
Les entreprises relevant du domaine de lautomobile, utilisent souvent les dfinitions
suivantes qui peuvent prsenter de lgres diffrences avec les dfinitions prcdentes.
1. Measurment Systems Analysis
La rptabilit est nomme EV (Equipment Variation).
La reproductibilit reprsente le complment de variation engendr par les autres
M . Le plus souvent elle est limite linfluence du changement doprateur AV
(Appraiser Variation).
La globalit des variations est reprsente par un indicateur de dispersion GRR
(Gage repeatability and reproducibility), obtenu laide de ladditivit des diff-
rentes variances.
Lerreur de justesse est nomme Bias
Reproducibility AV
Repeatability
EV
Mesures
Figure 13.5 Termes du MSA
3. INDICATEURS DE CAPABILIT DUNMOYEN
DE CONTRLE
Nous distinguerons les deux types de mesure suivants :
Conformit du produit (respect des tolrances)
Validation dun processus de production
3.1 Rapport : Incertitude / Tolrance
Lobjectif est de savoir si lappareil retenu est la hauteur des performances qui lui
sont demandes. Autrement dit lincertitude associe lappareil ne doit pas excder
un certain pourcentage de la tolrance. Par exemple on peut demander :
U

T
avec :
T, tolrance : spcification dans la dfinition du produit caractrisant les variations
acceptables.
U, incertitude de mesure : estimation caractrisant ltendue des valeurs
dans laquelle se situe la valeur vraie dune grandeur mesure, dfinie par
2
U
x x est lestimateur de la valeur vraie,
U est un paramtre de dispersion, par exemple on peut retenir
M
k
U
=
2
(o k est le plus souvent pris gal 2).
est un rapport consensuel ne pas dpasser (la valeur 1/4 est souvent propose).
On peut quantifier ladquation tolrance incertitude de mesure par dautres indi-
cateurs, par exemple en calculant :
le rapport
IT
;
la capabilit du processus de contrle Cpc =

IT
k .
3.2 Exemple de rgles de choix dun appareil
Le choix sera un compromis, fonction des variations de qualit autorises par le client
(tolrance) et des performances du processus de contrle, en respectant des
contraintes :
dconomie ;
de disponibilit ;
de comptences des oprateurs ;
et denvironnement (milieu).
En supposant que lon connaisse lincertitude associe une mesure (caractrise par
son cart-type par exemple), on peut dicter diffrentes rgles (accord client four-
nisseur). Par exemple nous pouvons citer :
GRR
=
IT IT
6
<
30% ( 10 % : instrument bon, entre 10 et 30 % peut tre considr

comme acceptable, sous rserve de dmarche dam-
lioration) daprs le calcul de rptabilit et reproductibilit des constructeurs auto-
mobiles amricains
1
.

=
6
IT
Cpc
>
4
soit
IT
>
24 pour la validation dun moyen de contrle destin

piloter un chantier MSP (matrise statistique des procds).
1. MSA Second Edition
Bien que certaines propositions paraissent plus contraignantes, il faut se garder dune
conclusion htive, car pour linstant nous sommes rests relativement flou quant la
quantification, par rgle, de lcart-type associ au moyen de contrle. Cela fera lobjet
des paragraphes suivants.
3.3 Capabilit processus et capabilit moyen de contrle
Nous avons dfini une capabilit du processus par :
I T
C
P0
6
=

P
Mais en ralit les incertitudes de mesures sont venues perturber le calcul de
P
. En
fait, nous calculons la capabilit suivante :
IT
C
P1
P M
2 2
6
=
+
ou encore :
I T
C
P1
C
P0
M
P
M
P
2
2
2
2
6 1
1
1
=
+
=
+
P
Pour viter toute erreur destimation de capabilit du processus, il est vident que la
dispersion du moyen de mesure doit tre faible devant celle du moyen de production.
Dans le mme esprit, le pilotage dun moyen de production requiert une qualit de
mesure non perturbatrice dans la boucle dasservissement que lon essaie dinstaurer.
3.3.1 Nombre de catgories du MSA
Pour savoir si lincertitude globale de lappareil de mesure est bien en adquation avec
la dispersion de production, le MSA propose de calculer lindicateur suivant (ndc :
nombre de catgories distinctes)
1
:
GRR
=
PV
ndc
2
.
PV est lcart-type de la dispersion de production.
Lappareil est bien choisi pour surveiller une production si lon a un ndc suprieur ou
gal cinq.
1. Maurice PILLET Appliquer la matrise statistique des procds ditions dOrganisation.
4. DCISIONDE CONFORMIT (ISO14253-1
1
)
Si lon est capable destimer lincertitude associe notre mthode de mesure, en
fonction des problmes :
de rptabilit ;
de reproductibilit (avec prise en compte des problmes denvironnement) ;
de justesse ;
alors on peut dfinir une zone de conformit partir de la zone de spcification.
Grandeur mesurer
Zone de spcification
(variation de qualit autorise par le client)
Zone de conformit
(qualit certifie par la mesure)
Zone
dincertitude
Zone
dincertitude
Figure 13.6 Illustration de la zone de conformit
Toute mesure appartenant lintervalle de conformit garantit que le client sera satisfait
pratiquement 100 %. Si lon conserve la zone de spcification comme zone de dci-
sion (bonne ou mauvaise), le risque est partag entre le client et le fournisseur.
Tout fournisseur souhaite avoir une zone de conformit la plus grande possible. En
cas de problme, deux pistes sont explorer :
soit voir avec le client (externe ou interne) si une augmentation de la zone de sp-
cification peut tre propose sans nuire fondamentalement la qualit finale ;
1. NF EN ISO 14253-1 (Mars 1999) Spcification gomtrique du produit (GPS) Vrification par la
mesure des pices et quipements de mesure Partie 1 : rgles de dcision pour prouver la conformit
ou la non conformit la spcification.
soit essayer de rduire la zone dincertitude. Cela nexige pas forcment de changer
de technique de mesure, mais parfois simplement de prciser le protocole (ou ins-
truction de mesure).
5. INCERTITUDES DE RPTABILIT
ET DE REPRODUCTIBILIT
5.1 Rptabilit
La variance de rptabilit sera estime dans les conditions ci-dessous :
mme mode opratoire,
mme observateur,
mme instrument de mesure utilis dans les mmes conditions,
mme lieu,
rptition durant une courte priode de temps.
Elle peut, par exemple dans le cas de drive faible, tre estime partir dun seul
chantillon de taille consquente ( 30 mesures).
5.1.1 Rappel de mathmatique
Soit x
1
, x
2
,......x
n
une srie de n rsultats de mesure pris dans une population caractrise
par :
sa moyenne
x
i
n
n
= lim
sa variance
n
n
2
= lim
(x
i
)
2
La rptabilit sera caractrise par lestimation de la variance

2
(note s
2
) et calcule
laide des valeurs de lchantillon :
= n-1 est appel le nombre de degrs de libert. Nous avons n mesures indpendantes
lies par une quation donnant la moyenne.
Nous verrons dans le paragraphe suivant, comment lestimer partir de plusieurs
chantillons.
5.2 Reproductibilit
Nous serons en reproductibilit lorsquau moins une des conditions cites prcdem-
ment aura chang. Par exemple, cela peut tre utile de voir lincidence de la pice ;
cest--dire savoir si avec une autre pice on retrouve les mmes variations de mesure.
5.2.1 Le couple pice instrument
Dans ltude GRR classique (tudie dans un paragraphe suivant), on utilise un chan-
tillon de diffrentes pices. Malgr une lourdeur de test, cela peut mettre en vidence
un protocole de mesure mal dfini. Pour illustrer notre propos, imaginons la mesure
dune rondelle au pied coulisse, de deux manires :
Figure 13.7 Incidence du couple pice instrument
Dans lhypothse dune pice parfaite , cela na pas dimportance. Par contre si
lon rencontre des dfauts de paralllisme, de forme (pice en cuvette), ce nest plus
du tout la mme chose. Il faudra bien spcifier la mthode de mesure (protocole ou
instruction de mesure) et ventuellement prvoir des dtrompeurs, des instructions
dtailles de mesurage, etc.
5.2.2 Incidence du changement doprateur
Prenons comme exemple la mesure dune pice au micromtre par trois opra-
teurs appartenant des quipes diffrentes, les autres paramtres restant inchan-
gs.
Mme avec un appareil aussi simple on peut avoir des comportements diffrents
(pour tre plus exact, nous avons des combinaisons main duvre et mthode
diffrentes). Bien que les appareils soient quips de limiteur de couple pour viter
des serrages intempestifs, les vitesses de rotation diffrentes de la vis vont engen-
drer des variations dnergie cintique qui peuvent se traduire en 1/100
me
de
mm.
Pour illustrer la mthode de calcul nous utiliserons le tableau suivant :
Rptabilit : estime partir de 3 chantillons maxi sur une pice dans les conditions de production
Reproductibilit : majoration par le changement doprateur (majoration = 0 si un seul oprateur)
Faire n mesures (oprateur 1) :
Si oprateur 2, faire n mesures :
11,11 11,11 11,10 11,11 11,11 11,10 11,11 11,11 11,10 11,11
11,11 11,11 11,11 11,11 11,10 11,11 11,10 11,10 11,11 11,10
11,10 11,10 11,09 11,09 11,09 11,10 11,10 11,10 11,10 11,09
Analyse variance : q
R
= 3E05 q
Op
= 4E04 F
exp
= 14,48 F
Th
= 3,354 Incidence biais op : OUI 95 %
Test de Cochran : s
2
Max : 3E05
S
2
: 8E05 g = 0,35 g
0,95
= 0,617 Var op diffrentes : NON 95 %
Intervalle de confiance 95% : 0,004 < URp < 0,007 0,002 < UOpr < 0,012
U
Rp
= 0,0051 U
Opr
= 0,0059 U
R & R
= 0,0077
Figure 13.8 Exemples de mesures obtenues par diffrents oprateurs
5.2.3 Comparaison de variances
Lobjectif est de calculer une variance intra-oprateur. Avant de faire ce calcul nous
voulons savoir si les dispersions par oprateurs sont homognes ou si elles mettent
laccent sur un problme dutilisation de linstrument (instrument bloqu par exemple).
On peut utiliser pour cela les tests de Hartley ou de Cochran.
Exemple : test de Cochran
(sous rserve du mme nombre de mesures par oprateurs)
Soit s
i
2
lestimation de la variance pour loprateur i. On calcule le rapport
g =
s
2
Max
, que lon compare la valeur tabule g
1-
( reprsentant le risque
s
2
i
encouru).
Cette valeur g
1-
est fonction du nombre doprateurs et du nombre de degrs de
libert pour chaque estimation ( = n mesures 1).
Dans notre exemple, nous trouvons :
g
rel
= 0,35
g
0,95 ; 9 ; 3
= 0,617
Lhypothse de mme variance (avec des moyennes peut-tre diffrentes) nest
pas rejete.
5.2.4 Principe de lanalyse de la variance
Lanalyse de la variance peut permettre de savoir si le changement doprateur contri-
bue aux fluctuations constates.
5.2.4.1 Mthode de calcul
Il faut calculer deux quantits q
R
et q
Op
(appeles carrs moyens) reprsentant respec-
tivement une estimation de :
la variance rsiduelle (due aux facteurs non contrls) ;
la variance totale (due tous les facteurs y compris les effets ventuels dus aux
changements doprateurs).
Si linfluence oprateurs nest pas significative, le rapport q
Op
/ q
R
ne sera pas trop
important. Un test (garantissant un niveau de probabilit), va permettre daccepter ou
de refuser cette hypothse. Dans tous les cas x sera la meilleure estimation de la
longueur vraie de la pice, par contre, lintervalle de confiance associ cette estima-
tion va dpendre de la variance retenue.
5.3 GRR (mthode moyenne et tendue)
Cette mthode, propose par les constructeurs automobiles amricains, est appele
Average and range method
1
. On la retrouve galement sous le nom de mthode
R&R de Charbonneau .
Elle se veut simple et pragmatique. Nous la prsenterons laide de lexemple donn
en figure 13.11 sous forme de feuille de calcul. Sur cette feuille, nous avons rappel
en plus des calculs classiques exigs par le modle original, les diffrents carts-types
associs de manire mieux situer cette tude par rapport aux prsentations prcden-
tes.
5.3. Mode opratoire
On retient un nombre n de pices diffrentes slectionnes au hasard. Ces pices seront
rfrences et mesures par k oprateurs, si possible sans que les oprateurs voient le
numro didentification. Cela permettra de faire mesurer les pices plusieurs fois par
chaque oprateur en vitant des mesures successives sur une mme pice.
Pour pouvoir utiliser cette mthode sans correction particulire, il est demand davoir
un nombre doprateurs k et un nombre de pices n vrifiant la relation suivante :
k n 16
1. Measurment Systems Analysis.
5.3.2 Formules statistiques de base
La dispersion de mesure est le plus souvent estime 6. (ce qui correspond pour une
distribution gaussienne une probabilit de 99,73 %). Il est bien sr possible de retenir
un autre coefficient si on le dsire.
Lcart-type est calcul directement partir des moyennes dtendues par une formule
du type :
d
2
R
=
R est calcul laide de N sous-groupes (chantillons de mesure par pice et par
oprateur).
Les sous-groupes donnent N rsultats (N = k oprateurs * n pices). Chaque sous-
groupe a comme tendue R
i
. Si N 15, on retiendra un coefficient d
2
lgrement
modifi appel d
2
*1
Nb mesures/
chantillon
2 3 4 5 6 7 8 9 10
Coef d
2
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
Figure 13.9 Tableau coefficient d
2
Nombre N de sous-groupes
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
2 mesures 1,414 1,279 1,231 1,206 1,191 1,181 1,173 1,168 1,163 1,160 1,157 1,154 1,153 1,151 1,149
3 mesures 1,912 1,806 1,769 1,750 1,739 1,731 1,726 1,722 1,719 1,716 1,714 1,712 1,711 1,710 1,708
Figure 13.10 Tableau coefficient d
2
*
5.3.3 Calcul des moyennes et tendues
Pour chaque pice i mesure deux ou trois fois par loprateur j, on calcule ltendue
R
ij
.
Pour chaque oprateur j, on obtient :
la moyenne de ses mesures x
j
,
1. Duncan, A.J. (1974). Quality Control and Industrial Statistics,4
th
edition. Richard D. Irvin Inc., Ho-
mewood, IL.
la moyenne des diffrentes tendues :
n
R
ij
R
j
i
=
Avec la mme dmarche que celle utilise en analyse de la variance avec les carrs
moyens q
R
et q
Op
nous allons utiliser :
la moyenne des moyennes dtendues :
k
R
j
R
j
=
ltendue des moyennes par oprateur : R
x
= x
Maxi
x
mini
R
P
= 3,0307
R :
Moyenne des moyennes x :
Diffrence x :
Type de mesure : Valeur de rfrence :
0,255
tude G
Oprateur A Oprateur B Oprateur C
10,000
10,051
13,000
12,000
11,000
10,000
9,000
8,000
7,000
1 3 5 7 9
M
o
y
e
n
n
e
s
1 3 4 2 5 6 8 7 9 10
t
e
n
d
u
e
s
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
Rf appareil : Rf pice :
R & R
Moy p
10,144
9,287
10,987
10,314
9,301
9,793
10,456
9,691
11,920
8,613
chantillon Srie 1 Srie 2 Srie 3 Moy tendue Srie 1 Srie 2 Srie 3 Moy tendue Srie 1 Srie 2 Srie 3 Moy tendue
Pice 1 10,300 10,450 10,580 10,443 0,280 10,070 10,025 10,080 10,058 0,055 10,040 9,950 9,800 9,930 0,240
Pice 2 9,540 9,420 9,450 9,470 0,120 9,550 9,220 9,350 9,373 0,330 9,040 8,950 9,060 9,017 0,110
Pice 3 10,980 11,050 11,160 11,063 0,180 11,020 10,950 11,150 11,040 0,200 10,860 11,020 10,689 10,586 0,331
Pice 4 10,450 10,550 10,620 10,540 0,170 10,020 10,350 10,250 10,207 0,330 10,150 10,230 10,210 10,197 0,080
Pice 5 9,950 9,850 9,800 9,867 0,150 9,530 9,050 8,970 9,183 0,560 8,860 8,980 8,720 8,853 0,260
Pice 6 10,020 10,010 9,820 9,950 0,200 9,820 9,780 9,890 9,830 0,110 9,850 9,420 9,530 9,600 0,430
Pice 7 10,510 10,750 10,660 10,640 0,240 10,470 10,550 10,790 10,603 0,320 10,020 10,100 10,250 10,123 0,230
Pice 8 9,750 9,820 9,870 9,813 0,120 9,450 9,980 9,780 9,737 0,530 9,600 9,450 9,520 9,523 0,150
Pice 9 12,110 12,010 11,850 11,990 0,260 11,860 12,210 12,110 12,060 0,350 11,720 11,520 11,890 11,710 0,370
Pice 10 9,010 8,780 8,750 8,847 0,260 8,450 8,350 8,520 8,440 0,170 8,450 8,860 8,350 8,553 0,510
Moy x 10,26 Moy R 0,20 Moy x 10,05 Moy R 0,30 Moy x 9,84 Moy R 0,27
0,426
12,210
11,824
11,438
11,052
10,666
10,280
9,894
9,508
9,122
8,736
0 0,2 0,4 0,6 0,8 1
12,210
11,824
11,438
11,052
10,666
10,280
9,894
9,508
9,122
8,736
0 0,2 0,4 0,6 0,8 1
12,210
11,824
11,438
11,052
10,666
10,280
9,894
9,508
9,122
8,736
0 0,2 0,4 0,6 0,8 1
Figure 13.11 Exemple dtude GRR (mthode moyenne et tendue)
Rptabilit de lquipement de mesure (EV quipement Variation)
Pour 3 sries de mesure : d2 = 1,693
EV
= 0,151
EV
=
,7
,
Part de reproductibilit due loprateur (AV : Appraiser Variation)
Pour 3 oprateurs : d2*=1,9116
Nombre de pices/srie : 10
Nombre de sries r : 3
Si estime partir de lchantillon mesur :
Sinon, calcule partir de la valeur TV :
Si estime partir de mesures antrieures :
Rptabilit et reproductibilit (GRR)
Dispersion pice (Part Variation)
Dispersion totale (Total Variation)
Analyse des mesures
14,02 %
0,151
AV
=
0,221
R&R
=
0,268
% EV =
% EV = 100[EV/TV]
PV
=
96,85 %
1,040
% PV =
% PV = 100[PV/(TV)]
20,59 % % AV =
% AV = 100[AV/TV]
24,91 % % R & R =
% GR & R = 100[GR&R/TV]
[
EV
]
2
+

[
AV
]
2
GRR
=
2
d
R
EV
=
2
2
*
AV
EV x
r n d
2
R
MoyOp
= =
[
2
GRR
] +

[
2
PV
]
TV
=
+
PV
= R
p
/d
2
* = 1,040
PV
=
TV connu
=
PV estim
= 1,074
ndc = 5
AV
= 0,221
AV
= 0,268
Figure 13.11 (suite) Exemple dtude GRR (mthode moyenne et tendue)
5.3.4 Validation des mesures
On peut utiliser les mthodes de la matrise statistique des produits pour vrifier que
la diffrence de mesures obtenue par oprateur pour une mme pice reste dans des
limites raisonnables.
Une diffrence trop importante peut dtecter un problme avec lappareil ou un pro-
blme dutilisation par loprateur. Rciproquement, des diffrences trop voisines de
zro sont douteuses (appareil bloqu ou en bute).
La limite suprieure de contrle est donne par la formule :
LSC
R
ij
= D
4
. R
avec:
Nb mesures / pice / oprateur 2 3
D
4
3,267 2,574
1 3 4 2 5 6 8 7 9 10
t
e
n
d
u
e
s
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
Pices
Figure 13.12 Exemple de surveillance de la dispersion par oprateur
5.3.5 Rptabilit (quipement Variation)
La rptabilit de lquipement de mesure est calcule partir de la moyenne des
moyennes dtendues :
d
2
R
=
EV
Nous avons k.n chantillons de taille 2 ou 3.
5.3.6 Incidence de loprateur sur la reproductibilit (Appraiser Variation)
Nous avons calcul ltendue des moyennes par oprateur : R
x
= x
Maxi
x
mini
Nous pouvons en dduire :
d
2
*
R
x
=
MoyOp
Rappelons que les moyennes des chantillons, extraits dune mme population de
variance
2
, sont distribues avec une variance gale
x
2
=
2
/ (r . n) (r.n correspon-
dant ici la taille des chantillons de mesure par oprateur).
Si linfluence des oprateurs est rellement nulle, nous devrions avoir
MoyOp
=
x
soit :
d
2
*
R
x
=
EV
r . n
Deux cas peuvent se prsenter :
Si le premier membre de lquation est infrieur ou gal au second, nous consid-
rerons que linfluence des oprateurs est nulle :
AV
= 0
Sinon, linfluence de loprateur sera caractrise par la variance
2
AV
, calcule
partir de la formule suivante :
d
2
*
R
x
= =
MoyOp
2
2
+
AV
EV
r . n
d
2
*
R
x
2
EV
r . n
=
2
AV ( )
Nous retenons le coefficient d
2
*
car nous avons un sous-groupe de deux ou trois moyen-
nes (dans lexemple trait, un sous-groupe de deux moyennes (deux oprateurs), soit
d
2
*
= 1,414).
5.3.7 Indicateurs de capabilit du moyen de mesure
Les indicateurs sont calculs en comparant les dispersions de mesures soit avec la
dispersion de production, soit avec la tolrance de la caractristique tudie. La dis-
persion globale de lquipement de mesure (R&R) est donne par :
=
R&R
+ (
AV
)
2
(
EV
)
2
5.3.7.1 Dispersion de production
Si la dispersion de production nest pas connue, alors par dfaut, elle sera estime
partir du lot de pices mesures. Chaque pice tant mesure k.r fois (k oprateurs
faisant chacun r mesures), on estime le mesurande par la moyenne des mesures.
Pour cela, il faut sassurer que lchantillon de pices soit reprsentatif (image de la
dispersion du moyen de production et 50 % environ des pices en dehors du bruit
de mesure ). Lidal est destimer la dispersion de production par une approche de
type MSP.
13,000
12,000
11,000
10,000
9,000
8,000
7,000
1 3 5 7 9
M
o
y
e
n
n
e
s
Figure 13.13 Vrification de la reprsentativit de lchantillon de pices.
partir des n moyennes, on dtermine ltendue R
PV
. laide de ce rsultat, on calcule
un cart-type de production
PV
(Part-to-part Variation) (dans lexemple trait, il y a
un sous groupe de 10 mesures).
PV
=
R
PV
d
2
*
Partant de ladditivit des variances, on calcule la variation totale apparente du pro-
cessus, incluant les dispersions de production et de mesure (Total Variation) :
=
TV
+ (
PV
)
2
(
GRR
)
2
Attention, si lon a des donnes provenant dune dmarche MSP, cela correspond
probablement
TV
car il y a de grandes chances que les mesures aient t faites avec
cet appareil. On en dduit
PV
et lon calcule le nombre de catgories distinctes ndc
qui doit tre suprieur quatre :
PV
GRR
ndc = 2.
5.3.7.2 Tolrance (Edition 2 du MSA)
Le plus souvent la capabilit du moyen de contrle est calcule relativement la
tolrance. Nous pouvons calculer les quatre indicateurs suivants :
6
EV
Tol
%EV = 100.
6
PV
Tol
%PV = 100.
6
AV
Tol
%AV = 100.
6
GRR
Tol
%R&R = 100.
%R & R 10 % Equipement conforme
10 % < %R & R 30 % Acceptable si contraintes fortes (conomique, disponibi-
lit, limites techniques, etc.). Une dmarche damlioration
doit tre entreprise.
30 % < %R & R Problme de mesure (instruction de mesure revoir, envi-
ronnement, formation...). Sans amlioration potentielle,
penser changer de moyen.
5.4 Interactions
Il peut arriver de rencontrer des interactions dans lincidence des facteurs que lon a
retenu. Par exemple linteraction pice oprateur peut se rencontrer du fait de mtho-
des de mesures implicites propres chaque oprateur. Par exemple, en cas dovalisation
dun alsage, un des oprateurs recherchera systmatiquement le diamtre maximum,
alors que pour un autre cest la valeur minimum quil faut retenir. En rsum, la
dcouverte dinteractions peut engendrer une dmarche damlioration en prcisant
plus clairement le protocole de mesure. Ltude GRR prcdente peut se prsenter
sous la forme suivante :
Max : 5 -5
Indiquer combien de sigmas vous fixez la dispersion de mesure : 6
Srie1 Srie 2 Srie 3 Etendue Srie 1 Srie 2 Srie 3 Etendue Srie 1 Srie 2 Srie 3 Etendue Moy p
0,290 0,410 0,640 0,35 0,080 0,250 0,070 0,18 0,040 -0,110 -0,150 0,19 0,17
-0,560 -0,680 -0,580 0,12 -0,470 -1,220 -0,680 0,75 -1,380 -1,130 -0,960 0,42 -0,85
1,340 1,170 1,270 0,17 1,190 0,940 1,340 0,40 0,880 1,090 0,670 0,42 1,10
0,470 0,500 0,640 0,17 0,010 1,030 0,200 1,02 0,140 0,200 0,110 0,09 0,37
-0,800 -0,920 -0,840 0,12 -0,560 -1,200 -1,280 0,72 -1,460 -1,070 -1,450 0,39 -1,06
0,020 -0,110 -0,210 0,23 -0,200 0,220 0,060 0,42 -0,290 -0,670 -0,490 0,38 -0,19
0,590 0,750 0,660 0,16 0,470 0,550 0,830 0,36 0,020 0,010 0,210 0,20 0,45
-0,310 -0,200 -0,170 0,14 -0,630 0,080 -0,340 0,71 -0,460 -0,560 -0,490 0,10 -0,34
2,260 1,990 2,010 0,27 1,800 2,120 2,190 0,39 1,770 1,450 1,870 0,42 1,94
-1,360 -1,250 -1,310 0,11 -1,680 -1,620 -1,500 0,18 -1,490 -1,770 -2,160 0,67 -1,57
0,165 0,21 0,000 0,114 0,088 0,224 0,257 0,29
Moy x 0,190 Moy R 0,184 Moy x 0,068 Moy R 0,513Moy x -0,254 Moy R 0,328 R
PV
= 3,511
, ,
R : Moyenne des moyennes x : Diffrence x:
:
0,88 0,88 0,88 0,88 0,88 0,88 0,88 0,88 0,88
Source dLib SS MS L
inf
Lsup %/IT %/TV %Var
Appareil 60 2,759 0,046

EV 0,200 1,06 EV = 1,20 1,38 12% 18,4% 3,4%
Oprateur 2 3,167 1,584 F F lim

AV
0,228 0,77 AV = 1,36 6,01 14% 20,9% 4,4%
Pice 9 88,362 9,818 0,4337 1,778

PV
1,043 4,42 PV = 6,25 10,41 63% 96,0% 92,2%
Int-act Op/P 18 0,359 0,020 95%

inter 0,000 0,00 INT = 0,00 0,00 0% 0,0% 0,0%
89 94,647 1,0635
MS
pool 0,040

R&R 0,303 1,31 R&R= 1,82 6,16 18% 28% 7,8%

TV 1,087 TV = 6,51 65% IT/TV= 1,535
Calcul des limites 90%
Dispersion
Total :
Pice 10
Test :
Non significatif
Pice 9
cart-Type
Pice 4
Pice 5
Pice 7
Pice 8
Pice 1
chantillon
10
Rf pice :
0,445 0,001
Variation totale :
Rf appareil :
Type de mesure : Tolrance :
0,342
Pice 6
Pice 2
Pice 3
Interaction oprateurs / pices / moyenne
-3,000
-2,000
-1,000
0,000
1,000
2,000
3,000
1 2 3 4 5 6 7 8 9 10
M
o
y

o
p
r
a
t
e
u
r
Oprateur A
Oprateur B
Oprateur C
Carte des tendues / pices / oprateurs
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1 2 3 4 5 6 7 8 9 10
t
e
n
d
u
e
s
Oprateur A
Oprateur B
Oprateur C
Effet de l'oprateur
-0,300
-0,200
-0,100
0,000
0,100
0,200
0,300
E
c
a
r
t
s

/

m
o
y
e
n
n
e
Effet des pices
-2,00
-1,00
0,00
1,00
2,00
3,00
1 2 3 4 5 6 7 8 9 10
Effet de l'ordre de la mesure / moyenne
-0,400
-0,300
-0,200
-0,100
0,000
0,100
0,200
0,300
Srie1 Srie 2 Srie 3
c
a
r
t
Oprateur A
Oprateur B
Oprateur C
Figure 13.14 tude R&R par analyse de la variance
Ce type dtude peut se faire simplement avec le tableur Excel
1
, en utilisant lutilitaire
danalyse (Analyse de variances : deux facteurs avec rptition dexprience). Lexem-
ple prcdent donne :
Pice 1 Pice 2 Pice 3 Pice 4 Pice 5 Pice 6 Pice 7 Pice 8 Pice 9 Pice 10
0,290 - 0,560 1,340 0,470 -0,800 0,020 0,590 -0,310 2,260 -1,360
0,410 -0,680 1,170 0,500 -0,920 -0,110 0,750 -2,200 1,990 -1,250
0,640 -0,580 1,270 0,640 -0,840 -0,210 0,660 -0,170 2,010 -0,130
0,080 -0,470 1,190 0,010 -0,560 -0,200 0,470 -0,630 1,800 -1,680
0,250 -1,220 0,940 1,030 -1,200 0,220 0,550 0,080 2,120 -1,620
0,070 -0,680 1,340 0,200 -1,280 0,060 0,830 -0,340 2,190 -1,500
0,040 -1,380 0,880 0,140 -1,460 -0,290 0,020 -0,460 1,770 -1,490
-0,110 -1,130 1,090 0,200 -1,070 -0,670 0,010 -0,560 1,450 -1,770
-0,150 -0,960 0,670 0,110 -1,450 -0,490 0,210 -0,490 1,870 -2,160
Oprateur A
Source
des
variations
Somme
des
carrs
Degr
de
libert
Moyenne
des
carrs
F P robabilit Valeur
crit ique
pour F
chantillon 3,1672622 2 1,58363111 34,440073 1,0938E - 10 3,150411
Colonne 88,361934 9 9,81799271 213,51714 3,9996E - 42 2,040096
Int eract ion 0,3589822 18 0,01994345 0,4337210 0,97410404 1,778445
l'intrieur
du groupe
2,7589333 60 0,04598222
T otal 94,647112 89
Oprateur B
Oprateur C
Oprateur
Pice
Op/Pice
Appareil
Figure 13.15 Analyse de la variance laide dExcel
6. ESTIMATIONDERREURS DE JUSTESSE
DUNINSTRUMENT DE MESURE
6.1 Mesure locale de lerreur de justesse
La justesse peut tre dfinie par lcart entre la moyenne y et une valeur conven-
tionnelle vraie.
La valeur vraie est par dfinition inconnue. Une mesure trs fine de ltalon (correction
incluse) permet dapprocher cette dernire, on parlera dune valeur conventionnelle-
ment vraie. Cest partir de cette donne que lon testera lappareil.
Un groupe de n mesures constitue un chantillon de moyenne y. Cette moyenne permet
1. Microsoft Excel.
destimer la rponse donne par lappareil en utilisation courante (nous supposerons
que lensemble des mesures appartient la mme population et que nous sommes
toujours en condition de rptabilit).
Nous pouvons dfinir un intervalle de confiance permettant de situer la moyenne relle
dun grand nombre de mesures une probabilit de confiance de 1 . Par exemple
on retiendra trs souvent = 5 %.
Deux situations extrmes peuvent se produire comme reprsentes sur la figure sui-
vante :
Paramtre
mesur
y
0
(valeur vraie)
y (moyenne des mesures
de lchantillon)
Correction retenue
Intervalle de confiance
de la moyenne
Position extrme de ?
/2
Figure 13.16 Notion dincertitude sur la correction de justesse
reprsente la moyenne dun grand nombre de mesures caractrisant la rponse de
lappareil (non connue),
y correspond la moyenne des n mesures de lchantillon,

y
permet de caractriser la dispersion des moyennes obtenues laide de diffrents
chantillons, il est estim par s
y
.
Les limites de lintervalle de confiance de la moyenne gnrale sont :
Prob[y t
1 /2
s
y
y + t
1 /2
s
y
] = 1
t est la variable de Student = n 1 degrs de libert.
Lcart-type de la moyenne
y
est calcul partir de lcart-type de la population
(grand nombre de mesures) par :
y
=

. est souvent inconnu, on travaille alors
_n
par dfaut avec son estimation s (appele galement
n 1
) calcule partir des valeurs
de lchantillon.
6.1.1 Exemple 1 : dtermination de la justesse laide dun talon
Pour illustrer la dmarche, cherchons calculer la correction appliquer une
cale talon de 50 mm. Cette cale a t mesure par un service de mtrologie, on
a obtenu les dix rsultats suivants :
1 2 3 4 5 6 7 8 9 10
50,009 50,013 50,011 50,007 50,011 50,008 50,012 50,007 50,009 50,012
On obtient une moyenne de 50,010 mm en arrondissant et une estimation s de lcart-
type de 0,0022 mm. On peut proposer 95 % :
Prob
[
50,010
2,26*0,0022
50,010 +
2,26*0,0022
]
= 0,95
_10 _10
Prob[50,0083 50,0115] = 0,95
Lintervalle de confiance correspond une zone denviron 3 m. Souvent pour des
raisons de rapidit, on remplace la variable de Student t par la variable rduite u de
la loi de Gauss (ici u =1,96).
Lincertitude sur la correction estime ici, ne fait intervenir que la rptabilit de la
manipulation, il est probable que dautres sources soient prendre en compte comme
nous le verrons plus loin.
6.2 Mesure de lerreur de justesse sur ltendue de mesure
6.2.1 Ltendue de mesure correspond la dispersion de production
Pour certains types de mesures, la matrialisation physique dun talon nest pas tou-
jours possible. Par exemple, dans lagroalimentaire, il arrive que lon compare partir
de prlvements, les rsultats dun appareil de mesure sur chane avec les rsultats
dun appareil de laboratoire pris comme rfrence (interne ou externe lentreprise)
plus performant mais long et coteux de mise en uvre.
Lobjectif est de caractriser lappareil de mesure en production pour pouvoir lutiliser
seul.
Exemple : partant de prlvements chronologiques daliment sur chane de production,
on mesure les rsidus secs laide de deux appareils de mesure.
42,00
43,00
44,00
45,00
46,00
47,00
48,00
42,00 43,00 44,00 45,00 46,00 47,00 48,00
X Production
Y

L
a
b
o
r
a
t
o
i
r
e
Figure 13.17 Comparaison de mesures sur mmes prlvements
6.2.2 Ltendue de mesure est donne par la plage dutilisation de lappareil
Beaucoup dappareils ne sont pas affects en permanence un produit particulier,
comme on peut le voir en production de grande srie. Par exemple un micromtre peut
tre utilis pour mesurer des pices comprises entre 0 et 25 mm (figure 13.18).
1 0,005 0,010 0,005 0,007 0,002 0,000 0,007
2 1,020 1,020 1,015 1,018 0,002 1,010 0,008
3 1,605 1,610 1,600 1,605 0,003 1,600 0,005
4 2,080 2,080 2,075 2,078 0,002 2,070 0,008
5 3,010 3,005 3,010 3,008 0,002 3,000 0,008
6 4,900 4,910 4,910 4,907 0,003 4,900 0,007
7 7,010 7,005 7,010 7,008 0,002 7,000 0,008
8 9,000 9,005 9,010 9,005 0,003 9,000 0,005
9 12,010 12,000 12,005 12,005 0,003 12,000 0,005
10 15,005 15,010 15,010 15,008 0,002 15,000 0,008
11 16,810 16,810 16,805 16,808 0,002 16,800 0,008
12 20,010 20,010 20,010 20,010 0,000 20,000 0,010
13 22,010 22,010 22,005 22,008 0,002 22,000 0,008
14 23,405 23,415 23,415 23,412 0,003 23,400 0,012
15 25,015 25,010 25,015 25,013 0,002 25,000 0,013
16
17
18
19
20
3 10,860 10,852
15 r
2
= 100,0%
Test de Fisher : 3E+08 >
F
;1;n-2
= 4,6672
5,0% 2,1604
-0,008 < b
0
= < -0,005
1,000 < b
1
= < 1,000
Cov u(b
0
,b
1
)
s rsiduel :
0,005 et 25,015
<
E(y
h
)
<
< y
h
< 19,986 19,995
0,002
Rgression
significative
soit une correction de :
7,72E-04 u(b
0
)
Seuil de signification :
19,990
Sous rs. que la moyenne x
h
soit comprise entre
Nb tal. n :
-0,0063
0,9998
u(b
1
) 5,57E-05
Pour une lecture x
h
de l'instrument de :
l'estimation de la grandeur y
h
est de :
Nb mesures :
L'cart-type de l'estimation y
h
est de :
19,992 19,989
-3,37E-08
0,002
v. Student :
-0,010
20,000
cart suprieur de la classe cart infrieur de la classe 0,02 -0,02
-0,030
-0,020
-0,010
0,000
0,010
0,020
0,030
0,000
5,000 10,000 15,000 20,000 25,000 30,000
Valeurs talon
c
a
r
t
s
Y
i

-

Y

e
s
t
i
m
Intervalle de confiance pour E(yh)

Intervalle de prvision pour y
h
-0,005
-0,004
-0,003
-0,002
-0,001
0
0,001
0,002
0,003
0,004
0,005
Valeurs mesures
I
n
d
i
c
e

1
M
e
s
u
r
e

1
M
e
s
u
r
e

2
M
e
s
u
r
e

3
M
e
s
u
r
e

4
M
e
s
u
r
e

5
M
e
s
u
r
e

6
M
e
s
u
r
e

7
M
e
s
u
r
e

8
M
e
s
u
r
e

9
M
e
s
u
r
e
1
0
M
o
y
e
n
n
e
s
u
r

m
o
y
V
a
l
.

t
a
l
o
n
c
a
r
t
Calcul de justesse Ref appareil : Micromtre 0 -25
Figure 13.18 Exemple dune tude de justesse pour un micromtre 0-25
6.2.3 Etude de la justesse par une rgression
Pour cette tude, C. Perruchet et M. Priel
1
conseillent de mettre en ordonne la grandeur
de rfrence Y et en abscisse la mesure X.
Nous avons :
Y = a.X + b +
La variance de X est nulle, car X (la lecture) nest pas une variable alatoire.
Y reprsente une valeur de rfrence pouvant conduire la lecture X.
correspond aux rsidus (variable alatoire de moyenne nulle et dcart-type ).
Les coefficients a et b rels ne sont pas connus, ils sont estims en fonction des valeurs
de lchantillon par :
a =
b = y x
(x
i
x)(y
i
y)
(x
i
x)
2
a
a et b sont corrls. A partir de lestimation s de , on calcule la variance sur a et
b et la covariance entre a et b. On peut alors dterminer la variance sur la grandeur
mesure correspondant une lecture X de linstrument.
Cette approche permet galement de faire des comparaisons
2
entre laboratoires, on
peut mettre en vidence les erreurs commises par chacun deux.
7. CALCUL DE LINCERTITUDE SUIVANT
LAMODLISATIONDUGUM
3
Devant la non-uniformit de calcul des incertitudes, le Comit International des Poids
et Mesures (CIPM) a charg le Bureau International des Poids et Mesures (BIPM) de
rflchir sur une mthode de calcul et destimation des incertitudes. Cest lOrganisa-
tion internationale de normalisation (ISO) qui sest charge de rdiger un guide (GUM)
suivant les instructions du BIPM. Dans la suite de ce chapitre nous prsenterons suc-
cinctement les concepts exposs dans le guide.
Ce guide prsente des notations particulires que nous rappelons brivement.
1. Estimer lincertitude Mesures Essais Christophe Perruchet & Marc Priel AFNOR (Avril 2000).
2. Pour plus de dtails, le lecteur est invit consulter la norme AFNOR NF X06-047 (Avril 1986)
Application de la statistique Traitement des rsultats de mesure Estimations des erreurs partir des
comparaisons entre laboratoires.
3. GUM : Guide to the Expression of Uncertainty in Measurement. LAFNOR publie ce document sous
la rfrence XP X 07-020 (juin 1996).
7.1 Vocabulaire et notation
Tolrance : t (exprime par une tendue).
7.1.1 Cas dune mesure une seule entre
Le mesurande X est quantifi par une grandeur physique de mesure x :
Mesurage
Mesure Mesurande X x
Figure 13.19 Mesurage une seule entre
x est dfinie comme une variable alatoire. On peut calculer les paramtres de disper-
sion suivants :
Variance de x : u
2
(x)
Incertitude type : u(x) = _u
2
(X)
7.1.2 Cas dune mesure entres multiples
Par exemple, la mesure dune planit est fonction des 3 coordonnes de chaque point
palp.
Palpage du point P
i
(Coordonnes du centre
de sphre : y
i
,z
i
, z
i
)
Figure 13.20 Mesure de planit
Le mesurande rsultant Y (la valeur de la planit) est fonction des mesurandes X
1
,
X
2
, ... o chaque mesurande X
i
(coordonne de position) est quantifi par la mesure
x
i
(valeur lue sur une des rgles de la machine).
Mesurage
Mesurande X
1
Mesurande X
2
Mesurande X
3
Mesure y
x
1
Figure 13.21 Mesurage multi-entres
Incertitude compose : u
c
(y) pour la mesure rsultante y = f(x
1
, x
2
...).
Facteur dlargissement : k.
Incertitude largie : U/2 = k.u
c
(y) qui correspond un intervalle de confiance. Cela
permet de proposer que la valeur vraie est probablement comprise dans la zone
U/2 (Y = y U/2).
7.2 Modlisation
La prestation fournie par le mtrologue comprend deux valeurs. Par exemple, si nous
crivons :
M = 75,10 kg (u
c
= 0,20 kg),
nous prcisons :
la valeur annonce y (75,10 kg) qui est lestimateur de lesprance de la variable
rsultat de mesure . Autrement dit, cest le chiffre qui traduit le mieux la valeur
du mesurande daprs loprateur.
lincertitude type u
c
(0,2 kg) qui est lestimateur de lcart-type de la variable
rsultat de mesure . Cest la garantie de son rsultat, traduite par un indicateur
de dispersion. Cest aussi faire preuve de modestie en reconnaissant la limite de ses
connaissances en mesure.
Plus gnralement, le mesurande Y est une fonction de diffrents mesurandes inter-
mdiaires X
i
.
Y = f(X
1
, X
2
, X
n
)
Y nest jamais exactement connu, il peut tre estim par la mesure :
y = f(x
1
, x
2
, x
n
)
x
i
peut reprsenter par exemple la moyenne des rsultats de mesure, une correction
due une grandeur dinfluence, une correction dtalonnage, etc. y est un rsultat
secondaire calcul partir des rsultats primaires x
i
.
7.3 Dtermination de lincertitude compose (loi de propagation des
incertitudes)
Lincertitude compose est donne par lquation suivante (obtenue partir du dve-
loppement de f autour des moyennes des x
i
en srie de Taylor du premier ordre) :
u
2
(x
i
) + 2 (y) =
[ ]
i=1
n
j=i+1
n
i=1
n1
2
2
f
x
i
f
x
i
f
x
j
u
c
u(x
i
,x
j
)
Le lecteur non familiaris avec cette criture est invit se reporter en fin de chapitre
pour deux exemples de drivation simples.
u(x
i
) est lincertitude type de la variable x
i
(cart-type).
u(x
i
,x
j
) = u(x
j
,x
i
) est la covariance des variables x
i
,x
j
(attention aux units).
Rappels
u(x
i
,x
j
) = Cov (x
i
,x
j
) = E(x
i
y
j
) E(x
i
).E(x
j
) = x
i
x
j
x
i
x
j
avec E(x) : esprance mathmatique de la variable alatoire x.
u
2
(x) = Var (x) = E(x
2
) E(x)
2
= x
2
x x
Coefficient de corrlation : r(x
i
,x
j
)= u(x
i
,x
j
)/u(x
i
)u(x
j
) =
Cov(x
i
,x
j
)
x
i

x
j
Il est souvent plus pratique de prsenter lquation prcdente sous la forme suivante :
u
2
(x
i
) + 2 (y) =
[ ]
i=1
n
j=i+1
n
i=1
n1
2
2
f
x
i
f
x
i
f
x
j
u
c
u(x
i
)u(x
j
)r(x
i
,x
j
)
Lorsque les variables ne sont pas corrles (r = 0), lincertitude compose se calcule
comme suit :
u
2
(x
i
) (y) =
[ ]
i=1
n
2
2
f
x
i
u
c
Pour de nombreux phnomnes physiques, la corrlation nest pas nulle mais le terme
faisant intervenir les covariances est souvent ngatif du fait des drives partielles.
Lomettre revient souvent majorer lincertitude.
7.4 valuation des incertitudes types u(x
i
)
Pour valuer les incertitudes composes, nous devons connatre ou estimer les incer-
titudes types de bases. Celles-ci dpendent par exemple :
de lchantillonnage qui ne reprsente pas forcment la population ;
de leffet des grandeurs dinfluence (comme la temprature) ;
de ltalonnage ;
de la rsolution (analogique ou numrique).
...
Le GUM (guide ISO) prsente deux modes destimation : type A et type B.
7.4.1 Type A
Ce type est bas sur lutilisation des techniques statistiques (variance exprimentale,
variance de distribution des moyennes, etc...).
Pour un chantillon de n rsultats de mesure, la moyenne arithmtique est le meilleur
estimateur dun nombre infini de mesures.
Lestimateur de la moyenne est donn par : x
i
i=1
n
n
1
= x
Lestimateur de lcart-type exprimental est donn par :
i=1
n
1
=
s
n 1
(x
i
x)
2
Si lon dispose de plusieurs sries de mesures, avec pour chaque srie une estimation
s
i
, une meilleure estimation de la variance sous rserve dappartenance une mme
population sera donne par :
s
2
=
(n
1
1)s
1
2
+ (n
2
1)s
2
2
+ ... + (n
k
1)s
k
2
(n
1
1) + (n
2
1) + ... + (n
k
1)
Lincertitude type sur la moyenne x de lchantillon est donne par :
u
2
(x) =
s
2
(sous rserve dindpendance des mesures).
n
7.4.2 Type B
Ces mthodes sont utilises lorsque loutil statistique est dutilisation difficile (trop
onreux ou destructif par exemple).
Si lon a une garantie sur la variable (exemple : certificat dtalonnage donnant lincer-
titude largie), on peut estimer lincertitude type (sous hypothses de distribution)
comme on le ferait partir dun intervalle de confiance.
Cette dmarche ncessite une analyse de physicien. Elle doit tre exhaustive tout en
gardant le sens des ordres de grandeurs. Par exemple le passage dun train proximit
dune entreprise peut tre un problme rel si lon prtend faire de la mtrologie
dimensionnelle fine.
Souvent on se contente des trois distributions suivantes :
tendue Lois retenues Variance cart-type Applications
(2* ) Normale
2
/k
2
/k Si k = 3 ==> P = 99,7 %
Si k = 2 ==> P = 95,4 %
(2* ) Uniforme
2
/3 /_3 La valeur relle a la mme
probabilit pour toute valeur
appartenant lintervalle.
Exemple :
Conformit une classe de
mesure.
Certificat dtalonnage.
Hystrsis.
Rsolution.
(2* ) En U (ou drive darc
sinus)
2
/2 /_2 Utilis pour un phnomne
qui varie de faon cyclique
(sinusodalement).
Exemple : la temprature
dans une salle climatise.
Figure 13.22 Comparaisons des trois principales distributions utilises
8. COMPARAISONDES APPROCHES MSA
1
ET GUM
Lapproche MSA est considre comme plus oriente production par rapport lappro-
che GUM (plus applique en laboratoires).
En ralit, elles relvent de la mme dmarche. En effet, dans le MSA, en recensant
les diffrentes variances, on peut crire :
2 2 2
other e performanc c
u + =
2 2 2 2 2
y consistenc stability bias GRR e performanc
+ + + =
Ce qui sous entend, dans le cas dapplication de corrections, que lon devrait crire :
Mesure corrige = mesure brute + correction de justesse + correction de drive +
correction des facteurs dinfluence + autres corrections....
Le plus souvent, ces corrections ne sont pas faites pour diffrentes raisons (ignorance
des influences, complexit de modlisation, cot, qualification, etc.). Ne pas faire ces
corrections, ne veut pas dire quelles ne sont pas prises en compte mais quelles ont
t estimes dans un premier temps la valeur 0 .
On cherchera caractriser la dispersion de chaque correction au voisinage de la valeur
0 , laide dun indicateur de variance. Mathmatiquement, sous rserve dind-
pendance des diffrentes corrections, on peut crire :
+ =
i brute cor
c M M
+ = )) ( 1 ( 1 ) (
2 2 2
i M cor c
c u u M u
brute
9. INCERTITUDES ET CLASSES
Souvent dans la procdure de vrification des instruments de mesure, il est simplement
demand de vrifier que lappareil appartient la classe dsire. Le jugement porte
sur le maintien ou non de lappareil dans la classe et non sur lvaluation de la cor-
rection apporter comme pour un talonnage.
1. Measurment Systems Analysis.
Ltalonnage se traduit par un document permettant dappliquer des corrections qui
auront comme effet de rduire les incertitudes de mesure. La vrification valide lappa-
reil en confirmant que les carts constats par rapport un talon sont infrieurs une
valeur tolre (exigences spcifies). Dans le cas dune non-conformit, lappareil sera
ajust, rpar, dclass ou rform.
Prenons le cas dun micromtre extrieur vis au 1/100 mm vernier (vis microm-
trique au pas de 0,5 mm, faces de mesurage planes, de capacit 0 25 mm). La
norme NF E 11-095
1
autorise une erreur de justesse et une erreur de fidlit variant
suivant la classe.
Classe Erreur de justesse
m
Erreur de fidlit
m
0 5 3
I 7 4
II 10 6
Lerreur de justesse est obtenue en comparant une valeur conventionnellement vraie
avec la moyenne des mesures obtenues. Cette comparaison sera faite sur toute la capa-
cit de mesure, on retiendra simplement la valeur la plus forte.
Par exemple pour la classe I, si lerreur dtecte est interne la tolrance 7 m,
lappareil est maintenu dans la classe (sous rserve que la fidlit soit galement vri-
fie).
Pour le calcul des incertitudes, la fidlit de type A ne pose pas de problme, elle peut
galement tre recalcule laide dun chantillon de mesures. Par contre en labsence
de correction dtalonnage, cette dernire sera suppose nulle mais affecte dune
incertitude de type B associe une hypothse de distribution uniforme.
Pour lexemple prcdent, lincertitude de justesse est donne par la tolrance de la
classe.
Correction dtalonnage : C
E
= 0 mm.
Incertitude type sur la correction : u
C
E
= 0,007 / _3 mm.
1. NF E 11-095 (dcembre 1993) Instrument de mesurage de longueur Micromtres dextrieur vis,
au 1/100 et au 1/1000 de millimtre.
10. EXERCICE DAPPLICATION
Reprenons lexemple abord au paragraphe 5.2.2. Nous avions recherch les incerti-
tudes dues la rptabilit de lappareil et au changement doprateurs. Cette tude
faite laide doutils statistiques est du type A. Compltons le chiffrage de lincertitude
en prenant en compte la classe de lappareil et linfluence de la temprature. Ces
estimations, faites partir dexpertises ou de documents de rfrence, illustrerons le
type B.
Le lecteur se reportera au tableau figure 13.23.
10.1 Incertitude de justesse
Lerreur de justesse na pas t prise en compte dans le calcul de type A prcdent.
En effet, si lon rajoute 1/100
me
de mm toutes les mesures, cela ne modifie pas u
R&R
.
Si lon possde une courbe dtalonnage, on pourrait fournir une mesure en rajoutant
une correction la valeur lue :
M = X + c
Et
Ne rien rajouter, revient en ralit crire c
Et
= 0. Cette valeur particulire , estime
zro, est borne par un intervalle de confiance donn par la classe de lappareil. On
peut retenir une probabilit de 100 % pour que la valeur c
Et
soit dans lintervalle (a
(hypothse de distribution uniforme).
Cette incertitude de type B est value : u
j
=
a
_3
10.2 Incertitude de correction de temprature
Pour tenir compte des grandeurs dinfluence, il serait logique dans le mme esprit de
faire une correction sur la mesure brute. Cette correction est souvent prise zro par
ignorance.
Dans le cas de notre micromtre, la distance entre touches est suppose tre gale
la longueur de la pice.
Soit
A
la temprature de lappareil de mesure et
P
la temprature de la pice
mesurer. Nous obtenons :
L
A,
A
= L
p,
p
L
A,20
. [1 +
A
. (
A
20)] = L
p,20
. [1 +
p
. (
p
20)]
Noublions pas que la valeur lue sur lappareil, correspond normalement la distance
entre touches la temprature de rfrence de 20
o
. Cela donne :
L
p,20
=
L
A,20
. [1 +
A
. (
A
20)]
[1 +
p
. (
p
20)]
Lcart d la variation de temprature est donn par :
e
c
= L
p,20
L
A,20
= L
A,20
.
[
[1 +
A
. (
A
20)]
1
]
[1 +
p
. (
p
20)]
Notons que pour
A
=
P
avec un appareil et une pice de mme coefficient de dila-
tation, cela entrane e
t
= 0.
En fonction des conditions extrmes de temprature, retenons une correction de tem-
prature :
c
t
= 0
e
t
Si nous associons c
t
une fonction de densit de probabilit a priori, alors il est
possible destimer u
t
. Par exemple, nous pouvons retenir :
u
t

2
e
t
9
pour une densit de probabilit gaussienne,
u
t
=
2
e
t
6
pour une densit de probabilit triangulaire,
u
t
=
2
e
t
3
pour une densit de probabilit uniforme.
10.3 Incertitude compose
Daprs les calculs prcdents nous retiendrons :
u
c
2
= u
2
R&R
+ u
j
2
+ u
t
2
partir de cette formule, diffrentes rgles de conformit peuvent tre retenues, par
exemple, on peut vrifier si :
u
c
1
Tol 16
Ref appareil : Ref pice :
Spcification : Valeur nominale :
Valeur suprieure (USL ):
T = Valeur infrieure (LSL) :
1
1
0
Justesse : dtermine partir de la classe de lappareil ou dune srie de mesures laide dun talon
Si la classe de lappareil est connue,indiquer le numro (0, 1, 2 ou 3) :
0
Erreur maximale dindication en m
e
jCl
=
e
jMes
=
u
j
=
e
t
=
u
t
=
NF E11-095
Si non, l'erreur maximale dindication sera estime laide dune grandeur talon au voisinage de la valeur de la pice.
Valeur de ltalon :
Faire 10 mesures de ltalon :
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
95 % :0,000 < e
jRel
< 0,000
Influence de la temprature
e
t
est lcart maximum d la temprature. On supposera quil est distribu suivant
une loi gaussienne.
Incertitude type combine : u
c
=
Incertitude tendue : U = k . u
c
=
2
Le rsultat du mesurage scrira Y = y U
Rapport u
c
/T =
11,097 11,103 U
11,080 11,120
Calcul de la capabilit du moyen de mesure pour suivi SPC :
0,0000
15
0
I
II
III
5
7
10
11,100
11,120
11,080
0,040
REFUS En labsence de contrat spcifique
0,2067
0,0083
0,017
Zone de spcification
Zone de conformit
Si possible infrieur ou gal 1/16 (0,0625)
~3/16
Facteur dlarg. k =
20,0
0,000
0,005
0,003
0,000
Classe
Coefficient de dilatation de la pice (en10
6
) :
Estimation de la temprature maxi de la pice mesure (C):
Estimation de la temprature de lappareil (C en atelier ou labo) :
11,5
20,0
n
u
R & R
u
c
2 2 2
+ u
j
+ u
t
=
Zone
d'incertitude
Rptabilit : estime partir de 3 chantillons maxi sur une pice dans les conditions de production
Reproductibilit : majoration par le changement doprateur (majoration = 0 si un seul oprateur)
Faire n mesures (oprateur 1) :
11,11 11,11 11,10 11,11 11,11 11,10 11,11 11,11 11,10 11,11
11,11 11,11 11,11 11,11 11,10 11,11 11,10 11,10 11,11 11,10
11,10 11,10 11,09 11,09 11,09 11,10 11,10 11,10 11,10 11,09
Analyse variance : q
R
= 3E05 q
Op
= 4E04 F
exp
= 14,48 F
Th
= 3,354 Incidence biais op : OUI 95 %
Test de Cochran : s
2
Max
: 3E05
S
2
: 8E05 g = 0,35 r
0,95
= 0,617 Var op diffrentes : NON 95 %
Intervalle de confiance 95 % : 0,004 < U
Rp
< 0,007 0,002 < U
Opr
< 0,012
U
Rp
= 0,0051 U
Opr
= 0,0059 U
R & R
= 0,0077
TUDE DE CONFORMIT (Micromtres 0 100mm)
Aide au calcul suivant :
ISO14253
Calcul de lincertitude correspondant 1 mesure
Cmc = 0,81 < 4 NON-CAPABLE
Figure 13.23 Exemple de calcul dincertitudes et de zone de conformit
QUALIT ENPRODUCTION 360
11. EXEMPLES SIMPLES DE CALCUL
DINCERTITUDES COMPOSES
Nous considrerons que toutes les variables sont indpendantes, la formule de calcul
est donne par lexpression suivante :
u
2
(x
i
) (y) =
[ ]
i=1
n
2
2
f
x
i
u
c
f est une fonction plusieurs variables x
1
, x
2
, ... x
i
, ...
Le symbole
f
x
i
(qui se lit : d rond f sur d rond x
i
) correspond la drive partielle
de f par rapport la variable x
i
. Cette drive se calcule comme pour une drivation
classique, il suffit de considrer les autres variables comme des constantes pendant
lopration de drivation.
La drive partielle au carr reprsente un facteur de proportionnalit (coefficient) pour
la variance de la variable concerne.
11.1 Exemple pour une fonction somme
Imaginons quavec un appareil lecture directe nous rptions cinq fois la mesure.
la moyenne de ces cinq valeurs nous ajoutons une correction pour compenser lerreur
de justesse de lappareil. Soit M la mesure obtenue.
M =
x
1
+ x
2
+ x
3
+ x
4
+ x
5
+ c
5
Formule que lon peut prsenter sous la forme suivante :
M =
1
x
1
+
1
x
2
+
1
x
3
+
1
x
4
+
1
x
5
+ c
5 5 5 5 5
Nous retrouvons une fonction de six variables, M = f (x
1
, x
2
, x
3
, x
4
, x
5
, c).
Pour les cinq premires variables les drives partielles sont identiques :
=
f
x
i
1
5
Pour la dernire variable (la correction c), la drive partielle vaut :
= 1
f
c
Si les cinq mesures sont bien indpendantes (pas de drive, loprateur ne se laisse
pas influencer par ses rsultats prcdents), on peut considrer que chaque variable x
i
est connue avec la mme incertitude u
x
.
La formule de calcul dincertitude donne :
u
c
2
(M) =
[
1
]
2
u
x
2
+
[
1
]
2
u
x
2
+
[
1
]
2
u
x
2
+
[
1
]
2
u
x
2
+
[
1
]
2
u
x
2
+ 1
2
u
c
2
5 5 5 5 5
ou encore :
u
c
2
(M) = 5
[
1
]
2
u
x
2
+ 1
2
u
c
2
5
Rsultat que lon peut simplifier :
u
c
2
(M) =
u
x
2
+ 1
2
u
c
5
On retrouve lexpression permettant de calculer lincertitude directement partir dune
moyenne de n rsultats intermdiaires :
u
2
(x) =
u
x
2
n
11.2 Exemple pour une fonction puissance
titre dillustration, prenons la formule simplifie donnant la priode des oscillations
dun pendule simple de longueur l :
l
T = 2
g
T est fonction de trois variables : T = f (, l, g). Mathmatiquement est une constante,
mais dun point de vue numrique nest quapproche par un chiffre avec un certain
nombre de dcimales.
Le calcul dincertitude scrit :
u
+
[ ]
u
l
+
[ ]
u
g
u
c
(T) =
[ ]
2 2 2 2
2
f
2 2
f
l
f
g
Pour ce type de formule, on a intrt bien faire apparatre chaque variable. Pour
notre exemple, cela donne :
1
2
T = 2 l g
1
2
Rappelons la drive de : (x
n
) = n x
n 1
n peut tre positif ou ngatif.
Lexpression puissance peut concerner une fonction de x, note y(x), la drive est
gale : (y(x)
n
) = n y(x)
n 1
y(x)
Exemple : (cos
n
(x)) = n cos
n 1
(x) ( sin(x))
En remplaant les drives partielles par leurs expressions, nous obtenons :
1
2
= 2 [1] l g
1
2
f
= 2 [ l ] g
1
2
1

2
f
l
1
2
= 2 l [(

) g ]
1
2
3
2
f
l
1
2
U
c
(T) =
[
2 .
]
U
+
[

]
U
l
+
[

]
U
g

l
g
l
g
l
g
1
lg
2 2 2 2
2 2 2
Moyen mnmotechnique :
Pour ce type de fonction, le calcul des drives partielles peut tre facilit par le calcul
du logarithme :
Log(T) = Log(2 l g )
1
2
1
2
Log(T) = Log(2) + Log() +
1
Log(l)
1
Log (g)
2 2
Cette quation permet dcrire la diffrentielle logarithmique :
dT
=
d
+
1 dl
1 dg
T 2 l 2 g
Lexpression dT est appele diffrentielle totale :
dT = T
d
+ T
1 dl
T
1 dg
2 l 2 g
Or sachant que la diffrentielle totale est calcule partir des drives partielles, on
peut galement crire lquation prcdente sous la forme :
d +
[ ]
dl +
[ ]
dg dT =
[ ]
f
f
l
f
g
Les deux expressions tant identiques, il vient par exemple :
= T
f
g
1
g
1
2
= (2 l g )
1
2
1
2
f
g
1
g
1
2
= ( l )
1
2
3
2
f
g
1
g
=
f
g
l
g
1
g
CHAPITRE 14
SIXSIGMA
Six Sigma est certainement lapproche qui a le plus modifi le comportement qualit
des entreprises ces dernires annes. Lapproche Six Sigma est une approche glo-
bale de lamlioration de la qualit du produit et des services rendus aux clients.
Partant de cette meilleure satisfaction du client, Six Sigma apporte un accroisse-
ment de la rentabilit lentreprise avec les effets cumuls suivants :
une diminution des rebuts, retouches et plus gnralement des cots de non-qualit ;
une amlioration de la disponibilit des machines et du taux de rendement syn-
thtique (TRS) ;
de meilleures parts de march conscutif lamlioration de la qualit des produits.
On peut rsumer cette nouvelle approche en nonant le principe suivant : Si vous
vous intressez la qualit les cots diminuent. Si vous vous intressez aux cots, la
qualit diminue... vous de choisir !
Cette approche globale se dcline de plusieurs faons. Six Sigma cest :
une certaine philosophie de la qualit tourne vers la satisfaction totale du client ;
un indicateur de performance permettant de savoir o se situe lentreprise en
matire de qualit ;
une mthode de rsolution de problmes permettant de rduire la variabilit sur
les produits ;
une organisation des comptences et des responsabilits des hommes de lentre-
prise ;
un mode de management par la qualit qui sappuie fortement sur une gestion
par projet.
Comprendre Six Sigma demande de bien cerner ces diffrents aspects. Lapplication
de Six Sigma peut prendre diffrentes dimensions de la simple dmarche de rsolution
de problmes jusqu une vritable stratgie pour lentreprise. La diffrence entre ces
deux applications extrmes rside dans la dmultiplication de la dmarche et la struc-
ture mise en place pour organiser et piloter les applications.
1. POURQUOI SIXSIGMA ?
La variabilit est lennemi de la qualit. Les trois sources primaires de la variabilit
sont :
conception pas assez robuste ;
matires premires et pices lmentaires instables ;
capabilits des processus insuffisantes.
Cest contre ces trois sources de variabilit que nous devons lutter pour atteindre le
niveau de qualit Six Sigma. Pour satisfaire ses clients, une entreprise doit rduire
cette variabilit par tous les moyens. Cependant, il nest pas facile dagir sur la varia-
bilit dun processus. Cela ncessite davoir recours de nombreux outils statistiques
tels que les tests de comparaison, les analyses de la variance, les plans dexpriences,
coupls une dmarche de rsolution de problme. Si quelques experts sont capables
de suivre une telle dmarche de manire intuitive, il nen est pas de mme de la grande
majorit des ingnieurs et techniciens qui ont besoin dun guide mthodologique pour
se retrouver au travers de lensemble des outils qualit mis leur disposition. Cest le
premier rle de Six Sigma : dmocratiser, vulgariser les mthodes et outils de la qualit
en fournissant un guide dutilisation pour permettre au plus grand nombre de rduire
la variabilit des processus.
Le fait de mieux formaliser les dmarches de rsolution de problme ne suffit pas
crer une stratgie dentreprise. Il faut tre capable de dmultiplier pour atteindre
laspect stratgique. Six Sigma intgre donc tous les aspects de cette dmultiplication
au travers :
du rle et de la formation des hommes ;
de la formalisation de la dmarche ;
de la gestion de projets ;
des objectifs stratgiques qui seront fixs.
Limpact de Six Sigma dpasse la simple amlioration de la qualit des produits de
lentreprise. Son objectif est financier. Six Sigma a pour objectif damliorer la per-
formance globale de lentreprise au travers de quatre actions :
laugmentation de la satisfaction des clients et une plus grande fidlisation par lam-
lioration de la qualit ;
la rduction des dpenses en rduisant fortement le nombre de rebuts, retouches et
gaspillages ;
loptimisation dans lutilisation des actifs de lentreprise en augmentant le taux de
rendement synthtique (TRS) des moyens de production ;
laugmentation du chiffre daffaires conscutif la rduction des cots et lam-
lioration de la qualit.
2. SIXSIGMAUNINDICATEUR DE PERFORMANCE
Pour pouvoir progresser il faut mesurer le niveau de qualit actuel, et pouvoir se donner
un objectif vrifiable. Six Sigma signifie donc un niveau de qualit que lon souhaite
atteindre. Une qualit sera dautant plus grande que le nombre de sigma sera lev.
Ainsi une qualit 3 sigma donnera 6.68 % de produits non conformes, une qualit
6 Sigma donnera 3,4 ppm (produits par million) de non conformes. Le but de la
mthode Six Sigma est donc datteindre au moins le niveau Six Sigma donc avoir
moins de 3,4 ppm comme taux de non conformit. Il y a donc une relation directe
entre la non-conformit et le z du processus qui est donn ci-dessous :
Z
(nombre de sigma)
1 2 3 4 5 6
DPMO
(Dfauts par Million dOpportunits)
697672 308770 66810 6209 232 3.40
Figure 14.1 DPMOen fonction du z du processus
Voyons maintenant comment on mesure le nombre de sigma (la capabilit du processus)
2.1 Cas des critres mesurables
Dans le cas des produits mesurables, la capabilit du processus se mesure en tablissant
le ratio entre la tolrance et la dispersion du processus (le lecteur pourra se rfrer
utilement au chapitre 10 pour plus de dtails sur la calculs des capabilits).
CHAPITRE 14 SIX SIGMA 367
Processus 3 sigma (Cp = 1) Processus 6 sigma (Cp = 2)
0 1 2 3 1 2 3 0 2 4 6 2 4 6
z = 3 z = 6
1350
ppm
0.001
ppm
0.001
ppm
1350
ppm
Figure 14.2 Niveau Six Sigma
Lobjectif Six Sigma consiste amliorer la variabilit du processus de telle sorte
davoir une tolrance deux fois plus importante que la dispersion court terme (Cp =
2). Dans ces conditions, la spcification est six carts types de la moyenne (z = 6).
La proportion de produits dfectueux est alors de 0.002 ppm lorsque le processus est
parfaitement centr. Lorsque le processus est un niveau de trois sigma (z = 3 ou Cp
= 1) la proportion de dfaut est alors de 2 700 ppm.
Cependant, on montre facilement que mme si le processus est parfaitement sous
contrle, il nest pas possible de dtecter de petits dcentrages du processus. Le plus
petit dcalage dtectable
1
avec une taille dchantillon raisonnable est de 1,5 sigma.
Dans ces conditions la proportion de dfauts sera de 3,4 ppm.
Process 3 sigma (Cp = 1 ; Cpk = 0.5) Process 6 sigma (Cp = 2 ; Cpk = 1.5)
0 1 2 3 1 2 3 0 2 4 6 2 4 6
66807
ppm
66807
ppm
3.4
ppm
3.4
ppm
1.5 1.5
Figure 14.3 Six Sigma en tenant compte dun dcentrage de 1,5 sigma
1. Ce dcentrage est expliqu par lefficacit des cartes de contrle On pourra se reporter louvrage
Appliquer la Matrise statistique des procds pour plus de renseignements.
02 46 -2 -4 -6
3.4
ppm
Court terme :
Z
ST
= 6 ou Cp = 2
Long terme :
Z
LT
= 4 ou Cpk = 1.33
6
ST
LT
4
LT
ST
3.4
ppm
Figure 14.4 Sigma court terme et long terme
Notons tout de suite que lobjectif de Six Sigma est dobtenir un niveau de capabilit
court terme tel que z = 6 soit un Cp de 2. Ce niveau est le minimum que lon doit
exiger si lon veut pouvoir garantir une capabilit long terme satisfaisante. En effet
sur lensemble de la production, il est impossible de maintenir le processus parfaite-
ment sur la cible. Il faut donc calculer deux capabilits :
une capabilit court terme Z
ST
ou Cp (Capabilit du Processus)
une capabilit long terme Z
LT
ou Pp (Performance du Processus)
Dans lapproche Six Sigma classique, il ny a pas dexigence sur le niveau de capabilit
long terme atteindre. Cependant les entreprises qui pratiquent de manire intensive
la mthode demandent en gnral une performance du processus telle que Z
LT
= 4 ou
Ppk = 1.33
Au chapitre 10 nous avions particulirement insist sur la chute des capabilits. Dans
le langage Six Sigma, nous pouvons rcrire cette chute de capabilit avec les exigen-
ces Six Sigma (figure 14.5).
Stabilit
du procd
Centrage
du procd
Perte
de capabilit
Mesure
R & R < 0.2
ou Cpc > 4
Court terme
Z
ST
> 6
ou Cp > 2
Long terme
Pp
Long terme
avec dcentrage
Z
LT
> 4
Ppk > 1.33
Condition
dacceptation
dun processus
Condition
dacceptation
dun lot
Figure 14.5 Chute des capabilits (court terme et long terme)
La premire capabilit quil faudra mesurer est la capabilit du processus de contrle
(Cpc ou R&R %). La tolrance devra tre au moins 4 fois suprieure la dispersion
de mesure (Cpc 4).
partir du moment o on dispose dun processus de mesure adapt, on pourra conna-
tre la capabilit court terme du processus. Pour tre accept, il faudra que la tolrance
soit au moins 2 fois suprieure la dispersion court terme (Cp = 2 ou Z
ST
= 6).
Enfin aprs la production, pour accepter le lot il faut que la moyenne se situe au
moins 4 s
LT
de la tolrance (Ppk = 1.33 ou Z
LT
= 4).
2.2 Cas des critres non mesurables
Dans le cas de critres non mesurables, lobjectif sera quivalent au cas des critres
mesurables. Par Six Sigma on cherchera obtenir le niveau de qualit de 3,4 ppm.
Pour cela on dissocie deux faons de compter les dfauts : les DPO (Dfauts par
Opportunits) et les DPU (Dfaut par Unit).
La notion de DPO (Dfaut par Opportunit) a t introduite pour tenir compte de la
complexit des produits raliser.
Prenons par exemple une chaussure sur laquelle on a deux opportunits de dfauts
(semelle dcolle et couture dcousue). Sur une journe de production de 500 chaus-
sures, on a trouv 5 dfauts de semelles et 25 dfauts de couture. On a un DPU de
30/500 = 6 % et un DPO de 30/1 000 = 3 % car il y a 1 000 (500x2) opportunits de
dfauts.
Dans le cas dun suivi des non-conformits, la performance nest pas la mme si on
travaille sur un produit trs simple nayant quune seule opportunit de dfaut ou si
on travaille sur un produit complexe comprenant 10 opportunits de dfauts.
Le tableau figure 14.6 donne un exemple de traitement par les DPO des calculs de
capabilits.
Nb
de produits
Nb
de dfauts
DPU Nb
opportunits
DPO p Z
quiva
Z
ST
Ppk %
500 14 0.028000 25 0.00112 0.00112 3.06 4.56 1.02
2 563 25 0.009754 1 0.00975 0.00971 2.34 3.84 0.78
1 462 1 0.000684 5 0.00014 0.00014 3.64 5.14 1.21
250 4 0.016000 1 0.01600 0.01587 2.15 3.65 0.72
120 000 12 0.000100 5 0.00002 0.00002 4.11 5.61 1.37
Figure 14.6 DPOet DPU
Le z
quivalent
est alors calcul par assimilation une loi normale qui donnerait un pour-
centage p de dfaut avec :
p = 1 e
DPO
= 1 - e
1,016
= 0.01587
En se rfrant la table de Gauss, on en dduit le z
quivalent
= 2.15
Le calcul de p est ralis en utilisant la loi de Poisson en calculant la probabilit
quun produit puisse avoir un ou plusieurs dfauts.
Le Z
ST
est calcul en ajoutant 1.5 sigma au z
quivalent
pour se ramener au calcul dans le
cas dun processus mesurable avec un dcalage de 1.5 sigma. En effet, on a vu que
dans le cas dun processus mesurable, le calcul du pourcentage de non-conformit se
faisait dans la situation particulire ou la courbe est dcal de 1.5 sigma.
Z
ST =
z
quivalent
+1.5 = 2.15+1.5 = 3.65
Le Ppk % indique le Ppk quivalent dune loi normale ayant le mme pourcentage de
dfaut.
Ppk % = z
quivalent
/3 = 2.15/3 = 0.72
3. SIXSIGMAUNE MTHODE DE MATRISE
DE LAVARIABILIT
Pour obtenir les niveaux de capabilit exigs par Six Sigma, il est absolument nces-
saire dutiliser des outils et plus particulirement des outils statistiques. Dans lappro-
che Six Sigma, tous les outils utiliss sont connus, il ny a pas doutils nouveaux. Ce
qui est intressant dans lapproche Six Sigma, cest la structuration dans lutilisation
des diffrents outils. Six Sigma se dcline en six tapes. En suivant scrupuleusement
ces six tapes, le technicien mme sil nest pas expert en statistique, pourra avec un
minimum de formation atteindre lobjectif de variabilit fix.
Dfinir
Rgles
Mesurer
R0
Analyser
R1
Innover
R2
Contrler
R3
Standardiser
R4
R5
fiche de poste
Y
x
1
x
2
x
3
x
4
x
1
, x
2
, x
3
, x
4
Bien dfinir l e probl me,
l es l imites de remise
en cause, l quipe
de travai l .
Trouver un moyen
de mesure de l a qual it.
Vrifier sa capabil it.
Rcol ter des faits.
Dterminer l e z du processus.
Examiner, anal yser
l es donnes.
Prouver statistiquement
l es facteurs infl uents.
Exprimenter, modifier,
aml iorer, optimiser.
Prouver statistiquement
que l es aml iorations
sont efficaces.
Appl iquer l a sol ution.
La formal iser.
La mettre sous contrl e.
Prenniser l a sol ution.
Dpl oyer l es bonnes
pratiques.
Cl ore l e projet.
Figure 14.7 Les six tapes de la dmarche Six Sigma
Pour prsenter brivement les six tapes de la dmarche, nous avons choisi de nous
appuyer sur un exemple relativement simple de mise en uvre de la dmarche, mais
qui montre bien les diffrentes tapes quil faut suivre et lutilisation de plusieurs outils
statistiques conduisant la russite du projet.
Lexemple dutilisation
Une entreprise ralise un alsage sur un piston en utilisant une machine multipostes.
Le niveau de qualit actuel nest pas satisfaisant et lentreprise rencontre des difficults
en clientle aussi bien avec son client aval (montage) quavec son client final (utili-
sateur du produit fini). Pour rsoudre ce problme elle dcide de recourir un projet
Six Sigma.
3.1 tape 1 : Dfinir
3.1.1 But de ltape
Pour rsoudre un problme, il faut dabord bien dfinir quel est le problme. Aprs
avoir slectionn le problme sur lequel on doit se pencher, on cherchera dans cette
tape dabord parfaitement dcrire qui est le client, quelle est son insatisfaction et
quelle est la (ou les) grandeur Y qui permet de traduire cette insatisfaction.
3.1.2 Les actions principales raliser
_ Formuler le problme.
_ Identifier les clients, et prciser ce qui est critique pour les clients.
_ Formaliser le processus tudi :
Faire la bote noire du processus (avec les connaissances actuelles).
Quels sont les Y (sorties) du processus lis ce qui est critique pour le client ?
Quels sont les processus de mesure ? Sont-ils continus (7 niveaux minimum) ?
_ Quelles sont les spcifications actuelles sur les Y ?
_ Quels sont les X a priori ?
_ Positionner le processus dans son ensemble (Bloc Diagramme).
_ Identifier ltat actuel :
Existe t-il un historique sur le problme ? Un historique sur les Y ?
Quelle est la capabilit actuelle si elle est connue ?
Quels sont les cots de non qualit identifis et lis au problme ?
_ Identifier ltat souhait lcart est-il proportionnel lampleur du problme ?
Quelle est la capabilit vise ?
Quels sont les cots de non-qualit que lon veut supprimer ?
Quels sont les gains en productivit ... ?
3.1.3 Les outils utiliss
Loutil fondamental pour cette tape est le QQOQCP. Mais tous les outils de base des
dmarches de rsolution de problme sont utiliss comme par exemple :
Pareto ;
Cinq Pourquoi ;
Histogramme ;
...
3.1.4 Exemple dapplication
AT5 25
Y : Hauteur 12 0.02
X a priori
Matire
Position sur machine
Oprateur
Figure 14.8 La bote noire
Dans latelier de fabrication concern, un Pareto des cots de non-qualit est rgu-
lirement ractualis. Il apparat depuis plusieurs mois que lusinage de lalsage du
piston est le point numro 1 de la non-qualit. Il est donc choisi comme sujet dappli-
cation de Six Sigma.
Le champion du secteur et le Black Belt se runissent et dfinissent ensemble le
problme. Le QQOQCP est utilis, le rsultat de ce travail est mis sous la forme dune
feuille douverture de chantier.
Formulation du problme :
La cote de hauteur de lalsage du piston subit des variabilits trop importantes entranant des
cots de non qualit importants. Nous recherchons mieux matriser cette variabilit.
Identification des clients :
Client aval : Atelier de montage
Client final : Utilisateur du produit
Situation actuelle Situation vise
Utilisation de la machine AT5 25
Oprateur sans qualification
Deux sources dapprovisionnement des pices
brutes
Court terme Cp = 1.2 (Z
ST
= 3.6)
Performance mesure Ppk = 0.4 (long terme)
Capabilit du moyen de contrle inconnu
Contrle des pices 100 %avec, malgr cela,
des problmes en clientle
Utilisation de la machine AT5 25
Oprateur sans qualification
Deux sources dapprovisionnement des pices
brutes
Capabilit Cp > 2 (Z
ST
> 6)
Performance attendue Ppk > 1.33
Suppression des tris.
Gains attendus mesurables Gains attendus non mesurables
Suppression de pices rebuts
Diminution des cots de contrle
Diminution des rclamations clients
Amlioration du TRS
30 000 euros par an
Temps gagn en drogation et traitement de
non-conformit par le service qualit, la ma-
trise datelier...
Meilleure fiabilit des produits finis
Meilleure image auprs de nos clients
Augmentation de nos parts de march
Equipe chantier Six Sigma Black Belt GDE Champion HRA
Groupe MPO ; ACO, DDU
Caractristiques Y identifies :
Hauteur entre lalsage et le sommet du piston : 12 0.02
Moyen de mesure : Montage existant, capabilit non mesure
Cots identifis du projet : 7 000 euros si pas dinvestissement ncessaire
Fournisseur B
Montage
Stockage
Contrle rception
BLi
Production
OF PS GF
AC
Stockage
OK
Tri
KO
KO
Retour fournisseur
Fournisseur A
OK
Figure 14.9 Diagramme du processus
3.2 tape 2 : Mesurer
3.2.1 But de ltape
Cette tape deux objectifs :
Le premier consiste vrifier que la chane de mesure utilise nest pas dj une
source importante de variabilit. Pour cela, aprs avoir vrifi le rattachement de
linstrument la chane dtalonnage, on vrifie que la variabilit due aux dfauts
de rptabilit (plusieurs mesures dun oprateur) et de reproductibilit (plusieurs
oprateurs) nest pas trop forte.
Le second objectif de cette tape est de rcolter des faits en observant le processus.
_ Formuler le problme (actualisation)
Faire la bote noire du processus (avec les connaissances actuelles)
Quels sont les Y du processus lis ce qui est critique pour le client ?
Quels sont les processus de mesure ? Sont-ils continus (7 niveaux minimum) ?
Quelles sont les spcifications actuelles sur les Y ?
Quels sont les X a priori ?
_ Valider le processus de mesure.
Rattachement la chane dtalonnage.
Vrification de la justesse.
Vrification de la rptabilit et de la reproductibilit (R&R).
_ Observer le procd.
Lister les sources possibles de variabilit quil faut observer
Raliser un dballage dides pour faire lanalyse des 5 M
Rduire la variabilit inutile
Mettre en place des cartes dobservations.
Mettre en place des feuilles de relev.
Enregistrer toutes les informations disponibles sur Y avec ses attributs (X cor-
respondants).
Les outils seront des outils de mtrologie pour valider la capabilit des moyens de
contrle et des outils de saisie dinformation sur le poste de travail.
Test R&R rptabilit et reproductibilit.
Feuille de relevs.
Carte dobservation.
Pour valider linstrument de mesure, un test R&R a t ralis. Ce test consiste faire
mesurer 10 pices deux fois par deux oprateurs (figure 14.10).
Oprateur 1 Oprateur 2
N
o
pice
1
re
mesure
2
e
mesure
/X R 1
re
mesure
2
e
mesure
/X R
1 11.997 12,000 11.9985 0.003 11.995 11.997 11.996 0.002
2 11.983 11.98 11.9815 0.003 11.984 11.985 11.985 0.001
3 12.004 12.004 12.004 0 12.004 12.004 12.004 0
4 12.017 12.017 12.017 0 12.016 12.017 12.017 0.001
5 12.018 12.020 12.019 0.002 12.015 12.016 12.016 0.001
6 12.018 12.020 12.019 0.002 12.018 12.019 12.019 0.001
7 11.98 11.98 11.98 0 11.981 11.980 11.981 0.001
8 11.997 12,000 11.9985 0.003 11.996 11.997 11.997 0.001
9 12.015 12.015 12.015 0 12.015 12.014 12.015 0.001
10 11.987 11.99 11.9885 0.003 11.986 11.987 11.987 0.001
12.000 12.001 12.0013 0.001 11.997 11.995 12.001 0.001
//X1 /R1 //X2 /R2
Figure 14.10 Test R&R
partir de ce tableau on calcule un indice R&R de 14 %, cela signifie que la dispersion
de la mesure (6 ) est gale 14 % de lintervalle de tolrance. On peut galement
calculer un indicateur de capabilit Cpc = 7.14, ce qui signifie que la tolrance est
7.14 fois plus grande que la dispersion.
Le Cpc tant > 4, on considre que la chane de mesure est valide. Dans le cas contraire,
il ne fallait pas avancer, on aurait du dabord amliorer le Cpc.
Dispersion
forte
Capabilit
insuffisante
Diffrences
entre les 4 postes
Main-duvre Milieu Matire
Moyen
Mthodes
Influence
de lopration amont
Variation
de la composition
Diffrence
entre fournisseurs
Temprature
extrieure
Variation de la pression
dans le rseau
Diffrence de rglage
entre les oprateurs
Flexion
des butes
Dispersion de positionnement
sur les posages
Vibration machine
Prise pices non adapte
Paramtres de coupe
non robustes
Afftage des outils
Figure 14.11 Analyse des 5 M
La suite de ltape mesurer consiste observer le procd. Pour connatre ce quil
est pertinent dobserver, on ralise, par exemple, une analyse des 5M (figure 14.11).
Pour pouvoir observer le processus dans de bonnes conditions, on met en place toutes
les actions qui peuvent facilement rduire les risques de variabilit. Des actions de
rduction de variabilit sont alors prises telles que :
mise en place dun surpresseur pour liminer les variations de pression dans le
rseau ;
la formalisation des processus de rglage par la cration de fiches de poste ;
...
Cette premire analyse du processus permet didentifier les sources de variabilit quil
est souhaitable dobserver pour pouvoir faire des analyses. Pour cela on utilise une
feuille de relev de type tableau permettant de noter : le jour, lheure, le fournisseur
de matire, loprateur, le n
o
de position, et la cote Y. La frquence de prlvement
est fixe un tour de plateau toutes les deux heures.
N
o
Fournisseur Jour Oprateur Heure Pos1 Pos2 Pos3 Pos4
3.3 tape 3 : Analyser
3.3.1 But de ltape
Conformment toutes les mthodes de rsolution de problme, Six Sigma impose
une phase danalyse avant de modifier le processus. Ltape 2 nous a permis de rcolter
des faits, ltape trois nous permettra de les analyser. Lanalyse portera dabord sur Y
(la sortie de la bote noire) puis sur les X en relation avec les variations sur Y
_ Analyser toutes les donnes disponibles rcoltes lors de ltape 2
_ Analyser le comportement de Y (normalit, chute des capabilits...)
_ Analyser les relations qui peuvent lier les X et les Y
_ Vrifier linfluence des trois types de variations :
Variations de position
Position sur une machine multi posages
Chip particulier dans un wafer
Empreinte dans un moule sur une presse injecter
Variation entre 2 machines, 2 oprateurs, 2 ateliers
...
Variations cycliques
Variation dun lot un autre
Variation dune coule une autre
Variation parmi un groupe dunits (usure doutils)
...
Variations temporelles
Variation dune quipe lautre, matin et soir, jours de la semaine...
_ Pondrer lensemble des X en fonction de leurs poids sur Y
_ Se focaliser sur les X les plus importants
_ Ractualiser les gains potentiels ou dj acquis
Cette tape fait largement appel aux outils statistiques. On utilisera notamment :
le diagramme en arte de poisson ;
les tests de comparaison de moyennes, de variance, de frquences ;
les botes moustaches ;
les analyses factorielles ;
les analyses de la variance ;
les rgressions multiples ;
...
partir des donnes rcoltes dans ltape Mesurer on peut conduire un certain
nombre danalyses de donnes.
Analyse de Y
Aprs deux semaines dobservation du processus, on analyse les donnes recueillies.
La premire analyse de Y consiste construire un histogramme des valeurs de Y
(figure 14.13).
11.97 11.98 11.99 12.00 12.01 12.02 12.03
LSI LSS
Court terme
Long terme
Figure 14.13 Histogramme sur Y
Lanalyse statistique nous indique que la rpartition nest pas normale. Le calcul des
capabilits donne :
_ Capabilit court terme : Cp = 1 ; Cpk = 0,92 ( lintrieur dun prlvement)
_ Capabilite long terme : Pp = 0.89 ; Ppk = 0.82
Lanalyse de la carte de contrle (figure 14.14) nous indique une drive du processus
partir du 42
e
prlvement. Mais ce nest pas la cause du problme, en effet, la
capabilit court terme Cp est trs infrieure 2. Cest donc l quil faut chercher les
sources de variabilits.
60 50 40 30 20 10 Sous-groupe 0
12.02
12.01
12.00
11.99
11.98
M
o
y
e
n
n
e

d
c
h
a
n
t
.
Moy. = 12
UCL = 12.02
LCL = 11.98
Carte X barre/R pour Pos1-Pos4
0.05
0.04
0.03
0.02
0.01
0.00
R = 0.02087
UCL = 0.04760
LCL = 0
t
e
n
d
u
e

d
e

l
c
h
a
n
t
.
Figure 14.14 Carte de contrle sur Y
Analyse des X
Lanalyse des X nous permet de dterminer les sources probables de lorigine de la
dispersion. Cette tude se fait partir des donnes de la feuille de relevs. En ralisant
une analyse de la variance en modle linaire, on trouve le graphique des effets de la
figure 14.15.
Poste Heure Oprateur Jour Fournisseur
4 3 2 1 2 1
12.005
12.001
11.997
11.993
11.989
Y
J
e
u
d
i
V
e
n
d
L
u
n
d
M
a
r
d
M
e
r
c
0
8
1
0
1
2
1
4
1
6
1
8
A
l
b
L
o
u
Figure 14.15 Graphique des effets principaux sur Y
Lanalyse statistique (non reproduite ici) nous montre que le fournisseur, loprateur
et le poste sont responsables dcarts. Le jour et lheure ne sont pas significatifs. Pour
illustrer leffet de ces facteurs, nous utilisons le diagramme Boite moustache
(figure 14.16).
4 3 2 1
Poste
Y
*
12.02
12.01
12.00
11.99
11.98
11.97
Figure 14.16 Bote moustaches
Ce diagramme nous montre quil y a un dcalage entre les postes sur la moyenne mais
que chaque poste disperse de manire similaire.
Lanalyse se termine par une recherche des causes profondes des carts observs. Dans
le cas des postes, lexplication est immdiate il sagit dun rglage. Dans le cas de
loprateur ou de la matire, lexplication est moins immdiate. Nous avons pu obser-
ver un cart dans la manire de positionner les pices entre les deux oprateurs qui
semble expliquer cet cart. Au niveau du fournisseur, le groupe de travail a attribu
ces variations aux carts de duret de la matire constats par ailleurs.
3.4 tape 4 : Amliorer
3.4.1 But de ltape
Aprs avoir dtermin les sources potentielles de la dispersion lors de ltape danalyse.
Il faut maintenant amliorer le processus. Cest le but de cette tape damlioration.
Aprs avoir fait la synthse de toutes les connaissances acquises lors des tapes pr-
cdentes, le groupe de travail se runi afin de dterminer les actions qui doivent a
priori amliorer Y. Lexprimentation des diffrentes actions se fera toujours laide
des outils statistiques pour valuer lefficacit des actions.
3.4.2 Les principales actions
_ synthse des connaissances acquises ;
_ gnrer des solutions et slectionner les plus efficientes ;
_ valider les solutions par une dmarche exprimentale ;
_ analyser les risques ;
_ planifier la mise en uvre de la solution.
Les principaux outils utiliss lors de cette tape sont :
_ le dballage dides ;
_ le plan daction (Qui Quoi Quand) ;
_ les plans dexpriences (modification de plusieurs facteurs) ;
_ les tests de comparaisons (modification dun facteur).
Dans lexemple que nous avons retenu, lamlioration sest ralise en deux tapes.
La premire tape a consist figer la manire de positionner les pices par une
modification du posage et rgler les postes sur la cible partir des carts constats
par lanalyse de la variance.
Une nouvelle capabilit court terme a t ralise aprs cette premire modification.
Les rsultats furent les suivants :
Capabilit court terme : Cp = 1,6 ; Cpk = 1,5 ( lintrieur dun prlvement)
Bien que meilleure quau dpart, cette capabilit natteint pas lobjectif Six Sigma
(Cp = 2)
laide du diagramme dIshikawa, le groupe de travail a dcid de modifier un para-
mtre de coupe (angle) et le posage afin dassurer une meilleure tenue des pices. Le
but tant de rendre insensible le processus aux variations dues aux fournisseurs et aux
oprateurs.
Pour apporter la preuve statistique de lamlioration, un plan dexpriences complet a
t ralis. Pour chaque configuration teste, 50 produits ont t raliss et mesurs.
Nous avons not les rsultats synthtiques : la moyenne et la dispersion.
Fournisseur 1 Fournisseur 2
Moy Moy N
o
Angle Posage
1 93
o
Ancien 12.0021 0.0050 12.0010 0.0075
2 93
o
Nouveau 12.0035 0.0032 12.0026 0.0052
3 85
o
Ancien 11.9951 0.0032 12.0011 0.0057
4 85
o
Nouveau 11.9966 0.0024 11.9978 0.0026
La rponse qui nous intresse est de minimiser la dispersion et donc de minimiser
lcart type. Le graphe des effets nous donne :
0.88 1.00
4.35
3.35
Moy
Y
C1
Ang
C2
Pos
5.35
93 85 Anc Nouv
Figure 14.17 Rsultats du plan dexpriences
Une premire interprtation nous donne la meilleure solution pour minimiser la
variance, il faut mettre simultanment en place les deux amliorations proposes. Une
tude plus complte en signal/bruit de Taguchi mais qui sort du domaine de cet
ouvrage donnerait le mme rsultat.
Une nouvelle capabilit court terme a t ralise aprs cette seconde modification.
Les rsultats furent les suivants :
Capabilit court terme : Cp = 2,7 ; Cpk = 2,3
Lobjectif Six Sigma est atteint.
3.5 Etape 5 : Contrler
3.5.1 But de ltape
Le processus ayant t amlior lors de ltape 4, il faut dsormais tout mettre en
uvre pour garantir que ces amliorations seront maintenues et que le processus ne
se dgradera pas. Le but de cette tape est donc de mettre en place la structure per-
mettant de mettre sous contrle le processus .
3.5.2 Les actions raliser
_ Dterminer les tolrances placer sur les X critiques
_ Dterminer le plan de surveillance pour lensemble des caractristiques
_ Mettre en place des cartes de contrle pour suivre les caractristiques essentielles
_ Mettre en place des systmes zro dfaut l o cest possible
_ Documenter le poste de travail
Loutil privilgi dans cette tape est la carte de contrle. Tous les types de cartes de
contrle peuvent tre utiliss depuis la classique carte de contrle moyennes tendues
jusqu la carte EWMA.
Nous avons vu au paragraphe 2.3.3. que le processus de fabrication pouvait driver.
Pour le maintenir sous contrle et conserver le bon niveau de capabilit obtenu
ltape 4, il est dcid de mettre en place une carte de contrle.
Type de carte : Moyennes/tendues (X/R)
Taille des chantillons : Un tour de plateau soit 4 pices.
Frquence de prlvement : La rapidit de la drive observe lors de ltape 3 et les
amliorations apportes ltape 4 conduisent choisir une frquence de 1 prlvement
toutes les 4 Heures.
Suivi des capabilits : Un suivi graphique des capabilits est mis en place afin de
suivre lvolution de la chute des capabilits Cp, Pp, Ppk. Lactualisation du graphique
se fait une fois tous les quinze jours.
3.6 Etape 6 : Standardiser
3.6.1 But de ltape
Le but de cette sixime et dernire tape est de mettre en place lensemble des pro-
cdures pour que la solution choisie devienne prenne dans le temps. Cest galement
de diffuser les bonnes pratiques sur dautres postes l o cest possible.
3.6.2 Les actions raliser
_ Simplifier l o cest possible la solution adopte lors de la dmarche Six Sigma
_ Finaliser lensemble des procdures dauto matrise afin de prenniser la solution
_ Slectionner les bonnes ides partager, tendre la solution sur dautres processus
si cest possible
_ Communiquer sur la russite de laction
Dans notre exemple, la mthode choisie pour serrer la pice a apport un rel progrs
sur le processus tudi. Il est facilement utilisable sur dautres machines effectuant le
mme type de production. On retient donc le principe de standardiser ce nouveau
serrage.
Enfin, on finalise le plan dautomatrise sur le poste de travail en incluant lenviron-
nement du poste, les procdures de contrle, de maintenance, de traitement des
non-conformits et de suivi de la qualit.
4. SIXSIGMAUNE ORGANISATION
DES COMPTENCES
4.1 Les diffrents niveaux de pilotage
Pilotage
Conduite et suivi
Pilotage tactique
Pilotage oprationnel
Responsable
de lentit
Champion
Black belt
Green belt
Oprationnels

Figure 14.18 Les diffrents niveaux de pilotage
Le pilotage dune dmarche Six Sigma doit comme pour toutes autres activits avoir
les quatre couches : stratgique, tactique, oprationnelle, conduite et suivi.
Stratgique : la mise en place de Six Sigma doit partir dobjectifs en termes de cots,
de performances internes, de satisfaction clients et de perception externe et enfin de
parts de march et de positionnement vis vis de la concurrence. Pour atteindre ces
objectifs, il faut alimenter les moteurs du progrs en donnant une vision claire sur la
faon dont on veut que les choses avancent. Ces engagements sont forcment pris au
niveau le plus haut de lentreprise en impliquant fortement les Champions.
Tactique : le pilotage tactique consiste traduire les dcisions stratgiques au niveau
des services oprationnels. Il va consister faire les choix des chantiers Six Sigma qui
mritent dtre dvelopps et donner les moyens aux quipes de conduire ces projets.
Le Champion est fortement impliqu dans cette phase, assist du Black Belt pour le
choix des chantiers.
Oprationnel : le pilotage oprationnel va principalement consister conduire les
chantiers Six Sigma notamment par lutilisation de la dmarche DMAICS que nous
avons dcrite. Le Black Belt est donc leader dans cette couche de pilotage, assist par
les membres de son quipe, les Green Belt.
Conduite et suivi : cette couche trs applicative va consister appliquer les dcisions
qui sortent de la dmarche DMAICS. Elle va impliquer tous les oprationnels du
processus concern dont les Green Belt qui sont choisis notamment pour tre des
oprationnels.
Groupe projet
dirige par un
Black Belt
Champion
Master Black Belt
Figure 14.19 Lorganisation Six Sigma
4.2 Les diffrents rles
On aura compris lors de la description du petit exemple que nous avons choisi de
prsenter que Six Sigma ne peut pas simproviser sans comptence.
Mettre en uvre Six Sigma cest aussi former son personnel et dterminer des rles
particuliers aux individus qui vont conduire le changement. Dans la dfinition des rles
de chacun, lentreprise General Electric a propos de donner les noms de White Belt,
Green Belt, Black Belt, Master Black Belt, et Champion. Si les noms changent dune
entreprise lautre, on parle par exemple dEquipier, de Pilote, de Coach, les fonctions
doivent tre remplies pour garantir le succs du dploiement de Six Sigma dans lentre-
prise.
Les deux personnages les plus importants sont le Black Belt (Ceinture noire) et le
Champion.
Le Black Belt ou animateur Six Sigma a pour rle de piloter le groupe de travail. Il
est affect 100 % sur lavancement des projets Six Sigma. Son rle est le suivant :
il anime le projet ;
il forme le groupe de travail ;
il utilise les outils et la mthode Six Sigma.
Pour pouvoir tre Black Belt, il faut cumuler deux comptences : une comptence dans
les outils de la qualit et plus particulirement dans les outils statistiques et une comp-
tence dans le management dune quipe.
Le Champion est choisi par le patron de lentreprise. Son rle nest pas de conduire
les projets, mais de choisir les projets conduire puis de les suivre activement en ayant
la responsabilit de raliser les revues entre chaque tape du cycle DMAICS. Il a la
responsabilit du dploiement de Six Sigma dans un secteur de lentreprise. Typique-
ment, un Champion est un responsable excutif avec un haut niveau de responsabilit.
Il peut tre le responsable dun site, ou responsable dune fonction importante de
lentreprise. Il doit faire partie du comit de direction.
Les Champions ont en charge le succs du dploiement de Six Sigma dans un secteur
de lentreprise. Ils doivent superviser les Black Belt dune unit de lentreprise. Ils
sinvestissent dans le choix des projets raliser et fournissent un support en faisant
disparatre si besoin est les barrires culturelles. Ils doivent sassurer que les
ressources sont disponibles tant en hommes quen matriels.
Le Champion suit activement lvolution des projets. Notamment avec une responsa-
bilit dans lorganisation des revues de projet qui doivent ponctuer chaque fin dtape.
Les Champions sont trs importants, ils donnent la cohsion la dmarche Six Sigma
en reliant chaque projet aux objectifs stratgiques de lentreprise et en vitant la varia-
bilit ... dans la mthode.
Le Master Black Belt est lexpert dans lutilisation des outils et de la mthode. Il
enseigne, conseille et dveloppe la mthode. Il possde une trs solide exprience dans
lutilisation des outils statistiques. Il a men de trs nombreux projets Six Sigma. Il
intervient en tant que conseiller auprs du Black Belt, il dnoue les situations dlicates.
Il conduit rgulirement des runions avec les Black Belt dans le but de les faire
progresser dans lutilisation des outils et des mthodes de Six Sigma.
Enfin, on trouve galement le Green Belt (ceinture verte) qui est le Black Belt en
formation.
4.3 La formation des intervenants
La mise en uvre de Six Sigma ncessite une trs importante formation. Mais cela ne
suffit pas, il faut que cette formation soit couple avec une exprience de mise en
uvre de la dmarche. Cest pourquoi la formation des Black Belt est une formation
qui alterne des temps de formation thorique et des temps de pratique en entreprise
(souvent une semaine de formation thorique et un mois dapplication).
Ainsi, pour chaque acteur de Six Sigma, on trouve une formation spcifique. La for-
mation des champions est un peu plus restreinte, mais couvre nanmoins tous les
aspects de lapproche.
5. SIXSIGMAUNMANAGEMENT PAR PROJET
Six Sigma, au del dune mthode de rsolution de problme est un vritable outil de
management de la qualit orient vers la qualit des produits. Pour russir il faut
dpasser la mthode et inscrire les projets Six Sigma dans une stratgie dentreprise.
Cest la dmultiplication des chantiers Six Sigma dans lentreprise qui permet dobtenir
des gains cumuls significatifs, tant pour lentreprise que pour les clients. Pour grer
cette multitude de chantiers, il faut galement une approche structure que fournit le
management par projet.
Laspect management par projets est dj trs marqu par la structure de la mthode :
Six Sigma en six tapes. Le champion joue un rle prpondrant dans cette gestion
par projet. En effet, il fixe un objectif, un planning, et value lavancement des travaux
au travers de revues obligatoires pour valider le passage dune tape lautre. Tous
les chantiers sont rpertoris, suivis et ont un impact valid sur les objectifs stratgiques
de lentreprise.
Laffectation des ressources est galement trs prsente dans le management de Six
Sigma. Faire partie dun projet Six Sigma demande de la disponibilit qui doit tre
gre au niveau du projet. Outre les ressources humaines, on doit galement grer les
ressources financires de lentreprise pour disposer dun budget afin de pouvoir investir
dans la re-conception du processus.
Les points essentiels dun management par projet sont :
1. Initiation et criture du projet par le chef dentreprise et/ou un cadre afin quil soit
en accord avec la stratgie de lentreprise.
2. Choix du chef de projet (Le Black Belt) en fonction de ses capacits mener ce
projet bien.
3. Choix des comptences (internes ou externes lentreprise) qui vont tre ncessaires
et suffisantes au projet.
4. Choix dun rfrent du projet (Le Champion) qui va suivre lavancement, les dif-
ficults et allouer les ressources ncessaires.
5. Dfinition des objectifs et des limites du projet.
6. Dtermination dun budget et suivi de ce budget au travers un tableau de bord
financier.
7. Dfinition des modes de validation de lavancement du projet.
8. Dfinition des modes de communications (rapports dtapes, runions...)
La gestion simultane de tous les projets, limplication de tous les acteurs donne la
dimension stratgique Six Sigma. Plutt que de se focaliser sur le contrle des
produits, on sintressera davantage la matrise des processus et la matrise de la
conception. Les perspectives de Six Sigma se placent dans un avenir long terme,
accompagn dun changement culturel profond des acteurs de lentreprise qui demande
une solide formation. Le but nest pas de faire de lamlioration continue, mais de
faire de lamlioration par perce.
Conclusion
Mise en uvre dune
dmarche qualit :
une complmentarit
systme-outils
Mettre en uvre une dmarche qualit et la faire vivre est une tche qui requiert
beaucoup dnergie. Comme le rendement est long terme, un phnomne dusure
risque de sinstaller rapidement.
En premier lieu, il faut bien analyser ce qui existe. Il ny a pas les entreprises qui font
de la qualit et les autres. Dans toutes nous retrouvons au minimum une bauche de
systme qualit. Rappelons que cest le consommateur qui donne, par ses achats, un
label de qualit. Une qualit qui ne se vend pas devient de la surqualit, donc une
perte. Lvolution du chiffre daffaires constitue un excellent indicateur.
Dvelopper un systme qualit est laffaire de tous. La dcision de cration dune
dmarche qualit doit engendrer une dynamique de progrs. Ladhsion de chacun
ne sera obtenue que si lon reconnat et quon intgre le travail dj accompli. Une
nouvelle formalisation ne doit pas ignorer les anciennes mthodes, cela vitera bien
des aigreurs qui constitueront un frein futur toute volution.
1. UNIMPRATIF : LE SOUTIENDE LADIRECTION
Pour que le client potentiel soit convaincu que lentreprise va assurer la qualit requise,
il faut dabord que les acteurs en soient persuads eux-mmes.
Dans les normes ISO 9000, on retrouvera lengagement de la direction en tte, ce nest
pas un hasard. Le chef dentreprise va tre un vecteur pour cette dmarche, par sa
motivation et par les moyens financiers quil allouera aux services responsables. Sil
nen est pas profondment persuad, quil nengage cette dmarche que par effet de
mode ou sous la pression de grands donneurs dordres, ladhsion au projet va se
dtriorer rapidement.
Lengagement de la direction est ncessaire mais non suffisant. La dmarche qualit
se dcline tous les postes de lentreprise. Une formation technique, conomique et
culturelle est ncessaire pour que chacun prenne conscience que la qualit cest dabord
son propre travail, quune erreur mineure sur son poste peut engendrer pour la suite
du produit des consquences graves et terme donner une image dplorable de lentre-
prise. En rsum, il faut former des oprateurs conscients et responsables.
Le soutien de la direction sera dautant plus important que les progrs raliss par la
dmarche qualit pourront tre mesurs. Pour cela, il est important de mettre en place
ds le dbut de toute dmarche damlioration des indicateurs globaux permettant de
mesurer les progrs accomplis.
2. FAIRE LE NCESSAIRE ET LE FAIRE VIVRE
Le risque, cest que dans lenthousiasme du dpart, on en fasse trop. Un systme trop
complexe va progressivement tre de moins en moins efficace. Il ne faut pas oublier
que le mieux est parfois lennemi du bien . Pour viter une lourdeur documentaire,
les acteurs seront tents de fuir ou dignorer les problmes rencontrs. Il faut mettre
en place des procdures simples. Ce nest pas facile, car lancien lve qui sommeille
en chacun de nous veut montrer quil est capable de faire des choses complexes,
difficiles et quil mrite la reconnaissance de ses pairs.
Un autre cueil rencontr est la rticence consigner par crit son savoir-faire, donc
quelque part sa raison dtre. Il faut que loprateur prenne conscience que lentreprise
ne doit pas tre trop pnalise par son absence (par exemple, un cong maladie). On
touche lindividu avec toute sa susceptibilit. Pour que lentreprise soit robuste aux
alas qui peuvent survenir, cest un passage obligatoire.
Le systme de management de la qualit tant install et oprationnel, il faut le faire
perdurer et si possible progresser. La bonne volont ne suffit pas. Les divers outils de
la qualit vont savrer des auxiliaires prcieux.
Certains seront matriss par lentreprise assez facilement, dautres au contraire vont
ncessiter un complment dinformation.
Comme pour la phase de dmarrage, on rencontrera les mmes difficults. Si loutil
nest peru que comme une mode, voire une lubie de la direction, ce sera un feu de
paille. La formation des hommes est le leitmotiv dune dmarche qualit, cest les
fondations du systme.
Il est vrai que lon a vu fleurir un nombre doutils impressionnant. Le bon sens doit
permettre de faire son choix et de ne retenir que ceux qui ont fait leur preuve et qui
sont vritablement ncessaires lentreprise. Il ne faut pas avoir le culte du dernier
outil.
Leffort requis ne pourra tre maintenu que si lon prouve que la qualit recherche
est bien au rendez-vous. Dj au niveau du produit, des mesures seront ncessaires
pour valider les processus, on pourra prouver ainsi quon les matrise. Cette preuve
ne sera tangible que si lon est conscient des incertitudes de ces mesures et quelles
sont bien compatibles avec ce que lon prtend affirmer.
Il faut ensuite envisager de mesurer lefficacit du systme qualit mis en place.
Dabord pour rassurer les acteurs, leur montrer que leur effort na pas t vain, cest
leffet pdagogique. Ensuite, cela permet de prvenir toute drive en engageant des
actions correctives.
3. SE CONCENTRER SUR LE PRODUIT
Ce que le client achte, cest le produit et non le systme qualit. Trop dentreprises
semblent oublier cette vidence dans leur dmarche. La certification demande un gros
investissement, mais cela ne suffit pas pour garantir une bonne qualit des produits
conus et fabriqus dans lentreprise.
CONCLUSION MISE EN UVRE DUNE DMARCHE QUALIT 393
Client
Bureaudtudes
Industrialisation
Fabrication
Plans dexpriences
Plans dexpriences
Plans dexpriences
QFD, AMDEC
QFD, AMDEC
SPC
QFD
Figure 15.1 La place des diffrents outils
Se concentrer sur le produit commence ds le marketing. Le produit imagin doit
ressembler le plus possible lidal ressenti par le client. Le QFD apporte cet gard
un plus incontestable. Et pourtant, son utilisation dans nos entreprises reste marginale.
La conception doit respecter le cahier des charges et diminuer les cots. L encore des
outils comme lanalyse fonctionnelle, lanalyse de la valeur sont dune aide prcieuse.
Lors de la conception, des choix technologiques doivent tre faits. Ils ncessitent sou-
vent des essais afin de vrifier la fiabilit et les performances du produit. Les plans
dexpriences et les tudes de fiabilit prvisionnelle sont dune remarquable efficacit.
Une fois la conception ralise, il est indispensable de valider les choix technologiques
en utilisant lAMDEC. Il ne nous est jamais arriv de faire une AMDEC dans une
entreprise sans dcouvrir au moins un dfaut potentiel important qui avait t sous-
estim. LAMDEC permet de faire prventivement les modifications ncessaires et
ainsi de concevoir un produit robuste.
Dans la phase dindustrialisation, les meilleurs choix seront faits grce aux plans
dexpriences et la mthode de Taguchi de conception robuste de processus. Ils
permettront de centrer les productions sur la cible tout en diminuant les variations
autour de cette cible. LAMDEC Process et lAMDEC Montage permettront de valider
les choix qui auront t faits.
Enfin, en fabrication, les outils de la MSP sont ingalables pour le pilotage des pro-
ductions et la formalisation des capabilits. Lutilisation des cartes de contrle valide
la stabilit des procds, et donne les indications de rglage ou dintervention de la
maintenance.
Comme on le voit, il est bien difficile de se concentrer sur la qualit dun produit si
lentreprise ignore tous les outils que nous avons cits. Mais peu nombreuses sont
celles qui peuvent se prvaloir de matriser compltement les outils tels que les plans
dexpriences, la MSP, le QFD ou lAMDEC.
Dans toute la vie du produit, les outils qualit doivent tre largement utiliss si lon
veut atteindre la pleine satisfaction du client. Mais ces outils doivent aussi tre tous
utiliss au quotidien dans les dmarches de progrs et de rduction de la variabilit.
Ce ne sont pas seulement les acteurs des services qualit qui sont concerns, mais tous
les acteurs de lentreprise en conception, en production mais aussi dans les services
administratifs. Lutilisation des outils de la qualit ne doit pas tre ponctuelle mais
bien au contraire intgre dans la stratgie de lentreprise. Lapproche Six Sigma
nous pousse relever ce challenge.
Pour conclure, il nous semble que le concept le plus important de la dmarche qualit,
cest de montrer que lon travaille pour une personne, le client, et, qu ce titre, nous
avons le devoir de le satisfaire. Si ce concept est vident dans le cas dun client externe,
il lest beaucoup moins pour un client interne lentreprise. Il ny a plus de service
roi avec ses services vassaux, tout le monde vise le mme objectif : la russite de
lentreprise.
CONCLUSION MISE EN UVRE DUNE DMARCHE QUALIT 395
BIBLIOGRAPHIE
AFAQ, Guide dautovaluation ISO/TS 16949 : 2002 AFNOR 2004
AFNOR, volution ISO 9000 Le guide -
AFNOR, Guide pour la mise en place de la Matrise Statistique des Processus X06-030
1992
AFNOR/AFCIQ, Analyse des Modes de Dfaillances, de leurs Effets et de leur Criti-
cit Journe dtude Lyon 1990
AFNOR, Grer et assurer la qualit Recueil de normes AFNOR 1997
American Supplier Institute, Inc, Orthogonal arrays and linear graphs ASI 1987
BINDI C., Un roman sur mesure AFNOR -2004
BORDONNE N., Note interne Prsentation ISO 9000 - Salomon 1992
BOTHE K., World class quality Amacom 1991
BOTHE DAVID R., Measuring process capability Mc Grow Hill 1997
CARUEL C., AMDEC Manuel de lanimateur Renault Direction de la Qualit
1988
Centres techniques industriels, PME PMI : la dmarche qualit - AFNOR 1992
Centres techniques industriels, La mtrologie en PME PMI : Pratique de la mesure
dans lindustrie AFNOR -1996
Cetama, Neuilly M, Statistique applique lexploitation des mesures Masson 1986
COURTOIS A., Martin BONNEFOUS C., PILLET M., Gestion de production ditions
dOrganisation 1996
Chrysler, Ford, GM, Statistical Process Control (SPC) Reference manual 1995
DAY RONALD G., Quality function deployment ASQC Quality Press 1993
DTRIE P., Le client retrouv Eyrolles 1993
DE QUATREBARBES B., Usagers ou clients ? Marketing et qualit dans les services
publics ditions dOrganisation
DOUCET C., La matrise de la qualit Entreprise Moderne ddition
EALEYLANCE A., Les mthodes Taguchi dans lindustrie occidentale ditions dOrga-
nisation 1990
E.F.Q.M., valuer le niveau dexcellence MFQ 1990
FEY R. & GOGUE J.M., La matrise de la qualit industrielle ditions dOrganisation
1984
Ford, Analyse des effets et du mode de dfaillance potentielle des procds de montage
et de fabrication (FMEA Procd) Manuel dinstruction
Ford, Statistical Process Control - Instruction Guide Ford Motor Company 1982
FROMAN B., Le manuel qualit : Outil stratgique dune dmarche qualit - AFNOR
1993
GARIN H.,Assurance qualit et certification dentreprises CLUB QUALITE 1991
GOUPY J., La mthode des plans dexpriences Dunod 1988
GOGUE J.M., Trait de la qualit- ECONOMICA 2000
G.U.M., Guide to the expression of uncertainty in measurment ISO 1993
HARRY Mikel ; SCHROEDER Richard, Six sigma Double Day 2000
HARRINGTON H.J., Le cot de la qualit Eyrolles 1991
HENRY A & MONKAM-DAVERAT I, Rdiger les procdures de lentreprise ditions
dOrganisation 1994
HERSAN C., Vade-mecum Assurance Qualit Lavoisier 1991
HUDIBURG J.J., Le chef dentreprise et la qualit totale Dunod 1993
Institut des Mthodes Taguchi S.A., Le dploiement de la fonction qualit Supports
de prsentation 1989
IMA M., Kaizen : La clef de la comptitivit japonaise Eyrolles 1992
JENSEN P.B., Guide dinterprtation des normes ISO AFNOR 1993
JOCOU J. & MEYER P., La logique de la valeur Dunod 1996
KAMISKE G.F. & BRAUER J.P., Management de la qualit de A Z Masson 1994
KELLER A., La modification du systme des chanes nationales dtalonnage BNM-
COFRAC CONTROLE INDUSTRIEL n
o
206 octobre 1997
LAUDOYER, La certification : un moteur pour la qualit - ditions dOrganisation
1993
MARIA C., La qualit des produits industriels - Dunod 1991
MATHERON J.P., Comprendre MERISE - Eyrolles 1987
Measurement Systems Analysis, Reference Manual Carwin Continous Ltd 1995
MITONNEAU H., Dterminer les processus et dmontrer leur efficacit Qualit Rf-
rences 2000
MITONNEAU H., Mesurer la satisfaction des clients et en tirer les enseignements
Qualit Rfrences 2000
MITONNEAU H., Mettre en uvre simplement la dmarche damlioration continue
Qualit Rfrences 2000
MITONNEAU H., Planification de la qualit et dploiement des objectifs Qualit Rf-
rences 2000
MONTGOMERY D., Design and analysis of experiments Wiley 1991
MOUGIN Y, Processus : les outils doptimisation de la performance ditions dOrga-
nisation 2003
MOUGIN Y, La cartographie des processus Matriser les interfaces La mthode de
la voix du client ditions dOrganisation 2004
PANDE P. E. NEUMAN R. P. COVANAGH R.R., The six sigma way Mc Grow Hill
2000
PRIGORD M., Les parcours de la qualit. Dmarche et outils AFNOR 1992
PERRUCHET C. & PRIEL M., Estimer lincertitude Mesures Essais AFNOR 2000
Peugeot, AMDEC PRODUIT Norme PSA N
o
Q24 2120 Mai 1991
PILLET, Appliquer la matrise statistique des processus ditions dOrganisation
2005
PILLET, Six Sigma Comment lappliquer ditions dOrganisation 2004
QSE, Guide pratique du Management Qualit Scurit Environnement DPE 2004
Renault, Lalbum Renault de la qualit Totale Gallimard 1996
Renault, AMDEC Norme 9225.1061 1993
SADO G. SADO M. G., Les plans dexpriences : de lexprimentation lassurance
qualit AFNOR Technique 1991
SHIBA S., Le management par perce Mthode Hoshin INSEP Editions 1995
SHIBA S., Les outils du management de la qualit - Mouvement Franais pour la Qualit
1995
SOUVAY P., Plan dexprience, Mthode Taguchi Afnor, collection savoir 1996
STOCKER G., Quality Function Deployement : Listening to the voice of the customer
APICS 1991
TAGUCHI G., System of experimental design (tomes I et II) Unipub/Kraub 1987
VANDEVILLE, Gestion et contrle de la qualit Afnor Gestion 1992
ZAIDI. A., QFD Une introduction Lavoisier Tec & Doc 1990
BIBLIOGRAPHIE 399
Quelques sites internet
sur le domaine de la qualit
IUT Annecy dpartement OGP http://www.ogp.univ-savoie.fr
Site du dpartement OGP de lIUT, vous pourrez tlcharger de nombreuses feuilles
de calculs sur le SPC, les plans dexpriences, ltude R&R, etc. Vous trouverez ga-
lement des liens hypertextes relatifs la gestion de production, la qualit et la
mtrologie.
I S O www.iso.ch
Site du ministre de lindustrie www.industrie.gouv.fr
Fdrations des associations rgionales Mouvement Franais pour la Qualit
http://www.mfq.asso.fr/
Afnor http://www.boutique.afnor.fr/boutique.asp
France Qualit (entreprises certifies) www.France-qualite.com
Quality & Co www.qualityandco.com
QSE on line http://www.qualiteonline.com/
American Society for Quality http://www.asq.org
European Organization for Quality http://www.eoq.org/
Total Quality Engineering http://www.tqe.com/
QFD institute for the advancement of Quality Function Deployment
http://www.qfdi.org/
International Council for Quality Function Deployment http://icqfd.org/
Plan dexpriences mthode Taguchi
Site du LNE www.lne.fr
Site du COFRAC www.cofrac.fr
Site du CEI http://www.iec.ch/
INDEX
Action de confinement, 110
AMDEC, 99, 112
AMDECMoyen, 199
AMDECOrganisation, 199
AMDECProcess, 108, 199, 207
AMDECProcessus, 217
AMDECProduit, 199
AMDECScurit, 199
AMDEC
Analyse des modes de dfaillance, de leurs effets
et de leur criticit, 193
Amlioration continue, 73
Amliorer, 382
Analyse concurrentielle, 161
Analyse de la valeur, 202
Analyse de la variance, 336, 380
Analyse fonctionnelle, 203
Analyser, 144, 379
Analyses factorielles, 379
Animateur, 200
Anomalies externes, 38
Anomalies internes, 38
Appraiser Variation, 340
Approche processus, 53, 55
APS, 100
Aptitude, 243
Arte de poisson, 128
Assurance de la qualit, 31, 46, 53
Assurance qualit fournisseur, 112
Audit, 48, 111, 122
Auto-maintenance, 109
Auto matrise, 99, 385
Average and range method, 336
Balanced Scorecard, 57
Black Belt, 388
Bloc Diagramme, 206
Bote moustaches, 379, 382
Boucle de linformation, 151
Brainstorming, 133
Brainstromimg, 137
Bureau national de mtrologie, 312
Cahier des charges fonctionnelles, 204
Capabilit, 111, 112, 243, 367
Capabilit des moyens de mesure, 113, 341
Capabilit du processus de contrle, 330
Capabilit procd, 247
Capabilits prliminaires, 116
Carte de contrle, 134, 231, 284, 381, 385
Carte de pilotage, 235
Carte EWMA, 385
Cartographie, 112
Cartographie de processus, 57, 58, 87
Cause, 194, 210
Causes communes, 220, 221
Causes spciales, 220, 221
Centres dtalonnage agrs, 312
Certification, 62
Chane dtalonnage, 308
Chane Nationale dtalonnage, 311
Champion, 388
Check list, 109, 116
Chutes de capabilit, 252
Cible, 224, 248
5 M, 105, 220, 378
Cinq Pourquoi, 374
5S, 112
Classe, 27, 318, 356
Cochran, 335
Codification des procdures, 94
COFRAC, 79, 311
Combien, 154
Comment, 154
Comparaison de variances, 335
Comptences, 119, 386
Concentration de dfaut, 128
Cnes derreurs, 177
Confirmation mtrologique, 323
Conformit, 303
Contrle de rception, 255
Contrle de rception aux attributs, 266
Contrle de rception aux mesures, 278, 283
Contrle normal, 267
Contrle progressif, 276
Contrler, 384
Contrle rduit, 267
Contrle renforc, 267
Contrles par chantillonnage, 260
Corrections, 328
Corrlation, 128
Courbe defficacit, 259, 269, 273, 287, 290
Courbe en cloche, 221
Cot de la non-qualit, 37, 365
Cp, 247, 368, 380
Cpk, 247, 380
Cpm, 248
Critres de valeurs, 204
Critres mesurables, 367
Critres non mesurables, 370
CROSSBY, 34
Dballage dides, 133, 137, 383
Dfinir, 144, 373
Dmarche 8D, 145
Dmarche de certification, 78
DEMING, 33
Dploiement, 164
Dtection, 38, 194, 210
Dveloppement durable, 68
Diagramme causes-effets, 133
Diagramme dIshikawa, 133, 383
Diagramme de concentration de dfauts, 129
Diagramme de corrlation, 135
Diagramme de Pareto, 131
Diagramme des affinits, 138
Diagramme du processus, 376
Diagramme en arte de poisson, 133, 379
Diagramme forces/faiblesses, 140
Dispersion court terme, 247
Dispersion de production, 341
Dispersion long terme, 247
DMAICS, 387
Documents, 85, 86
DPO, 117, 370
DPU, 370
Dysfonctionnements, 73
chantillonnage double, 272
Echantillonnage multiple, 265, 274
Echantillonnage progressif, 265, 275
Echantillonnage simple, 263, 268
chantillons, 233
coute client, 71
Effet, 210
Efficacit dun plan de contrle, 271
Engagement de la direction, 70
Enregistrements, 95
Environnement, 22
Equipement Variation, 340
ERP, 100
Erreur alatoire, 327
Erreur de justesse, 345
Erreur de mesure, 327
Erreur systmatique, 328
talonnage, 317
Etalons, 308, 312
tendue de mesure, 347
tude R&R, 338
Evaluation concurrentielle, 161
Exigences de lISO9001, 69
Facteur dlargissement, 352
Facteur de discrimination, 261
FEIGENBAUM, 34
Feingenbaum, 37
Feuille de poste, 112
Feuille de relevs, 129, 377, 379
Feuille de saisie, 120
Fiche de poste, 109, 117
FISHER, 173
FMECA, 193
Fonction mtrologie, 303
Fonction perte, 226, 249
Fonctions contraintes, 203
Fonctions principales, 203
Formule de Enkawa, 294
Gamme de contrle, 111
General Electric, 387
Gestion de la Qualit, 5, 30
Gestion des moyens de mesures, 111, 315
Gestion documentaire, 95
Graphe des effets, 179, 187
Graphe des interactions, 187
Graphe linaire, 185
Graphes de TAGUCHI, 183
Gravit, 194
Green Belt, 387, 388
Groupe de travail, 170
GRR, 329, 336
GUM, 350
Histogramme, 128, 130, 374, 380
Hoshin, 32, 99, 110
8D, 145
IEMSE, 122
Incertitude, 350
Incertitude compose, 352
Incertitude de mesure, 330
Incertitude largie, 352
Incertitudes, 323
Incertitude type, 351
Indicateur, 23, 61
Indicateur de performance, 110, 367
INM, 312
Instruction de contrle, 111
Interactions, 175
ISHIKAWA, 34
ISO/TS 16949, 78
ISO9000, 50, 64, 99
ISO9000 \ : Version 2000, 65
ISO9001, 69
Juran, 34
Justesse, 328, 345
Kaizen, 99
Kano, 29
Lespace de dfaillances, 101
Laboratoire national de mtrologie et dessais,
312
Laboratoires accrdits, 312
La gestion des procdures, 94
Lean Management, 100
Limites naturelles, 231
LNE, 311
LNHB, 312
Machine, 220
Main duvre, 220
Maintenance, 119
Maison de la qualit, 153
Matrise de la Qualit, 31, 45
Matrise des risques, 60
Matrise Statistique des Processus, 99, 109, 219
Management de la qualit, 31, 43, 53, 68
Management par perce, 32
Management par projet, 389
Manuel qualit, 31, 51, 87, 88
Matire, 220
Matrice Caractristiques/Oprations, 167
Matrice Oprations/Spcifications de
production, 168
Matrice QFD, 154
Matrice Spcifications
produits/Caractristiques, 166
Mesurande, 305, 327
Mesure, 111, 305
Mesurer, 376
Mthode R&R, 336
Mthode S, 220, 279, 281, 283, 285, 300, 301
Mthode sigma, 285
Mthode traditionnelle, 175
Mtrologie, 305
Milieu, 220
Mise en uvre dune dmarche qualit, 391
Mise en uvre du QFD, 169
Mode de dfaillance, 194, 196
Modle de Gigout, 6, 54
Mode opratoire, 109, 115
MSA, 307, 328
MSP, 219
NFX06-0, 296
Niveau de priorit de risque, 197
Niveau de qualit acceptable (NQA), 258
Niveaux de prlvement, 267
Nombre de catgories, 331
Non-conformes, 262
Non-conformits, 119, 262, 278
Normalit, 278
Norme NF X06-023, 280, 285
NPR, 197, 212
NQA, 268, 280
Organismes certificateurs, 79
Pareto, 128, 374
PDCA, 31, 56
PDCAde Deming, 110
Performance, 104
Performance du processus, 244
Pilotage, 5, 23, 231, 386
Pilote, 200
Piloter le processus, 61
Plan dexprience complet, 177
Plan de contrle, 107
INDEX 405
Plan de contrle local, 114
Plan de maintenance de 1
er
niveau, 112
Plan de surveillance, 208, 216
Plan de surveillance local, 114
Planification, 71
Planification de la qualit, 31, 44
Plan qualit, 89
Plans complets, 180
Plans dchantillonnage, 298
Plans dexpriences, 173, 383
Plans dexpriences fractionnaires, 181
Plans de contrle niveaux dacceptation nul, 270
Points zro dfaut, 109, 115
Poka-yoke, 109, 115
Politique qualit, 30, 71
Pourquoi, 154
Pp, 244, 380
Ppk, 244, 291, 369, 380
Ppm, 248
PPpk, 117
Prcision sur les rsultats, 176
Prvention, 37, 38
Procdures, 90
Procdures oprationnelles, 87
Procdures organisationnelles, 87
Processus, 45, 55, 56
Processus de mesure, 107, 113
Propagation des incertitudes, 353
Pyramide documentaire, 87
QFD, 99, 150
QQOQCP, 141, 374
QSE, 22
Qualit, 21, 24
Qualit totale, 32
Quantitatif, 257
Quoi, 154
R&R, 107, 111, 114, 377
Rgressions multiples, 380
Rptabilit, 327, 333, 340
Reproductibilit, 327, 334, 340
Rsolution de problmes, 127, 142
Responsabilit, autorit et communication, 71
Responsabilit de la direction, 70
Revue de direction, 72
Risque , 258
Risque , 258
Risque client, 257, 258
Risque fournisseur, 257, 258
Rosace des fonctions, 204, 205
Roue de Deming, 45
Roue DEMING, 31
Satisfaction des clients, 49, 72
Schma opratoire, 207
Scurit, 22, 67
Sept outils, 127
Service, 321
Services de mtrologie habilits, 312
SHAININ, 35
SHEWHART, 33
Six Sigma, 99, 110, 365
SPC, 219
Standardiser, 385
Statistical Process Control, 219
Suivi du matriel, 318
Supply Chain, 100
SWIPE, 307
SYRTE, 312
Systme qualit, 44
Tableau de polyvalence, 109
Tableau des moyennes, 178
Tables de Taguchi, 191
Taguchi, 35, 173, 183, 226, 249
Taille de lchantillon, 296
Taux de rebut, 111
Taux de rendement synthtique, 365
Tests de comparaisons, 383
Tolrance, 330
TPM(Total Productive Maintenance), 100
TQM, 32
TRS, 111
Type A, 354
Type B, 355
Variabilit, 372
Vrification, 317
VIM, 326
Vocabulaire International de la Mtrologie, 317
Voix du client, 157
VOM(Visual Oprations Management), 109
Vote pondr, 139
Z du processus, 367
Z
LT
, 369
Rfrences
Qualit
EN
PRODUCTION
Daniel Duret
Maurice Pillet
q
u
a
l
i
t

e
n

p
r
o
d
u
c
t
i
o
n
D
a
n
i
e
l

D
u
r
e
t

M
a
u
r
i
c
e

P
i
l
l
e
t
Qualit en production
De lISO 9000 Six Sigma 3
e
dition

Un ouvrage de rfrence et de synthse
d Simple : les connaissances de base ncessaires lapplication des concepts qualit dans
une entreprise de production.
d Global : un panorama des diffrentes mthodes utilises dans les entreprises.
d Oprationnel : les outils indispensables la mise en place dun systme qualit.
d Concret et prcis : de trs nombreux exemples.
La qualit est une condition indispensable pour prsenter un produit sur le march. Pour obtenir cette
qualit, lentreprise doit structurer son organisation autour dun modle, souvent la norme ISO 9001. Mais
elle doit galement mettre en uvre des mthodes et des outils pour accrotre sa performance.
Ce livre expose les connaissances de base ncessaires lapplication des concepts qualit dans une
entreprise de production et donne une image globale des diffrentes mthodes actuellement utilises
dans les entreprises.
La premire partie de louvrage est consacre au systme de management de la qualit fonde sur une
dmarche oriente client et sur la matrise des processus. Elle aborde notamment le modle ISO 9001,
Systmes de management de la qualit : Exigences , les rfrentiels de lindustrie automobile, la
matrise des documents et lautomatrise au niveau du poste de travail.
La seconde partie est axe sur les mthodes et les outils de la qualit : outils de rsolution de problme,
QFD, plans dexpriences, AMDEC, MSP, contrle de rception, fonction mtrologique (GRR, GUM) et
lapproche Six Sigma qui permet dobtenir lamlioration par perce.
Cet ouvrage sadresse ainsi :
aux professionnels, cadres et techniciens travaillant dans un contexte de production ;
aux enseignants et tudiants pour la prparation des BTS, DUT, IUP des secteurs
industriels et des coles dingnieurs.
Anciens lves de lENS CACHAN, Daniel DURET (professeur agrg de Gnie Mcanique) et
Maurice PILLET (professeur des Universits) enseignent au dpartement OGP de lIUT dAnnecy.
Ils pratiquent la formation et le conseil industriel dans le domaine de la qualit. Leur ouvrage est
constamment enrichi de cette double exprience duniversitaire et de praticien.
170 x 240 23,8 mm
-
:
H
S
M
H
K
I
=
V
X
X
]
]
Y
:
39
C
o
d
e

d
i
t
e
u
r

:

G
5
3
3
8
8
I
S
B
N

:

9
7
8
-
2
-
7
0
8
1
-
3
3
8
8
-
4
3
e
dition
53388_qualite_prod_238.indd 1 1/02/07 16:54:35

La Qualité en Production

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

La Qualité en Production

Uploaded by

Copyright:

Available Formats

Rfrences

lit Qualit ralise

QUOI versus COMMENT

Figure 7.3 La maison de la qualit

Identifier les diffrentes catgories de clients potentiels ;

sondage : courrier, tlphone ;

Figure 7.9 Confrontation la concurrence

50 Lavage Propret Visuel 10/

70 Lavage Propret Visuel 10/

Mesurer les pices et reporter les points sur la carte de pilotage

Interprter avec les rgles dinterprtation des cartes de pilotage

Appliquer le tableau de dcision (figure 10.20)

Figure 11.20 Choix du plan

tant calcule partir de la loi de Student pour (n-1) degr de libert

Figure 11.25 Choix du plan

soit, en reprenant les donnes de la figure 11.24 : = 0.0127

= variable rduite de la table de Gauss associe au risque

= variable rduite de la table de Gauss associe au risque

Cas acceptable Cas inacceptable

1,28 2,62 + 1,65 1,67

Nous pouvons donc crire dans le cas de notre exemple :

2.47 0.68 2.33 1.00 2.18 1.48 P

La colonne NQA 0.065 nest utilise quen contrle renforc

La colonne NQA 0.065 nest utilise quen contrle renforc

du degr dexactitude souhait ;

Dans notre exemple didactique, imaginons un certificat de vrification, indiquant :

la capabilit du processus de contrle Cpc =

30% ( 10 % : instrument bon, entre 10 et 30 % peut tre considr

24 pour la validation dun moyen de contrle destin

La rptabilit sera caractrise par lestimation de la variance

Intervalle de confiance pour E(yh)

You might also like