Post on 01-Jun-2018
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
1/64
1
MODULE MSP/SPC
Cycle de formation d’ingénieur
EI.CESI BORDEAUX
Th. Perreaud – 6-Sigma Black Belt (certified trainer)
13/09/2011 2
Satisfaction du client
ContexteEnjeux et objectifs
Performance
Amélioration de laqualité interne et
externeRéduction des coûts
Amélioration desperformances des
processus
Réduction des variabilitésNon récurrence des problèmes
Détermination des niveauxde facteurs optimaux
Plan d’expérienceManagementde processus
MSP
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
2/64
2
ContexteLe coût de la non-qualité ?
13/09/2011 SPC – Thierry Perreaud 3
Outre le coût directement occasionné par la détection etla retouche des défauts, il faut aussi prendre en compte :
Les conséquences de la déception d’un client (parts de marché)
Le potentiel d’un rendement accru (bénéfices)
L’augmentation cachée des délais de production
Les coûts liés à la commande de matériaux de remplacement
Les coûts liés à la gestion des défauts
Dans la plupart des entreprises, le coût de la non-qualitéreprésente probablement 25% du chiffre d’affaire.
Dans presque toutes les entreprises où ce coût estinconnu, il dépasse la marge bénéficiaire.
13/09/2011 4
ContexteQualité interne et externe
SPC – Thierry Perreaud
Le triangle deBird :
L’étude de Bird (1969) démontrait qu’il existe un lien statistiqueentre les différentes pertes accidentelles que subit uneorganisation dans le cadre de ses activités.
On peut faire une analogie entre le domaine de la sécurité etcelui de la qualité.
Produit non conforme en clientèle
Pièce non conforme après contrôle en ligne
Sous-ensemble non conforme au contrôlefinal
Produit non conforme après contrôle final
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
3/64
3
13/09/2011 5
ContexteMSP/SPC : une stratégie de contrôle
Définition du contrôle
Le contrôle est un moyen de soutenir l’amélioration, soit enéliminant toute opportunité de défaut, soit en surveillantl’amélioration du processus par le biais d’un système de suivi.
Objet du contrôle
Elaborer une stratégie destinée à faire en sorte que lesaméliorations soient bien soutenues.
SPC – Thierry Perreaud
13/09/2011 6
ContexteMSP/SPC : une approche Lean
Objectif du contrôle du point de vue Lean :
Eliminer les gaspillages dû aux défauts
Ne pas créer de tâche sans valeur ajoutée.
Un des 7 types de gaspillage : celui dû aux défauts(MUDA)
Corriger : le fait d'agir après avoir provoqué des défauts. Inclut lesopérations de tri, de retouche et plus généralement les ICA.
Rebuter : les matières premières et les heures de travail.(Production ou Administratif).
Travailler à partir d'informations erronées.
Amener d'autres erreurs.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
4/64
4
13/09/2011 7
ContexteDévelopper une stratégie de contrôle MSP/SPC
Etapes de mise en œuvre d’une stratégie de contrôle :
Sélectionner la caractéristique à contrôler appropriée
Sélectionner le point de collecte des données
Sélectionner le type de graphe de contrôle
Etablir la taille d’échantillon appropriée ainsi que la fréquence
Déterminer la méthode/les critères de mesure
Procéder à l’Analyse du Système de Mesure (ASM) à long terme
Procéder à une étude initiale de capabilitéDévelopper des procédures de collecte
Fournir des instructions écrites et former le personnel
SPC – Thierry Perreaud
13/09/2011 8
Prévention :Une stratégie de contrôle orientée sur la prévention consiste àéviter l’apparition de non-conformités.
Il s’agit de supprimer la cause de l’erreur.
Détection :Une stratégie de contrôle orientée sur la détection consiste àmettre en œuvre des systèmes de contrôle permettant de détecterles non-conformités dans le processus de manière à ce qu’elles neparviennent pas jusqu’au client (externe ou interne).
Exemple :
• Un équipement de mesure placé en amont de l’op 20 d’une ligne defabrication empêche les pièces non-conformes de l’op 10 d’êtreusinées à l’op 20 : il s’agit d’une stratégie de contrôle orientée sur ladétection qui n’empêche pas la réalisation de non-conformité à l’op 10.
ContextePrévention / Détection
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
5/64
5
13/09/2011 9
ContextePrévention / Détection
Idéal Prévention • Rendre l’occurrence deserreurs impossible : systèmesanti-erreur
Mieux Détection • Détecter les erreurs en coursde processus
Bien Détection • Détecter les défauts avantpassage à l’étape de processussuivante
Prévention ou Détection :
SPC – Thierry Perreaud
13/09/2011 10
ContextePrévention / Détection
Prévention - Systèmes anti-erreur POKA YOKE :
Avantages
Certitude que les non-conformités ne parviendront pas au client.
Suppression des tâches sans valeur ajoutée (contrôle à 100% etretouche) compensant les surcoûts éventuels de conception ou demise en œuvre des systèmes anti-erreurs.
Réduction des coûts de garantie, amélioration de l’image de marque.
Prévention des dommages sur le produit
Prévention des risques corporels et des dommages machine
Eliminent les options entraînant des actions incorrectes
Ne nécessitent pas de formation approfondie (conception dessystème anti-erreurs).
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
6/64
6
13/09/2011 11
ContextePrévention / Détection
Prévention - Systèmes anti-erreur :
Mise en œuvreFormation aux techniques anti-erreur
Approche globale de la conception à la fabrication
Utilisation à envisagée dès l’AMDEC
Analyse des “5 pourquoi” pour déterminer la cause première
Vérification des actions anti-erreurs au moyen de “Masters”
Intégration aux procédures existantes
SPC – Thierry Perreaud
13/09/2011 12
ContextePrévention / Détection
Détection : Deux moyens de détection courants
Des moyens d’affichage et de maîtrise (ou management)visuels :
Communiquent des informations importantes mais ne contrôlentpas ce que les personnes ou les machines font.
Des moyens de maîtrise (ou management) visuels :
Communiquent des informations et/ou intègrent des contrôles ausein du processus de manière à ce que les activités soienteffectuées conformément aux normes.
Certain de ces moyens font partie de ce qu’on nomme l’“Ateliervisuel”.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
7/64
7
Principes
13/09/2011 SPC – Thierry Perreaud 13
Rappel de
statistiques
Principes
Introduction
à la mesure
Graphes de
contrôle
SPC
Etude de
Capabilité
PrincipesDéfinition
MAÎTRISE :
« Meilleure connaissance de »
« Mise sous contrôle de »
STATISTIQUE :
Lois mathématiques qui permettent de travailler sur tous les paramètres
QUANTIFIABLES (nombres)
PROCEDE :
Ne se limite pas uniquement à la machine
Englobe tous les principaux facteurs ayant
une influence sur un poste de travail donné
13/09/2011 SPC – Thierry Perreaud 14
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
8/64
8
PrincipesQue dit Wikipédia ?
Utilisation de représentations graphiques montrant lesvariations des processus dans le temps.
Permet d’anticiper sur les mesures à prendre pouraméliorer n'importe quel processus de fabricationindustrielle (automobile, métallurgie, etc.)
Discipline implantée au Japon après la Seconde Guerremondiale grâce à William Edwards Deming (14/10/1900 –20/12/1993), statisticien, professeur, auteur, conférencier
et consultant américain.Les théories de Deming ont remis en question lesprincipes de la division du travail prônés par Taylor.
13/09/2011 SPC – Thierry Perreaud 15
PrincipesQue dit Wikipédia ?
L'amélioration de la qualité des produits japonais avecl'utilisation systématique des cartes de contrôle a étételle, que les pays occidentaux ont développé à leur tourdes outils pour le suivi de la qualité à partir de 1980.
Utilise un certain nombre de techniques telles : le contrôlede réception, les plans d'expérience, les techniques derégression, les diagrammes de Pareto, la capabilité.... Etles cartes de contrôle.
13/09/2011 SPC – Thierry Perreaud 16
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
9/64
9
PrincipesObjectif : Produire le minimum de non-conformité
13/09/2011 SPC – Thierry Perreaud 17
Qualité accrue par l'utilisation d'outils statistiques visant à uneproduction centrée et la moins dispersée possible
Contrôle de la qualité dynamique : il ne suffit pas qu'une pièce soitdans les limites de spécifications, il faut aussi surveiller la répartitionchronologique des pièces à l'intérieur des intervalles de contrôle
Approche ‘données’ (mesurer, mettre en question, savoir, décider)
Pilotage des procédés avec pour motivations principales :
La stabilité du procédé.
La détection des dérives et la prévention des défaillances.
L'analyse du procédé permettant d’y apporter des améliorations.
Processus SortieEntrées
MSP/SPC
Etonnant … non ?
PrincipesSPC : l’approche ‘données’
L’approche ‘données’ de la prise de décision
• Nous agissons seulement à partir de ce qui est connu.
• Nous en savons plus quand nous cherchons.
• Nous cherchons ce que nous mettons en question.
• Nous mettons en question ce que nous mesurons.
• Si nous mettons en question et mesurons, nos décisionsreposeront sur des données plutôt que sur des intuitions.
13/09/2011 SPC – Thierry Perreaud 18
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
10/64
10
Rappel de Statistiques
13/09/2011 SPC – Thierry Perreaud 19
Rappel de
statistiques
Principes
Introduction
à la mesure
Graphes de
contrôle
SPC
Etude de
Capabilité
Rappel de StatistiquesIntroduction - Loi normale (un peu de théorie)
13/09/2011 SPC – Thierry Perreaud 20
0,000
0,010
0,020
0,030
0,040
60 70 80 90 100 110 120 130 140
2
121
( )2
x
y f x e
µ µµ µ
σ σσ σ
σ π σ π σ π σ π
− −
= =
Quelques caractéristiques :Courbe en cloche.
X: Variable aléatoire
F(x): densité de probabilité
µ: espérance mathématique ou moyenne
σ: écart-type
Variablealéatoire
Densité deprobabilité
moyenne
Point
d’inflexion
σσσσ
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
11/64
11
Rappel de StatistiquesRépartitions statistiques
On peut décrire le comportement de n’importe quelprocessus ou système en indiquant de multiples points dedonnées pour la même variable
sur une certaine durée
pour plusieurs produits
sur diverses machines, etc.
L’accumulation de ces données peut être considéréecomme une répartition de valeurs représentée par :
des graphiques à points
des histogrammes
des courbes normales ou autre répartition “arrondie”
13/09/2011 SPC – Thierry Perreaud 21
Rappel de StatistiquesLe graphique à points
Imaginez une pompe à débit étalonné de 50 litres/mn.
Le débit réel de la pompe est mesuré en 100 occasionsdistinctes.
Chaque point est porté sur le graphique et représente la“survenance” du débit à une certaine valeur. A mesure que lespoints s’accumulent, la nature de la performance de la pompeémerge comme une “répartition” du débit.
13/09/2011 SPC – Thierry Perreaud 22
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
12/64
12
Rappel de StatistiquesL’histogramme
Imaginons maintenant les mêmes données groupées en “intervalles”avec le nombre de fois qu’un point de vitesse de la pompe tombe àl’intérieur d’un intervalle qui détermine la hauteur de la barred’intervalle.
13/09/2011 SPC – Thierry Perreaud 23
51.350.850.349.849.348.8
40
30
20
10
0
L/min)
F r é q u e n c e
Rappel de StatistiquesCourbe progressive (normale)
Enfin, nous pouvons voir les données sous forme d’unecourbe progressive de points qui représentent des données.Dans cet exemple, utiliser la courbe progressive, donne uneapproximation de l’aspect des données si nous collections
un nombre infini de points de données.
13/09/2011 SPC – Thierry Perreaud 24
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
13/64
13
13/09/2011 SPC – Thierry Perreaud 25
Population :
Un groupe entier d’objets présentant une caractéristique intéressantedont on ne connaitra probablement, jamais les paramètres réels.
Echantillon :
Le groupe d’objets véritablement mesuré dans une étude statistique quiest un sous-ensemble de la population à laquelle on s’intéresse.
Rappel de StatistiquesParamètres de population contre échantillons
Moyenne d ’échantillon=X
“Paramètres de populat ion” “Statist iques d’échantillons”
µ = Moyenne de population
s = Déviation standardd’échantillon
σ = Déviation standardde population
Echantillon
Population
Rappel de StatistiquesParamètres de population contre échantillons
13/09/2011 SPC – Thierry Perreaud 26
Moyenne dePopulation
N
X N
i
i∑=1= µ
Moyenned’échantillon
n
x
x
n
i=
i∑1=
Déviation Standardde Population
N
µ )(X N
i=
i∑ −1
2
=σ
Déviation Standardd’échantillon
( )
1 ˆ
2
1
−
−
==∑
=
n
x x
s
n
i
i
σ
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
14/64
14
Rappel de Statistiques
Mesures de tendance centrale
13/09/2011 SPC – Thierry Perreaud 27
Moyenne : moyenne arithmétique d’un ensemble devaleurs
Reflète l’influence de toutes les valeurs
Fortement influencée par les valeurs extrêmes
Médiane : reflète les 50% - le nombre central une foisqu’un ensemble de chiffres a été trié
Ne tient pas forcément compte de toutes les valeurs
Est “dure” avec les valeurs extrêmesMode :
La valeur la plus fréquente dans les ensembles de données
13/09/2011 SPC – Thierry Perreaud 28
Description des répartitions
Rappel de StatistiquesMesures de tendance centrale (suite)
Mode
22 points de données22 points de données
Médiane
5 6 7 8 9 10 11 12 13 14
Moyenne (8,16)12345678910
11
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
15/64
15
minmax−=Plage
Rappel de StatistiquesMesures de la variabilité
Plage (range) :
Distance numérique entre valeurs maximaleset minimales d’un ensemblededonnées.
Variance (σ2 ; s2) :
La déviation moyenne au carré de chaquepoint de donnée par rapport à la moyenne,divisée par la taille d’échantillon.
Déviation Standard (σ ; s) :
La racine carrée de la variance.
Mesure la plus fréquemment utiliséepour quantifier la variabilité
13/09/2011 SPC – Thierry Perreaud 29
N
µ )(X N
i=
i∑ −1
2
=σ
N
µ )(X N
i=
i∑ −1
2
2=σ
Rappel de StatistiquesCaractéristiques de la répartition normale
Caractéristique 1 :
on peut décrire une répartition normale en connaissant seulement :
la moyenne
la déviation standard
13/09/2011 SPC – Thierry Perreaud 30
Répartition N°1
Répartition N°2
Répartition N°3
Qu’est-ce qui différencie ces trois répartitions normales ?
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
16/64
16
Rappel de StatistiquesCaractéristiques de la répartition normale
Caractéristique 2 : la courbe normale et ses probabilités
Le nombre d’écarts types (la surface en-dessous de la courbe)peut être utilisée pour estimer la probabilité cumulative del’apparition d’un certain “évènement”.
13/09/2011 SPC – Thierry Perreaud 31
P r o b a b i l i t é
d e l a v a l e u r
Nombre de déviations standard par rapport à la moyenne43210-1-2-3-4
40%
30%
20%
10%
0%
99,73%
95%
68%Probabilité cumulative
de l’obtention d’unevaleur située entre ces
deux valeurs
Rappel de StatistiquesCaractéristiques de la répartition normale
Caractéristique 3 :
Les variances s’ajoutent, pas les déviations standard.
Les variances des données de départ sont ajoutées pour calculerla variance totale dans les données d’arrivée.
13/09/2011 SPC – Thierry Perreaud 32
22
Total
222
2
2
X
1
2
X
2
total
21
21
2
1
Donc,
alors,
;Xdépartdevariablelaàduevariance
;Xdépartdevariablelaàduevariance
processus;derésultatduvarianceSi
X X
X X Total
σ σ σ
σ σ σ
σ
σ
σ
+=
+=
=
=
=
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
17/64
17
Rappel de StatistiquesGraphique de probabilité normale
Nous pouvons tester si un ensemble de données peutêtre décrit comme “normal” grâce à un test de normalité(ou avec un graphique de probabilité normale). Si cen’est pas le cas, il ne sera pas possible de mettre enplace une stratégie de contrôle par MSP.
Si la répartition est proche de la normale, le graphique deprobabilité normale sera en ligne droite.
C’est l’occasion d’utiliser Minitab afin de créer facilement
un graphique de probabilité normale.Formation Minitab page 1 à 15
Fichier training data minitab.xls
Ouvrir Minitab13/09/2011 SPC – Thierry Perreaud 33
Introduction à la mesure
13/09/2011 SPC – Thierry Perreaud 34
Rappel de
statistiques
Principes
Introduction
à la mesure
Graphes de
contrôle
SPC
Etude de
Capabilité
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
18/64
18
13/09/2011 35
Une mesure décrit la quantité, la capacité ou laperformance d’un produit, d’un processus ou d’un service,selon les données observables.
Elle peut concerner une caractéristique quantitative ou
qualitative (propreté, présence de gras, etc.). Dans cedernier cas, une définition opératoire ou l’utilisation deréférentiel, par exemple, peuvent aider le contrôleur.
Introduction à la mesureMesures & variations - Définition de la mesure
SPC – Thierry Perreaud
Introduction à la mesureMesures & variations - Attributs & variables
13/09/2011 SPC – Thierry Perreaud 36
Données attributs Données variables
GO/NO GO
2% des pièces sont horsspécification
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
19/64
19
13/09/2011 37
Introduction à la mesureMesures & variations - Utilisation des mesures
Des mesures peuvent être effectuées au niveau desentrées, du processus lui-même ou de ses sorties.
La mesure permet aux équipes …D’établir une performance de référence du processus
D’isoler les sources de variation
D’identifier les zones d’améliorations possibles
Entrées
Entrées
Processus
Entrées
Sorties
Sorties
SPC – Thierry Perreaud
13/09/2011 SPC – Thierry Perreaud 38
Introduction à la mesureEtapes du déploiement d’une stratégie de mesure
Développerune
stratégie decontrôle
Développerune ASM
Développerun plan decontrôle
Développerun plan de
réaction
Réaliser l’AMDECdu processus
Etablir lediagramme de flux
du processus
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
20/64
20
13/09/2011 39
Introduction à la mesureMesures & variations - Variation
Toutes les activités répétitives d’un processus offrent uncertain degré de fluctuations.
Les mesures des entrées, du processus et des sortiesfluctuent également.
Cette fluctuation est appelée variation.
Mesure
Temps
SPC – Thierry Perreaud
13/09/2011 40
Introduction à la mesureMesures & variations - Sources de variation
Machines
Matières
Méthodes
Mesure
Mère Nature
PersonnelOu M.O.
PRO
CESSUS
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
21/64
21
13/09/2011 41
Introduction à la mesureMesures & variations - Deux types de variation
Causes communes comparées aux causes spéciales
Cause commune
Cause spéciale
Type de variation Définition Caractéristiques
Pas d’effetexagéré de l’unquelconque des
5M et 1P
Effet exagéréprovoqué par undes 5M et 1P au
moins
AttenduePrévisibleNormale
InattendueImprévisiblePas normal
SPC – Thierry Perreaud
13/09/2011 42
Introduction à la mesureMesures & variations - AMDEC/FMEA
Lorsque la sortie est inférieure aux attentes client enraison d’une variation, le processus est réputé en mode dedéfaillance.
L’AMDEC -Analyse des Modes de Défaillance, de leursEffets et Criticité- ou en anglais FMEA -Failure Modes, Effects and Analysis- est un moyen d’observer les effets de la variation.
L’AMDEC est une procédure méthodique qui :
reconnaît et évalue la défaillance potentielle d’un produit ou d’unprocessus et les effets de celle-ci,
identifie les actions qui pourraient éliminer ou réduire la survenuede la défaillance potentielle,
documente le processus.SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
22/64
22
13/09/2011 43
Introduction à la mesureMesures & variations - Objectifs de l’AMDEC
SPC – Thierry Perreaud
Développer des plans de vérification de conceptionrobustes.Réduire le délai des développements et leur coûts.Améliorer la qualité, la fiabilité et la sécurité desproduits/services évalués.
Documenter et suivre les actions pour réduire le risque.Aider à la mise au point de plans de contrôle robustes.Prioriser les problèmes, empêcher leur apparition.Améliorer la satisfaction des clients.
Introduction à la mesurel’AMDEC - Traitement du risque
13/09/2011 SPC – Thierry Perreaud 44
Notation des défaillances dans l’AMDEC :
Ordre dans lequel le risque doit être traité :Gravité (Grav)Criticité = Grav × Occ)Indice ou Nombre de Priorités de RisquesIPR ou NPR = Grav × Occ × Dét
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
23/64
23
Introduction à la mesureAnalyse du système de mesure - Définition
13/09/2011 45SPC – Thierry Perreaud
L’analyse du système de mesure est une évaluationquantitative des outils et processus utilisés lors del’observation des données.
On parle de ASM ou de MSA en anglais pourMeasurement System Analysis
L’ASM indique le % de variation des données deprocessus qui provient d’erreurs de mesure.
On distingue deux types d’études selon que les données
dont on dispose sont de type « attribut » ou « variable ».Remarque : Le système de mesure idéal est celui quiproduit des mesures “exactes” à chaque fois qu’on l’utilise(partialité nulle, variance nulle).
Introduction à la mesureAnalyse du système de mesure
13/09/2011 46SPC – Thierry Perreaud
Assurance que les données collectées représententréellement tous les éléments du processus
Comparaison de plusieurs système de mesure
Evaluation d’un système de mesure suspecté déficient oud’un nouvel équipement de mesureInformations recherchées :
Le système de mesure est-il capable pour cette étude ? Pouvons-nous détecter une amélioration du processus ?
Quel erreur, quel degré d’incertitude est associé à une mesure ?
La discrimination peut-elle refléter la variation existante ?
Quelles sont les sources d’erreur de mesure ?
Le système de mesure est-il stable dans le temps ?
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
24/64
24
Introduction à la mesureASM - Etude R&R variables - Variation observée
Sources des variations observées
13/09/2011 47
Pour examiner la variabilité du processus, il faut d’abord identifier lavariation due au système de mesure et la distinguer de celle due au
processus.
Variation due àl’instrument de
mesure
Variation deprocessus à long
terme
Variation deprocessus à court
terme
Variation réelle de processus
Etalonnage Stabilité Linéarité
Variation des mesures
Variation de processus observée
Répétabilité
Variation due auxopérateurs
Unpeu dethéorie
SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R variables - Variation observée
Sources des variations observéesVision statistique
13/09/2011 48
Système de Mesure (SM)σ
Valeurs réelles Valeursmesurées
LISLimite Inférieure de
Spécification
LSSLimite Supérieurede Spécification
Système de mesure
Processusσ Totalσ
µ total µ processus µ Système de Mesure
Unpeu dethéorie
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
25/64
25
Introduction à la mesureASM - Etude R&R variables - Variation mesures
Sources des variations des mesures
13/09/2011 49
Variation desmesuresHumidité
Propreté
Vibration
Variation de la tension d’alimentationFluctuation de température
Techniques des opérateursTemps de mesure suffisant
Procédures standard Niveau de maintenance
Fréquence de l’étalonnage
Formation des opérateurs
Facilité de la saisie des données
Instabilité d’algorithme
Instabilité électrique
Usure
Instabilité mécanique
Appareils de mesures
Environnement
Méthodes de mesures
SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R variables – Justesse/exactitude
Partialité ou justesse : déterminé par “l’étude d’étalonnage”Ecart entre la moyenne de toutes les mesures et la valeur réelle.
Partialité de l’opérateur : des opérateurs différents obtiennent desmoyennes différentes pour les mêmes mesures sur la même pièce;
Partialité de la machine : des machines différentes obtiennent desmoyennes différentes pour les mêmes mesures sur la même pièce
13/09/2011 50
Valeursréelles Valeurs
mesurées
Partialité
Unpeu dethéorie
Exprime le fait que la moyenne des mesuresdévie par rapport à la valeur réelle (valeurthéoriquement correcte par rapport à des normes)
SPC – Thierry Perreaud
µ µ µ Total Processus= − Système de Mesure
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
26/64
26
Introduction à la mesureASM - Etude R&R variables - Précision
Variation totale du système de mesure
Variation naturelle des mesures répétées
Termes : erreur aléatoire, répartition, erreur detest ou de re-test
13/09/2011 51
Unpeu dethéorie
222
Système de MesureProcessusTotal σ σ σ + =
Précision : déterminépar “l’étude R&R”
Valeursréelles
Valeursmesurées
Variationsystème de
mesure
Répétabilité et Reproductibilité
σ σ σ 2 2 2
Système de Mesure répétabilité reproductibilité = + SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R variables - Répétabilité
La répétabilité est la variation des mesures obtenuesavec un instrument de mesure utilisé plusieurs fois par uninspecteur mesurant une caractéristique sur la mêmepièce. Ce terme fait référence à :
La variabilité inhérente au système de mesure à court termeLa variation se produisant lors des mesures répétées du mêmearticle faites dans des conditions absolument identiques :
même inspecteur
même configuration, mêmes conditions environnementales
mêmes unités
Elle est estimée par la déviation standard moyenne de larépartition de mesures répétées.
13/09/2011 52SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
27/64
27
Introduction à la mesureASM - Etude R&R variables - Reproductibilité
La reproductibilité est la variation de la moyenne desmesures faites par différents inspecteurs utilisant uninstrument de mesure mesurant les mêmescaractéristiques du même article. Ce terme renvoie à :
La variation qui résulte de l’utilisation de différentes conditionslors de la prise de mesure :
différents inspecteurs,
différentes configurations, unités, conditions environnementales,
différents systèmes de mesure.
Par exemple, la reproductibilité peut être associée àl’utilisation de plusieurs instruments de mesure par uninspecteur pour mesurer les mêmes caractéristiques dumême article.
13/09/2011 53SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R variables - Terminologie
Linéarité :
Mesure Exactitude et Précision sur laplage des capacités de l’instrument.
Discrimination :Graduations de l’instrument < 1/10ème dela spécification du produit ou de lavariation du processus.
Stabilité :
Répartition des mesures sansglissement, décalage subit ou cycles.
Elle peut être prédite dans le temps(moyenne et déviation standard).
13/09/2011 54
Calibre de référence
C a l i b r e é t u d i é
SPC – Thierry Perreaud
Bonne Discrimination
Mauvaise Discrimination
0
0
Pièce àmesurer
M e s u r e
s Temps
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
28/64
28
Introduction à la mesureASM - Etude R&R variables - Corrélation
Une mesure de l’association linéaire entre deux variables,par exemple, deux méthodes de mesure différentes oudeux laboratoires différents.
13/09/2011 55
Corrélation positiveavec décalage
décalage
Corrélation positivesans décalage Pas de corrélation
Corrélation négativeavec décalage
SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R variables - % R&R
% Répétabilité et Reproductibilité (% R&R)
Indique quel pourcentage de la tolérance est pris par l’erreur demesure.
Idéal : < 10% Acceptable : < 30%
Couvre la répétabilité et la reproductibilité
si le R&R est inférieur à 30% du sigma total, l’effet est < 5%
s’il est inférieur à 10% du sigma total, l’effet est < 1%
13/09/2011 56
% & R R SM
Total
= ×σ
σ 100
SPC – Thierry Perreaud
Unpeu dethéorie
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
29/64
29
Introduction à la mesureASM - Etude R&R variables - % R&R
13/09/2011 57
Unpeu de
théorie
SPC – Thierry Perreaud
Variance système de mesure :
Résultat principal de l’étude analytique R&R de jauge
Pour déterminer si le système de mesure est utilisable pour uneapplication, il faut comparerla variation des mesures à celle duprocessus
Taux de contribution : idéal < 1% ; acceptable < 9%
Tauxprécision/tolérance (P/T) : idéal < 10% ; acceptable< 30%
Ou Indice de capabilité instrument (ICI) = ( σ SM / tolérance ) x 100Tauxprécision/variationtotale(P/VT): idéal
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
30/64
30
Introduction à la mesureASM - Etude R&R variables - Interprétation
Utilisation du taux P/T (Précision/Tolérance) :
Estimation la plus courante de la précision d’un système de mesure.
Adéquat pour évaluer la performance du système de mesure par rapportà la spécification.
Toutefois, les spécifications peuvent être trop strictes ou pas assez.
En général, le taux P/T constitue une bonne estimation lorsque lesystème de mesure ne sert qu’à classer des échantillons de production.Mais, si la capacité du processus (Cpk) n’est pas correcte, le taux P/Tpeut vous donner une fausse impression de sécurité.
13/09/2011 59SPC – Thierry Perreaud
Valeursmesurées
LIS LSS
Précision du système de mesure
Process non capable
Introduction à la mesureASM - Etude R&R variables - Interprétation
Utilisation du taux P/VT (Précision/Variation Totale) ou %R&R :
Le P/VT (R&R) est une meilleure mesure (que P/T) qui estime laperformance du système en ce qui concerne la variation globale duprocessus.
C’est la meilleure estimation lorsqu’on effectue des études d’améliorationde processus. Faire attention à utiliser des échantillons représentatifs detoute la plage du processus.
13/09/2011 60SPC – Thierry Perreaud
Valeursmesurées
LIS LSS
Précision du système de mesure
Valeurs réelles
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
31/64
31
Introduction à la mesureASM - Etude R&R variables - Ex. de résultat
03/11/2011 61
Le service Trafic d’une entreprise procède dans sonprocédé d’expédition à une opération de pesage.Le système de mesure inclut :
Plusieurs opérateursUne balanceUne procédure pour le pesage
L’entreprise ayant besoin de disposer d’un système demesure fiable afin de réaliser l’affranchissement correct
des colis expédiés, décide de réaliser une ASM.Elle va chercher à déterminer la répétabilité et lareproductibilité du SM en faisant réaliser 5 mesuressuccessives à 3 opérateurs sur 10 colis de poids différents.
SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R variables - Ex. de résultat
Gage name:Date of study:Reported by:Tolerance:Misc:
0111213141516171819 1 2 3
Xbar Chart by Measurer
S a m p l e M e a n
Mean=15.53
UCL=16.89
LCL=14.18
0
0
1
2
3
4
5
6 1 2 3R Chart by Measurer
S a m p l e R a n g e
R=2.8
UCL=5.611
LCL=0
1 2 3 4 5 6 7 8 9 10
1112131415161718
Package
MeasurerMeasurer*Package Interaction
A v e r a g e
123
1 2 3
10111213141516171819
Oper
Response By Measurer
1 2 3 4 5 6 7 8 9 10
1011
1213141516171819
Package
Response By Package
%Contribution
Gage R&R Repeat Reprod Part-to-Part
0
50
100
Components of Variation
P e r c e n t
Gage R&R (ANOVA) for Weight
13/09/2011 62
Composants de la variation
Graphe R par mesureur
Graphe par mesureur
Réponse par colis
Réponse par mesureur
Interaction mesureur/colis
P l a g e é c h a n t i l l o n
P
o u r c e n t a g e
M o y e n n e é c h a n t i l l o n
Nom du calibre :Nom de l’étude :Responsable :Tolérance :Divers :
Etude de calibre R&R (ANOVA) pour poids
LSC=5,611
2,8
LIC=0
LSC=16,89
Moyenne=15,53
LIC=14,18
Colis
Opér
M o y e n n e
Colis
Mesureur
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
32/64
32
Introduction à la mesureASM - Etude R&R v. - Résultats
03/11/2011 63
Etude R&R d'instrumentation - Méthode ANOVA
Tableau ANOVA à double entrée avec interaction
Somme desSource DL carrés CM F PPièce 9 88,3619 9,81799 492,291 0,000Opérateur 2 3,1673 1,58363 79,406 0,000Pièce * Opérateur 18 0,3590 0,01994 0,434 0,974Répétabilité 60 2,7589 0,04598Total 89 94,6471
Alpha pour supprimer le terme d'interaction = 0,25
Tableau ANOVA à double entrée sans interaction
Somme desSource DL carrés CM F PPièce 9 88,3619 9,81799 245,614 0,000Opérateur 2 3,1673 1,58363 39,617 0,000Répétabilité 78 3,1179 0,03997Total 89 94,6471
Suppression de l’InteractionPièce * Opérateur
SPC – Thierry Perreaud
Introduction à la mesureASM - Etude R&R v. - Résultats
03/11/2011 64
R&R de l'instrumentation% contribution
Source CompVar de CompVar)R&R d'instrumentation total 0,09143 7,76
Répétabilité 0,03997 3,39Reproductibilité 0,05146 4,37
Opérateur 0,05146 4,37De pièce à pièce 1,08645 92,24Variation totale 1,17788 100,00
Tolérance d'un procédé = 8
Var d'étude % var étude% tolérance
Source Ecart type (6 * écart type) (%VE) (VE/Tolér.)R&R d'instrumentation total 0,30237 1,81423 27,86 22,68
Répétabilité 0,19993 1,19960 18,42 14,99Reproductibilité 0,22684 1,36103 20,90 17,01
Opérateur 0,22684 1,36103 20,90 17,01De pièce à pièce 1,04233 6,25396 96,04 78,17Variation totale 1,08530 6,51180 100,00 81,40
Nombre de catégories distinctes = 4
0,07761,17788
0,091432
2
===total
SM Contributionσ
σ
0,27866 x 1,08530
6 x 0,30237
6 x
6 x
==
=P/VT Total
SM
σ
σ
0,22688
6 x 0,30237
6 x /
==
−=
LIS LSS T P
SM σ
* Automotive Industry Action Group
Nbre de groupesdistinguables dans lesdonnées du procédé.D’après l’AIAG*, lesystème de mesure estacceptable si > 4.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
33/64
33
Introduction à la mesureAnalyse du système de mesure - Conclusion
A l’issue de l’ASM, on doit connaitre les éléments suivants :
Le système de mesure est capable de rassembler des données quireflètent avec précision la variation dans le processus.
Quelle est la valeur de l’erreur de mesure.
Les incréments de mesure sont assez petits pour montrer unevariation.
Les sources d’erreur de mesure ont été identifiées.
Si le système de mesure ne satisfait pas à l’analyse, avant de
collecter les données :Modifiez le calibre.
Modifiez le système de mesure.
Faites suivre une formation aux préposés aux mesures.
13/09/2011 65SPC – Thierry Perreaud
13/09/2011 66
Introduction à la mesureDévelopper un Plan de Contrôle
Définition :
Description écrite de la stratégie chargée de garantir le soutien desaméliorations.
Objectifs :Améliorer la qualité globale en réduisant les risques d’écarts dequalité.
Réduire le nombre de défauts en maintenant les processus centrés
Aider au dépannage en temps utile des processus
Servir d’outil de communication pour les changements descaractéristiques critiques
Soutenir les améliorations
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
34/64
34
13/09/2011 67
Introduction à la mesureDévelopper un Plan de Contrôle
Etapes du Plan de Contrôle :
Il s’agit du prolongement de l’AMDEC qui doit être la sourceprincipale d’identification des variables clés pour contrôler le Plande Contrôle actuel et en faire une évaluation initiale.
Déterminer les variables de départ clés/critiques
• Schéma de processus
• Modèle Cause & Effet
• AMDEC
• PEPour chaque variable de départ clé/critique, déterminer:
• les systèmes de mesure appropriés
• les relations avec les variables d ’arrivée
SPC – Thierry Perreaud
13/09/2011 68
Introduction à la mesureDévelopper un Plan de Contrôle
Product: Core Team: Date (Orig):Key Contact:Phone: Date (Rev):
Processus Etape de Données Données Spécifications Cap/date Système de %RaR Contrôle Taille Fréquence Plan deprocessus départ d’arrivée du processus (taille mesure actuel échant. échant. réaction
limites & cible d’échantillon)
Exemple de formulaire de Plan de Contrôle :
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
35/64
35
13/09/2011 69
Introduction à la mesureDévelopper un Plan de Réaction
Définition :
Un Plan de Réaction est la partie du Plan de Contrôle qui fournitles détails sur les actions à prendre si les graphes de contrôleindiquent que le processus n’est plus sous contrôle.
Objectifs :
Guider les opérateurs en cas de processus hors contrôle
Permettre une réaction rapide et efficace.
Assurer la mise en œuvre des mesures correctives
Remarque :
Le recours à un Plan de Réaction standard pour l’entreprise oul’organisation ne peut se substituer dans tous les cas à un Plan deRéaction spécifique.
SPC – Thierry Perreaud
13/09/2011 70
Introduction à la mesureDévelopper un Plan de Réaction
Eléments d’un Plan de Réaction
Apporter des réponses aux questions suivantes :
Comment différencier une Cause Spéciale d’une Tendance deProcessus ?
Moment approprié de réaction (nombre de points de données hors-contrôle) ?
Quelles actions doivent être prises ?
Qui est responsable de la mise en œuvre de ces actions ?
Qui est responsable de la vérification ?
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
36/64
36
13/09/2011 71
Introduction à la mesureDévelopper un Plan de Réaction
Etapes de mise en œuvre d’un Plan de Réaction
Préparer un Plan de Réaction pour chaque condition hors contrôle.Les causes sont placées dans l’ordre dans lequel elles doivent êtrevérifiées, en commençant par les plus faciles à vérifier.L’équipe détermine les actions compensatoires à entreprendre siaucune cause n’est identifiée.
Inclure dans le Plan de Réaction des actions correctives à effetimmédiat destinées à protéger le client dès qu’une situation horscontrôle apparait.
Inclure des actions correctives à effet permanent destinées à éviterla récurrence des situations hors contrôle.
Inclure les procédures de collecte et de tri qui auront étédévelopper en précisant les tailles d’échantillon.
SPC – Thierry Perreaud
13/09/2011 72
Introduction à la mesureDévelopper un Plan de Réaction
Etapes de mise en œuvre d’un Plan de Réaction (suite)
S’assurer que les opérateurs comprennent que le Plan de Réactiondoit être mis en œuvre dès que les outils de suivi du processuspermettent de diagnostiquer une situation hors contrôle (pas
forcément une non-conformité)Passer en revue le Plan de Réaction avec l’équipe projet et leservice technique qui y apportent les modifications éventuelles.L’équipe détermine la documentation nécessaire au plan etcomment former les employés.Valider le Plan de Réaction avec les opérateurs et les formerS’assurer que la formation au Plan de Réaction a été suivi par lesopérateurs.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
37/64
37
Etude de Capabilité
13/09/2011 SPC – Thierry Perreaud 73
Rappel de
statistiques
Principes
Introduction
à la mesure
Graphes de
contrôle
SPC
Etude de
Capabilité
13/09/2011 74
L’analyse de capabilité est l’étude de laperformance d’un processus à répondre
aux attentes des clients (CTQ).
Etude de CapabilitéDéfinition
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
38/64
38
13/09/2011 75
La performance d’un processus quelque soient la nature desdonnées observées peut être estimée au moyen de lamesure universelle de la valeur 6-Sigma.
DONNÉES VARIABLESCP CPK
PP PPK
DPUPPM DPMO
σ
DONNÉES ATTRIBUTS
Etude de CapabilitéRelation entre indicateurs
PPM
SPC – Thierry Perreaud
13/09/2011 76
Etude de CapabilitéVariation de processus f(t)
Processus à long termeProcessus à court terme
On estime généralement que ladistribution des données d’unprocessus à long terme sera décaléde 1,5 sigma par rapport aux donnéesissues d’un processus à court terme.
+1,5 σσσσ
CP CPK
PP PPK
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
39/64
39
13/09/2011 77
Etude de CapabilitéAnalyse de capabilité données attributs
1) Définir :Les unités ; quelle est leur nombre (N)
Les défaut ; quelle est leur nombre (D),
Le nombre d’opportunités pour générer un défaut par unité (O).
2) Calculer le nombre de Défaut Par Million d’Opportunité(DPMO) à l’aide de la formule ci-dessous :
3) L’étape finale consiste à convertir le DPMO en valeurSigma à l’aide de la table de conversion de la valeur Z.Remarques : les valeurs de la tables correspondent à unprocessus à court terme.
DPMO =D
N × O × 1 000 000
SPC – Thierry Perreaud
13/09/2011 78
Etude de CapabilitéAnalyse de capabilité données attributs - Cpk
DN × O
57500 × 3
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
40/64
40
13/09/2011 79
CibleLimites de spécificationPlage/RangeDistribution des données
Etude de CapabilitéAnalyse capabilité données variables : Préambule
Avant de déterminer la capabilité d’un processus au moyende données variables, il est important de préciser quelquestermes.
CentrageEcartProbabilité de produire undéfautRendement
Taux de 1ère piècesbonnes
SPC – Thierry Perreaud
13/09/2011 80
Etude de CapabilitéAnalyse de capabilité données variables - Cible
Pour chaque caractéristique mesurable, il existe unniveau désiré de performance dénommé généralement“cible”.
Exemples :Température du corps : 37°CLivraison d’un colis par la poste : 10 h du matin 48 h après lalevée
Vitesse limite sur autoroute : 130 km/h
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
41/64
41
13/09/2011 81
Etude de CapabilitéAnalyse de capabilité données variables - Limites
Les limites de spécification ou tolérances fournissentles frontières de la performance acceptable au-dessus ouau-dessous de la cible.
Limite inférieure de spécification (LIS) : Valeur la plus basse acceptable
Limite supérieure de spécification (LSS) : Valeur la plus haute acceptable
Plage (range)Limite Distance numérique entre les valeurs maximales et minimalesd’un ensemble de données.
Exemples : LIS Cible LSSTempérature du corps : 36,8°C 37°C 37,2°C
Livraison colis par la poste (48 h après) : 8 AM 10 AM Midi
Vitesse limite sur autoroute en km/h : 80 130 130
SPC – Thierry Perreaud
13/09/2011 82
8 AM 9 AM 10 AM 11 AM Midi
Etude de CapabilitéAnalyse de capabilité variable - Distribution
Distribution des données
• Manière dont les données des mesures “s’ajustent”autour de la cible et entre les limites inférieure etsupérieure des spécifications.
Exemple (Livraison colis par la poste 48 h après la levée)
Mesure = nombre de colis livrés
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
42/64
42
13/09/2011 83
Etude de CapabilitéAnalyse capabilité données variables - Centrage
Le centrage est le processus qui consiste à fairecoïncider la moyenne et la cible.
Exemple (température du corps) :
37,2Cible
37,6Moyenne
SPC – Thierry Perreaud
13/09/2011 84
x
Une mesureparticulière
x
Écart| – | x x
Etude de CapabilitéAnalyse de capabilité données variables - Ecart
L’ “écart” fait référence à la distance entre une mesureparticulière et la moyenne de toutes les mesures del’ensemble.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
43/64
43
13/09/2011 85
Etude de CapabilitéAnalyse capabilité données variables - Ecart type
Variance (σ 2 ; s 2 ) :La somme des écarts individuels au carrédivisé par la taille de l’échantillon.
Ecart type - Déviation Standard (σ ; s ) :La racine carrée de la variance.
Quantifie la variabilité
n − 1
)X(Xn
1i
2
i2
−
=∑=s
)X(Xn
1i
2
i−
=∑=s
n − 1
L’ “Ecart type” renvoie à l’écart collectif de tout l’ensembledes données.
Écart type élevéVariabilité élevée
Écart type faibleVariabilité faible
SPC – Thierry Perreaud
13/09/2011 86
Etude de CapabilitéAnalyse de capabilité variable - Probabilité
Probabilité de produire un défaut
Il s’agit du pourcentage des données situées au-delà des limitesinférieure et supérieure des spécifications.
Exemple :Probabilité de produire
un défaut = 3%
LIS Cible LSS
1,5 % 1,5 %
Rendement (97 %)
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
44/64
44
13/09/2011 87
43210-1-2-3-4
30%
20%
10%
Nombre d’écarts types à partir de la moyenne
Courbe normale et zones de probabilité
68 %
95 %
99,73 %
40%
0% P r o b a b i l i t é d e l a
t a i l l e d e l ’ é c h a n t i l l o n Probabilité
cumulatived’obtention
d’une valeur àl’intérieur desécarts types
Etude de CapabilitéAnalyse de capabilité variable - Probabilité
SPC – Thierry Perreaud
13/09/2011 88
Centrez le processusRéduisez la variation
Cible
LIS LSS
Noncentré
Défauts
Etude de CapabilitéAnalyse de capabilité variable - Indices
Indice intégrant le centrageCpk & Ppk (long terme)
Indice indiquant la variationCp & Pp (long terme)
LIS LSS
Capableetcenter
Cible
CibleNoncapable
Défauts
LIS LSS
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
45/64
45
13/09/2011 89
Etude de CapabilitéAnalyse de capabilité variable – Indice Cp
Calcul : Il existe deux méthodes de calcul de la capabilitépotentielle (Cp) du processus avec des données variables
Logiciel MinitabCalcul manuel : Le calcul consiste à comparer la tolérance duprocessus à la six écart types.
LSS − LSI
Cp = 6 S
Tolérance
Processus stable
)X(Xn
1i
2
i−
=
∑=
s n − 1
Rappel : on utilisera pour la valeur de s,le calcul suivant :
SPC – Thierry Perreaud
13/09/2011 90
Etude de CapabilitéAnalyse de capabilité variable - Calcul du Cp
Le processus n’est pas capable. De nombreusespièces dépassent les limites de spécification.
Le processus peut être considéré comme capable(suivant les niveaux d’indice généralement retenus).Moins de 0,3% de produits non conformes serontfabriqué si le processus est centré dans les limitesde spécification).
La variation du processus est inférieure auxspécification. Des produits non conformes peuventêtre fabriqué si le processus n’est pas centré dansles limites de spécification.
Cp < 1
LIS LSS
Cp > 1
Cp = 1
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
46/64
46
13/09/2011 91
Etude de CapabilitéAnalyse capabilité variable – Indice Cpi / Cps / Cpk
Calcul : Il existe deux méthodes de calcul de la capabilitédu processus avec des données variables
Logiciel MinitabCalcul manuel : le calcul des Cpi et Cps est similaire au calcul duCp, mais prend en compte l’emplacement de la moyenne duprocessus.Cpi : Capabilité d’un processus uni limite (inférieure)Cps : Capabilité d’un processus uni limite (supérieure)
Cpk: Capabilité d’un processus à deux limites de spécification
X − LSICpi = 3 S
LSS − XCps = 3 S
Cpk = min (Cpi Cps)
SPC – Thierry Perreaud
SPC - Maitrise statistique du Processus
13/09/2011 SPC – Thierry Perreaud 92
Rappel de
statistiques
Principes
Introduction
à la mesure
Graphes de
contrôle
SPC
Etude de
Capabilité
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
47/64
47
C o û t
LIS LSS
LIS LSSNominal
VueTraditionnelleAcceptable
SPC - Maitrise statistique du ProcessusIntroduction - Pouvons-nous tolérer la variabilité?
Oui, si le processus remplit ses objectifs.
Oui, si la variabilité totale est relativement faible parrapport aux spécifications du processus.
Oui, si le processus est stable dans le temps.
13/09/2011 SPC – Thierry Perreaud 93
Fonction deperte Taguchi
(Vue nouvelle)
Nominal
SPC - Maitrise statistique du ProcessusPrincipes fondamentaux d’amélioration
13/09/2011 SPC – Thierry Perreaud 94
VariabilitéLe processus atteint-il ses objectifs de variabilité minimum ?On utilise la moyenne pour déterminer si le processus atteint sonobjectif, et la déviation standard (σ), pour connaître la répartition.
StabilitéQuelle est la performance du processus sur une durée donnée ?La stabilité est représentée par une variabilité moyenneconstante et prévisible dans le temps.
2520151050
75
70
65
Nombre d ’échantillons
E c h a n t i l l o n
m o y e n
Graphique à barres des X duprocessus A
X=70.91
LS C=77.20
LIC =64.62
2520151050
80
70
60
50
Nombred ’échantillons
E c h a n t i l l o n m o y e n
Graphique à barres desX du processus B
X=70.98
LSC=77.27
LIC=64.70
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
48/64
48
TRI
PAS DE TEMPSPOUR L'ANALYSE
IMPROVISATION
FABRICATIONMAL MAITRISEE
TEMPS PERDU
Avant SPCDétection
FABRICATIONMAITRISEE
SUIVI CONTINUPARAMETRES CRITIQUES
RECHERCHE DESSOLUTIONS
ANALYSE ETRECHERCHE DES
CAUSES
CHOIX SOLUTIONOPTIMALE
Depuis le SPC
Prévention
SPC - Maitrise statistique du ProcessusDétection / Prévention
13/09/2011 95SPC – Thierry Perreaud
Info.sur laperformance du procédé
Action surle procédé
PREVENTION
ACTION INFOPARAMETRE DE REGLAGE
Info. sur lerésultat de laproduction
Action surla production
DETECTION
CLIENT
Procédé
13/09/2011 96SPC – Thierry Perreaud
SPC - Maitrise statistique du ProcessusDétection / Prévention
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
49/64
49
SPC - Maitrise statistique du ProcessusEchantillonnage
Objectif : Obtenir une « image » d’une population sanscontrôler chaque élément la composant
Raisons d’utiliser l’échantillonnage :
La collecte de toutes les données n’est pas souvent pratique ouelle est trop onéreuse.
Quelque fois, la collecte des données est un processusdestructeur.
Des conclusions pertinentes peuvent souvent être tirées d’une
quantité relativement faible d’informations.
13/09/2011 97SPC – Thierry Perreaud
SPC - Maitrise statistique du ProcessusEchantillonnage - Population vs. échantillon
13/09/2011 98
Relation physique Population
Échantillon
Relation statistique
POPULATION
Échantillon
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
50/64
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
51/64
51
SPC - Maitrise statistique du ProcessusEchantillonnage - Taille d’échantillonnage
13/09/2011 101SPC – Thierry Perreaud
Données attributs par prélèvement (hors SPC)
n= t² x p(1-p)
m²
n = taille d'échantillon requiset = niveau de confiance à 95%, soit une valeur type de 1,96 (voirtable de Student en annexe 4)p =pourcentage estimatif pour le projetm = marge d'erreur à 5% (valeur type de 0,05)
Données variables par prélèvement (hors SPC)n= t² x σ 2
m²
SPC - Maitrise statistique du ProcessusEchantillonnage - Taille d’échantillonnage
13/09/2011 102SPC – Thierry Perreaud
Lors de la mise en place d’une stratégie SPC, on estappelé à se poser un certain nombre de questions:
Quel pourcentage de la population dois-je prélever ? Contrôle à100% ou par échantillons?
Quelle doit être la taille de mes échantillons ?
Dois-je prélever mon échantillon d’un seul coup (6 piècesconsécutives par exemple) ou pendant un temps donné (6 piècesen une heure par exemple)?
Quelle doit être la fréquence de mon prélèvement
Les logiciels SPC donnent certains outils pour déterminer uneffectif d’échantillon et, en partie, sa fréquence de prélèvement.
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
52/64
52
SPC - Maitrise statistique du ProcessusEchantillonnage - Taille d’échantillonnage
13/09/2011 103SPC – Thierry Perreaud
Le calcul de la taille fait intervenir :
la tolérance du produit,
le risque de refuser un produit conforme (risque α),
le risque d’accepter un produit non conforme (risque β),
le déréglage maximum admis en cours de production.
Courbes d’efficacité (OC curves) :
La courbe d’efficacité permet de déterminer l’effectif des
échantillons.Logiciels SPC
SPC - Maitrise statistique du ProcessusEchantillonnage - Fréquence d’échantillonnage
13/09/2011 104SPC – Thierry Perreaud
Les estimations de fréquence d’échantillonnages’appuient sur la notion de fréquence de déréglage duprocédé. Autrement dit, pour optimiser la fréquenced’échantillonnage, il faut connaître son procédé:
s’agit-t-il d’un déréglage à chaque changement de lot, de matièrepremière ou totalement aléatoire ?
Il existe certaines règles notamment celle recommandéepar l’AFNOR (NFX 06 031-0).
Indicateur : Période Opérationnelle Moyenne (P.O.M.)
La solution la plus simple et la plus cohérente est de seréférer à l’AMDEC.
Indicateur : Note d’occurence
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
53/64
53
Graphes de contrôle
13/09/2011 SPC – Thierry Perreaud 105
Rappel de
statistiques
Principes
Introduction
à la mesure
Graphes de
contrôle
SPC
Etude de
Capabilité
13/09/2011 106
Graphes de contrôleDéfinition
SPC – Thierry Perreaud
Les graphes de contrôle sont des représentations graphiquesde la variation d’un processus sur la durée, permettant dedéterminer si un processus est sous ou hors contrôle.
Se concentrent sur la détection et le suivi des variations deprocessus sur la durée.
Distinguent les causes spéciales et communes de variationen tant qu’aide à la gestion locale ou globale.
Sont l’expression d’un langage commun de discussion de laperformance du processus.
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
54/64
54
13/09/2011 107
Graphes de contrôleComprendre les limites de contrôle
SPC – Thierry Perreaud
Limites de contrôle :Définies 3 écarts types au-dessus et en dessous de la lignemoyenne.
L’écart-type utilisé pour déterminer les limites de contrôle est estimé àpartir de l’écart moyen au sein des sous-groupes
Définies pour une durée délimitée quand le processus est “souscontrôle”
7,5
8,5
9,5
10,5
11,5
12,5
0 10 20 30
Limite supérieurede contrôle
Limite inférieurede contrôle
Moyenne
LSC = µ + 3σ
LIC = µ − 3σ
13/09/2011 108
Graphes de contrôleInterprétation
Par l’observation du graphe de contrôle d’un processus,au moyen de quelques règles de base, on peutdéterminer la qualité du contrôle statistique que l’on a surce processus.
Relativement à cet indicateur de qualité du contrôle, onparlera de processus :
“sous contrôle”
Ou
“hors contrôle”
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
55/64
55
13/09/2011 109
Graphes de contrôleProcessus “ sous contrôle ”
Performance du processus lorsque seulement unevariation aléatoire est évidente et lorsque les points dedonnées tombent entre les limites de contrôlesupérieures et inférieures.
7,5
8,5
9,5
10,5
11,5
12,5
0 10 20 30
7,5
8,5
9,5
10,5
11,5
12,5
0 10 20 30
Sous contrôle Hors contrôle
SPC – Thierry Perreaud
13/09/2011 110
Graphes de contrôleProcessus “ hors contrôle ”
Un processus est dit “hors contrôle” lorsqu’on détecte unmanque de contrôle statistique.
6 règles de base liées aux graphes de contrôle
permettent de déterminer si un processus est “horscontrôle”.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
56/64
56
13/09/2011 111
Graphes de contrôleProcessus “ hors contrôle ” (suite)
SPC – Thierry Perreaud
1 point en dehors deslimites de contrôle à ± 3σ
2σ1σ
-1σ-2σ-3σ
LCS
LCI
3σ
7 point successifs du mêmecôté de la ligne médiane
2σ1σ
-1σ-2σ-3σ
3σ LCS
LCI
7 point successifscroissants ou décroissants
2σ1σ
-1σ-2σ-3σ
3σ LCS
LCI
2 de 3 points successifs à ±2σ du même côté de laligne médiane
2σ
1σ
-1σ
2σ1σ
-1σ-2σ-3σ
3σ LCS
LCI
4 de 5 points successifs à± 1σ du même côté de laligne médiane
2σ1σ
-1σ
-2σ
-3σ
2σ1σ
-1σ-2σ-3σ
3σ
LIC
LCS
LCI
Schéma non aléatoire (cycles,tendances, dispersioninhabituelle entre LCI & LCS)
2σ
1σ
-1σ
-2σ
2σ1σ
-1σ-2σ-3σ
3σ
LIC
LCS
LCI
13/09/2011 112
Graphes de contrôleLimites de contrôle et limites de spécification
5,5
6,5
7,5
8,5
9,5
10,5
11,5
12,5
13,5
0 10 20 30
+ 3σ
- 3σ
Limitesupérieure
de spécification Limite
supérieurede contrôle
Limiteinférieure
de contrôle
Limiteinférieure
de spécification
MoyenneNominal
Quelles différences ?
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
57/64
57
13/09/2011 113
Graphes de contrôleOutils de suivi du processus - Graphes de contrôle
Types de graphes de contrôle
Les cartes/graphes les plus fréquemment utilisés comprennent :
Données attribut
Graphe P
Graphe U
Remarque : On parlera de cartes aux attributs.
Données variables
Graphe I-MR
Graphe X barre/R
SPC – Thierry Perreaud
13/09/2011 114
Graphes de contrôleOutils de suivi du processus - Graphes de contrôle
Graphe P : représente la Proportion de défauts par lot
10 boites de sardines testés, un sertissage n’est pas conforme.PDPL = 10%
Minitab recalcule LCS/LCI
pour chaque point du graph.
S’applique à des tailles de lot(d’échantillon) constantes etnon-constantes
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
58/64
58
13/09/2011 115
Graphes de contrôle Outilsde suivi du processus - Graphes de contrôle
Graphe P : Remarque
On peut également trouver le calcul suivants des limites.
SPC – Thierry Perreaud
13/09/2011 116
Graphes de contrôle Outilsde suivi du processus - Graphes de contrôle
Graphe U : représente le nombre d’Unités défectueusespar lot
100 boites de sardines testés, trois sertissages pas conformesNDPL = 3
S’applique à destailles d’échantillonconstantes et non- constantes
Moyenne 3,8défauts paréchantillon. Ons’intéresse àcette valeurpour déterminerles sourcesd’amélioration.
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
59/64
59
13/09/2011 117
Graphes de contrôle Outilsde suivi du processus - Graphes de contrôle
Graphe I-MR : Individual - Moving Range (range mobile)
S’applique à des lotsde tailles égale à 1
SPC – Thierry Perreaud
13/09/2011 118
Graphes de contrôle Outilsde suivi du processus - Graphes de contrôle
Graphe X barre/R : Moyenne / Range
S’applique àdes taillesd’échantillonconstantes etnon-constantes
SPC – Thierry Perreaud
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
60/64
60
Fin du module SPCRappel
13/09/2011 SPC – Thierry Perreaud 119
Rappel de
statistiques
Principes
SPC
Etude de
Capabilité
Introduction
à la mesure
Graphes de
contrôle
ConclusionSPC - Limites & Atouts
LimitesDestiné aux moyenneset grandes séries
Nécessite un retour
rapide d'info pour êtreréactif en cas de dérive
Les mesures doiventêtre fiable et les cartesde contrôle refléter l'étatinstantané du procédé
Ne garantit pas le zérodéfaut (cause spéciale)
Plus efficace avec desdonnées variables
13/09/2011 SPC – Thierry Perreaud 120
AtoutsRéduit les rejets, retouches,contrôles et retours
Améliore la productivité, la capabilité
des processus et la confiance clientDiminue les coûts opératoires
Favorise :
le travail en équipe, l'utilisation deméthodes de résolution de problème
Une approche données de la prisede décision
L’utilisation d’indicateurs communs
Facilite le management des procédés
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
61/64
61
SPC – Ce qu’il faut faireDu pire au meilleur
Utilisation du SPC sur des processus non capable
Utilisation du SPC sans formation adéquate !
Utilisation du SPC avec des opérateurs formés , maissans stratégie claire du management concernant le SPC(la production est la priorité N°1).
Utilisation du SPC avec des opérateurs formés et une stratégie SPC supportée par l’ensemble du management.Lorsqu’une carte de contrôle signale un problème, le plan
de réaction est appliquer.Action corrective de type Post Process Control quidétectera l’erreur et arrêtera l’équipement évitant lapropagation du défaut.
13/09/2011 SPC – Thierry Perreaud 121
Annexe 2l’AMDEC
___ Système Resp onsa bilité d u procédé :__ _____ _____ ______ _ Nom/Num éro FMEA : ______ ______ ____ ______ _____ _
___ Sous -système Date clé : ____ _____ _____ _____ _ Préparé pa r : _______ _____ _____ _____ _____ _
___ Com posan t Date FMEA (Orig.): _____ _____ _____ (Rév.): ________ ____
Programme(s) Année(s) Modèle(s) : ___________ _________
Equipe : ____________________ Résultats des actions
Elément
Fonction
Mode de
défaillance
potentielle
Effet(s)
potentiel(s) de
défaillance
G
r
a
v
C
l
a
s
s
Cause de
défaillance
possible
O
c
c
Contrôles
actuels du
procédé
(Détect)
Contrôles
actuels du
procédé
(Prévent)
D
é
t
N
P
R
Action(s)
recommandées
Responsabilité
et date de fin
prévue
Actions
prises
G
r
a
v
O
c
c
D
é
t
N
P
R
Quelle
est
l'étape
du
procédé
?
Quelles
sont les non-
conformités
potentielles
sur
l'élément ou
la fonction ?
Quelles sont
les
conséquences
sur les
variables d e
sortie
(Besoins des
clients) ou
besoins
internes ?
Q u e l l e e s t l a g r a v i t é d e s
c o n s é q u e n c e s s u r l e c l i e n t ?
C C , S C , H I C
o u a u t r e s
Pourquoi
les non-
conformités
potentielles
sur
l'élément ou
la fonction
se
produisent ? Q u e l l e e s t l a f r é q u e n c e d e
s u r v e n u e d ' u n e c a u s e o u d ' u nQuels sont
les
contrôles et
les
procédures
existants
évitant le
mode
défaillance
?
Quels sont
les
contrôles et
les
procédures
existants
évitant la
cause du
mode
défaillance
? A q u e l p o i n t p o u v e z - v o u s d é t e c t e r
u n e c a u s e o u u n m o d e d e
G x O X DQuelles sont les
actions de
réduction de la
cause ou
d'amélioration
de la détection ?
Qui est
responsable
de l'action
recommandée
?
Quelles
sont les
actions
terminées
? Inclure
la date de
fin
13/09/2011 SPC – Thierry Perreaud 122
Compréhension de la feuille de calcul AMDEC :
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
62/64
62
Annexe 2l’AMDEC - Notes de Gravité
13/09/2011 SPC – Thierry Perreaud 123
Effet Critères : Gravité de l’effetCe classement a lieu lorsqu’un mode de dé faillance potentielle constitue un défaut pour le
client final et/ou pour l’usine d’assemblage. Le client final doit toujours être pris en compte enpremier. Si les deux se produisent, utilisez la gravité la plus élevée des deux .
Note
Effet affectant le client Et/ou effet affectant l’opération
Dangereuxsansavertissement
Risque de mettre l’opérateur (machine ouassemblage) en danger sans avertissement.
10
Dangereuxavecavertissement
Niveau de gravité très élevé quand un modede défaillance potentielle affecte la sécurité dufonctionnement du produit/service et/ouentraîne sa non-conformité vis-à-vis de lalégislation, sans avertissement.
Risque de mettre l’opérateur (machine ouassemblage) en danger avec avertissement.
9Niveau de gravité très élevé quand un modede défaillance potentielle affecte la sécurité dufonctionnement du produit/service et/ouentraîne sa non-conformité vis-à-vis de lalégislation, avec avertissement.
Très élevé 100 % du produit/service doit être mis au
rebut, ou produit/service doit êtrereconditionné avec un temps de réparationsupérieur à une heure .
8Produit/service inutilisable (perte de la
fonction première).
Élevé Le produit/service doit être trié et une partie(moins de 100 %) mise au rebut, ou leproduit/service doit être reconditionné en untemps d’une demi-heure à une heure.
7Produit/service utilisable mais à un niveauréduit de sa performance. Client trèsinsatisfait.
Annexe 2l’AMDEC - Notes de Gravité (suite)
13/09/2011 SPC – Thierry Perreaud 124
Effet NoteEt/ou effet affectant l’ opération
Modéré 6
Faible
Produit/service utilisable mais deséléments de confort/commoditéinexploitables. Client insatisfait.
5Produit/service utilisable mais des
éléments de confort/commoditéexploitables à un niveau de performanceréduit. Client quelque peu insatisfait.
Très faible 4Ajustement - finitions/bruits insolites neconviennent pas. Défaut remarqué par laplupart des clients (plus de 75 %).
Mineur 3Ajustement - finitions/bruits insolites neconviennent pas. Défaut remarqué par 50pourcent des clients.
Très mineur 2Ajustement - finitions/bruits insolites nesont pas conformes. Défaut remarqué pardes clients avertis (moins de 25 %).
Aucun
Moins de 100 % du produit/service doit êtremise au rebut sans être triée, ou leproduit/service doit être reconditionné dansun temps inférieur à une demi-heure.
Moins de 100 % du produit/service doit être
reconditionné, ou le produit/service réparéhors ligne mais sans aller au serviceréparation.
Le produit/service doit être trié, sans mise aurebut, et une partie (moins de 100 %)reconditionnée.
Après la station, il est détecté que moins de100 % du produit/service doit êtrereconditionnée, sans mise au rebut.
Au poste de travail, il est détecté que moinsde 100 % du produit/service doit êtrereconditionnée, sans mise au rebut.
Ou léger inconvénient au niveau dufonctionnement ou de l’opérateur ou aucuneffet.
1Pas d’effet bien en évidence.
Effet affectant le client
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
63/64
63
Annexe 2l’AMDEC - Notes d’occurrence
13/09/2011 SPC – Thierry Perreaud 125
Probabilité de défaillance Taux de défaillance probable Note
Très élevée :Défaillancespersistantes
> 100 par millier de pièces
50 par millier de pièces
20 par millier de pièces
10 par millier de pièces
5 par millier de pièces
2 par millier de pièces
1 par millier de pièces
0,5 par millier de pièces0,1 par millier de pièces
< 0,01 par millier de pièces
10
9
8
7
6
5
4
32
1
Élevée :Défaillances fréquentes
Modérée :Défaillancesoccasionnelles
Faible : relativement peude défaillances
Distante : défaillancepeu probable
Annexe 2l’AMDEC - Notes de détection
13/09/2011 SPC – Thierry Perreaud 126
Détection NoteCritères A B C Plage suggérée des méthodes de détection
Presqueimpossible
Certitude absolue de ne pas détecter. 10
Très distante Les contrôles ne détecterontprobablement pas.
9
Distante Les contrôles ont peu de chances dedétecter.
8
Très faible Les contrôles ont peu de chances dedétecter. 7
Faible Les contrôles peuvent détecter. 6
Modérée Les contrôles peuvent détecter. 5
Modérémentélevée
Les contrôles ont un bon niveaude détection.
4
Très élevée Les contrôles sont presquecertains de détecter.
2
Très élevée Les contrôles sont certains dedétecter.
Impossible de détecter ou le contrôle n’a pas eu lieu.
Le contrôle est assuré uniquement par des contrôles indirects ou par prélévement.
Le contrôle est effectué uniquement par un contrôle visuel.
Le contrôle est effectué uniquement par un double contrôle visuel.
Le contrôle est assuré avec des méthodes, telles que SPC (Statistical ProcessControl).
Contrôle automatique (données variables) à la sortie de la station, OU évaluationGo/No Go réalisée sur 100 % des éléments à la sortie de la station.
Détection d’erreurs dans les opérations suivantes, OU contrôles par calibreréalisées au premier réglage et à la première pièce.
Détection d’erreurs à l’entrée de la station (inspection automatique avec dispositifd’arrêt automatique). Impossible d’accepter l’élément défaillant.
Les anomalies ne peuvent pas se produire à l’opération car dès la conception duprocessus ou du produit, l’élément est soumis à un système anti-erreur.
1
Élevée Les contrôles ont un bon niveaude détection.
3Détection d’erreur à l’entrée de la station ou détection d’erreur à l’opération.Impossible de passer à l’étape suivante.
Types de contrôle : A = Anti-erreur - B = Contrôle automatique - C = Contrôle par opérateur
8/8/2019 Support_de_cours_SPC_FI-2013 [Lecture Seule] [Mode de Compatibilité]
64/64
Annexe 3Règles des indices requis selon ISO TS 16949
13/09/2011 SPC – Thierry Perreaud 127
Annexe 3Table de Student