Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Gestion d'entreprise

La qualité : cartes de contrôle, capabilité des processus et six sigma

Causes communes et causes spéciales, la carte de la moyenne, longueur moyenne de série démontrée, sensibilité à un décalage, Cp et Cpk avec un exemple, six sigma, qualité totale.

https://www.electronics-engineering.com/fr/qualite-cartes-de-controle-capabilite-six-sigma/

Pas encore de vote : soyez le premier à noter cette page.

La qualité ne s’obtient pas en inspectant les pièces à la fin et en jetant les défectueuses, mais en gardant sous contrôle le processus qui les produit. Les outils statistiques disent quand un processus a changé et s’il est capable de respecter les tolérances. Dans cette leçon, nous regardons les cartes de contrôle avec la démonstration de la longueur moyenne de série et le calcul de la sensibilité à un décalage, les indices de capabilité avec un exemple, le sens de « six sigma », et le management de la qualité.

Variabilité et maîtrise statistique

Aucun processus ne produit des pièces identiques. Shewhart a distingué deux sortes de variabilité : celle due à de nombreuses causes communes, petites et toujours présentes, qui donne une distribution stable ; et celle due à des causes spéciales (un outil usé, un lot de matière différent, un mauvais réglage), qui décalent le processus. Un processus avec seulement des causes communes est sous maîtrise statistique : prévisible. La tâche du contrôle est de détecter tôt les causes spéciales, sans réagir aux fluctuations normales.

La carte de contrôle

À intervalles réguliers, on prélève n pièces, on calcule leur moyenne \bar{x} et on la porte sur une carte avec une ligne centrale \mu et deux limites en \mu \pm 3\sigma/\sqrt{n}, parce que l’écart type de la moyenne de n valeurs est \sigma/\sqrt{n}.

Carte de contrôle de la moyenne
Les points, moyennes d’échantillons successifs, fluctuent autour de la ligne centrale CL à l’intérieur des limites UCL et LCL, placées à trois écarts types de la moyenne. Les derniers points montent et le dernier dépasse la limite supérieure : le signal d’une cause spéciale.

Théorème. Avec des limites à \pm 3 écarts types et un processus sous contrôle de distribution normale, chaque point tombe hors des limites avec la probabilité \alpha \approx 0.0027, et le nombre moyen d’échantillons avant une fausse alarme est ARL_0 = 1/\alpha \approx 370.

Démonstration. P(|Z| \gt  3) = 2(1 - \Phi(3)) \approx 2\cdot 0.00135 = 0.0027. Les échantillons sont indépendants, donc le nombre d’échantillons jusqu’au premier signal suit une loi géométrique de probabilité de succès \alpha, dont la moyenne est \sum_{k\ge 1}k\alpha(1 - \alpha)^{k-1} = 1/\alpha. ∎

Le même raisonnement mesure la sensibilité. Exemple. Si la moyenne se décale de 1\sigma et que les échantillons sont de n = 4 pièces, le décalage vaut deux écarts types de la moyenne ; un point dépasse la limite supérieure avec une probabilité d’environ P(Z \gt  3 - 2) = P(Z \gt  1) \approx 0.16, et le décalage est signalé en moyenne après 1/0.16 \approx 6 échantillons. Des échantillons plus grands ou des règles supplémentaires (par exemple sept points consécutifs du même côté de la ligne centrale) rendent la carte plus sensible.

La capabilité du processus

Un processus sous contrôle peut quand même produire des pièces hors tolérance, si sa variabilité est trop grande par rapport aux spécifications [LSL, USL]. Les indices de capabilité :

    \[ C_p = \frac{USL - LSL}{6\sigma},\qquad C_{pk} = \frac{\min(USL - \mu,\ \mu - LSL)}{3\sigma} \]

C_p compare la largeur de la tolérance à celle du processus ; C_{pk} tient compte aussi du centrage.

Exemple. Un arbre de diamètre nominal 10,00 mm et de tolérance ±0,08 mm, produit avec \sigma = 0.02 mm : C_p = 0.16/0.12 = 1.33. Si le processus est centré, les pièces hors tolérance sont celles au-delà de 4\sigma : environ 63 par million. Si la moyenne se décale à 10,02 mm, C_{pk} = 0.06/0.06 = 1.0, et les pièces hors tolérance, au-delà de 3\sigma du côté proche, montent à environ 1350 par million. De nombreux clients de l’automobile exigent C_{pk} \ge 1.33 ou 1,67.

Six sigma

Un processus « six sigma » a sa tolérance à \pm 6\sigma de la moyenne (C_p = 2). Le programme Six Sigma, né chez Motorola dans les années 1980, admet que la moyenne dérive jusqu’à 1.5\sigma à long terme : il reste alors une distance de 4.5\sigma de la limite la plus proche, et les défauts sont d’environ 3,4 par million. La méthode d’amélioration est le cycle DMAIC : définir, mesurer, analyser, améliorer, contrôler (maîtriser).

Le management de la qualité

La qualité totale étend l’idée à toute l’entreprise : la qualité est définie par le client, elle se construit dans les processus et la conception (on ne l’inspecte pas à la fin), elle implique tout le monde, et elle s’améliore continuellement avec le cycle planifier-faire-vérifier-agir de Deming. En conception, des outils comme l’analyse des modes de défaillance et de leurs effets (AMDE, FMEA) préviennent les défauts avant qu’ils ne naissent ; en production, des dispositifs anti-erreur (poka-yoke) rendent impossible de monter une pièce à l’envers. La norme ISO 9001 certifie qu’une entreprise a un système de management de la qualité documenté et audité. Un principe guide tout : un défaut coûte d’autant plus cher qu’il est découvert tard, de la conception à la production jusqu’au client, souvent d’un facteur dix à chaque étape.

S’abonner
Notifier de
guest
1 commentaire
Le plus ancien
Plus récent Les plus votés
1
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x