Documente Academic
Documente Profesional
Documente Cultură
1. Histoire
Dans les annes 1960, les bases de la philosophie "Qualit Totale" sont formalises chez General Electrics. Le contrle de la qualit du produit fini commence cder la place au contrle du procd. Le fabricant de semi-conducteurs Motorola initie en 1980 une dmarche de matrise de la dispersion des procds de fabrication. C'est en 1986, dans cette mme entreprise, que Bill SMITH dcrit la dmarche d'amlioration base sur l'utilisation des outils statistiques connue sous le nom de "6sigma". Depuis, de nombreuses entreprises ont fait connatre leur engagement dans une dmarche "6-sigma ": ABB, General Electric, l'avionneur canadien Bombardier, Nokia, l'avionneur amricain Lockheed Martin, Sony, Polaroid, DuPont, Ford Motor Company, Toshiba, American Express. Rponses Le contrle 100% est bien sr ncessaire lorsquil y a un risque pour la vie des personnes ; aussi, le contrle par ultrasons doit se faire sur toutes les pices. Pour des raisons videntes, le contrle par chantillonnage devra tre utilis pour tous les contrles destructifs (dtruire la pice). La rotule aprs le test de rsistance aux chocs nest plus utilisable donc on adoptera un contrle chantillonn. Il est possible de rsumer grossirement lutilisation des deux types de contrle sous forme de tableau :
Bien sr d'autres critres interviennent dans le choix des types de contrle : Tailles des sries, valeur ajoute des produits, cot du contrle (est-il raisonnable d'effectuer un contrle coteux lorsque trois ou quatre pices sur 1000 sont dfectueuses ?), choix des caractristiques contrler etc. Remarque : un contrle 100% ne veut pas dire que lon contrle toutes les caractristiques du produit mais une seule. Avant de parler des risques dus l'chantillonnage, prcisons que le contrle 100% nest pas sans risque. En effet, le caractre rptitif et monotone des oprations de contrle peut conduire des erreurs et notamment lacceptation de pices dfectueuses. Il peut conduire aussi au refus de pices bonnes car certains contrleurs considrent quils doivent ncessairement rejeter certaines pices pour que leurs chefs considrent quils ont bien fait leur travail.
4. Niveau de qualit acceptable, risque client, risque fournisseur, choix taille d'chantillon
4.1 Risque client, risque fournisseur
Il existe deux types de risque pour le contrle par chantillon : - Le risque client (risque ) est la probabilit, pour un plan d'chantillonnage donn, daccepter un lot alors quil est mauvais. - Le risque fournisseur (risque ) est, de se voir refuser un lot considr comme mauvais alors quil est bon.
Champ d'application
en contrle final chez le fournisseur ; ou en contrle de rception chez le client, Ce contrle statistique des lots ou contrle par chantillonnage soppose au contrle 100%. En effet, dans le contrle 100%, chaque produit est contrl. Lors du contrle par chantillonnage, on ne contrle quun chantillon (une partie du lot) pour accepter ou refuser tout le lot. Quand faut-il contrler 100% ? Quand peut-on contrler par chantillonnage ? Prenons lexemple dune rotule de direction et deux types de contrle: Le premier est un contrle par ultrasons permettant de dtecter la prsence de "pailles" dans lacier, dfauts pouvant apparatre lors de la fabrication de lacier et pouvant crer des amorces de rupture. Le second est un contrle de rsistance aux chocs (la rotule est une pice de scurit, elle peut plier en cas de choc mais ne doit pas casser).
Il est dlicat de dterminer facilement le plan qui convient aux deux risques. Lutilisation de tables standard nous permet de dfinir le plan d'chantillonnage, c..d. de dterminer : la taille n de lchantillon ; le critre dacceptation c (ou k) (le nombre de dfectueux admis dans lchantillon avant de rejeter le lot). Exemple : Pour une production dagrume, supposons que nous acceptions des lots dont le taux de dfectueux p0= 2%, sur la base dun contrle du diamtre, et que ceux dont le taux p1 =12%, seront rejets. En vous aidant de la table dterminer la taille de lchantillon et le nombre de dfectueux autoriss.
Rponses : La premire table correspond un niveau de contrle II (le plus utilis). Elle permet de dterminer la lettre code (L) ainsi que la taille de l'chantillon : n=200. La deuxime table nous permet de dterminer partir de la lettre code et du NQA (1%) les critres A d'acceptation et R de rejet : A=5 et R=6. Cela signifie que pour valider le lot nous allons contrler un chantillon de 200 pices. Si l'chantillon comporte A (5) ou moins de A pices dfectueuses le lot sera accept et si l'chantillon comporte R (6) ou plus de R pices dfectueuses le lot sera refus.
Objectifs de la MSP
Le principe de base : Mieux vaut PRVENIR que gurir Cest la qualit du PROCD qui fait la qualit du produit Les rsultats viss : Connatre l'aptitude du processus rpondre aux spcifications et l' (s') adapter ; Anticiper l'apparition de produits dfectueux par le pilotage des procds ; Rduire la variabilit des procds et ainsi assurer la reproductibilit de la production Fournir une base concrte et objective pour : . Un dialogue entre les partenaires . Une valuation de l'amlioration de la qualit
5.3 La variabilit
Il n y a pas deux choses identiques. Statistiquement on dirait: il n'y a pas deux individus identiques . Elles proviennent des 5 M et de leurs combinaisons, ce qui reprsente un grand nombre de diffrences dues leurs influences combines.
Ceci est vrai chaque tape du procd; on imagine aisment le nombre considrable de combinaisons ds l'instant o le nombre d'tapes est grand. Ces influences combines pour tout le procd sont appeles variations.
Objectif industriel : Production de qualit si : lcart type est faible, la moyenne est centre sur la valeur cible (valeur idale). Causes des variations communes : Tous les procds sont soumis de telles variations. Ces causes ont la particularit de : provenir d'un grand nombre de petites sources ; concerner le procd ; rester relativement stables ; caractriser, le plus souvent, des phnomnes alatoires ; demeurer d'une prvision relativement possible ; se maintenir dans un tat quasi permanent, s'il n'existe aucune intervention extrieure ; exister dans toute l'entreprise. Causes des variations spciales : Ces causes ont la particularit de : provenir d'une seule source ou d'un grand nombre de sources importantes ; caractriser, des vnements fortuits (Inattendus), devenir irrgulires ; rester difficiles prvoir ; se manifester nouveau moins d'interventions extrieures ; pouvoir tre corriges localement. Or, l'exprience prouve que pour tout procd dans l'entreprise, 85% des causes sont communes (disons alatoires), 15% seulement sont spciales (disons inhabituelles). D'o l'OBJECTIF: 1. Se dbarrasser d'abord et dfinitivement des causes spciales, 2. ensuite rduire les causes communes. Caractristiques dune distribution
Rpartition normale
Intrt : Si la rpartition est normale alors : le procd ne prsente pas de facteur important de drglage; la rpartition est caractrise par la moyenne et l'cart type ; les lois statistiques peuvent tre employes pour tablir des prvisions. Problme industriel : partir des valeurs releves (chantillonnage), est-il possible de modliser le phnomne rel par une loi normale ?
La loi normale
Proprits : Chaque fois que les causes de variation sont multiples et sont indpendantes les unes des autres ; On retrouve les proprits de la loi normale.
KIT-SPC : Identification de lentreprise Nom: Groupe REDIX tablissement de: BASANCON Activit: Production dlment constructeurs automobiles
mcanique
pour
les
Principal moyen de production: machine SIM automates de production daxes sphrique se connectant sur un slecteur automatique de pice. Effectif: personnes 150 Dessin de la pice:
M1: Prsentation du simulateur Machine capots- la baguette de production 5 par 5 pices. Production de 100 pices Constater la dispersion Prsenter le slecteur, les chelles de mesure M2: la mesure de la conformit Lentreprise reoit la lettre N1 du client Production de 100 pices Dessiner le contour de la production et envoyer cette image au client M3: Image de la production Lentreprise reoit la lettre N2 du client Production de 100 pices Dessiner le contour de la production et envoyer cette image au client Lentreprise reoit la lettre N3 du client Production de 100 pices Dessiner le contour de la production et envoyer cette image au client Lentreprise reoit la lettre N4 du client tapes de mise en place de la MSP
A/ La droite de Henry
Objectif : vrifier si la distribution est Gaussienne. . Le caractre normal de la distribution se reconnat la qualit de l'alignement des points. Principe : bas sur la transformation graphique : En abscisse: Les valeurs de Xien ordre croissant (en centre de classe) En ordonne: La probabilit cumule donne par :
Les tapes suivre : 1/ Calculer le nombre de classe: 2/ Calculer l'tendue d'une classe: 3/ Construire le tableau suivant:
4/ Reprsenter la droite de HENRY 5/ En suite on dtermine graphiquement: XO (la moyenne): correspond au point dont l'ordonne est 50% S (l'cart type): s'obtient en divisant par deux l'intervalle entre les abscisses qui correspond aux deux ordonnes 16% et 84%. Si les points ne sont pas aligns, la loi n'est pas normale Mise sous contrle Processus Interprtation du test : Si la distribution de la variable dans lchantillon tait de Gauss, les points seraient parfaitement aligns. Si la distribution de la variable dans la population est de Gauss, la courbe obtenue avec la distribution de lchantillon, qui na aucune raison dtre de Gauss, devrait tout de mme, puisque lchantillon est au hasard, tre voisin dune droite, et ceci dautant plus que cet chantillon est grand. Par consquent : Si les points obtenus sont sensiblement aligns, on conclut quil ny a aucune raison de rejeter lhypothse de normalit dans la population. Si les points obtenus ne sont pas sensiblement aligns, on conclut quon rejette lhypothse de normalit dans la population. Le jugement est, videmment, totalement subjectif, et le test est assez "rustique".
B/ Test de kolmogorov-smirnov
Ce test tudie l'cart entre : la fonction des probabilits cumules de l'chantillon et la fonction des probabilits cumules de la loi thorique. On regarde pour tous les points cet cart. Et on garde la valeur la plus leve en valeur absolue. Cas de la loi normale : 1/ trier les valeurs dans l'ordre croissant. 2 / calculer la moyenne et l'cart-type. 3 / faire le tableau pour le calcul des carts. NB : Ce test est assez puissant et prcis par rapport aux autres tests et ne ncessite, aucune restriction au niveau de ta taille dchantillon. Il demande moins de calculs et tient compte la fois de petits et grands chantillons. Procdure : Soit X1, X2, X3, Xn un chantillon de distribution thorique F(X) connue. Soit F*(X)= i/n+ 1 la fonction de rpartition empirique. On montre que la quantit Dn = Max lF *(X)- F(x)l ne dpend que de la taille de t'chantillon (n). En associant cette proprit au risque (niveau de confiance) on | ( ) obtient la probabilit : ( )| Au niveau de confiance , on conclut au rejet de l'hypothse de normalit si :
( )
La dispersion est donne par le processus (daprs les mesures effectues). Elle permet de calculer les limites de contrle. La tolrance est donne par le plan. Les limites de contrle sont donc diffrentes de la tolrance. Les limites de contrle, tolrances et dfauts:
A/ La capabilit Cp :
Capabilit machine Cm : reprsente la mesure de la performance de la machine seule, indpendamment des autres facteurs ; Capabilit du procd Cp : refltele fonctionnement de lensemble des facteurs de production. Se dfinit comme le rapport entre la performance demande (de la machine ou du procd selon le cas) et la performance relle.
Il sagit donc de situer la distribution par rapport aux spcifications et de calculer le rapport entre lintervalle de tolrance et six carts-types de la distribution : Ts : tolrance suprieure Ti : tolrance infrieure i : cart-type instantan Cm : capabilit machine Ts Ti = IT = intervalle de tolrance Avec lexigence que : On dira que la machine est apte si :
La capabilit machine doit se calculer partir de donnes releves dans un laps de temps trs court incluant seulement la dispersion de la machine, en dehors de toute modification des autres facteurs de production (matire, mains duvre).
Sil ny a pas de difficult pour calculer Ts Ti, lcart type instantan se calcule de la faon suivante : Soit 50 pices conscutives. Soit prlvements rapprochs de k chantillons de n pices chacun, dans ce cas on peut estimer i par la moyenne des tendues des chantillons. Taille : d2 2 :1,128 / 3 :1,693 / 4 :2,059 / 5 :2,326 / 6 :2,534 / 7 :2,704/ 8 :2,847 / 9 :2,970 / 10 :3,078 / 11 :3,173 / 12 :3,258
Lobjectif essentiel de la MSP tant lamlioration continue du procd, le Cpk sera le coefficient privilgi suivre pour valuer cette amlioration.
(
Exploitation de lindice Cm
machine non apte produire des pices conformes aux spcifications. Des valeurs seront > ou < aux tolrances spcifies une partie de la production sera en dehors des tolrances machine tout juste apte. La dispersion est gale lintervalle de tolrance. Elle produit bien 99,8% de pices bonnes, mais la moindre variation entranera la production de pices non conformes machine apte et tolre une drive dautant plus grande que lindice Cm est plus lev
Exemple
Ts : tolrance suprieure Ti : tolrance infrieure S : moyenne des cart-types des chantillons R : moyenne des tendues des chantillons C4 selon tableau : 2: 0,7919 / 3: 0,8862 / 4: 0,9213 / 5: 0,940 / 6: 0,9515 / 7: 0,9594 / 8: 0,9650 / 9: 0,9693 / 10: 0,9727 / 11: 0,9754 / 12: 0,9776 Coefficient de capabilit procd Cpk Il permet dapprcier la dispersion et le centrage
(
Signification du coefficient Cpk Cpk < 1 1 < Cpk < 1,33 1,34 < Cpk < 2 Cpk > 2
procd nest pas capable de maintenir toute la production dans les spcifications cest le minimum acceptable : il faut amliorer le procd le coefficient est bon : il faut continuer les efforts le coefficient est excellent