Appliquer la maîtrise statistique des processus (MSP/SPC)
|
|
- Marie-Thérèse Gauvin
- il y a 8 ans
- Total affichages :
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
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 détailLe 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 détailObservation 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 détailChapitre 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 détail1. 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 détailCAPTEURS - 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 détailSéance 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 détailLeçon 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 détailExploitation 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 détailPROBLEMES 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 détailLes 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 détailCours (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 détailNombres, 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 détailLes 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 détailStatistiques 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 détailTSTI 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 détailComment 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 détailSigma Consulting est un cabinet conseil spécialisé en management des organisations. Le Management en mode projet..2
Sigma Consulting est un cabinet conseil spécialisé en management des organisations. Sa mission est d'aider les entreprises à développer la qualité de service dont ont besoin leurs clients internes ou externes.
Plus en détailLeçon 10. Procédures d inventaire et valorisation des stocks
CANEGE Leçon 10 Procédures d inventaire et valorisation des stocks Objectif : A l'issue de la leçon l'étudiant doit être capable : d'appréhender les différentes techniques de valorisation des stocks et
Plus en détailNom-Projet MODELE PLAN DE MANAGEMENT DE PROJET
Nom-Projet MODELE PLAN DE MANAGEMENT DE PROJET Glossaire La terminologie propre au projet, ainsi que les abréviations et sigles utilisés sont définis dans le Glossaire. Approbation Décision formelle, donnée
Plus en détail- 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 détailUtilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition
09-0749 1 WHO/EMP/MAR/2009.3 Utilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition Synthèse des résultats des études publiées entre 1990 et 2006 Organisation
Plus en détailChoisir entre le détourage plume et le détourage par les couches.
Choisir entre le détourage plume et le détourage par les couches. QUEL CHOIX D OUTILS ET QUELLE METHODE, POUR QUEL OBJECTIF? Il existe différentes techniques de détourage. De la plus simple à la plus délicate,
Plus en détailAnalyse hiérarchique de tâches (AHT)
(AHT) Définition Cette méthode consiste à décomposer la tâche principale (ou le but) de l'opérateur en sous-tâches (ou sous-buts), puis chacune de ces sous-tâches en plusieurs sous-sous-tâches, et ainsi
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailTutoriel - flux de facturation
1 of 12 17.01.2007 01:41 Tutoriel - flux de facturation Le schéma ci-dessous illustre le flux de facturation classique : Lors de la création d'une facture, elle possède l'état de brouillon, ce qui veut
Plus en détailMéthodologie Actuelle des Recommandations Formalisées d Experts SFAR/SRLF
Méthodologie Actuelle des Recommandations Formalisées d Experts SFAR/SRLF Parmi les référentiels servant de base aux recommandations de pratiques professionnelles, la Société Francaise d Anesthésie-Réanimation
Plus en détail3 Les premiers résultats des plans d'actions
3 Les premiers résultats des plans d'actions Les résultats que nous avons obtenus en ce qui concerne les plans d'action, résultent de l'analyse de 48 entreprises seulement. Revenons sur notre échantillon.
Plus en détailEnquête 2014 de rémunération globale sur les emplois en TIC
Enquête 2014 de rémunération globale sur les emplois en TIC Enquête 2014 de rémunération globale sur les emplois en TIC Les emplois repères de cette enquête sont disponibles selon les trois blocs suivants
Plus en détailSuite dossier d appel
Suite dossier d appel Table des matières 1. INTRODUCTION... 3 2. TRAITEMENT D'UN APPEL... 4 2.1. TRAITEMENT EN DIRECT... 4 2.2. TRAITEMENT DIFFERE... 4 2.3. MECANISME DU TRAITEMENT D'UN APPEL AU NIVEAU
Plus en détailOuvrir dossier D appel
Ouvrir dossier D appel Table des matières 1. TRAITER UN APPEL... 3 1.1. ORGANISATION GENERALE D'UN SERVICE DESK... 3 1.2. PRINCIPE DE FONCTIONNEMENT... 4 2. PRISE EN CHARGE DE L'UTILISATEUR ET DE SON APPEL...
Plus en détailLA QUALITE, L ASSURANCE DE LA QUALITE ET LA CERTIFICATION ISO 9001
LA QUALITE, L ASSURANCE DE LA QUALITE ET LA CERTIFICATION ISO 9001 I/ HISTORIQUE DE LA QUALITE La qualité est un souci permanent de l homme depuis longtemps. Jusqu au XIX ème siècle, c est l ère artisanale
Plus en détailLeçon 3. Les principaux outils de gestion des stocks
CANEGE Leçon 3 Les principaux outils de gestion des stocks Objectif : A l'issue de la leçon l'étudiant doit être capable de : s initier à la pratique des outils fondamentaux de gestion des stocks : de
Plus en détail1. 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailPrécision 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 détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailSIG ET ANALYSE EXPLORATOIRE
SIG ET ANALYSE EXPLORATOIRE VERS DE NOUVELLES PRATIQUES EN GÉOGRAPHIE Jean-Marc ORHAN Equipe P.A.R.I.S., URA 1243 du CNRS Paris Résumé L'offre actuelle dans le domaine des logiciels de type Système d'information
Plus en détailAméliorer la performance des ressources de la production par la TPM
Dossier paru dans la tribune de l'industrie des Editions WEKA N 29 Mars 2006 Améliorer la performance des ressources de la production par la TPM La mise en place d'une démarche TPM nécessite plusieurs
Plus en détailAider à la décision. - La matrice d Eisenhower - Le diagramme de Pareto - Les arbres d objectifs - Le diagramme d affinités - La méthode Philips 6.
Guide méthodologique du travail en commun Aider à la décision > Hiérarchiser les priorités > Choisir les bonnes solutions > Hiérarchiser les priorités - La matrice d Eisenhower - Le diagramme de Pareto
Plus en détailGestion de projets. avec. Microsoft Office PROJECT 2003
Gestion de projets avec Microsoft Office PROJECT 2003 Décembre 2006 1 Sommaire 1. Présentation de MS Office Project 2003 2. Aperçu général de l interface 3. Elaboration d un plan de projet 4. Gestion des
Plus en détailParis, le 14 janvier 2005. La directrice des Archives de France. Mesdames et Monsieur les directeurs des centres des Archives nationales
Paris, le 14 janvier 2005 La directrice des Archives de France à Mesdames et Monsieur les directeurs des centres des Archives nationales Mesdames et Messieurs les directeurs d archives départementales
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailRÉSOLUTION DE SYSTÈMES À DEUX INCONNUES
RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES Sommaire 1 Méthodes de résolution... 3 1.1. Méthode de Substitution... 3 1.2. Méthode des combinaisons linéaires... 6 La rubrique d'aide qui suit s'attardera aux
Plus en détailBACCALAUREAT 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 détailContrôle interne et organisation comptable de l'entreprise
Source : "Comptable 2000 : Les textes de base du droit comptable", Les Éditions Raouf Yaïch. Contrôle interne et organisation comptable de l'entreprise Le nouveau système comptable consacre d'importants
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailFixer son prix à l export
Fixer son prix à l export Commerce extérieur Juin 2009 Politique de prix Dans le cadre de votre stratégie internationale, vous devez fixer un prix de vente pour vos marchés d exportation. La politique
Plus en détailANTISELECTION ET CHOIX D'ASSURANCE : LE CAS DU VOL EN HABITATION UNE APPROCHE DE LA MESURE DU PHENOMENE
ANTISELECTION ET CHOIX D'ASSURANCE : LE CAS DU VOL EN HABITATION UNE APPROCHE DE LA MESURE DU PHENOMENE Yannick MACÉ Statisticien-Economiste Responsable du Secteur Analyses Techniques, Groupama (C.C.A.M.A.)
Plus en détailLa conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)
La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:
Plus en détailITIL V2. La gestion des incidents
ITIL V2 La gestion des incidents Création : novembre 2004 Mise à jour : août 2009 A propos A propos du document Ce document de référence sur le référentiel ITIL a été réalisé en 2004 et la traduction des
Plus en détailPerrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6
Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6 1 1.But et théorie: Le but de cette expérience est de comprendre l'intérêt de la spectrophotométrie d'absorption moléculaire
Plus en détailExemple 360. Questionnaire Leadership Thomas. Personnel & Confidentiel
Feed-back 360 Exemple 360 Questionnaire Leadership Thomas Personnel & Confidentiel Introduction Comment lire votre rapport Feed-back 360? Moyenne par compétence Représentation graphique des 5 meilleures
Plus en détailGé nié Logiciél Livré Blanc
Gé nié Logiciél Livré Blanc Version 0.2 26 Octobre 2011 Xavier Blanc Xavier.Blanc@labri.fr Partie I : Les Bases Sans donner des définitions trop rigoureuses, il faut bien commencer ce livre par énoncer
Plus en détailCATALOGUE)FORMATION)2015)
CATALOGUE)FORMATION)2015) Intitulé(de(formation( Code( Agiliser)vos)processus) F010$ Fondamentaux)du)Lean) F021$ Résolution)de)problème) F022$ Lean)Six)Sigma) F023$ Mesures)et)indicateurs) F030$ Assurance)qualité,)vérification,)validation)
Plus en détail2.2.4. La courbe en J et la condition de Marshall-Lerner
224 file:///fichiers/enseignement/site%20web/impression/rmi/fiches/rmi224... 2.2.4. La courbe en J et la condition de Marshall-Lerner Introduction Paragraphe au format pdf L'exemple de l'italie comme les
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
Plus en détailEn temps que prestataire informatique, nous enjoignons tous nos clients à faire de la politique backup une priorité.
Admin/9036/2BXL-20/11/2011 1 Pourquoi une charte backup? Annexe Charte backup Aborder la question des backups et de la protection des données est souvent un sujet sensible. Tout comme certains dangers
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailGuide méthodologique : Enquêtes en ligne
Guide méthodologique : Enquêtes en ligne Une enquête est une «méthode systématique de collecte d'informations à partir d un échantillon possédant des caractéristiques représentatives de l'ensemble de la
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailCe document est la propriété de la MAP. Il ne peut être utilisé, reproduit ou communiqué sans son autorisation. MECANIQUE AERONAUTIQUE PYRENEENNE
MANUEL MANAGEMENT QUALITE Révision janvier 2010 Ce document est la propriété de la MAP. Il ne peut être utilisé, reproduit ou communiqué sans son autorisation. MECANIQUE AERONAUTIQUE PYRENEENNE Place d
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailPrésentation d'un Réseau Eole +
Présentation d'un Réseau Eole + Le Pourquoi du comment... Comprendre les différents types de documentation fournit avec la solution Eole Plus. Novice Confirmé Expert Version 1.0 Mai 2006 Permission est
Plus en détailBâtir et améliorer son système d appréciation
Bâtir et améliorer son système d appréciation Bâtir et faire évoluer son système d'appréciation, Se doter de critères pertinents pour son entreprise, Se positionner en tant que conseil dans l'entretien
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailINFO 2 : Traitement des images
INFO 2 : Traitement des images Objectifs : Comprendre la différence entre image vectorielle et bipmap. Comprendre les caractéristiques d'une image : résolution, définition, nombre de couleurs, poids Etre
Plus en détailLE DIAGNOSTIC DE PANNE LA METHODOLOGIE DU DIAGNOSTIC
LE DIGNOSI DE PNNE L MEHODOLOGIE DU DIGNOSI HYPOHESES DE DEP Le diagnostic est une phase importante de la maintenance corrective. De sa pertinence et de sa rapidité dépend l'efficacité de l'intervention.
Plus en détailContenu attendu des guides nationaux de bonnes pratiques d hygiène GBPH
Contenu attendu des guides nationaux de bonnes pratiques d hygiène GBPH Note d information à l usage des professionnels En complément de cette note, des informations relatives au contenu des GBPH sont
Plus en détailMéthodes quantitatives en sciences humaines. 2 Pratique : 2 Étude personnelle : 2. BUREAU poste courriel ou site web
360-300-RE HIVER 2008 MATHÉMATIQUES Plan de cours COURS : Méthodes quantitatives en sciences humaines PROGRAMME : 300.A0 Sciences humaines DISCIPLINE : Mathématiques Pondération : Théorie : 2 Pratique
Plus en détailLe test s'est déroulé en trois étapes successives
TEST SUR LES BASES BIBLIOGRAPHIQUES Rapport* du bureau Marcel van Dijk L'étude qui suit présente les résultats du test quantitatif et qualitatif de 5 bases bibliographiques disponibles en France : BNOPALE
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailPARCOURS COMPLET AU COURS MOYEN
81 I) UNE ENTAME DE TYPE "SOCIAL" : LE BUREAU DE POSTE Le bureau de poste de St Herblain Preux est récent. La classe de CM de l'école proche ("Les Crépinais") pouvait y découvrir divers aspects de l'informatique
Plus en détailINF2015 Développement de logiciels dans un environnement Agile. Examen intra 20 février 2014 17:30 à 20:30
Examen intra 20 février 2014 17:30 à 20:30 Nom, prénom : Code permanent : Répondez directement sur le questionnaire. Question #1 5% Quelle influence peut avoir le typage dynamique sur la maintenabilité
Plus en détailMéthodes de développement. Analyse des exigences (spécification)
1 / 16 Méthodes de développement Analyse des exigences (spécification) 1 -Objectifs de l'analyse des exigences... 2 2 - Approfondissement et formalisation du besoin... 2 2.1 Séparation des besoins, contraintes
Plus en détailL assurance de la qualité à votre service
Atelier L assurance de la qualité à votre service Présentation de Jean-Marie Richard 24 et 25 novembre Sujets Qu est-ce que l assurance de la qualité? Initiation aux concepts de l assurance de la qualité.
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailLa correction des erreurs d'enregistrement et de traitement comptables
La correction des erreurs d'enregistrement et de traitement comptables Après l'étude des différents types d'erreurs en comptabilité (Section 1) nous étudierons la cause des erreurs (Section 2) et les techniques
Plus en détailMS PROJECT 2000. Prise en main. Date: Mars 2003. Anère MSI. 12, rue Chabanais 75 002 PARIS E mail : jcrussier@anere.com Site : www.anere.
DOCUMENTATION MS PROJECT 2000 Prise en main Date: Mars 2003 Anère MSI 12, rue Chabanais 75 002 PARIS E mail : jcrussier@anere.com Site : www.anere.com Le présent document est la propriété exclusive d'anère
Plus en détailSEP 2B juin 20. Guide méthodologique de calcul du coût d une prestation
SEP 2B juin 20 12 Guide méthodologique de calcul du coût d une Sommaire Préambule 3 Objectif et démarche 3 1 Les objectifs de la connaissance des coûts 4 2 Définir et identifier une 5 Calculer le coût
Plus en détailAnnexe sur la maîtrise de la qualité
Version du 09/07/08 Annexe sur la maîtrise de la qualité La présente annexe précise les modalités d'application, en matière de maîtrise de la qualité, de la circulaire du 7 janvier 2008 fixant les modalités
Plus en détailLe défi : L'avantage Videojet :
Note d'application Impression-pose d'étiquettes Améliorez votre rendement : passez des applicateurs mécaniques à l'étiquetage Direct Apply TM Le défi : Au cours de ces 20 dernières années, les systèmes
Plus en détail1 Gestionnaire de Données WORD A4 F - USB / 2014-04-05 / 6020 Alco-Connect
1 Gestionnaire de Données WORD A4 F - USB / 2014-04-05 / 6020 Alco-Connect Introduction... 4 Comment décrire le logiciel Cosmos?... 4 Quelles sont les fonctions de ce logiciel PC?... 4 Est-il possible
Plus en détailmodélisation solide et dessin technique
CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir
Plus en détaila) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées :
a) La technique de l analyse discriminante linéaire : une brève présentation. Nous nous limiterons ici à l'analyse discriminante linéaire et à deux groupes : - linéaire, la variante utilisée par ALTMAN
Plus en détailLeica Application Suite
Leica Application Suite Macro Editor et Macro Runner (Éditeur de macros et Exécuteur de macros) Personnalisées et automatisées 2 Les instructions peuvent être momentanément suspendues» de manière optionnelle
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailBaccalauréat technologique
Baccalauréat technologique Épreuve relative aux enseignements technologiques transversaux, épreuve de projet en enseignement spécifique à la spécialité et épreuve d'enseignement technologique en langue
Plus en détailFiche conseil n 16 Audit
AUDIT 1. Ce qu exigent les référentiels Environnement ISO 14001 4.5.5 : Audit interne EMAS Article 3 : Participation à l'emas, 2.b Annexe I.-A.5.4 : Audit du système de management environnemental SST OHSAS
Plus en détailTP SIN Traitement d image
TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types
Plus en détailUn reporting intégré en tant qu'aide à la gestion
Un reporting intégré en tant qu'aide à la gestion Suivi d'un reporting basé sur les indicateurs pour atteindre les objectifs Tilia Umwelt GmbH Sommaire 1. Que signifie gestion? 2. Que signifie gestion
Plus en détailO b s e r v a t o i r e E V A P M. Taxonomie R. Gras - développée
O b s e r v a t o i r e E V A P M É q u i p e d e R e c h e r c h e a s s o c i é e à l ' I N R P Taxonomie R. Gras - développée Grille d'analyse des objectifs du domaine mathématique et de leurs relations
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détail