MANAGEMENT PAR LA

QUALITE
PAUL-ERIC DOSSOU
ICAM Group
[email protected]

05/10/2016

PED-ICAM

Total Quality Management

TQM

05/10/2016

PED-ICAM

Qualit totale
! TQM : Gestion intgrale de la qualit
! Gestion de la qualit produit, processus,
service, mais galement de toute
lorganisation
Approche scientifique,
mobilisation des ressources humaines,
amlioration continuelle des processus

05/10/2016

PED-ICAM

Principes du TQM
! Engagement de la direction
Objectifs qualit dans le plan stratgique
Virage culture qualit

! Orientation client
Interne et externe
Prvention des dfauts
Anticipation qualit ds la conception

! Mobilisation des employs

05/10/2016

Formation qualit
Changement des attitudes
Rle de dcision accru
Barrires dpartementales
PED-ICAM

Principes du TQM
! Amlioration continuelle
Orientation processus
Projets damlioration
Utilisation de mthodes

! Partenariat fournisseurs
Critres qualit et dlais plutt que cot
Rduction du nombre de fournisseurs

! Mesure de performance
Collecte de donnes
Procds critiques

05/10/2016

% non conforme
Satisfaction client
Indices de capabilit
Cot de la non qualit

Productivit
Rendement procdPED-ICAM

Outils de la qualit

05/10/2016

PED-ICAM

Outils de la qualit
! Concepts de base: Kaisen, Heijunka, Gemba,
Mu (Muda, Mura, Muri), Hoshin, Andon, Jidoka,
Poka-yoke, Kanban, 5S (Seiri, Seiton, Seiso,
Seiketsu, Shitsuke)
! Hoshin: liminer systmatiquement les
gaspillages : surproduction,
attentes,manutentions, mouvements, les
retouches
! 8D, DMAIC, 6 Sigma
! MSP, Poka-Yoke, AMDEC, PDCA, QQOQCP,
05/10/2016

PED-ICAM

QFD
! Un systme QFD doit prendre en considration tant laspect
technologie que fiabilit et cot respectivement
Technology Deployment (TD), Reliability Deployment (RD) et Cost
Deployment (CD).
! La Quality chart (matrice qualit) illustre la relation entre la
qualit effective ou relle exprime en termes fonctionnels et les
caractristiques de qualit qui en sont les pendants. Tel que lon
comprend et que lon pratique aujourdhui le QFD, on peut dire que
la matrice qualit est linstrument graphique qui permet :
! danalyser de manire rigoureuse les structures des qualits
existantes et attendues par les clients et exprimes par eux dans
leurs propres termes,
! didentifier la relation entre ces qualits et certaines caractristiques,
! de transformer les exigences du client en caractristiques analogues,
! et de dvelopper la qualit en conception.

05/10/2016

PED-ICAM

QFD

! Une matrice QFD (Quality Function Development,

Dveloppement des Fonctions Qualits) est un outil
d'aide la dcision dans la conception de produits ou
de services. Cette matrice permet de reprsenter les
caractristiques et paramtres critiques pour le client
(attentes, besoin du march, dsirs des futurs
utilisateurs) recenss lors d'enqutes marketing ou
d'talonnage (benchmarking) par exemple, et de
coupler aux diffrentes solutions envisages. La grille
ralise permettra ainsi d'valuer les meilleures
solutions ds la conception du produit ou du service
05/10/2016

PED-ICAM

QFD Droulement
! Placer en vertical la liste des attentes des clients (les quoi ?) dans la
matrice. Ces attentes sont recueillies en amont lors d'enqutes
marketing ou talonnage (benchmarking).
! Placer en horizontal la liste des solutions envisages ou des
spcifications du produit ou du service (les comment ?). La matrice ne
peut tre ralise que s'il est encore possible d'explorer un large
ventail de solutions. Il sera possible d'attribuer une valeur cible pour
chaque solution, ainsi qu'une unit.
! Aux croisements quoi / comment, indiquer la relation entre les
attentes et les solutions. Est-ce que la solution rpond fortement,
modrment, faiblement ou pas du tout l'attente ? Il sera possible
de pondrer les relations quoi / comment, et d'valuer la "rponse" de
chaque solution. (Quelle est la meilleure solution pour rpondre
l'ensemble des attentes ?).
! Crer une demi-matrice au-dessus des "Comment ?" (Matrice en
triangle). Il s'agira d'indiquer les corrlations qu'il existe entre les
diffrentes solutions. Ce "toit" (matrice de corrlation) permettra une
aide la dcision afin d'optimiser les cots, les dlais et d'atteindre
les attentes des clients
05/10/2016

PED-ICAM

10

Maison de la qualit
Informations relatives au client
Perspectives de lentreprise

CORRELATIONS
COMMENT

QUOI

RELATION

CONCURRENTS

COMBIEN
05/10/2016

CONCURRENTS
PED-ICAM

11

Matrise statistique des

procds

05/10/2016

PED-ICAM

12

MSP
Objectifs :
! Mise en place de procds
industriels capables de produire
100% de produits conformes
! Mise en place dun suivi de
production ds lors que la
production dure longtemps
05/10/2016

PED-ICAM

13

MSP
! Assurer une qualit optimum par
lutilisation de loutil statistique en
donnant les moyens aux oprateurs
de raliser une production centre, de
dispersion la plus faible possible
donner aux oprateurs un outil de pilotage des machines
formaliser la notion de capabilit
faire le tri entre les situations ordinaires et les situations
extraordinaires qui ncessitent une action
05/10/2016

PED-ICAM

14

MSP
! Contrler des chantillons de produit en
sortie des machines.
! La mesure est enregistre sur une carte de
contrle.
! Ds que la valeur dpasse des limites de
contrle (situe avant que le produit ne soit
considr comme inacceptable), ou ds que
lon dtecte une dviation suspecte, il faut
arrter la machine.
! Une recherche des causes de dviation doit
tre entreprise.
05/10/2016

PED-ICAM

15

MSP: Capabilit
! La mthode SPC a pour objectif la matrise
des procds en partant de lanalyse des 5
M responsables de la non-qualit.
! Lorsquun nouveau produit est industrialis,
ou quand une machine est mise en service,
il est ncessaire de raliser une tude de
capabilit. La capabilit se mesure par le
rapport entre la performance demande et
la performance relle dun procd.
05/10/2016

PED-ICAM

16

MSP
valeur cible
Intervalle de Tolrance (IT)
drglage
Rpartition de la production
(souvent gaussienne)
D1

Indicateur
valeur mesure = drglage + dispersion
moyenne des n mesures

dispersion observe

(minimise l'effet de dispersion)

dispersion de la production (2xD2)

05/10/2016

PED-ICAM

17

MSP

Tolrance
6

Vraie capabilit
centrage
TS X X TI

min
,

Court terme
Capabilit
(1/4 heure)

Cp

Cpk

Cpm

Long terme
performance
(1 semaine)

Pp

Ppk

Ppm

Capabilit intrinsque

05/10/2016

PED-ICAM

Vraie capabilit
perte

Tolrance
2

6 G + ( X cible) 2

18

MSP: carte de contrle

! SHEWART a mis au point un outil graphique
performant : la carte de contrle
! La carte de contrle est loutil permettant
loprateur ayant dmarr une production de
suivre la stabilit de la production par le suivi
des paramtres initiaux x et sigma
! Prlever des chantillons de n produits
conscutifs et de recalculer x et sigma
! Replacer les valeurs trouves sur une carte
de contrle.
05/10/2016

PED-ICAM

19

MSP: carte de la moyenne

tendue
! On note sur la carte les carts par rapport
la cible
! Calcul de la moyenne de la caractristique
surveiller
! Calcul de ltendue: distance entre la plus
forte valeur et la plus faible
! A mesure que lon prlve des chantillons, la
carte va se remplir et donner une image de
lvolution du processus
05/10/2016

PED-ICAM

20

MSP
! Un procd sera dit sous contrle
lorsque les points seront rpartis en
forme de courbe en cloche lintrieur
des limites de contrle. Si un point sort
de la carte de contrle, il faut intervenir
et noter cette intervention dans le
journal de bord. Sur la carte des
tendues, cest le mme principe de
fonctionnement.
05/10/2016

PED-ICAM

21

MSP
! Pour les cartes moyennes
! Limite de contrle suprieure LSC
: x = cible + A2 .R
! Limite de contrle infrieure : LIC x = cible A2 .R
! Pour la carte de contrle des
tendues
LSC R = D4 .R
! Limite de contrle suprieure : LIC = D .R
R
3
! Limite de contrle infrieure :
05/10/2016

PED-ICAM

22

MSP
n = taille des chantillons

10

A2

1.88

1.02

0.73

0.58

0.48

0.42

0.37

0.34

0.31

D3

0.07

0.14

0.18

0.22

D4

3.27

2.57

2.28

2.11

2.00

1.92

1.86

1.82

1.78

05/10/2016

PED-ICAM

23

Mise en place dune carte de

contrle
Identification
Identificationdes
desparamtres
paramtrescritiques
critiquesdu
duprocd
procd
Vrification
Vrificationde
delalacapabilit
capabilitdu
dumoyen
moyende
demesure
mesure
Observation
Observationdu
duprocd
procd(carte
(cartesans
sanslimite)
limite)

Amlioration continue

Calcul
Calculdes
descapabilits,
capabilits,dtermination
dterminationde
delalacarte
carte
de
contrle
la
plus
adapte.
de contrle la plus adapte.
Calcul
Calculdes
deslimites
limitesde
decontrles
contrles
Suivi
Suivietetpilotage
pilotagepar
parcarte
cartede
decontrle
contrle
Dtection
des
causes
spciales
Dtection des causes spciales
Mise
Misesous
souscontrle
contrledu
duprocessus
processus

Rduction
Rductionde
delalavariabilit
variabilit
Analyse
des
5
M
Analyse des 5 M
Analyse
Analysede
delalavariance
variance
Plans
dexpriences,
Plans dexpriences,plans
plansproduits
produits
Rgressions
multiples
Rgressions multiples

Optimisation
Optimisationdu
duprocessus,
processus,
leleprocessus
est
mis
processus est missur
surrails
rails
Diminution
Diminutionde
delalafrquence
frquencedes
descontrles
contrles

05/10/2016

PED-ICAM

24

Exemple de calcul dune carte

de contrle
Ligne centrale des moyennes (cible)
x =
250.6
Ligne centrale des tendues
.R = 4.04
Limite suprieure de contrle des moyennes
LSC x = cible + A2 .R = 252.9
(A2=0.577 quand n=5)
Limite suprieure de contrle des moyennes
LIC x = cible A2 .R = 247.93

05/10/2016

PED-ICAM

25

Exemple dune carte de contrle

Limite suprieure de contrle des tendues

8.54
LSC R = D4 .R =
(D4=2.114 pour n=5)
Limite infrieure de contrle des tendues
LIC R = D3 .R =

05/10/2016

0*4.04=0 (D3=0 pour n 6)

PED-ICAM

26

Analyse des cartes

Lchantillon 13 a une moyenne situe en dehors
de la limite de contrle suprieure. Il faut donc
rechercher la cause de cet vnement et engager
une action corrective afin quil ne se reproduise
plus. Dans lexemple prcdent, la cause assignable
tait associe au changement dquipe
(modification du rglage par le nouvel oprateur).
05/10/2016

PED-ICAM

27

Calcul des nouvelles limites

On supprime lchantillon 13 et on recommence les calculs

x = 250.15
.R =4.06

LSC x = cible + A2 .R = 252.49

LIC x = cible A2 .R = 247.80
LSC R = D4 .R = 8.58
LIC R = D3 .R = 0

Le procd est maintenant sous contrle au niveau de la moyenne et

de ltendue
05/10/2016

PED-ICAM

28

Le 8 D

05/10/2016

PED-ICAM

29

05/10/2016

PED-ICAM

30

DMAIC

05/10/2016

PED-ICAM

31

DMAICS
DEFINIR

Bien dfinir le processus, les caractristiques

critiques, leurs limites, lquipe de travail

MESURER

Trouver un moyen de mesure de la qualit. Vrifier

sa capabilit. Rcolter des faits.

ANALYSER

Examiner, analyser les donnes. Prouver

statistiquement les facteurs influents. Mesurer les
capabilits

INNOVER

Exprimenter, modifier, amliorer, optimiser.

Prouver statistiquement que les amliorations sont
efficaces.

CONTROLER

Maitriser. Etre attentif toute drive. Appliquer les

solutions. Les formaliser. Les mettre sous contrle.

STANDARDISER
05/10/2016

Prenniser les solutions. Dployer les bonnes

pratiques. Clore le projet.
PED-ICAM

32

DMAICS
Dfinir
Identifier les paramtres critiques du procd

Mesurer
Vrifier la capabilit du moyen de mesure

Mesurer
Observer le procd. Graphe de suivi

Analyser
Amlioration continue

Capabilits, choix de la carte de contrle

Analyse Fonctionnelle, AMDEC, DOE, Clients

GRR
Box-plot
ANOVA, Cpk, Cause/effet

Cartes de contrle

Analyser
Recherche des sources de variabilit

Contrler / Matriser
Suivi et pilotage par carte de contrle
Dtection des causes, mise sous contrle

Innover Amliorer
Rduire la variabilit

DOE, 5M, Pareto,

AMDEC,
corrlation, tests
statistiques

Standardiser
Optimiser le procd, mise sur rails, diminuer
les chantillonnages

05/10/2016

PCN
PED-ICAM

33

DMAIC
! DEFINIR: voix du client, SIPOC (Supplier Input
Process Output Customer-cartographie des
processus)
! MESURER: analyse des systmes de mesure (Gage
R&Rn, linarit, ), capacits, diagramme dIshikawa
! ANALYSER: cartographie dtaille des processus
(VSM, Actigramme tendu, analyse de droulement,
), test dhypothses (ANOVA, khi2, tests de
variances, ), plans dexprience
! INNOVER: plans dexprience, AMDEC, poka-yoke,
! CONTROLER: plans dexprience, MSP
! STANDARDISER: 5 ime s
05/10/2016

PED-ICAM

34

Autres outils

05/10/2016

PED-ICAM

35

DMAIC
! Mthode de cration de nouveaux
produits ou processus
! DFSS Design For Six Sigma
! DMADV: dfinir, mesurer, analyser,
dvelopper et vrifier
! Lean Six Sigma: combinaison de lean et
de six sigma
! Outils : ARIS Six Sgma, Bonita BPMN,
Visio
05/10/2016

PED-ICAM

36

05/10/2016

PED-ICAM

37

6 Sigma

05/10/2016

PED-ICAM

38

6 sigma
Le 6 sigma ?
Une dmarche permettant datteindre des objectifs
stratgiques par la mise en uvre rigoureuse de projets
damlioration des processus, bass sur lusage
systmatique de la mesure.
Une approche PDCA, Top-Down, des black belts
temps plein, des tapes cadres et des objectifs clairs et
mesurs
La collecte de faits, et de donnes
Lutilisation de la mesure
Lanalyse de ces faits et mesures
Lanalyse statistique
05/10/2016

PED-ICAM

39

6 sigma
Le 6 sigma ?
! Des projets en liaison directe avec la stratgie de lentreprise
! Des projets gros enjeux : par ex. des gains financiers viss
suprieurs 100 K euros
! Une approche pour tous les secteurs dactivits, y compris les
services
! Des ressources alloues importantes et spcifiques
! Mais cest aussi
! Une approche amricaine damlioration du business
! Pour lindustrie (statistiques = srie), avec de gros enjeux, et de
gros rsultats
! Rouleau compresseur dans toute lentreprise, difficile en France !!
! Investissement lourd : effectifs, formation etc

05/10/2016

PED-ICAM

40

6 sigma
! La mthode consiste faire en sorte que
tous les lments issus dun processus,
soient compris dans un intervalle sloignant
au maximum de 6 sigma par rapport la
moyenne gnrale des lments issus de ce
processus. En rduisant la variabilit des
produits du processus, on rduit le risque de
voir le produit (ou service) rejet par son
destinataire car en dehors de ses attentes ou
spcifications.
05/10/2016

PED-ICAM

41

6 sigma
! Le principe vise donc travailler sur le
processus afin que seuls les produits
conformes aux exigences soient livrs:
produire juste ds la premire fois en
liminant les cots lis aux retouches,
recyclage, mise au rebut et risque de
vente dun produit non conforme.

05/10/2016

PED-ICAM

42

6 sigma
! Un processus industriel ou un service
comprend un certain nombre de taches
rptitives,
! Une pice est conforme si elle respecte un
certain nombre de critres, mais les pices ne
sauraient pas tre strictement identiques
! Lesprit 6 sigma consiste amliorer le
processus pour que ces produits soient tous
bons, il ne sagit pas de contrler les produits,
mais bien dtre sr que le processus soit
fiable.
05/10/2016

PED-ICAM

43

6 sigma
! La russite dun programme de six
sigma doit sappuyer sur une profonde
conduite du changement.
! Pourquoi mettre en place un ERP SAP
sans modlisation et analyse pralable?
! Il est important didentifier dabord le
problme!

05/10/2016

PED-ICAM

44

6 sigma
! La mthode six sigma concerne
toutes les strates dune
organisation et sappuie sur
plusieurs ressources humaines
qui lui sont propres

05/10/2016

PED-ICAM

45

6 sigma
! On obtient une pyramide de fonctions de savoir-faire
croissants
!

!
!

Le yellow belt : sensibilis aux problmatiques six sigma, il apporte

son concours la ralisation dun projet damlioration sous la
conduite de niveaux suprieurs
Le green belt: il consacre partiellement son temps (25%) la
conduite de projets damlioration
Black belt: chef dquipe qui se consacre plein temps
lamlioration (conduite de projets, formation des green belt) et doit
matriser la mthode dans son ensemble.
Master black belt : mentor et formateur de black belt, garant de la
mthode, encadre les black belts
Le deployment leader ou champion charg dlaborer la stratgie, le
contenu de la formation, les budgets, etc

05/10/2016

PED-ICAM

46

6 sigma
! Le concept ne sapplique pas qu la
production, mais aussi la logistique, au
dveloppementil suffit davoir un processus
dont les performances sont mesurables.
! En pratique la limite de 6 sigma est
difficilement atteignable et les entreprises
peuvent rechercher le 3sigma ou 4sigma.
! Certaines applications comme dans
laronautique peut avoir le 20 sigma comme
objectif.
05/10/2016

PED-ICAM

47

Introduction : la Variabilit d'un

procd

! Tout procd de fabrication drive

et cre de la variabilit dans les
produits fabriqus

matriser un processus = matriser sa variabilit

(c'est--dire la variabilit de ses productions)
05/10/2016

PED-ICAM

48

les Causes de drive d'un procd

causes COMMUNES

causes SPECIALES

nombreuses sources de variation

sources de variation identifiables

toujours prsentes
en grand nombre
il faut "vivre avec"

irrgulires
et instables
liminer
les
peu nombreuses
causes Spciales
exemple : casse ou usure d'outil

donnent la variabilit intrinsque du

procd

05/10/2016

PED-ICAM

49

les Causes de drive d'un procd

! Les causes de drives sont varies :

Moyens

Milieu

Matire

Drives

Main
d'uvre
05/10/2016

Mthode

PED-ICAM

Variabilit
des cotes

50

l'Intervalle de tolrance
distribution entirement
dans la tolrance

distribution avec points

hors tolrance

59,0
Tolrance
Infrieure

05/10/2016

60,0
Cible
PED-ICAM

61,0
Tolrance
Suprieure

51

l'Intervalle de tolrance
Exemple :
assemblage
arbre - alsage

sur la cible
Une pice de laxe proche
des
limites
=
Grande possibilit
Danger endes
cas alsages
dalsages
daccepter
loignsde
delalacible
cible
loigns

jeu idal
viser la CIBLE

05/10/2016

PED-ICAM

52

comment caractriser une production ?

12
11
10
9
8
7
6
5
4
3
2
1

3 Valeurs
9 Valeurs
56 Valeurs

Plus on prend de valeurs,

plus l'tendue augmente !
On doit caractriser la dispersion
par un critre statistique !

tendue R
= plus grande - plus petite

05/10/2016

PED-ICAM

53

comment caractriser une production?

l'cart-type c'est
le tour de taille
de la courbe en cloche

cart-type
""

moyenne
""

"cart-typique"

05/10/2016

PED-ICAM

54

comment caractriser une

production ?

cart type = =

moyenne = =

( x i - )2
n
xi
n

ATTENTION : la relation entre le point dinflexion et lcart type

suppose que ce soit une Loi Normale !!
(donc absence de causes spciales)
05/10/2016

PED-ICAM

55

6 et Rduction de variabilit
Hors zone par million
317 311
45 500
2 700
63
0.57
k

0.002
0

% Bons

68,27

95,45

99,73

99,9937

99,999943

6 =12

99.9999998

Dfauts
Ppm
317311
45500
2700
63
0.57
0.002

3 = 6
2 = 4
1

05/10/2016

PED-ICAM

56

Six sigma et la rduction de

variabilit
Aprs
Avant
6 sigma !

Equip
e
de
progr
s
05/10/2016

Equip
e
de
progr
s
PED-ICAM

57

Six sigma et la rduction de

variabilit
Dispersion court terme

6 sigma !

4.5 sigma !

1.5 sigma !

3.4 ppm

Cible

05/10/2016

Variation du processus dans le temps

PED-ICAM

58

Ppm en tenant compte du

dcentrage de 1.5

Dfauts par millions

1000
000
100
10 000
1000
100
10
1
0.1
0.01

Sigma

%
Bons

Dfauts
Ppm

69.13

308700

93.32

66810

99.379

6210

99.9767

233

99.99966

3.4

8
7
6
5
4

36542

2
1
0
05/10/2016

PED-ICAM

59

6 et Rduction de variabilit
savoir si la pice
correspond aux tolrances
savoir si le procd
est "capable"

Tinf

cible - 6

cible

cible + 6 Tsup

dispersion = 6
05/10/2016

intervalle de tolrances = Tsup - Tinf

PED-ICAM

60

La dmarche DMAICS :

Mesurer la capabilit des moyens de mesure

outil GRR

05/10/2016

PED-ICAM

61

La dmarche DMAICS :

Mesurer : vrifier la
capabilit du moyen de mesure
On nattrape pas les mouches avec du
vinaigre ..!

On ne mesure pas loxyde de grille dun

transistor MOS (50+/-10) avec un
double dcimtre !
05/10/2016

PED-ICAM

62

La dmarche DMAICS :

Mesurer : importance de la
mesure dans la capabilit

Biais

Prcision (precision) = capacit

reproduire la mme valeur en mesurant
plusieurs fois la mme chose
= R&R = Rptabilit & Reproductibilit

05/10/2016

Justesse (accuracy) = cart par

rapport la mesure vraie
Peut se corriger par ltalonnage
(calibration)

Valeur
Vraie

PED-ICAM

63

La dmarche DMAICS :

Mesurer :Rptabilit et
Reproductibilit (R&R)

Source : MSA (Measuring System Analysis) QS9000

Principe : valuer la dispersion de linstrument de mesure
et de la faon de sen servir
Calculer la Capabilit du Processus de Contrle (Cpc)
Cpc =

IT
6 instrument

Evaluer la dispersion de la mesure par rapport la

dispersion totale (GRR%)
GRR% = 100
05/10/2016

instrument
IT / 6
PED-ICAM

64

La dmarche DMAICS :

Mesurer :R&R, dcisions de

capabilit
Situation

Action

Cpc < 2,5

GRR > 40%

Le processus de
mesure nest pas
adapt

Changer
dinstrument de
mesure

2,5 < Cpc < 3

30% < GRR < 40%

Le processus de
mesure nest pas
adapt.
A nutiliser quen cas
de mesure dlicate

Amliorer le
systme, changer
linstrument, former
les oprateurs

3 < Cpc < 4

10% < GRR < 30%

Processus de mesure
adapt pour des
Si tolrances larges,
tolrances trs
amliorer le systme.
resserres

Cpc > 4
GRR < 10%

Processus de mesure
capable

05/10/2016

PED-ICAM

65

La dmarche DMAICS :

Mesurer - R&R mthode longue

Contrleur 1
#

Dix pices mesures par 2

ou 3 contrleurs, 2 ou 3
essais par contrleur.
Cette mthode permet de
diffrencier rptabilit de
reproductibilit.

M1

M2

Contrleur 2
R

M1

M2

Contrleur 3
R

M1

M2

Xp

1
2
3
4
5
6
7

Les moyennes des

moyennes et moyennes des
tendues sont calcules

8
9
10

X 1 R1

Moyenne gnrale :
moyennes :
05/10/2016

PED-ICAM

X2 R
2

X 1 R3

Moyenne des tendues

66

La dmarche DMAICS :

Mesurer - R&R mthode longue

Validit des mesures
Dessin

de la carte de contrle aux tendues avec LSCR = D4 R

Pas de pb si les 2 ou 3 cartes (selon le nbre doprateurs) nont pas de

HC
Sinon, recommencer la mesure douteuse.
Idem sur carte de contrle aux moyenne.
Prfrable si des HC reproductibles entre oprateurs sont constats

05/10/2016

PED-ICAM

67

La dmarche DMAICS :

Mesurer - R&R mthode longue

Calcul Cpc et GRR%
1 Rptabilit :
Calcule partir des tendues des sries
faites par le mme oprateur :

rptabilit

R
= *
d2

2 Reproductibilit :
Calcule partir de ltendue sur les moyennes X :

oprateur =

RX
d

*
2

2
reproductibilit = oprateurs

3 Dispersion totale de la mesure :

instrument
GRR % = 100
05/10/2016
IT / 6

et

Cpc =

2
rptabili
t

pn

R X = X Max X min
Avec p = nbre de pices
et n = nbre dessais

2
2
instrument = Rpt
+ Reprod

IT

PED-ICAM
6 instrument

68

La dmarche DMAICS :

Mesurer - R&R mthode longue

Calcul Cpc et GRR%
4 Analyse de la dispersion des pices :
Calcule partir des tendues des moyennes de mesures des pices :

R p = X pMax X p min
pices =

Rp
d 2*

5 Dispersion TOTALE :
2
2
Totale = Instr
+ Pices

Lcart type total peut aussi sestimer en fonction de lIT :

Total = IT / 6

05/10/2016

PED-ICAM

69

La dmarche DMAICS :

Analyser : observation du processus

carte de contrle sans limite
dcomposition de la variance

05/10/2016

PED-ICAM

70

La dmarche DMAICS :

Ractions aux cartes de contrle

Causes de variation (rappel)
1.

Les causes communes : exemple prcision dune quipement, jeu mcanique dune machine

2.

Les causes spciales : exemple usure prmature dun outillage, mauvais rglage, panne

Les causes spciales se manifestent de trois faons :

Tendance

05/10/2016

Tendance croissante
(drive)

PED-ICAM

Point hors limites

71

71

La dmarche DMAICS :

Interprtation des graphiques;

Rgles de raction :
Tendance

7 points conscutifs
suprieurs ou infrieurs
la moyenne

Drive

7 points conscutifs en
augmentation ou
diminution rgulire

Hors limites
de contrle

Hors limites
dalerte

1 point hors limite

de contrle (3)

2 points conscutifs hors

limite de surveillance ou
d alerte (2)

Dans tous ces cas, nous navions quune probabilit de moins de 0,5% de
trouver une telle situation du fait du hasard (procd de rfrence
inchang) On ny crois pas ! Le procd effectivement d
changer

05/10/2016
PED-ICAM
72

La dmarche DMAICS :

Interprtation des graphiques;

Que faire en cas de hors contrle ?
1 sur les pices en cours de contrle :
A priori, les faire poursuivre la production (si dans IT)
Ou trier la production si le Cp (court terme) est < 1,33
2 sur le procd :
Le remettre en cause, confirmer le HC
Peut-tre arrter le procd (la production !)
Identifier les causes de dgradation (ou damlioration)
Outils 5M, AMDEC, 8D, GRR, corrlation,
Corriger : rgler le procd, modifier le procd, amliorer
Confirmer / valider les actions cor. vrifier leur efficacit
05/10/2016

PED-ICAM

73

La dmarche DMAICS :

Interprtation des graphiques;

Pilotage des procds

Puis :
Continuer le pilotage du procd en surveillant les signes qui
indiquent une perte de stabilit.
Recalculer les limites de contrle quand :
leffectif du sous-groupe change (n)
la frquence d chantillonnage change
il y a dautres changements significatifs du procd
Ne travailler que sur les caractristiques critiques de plus
faible Cp/Cpk .. (loi de Pareto)

05/10/2016

PED-ICAM

74

La dmarche DMAICS :
Innover, Amliorer :
Agir dans un but damlioration permanente en rduisant
les causes de variabilit :
Plans dactions curatives & prventives sur :
-
-
-
-
-

Les Matires premires et les fournisseurs

Les Machines et quipements
Les Mthodes
La Main duvre : formation et sensibilisation du personnel
Le Milieu, souvent cause de variation de type bruit

05/10/2016

PED-ICAM

75

La dmarche DMAICS :
Standardiser
Prenniser les solutions
Officialiser, assurer la tracabilit, informer des changements en
interne
Informer les clients (PCN), les fournisseurs ou sous-traitants
Automatiser, verrouiller ..
mais . remettre en cause, allger, supprimer (les contrles et
cartes) en tout tat de cause !
CONTRLER est trop souvent de VALEUR AJOUTEE

05/10/2016

PED-ICAM

76

Bibliographie
!
!
!
!
!
!

!
!
!
!
!
!
!
!
!
!
!
!
!
!
!
!
!
!

Alain Fernandez : Lessentiel du tableau de bord, Eyrolles ditions dorganisation, tirage 2012
Robert S. Kaplan, David P. Norton: Comment utiliser le tableau de bord prospectif, dition dorganisation, tirage 2002
Alain Fernandez: Les nouveaux tableaux de bord des dcideurs, dition dorganisation, 2000
Olivier Crutti, Bruno Gattino: Indicateurs, et Tableaux de bord, AFNOR, tirage 1997
Michel Leroy: le tableau de bord au service de lentreprise, dition dorganisation, 1998
Doumeingts, G., Ducq, Y. : Enterprise Modelling techniques to improve Enterprise Performances, The International Conference of Concurrent Enterprising: ICE99, The
Hague, The Netherlands, 1999
Alain Gaugris: les indicateurs de performance, RISCD 2008, Division de statistiques des Nations-Unies, juin 2008, Bamako, Mali
Olivier Bruel, Frdric Petit: Fonction Achats: Mesure et pilotage des performances, Benchmarking des pratiques, tude empirique, HEC Paris, groupe HEC,
Dpartement MIL, 2005
AAMODT, A. (1994), Case-Based Reasoning: foundational issues, methodological variations, and system approaches, Artificial Intelligence Communications, 7, (1),
39-59
ARCHER and AL. (2003), Le processus dvaluation de la performance fournisseur, la recherche dune mthodologie, Recherche collective, Juin 2003
AREZOO, B. and AL. (2000), Selection of cutting tools and conditions of machining operations using an expert system, Computer in Industry, vol 42, Number 1,
pp43-58
BROWN, D.C., CHANDRASEKARAN B. (1985), Expert system for a class of mechanical design activities, Knowledge Engineering in CAD, Elsevier, Amsterdam
CHEN D., DOUMEINGTS G., VERNADAT F.B. (2008), Architectures for enterprise integration and interoperability Past, present and future, Computers in Industry 59 p.
647-659
COLIN, J. (2002), From logistics operations control to scm, De la maitrise des oprations logistiques au supply chain management , Gestion 2000, Janvier Fvrier,
pp59-75
DOUMEINGTS, G., DUCQ, Y. : Enterprise Modelling techniques to improve Enterprise Performances, The International Conference of Concurrent Enterprising: ICE99,
The Hague, The Netherlands, 1999.
DOSSOU, P.E., MITCHELL P. (2009), How Quality Management could improve the supply chain performance of SMEs, FAIM 2009, Teesside, UK
DOSSOU, P.E., MITCHELL P. (2010), Carbon Reduction: New criteria of supply chain performance, FAIM 2010, Oakland, East Bay, USA
DOSSOU, P.E., PAWLEWSKI P. (2010), Using Multi-agent system for improving and implementing a new enterprise modeling tool, PAAMS2010, Salamanca, Spain
DOSSOU, P.E., MITCHELL P. (2011), Using environmental demands to improve Supply Chain Performance, ITEE2011, Poznan, Poland
DOSSOU, P.E., MITCHELL P. (2011), Using GRAI Methodology for the improvement of Lead Time in the overall Supply Chain, FAIM2011, Taichung, Taiwan
LONGIN, F. le scoring
RUSSELL S. J., NORVIG P. (1995), Artificial Intelligence, A Modern Approach, Prentice-Hall, Englewood Cliffs
SHAMAH, A.M.R.(2009), Going green in supply chain management as a prospective improvement, FAIM 2009, Middlesbrough, United Kingdom
XIA, Q., and AL. (1999), Knowledge architecture and system design for intelligent operation support systems, Journal Expert Systems with Applications, vol 17, Issue
2, P115-127
YAHIA, M.E., MAHMOD, R., SULAIMAN, N. and AHMAD, F. (2000), Rough neural expert system, Journal of Expert System with Application, Vol 18, issue 2

05/10/2016

PED-ICAM

77

Thank You for your attention !!!

05/10/2016

PED-ICAM

78