IND 2501 Ingnierie de la qualit matrise statistique des processus : SPC

SPC 1

Mthodes statistiques de la qualit : Statistical Quality Control chantillonnage des lots : Acceptance Sampling cartes de contrle de Shewhart: Statistical Process Control (SPC) p n i t nd x i c s Design Of Experiment (DOE) - Taguchi l i ai p r n e : af o e c e analyse des modes dfaillances : Failure Mode Effect Analysis (FMEA) dploiement fonction qualit : Quality Function Deployment (QFD) analyse de fiabilit Contrle Statistique des Processus : SPC de base types de cartes : attribut comptage mesure po e s s rc su d implantation exemples avec Statistica guide pour analyser des donnes en management et en ingnierie

SPC 2

Analyse de capacit (capabilit) des processus mthodologie indices lien avec la stratgie 6 sigma Analyse de capacit des processus de mesure : R&R Reproductible & Rptitivit mthodologie critres exemples SPC : cartes avances moyenne mobile MA moyenne mobile poids exponentiel EWMA cumulative somme CUSUM 2 multivariable T de Hotelling Stratgie de management qualit SIX SIGMA stratgie organisationnelle mthodologie DMAIC : Define Mesure Analyze Improve Control mthodologie DFSS : Design For Six Sigma

SPC 3

SPC 4

SPC 5

______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Mthodes du contrle (matrise) statistique de la qualit

O ?
RCEPTION et EXPDITION

QUOI : MTHODES
PLANS D'CHANTILLONNAGE LOTS (Acceptance sampling) : contrle qualit produit CARTES de CONTRLE et ANALYSE de CAPACIT (SPC) PLANIFICATION D'EXPRIENCES (DOE - Taguchi) TUDES FIABILIT (accelerated testing)

matires premires produits semi finis

produits regroups en lots

PRODUCTION et ASSEMBLAGE OPTIMISATION PRODUITS PROCDS TESTS ESSAIS en ACCLRS

SUIVI QUALIT et FIABILIT PRODUITS en SERVICE DESIGN de PRODUITS et PROCDS et SERVICES

MTHODES D'ANALYSE STATISTIQUE

QFD (Quality Function Deployment) PLANS D'EXPRIENCES ANALYSE TOLRANCE

______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

concept central : P R O C E S S U S
RESSOURCES APPROVISIONNEMENT MATRIAUX QUIPEMENTS PERSONNEL
CARACTRISTIQUES CRITIQUES pour la QUALIT :

PROCESSUS tapes mthodes procdures

PRODUIT ou SERVICE

PARAMTRES MESURABLES et CONTRLABLES

VALEUR AJOUTE

- MESURES - COMPTAGES - ATTRIBUTS

X1, X2, X3,

fonction de transfert f

Y =f (X1, X2,..)
Les cartes de Shewhart (contrle) sont appliques ces variables

______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

2 PROCESSUS INSPARABLES

rle 2

rle 1

Fabrication
rle 3

pice

Mesurage

Rsultat Y

TYPE inspection : humain comptage mesure : appareil

DISTRIBUTION de Y

Classement 0 12 ,, , 3 .8 45 2 .

Cas m n . Bn m a : o 1 l e e t . i i e 0 u s o l C m tg . oso o pa e . i n P s Me ue(ai l)N r a (asin e sr vr be . om l g us n ) a e e

Les 3 RLES DES DONNES rle 1

analyser le processus de mesurage : R&R REPRODUCTIBLE ? RPTIVIT ? classer la pice : conforme ou non conforme ? (exigences, spcifications, tolrances) analyser le processus de fabrication : tude de capacit STABLE ? CAPABLE ?
IND2501 Ingnierie de la qualit fvrier 2004 4

rle 2

rle 3

______________________________________________________________________________

Bernard CLMENT, PhD

CONSTATS UNIVERSELS
La qualit du produit dpend du processus. Le processus doit tre tudi avec le produit. Le comportement du processus varie dans le temps
La VARIABILIT est TOUJOURS PRSENTE

Sans surveillance, TOUS les processus se dsorganisent et se dgradent : ENTROPIE

Pour s'en sortir, une solution qui a fait ses preuves :

CARTES de CONTRLE des PROCESSUS
remarque : le terme CONTRLE prte beaucoup de confusion. Les cartes ne contrle pas le processus mais elles donnent une image du COMPORTEMENT d po e s s p rtr d i d u rc su a l em ir e i n ae mesures sur l po u .I ea pa l d p e rc s c r s e rd i l ri rfrb p l e at : t s t e a e e cartes de comportement du processus Les cartes permettent

d'analyser les fluctuations de Y de quantifier ces fluctuations de comprendre deux catgories de variabilit de rduire la variabilit de statuer si le processus est STABLE (concept dfinir) d'valuer la capacit du processus li d d a e indices ( dfinir) relativement des limites de spcification (tolrances) En rsum
les cartes de Shewhart constitue un BILAN de SANT du PROCESSUS

______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Les 4 TATS POSSIBLES d'un PROCESSUS

STABLE ? OUI OUI CAPABLE ? NON NON

1 Situation confortable produits conformes 100% situation jamais acquise de manire permanente en profiter pour amliorer le processus 2. Cas limite Amliorer le processus pour aller en 1 Diminuer la dispersion ou revoir les limites de spcification 3. Processus au bord du chaos produits conformes 100% mais tat de courte dure processus instable et tout peut arriver il faut trouver les causes assignables (spciales) et stabiliser le processus pour se ramener au cas 1 ou 2 4. Situation chaotique Il faut faire des amliorations importantes pour stabiliser remarque : le concept de capacit ne fait de sens que si le processus est stable : cas 1 et cas 2 seulement PRIORIT : STABILISER en premier et ensuite RENDRE CAPABLE
IND2501 Ingnierie de la qualit fvrier 2004 6

______________________________________________________________________________

Bernard CLMENT, PhD

Distinction fondamentale : 2 types de variabilit

lment Shewhart Deming source causes nombre causes effet cause prsence pices affectes limination ou rduction correctif responsabilit type 1 TYPE type 2 cause non assignable (alatoire) cause commune interne processus grand faible chronique / systmatique toutes modification /re conception du processus global direction - dfaut de design - qualit matire premire - rglages imprcis - formation insuffisante - documentation inadquate - maintenance prventive - quipement inadquat

cause assignable cause spciale externe processus petit fort sporadique quelques unes au fur et mesure local personnel 1er niveau

exemples - matire premire dfectueuse -fuite tuyau - c a g m n d p rtu h n e e t ae r o -. - 5 M : mthodes, machines matriaux,. personnes, mesures, environnement

DFINITION Le PROCESSUS est STABLE si seulement des causes communes sont en jeu dans le processus. dfinition statistique : les paramtres de la distribution (population) de Y sont constants et ne changent pas dans le temps COMMENT reconnatre la STABILIT ?: La seule mthode est lobservation du processus par chantillonnage et la production d'une carte de contrle selon les principes dvelopps par Shewhart
______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Gense des cartes

inventeur : Walter Shewhart en 1924 ( General Electric ) ide de base : sparer les 2 types de variabilit ( page 7 ) CAS

N ( ) , , CONNUS LCLX = 3 CLX =

LCLX et UCLX seront appeles limites naturelles de variabilit en analyse de capacit

UCLX = +3

P ( LCLX X UCLX ) = 0.9973 1 chantillon de taille n : x 1 , x 2 , .x n : X = . , LCLXbar = A ; UCLXbar = + A ;

i / n = Xbar

A = 3/ n

P [ LCLXbar X UCLXbar ] = 0.9973

CAS ( ) INCONNUS ,
estimation des paramtres k chantillons de taille n : x i 1 , x i 2 ,. x i n . , Xbar i = X i =12 , ,, k

x i n / n
=

; R i = max( x i j) min (x i j) ; S i = [ ; S=

xij (

- Xbari ) /( n-1) ]

0.5

Xbar i / k ; R = R i / k

S i

/k

estimation sans biais de :

= R / d2 ;

ou

= S / c4

remarque : les constantes d2 et c4 dpendent de n ( voir p. 10) limites de contrle : Xbar et R des moyennes Xbar avec R des moyennes Xbar avec S des tendues R des carts types S : : : : X X Xbar et S

A 2R A 3S

; ;
et et

= 3 / ( d2 ) n

A 3 = 3 / ( c4 ) n UCL R = D 4 R UCL S = B 4 S

LCL R = D 3 R LCL S = B
3

AUTRES CAS : attributs et comptages Attributs : base loi binomiale Comptages : base loi de Poisson ( formules page 10 )

______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Cartes de contrle de Shewart

EXEMPLE : carte Xbar (moyenne) & R (tendue) jour mesures Xbar R jour mesures D 1 144 150 180 158.0 36 18 128 113 104 O N N E S
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 193 235 198 168 116 88 138 200 211 145 80 95 127 167 181 158 210 233 190 137 85 111 160 245 201 102 101 90 152 178 173 147 225 228 178 121 65 120 179 248 155 83 106 107 159 199 163 134 209.9 232.0 188.7 142.0 88.7 106.3 159.0 231.9 189.0 110.0 95.7 97.3 142.7 181.3 172.3 146.3 32 7 20 47 51 32 41 48 56 62 26 17 32 32 18 24 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 113 135 133 105 72 126 156 181 250 157 157 131 118 99 127 122 145 125 95 97 132 163 180 205 148 139 125 115 79 135 108 158 112 63 112 144 170 202 175 140 121 11 92 111 130

Xbar R
115.0 24 114.3 14 146.0 23 123.3 21 87.7 42 93.7 40 134.0 18 163.0 14 187.7 22 210.0 75 148.3 17 139.0 36 89.0 120 108.3 26 96.3 32 130.7 8 __________

X-bar and R Chart; variable: X_E6

Histogram of Means 260 240 220 200 180 160 140 120 100 80 60 0 1 2 3 4 5 6 7 8 5 10 15 20 25 30 X-bar: 143.52 (143.52); Sigma: 19.927 (19.927); n: 3.

178.03 143.52 109.00

Histogram of Ranges 140 120 100 80 60 40 20 0 -20 0 2 4 6 8 10 12 14 16 18 5

Range: 33.727 (33.727); Sigma: 17.702 (17.702); n: 3.

86.834 33.727 0.0000 10 15 20 25 30

LIMITES de CONTRLE STATISTIQUE Rgle des 3 sigma de Shewhart Ligne Centrale Limite Suprieure Limite Infrieure CL = moyenne UCL = moyenne + 3 * (variabilit) LCL = moyenne - 3 * (variabilit)

______________________________________________________________________________

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

CRITRES de processus hors contrle

1 un point situ l'extrieur de l'intervalle (LCL , UCL)
est le signal d'une instabilit du processus

autres rgles dites Western Electric

zone A : entre 2 et 3 sigmas zone B : entre 1 et 2 sigmas zone C : entre 0 et 1 sigmas

2a : 2b : 2c : 2d : 2e : 2f :

2 points sur 3 points conscutifs dans la zone A 4 points sur 5 points conscutifs dans la zone B 9 points conscutifs d ns u c t d l l n c nrl C e l o e a i e e ta L u g e 6 points conscutifs croissants (ou dcroissants) 14 points conscutifs alternant entre croissance et dcroissance 15 points conscutifs dans la zone C

zone A zone B zone C zone C zone B zone A

Questions se poser pour rechercher la cause du hors contrle

employs ont-ils peur de rapporter de mauvaises nouvelles?

Bernard CLMENT, PhD IND2501 Ingnierie de la qualit

di e c d p i o d lp ael m t o ed m sr ? f rn e e r cs n e p ri/ h d e e ue f i a diffrence de mthodes employes par le personnel ? processus aff cp r v o n m n, . tm aue h m dt? e t a lni n e e t e .e p rtr, u ii e r g p o e ss f e t p r ue rc su af c a lsr? u nouveau personnel ? changement d n u po e ss matires premires, information ? p t rc su : i processus affect par la fatigue du personnel ? changements dans les procdures/instructions travail ? maintenance prventive a-t-elle t faite? processus est ajust frquemment ou inutilement? il chantillons provenant des diffrentes quipes de travail?

______________________________________________________________________________ 10

fvrier 2004

Limites de contrle : formules

CARTES pour des variables de type mesure Donnes groupe i ( i =12, k ) : x i1 , x i2 , , x in , ,
Xbar i moyenne du groupe i de n observations Ri Si mR i Xbar Rbar Sbar mR tendue du groupe i cart type du groupe i Xbar i = xij / n
2

R i = max(xij ) min(xij ) S i = [ ( ij x Xbar i )

/( n-1) ] 0.5

tendue mobile = | X i i-1 | : observ. ordonnes dans le temps et n = 1 X moyenne des k moyennes Xbar i : moyenne des k tendues Ri : : moyenne des k carts types S i moyenne des tendues mobiles mR Xbar = X a i / k br Rbar = Ri / k Sbar = Si / k : mR = m i /( k ) R 1

Caractristique
n 2 moyennes ( Xbar & R ) ( Xbar & S) tendues ( R ) carts types ( S ) n = 1 type np p c u n A 2 2 1.880 3 1.023 4 0.729 5 0.577 6 0.483 7 0.419 8 0.373 9 0.337 10 0.308 individuelles ( X )
CL LCL

CL
Xbar Xbar Rbar Sbar Xbar

LCL
Xbar - A2* Rbar Xbar 3* Sbar A D3* Rbar B3* Sbar Xbar 2.66* mR
UCL

UCL
Xbar + A2* Rbar Xbar + A3* Sbar D4* Rbar B4* Sbar Xbar + 2.66* mR

CARTES pour des attributs et comptages

npbar pbar cbar ubar npbar [ n pbar( 1 3 pbar )]
0.5 0.5

npbar + 3 [ n pbar ( 1 pbar )]

0.5 0.5

pbar 3 [ pbar ( 1 pbar ) /n i ] 0.5 cbar 3 ( cbar ) ubar - 3 ( ubar /n i ) B 3 0 0 0 0 0.300 0.118 0.185 0.239 0.284
0.5

pbar + 3 [ pbar ( 1 pbar ) /n i ] 0.5 cbar + 3 ( cbar ) ubar + 3 ( ubar / n i )

0.5

CONSTANTES employes dans les cartes de Shewhart

A 3 2.659 1.954 1.628 1.427 1.287 1.182 1.099 1.032 0.975 B 4 3.267 2.568 2.226 2.089 1.970 1.882 1.815 1.761 1.716 D 3 0 0 0 0 0 0.076 0.136 0.184 0.223 D 4 3.268 2.574 2.282 2.114 2.096 1.924 1.864 1.816 1.777 d 2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078 c 4_ 0.798 0.886 0.921 0.940 0.952 0.959 0.965 0.969 0.973 d 3 ___ 0.853 0.888 0.880 0.864 0.848 0.833 0.820 0.808 0.797

______________________________________________________________________________ 11

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Dfinition et provenance des constantes employes dans les cartes de Shewhart

Soit X1, X2, X3,,, Xn un chantillon de taille npo e a t el (population) rv n n d n o u i 2 gaussienne centre et d c rt e: N (, ). aty p Les variables X1, X2, X3, , Xn sont indpendantes et identiquement distribues N (, 2 ) Posons R = max(X1, X2, X3, , Xn) min (X1, X2, X3, , Xn) l tendue de lc a to h ni n l l Xbar = X / n : la moyenne de lc a to h ni n l l i S = [ ( i Xbar) X
2

/( n-1) ]

0.5

lc rt e de lc a to aty p h ni n l l

R, Xbar et S possdent des distributions (lois) h ni n a e d c a to n g . l l Les principales caractristiques (moyenne et cart type) de ces distributions sont : moyenne de Xbar = E(Xbar) = cart type de Xbar = ET(Xbar) = / n moyenne de R cart type de R moyenne de S o = E(R) = d 2 = ET(R) = d 3 = E (S) = c 4 [(4n-4) / (4n -3)]
0.5

d 2 = n/2 ) / -1)/2] *[2/(n-1)] ( [(n

d 3 : son calcul n c si l tgai n mi ed n e pe s n e se rt n u r u e x rsi t i n o q u o dont nous ne donnerons pas la formule ici

( r ) = fonction gamma = A 2 = 3 / (d 2 n) A3=3/(c4 n) B 3 = 1 3 (1 c 4 2 ) B 4 = 1 + 3 (1 c 4 2 ) D 3 = 1 3 ( d 3 / d 2 ) D4=1+ 3(d3/d2)

x
0
0.5 0.5

r- 1

e x dx

r>0

/c4 /c4

______________________________________________________________________________ 12

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Principes de Shewhart pour la construction des cartes

1. Les limites de contrle sont toujours places 3 carts types de la ligne centrale. 2. Les limites pour les mesures doivent toujours tre bases une estimation de la variabilit du processus (sigma) calcule avec l m y n ed nensemble de k a oe n u indicateurs de dispersion (tendue R ou cart-type S). important : ne jm i cl lr t a a a u lsimation de la variabilit du processus (sigma) s ce e avec toutes les donnes en seul groupe 3. L s o n e d i n poe i d np nd c a tln a eet doivent tre organises e d n s ov t rv n l h nio n g e r u a l en groupes rationels pour quelles soient utiles. 4. L rai t no e te r ed i r a i d n m n ea po r ea xc n a sn e g n ai u nrpi ot gr e a ir p rpi u o n i a c s o s o s u s no v l s u r sl n d lp l aind s ats uel q i u e t e p ct e t a i o e cre .

Les mythes en SPC

Il est FAUX que : les mesures doivent provenir d n distribution gaussienne. e u exception : la carte valeurs individuelles et tendues mobiles XmR. la base du SPC est le thorme central limite. les mesures doivent tre indpendantes : moins d n auto corrlation e u leve (au moins 0.80) on peut employer les cartes de base comme la carte Xbar et R. les observations doivent tre en contrle statistique pour tre places
sur une carte.

les limites de contrle peuvent tre places 2 * sigma.

Remarque Il y a une seule dfinition pour les limites de contrle : 3* sigma Tout autre choix k * sigma conduit ; k 3

trop de fausses alarmes si

un manque de dtection de signaux potentiels si k > 3

______________________________________________________________________________ 13

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Dmonstration de la rgle 3 sigma de Shewhart : simulation de 10 000 observations provenant de 4 distributions avec =0 e =1 t
Cas : carte Xbar et R
DISTRIBUTION

figure

% dans ( -3 , 3 )
n = 1

% moyennes Xbar ( LCLXBar, UCLXbar )

% tendues R ( LCLR, UCLR )

Uniforme

- 3 0 3

100

4 10

100.0
100.0 99.7

100.0
100.0 100.0

Triangulaire

-1.45 0

2.95

100

4 10

99.9 99.5

99.5

100.0 100.0

99.9

Gaussienne

-3

99.7

4 10

99.7 99.6

99.7

99.5 99.5

99.0

Exponentielle

-1

98.2

4 10

99.0 99.3

98.8

97.4 96.0

97.4

CONCLUSION L fr d l d tb t n( o u t n) in n s p s a ome e a ir ui p p l i d r i t a si o ao og e e importante l s u lna pq e l rg d 3s ma d o q e p lu a l e i s e r o i e g Shewhart pour dtecter des causes spciales (assignables) de variabilit.
exception :lypothse de distribution gaussienne (normale) approximative h est ncessaire dans le cas de la carte valeurs individuelles et tendue mobile XmR

______________________________________________________________________________ 14

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

Production de cartes avec STATISTICA

CARTES de BASE : choix entre 7 types de cartes MESURE n ATTRIBUT n COMPTAGE n Xbar&R 29 p variable XmR 1 Xbar&S 10 et plus

np constant

c u a eo p r n a ed p otn i p ot i r ut i pr i r o ut dfaut dfaut constant variable

HYPOTHSES sur les DISTRIBUTIONS

MESURE : toute distribution (voir page 14) sauf pour la carte XmR COMPTAGE : distribution Poisson ATTRIBUT : distribution Binomiale

CARTES AVANCES : pour des mesures ( variables ) : EWMA, CUSUM, MULTIVARIABLE, .

______________________________________________________________________________ 15

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

statistiques

Statistiques industrielles et Six Sigma

cartes de base

______________________________________________________________________________ 16

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

______________________________________________________________________________ 17

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

IMPLANTATION d'une CARTE

Choisir les processus importants (critiques) Choix d'une variable de rponse Y : mesure, comptage, classement; les mesures sont prfrables aux attributs Plan de collecte des donnes -- chantillonnage de la production n pices intervalle rgulier; n entre 1 et 10 est suffisant; frquence : par exemple, chaque heure augmenter au dbut et rduire par la suite recommandation : un petit groupe de n pices souvent est mieux qu'un grand nombre de pices peu souvent Collecte des donnes et calcul des limites Avoir au moins 100 observations; par exemple 20 groupes de 5 Trs important : ne jamais calculer l'estimation de la variabilit avec toutes les donnes en seul groupe les cartes sont alors trop insensibles (limites trop larges) pour dtecter des points hors contrle sur le graphique. Pourquoi la rgle 3 sigma de Shewhart ? Cette rgle est la SEULE dfinition oprationnelle du concept de stabilit statistique. Les cartes de Shewhart sont ROBUSTES. C niu rl c l ced sd n s . o t e a ol t e o n e . n e Maintenir un journal de bord pour noter des vnements qui pourraient tre relis des causes assignables Apprendre interprter les cartes tendances : changement graduel de niveau dans le temps vers le haut ou vers le bas drives erratiques : changements sans stabilisation cycles : rptitions priodiques changement brusque (saut) de niveau

______________________________________________________________________________ 18

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

EXEMPLES avec STATISTICA

MESURES (VARIABLES) distribution quelconque exception : la carte XmR exige la normalit 1. 2. 3. Xbar et R : moyenne Xbar et tendue R ( si n 0) 1 Xbar et S : moyenne Xbar et cart type S ( si n > 10 ) XmR : valeur individuelle X et tendue mobile mR mR = | X i - X i - 1 | i = 2, 3, formation de groupes de n = 2 observations conscutives remarque : il faut que cette diffrence fasse du sens; par exemple, si les valeurs X sont relies au temps ATTRIBUT 4. 5. base : loi binomiale

p : fraction de pices non conforme chantillon de n pices ( n peut tre variable) np : nombre de pices non conforme chantillon de n pices ( n est fixe) base : loi de Poisson

COMPTAGES 6. 7.

c : nombre de non conformits (aire d'opportunit dfaut fixe) u : nombre de non conformits (aire d'opportunit dfaut variable)

REMARQUES - Pour appliquer les cartes pour les attributs il faut que les hypothses de la loi binomiale soient vrifies. - Pour appliquer les cartes pour les comptages il faut que les hypothses de la loi de Poisson soient vrifies. - Si les hypothses ne sont pas satisfaites : employer une carte XmR avec les comptages et les taux.

______________________________________________________________________________ 19

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

EXEMPLE 1 : carte Xbar et R

groupes de 4 pices mesure de rsistance en ohm Y groupe 1 2 3 . 51 observations y1 y2 5045 4350 4290 4430 3980 3925 . . 5150 5250 y3 4350 4485 3645 . 5000 y4 3975 4285 3760 . 5000

X-bar and R Chart; variable: X_E7

Histogram of Means 5400 5200 5000 4800 4600 4400 4200 4000 3800 3600 3400 3200 0 2 4 6 8 10 12 14 Range: 666.08 (666.08); Sigma: 284.65 (284.65); n: 4. 16 5 10 15 20 25 30 35 40 45 50 X-bar: 4503.2 (4503.2); Sigma: 323.54 (323.54); n: 4.

4988.6 4503.2 4017.9

Histogram of Ranges 2200 2000 1800 1600 1400 1200 1000 800 600 400 200 0 -200 0 2 4 6 8 10 12 14 16 18 5

1520.0

666.08

0.0000 10 15 20 25 30 35 40 45 50

______________________________________________________________________________ 20

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

EXEMPLE 2 : carte XmR

X = viscosit polymre en cours de production observations durant 25 heures conscutives observations ordonnes dans le temps 2838 2785 3058 3064 2996 2782 2878 2920 3050 2870 3174 3102 2762 2975 2719 2861 2797 3078 2974 2805 3163 3199 3054 3147 3156

X and Moving R Chart; variable: X_E15

Histogram of Observations 3500 3400 3300 3200 3100 3000 2900 2800 2700 2600 2500 2400 0 1 2 3 4 5 6 7 5 10 15 20 25 2563.8 2967.9 3372.0 X: 2967.9 (2967.9); Sigma: 134.71 (134.71); n: 1.

Histogram of Moving Ranges 550 500 450 400 350 300 250 200 150 100 50 0 -50 0 1 2 3 4 5 6 7

Moving R: 152.00 (152.00); Sigma: 114.84 (114.84); n: 1. 496.51

152.00

0.0000 5 10 15 20 25

______________________________________________________________________________ 21

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

EXEMPLE 3 : carte p avec n variable

inspection 100% d'un lot choisi parmi la production quotidienne chantillonnage durant une priode de 121 jours X : nombre de pices non conformes dans le lot la taille (n) du lot est variable d'une journe l'autre observations jour n X 1 3350 31 2 3354 113 3 1509 28 4 2190 20 . 121 3323 3

P Chart; variable: X_E31

Histogram of P 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00 -0.01 .01129 .00696 .00263 P: .00696 (.00696); Sigma: .00162 (.00162); n: 2645.4

0 10 20 30 40 50 60 70 80 90 100

10

20

30

40

50

60

70

80

90

______________________________________________________________________________ 22

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

EXEMPLE 4 : carte c
X : nombre de non conformit sur un circuit imprim observations 21 5 - 16 24 16 12 15 28 20 31 25 20 24 19 - 10 17 13 22 -19 - 39 - 17 - 25 30 24 16 19

C Chart; variable: x_defaut

Histogram of C 45 40 35 30 25 20 15 10 6.7628 5 0 0 1 2 3 4 5 6 7 8 9 10 11 5 10 15 20 25 20.269 C: 20.269 (20.269); Sigma: 4.5021 (4.5021)

33.776

______________________________________________________________________________ 23

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

EXEMPLE 5 : carte U
X = nombre d'imperfections sur des pices de tissus l inspecte des tissus est variable a ire observations Tissu Aire #Imp. 1 10 14 2 12 18 3 20 30 4 11 13 5 7 5 6 10 10 7 21 39 8 16 24 9 19 34 10 26 49

U Chart; variable: Imperf

Histogram of U 3.5 U: 1.5526 (1.5526); Sigma: .31960 (.31960); n: 15.2

3.0

2.5 2.2857 2.0

1.5

1.5526

1.0 .81952 0.5

0.0

-0.5 0 1 2 3 4 5 1 2 3 4 5 6 7 8 9 10

______________________________________________________________________________ 24

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

GUIDE POUR ANALYSER DES DONNES EN MANAGEMENT ET EN INGNIERIE

Le guide prsente trois catgories d'affirmations concernant - les cartes de contrle - les graphiques et les tableaux - le management.

CARTES DE SHEWHART
C1 Les cartes de contrle de Shewhart compltes avec des histogrammes, des diagrammes de flux,
des diagrammes de causes effet, des diagrammes de Pareto et des diagrammes-temps contribuent la comprhension.

C2 Les bnfices des cartes seront cachs quiconque emploient des mthodes plus traditionnelles
qui ne tiennent pas en compte correctement ou font abstraction de l'impact de la variabilit dans les donnes.

C3 Les cartes de contrle font intervenir le contexte et le processus associ. C4 L'essence des cartes de contrle est la possibilit de faire des prdictions. C5 Une carte de contrle filtre le bruit probable en vue de dtecter un signal potentiel
dans les donnes.

C6 Les cartes de contrle sont le commencement de la connaissance car elles permettent

de poser les bonnes questions.

C7 La cl de l'utilisation des cartes de contrle vient avec la pratique de la mthode de

pense qui les accompagnent.

C8 La premire erreur de l'interprtation des donnes: interprter un bruit comme un signal. C9 La deuxime erreur de l'interprtation des donnes: ne pas dtecter un signal quand il est prsent. C10 La mthode des cartes de contrle de Shewhart tablit un quilibre entre ces deux types d'erreur. C11 Un signal est un point hors contrle et reprsente une opportunit pour dcouvrir comment
amliorer un processus et obtenir un bnfice conomique.

C12 Un signal est

tout point l'extrieur des limites de contrle statistiques au moins 3 points de 4 points conscutifs plus prs des limites de contrle (zone de 2 sigmas 3 sigmas) que de la ligne centrale; 8 points conscutifs du mme ct de la ligne centrale; 8 points conscutifs croissants (dcroissants)

C13 Les donnes agrges perdent leur contexte et sont un frein leur interprtation et
leur utilisation efficace.

______________________________________________________________________________ 25

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004

GRAPHIQUES
G1 G2 G3 G4 G5 G6 G7 G8
Les graphiques sont beaucoup plus accessibles l'esprit humain que les tableaux de donnes. Un graphique peut rvler une structure intressante dans les donnes. Un tableau de valeurs submerge le lecteur de dtails secondaires. Un rsum numrique peut tre un complment un graphique mais ne peut jamais le remplacer. L'interprtation des donnes ne peut se faire indpendamment de leur contexte. L'interprtation des donnes repose sur une mthode d'analyse. Les prdictions reposent sur la connaissance, les explications n'ont pas cette exigence. Le but de l'analyse est la comprhension et la perspicacit.

MANAGEMENT
M1
Les rapports traditionnels de gestion sont remplis de multiples comparaisons d n e u caractristique entre deux priodes : mois M cumulatif anne T anne T vs vs mois M anne T-1, cumulatif anne T-1,

etc.

M2 M3 M4 M5 M6 M7 M8 M9 M10

Les rapports traditionnels de gestion constituent un pauvre moyen pour communiquer des rsultats numriques. Aucune comparaison entre 2 valeurs ne peut tre globale. Une grande diffrence de pourcentage n'est pas ncessairement l'indication de la prsence d'un signal. Une petite diffrence de pourcentage n'est pas une indication de l'absence d'un signal. Les donnes intervalles rguliers (sries chronologiques) doivent tre analyses avec des cartes de contrle valeurs individuelles et tendues mobiles. La voix du processus dfinit ce que l'on obtient. Seule une carte de contrle permet d'obtenir la voix du processus. La voix du client dfinit ce que l'on veut obtenir. Le rle du management est d'aligner la voix du processus avec la voix du client.

______________________________________________________________________________ 26

Bernard CLMENT, PhD

IND2501 Ingnierie de la qualit

fvrier 2004