Beruflich Dokumente
Kultur Dokumente
Contexte
Enjeux et objectifs
Satisfaction du client
Performance
Amlioration de la
qualit interne et
externe
MSP
Amlioration des
performances des
processus
Contexte
Le cot de la non-qualit ?
Outre le cot directement occasionn par la dtection et
la retouche des dfauts, il faut aussi prendre en compte :
Les consquences de la dception dun client (parts de march)
Le potentiel dun rendement accru (bnfices)
Laugmentation cache des dlais de production
Les cots lis la commande de matriaux de remplacement
Les cots lis la gestion des dfauts
Contexte
Qualit interne et externe
Le triangle deBird :
Ltude de Bird (1969) dmontrait quil existe un lien statistique
entre les diffrentes pertes accidentelles que subit une
organisation dans le cadre de ses activits.
On peut faire une analogie entre le domaine de la scurit et
celui de la qualit.
Produit non conforme en clientle
Produit non conforme aprs contrle final
Sous-ensemble non conforme au contrle
final
Pice non conforme aprs contrle en ligne
13/09/2011
Contexte
MSP/SPC : une stratgie de contrle
Dfinition du contrle
Le contrle est un moyen de soutenir lamlioration, soit en
liminant toute opportunit de dfaut, soit en surveillant
lamlioration du processus par le biais dun systme de suivi.
Objet du contrle
Elaborer une stratgie destine faire en sorte que les
amliorations soient bien soutenues.
13/09/2011
Contexte
MSP/SPC : une approche Lean
Objectif du contrle du point de vue Lean :
Eliminer les gaspillages d aux dfauts
Ne pas crer de tche sans valeur ajoute.
Contexte
Dvelopper une stratgie de contrle MSP/SPC
Etapes de mise en uvre dune stratgie de contrle :
Slectionner la caractristique contrler approprie
Slectionner le point de collecte des donnes
Slectionner le type de graphe de contrle
Etablir la taille dchantillon approprie ainsi que la frquence
Dterminer la mthode/les critres de mesure
Procder lAnalyse du Systme de Mesure (ASM) long terme
Procder une tude initiale de capabilit
Dvelopper des procdures de collecte
Fournir des instructions crites et former le personnel
13/09/2011
Contexte
Prvention / Dtection
Prvention :
Une stratgie de contrle oriente sur la prvention consiste
viter lapparition de non-conformits.
Il sagit de supprimer la cause de lerreur.
Dtection :
Une stratgie de contrle oriente sur la dtection consiste
mettre en uvre des systmes de contrle permettant de dtecter
les non-conformits dans le processus de manire ce quelles ne
parviennent pas jusquau client (externe ou interne).
Exemple :
Un quipement de mesure plac en amont de lop 20 dune ligne de
fabrication empche les pices non-conformes de lop 10 dtre
usines lop 20 : il sagit dune stratgie de contrle oriente sur la
dtection qui nempche pas la ralisation de non-conformit lop 10.
13/09/2011
Contexte
Prvention / Dtection
Prvention ou Dtection :
Idal
Prvention
Mieux
Dtection
Bien
Dtection
13/09/2011
Contexte
Prvention / Dtection
Prvention - Systmes anti-erreur POKA YOKE :
Avantages
Certitude que les non-conformits ne parviendront pas au client.
Suppression des tches sans valeur ajoute (contrle 100% et
retouche) compensant les surcots ventuels de conception ou de
mise en uvre des systmes anti-erreurs.
Rduction des cots de garantie, amlioration de limage de marque.
Prvention des dommages sur le produit
Prvention des risques corporels et des dommages machine
Eliminent les options entranant des actions incorrectes
Ne ncessitent pas de formation approfondie (conception des
systme anti-erreurs).
13/09/2011
10
Contexte
Prvention / Dtection
Prvention - Systmes anti-erreur :
Mise en uvre
Formation aux techniques anti-erreur
Approche globale de la conception la fabrication
Utilisation envisage ds lAMDEC
Analyse des 5 pourquoi pour dterminer la cause premire
Vrification des actions anti-erreurs au moyen de Masters
Intgration aux procdures existantes
13/09/2011
11
Contexte
Prvention / Dtection
Dtection : Deux moyens de dtection courants
Des moyens daffichage et de matrise (ou management)
visuels :
Communiquent des informations importantes mais ne contrlent
pas ce que les personnes ou les machines font.
13/09/2011
12
Principes
Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
13
Principes
Dfinition
MATRISE :
Meilleure connaissance de
Mise sous contrle de
STATISTIQUE :
Lois mathmatiques qui permettent de travailler sur tous les paramtres
QUANTIFIABLES (nombres)
PROCEDE :
Ne se limite pas uniquement la machine
Englobe tous les principaux facteurs ayant
une influence sur un poste de travail donn
13/09/2011
14
Principes
Que dit Wikipdia ?
Utilisation de reprsentations graphiques montrant les
variations des processus dans le temps.
Permet danticiper sur les mesures prendre pour
amliorer n'importe quel processus de fabrication
industrielle (automobile, mtallurgie, etc.)
Discipline implante au Japon aprs la Seconde Guerre
mondiale grce William Edwards Deming (14/10/1900
20/12/1993), statisticien, professeur, auteur, confrencier
et consultant amricain.
Les thories de Deming ont remis en question les
principes de la division du travail prns par Taylor.
13/09/2011
15
Principes
Que dit Wikipdia ?
L'amlioration de la qualit des produits japonais avec
l'utilisation systmatique des cartes de contrle a t
telle, que les pays occidentaux ont dvelopp leur tour
des outils pour le suivi de la qualit partir de 1980.
Utilise un certain nombre de techniques telles : le contrle
de rception, les plans d'exprience, les techniques de
rgression, les diagrammes de Pareto, la capabilit.... Et
les cartes de contrle.
13/09/2011
16
Principes
Objectif : Produire le minimum de non-conformit
Qualit accrue par l'utilisation d'outils statistiques visant une
production centre et la moins disperse possible
Etonnant non ?
Contrle de la qualit dynamique : il ne suffit pas qu'une pice soit
dans les limites de spcifications, il faut aussi surveiller la rpartition
chronologique des pices l'intrieur des intervalles de contrle
Approche donnes (mesurer, mettre en question, savoir, dcider)
Pilotage des procds avec pour motivations principales :
La stabilit du procd.
La dtection des drives et la prvention des dfaillances.
L'analyse du procd permettant dy apporter des amliorations.
Entres
Processus
Sortie
MSP/SPC
13/09/2011
17
Principes
SPC : lapproche donnes
Lapproche donnes de la prise de dcision
Nous agissons seulement partir de ce qui est connu.
Nous en savons plus quand nous cherchons.
Nous cherchons ce que nous mettons en question.
Nous mettons en question ce que nous mesurons.
Si nous mettons en question et mesurons, nos dcisions
reposeront sur des donnes plutt que sur des intuitions.
13/09/2011
18
Rappel de Statistiques
Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
19
Rappel de Statistiques
Introduction - Loi normale (un peu de thorie)
Quelques caractristiques :
1
1
2
y = f (x ) =
e
2
Courbe en cloche.
X: Variable alatoire
F(x): densit de probabilit
moyenne
0,040
Densit de
probabilit
Point
dinflexion
0,030
0,020
0,010
0,000
60
13/09/2011
70
80
90
100
110
120
130
140
Variable
alatoire
20
10
Rappel de Statistiques
Rpartitions statistiques
On peut dcrire le comportement de nimporte quel
processus ou systme en indiquant de multiples points de
donnes pour la mme variable
sur une certaine dure
pour plusieurs produits
sur diverses machines, etc.
21
Rappel de Statistiques
Le graphique points
Imaginez une pompe dbit talonn de 50 litres/mn.
Le dbit rel de la pompe est mesur en 100 occasions
distinctes.
Chaque point est port sur le graphique et reprsente la
survenance du dbit une certaine valeur. A mesure que les
points saccumulent, la nature de la performance de la pompe
merge comme une rpartition du dbit.
13/09/2011
22
11
Rappel de Statistiques
Lhistogramme
Imaginons maintenant les mmes donnes groupes en intervalles
avec le nombre de fois quun point de vitesse de la pompe tombe
lintrieur dun intervalle qui dtermine la hauteur de la barre
dintervalle.
40
Frquence
30
20
10
0
48.8
49.3
49.8
50.3
50.8
51.3
L/min)
13/09/2011
23
Rappel de Statistiques
Courbe progressive (normale)
Enfin, nous pouvons voir les donnes sous forme dune
courbe progressive de points qui reprsentent des donnes.
Dans cet exemple, utiliser la courbe progressive, donne une
approximation de laspect des donnes si nous collections
un nombre infini de points de donnes.
13/09/2011
24
12
Rappel de Statistiques
Paramtres de population contre chantillons
Population :
Un groupe entier dobjets prsentant une caractristique intressante
dont on ne connaitra probablement, jamais les paramtres rels.
Echantillon :
Le groupe dobjets vritablement mesur dans une tude statistique qui
est un sous-ensemble de la population laquelle on sintresse.
Paramtres de population
Statistiques dchantillons
= Moyenne de population
X = Moyenne d chantillon
s = Dviation standard
dchantillon
= Dviation standard
de population
Population
Echantillon
13/09/2011
25
Rappel de Statistiques
Paramtres de population contre chantillons
Moyenne
dchantillon
Moyenne de
Population
X
=
i =1
x=
Dviation Standard
de Population
=
13/09/2011
(x x )
i=1
Dviation Standard
dchantillon
(X
i=1
= s =
SPC Thierry Perreaud
i =1
n 1
26
13
Rappel de Statistiques
Mesures de tendance centrale
Moyenne : moyenne arithmtique dun ensemble de
valeurs
Reflte linfluence de toutes les valeurs
Fortement influence par les valeurs extrmes
Mode :
La valeur la plus frquente dans les ensembles de donnes
13/09/2011
27
Rappel de Statistiques
Mesures de tendance centrale (suite)
Description des rpartitions
22 points de donnes
11
10
9
8
7
6
5
4
3
2
1
Mdiane
Mode
Moyenne (8,16)
5
13/09/2011
22 points de donnes
10
11
12
13
14
28
14
Rappel de Statistiques
Mesures de la variabilit
Plage (range) :
Distance numrique entre valeurs maximales
et minimales dun ensemble de donnes.
Variance (2 ; s2) :
(X
2 =
)2
i=1
Dviation Standard ( ; s) :
La racine carre de la variance.
Mesure la plus frquemment utilise
pour quantifier la variabilit
13/09/2011
(X
=
)2
i=1
29
Rappel de Statistiques
Caractristiques de la rpartition normale
Caractristique 1 :
on peut dcrire une rpartition normale en connaissant seulement :
la moyenne
la dviation standard
Rpartition N1
Rpartition N2
Rpartition N3
30
15
Rappel de Statistiques
Caractristiques de la rpartition normale
Caractristique 2 : la courbe normale et ses probabilits
Probabilit de la valeur
68%
40%
30%
95%
20%
99,73%
10%
0%
-4
-3
-2
-1
13/09/2011
31
Rappel de Statistiques
Caractristiques de la rpartition normale
Caractristique 3 :
Les variances sajoutent, pas les dviations standard.
Les variances des donnes de dpart sont ajoutes pour calculer
la variance totale dans les donnes darrive.
2
Si total
= variance du rsultat de processus;
2
X2
Donc, Total = X2 1 + X2 2
13/09/2011
32
16
Rappel de Statistiques
Graphique de probabilit normale
Nous pouvons tester si un ensemble de donnes peut
tre dcrit comme normal grce un test de normalit
(ou avec un graphique de probabilit normale). Si ce
nest pas le cas, il ne sera pas possible de mettre en
place une stratgie de contrle par MSP.
Si la rpartition est proche de la normale, le graphique de
probabilit normale sera en ligne droite.
Cest loccasion dutiliser Minitab afin de crer facilement
un graphique de probabilit normale.
Formation Minitab page 1 15
Fichier training data minitab.xls
Ouvrir Minitab
13/09/2011
33
Introduction la mesure
Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
34
17
Introduction la mesure
Mesures & variations - Dfinition de la mesure
Une mesure dcrit la quantit, la capacit ou la
performance dun produit, dun processus ou dun service,
selon les donnes observables.
35
Introduction la mesure
Mesures & variations - Attributs & variables
Donnes attributs
GO/NO
Donnes variables
GO
13/09/2011
36
18
Introduction la mesure
Mesures & variations - Utilisation des mesures
Des mesures peuvent tre effectues au niveau des
entres, du processus lui-mme ou de ses sorties.
Entres
Entres
Processus
Sorties
Sorties
Entres
37
Introduction la mesure
Etapes du dploiement dune stratgie de mesure
Etablir le
diagramme de flux
du processus
Raliser lAMDEC
du processus
Dvelopper
une
stratgie de
contrle
13/09/2011
Dvelopper
une ASM
Dvelopper
un plan de
contrle
Dvelopper
un plan de
raction
38
19
Introduction la mesure
Mesures & variations - Variation
Toutes les activits rptitives dun processus offrent un
certain degr de fluctuations.
Les mesures des entres, du processus et des sorties
fluctuent galement.
Cette fluctuation est appele variation.
Mesure
Temps
13/09/2011
39
Introduction la mesure
Mesures & variations - Sources de variation
P
R
O
C
E
S
S
U
S
Machines
Matires
Mthodes
Mesure
Mre Nature
Personnel
Ou M.O.
13/09/2011
40
20
Introduction la mesure
Mesures & variations - Deux types de variation
Causes communes compares aux causes spciales
Type de variation
Dfinition
Caractristiques
Cause commune
Pas deffet
exagr de lun
quelconque des
5M et 1P
Attendue
Prvisible
Normale
Cause spciale
Effet exagr
provoqu par un
des 5M et 1P au
moins
Inattendue
Imprvisible
Pas normal
13/09/2011
41
Introduction la mesure
Mesures & variations - AMDEC/FMEA
Lorsque la sortie est infrieure aux attentes client en
raison dune variation, le processus est rput en mode de
dfaillance.
LAMDEC -Analyse des Modes de Dfaillance, de leurs
Effets et Criticit- ou en anglais FMEA -Failure Modes, Effects and
Analysis- est un moyen dobserver les effets de la variation.
LAMDEC est une procdure mthodique qui :
reconnat et value la dfaillance potentielle dun produit ou dun
processus et les effets de celle-ci,
identifie les actions qui pourraient liminer ou rduire la survenue
de la dfaillance potentielle,
documente le processus.
13/09/2011
42
21
Introduction la mesure
Mesures & variations - Objectifs de lAMDEC
43
Introduction la mesure
lAMDEC - Traitement du risque
Notation des dfaillances dans lAMDEC :
44
22
Introduction la mesure
Analyse du systme de mesure - Dfinition
Lanalyse du systme de mesure est une valuation
quantitative des outils et processus utiliss lors de
lobservation des donnes.
On parle de ASM ou de MSA en anglais pour
Measurement System Analysis
LASM indique le % de variation des donnes de
processus qui provient derreurs de mesure.
On distingue deux types dtudes selon que les donnes
dont on dispose sont de type attribut ou variable .
Remarque : Le systme de mesure idal est celui qui
produit des mesures exactes chaque fois quon lutilise
(partialit nulle, variance nulle).
13/09/2011
45
Introduction la mesure
Analyse du systme de mesure
Assurance que les donnes collectes reprsentent
rellement tous les lments du processus
Comparaison de plusieurs systme de mesure
Evaluation dun systme de mesure suspect dficient ou
dun nouvel quipement de mesure
Informations recherches :
Le systme de mesure est-il capable pour cette tude ? Pouvonsnous dtecter une amlioration du processus ?
Quel erreur, quel degr dincertitude est associ une mesure ?
La discrimination peut-elle reflter la variation existante ?
Quelles sont les sources derreur de mesure ?
Le systme de mesure est-il stable dans le temps ?
13/09/2011
46
23
Introduction la mesure
ASM - Etude R&R variables - Variation observe
Un
peu de
thorie
Variation de
processus long
terme
Variation de
processus court
terme
Rptabilit
Variation due
linstrument de
mesure
Etalonnage
Stabilit
Linarit
47
Introduction la mesure
ASM - Etude R&R variables - Variation observe
Un
peu de
thorie
total
processus
Systme de Mesure
LSS
Limite Suprieure
de Spcification
Systme de mesure
Valeurs relles
Valeurs
mesures
Processus
48
24
Introduction la mesure
ASM - Etude R&R variables - Variation mesures
Sources des variations des mesures
Appareils de mesures
Mthodes de mesures
Facilit de la saisie des donnes
Instabilit mcanique
Instabilit lectrique
Frquence de ltalonnage
Instabilit dalgorithme
Usure
Procdures standard
Niveau de maintenance
Temps de mesure suffisant
Humidit
Variation des
mesures
Propret
Vibration
Environnement
SPC Thierry Perreaud
13/09/2011
49
Introduction la mesure
ASM - Etude R&R variables Justesse/exactitude
Exprime le fait que la moyenne des mesures
dvie par rapport la valeur relle (valeur
thoriquement correcte par rapport des normes)
Un
peu de
thorie
Valeurs
mesures
Partialit
13/09/2011
50
25
Introduction la mesure
ASM - Etude R&R variables - Prcision
Un
peu de
thorie
Variation
systme de
mesure
Valeurs
relles
Valeurs
mesures
Prcision : dtermin
par ltude R&R
Rptabilit et Reproductibilit
2
13/09/2011
51
Introduction la mesure
ASM - Etude R&R variables - Rptabilit
La rptabilit est la variation des mesures obtenues
avec un instrument de mesure utilis plusieurs fois par un
inspecteur mesurant une caractristique sur la mme
pice. Ce terme fait rfrence :
La variabilit inhrente au systme de mesure court terme
La variation se produisant lors des mesures rptes du mme
article faites dans des conditions absolument identiques :
mme inspecteur
mme configuration, mmes conditions environnementales
mmes units
52
26
Introduction la mesure
ASM - Etude R&R variables - Reproductibilit
La reproductibilit est la variation de la moyenne des
mesures faites par diffrents inspecteurs utilisant un
instrument
de
mesure
mesurant
les
mmes
caractristiques du mme article. Ce terme renvoie :
La variation qui rsulte de lutilisation de diffrentes conditions
lors de la prise de mesure :
diffrents inspecteurs,
diffrentes configurations, units, conditions environnementales,
diffrents systmes de mesure.
53
Introduction la mesure
ASM - Etude R&R variables - Terminologie
Calibre tudi
Linarit :
Mesure Exactitude et Prcision sur la
plage des capacits de linstrument.
Calibre de rfrence
Discrimination :
Graduations de linstrument < 1/10me de
la spcification du produit ou de la
variation du processus.
Mauvaise Discrimination
Pice
mesurer
Bonne Discrimination
Rpartition
des
mesures
sans
glissement, dcalage subit ou cycles.
Elle peut tre prdite dans le temps
(moyenne et dviation standard).
13/09/2011
Mesure
s
Stabilit :
Temps
54
27
Introduction la mesure
ASM - Etude R&R variables - Corrlation
Une mesure de lassociation linaire entre deux variables,
par exemple, deux mthodes de mesure diffrentes ou
deux laboratoires diffrents.
Corrlation positive
avec dcalage
Corrlation ngative
avec dcalage
Corrlation positive
sans dcalage
Pas de corrlation
dcalage
13/09/2011
55
Introduction la mesure
Un
peu de
thorie
% R &R =
SM
100
Total
13/09/2011
56
28
Introduction la mesure
Un
peu de
thorie
2
2
2
SM
= rptabilit + reproductibilit
Un
peu de
thorie
57
Introduction la mesure
ASM - Etude R&R variables - P/T et P/VT
LSS
Valeurs
mesures
Nota: 99,73%
de la courbe
sera dans 6 .
P/VT =
6 x SM SM
=
6 x total total
P /T =
6 x SM
LSS LIS
58
29
Introduction la mesure
ASM - Etude R&R variables - Interprtation
Utilisation du taux P/T (Prcision/Tolrance) :
Estimation la plus courante de la prcision dun systme de mesure.
Adquat pour valuer la performance du systme de mesure par rapport
la spcification.
Toutefois, les spcifications peuvent tre trop strictes ou pas assez.
En gnral, le taux P/T constitue une bonne estimation lorsque le
systme de mesure ne sert qu classer des chantillons de production.
Mais, si la capacit du processus (Cpk) nest pas correcte, le taux P/T
peut vous donner une fausse impression de scurit.
Prcision du systme de mesure
LIS
Process non capable
13/09/2011
LSS
Valeurs
mesures
59
Introduction la mesure
ASM - Etude R&R variables - Interprtation
Utilisation du taux P/VT (Prcision/Variation Totale) ou %R&R :
Le P/VT (R&R) est une meilleure mesure (que P/T) qui estime la
performance du systme en ce qui concerne la variation globale du
processus.
Cest la meilleure estimation lorsquon effectue des tudes damlioration
de processus. Faire attention utiliser des chantillons reprsentatifs de
toute la plage du processus.
13/09/2011
LSS
Valeurs
mesures
60
30
Introduction la mesure
ASM - Etude R&R variables - Ex. de rsultat
Le service Trafic dune entreprise procde dans son
procd dexpdition une opration de pesage.
Le systme de mesure inclut :
Plusieurs oprateurs
Une balance
Une procdure pour le pesage
61
Introduction la mesure
ASM - Etude R&R variables - Ex. de rsultat
Gagedu
name:
Nom
calibre :
Date of
Nom
destudy:
ltude :
Reported by: :
Responsable
Tolerance:
Tolrance
:
Misc:
Divers :
Gage de
R&R
(ANOVA)
Weightpour poids
Etude
calibre
R&R for
(ANOVA)
Composants
ComponentsdeoflaVariation
variation
Response
Package
RponseBypar
colis
Percent
Pourcentage
100
19
18
17
16
15
14
13
12
11
10
%Contribution
50
0
Gage R&R
Repeat
Reprod
Package
Colis
Part-to-Part
6
5
4
3
2,8
R=2.8
LCL=0
LIC=0
Moyenne
Samplechantillon
Mean
10
Measurer*Package
Interaction
Interaction mesureur/colis
3
UCL=16.89
LSC=16,89
Mean=15.53
Moyenne=15,53
LCL=14.18
LIC=14,18
13/09/2011
Opr
Oper
Xbar
Chart
Measurer
Graphe
parbymesureur
1
19
18
17
16
15
14
13
12
11
10
UCL=5.611
LSC=5,611
2
1
19
18
17
16
15
14
13
12
11
Responsepar
By mesureur
Measurer
Rponse
Average
Moyenne
Plage chantillon
Sample
Range
R ChartRby
Graphe
parMeasurer
mesureur
18
17
16
15
14
13
12
11
Colis
Package
Mesureur
Measurer
1
2
3
10
62
31
Introduction la mesure
ASM - Etude R&R v. - Rsultats
Etude R&R d'instrumentation - Mthode ANOVA
Tableau ANOVA double entre avec interaction
Source
Pice
Oprateur
Pice * Oprateur
Rptabilit
Total
Somme des
carrs
CM
88,3619
9,81799
3,1673
1,58363
0,3590
0,01994
2,7589
0,04598
94,6471
DL
9
2
18
60
89
F
492,291
79,406
0,434
Suppression de lInteraction
Pice * Oprateur
Somme des
carrs
CM
88,3619
9,81799
3,1673
1,58363
3,1179
0,03997
94,6471
DL
9
2
78
89
03/11/2011
P
0,000
0,000
0,974
F
245,614
39,617
P
0,000
0,000
63
Introduction la mesure
ASM - Etude R&R v. - Rsultats
R&R de l'instrumentation
Source
R&R d'instrumentation
Rptabilit
Reproductibilit
Oprateur
De pice pice
Variation totale
CompVar
total
0,03997
0,05146
1,17788
% contribution
Contribution =
de CompVar)
0,09143
7,76
3,39
0,05146
4,37
6 x SM
P/VT =
4,37
6 x Total
1,08645
92,24
100,00
6 x 0,30237
6 x 1,08530
Var d'tude
(6 * cart type)
0,30237
1,81423
0,19993
1,19960
0,22684
1,36103
0,22684
1,36103
1,04233
6,25396
1,08530
6,51180
(%VE)
27,86
18,42
20,90
20,90
96,04
100,00
2
0,09143
SM
=
= 0,0776
2
1,17788
total
P/T =
= 0,2786
14,99
17,01
17,01
78,17
var
6 x SM
LSS LIS
6 x 0,30237
= 0,2268
8
tude
(VE/Tolr.)
22,68 Nbre de groupes
distinguables dans les
donnes du procd.
Daprs lAIAG*, le
systme de mesure est
81,40 acceptable si > 4.
* Automotive Industry Action Group
64
32
Introduction la mesure
Analyse du systme de mesure - Conclusion
A lissue de lASM, on doit connaitre les lments suivants :
Le systme de mesure est capable de rassembler des donnes qui
refltent avec prcision la variation dans le processus.
Quelle est la valeur de lerreur de mesure.
Les incrments de mesure sont assez petits pour montrer une
variation.
Les sources derreur de mesure ont t identifies.
Si le systme de mesure ne satisfait pas lanalyse, avant de
collecter les donnes :
Modifiez le calibre.
Modifiez le systme de mesure.
Faites suivre une formation aux prposs aux mesures.
13/09/2011
65
Introduction la mesure
Dvelopper un Plan de Contrle
Dfinition :
Description crite de la stratgie charge de garantir le soutien des
amliorations.
Objectifs :
Amliorer la qualit globale en rduisant les risques dcarts de
qualit.
Rduire le nombre de dfauts en maintenant les processus centrs
Aider au dpannage en temps utile des processus
Servir doutil de communication pour les changements des
caractristiques critiques
Soutenir les amliorations
13/09/2011
66
33
Introduction la mesure
Dvelopper un Plan de Contrle
Etapes du Plan de Contrle :
Il sagit du prolongement de lAMDEC qui doit tre la source
principale didentification des variables cls pour contrler le Plan
de Contrle actuel et en faire une valuation initiale.
Dterminer les variables de dpart cls/critiques
Schma de processus
Modle Cause & Effet
AMDEC
PE
67
Introduction la mesure
Dvelopper un Plan de Contrle
Exemple de formulaire de Plan de Contrle :
Product:
Key Contact:
Phone:
Processus
13/09/2011
Core Team:
Date (Orig):
Date (Rev):
Etape de
processus
Donnes
dpart
Donnes
darrive
Spcifications
du processus
limites & cible
Cap/date
(taille
dchantillon)
Systme de
mesure
%RaR
Contrle
actuel
Taille
chant.
Frquence
chant.
Plan de
raction
68
34
Introduction la mesure
Dvelopper un Plan de Raction
Dfinition :
Un Plan de Raction est la partie du Plan de Contrle qui fournit
les dtails sur les actions prendre si les graphes de contrle
indiquent que le processus nest plus sous contrle.
Objectifs :
Guider les oprateurs en cas de processus hors contrle
Permettre une raction rapide et efficace.
Assurer la mise en uvre des mesures correctives
Remarque :
Le recours un Plan de Raction standard pour lentreprise ou
lorganisation ne peut se substituer dans tous les cas un Plan de
Raction spcifique.
13/09/2011
69
Introduction la mesure
Dvelopper un Plan de Raction
Elments dun Plan de Raction
Apporter des rponses aux questions suivantes :
Comment diffrencier une Cause Spciale dune Tendance de
Processus ?
Moment appropri de raction (nombre de points de donnes horscontrle) ?
Quelles actions doivent tre prises ?
Qui est responsable de la mise en uvre de ces actions ?
Qui est responsable de la vrification ?
13/09/2011
70
35
Introduction la mesure
Dvelopper un Plan de Raction
Etapes de mise en uvre dun Plan de Raction
Prparer un Plan de Raction pour chaque condition hors contrle.
Les causes sont places dans lordre dans lequel elles doivent tre
vrifies, en commenant par les plus faciles vrifier.
Lquipe dtermine les actions compensatoires entreprendre si
aucune cause nest identifie.
13/09/2011
71
Introduction la mesure
Dvelopper un Plan de Raction
Etapes de mise en uvre dun Plan de Raction (suite)
Sassurer que les oprateurs comprennent que le Plan de Raction
doit tre mis en uvre ds que les outils de suivi du processus
permettent de diagnostiquer une situation hors contrle (pas
forcment une non-conformit)
Passer en revue le Plan de Raction avec lquipe projet et le
service technique qui y apportent les modifications ventuelles.
Lquipe dtermine la documentation ncessaire au plan et
comment former les employs.
Valider le Plan de Raction avec les oprateurs et les former
Sassurer que la formation au Plan de Raction a t suivi par les
oprateurs.
13/09/2011
72
36
Etude de Capabilit
Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
73
Etude de Capabilit
Dfinition
13/09/2011
74
37
Etude de Capabilit
Relation entre indicateurs
La performance dun processus quelque soient la nature des
donnes observes peut tre estime au moyen de la
mesure universelle de la valeur 6-Sigma.
CP
DONNES VARIABLES
CPK
PPM
PP
DONNES ATTRIBUTS
13/09/2011
PPM
PPK
DPU
DPMO
75
Etude de Capabilit
Variation de processus f(t)
Processus court terme
+1,5
CP
CPK
PP
PPK
76
38
Etude de Capabilit
Analyse de capabilit donnes attributs
1) Dfinir :
Les units ; quelle est leur nombre (N)
Les dfaut ; quelle est leur nombre (D),
Le nombre dopportunits pour gnrer un dfaut par unit (O).
D
1 000 000
NO
77
Etude de Capabilit
Analyse de capabilit donnes attributs - Cpk
D
NO
57
500 3
13/09/2011
78
39
Etude de Capabilit
Analyse capabilit donnes variables : Prambule
Avant de dterminer la capabilit dun processus au moyen
de donnes variables, il est important de prciser quelques
termes.
Cible
Limites de spcification
Plage/Range
Distribution des donnes
13/09/2011
Centrage
Ecart
Probabilit de produire un
dfaut
Rendement
Taux de 1re pices
bonnes
79
Etude de Capabilit
Analyse de capabilit donnes variables - Cible
Pour chaque caractristique mesurable, il existe un
niveau dsir de performance dnomm gnralement
cible.
Exemples :
Temprature du corps : 37C
Livraison dun colis par la poste : 10 h du matin 48 h aprs la
leve
Vitesse limite sur autoroute : 130 km/h
13/09/2011
80
40
Etude de Capabilit
Analyse de capabilit donnes variables - Limites
Les limites de spcification ou tolrances fournissent
les frontires de la performance acceptable au-dessus ou
au-dessous de la cible.
Limite infrieure de spcification (LIS) : Valeur la plus basse acceptable
Limite suprieure de spcification (LSS) : Valeur la plus haute acceptable
Plage (range)
Limite Distance numrique entre les valeurs maximales et minimales
dun ensemble de donnes.
Exemples :
Temprature du corps :
LIS
Cible
LSS
36,8C
37C
37,2C
10 AM
Midi
130
130
80
81
Etude de Capabilit
Analyse de capabilit variable - Distribution
Distribution des donnes
Manire dont les donnes des mesures sajustent
autour de la cible et entre les limites infrieure et
suprieure des spcifications.
Exemple (Livraison colis par la poste 48 h aprs la leve)
Mesure = nombre de colis livrs
8 AM
13/09/2011
9 AM
10 AM
SPC Thierry Perreaud
11 AM
Midi
82
41
Etude de Capabilit
Analyse capabilit donnes variables - Centrage
Le centrage est le processus qui consiste faire
concider la moyenne et la cible.
Exemple (temprature du corps) :
37,2
37,6
Cible Moyenne
13/09/2011
83
Etude de Capabilit
Analyse de capabilit donnes variables - Ecart
L cart fait rfrence la distance entre une mesure
particulire et la moyenne de toutes les mesures de
lensemble.
Une mesure
particulire
cart
|x x|
x
13/09/2011
84
42
Etude de Capabilit
Analyse capabilit donnes variables - Ecart type
Variance ( 2 ; s 2 ) :
(X X )
s=
i =1
n1
n
(X X )
s=
Quantifie la variabilit
i =1
n1
L Ecart type renvoie lcart collectif de tout lensemble
des donnes.
85
Etude de Capabilit
Analyse de capabilit variable - Probabilit
Probabilit de produire un dfaut
Il sagit du pourcentage des donnes situes au-del des limites
infrieure et suprieure des spcifications.
Exemple :
Probabilit de produire
un dfaut = 3%
Rendement (97 %)
1,5 %
LIS
13/09/2011
1,5 %
Cible
SPC Thierry Perreaud
LSS
86
43
Etude de Capabilit
Analyse de capabilit variable - Probabilit
Probabilit de la
taille de lchantillon
Probabilit
cumulative
dobtention
dune valeur
lintrieur des
carts types
40%
30%
68 %
20%
95 %
10%
99,73 %
0%
-4
-3
-2
-1
13/09/2011
87
Etude de Capabilit
Analyse de capabilit variable - Indices
Indice indiquant la variation
Cp & Pp (long terme)
Cible
Non
capable
Cible
Non
centr
Dfauts
Dfauts
LIS
LSS
LIS
Cible
LSS
Centrez le processus
et
center
LIS
13/09/2011
LSS
88
44
Etude de Capabilit
Analyse de capabilit variable Indice Cp
Calcul : Il existe deux mthodes de calcul de la capabilit
potentielle (Cp) du processus avec des donnes variables
Logiciel Minitab
Calcul manuel : Le calcul consiste comparer la tolrance du
processus la six cart types.
Tolrance
(X X )
LSS LSI
Cp =
s=
6S
i =1
n1
Processus stable
13/09/2011
89
Etude de Capabilit
Analyse de capabilit variable - Calcul du Cp
LIS
LSS
Cp < 1
Cp = 1
Cp > 1
13/09/2011
90
45
Etude de Capabilit
Analyse capabilit variable Indice Cpi / Cps / Cpk
Calcul : Il existe deux mthodes de calcul de la capabilit
du processus avec des donnes variables
Logiciel Minitab
Calcul manuel : le calcul des Cpi et Cps est similaire au calcul du
Cp, mais prend en compte lemplacement de la moyenne du
processus.
Cpi : Capabilit dun processus uni limite (infrieure)
Cps : Capabilit dun processus uni limite (suprieure)
Cpk: Capabilit dun processus deux limites de spcification
X LSI
Cpi =
13/09/2011
3S
LSS X
Cps =
3S
92
46
Nominal
LSS
Vue
Traditionnelle
Acceptable
LIS
Nominal
LSS
Cot
Fonction de
perte Taguchi
(Vue nouvelle)
13/09/2011
93
Stabilit
Quelle est la performance du processus sur une dure donne ?
La stabilit est reprsente par une variabilit moyenne
constante et prvisible dans le temps.
Graphique barres des
X du processus B
Echantillon moyen
Echantillon
moyen
75
X=70.91
70
65
LIC =64.62
0
10
15
20
LSC=77.27
X=70.98
70
LIC =64.70
60
50
25
Nombre d chantillons
13/09/2011
80
10
15
Nombre
d chantillons
20
25
94
47
Depuis le SPC
Prvention
IMPROVISATION
TRI
PAS DE TEMPS
POUR L'ANALYSE
FABRICATION
MAITRISEE
TEMPS PERDU
CHOIX SOLUTION
OPTIMALE
SUIVI CONTINU
PARAMETRES CRITIQUES
Avant SPC
RECHERCHE DES
SOLUTIONS
Dtection
13/09/2011
ANALYSE ET
RECHERCHE DES
CAUSES
95
Info.sur la
performance du procd
PARAMETRE DE REGLAGE
ACTION
INFO
DETECTION
Procd
CLIENT
PREVENTION
13/09/2011
Info. sur le
rsultat de la
production
SPC Thierry Perreaud
Action sur
la production
96
48
13/09/2011
97
POPULATION
chantillon
Relation physique
Population
chantillon
Relation statistique
13/09/2011
98
49
S S
chantillon
Processus en dplacement
Echantillonnage de population :
caractristiques de la population
S
S
S
S
Il dtermine les
chantillon
S S
S
S
S
S
13/09/2011
99
S
S
S
S
S
S
S
S
S
Echantillonnage de sous-groupe
Processus en dplacement
S
S
S
S
S
S S S
S
S
Processus en dplacement
100
50
13/09/2011
101
13/09/2011
102
51
13/09/2011
103
104
52
Graphes de contrle
Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
105
Graphes de contrle
Dfinition
Les graphes de contrle sont des reprsentations graphiques
de la variation dun processus sur la dure, permettant de
dterminer si un processus est sous ou hors contrle.
106
53
Graphes de contrle
Comprendre les limites de contrle
Limites de contrle :
Dfinies 3 carts types au-dessus et en dessous de la ligne
moyenne.
Lcart-type utilis pour dterminer les limites de contrle est estim
partir de lcart moyen au sein des sous-groupes
12,5
11,5
10,5
Moyenne
9,5
8,5
Limite infrieure
de contrle
7,5
0
10
13/09/2011
20
LIC = 3
30
SPC Thierry Perreaud
107
Graphes de contrle
Interprtation
Par lobservation du graphe de contrle dun processus,
au moyen de quelques rgles de base, on peut
dterminer la qualit du contrle statistique que lon a sur
ce processus.
Relativement cet indicateur de qualit du contrle, on
parlera de processus :
sous contrle
Ou
hors contrle
13/09/2011
108
54
Graphes de contrle
Processus sous contrle
Performance du processus lorsque seulement une
variation alatoire est vidente et lorsque les points de
donnes tombent entre les limites de contrle
suprieures et infrieures.
Hors contrle
Sous contrle
12,5
12,5
11,5
11,5
10,5
10,5
9,5
9,5
8,5
8,5
7,5
7,5
0
13/09/2011
10
20
30
10
20
30
109
Graphes de contrle
Processus hors contrle
Un processus est dit hors contrle lorsquon dtecte un
manque de contrle statistique.
6 rgles de base lies aux graphes de contrle
permettent de dterminer si un processus est hors
contrle.
13/09/2011
110
55
Graphes de contrle
Processus hors contrle (suite)
1 point en dehors des
limites de contrle 3
3
2
1
LCS
-1
-2
-3
LCI
LCS
-1
-2
-3
LCI
3
2
1
LCS
-1
-2
-3
LCI
3
2
2
1
1
3
2
2
1
1
LCS
-1
-2
-1
-3
LCI
3
2
2
1
1
LCS
-1
-1
-2
-2
-3
13/09/2011
LIC
LCI
LCS
-1
-1
-2
-2
-3
LCI
LIC
111
Graphes de contrle
Limites de contrle et limites de spcification
Quelles diffrences ?
Limite
13,5
suprieure
de spcification
12,5
+ 3
11,5
10,5
Nominal
Moyenne
9,5
8,5
- 3
7,5
Limite
infrieure
de spcification
13/09/2011
Limite
suprieure
de contrle
Limite
infrieure
de contrle
6,5
5,5
10
20
30
112
56
Graphes de contrle
Outils de suivi du processus - Graphes de contrle
Types de graphes de contrle
Les cartes/graphes les plus frquemment utiliss comprennent :
Donnes attribut
Graphe P
Graphe U
Remarque : On parlera de cartes aux attributs.
Donnes variables
Graphe I-MR
Graphe X barre/R
13/09/2011
113
Graphes de contrle
Outils de suivi du processus - Graphes de contrle
Graphe P : reprsente la Proportion de dfauts par lot
10 boites de sardines tests, un sertissage nest pas conforme.
PDPL = 10%
Minitab recalcule LCS/LCI
pour chaque point du graph.
13/09/2011
114
57
13/09/2011
115
Sapplique des
tailles dchantillon
constantes et nonconstantes
13/09/2011
116
58
13/09/2011
117
Sapplique
des tailles
dchantillon
constantes et
non-constantes
13/09/2011
118
59
119
Conclusion
SPC - Limites & Atouts
Atouts
Limites
Destin aux moyennes
et grandes sries
Rduit
les
rejets,
contrles et retours
Ncessite un retour
rapide d'info pour tre
ractif en cas de drive
Favorise :
retouches,
120
60
121
Annexe 2
lAMDEC
Comprhension de la feuille de calcul AMDEC :
___ Systme
___ Sous-systme
Date cl : ____________________
___ Composant
13/09/2011
Pourquoi
les nonconformits
potentielles
sur
l'lment ou
la fonction
se
produisent ?
O
c
c
Contrles
actuels du
procd
(Dtect)
Contrles
actuels du
procd
(Prvent)
Quels sont
les
contrles et
les
procdures
exis tants
vitant le
mode
dfaillance
?
Quels sont
les
contrles et
les
procdures
exis tants
vitant la
caus e du
mode
dfaillance
?
N
Responsabilit
Action(s)
P
et date de fin
recommandes
R
prvue
GxOXD
Cause de
dfaillance
possible
C
l
a
s
s
Quelles
Quelles sont
sont les non- les
conformits consquences
potentielles sur les
sur
variables de
l'lment ou sortie
la fonction ? (Besoins des
clients) ou
besoins
internes ?
Quelle
est
l'tape
du
procd
?
Effet(s )
potentiel(s) de
dfaillance
Mode de
Elment
dfaillance
Fonction
potentielle
Qui es t
responsable
de l'action
recom mande
?
Actions
prises
G
O D N
r
c P
a
c t R
v
Quelles
sont les
actions
term ines
? Inclure
la date de
fin
122
61
Annexe 2
lAMDEC - Notes de Gravit
Effet
Note
10
Trs lev
lev
13/09/2011
123
Annexe 2
lAMDEC - Notes de Gravit (suite)
Effet
Modr
Faible
Trs faible
Mineur
Trs mineur
Aucun
13/09/2011
Note
124
62
Annexe 2
lAMDEC - Notes doccurrence
Probabilit de dfaillance
Trs leve :
Dfaillances
persistantes
leve :
Dfaillances frquentes
Note
10
Modre :
Dfaillances
occasionnelles
13/09/2011
125
Annexe 2
lAMDEC - Notes de dtection
Dtection
Presque
impossible
Critres
Certitude absolue de ne pas dtecter.
A B C
Note
10
Le contrle est assur uniquement par des contrles indirects ou par prlvement.
Distante
Trs faible
Faible
Le contrle est assur avec des mthodes, telles que SPC (Statistical Process
Control).
Modre
Modrment
leve
leve
Trs leve
Trs leve
probablement pas.
126
63
Annexe 3
Rgles des indices requis selon ISO TS 16949
13/09/2011
127
Annexe 3
Table de Student
13/09/2011
128
64