F O R M U L A I R E Inspection des lots : plans d'échantillonnage

Documents pareils
PLAN DE COURS CEGEP DU VIEUX-MONTRÉAL

FORMULAIRE DE STATISTIQUES

AUTRES ASPECTS DU GPS. Partie I : tolérance de Battement Partie II : tolérancement par frontières

Le suivi de la qualité. Méthode MSP : généralités

LA QUALITE, L ASSURANCE DE LA QUALITE ET LA CERTIFICATION ISO 9001

La simulation probabiliste avec Excel

Validation des processus de production et de préparation du service (incluant le logiciel)

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

1. Vocabulaire : Introduction au tableau élémentaire

500 W sur 13cm avec les modules PowerWave

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

SOCIETE NATIONALE DES CHEMINS DE FER BELGES SPECIFICATION TECHNIQUE L-70

Cours d Analyse. Fonctions de plusieurs variables

Probabilités sur un univers fini

choisir H 1 quand H 0 est vraie - fausse alarme

System de Gestion de la Qualité GE Oil & Gas Sourcing Directives pour les inspections FPQ/PLQ ARSB-O&G-004 Rév. : 2.0

Limites finies en un point

TESTS D'HYPOTHESES Etude d'un exemple

ANALYSE DU BESOIN. L ANALYSE FONCTIONNELLE par Jean-Marie VIRELY & all (ENS Cachan) Cette présentation décrit l outil «Analyse du Besoin».

GUIDE DU FOURNISSEUR

Nouvelle approche de validation Novo Nordisk

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Programmation linéaire

Annexe commune aux séries ES, L et S : boîtes et quantiles

INSTALLATION DEBIAN 7 (NETINSTALL) SUR VM

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Evaluation de la variabilité d'un système de mesure

Plus courts chemins, programmation dynamique

Chapitre 7. Circuits Magnétiques et Inductance. 7.1 Introduction Production d un champ magnétique

.id. _la solution de pilotage de votre entreprise ERP / CRM / BPM. informatique & développement

4 Distributions particulières de probabilités

Probabilités sur un univers fini

Tremplins de la Qualité. Tome 2

Programmation linéaire

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

Cours de Probabilités et de Statistique

BONUS MALUS. Voici, la façon de calculer la prime : Le montant de la prime à acquitter est égale à : P = PB. C où : P

Probabilités conditionnelles Loi binomiale

Triangle de Pascal dans Z/pZ avec p premier

LES DECIMALES DE π BERNARD EGGER

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

RELAIS STATIQUE. Tension commutée

PROCÉDURE D'APPEL D'OFFRES ET D'OCTROI POUR LES ACHATS D'ÉLECTRICITÉ

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Bureau N301 (Nautile)

RÈGLEMENT INTÉRIEUR DE LA COMMANDE PUBLIQUE

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

VI. Tests non paramétriques sur un échantillon

LA FONCTION QUALITE & LE LEAN MANUFACTURING 6 MARS François Liotard Directeur Développement Industriel Directeur Ressources Humaines

Concurrence imparfaite

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Analyse des Systèmes Asservis

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Cours 9 : Plans à plusieurs facteurs

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

Introduction à la Statistique Inférentielle

LE CONTRÔLE INTERNE GUIDE DE PROCÉDURES

ACT3284 Modèles en assurance IARD Examen Final - 14 décembre 2011

Instructions et spécifications pour la transmission en format XML de déclarations par lots. 30 mai 2015 MODULE 1

Vanne de réglage pneumatique types et Vanne aseptique à passage équerre type 3249

Les mécanismes d'assurance et de contrôle de la qualité dans un

Apprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière

MANUEL L I A I S O N B A N C A I R E C O D A D O M I C I L I A T I O N S I S A B E L 6

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

CLASSEMENT ET ARCHIVAGE

Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1

Commandez en ligne vos flammes publicitaires

OPTIMISATION À UNE VARIABLE

Principes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre Student Assessment and Program Evaluation Branch

verope AG St. Antons-Gasse 4a CH-6300 Zug / Switzerland Tél: +41 (0) Fax: +41 (0)

Dérivation : Résumé de cours et méthodes

Mémo d'utilisation de BD Dico1.6

LE RESEAU GLOBAL INTERNET

Programme OMS de Bonne Gouvernance dans le secteur pharmaceutique

Plateforme de vente aux enchères et de vente de gré à gré du ministre. Guide de l utilisateur

Leçon 11. les tâches de gestion du magasin

UE C avancé cours 1: introduction et révisions

Individualisation de votre contrat de fourniture d eau

Été 2015 Renseignements généraux

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

Créer et modifier un fichier d'import des coordonnées approximatives avec Excel

Conditions Générales d Intervention du CSTB pour la délivrance d une HOMOLOGATION COUVERTURE

Améliorer la Performance des Fournisseurs

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Logiciel de Télégestion

exigences des standards ISO 9001: 2008 OHSAS 18001:2007 et sa mise en place dans une entreprise de la catégorie des petites et moyennes entreprises.

GLOSSAIRE DU SOUTIEN EN CAS DE RECOURS EN JUSTICE

Conditions générales de locationa

Axiomatique de N, construction de Z

Ce document a pour objet : de rappeler les principes de base d information concernant les coordonnées bancaires,

Mode Opératoire Ciel Gestion commerciale V 12 et s (2006)

COORDINATION NON COOPÉRATIVE: MÉTHODES D ENCHÈRES

Bulletin du Programme des permis de réseaux municipaux d'eau potable

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes

Transcription:

F O R M U L A I R E Inspection des lots : plans d'échantillonnage N : nombre d unités(pièces, composants) dans le lot = taille du lot n : nombre d unités dans l échantillon = taille de l'échantillon D : nombre d unités non conformes dans le lot p = D / N : proportion d unités non conformes dans le lot = qualité du lot ( 0 <= p <= 1 ) X : nombre d unités non conformes dans l échantillon X / n : proportion d unités non conformes dans l échantillon c : nombre d acceptation (plan simple) - il définit la règle de décision pour accepter/rejeter un lot (c est noté Ac pour "Accept" dans le plan standard MIL STD 105E ) si X <= c le lot est accepté si X > c le lot est rejeté Pa ( p ) : probabilité d accepter un lot de qualité p Courbe caractéristique d'un plan : graphique de Pa ( p ) en fonction de p AQL ("Acceptable Quality Level") : limite supérieure de «bonne» qualité proportion maximale d'articles non-conformes qui peut être considéré comme une moyenne satisfaisante par le producteur et le consommateur (client). RQL ("Rejectable Quality Level") : limite inférieure de «mauvaise» qualité (aussi noté LQL "Limiting Quality Level") (aussi noté LTPD "Lot Tolerance Percent Defective" dans les plans de Dodge-Romig) proportion minimale d'articles non-conformes qui peut être considéré comme une moyenne non satisfaisante par le consommateur. AOQ (p) : Average Outgoing Quality - qualité moyenne de sortie (en inspection rectificatrice) AOQL : Average Outgoing Quality Limit - qualité moyenne maximale (en inspection rectificatrice) ATI : Average Total Inspection ( en inspection rectificatrice) α = alpha = risque du producteur : probabilité de rejeter un lot de qualité AQL β = beta = risque du consommateur : probabilité d'accepter lot de qualité RQL qualité lot_ Pa ( p ) décision AQL RQL_ accepter lot 1 - α β rejeter lot α 1 - β_ 1 1 - α courbe caractéristique β 0 p 0 AQL RQL CLASSIFICATION des PLANS par attribut caractéristique qualitative ( classement conforme / non conforme) (a) simple, double, multiple, séquentiel, en chaîne (ChSP-1), skip lot (SkSP-1) (b) basés sur le AQL : système MIL STD 105 E (ou ANSI/ASQ Z1.4 ou ISO 2859) (c) basés sur le LTPD ou AOQL : système de Dodge-Romig (d) production continue d'unités sans formation de lot : MIL STD 1235 CLASSIFICATION des PLANS pour mesure caractéristique quantitative continue - détails page 5 Bernard Clément, PhD février 2004 1

DESIGN d'un PLAN SIMPLE par ATTRIBUT Plan ( n, c ) : un échantillon de taille n est prélevé (sans remise) c : nombre d'acceptation p = D/N : qualité du lot ( D = p N ) X : nombre de pièces non conformes dans l échantillon X est distribuée selon une loi hypergéométrique ( N, D, n ) qui l'on peut remplacer par une approximation basée sur une loi binomiale ( n, p ) ou une loi de Poisson ( np) P a pn N(1 p) C x n x ( p) = x= 0 N n Hypergéométrique (exacte) (1) n C x n x = p (1 p) x= 0 x = c e np x= 0 x! ( np ) x déterminer n et c tels que P a ( p 1 ) = 1 - α.......... (4) P a ( p 2 ) = β......... (5) Remarque : une solution exacte de (4) et (5) est rarement possible car n et c doivent être entiers. Méthode 1 : utilisation du l'abaque basé sur la loi binomiale Méthode 2 : approximation basée sur la loi gaussienne n 0 = [ z 1 - α ( p 1 ( 1 - p 1 )) 0.5 + z 1 β ( p 2 ( 1 - p 2 )) 0.5 ] /( p 2 - p 1 ) 2... (6) n = n 0 / ( 1 + n 0 / N)....... (7) c = n p 1-0.5 + z 1 α [ n p 1 ( 1 - p 1 ) ( 1 - n /N ) ] 0.5....... (8) où z q est le q ième (0 < q <1 ) quantile d'une variable Z gaussienne centrée réduite N(0,1) z q est la solution de l'équation: Prob ( Z <= z q ) = q (0 < q <1) quantiles souvent utilisés q 0.005 0.01 0.025 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 z q - 2.576-2.326-1.96-1.881-1.751-1.645-1.555-1.476-1.405-1.341-1.281 Si q = 0.995, 0.99,., 0.90 alors z q = - z 1 - q ; exemple : z 0.95 = - z 0.05 = 1.645 Méthode 3 : méthode de Grubb basée sur la loi de Poisson - tableau ci-après valeurs de np pour un risque du producteur de 0.05 (= α) et un risque du consommateur de 0.10 (=β) tableau de Grubb Binomiale : si n / N < 0.1 (2) Poisson : si p "petit" et n est "grand" (3) P a = 0.95 P a = 0.10 P a = 0.95 P a = 0.10 c np 1 np 2 np 2 /np 1 c np 1 np 2 np 2 /np 1 _ 0 0.051 2.303 44.84 6 3.286 10.532 3.21 1 0.355 3.890 10.96 7 3.981 11.771 2.96 2 0.818 5.322 6.51 8 4.695 12.995 2.77 3 1.366 6.681 4.89 9 5.426 14.206 2.62 4 1.970 7.994 4.06 10 6.169 15.407 2.50 5 2.613 9.274 3.55 11 6.924 16.598 2.40 Bernard Clément, PhD février 2004 2

Exemple ( méthode 3 ) : risque du producteur de 0.05 pour un AQL = p 1 = 0.018 et un risque du consommateur de 0.10 pour un RQL = p 2 = 0.09 On calcule le rapport RQL / AQL pour trouver la valeur de c : RQL / AQL = 0.09/ 0.018 = 5.00 Cette valeur se situe entre c = 2 et c = 3 dans la colonne n p 2 / n p 1 du tableau de Grubb. Il y a plusieurs plans selon que l'on veut satisfaire le AQL ou le RQL. En consultant les colonnes appropriées du tableau on a AQL : avec c = 2, n = np 1 / p 1 = 0.818 / 0.018 = 45.44 arrondi à 46 AQL : avec c = 3, n = np 1 / p 1 = 1.366 / 0.018 = 75.88 arrondi à 76 LQL : avec c = 2, n = np 2 / p 2 = 5.322 / 0.090 = 59.13 arrondi à 60 LQL : avec c = 3, n = np 2 / p 2 = 6.681 / 0.090 = 74.23 arrondi à 75 Le choix entre les 4 plans peut se faire en comparant les courbes caractéristiques ou en utilisant un autre critère comme le coût d'inspection par exemple. INSPECTION RECTIFICATRICE Si : le lot est refusé + l'inspection est non destructrice + économiquement justifiable alors on continue l'inspection à 100% et on remplace toutes les pièces non conformes. AOQ ( p ) = p Pa (p) (1-n/N)...... (9) AOQL = max AOQ ( p ).... (10) ATI = n + (1 - Pa (p)) (N - n).... (11) n = y N / (N*AOQL + y) ( y : consulter le tableau Dodge-Romig. (12) Les plans du système de plans de Dodge-Romig basés sur le AOQL. Procédure pour le design du plan (n, c) minimisant ATI pour AOQL spécifié à p = p 0 On commence avec c = 0 : calculer n avec (12), P a (p 0 ) avec (3) et ATI avec (11) On recommence avec c = 1, c = 2, et on identifie le plan ( n, c) qui minimise ATI. tableau de Dodge-Romig c Y c Y 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 0.3679 0.8408 1.372 1.946 2.544 3.172 3.810 4.465 5.150 5.836 6.535 7.234 7.948 8.677 9.404 10.12 10.87 11.63 12.38 13.14 13.88 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 14.66 15.42 16.18 16.97 17.73 18.54 19.30 20.11 20.91 21.75 22.54 23.40 24.22 25.08 25.94 26.83 27.68 28.62 29.50 30.44 Bernard Clément, PhD février 2004 3

PROCÉDURE D'UTILISATION DU PLAN STANDARDISÉ MIL STD 105 E (systèmes équivalents : ANSI/ASQC Z1.4 et ISO 2859) Plans pour contrôler la proportion p de produit non conforme par attribut. Remarque: les tableaux associés du standard ne sont pas inclus dans ce formulaire sauf le tableau des lettres codes qui est présenté à la page 6. ÉTAPES 1. Préciser la taille N du lot; la valeur exacte de N n'est pas nécessaire sauf pour les petits lots. 2. En général, on utilise le degré de sévérité d'inspection II. Exceptions: on utilise le degré de sévérité I ou III si le coût d'inspection est élevé ou faible; si l'inspection est destructrice on utilise les degrés S1, S2, S3, S4. 3. Déterminer la lettre code A, B, C,. selon la taille du lot.- Consulter le tableau à la page 6. 4. Préciser la valeur AQL. 5. Choisir le mode normal pour commencer ; déteminer le plan (n, Ac, Re) où n est la taille de l'échantillon à prélever Ac est le nombre maximal d'articles non conformes pour accepter le lot Re est le nombre minimal d'articles non conformes pour rejeter le lot 6. Déterminer les triplets (n, Ac, Re) correspondants pour le mode réduit et le mode sévère. 7. Tirer n unités du lot, inspecter chaque unité et compter le nombre X d'unités non conformes. 8. Si X <= Ac, accepter le lot. Si X >= Re, rejeter le lot. Si Ac < X < Re (en mode réduit), accepter le lot et retourner en mode normal. 9. Prendre action sur le lot rejeté : inspection rectificatrice ou mise en quarantaine. 10. Noter les résultats d'inspection des lots afin d'ajuster le mode selon les règles de changement. RÈGLES DE CHANGEMENT SÉVÈRE 10 lots consécutifs rejetés discontinuer l'inspection 2 lots sur 5 lots consécutifs rejetés 5 lots consécutifs acceptés DÉBUT NORMAL 10 lots consécutifs acceptés 1 lot rejeté ou 1 lot qui satisfait le critère Ac < X < Re RÉDUIT Bernard Clément, PhD février 2004 4

PLANS pour MESURES X caractéristique quantitative - modèle : loi gaussienne N ( mu, sigma ) σ = sigma mu : moyenne sigma : écart type LSL : limite inférieure de spécification sur X USL : limite supérieure de spécification sur X cas 1 : une limite de spécification ( LSL ou USL ) X p LSL = Prob ( X <= LSL) LSL mu USL p USL = Prob ( X >= USL) cas 2 : deux limites de spécification ( LSL et USL ) p global = p LSL + p USL - Plan pour contrôler mu : sigma connu / sigma inconnu Plans ad hoc - Plan pour contrôler sigma : mu connue / mu inconnue - Plans AD HOC pour contrôler la proportion p de produit non conforme: sigma connu / sigma inconnu - Plans STANDARDISÉS pour contrôler la proportion p de produit non conforme: système ANSI/ASQC Z1.9 ( ou MIL STD 414 ou ISO 3951 ) Plan pour contrôler la moyenne mu avec sigma connu : une limite inférieure sur mu La moyenne est utilisée comme un indicateur de la qualité du lot. La procédure est équivalente à un test d'hypothèse sur la moyenne mu avec sigma connu. lot de bonne qualité mu 1 est accepté avec probabilité 1 - α lot de mauvaise qualité mu 2L < = mu 1 est accepté avec probabilité β échantillon de taille n x 1, x 2,.., x n de moyenne Xbar = (x 1 + x 2 +...+ x n )/n critère de décision : rejeter le lot si Xbar < = c ; sinon accepter le lot n = sigma 2 [( z α + z β ) /( mu 1 - mu 2L )] 2.......... (13) c = ( z β mu 1 + z α mu 2L ) /( z α + z β )............. (14) Plan pour contrôler la moyenne mu avec sigma connu : deux limites sur mu lot de bonne qualité est mu 1 : on accepte avec probabilité 1 - a lot de mauvaise qualité est mu 2L < = mu 1 lot de mauvaise qualité est mu 2U > = mu 1 : on accepte avec probabilité b : on accepte avec probabilité b hypothèse : mu 1 est au milieu de l intervalle ( mu 2L, mu 2U ) : mu 2U - mu 1 = mu 1 - mu 2L échantillon de taille n x 1, x 2,.., x n de moyenne Xbar = (x 1 + x 2 +...+ x n )/n critère de décision : rejeter le lot si Xbar < = c L ou si Xbar > = c U ; sinon accepter le lot n = sigma 2 [( z α /2 + z β ) /( mu 1 - mu 2L )] 2......... (15a) = sigma 2 [( z α /2 + z β ) /( mu 1 - mu 2U )] 2........... (15b) c L = ( z β mu 1 + z α /2 mu 2L ) /( z α /2 + z β )............. (16a) = mu 1 + (z α /2 )(sigma ) / n 0.5........ (16b) c U = mu 1 + (z 1-α /2 )(sigma) / n 0.5....... (17a) = ( z β mu 1 - z α /2 mu 2L ) /( z α /2 + z β )...... (17b) = ( z β mu 1 + z α /2 mu 2U ) /( z α /2 + z β )....... (17c) Plan pour contrôler la moyenne mu avec sigma inconnu : non présenté dans ce formulaire. Plan pour contrôler sigma : non présenté dans ce formulaire. Bernard Clément, PhD février 2004 5

Plans AD HOC pour contrôler la proportion p de produit non conforme CAS : sigma connu et 1 limite de spécification inférieure LSL sur X Spécification du plan: la probabilité d'accepter un lot de bonne qualité ( p 1 ) est 1 - α ( 0 < p 1 <= p 2 < 1 ) la probabilité d'accepter un lot de mauvaise qualité ( p 2 ) est β la courbe caractéristique du plan passe par les points ( p 1, 1 - α ) et ( p 2, β ) Définition du plan (forme 1 ou méthode k) : couple (n, k) n est la taille de l'échantillon à prélever k est la constante pour décider du rejet / acceptation du lot où n = [( z 1 - α - z β ) /( z p1 - z p2 )] 2............ (18) k = z 1 - p1 + (z a ) / n 0.5........ (19) Procédure : - prélever un échantillon de taille n x 1, x 2,.., x n - calculer Xbar = (x 1 + x 2 +...+ x n ) /n - calculer Z LSL = ( Xbar - LSL ) /sigma - décision : rejeter le lot si Z LSL < = k ; sinon accepter le lot Définition du plan (forme 2 ou méthode M ) : couple (n, M) n = [( z 1 - a - z β ) /( z p1 - z p2 ) ] 2............. (18) k = z 1 - p1 + (z α ) / n 0.5............. (19) M = PROB [ Z > = k ( n / n - 1 ) 0.5 ]....... (20) où Z est une variable gaussienne centrée réduite N(0,1) Procédure : - prélever un échantillon de taille n, x 1, x 2,.., x n - calculer Xbar = (x 1 + x 2 +...+ x n ) /n - calculer Z LSL = ( Xbar - LSL ) / sigma - calculer P LSL = PROB ( Z > = Z LSL ) - consulter un tableau distribution N(0,1) - décision : rejeter le lot si P LSL > = M ; sinon accepter le lot REMARQUE: cas d'une limite de spécification supérieure USL sur X se traite de manière analogue calculer Z USL = ( USL - Xbar ) /sigma et P USL = PROB ( Z > = Z USL ). CAS : sigma connu et 2 limites de spécification sur X: LSL et USL Seule la méthode M s'applique Les formules ci-haut sont modifiées de la manière suivante n = [( z 1 - α /2 - z β ) /( z p1 - z p2 ) ] 2......... (21) k1 = z 1 - p1 + (z α /2 ) / n 0.5......... (22) M1 = PROB [ Z > = k1 ( n /n-1 ) 0.5 ]...... (23) k2 = z 1 - p1 - (z α /2 ) / n 0.5........... (24) M2 = PROB [ Z > = k2 ( n /n-1 ) 0.5 ]... (25) Calculer Z LSL = ( Xbar - LSL ) /sigma et Z USL = ( USL - Xbar ) /sigma Calculer P LSL = PROB [ Z >= Z LSL ] et P USL = PROB [ Z >= Z USL ] décision : rejeter le lot si P LSL + P USL > = M1 + M2 ; sinon accepter le lot CAS : sigma inconnu : non présenté dans ce formulaire ; employer l abaque (p.10 tables) Bernard Clément, PhD février 2004 6

PROCÉDURE D'UTILISATION DU PLAN STANDARDISÉ ANSI/ASQC Z1.9 ( systèmes semblables : MIL STD 414 ou ISO 3951) Plans pour contrôler la proportion p de produit non conforme par mesure. Remarques - les tableaux associés du standard ne sont pas inclus dans ce formulaire sauf le tableau ci- après. - la structure du standard est semblable au standard par attribut ANSI /ASQC Z1.4 avec des éléments identiques et aussi quelques différences: (a) il y a 3 modes d'inspection NORMAL - SÉVÈRE - RÉDUIT (b) les règles de changement s'appliquent (c) les plages pour la taille N du lot sont identiques- consulter le tableau ci après (d) il y a 5 niveaux d'inspection : I, II,III, S3 et S4 ; II est le niveau usuel (e) les tailles n des échantillons sont plus petites avec une même combinaison de N et AQL (f) il y a un tableau de conversion pour les valeurs intermédiaires de AQL AQL limite 0.109 0.164 0.279 0.439 0.699 1.09 1.64 2.79 4.39 6.99 10.9 AQL tableau 0.10 0.15 0.25 0.40 0.65 1.00 1.5 2.5 4.0 6.5 10 remarque: les valeurs limites sont inclues dans la limite supérieure de l'intervalle entre 2 valeurs limites consécutives tableau des lettres codes : taille échantillonnale n MESURES ANSI/ASQC Z1.9 TAILLE LOT PLAN ATTRIBUT MIL STD 105 E PLAN MESURE Z1.9 N S1 S2 S3 S4 I II n III S3 S4 I II n III 2 à 8 A A A A A A 2 B B B B B 3 C_ 9 à 15 A A A A A B 3 C B B B B 3 D_ 16 à 25 A A B B B C 5 D B B B C 4 E_ 26 à 50 A B B C C D 8 E B B C D 5 F_ 51 à 90 B B C C C E 13 F B B D E 7 G_ 91 à 150 B B C D D F 20 G B C E F 10 H_ 151 à 280 B C D E E G 32 H B D F G 15 I_ 281 à 400 B C D E E G 32 H C E G H 20 J_ 401 à 500 B C D E F H 50 J C E G I 25 J_ 501 à 1200 C C E F G J 80 K D F H J 35 K_ 1201 à 3200 C D E G H K 125 L E G I K 50 L_ 3201 à 10 000 C D F G J L 200 M F H J L 75 M_ 10 001 à 35 000 C D F H K M 315 N G I K M 100 N_ 35 001 à 150 000 D E G J L N 500 P H J L N 150 P_ 150 001 à 500 000 D E G J M P 800 Q H K M P 200 P_ 500 001 et plus D E H K N Q 1250 R H K N P 200 P_ - cas sigma connu : non présenté dans ce formulaire. - cas sigma inconnu : - estimation de sigma avec l'écart type S de l'échantillon - estimation de sigma avec l'étendue R de l'échantillon (non présenté dans ce formulaire) MÉTHODE USL seulement LSL seulement 2 limites: USL et LSL Forme 1 : Méthode k Forme 2 : Méthode M Lot rejeté si Z USL <= k Z LSL <= k ne s'applique pas P USL >= M P LSL >= M P + P M USL LSL >= Bernard Clément, PhD février 2004 7

ÉTAPES : cas σ inconnu - estimation de sigma avec l'écart type S de l'échantillon 1. Préciser la taille N du lot; la valeur exacte de N n'est pas nécessaire sauf pour les petits lots. 2. En général, on utilise le degré de sévérité d'inspection II. Exceptions: on utilise le degré de sévérité I ou III si le coût d'inspection est élevé ou faible; si l'inspection est destructrice on utilise les degrés S3, S4. 3. Déterminer la lettre code A, B, C,. selon la taille du lot - consulter le tableau à la page 6. 4. Préciser la valeur AQL. 5. Si on a une seule limite de spécification on peut employer la méthode k ou la méthode M. Si on a 2 limites de spécification seule la méthode M s applique. 6. UNE LIMITE USL ou USL : MÉTHODE k. Selon la lettre code et le AQL, on détermine la taille n de l'échantillon et la constante k à l'aide du tableau approprié du standard. 6a. Prélever un échantillon de taille n, x 1, x 2,, x n 6b Calculer la moyenne Xbar = (x 1 + x 2 +...+ x n ) /n et l'écart type S de l'échantillon. Cas LSL 6c. Calculer Z LSL = ( Xbar -LSL ) /S 6d. Rejeter le lot si Z LSL < = k ; sinon accepter le lot cas USL 6c. Calculer Z USL = ( USL- Xbar ) /S 6d. Rejeter le lot si Z USL < = k ; sinon accepter le lot 7. DEUX LIMITES USL et LSL - MÉTHODE M Selon la lettre code et le AQL, on détermine la taille n de l'échantillon et la constante M à l'aide du tableau approprié du standard. 7a. Prélever un échantillon de taille n, x 1, x 2,, x n 7b. Calculer la moyenne Xbar = (x 1 + x 2 +...+ x n ) /n et l'écart type S de l'échantillon. 7c. Calculer Q LSL = ( Xbar -LSL ) /S et Q USL = ( USL - Xbar ) /S 7d. Déterminer les valeurs correspondantes de P LSL et P USL consulter le tableau approprié du standard qui donne la valeur de P en fonction de Q et de n 7e. Si P LSL + P USL >= M rejeter le lot; Si P LSL + P USL >= M accepter le lot Bernard Clément, PhD février 2004 8