Outils de la qualité I: Maitrise Statistique des Procédés (M.S.P) Introduction La maitrise statistique des procédés fait partie de ces méthodes considérées le plus souvent comme un outil d'expertise, dans un champ d'application industriel. La MS.P. peut non seulement étre encore plus efficace, mais étre le vecteur méme d'un management plus coopératif tant dans le domaine industriel que dans |'amélioration de la qualité de service et des services. 1- Objectif de la M.S.P. Cet outil répond aux cing impératif de la qualité totale : —> Conformité : il permet de répondre aux spécifications donc aux besoins et exigences du client aval; —> Prévention : concerne tous les investissements humaines et matériels nécessaires pour reduire et maintenir a un niveau minimal le cot des défaillances. —> Excellence : la MS.P cherche des améliorations permanentes afin datteindre le “zero défaut’ — Responsabilité : Enfin ce sont les personnes qui sont au plus prés du procédé qui voient, sentent, pressentent le mieux ce qui peut ou pourra se produire. Elle rend responsable les acteurs et favorise 1a recherche en groupe. 2.- Systéme pour Ja Maitrise Statistique des Procédés Dans le procédé, sorte de boite noire, outre 1a spécification, participent les 5 M (cf. figure 1) - Matiére : Ensemble des consommables : matiéres premiéres, électricité,telephone. ... - Matériel : Partie immobilisée de l'investissement : une machine, bureaux, ordinateurs, .. - Méthode : Ensemble des méthodes et procédures utilisés dans le procédé. - Milieu : Environnement, ambiance, l'éclairage ~ Main d’oeuvre : Qui est le personnel concerne par le procédé nee = [iremerianen] [i+ arovaTior PROOUCTION AONE Figure 1 : Systeme de maitrise du procédé Le procédé (fig.1-1) est donc une combinaison des 5M pour Vobtention du produit dont la performance totale se caractérisera en termes de qualité, coat, délais, rendement, gestion. Le but de MSP est d’améliorer la performance totale du produit. Les renseignements sur la performance (fig.1-2) consistent a l'étude du procedé qui donne des informations sur le produit , mais également sur les paramétres qui gérent les 5M (temps, variable, ..). Si on réunit et interprétent ses renseignements, il deviendra possible d'intervenir sur le procédé avant toute défaillance Lintervention sur le procedé (fig.1-3) est orientée vers le future pour éviter toute déviation, variation détérioration du procédé. Ces interventions concernent la formation du personnel, le travail en groupe pour la recherche des causes, l'influence des matiéres premieres issues de diverse livraisons, lentretien preventif du materiel, la conception du produit ou de procédé lui méme, linfluence des paramétres qui gérent les 5M. Les mesures prises seront le contréle, 'analyse des écarts, la recherche des causes, la recherche des améliorations....Lintervention sur 1a production et/ou sur ‘administration qui consiste en la détection des non-conformités (fig.1-4) est orienté vers le passé. Cest la mise au rebut, les retouches, les refaire, les réparer, ... IL s‘agit 1a d'un palliatif qui appartient aux anciens méthodes oi f'on poursuivait ces interventions jusqu’a ce que les spécifications du produit soient changées. Autrement dit, la MSP a pour but de suivre exclusivement le trajet Procédé, renseignement sur la performance, intervention sur le procédé. On arrive ainsi 4 un systéme asservi ol! les éléments 1,2 et 3 forment une boucle de régulation. 3.- Les variations Elles proviennent des 5 M et de leurs combinaisons prises une par cing, deux par cinq,..., cing par cing, ce qui represente un grand nombre de differences dues a leurs combinées. Les causes de variations Elles se classent en deux grande catégorie. - Commune ou Normal ordinaires, naturelles, propres au processus. - Les causes dites Anormales : particuliéres, non naturelles, elles sont externes aux processus. Exemple ; coupure d’électricite, accident de travail. Dou lobjectif de la MS.P - se débarrasser d’abord et définitivement des causes spéciales; - réduire les causes communes ou normales. - Di o 0: 4-1/Loi normale Préliminaire : Rappel du theoreme central limiteTout systeme, soumis a de nombreux facteurs, indépendants les uns des autres, et d'un ordre de grandeur de I'effet equivalent, génére une repartition qui suit une loi de GAUSS (loi normale). 4-1-1/Allure de ta loi normale La loi normale a !'allure d'une courbe en cloche Fréquence Caractéris tique étudiée Exemple On considére la masse des boites de sel produites par une unité de conditionnement. En 30 mn de production, on mesure la masse des 2008 boites de sel "400" produites. Les masses mesurées vont de 384 g 4 416 g. On comptabilise le nombre de boites pesant 384 g, le nombre de boite pesant 385 g, .... etc. On obtient le relevé suivant : masse Nb de boites masse Nb de boites 384 1 401 157 385 2 402 147 386 4 403 134 387 6 404 117 388 9 405 98 389 13, 406 79 390 ai 407 60 391 32 408 44 392 44 409 32 393 60 410 21 394 79 411 13 395 98 412 9 396 117 413 6 397 134 414 4 398 147 415 2 399 157 416 1 400 160 total 2008Ce qui permet de tracer le graphe suivant : La courbe étant en cloche, on dira que la distribution de la masse des boites de sel "suit une loi normale" (ou que “la distribution est gaussienne”). 4-1-2/Moyenne et écart-t Soit une population de N individus dont la caractéristique vaut Xj (1s/2N) On peut calculer * La moyenne m : m est le paramétre de position de la répartition, et N a m= N * Lécart type g:o est le parametre de position d'étalement ("de largeur") de la répartition, et py ony Exemple : boites de sel m = 400g : la distribution est centrée sur la valeur nominale 400g o=5g : l'écart type est relatif a la dispersion sur la masse des boites produites ir4-1-3/Moyenne et écart-type d'une Joi normale Dans le cas de {a loi normale, on connait la fraction d'individus dont la caractéristique est une plage dont les bornes sont exprimées a partir de Lecart-type (cf. figure 2). Exemple:Lécart-type de Ia distribution des masses de boites de sel vaut 5g. La distribution étant gaussienne, on peut affirmer qu’environ 68% des boites pesées sont entre 395 et 405g. oe Fréquence Point diinflexion >x m-36 m-20 Tho mta me2e m3 68,26 % 95,44 % 99,73 % Figure 2 : Loi Normale 4-2/Dispersion En absence de toute cause spéciale, 1a répartition d'une caractéristique d'une production suit une loi normale 12© écart ype de Ia population La dispersion D est comme étant égale de 6 fois cart type. D=60 Lorsqu'une premiére étude de la dispersion montre une anormalité, il y a lieu d’en trouver la cause (speciale). En effet, toute l'analyse de la MSP se base sur la normalité des distributions. On parle de dispersion globale Dg lorsque qu'on étudie une population soumise a des variations des 5 M (changement opérateur, changement matiére......). Létude d'une telle population se fait au minimum sur une journée, au mieux sur une semaine. A la limite, on pourrait méme conduire !'étude de la dispersion globale sur plusieurs saisons |I Lorsque le procédé est suffisamment rapide, on peut définir la dispersion instantanée Di qui ne traduit que les dispersions Machines, les autres 4 M étant considérés constants. (Ordre de grandeur de la “rapiditée” machine : temps unitaires inférieur a5 minutes) Di est la dispersion minimum, que l'on ne peut réduire sans gros investissement . Caractéristique Studiée 134-3/Intervalle de tolérance, valeur nominale. Lintervalle de tolérance (IT) sur 1a caractéristique étudiée est fixe par le client. Les capabilités seront donc toujours rapportées aux exigences du client. Méme s'il n’en est pas directement ainsi, on se raménera toujours a une valeur nominale centrée dans intervalle. Cette valeur nominale centrée sera la cible & atteindre par la production. Ts: tolérance supérieure Ti: tolerance inférieure ok a sy 4-A/Stabilité Le procédé est dit stable lorsque la forme de distribution de mesure est statique dans le temps, dans le cas contraire le procédé est instable. 4-5/Indices de capabilité (normalisés par 1'ISO) La capabilité caractérise l'aptitude d'une étape ou d'un procédé a satisfaire aux tolerances et produire des produits conforme. On définit alors l'indice de capabilité procédé Cp par : e » & PF Sa Liexigence actuelle sur Cp est Cp 1,67 Mais Cp n'est pas suffisant. En effet, la production peut étre décentrée et donc conduire a la production de piéces hors tolérance méme si Cp21,67 M4On définit l'indice de deréglage Les donneurs d’ordre exigent habituellement Cpk =1,33 Cpk constitue la vraie capabilité procédé, puis qu'il reflete 1a faible dispersion et le bon reglage du procédé. Cpk est le seul indice qui compte pour le client . Exemple : 1. Cpk>1,33 le procédé est capable 2. Cpk<1,33 le procédé n'est pas capable, mais cela provient d'un déréglage car Cp>1,33 3. Cpk<1,33 le procédé nest pas capable, méme si le procédé est parfaitement centré i-La carte de contréle Cest un document sur lequel sont portés - Le lieu, le procédé, .. ; en bref la nature et conditions du contréle effectué, - Les resultats d'observations qui ont été obtenus au cours du contrdle. - La représentation graphique des observations effectuées. Une carte de contrdle est toujours accompagnée d'un journal de bord du procédé sur lequel sont notés tous les changements qui ont pu affecter Jes 5 M pendant l'utilisation de la carte. Cet outil permet de savoir ~ si le procedé est sous contrdle ~ si un réglage est nécessaire ~ quel est le résultat de ce réglage. 15D'une facon générale, on se trouve devant deux situations : - Le produit a des caractéristiques mesurables = Cartes de controle aux mesures - le produit des caractéristiques qualitatives (conforme/non conforme passe/passe pas) => Cartes de contréle aux Attributs Partie A : Cartes de Contréle aux Mesures Les differents types de cartes aux mesures les plus utilisés se sont Sy se : : ~ La carte R ou x est la moyenne arithmétique et R |'étendue, - La carte ae ou Me est la médiane et R !'étendue, x = . ~Lacarte 5 ou x est la moyenne et s ecart-type Donc toutes les cartes utilisent les données fournies par le proced la valeur de centrage (X et Me) et la dispersion (R ou s) Carte aux mesures. ou<> 1/Présentation La figure 3 en montre une a titre d'exemple. Elle comporte 4 grandes zone : - Zone A : Cest l'identité de la carte Zone réservée aux références de la grandeur mesurée ; ces références doivent permettre de connaitre ce qui est mesuré, spécifié, a quel stade, avec quelle fréquence ... ~ zone B : réservée aux mesures effectuées, dates, heures, lieur.... ces mesures ont des valeurs repérées x1, X2 ... Xn, on peut 16alors en calculer la somme : x] + x2 +..... Une autre ligne est réservée a la moyenne arithmétique et ses valeurs mesurées, La derniére ligne est réservée a l'étendue R, elle est constituée par la plus forte valeur moins la plus faible valeur mesurée. Remplir les zones A et B s'appelle : Renseigner la carte. Figure 3, Fig. 32 — Carte de contréle aux mesures =/R Carte de contrdle aux mesures 5 et journal de bord du procédé 7~ zone C: réservée au graphique des fluctuations des valeurs de la moyenne. “eservée au graphique des fluctuations des valeurs de Tétendue. ~ zone D: a une carte de contrdle, on associe toujours un journal de Bord du procédé ot !'on note tout changement des 5 M (cf. figure 3). 2/Collecte des données 2-1/ Taille et fréquence des échantillons. Ces deux critéres sont liés. Leurs détermination exacte est une affaire complexe qui, méme pour des spécialistes, entraine 'empirisme dont le but essentiel est de minimiser l'erreur. Cest ainsi que 1a fréquence de prélevement, par exemple, dépend de : ~ La taille de {'échantillon, donc de la sévérité du controle ~ La cadence de production : nombre de produit/unité de temps ~ La tendance du procédé a sortir de ses propres limites. Reégles 4 adopter ~ Les tailles des sous groupes doivent étre choisies de telle sorte que les variations soient faibles. ~ La taille n d'un sous groupe peut évidemment varier, dans un premier temps, il est habituel de prendre 5 produit consécutif. La taille des sous-groupes doit demeurer constante pour tous. ~ La fréquence d'échantillonnage doit refléter tout changement dans le procédé en fonction du temps : matiéres premieres, opérateur, outil ... 2-2/ Nombre de sous groupe Il doit satisfaire a deux critére : - Le nombre de sous groupe doit étre suffisant de facon a ce que les sources les plus importantes de variations puissent se manifester. ~ Du point de vue statistique, 20 sous groupe ayant une taille unitaire de 5 représentent 100 mesures individuelles; dans ce cas on a un bon teste de stabilite du procédé, une bonne estimation de son centrage et de sa 18dispersion. Le nombre minimum recommande est de 25 sous groupes (soit 125 mesure individuelles). 2-3/ Echelles 2-3-1/Graphique des moyennes L’échelle des ordonnées doit avoir pour amplitude ; deux fois le difference entre la plus grande et la plus faible des valeurs individuelles : Amplitude = 2(Max - Min) des valeurs individuelles 2-3-2/Graphique des étendues Yorigine, en bas et a gauche, est toujours 0. Pour faciliter la lecture, on adopte comme convention de porter comme amplitude de l’échelle : 2 fois fa valeur de R maximum trouvée dans tous les sous groupes. Amplitude = 2 Max( R) des sous-groupes Quand cela est faisable, on s‘arrange pour qu'une graduation de R soit equivalente a 2 fois une graduation de x; cest une aide visuelle pour Vanalyse. 2-4/ Graphiques des moyennes et des étendues Dans chaque colonne, pour chaque sous-groupe, nous avons maintenant deux valeurs x et R. Ces deux valeurs seront portées sur la méme verticale, au centre de chaque colonne correspondante, en face de leurs ordonnées respectives. Il est conseillé de repérer ces point par des croix qui seront ensuite jointes entre elle par des traits pleins. Ce trace des deux graphiques va faciliter 1a visualisation des tendances et des modéles. Un coups d'ceil rapide permet de voir, donc de verifier, s'il n'y a pas d'erreur dans le report des points. 3/ Calcul des moyennes et des limites 3-1/ Calcul de la moyenne de [étendue et de la moyenne du procédé 19Pour la période étudiee, on calcule : Ae PitPat.. Fa)/ ™m 5 nt Raw ni) ou m est le nombre de sous groupe, Rj et x1 sont l'étendue et la moyenne du premier sous groupe, Rz et X2 celles de deuxiéme sous- groupe,... On désigne la moyenne de ’étendue par AI car c'est effectivement une moyenne arithmétique de m valeurs individuelles et par X la moyenne des moyennes de chaque sous-groupe. 3-2/Calcul des limites de contréle Ces limites sont calculées pour montrer dans quelle mesure les moyennes et étendues, issues du procédé, varierait si seules les causes communes de variation était présentes. C'est pour cela qu’on les appelle limites de contrdle. Elles encadrent les valeurs centrales précédentes et en sont distantes de 3s ( + 3 écarts-types). On désigne par LSC : Limite Supérieure de Contréle et LIC : Limite Inférieure de Contréle LSC(gy = D4 A LICR) = D3 RR LUsx)- + A, A LIC(X)=xX- AZR ov D4, D3 et Az sont des constantes fonctions de la taille n des échantillons de chaque sous-groupe. Le tableau A, en annexe, donne un éventail de valeurs plus complet. Les valeurs des limites ainsi calculées sont portées en traits pleins sur la carte de contréle. Ce sont des droites horizontales qui passent par les ordonnées calculées sur les axes de x et de R. Au cours de l'étude initiale, on considére que ces limites de contréle et les moyennes calculées préalablement sont provisoires, 4/ Interprétation de la carte de controle Notre propos est d'identifier toute preuve de changement dans la dispersion ou dans la moyenne du procédé (l'une d'entre elles, ou les deux , 20nétant plus sous contrdle statistique) est donc de tout mettre en oeuvre pour supprimer les causes spéciales fautives de ces constats. Genéralement fes cartes R et xX sont analysées séparément, mais la comparaison des tendances entre les deux graphiques donne un meilleur apercu des causes spéciales qui affectent le procédé. 4-1/ Régle : commencer |'analyse par le graphique R On commence toujours par la carte R avant d'effectuer l'analyse de la carte X. Quand on a une distribution concernant une population mére caractérisé par la Moyenne m et !’écart type so, un échantillon de taille supérieure 4 30 est constitué de valeurs aléatoires de moyenne m’ et décart type voisin de so. Mais. si on observe les moyennes (variables aléatoires) dont les tailles des échantillons sont petites, 9 par exemple, la moyenne m” et l’écart type seront fonction de Ia taille de {'échantillon; en Lespéce, l'écart type s1 est 3 fois plus petit que celui de la population mere. Approximativement, pour les moyennes d’échantillon de taille faible, art type est divisé par racine de n (n: taille de I'échantillon). Le phénomene est encore plus important si l'on étudie la distribution des écarts types d'échantillons (qui sont également des valeurs aléatoires). Dans ce cas, Técart type est celui de la population divisé par la racine de deux fois la taille de l'chantillon. Ce phénoméne est montré fa figure 4. Done, les distributions qui caractérisent les écarts-types (unités de l'étendue R) sont beaucoup plus sensibles que celle qui caractérisent les moyennes. Ceci revient a dire que si le procédé a une cause spéciale, elle sera plus visible sur R que sur x. ECARTS-TYPES 0° ECHANTILLONS POPULATION WERE (GRAND ECHANTILLON da taille 18 ‘MOYENNES 0° ECHANTILLONS: = n> 30 Lies, os taille @ ae Aes ds . Ar, " Ay ffir 4,:A/pn® Figure 4: distinction des distributions 24-2/Points au-dela des limites de Controle Leexistence d'un ou plusieurs points au dela des limites de contréle constitue une preuve évidente de procédé hors-contréle pour ce ou ces points. Comme leur présence ne peut avoir lieu que dans 0,27 % des cas, nous pouvons affirmer que leur présence mérite d'étre obligatoirement regardée. Cest un signal qui doit déclencher I'analyse comme s'il s‘agissait d'une cause spéciale. Pour ce faire, on note tout point se trouvant au dela des limites de contréle pour une étude plus approfondie et action corrective, La figure 5 montre une carte sous contréle; la figure 6 met en evidence 3 points en dehors des limites de contrdle. Figure 6 ; Procedé hors contréle (points au dela des limites de contréle) Pour Le graphique R, un point au dessus de LSC entraine a verifier : ~ les calculs, fe trace tant pour le point que pour LSC; ~ augmentation de l'étendue (donc son aggravation) en ce point ou dans le cadre d'une tendance; ~ le systéme de mesure (changement de contréleur ou d'instrument de mesure). Cest un signale d’alarme important. 22Un point au dessous de LIC entraine a verifier : ~ les calculs de LIC, ou le report du point ~ la diminution de !'etendue (dons son amelioration); ~ le systéme de mesure (amélioration ou modification du moyen de contréle ou de données). 4-3/Séries Dans le cas de 25 sous groupes, si l'on observe 7 points consécutifs d'un méme coté de la moyenne ou une série de points en augmentation (chaque point etant alors égal ou supérieur au précédent) ou en diminution réguliére . Cest le signe de phénoménes non aléatoires, donc présence d'une cause spéciale. L’analyse devra commencer 4 partir du moment auquel il semble que cette cause spéciale débute. Une série supérieure a la moyenne de R ou une série croissante montre ~ une dispersion plus importante des valeurs qui peut provenir d'une cause irréguliére, telle qu'un mauvais fonctionnement du matériel, ou d'un glissement dans l'un des 5M du procédé (un lot de matiéres premieres nouvelles, moins uniforme par exemple); une action s‘impose. - un changement dans le systeme de mesure (changement de contréle ou d’appareil). Une série au dessous de 1a moyenne de R ou une série décroissante montre ~ une dispersion plus faible des valeurs ce qui constitue une condition favorable a étudier pour l'amélioration du procédé; -un changement dans les systémes de mesure qui peut masquer des modifications réelles de performances. La figure 7 résume les différents cas de séries. 23TUE fe SoNTAST Figure 7 : Differents cas de séries 4-4/Non-normalité apparente Comme LSC et LIC sont separées de la ligne centrale de 3s, on peut partager ses deux distances en 3 parties égales. On appelle 1/3 centrale la distance qui separe + s autour de la moyenne. Or, nous avons vue que (le paragraphe) dans cet intervalle, la surface était de 68,24% (zone C figure 8). Ceci revient a dire que les deux autres tiers (tout le reste entre LIC et LSC moins le 1/3 centrale) devraient avoir une surface de 99,73 - 68,24 - 31,49 (zone A et B figure 8). Débarrassons-nous de ces précisions et disons que dans le tiers centrale il faudra faire attention si nous avons plus de 70% des points et moins de 30% dans le reste de la surface totale. Figure 8 : Normalite Sans donner une interprétation abusive a ces valeurs, on peut rapidement se rendre compte si la distribution est ou non normale. 24Si, significativement plus de 2/3 des points se trouvant dans le tiers central, il faudra verifier : ~ le calcul des points et des limites; - méthode de prélévement; - que les données ont été corrigées ; les sous-groupes dont les etendues s‘écarteraient beaucoup de la moyenne ont été modifiées ou retires. Les figures 9 et 10 montrent les deux cas extrémes. ws —} Fe ee Figure 9 : Procédé hors contréle (point trop rapprochés de fa référence) Figure 10 : Procédé hors contréle (point trop éloignés de la référence) 4-S/Tests L’observation des images fournies par les points permet de tirer des conclusions importantes dans 1a mesure ov leur signification peut étre interprétée avec certitude ; c'est lobjectif des tests qui ne sont effectués que s'il y a doute. 4-5-1/Test de Saut Le but est de verifier si la moyenne n'est pas en cours de changement brutal. 25Pour ce faire, on trace la médiane horizontale cest-a-dire 1a droite qui partage en deux partie égales le nombre de points reportés sur le graphique. On élimine fe nombre de points existants sur cette médiane et on ne considére que le nombre restants. Exemple : Dans fa figure 11, Il y a 26 points au total, le nombre de points a considérer est alors 25 (Un point sur la médiane);13 points sont au dessus de la médiane, 12 points sont au dessous de la médiane, On compte alors le nombre de points L correspondants a la grande série d'un méme cdté de la médiane, on trouve 9. En se reportant 4 la Table D, en annexe, en face du nombre total de points (ici 26) il faut, pour affirmer que le test est positif, que la série ait une longueur supérieure 4 8, donc il y a saut. Le saut est caractéristique d'un déplacement brutal de la moyenne. Le déplacement peut entrainer un changement de Spéciation. Une identification de la cause principale qui a provoqué le saut est nécessaire. Figure 11: Test de saut k=26, n a considérer : 25 Série de 9 point au dessous de la médiane : test >0 4-5-1/Test de cycle Il s'agit de verifier si une périodicité n'affecte pas le procédé. Pour ce faire, on repére le nombre de fois ou le graphique coupe la ligne de référence et on utilise le tableau E, en annexe. Prenons l'exemple donne par Je figure 12 : Le nombre de fois oi le graphique coupe Ia ligne de référence est N= 6 ; 4 ce nombre on ajoute 1. Ce qui fait 7. Le plus grand nombre de points (G) est au dessus de Ia référence et égal a 15 ; le plus petit nombre 26de points (P) est au dessous de la ligne de référence, il est égal a 11. On compare ensuite N+ 1 4N (G, P) donnée par le tableau E, en annexe. Si N+1>N(G,P) le procédé est stable N+10 5/Identificati js Toute identification de causes spéciales detectées par les moyens visuels ci-dessous doit entrainer une analyse pour en déterminer 1a ou les causes. La carte nous indique quel type de défaut est présent, a quel moment il est apparu, sur quel sous groupe, sur quel opération ou poste de travail, avec qui, sous quelle forme..L'effet est parfaitement identifie. Le journal de bord du procédé peut, d’ores et déja nous fournir des éléments pour remonter aux causes. Une fois 1a, ou les, cause (s) identifiée (s), la solution est plus facile a trouver, mais il faudra, préalablement recalculer les nouvelles limites de contréle pour exclure les périodes pendant lesquelles le procédé était hors contréle du fait des causes détectées, analysées et corrigées. Cest ainsi que l'on supprime tous les sous-groupes qui, affectés de causes spéciales, ont donné naissance a des causes spéciales corrigées. 27Le calcul de 1a moyenne, des limites LIC et LSC est alors refait pour s‘assurer que la partie restante est sous contréle par rapport aux nouvelles limites calculées sans tenir compte des points qui on fait l'objet d’analyse de causes spéciales. Si un groupe a été éliminé du graphique R pour identification de causes speéciales, il faudra l'exclure également de la carte X et recalculer ses limites et sa moyenne. 6/Analyse de la carte des moyennes x A ce stade, on peut considérer que la dispersion du procédé est maitrisée et il devient possible d’analyser les moyennes : - Si elles sont sous contrdle statistique, elles ne reflétent que Vimportance de la variation constaté avec les étendues. - Si elles ne sont pas sous contréle, les méthodes d’analyses pour la carte R permettrons de détecter les causes spéciales dont elles sont affectées. ication : 7D 7/Procédé avec évolution de la moyenne Pour certains procédés il se peut que la moyenne évolue de facon habituelle (positivement ou négativement) en fonction du temps. Cest, par exemple, le cas des outils qui s‘usent, la viscosité de certains liquides avant leur emploi, la concentration de produits chimiques en solution... La question qui se pose est alors : quand doit-on changer d'outil, changer de liquide, augmenter ou diminuer {a concentration .... ? Imaginons, par exemple, le cas d'un bain de solvant pour dégraissage de piéces meétalliques ; au fur et a mesure que l'on plonge les piéces a dégraisser, le bain « s'engraisse >, autrement dit sa capacité a dissoudre les graisses diminue, la question est : quand changer le bain. 7-1 /Renseignement de la carte ¥/p Le procédé fonctionnant dans les conditions normales, on collecte les données comme précédemment et on renseigne {a carte de contrdle. Il faut 28disposer des données qui couvrent au moins un cycle de travail (de l'outil, du et identifier toute cause spéciale pendant ce cycle tout en vérifiant le cycle lui méme. La figure 13 montre ce qui se produit pour x ; en effet le graphique R n'a, lui, aucune raison de changer. On voit que pour chaque prélévement (ici 4 seulement ont été présentés) il existe une courbe de distribution mais elle se déplace avec la moyenne variable représentée par un trait mixte oblique. figure 13 : Evolution de la moyenne Pour vérifier que le procédé ne présente pas de causes spéciales sur la carte des x, on encadre cette moyenne variable de deux traits paralléles distant de A2 A. Cette ligne de tendance, encadrée de ses deur paralléles, traverse la moyenne arithmétique constante, elle méme encadrée par ses limites de contréles LIC et LSC également constantes. L'ensemble des produits ainsi fabriqué aura une distribution dont allure est donnée a droite. Le temps T - T2 - T1 est appelé temps de cycle. 7-2/ Calcul des limites Nous nous intéresserons, en premier lieu, a la moyenne variable qui peut étre caractérisée approximativement, dans son mouvement, par : Mouvement de la moyenne = maximum observé de x - minimum observe de x. Cette valeur porte le nom de E.M.M. (Evolution moyenne de la moyenne) 29Le calcule des limites devient alors : LSC. (Ry = D4R LLC (py ~ D3 R avec EMM = Xmax - Xmn - 27x Ag Le graphique de R devra étre interprété comme un graphique habituel en utilisant les techniques précédemment deécrites. Les limites de contréle LSC et LIC de x ne permettent pas d'identifier des causes spéciales mais, au contraire, montrent le point auquel les changements (d’outil, de bain ... ) sont a effectuer. La présence des points au- dela de ces limites doit toujours se traduire par un action corrective. A Tintérieur des limites de tendance, séparées de EMM par +A2R, Linterprétation suivra les mémes régles que précédemment . Applic TD2 Partie B : Carte de controle par attribut Ce type de contréle, qui sépare seulement les pieces en deux catégories (bon ou mauvais), n'a pas la méme puissance que le contréle par mesure. Yétude sur l'amélioration d'un procédé se limite a observation du nombre de défectueur. 30AnnexeTABLE A Cartes x/R, x/s CONSTANTES ET FORMULES* —————ooeoT Cartes Ket R* Cartes Ket s* | Graphigue Graphique Graphique Graphiques des | des des Glendues| aes ecanstspes (9) moyennes «®) moyennes x o fraie du Facteurs Diviseurs Facteurs—-FacteursDiviseurs—_Facteurs sous: pour pour pour pour pour pour ‘groupe limites de estimation mites _—_lisites de estimation limites controle de Tecan. de-contrle —contrdle.deTéeart- de controle type wpe » & BES DiaoAs & 2 1128 = 40672659 0,7979 3 1.693 .9sd—O,N862 4 2.089 1628 0.9213 5 2326 127 09900 6 2534 128709515 1 2,704 118209594 8 2847 1099 09650 0,185 1.815 9 2970 1032 089693 0,239 1,761 0 ~ 3078 0975 09727 0,284 1,716 u 373 0927 0g7st 0,321 1.679 R 3.258 O88 09776 0,354 1,646 B 3.336 0850 09794 0,382 1,618 4 3407 817 09810 0,406 1,594 5 3472 0.789 09823 0,428 1,572 16 3.532 0.763 0.9835 0.448 1,552 0 3588 0.739 O9K4S 0.448 1.582 is 640 0718 0.9854 0.482 1.518 9 1.689 0.698 0.9862—0.497 1,503 20 3735 0480 0.9869 0,510 1,490 2 ame 006309876 = 0,523:1.477 2 3819 647 098K 0.534 1.466 2 3.858. 063309887 0.585 1.455 24 OST 3,895 04619 09892 0,555 1.445 28 tS} 3931 0.606 0.9896 ——_O.5KS 1.435 Isc i, LIC & TSC (. LIC (= 54 ANS ESC AR) = DAR ISC() = BS Lic (R) = DyA LIC (9) = Bs kid SosaTABLE B Carte aux médianes CONSTANTES ET FORMULES* Graphigue Graphique des étendues (R) des médianes. (Me) Facteurs pour Diviscurs pour Facteurs pour limites de contréle estimation de limites de controle Técart-type** Taille du A a D; D, sous-groupe pee reste 2 1.880 1128 Se yaae 3 1.887 1.693 ae osu 4 0.796 2.059 2.282 5 0.691 2326 214 6 0548 2534 2.004 7 0.508 2.704 0.07 1.924] 8 0.433 2847 0.136 1.864 9 0412 2970 0.164 1.816} 0 0352 3.078 02m] LSC (%), LIC (XM) LSC (R) = DAR LIC (R) = DR S=R fe, TABLE C Cartes de contréle pour échantillon unique CONSTANTES ET FORMULES x R jorenssiond faces pour facies de division facteurs pour 2] limites de conte ‘pour ester es limites de con harson eearsypes = & D; Dy De 2.660 1128 . 3.267 wm. 14693 2574 1457 2089 2.282 ! 1290 2.326 24 ‘ Lise 25M - 2.004 é L108 2708 oor 1924 : Los 2807 0136 1.864 8 1010 2970 ors 1.816 " 0975 3078 om 1m Use cm) =F £6 sc (R= Dak LICR) = Da seh ALTABLE D VALEURS CRITIQUES DU NOMBRE DE POINTS D'UNE SERIE AU-DESSUS ET EN-DESSOUS DE LA MEDIANE DE k POINTS. (Tests de séries et de sauts) La probabilité est au plus « pour une ou plusieurs séries. Les séries plus longues montrent une influence non aléatoire. Nombre total* k a=0. 10 5 20 7 30 8 9 0 0 30 u Exemple Si le nombre total de points au-dessus (au-dessous) de la ligne centrale est égal 47 pour k=25 points, il y a 95 chances sur 100 pour que le phénoméne étudié soit non aléatoire. Ceci est vrai pour une série ascendante ‘ou descendante. Ce méme tableau sert pour le test de tendance oti 'on trace la médiane horizontale ; le nombre de points situés sur la médiane n’est pas compte. i d'un cété de la médiane, le test est positif, il y a saut, @ = 005 correspond 495% de confiance (5.9 de chances d’avoir tort) 0,01 correspond 99% de confiance (1% de chances d’avoir tort) 0,001 correspond a 99,9 % de confiance (0,1 9% de chances d’avoir tort) (adapté de la 930 de « Quality Control and Industrial Statistics » par A.J, Juran, Richard D. trwin, Inc., 1985). {Nombre total de points sur la courbe ** a doit ete inféreur & 8 pour une courbe de 20 points AsTABLE E VALEURS CRITIQUES POUR UN NOMBRE DE FOIS OU LA FLUCTUATION COUPE LA LIGNE CENTRALE (test de cyele) La probabilité d'un nombre égal ou plus petit de points qui se situent de chaque cdté de la ligne centrale n'est pas plus grande que a = 0,95, Compter le nombre de points au-dessus et en-dessous dela ligne centrale P est la plus petite de ces deux sommes et G la plus grande. aie Je tee ets (rears eae Wert pettaerT eatery Exemple : On compte le nombre de fois (N) od la courbe coupe Ia ligne centrale et on ajoute 1 Soit:N = 6;N=+1=7 Le nombre de points au-dessus de la ligne centrale est : 9. Le nombre de points en-dessous de la ligne centrale est: 11. P=9;G=I1 Comme on a N + 1 = 7 supérieur & 6 (valeur donnée par la table), le procédé est stable avec un coefficient de confiance de 95 %. (adapté des tables p.928 de «Quality Control and Industrial Statistics » A.J. Juran, Richard D. Irwin, Inc., 1965).RELATIONS ENTRE TABLE I TAILLE DE LECHANTILLON ETENDUE ECART-TYPE, (estimation) Nombre de mesures Facteur de multiplication geSsssssss 0.886 0591 0.486 030 0,395 0,370 0351 0.337 0325 0315 0,307 0,300 0294 0,288 268 022 0.199 0.182 0.174 0.168 0,165 0,162 0.159 0.157 0.156 0.154 Exemple:: si, pour un échantillon de 100 mesures, 'écart entre la plus petite et la plus grande mesure est 10, on peut estimer l'écart-type par le produit 0,199 X 10 = 1,99. (D'aprés PS, Pearson et H.O. Hartley, Biometrika Tables for Statisticians, vol. I, table 27, Cambridge University Press, U.S.A.)TABLE J EVALUATION DE LA FREQUENCE DECHANTILLONNAGE 1 2 3 Cadence Importance | Stabilité Périodtcite de de la du des production | caractéristique] procédé | prélavements Elevée>600 p/h| Grande Instable <1 mn Normaie Gorrecte 1 88 mn) << Faible <100 p/h | Falble Tras bonne} a UTILISATION D'UNE TABLE DE NOMBRES AU HASARD 1. Choisir de lire: — de gauche a droite, — ou de droite a gauche. — pills, de haut en bas. — ou de bas en haut 2, Les nombres cherchés devront avoir 1, 2, 3, 4, 5... chiflres Par exemple, si l'on désire des heures ala’ minute pris, il faut 4 chiffres et 18,44 h devient 1844 et 8.31 h devient 0831, 3. Déterminer le nombre de choix a effectuer. Rewoe "0 TR *SNOLLVI1413eS SMDILSTeaLIVEVI PNOILYNOIS3O a7 6 Sams xiv a eeetNe 2S) rae seen! Ay