Présentation
RÉSUMÉ
Élément dynamique du système qualité, la maîtrise statistique du processus (MSP) est l’ensemble des méthodes et des actions préventives qui vise à amener un processus au niveau requis de qualité. Pour ce faire, les performances du processus de production sont évaluées, adaptées et surveillées statistiquement de façon à éviter les dérives et à maintenir la conformité du produit. Les paramètres de position et de dispersion de la population étudiée sont reportés sous forme de tracés sur les cartes de contrôle. Leur facilité de lecture en fait un outil visuel efficace pour suivre l’évolution du processus.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Françoise BOULANGER : Statisticienne, Rohm et Haas
-
Georges CHÉROUTE : Consultant, Institut Renault
-
Valérie JOLIVET : Responsable qualité, Essilor
INTRODUCTION
Ce texte est la nouvelle édition du dossier rédigé par Gérard BRUNSCHWIG et Alain PALSKY.
Un processus transforme des entrants, par exemple des matières premières, en sortants. Les sortants peuvent être des produits physiques ou des services. Le produit obtenu, physique ou non, présente des caractéristiques dont certaines sont importantes pour le client ou l’utilisateur. Cette transformation peut être différente selon le réglage de différents paramètres réglables du processus ou selon le niveau d’autres facteurs qui peuvent être subis (par exemple, la température extérieure).
Maîtriser le processus, c’est être capable de prévoir les caractéristiques du produit étant donné le niveau de l’ensemble des paramètres influents du processus. C’est aussi être capable d’ajuster les paramètres réglables du processus en fonction du niveau des facteurs influents subis pour que les caractéristiques du produit soient conformes aux attentes.
Parmi les facteurs agissant sur les caractéristiques du produit, que ces facteurs soient subis ou non, certains ont une influence très importante, d’autres moyenne, d’autres encore très faible. Comme lorsque l’on définit un produit, on admet une variabilité des caractéristiques du produit (intervalle de tolérance), on admet que certains facteurs peu influents sur les caractéristiques du produit ne soient pas identifiés et engendrent, du fait de leur fluctuation inconnue, une variabilité des caractéristiques des produits, dès lors que les caractéristiques du produit restent largement acceptables.
Pour garantir un produit conforme à des spécifications, deux solutions s’offrent au pilote du processus :
-
contrôler tous les produits si cela est possible (dans le cas d’un contrôle destructif, cela n’est pas possible) ;
-
avoir identifié l’ensemble des facteurs influents, avoir effectué les réglages pour que les caractéristiques des produits soient conformes aux attentes et avoir vérifié par le contrôle d’échantillons qu’aucun autre facteur inconnu jusque-là n’est apparu, c’est-à-dire que le résultat est conforme aux relations causes-effets déjà identifiées.
Du fait de ces définitions, deux cas d’application de la maîtrise statistique des processus (MSP) sont à distinguer :
-
les facteurs influents ne sont pas totalement identifiés : il faut observer les fluctuations du processus, déterminer lorsque des paramètres influents non identifiés apparaissent, identifier ces facteurs et trouver des parades à leur influence. Des investigations techniques sont nécessaires ;
-
les facteurs influents sont déjà totalement identifiés : il ne s’agit que de vérifier qu’il n’en apparaît pas de nouveau. Une technique de suivi avec de simples règles de réactivité en fonction d’observations, sans nécessairement l’utilisation de cartes de contrôle, peut s’avérer suffisante.
La mise en œuvre dans le premier cas (facteurs influents non totalement identifiés) ne se fera que si le rapport « bénéfices qualitatifs et quantitatifs attendus/investissement » est jugé satisfaisant. En revanche, dans le deuxième cas (facteurs influents totalement identifiés), il n’y a aucune raison de ne pas chercher à maîtriser le processus. Mais le plan de surveillance du processus doit clairement faire ressortir l’ensemble des paramètres du processus à verrouiller (et leur réglage éventuel en fonction des facteurs subis) pour garantir les produits conformes.
Ainsi, on appelle maîtrise statistique de processus (MSP), ou en anglais « statistical process control » (SPC), l’ensemble des méthodes et des actions permettant d’évaluer de façon statistique les performances d’un processus de production (au sens large), et de décider de le régler, si nécessaire, pour maintenir les caractéristiques des produits stables et conformes aux spécifications retenues. C’est un des éléments dynamiques du système qualité qui concourt à l’amélioration permanente des productions (cf. fascicule de documentation Afnor X06-030).
On entend par processus de production l’ensemble des éléments qui concourent à la production : matières premières, moyen, main-d’œuvre, milieu, méthode, que l’on représente souvent schématiquement par le diagramme des 5M (figure 1).
La MSP ne se limite pas à l’établissement de cartes de contrôle et à leur exploitation pour régler des « moyens » et maîtriser des processus : c’est une suite d’analyses qui comprend :
-
une réflexion sur le processus ;
-
une étude de l’aptitude des processus de fabrication et de contrôle, ce qui permet de choisir ou de modifier les appareillages à utiliser et de fixer correctement les spécifications ;
-
le choix et la mise en œuvre de méthodes statistiques de contrôle en cours de fabrication ;
-
le contrôle final, si nécessaire, des produits ;
-
l’exploitation des informations accumulées afin d’améliorer la connaissance du processus (identification et suppression progressive des causes de dérives).
La MSP est une méthode préventive de gestion de la qualité qui vise à amener tout processus au niveau requis de régularité de qualité et à l’y maintenir grâce à un système de surveillance statistique permettant de réagir rapidement et efficacement à des dérives, évitant ainsi la production de produits non conformes.
La MSP concerne essentiellement des fabrications de moyennes et grandes séries.
VERSIONS
- Version archivée 1 de juil. 1994 par Gérard BRUNSCHWIG, Alain PALSKY
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Mesures - Analyses > Instrumentation et méthodes de mesure > Méthodes de mesure > Maîtrise statistique des processus - Utilisation des cartes de contrôle > Capabilité d’un moyen de production, d’un processus, d’un moyen de mesure
Cet article fait partie de l’offre
Métier : responsable qualité
(252 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
3. Capabilité d’un moyen de production, d’un processus, d’un moyen de mesure
Quelle que soit la loi de distribution statistique utilisée d’une caractéristique mesurée, sa dispersion est définie comme étant l’intervalle centré contenant 99,73 % des valeurs ; cet intervalle est de six écarts-types dans le cas d’une loi normale (figure 2).
Pour une caractéristique donnée, la comparaison de la dispersion d’un processus, d’un moyen de production ou d’un moyen de mesure à l’intervalle de tolérance IT s’appelle une étude de capabilité (de l’anglais capability) qui s’exprime par un indicateur de forme générale :
Dans le cas d’une loi normale :
L’écart-type vrai de la population est noté σ. Cet écart-type est estimé à partir d’un échantillon. L’estimation la plus couramment utilisée est :
σ est estimé par s.
Remarques importantes :
-
contrairement aux variances, ces indicateurs ne peuvent s’additionner ni se soustraire ;
-
ces indicateurs n’ont de sens précis que si les lois utilisées pour estimer les dispersions correspondent approximativement à la réalité physique.
Deux grands types de dispersion sont à distinguer :
-
la dispersion intrinsèque du moyen de production qui est la variabilité observable sur un temps court pendant lequel on peut supposer que les paramètres de mise en œuvre du moyen de production n’ont pas varié (même lot de matière première, même opérateur, même environnement thermique, hygrométrique, etc.). Cette dispersion est aussi appelée dispersion du moyen de production car on l’attribue principalement à la définition du moyen de production....
Cet article fait partie de l’offre
Métier : responsable qualité
(252 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Capabilité d’un moyen de production, d’un processus, d’un moyen de mesure
Ce texte est la nouvelle édition du dossier rédigé par Gérard BRUNSCHWIG et Alain PALSKY.
BIBLIOGRAPHIE
-
(1) - CAVÉ (R.) - Le contrôle statistique des fabrications - . Eyrolles (1966).
-
(2) - JURAN (J.) - Planifier la qualité - . Coll. Afnor Gestion (1989).
-
(3) - LAMOUILLE (J.L.), MURRY (B.), POTIÉ (C.) - La maîtrise statistique des procédés (SPC). Démarche et outils - . 126 p. Coll. Afnor Gestion (1989).
-
(4) - SOUVAY (P.) - La statistique, outil de la qualité - . 289 p. Coll. Afnor Gestion (1986).
-
(5) - Aide-mémoire pratique des techniques statistiques pour ingénieurs et techniciens supérieurs - . CERESTA (1986).
-
(6) - RYAN (T.) - Statistical methods for quality improvement - . Willey (1989).
-
...
DANS NOS BASES DOCUMENTAIRES
Revues
* - Revue de statistique appliquée publiée par l’Institut Henri Poincaré de l’Université Pierre et Marie Curie
* - Qualité en mouvement (MFQ)
* - Technometrics (ASQ)
* - Journal of Quality Technology (ASQ)
HAUT DE PAGE
###
NF ISO 2859-1 - 4-00 - Règles d’échantillonnage pour les contrôles par attributs – Partie 1 : procédures d’échantillonnage pour les contrôles lot par lot, indexés d’après le niveau de qualité acceptable (NQA). - -
NF ISO 2859-1 - 10-05 - Règles d’échantillonnage pour les contrôles par attributs – Partie 3 : procédures d’échantillonnage successif partiel. - -
NF ISO 2859-4 - 5-03 - Règles d’échantillonnage pour les contrôles par attributs – Partie 4 : procédures pour l’évaluation des niveaux déclarés de qualité. - -
NF ISO 2859-5 - 10-05 - Règles d’échantillonnage pour les contrôles par attributs – Partie 5 : systèmes de plans d’échantillonnage progressif pour le contrôle lot par lot, indexés d’après la limite d’acceptation de qualité (LAQ). - -
NF ISO 5725-1 - 12-94 - Application de la statistique – Exactitude (justesse et fidélité) des résultats...
Cet article fait partie de l’offre
Métier : responsable qualité
(252 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive