N.

LABJAR
Matrise Statistique des
Procds
N.LABJAR
MSP: cest quoi? Et Pourquoi?
Cest Quoi
la matrise statistique exprime le fait quavec des donnes releves pendant
lactivit de production et traites laide des techniques statistiques, il est possible
de disposer dun systme dinformation permettant de mettre en oeuvre des actions
de surveillance et d amliorations du processus.
la MSP est une mthode qui sinspire du principe fondamentale de la
prvention
La dmarche sappuie sur la conduite dactions correctives.
- Prvenir lapparition des drives pour minimiser, voire mme annuler la
fabrication des produits non conformes aux spcifications.
- Amliorer la reproductibilit en matrisant la variabilit du procd
la MSP est une technique de pilotage des procds associant :
- les outils statistiques
- la manire de les mettre en uvre.
N.LABJAR
MSP: cest quoi? Et Pourquoi?
M S P permet de rpondre aux questions suivantes:
1- Le procd est-il apte fabriquer des produits conformes aux
spcifications
2- le procd est-il stable et permet-il de maintenir cette qualit
3 - Sur quels facteurs entrant dans la fabrication faut-il agir pour
pouvoir rpondre la premire question.
4 - Est-il possible et ncessaire de modifier les spcifications du
produit
N.LABJAR
La mise en place de la MSP
La mise en place de la MSP se fait en 3 phases :
1 - Une tude de prcontrle o est tudie la capabilit du
processus (aptitude fabriquer des pices bonnes) et o sont
dfinies les cartes de contrles.
2 - Lutilisation des cartes de contrle en fabrication pour piloter le
processus
3 - Le suivi a posteriori des cartes ainsi que leur archivage qui
constitue un historique de la fabrication (tracabilit)
La MSP nest pas une mthode pour amliorer les performances
intrinsques dun processus. Par contre, elle est ultra-performante
pour maintenir un processus jug bon dans les mmes niveaux de
performance.
N.LABJAR
Rappel statistique
Dduire les proprits de toute une population partir de
lanalyse dun chantillon
Centre d'une distribution
Caractrisation des donnes
Le mode
Il correspond au sommet de la distribution:
Le mode est la valeur la plus frquente
Cest la valeur la plus la mode .
On appelle distribution unimodale, une
distribution prsentant un seul mode
f
r

q
u
e
n
c
e
X
N.LABJAR
Une distribution bimodale est une distribution prsentant
deux modes
f
r

q
u
e
n
c
e
X X
modes
mode
principal
mode
secondaire
N.LABJAR
La mdiane
Elle correspond au milieu de la distribution:
la mdiane est la valeur pour laquelle il y a autant
dindividus gauche qu droite dans lchantillon
Pour dterminer la mdiane dun chantillon ou dune population :
(1) on classe les individus par ordre croissant
(2) on prend celui du milieu
En rgle gnrale, si n est le nombre dindividus dans lchantillon, la mdiane
porte le numro dordre
2
1 + n
dans la suite des individus classs par ordre
croissant.
N.LABJAR

45 68 89 74 62 56 49 52 63 kg

45 49 52 56 62 63 68 74 89 kg
4 4 m diane
45 49 52 55 56 62 63 68 74 89
5 5

mdiane =
56 + 62
2
= 59 kg
Exemple :
Soit un chantillon de 9 personnes dont le poids
est :
classs par ordre croissant :
Si le nombre dindividus est pair, on prend la moyenne entre les deux valeurs centrales :
N.LABJAR
Calcul de la mdiane pour les grands chantillons rpartis en
classes
(1) Dterminez le numro dordre de la mdiane.
(2) Dterminez dans quelle classe elle se situe laide du
tableau des nombres cumuls (total des individus de cette classe et
des prcdentes).
(3) Rangez par ordre croissant les lments (individus) de cette
classe.
(4) Slectionnez llment (individu) correspondant au numro
choisi.
N.LABJAR
Exemple :
Soient les pourcentages obtenus par 49 lves un
examen, rangs par classes de 10 pourcents de large:
Classe nombre nombre cumul
1-10 2 2
11-20 4 6
21-30 5 11
31-40 8 19
41-50 7 26
51-60 9 35
61-70 6 41
71-80 6 47
81-90 2 49
N.LABJAR
dans la classe 41-50
49 + 1
2
= 25
49 individus la mdiane porte le n25
car, daprs le tableau des nombres cumuls, cette classe contient les individus
portant les numros dordre 20 26.
Examinons le contenu de cette classe :
46 42 45 44 50 43 49
Rangeons-les par ordre croissant :
42 43 44 45 46 49 50
Il y a 19 individus dans les classes prcdentes
Le premier de cette classe porte le n20 et nous devons
choisir le 25
e
Numro : 20 21 22 23 24 25 26
Valeur : 42 43 44 45 46 49 50
La mdiane vaut donc 49.
N.LABJAR
La moyenne
Elle correspond une rpartition quitable de la grandeur
mesure sur tous les individus:
La moyenne est la somme des grandeurs mesures
divise par le nombre dindividus
Pour un chantillon de n individus, la moyenne est calcule par :
n
X X X X
X
n
+ + + +
=

3 2 1

= X X
n
1
N.LABJAR
Pour des donnes groupes en classes, on peut calculer une valeur
approximative de la moyenne en supposant que tous les individus
dune classe se situent au centre de celle-ci.
Dans l'exemple prcdent (9 personnes), la rpartition est la suivante:
Classe Centre Nombre
45-55 50 3
55-65 60 3
65-75 70 2
75-85 80 0
85-95 90 1
kg 2 , 62
9
90 1 80 0 70 2 60 3 50 3
=
+ + + +
~ X
N.LABJAR
Si x est le centre de la classe et f le nombre dindividus dans celle-
ci, la formule approche scrit :

~ f x X .
n
1
N.LABJAR
Positions relatives des trois mesures du centre d'une distribution
a) Distribution unimodale et symtrique
Dans une distribution unimodale et symtrique, le mode, la mdiane
et la moyenne sont confondus.
Mode
=
Mdiane
=
Moyenne
F
r

q
u
e
n
c
e
X
N.LABJAR
b) Distribution asymtrique
Si la distribution est tale droite, on a gnralement: mode <
mdiane < moyenne
M
o
d
e
M

d
i
a
n
e
M
o
y
e
n
n
e
F
r

q
u
e
n
c
e
X
N.LABJAR
Si la distribution est tale gauche, on a gnralement: moyenne <
mdiane < mode
M
o
d
e
M

d
i
a
n
e
M
o
y
e
n
n
e
F
r

q
u
e
n
c
e
X
N.LABJAR
L'cart absolu moyen
Lcart absolu moyen est la moyenne des carts par rapport la moyenne,
toujours compts positifs.
Cest donc la moyenne des valeurs absolues des carts la moyenne.
L'cart quadratique moyen (EQM)
Pour des raisons mathmatiques, il est prfrable, pour liminer les signes , de
calculer le carr des carts plutt que leur valeur absolue
On calcule donc la moyenne des carrs des carts, puis on prend la racine carre :
( )

=
2
1
X x
n
EQM
N.LABJAR
L'cart type
Il est prfrable, de diviser par n-1 plutt que par n pour estimer prcisment la
dispersion dune population partir dun chantillon.
( )

=
2
1
1
X x
n

Calcul de lcart type pour un chantillon rparti en classes.

x les centres des classes
f les effectifs
X la moyenne de lchantillon
n le nombre total dindividus
( )

~
2
1
1
X x f
n
s
N.LABJAR
Echantillonnage
N.LABJAR
La faon de slectionner lchantillon est aussi importante que
la manire de lanalyser.
Il faut que lchantillon soit reprsentatif de la population.
Lchantillonnage alatoire est le meilleur moyen dy parvenir.
Un chantillon alatoire est un chantillon tir au hasard dans lequel tous les
individus ont la mme chance de se retrouver.
Dans le cas contraire, lchantillon est biais.
Un petit chantillon reprsentatif est, de loin, prfrable un grand chantillon
biais.
Prcision de la moyenne
Nous supposons maintenant que notre chantillon est reprsentatif de la
population.
La moyenne sur lchantillon est donc une estimation de la moyenne sur la
population.
Nous dsirons savoir quelle est la prcision de cette estimation, afin de connatre
de quelle quantit la vraie valeur est susceptible de scarter de notre estimation.
En fait, la prcision va dpendre :
de la taille de lchantillon
de la dispersion de la population
N.LABJAR
n
o
m
b
r
e
valeur
population
individus de l'chantillon
Dans une population peu disperse, toutes les valeurs de lchantillon seront
forcment proches de la moyenne.
Dans une population plus disperse, les valeurs de lchantillon seront
gnralement plus loignes de la moyenne. La moyenne de lchantillon pourra
donc scarter plus fortement de celle de la population.
Soient:
n le nombre dindividus dans lchantillon,
lcart type de la population
Alors, la prcision de la moyenne peut tre mesure par un cart type sur la moyenne :
( )
n
X

=
N.LABJAR
La prcision sur la valeur moyenne sera donc dautant meilleure que :
1. la population sera peu disperse (o petit)
2. lchantillon sera grand (n grand)
La prsence dune racine carre au dnominateur implique que :
pour une prcision 2 fois meilleure, il faut un chantillon 4 fois plus grand.
pour une prcision 10 fois meilleure, il faut un chantillon 100 fois plus grand.
Comme pour la moyenne, nous rserverons les lettres grecques pour les grandeurs
relatives la population et les caractres romains pour les grandeurs correspondant
lchantillon.
moyenne cart type
population o
chantillon X s
cart type de la moyenne : o( X )
Si lcart type de la grandeur analyse dans la population nest pas connu, on
peut le remplacer par lcart type calcul dans lchantillon, pour autant que
cet chantillon soit suffisamment grand.
( )
n
s
X ~
( ) 100 > n si
N.LABJAR
La loi normale
N.LABJAR
Loi normale ou de Gauss
Son expression mathmatique est la suivante:
( )
2
2
2
2
) (

=
x
e
n
x n
n(x)

+
o o
o o
x
- est la moyenne
- o lcart type
- n le nombre total dindividus
dans lchantillon
- n(x) le nombre dindividus
pour lesquels la grandeur analyse a la
valeur x.
Lorsque la distribution des individus dans une population obit la loi normale, on
trouve :
A. 50 % des individus en-dessous de la moyenne et 50 % au-dessus (la loi
normale est symtrique)
x

50 %
N.LABJAR
x

o
+
o
68 %
x

2
o
+ 2
o
95 %
x

3
o
+ 3
o
99,7 %
B. 68 % des individus entre o et +o
C. 95 % des individus entre -1,96o et +1,96o, que nous arrondirons
lintervalle |2o, +2o|
D. 99,7 % des individus entre 3o et +3o (il y a donc trs peu de chances
quun individu scarte de la moyenne de plus de 3o).
N.LABJAR
Forme de la distribution d'chantillonnage
Supposons que nous analysions une population quelconque partir d'un ensemble
d'chantillons.
Pour chacun de ces chantillons, nous calculons une valeur moyenne X qui est une
estimation de la moyenne de la population .
Bien entendu, les estimations X diffreront gnralement de la vraie moyenne .
Nous dsirons savoir comment les diffrentes dterminations X vont se distribuer
autour de la vraie moyenne .
n(x)
X
x
population
n(x)
x
X
chantillon 1
chantillon 2
N.LABJAR
n(x)
x
histogramme des valeurs
moyennes X
Traons l'histogramme des valeurs moyennes, c'est--dire le nombre
d'chantillons pour lesquels la valeur moyenne X prend une certaine valeur
(se situe dans une certaine classe).
La figure suivante montre lhistogramme des valeurs moyennes X pour des
chantillons de tailles croissantes tirs des populations indiques sur la premire
ligne.
N.LABJAR
Lorsque la taille de l'chantillon est suffisamment grande, (n > 10) la
distribution de la moyenne a une forme approximativement normale.
N.LABJAR
L'cart type sur la moyenne est:
( )
n

= X
Quelle que soit la population sous-jacente, si on utilise des chantillons
suffisamment grands (au moins 10 20 individus), la prcision de la valeur
moyenne peut tre calcule partir de la loi normale.
n
x+
o
x
o
x x
n
x+2
o
x

2
o
x
x
Il y a 68 % (~2/3) de chances que la vraie moyenne soit dans l'intervalle
compris entre X-o et X+o.
Il y a 95 % de chances que la vraie moyenne soit dans l'intervalle compris entre
X-2o et X+2o.
N.LABJAR
Intervalles de confiance
Nous avons vu que la moyenne X d'un chantillon alatoire permet d'estimer la vraie
moyenne de la population.
Nous voudrions estimer galement la prcision de cette moyenne, c'est--dire donner
une marge d'erreur ou un intervalle de confiance.
Nous pouvons utiliser les tables de la loi normale pour estimer ces intervalles de
confiance.
En gnral nous adopterons l'intervalle de confiance 95%, soit 2o( X ).
Nous pourrons donc crire, soit:
( ) X 2 X =
soit, plus explicitement:
Il y a 95 chances sur 100 que se situe entre
( ) ( ) X 2 X et X 2 X +
Si nous tirons une srie dchantillons alatoires de la population, dans 19 cas
sur 20 (en moyenne), se trouvera dans lintervalle de confiance X 2o( X ).
N.LABJAR
Les cartes de contrle
N.LABJAR
N.LABJAR
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 statistiques,
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.
Carte de contrle surveillance dune temprature
N.LABJAR
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.
Les causes spciales : ce sont les causes de dispersion identifiables, souvent
irrgulires et instables, et par consquent difficiles prvoir. Lapparition dune cause
spciale ncessite une intervention sur le procd. Contrairement aux causes
communes, les causes spciales sont en gnral peu nombreuses. Un drglage d
une usure doutil est une cause spciale.
N.LABJAR
N.LABJAR
Deux objets ne sont jamais rigoureusement identiques.
L'objectif de tout industriel est que cette variabilit naturelle demeure dans des
bornes acceptables. C'est une proccupation majeure dans l'amlioration de la
qualit industrielle.
Processus sous contrle
Un processus de production est sous contrle, est matris, lorsque les
caractristiques du produit fabriqu varient peu dans le temps, d'un produit l'autre
et sont conformes ce que l'on dsire obtenir.
Dans ce cas, il n'existe pas de cause prcise faisant varier les caractristiques du
produit. La variabilit n'est due qu'aux limitations techniques du procd de
fabrication, des causes alatoires.
Pour savoir si le processus est sous contrle, on prlve rgulirement de petits
chantillons. Si la caractristique contrle est une mesure (poids, taille,
concentration, etc), le processus est sous contrle lorsque la moyenne (l'esprance)
dans chaque chantillon de cette caractristique est gale une valeur cible
0
fixe et lorsque l'cart-type dans chaque chantillon est gal un cart-type naturel
o
0
.
N.LABJAR
Alors que
0
est fixe pour rpondre la demande des clients, un cahier des
charges, la qualit du produit, o
0
dpend essentiellement du processus de
production, de la technologie mise en uvre.
Si la caractristique contrle est une proportion d'objets non conformes (d'objets
conformes) dans chaque lot, le processus est sous contrle lorsque cette proportion
est en moyenne dans chaque chantillon gale une valeur cible p
0
.
La proportion p
0
est fixe: respecter les normes de qualits axes par contrat ou par
obligation lgale.
On cherche bien sr avoir une valeur de p
0
(proportion d'objets non conformes)
voisine de 0.
Si la caractristique contrle est un nombre de dfauts par objet, le processus est
sous contrle quand ce nombre est en moyenne gal une valeur cible
0
fixe.
Idalement
0
= 0 ; cependant, on tolre souvent quelques dfauts mineurs, comme
des dfauts d'aspect.
N.LABJAR
Processus hors contrle
Un processus hors contrle, non matris, est le contraire d'un processus sous
contrle.
Le processus est hors contrle quand il existe une variabilit trop importante ou
des caractristiques non conformes celles souhaites. Il peut exister plusieurs
causes, dites : causes spciales, ou encore : causes assignables, ce
dysfonctionnement. Un changement d'quipe, de technicien sur une machine, le
drglement d'une machine, une panne, des conditions climatiques particulires,
etc, peuvent tre l'origine d'un processus hors contrle. Dans les cas les plus
graves, il faut revoir entirement un processus de fabrication inadapt aux objectifs
fixs.
N.LABJAR
L'outil de base de la MSP: la carte de contrle. Elle est constitue de tests
statistiques paramtriques de conformit.
Les cartes de contrle aux mesures de Shewhart
Le caractre tudi est une mesure (poids, concentration d'un composant chimique,
cote, etc). L'objectif d'une carte de contrle aux mesures est de dtecter la prsence
de causes assignables de drglement du processus de production. Le fondement
thorique de conception des cartes de contrle est que le caractre numrique tudi
est rparti dans la population, dans l'ensemble de la production, suivant une loi
normale.
Cartes de contrle d'tude initiale
Destines la mise sous contrle du processus. Ces cartes de contrle sont aussi
appeles : cartes de contrle de phase I, ou encore : cartes de contrle pour la
matrise.
Leurs paramtres sont dtermins l'aide de mesures effectues sur une vingtaine
d'chantillons de petite taille.
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
Exemple
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
N.LABJAR
CONTRLE DE
Rception
N.LABJAR
1.Buts du contrle de rception
- Dcider l'acceptation ou le rejet d'un lot
- Comparer la qualit des lots provenant de plusieurs
fournisseurs
- Pour une srie de lots, apprcier le niveau de qualit
de la fabrication pour adoucir ou durcir les rgles de
contrle.
N.LABJAR
2.Domaines d'application
-Sur des lots constitus de produits susceptibles d'tre
individualiss
- Sur des productions venant d'organismes extrieurs ou
d'autres dpartements de l'entreprise
- Se situe
* lors d'une livraison d'un fournisseur
* avant passage d'une opration de production
la suivante
* avant livraison un client
N.LABJAR
3.Types de contrle
- Contrle par comptage ou par attributs: la suite du contrle
d'un ou plusieurs caractres, qualitatifs ou quantitatifs, les
individus sont classs "conformes" ou "non conformes". Le
contrle concerne la proportion de non conformes ou le nombre
moyen de non conformits par unit.
- Contrle par mesurage: le caractre observ est une grandeur
mesurable pour laquelle existent une ou deux limites de tolrance,
les individus hors tolrance tant considrs comme non-
conformes.
N.LABJAR
4.Procdures de prlvement
Plan simple
N.LABJAR
Plan double
N.LABJAR
5.Plan d'chantillonnage
Il est dfini par
- type du contrle (comptage ou mesurage)
- procdure de prlvement (plan simple, double, multiple,
progressif)
- effectif de (des) l'chantillon
- relation entre rsultats et dcision
lments intervenant dans le choix du plan
- nature du caractre contrl (qualitatif, quantitatif)
- importance des risques admis
- effectif des lots (une dcision errone est plus grave pour des
lots importants que pour des petits)
- information que l'on a sur la qualit habituelle
- cot du contrle : cot direct qui dpend de la taille
d'chantillon, et cot indirect li la prsence d'individus non
conformes dans les lots accepts;
- etc...
N.LABJAR
6.Niveau de qualit acceptable
Le niveau de qualit acceptable NQA (AQL Acceptable quality
Level) est un paramtre contractuel entre client et fournisseur. C'est
le pourcentage d'individus non conformes qui ne doit pas tre
dpass pour que le lot puisse tre considr comme acceptable.
7.Qualit moyenne aprs contrle
La qualit moyenne aprs contrle (AOQ Average Outgoing
Quality) est la qualit moyenne du stock, obtenue aprs contrle
d'une srie de lots o l'on a limin tous les non conformes trouvs
dans les chantillons contrls, et aprs tri 100 % des lots refuss.
N.LABJAR
1.Rgles de prlvement
- NORMAL: adopt au dbut du contrle d'une srie de
lots ou pour un lot isol
- RENFORC: moins conomique, mais protge mieux le
client (b plus petit). Il est impos par le client lorsque le
contrle normal conduit des doutes sur la qualit
- RDUIT: plus conomique. Il est dcid par le client
lorsque le contrle normal permet de penser que la qualit
est satisfaisante.
Contrle par comptage
N.LABJAR
2. Niveaux de contrle
- NIVEAU I: rserv aux critres particulirement difficiles
contrler
- NIVEAU II: c'est le niveau standard que l'on choisit
habituellement
- NIVEAU III: rserv aux critres particulirement faciles
contrler
N.LABJAR
Contrle par mesurage
1.Bases thoriques
Le caractre contrl est mesurable et suit une loi normale
ou voisine d'une loi normale.
Il existe une ou deux limites de tolrance permettant de
classer chaque individu en conforme ou non conforme.
La dcision est prise en fonction du nombre de non
conformes par l'intermdiaire de la moyenne d'chantillon.
La connaissance de la distribution de la moyenne
d'chantillon permet la construction de la courbe
d'efficacit.
N.LABJAR
2.Rgles de prlvement
3.Niveaux de contrle
4.Taille des lots
5.Taille des chantillons prlever
N.LABJAR
6.cart-type connu ou inconnu
-Mthode "o" : utilise lorsque l'cart type est connu
-Mthode "s" : utilise lorsque l'cart type est inconnu.
Dans les deux cas on pourra construire:
- une "carte de contrle de la moyenne"
Qui permet d'accepter ou de refuser le lot suivant la position de la
moyenne par rapport aux limites d'acceptation.
- une " carte de contrle de l'cart type " ou de l'tendue
Qui permet Pour :
le cas o o est connu, de vrifier la stabilit de la dispersion.
et pour le cas o o est inconnu, d'utiliser la mthode "o" si la dispersion
est stable depuis un certain temps .
N.LABJAR
7. Une seule ou deux limites de tolrance
. - Une limite de tolrance infrieure: le lot est accept si
(mthode "o") X >Ti +Ko
(mthode "s") X> Ti+Ks
- Une limite de tolrance suprieure: le lot est accept si
(mthode "o") X< Ti -Ko
(mthode "s") X< Ti-Ks
- Deux limites de tolrances: le lot est accept si
(mthode "o") Ti +Ko< X< Ti -Ko
(mthode "s") Ti+Ks<X< Ti-Ks
N.LABJAR
Performances: Performances:
* Visualisation automatique * Visualisation automatique
des rsultats. des rsultats.
* Alarme en cours de * Alarme en cours de
contrle contrle : visuelle et sonore. : visuelle et sonore.
* Visualisation des instructions * Visualisation des instructions
aux Contrleurs aux Contrleurs : Textes, images, : Textes, images,
plans, dessins industriels. plans, dessins industriels.
* Affichage de la taille * Affichage de la taille
d'chantillonnage. d'chantillonnage.
* Droit daccs * Droit daccs
administrateurs administrateurs et et utilisateurs . utilisateurs .
* Acquisition des donnes * Acquisition des donnes
N.LABJAR
* Prise de dcision * Prise de dcision
automatique. automatique.
* Traabilit des lots. * Traabilit des lots.