Contrôle statistique des processus (CSP)

Le contrôle statistique des processus (CSP) est un modèle mathématique de contrôle de la qualité qui permet de suivre les variations de production. Il s'agit d'une boîte à outils pour les méthodologies de fabrication sans gaspillage et Six Sigma.

Contexte méthodologique de la maîtrise statistique des processus

Le créateur du contrôle statistique des processus est Walter Andrew Shewhart, ingénieur statisticien aux Laboratoires Bell dans les années 1920.

Le principe de base du contrôle statistique des processus est que les opérations de fabrication ne fournissent pas le même type de données que les processus naturels tels que la biologie. Shewhart l'a remarqué et a développé le système SPC, qui a attiré l'attention de la légende de la fabrication Edwards Deming.

Shewhart a remarqué que les opérations de fabrication ne suivaient pas une courbe en cloche, mais créaient des données le long d'une ligne statique de contrôle statistique.

De nos jours, la MSP est très répandue dans la philosophie de gestion Six Sigma, qui est connue pour s'appuyer sur de nombreux outils quantitatifs pour une analyse approfondie.

Quelles sont les causes des variations de production ?

Littéralement n'importe quoi - et c'est le problème que les diagrammes SPC résolvent.

Si une chaîne de montage crée une production de 5 produits finis par heure et que, soudainement, seuls 3 produits finis sont produits par heure, vous savez que quelque chose ne va pas. La cause du problème peut aller d'une pièce mécanique usée à une mauvaise configuration, en passant par une fluctuation de température imperceptible.

C'est pourquoi les diagrammes SPC sont si utiles : ils constituent la première ligne de défense de votre contrôle de la qualité, même lorsque vous n'avez aucune idée de l'existence d'une variation.

Certains défauts dans les produits finis peuvent ne pas être visibles à l'œil nu, ou les produits peuvent sembler parfaits mais échouer lors des tests.

Le seul moyen de savoir si les défauts sont dus à une erreur du travailleur, à une machine défectueuse ou à tout autre chose est de collecter des données quantitatives par le biais du contrôle statistique des processus.

Variations communes et variations spéciales

Les variations courantes sont celles qui sont censées se produire dans les limites de l'expérience ou du processus. Les causes communes sont des variations non attribuables, en ce sens qu'elles ne sont pas dues à quelque chose d'inhabituel.

C'est pourquoi il est souvent difficile d'identifier toutes les variations communes. Nombre d'entre elles sont dues à des événements de la vie courante qui ne peuvent être résolus.

*Par exemple, une variation courante d'un processus serait un léger retard dans la réalisation d'une tâche. Il se peut que l'employé chargé de la tâche soit nouveau et qu'il ait besoin d'une heure supplémentaire pour l'accomplir, ou que la paperasserie ait été retardée à cause d'une erreur d'impression, ce qui a fait descendre le travail dans la file d'attente.

Les variations spéciales sont celles qui résultent d'écarts spécifiques par rapport à la norme. Les causes spéciales sont attribuables à des erreurs ou à des dysfonctionnements de machines qui peuvent être représentées sous la forme d'un écart sur un graphique SPC.

*Par exemple, une variation spéciale d'un processus se produirait si une presse à journaux avait une erreur d'alimentation et que le tampon imprimait le contenu de la première page à moitié sur le papier et à moitié hors du papier. Cette variation spéciale peut être attribuée au dysfonctionnement de l'alimentation.

Importance du contrôle statistique des processus

Il existe des centaines d'applications pour les outils de mesure du CSP, mais leurs avantages peuvent être résumés dans les domaines suivants :

1. Réduction des déchets
2. Détection précoce et prévention des problèmes
3. Productivité plus rapide et meilleur contrôle de la qualité

En fin de compte, le contrôle statistique des procédés est une mesure préventive contre les déviations dans le contrôle de la qualité. L'importance du contrôle statistique des processus réside dans son approche à multiples facettes qui permet d'identifier les écarts de qualité "non normaux" propres à la fabrication.

En outre, le contexte mathématique de chaque outil permet une éventuelle automatisation connectée dans l'usine intelligente moderne. C'est ce qui différencie le CSP d'autres modèles moins précis de contrôle des flux de travail ou des processus.

Les 14 graphiques et outils de la MSP

La maîtrise statistique des processus est davantage une boîte à outils qu'un simple diagramme - c'est pourquoi les outils quantitatifs sont regroupés. Vous pouvez choisir les éléments à inclure en fonction des spécifications de votre projet.

Les 7 outils de contrôle de la qualité SPC

Il existe 7 outils de contrôle de la qualité pour le SPC, qui constituent la véritable matière première de l'analyse statistique en raison de leur nature quantitative et de l'importance qu'ils accordent aux mathématiques.

1. Feuille de contrôle
2. Diagramme d'Ishikawa (en arête de poisson)
3. Carte de contrôle (barre X, carte R)
4. Histogramme
5. Diagramme de paréto
6. Diagramme de dispersion
7. Stratification

Les 7 outils supplémentaires de la CPS

Il existe également 7 outils qualifiés de "complémentaires" parce qu'ils sont moins quantitatifs et plus descriptifs, et qu'ils incluent souvent des éléments visuels pour fournir un nouvel angle de compréhension ou peut-être pour défendre une certaine stratégie de l'exécutif.

8. Stratification des données
9. Journaux d'événements
10. Cartes des défauts
11. Organigrammes de processus
12. Centres de progression
13. Détermination de la taille de l'échantillon
14. Stratification des données

Comment appliquer le contrôle statistique des processus dans la pratique

Si vous comprenez l'intérêt des diagrammes SPC mais que vous ne savez pas où trouver les programmes permettant de les générer, la meilleure solution consiste à utiliser une plateforme numérique.

La CSP est un processus en plusieurs étapes, et certaines sources citent entre 6 et 10 "étapes". En réalité, bien que le nombre exact d'étapes soit controversé, il existe bel et bien des règles de base à suivre. Nous les avons simplifiées ici en un processus global en trois étapes :

La CSP est un processus à plusieurs étapes.

1. Comprendre les limites du processus et des spécifications
2. Stabiliser le processus en éliminant les variations spéciales
3. Surveiller le processus en cours à l'aide de cartes de contrôle

Vous pouvez ajouter des étapes supplémentaires si vous le souhaitez, en divisant les trois étapes ci-dessus en sous-catégories. (Par exemple, les grandes lignes du processus et les limites des spécifications peuvent constituer deux étapes différentes).

Les 2 phases de la mise en œuvre de la MSP

Tout comme les trois étapes, l'analyse SPC comporte deux phases. La plupart des éléments que nous avons déjà examinés relèvent de la première phase, et la deuxième phase est celle où les changements sont évalués et soit institutionnalisés, soit modifiés pour faire l'objet d'une analyse plus poussée.

1. Établissement initial

Cette première phase comprend les 3 étapes ci-dessus, y compris l'introduction de toute nouvelle variable ou variation du processus.

2. Utilisation régulière du procédé dans le cadre de la production

Cette deuxième phase comprend une évaluation des changements apportés au cours de la période initiale, ainsi qu'une décision à prendre en fonction des facteurs spécifiques suivants :

• Changements dans les conditions 5M&E (Homme, Machine, Matériel, Méthode, Mouvement, Environnement)
• Changements dans le taux d'usure des pièces (pièces de machine, gabarits, montages, etc.)