Appliquer la maîtrise statistique des processus (MSP/SPC)

Dimension: px
Commencer à balayer dès la page:

Download "Appliquer la maîtrise statistique des processus (MSP/SPC)"

Transcription

1 Maurice PILLET Professeur des Universités IUT Annecy Université de Savoie, Laboratoire LISTIC Ancien élève de l'ecole Normale Supérieure de CACHAN Appliquer la maîtrise statistique des processus (MSP/SPC) Quatrième édition Éditions d Organisation, 1995, 2000, 2002, 2005 ISBN :

2 Chapitre 2 Les concepts de la Maîtrise Statistique des Processus (MSP) Après avoir détaillé dans le premier chapitre les aspects culturels qui conduisent les entreprises à maîtriser la variabilité des productions, nous aborderons dans ce chapitre les concepts de base de la MSP qui sont : le suivi de la variabilité et le pilotage par les cartes de contrôle l'évaluation de l'aptitude des processus par les capabilités Ce chapitre est volontairement dépourvu de calculs statistiques afin que le lecteur se consacre à l'essentiel : la compréhension des principes de base. Nous profiterons des chapitres suivants pour approfondir les concepts énoncés notamment en ce qui concerne les aspects statistiques et les cas d'application dans les situations particulières telles que les petites séries. Toutes les bases statistiques nécessaires dans cet ouvrage se trouvent dans l'annexe statistique en fin d'ouvrage. Éditions d Organisation 31

3 Appliquer la maîtrise statistique des processus (MSP/SPC) 1. Les 5 «M» du processus Tous les processus, quels qu ils soient, sont incapables de produire toujours exactement le même produit. Cela tous les opérateurs le savent bien et c est d ailleurs un des problèmes principaux auxquels les régleurs sont confrontés tous les jours. Quelle que soit la machine étudiée, la caractéristique observée, on note toujours une dispersion dans la répartition de la caractéristique. Une cote sur un lot de pièces ne fera jamais exactement 10 mm, mais sera répartie entre 9,97 et 10,03 mm par exemple. Un lot de résistances électriques dont la valeur nominale est de 10 ohms, aura en fait des valeurs comprises entre 9,9 et 10,1 ohms. Cette variabilité est incontournable et il faut être capable de «vivre avec». Ces variations proviennent de l'ensemble du processus de production. L'analyse des processus de fabrication permet de dissocier 5 éléments élémentaires qui contribuent à créer cette dispersion. On désigne généralement par les 5 M ces 5 causes fondamentales responsables de dispersion, et donc de non-qualité : Machine Main-d œuvre Matière Méthodes Milieu Méthodes Matière Gamme Milieu Machine Main-d'œuvre Figure 1 Les 5 M du Processus La méthode MSP a pour objectif la maîtrise des processus en partant de l analyse de ces 5 M. Elle apporte une plus grande rigueur et des outils méthodologiques qui vont aider les opérateurs et la maîtrise dans leur tâche d amélioration de la qualité. 32 Éditions d Organisation

4 Les concepts de la Maîtrise Statistique des Processus (MSP) Et la mesure! Nous avons coutume de ne pas placer la «Mesure» parmi les M. En effet, la mesure ne modifie pas la vraie dispersion vendue au client, mais l'image que l'on a de cette dispersion. La dispersion vue dans un histogramme sera la «somme» de la vraie dispersion de la production et de la dispersion due à l'instrument de mesure. Or ce qui crée la non qualité, ce n'est pas la dispersion vue mais la dispersion vraie. La mesure est un processus à lui tout seul avec ses propres 5M. Un préalable à la maîtrise d'un processus de fabrication et la maîtrise du processus de mesure. 2. Analyse de la forme de la dispersion 2.1. Répartition en forme de cloche L'analyse des productions sur une machine montre que, en l'absence de déréglage, la répartition des produits suit une courbe en cloche selon une loi : la loi normale. On trouve également d'autres appellations pour cette loi telle que loi de Gauss, loi de Laplace Gauss, mais nous ne rentrerons pas dans les détails statistiques au cours de ce chapitre. moyenne µ Écart type σ Modèle : loi de Gauss Observation d'un échantillon Dispersion = 6 σ Figure 2 Courbe en cloche Éditions d Organisation 33

5 Appliquer la maîtrise statistique des processus (MSP/SPC) Cette répartition se rencontre très fréquemment dans la nature et pas seulement dans le cas des machines de production. Ainsi, la hauteur des hommes en Europe suit une telle répartition. De nombreuses personnes mesurent autour de 1,73 m (la moyenne) mais peu d'hommes mesurent aux environs de 1,95 m ou de 1,50 m. Le théorème statistique à l'origine de cette convergence vers la loi normale est appelé «théorème central limite». On peut l'écrire sous la forme suivante : Tout système, soumis à de nombreux facteurs, indépendants les uns des autres, et d'un ordre de grandeur équivalent, génère une loi normale. Dans le cas d'une machine de production, nous sommes bien dans le cadre de ce théorème. En effet, de nombreux facteurs (les 5M) agissent sur la caractéristique. Ces facteurs sont en grande partie indépendants et l'ordre de grandeur de ces effets est faible dans un processus maîtrisé. Désormais, lorsque nous parlerons de la production d'une machine, nous la modéliserons par une courbe en cloche, dont les deux caractéristiques importantes seront la position et l'échelle. La position moyenne (notée X ) des pièces donne une bonne indication de la position de réglage de la machine. X représente la moyenne de l'échantillon alors que µ représente la vraie moyenne de la production (voir annexe statistique). Pour mesurer l importance des variations autour de la moyenne (facteur d'échelle), il suffit de mesurer la largeur de base de la courbe. La largeur de base de la courbe est appelée : dispersion. Nous verrons plus loin que l'on définit cette largeur de base de la courbe par un calcul statistique D = 6σ. Dans ce cas également nous devrons différentier σ qui est le vrai écart type de la population et S qui est l'estimateur de ce σ calculé à partir des données de l'échantillon. Et si la courbe obtenue n'est pas une cloche? Pour la plupart des caractéristiques obtenues en production, on devrait obtenir une courbe en cloche. Il y a quelques exceptions comme les défauts de forme ou les défauts de position où il est normal de ne pas obtenir une courbe en cloche. Mais ces cas sortent de l'objectif de ce chapitre. 34 Éditions d Organisation

6 Les concepts de la Maîtrise Statistique des Processus (MSP) Premier réglage Cause spéciale Second réglage Causes Communes -3 Cible +3 Figure 3 Courbe bimodale Dans les cas traditionnels, si une distribution n a pas la courbe en forme de cloche, c est qu il se passe quelque chose, le théorème central limite n'est pas vérifié. Il y a donc un (ou plusieurs) facteur qui agit avec un ordre de grandeur plus important que les autres. Le processus n est pas réglé sur la même position. En effet, si l on produit 50 pièces réglées sur la valeur -3, et 50 pièces réglées sur +3, on obtient la courbe figure 3. Il est donc important lorsqu on regarde une distribution de bien vérifier que la courbe à la forme d une cloche. Si ce n est pas le cas c est probablement le signe qu'un ou plusieurs déréglages importants se sont produits pendant la production Causes communes Causes spéciales On sait que dans une production, deux pièces ne sont jamais parfaitement identiques. Les dimensions précises d une pièce usinée sur une machine outil dépendent de nombreux facteurs. Il s ensuit une dispersion sur la cote que l on peut séparer en deux catégories : les dispersions dues aux causes communes, les dispersions dues aux causes spéciales. Éditions d Organisation 35

7 Appliquer la maîtrise statistique des processus (MSP/SPC) Cette dichotomie entre les causes de dispersion est une des bases fondamentales de la méthode MSP. Il convient donc de les expliciter davantage. Causes spéciales Causes communes Tolérance Maxi Cible Tolérance Mini Figure 4 Causes communes et causes spéciales Les causes communes Ce sont les nombreuses sources de variation attribuables au hasard qui sont toujours présentes à des degrés divers dans différents processus. Les statistiques étant l étude des phénomènes perturbés par le hasard, on sait modéliser le comportement des causes aléatoires, et par conséquent, prévoir la performance d un processus qui n est soumis qu à des causes communes de dispersion. De toutes manières, ces causes étant toujours présentes et de plus, en grand nombre, il faudra «vivre avec». L'ensemble de ces causes communes forme la variabilité intrinsèque du processus. Si toutes les nombreuses causes qui agissent sont d'un ordre de grandeur équivalent, alors la caractéristique doit suivre une répartition en forme de cloche. Le but de la MSP sera de ne laisser subsister que les dispersions dues aux causes communes. On parlera alors de processus «sous contrôle» Exemples de causes communes : jeux dans la chaîne cinématique de la machine ; défaut de la broche de la machine ; Éditions d Organisation

8 Les concepts de la Maîtrise Statistique des Processus (MSP) Les causes spéciales Ce sont les causes de dispersion identifiables, souvent irrégulières et instables, et par conséquent difficiles à prévoir. L apparition d une cause spéciale nécessite une intervention sur le processus. Contrairement aux causes communes, les causes spéciales sont en général peu nombreuses. Exemple de causes spéciales : déréglage d'un outil ; usure d'un outil ; mauvaise lubrification ;... En fait, lorsqu'on analyse les causes spéciales qui interviennent sur le processus, on s'aperçoit qu'on peut classer les causes spéciales en 2 catégories (figure 4) : celles qui agissent sur la position de la valeur surveillée (déréglage d'un outil par exemple) ; celles qui agissent sur la dispersion et donc sur la capabilité du processus (défaut de lubrification par exemple). Les cartes de contrôle (développées au 5) ont pour objectifs de prévenir l'apparition des causes spéciales et de dissocier celles qui ne nécessiteront qu'un réglage de celles qui risquent de modifier la capabilité habituellement rencontrée Processus «sous contrôle» et «hors contrôle» Processus «sous contrôle» Processus «hors contrôle» Figure 5 Processus «sous et hors contrôle» Éditions d Organisation 37

9 Appliquer la maîtrise statistique des processus (MSP/SPC) Un processus «sous contrôle» est un processus dans lequel seules subsistent les causes communes. La répartition de la production suit alors une courbe en cloche et elle est centrée sur la cible. Un processus «hors contrôle» est soumis à la présence de causes spéciales. Le résultat de la production ne suit donc pas nécessairement une courbe en cloche et la production peut être décentrée par rapport à la cible. La maîtrise de la variabilité dont nous avons montré la nécessité dans le premier chapitre consiste donc à mettre tous les processus «sous contrôle», c'est l'objectif de la MSP. 3. Surveiller un processus par cartes de contrôle 3.1. Le principe de la carte de contrôle Les limites naturelles d'un processus On a vu au paragraphe précédent, que les processus de production et même tous les systèmes étaient soumis à des variations naturelles aléatoires. Ces variations ont pour origine de très nombreuses causes que nous avons appelées les causes communes. Ces causes communes agissent de manière aléatoire sur le processus de fabrication. Ainsi, les caractéristiques fabriquées ne sont pas toujours identiques et suivent une loi de Gauss (théorème central limite). Cible - 3σ Limite naturelle inférieure σ cible Dispersion naturelle du processus Cible + 3σ Limite naturelle supérieure Figure 6 Dispersion naturelle du processus 38 Éditions d Organisation

10 Les concepts de la Maîtrise Statistique des Processus (MSP) Si la moyenne de la production est centrée sur la cible, il est donc naturel de trouver des valeurs comprises entre ± 3 écarts types (σ) de cette cible. Les valeurs «cible + 3.σ» et «cible - 3.σ» représentent les limites naturelles du processus. Tant qu'une valeur est dans ces limites, il n'y a pas de raison d'agir sur le processus, on risquerait de décentrer un processus bien centré. Si une valeur sort de ces limites, on a une forte probabilité que le processus ne soit plus centré sur la cible, il faut alors le recentrer Le pilotage par les limites naturelles Souvent, les opérateurs pilotent les processus à partir des limites de tolérance plutôt que d'utiliser les limites naturelles. Cela peut conduire à deux types d'erreurs illustrées par la figure 7. Tolérance Tolérance Pièce prélevée Limite Naturelle Dispersion Dispersion Limite Limite Cas 1 Naturelle Naturelle Cas 2 Limite Naturelle Figure 7 Pilotage à partir des tolérances Dans le cas 1, processus capable, l'opérateur prélève une pièce qui se situe à l'intérieur des tolérances. Traditionnellement, cette pièce étant «bonne», il continue sa production. Pourtant, la pièce est en dehors des limites naturelles. Le processus n'est pas centré sur la cible, il faut régler. Dans le cas 2, processus non capable, l'opérateur prélève une pièce qui se situe à l'extérieur des tolérances. Traditionnellement, cette pièce étant «mauvaise», il règle le processus. Pourtant, la pièce est dans les limites naturelles. Il est possible que le processus soit parfaitement centré. Dans ce cas on ne doit pas toucher au processus. Éditions d Organisation 39

11 Appliquer la maîtrise statistique des processus (MSP/SPC) Comme le montrent les deux exemples précédents, il faut dissocier l'action sur le processus (réglage) et l'action sur le produit (acceptation, tri, contrôle ). Les tolérances servent à déterminer si les pièces qu'on vient de faire sont bonnes ou mauvaises. Elles servent à agir sur les pièces pour décider de l'acceptation ou du refus des pièces que l'on a fabriquées. On regarde en arrière. Les limites naturelles servent à déterminer si le processus de fabrication est toujours centré sur la cible. Elles servent à agir sur le processus pour que les prochaines pièces à réaliser restent bonnes. On regarde en avant. La figure 8 montre clairement l'avantage à utiliser les limites naturelles pour piloter un processus plutôt que les limites de tolérance. Et ceci même dans le cas de petites séries avec un contrôle à 100 %. En effet, nous avons souvent entendu certains commentaires sur la MSP tels que : «Cela ne s'applique pas dans mon entreprise, je fais des petites séries» ou encore «Les statistiques me sont inutiles, je fais du contrôle à 100 %». Nous montrerons tout au long de cet ouvrage que ces raisonnements sont faux et prouvent que les personnes qui tiennent ces discours n'ont pas bien compris les fondements de la démarche MSP. Figure 8 Limites naturelles et tolérances Considérons un processus qui fabrique un lot de 25 produits au rythme de un produit par heure (petite série). Chaque produit est contrôlé (contrôle à 100 %). Si on pilote le processus à partir des tolérances, on attend de trouver un produit hors tolérance (ou au 40 Éditions d Organisation

12 Les concepts de la Maîtrise Statistique des Processus (MSP) voisinage avant d'intervenir). Si on fait un raisonnement statistique, on note beaucoup plus rapidement le décentrage du processus (hors des limites naturelles). Les produits fabriqués sont plus proches de la cible, de meilleure qualité. Le contrôle à 100 % valide les produits qui sont déjà fabriqués, le raisonnement statistique prévoit la qualité des produits que l'on va fabriquer! Dans le cas de la figure 8, dès le produit n 11, nous avions le signal statistique de décentrage, confirmé par le produit 13 (voir les règles en 4.5). Il fallait recentrer le processus avant de faire un produit défectueux. Ainsi, même dans le cas d'un contrôle à 100 % en petite série, on a intérêt d'utiliser un raisonnement statistique Pourquoi prélever des échantillons? Le travail d un régleur consiste principalement à bien régler sa machine, puis à veiller à ce que celle-ci ne se dérègle pas. Pour surveiller la position, les régleurs ont l habitude de prélever une pièce de temps en temps et de régler la machine en fonction de la mesure qu ils ont faite. Lorsque les capabilités ne sont pas excellentes, cette méthode conduit généralement à des erreurs de jugement, car on confond la dispersion de la machine avec son décentrage. L'origine de ces erreurs de jugement provient de la dispersion. En fait une mesure effectuée représente la somme de deux effets (figure 9) : un effet d'écart de réglage de la machine (systématique) ; un effet de la dispersion (aléatoire). Tolérance inférieure 1 valeur = déréglage + dispersion Cible Déréglage Tolérance supérieure Moyenne de plusieurs valeurs (on élimine en partie l'effet de la dispersion) Dispersion Figure 9 Addition du réglage et de la dispersion Éditions d Organisation 41

13 Appliquer la maîtrise statistique des processus (MSP/SPC) Pour être capable de piloter une machine, il faut arriver à éliminer l'effet de la dispersion afin de déterminer où se trouve le réglage de la machine. La seule solution est de ne pas raisonner sur une seule valeur, mais sur la moyenne de plusieurs valeurs. Le fait de faire une moyenne élimine en grande partie l'effet de la dispersion. La figure 10 et la figure 11 illustrent l'efficacité d'une moyenne par rapport à une valeur individuelle pour détecter un petit décentrage. En effet, la dispersion sur les moyennes est plus faible que la dispersion sur les valeurs individuelles dans un rapport de n (avec n le nombre de valeurs de l'échantillon). Ainsi, lorsque le processus se décentre, comme dans le cas de la figure 11, on note que la probabilité de sortir des limites naturelles est supérieure à 50 % dans le cas de la moyenne, alors qu'elle n'est que de quelques pour cent dans le cas des valeurs individuelles. On privilégiera donc systématiquement un prélèvement d'échantillons par rapport à un prélèvement de valeurs individuelles. Dispersion sur la moyenne Dispersion Probabilité de détecter le décentrage avec une seule valeur Limite naturelle sur les valeurs individuelles Limite naturelle sur la moyenne Figure 10 Pouvoir de détection d'une moyenne 42 Éditions d Organisation

14 Les concepts de la Maîtrise Statistique des Processus (MSP) Répartition des valeurs Répartition des moyennes Limite naturelle dans le cas d'une moyenne Limite naturelle dans le cas d'une valeur Probabilité de détecter le décentrage avec la moyenne Tolérance maxi Tolérance mini Probabilité de détecter le décentrage avec une seule valeur Figure 11 Intérêt de faire une moyenne Il existe cependant des cas où le prélèvement d'un échantillon n'a pas de sens ou n'est pas souhaitable. C'est le cas notamment lorsque l'on suit des paramètres «procédé» comme un écart de température. Dans ce cas, on raisonnera sur des valeurs individuelles. Nous traiterons ce cas dans les prochains chapitres La carte de pilotage (de contrôle) moyenne/étendue Dans le but d'aider l'opérateur à détecter si le processus qu'il conduit ne subit que des causes communes ou s'il y a présence de causes spéciales, Shewhart 1 a, dès le début du 20 ème siècle, mis au point un outil graphique performant appelé : la carte de contrôle. Nous avons choisi de présenter dans ce chapitre la carte moyenne/étendue car c'est historiquement la plus importante et probablement la plus utilisée. Pour une utilisation manuelle des cartes de contrôle au poste de travail par un opérateur, nous préférons cependant utiliser la carte médiane/étendue qui est plus simple. 1. W. Shewhart Economic Control of Quality of Manufactured Product Van Nostrand Co. Inc Princeton Éditions d Organisation 43

15 Appliquer la maîtrise statistique des processus (MSP/SPC) Principe de remplissage Date 23/02 Heure 6h00 6h30 7h00 7h30 8h00 8h30 8h35 9h00 9h30 Mesure Mesure Mesure Mesure Mesure Total Moyenne 0,2-0,6-0,2-0,8 0,6 2,0-0,2 0-0,8 Étendue Limite supérieure de contrôle Cible Moyenne de l'échantillon Point hors contrôle Limite inférieure de contrôle -1-2 Vérification du réglage Limite supérieure de contrôle Moyenne étendues Journal de bord Réglage Étendue de l'échantillon Figure 12 Principe d'une carte de pilotage La figure 14 montre un exemple de carte de contrôle moyennes/ étendues. Pour suivre l évolution du processus, on prélève régulièrement (par exemple toutes les heures) un échantillon de pièces consécutives (par exemple 5 pièces) de la production. Dans l exemple, on note sur la carte les écarts par rapport à la cible. 44 Éditions d Organisation

16 Les concepts de la Maîtrise Statistique des Processus (MSP) On calcule la moyenne (notée X ) de la caractéristique à surveiller et on porte cette moyenne sur le graphique (les points dans l'exemple). De même, on calcule l'étendue sur l'échantillon, c'est-à-dire la distance entre la plus forte valeur et la plus faible. On porte également cette valeur (notée R = Range en anglais) sur le graphique. À mesure que l on prélève des échantillons, la carte va se remplir et donner une image de l évolution du processus. Sur la carte des moyennes, la ligne en pointillé matérialise la valeur sur laquelle on souhaite être réglé (la cible). La ligne supérieure est appelée limite supérieure de contrôle des moyennes ( LSC X ), la ligne inférieure est appelée limite inférieure de contrôle des moyennes ( LIC X ). Les limites de contrôle inférieure et supérieure (limites naturelles du processus) déterminent une zone dans laquelle doivent se situer les valeurs portées sur la carte. Un processus sera dit «sous contrôle» lorsque les points seront répartis en forme de courbe en cloche à l'intérieur des limites de contrôle. Si un point sort de la carte de contrôle, il faut intervenir et noter cette intervention dans le journal de bord. Sur la carte des étendues, c'est le même principe de fonctionnement. Carte précédente Carte actuelle Cp Pp Ppk Cp Pp Ppk Figure 13 Carte aux médianes Éditions d Organisation 45

17 Appliquer la maîtrise statistique des processus (MSP/SPC) La figure 13 montre un autre exemple de carte de contrôle : La carte de contrôle médiane/étendue. Sur cette carte, on ne fait pas de calcul. On note les points mesurés, et on fait ressortir la tendance centrale en entourant le point central (la médiane). Cette carte est préférable à la carte aux moyennes dans le cas de remplissage manuel. En effet, bien qu'un peu moins efficace que la moyenne, elle est beaucoup plus simple à remplir et passe beaucoup mieux auprès des opérateurs. Nous reviendrons sur cette carte dans le chapitre 5. Pour la suite de ce chapitre nous nous focaliserons sur la carte la plus connue : la carte moyenne/étendue Moyenne et étendue, deux fonctions différentes Sur la carte de contrôle on ne note pas seulement la moyenne, mais également l'étendue. Les deux graphiques ont une fonction très différente car ils ne détectent pas le même type de causes spéciales. La figure 14 illustre les deux fonctions. Dans le cas 1, on note une dérive de la position du processus, il faut détecter cette dérive pour ne pas fabriquer des pièces mauvaises. La carte des moyennes détectera les dérives de position du processus. Dans le cas 2, le processus reste centré sur la cible, mais la dispersion se dégrade (par exemple une butée se desserre et prend du jeu). Il faut également détecter ce type de dérives car il conduit également à une production de mauvaise qualité. C'est l'objectif de la carte de contrôle des étendues. Dérive détectée par la carte des moyennes Cible Cas 1 Cas 2 Dérive détectée par la carte des étendues Figure 14 Carte de contrôle des moyennes et des étendues 46 Éditions d Organisation

18 Les concepts de la Maîtrise Statistique des Processus (MSP) La figure 15 illustre les deux types de causes spéciales. Dans l exemple de la voiture qui dépasse le car, il y a présence de cause spéciale, on note ce type de cause (les déréglages) sur la carte des moyennes. En effet, le chauffeur sent une variation de la position de son véhicule supérieure aux variations communes et il corrige par un coup de volant. En revanche, pour l exemple de la conduite «hasardeuse» d'un conducteur en état d'ébriété, il n y a pas forcément variation de la position moyenne (certains arrivent à rentrer!), il y a modification de la dispersion du processus. C est donc sur la carte des étendues que l on notera ce type de causes spéciales. Figure 15 Deux cartes pour deux fonctions différentes Les deux exemples précédents sont significatifs. Dans le premier cas, un réglage suffit pour ramener le «processus» sur la cible, dans le deuxième cas, la position moyenne est peut-être bonne, mais la dispersion devient importante. Il est impératif d arrêter le processus, car il risque fortement de générer du rebut! Éditions d Organisation 47

19 Appliquer la maîtrise statistique des processus (MSP/SPC) 4. Mise en place des cartes de contrôle Définir Mesurer Analyser Contrôler Standardise r Innover Améliorer 4.1. Démarche DMAICS Définir Identification des paramètres critiques du processus Mesurer Vérification de la capabilité du moyen de mesure Mesurer Observation du processus (Réaliser une carte de contrôle sans limite) Analyser Calcul des capabilités, Choix de la carte et calcul des limites de contrôle Problèmes de capabilité Amélioration continue Contrôler Suivi et pilotage par carte de contrôle Détection des causes spéciales Mise «sous contrôle» du processus Analyser Recherche des sources de variabilité Analyse des 5 M Analyse de la variance Etudes des corrélations Innover - Améliorer Réduction de la variabilité Plans d expériences, plans produits Mise en place des améliorations Standardiser Optimisation du processus, Le processus est mis «sur rails» Diminution de la fréquence des contrôles Figure 16 Mise en sous contrôle d'un processus La figure 16 illustre les étapes de mise sous contrôle d'un processus. On note sur ce diagramme les deux étapes préalables très importantes qui sont : définir le choix des caractéristiques à suivre ; l'étude de la capabilité du moyen de mesure. 48 Éditions d Organisation

20 Les concepts de la Maîtrise Statistique des Processus (MSP) En fait la mise sous contrôle d'un processus consiste à suivre la démarche DMAICS (Définir, Mesurer, Analyser, Innover, Contrôler, Standardiser) de Six Sigma. Les étapes Analyser et Améliorer pouvant parfois être court-circuitées lorsque les capabilités du processus sont bonnes Définir Le choix des caractéristiques à piloter en MSP Le nombre de caractéristiques suivies en production est en règle général très important et il n'est pas concevable ni même souhaitable de suivre toutes les caractéristiques par cartes de contrôle. La première étape dans la maîtrise de la variabilité consiste donc à choisir les caractéristiques candidates au suivi par carte. En règle générale, on retient trois critères de sélection de ces caractéristiques candidates : 1. L'importance de la caractéristique pour la satisfaction du client final ou d'un client sur un processus aval. Comme nous l'avons souligné dans le premier chapitre, seule compte la satisfaction totale du client final. Il est donc indispensable de sélectionner les caractéristiques corrélées fortement aux fonctions attendues du produit fini. 2. L'historique de non-qualité sur cette caractéristique. Il est bien sûr inutile de suivre par carte de contrôle une caractéristique qui n'a jamais posé de problèmes de qualité. On privilégiera les caractéristiques ayant déjà un historique de rebut, de retouche ou qui sont difficiles à garantir. Lors de l'industrialisation, on choisira les caractéristiques qui potentiellement (en fonction de l'historique de l'entreprise, de la précision demandée ) vont poser des problèmes lors de la réalisation. 3. La corrélation existante entre plusieurs caractéristiques. Dans le cas par exemple où plusieurs cotes sont réalisées par le même outil, il y a souvent une forte corrélation entre les différentes caractéristiques. Il est dans ce cas inutile de les suivre toutes, une seule carte est mise en place. Éditions d Organisation 49

21 Appliquer la maîtrise statistique des processus (MSP/SPC) La matrice d'impact La matrice d'impact est un outil permettant de choisir les caractéristiques les plus importantes à suivre sous MSP. L'objectif de cet outil et de rechercher les caractéristiques qui ont un impact fort sur la satisfaction des clients. Il est facilement réalisable à partir d'un tableur Excel. Pièce A Pièce B Caractéristiques client sur le produit (Tous les clients Assemblage, produit fini ) Importance Largeur 10 Parallélisme Hauteur 8 Profondeur 2 Diamètre 2 Longueur Diam7tre4 Fonctionnement souple Pas de jeu visible Assemblage sans forcer Fiabilité Importance Capabilité prévisionelle Ppk L'impact est noté 1 (Faible); 3 (Moyen); 9 (Fort) Figure 17 Matrice d impact Exemple Dans un premier temps on donne une note d'importance à chaque caractéristique client, puis on pondère l'impact de chaque caractéristique élémentaire sur les caractéristiques clients. Exemple : le diamètre 2 de la pièce B impacte fortement (9) la fiabilité du produit et moyennement (3) le jeu. L'importance de cette caractéristique est alors calculée par : Importance = 9x5 + 3x3 = 54 Dans un second temps en fonction de l'historique ou de la connaissance des experts, on évalue la capabilité prévisionnelle de chaque caractéristique. Enfin, les caractéristiques candidates au suivi MSP sont parmi celles les plus importantes pour les clients et celles qui ont une capabilité attendue faible. 50 Éditions d Organisation

22 Les concepts de la Maîtrise Statistique des Processus (MSP) 4.3. Mesurer La capabilité des moyens de mesure Ce point est un point essentiel dans la réussite de la mise sous contrôle d'un processus. Il est inutile de placer une carte de contrôle si la dispersion de l'instrument de mesure occupe déjà la presque totalité de la tolérance comme nous l'avons vu parfois! La première étape consiste à vérifier si on sait mesurer dans de bonnes conditions de répétabilité et de reproductibilité. Nous conseillons vivement au lecteur de se reporter au chapitre 3 sur les capabilités des moyens de mesure notamment de la méthode R&R avant de mettre en place une carte d'observation Observation du processus Les cartes de contrôle ont pour objectif de surveiller que les variations observées sur le processus ne sont pas supérieures aux variations «normales» générées par les causes communes. Il faut donc connaître, avant de mettre en place une carte de contrôle, quelles sont ces variations. C'est le but de cette phase d'observation. Une méthode très simple pour réaliser cette phase d'observation consiste à remplir une carte de contrôle sur laquelle aucune limite n'aura été portée. Les prélèvements s effectuent par petits sousgroupes de taille constante et identique à celle qui sera retenue pour la carte de contrôle (on prend en général de 3 à 6 pièces consécutives prélevées de façon périodique par exemple toutes les 15 minutes, 2 fois par équipe, un prélèvement par bac...). Cependant, avant de mettre en place la carte d'observation, il faut éliminer au préalable toutes les sources de variations possibles. Lorsqu'on observe un processus, on trouve toujours de nombreuses petites actions qui contribuent à accroître la variabilité comme par exemple : la façon dont on dépose le produit sur le posage ; la force avec laquelle on serre un écrou ; un mélange de produits d'origine différente ; Éditions d Organisation 51

Plan II-1. Généralités II-1-1. Définitions et principes II-1-2. Mise en place

Plan II-1. Généralités II-1-1. Définitions et principes II-1-2. Mise en place SPC 1 Plan II-1. Généralités II-1-1. Définitions et principes II-1-2. Mise en place II-2-1. Définitions II-1-2. Capabilité machine et capabilité procédé II-2-3. Ppm 2 II-1. GénéralitG ralités Définitions

Plus en détail

SIMDI - Simulateur de tournage

SIMDI - Simulateur de tournage SIMDI - Simulateur de tournage «Les élèves pilotent un processus de fabrication dans le temps réduit d une formation» Objectifs du simulateur «Appliquer la Maîtrise Statistique des procédés (MSP/SPC)»

Plus en détail

TECHNIQUES STATISTIQUES

TECHNIQUES STATISTIQUES TECHNIQUES STATISTIQUES, enseignant à l'institut d'administration des Entreprises, Université Nancy 2 SOMMAIRE 1. Introduction 3 2. Contrôle statistique des lots 3 2.1 Champ d'application 3 2.2 Niveau

Plus en détail

Qualité en production

Qualité en production Daniel DURET et Maurice PILLET Qualité en production De l ISO 9000 à Six Sigma Troisième édition Éditions d Organisation, 1998, 2001, 2005 ISBN : 2-7081-3388-8 Sommaire INTRODUCTION... 17 Première partie

Plus en détail

L'Analyse de l'aptitude d'un Procédé à l'aide de MINITAB (I)

L'Analyse de l'aptitude d'un Procédé à l'aide de MINITAB (I) Résumé L'Analyse de l'aptitude d'un Procédé à l'aide de MINITAB (I) Keith M. Bower, M.S. L'utilisation d'indices d'aptitude tels que les valeurs C p, C pk, et Sigma" est très répandue au sein de l'industrie.

Plus en détail

Evaluation de la variabilité d'un système de mesure

Evaluation de la variabilité d'un système de mesure Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les

Plus en détail

SIMDI Six Sigma «Les élèves résolvent un problème complexe avec Six Sigma dans le temps réduit d une formation»

SIMDI Six Sigma «Les élèves résolvent un problème complexe avec Six Sigma dans le temps réduit d une formation» SIMDI Six Sigma «Les élèves résolvent un problème complexe avec Six Sigma dans le temps réduit d une formation» Objectifs du simulateur Le simulateur Six Sigma reproduit l'ensemble d'un processus de production

Plus en détail

Séances 5 et 6 4-530-03. La gestion de la qualité. Gestion des opérations et de la logistique

Séances 5 et 6 4-530-03. La gestion de la qualité. Gestion des opérations et de la logistique Gestion des opérations et de la logistique Séances 5 et 6 4-530-03 La gestion de la qualité 2011, Service d enseignement de la Gestion des Opérations et de la Logistique, HEC Montréal. Points importants

Plus en détail

Ecole Nationale Supérieure d Arts et Métiers Meknès

Ecole Nationale Supérieure d Arts et Métiers Meknès Ecole Nationale Supérieure d Arts et Métiers Meknès EFFECTUE AUPRES D IMACAB Du 01/07/02 Au 05/08/02 Préparé par : Encadré par : CHADMI ISSAM M.HABTI Année Universitaire: 2001/2002 Ensam-Méknes - 1 - imacab

Plus en détail

Leçon 12. Qualité. de définir les avantages et inconvénients de chaque type de contrôle,

Leçon 12. Qualité. de définir les avantages et inconvénients de chaque type de contrôle, Leçon 12 Qualité L'objectif principal de la leçon est de connaître et de comprendre les principaux types de contrôle mis en place pour assurer la qualité des produits et des processus. A l'issue de la

Plus en détail

STATISTIQUES I) UN PEU DE VOCABULAIRE

STATISTIQUES I) UN PEU DE VOCABULAIRE STATISTIQUES I) UN PEU DE VOCABULAIRE Toute étude statistique s'appuie sur des données. Dans le cas ou ces données sont numériques (99% des cas), on distingue les données discrètes (qui prennent un nombre

Plus en détail

Le suivi de la qualité. Méthode MSP : généralités

Le suivi de la qualité. Méthode MSP : généralités Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois

Plus en détail

ANALYSE de CAPACITÉ : processus fabrication

ANALYSE de CAPACITÉ : processus fabrication ANALYSE de CAPACITÉ : processus fabrication aptitude d'un processus à satisfaire des exigences / spécifications Définition Limites "naturelles" de variabilité Distinction entre 3 sortes de limites Étapes

Plus en détail

TP Maîtrise Statistique des Procédés

TP Maîtrise Statistique des Procédés TP Maîtrise Statistique des Procédés Vous allez utiliser un programme informatique «SIMDI Tour» qui simule (sommairement) le fonctionnement d un tour à commande numérique. Pendant ce TP, qui se déroule

Plus en détail

Révision de statistiques

Révision de statistiques IUP SID M1 UPS TOULOUSE Maîtrise statistique des procédés 2005/2006 Révision de statistiques Exercice 1 Révisions sur la lecture de tables. 1. Soit U une v.a. normale centrée réduite. Calculer P(U < 2),

Plus en détail

Maîtrise statistique des procédés et les cartes de contrôle

Maîtrise statistique des procédés et les cartes de contrôle Département :TC Filière : TCC Maîtrise statistique des procédés et les cartes de contrôle demandé par : Houda EL AOUFIR réalisé par : Faissal JAIBAR année universitaire 2010-2011 Plan Introduction I-Première

Plus en détail

Maîtrise Statistique des Procédés (MSP) Statistical Process Control (SPC)

Maîtrise Statistique des Procédés (MSP) Statistical Process Control (SPC) Maîtrise Statistique des Procédés (MSP) Statistical Process Control (SPC) Plan Qu est-ce que la qualité? Qu est-ce que la MSP/le SPC? Variabilité Loi Normale Cartes de contrôle Capabilités Application

Plus en détail

2010 My Maths Space Page 1/6

2010 My Maths Space Page 1/6 A. Des statistiques aux probabilités 1. Statistiques descriptives, analyse de données. Vocabulaire des statistiques : Population : c'est l'ensemble étudié. Individu : c'est un élément de la population.

Plus en détail

Observation des modalités et performances d'accès à Internet

Observation des modalités et performances d'accès à Internet Observation des modalités et performances d'accès à Internet Avant-propos La base de cette étude est constituée par les informations collectées par l'outil Cloud Observer d'iplabel (chargement des différents

Plus en détail

CHAPITRE 3 LA MAITRISE STATISTIQUE DES PROCEDES MSP

CHAPITRE 3 LA MAITRISE STATISTIQUE DES PROCEDES MSP CHAPITRE LA MAITRISE STATISTIQUE DES PROCEDES Chap. Plan du cours Objectifs généraux Comprendre les concepts Qualité, en apprécier l intérêt fondamental pour l entreprise industrielle. Appliquer l outil

Plus en détail

Six Sigma Une autre façon de concevoir la performance. Six sigma. Stratégie de rupture! Six Sigma - Un peu d histoire. La satisfaction des clients

Six Sigma Une autre façon de concevoir la performance. Six sigma. Stratégie de rupture! Six Sigma - Un peu d histoire. La satisfaction des clients Université de Savoie Département Organisation et Génie de la Production de l'iut d'annecy Laboratoire LISTIC Six Sigma Une autre façon de concevoir la performance Maurice Pillet Professeur Université de

Plus en détail

Le tolérancement inertiel appliqué en décolletage

Le tolérancement inertiel appliqué en décolletage Le tolérancement inertiel appliqué en décolletage Mondialisation, augmentation du coût de l énergie et des matières, pressions sur les coûts. Les entreprises doivent évoluer dans un contexte changeant

Plus en détail

Le diagramme des relations met en évidence les multiples relations entre les différents éléments, causes et effets d'un système.

Le diagramme des relations met en évidence les multiples relations entre les différents éléments, causes et effets d'un système. Sept outils du management (Les) Introduction Diagramme des relations Diagramme des affinités Diagramme en arbre Diagramme matriciel Diagramme des décisions d'action (PDPC) Diagramme sagittal (CPM) Analyse

Plus en détail

Leçon 5. Systèmes de gestion à recomplétement périodique et stock de sécurité

Leçon 5. Systèmes de gestion à recomplétement périodique et stock de sécurité CANEGE Leçon 5 Systèmes de gestion à recomplétement périodique et stock Objectif : A l'issue de la leçon l'étudiant doit être capable : dans le cadre des calendriers d approvisionnement à recomplètement

Plus en détail

CI n 1 La démarche qualité

CI n 1 La démarche qualité TGM Sciences et Techniques Industrielles Pédagogique page 1 sur 4 Productique Secteur Production Génie Mécanique Terminale Ph10 a dresser b percer CI n 1 La démarche qualité COMPÉTENCES TERMINALES ATTENDUES

Plus en détail

un jeu pédagogique pour découvrir la Maîtrise Statistique des Procédés Sommaire OBJECTIFS...2

un jeu pédagogique pour découvrir la Maîtrise Statistique des Procédés Sommaire OBJECTIFS...2 NOTICE TECHNIQUE DE un jeu pédagogique pour découvrir la Maîtrise Statistique des Procédés Sommaire OBJECTIFS...2 CONTEXTE D'UTILISATION...3 POUR L'ENTREPRISE :...3 POUR LES ORGANISMES D E FORMATION ET

Plus en détail

Cartes de contrôle aux mesures

Cartes de contrôle aux mesures Cartes de contrôle aux mesures 1 Une introduction à la maîtrise statistique des processus Deux objets ne sont jamais rigoureusement identiques. Quelles que soient les techniques utilisées pour fabriquer

Plus en détail

CONTRÔLE DE LA QUALITE ANALYTIQUE AU LABO. Août 2009 Hilde De Boeck

CONTRÔLE DE LA QUALITE ANALYTIQUE AU LABO. Août 2009 Hilde De Boeck CONTRÔLE DE LA QUALITE ANALYTIQUE AU LABO Août 2009 Hilde De Boeck SOMMAIRE 1. Introduction 2. Mise en œuvre d un CQI 3. Préparation d un échantillon CQI 4. Calcule des valeurs cibles 5. Réalisation du

Plus en détail

Le regroupement de valeurs continues, ARRONDIR... Notion de discrétisation : groupes ou intervalles de valeurs. Exemple : Glycémie normale :

Le regroupement de valeurs continues, ARRONDIR... Notion de discrétisation : groupes ou intervalles de valeurs. Exemple : Glycémie normale : Variables : samedi 14 novembre 2009 12:54 1. Quelques Exemples : C'est une caractéristique ou un facteur susceptible de prendre des valeurs différentes selon les individus. Exemples : o Couleur des cheveux

Plus en détail

Leçon 5. Ordonnancement : OPT

Leçon 5. Ordonnancement : OPT Leçon 5 Ordonnancement : OPT L'objectif principal de la leçon est de connaître et de comprendre la méthode de gestion et d'ordonnancement d'un atelier par les contraintes. A l'issue de la leçon l'étudiant

Plus en détail

Les moteurs de progrès

Les moteurs de progrès MANAGEMENT PILOTAGE Les moteurs de progrès Si le management par les processus connaît une certaine réussite, le pilotage et les processus qui lui sont liés restent précaires. Pourtant là aussi, appliquer

Plus en détail

PRINCIPES RÉGISSANT L'APPLICATION DES PROCÉDURES D'ÉCHANTILLONNAGE ET D'ESSAI DANS LE COMMERCE INTERNATIONAL DES DENRÉES ALIMENTAIRES CAC/GL 83-2013

PRINCIPES RÉGISSANT L'APPLICATION DES PROCÉDURES D'ÉCHANTILLONNAGE ET D'ESSAI DANS LE COMMERCE INTERNATIONAL DES DENRÉES ALIMENTAIRES CAC/GL 83-2013 PRINCIPES RÉGISSANT L'APPLICATION DES PROCÉDURES D'ÉCHANTILLONNAGE ET D'ESSAI DANS LE COMMERCE INTERNATIONAL DES DENRÉES ALIMENTAIRES CAC/GL 83-2013 Adoptés en 2013. Révision: 2015. CAC/GL 83-2013 2 1.

Plus en détail

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03 Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

2. Formalisation ... Or les variables sont indépendantes. Donc si

2. Formalisation ... Or les variables sont indépendantes. Donc si L'estimation 1. Concrètement... Dernièrement un quotidien affichait en première page : en 30 ans les françaises ont grandi de... je ne sais plus exactement, disons 7,1 cm. C'est peut-être un peu moins

Plus en détail

Introduction à l'analyse statistique des données

Introduction à l'analyse statistique des données INTRODUCTION À L'ANALYSE STATISTIQUE DES DONNÉES CONCEPTS DE BASE Un certain nombre de concepts, préalables indispensables à la compréhension des analyses présentées, sont définis ici. De même pour quelques

Plus en détail

Les dossiers techniques du CRTA. Comment réaliser une carte de contrôle?

Les dossiers techniques du CRTA. Comment réaliser une carte de contrôle? Les dossiers techniques du CRTA Comment réaliser une carte de contrôle? Comment réaliser une carte de contrôle Les enjeux du contrôle Au-delà du prix de vente, la satisfaction du client passe de manière

Plus en détail

1. Vocabulaire : Introduction au tableau élémentaire

1. Vocabulaire : Introduction au tableau élémentaire L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie

Plus en détail

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même

Plus en détail

Chapitre 8 ANALYSE DES SÉRIES CHRONOLOGIQUES

Chapitre 8 ANALYSE DES SÉRIES CHRONOLOGIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 8 ANALYSE DES SÉRIES CHRONOLOGIQUES Nous abordons dans ce chapitre l analyse de données statistiques particulières

Plus en détail

Baccalauréat professionnel Technicien d'usinage. C 1. S INFORMER, ANALYSER, COMMUNIQUER Données Actions Indicateurs de performance

Baccalauréat professionnel Technicien d'usinage. C 1. S INFORMER, ANALYSER, COMMUNIQUER Données Actions Indicateurs de performance COMPÉTENCES C 1. S INFORMER, ANALYSER, COMMUNIQUER C 1.1. Analyser des données fonctionnelles et des données de définition : D un ensemble : Le modèle numérique d'un système mécanique. Des représentations

Plus en détail

CENTRE DE POLITIQUE ET D ADMINISTRATION FISCALES

CENTRE DE POLITIQUE ET D ADMINISTRATION FISCALES ORGANISATION DE COOPÉRATION ET DE DÉVELOPPEMENT ÉCONOMIQUES MÉTHODES DE DÉTERMINATION DES PRIX DE TRANSFERT JUILLET 2010 Avertissement: Ce document, préparé par le Secrétariat de l OCDE, n a pas de valeur

Plus en détail

Séquence "Radar sous le tunnel"

Séquence Radar sous le tunnel Académie de Lyon TraAM 2013-2014 : Des problèmes ouverts avec les TICE Séquence "Radar sous le tunnel" Groupe académique IREM UPO Dominique Bernard Cécile Bombrun-Nivon Jean-Louis Bonnafet Françoise Cavanne

Plus en détail

TPM. M pour Maintenance (maintien en bon état des installations) P pour Productive (efficience des actions de maintenance, amélioration permanente)

TPM. M pour Maintenance (maintien en bon état des installations) P pour Productive (efficience des actions de maintenance, amélioration permanente) DEFINITION TPM TOTALE PRODUCTIVE MAINTENANCE M pour Maintenance (maintien en bon état des installations) P pour Productive (efficience des actions de maintenance, amélioration permanente) T pour Totale

Plus en détail

1ES Février 2013 Corrigé

1ES Février 2013 Corrigé 1ES Février 213 Corrigé Exercice 1 Le tableau ci-dessous renseigne sur les besoins en eau dans le monde : Population mondiale (Milliards d habitants) Volume moyen par habitant ( ) 195 2,5 4 1 197 3,6 5

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision

TABLEAU 5 Nombre moyen (et écarts types) de mots produits selon le niveau scolaire et les trois conditions de révision Dans ce tableau, si le chercheur ne s intéresse pas aux notes item par item mais simplement à la note globale, alors il conservera seulement les première et dernière colonnes et calculera des statistiques

Plus en détail

GUIDE DE MISE EN SIGMA

GUIDE DE MISE EN SIGMA Étude de cas d une démarche Six Sigma GUIDE DE MISE EN PLACE D UNE DEMARCHE SIX SIGMA APPLICATION PRATIQUE ET THEORIQUE Lilian CHAVANON Xueyun CHENG Florie GENOUD Ons GHLISS Dyah Okty MOERPRATIWI Contenu

Plus en détail

PLANIFICATION ET SUIVI D'UN PROJET

PLANIFICATION ET SUIVI D'UN PROJET Centre national de la recherche scientifique Direction des systèmes d'information REFERENTIEL QUALITE Guide méthodologique PLANIFICATION ET SUIVI D'UN PROJET Référence : CNRS/DSI/conduite-projet/developpement/gestion-projet/guide-planfi-suivi-projet

Plus en détail

LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL)

LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL) 1GM Sciences et Techniques Industrielles Page 1 sur 5 Productique - Cours Génie Mécanique Première LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL) Née aux USA, la méthode S. P. C. est traduite le plus

Plus en détail

Économie d'entreprise

Économie d'entreprise Économie d'entreprise Leneant 27 Économie d'entreprise Variation de l' et positionnement produit Variation de l' et positionnement produit 1/17 Économie d'entreprise Leneant 27 Sommaire 1. Objet...3 2.

Plus en détail

Chapitre 1 : Introduction aux bases de données

Chapitre 1 : Introduction aux bases de données Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données

Plus en détail

SUJET INÉDIT 1. Dossier 1. Charges et choix d une unité d œuvre 4 points 45 minutes CHAPITRES 1 et 4

SUJET INÉDIT 1. Dossier 1. Charges et choix d une unité d œuvre 4 points 45 minutes CHAPITRES 1 et 4 SUJET INÉDIT 1 La société Coupe & Shampoing Coupe & Shampoing est un salon de coiffure indépendant. Afin de faire face à la concurrence de salons de coiffure franchisés, son dirigeant, Kamel, aimerait

Plus en détail

C3 : Manipulations statistiques

C3 : Manipulations statistiques C3 : Manipulations statistiques Dorat Rémi 1- Génération de valeurs aléatoires p 2 2- Statistiques descriptives p 3 3- Tests statistiques p 8 4- Régression linéaire p 8 Manipulations statistiques 1 1-

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Fractions et décimaux

Fractions et décimaux Fractions et décimaux Scénario : le pliage des bandes de papier Cette fiche n est pas un programme pédagogique. Elle a pour but de faire apercevoir la portée de l approche «pliage de bandes» et les conséquences

Plus en détail

Optimisation de la performance. d un processus d usinage à commande numérique

Optimisation de la performance. d un processus d usinage à commande numérique Jacques ALEXIS 20 Novembre 2001 Optimisation de la performance d un processus d usinage à commande numérique 1 Exposé du problème à résoudre L exemple utilisé pour cette présentation a été présenté par

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Gestion de projet - les chaînes critiques

Gestion de projet - les chaînes critiques Gestion de projet - les chaînes critiques GÉRARD CASANOVA - DENIS ABÉCASSIS Paternité - Pas d'utilisation Commerciale - Pas de Modification : http://creativecommons.org/licenses/by-nc-nd/2.0/fr/ Table

Plus en détail

VIII : Gestion des prévisions

VIII : Gestion des prévisions CHTIBI Chafik Une prévision est une prédiction des événements à venir qu'on utilise à des fins de planification. Les méthodes de prévision peuvent se fonder sur des modèles mathématiques utilisant les

Plus en détail

Identifier les sources d erreur lors d une pesée

Identifier les sources d erreur lors d une pesée Discipline : Mesure et instrumentation Intitulé de la séance : D'après : Objectifs Objectifs : Identifier les différentes sources d erreur par le diagramme 5M Identifier les sources d erreur lors d une

Plus en détail

Les mesures à l'inclinomètre

Les mesures à l'inclinomètre NOTES TECHNIQUES Les mesures à l'inclinomètre Gérard BIGOT Secrétaire de la commission de Normalisation sols : reconnaissance et essais (CNSRE) Laboratoire régional des Ponts et Chaussées de l'est parisien

Plus en détail

METHODOLOGIE SIX SIGMA POUR LES PME

METHODOLOGIE SIX SIGMA POUR LES PME C.Q.H.N. Centre Qualité Hainaut-Namur MAISON DE L INDUSTRIE Rue Auguste Piccard, 20 6041 GOSSELIES Tél. : 071/235.722 Fax. : 071/235.720 E-mail : info@cqhn.com METHODOLOGIE SIX SIGMA POUR LES PME OBJECTIFS

Plus en détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) L attention des candidats est attirée sur le fait que la qualité de la rédaction, la clarté et la précision des raisonnements

Plus en détail

Dans le domaine du savoir il y a le rationnel et l irrationnel, les techniques statiques s imposent si toutes les théories connues ne suffisent pas à

Dans le domaine du savoir il y a le rationnel et l irrationnel, les techniques statiques s imposent si toutes les théories connues ne suffisent pas à IIntroductiion Au Maîîtriise Statiistiique Dans le domaine du savoir il y a le rationnel et l irrationnel, les techniques statiques s imposent si toutes les théories connues ne suffisent pas à comprendre

Plus en détail

Performance et maintenance des équipements Tout est déterminé à la conception!

Performance et maintenance des équipements Tout est déterminé à la conception! BFN Conseils. (Total Production Management) Performance et maintenance des équipements Tout est déterminé à la conception! Lorsqu'un nouvel équipement "entre" dans une usine, il est accompagné, bien entendu,

Plus en détail

REFERENCE MODULE REFERENCE DOCUMENT DATE DE CREATION. TTA-DEI1 Livret dessin cotation 1 17/12/04

REFERENCE MODULE REFERENCE DOCUMENT DATE DE CREATION. TTA-DEI1 Livret dessin cotation 1 17/12/04 COTATION 1 EXECUTION GRAPHIQUE DE LA COTATION Élément d une cote : 50 Valeur de la cote Ligne de cote Extrémité Ligne d attache 20 28 2.75 Disposition des lignes d attache : Point d épure Cotation d un

Plus en détail

BACCALAUREAT GENERAL MATHÉMATIQUES

BACCALAUREAT GENERAL MATHÉMATIQUES BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la

Plus en détail

Dossier Le positionnement

Dossier Le positionnement Dossier Le positionnement Festo Belgium sa Rue Colonel Bourg 0 BE-030 Bruxelles Tel.: +3 70 3 39 Info_be@festo.com www.festo.com Le positionnement d entraînements pneumatiques La plupart des vérins pneumatiques

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

TD GESTION BUDGETAIRE - M1 M2 MARKETING GENERALITES SUR LA GESTION BUDGETAIRE

TD GESTION BUDGETAIRE - M1 M2 MARKETING GENERALITES SUR LA GESTION BUDGETAIRE TD 01 GENERALITES SUR LA GESTION BUDGETAIRE I/ LA GESTION BUDGETAIRE EST UN OUTIL DE PREVISION : Pour souligner l'importance de la gestion budgétaire et de la gestion prévisionnelle d une façon plus large,

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE

DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE 1 Définir le type de variable Dans notre cas, la variable est quantitative nominale. Note : Une variable est qualitative nominale quand

Plus en détail

CLASSIFICATION PARTICULAIRE DE L AIR

CLASSIFICATION PARTICULAIRE DE L AIR 0305010 CLASSIFICATION PARTICULAIRE DE L AIR SOMMAIRE 1 ÉLÉMENTS GÉNÉRAUX... 1.1 Référentiels normatifs... 1. Norme ISO 14 644-1... CLASSES PARTICULAIRES... 3.1 Paramètres à définir... 3. Classes particulaires

Plus en détail

Traitement des données avec EXCEL 2007

Traitement des données avec EXCEL 2007 Traitement des données avec EXCEL 2007 Vincent Jalby Octobre 2010 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation (questionnaire),

Plus en détail

ANALYSE de CAPACITÉ d'un PROCESSUS

ANALYSE de CAPACITÉ d'un PROCESSUS ANALYSE de CAPACITÉ d'un PROCESSUS ( aptitude d'un processus à satisfaire des exigences / spécifications) Définition Limites "naturelles" de variabilité Distinction entre 3 sortes de limites Étapes pour

Plus en détail

- Le Diagramme de Gantt. - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier des charges fonctionnel

- Le Diagramme de Gantt. - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier des charges fonctionnel Planifier le projet > Identifier les étapes > Organiser le projet > Identifier les étapes - Le Diagramme de Gantt > Organiser le projet - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier

Plus en détail

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier Christophe Fournier Clinique de Thuys Aunége - Christophe Fournier 2 Table des matières Information sur l'échantillon 3 Structure de l'échantillon...4 Point méthodologique 6 Point méthodologique...7 Représentativité

Plus en détail

RESUME DES NORMES ISO

RESUME DES NORMES ISO RESUME DES NORMES ISO Travail réalisé par : Selma FERKOUS O8301 ISO 19011 : La norme internationale ISO 9011, se focalise sur le management de programmes d audit, la réalisation d audits internes ou externes

Plus en détail

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Démarche Statistique 1 Échantillonnage Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Introduction Objectif statistique descriptive: sur l'échantillon statistique inférentielle:

Plus en détail

STATISTIQUES. I. Un peu de vocabulaire. II. Representations graphiques. 1. Diagramme circulaire

STATISTIQUES. I. Un peu de vocabulaire. II. Representations graphiques. 1. Diagramme circulaire STATISTIQUES I. Un peu de vocabulaire Toute étude statistique s'appuie sur des données. Dans le cas où ces données sont numériques, on distingue les données discrètes (qui prennent un nombre fini de valeurs

Plus en détail

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

Évolution 2008 de l'iso 9001

Évolution 2008 de l'iso 9001 Évolution 2008 de l'iso 9001 accueil offre de services me contacter dossiers téléchargements liens plan du site La Norme ISO 9001 évolue C'est une étape normale, qui aurait même pu intervenir avant (la

Plus en détail

Norme d'audit suisse: Audit réalisé dans l environnement de la technologie de l information et de la communication (NAS 401)

Norme d'audit suisse: Audit réalisé dans l environnement de la technologie de l information et de la communication (NAS 401) Norme d'audit suisse: Audit réalisé dans l environnement de la technologie de l information et de la communication (NAS 401) "Préface explicative" Chiffre Cette NAS donne des instructions sur un audit

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli.

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli. 1 ère - 3 Chap.9 : Loi binomiale. Échantillonnage. 1 ère - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. Textes officiels (30 septembre 2010) : CONTENU CAPACITÉ ATTENDUE COMMENTAIRE Probabilités Épreuve

Plus en détail

EVALUATION DU SYSTEME ASSURANCE QUALITE FOURNISSEUR (ESQF)

EVALUATION DU SYSTEME ASSURANCE QUALITE FOURNISSEUR (ESQF) Avril 2007 DGA/Q EVALUATION DU SYSTEME ASSURANCE QUALITE FOURNISSEUR (ESQF) EVALUATION DU SYSTEME QUALITE FOURNISSEUR (ESQF) I. Eléments pour l évaluation du système d assurance qualité fournisseurs 1.

Plus en détail

Lycée Cassini BTS CGO 2014-2015. Test de début d année

Lycée Cassini BTS CGO 2014-2015. Test de début d année Lycée assini BTS GO 4-5 Exercice Test de début d année Pour chaque question, plusieurs réponses sont proposées. Déterminer celles qui sont correctes. On a mesuré, en continu pendant quatre heures, la concentration

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

Les calculatrices formelles en classes de baccalauréat professionnel

Les calculatrices formelles en classes de baccalauréat professionnel Les calculatrices formelles en classes de baccalauréat professionnel Didier ROUSSEL Jérôme POUSSOU François MOUSSAVOU Groupe lycée professionnel IREM d Aix Marseille Présentation des objectifs : Le projet

Plus en détail

1. Introduction...2. 2. Création d'une requête...2

1. Introduction...2. 2. Création d'une requête...2 1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête

Plus en détail

Fidélité des méthodes analytiques (Résolution oeno 5/99)

Fidélité des méthodes analytiques (Résolution oeno 5/99) (Résolution oeno 5/99) Les données concernant la fidélité des méthodes analytiques déterminées par des études collaboratives sont applicables dans les cas suivants : ) Vérification de l'acceptabilité des

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances ARITHMETIQUE 1 C B A Numération Ecrire en lettres et en chiffres Poser des questions fermées autour d un document simple (message, consigne, planning ) Connaître le système décimal Déterminer la position

Plus en détail

Les quatre chantiers :

Les quatre chantiers : Tweet Voir aussi : Les programmes de performance, La méthode Kaizen, Le Lean en 10 points. Le Lean est une démarche systématique dont l'objectif est d'éliminer toutes les sources de gaspillages dans les

Plus en détail

Chapitre 3 RÉGRESSION ET CORRÉLATION

Chapitre 3 RÉGRESSION ET CORRÉLATION Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 3 RÉGRESSION ET CORRÉLATION La corrélation est une notion couramment utilisée dans toutes les applications

Plus en détail

PRINCIPES ET DIRECTIVES POUR L'ÉTABLISSEMENT ET L'APPLICATION DE CRITÈRES MICROBIOLOGIQUES RELATIFS AUX ALIMENTS

PRINCIPES ET DIRECTIVES POUR L'ÉTABLISSEMENT ET L'APPLICATION DE CRITÈRES MICROBIOLOGIQUES RELATIFS AUX ALIMENTS PRINCIPES ET DIRECTIVES POUR L'ÉTABLISSEMENT ET L'APPLICATION DE CRITÈRES MICROBIOLOGIQUES RELATIFS AUX ALIMENTS CAC/GL 21-1997 1. INTRODUCTION 1. Les maladies causées par les pathogènes d'origine alimentaire

Plus en détail

Mesure, précision, unités...

Mesure, précision, unités... 1. Introduction Mesure, précision, unités... La physique, science expérimentale, impose un recours à l'expérience pour élaborer, infirmer ou confirmer les théories. Mais cette démarche qui fait qu'une

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail