Support - de - Cours - SPC - FI-2013 (Lecture Seule) (Mode de Compatibilité)

MODULE MSP/SPC
Cycle de formation dingnieur

EI.CESI BORDEAUX
Th. Perreaud 6-Sigma Black Belt (certified trainer)
Contexte
Enjeux et objectifs
Satisfaction du client
Performance
Amlioration de la
qualit interne et
externe
Rduction des cots
Rduction des variabilits

Non rcurrence des problmes
Management
de processus
13/09/2011
MSP
Amlioration des
performances des
processus
Dtermination des niveaux

de facteurs optimaux
Plan dexprience
SPC Thierry Perreaud
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
Dans la plupart des entreprises, le cot de la non-qualit

reprsente probablement 25% du chiffre daffaire.
Dans presque toutes les entreprises o ce cot est
inconnu, il dpasse la marge bnficiaire.
13/09/2011
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.
Un des 7 types de gaspillage : celui d aux dfauts

(MUDA)
Corriger : le fait d'agir aprs avoir provoqu des dfauts. Inclut les
oprations de tri, de retouche et plus gnralement les ICA.
Rebuter : les matires premires et les heures de travail.
(Production ou Administratif).
Travailler partir d'informations errones.
Amener d'autres erreurs.
13/09/2011
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 ou Dtection :
Idal
Prvention
Rendre loccurrence des

erreurs impossible : systmes
anti-erreur
Mieux
Dtection
Dtecter les erreurs en cours

de processus
Bien
Dtection
Dtecter les dfauts avant

passage ltape de processus
suivante
13/09/2011
Contexte
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 - 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
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.
Des moyens de matrise (ou management) visuels :

Communiquent des informations et/ou intgrent des contrles au
sein du processus de manire ce que les activits soient
effectues conformment aux normes.
Certain de ces moyens font partie de ce quon nomme lAtelier
visuel.
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
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
: esprance mathmatique ou moyenne

: cart-type
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
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.
Laccumulation de ces donnes peut tre considre

comme une rpartition de valeurs reprsente par :
des graphiques points
des histogrammes
des courbes normales ou autre rpartition arrondie
13/09/2011
21
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
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
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
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
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 =
i =1
n 1
26
13
Mesures de tendance centrale
Moyenne : moyenne arithmtique dun ensemble de
valeurs
Reflte linfluence de toutes les valeurs
Fortement influence par les valeurs extrmes
Mdiane : reflte les 50% - le nombre central une fois

quun ensemble de chiffres a t tri
Ne tient pas forcment compte de toutes les valeurs
Est dure avec les valeurs extrmes
Mode :
La valeur la plus frquente dans les ensembles de donnes
13/09/2011
27
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
Mesures de la variabilit
Plage (range) :
Distance numrique entre valeurs maximales
et minimales dun ensemble de donnes.
Plage = max min
Variance (2 ; s2) :
La dviation moyenne au carr de chaque

point de donne par rapport la moyenne,
divise par la taille dchantillon.
(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
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
Quest-ce qui diffrencie ces trois rpartitions normales ?

13/09/2011
30
15
Caractristique 2 : la courbe normale et ses probabilits
Probabilit de la valeur
Le nombre dcarts types (la surface en-dessous de la courbe)

peut tre utilise pour estimer la probabilit cumulative de
lapparition dun certain vnement.
Probabilit cumulative
de lobtention dune
valeur situe entre ces
deux valeurs
68%
40%
30%
95%
20%
99,73%
10%
0%
-4
-3
-2
-1
Nombre de dviations standard par rapport la moyenne
13/09/2011
31
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;
X2 = variance due la variable de dpart X1;

1
2
X2
= variance due la variable de dpart X 2 ;

2
alors, Total
= X2 1 + X2 2
Donc, Total = X2 1 + X2 2
13/09/2011
32
16
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
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.
Elle peut concerner une caractristique quantitative ou

qualitative (propret, prsence de gras, etc.). Dans ce
dernier cas, une dfinition opratoire ou lutilisation de
rfrentiel, par exemple, peuvent aider le contrleur.
13/09/2011
35
Mesures & variations - Attributs & variables
Donnes attributs
GO/NO
Donnes variables
GO
2% des pices sont hors

spcification
13/09/2011
36
18
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
La mesure permet aux quipes

Dtablir une performance de rfrence du processus
Disoler les sources de variation
Didentifier les zones damliorations possibles
13/09/2011
37
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
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
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
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
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
Mesures & variations - Objectifs de lAMDEC
Dvelopper des plans de vrification de conception

robustes.
Rduire le dlai des dveloppements et leur cots.
Amliorer la qualit, la fiabilit et la scurit des
produits/services valus.
Documenter et suivre les actions pour rduire le risque.
Aider la mise au point de plans de contrle robustes.
Prioriser les problmes, empcher leur apparition.
Amliorer la satisfaction des clients.
13/09/2011
43
lAMDEC - Traitement du risque
Notation des dfaillances dans lAMDEC :
Ordre dans lequel le risque doit tre trait :

Gravit (Grav)
Criticit = Grav Occ)
Indice ou Nombre de Priorits de Risques
IPR ou NPR = Grav Occ Dt
13/09/2011
44
22
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
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
ASM - Etude R&R variables - Variation observe
Un
peu de
thorie
Sources des variations observes

Variation de processus observe
Variation relle de processus
Variation de
processus long
terme
Variation des mesures
Variation de
processus court
terme
Rptabilit
Variation due
linstrument de
mesure
Etalonnage
Variation due aux

oprateurs
Stabilit
Linarit
Pour examiner la variabilit du processus, il faut dabord identifier la

variation due au systme de mesure et la distinguer de celle due au
processus.
13/09/2011
47
ASM - Etude R&R variables - Variation observe
Un
peu de
thorie
Sources des variations observes

Vision statistique
LIS
Limite Infrieure de
Spcification
total
processus
Systme de Mesure
LSS
Limite Suprieure
de Spcification
Systme de mesure
Valeurs relles
Valeurs
mesures
Systme de Mesure (SM)

Total
13/09/2011
Processus
48
24
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
Formation des oprateurs
Instabilit lectrique
Frquence de ltalonnage
Instabilit dalgorithme
Usure
Procdures standard
Niveau de maintenance
Temps de mesure suffisant
Techniques des oprateurs

Variation de la tension dalimentation
Fluctuation de temprature
Humidit
Variation des
mesures
Propret
Vibration
Environnement
13/09/2011
49
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
Partialit ou justesse : dtermin par ltude dtalonnage

Ecart entre la moyenne de toutes les mesures et la valeur relle.
Partialit de loprateur : des oprateurs diffrents obtiennent des
moyennes diffrentes pour les mmes mesures sur la mme pice;
Partialit de la machine : des machines diffrentes obtiennent des
moyennes diffrentes pour les mmes mesures sur la mme pice
Valeurs
relles
Valeurs
mesures
Systme de Mesure = Total Processus
Partialit
13/09/2011
50
25
ASM - Etude R&R variables - Prcision
Un
peu de
thorie
Variation totale du systme de mesure

Variation naturelle des mesures rptes
Termes : erreur alatoire, rpartition, erreur de
test ou de re-test
2
Total = Processus + Systme de Mesure
Variation
systme de
mesure
Valeurs
relles
Valeurs
mesures
Prcision : dtermin
par ltude R&R
Rptabilit et Reproductibilit
2
Systme de Mesure = rptabilit + reproductibilit

13/09/2011
51
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
Elle est estime par la dviation standard moyenne de la

rpartition de mesures rptes.
13/09/2011
52
26
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.
Par exemple, la reproductibilit peut tre associe

lutilisation de plusieurs instruments de mesure par un
inspecteur pour mesurer les mmes caractristiques du
mme article.
13/09/2011
53
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
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
Un
peu de
thorie
ASM - Etude R&R variables - % R&R
% Rptabilit et Reproductibilit (% R&R)
% R &R =
SM
100
Total
Indique quel pourcentage de la tolrance est pris par lerreur de

mesure.
Idal : < 10%
Acceptable : < 30%
Couvre la rptabilit et la reproductibilit

si le R&R est infrieur 30% du sigma total, leffet est < 5%
sil est infrieur 10% du sigma total, leffet est < 1%
13/09/2011
56
28
Un
peu de
thorie
ASM - Etude R&R variables - % R&R
Variance systme de mesure :
2
2
2
SM
= rptabilit + reproductibilit
Rsultat principal de ltude analytique R&R de jauge

Pour dterminer si le systme de mesure est utilisable pour une
application, il faut comparer la variation des mesures celle du processus
Taux de contribution : idal < 1% ; acceptable < 9%

2
2
= (SM /Total ) x 100
Taux prcision/tolrance (P/T) : idal < 10% ; acceptable < 30%
Ou Indice de capabilit instrument (ICI) = (SM / tolrance ) x 100
Tauxprcision/variationtotale(P/VT): idal< 10% ; acceptable< 30%
Ou %R&R = (SM / variation totale ) x 100
13/09/2011
Un
peu de
thorie
57
ASM - Etude R&R variables - P/T et P/VT
Prcision du systme de mesure = 6 x SM

LIS
Valeurs
relles
LSS
Valeurs
mesures
P/VT (Prcision/Variation Totale) sert qualifier

un systme de mesure capable de mesurer la
variation totale du processus observ:
P/T (Prcision/Tolrance) sert qualifier un
systme de mesure capable de mesurer en
fonction dune spcification de produit donne.
Idal : < 10%
13/09/2011
Acceptable : < 30%

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
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
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.
Prcision du systme de mesure

LIS
Valeurs relles
13/09/2011
LSS
Valeurs
mesures
60
30
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
Lentreprise ayant besoin de disposer dun systme de

mesure fiable afin de raliser laffranchissement correct
des colis expdis, dcide de raliser une ASM.
Elle va chercher dterminer la rptabilit et la
reproductibilit du SM en faisant raliser 5 mesures
successives 3 oprateurs sur 10 colis de poids diffrents.
03/11/2011
61
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
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
Alpha pour supprimer le terme d'interaction = 0,25
Suppression de lInteraction
Pice * Oprateur
Tableau ANOVA double entre sans interaction

Source
Pice
Oprateur
Rptabilit
Total
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
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
Tolrance d'un procd = 8

% tolrance
Source
Ecart type
R&R d'instrumentation total
Rptabilit
Reproductibilit
Oprateur
De pice pice
Variation totale
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
Nombre de catgories distinctes = 4

03/11/2011
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
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
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
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
Pour chaque variable de dpart cl/critique, dterminer:

les systmes de mesure appropris
les relations avec les variables d arrive
13/09/2011
67
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
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
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
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.
Inclure dans le Plan de Raction des actions correctives effet

immdiat destines protger le client ds quune situation hors
contrle apparait.
Inclure des actions correctives effet permanent destines viter
la rcurrence des situations hors contrle.
Inclure les procdures de collecte et de tri qui auront t
dvelopper en prcisant les tailles dchantillon.
13/09/2011
71
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
Lanalyse de capabilit est ltude de la

performance dun processus rpondre
aux attentes des clients (CTQ).
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
Processus long terme
+1,5
CP
CPK
On estime gnralement que la

distribution
des
donnes
dun
processus long terme sera dcal
de 1,5 sigma par rapport aux donnes
issues dun processus court terme.
13/09/2011
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).
2) Calculer le nombre de Dfaut Par Million dOpportunit

(DPMO) laide de la formule ci-dessous :
DPMO =
D
1 000 000
NO
3) Ltape finale consiste convertir le DPMO en valeur

Sigma laide de la table de conversion de la valeur Z.
Remarques : les valeurs de la tables correspondent un
processus court terme.
13/09/2011
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
Livraison colis par la poste (48 h aprs) : 8 AM

Vitesse limite sur autoroute en km/h :
13/09/2011
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
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 )
La somme des carts individuels au carr

divis par la taille de lchantillon.
s=
Ecart type - Dviation Standard ( ; s) :
i =1
n1
n
(X X )
La racine carre de la variance.
s=
Quantifie la variabilit
i =1
n1
L Ecart type renvoie lcart collectif de tout lensemble
des donnes.
cart type lev

Variabilit leve
13/09/2011
cart type faible

Variabilit faible
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
LSS
86
43
Etude de Capabilit
Analyse de capabilit variable - Probabilit
Probabilit de la
taille de lchantillon
Courbe normale et zones de probabilit
Probabilit
cumulative
dobtention
dune valeur
lintrieur des
carts types
40%
30%
68 %
20%
95 %
10%
99,73 %
0%
-4
-3
-2
-1
Nombre dcarts types partir de la moyenne
13/09/2011
87
Etude de Capabilit
Analyse de capabilit variable - Indices
Indice indiquant la variation
Cp & Pp (long terme)
Indice intgrant le centrage

Cpk & Ppk (long terme)
Cible
Non
capable
Cible
Non
centr
Dfauts
Dfauts
LIS
LSS
LIS
Rduisez la variation Capable
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
Rappel : on utilisera pour la valeur de s,

le calcul suivant :
n
(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
Le processus nest pas capable. De nombreuses

pices dpassent les limites de spcification.
Le processus peut tre considr comme capable

(suivant les niveaux dindice gnralement retenus).
Moins de 0,3% de produits non conformes seront
fabriqu si le processus est centr dans les limites
de spcification).
Cp = 1
Cp > 1
13/09/2011
La variation du processus est infrieure aux

spcification. Des produits non conformes peuvent
tre fabriqu si le processus nest pas centr dans
les limites de spcification.
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
Cpk = min (Cpi Cps)

91
SPC - Maitrise statistique du Processus

Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
92
46

Introduction - Pouvons-nous tolrer la variabilit?
Oui, si le processus remplit ses objectifs.
Oui, si la variabilit totale est relativement faible par
rapport aux spcifications du processus.
Oui, si le processus est stable dans le temps.
LIS
Nominal
LSS
Vue
Traditionnelle
Acceptable
LIS
Nominal
LSS
Cot
Fonction de
perte Taguchi
(Vue nouvelle)
13/09/2011
93

Principes fondamentaux damlioration
Variabilit
Le processus atteint-il ses objectifs de variabilit minimum ?
On utilise la moyenne pour dterminer si le processus atteint son
objectif, et la dviation standard (), pour connatre la rpartition.
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
Graphique barres des X du

processus A
LSC
=77.20
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

Dtection / Prvention
FABRICATION
MAL MAITRISEE
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

Dtection / Prvention
Action sur
le procd
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
Action sur
la production
96
48

Echantillonnage
Objectif : Obtenir une image dune population sans
contrler chaque lment la composant
Raisons dutiliser lchantillonnage :
La collecte de toutes les donnes nest pas souvent pratique ou
elle est trop onreuse.
Quelque fois, la collecte des donnes est un processus
destructeur.
Des conclusions pertinentes peuvent souvent tre tires dune
quantit relativement faible dinformations.
13/09/2011
97

Echantillonnage - Population vs. chantillon
POPULATION
chantillon
Relation physique
Population
chantillon
Relation statistique
13/09/2011
98
49

Echantillonnage - Types dchantillonnage
Echantillonnage de processus : Il permet de comprendre
la nature et ltat du processus
S
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

Echantillonnage - Mthodes dchantillonnage
Echantillonnage pris au hasard
S
S
S
S
S
S
S
Echantillonnage stratifi pris au hasard
S
S
S
S
Echantillonnage systmatique au hasard
Chaque nime lment

13/09/2011
Echantillonnage de sous-groupe
S
S
S
S
S
S S S
S
S
La population est stratifie en groupes ; une

slection est pratique au hasard dans chaque groupe
Chaque lment a une probabilit gale

dtre slectionn
3 chantillons ce point chaque heure

100
50

Echantillonnage - Taille dchantillonnage
Donnes attributs par prlvement (hors SPC)
n= t x p(1-p)
m
n = taille d'chantillon requise
t = niveau de confiance 95%, soit une valeur type de 1,96 (voir
table de Student en annexe 4)
p =pourcentage estimatif pour le projet
m = marge d'erreur 5% (valeur type de 0,05)
Donnes variables par prlvement (hors SPC)

n= t x 2
m
13/09/2011
101

Lors de la mise en place dune stratgie SPC, on est
appel se poser un certain nombre de questions:
Quel pourcentage de la population dois-je prlever ? Contrle
100% ou par chantillons?
Quelle doit tre la taille de mes chantillons ?
Dois-je prlever mon chantillon dun seul coup (6 pices
conscutives par exemple) ou pendant un temps donn (6 pices
en une heure par exemple)?
Quelle doit tre la frquence de mon prlvement
Les logiciels SPC donnent certains outils pour dterminer un
effectif dchantillon et, en partie, sa frquence de prlvement.
13/09/2011
102
51

Le calcul de la taille fait intervenir :
la tolrance du produit,
le risque de refuser un produit conforme (risque ),
le risque daccepter un produit non conforme (risque ),
le drglage maximum admis en cours de production.
Courbes defficacit (OC curves) :

La courbe defficacit permet de dterminer leffectif des
chantillons.
Logiciels SPC
13/09/2011
103

Echantillonnage - Frquence dchantillonnage
Les estimations de frquence dchantillonnage
sappuient sur la notion de frquence de drglage du
procd. Autrement dit, pour optimiser la frquence
dchantillonnage, il faut connatre son procd:
sagit-t-il dun drglage chaque changement de lot, de matire
premire ou totalement alatoire ?
Il existe certaines rgles notamment celle recommande

par lAFNOR (NFX 06 031-0).
Indicateur : Priode Oprationnelle Moyenne (P.O.M.)
La solution la plus simple et la plus cohrente est de se

rfrer lAMDEC.
Indicateur : Note doccurence
13/09/2011
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.
Se concentrent sur la dtection et le suivi des variations de

processus sur la dure.
Distinguent les causes spciales et communes de variation
en tant quaide la gestion locale ou globale.
Sont lexpression dun langage commun de discussion de la
performance du processus.
13/09/2011
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
Dfinies pour une dure dlimite quand le processus est sous

Limite suprieure
contrle
LSC = + 3
de contrle
10,5
Moyenne
9,5
8,5
Limite infrieure
de contrle
7,5
0
10
13/09/2011
20
LIC = 3
30
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
7 point successifs du mme 7 point successifs

croissants ou dcroissants
ct de la ligne mdiane
3
2
1
LCS
-1
-2
-3
LCI
3
2
1
LCS
-1
-2
-3
LCI
2 de 3 points successifs 4 de 5 points successifs

2 du mme ct de la
1 du mme ct de la
ligne mdiane
ligne mdiane
Schma non alatoire (cycles,

tendances, dispersion
inhabituelle entre LCI & LCS)
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.
Sapplique des tailles de lot

(dchantillon) constantes et
non-constantes
13/09/2011
114
57
Graphes de contrle Outils

de suivi du processus - Graphes de contrle
Graphe P : Remarque
On peut galement trouver le calcul suivants des limites.
13/09/2011
115

Graphe U : reprsente le nombre dUnits dfectueuses
par lot
100 boites de sardines tests, trois sertissages pas conformes
NDPL = 3
Moyenne 3,8
dfauts par
chantillon. On
sintresse
cette valeur
pour dterminer
les sources
damlioration.
Sapplique des
tailles dchantillon
constantes et nonconstantes
13/09/2011
116
58

Graphe I-MR : Individual - Moving Range (range mobile)
Sapplique des lots

de tailles gale 1
13/09/2011
117

Graphe X barre/R : Moyenne / Range
Sapplique
des tailles
dchantillon
constantes et
non-constantes
13/09/2011
118
59
Fin du module SPC

Rappel
Principes
Rappel de
statistiques
Introduction
la mesure
Etude de
Capabilit
SPC
Graphes de
contrle
13/09/2011
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
Amliore la productivit, la capabilit

des processus et la confiance client
Les mesures doivent

tre fiable et les cartes
de contrle reflter l'tat
instantan du procd
Favorise :
Ne garantit pas le zro

dfaut (cause spciale)
Plus efficace avec des
donnes variables
13/09/2011
retouches,
Diminue les cots opratoires

le travail en quipe, l'utilisation de
mthodes de rsolution de problme
Une approche donnes de la prise
de dcision
Lutilisation dindicateurs communs
Facilite le management des procds

120
60
SPC Ce quil faut faire

Du pire au meilleur
Utilisation du SPC sur des processus non capable
Utilisation du SPC sans formation adquate !
Utilisation du SPC avec des oprateurs forms, mais
sans stratgie claire du management concernant le SPC
(la production est la priorit N1).
Utilisation du SPC avec des oprateurs forms et une
stratgie SPC supporte par lensemble du management.
Lorsquune carte de contrle signale un problme, le plan
de raction est appliquer.
Action corrective de type Post Process Control qui
dtectera lerreur et arrtera lquipement vitant la
propagation du dfaut.
13/09/2011
121
Annexe 2
lAMDEC
Comprhension de la feuille de calcul AMDEC :
___ Systme
Responsabilit du procd :___________________
___ Sous-systme
Date cl : ____________________
Nom/Numro FMEA : ____________________________

Prpar par : ____________________________
___ Composant
Date FMEA (Orig.): _______________ (Rv.): _______________
Programme(s) Anne(s) Modle(s ) : ____________________

Equipe : ____________________
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
A quel point pouvez-vous dtecter

une cause ou un mode de
C
l
a
s
s
Quelle est la frquence de

survenue d'une cause ou d'un
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 ?
Rs ultats des actions

G
r
a
v
CC, SC, HIC ou autres
Quelle
est
l'tape
du
procd
?
Effet(s )
potentiel(s) de
dfaillance
Quelle est la gravit des

consquences sur le client?
Mode de
Elment
dfaillance
Fonction
potentielle
Quelles sont les

actions de
rduction de la
cause ou
d'amlioration
de la dtection ?
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
Critres : Gravit de leffet
Note
Ce classement a lieu lorsquun mode de dfaillance potentielle constitue un dfaut pour le

client final et/ou pour lusine dassemblage. Le client final doit toujours tre pris en compte en
premier. Si les deux se produisent, utilisez la gravit la plus leve des deux.
Effet affectant le client

Niveau de gravit trs lev quand un mode
Dangereux
de dfaillance potentielle affecte la scurit du
sans
avertissement fonctionnement du produit/service et/ou
Et/ou effet affectant lopration

Risque de mettre loprateur (machine ou
assemblage) en danger sans avertissement.
10
entrane sa non-conformit vis--vis de la

lgislation, sans avertissement.
Niveau de gravit trs lev quand un mode

Risque de mettre loprateur (machine ou
Dangereux
de dfaillance potentielle affecte la scurit du assemblage) en danger avec avertissement.
avec
fonctionnement du produit/service et/ou
avertissement
entrane sa non-conformit vis--vis de la

lgislation, avec avertissement.
Trs lev
Produit/service inutilisable (perte de la

fonction premire).
100 % du produit/service doit tre mis au

rebut, ou produit/service doit tre
reconditionn avec un temps de rparation
suprieur une heure .
lev
Produit/service utilisable mais un niveau

rduit de sa performance. Client trs
insatisfait.
Le produit/service doit tre tri et une partie

(moins de 100 %) mise au rebut, ou le
produit/service doit tre reconditionn en un
temps dune demi-heure une heure.
13/09/2011
123
Annexe 2
lAMDEC - Notes de Gravit (suite)
Effet
Effet affectant le client
Et/ou effet affectant l opration
Modr
Produit/service utilisable mais des

lments de confort/commodit
inexploitables. Client insatisfait.
Moins de 100 % du produit/service doit tre

mise au rebut sans tre trie, ou le
produit/service doit tre reconditionn dans
un temps infrieur une demi-heure.
Faible
Produit/service utilisable mais des

lments de confort/commodit
exploitables un niveau de performance
rduit. Client quelque peu insatisfait.
Moins de 100 % du produit/service doit tre

reconditionn, ou le produit/service rpar
hors ligne mais sans aller au service
rparation.
Trs faible
Ajustement - finitions/bruits insolites ne

conviennent pas. Dfaut remarqu par la
plupart des clients (plus de 75 %).
Le produit/service doit tre tri, sans mise au

rebut, et une partie (moins de 100 %)
reconditionne.
Mineur

conviennent pas. Dfaut remarqu par 50
pourcent des clients.
Aprs la station, il est dtect que moins de

100 % du produit/service doit tre
reconditionne, sans mise au rebut.
Trs mineur

sont pas conformes. Dfaut remarqu par
des clients avertis (moins de 25 %).
Au poste de travail, il est dtect que moins

de 100 % du produit/service doit tre
reconditionne, sans mise au rebut.
Aucun
Pas deffet bien en vidence.
Ou lger inconvnient au niveau du

fonctionnement ou de loprateur ou aucun
effet.
13/09/2011
Note
124
62
Annexe 2
lAMDEC - Notes doccurrence
Probabilit de dfaillance
Trs leve :
Dfaillances
persistantes
leve :
Dfaillances frquentes
Taux de dfaillance probable
Note
> 100 par millier de pices
10
50 par millier de pices
Modre :
Dfaillances
occasionnelles
0,5 par millier de pices
0,1 par millier de pices
< 0,01 par millier de pices
Faible : relativement peu

de dfaillances
Distante : dfaillance
peu probable
13/09/2011
125
Annexe 2
lAMDEC - Notes de dtection
Dtection
Presque
impossible
Critres
Certitude absolue de ne pas dtecter.
Trs distante Les contrles ne dtecteront
A B C
Plage suggre des mthodes de dtection

Impossible de dtecter ou le contrle na pas eu lieu.
Note
10
Le contrle est assur uniquement par des contrles indirects ou par prlvement.
Distante
Les contrles ont peu de chances de

dtecter.
Le contrle est effectu uniquement par un contrle visuel.
Trs faible
Les contrles ont peu de chances de

dtecter.
Le contrle est effectu uniquement par un double contrle visuel.
Faible
Les contrles peuvent dtecter.
Le contrle est assur avec des mthodes, telles que SPC (Statistical Process
Control).
Modre
Les contrles peuvent dtecter.
Contrle automatique (donnes variables) la sortie de la station, OU valuation

Go/No Go ralise sur 100 % des lments la sortie de la station.
Modrment
leve
Les contrles ont un bon niveau

de dtection.
Dtection derreurs dans les oprations suivantes, OU contrles par calibre

ralises au premier rglage et la premire pice.
leve
Les contrles ont un bon niveau

de dtection.
Dtection derreur lentre de la station ou dtection derreur lopration.

Impossible de passer ltape suivante.
Trs leve
Les contrles sont presque

certains de dtecter.
Dtection derreurs lentre de la station (inspection automatique avec dispositif

darrt automatique). Impossible daccepter llment dfaillant.
Trs leve
Les contrles sont certains de

dtecter.
Les anomalies ne peuvent pas se produire lopration car ds la conception du

processus ou du produit, llment est soumis un systme anti-erreur.
probablement pas.
Types de contrle : A = Anti-erreur - B = Contrle automatique - C = Contrle par oprateur

13/09/2011
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

Support - de - Cours - SPC - FI-2013 (Lecture Seule) (Mode de Compatibilité)

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Support - de - Cours - SPC - FI-2013 (Lecture Seule) (Mode de Compatibilité)

Hochgeladen von

Copyright:

Verfügbare Formate

MODULE MSP/SPC

Cycle de formation dingnieur

Rduction des cots

Rduction des variabilits

Dtermination des niveaux

SPC Thierry Perreaud

Dans la plupart des entreprises, le cot de la non-qualit

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

Un des 7 types de gaspillage : celui d aux dfauts

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

Rendre loccurrence des

Dtecter les erreurs en cours

Dtecter les dfauts avant

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

Des moyens de matrise (ou management) visuels :

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

: esprance mathmatique ou moyenne

SPC Thierry Perreaud

Laccumulation de ces donnes peut tre considre

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

Mdiane : reflte les 50% - le nombre central une fois

SPC Thierry Perreaud

SPC Thierry Perreaud

Plage = max min

La dviation moyenne au carr de chaque

SPC Thierry Perreaud

Quest-ce qui diffrencie ces trois rpartitions normales ?

SPC Thierry Perreaud

Le nombre dcarts types (la surface en-dessous de la courbe)

Nombre de dviations standard par rapport la moyenne

SPC Thierry Perreaud

X2 = variance due la variable de dpart X1;

= variance due la variable de dpart X 2 ;

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

Elle peut concerner une caractristique quantitative ou

SPC Thierry Perreaud

2% des pices sont hors

SPC Thierry Perreaud

La mesure permet aux quipes

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud

SPC Thierry Perreaud