Carte de Contrôle

École de technologie supérieure
Département de Gestion de la Production automatisée
GPA 776
Chapitre 4
Cours#4 & cours#5
Les cartes de contrôles par variables
Imed ZAGHBANI
GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-1

Prévention vs Détection
•Production
Erreurs •Contrôle
 Mesures
 Défauts
 Contrôle
 etc
•Ressources
 Temps
Détection
 Matériel
 Personnel
•Administration
•Contrôle
 Erreurs
 Vérification
 Fautes
 Revérification
 omission

Prévention vs Détection
Détection Prévention
• Démarche à posteriori • Démarche à priori

• Le problème persiste • Élimination à la source
toujours • Amélioration de la
• Dégradation de la qualité
qualité • Réduction de coûts
• Coûts supplémentaires

Système de contrôle de process
Méthodes
statistiques
Main d’œuvre  FUSIONS DE

Clients
Équipements 
Produits
Matériaux  NOS
Méthodes 
Milieu  RESSOURCES
Identification des
changements de
besoins et des
Inputs Process Outputs expectations
Voix de client

Variation: causes communes et causes spéciales



 Tout process possède plusieurs sources de variabilité

 Deux produits ne peuvent pas être exactement les mêmes
 La différence peut être grande ou petites, et elle est toujours là
Exemple
Sources de variabilité pour une opération de tournage:
• Machine (Usure de roulements, Jeux )
• Outil (usure, rigidité, fixation)
• Matière (dureté, pureté)
• Opérateur (centrage, prise de tangente)
• Environnement (Température, Humidité, vibrations)

 Les valeurs individuelle mesurées diffèrent

 Les valeurs individuelle mesurées tendent à former une
distribution
 La distribution de ces valeurs est caractérisée par:
 Une localisation
 Une envergure
 Une forme

Variation: causes communes
• Les causes communes (de variation) sont des sources:

 Internes de variations de process
 Stables et répétable dans le temps
• Si le process présente des causes communes de variation
seulement alors l’output de process est prédictible, on
dit que:
 Le process est maitrisé statistiquement ou
 Le process est statistiquement stable ou
 Le process est sous contrôle (in control)

Variation: causes spéciales
• Les causes spéciales (de variation) sont des sources

 externes de variations de process
 instables et sporadiques
• Si le process présente des causes spéciales de variation alors
l’output de process est imprédictible, on dit que:
 Le process n’est pas maitrisé statistiquement ou
 Le process n’est pas statistiquement stable ou
 Le process n’est pas sous contrôle (not in control)

Variation: comparaison
Causes spéciales Causes commune
Source de causes externe process interne process
Nombre de causes Petit grand
Effet de causes fort faible
Présence des cause sporadique chronique / systématique
Pièces affectées quelques unes toutes
Élimination des causes au fur et à mesure ou modification /re conception
réduction du processus
Correctif Local global
Responsabilité personnel 1er niveau direction

Variation: exemples
Causes spéciales Causes commune

Matière première défectueuse défaut de design
Fuite tuyau qualité matière première
changement d’opérateur réglages imprécis
« 5 M » : méthodes, machines formation insuffisante
matériaux, Main d’œuvre, Milieu
Mesure incorrect maintenance préventives
équipement inadéquat

Définition
Le process est sous stable si seulement des causes

communes sont présents dans le process.
Statistiquement: les paramètres de la distribution de

mesures sont constants et ne changent pas dans le temps.

Éléments de cartes de contrôle
Carte u pour Defectuosités

• Une carte de contrôle contient
– Ligne Centrale 17
LC
– Limite de Contrôle Supérieure 15 CT
Limite Supérieur LCS
– Limite de Contrôle inférieure LC
Caractéristique de qualité
• Un point dans les limites de contrôle 13
indique que le process est sous contrôle
(pour ce point) il n’y pas d’actions 11
u
Ligne centrale
nécessaires
9
• Un point hors de limite de contrôle
indique que le process n’est pas sous 7
contrôle : Une investigation et une Limite Inférieur LCI
action corrective sont nécessaire pour 5
trouver te éliminer les causes spéciales 0 Numéro
4 de l’échantillon
8 ou Temps16
12 20
(assignables) Echantillon
Section 2-2-15
Types de cartes de contrôle
• Deux types de cartes de contrôle

– Par variables (Chapitre 4)
• Échelle continue de mesure [Diamètre,
Longueur, Vitesse, Résistance,
Température]
– Pour Attribut (Chapitre 5)
• Conforme/non-conforme [go-nogo]
• Comptage [particules, pièces]
Section 2-2-16
Paramètres de cartes de contrôle
Cartes de contrôle
Pour une carte de contrôle il faut
•Taille d’échantillon
•Limites de contrôle
Pour des variables Pour des attributs •Fréquence d’échantillonnage

Choix de type de carte
Source: Optimisation de Procédé industriel A.Tahan

Carte Xbar-R

Exemple
• Contrôle de la longueur d’une pièce

• Taille de sous-groupe : 5 pièces
• Fréquence de contrôle : 1 fois/2 heures
• Suivi 6 jours
• Spécification 0.50-0.90 mm

Données
Date 08-juin-2005 09-juin-2005 10-juin-2005 11-juin-2005 12-juin-2005 15-juin-2005

temps 8 10 12 14 8 10 12 14 8 10 12 14 8 10 12 14 8 10 12 14 8 10 12 14
1 0,65 0,75 0,75 0,60 0,70 0,60 0,75 0,60 0,65 0,60 0,80 0,85 0,70 0,65 0,90 0,75 0,75 0,75 0,65 0,60 0,50 0,60 0,80 0,65
Obs 2 0,70 0,85 0,80 0,70 0,75 0,75 0,80 0,70 0,80 0,70 0,75 0,75 0,70 0,70 0,80 0,80 0,80 0,70 0,65 0,60 0,55 0,80 0,65 0,60
erv 3 0,65 0,75 0,80 0,70 0,65 0,75 0,65 0,80 0,85 0,60 0,90 0,85 0,75 0,85 0,80 0,75 0,80 0,60 0,85 0,65 0,65 0,65 0,75 0,65
atio 4 0,65 0,85 0,70 0,75 0,85 0,85 0,75 0,75 0,85 0,80 0,50 0,65 0,75 0,75 0,75 0,80 0,75 0,70 0,65 0,60 0,80 0,65 0,65 0,60
ns 5 0,85 0,65 0,75 0,65 0,80 0,70 0,70 0,75 0,75 0,65 0,80 0,70 0,70 0,60 0,85 0,65 0,85 0,60 0,75 0,65 0,80 0,75 0,65 0,70
x4
x5
2éme Sous-groupe
1er Sous-groupe

Exemple
• Pour chaque sous-groupe calculer la moyenne et
l’étendue R:
• X1,X2…Xn valeurs individuelles dans un sous-

groupe
• n la taille de sous-groupe

Les 4 premiers sous Groupes
Date 08-juin-2005
temps 8 10 12 14
1 0,65 0,75 0,75 0,60
2 0,70 0,85 0,80 0,70
3 0,65 0,75 0,80 0,70
4 0,65 0,85 0,70 0,75
5 0,85 0,65 0,75 0,65
Somme 3,50 3,85 3,80 3,40
Moyenne 0,70 0,77 0,76 0,68
Étendue 0,20 0,20 0,10 0,15

Exemple
• Pour tous les sous-groupe calculer la moyenne et
l’étendue :
• k le nombre de sous groupe

• et R1 Moyenne et étendue sous-groupe 1
• et Rk Moyenne et étendue sous-groupe k

Date 08-juin 09-juin 10-juin 11-juin 12-juin 13-juin
temps 8 10 12 14 8 10 12 14 8 10 12 14 8 10 12 14 8 10 12 14 8 10 12 14
1 0,65 0,75 0,75 0,60 0,70 0,60 0,75 0,60 0,65 0,60 0,80 0,85 0,70 0,65 0,90 0,75 0,75 0,75 0,65 0,60 0,50 0,60 0,80 0,65
2 0,70 0,85 0,80 0,70 0,75 0,75 0,80 0,70 0,80 0,70 0,75 0,75 0,70 0,70 0,80 0,80 0,80 0,70 0,65 0,60 0,55 0,80 0,65 0,60
3 0,65 0,75 0,80 0,70 0,65 0,75 0,65 0,80 0,85 0,60 0,90 0,85 0,75 0,85 0,80 0,75 0,80 0,60 0,85 0,65 0,65 0,65 0,75 0,65
4 0,65 0,85 0,70 0,75 0,85 0,85 0,75 0,75 0,85 0,80 0,50 0,65 0,75 0,75 0,75 0,80 0,75 0,70 0,65 0,60 0,80 0,65 0,65 0,60
5 0,85 0,65 0,75 0,65 0,80 0,70 0,70 0,75 0,75 0,65 0,80 0,70 0,70 0,60 0,85 0,65 0,85 0,60 0,75 0,65 0,80 0,75 0,65 0,70
Somme 3,50 3,85 3,80 3,40 3,75 3,65 3,65 3,60 3,90 3,35 3,75 3,80 3,60 3,55 4,10 3,75 3,95 3,35 3,55 3,10 3,30 3,45 3,50 3,20
Moyenne 0,70 0,77 0,76 0,68 0,75 0,73 0,73 0,72 0,78 0,67 0,75 0,76 0,72 0,71 0,82 0,75 0,79 0,67 0,71 0,62 0,66 0,69 0,70 0,64 0,72
Étendue 0,20 0,20 0,10 0,15 0,20 0,25 0,15 0,20 0,20 0,20 0,40 0,20 0,05 0,25 0,15 0,15 0,10 0,15 0,20 0,05 0,30 0,20 0,15 0,10 0,18

Limites de contrôle Xbar-R
Carte R
Carte

Les constantes D4,D3,A2
n 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D3 0 0 0 0 0 0.08 0.14 0.18 0.22
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
Source: ASTM Manual of Quality Control materials

Graphique

Exercice d’application

Analyse
•99.73% correspond à calculer les limites de contrôle à 3σ

• Si 99.73% des données tombent à l’intérieur des limites de
contrôle ( 3σ) alors 0.27% (100%-99.73%) des données sont hors
contrôle
• 0.27% est le risque α.
•Si la distribution de la caractéristique de la qualité est proche de
la distribution normale, alors le calcul des limites de contrôle à
3σ est efficace

Analyse

Exercice
•Utiliser la loi centré limite pour déterminer la probabilité d’être dans:
•La Zone C
•La Zone B
•La Zone A

Test 1: Un point dans la zone
hors contrôle

Test 2: 9-7 points ou plus, Zone C

Test 3: 6 points ou plus

Test 4: 14 points, dents des
scie

Test 5: 2 points/3 ou plus, Zone A

Test 6: 4points/5, Zone B

Zone C


Exercice
Analyser de l’exemple des cartes de la compagnie Métallo en

appliquant les 8 tests.

Exercice
Quelle est la probabilité que:

• 6 points soient dans la zone C, B, A
• 2 points sur 3 soient dans la zone A
• 4 points sur 5 soient à l’extérieur des zones C
• 8 points consécutifs soient dans la même zone
• 15 points consécutifs soient dans la zone C

Carte Xbar-s
• La taille de sous groupe n ≥ 10

• Un contrôle plus précis (sensible au faibles variation)
 Carte Xbar-s

Étapes à suivre

Exemple
• Pour la fabrication d’un produit d’éclairage une

quantité de papier d’aluminium doit être insérée dans
l’ampoule. Chaque demi heure 10 ampoules sont
pesés pour contrôler la masse de papier. Les
spécifications sont entre 19.5mg et 26.5 mg
Source: Maitrise statistique des procédé, Baillargeon G.

Collecte de données
Ampoule 1 Ampoule 2 Ampoule 3 Ampoule 4 Ampoule 5 Ampoule 6 Ampoule 7 Ampoule 8 Ampoule 9 Ampoule 10
08:30 21 22,5 21,5 22,5 22,6 23,1 22,7 24,8 22,7 21,5
09:00
09:30
10:00
10:30
11:00
11:30
12:00
12:30
13:00
13:30
14:00
14:30
15:00

Calcul
• Pour chaque sous-groupe calculer la
moyenne et l’écart type s:
• X1,X2…Xn valeurs individuelles dans le sous-

groupe
• n la taille de sous-groupe
Calcul
Échantillonnage Moyenne Écart-type
08:30 22,47 1,03
09:00 23,37 0,66
09:30 22,96 1,08
10:00 22,23 0,48
10:30 22,85 0,52
11:00 22,34 0,71
11:30 22,54 1,06
12:00 22,94 1,40
12:30 22,72 0,63
13:00 22,86 1,14
13:30 22,33 0,99
14:00 23,21 0,46
14:30 22,39 1,19

15:00 22,4 0,94

Calcul
• Pour chaque sous-groupe calculer la
moyenne globale et l’écart type moyenne:

Échantillonnage Moyenne Écart-type
08:30 22,47 1,03
09:00 23,37 0,66
09:30 22,96 1,08
10:00 22,23 0,48
10:30 22,85 0,52
11:00 22,34 0,71
11:30 22,54 1,06
12:00 22,94 1,40
12:30 22,72 0,63
13:00 22,86 1,14
13:30 22,33 0,99
14:00 23,21 0,46
14:30 22,39 1,19
15:00 22,4 0,94
16:00 22,54 1,11
22,68 0,89

Limites de contrôle Xbar-s
• Limites de contrôle pour la carte Xbar
• Limites de contrôle pour la carte s

Les constantes A3,B3,B4
n 5 6 7 8 9 10 11 12 13
A3 1.43 1.29 1.18 1.10 1.03 0.97 0.93 0.89 0.85
B3 0 0.03 0.12 0.18 0.24 0.28 0.32 0.18 0.40
B4 2.09 1.97 1.88 1.81 1.76 1.72 1.68 0.34 1.59
• Calculer les limites de contrôle pour la données précédentes

(acétates-50)

Graphique

Enduit de Phosphore
L’objectif de la mesure est d’assurer la régularité du

procédé appliquant l’enduit de phosphore sur les
filaments d’un certain type de lampes fluorescentes. Le
poids de cet enduit est mesuré sur un échantillon de 10
filaments et ceci à toutes les deux heures. Les tolérances
sont 3.4 à 5.2 mg.
Le poids (mg) est observé sur 18 échantillons présentés
sur le tableau
Source: Maitrise statistique des procédés Baillargeon G.

1-Taille de sous groupe , n=…..…, nombre de sous-groupe K=……

........ ...........
2-La moyenne générale : X ..........
.......... ...........
....... ............
3-L’écart type moyen s ...........
......... ............
4-Les limites pour la carte X
-…………………………………………………………..
-……………………………………………………………
5-Les limites pour la carte s
-…………………………………………………………..
-……………………………………………………………

Cartes pour mesures individuelles
• Parfois il est difficile de former un sous groupe pour les

mesures.
• One est obligé d’avoir une taille de sous-groupe n=1
• Carte Xbar-R n’est pas applicable
 carte X-MR

• Souvent utilisé pour le trempage des pièces dans des bassins de

produits chimiques. Par exemple pour le placage au Zinc, au
Chrome, pour les bassins de lavage ou des bassins de rinçages, etc…
• Utilisée souvent lorsque les mesures sont réparties dans le temps.
• Elle permet un temps de réponse assez rapide.
• Une carte individuelle est moins stable et plus difficile à
interpréter
• L’inconvénient majeur des valeurs individuelles est le manque
d’information.

Remarques pour X-MR
• La grandeur mesurable à contrôler doit être distribué normalement.
• Est-ce que les données suivent une distribution Normale?
• Il y a 5 outils pour aider à le savoir.
– 1. Deux outils sont purement graphiques :
• a. Histogramme (Aspect d’un histogramme d'une distribution normal
:concentration autour de la valeur moyenne)
• b. Droite de Henry [Rappel]
– 2. Deux outils statistiques:
• a. Coefficient d’asymétrie S3 (Skewness) (Si S3 est entre -0.5 et 0.5 la
courbe est symétrique) [Rappel]
• b. Coefficient d’aplatissement S4 (Kurtosis) ( Si S4 entre -3.5 et 3.5 alors
la courbe est normale) [Rappel]
– 3. Un outil est un test statistique :
• a. Test du Khi-Carré [pré-requis]

• On enregistre les valeurs individuelles xi
• On calcule l’étendue mobile R EM i
REM i xi xi 1 , i 2,3,....,k
• On calcule l’étendue mobile moyenne R EM
k
REM i
i 2
R EM
k 1
Exemple X-MR
Échantillonnage # Poids [g] Étendue mobile [g]
1 269,7
2 263,6 6,1
3 264,4 0,8
4 259,7 4,7
5 262,4 2,7
6 263,4 1
7 260,7 2,7
8 265 4,3
9 267 2
10 265,6 1,4
11 268,8 3,2
12 260,3 8,5
13 263,4 3,1
14 267,6 4,2
…… ……. ……………
28 262,2 2,3
29 271 8,8
30 264,4 6,6
31 269,8 5,4
32 266,1 3,7
33 268,7 2,6
34 261,2 7,5
35 263,1 1,9
36 264,6 1,5
37 258,7 5,9
38 262,3 3,6
39 261,2 1,1
40 262,1 0,9
Moyenne 3,89

Limites pour carte X-MR
• Limites pour carte X

3
LSC X X REM
d2 d2=1.128
3
LIC X X REM
d2
• Limites pour carte REM Pour n=2
LSCREM D4 REM D3=0
LICREM D3REM D4=3.27
Exemple X-MR
Échantillonnage # Poids [g] Étendue mobile [g]
1 269,7
2 263,6 6,1
3 264,4 0,8
4 259,7 4,7
5 262,4 2,7
6 263,4 1
7 260,7 2,7
8 265 4,3
9 267 2
10 265,6 1,4
11 268,8 3,2
12 260,3 8,5
13 263,4 3,1
14 267,6 4,2
15 264,1 3,5
…… ……. ……………
28 262,2 2,3
29 271 8,8
30 264,4 6,6
31 269,8 5,4
32 266,1 3,7
33 268,7 2,6
34 261,2 7,5
35 263,1 1,9
36 264,6 1,5
37 258,7 5,9
38 262,3 3,6
39 261,2 1,1
40 262,1 0,9
Moyenne 3,89

Graphique

# Résultat [ m] Étendue (Ri) # Résultat [ m] Étendue (Ri)
1 40,26 16 40,73
2 40,29 17 40,60
• On mesure l’épaisseur 3 40,38 18 40,40
d’un plaquage en 4 40,76 19 40,60
aluminium sur une pièce 5 40,56 20 40,60
en acier
6 40,73 21 40,48
• Les résultats de la
7 40,22 22 40,36
compagne de mesure sont
présentés sur ce tableau 8 40,04 23 40,36
• Tracer la carte de 9 40,40 24 40,67
contrôle convenable 10 40,73 25 40,52
11 40,72 26 40,43
12 40,48 27 40,34
13 40,75 28 40,20
14 40,52 29 40,62
15 40,67 30 40,52

Cartes Cumulés
• Lorsqu’il est important de détecter de faibles dérèglements de

la moyenne d’un processus, les cartes conventionnelles
deviennent inefficaces
• Les cartes cumulées utilisent l’ensemble des données passées,
qui sont cumulées aux données récentes pour accentuer tout
changement dans la moyenne du procédé.
• Dans les cartes CuSum, tous les points ont un poids égal, alors
que dans les cartes EWMA les données plus récentes ont plus
de poids que les précédentes selon un facteur de pondération

Carte de contrôle EWMA
• La carte de contrôle EWMA (Exponentially-Weighted

Moving Average)
• EWMA = moyenne mobile avec pondération exponentielle
• Utilisée pour détecter des petits changements de la moyenne
• Très utile pour les données individuelles, même si la
population n’est pas normale
• Les valeurs plus récentes ont plus de poids selon le facteur de
pondération

Carte de contrôle EWMA

Calcul des limites pour
EWMA

Illustration de calcul

Exemple

La carte de contrôle CUSUM
• Ce type de graphique montre la somme cumulative des déviations
par rapport à la valeur cible pour chacune des mesures prélevées.
• Souvent utilisé en fabrication et contrôle automatisé en temps réel
de pièces individuelles
• Souvent utilisé en contrôle chimique en temps réel d’un réactif par
mesures individuelles
• Pour déterminer si le procédé est à l’intérieur de la variation
tolérable, on place un masque V inversé sur le point le plus récent
• si au moins l’un des points est situé à l’extérieur des limites du masque,
alors on conclut que la moyenne du procédé s’est déréglée au-delà du seuil
fixé.

• Pour le calcul des dimensions du masque,
on utilise la formule :

= nombre d’écart-types que l’on veut détecter

(par exemple, 1σ)
= risque de détecter un faux changement (<5%)
= risque de ne pas détecter un vrai changement
(~5%)
= angle du masque

Exemple : carte CUSUM

Dans une procédé de Mesure C [g/l]

transformation chimique 1 8,0
On contrôle la 2 10,5
3 11,0
concentration en soufre 13
4 10,0
fois par 24 heure 5 10,0
A-Quelle type de carte peut 6 10,5
ont utiliser? 7 8,0
8 9,0
=2 9 9,5
= 0.27 % 10 11,5
= 5% 11 12,5
K/A=1:2 12 10,5
B-Déterminer les dimensions 13 9,0
de masque Cible 10,0

Vrai/Faux
Pour des cartes de contrôles
Vrai Faux
Les mesures doivent provenir d’une distribution
gaussienne
La base du SPC est le théorème central limite.
Les mesures doivent être indépendantes : à moins
d’une auto corrélation élevée (au moins 0.80) on peut
employer les cartes de base comme la
carte Xbar et R.
Les observations doivent être en contrôle statistique
pour être placées sur une carte.
Les limites de contrôle peuvent être placées à ± 2 *

sigma.

Remarques
Il y a une seule définition pour les limites de contrôle : 3*
sigma
• Tout autre choix k * sigma conduit à ;
– trop de fausses alarmes si k ‹ 3
– un manque de détection de signaux potentiels si k > 3

Carte de Contrôle

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Carte de Contrôle

Uploaded by

Copyright:

Available Formats

École de technologie supérieure

Département de Gestion de la Production automatisée

Les cartes de contrôles par variables

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-1

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-2

• Démarche à posteriori • Démarche à priori

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-3

Main d’œuvre  FUSIONS DE

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-4

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-5

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-6

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-7

 Tout process possède plusieurs sources de variabilité

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-8

 Les valeurs individuelle mesurées diffèrent

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-9

• Les causes communes (de variation) sont des sources:

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-10

• Les causes spéciales (de variation) sont des sources

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-11

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-12

Causes spéciales Causes commune

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-13

Le process est sous stable si seulement des causes

Statistiquement: les paramètres de la distribution de

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-14

Carte u pour Defectuosités

• Deux types de cartes de contrôle

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-17

Source: Optimisation de Procédé industriel A.Tahan

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-18

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-19

• Contrôle de la longueur d’une pièce

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-20

Date 08-juin-2005 09-juin-2005 10-juin-2005 11-juin-2005 12-juin-2005 15-juin-2005

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-21

• X1,X2…Xn valeurs individuelles dans un sous-

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-22

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-23

• k le nombre de sous groupe

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-24

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-25

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-26

Source: ASTM Manual of Quality Control materials

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-27

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-28

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-29

•99.73% correspond à calculer les limites de contrôle à 3σ

Source: Optimisation de Procédé industriel A.Tahan

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-30

Source: Optimisation de Procédé industriel A.Tahan

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-31

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-32

Source: Optimisation de Procédé industriel A.Tahan

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-33

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-34

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-35

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-36

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-37

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-38

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-39

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-40

Analyser de l’exemple des cartes de la compagnie Métallo en

GPA-776 – Chap. 4-Cartes de contrôle Section 2-2-41