Transcript X - Free

LA DEMARCHE QUALITE
1
GESTION ET SUIVI DE LA QUALITE EN PRODUCTION
voir livre page 7 à page 22
1: Qualité et non qualité
satisfaction du client
bonne aptitude à l'usage et à l'emploi
Définition de la qualité: ( NF X 50-120 )
La qualité est l'ensemble des propriétés et caractéristiques d'un produit ou service qui lui confèrent l'aptitude à satisfaire des
besoins exprimés ou implicites.
12) La non qualité
Définition ( NF X 50-120 )
La non qualité est l'écart global constaté entre la qualité visée et la qualité effectivement obtenue.
La non qualité coûte cher, elle a un coût, on peut donc la mesurer
1
voir livre de première page 13 à page 17
11) La qualité
2: La politique de la qualité dans les entreprises
LA QUALITE
RAISON D'ETRE
BUT
RESULTANTE
REPERCUSSION
POUR
L'ENTREPRISE
( page 7 et 8 )
Satisfaction du client
Objectif vital pour l'entreprise
Contrat pour le respect de la qualité vis à vis du client
volonté collective de l'entreprise, la motivation, coordination de
chacun, maîtrise de l'ensemble des facteurs…..
Evolution et développement de l'entreprise…
motivation pour le personnel.
L'assurance qualité:
- Fournir au client la preuve que le fournisseur est capable d'honorer complètement et correctement ses
engagements. ( assurance externe de la qualité )
- Faire en sorte que le fournisseur soit lui-même certain de la qualité de ses produits qu'il propose à ses clients.
( assurance interne de la qualité )
Qualité et contexte de production de l'entreprise
Hommes
Délais
Produits
Qualité
dans
l'entrepris
e
Coûts
Qualité totale d'un site de production
on retrouve les composantes de la
démarche productique, à savoir,
amélioration de l'ensemble des méthodes
et des moyens de production
Processus
Les entreprises, pour être compétitives, doivent de plus en plus être certifiées suivant une
norme qui va prouver que l'entreprise satisfait aux exigences de l'assurance qualité.
Norme ISO 9000
3: Qualité et contrôle de conformité
( page 8 et 9 )
Le contrôle s’effectue à trois stades de la production:
- à la réception des approvisionnements
- en cours de fabrication
- à la livraison des produits finis
Le contrôle de réception et des en-cours peut s’effectuer soit à 100% ou par échantillonnage
Contrôles de réception
permet l'acceptation ou le refus d'un lot de
pièces
100%
tous les contrôles
nécessaires sont
effectués sur la
totalité des pièces
produites
Par échantillon
les contrôles sont
effectués sur un
échantillon de
pièces prélevées
Domaine d'utilisation:
pièces à forte valeur ajoutée
pièces ayant des qualités strictes ( sécurité, nucléaire..)
tri de pièces ( appariement )
avantages: maîtrise totale des décisions ( pas de risque )
inconvénients: contrôle onéreux, contrôle non destructif
Domaine d'utilisation:
produits standards ou de sous-traitance
classement de la qualité des fournisseurs
si la qualité du procédé est nettement > à la qualité souhaité du
produit
lots de taille importante
avantages: réduction du coût, contrôle destructif possible
inconvénients: risque lié à la probabilité de prendre une
mauvaise décision
Contrôles en cours de fabrication
permet de surveiller le processus de
fabrication
Domaine d'utilisation:
pièces à forte valeur ajoutée
pièces ayant des qualités strictes ( sécurité, nucléaire..)
avantages: maîtrise totale des décisions ( pas de risque )
limitation du gaspillage
inconvénients: contrôle onéreux, contrôle non destructif,
nécessité dans le cas de grandes séries d'automatiser les
postes de contrôle, ( si le posage est
défini )
Domaine d'utilisation:
production en grande série
si la qualité du procédé est nettement > à la qualité souhaité
du produit
avantages: réduction du coût, contrôle destructif possible
inconvénients: risque lié à la probabilité de prendre une
mauvaise décision, risque de laisser passer des pièces non
conformes.
4: Les outils de la qualité
-
( voir livre de première page 18, 19, 20 )
Le diagramme causes et effets
Le Q Q O Q C P
PARETO ou courbe ABC
Le MSP ou SPC
L'AMDEC
Le SMED
La méthode TAGUCHI ……
Tous les outils de la qualité présentent une caractéristique commune: étude et analyse d'un grand nombre d'informations.
Ces informations peuvent être relatives :
- au produit
- au système de production
- au processus de production
- aux méthodes de fabrication, de montage, de contrôle, de maintenance….
Il faut donc que les informations soient très exactes de manière à appliquer avec efficacité l'outil de la qualité retenu.
Il faut donc organiser toutes les données qui peuvent provenir en fabrication de:
- résultats numériques ( mesures…)
- nombres de caractéristiques ( défauts par période, % de défauts…)
- causes de non-conformité
- …..
5: Le suivi de la qualité
( voir page 9, 10, 11 )
51) les différents types de contrôle:
La spécification
contrôlée est une
grandeur chiffrable.
Ex: 15,25 mm
Cartes de contrôle
tendance centrale de la fabrication ( moyenne )
Par mesures
Variation de la fabrication ( étendue )
CONTROLE
nombre ou proportion de défectueux
Par attributs
nombre de défauts par unité de contrôle
Valeur non
chiffrable par un
appareil de mesure.
Ex: correct,
défectueux..
52) La méthode S.P.C ou M.S.P ( maîtrise statistique des procédés )
méthode d'auto-contrôle
-
Elle repose sur 3 principes fondamentaux :
la priorité donnée à la prévention ( intervention avant de produire des rebuts )
la référence au procédé tel qu'il fonctionne ( qualification de la machine )
la responsabilisation de la production et la participation active des opérateurs
Constatations: la mesure d'un diamètre ( 10 mm ) sur un lot de pièces ne fera jamais 10mm exactement, mais
sera répartie entre 9,95 et 10,04 par exemple.
Cette variabilité est incontournable et il faut être capable de " vivre avec ". Quelque soit la machine utilisée, la
caractéristique observée, on notera toujours une dispersion.
Ces variations proviennent de l'ensemble du procédé de production dont on distingue 5 éléments élémentaires
responsables de dispersion et donc de non-qualité:
les 5M Machine; Main d'œuvre; Matière; Méthodes; Milieu
Ces variations aléatoires suivent très souvent une loi normale ( courbe en cloche )
53) Analyse de la forme de la dispersion, loi normale
531) L’histogramme
C'est un outil qui nous permet d'observer la répartition des valeurs mesurées par rapport à la moyenne,
regroupées par classe.
Cette moyenne doit être le plus près possible de la cote visée.
L'allure générale doit correspondre à une courbe en cloche ou courbe de Gauss.
EXERCICE
+ 0.05
Une entreprise X vérifie le diamètre d’une surface cylindrique coté 20 - 0.08
Un opérateur prélève un lot de 40 pièces, il mesure à l’aide d’un micromètre (résolution = 0,01 mm) les 40
diamètres et trouvent les résultats suivants:
N°
cote
N°
cote
N°
cote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
19.97 19.96 19.99 19.99 20.00 19.93 20.01 19.99 20.02 19.99 19.95 20.01 19.97 20.00
15
16
17
18
19
20
21
22
23
24
25
26
27
28
20.00 19.98 20.01 19.95 19.97 20.00 19.99 20.02 19.97 20.03 20.00 19.96 20.03 19.99
29
30
31
32
33
34
35
36
37
38
39
40
41
42
19.99 20.02 19.98 19.99 20.04 19.97 20.02 20.00 20.02 20.00 20.00 19.98
Elle veut connaître la représentation graphique de la distribution des pièces: il faut donc tracer l’histogramme
Méthode de tracé d’un histogramme
1: collecte des données:
Voir tableau précédent
2: calcul du nombre de classes
Formule: Nb de classes =  n
AN :Nb de classes =  40 = 6,32.
Arrondi à 7
3: calcul de l’étendue R
Formule: valeur mesurée maxi - valeur mesurée mini
ou : x maxi - x mini
AN : 20,04 - 19,93 = 0,11 mm
4: calcul de la largeur d’une classe
Formule: R / Nb de classes
arrondir à un multiple de la résolution
AN : 0,11 / 7 = 0,014 arrondi à 0,02 mm
5: calcul de la valeur mini de la
première classe
Formule: valeur mesurée mini - moitié de la résolution
ou : x mini - 1/2 résolution
AN : 19,93 - (0,5 x 0,01) = 19,925 mm
6: Relever le nombre de valeurs par classe
tableau des résultats ( classes / fréquences )
Classes
Fréquence ( Nb de valeurs )
19,925 - 19,945
1
4
8
16
8
3
0
19,945 - 19,965
19,965 - 19,985
19,985 - 20,005
20,005 - 20,025
20,025 - 20,045
20,045 - 20,065
7: Tracé de l’histogramme
fréquence
20
16
15
8
10
8
4
5
3
1
19,925
valeur
19,945
19,965
19,985
20,005
20,025
20,045
20,065
8: Tracer les caractéristiques de la cote
cote visée: cote moyenne
Cote maxi : tolérance supérieure
Cote mini : tolérance inférieure
fréquence
AN : cote visée = 19,985 mm
cote maxi = 20,05 mm
cote mini = 19,92 mm
20
Cote visée
Cote mini
Cote maxi
16
15
8
10
8
4
5
3
1
19,925
valeur
19,945
19,965
19,985
20,005
20,025
20,045
20,065
n
formule: X = 1/n  xi
9: calcul de la moyenne des valeurs et tracé
i=1
AN : 19,992 mm
10: tracé de la courbe de Gauss ( facultatif )
fréquence
X
20
Cote visée
Cote mini
Cote maxi
16
15
8
10
8
4
5
3
1
19,925
valeur
19,945
19,965
19,985
20,005
20,025
20,045
20,065
En conclusion:
L’histogramme permet d’observer la répartition des
valeurs mesurées par classes, par rapport à la moyenne.
La moyenne des valeurs doit être le plus prêt possible de la
cote visée.
L’allure générale doit correspondre à une courbe en cloche
ou courbe de Gauss.
532) Comparaison entre dispersion et IT de fabrication ( voir livre page 11 )
ATTENTION ! Ne pas confondre ETENDUE et DISPERSION
Etendue: valeur mesurée maxi - valeur mesurée mini ou : x maxi - x mini
En relation avec l’histogramme
R
Dispersion: elle peut être évaluée à 6,18  ( correspond à 99,98% d’une population
distribuée suivant une loi normale ).
En relation avec la courbe de Gauss
 : Ecart type
dispersion
Ecart type :  ( sigma )
Paramètre de dispersion qui caractérise la plus ou poins
grande dispersion des valeurs autour de la moyenne.
Courbe convexe
X
Courbe concave
I

=
 ( xi - X )²
N
Types de dispersion:
Dispersion Systématique ( Ds ):
Proviennent de Causes Assignables ( causes identifiables, peu nombreuses
mais sources de défauts importants, exemple: usure d’outil..)
Dispersion Aléatoire ( Da ):
Proviennent de Causes Aléatoires ( causes dues au hasard, que l’on ne peut
éliminer complètement, en assez grand nombre mais à effet limité,
exemple :écart de mise en position, déformation de la pièce lors du serrage,
flexion de l’outil ….)
Le but du M S P ( ou S P C ) est d’éliminer les
causes assignables
Exemple:
Moyennes différentes
Dispersion identique


X1
X2
Moyenne identique
1
Dispersions différentes
2
X
Quelques cas intéressants:
X
 1
 2
 3
 4
Environ 68% des individus sont compris dans l’intervalle
X  1
Environ 95% des individus sont compris dans l’intervalle
X  2
Environ 99,8% des individus sont compris dans l’intervalle
X  3
Environ 99,99% des individus sont compris dans l’intervalle
X  4
On compare la dispersion à l'IT à respecter, 3 cas peuvent se présenter
( voir livre p11 )
1°cas: le procédé de fabrication ne convient pas, il y a rebut
systématique
2°cas: tout déréglage de la moyenne entraînera un rebut qui
sera fonction de ce déréglage.
3°cas: pas de rebut tant que la moyenne reste dans l’intervalle
égal à : IT - 6,18
6: les cartes de contrôle par mesure
voir page 11
Les cartes de contrôle permettent d'avoir une image du déroulement du
processus et d'intervenir rapidement sur celui-ci en cas de problème.
Elles permettent de surveiller l'évolution d'une caractéristique ( ex : une
dimension ) sur une production en série et d'intervenir avant de produire des pièces
non conformes.
La distribution de la spécification à contrôler doit suivre une loi normale.
Pendant la production, on effectuera des prélèvements d'échantillons régulièrement
( ex : 6 pièces toutes les heures ).
Pour chaque échantillon, on calculera la moyenne et l'étendue des valeurs mesurées,
et on reportera les résultats sur un graphique.
Suivant la position des points reportés par rapport à des limites fixées, on
interviendra ou pas sur le processus.
On se limitera aux cartes de contrôle de la moyenne et de l'étendue. ( on peut
aussi construire des cartes de la médiane et de l'écart type )
Comment établir une carte de contrôle ?
2 cas possibles:
le processus est déjà lancé et connu : on connaît donc la moyenne ( mo ) et
l'écart type ( o )
le processus est nouveau : on ne connaît pas la moyenne ( mo )
ni l'écart type ( o )
Avec
mo: moyenne d’une fabrication sous contrôle ( statiquement stable )
o: écart type d’une fabrication sous contrôle
7: Elaboration d'une carte de contrôle dont les paramètres ne sont pas connus
Quand ?
- Lors de la mise en place d’une nouvelle fabrication
- Introduction d’un nouveau matériel
- Introduction d’une nouvelle matière première ……
voir page 12
Méthode d’élaboration de la carte
de contrôle:
Suivre en parallèle l’exercice du livre
page 13
Etape 1: Prélèvement
Nombre d’informations = r x n
r = nombre d’échantillons
n = effectif de chaque échantillon
En général :
Des pièces
100 < r x n < 200 ( nombre d’informations )
Des pièces
L’origine de la mesure a été
prise à : 31,900 mm
Les valeurs affichées sont
en micron
La valeur mesurée de la pièce correspond
donc à :
Valeur affichée + 31,900
Ex: valeur mesurée = 51 + 31900 = 31951 m
soit: 31,951 mm
Ou d’échantillons
Etape 2: Calcul des paramètres: X, W
Moyenne des moyennes X =

Moyenne des étendues W =

X = 49,1 m
Xi
r
Wi
r
ou: X= ( X1 + X2 + X3 +…….Xr ) / r
ou: W = ( W1 + W2 + W3+ ..Wr ) / r
W = 5,1 m
Etape 3: Calcul des limites de la carte de contrôle pour la carte de la
moyenne et la carte de l’étendue
Notation:
Pour la moyenne: Lsc x : limite supérieure de contrôle de la moyenne
Lic x : limite inférieure de contrôle de la moyenne
Lss x : limite supérieure de surveillance de la moyenne
Lis x : limite inférieure de surveillance de la moyenne
Notation:
Pour l’étendue
: Lsc w : limite supérieure de contrôle de l’étendue
Lss w : limite supérieure de surveillance de l’étendue
Formules:
Pour la moyenne: Lsc x : X + A’c x W
Lic x : X - A’c x W
Lss x : X + A’s x W
Lis x : X - A’s x W
Avec A’c et A’s: coefficients
fonction de la taille de
l’échantillon
Voir tableaux page 20
Formules:
Pour l’étendue
: Lsc w : D’c2
x
W
Lss w : D’s2
x
W
Avec D’c2 et D’s2: coefficients
fonction de la taille de
l’échantillon
Etape 4: Tracer les limites provisoires sur la carte.
Lsc
Lss
Lis
Lic
Lsc
Lss
Etape 5: Remplir la carte
La carte est remplie au fur et à mesure des prélèvements des échantillons.
On reporte les valeurs des moyennes et de l’étendue de chaque échantillon.
On relie les points.
Etape 6: Analyse de la carte
Des points sont hors limites de contrôle, ceci est dû à des causes assignables,
que l’on peut identifier. Il faut prendre les mesures nécessaires pour éliminer
ces causes.
Etape 7: Calculer les nouvelles limites
Les échantillons dont les points sont hors limites de contrôle doivent
être éliminés pour le calcul. Les nouvelles limites doivent être calculées
avec les données restantes.
Etape 8: Tracer les nouvelles limites sur la nouvelle carte
Exercice:
la fabrication d’inserts métalliques nécessite de mettre le procédé sous
contrôle statistique. On veut suivre l’évolution de la cote fabriquée: 6 0,2
La production étant stabilisée, on prélève 8 pièces toutes les heures.
Pendant tout l’usinage, il est important de noter tous les événements qui
sont apparus. Ces événements sont notés dans le tableau de bord.
Le tableau de bord est la mémoire du procédé
1: vous devez compléter entièrement la carte provisoire
2: vous devez analyser la carte provisoire
cor
3: vous devez compléter entièrement la carte définitive
cor
8: Elaboration d'une carte de contrôle dont les paramètres sont connus
voir page 16
Quand ?
- Le processus de fabrication est déjà lancé ( reprise d’une fabrication avec
les mêmes paramètres.)
Le principe d’élaboration est le même que précédemment sauf que:
- il n’y a pas de carte provisoire
- les formules pour les calculs des limites changent
Formules:
Exercice page 19 à faire pour
Avec Ac et As: coefficients
La prochaine fois
fonction de la taille de
Lic x : X - Ac x 0
l’échantillon
Pour la moyenne: Lsc x : X + Ac x 0
Lss x : X + As x 0
Lis x : X - As x 0
Formules:
Pour l’étendue
: Lsc w : Dc
x
0
Lss w : Ds
x
0
Voir tableaux page 20
Avec Dc et Ds: coefficients
fonction de la taille de
l’échantillon
9: Interprétation des cartes de contrôle
Une carte " type " est une carte dont les points sont répartis à peu près
symétriquement par rapport à la ligne centrale. (Voir page 16)
Pas de points hors limites
2/3 des points doivent se trouver dans le tiers central de la carte
Pas de cause assignable
Carte type
C
B
A
B
C
Exemples de causes assignables et décisions à prendre
Causes assignables
1
un point au delà des
limites de contrôle
LCS, LCI
2
7 points consécutifs
sont supérieurs ou
inférieurs à la
moyenne
3
7 points
consécutifs sont en
augmentation
régulière ( dérive )
ou en diminution
régulière
4
1 point entre les
limites de
surveillance et de
contrôle
Décision carte de la moyenne
régler le procédé et prélever
immédiatement un autre
échantillon
régler le procédé et prélever
immédiatement un autre
échantillon
régler le procédé et prélever
immédiatement un autre
échantillon
prélever immédiatement un
autre échantillon. Si le
nouveau point est de nouveau
hors limites régler le procédé
et prélever immédiatement un
autre échantillon
Décision carte de l'étendue
trouver l'origine de la
détérioration et intervenir (
erreur de mesure, appareil
bloqué …)
trouver l'origine de la
détérioration et intervenir
trouver l'origine de la
détérioration et intervenir
trouver l'origine de la
détérioration et intervenir
1
2
3
4
10: Démarche pour l'utilisation des cartes de contrôle
Prélever un échantillon de taille n
toutes les h heures
calculer X
reporter X sur la carte
non
X se trouve entre
LS1 et LC1 ou
entre LS2 et LC2
La moyenne X
se trouve entre
LS1 et LS2
oui
oui
Procéder à un nouveau prélèvement
non
Calculer X et porter X sur la carte
X se trouve au-delà
de LC1 ou de LC2
oui
Réglage et essai
X se trouve entre
LS1 et LC1 ou
entre LS2 et LC2
non
11: La Capabilité
( voir livre page 17 à page 18 )
C'est un indicateur qui va permettre de vérifier si le processus est apte à
produire des pièces conformes
La capabilité est exprimée par un chiffre. C'est la mesure du rapport entre
la performance réelle d'une machine ou d'un procédé et la performance
demandée.
Performance demandée:
C'est l'intervalle de tolérance
Performance réelle:
C'est la distribution des relevés
La distribution est à l'intérieur de l'IT:
: pièces conformes
La distribution n'est pas à l'intérieur de
l'IT:
: pièces non conformes
IT
Il y a 2 indicateurs de capabilité:
la capabilité machine ( s'intéresse à la dispersion instantanée )
La capabilité du procédé ( s'intéresse à la dispersion globale )
11.1: La capabilité machine
Pour déterminer la valeur de la capabilité machine, les relevés doivent être effectués
dans un laps de temps très court. Il faut au minimum 50 relevés consécutifs.
50 relevés
Production
temps
1: Calculer la moyenne des 50 relevés: X
2: Calculer l'écart type i ( écart type instantané en utilisant l'estimateur
de l'écart type: (n-1) = S
IT
3: Calculer le premier indice de la capabilité machine: Cm
( Permet de comparer l'IT à la dispersion )
Cm=
Ts - Ti
Cm=
ou
6i
IT
ou
6i
Cm=
IT
6S
La machine est considérée apte si Cm > 1,33
4: Calculer le deuxième indice de la capabilité machine: Cmk
( Permet de vérifier la dispersion et le centrage
de la moyenne )
2 valeurs à calculer:
Cmki=
X - Ti
3i
et
Cmks=
Ts - X
3i
X
Après calcul de Cmki et de Cmks, on retient la valeur la plus petite.
La machine est considérée bien centrée si Cmk > 1,33
11.2: La capabilité du procédé
On vérifie la capabilité du procédé sur un laps de temps long ( par exemple une semaine ).
La capabilité du procédé se détermine que si le procédé est sous contrôle ( plus de cause
assignable ).
On calcul les indices de capabilité à partir des échantillons prélevés.
1: Calculer l'écart type * ( écart type estimé )
(estimé)
=
W
dn
ou
(estimé)
=
S
bn
(Voir page 21)
1: Calculer le premier indice de la capabilité procédé: Cp
( Permet de comparer l'IT à la dispersion )
Cp=
Ts - Ti
ou
6(estimé)
Cp=
IT
6(estimé)
Le procédé est jugé capable si Cp > 1,33
2: Calculer le deuxième indice de la capabilité procédé: Cpk
( Permet de vérifier le centrage de la moyenne )
2 valeurs à calculer:
Cpki=
X - Ti
3(estimé)
et
Cpks=
Ts - X
3(estimé)
Après calcul de Cpki et de Cpks, on retient la valeur la plus petite.
Le procédé est considéré bien centré si Cpk > 1,33
11.3: interprétations des résultats
Calcul de Cm; Cmk
non
Cmk < 1,33
Machine
capable pour la
dispersion et
bien centrée
oui
Cm < 1,33
oui
Machine
capable pour la
dispersion mais
mal centrée
Intervention,
réglage
non
Cmk < 1,33
Situation
impossible
-Changer de moyen de
production
- améliorer le moyen
- modifier l'IT avec
l'accord du BE
- contrôle à 100%
Non satisfaisante
oui
Machine non
capable pour la
dispersion mais
bien centrée
intervention
satisfaisante
non
Exemple d'application: Sur une machine de production, on veut surveiller une cote
de 28,4  0,05. Pour cela, on procède à l'usinage d'un échantillon de 50 pièces.
Les résultats sont les suivants:
N° pièce
mesure
N° pièce
mesure
N° pièce
mesure
N° pièce
mesure
N° pièce
mesure
1
28.39
11
28.38
21
28.39
31
28.4
41
28.39
2
28.39
12
28.39
22
28.39
32
28.4
42
28.39
3
28.4
13
28.39
23
28.38
33
28.41
43
28.38
4
28.39
14
28.38
24
28.39
34
28.41
44
28.39
5
28.4
15
28.39
25
28.38
35
28.43
45
28.38
6
28.39
16
28.39
26
28.4
36
28.41
46
28.4
7
28.4
17
28.41
27
28.4
37
28.4
47
28.39
8
28.39
18
28.41
28
28.4
38
28.41
48
28.38
9
28.36
19
28.42
29
28.37
39
28.42
49
28.38
10
28.38
20
28.37
30
28.39
40
28.41
50
28.38
Calculer Cm et Cmk et conclure sur la capabilité de la machine.
Corrigé:
X =
Cm =
28,393
i = (n-1) =
Cm = 0,1 / 6x0,01379 =
IT / 6 (n-1)
Cmks =
Cmki =
Ts - X
3i
X - Ti
3i
0,01379
=
1,377
=
1,039
1,208
Conclusion:
1 < Cm < 1,33
1 < Cmki < 1,33
Machine non capable
11.4: Evaluation graphique de la capabilité
La capabilité machine peut être évaluée " au pied de la machine " sans
calcul particulier, de façon graphique, par la DROITE DE HENRY
Cette méthode permet de:
- vérifier si la loi est normale
- d'évaluer graphiquement:
- la moyenne X
- la dispersion ( 6  )
- la capabilité
- les pourcentages des défectueux
Reprendre l'exemple précédent et compléter le graphique
en suivant la méthode suivante:
Méthode de tracé de la droite de Henry
- Renseigner l'entête du document
- porter les valeurs relevées dans l'ordre de la production
- Evaluer l'étendue des valeurs
- Déterminer le nombre de classes ( maximum 10 )
- Déterminer l'intervalle de classe
Voir carte
- centrer les classes sur le graphique ( du bas vers le haut )
- Réaliser le décompte des valeurs dans chaque classe ( 1 tiret par valeur, 5
valeurs maxi par case )
- Compléter les colonnes: f;  f;  f%
- Porter les points correspondant aux pourcentages sur le graphique à partir
de l'échelle inférieure. Les points sont situés sur les lignes en face des
flèches.
- Tracer la droite de régression la mieux ajustée aux points ( droite de Henry
- Tracer les limites de tolérance en trait gras
- Evaluer visuellement la moyenne X ( moyenne estimée )
- Estimer la capabilité ( 8 s )
- En déduire sigma estimé ( s )
- Estimer les pourcentages de défectueux mini et maxi
- Calculer les indices de capabilité machine et conclure
12: Les cartes de contrôle petites séries
Elles sont utilisées pour des séries de moins de 20 pièces et sont basées sur le
principe du MSP:
Amélioration de la production:
- éviter les tâtonnements pour trouver le bon réglage
- éviter les réglages inutiles
- régler la machine avant de produire une pièce hors tolérance
Diminution des rebuts:
- importants dans le cas des petites séries car "tâtonnement"
Amélioration de la traçabilité:
- écrire sur une carte de contrôle permet d'améliorer le suivi des lots
12.1: Démarche pour remplir la carte petites séries
Etape 1: Remplir l'entête
Etape 2: Calcul des limites de contrôle pour la moyenne et l'étendue
Placer les résultats dans le tableau
Si il y a 5 pièces alors on calcule 5 limites
Voir carte
Formules:
Pour la moyenne
Pour l'étendue
LSCx = Cible + A
LSCR = D6
LICx = Cible - A
LICR = D5
Valeurs des coefficients
 est estimé à
partir de
l'historique des
productions
Exemple: On usine une série de 5 pièces dont on surveille la cote de 200,1 sur
une machine avec un  = 0,013. On prendra comme valeur cible 0
Calcul des limites pour la moyenne:
1ière pièce:
A=3
===> LSC = 0 + 3 x 0,013 = 0,039
LIC = 0 - 3 x 0,013 = -0,039
2ième pièce:
A = 2,12 ===> LSC = 0 + 2,12 x 0,013 = 0,027
LIC = 0 - 2,12 x 0,013 = -
3ième pièce:
0,027
A = 1,73 ===> LSC = 0 + 1,73 x 0,013 = 0,022
LIC = 0 - 1,73 x 0,013 = -0,022
4ième pièce:
A = 1,5
===> LSC = 0 + 1,5 x 0,013 = 0,019
LIC = 0 - 1,5 x 0,013 = -0,019
5ième pièce:
A = 1,34 ===> LSC = 0 + 1,34 x 0,013 = 0,017
LIC = 0 - 1,34 x 0,013 = -0,017
Calcul des limites pour l'étendue:
1ière pièce:
D6=0
===> LSC =
D5=0
LIC =
2ième pièce:
D6 = 3,69 ===> LSC = 3,69 x 0,013 = 0,048
3ième pièce:
D6 = 4,36 ===> LSC = 4,36 x 0,013 = 0,056
4ième pièce:
D6 = 4,69
===> LSC = 4,69 x 0,013 = 0,061
5ième pièce:
D6 = 4,91
===> LSC = 4,91 x 0,013 = 0,064
Etape 3: Tracer les limites de contrôle des moyennes et des étendues
Attention au choix de l'échelle
Etape 4: Usiner la première pièce
- mesurer la dimension de la caractéristique surveillée
- écrire le résultat de la mesure ( X1 )
calculer: total = mesure
X = mesure
R = ( n'existe pas )
reporter le point associé à X et celui associé à R
Exemple: mesure = 20,03
donc écart = 0,03
Etape 5: Usiner une autre pièce
- mesurer la dimension de la caractéristique surveillée
- écrire le résultat de la mesure ( X2 )
donc: total = X1 + X2
Exemple: mesure = 20,01
X = (X1 + X2) / 2
donc écart = 0,01
reporter les points
R = X2 - X1
total = 0,04
X = 0,02
R = 0,02
Etape 6: Et ainsi de suite en surveillant que les limites ne soient pas dépassées
Exemple: mesure = 20,02
donc écart = 0,02
total = 0,06
X = 0,02
R = 0,01
total = 0,1 X = 0,02,5
R = 0,02
reporter les points
Exemple: mesure = 20,04
donc écart = 0,04
reporter les points
1 point est hors limite
Il faut effectuer un réglage
Valeur du réglage = K x écart
Voir tableau de K pour réglage
Réglage = 4/5 x 0,025 = 0,02 mm
Après réglage de la machine, on change de carte de contrôle. On
considère un nouvel échantillon de façon à ne pas inclure dans les causes
connues, les variations du réglage.
Exemple: mesure = 20,02
donc écart = 0,02
total = 0,02
reporter les points
X = 0,02
R=