MAÎTRISE STATISTIQUE DES

PROCESSUS
CHAPITRE 1

Cours élaboré par I. Chaieb,

ENICarthage
Département Génie Industriel
PLAN DU COURS
 La MSP, un outil, une technique, une culture
 Intérêt de la MSP
 La MSP, une culture
 Notion de cible : un préalable à la MSP
 Maîtrise de la variabilité
 Combinatoire des caractéristiques élémentaires
 La MSP, un outil de l’auto-contrôle
 Les outils de la MSP
 Cartes de contrôle
 Cartes magnétiques
 Compensation systématique
 Notion de base de la MSP
 Les études de capabilité
 Les cartes de contrôle
 Contrôle à la réception
INTRODUCTION
- Intérêt de la MSP
- La MSP, une culture
- La MSP, un outil de l’autocontrôle
- Les outils de la MSP
INTÉRÊT DE LA MSP
 L’application des statistiques en production n’est pas
chose nouvelle. La MSP (Maîtrise Statistique des
Processus) est une technique qualité vieille de près
d’un siècle.

 Faire de la MSP permet de produire des produits de

meilleure qualité, fiables et moins chers
 La MSP permet donc d’augmenter la marge pour
l’entreprise.

 Les objectifs de la MSP sont :

 donner aux opérateurs un outil de pilotage des machines,
 formaliser la notion de capabilité d’un moyen de
production,
 faire le tri entre les situations ordinaires et les situations
extraordinaires qui nécessitent une action.
 INTÉRÊT DE LA MSP
 Intérêt de la MSP
Une approche empirique

Satisfaction Nécessite de Rechercher l’excellence Nécessite de Lutter contre tout Nécessite de

Maîtriser la variabilité
des clients sur le triplet type de variabilité du processus
Qualité/Coût/Délai

Une approche efficace : la MSP

 L’application de la MSP repose sur deux concepts de

base :
 Le suivi et le pilotage par cartes de contrôle, voir chapitres
IV et V.
 La mesure et le suivi des capabilités, voir chapitre III.

 La MSP est un processus de maîtrise de la variabilité

qui doit se faire selon une démarche rigoureuse :
 Définir
Identification des paramètres critiques du procédé

Mesurer
Vérification de la capabilité du moyen de mesure

Mesurer
Observation du procédé

Analyser
Amélioration continue

Calcul des capabilités

Contrôler Analyser
Suivi et pilotage par carte de contrôle Rechercher les sources de variabilité
Détection des causes spéciales
Mise « sous contrôle » du processus
Innover-Améliorer
Réduire la variabilité

Standardiser
Optimisation du processus

Figure I.1 Démarche de maîtrise statistique des processus

LA MSP, UNE CULTURE
 Pour maîtriser la qualité de ses produits, une
entreprise doit intégrer ces 3 concepts :

 l’objectif cible,
 la maîtrise de la variabilité,
 la combinatoire des caractéristiques élémentaires.
NOTION DE CIBLE
 Définition de la qualité des produits : un produit est de qualité
s’il satisfait les exigences spécifiées. Exemple : un stylo à bille
est de qualité si (entre autre) l’effort nécessaire à l’écriture est
minimum. Or pour atteindre cet objectif : de nombreuses
caractéristiques élémentaires sont nécessaires : la sphéricité
de la bille, le diamètre, la viscosité de l’encre…

 Le souhait du client final ne porte pas sur une caractéristique,

mais sur le fonctionnement du produit. Pour assurer le
fonctionnement idéal, il faut contrôler tous les paramètres
participant au bon fonctionnement. Ces paramètres ne sont
pas tous identifiés, et parmi les paramètres identifiés, certains
ne peuvent être surveillés en production (pour des problèmes
de faisabilité, contrôle destructif par exemple, ou de coûts).

 Limites de raisonnement traditionnel :

 I- Un produit est
 bon si : il est à l’intérieur des tolérances,
 Mauvais si : il est à l’extérieur des tolérances.
Or :
 Intervalle de tolérance

1
2

1 2 3
Figure I.2 Nouvelle façon de voir l’intervalle de tolérance

 Les 2 et 3 l’intervalle de tolérance. La pièce

1l’intervalle de tolérance, voir Figure I.2.
 D’un point de vue fonctionnel, il y a probablement peu
d’écart entre la pièce 1 et la pièce 2.

 II- Soit deux types de répartitions : voir Figure I.3

  La tolérance est dépassée
1 de ½ micron !! 2  Quelle belle Qualité !

Figure I.3 Les limites du raisonnement traditionnel

 La répartition 1, bien centrée, en forme de cloche,

génère une certaine proportion de pièces non
conformes.
 La répartition 2, répartie sur l’ensemble de
l’intervalle de tolérance, ne génère pas de pièces
non conformes
 Comparaison des deux répartitions :
 selon le raisonnement traditionnel : répartition 2 est
meilleure,
 selon le bon sens : répartition 1 est meilleure.

 Exemple : assemblage d’un arbre et d’un alésage : si

l’arbre et l’alésage sont produits selon la répartition 1,
la probabilité d’assembler un arbre fort avec un
alésage faible est presque nulle (multiplication de
deux probabilités faibles). Alors que, dans le cas de la
répartition 2, la probabilité d’assembler un arbre fort
avec un alésage faible est très importante.

 D’après I et II, on peut déduire que le

fonctionnement du produit n’est pas le même
lorsqu’une caractéristique surveillée est sur la
cible que lorsqu’elle est en limite de tolérance.
 Donc :
 L’important, ce n’est pas seulement qu’une pièce
soit dans l’intervalle de tolérance, mais c’est
aussi et surtout la répartition des pièces à
l’intérieur de cet intervalle.

 La répartition doit être centrée sur la cible avec

une dispersion la plus faible possible.

 Remarque : la fonction perte de Taguchi décrit

bien le rapport qui existe entre le coût de non
qualité et le {centrage sur la cible & la
dispersion}. Voir Figure I.4.
 L
Intervalle de tolérance
Y = k ( X – Cible )2
 
Médiocre Médiocre
 
Limite Limite
Coût pour l’entreprise
Bon Bon


Idéal
X

Figure I.4 Fonction perte de Taguchi

 La perte de la qualité due à l’écart d’une caractéristique

par rapport à une valeur nominale : n’est pas nulle à
l’intérieur de la tolérance, et est totale à l’extérieur.
 Fonction perte : L = k (X - X0)2
avec k : constante qui dépend du problème posé
X : valeur prise par la caractéristique
X0 : valeur cible recherchée.

 Perte moyenne par pièce : voir Figure I.5

 Perte moyenne par pièce :

L = k(σ2 + ( X – Cible)2)

Médiocre Médiocre Médiocre Médiocre

Limite Limite Limite Limite

Bon Bon Bon Bon

Idéal Idéal

X X

 
Figure I.5 Perte dans le cas d’un échantillon
 Dans le cas d’un échantillon de produits de
moyenne et d’écart type σ, la perte moyenne par
pièce est égale à . Le coût de la non qualité est
donc proportionnel à la variance de l’échantillon,
et à l’écart entre la cible et la moyenne de
l’échantillon.

 Remarque : il n’est pas normal de mettre sur un

plan d’atelier simplement un mini et un maxi. Un
plan d’atelier doit comporter en gros la cible
(qui a été définie consensuellement entre tous les
services concernés).
LA MAÎTRISE DE LA VARIABILITÉ
 L’ennemie de l’excellence est la variabilité sous toutes les
formes possibles. La variabilité se manifeste en différents
lieux : variabilité sur les caractéristiques des produits,
variabilité sur les procédés, variabilité sur les délais…

 Chaque élément du processus, s’il comporte une variabilité,

contribuera à l’augmentation de la variabilité du produit
pour finalement produire des insatisfactions chez le client.

 Maîtriser la variabilité tout au long du processus permet

de:
 garantir une plus grande satisfaction des clients,
 avoir des délais plus faibles,
 diminuer les coûts inutiles dépensés pour compenser les effets
de la variabilité (tri, rebuts, retouches…),
 donc permet de produire mieux, moins cher.

 La MSP est l’approche efficace, éprouvée, incontournable

pour maîtriser la variabilité.
LA COMBINATOIRE DES
CARACTÉRISTIQUES ÉLÉMENTAIRES

 Rappelons que la qualité d’un produit est

toujours le résultat d’une combinatoire de
plusieurs caractéristiques élémentaires. Afin de
comprendre l’importance de la cote cible à
respecter sur chaque caractéristique élémentaire,
nous étudions le résultat obtenu dans le cas d’une
caractéristique produit (exemple : un jeu)
dépendant de plusieurs caractéristiques
élémentaires (exemple : des cotes).

 Cas de deux caractéristiques additives, voir

Figure I.6
 Histogramme de l’arbre

50
X =0
σ =1
40
Fréquence

30
Histogramme du jeu
20

10 90
80
70

Fréquence
0
60
-4 -3 -2 -1 0 1 2 3 4 50
arbre 40
30
Histogramme de l’alésage 20
10
50 0
40 -4 -3 -2 -1 0 1 2 3 4
Fréquence

jeu
30 X =0
σ =1 Le jeu suit une loi normale
20

10

-4 -3 -2 -1 0 1 2 3 4
alésage
Répartition suivant une loi de Gauss
 Histogramme de l’arbre

X =0
σ =1
40
Fréquence

30
Histogramme du jeu
20

10
40

Fréquence
0
30
-4 -3 -2 -1 0 1 2 3 4
arbre 20

10
Histogramme de l’alésage
0
40 -4 -3 -2 -1 0 1 2 3 4
Fréquence

jeu
30 X =0
σ =1 Le jeu suit une loi triangulaire
20

10

-4 -3 -2 -1 0 1 2 3 4
alésage
Répartition suivant une loi uniforme

Figure I.6 Combinatoire de deux caractéristiques

 Données : Y = A + B
A et B ont même moyenne (0) et même écart type (1).
Cas 1 : distributions de A et B Gaussiennes et centrées sur
la cible.
Cas 2 : distributions de A et B Uniformes et centrées sur la
cible.

 Résultat : Y : distribution Gaussienne pour cas 1,

distribution triangulaire pour cas 2.
 deux distributions sensiblement identiques.

 Conclusion : la répartition finale sur la caractéristique

produit dépend principalement de la moyenne et de l’écart
type des caractéristiques élémentaires et dans une moindre
mesure de leur répartition.
 En fait, il faudrait considérer non seulement les
caractéristiques surveillées mais également les
caractéristiques non prises en compte !

 Cas de 5 caractéristiques (alésage, arbre,

rugosité, dureté, cylindricité) voir
 I- Etudions la combinaison de 5 caractéristiques
indépendantes centrées sur leur cible dans deux
cas de répartitions :
 Cas 1 : tous les éléments ont une répartition
uniforme.
 Cas 2 : tous les éléments ont une répartition de
Gauss.
 Histogramme des X Histogramme de la résultante Y

50
50
40 40

Fréquence
Fréquence

30 30

20 20

10 10

0 0
-6 -4 -2 0 2 4 6
-4 -3 -2 -1 0 1 2 3 4

Histogramme de la résultante Y
Histogramme des X
50 50

40 40
Fréquence

Fréquence
30 30

20 20

10 10

0 0
-6 -4 -2 0 2 4 6
-4 -3 -2 -1 0 1 2 3 4
Figure I.7 Combinatoire de 5 caractéristiques
 Résultat : le jeu résultant est pratiquement identique dans les deux
cas.
 Conclusion : la répartition finale sur la caractéristique produit
dépend de la moyenne et de l’écart type des caractéristiques
élémentaires et très peu de leur répartition.
  II- Cas du décentrage : voir Figure I.8
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3

Effectif
Effectif

A A

Pièces
hors tolérances

B B

Effectif
Effectif

Effectif
Effectif

C C
-5 0 5 -5 0 5

Effectif
Effectif

Pièces R=A+B+C+D+E R=A+B+C+D+E

hors tolérances

D D

Effectif
Effectif

E E
Effectif
Effectif

Figure I.8 La qualité du produit et pourcentage hors tolérance

 Cas 1 :
 chaque caractéristique élémentaire est centrée sur la cible,
 certaines caractéristiques élémentaires possèdent des
pièces hors tolérance,
 résultat : la caractéristique produit
résultante est parfaitement centrée sur la cible & elle
est conforme aux tolérances.
 Cas 2 :
 toutes les caractéristiques élémentaires sont dans les
tolérances,
 les caractéristiques élémentaires ne sont pas centrées sur
la cible,
  résultat : la caractéristique produit
résultante est décentrée de sa cible & non conforme
aux tolérances !
 Conclusion : la qualité du produit fini demande
de centrer les productions sur les cibles.
La répartition finale sur la caractéristique produit dépend de :
la moyenne (c'est-à-dire du centrage des caractéristiques
élémentaires sur les valeurs cibles) et l’écart type des
caractéristiques élémentaires, et dépend très peu des
répartitions des caractéristiques élémentaires.
LA MSP, UN OUTIL DE L’AUTOCONTRÔLE
 Adopter une démarche de qualité totale ;
 Certifier l’entreprise ;

 Utiliser des outils statistiques et

méthodologiques (MSP, QFD, AMDEC…) ;
 Faire de l’amélioration continue ;

 Evoluer son système d’information (ERP…)

 Constituent l’ensemble des démarches de

progrès que les entreprises de nos jours veulent
intégrer.
 La mise en place de ces démarches nécessite de la
part de l’encadrement de :
 définir clairement les points à contrôler,
 définir la façon de les contrôler,
 s’assurer de la répétabilité (même opérateur,
plusieurs répétitions des mesures) et de la
reproductibilité (même mesure, différents opérateurs
ou différents modes opératoires…) de la mesure,
 afficher sur le poste de travail la fiche de poste
comprenant la suite des opérations à réaliser et le
plan de surveillance,
 mettre en place les moyens nécessaires à la bonne
réalisation des opérations en laissant le moins de
place possible à l’interprétation,
 assurer la formation des opérateurs.
 Ces actions permettent au technicien de
production et à l’opérateur de « faire de l’auto
contrôle » c’est-à-dire un contrôle préventif dont
le but est de prévenir l’apparition des non
conformités. Cet auto contrôle permet de :
 garantir la qualité de la production du poste de
travail,
 garantir la sécurité des personnes,
 garantir le respect des délais de production,
 garantir la maîtrise des coûts de production,
 garantir le respect des exigences environnementales.
LES OUTILS DE LA MSP
 Les outils de la MSP sont des outils simples de
pilotage, permettant de garantir le respect de la
cible. Ce sont :

 les cartes de contrôle que nous détaillerons aux

chapitres IV,

 la carte magnétique,

 et la compensation systématique.
LA CARTE MAGNÉTIQUE
 La carte magnétique consiste, pour assurer le
centrage sur la cible, à :
 imprimer une feuille de suivi et la coller sur une plaque
métallique et plastifiée,

 diviser, pour chaque caractéristique du produit, la

tolérance par 3, voir Figure I.9.
 le tiers central : zone verte,
 les deux autres tiers : zone orange,
 la zone en dehors des tolérances : zone rouge.

 Placer la carte magnétique sur le poste de travail,

 Règle de pilotage :
 Prélever 3 produits consécutifs,
 après contrôle, positionner les pions magnétiques sur la carte
en fonction des dimensions mesurées,
 décider, en fonction de la position des pions, de régler dès que
le pion central n’est plus dans la zone verte.
 Hauteur 1 Distance Vert
Orange

-50 -20 0 20 50 -20 -10 0 10 20

Hauteur 2 Concentricité

-20 -10 0 10 20 0 5 10 20

Figure I.9 La carte magnétique

LA COMPENSATION SYSTÉMATIQUE
 A pour principe : toute dérive d’un processus doit faire l’objet si
possible, d’une compensation systématique.

 Exemple : une entreprise utilisait un bain d’électrolyse pour obtenir

une caractéristique très importante. Au cours de la production, le
bain s’épuisait et on avait fixé deux limites de tolérance. Le pilotage
consistait à recharger le bain au maxi, le laisser s’épuiser jusqu’au
mini et refaire une recharge.

 Ce principe de pilotage est contraire à l’objectif cible : on crée

inutilement de la variabilité (qui sera pénalisante pour la satisfaction
du client).

 Objectif cible (toute dérive d’un processus doit faire l’objet d’une
compensation systématique)  Appliquons ce principe pour cet
exemple : comme l’épuisement du bain était proportionnel à
l’ampérage consommé, on a décidé de faire un petit asservissement
pour compenser l’épuisement du bain en fonction de l’ampérage. Le
bain a donc été facilement stabilisé, les produits ont été de meilleure
qualité, et la fréquence nécessaire des contrôles du bain réduite
permettant ainsi de gagner sur le coût.