ch1 CQ

ch1.
Contrôle par échantillonnage
Mohamed Ouzineb
INSEA, Rabat
Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 1/35

1. Introduction
1.1 Définitions
Le contrôle par échantillonnage est un ensemble de méthodes

de sélection au hasard d’éléments à partir d’un lot bien
déterminé, dont l’objectif est d’accepter ou de rejeter le lot en
suivant les critères fournis par le plan d’échantillonnage.

1. Introduction
1.1 Définitions
Le contrôle par échantillonnage est un ensemble de méthodes

de sélection au hasard d’éléments à partir d’un lot bien
déterminé, dont l’objectif est d’accepter ou de rejeter le lot en
suivant les critères fournis par le plan d’échantillonnage.
Plan d’échantillonnage est une méthode de prélèvement
spécifique dont l’objectif est de présenter un ensemble de
règles permettant de prendre une décision d’accepter ou de
rejeter un lot.

1.2 Motivation
Où faire l’inspection ?

contrôle final chez le fournisseur
contrôle de réception chez le client

1.2 Motivation

Objectifs :
=⇒ Accepter ou rejeter

1.2 Motivation

Objectifs :
=⇒ Tirer le maximum d’informations

1.2 Motivation

Objectifs :
=⇒ Tirer le maximum d’informations
=⇒ S’assurer de la qualité produite.

1.3 Les avantages d’un contrôle par échantillonnage
S’il y a un risque pour la vie des personnes, un contrôle

à 100% est bien sûr nécessaire


Exemple à faire en classe


Exemple à faire en classe

Le contrôle à 100% n’est pas sans risque (il peut conduire à des
erreurs et notamment à l’acceptation de pièces non conformes)

La difficulté d’assurer la conformité de tous les articles du lot

(taille, coût, ...)
⇓
Un contrôle par échantillonnage
C’est la seule alternative
Moins de manipulations du produit : moins de dommages
potentiels
Décision plus rapide pour disposer du lot
Minimise les coûts et les erreurs d’inspection.

1.4 Les inconvénients d’un contrôle par échantillonnage
⇒ Risques de mauvaises décisions
risque du producteur (Risque α)
=⇒ rejeter un lot qui en fait était bon
risque du consommateur (Risque β)
=⇒ accepter un lot qui en fait était mauvais

1.4 Les inconvénients d’un contrôle par échantillonnage
⇒ Risques de mauvaises décisions
Le risque β, (appelé aussi risque client) est la probabilité, pour
un plan d’échantillonnage donné d’accepter un lot mauvais.
Le risque α, (appelé aussi risque fournisseur) est la
probabilité, pour un plan d’échantillonnage donné de se voir
refuser un bon lot considéré comme mauvais.
courbe d’efficacité

1.5 Rapport de discrimination
Chaque entreprise peut prendre des risques mais des risques

calculés. Ces risques s’obtiennent de la courbe d’efficacité.

1.6 Types de contrôle
Le contrôle d’un critère qualitatif (contrôle par ATTRIBUT)


Le contrôle d’un critère quantitatif (contrôle par MESURES)


=⇒ critère quantitatif ⇒ critère qualitatif.


=⇒ critère quantitatif ⇒ critère qualitatif.
Formation des lots

Homogène : même machine, même opérateur, ...
taille N plus grande est préférable à taille N plus petite.

2. contrôle par ATTRIBUT
2.1 Calcul de la probabilité d’accepter un lot
Le nombre d’articles défectueux X dans le lot suit la loi binômiale

B(n,p) ( Le taux de sondage n/N ≤ 10%)
N : taille du lot, n : taille de l’échantillon .

p : pourcentage de pièces non conformes dans le lot (qualité
effective du lot).
Exemple 2.1 : N=500 (pièces identiques), n=15, p=6%.
calculer la moyenne de pièces non conformes dans

l’échantillon.
calculer la probabilité d’observer au plus 3 pièces non
conformes dans l’échantillon .
2.1 Calcul de la probabilité d’accepter un lot
Le nombre d’articles défectueux X dans le lot suit une loi de

Poisson de paramètre np. (n > 20)
Exemple 2.2 : N=2000 (pièces identiques), n=200, p=3%.
calculer la probabilité d’observer 2 pièces non conformes dans

l’échantillon .
calculer la probabilité d’observer au plus 3 pièces non
conformes dans l’échantillon .

2.2 Niveaux d’inspection
Niveau de Qualité Acceptable

NQA : le pourcentage d’articles non conformes qui ne doit pas
être dépassé pour que le lot soit accepté.
Il est déterminé par un accord commun entre le fournisseur et
le client.
NQA ≈ p95 (plans de contrôle normalisés)
Niveau de Qualité Toléré

NQT : le pourcentage d’articles non conformes dans un lot qui
devrait avoir très peu de chances d’être accepté, en moyenne.
NQT ≈ p10 (plans de contrôle normalisés)

2.3 Plans d’échantillonnage
Plans d’échantillonnage :
Plan d’échantillonnage simple;
Plan d’échantillonnage double;
Plan d’échantillonnage multiple;
Plan d’échantillonnage progressif.

2.4 Échantillonnage simple
2.7.1 schéma du plan

Exemple 2.3
N=2000 (pièces identiques)

plan simple n=200, c=5, p=2, 4, 6, 10 %.
Trouver Pa (p).

Effet de la variation de n sur la courbe d’efficacité

exemple 2.4 : Plan 1 : n=40,c=2 ; Plan 2 : n=80,c=2 ;
Plan 3 : n=120,c=2
Effet de la variation de c sur la courbe d’efficacité

exemple 2.5 : Plan 1 : n=80,c=2 ; Plan 2 : n=80,c=3 ;
Plan 3 : n=80,c=4
C’est difficile de déterminer le plan qui convient aux deux

risques. On utilise les tables standards pour définir le plan
d’échantillonnage (la taille n, le critère d’acceptation c et le
nombre de pièces non conformes dans l’échantillon avant de
rejeter le lot).

Niveau de Qualité Acceptable (NQA)

Niveau de Qualité Toléré (NQT)
Risque du producteur (Risque α)
Risque du consommateur (Risque β)
Exemple 2.6 : NQA = 1%, NQT=8% , α = 0.05 et β = 0.10.
Déterminer le plan d’échantillonnage simple correspondant

à l’aide de la table de Cameron.

2.5 Procédure d’utilisation
Lorsque les risques et les niveaux de qualité sont choisis par un

accord commun entre client et fournisseur, on passe au :
1 choix du lot à controler;
2 choix du Plan d’échantillonnage;
3 résultats du contrôle;
4 cas de non acceptation :
Mis au rebut;
contrôle à 100%;
retour au fournisseur.

2.6 Contrôle d’une série de lots
Hypothèses
Une série de lots de même provenance et de même fabrication
Des lots de même taille N
Des échantillons de même taille n
Tous les articles ont la même probabilité p d’être défectueux
Rectification
Remplacer les articles défectueux par des bons articles
Lots rejetés ⇒ lots acceptés (100%)

Qualité moyenne après contrôle (QMAC)
QMAC : la moyenne d’articles défectueux de la série rectifiée

QMAC (p) = (1 − Nn )pPa (p).

Limite Qualité moyenne après contrôle (LQMAC)
LQMAC : La plus mauvaise qualité moyenne après contrôle.
Exemple 2.7
N=4000, n=200 et c=12.

p % (qualité de lots soumis au contrôle avec rectification)
X suit B(200,p) (n/N=0.05<0.1).
Trouver LQMAC ?

Exemple2.7

2.7 Échantillonnage double

2.8 Échantillonnage multiple
Même principe que le principe d’échantillonnage double avec

un maximum de sept prélèvements consécutifs.
2.9 Échantillonnage Progressif
Le prélèvement des pièces ce fait une par une.

Accepter le lot
Refuser le lot
Prélever une autre pièce.







3. Contrôle par mesures
Se fait lorsque le caractère contrôlé, désigné par X est une

grandeur mesurable sur une échelle continue de mesure x. La
décision de réglage se fait suivant la moyenne X̄ et la
dispersion W ou σ calculées sur les individus contrôlés.
Pour mettre en oeuvre le contrôle par mesures il faut :
connaı̂tre la loi que suivent les caractères contrôlés
(généralement la loi normale)
être assuré que la variabilité de la fabrication surveillée n’est
due qu’à des causes aléatoires (soumises au hasard)
la conformité ou la non-conformité sont exprimées par une ou
deux limites de tolérance (LIC : Limite Inférieure du Contrôle
et LSC : Limite Supérieure du Contrôle).

3. contrôle par mesures
3.1 Avantages par rapport aux plans par attribut
Échantillon de plus petite taille.

Fournit plus d’informations sur le processus.
Préférable avec des NQA petits.
3.2 Désavantages par rapport aux plans par attribut
La distribution normale sert de modèle.

Le coût dé́chantillonnage est généralement plus élevé.
Plans pour chaque mesure de qualité.

3. contrôle par mesures
3.1 Avantages par rapport aux plans par attribut
Échantillon de plus petite taille.

Fournit plus d’informations sur le processus.
Préférable avec des NQA petits.
3.2 Désavantages par rapport aux plans par attribut
La distribution normale sert de modèle.

Le coût dé́chantillonnage est généralement plus élevé.
Plans pour chaque mesure de qualité.

3.3 Décision Acceptation/Rejet
Cas 1 : avec une seule limite de tolérance LIC
Une pièce i est défectueuse si xi < LIC ;

Une pièce i est non défectueuse si xi ≥ LIC ;
Cas 2 : avec une seule limite de tolérance LSC
Une pièce i est défectueuse si xi > LSC ;

Une pièce i est non défectueuse si xi ≤ LSC ;
Cas 3 : avec deux limites de tolérance LIC et LSC
Une pièce i est non défectueuse si LIC ≤ xi ≤ LSC ;

Une pièce i est défectueuse si non;

3.4 σ connu et µ inconnu
Soit p la proportion de pièces défectueuses et X ∼ N(µ, σ 2 )
Il y au plus p % de pièces défectueuses dans la population

pour µ ≤ LSC − σu1−p
u1−p quantile correspondant à p;

µ est inconnu ⇒ échantillonnage. Soit un échantillon de taille n et
X̄ la moyenne de l’échantillon non prélevé et x̄ la moyenne
√
observée dún échantillon X̄ ∼ N(µ, σ/ n).
Il y au plus p % de pièces défectueuses dans la population

pour x̄ − uA √σn ≤ LSC − σu1−p

ch1 CQ

Uploaded by

Document Information

Original Title

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

ch1 CQ

Uploaded by

Copyright:

Available Formats

ch1.

Contrôle par échantillonnage

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 1/35

Le contrôle par échantillonnage est un ensemble de méthodes

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 2/35

Le contrôle par échantillonnage est un ensemble de méthodes

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 2/35

Où faire l’inspection ?

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 3/35

Où faire l’inspection ?

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 3/35

Où faire l’inspection ?

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 3/35

Où faire l’inspection ?

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 3/35

S’il y a un risque pour la vie des personnes, un contrôle

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 4/35

S’il y a un risque pour la vie des personnes, un contrôle

Exemple à faire en classe

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 4/35

S’il y a un risque pour la vie des personnes, un contrôle

Exemple à faire en classe

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 4/35

La difficulté d’assurer la conformité de tous les articles du lot

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 5/35

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 6/35

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 7/35

Chaque entreprise peut prendre des risques mais des risques

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 8/35

Le contrôle d’un critère qualitatif (contrôle par ATTRIBUT)

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 9/35

Le contrôle d’un critère qualitatif (contrôle par ATTRIBUT)

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 9/35

Le contrôle d’un critère qualitatif (contrôle par ATTRIBUT)

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 9/35

Le contrôle d’un critère qualitatif (contrôle par ATTRIBUT)

Formation des lots

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 9/35

2.1 Calcul de la probabilité d’accepter un lot

Le nombre d’articles défectueux X dans le lot suit la loi binômiale

N : taille du lot, n : taille de l’échantillon .

Exemple 2.1 : N=500 (pièces identiques), n=15, p=6%.

calculer la moyenne de pièces non conformes dans

Le nombre d’articles défectueux X dans le lot suit une loi de

Exemple 2.2 : N=2000 (pièces identiques), n=200, p=3%.

calculer la probabilité d’observer 2 pièces non conformes dans

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 11/35

Niveau de Qualité Acceptable

Niveau de Qualité Toléré

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 12/35

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 13/35

2.7.1 schéma du plan

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 14/35

N=2000 (pièces identiques)

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 15/35

Effet de la variation de n sur la courbe d’efficacité

Effet de la variation de c sur la courbe d’efficacité

C’est difficile de déterminer le plan qui convient aux deux

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 16/35

Niveau de Qualité Acceptable (NQA)

Exemple 2.6 : NQA = 1%, NQT=8% , α = 0.05 et β = 0.10.

Déterminer le plan d’échantillonnage simple correspondant

Mohamed Ouzineb Contrôle de qualité : INSEA, Rabat 17/35