Maîtrise Statistique des procédés « MSP »

(Statistical Process Control)

répondre à des objectifs stratégiques pour
mieux coller aux exigences et besoins des
clients à travers une maîtrise et une
surveillance des processus de production
pour limiter les non-conformités. La MSP
vise à mesurer, analyser et maîtriser la
variabilité des processus et d’agir sur les
causes de cette variabilité
 Problématique

Produit: matière première, emballage

Matériel : pannes, déréglage, usure

Caractéristique de contrôle: poids,

température, remplissage, quantité, longueur
Diamètre, volume,…

Echantillon: nombre de produits

en un laps de temps donnés
 Variabilité d’un processus

La variabilité d’un processus décrit

l’incapacité d’un processus de production à
limiter les non-conformités et à tendre vers
un état de dérèglement ou de décentrage.
 Causes de variabilité

 Causes communes
Correspondent à la variabilité intrinsèque du
procédé, commune et qui est difficilement
maîtrisable. Cette variabilité est souvent
normalement distribuée.
 Causes spéciales
Correspondent aux causes identifiables:
évènements aléatoires, pouvant influencer la
variabilité intrinsèque, variabilité accidentelle
 Variabilité naturelle

Variabilité naturelle
Variabilité avec la MSP
Centrage, viser la cible !

Spécification
de conformité
LIS LSS
LIC LSC

3
Cible
Limite de contrôle
Calculée à partir d’un échantillon
 Variabilité naturelle

Variabilité naturelle

LSI LSS
/2
NC

3
LIC Cible Décentrage LSC
 Caractéristiques de mesure

 Caractéristiques mesurables (quantitatives)

paramètres de contrôle mesurables:
température, poids, quantité, dimension,
etc.
 Caractéristiques non mesurables,
qualitatives (contrôle par attributs) :
paramètres non mesurables, conformité à
l’aspect, touché, nombre de défauts,
 Mesure de la variabilité

Shewart met en place un outil (1931),

largement utilisé aujourd’hui: la carte de contrôle
« control chart ». On distingue:

 Carte aux valeurs individuelles/ étendues glissantes

 carte pour les moyennes/étendues
 carte pour les moyennes/écart-type
 carte pour la proportion d’unités non conformes
 carte pour le nombre de d’unités non conformes
 carte pour le nombre de non conformités
 Mise en place des cartes de contrôle

Identification des paramètres critiques du procédé

Vérification du moyen de mesure

Définition des limites de contrôle

et analyse du procédé

Procédé sous contrôle, optimisation et réduire

les contrôles

Réduction de la variabilité, rechercher

les causes de variabilité
Principe, cas de paramètres mesurables

• Caractéristique de contrôle ou paramètre

est supposé normalement distribué.
• Soit X le paramètre contrôle alors:
XN(,)
Le contrôle se base sur le contrôle de
plusieurs échantillons, soit n la taille de
l’échantillon, la variable considérée est
X =Xi/n N(,/ n)
 Limite de contrôle à 3 , cas de la moyenne

•  et  connus :
• LSC= Cible + 3*(/ n) Loi normale
• LIC= Cible – 3*(/ n)

•  inconnu :
• LSC= Cible + 3*(s’/ n) Loi de Student
• LIC= Cible – 3*(s’/ n)
 Carte de contrôle pour valeurs individuelles

 Cas de valeurs limitées (petites séries) pour

lesquelles la notion de lot ou d’échantillon
n’a pas de sens.

 Certaines caractéristiques mesurables:

pression, température.
 Limite carte aux valeurs individuelles

• LSC (X)= Cible + 3

• LIC(X)= Cible - 3
Estimation de  par R/d2 avec A4=3/d2
• LSC (X)= X + 3*R/d2 =cible+A4*R
• LIC(X)= X– 3*R/d2 =cible-A4*R
• Avec R est la moyenne des étendues glissantes R
avec R= Abs(Xi – Xi+1) pour n= 2
• Pour l’étendue glissante la carte de contrôle est
donnée par :
 Limites de la carte pour l’étendue

• LSCR=R + 3
n (pour 2 3 4 5
• LICR= R - 3 le
Les limites sont calcul
de R)
estimées à partir de: A4 2,66 1,772 1,457 1,290
• LICR=D3*R
• LSCR=D4*R D3 - - - -

D4 3,267 2,574 2,282 2,114

 Exemple, paquet de pâtes de 500 g

le poids des
Le N° de
échantillons Etendue glissante
l'échantillon
(X) Abs(X(n+1)-Xn)
Echn N° 1 1 504
Echn N° 2 2 499 5
Echn N° 3 3 498 1
Echn N° 4 4 498,4 0,4
Echn N° 5 5 506,6 8,2
Echn N° 6 6 513,2 6,6
Echn N° 7 7 502,9 10,3
Echn N° 8 8 498,3 4,6
Echn N° 9 9 503,6 5,3
Echn N° 10 10 506,1 2,5
 Carte de contrôle X et étendue R
Poids paquet, nouilles 500 g
530
520
510

500
490
480
470
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

Carte Etendue glissante

20
Etendue, R (g)

15

10

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
N° Echantillon
 Carte de contrôle pour la moyenne X et R

 Représente la valeur de la moyenne à

partir d’un échantillon de plusieurs unités
réalisées successivement, sans
intervention et représentatif de la
dispersion à court terme.

 La valeur moyenne et l’étendue sont

calculées à partir de chaque échantillon de
taille n.
 Limites carte X et R
Pour la carte des moyennes
LSCX  cible  A 2 * R
LIC X  cible  A 2 * R
Pour un échantillo n i : Ri  Max(X i )  Min(X i )
n

R i
R i1
n
Pour la carte des étendues
LSCR  D4 * R
LIC R  D3 * R
n

X n

La cible peut être connue ou remplacée par X  i1

n
 Tableau des coefficients

n 2 3 4 5 6 7 8 9
A2 1,88 1,02 0,73 0,58 0,48 0,42 0,37 0,34
D3 - - - - - 0,07 0,14 0,18
D4 3,27 2,57 2,28 2,11 2,00 1,92 1,86 1,82
Tiré de « Six Sigma, comment l’appliquer » Maurice PILLET, Ed d’organisations, p333
Exemple: remplissage de paquets de pâtes de
500 g
le poids des
le n° de paquet Echantillon
paquets X(bar) R
paquet n° 1 499,3
paquet n° 2 502,3
paquet n° 3 503,1
paquet n° 4 489,1
paquet n° 5 502,7
paquet n° 6 502,6 1 499,85 14
paquet n° 7 498,7
paquet n° 8 501,4
paquet n° 9 501,4
paquet n° 10 501,4
paquet n° 11 499,9
paquet n° 12 501,1 2 500,65 2,7
 Les cartes de contrôle X et R

502

LSC X  501,8 501,5

501

LIC X  498,2 500,5

500
499,5
499
1 2 3 4 5 6 7 8

16
14
12
10

LSCR  7,5 8
6
4
LIC R  0 2
0
1 2 3 4 5 6 7 8
 Cartes de contrôle moyennes et écarts types

Pour les échantillo ns de taille n  6 la carte de l' étendue n' est plus pertinente ,
elle est substituée par la carte des écarts types l' écart type à court terme
σ n1 est estimé par s (écart type empirique corrigé)
n

 (X  X) i
2

s i1
n 1
LSCs  B4 * s
LIC s  B3 * s
n

s i
s i1
n
R
σ court terme 
d2
s
σ court terme 
c4
 Coefficients pour le calcul des cartes

n 2 3 4 5 6 7 8 9 10

B3 - - - - 0.030 0,118 0,185 0,239 0,284

B4 3,267 2,568 2,266 2,089 1,970 1,882 1,815 1,761 1,716

d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078

c4 0,7979 0,8862 0,9213 0,9400 0,9515 0,9594 0,9650 0,9693 0,9727

 Capabilité et performance

• La capabilité d’un procédé se traduit par

sa capacité à réduire sa dispersion. Elle
se mesure donc à partir de la dispersion à
court terme.
• La capabilité est mesurée par des ratios
exprimant:
• Performance demandée/performance
réelle
 Interprétations des cartes
Description Décision carte des moyennes Décision carte des étendues

Procédé sous contrôle: les courbes Production Production

X(bar) et R oscillent de chaque coté de
la moyenne.
Points hors limites de contrôle Régler le procédé Cas valeur supérieure: la capabilité
le dernier point franchit une limite de de la valeur de l’écart qui sépare le court terme se détériore, trouver l’origine
contrôle point hors limite de la valeur cible. de cette détérioration ou erreur de
mesure.
Cas limite inférieure: la capabilité court
terme s’améliore ou erreur de mesure
Tendance supérieure ou inférieure Régler le procédé Cas tendance supérieure: capabilité
7 points consécutifs sont supérieurs ou de la valeur de l’écart qui sépare le court terme se détériore, trouver l’origine
inférieurs à la moyenne point hors limite de la valeur cible. Cas tendance inférieure: la capabilité
court terme s’améliore, trouver l’origine
et maintenir.
Tendance croissante ou décroissante Régler le procédé de l’écart entre le Cas série croissante: capabilité court
7 points consécutifs sont en dernier point et la valeur cible terme se détériore, trouver l’origine
augmentation régulière ou en Cas série décroissante: capabilité court
diminution régulière. terme s’améliore, trouver la source et
maintenir
1 point proche des valeurs limites Vérifier en prélevant un autre Surveiller la capabilité en cas de valeur
Dernier point tracé se situe à coté des échantillon, si la tendance est la limite supérieure, trouver l’origine de
limites même, régler le procédé cette détérioration potentielle.
 Cartes de contrôle par attributs
caractéristiques non mesurables

Unités non conformes Non-conformités

Nombre Carte np Carte c

Nombre de produits non Nombre de non-
conformes conformité
Proportion Carte p Carte u
Proportion de produits Proportion de non-
non conformes conformité
« Six sigma, comment l’appliquer » Maurice PILLET, Ed d’organisations, p351.
Carte np - Nombre d’unités non conformes

Calcul du nombre d' untiés non conformes

np  np 2  ...  np k Nb total de défauts
np  1 
k Nb d' échantillo ns
np
proportion moyenne de défectueux p 
n
np i : nombre de défauts dans l' échantillo n
k : nombre d' échantillo ns
p : proportion moyenne de défectueux
n : nombre de pièces par échantillo n

Les limites de contrôle

LSCnp  np  3 np (1  p)

LIC np  np  3 np (1  p)
 Carte p - proportion d’unités non conformes

Calcul de la proportion moyenne d' untiés non conformes

p  p  ...  pk Nb total de défauts
p 1 2 
k Nb d' échantillo ns * taille de l' échantillo n
np
proportion moyenne de défectueux p 
n
np i : nombre de défauts dans l' échantillo n
k : nombre d' échantillo n
p : proportion moyenne de défectueux
n : nombre de pièces par échantillo n

Les limites de contrôle

p(1  p)
LSCp  p  3
n
p(1  p)
LIC p  p  3
n
 Dispersion instantanée (court terme)

La dispersion instantanée est liée directement à la

machine ou au procédé, elle sert à mesurer la
capabilité Cp, Cpk, mesurer la dispersion instantanée
(une cinquantaine d’échantillons)
Dispersion instantanée et globale
Valeurs, mesures

Dispersion
Instantanée (court terme) Variation de réglage
LSS

Dispersion IT
globale(long terme)

LSI

Temps
 Dispersion instantanée
On définit par IT , l' intervalle de tolérance :
IT  LSS  LSI
IT
Capabilité potentiell e,Cp 
σ court terme
R S
σ court terme  ou bien σ court terme 
d2 c4
σ court terme peut être obtenu à partir de la moyenne pondérée des variances à
l' intérieur de chaque échantillo n :

ν s
2

σ court terme  i i

v i

Tel que : v i, nombre de degré de liberté : n  1

si2 : Estimateur de l' écart type dans chaque échantillo n.
 LSS  X X  LSI 
Cpk  min( ), ( )
 court terme
σ σ court terme 

IT
Cpm 
6 σ i2  ( X  Cible)2
 Dispersion instantanée

IT

LSI LSS
NC

3court terme

LIC Cible LSC

 Dispersion globale (long terme)

La dispersion globale est liée à la

performance à long terme Pp, Ppk,
mesurer la dispersion globale (des
centaines d’échantillons, sur 1 semaine
par exemple)
 Dispersion globale (suite)

On définit par IT , l' intervalle de tolérance :

IT  LSS  LSI
IT
Performanc e potentiell e,Pp 
σ long terme

σ long terme   (x - x )
i
2

n 1
n : nombre de mesures
 LSS  X X  LSI 
Ppk  min( ), ( )
 σ long terme σ long terme 
IT
Ppm  2
6 σ long terme  ( X  Cible)
2
 Interprétation de la capabilité

Cp>1.67 Plus que Réduire le contrôle

suffisant
1,33<Cp<1,67 suffisant Situation idéale à
maintenir
1<Cp<1,33 Trop jute Nécessite l’attention,
dérive probable
0,67<Cp<1 insuffisant Existence d’unités
non conformes
Cp<0,67 Très Analyse immédiate
insuffisant des causes, urgence
 Les 5 m ou diagramme d’Ishikawa

Analyse exhaustive des sources de

dispersion
Matière Milieu Main-d'œuvre

Opérateurs différents
Problème MP température
Formation des opérateurs
fournisseurs humidité

usure
Méthode
inadaptée Vitesse
réglage
d’avance
Moyens
Méthodes
Contrôle qualité sur 144 articles

En %
Fréquence pourcentage Cumulé
Froissés 89 0,62 0,62
Emballage
défectueux 29 0,20 0,82

Hors
tolérance 16 0,11 0,93

Mal fermé 5 0,03 0,97

Autre 5 0,03 1,00

 Diagramme de Pareto

0,70 1,20

0,60 1,00

0,50
0,80
0,40 Fréquence
0,60
0,30 Cumulé

0,40
0,20

0,10 0,20

0,00 0,00
Froissé Emballage hors mal fermé Autre
défectueux tolérance