S olutions 
PROGICIELS DE CONTRÔLE STATISTIQUE
SPC :
BIEN IDENTIFIER
LE BESOIN AVANT
DE CHOISIR
■ Choisir un progiciel de Maîtrise Statistique des Procédés
(MSP) ou de la qualité d’une fabrication (SQC) n’est pas une
mince affaire. Ceux-ci offrent en effet un nombre très important
de critères de choix qui doivent être sélectionnés en fonction du
type de production, du type de produits à contrôler et de
l’objectif recherché.
R
ares sont ceux d’entre nous qui, lors
de leurs études, se sont passionnés
pour les statistiques. Beaucoup de
techniciens et ingénieurs qui avaient
rêvé de ne plus en entendre parler en rentrant
dans la vie industrielle ont dû se rendre à l’évi-
dence: les statistiques, “il faut faire avec” car
elles sont l’instrument de base pour par
exemple décrire la qualité d’une production,
contrôler la performance dans le temps d’un
outil de production ou encore pour estimer le
niveau de sécurité d’un équipement. Grâce à
la puissance de calcul des microprocesseurs, de
nombreux algorithmes de calcul de fonctions
statistiques ont été développés. On trouve sur
le marché des progiciels de SPC (Statistical
Process Control) ou SQC (Statistical Quality
Control), développés par des éditeurs indé-
pendants, à vocation universelle. Mais l’offre
ne s’arrête pas là! Les algorithmes de SPC sont
le plus souvent intégrés dans d’autres progi-
ciels à vocation plus spécialisée. C’est ainsi
que la plupart des fabricants d’équipements
de mesures mécaniques (contrôle dimen-
sionnel, dureté, rugosité, etc.) ou de testeurs
de cartes électroniques offrent des fonctions
SPC ou SQC pour établir des statistiques sur
des lots de pièces ou de cartes. Des fonctions
de contrôle statistique sont également propo-
sées sur les postes de supervision ou de
conduite des systèmes de contrôle de process:
les techniques statistiques sont ici appliquées
aux mesures effectuées sur le process et elles
MESURES 734 - AVRIL 2001
babilités : les caractéristiques fondamentales
permettent de mettre en évidence toute déri-
ve des équipements ou du process et de réagir
avant que ces dérives deviennent trop impor-
tantes et conduisent à fabriquer des produits
hors tolérances.
Comme toute discipline spécialisée, les statis-
tiques ont un vocabulaire qui leur est propre.
On appelle population l’ensemble des observa-
tions relevées sur les différentes unités d’un
groupe (de personnes, d’objets, de pièces,
etc.). Les observations peuvent être des
mesures, des indices qualitatifs (critère
bon/mauvais, par exemple), etc. L’observa-
tion isolée est appelée individu. L’échantillon est
constitué d’un ensemble d’individus extraits,
dans des conditions données, de la popula-
tion étudiée.
Les statistiques sont souvent associées aux pro-
d’une population peuvent ainsi être estimées
en s’appuyant sur la connaissance de quelques
individus.
Remarque. Le contrôle statistique de process
est surtout mis en œuvre sur les processus de
fabrication en gros volumes. Cependant, il
s’applique également pour des productions
de faibles voire très faibles quantités: 10, 50,
quelques centaines de pièces par exemple.
Autrement dit, si on fabrique sur une même
machine le produit A puis un produit B et à
nouveau un produit A… etc., on peut quand
même suivre le déréglage du procédé de pro-
duction en indiquant certains paramètres des
produits A et B lorsque la machine est sous
contrôle.
Quelques paramètres fondamentaux
Dans tout process de fabrication, on cherche
à obtenir des produits ayant des caractéris-
tiques bien définies. Aucun process de fabri-
cation n’étant parfait, les pièces fabriquées ne
sont pas rigoureusement identiques. On se
fixe des valeurs nominales, ainsi que les
valeurs minimales et maximales acceptables.
On souhaite que les pièces fabriquées aient
leurs caractéristiques proches de la valeur
nominale et qu’un minimum d’entre elles soit
en dehors des limites que l’on s’est fixées. Un
certain nombre de paramètres a été défini
pour caractériser la dispersion d’une produc-
tion.
La valeur moyenne, notée x (prononcer “x bar-
re”), est obtenue en relevant les mesures xi
sur un certain nombre de pièces, en addi-
tionnant les valeurs obtenues et en divisant le
résultat par le nombre n de mesures effec-
tuées:
x +x +…+xn
x = 1 2n
L’étendue R est la différence entre les valeurs
maximale et minimale de l’échantillon. Elle
se calcule par une simple soustraction:
R = xmax - xmin
La moyenne et l’étendue ne suffisent pas pour
Les logiciels de contrôle statistique
de process offrent énormément de
fonctionnalités. Toute la difficulté est
de choisir celles qui correspondent
le mieux au besoin et ensuite de les
utiliser à bon escient.
77
 S olutions 
caractériser la distribution des valeurs obte-
nues. Pour affiner l’analyse, on introduit la
notion d’écart-type. L’écart-type σ s’exprime par
la relation:
N σ=
Σ (xi-µ)2
σ= i=1
N
dans laquelle µ désigne la moyenne des
valeurs, xi les valeurs individuelles mesurées
et N le nombre total des mesures. En pratique,
on ne contrôle pas l’ensemble de la population
(cela prendrait trop de temps), on limite donc
volontairement le nombre des mesures et on
calcule en fait l’écart-type sur un échantillon
de celle-ci (l’écart-type est alors noté “s”). Bien
évidemment, on n’accède pas à la valeur
moyenne µ de l’ensemble de la population,
et on remplace celle-ci par la valeur moyenne
x des mesures effectuées. Les mathématiciens
ont montré qu’avec ces approximations, la
Conforme ou non conforme?
■ Dans un lot donné, il n’est pas toujours
facile de délimiter les frontières de conformi-
té et de non conformité d’un produit. Le
schéma que nous vous proposons ici
explique pourquoi.
Dans cet exemple, la courbe de gauche cor-
respond à la distribution des moyennes des
échantillons d’une production conforme, cel-
le de droite à la distribution des moyennes
des échantillons d’une production non
conforme.
L’axe des abscisses est gradué en unités phy-
siques, des grammes par exemple, (imagi-
nons qu’il représente des masses de sachets
de poudre), celui des ordonnées gradué en
“densité de probabilité”.
Le sommet de chaque courbe correspond à la
moyenne générale de la caractéristique
mesurée du produit. Dans l’exemple, il y a
une forte probabilité pour que les masses des
produits conformes soient proches de 100 g
et ceux des produits non conformes de 110 g.
L’écart δ, soit 10 g, entre les deux sommets
78
meilleure estimation de l’écart-type des don-
nées par la formule:
N variables les plus connues sont les cartes x, R
Σ (xi-x)2
i=1
n-1
On utilise également la notion de variance, éga-
le au carré de l’écart-type.
Les cartes de contrôle sont l’outil de base de tout
contrôle statistique. Les cartes de contrôle ser-
vent à surveiller que les caractéristiques d’un
produit (une dimension, une masse, un
débit,…) soient bien concentrées sur la valeur
théorique que le concepteur s’est fixée. Elles
vont bien au-delà du simple contrôle “être
dans les tolérances ou non”, qui ne reflète pas
la qualité finale du produit.
Il existe de nombreuses cartes de contrôle, que
l’on peut classer en deux grandes familles: les
cartes aux variables, dédiées aux mesures quan-
titatives (une pression, une masse,…) et celles
est assimilé au déréglage maximum admis-
sible de la ligne de fabrication
La surface rouge, à gauche de la limite de
tolérance, correspond à la probabilité
d’accepter un échantillon qui fait pourtant
partie de la distribution de droite, celle des
produits non conformes.
Réciproquement, la surface verte, à droite de
la limite de tolérance, correspond à la proba-
bilité de refuser (l’échantillon est hors tolé-
rance) des produits qui proviennent de la
courbe de gauche, c’est-à-dire conformes.
La forme de la cloche est directement liée à
l’effectif des échantillons prélevés : plus la
taille des échantillons prélevés est grande,
plus la base de la cloche est étroite.
L’efficacité du contrôle est liée à la surface
rouge : plus elle est réduite moins on a de
risque d’accepter des produits non
conformes.
En ayant tous ces éléments en tête, on com-
prend très facilement, après quelques essais,
l’influence de la position de la limite de toléran-
ce, de “n” (taille de l’échantillon), et de δ sur
l’importance de la surface rouge…
Pour un δ donné, si n augmente, la base des
courbes rétrécit, les “cloches” se superposent
de moins en moins, la surface rouge diminue,
le risque d’accepter des produits non
conformes est de plus en plus faible.
Ou encore, pour une taille d’échantillon don-
née, si δ augmente, on écarte les deux courbes,
la surface rouge se réduit, le risque d’accepter
des produits non conformes diminue.
aux attributs pour les qualitatives (bon/mau-
vais, réussite/échec,…). Les cartes aux
(encore appelée “étendue”) et s (écart type).
Quant aux cartes de contrôle aux attributs, les
plus connues sont les cartes np, p, c et u.
1 - Se poser les bonnes
questions
Les méthodes statistiques permettent de
connaître les caractéristiques d’une popula-
tion à partir d’un ou plusieurs de ses échan-
tillons. Le choix de l’échantillon est donc pri-
mordial puisqu’il conditionne les conclusions
des analyses.
Il ne sert à rien d’utiliser un processus de
mesure “parfait” si à côté on laisse au hasard
la taille de l’échantillon et sa fréquence de pré-
lèvement.
L’homme “qualité” ou “mesure” est appelé à
se poser un certain nombre de questions:
- Quel pourcentage de la population dois-je pré-
lever? Contrôle à 100%, par échantillons?
- Quelle doit être la taille de mes échantillons?
- Dois-je prélever mon échantillon d’un seul
coup (6 pièces consécutives par exemple) ou
pendant un temps donné (6 pièces en une heu-
re par exemple)?
- Quelle doit être la fréquence de mon prélè-
vement
- Ma méthode de prélèvement est-elle optimi-
sée pour diminuer au maximum les coûts de
contrôle sans altérer la qualité des produits?
Les logiciels SPC donnent certains outils pour
déterminer un effectif d’échantillon et, en par-
tie, sa fréquence de prélèvement.
2 - Quelle doit être la
taille de l’échantillon ?
Pour déterminer la taille de l’échantillon, deux
approches sont possibles : l’une statistique,
l’autre économique. Dans la pratique,
l’approche statistique est la plus répandue. Les
“modèles économiques” sont malheureuse-
ment peu utilisés.
L’approche statistique. Si les cartes de contrô-
le sont utilisées en maintenance, pour véri-
fier la stabilité de la ligne de production par
exemple, la taille de l’échantillon est quel-
conque, en général de 5 à 30 pièces.
Dans le cas du contrôle qualité, le calcul de la
taille fait intervenir la tolérance du produit,
le risque de refuser un produit conforme
(risque “alpha” ou “fournisseur”), le risque
d’accepter un produit non conforme (risque
“beta” ou “client”) et le déréglage maximum
admis en cours de production.
Deux outils synthétisent toutes ces informa-
tions: les courbes d’efficacité (OC curves) et les
MESURES 734 - AVRIL 2001

➤ Approche statistique pour déterminer
la taille de l’échantillon
Carte d’efficacité (OC Curve)
● Détermination de la taille d’échantillon
en fonction des risques clients, fournisseurs,
décalage à la cible.
● Applicable aux cartes de contrôle x, R (étendue),
S (écart type)
Les progiciels de SPC donnent les courbes d’efficacité (OC Curve) et les courbes de périodes
opérationnelles moyennes (POM, ARL Curve). La courbe d’efficacité est plus particulièrement
dédiée à la détermination de l’effectif des échantillons alors que la courbe POM sert à comparer
les performances de diverses cartes de contrôle.
Pour déterminer la taille d’un échantillon, on
peut faire appel à une approche économique,
dans laquelle on fait intervenir les coûts
directs du contrôle (amortissement de la
machine de contrôle, par exemple) et les
coûts indirects (préjudices financiers des
retours clients, par exemple).
courbes des périodes opérationnelles moyennes
(POM, ou ARL curves). Les logiciels SPC don-
nent généralement ces courbes. La courbe d’effi-
cacité sera plus particulièrement dédiée à la
détermination de l’effectif des échantillons alors
que la courbe POM est préférentiellement uti-
lisée pour comparer les performances de diffé-
rentes cartes de contrôle.
Notons que moyennant quelques transforma-
tions mathématiques élémentaires, ces deux
courbes donnent exactement les mêmes infor-
mations. Ce sont les présentations d’usage qui
en font des exploitations différentes.
L’approche économique. Différents modèles ont
été développés. Certains calculent en plus de
l’effectif de l’échantillon, la fréquence de prélè-
vement et les limites de contrôle pour un coût
minimum.
MESURES 734 - AVRIL 2001
 S olutions 
Carte POM (ARL Curve)
● Donne le nombre moyen de prélèvements jusqu’à
la détection d’un déréglage fonction des risques
clients, fournisseurs, décalage à la cible.
● Seul outil commun de comparaison entre les cartes x,
R, EWMA, cusum,…
● Permet une estimation de la fréquence
d’échantillonnage
Les coûts directs ont généralement deux
composantes : un coût fixe (amortissement
de la machine de contrôle par exemple) et
un coût variable, lié au nombre de pro-
duits testés.
Les coûts indirects tiennent compte des frais
occasionnés par un procédé hors contrôle :
recherche et élimination des causes qui pro-
voquent une fabrication non conforme, pré-
judice financier des retours clients,…
On peut regretter que les logiciels de SPC se
limitent aux outils statistiques sans proposer
d’approche économique.
3 - Quelle fréquence
de prélèvement ?
Toutes les estimations de fréquence d’échan-
tillonnage s’appuient sur la notion de fré-
quence de déréglage du procédé. Elles sont
parfois modélisées par des lois statistiques type
“loi de Poisson”.
Autrement dit, pour optimiser la fréquence
d’échantillonnage, il faut connaître son pro-
cédé: s’agit-t-il d’un déréglage à chaque chan-
gement de lot de matière première? Totale-
ment aléatoire,…
Il existe certaines règles (règle de CAVE répan-
due en France, NFX 06 031-0) qu’il faut
adapter notamment en fonction de la caden-
ce du processus contrôlé. En l’absence de
règle précise, on peut considérer qu’il faut
au minimum 1 à 2 POM pendant le cycle de
déréglage.
79
  S olutions 

➤ Méthodes QS9000 et Cnomo

Méthode QS 9000 Méthode
Etendues Moyennes et étendues Analyse de la variance CNOMO
(ranges) (averages and ranges) (ANOVA)
Sources de variabilité estimées Toutes confondues (totale) 1. Instrument 1. Instrument 1. Erreur de justesse
2. Opérateurs 2. Opérateurs 2. Instruments
3. Instrument et opérateurs 3. Instrument et opérateurs 3. Instruments et pièces
4. Pièces 4. Pièces
5. Toutes confondues (totale) 5. Interaction opérateurs/pièces
6. Toutes confondues (totale)
Conditions typiques d’utilisation 2 opérateurs mesurent chacun 3 opérateurs mesurent 3 opérateurs mesurent chacun 1 opérateur mesure 5 fois un étalon
5 pièces une seule fois chacun 10 pièces 2 fois 5 pièces 20 fois et 5 fois une pièce sur le moyen de
contrôle puis 5 pièces différentes
représentatives de l’intervalle
de tolérance sur le moyen de contrôle
(atelier) et en métrologie
La méthode “moyennes et étendues” permet d’extraire, au moyen d’essais, les proportions de différentes sources “d’imprécision” sur la mesure :
la variabilité intrinsèque à l’instrument de mesure, celle des opérateurs (voire des modes opératoires), celle de la combinaison “instrument plus
opérateur” et l’influence des écarts réels entre les produits. Seule, la Cnomo fait intervenir l’aspect “justesse” mais pas la reproductibilité (c’est-à-
dire l’influence notamment des opérateurs ou bien, par extension, les méthodes, laboratoires,…). Dans son mode opératoire, les notions de
moyens de contrôle et de métrologie montrent bien qu’elle s’applique parfaitement à des mesures géométriques.

➤ Validation du processus de mesure

Indice
Capabilité du moyen de contrôle (CMC)
% de variation du procédé
Indice de capabilité instrument (ICI)
Nombre de niveaux distincts
Définition
= tolérance / k * σ (instrument et opérateurs)
= σ (instrument et opérateurs) / σ (total)
= k * σ (instrument et opérateurs) / tolérance
= 1.41 * σ (pièces) /σ (instrument et opérateur)
Remarques
k = 6 si étude des chutes de capabilités
Indépendant de l’intervalle de tolérance
k = 5,15 généralement. Très utilisé dans avec la méthode “6 σ”

Les études de répétabilité et reproductibilité doivent notamment permettre de valider ou non un processus de mesure. Le tableau suivant donne un
certain nombre d’indices répandus. Selon leurs valeurs, le processus de mesure est accepté ou refusé par exemple.
Il montre l’importance de déduire des essais, les écarts-types “instrument et opérateur” (Gage R&R) mais aussi pièces à pièces. Un certain nombre de
logiciels donne également, pour une source de variation donnée (par exemple le mode opératoire), sa contribution dans l’intervalle de tolérance.

4 - Le processus montage, température,…) par des méthodes

de mesure est-il adapté?
Un mauvais jugement sur la qualité d’un pro-
duit peut entraîner de lourdes pertes écono-
miques : rejets de pièces bonnes, retours
clients, discussions interminables,…
Que ce soit pour de la caractérisation de pro-
duit ou du contrôle qualité, la question est
incontournable: «Le processus de mesure est-
il adapté à mon besoin?»
La terminologie “processus de mesure” est
importante car elle englobe tout ce qui inter-
vient dans le résultat d’un mesurage: la chaî-
ne de mesure avec son capteur certes, mais
aussi son environnement (ce qui pilote le cap-
teur, le mode opératoire du mesurage,…).
Pour valider entièrement un processus de
mesure, il faut l’étudier sous deux aspects: sa
justesse (est-on loin de la valeur vraie ?) et sa
variabilité (fluctuation des résultats pour des
mesurandes apparemment identiques).
On s’assurera de la justesse du processus de
mesure par l’étalonnage de la chaîne d’acqui-
sition (et pas seulement du capteur) et en esti-
mant les grandeurs d’influence (mauvais
appropriées. On contrôlera la dispersion du pro-
trie. A ce niveau, les possibilités des logiciels
divergent significativement quant aux straté-
cessus de mesure par des essais de répétabili-
té, reproductibilité selon un mode opératoi-
gies possibles: peut-on faire des essais de répé-
tabilité qui ne font intervenir qu’un seul opé-
re qui ne doit rien au hasard. rateur (ou laboratoire) ou des essais sur des
Les méthodes les plus pratiquées pour valider produits destructifs (produits irréparables et
ou non un processus de mesure sont issues que l’on doit détruire, pour juger de leur qua-
du secteur automobile qui propose en parti- lité) limités en nombre?
culier deux grands standards : le référentiel Lorsque les ressources ne sont pas disponibles
QS 9000 avec son manuel de référence (Ford, et que l’on doit s’adapter à l’existant, un logi-
Chrysler, Opel) et la norme Cnomo (PSA, Renault) ciel qui offre une large panoplie de conditions
E41.32.110.R. d’essais devient primordial
Remarquons que les constructeurs automo- Pascal Bavent
biles français ont choisi d’abandonner la nor-
me Cnomo au profit de la QS 9000.
Dans leurs brochures techniques ou com-
merciales, les logiciels SPC font donc souvent
référence aux méthodes disponibles: Cnomo,
QS 9000, Bosch,… Ils offrent dans leur gran-
de majorité les trois méthodes proposées par
la QS 9000 : méthode des étendues (“range”
ou “short method”), méthode des moyennes
et étendues (“averages and ranges” ou “long
method”) et analyse de la variance (“Anova
method”).
Mais il n’y a pas que le référentiel QS 9000
ou la norme Cnomo présents dans l’indus-

80 MESURES 734 - AVRIL 2001

 G uide d’achat
CONTRÔLE QUALITÉ

Les progiciels
de SPC
■ Dans notre numéro d’avril, nous vous avons proposé un premier article sur le contrôle statistique de
procédés, rappelant les définitions des principaux paramètres ainsi que les questions de base à se poser
pour effectuer les prélèvements.
Après ces généralités, nous abordons ici des aspects pratiques, et plus particulièrement les aspects à
prendre en compte pour choisir un progiciel de contrôle statistique de process SPC (Statistical Process
Control).

A
cquérir des données et les exploi- male de rafraîchissement des données. Pour mum de pièces hors tolérance est dépassé,…
ter sont les deux grandes fonction- des postes manuels en marge des lignes de En cas d’alerte, deux solutions se présentent.
nalités que l’on attend d’un logiciel production, ce paramètre est, sauf exception, La première consiste à réaliser un rattrapage
de SPC. On distingue les logiciels non significatif. Pour des postes intégrés dans automatique des réglages : c’est l’objet de
“en ligne” qui gèrent les communications une ligne de production à cadence élevée, il l’EPC (Engineering Process Control), débattu
avec des instruments de mesure et les “hors devient essentiel. dans les conférences et salons, mais pas réel-
ligne” dans le cas contraire. lement vulgarisé. La seconde implique une
Pour les logiciels “en ligne”, le raccordement Différents outils d’exploitation intervention des hommes pour instruire le
des instruments se fait en général par le port Les progiciels de SPC délivrent des informa- journal de bord, comprendre, et au besoin,
RS232 du PC, éventuellement via un boîtier tions sur l’état de maîtrise du procédé : les fuites régler à nouveau le procédé.
d’interface. Certains logiciels sont fournis avec augmentent anormalement, le nombre maxi- Les logiciels SPC ne se content pas d’afficher
des pilotes (drivers) d’interfaçage à des équi-
pements de mesure (typiquement des
machines à mesurer dimensionnelles) ou
autres matériels type capteurs de déplacement
(comparateurs électroniques).
Les “hors ligne” ne sont pas pour autant “hors
course”! Ils proposent, pour la plupart, des
liens DDE avec la majorité des applications
Windows. Autrement dit, si votre ordinateur
met à jour des données de mesures, par un
moyen ou un autre, dans un tableur type Excel A la base de tout contrôle statis-
tique, il y a le relevé des valeurs de
par exemple, un simple “copier-coller avec mesure. Il faut ensuite les représen-
liens” vers le logiciel de SPC permettra de l’uti- ter dans des graphiques afin de
liser. L’importation de valeurs depuis des bases s’assurer que le process est bien
de données type Oracle, Access, dBase, Excel, maîtrisé. Les tableurs tels qu’Excel
Fox pro (interface ODBC) est encore une autre permettent en théorie d’arriver au
résultat mais les progiciels de SPC
solution.
Controltest

apportent une bien plus grande

Selon le poste de contrôle à équiper, on s’atta- convivialité et un nombre beaucoup
chera à l’importance de la fréquence mini- plus important de fonctionnalités.

108 MESURES 735 - MAI 2001


des résultats. Ils offrent tout un ensemble
d’outils afin d’atteindre l’objectif ultime : maî-
triser le procédé! En cas de dépassement de
limites de contrôle (alarme), par exemple,
une boîte de dialogue peut surgir pour pré-
venir l’opérateur et l’obliger à documenter
certains champs : origine constatée ou pro-
bable de l’aléa, action entreprise pour remé-
dier au problème,… Dans ce cas, il est indis-
pensable de pouvoir saisir le maximum
d’informations.
L’apparition d’alarmes peut aussi entraîner le
lancement de fichiers exécutables d’autres
applications, l’envoi automatique de messages
ou d’email sur le réseau, en plus des disposi-
tifs courants d’avertissement sonore et autres
clignotements à l’écran.
Attention, les événements à l’origine
d’alarmes ne sont pas tous les mêmes d’un
logiciel à l’autre. Les différentes causes et solu-
tions à des faits singuliers qui provoquent un
état hors contrôle gagnent à être regroupées
sous un diagramme de Pareto pour mieux
cibler les efforts à apporter.
Enfin, à l’ère de la traçabilité, l’enregistrement
des journaux de bord, à période fixe, ou dès
qu’une caractéristique est à nouveau mesu-
rée, est indispensable.
Vérifier à quelle loi statistique
obéit le process
Bien d’autres critères peuvent être pris en
considération lors du choix. Le prix, bien sûr,
directement lié aux fonctionnalités disponibles
et au nombre de licences souhaité. Les prix
démarrent à 5 kF pour certains progiciels et à
10 kF pour la plupart d’entre eux. La forma-
tion n’est pas à négliger car elle est souvent
nécessaire, compte tenu de l’étendue des pos-
sibilités de ces progiciels. Elle peut prendre
plusieurs jours (pour un utilisateur novice)
et donc représenter un coût important au
regard du prix d’acquisition.
Tous les logiciels de SPC donnent les para-
Controltest
Il est toujours possible de visualiser des
courbes représentant des mesures effectuées
sur des pièces ou un process. Encore faut-il
que l’on sache bien ce que l’on fait, que l’on
connaisse à quelle loi statistique obéit le pro-
cess, que l’on ait choisi la bonne carte de
contrôle, etc.
MESURES 735 - MAI 2001
 G uide d’achat 
QUELLE CARTE DE CONTRÔLE CHOISIR ?
% de pièces
non conformes
Nombre de non
conformités par
pièces/unités
Quelle carte Variable ou
choisir ? attribut ?
Données
corrélées ?
Les cartes de contrôle sont l’outil de base de tout contrôle statistique. Si on ne trouve pas son
bonheur dans la vaste panoplie de cartes proprosées par les progiciels de SPC, il est toujours
possible de créer ses propres cartes. Tout le problème est de trouver la carte la mieux adaptée
au type de contrôle à effectuer.
mètres de base, tels que le pourcentage de
pièces hors tolérances produites, la moyenne
des mesures et l’écart type d’un échantillon. Ils
effectuent bien d’autres calculs permettant
d’évaluer la performance d’un procédé, d’esti-
mer le pourcentage de pièces hors tolérances
fabriquées ou attendues, etc.
Encore faut-il connaître la loi statistique que
suit le procédé car elle conditionne le résultat
des calculs. Il est donc important de savoir si
les caractéristiques mesurées suivent une loi
“normale” (loi de Gauss) classique et, dans
le cas contraire, de quelle autre loi statistique
elle se rapproche.
Ces tests sont malheureusement rarement faits
en pratique car la loi de Gauss est assez simple
et bien vulgarisée. Quant aux autres, on ne
sait pas vraiment où l’on met les pieds…
Pourtant, certaines caractéristiques contrôlées
peuvent être “non normales” par définition (cas
typique des défauts de forme) ou suite à la pré-
sence d’un événement particulier dans la pro-
duction (on parle alors souvent de “causes spé-
ciales” ou “causes assignables”). Un changement
de lot de matière première peut provoquer un
Déréglages importants, cartes :
"p", "np"
Déréglages faibles, cartes :
CUSUM("p", "np"), EWMA("p", np")
Déréglages importants, cartes :
"c", "u"
Déréglages faibles, cartes :
CUSUM("c", "u"), EWMA("c", "u")
Déréglages importants, cartes :
"xbarre, R", "xbarre, S"
Déréglages faibles, cartes :
CUSUM, EWMA
Taille > 1
Echantillon taille 1
ou > à 1 ?
Taille = 1
Déréglages importants, cartes :
"valeurs individuelles, EM"
Déréglages faibles, cartes :
CUSUM, EWMA
Cartes ARIMA,
X, EM, CUSUM, EWMA sur résidus
mélange de populations par exemple.
Un bon nombre de logiciels de SPC propo-
sent de réaliser des tests de normalité. Ils com-
portent en général deux menus. L’un sert à
tester la normalité d’une distribution. Dans le
cas où l’hypothèse de normalité est rejetée,
un deuxième menu permet de choisir une
autre loi qui sera la base des calculs des indi-
cateurs de performances du procédé.
La manière la plus simple de s’assurer de la nor-
malité de la répartition d’une série d’observa-
tions est de les représenter dans un système
d’axes tel que la loi normale soit représentée
par une droite. C’est typiquement le cas de la
droite de Henry mais aussi d’autres représen-
tations : graphique des quantiles/quantiles
(“quantile/quantile plot”) ou probabilités/pro-
babilités (“probability/probability plot”).
C’est aussi le complément indispensable à tout
test “objectif” de normalité.
L’ISO 5479 et la NFX 06050 proposent jus-
tement certains tests pour étudier la normali-
té d’une distribution. La norme française don-
ne 4 indicateurs : l’aplatissement (kurtosis),
l’asymétrie (skewness), la statistique du test
109
  G uide d’achat 
➤ Les principaux indicateurs
de capabilité
Désignation Cas des lois “normales”
LSS-LSI
Cp (ou Pp) Cp (ou Pp) =
kσ
{ LSS-M
Kσ Kσ }
M-LSI
Cpk (ou Ppk) Cpk (ou Ppk) = min ; Cpk (ou Ppk) = min
Cpm (ou Ppm) LSS-LSI
Cpm (ou Ppm) =
σ2 + (Μ− cible) 2
K√
- LSS et LSI représentent les limites de spécification (tolérances) supérieures et inférieures
- M est en général la moyenne dans le cas des lois normales et le 50 % percentile dans les autres cas.
- La cible est la valeur théorique à atteindre, celle des plans, de l’idéal
- s est un écart type
- k un coefficient très généralement égal à 6 dans le cas des Cp, Pp et Cpm, 3 dans le cas des Cpk, Ppk
- percentilsup et percentilinf sont des limites qui encadrent en général 99,73 % de production.
de Shapiro-Wilk et celle de Kolmogorov Smir-
nov. Elle ne donne aucune indication sur la
conduite à tenir si l’hypothèse de normalité
est rejetée.
Pour ajuster les courbes aux distributions non
normales, l’ordinateur est l’instrument idéal.
Encore faut-il prendre quelques précautions.
Ainsi, connaître le résultat de calcul (la valeur
prend alors le nom de “statistique”, comme la
discipline…) d’un test de Shapiro-Wilk n’est
pas très utile s’il n’est pas associé à un critère
“oui/non” ou, plus finement, une probabili-
té de vraisemblance avec la loi rapprochée.
Il peut y avoir de nombreux tests. Rassembler
leurs résultats avec leur probabilité associée
d’adéquation à une loi donnée sur un même
écran est très appréciable.
Le test du chi2 (χ2) fait très souvent partie de
la panoplie des tests d’adéquation pour iden-
tifier la loi de distribution des données col-
lectées. Seulement, son résultat est intime-
ment lié à sa mise en œuvre, si bien que l’on
peut lui faire dire un peu ce que l’on veut si
l’on ne respecte pas certaines règles. Pour les
SPC Vision
Avant de se lancer dans une application de
SPC, il faut commencer par rechercher à quel-
le loi statistique obéit le procédé, et en parti-
culier s’il obéit à une loi normale. Les progi-
ciels de SPC offrent des outils pour cela.
110
Cas des lois “non normales”
LSS-LSI
Cp (ou Pp) =
percentilsup-percentilinf
LSS-M M-LSI
{ percentilsup-M ;M-percentilinf }
LSS-LSI
Cpm (ou Ppm) =
K σ2 + (Μ− cible) 2
√ titatives (une pression, une masse,…) et celles
novices, il est fortement recommandé de fai-
re un test du chi2 avec regroupement et éli-
mination automatique de classes dont la taille
est inférieure à une certaine valeur.
Lorsque l’hypothèse d’adéquation à une loi
normale est abandonnée ou s’il s’agit d’une
distribution non normale connue par défini-
tion (par exemple, l’écart de position du
centre d’un perçage suit une loi de Weibull
particulière, ou Rayleigh), on peut essayer de
retrouver celle qui convient le mieux dans une
bibliothèque de lois de distribution proposée
par le logiciel.
Quelques logiciels autorisent en plus le para-
métrage de ces lois supplémentaires pour
répondre à quasiment toutes les situations.
Il faut également citer les familles de courbes
de Pearson et les transformées de Johnson qui
modélisent au mieux la distribution mesurée.
L’outil de base : les cartes de contrôle
Savoir à quelle loi statistique obéit le procédé
n’est pas une fin en soi. Ce qui importe, c’est
d’obtenir les indicateurs permettant de carac-
tériser la production. Les cartes de contrôle sont de
loin l’outil le plus répandu. Elles servent à sur-
veiller que les caractéristiques d’un produit
(une dimension, une masse, un débit,…) sont
bien concentrées sur la valeur théorique que le
concepteur s’est fixée. Elles vont bien au-delà
du simple contrôle “être dans les tolérances
ou non”, qui ne reflète pas la qualité finale du
produit.
Les cartes de contrôle peuvent être manuelles
ou automatiques. Il en sort de nouvelles tous les
ans, essentiellement outre-atlantique, avouons-
le. Les cartes de contrôle relevées sur une feuille
à la main ont certes des vertus pédagogiques,
mais excluent inévitablement l’utilisation de
cartes qui demandent un peu de calcul et qui
pourraient être bien mieux adaptées. Autre
inconvénient, la traçabilité des produits et pro-
cédés n’est pas optimisée, et elle est parfois
inexploitée tant les recherches dans des liasses
de tableaux peuvent devenir fastidieuses.
Avec les logiciels SPC, il est facile de trouver la
carte la mieux adaptée au processus que l’on
surveille et la faire évoluer au fur et à mesure
des améliorations. Au besoin, les éditeurs peu-
vent développer et implémenter des cartes à
la demande. Les logiciels de SPC permettent
aussi d’oser de nouvelles cartes…
Il existe de nombreuses cartes de contrôle, que
l’on peut classer en deux grandes familles : les
cartes aux variables, dédiées aux mesures quan-
aux attributs pour les qualitatives (bon/mau-
vais, réussite/échec,…). Les cartes aux
variables les plus connues sont les cartes x, R
(encore appelée “étendue”) et s (écart type).
Quant aux cartes de contrôle aux attributs, les
plus connues sont les cartes np, p, c et u.
Attirons l’attention sur certaines de ces cartes.
Les cartes EWMA et CUSUM sont plus parti-
culièrement intéressantes dès que l’on veut
détecter des faibles dérives.
La carte “CUSUM avec masque en V” a l’avan-
tage de visualiser immédiatement le moment
à partir duquel le procédé s’est déréglé. Cet-
te carte est parfois déconseillée.
La “carte d’acceptation” permet d’être sûr,
toujours avec une certaine probabilité en sta-
tistique, de rejeter un pourcentage donné de
mauvaises pièces produites.
La “carte aux limites modifiées” sert essen-
tiellement quand les caractéristiques mesu-
rées sont très regroupées et au centre d’un
intervalle de tolérance large. Il est alors pos-
sible d’admettre certains déréglages.
La “carte multivariée (ou T2 de Hotelling)”
permet de regrouper plusieurs caractéristiques
sous contrôle d’un produit, par exemple un
ensemble “arbre alésage”, sous une même
variable. Elle se révèle très pratique à l’usage.
La carte “usure d’outils” est destinée aux
caractéristiques, comme des dimensions de
pièces usinées, dont les caractéristiques évo-
luent linéairement dans le temps.
Même pour les faibles séries…
La maîtrise statistique des procédés s’applique
également pour des productions de faibles
voire très faibles quantités : 10, 50, quelques
centaines de pièces par exemple. Le principe
des cartes de contrôle est identique, mais on
l’adapte aux caractéristiques propres à chaque
“petite série”. Autrement dit, si sur une même
machine on fabrique le produit A puis B et à
nouveau A, etc., on peut quand même suivre
le déréglage du procédé de production en
indiquant certains paramètres des produits A
et B lorsque la machine est sous contrôle.
MESURES 735 - MAI 2001
  G uide d’achat 
Attention, les trois niveaux de découpages procédé, lesquels permettent d’évaluer la per-
“machine”, “séries”, “pièces” ne sont pas formance du procédé. C’est la méthode la plus
implémentés dans tous les logiciels. fiable et la plus économique, et à partir de
Les amateurs de la méthode “6 sigma” (6 σ) n’importe quel échantillon prélevé dans un
pourront également apprécier la présence, en lot par exemple.
standard, de cartes aux variables “z” ou “z bar- Les puristes pourront également s’intéresser
re” (variables centrées réduites). à l’existence des “intervalles de confiance”
Si le logiciel permet d’intégrer des formules en des indices.
dynamique sur les caractéristiques mesurées, Il est intéressant que le logiciel offre la possi-
tout, ou presque, est permis. Par exemple, les bilité de paramétrer les différents indices de

SPC Vision
limites de contrôle peuvent être redéfinies à capabilité, et ce pour deux raisons :
partir de formules mathématiques intégrant - les normes et standards évoluent : la norme
des moyennes et écart types. Les cartes de contrôle encore et toujours ! Les Cnomo E41.92.110N qui définit et donne les
Prenons un exemple : vous voulez vérifier la représentations graphiques offertes par les méthodes de calculs de certains indices est en
stabilité dans le temps d’une opération de vis- progiciels de SPC ne dépaysent pas les habi- passe d’être abandonnée au profit du réfé-
sage. Sa qualité est définie par un paramètre lié tués des relevés sur feuilles de papier. rentiel QS 9000, des méthodologies de gain
à l’angle que fait la tête de vis par rapport à un qui permettent de rendre “pseudo normale” de productivité type 6 σ (6 sigma) ont des
repère fixe. Il n’existe pas de carte de contrôle une distribution qui ne l’est pas (très utile formules de calcul simplifiées…
dans la panoplie des cartes standards proposée pour les cartes aux valeurs individuelles) et - ces indices reflètent le pourcentage de pièces
par le fabricant de logiciel qui convienne à votre les exclusions automatiques d’échantillons si hors tolérances et l’aptitude à maîtriser l’appa-
application. Les formules dynamiques sur les certaines conditions ne sont pas remplies reil de production. Un client peut donc exiger
valeurs mesurées vont sauver la situation : les (effectif minimum, valeurs aberrantes,…). de son fournisseur un calcul particulier.
points tracés sur la carte de contrôle pourront Fort heureusement, quelle que soit la procé-
être le résultat d’une formule mathématique Evaluer les performances d’un procédé dure qualité client, sa manière de désigner les
qui contient des fonctions trigonométriques Les cartes de contrôle sont avant tout desti- indices et ses conditions d’application, on
dont la variable est la mesure d’un angle… nées à qualifier une production. Elles servent converge dans la quasi-totalité des cas vers
Citons enfin les transformations de BoxCox aussi à calculer les indices de capabilité du 6 paramètres : Cp, Pp, Cpk, Ppk, Cpm et Ppm.
La différence entre Cp et Pp ou Cpk et Ppk,
➤ Les principaux progiciels de SPC ou encore Cpm et Ppm vient du mode de cal-
cul de l’écart type σ (sigma). Tous les logi-
et leurs fournisseurs* ciels calculent ces indices, mais ce n’est pas
toujours avec les mêmes méthodes de déter-
Nom du Fournisseur mination des écarts types… En effet, si le
Progiciel/éditeur Nom Coordonnées mode de calcul d’un écart type répond à une
définition mathématique très précise, on peut
ACQW Qualitex Tél. : 03 28 33 28 33 - Fax : 03 28 33 28 34 cependant l’estimer pratiquement de plusieurs
Applied Stats Opsio Informatique Tél. : 03 44 11 42 60 - Fax : 03 44 11 42 66 manières (selon les données dont on dispose).
Calimero Sinfor Tél. : 04 72 13 56 00 - Fax : 04 72 13 56 01 Dans les nouveaux référentiels, les indices Cp
Calistat Andilog Tél. : 01 47 50 03 03 - Fax : 01 47 50 65 50 et Cpk correspondent aux capabilités court
D50 OBI Tél. : 04 50 69 30 67 - Fax : 04 50 52 14 00 terme. Autrement dit, l’écart type d’un indi-
Guardus Teclogie Tél. : 01 30 45 98 80 - Fax : 01 30 45 98 88
ce Cp ou Cpk se calcule à partir d’échantillons
prélevés dans un minimum de temps. On a
Lumiere Sier Tél. : 01 39 89 73 01 - Fax : 01 39 89 83 82
donc une image de la variabilité propre du
MS Pro Polytech Tél. : 03 89 55 60 60 - Fax : 03 89 55 60 61 process, sa variabilité normale, a priori non
QS Stat Drilco Tél. : 01 49 36 32 69 - Fax : 01 49 36 20 26 influencée par des événements particuliers…
Quality Analyst Controltest Tél. : 01 69 11 02 02 - Fax : 01 69 11 02 22 Pour lPp et Ppk, c’est l’inverse. On parle alors
Quantum SPC Drilco Tél. : 01 49 36 32 69 - Fax : 01 49 36 20 26 de capabilité long terme.
Quasar Focal Industrie Tél. : 04 50 64 10 33 - Fax : 04 50 64 10 34 Cpm est un indicateur de plus en plus utilisé.
Un de ses intérêts est qu’il est insensible à la
Rapace Opsio Informatique Tél. : 03 44 11 42 60 - Fax : 03 44 11 42 66
non normalité de la distribution! Il intègre la
RS/QCA 2 Domain Manufacturing Tél. : 01 40 83 07 07 - Fax : 01 40 83 00 52 notion de qualité du produit fini. En effet, on
SAS/QC SAS Institute Tél. : 01 60 62 11 11 - Fax : 01 60 62 11 99 peut avoir un pourcentage élevé de produits
Sesame Arve Informatique Tél. : 04 50 96 10 39 - Fax : 04 50 96 13 97 finis non conformes, même si ses constituants
SPC Light JGF Control Tél. : 01 41 58 66 06 - Fax : 01 41 58 66 05 élémentaires sont tous dans les tolérances! Et
SPC Vision Infodream Tél. : 04 79 34 31 20 - Fax : 04 79 34 31 29 ceci est d’autant plus vrai que les caractéris-
Statgraphic Sigma Plus Tél. : 05 34 45 49 45 - Fax. : 05 34 45 49 30 tiques de ces fameuses pièces élémentaires
sont proches de leurs tolérances… Cpm est
Statistica Statsoft Tél. : 01 45 18 59 99 - Fax : 01 45 18 52 85
donc un indicateur très pertinent de la quali-
Visual PC EMC Tél. : 01 64 68 30 00 - Fax : 01 64 68 11 99 té finale.
* De très nombreux fournisseurs de progiciels de supervision et d’acquisition de mesures intègrent des fonctions de à leurs progiciels. Pascal Bavent
Les fournisseurs que nous mentionnons ici offrent des progiciels autonomes et indépendants.

MESURES 735 - MAI 2001 111