Академический Документы
Профессиональный Документы
Культура Документы
DES PROCEDES
GENERALITES
A. LAMURE
MAITRISE STATISTIQUE DES PROCEDES
INTRODUCTION : DEFINITIONS
♦ QU’EST-CE-QUE LA MSP ?
MSP = ensemble actions pour évaluer, régler et maintenir processus de
production en état de fabriquer produits conformes aux spécifications et avec
caractéristiques stables dans le temps.
MSP = suite analyses qui comprennent : réflexion sur processus,
caractéristiques significatives de ce processus, du produit, des tolérances
nécessaires ; validation outil de production et de son aptitude à fournir ce que
l’on attend de lui et enfin mise en place de cartes de contrôle.
MSP = méthode préventive qui vise à amener processus au niveau de qualité
requis et à l’y maintenir grâce à système de surveillance qui permet de réagir
rapidement et efficacement à toute dérive. Méthode basées + particulièrement
sur statistiques.
REMARQUE : "Statistical Processus Control (SPC)" ≡ Maîtrise Statistique
des Procédés ("Contrôle Statistique du Procédé")
♦ DEMARCHE MSP
REFERENCE : pendant une ou plusieurs période stable, détermination, pour
caractéristique produit ou paramètre fonctionnement, référence statistique
(minimum 100 valeurs) caractéristique du processus (moyenne et dispersion) :
référence englobe variations "naturelles" processus fabrication + contrôle.
ECHANTILLONNAGE : pilotage du processus avec échantillon constitué de
quelques prélèvements analysés : moyenne et dispersion résultats obtenus =
moyenne et dispersion processus à instant considéré.
COMPARAISON DE L’ECHANTILLON AVEC LA REFERENCE : si échantillon ne
diffère pas statistiquement de référence ⇒ pas d’action sur processus, sinon
recentrage du processus.
2
MAITRISE STATISTIQUE DES PROCEDES
INTRODUCTION : PROCESSUS DE PRODUCTION
3
MAITRISE STATISTIQUE DES PROCEDES
INTRODUCTION : CARTES DE CONTROLE
6
MAITRISE STATISTIQUE DES PROCEDES
INTRODUCTION : EXEMPLE DE MAUVAIS PILOTAGE
Suivi dans atelier de la quantité d’acide résiduaire d’un mélange dans réacteur.
Chaque analyse individuelle servait à décider si quantité d’acide introduite
pour opérations suivantes devait être modifiée ou pas. Responsable atelier
voulant mettre en place carte de maîtrise sur cette quantité d’acide, calcula
limites, en fonction risques de mauvaises décisions et tolérances, avec effectif
d’échantillon n = 3. Pour s’assurer de la validité de la carte, résultats
individuels ayant servi aux opérateurs pour piloter processus sur cette période,
ont été groupés sous forme d’échantillons (moyennes de 3 mesures) et reportés
sur carte calculée.
première action effectuée par opérateurs sur une valeur individuelle inutile,
seconde action tout à fait justifiée.
troisième action inutile. De + action entreprise démesurée ⇒ poste suivant,
correction dans autre sens encore disproportionnée ⇒ processus hors limite par
valeur inférieure.
comme procédé joue au yo-yo, opérateur poste suivant réagit faiblement ⇒
processus non recentré et 2 postes suivants opérateur obligé de redonner
nouveau coup de barre.
Pendant 2,5 jours, homme n’agissant qu’à partir d’informations ponctuelles, a
fait dérailler sa machine, ...en étant persuadé de bien faire ! Seule dernière
action était justifiée. Exemple montre que, non seulement on agit souvent trop
précipitamment, avec résultats ponctuels, mais aussi souvent de façon
inconsidérée ; seules cartes permettent d’adapter intensité des corrections à
apporter pour corriger dérives juste ce qu’il faut.
7
MAITRISE STATISTIQUE DES PROCEDES
PROCESSUS : DIAGRAMME DE PARETO
8
MAITRISE STATISTIQUE DES PROCEDES
PROCESSUS : DIAGRAMME D’ISHIKAWA
9
MAITRISE STATISTIQUE DES PROCEDES
PROCESSUS : CORRELATIONS
10
MAITRISE STATISTIQUE DES PROCEDES
PROCESSUS : TEST DE CORRELATIONS
11
MAITRISE STATISTIQUE DES PROCEDES
PROCESSUS : COEFFICIENT DE CORRELATION A 2 VARIABLES
12
MAITRISE STATISTIQUE DES PROCEDES
PROCESSUS : REGRESSIONS
13
MAITRISE STATISTIQUE DES PROCEDES
STATISTIQUES : HISTOGRAMME
14
MAITRISE STATISTIQUE DES PROCEDES
STATISTIQUES : DISTRIBUTION NORMALE
15
MAITRISE STATISTIQUE DES PROCEDES
STATISTIQUES : PROPRIETES DE LA LOI NORMALE
16
MAITRISE STATISTIQUE DES PROCEDES
STATISTIQUES : INTERVALLE DE CONFIANCE D’UNE MOYENNE
17
MAITRISE STATISTIQUE DES PROCEDES
STATISTIQUES : INTERVALLE DE CONFIANCE D’UN ECART-TYPE
18
MAITRISE STATISTIQUE DES PROCEDES
STATISTIQUES : TEST DE NORMALITE
19
MAITRISE STATISTIQUE
DES PROCEDES
ANALYSES
A. LAMURE
MAITRISE STATISTIQUE DES PROCEDES
APTITUDE : APTITUDE STANDARD
21
MAITRISE STATISTIQUE DES PROCEDES
APTITUDE : APTITUDES D’UN MOYEN DE PRODUCTION ET DE CONTROLE
22
MAITRISE STATISTIQUE DES PROCEDES
APTITUDE : ETUDE COMPARATIVE DES VARIANCES
23
MAITRISE STATISTIQUE DES PROCEDES
APTITUDE : FABRICATION DE FIL METALLIQUE
24
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : DEPLACEMENT LIMITE DE LA MOYENNE
25
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : PERIODES OPERATIONNELLES
26
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : PERIODES OPERATIONNELLES MOYENNES
27
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : CARTES DE LA MOYENNE SHEWHART
28
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : EFFICACITE DES CARTES SHEWHART
29
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : ABAQUE DES CARTES SHEWHART
30
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : CARTES DE LA DISPERSION SHEWHART
31
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : PRINCIPE DES CARTES EWMA
début d’une séquence, limites = segments // qui convergent très vite vers Lm
et dès 4ème échantillon, limites de maîtrise ≡ droites parallèles.
♦ Paramètres des limites L soit lu sur abaque d’efficacité vraie, soit
approximé par L = k1 – 0,3 (δ. n )-2,32 – 0,019 où k1 = nombre d’écarts-types
de loi LNR pour probabilité (100/2P0) exprimée en %. Obtention également
Lorsque δ n > 2,5 ⇒ L → k1.
2,5
du paramètre L par : L = k1 - 1
(
4δ n )
32
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : EFFICACITE DES CARTES EWMA
33
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : PRINCIPE DES CARTES CUSUM
0).
VALEUR CIBLE : m0 = 0
LIMITES DE MAITRISE d’une carte CUSUM sont : Lm = 0 ± h s/ n
où h = coefficient appelé paramètre des limites de maîtrise qui peut être :
♦ lu sur l’abaque d’efficacité vraie
♦ approximé par h = k1 – (δ. n /2) + 0,3 e [1,2 k1 – (1,55 δ. n )]
Comme écart direct à valeur cible ⇒ nombre très important de fausses
alarmes, calculs démarrés que lorsqu’une valeur d’échantillon sort du
"couloir" [moi, mos] ⇒ minimisation fausses alarmes. Moyennes
d’observation habituellement placées à mi-chemin entre cible et
moyennes refusables. : Si+ = Si-1+ + (xi - m0) ≥ 0 Si- = Si-1- + (xi - m0) ≤ 0
avec mos = (m0 + mrs)/2 et moi = (m0 + mri)/2
Lorsqu’une valeur de S+ ou S- sort des limites de maîtrise ⇒ action
pour recentrer processus, arrêt des calculs et démarrage d’une nouvelle
séquence sans tenir compte des résultats antérieurs.
34
MAITRISE STATISTIQUE DES PROCEDES
CARTES DE CONTROLE : EFFICACITE DES CARTES CUSUM
36