C1 - MSP Maitrise Statistique Des Procedes - Support-2

C1 – MSP : Maîtrise Statistique des Procédés C2 – MSA : Analyse des équipements de mesure

1. Histoire de la qualité en général 2. Approche économique de la qualité 3. MSP – SPC a. MSP => Définitions et généralités b. Statistique Descriptive c. Les indices de capabilité d. Les cartes de contrôle

1

Histoire de la qualité Introduction La qualité, cette notion éminemment subjective, peut sans doute être associée aux premières préoccupations de l'homme dès son origine, puisqu'elle traduit fondamentalement la recherche de l'adaptation de chaque chose à son usage prévu, c'est-à-dire le soucis initialement tout intuitif de l'efficacité et du confort. Tout d'abord, une rapide histoire de la qualité. On peut en effet se demander pourquoi cette notion de qualité, partie intégrante du processus de fabrication d'un produit, est devenue aujourd'hui si importante dans l'étude des phases de production, qu'un organisme international a édicté une série de normes sur ce sujet. Il suffit de comprendre l'évolution du rapport producteur/acheteur pour expliquer cette apparition de notion de qualité dans le monde économique.

1. Histoire de la qualité

L'ère industrielle 1800 à 1917 : Taylorisme ou contrôle a posteriori TAYLOR (1856-1915)
Naissance des grandes fabriques.
Tout se vend même ce qui est de mauvaise qualité.
La qualité reste encore liée au prix que l'on paie lors de l'achat du produit : plus on paie cher, plus le produit est de bonne qualité.
Mutation des méthodes de production, qui suivent l'évolution des techniques : perfectionnement des machines, forte augmentation de la demande, complexification des produits.
La notion de sous-traitance apparaît.
Apparition des chaînes de production industrielle, qui emploient un personnel peu qualifié, mal payé, où les tâches se divisent en éléments simples et répétitifs (Taylorisme).
Développement du contrôle.

1. Histoire de la qualité

2

1918 à 1960 : ESSOR DE LA NORMALISATION 1960 à 1980, Avant ISO 9000 : Etatisation (métrologie, normalisation...)
Accroissement spectaculaire des besoins : crises économiques, deux guerres mondiales.
Forte augmentation des quantités produites.
Produits toujours de plus en plus complexes.
Méthodes de contrôle statistiques, pour veiller à la bonne gestion qualité sans permettre de prévenir une éventuelle évolution.
Notion de qualité par prévention : l'assurance qualité.
Apparition du Contrôle Qualité.(approche scientifique) et des "papes de la Qualité : DEMING, JURAN, CROSBY ...

1. Histoire de la qualité

L'ère industrielle, après 1980
Les produits japonais inondent les marchés avec une qualité meilleure pour un prix moindre.
Les clients deviennent de plus en plus exigeants.
L'offre est supérieure à la demande.
1987 : Première version des normes ISO 9000. Une prise de conscience beaucoup plus globale de l'importance stratégique et économique de la qualité pour l'entreprise et pour l'économie, provoquée notamment par l'exacerbation de la concurrence mondiale, conduit à ne plus négliger aucun gisement de compétitivité.

1. Histoire de la qualité

3

Conclusion La qualité a donc traversé une longue période en subissant au fur et à mesure des évolutions. Les démarches méthodologiques qui la composent ont évolué du simple contrôle a posteriori de la qualité au management (gestion) de l’entreprise par la qualité. Une prise de conscience beaucoup plus globale de l'importance stratégique et économique de la qualité pour l'entreprise et pour l'économie, provoquée notamment par l'exacerbation de la concurrence mondiale, conduit à ne plus négliger aucun gisement de compétitivité. On peut ainsi dire que, de nos jours, la "qualité" n'est désormais plus le problème des seuls "services qualité" mais est devenue une des préoccupations majeures du management des entreprises. Ce sont d'ailleurs désormais les dirigeants qui se mobilisent pour la certification et pour la qualité dite "totale".

1. Histoire de la qualité

Ce qui coûte, c'est l'absence de qualité, c'est à dire toutes les activités qui ont pour conséquence que les choses ne sont pas faites comme il faut du premier coup. Philip B. CROSBY

2. Approche économique de la qualité

4

1. La MSP et l’histoire de la qualité

CA Accroissement du CA

Accroissement de la marge

Diminution des coûts

Avant

Après

2. Approche économique de la qualité

5

Les Coûts de Non-Qualité – l’usine Fantôme

Bâtiments inutiles

Gaspillages : énergie, heures, matières, …

Papiers Stocks Tris Retouches

Retours Réclamations

Défauts Déchets Attentes

Rebuts

Contrôles

Pannes

2. Approche économique de la qualité

MUDA : les 7 «fantômes» japonais (ref Toyota)

Bâtiments inutiles

Gaspillages : énergie, heures, matières, …

Papie rs Stocks

Rebuts

Contrôles

Tris Retouche s

Défau ts

Pannes

Retours Réclamation s Déch ets

Attent es


Surproduction
Attentes (y compris le temps d'observation d'un opérateur devant une machine en fonctionnement)
Mouvements au poste (ergonomie)
Déplacements
Rebuts
Stocks inter-opérations
Procédé non adapté

2. Approche économique de la qualité

6

Phase 1 Constat : les défauts externes sont nombreux

Défauts externes Défauts internes Détection Prévention

1

2

3

4

2. Approche économique de la qualité

Phase 2 : On a fait le nécessaire pour que le client ne soit plus mécontent

Défauts externes Défauts internes Détection Prévention

1

2

3

4

2. Approche économique de la qualité

7

Phase 3 : On cherche à réduire les coûts

Défauts externes Défauts internes Détection Prévention

1

2

3

4

2. Approche économique de la qualité

Phase 4 : On sait prévenir les défauts

Défauts externes Défauts internes Détection Prévention

1

2

3

4

2. Approche économique de la qualité

8

Maîtrise Statistique du Procède Statistical Process Control
MAITRISE : on désire que quelque chose se comporte comme on le veut
STATISTIQUE : dans le but d'estimer puis de maîtriser la dispersion, autrement dit la variabilité du processus.
PROCEDE : enchaînement de tâches dont le but est de fabriquer un produit final répondant aux besoins du client.

Maîtriser le procédé de fabrication signifie : Maîtriser la dispersion (Tolérances) Maîtriser les réglages (Cotes nominales) 3. MSP - SPC

3. MSP – SPC a. MSP => Définitions et généralités b. Statistique Descriptive c. Capabilité 1) Les 6M- diagramme d’Hishikawa 2) Les indices de capabilité 3) Ecarts type 4) Capabilité machine 5) Capabilité préliminaire 6) Capabilité procédé

3. MSP - SPC

9

But de la M.S.P


connaître les paramètres influents d'un processus,
améliorer le processus jusqu'à un niveau de qualité requis,
maintenir le processus à ce niveau grâce à un système de surveillance (cartes de contrôle, journal de bord),
chercher à améliorer les performances du processus.

3. MSP – SPC ►► a. Définitions et Généralités

Domaine d'application La méthode M.S.P. concerne les processus de fabrication de moyenne et grande série (le contrôle de petites séries est néanmoins possible avec des cartes spécifiques). Elle peut s'appliquer à des fabrications manuelles aussi bien qu'à des fabrications fortement automatisées. C'est une méthode qui peut s'appliquer aussi bien à un produit nouveau qu'à un produit existant.

3. MSP – SPC ►► a. Définitions et Généralités

10

Place de la M.S.P dans le référentiel ISO 9001 Le chapitre 8.1 de la Norme ISO 9001, intitulé « Mesure, analyse et amélioration / généralités », annonce : «L’organisme doit planifier et mettre en œuvre les processus de surveillance, de mesure, d’analyse et d’amélioration nécessaires pour démontrer la conformité du produit, assurer la conformité du système de management de la qualité et améliorer en permanence l’efficacité du système de management de la qualité. Ceci doit inclure la détermination des méthodes applicables, y compris les techniques statistiques, ainsi que l’étendue de leur utilisation» De plus, les chapitres 8.2.3 et 8.2.4 impose à l’organisme de vérifier l'aptitude des processus, de surveiller et de mesurer les processus et les produits en utilisant des méthodes appropriées. Dans le Référentiel ISO 9001, la MSP n'est donc jamais imposée mais est un outil utile permettant de répondre aux exigences de la Norme.

3. MSP – SPC ►► a. Définitions et Généralités

Documents de référence
Guide pour la mise en place de la Maîtrise Statistique des Processus. Norme X 06-030 (1992),
Statistical Process Control (Chrysler, Ford, GM) (1995),
VDA 4 Teil 1 Partnerschaftliche Zusammenarbeit Ablàufe Methoden (1996),
Cartes de contrôle : principes généraux. Norme NT X 06-031-0 (1995),
Cartes de contrôle : cartes de contrôle de Shewart aux mesures. Norme NF X 06-031-1 (1995),
Cartes de contrôle : cartes de contrôle aux attributs. Norme NF X 06-031-2 (1995).

3. MSP – SPC ►► a. Définitions et Généralités

11

PRINCIPE DE LA MAITRISE STATISTIQUE DES PROCESSUS

Modéliser le comportement d'un processus (ou d'un moyen) par l'intermédiaire de l'outil statistique. La statistique permettant d'estimer et de prévoir le comportement d'un processus dans le temps avec un «petit» nombre de prélèvements.

3. MSP – SPC ►► a. Définitions et Généralités

OBJECTIF FONDAMENTAL Réduire et maîtriser la variabilité d'un procédé afin de minimiser celle du produit

PROCEDE STABLE Un procédé est stable ou sous contrôle statistique si toutes les causes assignables sont éliminées

3. MSP – SPC ►► a. Définitions et Généralités

12

LES TYPES DE CAUSES Causes assignables
Identifiable
Peu nombreuses
D'effet isolé pouvant être important (exemples: erreur de manipulation, usure, casse d'un outil, etc.) Causes non assignables
Constamment présentes
Nombreuses
De faible effet individuel
Indépendantes les unes des autres 3. MSP – SPC ►► a. Définitions et Généralités

QUESTION : QUELS SONT LES OUTILS NECESSAIRES AU BON CHOIX DES CARACTERISTIQUES, LEURS NOMINALES ET LEURS TOLERANCES ?
L'analyse fonctionnelle
L'analyse factorielle des données : ACP, AFC
L'AMDEC (L'Analyse des Modes de Défaillances de leurs Effets et de leurs Criticités)
Les plans d'expériences

3. MSP – SPC ►► a. Définitions et Généralités

13

LA DEMARCHE STATISTIQUE

OUTIL D'AIDE A LA DECISION 1 - POPULATION Prélèvement 2 - ECHANTILLON Statistique Descriptive 3 - HISTOGRAMME Modélisation 4 - LOI DE DISTRIBUTION Estimation et tests 5 - CONCLUSIONS

3. MSP – SPC ►► b. Statistique Descriptive

1 - POPULATION Prélèvement

Echantillon

2 - ECHANTILLON Statistique Descriptive 3 - HISTOGRAMME Modélisation 4 - LOI DE DISTRIBUTION Estimation et tests 5 - CONCLUSIONS

a. Sur l'échantillon prélevé, on relève la ou les caractéristiques à étudier : •

Proportion de produits défectueux

•

Mesure d'une cote

•

Note d'appréciation

b. Ensuite, on cherche la nature de cette caractéristique : •

Proportion

•

Grandeur quantitative

•

Grandeur qualitative

3. MSP – SPC ►► b. Statistique Descriptive

14

Histogramme

1 - POPULATION Prélèvement 2 - ECHANTILLON Statistique Descriptive

a. Tableau de résultats N mesures

3 - HISTOGRAMME Modélisation 4 - LOI DE DISTRIBUTION Estimation et tests

b. Calcul de l'étendue : différence entre la plus grande et la plus petite valeur, notée R (Range) ou W

5 - CONCLUSIONS

c. Nombre de classes

d. Largeur d'une classe = e. Calcul des Fréquences par classe

3. MSP – SPC ►► b. Statistique Descriptive

Histogramme Exemple

R=

On mesure la cote d'une pièce usinée. L'échantillon comporte 50 pièces.

20,53 20,49 20,25 20,57 20,48 20,51 20,68 20,57 20,72 20,42

20,47 20,53 20,43 20,67 20,51 20,62 20,31 20,65 20,28 20,84

20,34 20,64 20,73 20,37 20,54 20,55 20,65 20,47 20,63 20,53

20,87 20,45 20,57 20,44 20,22 20,71 20,58 20,35 20,59 20,68

20,69 20,75 20,59 20,52 20,78 20,45 20,77 20,51 20,63 20,38

Tableau des résultats

k = √50 = 7,07 ou k = l+(10/3) Iog(50) =6,66 k= Largeur de la classe = Classe

Nbre mesure

Fréq en%

[20,2 20,3[ [20,3 20,4[ [20,4 20,5[ [20,5 20,6[ [20,6 20,7[ [20,7 20,8[ [20,8 20,9[

3. MSP – SPC ►► b. Statistique Descriptive

15

1 - POPULATION Prélèvement

Caractéristiques de tendance :

2 - ECHANTILLON Statistique Descriptive 3 - HISTOGRAMME Modélisation 4 - LOI DE DISTRIBUTION Estimation et tests 5 - CONCLUSIONS


Moyenne : Egale à la somme des valeurs divisée par le nombre d'observations.
Médiane : Est la valeur de la variable dont la fréquence cumulée est égale à 50%.


Mode : La valeur pour laquelle la fréquence est maximale.

3. MSP – SPC ►► b. Statistique Descriptive

Caractéristiques de dispersion : 1 - POPULATION Prélèvement 2 - ECHANTILLON Statistique Descriptive


Variance : La moyenne de la somme des carrés des écarts à la moyenne. Son estimé est :

3 - HISTOGRAMME Modélisation 4 - LOI DE DISTRIBUTION Estimation et tests 5 - CONCLUSIONS


Etendue : La différence entre la plus grande et la plus petite valeur.


Coefficient de variation : Le rapport entre l'écart type et la moyenne..

3. MSP – SPC ►► b. Statistique Descriptive

16

LOI DE DISTRIBUTION

1 - POPULATION Prélèvement 2 - ECHANTILLON Statistique Descriptive 3 - HISTOGRAMME

C'est la traduction de l'histogramme en MODELE MATHEMATIQUE, qui nous donne la PROBABILITE d'avoir un événement donné.

Modélisation


Loi Normale, Loi Laplace Gauss

4 - LOI DE DISTRIBUTION Estimation et tests 5 - CONCLUSIONS


Loi Binomiale
Loi de Poisson
Loi Exponentielle
Loi Gamma
Loi de Weibull

3. MSP – SPC ►► b. Statistique Descriptive

LOI NORMALE Tout phénomène dont la variabilité dépend de paramètres :
très nombreux,
indépendant entre eux,
d'effet individuel faible, suit une loi NORMALE. C'est une loi continue à deux paramètres N(µ,σ) :
La moyenne µ
L'écart-type σ La densité de probabilité :

La fonction de répartition :

On obtient une loi normale centrée réduite notée avec N(0,1). Cette loi a l'avantage de ne dépendre d'aucun paramètre.

3. MSP – SPC ►► b. Statistique Descriptive

17

LOI NORMALE EXEMPLE : L'entreprise Dupont fabrique des tiges métalliques. La résistance à la rupture de ces tiges est distribuée normalement avec une moyenne de 70 kg et un écart-type de 4 kg. Quelle est la probabilité qu'une tige choisie au hasard de la production ait une résistance à la rupture supérieure à 74,8kg ? P(X>74,8)= 25% des tiges de la production auront une résistance à la rupture inférieure ou égale à quelle valeur ? P(Z