Maîtrise Statistique des Processus...L’utilisation du MSP est préconisée pour la maîtrise des cotes critiques identifiées dans le processus de conception Déploiement de la

MaîtriseMaîtriseStatistiqueStatistique

des Processusdes Processus

Approche opérationnelleApproche opérationnelle

2

But de la formation But de la formation

Fou rn ir des é lém en ts de m é thodo log ie pou r perm e ttre aux étudiants, à l’issue de la form ation , de :

• M ettre en œ uvre la M SP sur un processus défin iet

• P ilo ter un projet de m ise en p lace de la M SP sur un site de production

3

• Généralités• Rappel des concepts de base

• Dispersion de la fabrication• Normalité de la distribution• Spécifications du produit

• Pilotage d’un processus par la MSP• Notion de pilotage d’un processus• Mise en place de la MSP sur un processus défini• Analyse d’une carte de contrôle

• Réalisation et interprétation des analyses de capabilité• Mise en place de la MSP sur un site de production• Références bibliographiques

Programme de la formationProgramme de la formation

4

Généralités

• Rappel des concepts de base• Pilotage d’un processus par la MSP• Réalisation et interprétation des analyses de

capabilité • Mise en place de la MSP sur un site de production• Références bibliographiques


5

GénéralitésGénéralités

Evolution de la demande des clients sur les dernières décennies

Logique de conformité

Des produits conformes au cahier des charges

Des prix alignés sur le marché

Log ique d ’an tic ipa tion

Moins de 50 ppm de produits défectueux sur une année

Un engagem ent constant de réduction des coûts

Une prestation de service irréprochab le

Une grande réactiv ité

6


Evolution des stratégies de contrôle chez les producteurs

Le contrôle avant expéditionLe contrôle avant expédition Contrôle final sur le produit fini

À 100 % Ou contrôle statistique par échantillonnage

Zéro défaut pas toujours assuré Coûts importants de rebuts

Le con trô le in ter opéra tionsLe con trô le in ter opéra tions Con trô le aux phases essen tie lles du p rocessus par des con trô leu rs ~10% des effectifs productifs dédiés aux contrô les D ifficu lté de déterm iner les responsab ilités en cas de défaut Fa ib le réactiv ité

L’autocontrôleL’autocontrôle L’opérateur est responsable de la qualité de

sa fabrication La non qualité est stoppée où elle est

produite: limitation des coûts internes Réactivité et prévention des défauts

7


Q u’est-ce que la M SP ?

Maîtrise Statistique des Processus C ’est un ou t il de p ilo tage e t d ’am é lio ra t ion des p rocessus de réa lisa t ion

C’est une m éthode de prévention qu i utilise les statistiques pour détecter les prem iers s ignes de dégradation d ’un processus

8


Q uelle est le but de la M SP ?

La M SP v ise à p ilo ter le processus, c ’est-à-d ire détecter des s ituations anorm ales pour réagir au p lus tôt. C ’est un outil d ’autocontrô le.

La M SP v ise éga lem ent à identifie r les causes d ’anom alies pour les supprim er.

9


Pourquoi la M SP revient-e lle en force ?

Augm entation des ex igences c lient On ne par le p lus en % m a is en ppm

Em ergence du référentie l autom obile TS 16949 L’utilisation du M SP est précon isée pour la m aîtrise des cotes critiques identifiées dans le processus de conception

Déplo iem ent de la m éthode 6

Le M SP fa it partie des outils du 6, la m éthode étant basée sur l’exp lo itation de données factuelles à travers la statistique

10

• Généralités

Rappel des concepts de base

• Pilotage d’un processus par la MSP• Réalisation et interprétation des analyses de

capabilité • Mise en place de la MSP sur un site de production• Références bibliographiques


Rappel des concepts Rappel des concepts de basede base

Dispersion de la fabricationDispersion de la fabrication

12

La d ispersion est nature lle dans tous les processus.

Les causes de d ispersion se rangent dans les 6M6M :

Rappel des concepts de baseRappel des concepts de baseDispersion de la fabricationDispersion de la fabrication

Mesure

MatièreMilieuMéthodes

Main d’oeuvreMatériel

Aptitude

Répétabilité MaintenanceMotivation

Machine

CompositionLot de fabrication

Hygrométrie

Température

Pression

Outillage

Support

ForceVitesse

Courant

Expérience

Qualification Dispersion de la

fabrication

13

.

• Petites variations liées aux composants

• Variation cyclique de température dans une journée

• Précision de la machine

• Variation des propriétés de la matière première dans un même lot

• Etc ...

Loi normale

Causes de variations naturelles: aléatoires

Distribution perturbée, non normale

Causes de variations accidentelles : assignables

• Casse d’outil

• Usure

• Non conformité composants

• Non conformité matière

• Non respect des modes opératoires

• Outil de mesure défectueux

• Etc ...

Les causes de va r ia t ion qu i constituen t la d ispe rs ion peuvent être nature lles ou accidente lles:


14

Ob jectif de la MSP

Supp r im e r les var ia tions acc iden te lles Réduire les variations a léato ires

Pour ce la on cherche à détecter les variations accidente lles, e t supprim er leur(s) cause(s):

So it en obse rvan t le produ it (on su rve ille l’e ffe t)

Soit en surve illant les causes de variation connues


Normalité de la distributionNormalité de la distribution


16

H ypothèses de base de la M SPLe fonctionnem ent du processus peut être représenté par une LOI NORM ALELOI NORM ALE, au m oins su r une très courte échelle de tem ps.

Les évènem ents sont reproductib les: production en m oyenne et grande série .

Rappel des concepts de baseRappel des concepts de baseNormalité de la distributionNormalité de la distribution

17

Sign ification de la norm alité

U ne d istribution su it une lo i norm ale ou lo i de G auss quand les variations qu i constituent la d ispersion sont liées :

à une m u lt itude de causes a léa to ires qui sont constam m ent présentes où chaque cause est indépendante et où les effets ind iv iduels de chaque cause sont fa ib les

Une cause ne doit pas deven ir prépondéran te par rapport aux autres


18

D1 D1 D2

D2

Comparaison de distributionsComparaison de distributions

Pour comparer deux distributions il faut connaître :

La largeur de la base, c’est-à-dire la DISPERSIONDISPERSION La POSITIONPOSITION de la distribution


19

Caractérisation d’une distribution : Caractérisation d’une distribution : POSITIONPOSITION

Graphiquement, la position de la cloche est donnée par l’axe de symétrie (médiane) qui passe également par le sommet (mode) de la cloche.

On peut également calculer la position de la distribution par la MOYENNEMOYENNE

X = Xi

N

N = nombre de mesures

Mode = Médiane = Moyenne


20

Caractérisation d’une distribution : Caractérisation d’une distribution : DISPERSIONDISPERSION

Etendue

La dispersion peut être représentée par la largeur de la base de la cloche.

On calcule l’étendue : R = maximum – minimum


21

Caractérisation d’une distribution : Caractérisation d’une distribution : DISPERSIONDISPERSION

Moyenne = X

Xi

On peut calculer l’ ECART-TYPEECART-TYPE de la distribution : distance moyenne de la courbe de distribution par rapport à la moyenne

n = ( Xi - X )2

N

Plus de 30 mesures

n-1 =S = ( Xi - X )2

N -1

Moins de 30 mesures (écart type estimé)


22

Vér ifica tion de la norm a lité d ’une d istr ibu tion (1/2) L’h istog ramm e m on tre une d istr ibu tion sym é tr ique , en fo rm e de c loche au tou r du m ode .

Nombre ou % d’individus par classe

Valeurs mesurées découpées en classes de taille égale

Distribution de la population

Loi normale


23

Vérification de la norm alité d ’une d istribution (2/2) Les points sont a lignés sur la dro ite de Henry

Pap ie r gausso-a r ithm é t ique: fréquences cum u lées / cen tres de c lasses

Le test de ² est sign ificatif

Les coeffic ients de form e aplan issem ent et d issym étrie sont égaux à : Aplan issem ent 3

Dissym étrie 0


24

Propriétés de la lo i norm ale Echantillonnage représentatif

Pou r ob ten ir une im age de la popu la t ion à pa rt ir d ’un échan t illon

A partir de n ≥ 30 on peut estim er la form e de la d istribution

La positionposition est identique

La dispersiondispersion est inférieure pour l’échantillon que pour la population

Totalité de la population

30 mesures minimum


25

Les 6Les 6

On assimile la dispersion totale à 6 écarts-type, ce qui représente 99.73 % des valeurs.

Pourcentages de valeurs comprises dans l’intervalle

24

6

8

-4 -3 -2 -1 +1 +2 +3 +4

68.26%

95.44%

99.73%

99.994%

P rop r ié tés de la lo i no rm a leP rop r ié tés de la lo i no rm a le Répa rt it ion de la popu la t ion


Spécifications du produitSpécifications du produit


27

Les spécifications tradu isent le cah ier des charges

Spécifica tion = Valeur nom ina le

La va leur nom ina le est généra lem ent la valeur idéale de la caractéristique, pour laquelle le produ it aura la m eilleure perfo rm ance en utilisation

Dessiné par : gm Vérifié par : ym

8.60 ± 0.06

Indice A : Création 08/08/00

Société EUROPE SA

Référence N° 258/FR Opération N° 10

Désignation : axe sphérique Matière : XXXX

Echelle : Date : 08/08/00

+ Tolérance supérieure

- Tolérance inférieure

Rappel des concepts de baseRappel des concepts de baseSpécifications du produitSpécifications du produit

28

Diamètre

CibleTi Ts

DiamètreDiamètre

Pour répondre au besoin du client, il ne suffit pas que la fabrication soit conforme à la spécification. Il faut également une distribution :

Suivant une loi normale Centrée sur la valeur cible Avec une dispersion minimale

Rappel des concepts de baseRappel des concepts de baseSpécifications du produitSpécifications du produit

29

• Généralités• Rappel des concepts de base

Pilotage d’un processus par la MSP

• Réalisation et interprétation des analyses de capabilité

• Mise en place de la MSP sur un site de production• Références bibliographiques


Pilotage d’un Pilotage d’un processus par la MSPprocessus par la MSP

La notion de pilotageLa notion de pilotage

31

P ilo ter un p rocessus s ign ifie :

1 . Surveiller l’évo lution du processus en tem ps rée l

?

?

?

Pilotage d’un processusPilotage d’un processuspar la MSPpar la MSP


32

Piloter un processus sign ifie :

2. Détecter des situations anorm ales (apparition de causes assignab les)



33


3. Réag ir au p lus tôt pour m ainten ir la production dans des lim ites acceptab les



34


4. Identifie r et supprim er les causes assignables pour am éliorer le processus



35

1- Surveiller l’évolution du processus

Pré lèvem ent d’un échantillon afin d ’avo ir une m eilleure im age de la popu lation

Le prélèvement d’une seule pièce peut conduire à dérégler un processus bien réglé ou à ne pas

régler lorsque c’est nécessaire

??

?



36

1- Surveiller l’évolution du processus Fréquence de prélèvement en fonction :

De la stabilité du processus De la fréquence de variation des 6M De la possibilité de prélèvement (fin de lot, etc.) Du coût du contrôle (contrôle destructif ?)

Taille de prélèvement en fonction : Du taux de production Du coût du tri des pièces entre 2 prélèvements, rebuts, retouches Des contraintes de production Du coût et de la durée du contrôle

??

?



37

1- Surveiller l’évolution du processus

Echantillon 1 2 3 4 5 6 7 8 9 10 111 59 58 60 60 58 56 59 59 58 592 59 59 60 60 59 59 60 60 59 603 60 59 60 61 59 59 61 61 59 604 60 60 60 61 59 60 61 61 61 625 62 60 62 63 62 61 61 62 61 62

Total 305 297 295 302 303 298 303 0Moyenne 61 59,4 59 60,4 60,6 59,6 60,6 0Etendue 3 4 5 2 3 3 3 0

66656463626160595857565554

87654321

MO

YE

NN

EE

TE

ND

UE

??

?



Enregistrement graphique afin de visualiser les tendances

Suivi des paramètres de position et de dispersion pour caractériser le prélèvement

38

Le cumul des échantillons pris en cours de fabrication permet de reconstituer l’image de la fabrication

66656463626160595857565554

87654321

MOYENNE

ETE

ND

UE

Moyenne de la fabrication=

moyenne des moyennes des échantillons

Dispersion estimée de la population = 6s=

estimée à partir de la moyenne des étendues des échantillons

6s = 2.61 R2.61 = coefficient pour un échantillon de 5 pièces2 pièces ---> 5.323 pièces ---> 3.544 pièces ---> 2.916 pièces ---> 2.37

X = x

Nbre d’échantillons



39

2- Détecter des situations anormales

Les LIMITES DE CONTRÔLELIMITES DE CONTRÔLE permettent de délimiter la zone de normalité d’un processus Elles sont définies à partir de la moyenne et la dispersion réelle observées sur le processus :

La moyenne X et l’étendue R ne doivent pas avoir une dispersion supérieure à 6 fois leur écart-type observé (établi pour un processus stable)

Elles ne prennent pas en compte la spécification



40

2 - Dé tecter des s itua tions anorm a les

2 1.880 3.267 -

3 1.023 2.574 -

4 0.729 2.282 -

5 0.577 2.114 -

6 0.483 2.004 -

7 0.419 1.924 0.076

8 0.373 1.864 0.136

n A2 D4 D3

Pour la moyenne : LCI = X - A2.R

LCS = X + A2.R

Pour l’étendue : LCI = D3.R

LCS = D4.R

Exemple d’une carte X, R



41

3- Réagir au plus tôt En utilisant des règles statistiques

signifiant la présence de causes assignables :

n°1 : Un point (X ou R ) en dehors des limites de contrôle

n°2 : 7 points consécutifs (X ou R) au dessus ou en dessous de la valeur

moyenne

n°3: 7 points consécutifs (X ou R) croissants ou décroissants

LCI

LCS

LCI

LCS

LCI

LCS



42

4- Identifier et supprimer les causes assignables

En enregistrant systématiquement tous les évènements se produisant sur les 6M

Et en analysant périodiquement les relevés pour faire la corrélation entre les effets et les causes

Relevé d’interventions

Date N° éch. Cause réglage Obsv.

15.02 12 casse fil -45g .




Mise en place de la MSP Mise en place de la MSP sur un processus définisur un processus défini

44


Mise en place de la MSP sur un processus défini Mise en place de la MSP sur un processus défini Préparation du processus

Choix des caractéristiques représentatives du processus

Vérification de l’aptitude du moyen de contrôle

Vérification de la capabilité du procédé : Cm, Cmk

Observation du procédé (carte sans limites)

Création de la carte de contrôle

Pilotage du processus par la MSP

Détection des situations hors contrôle

Mise sous contrôle du processus

Réduction de la variabilitéAnalyse des 6MAnalyse de la variancePlans d’expérience

Optimisation du processus

Processus capable : Cp, Cpk

Optimisation des fréquences de contrôle

Décision de maintenir ou non la carte

Préparation des ressources• Humaines

Acteurs, rôle, formation …

• Matérielles Moyens de contrôle, logiciel MSP …

• InformationnellesDocumentation, indicateurs …

45

Cho ix des caractér istiques rep résen ta tives du p rocessus E lles son t cohé ren tes avec l’ob jectif dé fin i Elles sont m esurab les ou qua lifiab les Elles son t représentatives du processus ou des 6M On peut réagir en tem ps rée l sur le processus sélectionné



Choix des caractéristiques représentatives du processusChoix des caractéristiques représentatives du processus





46

Type d’évènem ent Efficacité de la détection Changem en t de pos ition Contrô le par pré lèvem ent d ’1 pc Changem ent de d ispersion MSP (su iv i de la dispers ion) Dérive progressive M SP Défaut in term ittent Contrô le 100 % Défaut a léato ire révers ib le Contrô le 100 %

Orig ine: H istorique: réclam ations, rebuts, ana lyses de capab ilité , e tc. AM DEC produit, processus Plan d ’expérience …


Mise en place de la MSP sur un processus défini Mise en place de la MSP sur un processus défini

47




Vérification de l’aptitude du moyen de contrôleVérification de l’aptitude du moyen de contrôle




Vérification de l’aptitude du m oyen de contrôle Étude préa lab le à toute étude de capabilité Pour s ’assurer que l’on sa it contrô ler ce que l’on veut m aîtriser Prend en com pte p lusieurs aspects :

La justesse La répétab ilité La reproductib ilité

48

Valeur vraie

Exactitude

La justesse

Différence entre la moyenne des valeurs observées et la moyenne réelle ou valeur vraie.

La valeur vraie est une valeur de référence acceptée pouvant être déterminée par étalon.



49

La répétabilité

Dispersion de la mesure quand un même opérateur utilisant le même outil et la même méthode de mesure dans les mêmes conditions d’environnement, mesure la même caractéristique sur les mêmes pièces.

Valeur vraie

Répétabilité



50

La rep roduct ib ilité

Variation de la m oyenne des m esures réa lisées par des opérateurs d ifférents utilisant le m êm e instrum ent et la m êm e m éthode pour m esurer la m êm e caractéristique sur le m êm e lot de p ièce.

Valeur vraie

Opérateur 1

Opérateur 2

Opérateur 3

Reproductibilité



51

Méthode FordMéthode FordEtude de niveau 1: justesse & répétabilitéEtude de niveau 1: justesse & répétabilité

Cg traduit la répétabilité et Cgk la justesse

Le critère d’acceptation est Cg et Cgk > 1 c’est-à-dire une dispersion liée à la mesure et un écart à la valeur vraie de 15 % maximum de l’intervalle de tolérance

6 sappareil

Cg = 15% Tolérance

Cgk = min [(Xétalon+ 0.5 x 0.15 x Tolérance) – Xappareil ; Xappareil - (Xétalon - 0.5 x 0.15 x Tolérance)]

3 sappareil 3 sappareil



52

Méthode FordMéthode FordEtude de niveau 2 : répétabilité et reproductibilité R&REtude de niveau 2 : répétabilité et reproductibilité R&R

Si R&R 20, le moyen de contrôle est adapté Si 20 < R&R 30, il est acceptable Si R&R > 30, il est inadapté

La dispersion totale liée à la mesure doit être inférieure à 30 % de l’intervalle de tolérance

Plus le processus est capable, plus il est indiqué de remplacer dans la formule l’intervalle de tolérance par 6

R&R = Répétabilité² + Reproductibilité²

Tolérance



53

Vér ifica tion de la capab ilité du p rocédé Product ion de 30 pc consécu tives Vérification de la norm alité de la d istribution Calcu l des capab ilités courtes : Cm & Cm k

On do it ê tre capab le à cou rt te rm e c ’est-à -d ire Cm >1 .66 On do it ê tre cen tré c ’est-à-d ire Cm k > 1.66 ou à défaut avo ir une possib ilité d ’a justem ent

Défin ition et réa lisation des actions correctives si besoin





Vérification de la capabilité du procédé : Cm, CmkVérification de la capabilité du procédé : Cm, Cmk



54

O bservation du procédé (carte sans lim ites) Choisir le type de données : m esure ou a ttribut Produ ire et réco lter les données à fréquence rapprochée pendant une durée perm ettan t d ’observer des variations pour les 6M






Observation du procédé (carte sans limites)Observation du procédé (carte sans limites)


55

Création de la carte de contrô le Sélectionner le type de carte Défin ir le p lan d ’échantillonnage (ta ille d ’échantillon et fréquence) à partir de la carte d ’observation Calcu ler les lim ites de contrô le pré lim inaires d ’après les données de la carte d ’observation Défin ir le p lan de réaction pré lim ina ire pour les d iffé rentes s ituations hors contrô le








56

* D3 et D4 dépendent du nombre d’échantillon pris en compte dans le calcul de l’étendue glissante.

Pour Xi :

Pour R : LCIR = *

LCSR = *

Carte aux valeurs individuelles /

Etendues glissantes

Carte (X,R)

Carte ( X,S )

•Pas de prélèvements consécutifs possibles (T°C)•Tests destructif•Excellente capabilité machine (Cm>7)

•Utilisation d’un logiciel•Taille d’échantillon n > 10•Mieux que carte (X, R) dans le sens où la détection de la détérioration de la capabilité sera plus efficace.

Pour X :

Pour R : LCIR =

LCSR =

Pour X :

Pour S : LCIS =

LCSS =

•Appropriée pour les cartes manuelles •Taille d ’échantillon n 10

3X

RD4

2 RAX

SAX 3

3 SB

4 SB

3RD

3RD

RD4

Sélectionner le type de carteSélectionner le type de carteCartes de contrôle aux mesuresCartes de contrôle aux mesures



57

n A2 D3 D4 A3 B3 B4

2 1.880 - 3.267 2.659 - 3.267

3 1.023 - 2.574 1.954 - 2.568

4 0.729 - 2.282 1.628 - 2.266

5 0.577 - 2.114 1.427 - 2.089

6 0.483 - 2.004 1.287 0.030 1.970

7 0.419 0.076 1.924 1.182 0.118 1.882

8 0.373 0.136 1.864 1.099 0.185 1.815

9 0.337 0.184 1.816 1.032 0.239 1.761

10 0.308 0.223 1.777 0.975 0.284 1.716

Sélectionner le type de carteSélectionner le type de carteCartes de contrôle aux mesuresCartes de contrôle aux mesures

Coefficients utilisés dans les formules de limites de contrôle



58

Carte np : nbre de non conformes

Carte p : % de non conformes

Echantillon avec n

constant

Carte c : nbre de défauts

Carte u : nbre moyen de défauts

par pièce

Echantillon avec n variable

Echantillon avec n

constant

Echantillon avec n variable

)1(3 pnpnp -±

Quand les mesures ne sont pas possibles

Peut être applicable sur beaucoup de processus

Données faciles à obtenir (utilisation de calibre)

Données souvent déjà disponibles

Tailles d’échantillon plus large

Ne peut pas visualiser les changements de variation

in

ppp

)1(3

-±

cc 3±

in

uu 3±

Sélectionner le type de carteSélectionner le type de carteCartes de contrôle aux attributsCartes de contrôle aux attributs



59

Sélectionner le type de carteSélectionner le type de carteAutres cartes de contrôleAutres cartes de contrôle

Il existe d’autres cartes pour les dérives très lentes qui vont permettre de : Détecter de petits écarts par rapport à la cible Suivre les valeurs individuelles dans le cas de processus continus

Carte CUSUM (Cumulative Sum - Sommes cumulées des écarts à une référence) Fréquemment utilisées dans les industries de procédés continus comme la chimie, l’agro-alimentaire ou pour la surveillance de paramètres de processus

Carte EWMA (Moyenne mobile à pondération exponentielle) Permettent de prendre en compte l’historique récent



60

Soit M le nombre moyen de pièces fabriquées entre deux réglages successifs.

La proportion q de pièces à prélever peut être estimée comme :

où : n est la taille de l ’échantillon prélevé

N est le nombre de pièces produites entre deux échantillonnages

Donc, la fréquence d ’échantillonnage peut s ’exprimer par un prélèvement de n pièces toutes les pièces.

N/nM/nq ==

nMN=

Définir le plan d’échantillonnageDéfinir le plan d’échantillonnageRègle de R. CAVE pour déterminer la fréquenceRègle de R. CAVE pour déterminer la fréquence



61

Définir le plan d’échantillonnageDéfinir le plan d’échantillonnageComplément pour le calcul de la taille d’échantillon pour la carte (X,R)Complément pour le calcul de la taille d’échantillon pour la carte (X,R)

2

3

3

uPCm

un

Cm Capabilité machine

u Variable réduite associée au risque de ne pas détecter un déréglage

uP Variable réduite associée au % hors tolérances accepté

n = Taille d’échantillon

Exemple

Capabilité 1,75 pour un risque de 95%

u = 100-95 = 5 % => table = 1,64uP = 0.1% de défaut = 0,001 => table = 3,09

Taille d’échantillon n = 4.6, soit 5 pièces

Efficacité Valeurs de u Valeurs de uP pour de la détection 1ppm 0.0032% 0.1% 0.135%

99% 2,33 6 4 3,09 395% 1,64 6 4 3,09 3



62

Définir le plan d’échantillonnageDéfinir le plan d’échantillonnage

En pratique on choisit :

• Une fréquence de contrôle au moins 4 fois supérieure à l’occurrence des changements dans le processus (d’après la carte d’observation)

• Une taille d’échantillon comprise entre 2 et 10 maximum



63

Calculer les limites de contrôleCalculer les limites de contrôle

Calculer X

Calculer R

Calculer les limites de contrôle pour le paramètres de position et de dispersion En fonction de la carte choisie En fonction de la taille d’échantillon



64

Définir le plan de réaction préliminaireDéfinir le plan de réaction préliminaire

A partir des règles de pilotage de la MSP

A partir des observations de la carte d’observation

A partir d’analyses a priori AMDEC Plans d’expérience …



65




















66

P ilo tage du p rocessus par la MSP

U tilisa tion de la carte de con trô le Co llecte des données dans la carte Renseignem ent du journa l de bord Application des règ les de p ilo tage Application du plan de réaction lors des situations hors contrô le Enreg istrem ent des actions correctives dans le journa l de bord

Analyse de la carte de con trô le




Analyse Analyse d’une carte de contrôled’une carte de contrôle

68


Analyse d’une carte de contrôleAnalyse d’une carte de contrôlePréparation du processus


















69

Les m issions d ’analyse Vérifie r périod iquem ent que le processus est sous contrô le

Le p lan d ’échantillonnage est adapté et app liqué Les règ les de p ilo tage sont adaptées et app liquées Le journal de bord est correctem ent renseigné Les actions prises sont efficaces: les capab ilités processus sont > à 1 .33 Les lim ites de contrô le sont recalcu lées lorsque nécessaire

Am éliorer le processus En identifiant et supprim ant les causes des s ituations hors contrô le

A l’a ide du journal de bord En fa isant des tests com plém enta ires s i nécessa ire

En rédu isant la variab ilité due aux causes a léato ires En optim isant le con trô le


Analyse d’une carte de contrôle Analyse d’une carte de contrôle

70

La dém arche d ’analyse Identification des s ituations hors contrô le Recherche des causes dans les 6M Vérification de la cause: observation Recherche des actions correctives Mise en p lace des actions Vérification de l’e fficacité des actions



71

Les points à ba layer dans l’analyse Y a-t- il des points en dehors des lim ites de contrô le ?



R

X

LCS

LCI

LCS

R

X

LCS

LCI

LCS

72

Les points à balayer dans l’analyse Le processus est-il bien centré sur la cible ?



R

X

LCS

LCI

LCS

73

Les points à balayer dans l’analyse Peut-on observer des tendances ?



R

X

LCS

LCI

LCS

R

X

LCS

LCI

LCS

74

Les points à balayer dans l’analyse Le processus a-t-il changé ?

R

X

LCS

LCI

LCS

R

X

LCS

LCI

LCS



75

Ind ica teu rs d ’e fficac ité de la MSP Les capab ilités p rocessus Cp e t Cpk

Ca lcu lées à partir des re levés de la ca rte de con trô le Un processus capab le a un Cp et un Cpk supérieurs à 1 .33

L’ind ica teur de perte Cpm qu i inc lu t position et dispersion

Cpm = Cp

1+ 9 (Cp-Cpk)²

Un processus stab le e t centré a un Cpm > 1.33



76

Indicateurs d ’efficacité de la M SP Les ind icateurs de rendem ent

Rs: Rendem ent de stab ilité (% ) ind ique les variations de consigne

Rs= D ispers ion instantanée x 100 = Cm x 100 > 75 %

Dispers ion tota le Cp

Rr: Rendem ent de rég lage (% ) ind ique le centrage sur la cib le

Rr= Cpk x 100 > 75%

Cp



77

• Généralités• Rappel des concepts de base• Pilotage d’un processus par la MSP

Réalisation et interprétation des analyses de capabilité

• Mise en place de la MSP sur un site de production• Références bibliographiques


78

ObjectifsObjectifs

Comparer les performances du processus avec la spécification pour:

Qualifier un procédé ou un processus avant sa mise en production : analyses de capabilité en développement

Evaluer le niveau de qualité de la fabrication

L’utilisation des capabilités repose sur l’hypothèse de normalité de la distribution

Réalisation et interprétation Réalisation et interprétation des analyses de capabilité des analyses de capabilité

79

INDICE DE CAPABILITEINDICE DE CAPABILITE

Ratio entre la performance demandée et celle réalisée par le processus ou le moyen.

INDICE DE DECENTRAGEINDICE DE DECENTRAGE

Le calcul de l’indice de capabilité ne permet pas de mettre en évidence un déréglage du processus ou de la machine..

3 décentrage = MIN ( ; )

3

X - Ti Ts - X

Ti Ts

6

Ti Ts

6

X

Ce que je veux

Ce que je peux

Intervalle de tolérance

Dispersion

Ts - Ti

6 Capabilité = = =

On a toujours Cpk ≤ Cp


80

Capabilité machine et capabilité processusCapabilité machine et capabilité processus

Dispersion globale du processusDispersion instantanée de la machine

Moyenne

Temps

Tolérance

Tolérance


81

Capabilité machine ou capabilité courte Cm et CmkCapabilité machine ou capabilité courte Cm et Cmk

Prise en compte de la dispersion de la machine uniquement. Les causes de dispersion liées au 5 autres M ne doivent pas être prises en compte.

C’est une dispersion calculée.

Effectuer un minimum de 30 mesures sur un temps court (variations faibles) sans échantillonnage :

• 1 seul lot de matière

• 1 seul opérateur

• Pas de réglages

Calculer l’écart type à partir de toutes les valeurs mesurées.

Cm et CmkMachine / outil

Matière

Main d ’oeuvre

Méthodes

Milieu

Mesure


82

Prélever plusieurs échantillons tout au long de la fabrication.

Estimer la dispersion totale à partir de la moyenne des étendues :

6S = 2.61 x R

(Pour des échantillons de 5 pièces)

Cp et Cpk

Machine / outil

Matière

Main d ’oeuvre

Méthodes

Milieu

Mesure

Capabilité processus ou capabilité longue Cp et CpkCapabilité processus ou capabilité longue Cp et Cpk

Prise en compte de la dispersion due à l’ensemble des 6M.

Cette dispersion globale est estimée.


83

6

TiTs

Cp > 1.33

Cpk < 1.33

6

TiTs

Cp < 1.33

Cpk < 1.33

6

TiTs

Cp > 1.33

Cpk > 1.33

Procédé capable, décentré Procédé non capable, décentré

Procédé capable et décentré


84

Ti Ts

6

6

6

Ti Ts

6

Ti Ts

Ti Ts

Cp = 1

Cpk = 1

Cp = 1.33

Cpk = 1.33

Cp = 1.67

Cpk = 1.67

Cp = 2

Cpk = 2

Hors tolérances

2700 ppm

Hors tolérances

0.002 ppm

Hors tolérances

0.6 ppm

Hors tolérances

63 ppm

Les capabilités permettent d’estimer le taux de défectueux


85

Cp0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,33 1,4 1,5 1,67 2 2,5 3 4

0,1 76.42 %

56.61 44,89 40,00 38.56 38.26 38.21 38.21 38.21 38.21 38.21 38.21 38.21 38.21 38,21 38.21 38.21 38,21 38.21 38.21

0,2 54.85 %

38,93 31.02 28.25 27.56 27,44 27,43 27,43 27,43 27,43 27,43 27,43 27,43 27.43 27.43 27.43 27,43 27.43 27.43

0,3 36.81 %

25.09 20,19 18,75 18,45 18,41 18,41 18,41 18,41 18,41 18,41 18,41 18,41 18,41 18,41 18,41 18,41 18,41

0,4 23.01 %

15.10 12.33 11.64 11.52 11,51 11,51 11,51 11,51 11,51 11,51 11.51 11.51 11.51 11.51 11.51 11.51

0,5 13.36 %

8.47 7.03 6.73 6,69 6.68 6.68 6.68 6.68 6.68 6.68 6.68 6.68 6.68 6.68 6.68

0,6 7.19 %

4.41 3.73 3.61 3.59 3.59 3.59 3.59 3.59 3.59 3.59 3.59 3.59 3.59 3.59

0,7 3.57 %

2.13 1.83 1.79 1.79 1.79 1.79 1.79 1.79 1.79 1.79 1.79 1.79 1.79

0,8 1.64 %

0,95 0,84 0,82 0,82 0,82 0,82 0,82 0,82 0,82 0,82 0,82 0,82

0,9 0.69 %

0,40 0,35 0,35 0,35 0,35 0,35 0,35 0,35 0,35 0,35 0,35

Cpk 1 2700 ppm

1509 1363 1350 1350 1350 1350 1350 1350 1350 1350

1,1 967 ppm

532 485 484 483 483 483 483 483 483

1,2 318 ppm

165 160 159 159 159 159 159 159

1,33 63.43 ppm

38,22 33,32 33,05 32,21 32,21 32,21 32,21

1,4 26.71 ppm

14,15 13,36 13,35 13,35 13,35 13,35

1,5 6.80 ppm

3,42 3,40 3,40 3,40 3,40

1,67 0.574 ppm

0,287 0,287 0,287 0,287

2 0.002 ppm

0,001 0,001 0,001

2,5 0.0 ppm

0,0 0,0

3 0 ppm

0

4 % hors tolérances 0 ppm

IT


86

• Généralités• Rappel des concepts de base• Pilotage d’un processus par la MSP• Réalisation et interprétation des analyses de

capabilité

Mise en place de la MSP sur un site de production

• Références bibliographiques


Mise en place de la Mise en place de la MSP sur un site de MSP sur un site de

productionproduction

Stratégie & objectifsStratégie & objectifs

88

Pourquoi m ettre en p lace de la M SP ? Approche de type pro jet

Certification par rapport à un référentie l type TS 16949 Dém arche 6 Projet d ’entreprise …

Approche au cas par cas Dem andes clients

Mise en place de la MSPMise en place de la MSPsur un site de productionsur un site de production

Stratégie & objectifs Stratégie & objectifs

89

Q uel est l’objectif du projet ? Déplo iem ent d ’un outil

Sign ification: L’utilisation de la M SP est systém atique sur tous les processus de productionTout les acteurs de production savent u tiliser la M SP

Orig ine:Ex igence de m oyen par un référentie l, un client, une d irectionUtilisation d ’un log icie lObjectifs qua lité sur la non qualité produite

Ind icateurs de projet Nom bre de processus sous M SP Capabilités des équ ipem ents



90

Q uel est l’objectif du projet ? Déplo iem ent d’une cu lture

Sign ification:L’utilisation de la M SP répond aux besoins d ’am éliora tions identifiésLa M SP apporte des résu ltats opérationnelsLe n iveau de m aturité du site progresse en term e de M SP

Orig ine:Présence d ’un expertPro jet fa isant su ite à une prem ière expérience « cosm étique »Pro jet d ’entreprise in itié par la qualité

Ind icateurs de pro jet Nom bre de rela is M SP dans l’entreprise Ind icateurs de résu lta t opérationnels : coûts, productiv ité, réc lam ations, etc. Niveau de m aturité en M SP



91

M aturité d ’un site en term e de M SP Elle est fonction de :

L’im portance du dép lo iem ent dans l’entreprise Nom bre de processus sous SPC Nom bre de fonctions im pliquées

L’exp lo ita tion fa ite des cartes de con trô le Acqu is ition de données Analyse en tem ps rée l par l’opérateur Analyse périod ique Actions d ’am élioration issues des cartes

L’objet de la M SP Pilo tage du processus par le su iv i de param ètres produ it sensib les Pilo tage du processus par des param ètres produits s ign ificatifs de l’évolu tion du processus (cotes d ’usu re, po ids de pièces m ou lées

m assives, e tc.) Pilo tage du processus par des param ètres processus un iquem ent





Organisation projetOrganisation projet

93

Structures projet


Organisation projet Organisation projet

Comité de pilotage

Equipe projet

Equipes chantiers

Equipe de direction + chef de projet

Pluridisciplinaire avec des représentants des différents secteurs

Pluridisciplinaires et liées aux processus considérés

94

S tructu res p ro je t Com ité de p ilo tage

Com pos ition Equipe de d irection Chef de pro jet

Missions Défin ir la stratég ie Allouer les ressources hum aines et financières

Ritue l Suiv i d ’avancem ent m ensue l su ivant un agenda prédéfin i (1/2 h à 2 h) Validation de ja lons ou décis ions sur des po in ts b loquants au cas par cas



95

Structures projet Equipe projet

Com position Qualité Méthodes Production Bureau d ’études

Missions Elaborer et coordonner le p lan de dép lo iem ent

Comm un ica tion e t docum en ta tion M éthodolog ie & m odes de fonctionnem ent Form ation: m odalités, contenu, p lan de form ation , form ation de fo rm ateurs Suiv i de l’avancem ent des chantiers : revues et audits

Ritue l Réunions toutes les sem aines à tous les 15 j de ½ h à 2 h



96

Structures projet Equipes chantiers

Com position Ingén ieur ou technicien m éthodes Techn ic ien qua lité production Techn ic ien de m aintenance Support de production Rég leurs (présence tournante) Opérateurs (présence tournante)

Missions Mettre en p lace la M SP sur un processus défin i

Ritue l Réunions de préparation Analyse périod ique des résu ltats : ½ h à ¾ h par sem aine de production



97

Planning du projet Phase de préparation: 3 à 6 m ois

Défin ition de la stratég ie Etat des lieux Benchm ark ing Analyse des risques projet

Mise en p lace des organ isations projet

Préparation des chantiers p ilo tes



98

Choix des chantiers p ilotes Approche préventive

Processus issus du développem ent Clients c lés Im pact potentie l sur le processus concerné ou un processus aval en term e de productiv ité, rebuts, e tc. …

Approche réactive H istorique Réclam ations, rebuts Dem andes clients …



99

Planning du projet Phase de prom otion: 3 à 9 m ois

Réalisation de chantiers p ilotes Prom otion de la M SP sur des processus à prob lèm es Evaluation des bénéfices potentie ls du dép lo iem ent Evaluation de la m éthodo log ie, des docum ents, form ations, etc.

Phase de dép lo iem ent: 6 à 9 m ois

Form ation action pour les re la is MSP

Form ation de form ateurs M SP





Retour d’expérienceRetour d’expérience

101

Bénéfices de la M SP Dim inution du taux de défectueux produits

Dim inution des réclam ations clients

Dim inution des rebuts in ternes

Dim inution de la fréquence de contrô le

Fréquence associée aux causes de variation dans les 6M et non aux lo ts



102

Bénéfices de la M SP Am élioration de la stab ilité des com posants pour les processus ava l

Am élioration de la productiv ité par la d im inution des rég lages

Dim inution des rebuts in ternes

Optim isation des fréquences de m aintenance

Maintenance préd ictive



103

Points clés Conviction de la d irection

Projet à m oyen term e: changem ents de priorités

Equipes p lurid isc ip linaires

Charge im portante dans les phases de m ise en p lace

Form er l’équ ipe de d irection au dém arrage du pro jet: s im ula tion de production avec p lanche de Galton

Stratégie

Prise en com pte de la rentab ilité

Recherche du m eilleur outil pour une prob lém atique

Accent m is sur l’ana lyse des cartes et pas sur l’acqu is ition



104

Points clés Phase p ilote

Prom otion de la M SP

Cib lage du p lan de déplo iem ent

Utilisation d ’un logic ie l avec acqu is ition au tom atique des données

Analyse à d istance

Partage de l’in form ation

Ergonom ie de la saisie des in form ations

Disponib ilité pour l’ana lyse



105

Points clés Form ation-action

Form ation orientée sur la pratique et la découverte Outil de form ation recom m andé: p lanche de Galton

Mise en pratique m oins de 15 j après la form ation

Form ation à l’ana lyse sur des cas rée ls, vo ire sur le terra in

Com m unication adaptée

Vers les opérateurs : ce que la M SP a apporté au quotid ien

Vers le m anagem ent : ce que la M SP a rapporté au s ite





Pérennité de la MSPPérennité de la MSP

107

Pérennité de la M SP grâce à : Des re la is M SP form és et expérim entés

Un an im ateur M SP identifié qu i est chargé de Réaliser un accom pagnem ent des re la is su r leurs prem iers chantiers Assurer le su iv i du p ipe line et des résu ltats opérationnels des chantiers Aud iter les chantiers en term e de m éthodo log ie, d ’organ isation et de résu lta ts Fa ire rem onter les progrès et les po in ts b loquants à la d irection

Des m odes de fonctionnem ent défin is pour les d iffé rents acteurs de la M SP


Pérennité de la MSP Pérennité de la MSP

108

Modes de fonctionnem en t pérennes en productionMISIONSMISIONS COMPETENCESCOMPETENCES PROPRIETAIREPROPRIETAIRE

Renseigner la carte de contrôle et appliquer le plan de réaction

Connaître les bases de la MSP Connaître les moyens d’intervention sur le processus

Opérateur / Régleur

Corriger les situations hors contrôle dépassant le plan de réaction

Savoir initier une résolution de problèmes Connaître le processus

Agent technique / Technicien de production

Vérifier périodiquement que la carte est correctement renseignée Le plan d’échantillonnage est respecté Le journal de bord est renseigné Les situations hors contrôle sont renseignées

Avoir l’autorité nécessaire pour intervenir en cas de dérive

Chef d’équipe / Chef d’atelier



109

Modes de fonctionnement pérennes en production

MISIONSMISIONS COMPETENCESCOMPETENCES PROPRIETAIREPROPRIETAIRE

Vérifier périodiquement que les principes MSP sont appliquésPoints centrés sur la cibleLes points en dehors des limites conduisent à une réactionLes tendances conduisent à une réactionLes limites de contrôle sont revues

Avoir une bonne connaissance de la MSPSavoir interpréter une carte de contrôleAvoir le leadership nécessaire pour piloter une résolution de problèmesNe doit pas être juge et parti

Technicien qualité production / technicien méthodes

Vérifier périodiquement que le processus est sous contrôleLes capabilités ne se dégradent pas

Comprendre et savoir expliquer l’indicateurSavoir déclencher les actions appropriéesEtre intéressé au résultat

Ingénieur / technicien méthodes

Intégrer de nouvelles personnesFormer au SPCFormer au logiciel

Avoir une aptitude à transmettre son savoir Avoir une bonne connaissance de la MSPAvoir une bonne maîtrise du logiciel

Technicien qualité production & Administrateur logiciel



110

• Généralités• Rappel des concepts de base• Pilotage d’un processus par la MSP• Réalisation et interprétation des analyses de

capabilité• Mise en place de la MSP sur un site de production

Références bibliographiques


111

Références bibliographiquesRéférences bibliographiques

M au r ice PILLET

Appliquer la M aîtrise S ta tistique des Procédés MSP / M SP

3èm e édition

Ed itions d ’O rgan isa tion

N orm es AFN OR NF X 06-031-0 Cartes de con trô le : princ ipes généraux NF X 06-031-1 Cartes de contrô le de Shew art aux m esures NF X 06-031-2 Cartes de contrô le aux attributs NF X 06-031-3 Cartes de contrô le EW M A NF X 06-031-4 Cartes de contrô le des som m es cum ulées CUSUM

Documents

Maîtrise Statistique des Processus...L’utilisation du MSP est préconisée pour la maîtrise des cotes critiques identifiées dans le processus de conception Déploiement de la