Maîtrise statistique des procédés

[Link]:

Un peu d’histoire: C’est en 1929 que Walter Shewhart a présenté sa célèbre

«Control Chart», ouvrant ainsi la voie a une nouvelle discipline qu’est la
M.S.P. Mais c'est au Japon après la deuxième guerre mondiale que cette
discipline s'est implantée grâce à William Edwards Deming, disciple de
Shewhart.
Tout d’abord oubliée, ce n’est que dans les années 60 que Deming a su
insuffler un regain d’intérêt a cette technique.
M.S.P.: La maîtrise statistique des procédés (en anglais “SPC” Statistical
Process Control) fait partie de ces méthodes considérés le plus souvent
comme un outil d’expertise dans un champ d’application industriel. La M.S.P.
peut non seulement être encore plus efficace, mais être le vecteur même
d’un management plus coopératif tant dans le domaine industriel que dans
l’amélioration de la qualité de service et des services.
Enjeux de la qualité:
-enjeu économique: productivité, rentabilité, moyen pour le développement
et l’innovation
-enjeu commercial: fidélisation clientèle et image de marque
-enjeu humain: implication, efficacité, climat de travail, communication
Coût de la non qualité:
La non qualité entraîne des pertes énormes dans l’entreprise(elles peuvent
atteindre dans certains cas 30% du chiffre d’affaire). Ces pertes peuvent se
traduire par:
-des coûts visibles: pertes, rebuts, retouches
-des coûts indirects: .perte du temps du management
.lourdeurs administratives
.pannes et maintenance corrective
.problèmes de livraison
.pertes de contrats

M.S.P. et qualité totale:

le professeur Deming a imaginé la roue P.D.C.A.(fig.1). Il a réussi, par ce
fort symbolisme, à montrer que le phénomène d’amélioration n’a pas de
fin. Cette roue concerne toute l’entreprise et toutes ces activités.
Placée sur un plan incliné ascendant, qui représente le progrès par
améliorations successives, cette roue nécessite l’effort de chacun.
L’entreprise est condamnée à la pousser le long de son plan incliné sinon
elle redescend d’elle-même, annule le progrès et écrase l’ensemble des
résultats obtenus.
 PLAN DO
(prévoir) (faire)

ACTION CHECK
(réagir) (vérifier)

Fig.1 La roue de Deming (P.D.C.A.)

II. La maîtrise statistique des procédés, la
méthode de traitement de problèmes et la
qualité totale:
 S.Q.T.
SS

M.T.P.
M
M.S.P.

M.P.T. J.A.T.

Environnement qualité totale

Fig.2 représentation schématique

de la Qualité Totale

Environnement de l’entreprise
La fig.2 se veut montrer la place qu’occupent la maîtrise statistique
des procédés(M.S.P.) et la méthode de traitement des problèmes
(M.T.P.) dans la qualité totale.
Dans le cercle qui représente l’entreprise dans son environnement
Qualité Totale, on a représenté un tripode dont les pieds sont reliés
par des interactions et ont pour finalité de maîtriser la
Qualité(S.Q.T.), les Coûts(M.P.T.) et les délais(J.A.T.):
-S.Q.T.: Le concept Système Qualité Totale est le cerveau de
l’ensemble, il caractérise la régulation et la coordination de la vie
d’une entreprise entrée en Qualité Totale. On y trouve le « zéro
défaut », « zéro papier ». Il comprend ,comme outils, entre autres:
La politique Qualité
Les stratégies dont le marketing
Le Comité Qualité
Le Conseil Qualité
L’image de marque interne
Les enquêtes d’opinions
Le plan de communication interne
La reconnaissance des mérites
Le coût d’obtention de la qualité(C.O.Q.)
Le plan annuel d’amélioration de la qualité
Les objectifs qualité par unité, département, service
La formation à la qualité
Les spécifications écrites produits et procédés
Les procédures écrites
Le suivi exhaustif des plaintes clients
Les revues systématiques de produits non conformes, dés leur
détection
Les études de fiabilité prévisionnelle
La fiabilité, maintenabilité, disponibilité, durabilité
Les audits qualité internes et externes
L’analyse des modes de défaillance, effets et criticité(A.M.D.E.C.)
L‘analyse de la valeur
Les tableaux de bord qualité
…
_M.P.T.: L’objectif de la Maintenance Productive Totale est d’optimiser
tous les moyens matériels de l’entreprise (des locaux à l’imprimante en
passant par les centres d’usinage et autres machines et équipements).
On y trouve le « zéro panne »,vite suivi du « zéro accident ». Elle
comprend ,comme outils, entre autres:
Les équipes projets maintenance
Les équipes projets exploitation
La prévention des erreurs opératoires
La prévention des erreurs de réparation
La recherche des défaillances de conception du
matériel
Les plans sécurité
L’ergonomie
La polyvalence des acteurs
…

-J.A.T.: l’objectif du juste-à-temps est d’optimiser tous les flux de

l’entreprise(matières premières, produits semi-finis, produits finis, budgets,
trésorerie…). On y trouve le « zéro stock»,vite suivi du « zéro délai».Il
comprend:
La régularité de production
La recherche des goulots d’étranglement
La diminution des en-cours
La diminution des stocks de produits finis
La régularité des commandes, de la production, des livraisons, des paiements
La flexibilité, la modularité
…
Le pilotage de S.Q.T., M.P.T. et J.A.T. s’effectue avec deux outils privilégiés qui
sont: La Maîtrise Statistique des procédés (M.S.P.) dont le rôle est de
permettre l’autocontrôle
Tout en fournissant des indicateurs, des clignotants ce qui permet la
recherche des causes avant même que le défaut se produise ce qui entraîne
le « zéro défaut ».
Cette recherche de causes fait appel à la Méthode de Traitement de
Problèmes(M.T.P.) qui comprend les étapes suivantes:
Définir le problème avec précision
Décider d’un objectif réaliste( délai, quantité…)
Collecter les données
Analyser les données
Chercher toutes les causes possibles
Déterminer 2 à 3 causes probables
Les vérifier expérimentalement
Chercher les solution possibles
Choisir une solution qui correspond à l’objectif
La vérifier expérimentalement
Rechercher son extension
Préparer la présentation des résultats
Les outils sont:
L’analyse de Pareto
Le diagramme Causes-Effets
Les relevés d’observations et la collecte des données
Les représentations graphiques
Le Brainstorming
Le Q.Q.O.Q.C.P.C.
La présentation des travaux
Ces deux outils La M.S.P. et la M.T.P. sont indissociables et ont une relation
mutuelle
Objectifs de la M.S.P.:
Cet outil répond aux cinq impératifs de la Qualité Totale:
-Conformité: elle permet de répondre aux spécifications donc aux
besoins et exigences du client aval.
-Prévention: concerne tous les investissements humains et matériels
nécessaires pour réduire et maintenir à un niveau minimal le coût des
défaillances ainsi que le coût de l’évaluation(contrôle, détection,
vérification, inspection…). Elle peut être: Educative, Prospective ou
Active.
-Mesure: permet de suivre mais aussi d’avoir des clignotants.
-Excellence: la Qualité Totale cherche des améliorations permanentes
pour atteindre l’objectif « zéro défaut ».
-Responsabilité: Ce sont les personnes qui sont au plus prés du procédé
qui voient, sentent et pressentent le mieux ce qui peut se produire. La
Qualité Totale rend donc responsables les acteurs et favorise la
recherche des causes en groupe.
 III. LE PROCEDE
Procédé: ensemble de moyens et activités liées qui transforment des éléments
entrants en éléments sortants.

Un procédé a pour caractéristiques essentielles de posséder au moins une entrée,

au moins une sortie (éléments repérables) (fig.3)

Entrée Sortie
PROCEDE

Repère Repère
Fig.3 le procédé
Variations:
Le procédé est soumis à un certain nombre de facteurs qu'on regroupe usuellement
sous la dénomination des 5 M: Matières, Matériel, Méthodes, Milieu, Main-d'œuvre.
Le procédé (fig.4.1) est donc une combinaison des 5M pour l’obtention du
produit/service dont la performance totale se caractérisera en termes de qualité,
coût, délais…
Les renseignements sur la performance(fig.4.2)consistent en l’étude du procédé qui
donne des informations sur les produits mais également sur les paramètres qui
gèrent les 5M; ils permettront d’intervenir sur le procédé avant toute défaillance.
L’intervention sur le procédé (fig.4.3) est orientée vers le futur pour éviter toute
déviation, variation, détérioration du procédé. Ces interventions concernent les 5M.
L’intervention sur la production qui consiste en la détection des non
conformités(fig.4.4) est orientée vers le passé. Il s’agit d’un palliatif qui appartient
aux anciens méthodes vouées à la disparition dans un environnement de Qualité
Totale.
 III. Intervention II. Renseignements IV. Intervention
sur le procédé sur la performance sur la
production

Matières Matériel Méthodes

Production

Milieu Main d’œuvre

[Link] procédé

Fig.4 Système de maîtrise du procédé

Le produit fabriqué n'est jamais identique car soumis aux 5 M.
On distingue deux catégories de variation:
-les causes aléatoires (communes, normales): propres au procédé, proviennent d’un
grand nombre de petites sources, restent relativement stables et prévisibles.
-les causes assignables(spéciales, anormales): externes au procédé, proviennent d’une
seule source ou d’un grand nombre de sources importantes, caractérisent des
événements fortuits, restent difficiles à prévoir.
L'objectif de la MSP est de se débarrasser des causes assignables et de réduire les
causes aléatoires.
Cartes de contrôle
1 DOMAINE D'APPLICATION
Lorsque la fabrication est "sous contrôle" c'est à dire statistiquement stable et que l'on veut suivre
graphiquement et chronologiquement la qualité d'un caractère mesurable ou non d’une pièce ou d’un
produit.
Stabilité d’un procédé: Un système est dit stable (ou sous contrôle statistique) s’il se présente comme
un système dont les performances sont prévisibles, puisque les données sont distribuées de façon
aléatoire autour d’une moyenne. Autrement, si la tendance centrale et la dispersion se maintiennent,
dans le temps, aux valeurs souhaitées ou visées.
2 BUT
⇒ Surveiller la fabrication.
⇒ S'assurer de la stabilité de la qualité tout au long du processus.
⇒ Enregistrer les variations du caractère contrôlé.
⇒ Prévenir d'un déréglage éventuel et d'une intervention.
3 TYPE
-Carte de contrôle par mesure :
-de la tendance centrale : Moyenne
-de la variabilité : Etendue , Ecart-type
-Carte de contrôle par attribut :
-du nombre de défectueux.
-de la proportion de défectueux.
-du nombre de défauts.
4 PRINCIPE
⇒ Calculer les limites de surveillance et de contrôle pour un risque donné.
⇒ Calculer les caractéristiques des échantillons.
⇒ Reporter les valeurs trouvées sur le graphique
⇒ Décider d'une intervention ou non.(Nouvel échantillon, réglage ,tri)
Les cartes aux mesures les plus utilisées sont:
La carte x̅ /R (ou carte maîtresse) où x̅ est la moyenne arithmétique et R l’étendue
La carte Me/R (Me la médiane)
La carte x̅ /s (s l’écart type)
Toutes ces cartes utilisent les données fournies par le procédé: la valeur de centrage
(x̅ et Me) et la dispersion (R ou s)

Carte x̅ /R:
Elle est d’utilisation fréquente. Raisons:
Le théorème central limite précise que l’on peut approximer la distribution
de la moyenne X̅ (peu importe la distribution des mesures individuelles de
la caractéristique) avec la distribution normale en autant que la taille de
l’échantillon soit suffisamment grande.
L’utilisation de R est motivé par la simplicité et la facilité du calcul de R.
Elle donne néanmoins une bonne estimation de la dispersion.
 Détermination des limites :
On choisit généralement les niveaux de confiance suivants :
0.9973 pour l'intervalle entre les limites de contrôle ...: LSC et LIC
0.95 pour l'intervalle entre les limites de surveillance.: LSS et LIS
Démarche:
[Link] les données correspondant à la caractéristique que l’on veut contrôler sur une
feuille appropriée.
[Link] la moyenne X̅ et l’étendue R pour chaque échantillon:
X̅=(X1+X2+…+Xn)/n, R=Xmax-Xmin , de chaque échantillon n étant la taille de l’échantillon.
Pour k échantillons, on devra calculer k moyennes: X̅1,X̅2,…,X̅k et K étendues:R1,….Rk.
[Link] la moyenne X̅̅ (moyenne globale) de l’ensemble des résultats observés ainsi que
l’étendue moyenne R̅ .
[Link] de contrôle pour la moyenne(tendance centrale du procédé):
LSCx̅=X̅̅+A2R̅ , LICx̅=X̅̅-A2R̅
Où A2=3/d2√n
[Link] de contrôle pour l’étendue (dispersion du procédé)
LSCR=D4R̅ , LICR=D3R̅
[Link] s’agit ensuite d’effectuer le tracé des deux cartes de contrôle en indiquant les limites de
contrôle respectives et la ligne centrale.
(les valeurs de A2, d2, D3 et D4 sont tabulé[Link] dépendent toutes de la taille d’échantillon).
Enregistrement des résultats de contrôle
Pièce: ……………………………………….N° de code: ……………………………
Caractéristique:………………………..Usine:………………Dépt: …………….
Unités de mesure:……………………..Contrôleur……………………………….
Taille de l’échantillon:………………..Fréquence de contrôle:…………..

N° Date X1 X2 X3 X4 X5 X̅ R
1 A2R̅ =
2 D3R̅ =
D4R̅ =
3 LSCx̅=X̅̅+A2R̅ =
4 LICx̅=X̅̅-A2R̅ =
5 LSCR=D4R̅ =
LICR=D3R̅ =
6
7
8
9
10
Somme:
Moyenne: X̅̅= R̅
Valeurs des coefficients pour calculer les limites de contrôle pour les cartes X̅ et R

Coefficients pour
Coefficients pour estimer
Taille de l’échantillon
l’écart-type σ
La moyenne L’étendue
n A2 A’s D3 D4 d2
2 1,880 1,229 0 3,267 1,128
3 1,023 0,668 0 2,575 1,693
4 0,729 0,476 0 2,282 2,059
5 0,577 0,377 0 2,115 2,326
6 0,483 0,316 0 2,004 2,534
7 0,419 0,274 0,076 1,924 2,707
8 0,373 0,244 0,136 1,864 2,874
9 0,337 0,220 0,184 1,816 2,970
10 0,308 0,202 0,223 1,777 3,078
11 0,285 0,186 0,256 1,744 3,173
12 0,266 0,174 0,284 1,716 3,258
Remarques:
[Link] c’est déjà mentionné 99,74% des moyennes
échantillonnales vont se situer dans l’intervalle
μ-3σx̅≤X̅≤μ+3σx̅ . Le calcul des limites de contrôle pour la
moyenne est donc une estimation de cet intervalle. On
obtient une estimation de μ avec X̅̅. Puisque σx̅=σ/√n , on
obtient une estimation de σ , l’écart-type des observations
individuelles de la caractéristique par R̅ /d2. L’estimation de
σx̅ est donc R̅ /d2√n. La quantité d2 est une expression
mathématique complexe basée sur l’étendue moyenne
d’une loi normale.
[Link] dans le cas de la moyenne X̅, le calcul des limites de
contrôle pour l’étendue R est une estimation de l’intervalle suivant:
E(R)-3σR≤R≤E(R)+3σR où σR=d3σ. On obtient une estimation de E(R)
avec R̅ et une estimation de σR par (d3/d2).R̅ . On obtient alors
comme intervalle R̅ ±3(d3/d2)R̅ ou R̅ (1±3d3/d2). En posant
D4=1+3d3/d2 et D3=1-d3/d2 , on trouve les limites de contrôle
spécifiées plus haut.
[Link] de surveillance: Il arrive qu’on ajoute également sur la
carte de contrôle des moyennes des limites de surveillance. Ces
limites englobent 95% des moyennes (elles correspondent à
±1,96σx̅).
LSSx̅ = X̅̅+A’sR̅ , LISx̅ = X̅̅ -A’sR̅ . Où A’s=1,96/(d2√n). (Les valeurs
de A’s sont tabulées).
INTERPRETATION des CARTES de CONTROLE

Une carte de contrôle (de la moyenne), d'un processus "sous contrôle" doit présenter
une répartition des points équilibrée autour de la ligne moyenne.
Lorsque ce n'est plus le cas ,cela signifie qu'un changement s'est produit et il faut en
rechercher les causes assignables.
Remarque:
Dans le cas où l’on désire un contrôle qui est trés sensible aux faibles variations, il convient
alors de prélever des échantillons d’au moins 10 observations. Il est alors recommandé pour
des échantillons de cette taille d’utiliser l’écart-type de chaque échantillon comme mesure de
dispersion au lieu de l’étendue. Le calcul des limites de contrôle s’effectue alors à l’aide des
expressions suivantes:
Limites de contrôle pour la carte X̅:
LSCx̅ = X̅̅+A3s̅ , LICx̅ = X̅̅ -A3s̅
Où X̅̅ =(Σ X̅j)/k s̅ =(Σ sj)/k avec

Sj étant l’écart type de chaque échantillon constitué de n observations.

Limites de contrôle pour la carte s :

LSCs=B4s̅ , LICs=B3s̅ , LC=s̅

L’estimation de l’écart-type s’effectue alors avec s̅/c4

Les valeurs de A3, B3, B4 et c4 sont tabulées.

 Coefficients pour Coefficients
Taille de
La moyenne pour estimer
l’échantillon L’écart-type l’écart-type σ
n A3 B3 B4 c4
10 0,975 0,284 1,716 0,973
11 0,927 0,321 1,679 0,975
12 0,886 0,354 1,646 0,978
13 0,850 0,382 1,618 0,979
14 0,817 0,405 1,594 0,981
15 0,789 0,428 1,572 0,982
16 0,763 0,448 1,552 0,984
17 0,739 0,466 1,534 0,985
18 0,718 0,482 1,518 0,985
19 0,698 0,497 1,503 0,986
20 0,680 0,510 1,490 0,987
25 0,606 0,565 1,435 0,990
Remarque: l'estimation par s̅ n’est pas bonne(elle est faite parfois par commodité).
La
.
bonne estimation est faite par s0(c’est celle recommandée, d’ailleurs par AFNOR)
 Conformité du procédé de fabrication aux spécifications : capabilité du procédé

Spécifications:
On appelle “spécifications” un couple de valeurs (Ti, Ts) entre lesquelles doit se trouver la
grandeur mesurable X concernée. On les appelle aussi “tolérances inférieure et supérieure”.
Ces limites sont établies par l’ingénieur-concepteur pour les valeurs individuelles mesurées,
et ce sont celles exigées par le client.

Capabilité: On définit la capabilité comme étant une quantification de la performance réelle

du procédé par rapport à la performance souhaitée. Elle caractérise l’aptitude du procédé à
satisfaire aux spécifications.

Indices de capabilité:
Une valeur (minimale) acceptable utilisée par plusieurs
entreprises est 1,33.

Mais Cp n’est pas suffisant. En effet, la production peut être décentrée et donc
conduire à la production de pièces hors tolérances même si Cp ≥ 1,33
 On définit l’indice de déréglage:

Cpk prend en compte la dispersion et le centrage du procédé. La plupart des cas, il est le
seul qui compte pour le client. Une valeur , habituellement, acceptable est: Cpk ≥ 1,33

Remarque:
Si la caractéristique contrôlée ne comporte qu’une seule spécification(maximale ou
minimale), on utilise alors comme indice:

(limite supérieure de la spécification)

(limite inférieure de la spécification)

Détermination de la proportion de pièces non conformes:
Une pièce est jugée satisfaisante ou conforme si la caractéristique mesurée est à l’intérieur
des spécifications. Elle est non conforme si la mesure obtenue est inférieure à la valeur
minimale Ti de la spécification ou supérieure à la valeur maximale Ts.
En supposant que la caractéristique mesurée est distribuée d’après une loi normale de
moyenne X̅̅ et d’écart-type R̅ /d2 , on peut déterminer la proportion de pièces non conformes
dans la production.
On détermine la proportion de pièces non conformes par excès, et la proportion de pièces
non conformes par défaut. On fait la somme pour avoir la proportion totale de non
conformes.
(on calcule d’abord les valeurs centrées réduites: zs=(Ts-X̅̅)/(R̅ /d2) et zi=(Ti-X̅̅)/(R̅ /d2 et on se
sert de la table de la loi normale centrée réduite)
Ex:
Une machine fabrique des pièces qui doivent respecter les spécifications suivantes:78±12.
Pour 28 échantillons successifs de taille n=4, on a obtenu: X̅̅=76,7 et R̅ =6,65.
Les cartes de contrôle X̅ et R n’indiquent aucun point en dehors des limites de contrôle et
ne présente aucun comportement particulier.
a) Estimer l’écart-type de la fabrication.
b) Calculer les indices de capabilité Cp et Cpk
c) Calculer la proportion de pièces non conformes
Cartes de contrôle aux attributs

La méthode de contrôle par attributs consiste essentiellement à noter la présence ou

l’absence d’un critère qualitatif quelconque(attribut) dans chaque unité contrôlée et de
compiler le nombre des unités contrôlées possédant ou non ce critère sur l’ensemble des
unités contrôlées.
Ce type de contrôle est plus rapide, plus facile et moins coûteux que le contrôle par
mesures. Cette simplification entraîne, parfois, la transformation des critères mesurables
en critères par attributs.(le cas, par exemple, du contrôle au calibre d’un diamètre)
Les principales cartes utilisées dans le contrôle par attributs sont:
.Cartes de contrôle pour la proportion de défectueux (carte p)
.Carte de contrôle pour le nombre de défectueux (carte np)
.Carte de contrôle de défauts (carte c)
.Carte u: nombre de non conformités par unité
Contrôle de la proportion de défectueux: carte p
Calcul des limites de contrôle:
Pour chaque sous-groupe on calcule:
La proportion de défectueux : p=d/n
d: nombre de pièces défectueuses
n: taille de l’échantillon
La proportion moyenne de défectueux p̅ de l’ensemble des prélèvements se calcule par:
p̅=(Σd)/(Σn)
Calcul des limites de contrôle:
LSCp =p̅+3√[(p̅(1-p̅)/n] LICp=p̅-3√[(p̅(1-p̅)/n]
Remarques:
[Link] que ce type de contrôle soit efficace, il est necessaire que l’effectif de
l’échantillon soit suffisamment grand.(50 à 200ou plus pour chaque prélèvement), avec
un nombre minimum de prélèvements égal à 20.
[Link] modèle probabiliste régissant ce type de contrôle est celui de la loi binomiale
[Link] la limite inférieure de contrôle donne une valeur négative, on utilise alors LICp=0.
Ex1:
On veut contrôler le diamètre d’une pièce usinée par une machine-outil. La cadence de
production est assez élevée et on a observé depuis un certain temps que la machine-outil
était très précise. On décide, donc, de modifier la méthode de contrôle en adoptant
plutôt un moyen plus rapide et pus facile que la mesure exacte du diamètre de chaque
pièce. On opte pour l’utilisation de deux calibres permettant de classer les pièces «
défectueuses » si le diamètre se trouve à l’extérieur des limites de tolérance. Le contrôle
de 20 échantillons successifs de 100 pièces a permis d’enregistrer les résultats suivants:
a)Calculer les limites de contrôle pour la carte p.
b)Tracer la carte de contrôle et préciser si le procédé semble sous contrôle statistique.
 N° Nombre de N° Nombre de
défectueux défectueux
1 2 11 6
2 4 12 2
3 2 13 6
4 3 14 1
5 1 15 2
6 4 16 3
7 3 17 2
8 2 18 5
9 0 19 2
10 2 20 4

Ex2:
Une fabrication comporte habituellement 2% de défectueux. Cette fabrication est contrôlée à
l’aide d’échantillons de taille n=50. un récent contrôle donne un pourcentage de défectueux
de 3,4%. Peut-on conclure que cette augmentation de défectueux par rapport au pourcentage
moyen habituel est de nature accidentelle.
Remarques:
a) Si un point se situe au dessus de la limite supérieure de contrôle, le
procédé n’est pas sous contrôle statistique. Ceci indique que les
conditions de fabrication ont changé pour le pire donnant un produit de
qualité indésirable.
b) Dans le cas où la limite inférieure de contrôle est une valeur
positive(LIC>0), un point en bas de la limite inférieure de contrôle indique
que les conditions de travail peuvent avoir changé pour le mieux. Il peut
également indiquer qu’il y a eu relâchement dans la méthode de
contrôle, mauvaise interprétation ou mauvais usage de l’équipement de
contrôle, données erronées, instrumentation mal calibrée,…
c) Limites de contrôle pour la carte p lorsque la taille d’échantillon varie: Si
la taille des k prélèvements varie entre 0,7n̅ et 1,3n̅ , où n̅ =Σni/k , alors,
on divise par √n̅ au lieu de √n dans l’expression de σ(p). Dans le cas où la
taille de certains échantillons se situe en dehors de cet intervalle, les
valeurs exactes des limites de contrôle sont alors calculées pour ces
prélèvements(la ligne centrale(p̅ ) étant la même pour tous les
échantillons).
Contrôle du nombre de défectueux: carte np

Si l’effectif de l’échantillon demeure le même pour chaque

prélèvement, il peut être plus simple et plus rapide de mettre en
œuvre une carte de contrôle pour le nombre de défectueux.
Carte np : une carte np (ou carte pour le nombre de défectueux)
est un graphique sur lequel est pointé le nombre de défectueux
observé dans chaque échantillon en fonction des instants de
prélèvements(temps). On indique également sur la carte le
nombre moyen de défectueux ainsi que les limites de contrôle
supérieure et inférieure.
Le principal avantage de la carte np résulte du fait que l’on reporte
directement les résultats du contrôle sans être obligé de diviser par n
pour calculer la proportion de défectueux. De plus, la carte indiquera
toujours un nombre entier.
Détermination des limites de contrôle pour la carte np:
LC=np̅=Σdi/k , LSCnp =np̅+3√[np̅(1-p̅ )] , LICnp=np̅-3√[np̅(1-p̅ )]
Ex:
Une entreprise d’accessoires électriques fabrique des interrupteurs
avec voyant lumineux. A intervalles réguliers, des échantillons de 50
interrupteurs sont prélevés de la production et le fonctionnement en
est vérifié. Le nombre d’interrupteues défectueux pour 25
échantillons successifs est indiqué dans le tableau suivant:
a) Calculer les limites de contrôle pour la carte np.
b) Tracer la carte de contrôle et préciser si le procédé semble sous
contrôle statistique.
 N° de Nombre d’interrupteurs N° de Nombre d’interrupteurs
l’échantillon défectueux l’échantillon défectueux
1 2 14 3
2 3 15 0
3 5 16 1
4 4 17 4
5 3 18 1
6 2 19 2
7 4 20 2
8 1 21 5
9 4 22 4
10 0 23 2
11 0 24 2
12 1 25 3
13 2
Contrôle du nombre de défauts: carte c
Les cartes X̅ et R peuvent être appliquées à toute caractéristique mesurable. Les cartes de
contrôle p ou np peuvent être appliquées aux résultats d’un contrôle qui accepte ou refuse
des pièces. Ce sont les cartes de contrôle les plus couramment utilisées dans le contrôle
industriel.
Par contre, la carte de contrôle pour le nombre de défauts a un champ d’applications plus
restreint.
Définition de la carte c: une carte c est un graphique sur lequel est pointé le nombre de
défauts par unité contrôlée en fonction des instants de prélèvements. On y indique également
le nombre moyen de défauts par unité contrôlée ainsi que les limites de contrôle.

Distinction entre défaut et pièce défectueuse:

On dénote un défaut sur une pièce quelconque si elle n’est pas conforme à n’importe quel
critère quantitatif ou qualitatif prescrit(les spécifications dans un sens très large). Il est
également de pratique courante de classer les défauts suivants trois catégories dépendant de
de leur gravité et de l’utilisation de la pièce fabriquée: défaut critique, défaut majeur et défaut
mineur. Une pièce est défectueuse si elle présente un ou plusieurs défauts.
Exemple d’utilisation:
.Nombre de soudures défectueuses de circuits imprimés
.Défauts par mètre carré de tissu
Détermination des limites de contrôle de la carte c:
LC=c̅=Σci/k , ci: nombre de défauts observé pour l’unité contrôlée n° i, k: nombre des unités.
Les limites sont c̅ ± 3√c̅ .
Remarques:
a) Le modèle probabiliste régissant le contrôle dans le cas de la carte c c’est la loi de poisson.
c , le nombre de défauts par unité, est donc une variable aléatoire distribuée d’après la loi
de poisson avec moyenne E(c)=c’ et variance var(c)=c’ , où c’ est le nombre moyen
théorique de défauts.
b) Condition d’utilisation: la taille des échantillons (ou la quantité prélevée) est constante.
Chaque échantillon est une unité de taille 1 (n=1).

Carte u : proportion de défauts

La carte u permet de suivre une proportion de défauts dans les échantillons dont la taille peut
être variable.
En effet, si les sous-groupes comptent n unités , on calcule d’abord le nombre moyen de
défauts par sous-groupe de n unités: c̅ =Σci/n ce sont ces valeurs qui seront pointées sur la
carte).
Pour k sous-groupes, on trouve un nombre moyen général de défauts : c̅̅ =Σc̅ /k et les limites
de contrôle seront alors : c̅̅ ± 3√(c̅/n)
̅ .
Dans la littérature, on utilise u̅ au lieu de c̅̅ . La carte de contrôle est alors une carte pour le
nombre moyen de défauts ou carte u (u=c̅ ) .
Remarque:
.Comme dans le cas de la carte p, s’il n’y a pas de grandes variations dans les tailles des
échantillons, on utilise les mêmes limites en divisant par n̅ (au lieu de n) dans l’expression de
l’écart-type.
.Si les variations sont grandes, les limites de contrôle varient en fonction de la taille de
l’échantillon ( la ligne centrale étant la même u̅=Σci/Σni).
Ex1:
Un contrôle visuel est effectué sur des plaques de laiton. La surface d’une plaque est vérifiée
pour détecter des tâches de cuivre ou d’oxydation ou autres défectuosités apparentes. Le
nombre de défauts par plaque a été noté pour 20 échantillons successifs. Les résultats sont
données dans le tableau ci-dessous:
a) Calculer les limites de contrôle
b) Tracer la carte de contrôle et préciser si le procédé semble sous contrôle statistique.
 N° de Nombre de défauts par N° de l’échantillon Nombre de défauts
l’échantillon plaque par plaque
1 1 11 7
2 2 12 2
3 4 13 1
4 1 14 1
5 3 15 0
6 1 16 2
7 0 17 2
8 2 18 1
9 0 19 0
10 1 20 3
Ex2: un industriel souhaite suivre le taux de non-conformité sur une ligne d’assemblage de
machine à laver le linge. Une machine peut comporter plusieurs non-conformités. La taille
des échantillons retenue est de 100 machines par jour.
L’observation sur 20 jours de production a donné:

N° de l’échantillon 1 2 3 4 5 6 7 8 9 10
Taille de 100 100 100 100 100 100 100 100 100 100
l’échantillon
Nb de défauts c 9 10 8 15 14 25 8 10 12 5
Proportion u 0,09 0,10 0,08 0,15 0,14 0,25 0,08 0,10 0,12 0,05

N° de l’échantillon 11 12 13 14 15 16 17 18 19 20
Taille de l’échantillon 100 100 100 100 100 100 100 100 100 100
Nb de défauts c 7 16 11 7 12 6 8 10 14 10
Proportion u 0,07 0,16 0,11 0,07 0,12 0,06 0,08 0,10 0,14 0,10

Tracer la carte u
 CARTE de la moyenne de la médiane de l'écart-type de l'étendue

Ligne centrale m0 m0 c4 s0 d2 s0

LCI m0 - 3s0 / m0 - s0 B5 s0 D1 s0

LCS m0 + 3s0 / m0 + s0 B6 s0 D2 s0

LSI m0 - 2s0 / m0 - s0 B'5 s0 D'1 s0

LSS m0 + 2s0 / m0 + s0 B'6 s0 D'2 s0