Formation pour les régleurs

PRATIQUER LA MAITRISE STATISTIQUE DES PROCEDES

Quels
enjeux ?
Et maintenant ….
on fait comment?

Quels
outils ?

Quels
changements ?

J.Lassalle, maj du 24 janvier 2019 Pratiquer la Maîtrise Statistique des Procédés 1

Enjeux économiques

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Notions de statistique

2
Mauvaises réactions

Modifier son point de vue sur des choses bien établies ..

La tolérance est dépassée

Quelle belle Qualité !
de 1/2 micron !

3
Leviers d’actions du SPC

Situation initiale:
Non-capabilité et manque de
centrage

Situation cible
avec le SPC

Situation avec pilotage SPC:

Capabilité OK , centrage par action
Déviation initiale di
à temps sur le procédé
moyenne / cible
Dispersion initiale si

Déviation finale df = 0
moyenne = cible

Dispersion finale sf < si

4
Résultat MICHELIN

Exemple de résultat obtenu

Chez MICHELIN, la mise en place de la MSP a permis:

de passer du contrôle 100% au contrôle par prélèvement

de réduire les non-conformités de 9% à 1%

Les incidences indirectes sont:

La baisse des coûts unitaires des produits,
L’amélioration sensible de la productivité,
L’augmentation naturelle de la capacité démontrée,
Une maintenance allégée.

5
Résultat client QUASAR Solutions
Retour d’expérience Sté NEXANS
Source Sce Communication QUASAR Solutions

Grâce à QUASAR, plus de surconsommation de matière

« La qualité existe depuis toujours chez NEXANS, mais la mise en place d'un projet
global, la suite QUASAR, date d'il y a environ 3 ans.
Avant, chacun faisait du contrôle mais tout était sous forme de papier. Le besoin
d'un outil simple et fiable, capable de stocker les données, est peu à peu apparu
comme indispensable.
La solution QUASAR, dont l'atout majeur était la récupération directe des données
venant des appareils de mesure, a été retenue ....
NEXANS ne regrette pas …… »

« Le fait de contrôler plus finement la fabrication a permis de mettre en évidence une

surconsommation de matières premières.
Les pilotages de gammes ont été refaits et NEXANS a considérablement baissé ses coûts de
production après tous ces ajustements… »
Bureau d’étude NEXANS (69)
www.nexans.fr

6
La place de la MSP dans les processus

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Le processus de
Notions de statistique
définition des besoins
et des exigences

7
Réalisation

Vous avez réalisé la production suivante

8
Quelle transformation ?

Vous avez livré le lot suivant

Votre client reçoit le lot ci-joint.
Qu’en pensez vous ?
Qu’en pense t-il ?

9
Pas de miracle

à retenir
Vous avez livré le lot ci-joint.
Qu’est-il arrivé ?

Votre procédé de production est

fortement dispersif
entre autre du fait de dérives non
maîtrisées

10
Le tri pour palier à la non capabilité

Vous avez livré le lot ci-joint. à retenir

Qu’est-il arrivé ?

Votre procédé de production est

fortement dispersif

Vous avez effectué un tri pour ne

livrer que les pièces conformes
à l’intervalle de tolérance

11
 Le processus en contrôle de
fabrication

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Le processus de
Notions de statistique
contrôle en fabrication

12
Localisation des contrôles: phase 1
Schéma TAYLORIEN

Séparation des fonctions de transformation et de contrôle

Contrôle en fin de processus

T T T C

Inconvénients:
Rôle de production et de contrôle dissociés; ?
En cas de défaut, quelle en est l’origine ?

T Transformation

C Contrôle

13
Localisation des contrôles: phase 2
Contrôle au poste suivant

C C C
T T T

T Transformation

C Contrôle

14
Localisation des contrôles: phase 3
Auto-contrôle

C C C
T T T

Apports :
T Transformation Responsabilité plus importante pour chaque opérateur à son
poste de travail;
C Contrôle Suppression du contrôle final.

15
Principes à retenir

La Maîtrise statistique des Procédés vise

À retenir ?
à donner au personnel de Production
les moyens de réagir
de façon plus autonome
et plus efficace

La maîtrise statistique des procédés ce n’est pas

différentes théories statistiques éloignées de l’opérationnel,

LA solution à tout,
la garantie du Zéro défaut,
16
Statistiques

Vous dites maîtrise statistique des procédés ? Que

retenir ?
Car les statistiques permettent

de mieux comprendre les observations de réagir à temps

Histogramme Appliquer les principes
d’action de la MSP
20
18
18

16 15

14

12 11
Fréquences

10

6
4
4
2 Classes
2
0 0 0 0 0 0
0
6
7
8
9

11
10

12
13
14
15
16

17
Notions de statistique

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Notions de statistique
Histogramme
Cote cible
Indicateurs de capabilité
Echantillonnage

18
Histogramme: bien utile

L’histogramme

est une représentation d’une distribution

très accessible et bien utile
pour une première interprétation graphique

Pratiquer la Maîtrise Statistique des Procédés Régleurs 19

Test d’ajustement Qu’est-ce qu’un test d’ajustement ?

Un test d’ajustement
c’est comparer une distribution à une loi de distribution

Il y a des cas évidents

Loi Normale
appelée aussi de
(Laplace-Gauss)

Distribution
observée

20
Test d’ajustement Qu’est-ce qu’un test d’ajustement ?

Un test d’ajustement
c’est comparer une distribution à une loi de distribution

Loi Normale
Il y a des cas plus délicats
Dite aussi de
(Laplace-Gauss)

Pour cela, plusieurs tests

d’ajustement sont
traditionnellement utilisés:
Distribution Droite de Henry
observée
Test du Khi2

Nous allons pratiquer ce test de Normalité Test de Kolmogorov

sur l’histogramme précédemment réalisé
Test de d’Anderson-Darling
21
Droite de Henry Ajustement à la loi Normale par la droite de Henry

J.P.P. Henry (1848-1907),

polytechnicien en est
l’inventeur.

C’est une méthode graphique

qui permet de juger de
l’ajustement d’une série
d’observations à une distribution
Normale

Grâce aux propriétés du papier

gausso-arithmétique, on identifie
s’il y a alignement entre la
distribution réelle et la loi
Normale
Pour cela, on reporte les points
caractéristiques,
on trace la droite de tendance
198 199 200 201 202 203 On juge de l’alignement des points
sur cette droite.
22
Conséquences et autres lois de distribution

Que
retenir ?

Quelles conséquences si la distribution n’est pas Normale ?

Le respect des exigences reste possible;

Il s’agit d’une situation attendue pour certains procédés (exemple

tour multibroches), les défauts de forme, les écarts de position;

23
Causes communes, causes spéciales
Causes communes ou aléatoires

Par nature, un procédé est source de dispersions.

Les causes communes sont inhérentes au procédé lui-même.

Elles se caractérisent par:

•leur nombre très important,
Citez des événements qui correspondent
•leurs variations faibles,
à cette définition
•leur indépendance les unes des autres,
•le fait qu’elles dont toujours présentes.
Jeux des différents éléments de
machine,
Élasticité des organes,
Hétérogénéité des matières,
Température de l’atelier,
Erreurs dans le processus de mesure

24
Procédé idéal
Procédé idéal

cible

25
Causes communes, causes spéciales
Causes spéciales ou assignables

Les causes spéciales ne sont directement inhérentes au procédé

On peut souvent en identifier et en contrôler certaines.

•Elles sont peu nombreuses,

•Leurs variations sont brusques,
Citez des événements qui correspondent
•leur effets sont importants,
à cette définition
•Elles sont temporaires.
Casse d’outil,
Coupure de courant dans un cycle de
chauffe,
Défaillance humaine,
Fuite dans un tuyau sous pression,
Grippage d’un palier,
Dégel,
Changement d’opérateur,
Lots de matière défectueux.

Lorsque le procédé est dit maîtrisé, stable ou sous-contrôle.

Il n’y a que ds causes communes à l’origine des fluctuations du procédé

26
Effets des causes spéciales
Effet des causes spéciales ou assignables

Causes spéciales
agissant sur la dispersion

Causes communes

Causes spéciales
agissant sur la moyenne

cible

27
Procédé hors contrôle
Procédé hors contrôle

cible

28
Procédé sous contrôle
Procédé sous contrôle

Réglage

cible

29
Notions de statistique

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Notions de statistique
Histogramme
Cote cible
Indicateurs de capabilité
Echantillonnage

30
Principes à retenir

À
retenir ?
L’importance de l’objectif cible
-3 3

Médiocre y Médiocre

Limite Limite

Bon Bon
Idéal
Y

Cible

La nécessaire maîtrise de la variabilité

31
Cote nominale et cible

Ne pas confondre cote nominale et cote cible

Cible
10,3
Exemple : Diamètre 10 +0/ +0,6

Cote nominale = ? 10

Cible= ? 10 + 10,6
TI TS = = 10,3
2
10 10,6
Intervalle de tolérance = IT

32
Caractéristiques de la cible

À
retenir ?

33
Indicateurs de capabilité court terme : Raison d’être

Dispersion = 6 s
Intervalle de tolérance = IT
Cp capabilité potentielle

TI X TS
cible IT/2

TS-X

Cpk capabilité réelle tient compte du décentrage

Cpm capabilité réelle liée à la perte

34
Notions de statistique

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Notions de statistique
Histogramme
Cote cible
Indicateurs de capabilité
Echantillonnage

35
Echantillonnage (7/8)

On peut déterminer
la population dont est
issu l’échantillon Intervalle de tolérance

Cible

36
Echantillonnage (8/8)

L’enjeu de l’échantillonnage

c’est d’optimiser la taille de l’échantillon et le choix des individus pour :

 minimiser la taille de l’échantillon

afin de dépenser le moins d’argent possible et de temps sur la mesure

 augmenter la précision des résultats de la mesure

Nota: Ces objectifs sont relativement contradictoires
puisqu’il faut quadrupler la taille de l’échantillon pour doubler
la précision d’estimation

37
Action sur le produit ? Sur le procédé ?

Action sur le processus, sur le produit ?

Tolérances Tolérances

Cas 1 Cas 2

Dispersion Dispersion

Pour chaque cas

dois-je agir sur le produit
ou sur le processus ?

Pratiquer la Maîtrise Statistique des Procédés

38
Régleurs
 Action sur le produit ou sur le processus

Action sur le processus sur le produit

À retenir ?

Tolérances Tolérances

Cas 1
Cas 2

Dispersion Dispersion

Le processus est hors contrôle action sur le processus

(Pas forcément sur le produit)
Le produit est hors tolérances action sur le produit
(Pas forcément sur le processus)

39
Carte de contrôle: principe

40
Moyennes / Etendues

Carte Moyennes/Etendues
Date 23/02
Heure 6h00 6h30 7h00 7h30 8h00 8h30 8h35 9h00 9h30
Mesure 1 1 -1 1 0 1 0 -2 -1 -2
Mesure 2 1 0 0 0 1 2 1 1 -1
Mesure 3 -2 -2 -1 -3 0 3 -1 1 -1
Mesure 4 1 0 -1 -1 1 2 -1 -1 0
Mesure 5 0 0 0 0 0 3 2 0 0
Total 1 -3 -1 -4 3 10 -1 0 -4
Moyenne 0,2 -0,6 -0,2 -0,8 0,6 2,0 -0,2 0 -0,8
Etendue 3 2 2 3 1 3 4 2 2
Moyenne de l'échantillon Point hors contrôle
Limite supérieure 2
de contrôle 1
Cible 0
-1
Limite inférieure
de contrôle -2
Vérification du réglage

Limite supérieure
de contrôle 6
4
Moyenne des
étendues 2

Journal de bord Réglage

Etendue de l'échantillon

41
Cas type

42
Notions de statistique

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Notions de statistique
Annexes

43
Objectifs pédagogiques

Objectifs pédagogiques:

Apporter aux participants les éléments de

compréhension permettant de:
•Connaître la logique d’ensemble de la M.S.P et des
capabilités;
•Savoir utiliser les outils pour améliorer la
productivité machine.

Pratiquer la Maîtrise Statistique des Procédés Régleurs 44

Programme détaillé
Plus dans le détail

1. Définition de la MSP
•Enjeux et objectifs
•La place de la MSP dans les processus,
•Notions de statistiques; la loi Normale, défauts de forme,

2. Les capabilités
•Les dispersions et le calcul des capabilités
•Critères de jugement et signification des capabilités,
•Les capabilités et les spécifications,
•La capabilité des moyens de contrôle

3. L’utilisation d’une carte de contrôle

•Carte Moyenne/ Etendue

Pratiquer la Maîtrise Statistique des Procédés Régleurs 45

 Indicateurs de capabilité : Cas 4

Dispersion = 6

Cp = ? = IT / 6s

= 6 / 6*1 =1

9 10 11 12 13 14 15 16 17
Intervalle de tolérance

Cpk = ? min( TS-X / 3s; X- TI / 3s)

= (9-11) / 3*1 = - 0,666

Cpm = ? IT / 6 s2CT + (X-cible)2

= 6/ 6 12 + (9-14)2 = 0,2
Pratiquer la Maîtrise Statistique des Procédés Régleurs 46
Indicateurs de capabilité: Cas 1

Dispersion

Cp = ? = IT / 6s

= 2/ 1 =2

2 2,5 3 3,5 4
Intervalle de tolérance

Cpk = ? min( TS-X / 3s; X- TI / 3s)

= 1 / 0,5 =2

Cpm = ? IT / 6 s2CT + (X-cible)2

= 2/ 6 0,026 + (3-3)2 =2
Pratiquer la Maîtrise Statistique des Procédés Régleurs 47
Indicateurs de capabilité : Cas2

Dispersion

Cp = ? = IT / 6s

= 6 / 6*1 =1

1 2 3 4 5 6 7
Intervalle de tolérance

Cpk = ? min( TS-X / 3s; X- TI / 3s)

= (7-4) / 3*1 =1

Cpm = ? IT / 6 s2CT + (X-cible)2

= 6/ 6 12 + (4-4)2 =1
Pratiquer la Maîtrise Statistique des Procédés Régleurs 48
Indicateurs de capabilité Long terme : formules
long terme, de l’ordre d’une
Dispersion = 6 s semaine de production

TS-X

Pp = IT / 6sLT

TI X TS
cible
Intervalle de tolérance = IT

Ppk = min( TS-X / 3sLT; X- TI / 3sLT)

Ppm = IT / 6 s2LT + (X-cible)2

Pratiquer la Maîtrise Statistique des Procédés Régleurs 49
Indicateurs de capabilité : Cas3

Dispersion = 6

Cp = ? = IT / 6s

= 6 / 6*1 =1

1 2 3 4 5 6 7
Intervalle de tolérance

Cpk = ? min( TS-X / 3s; X- TI / 3s)

= (7-7) / 3*1 =0

Cpm = ? IT / 6 s2CT + (X-cible)2

= 6/ 6 12 + (7-4)2 = 0,31
Pratiquer la Maîtrise Statistique des Procédés Régleurs 50
Notions de statistique

1. DEFINITIONS LIEES A
LA MAITRISE STATISTIQUE DES PROCEDES

Enjeux
La place de la MSP dans les processus
Notions de statistique
Histogramme
Cote cible
Indicateurs de capabilité
Echantillonnage

Pratiquer la Maîtrise Statistique des Procédés Régleurs 51

Indicateurs de capabilité court terme : Formules Indicateurs de capabilité
Court Terme
Dispersion = 6 s (environ 50 mesures consécutives)

TS-X

Cp = IT / 6sCT

TI X TS
cible
Intervalle de tolérance = IT

Cpk = min( TS-X / 3sCT; X- TI / 3sCT)

Cpm = IT / 6 s2CT + (X-cible)2

Pratiquer la Maîtrise Statistique des Procédés Régleurs 52
3 étapes ?

Approfondissement des capabilités

Quelles sont, à votre avis,

les différentes étapes
de capabilités
et leur raison d’être ?

Pratiquer la Maîtrise Statistique des Procédés Régleurs 53

 3 étapes:
appellations

Approfondissement des capabilités

Capabilité intrinséque
Capabilité du moyen

préliminaire

Capabilité court terme

du processus
Capabilité
Court Terme

Capabilité long terme

Capabilité du processus

Long Terme

Pratiquer la Maîtrise Statistique des Procédés Régleurs 54

3 étapes: critères

Approfondissement des capabilités

Capabilité intrinséque du moyen

Capabilité 50 composants consécutifs
préliminaire Cm et Cmk >2

Capabilité du processus en démarrage de production

Capabilité Au moins 20 prélèvements
de 5 composants consécutifs
Court Terme Cp et Cpk >1,67

Capabilité long terme du processus

Capabilité Exploitation des cartes de contrôle
(une semaine de production)
Long Terme
Pp et Ppk >1,33

Pratiquer la Maîtrise Statistique des Procédés Régleurs 55

Capabilité mesure: une évidence

Capabilité de la mesure

Quelle confiance dois-je

accorder au résultat ?

10,42 mm

Pied à coulisse

Pratiquer la Maîtrise Statistique des Procédés 56

Régleurs
Synthèse des méthodes Capabilité des moyens de mesure
Synthèse des méthodes

Pratiquer la Maîtrise Statistique des Procédés Régleurs 57

Chute des capabilités Chute des capabilités

Pratiquer la Maîtrise Statistique des Procédés Régleurs 58

Limites naturelles OK

Pratiquer la Maîtrise Statistique des

59
Procédés Régleurs
Limites naturelles NOK

Pratiquer la Maîtrise Statistique des

60
Procédés Régleurs