SlideShare une entreprise Scribd logo
Université Sidi Mohammed Ben Abdallah
    École Nationale des Sciences Appliquées de Fès
                    Génie Industriel



        Management de la qualité


          Étude de Cas
Maîtrise statistique des procédés

                Réalisé par:            Majda AL BAGDADI

                Encadré par:            Mme. Bennouna

                Année universitaire:    2011/2012
                                                           1
Rappel introductif
                  Méthode de contrôle des
                 processus de fabrication,
MSP…
 C’es t quoi ?    Comparaison des représentations
                 graphiques avec une valeur donnée
                 de référence,
                  Amélioration de la qualité des
                 produits et des processus,
                 MSP ≠ contrôle 100%
                  Contrôle destructif et grande taille
                 des lots
                                                    2
Rappel introductif



Dém arche
  M SP




                                 3
Sommaire

I.   Présentation du problème

II. É tude de l’existant

III. É tude détaillée

IV. Résultat et conclusion



                                4
Présentation du problème
 Application de la méthode MSP sur le cas suivant:




                                                     5
É tude de l’existant
      Contrôle des en-                       Contrôle des
           cours                             Produits finis
•   NQA = 1
•   Taille du lot : 300 pièces       •   NQA=1
•   Taille de l’échantillon : 3
                                     •   c=1 (critère d’acceptation)
•   Si le nombre de pièces
    défectueuses est supérieur à 1   •   d=2 (critère de refus)
    prendre un 2ème échantillon.     •   Échantillon : 5 à 10
•   Refaire les mêmes contrôles          compteurs par 1000
    pour cet échantillon.
•   Si le nombre de pièces
    défectueuses est supérieur à 1
    rejeter la caisse.
                                                                       6
É tude de l’existant
         A vérifier…
• La taille de l’échantillon ?
• Le critère d’acceptation ?
   • Le critère de refus ?

         A faire…
Tracer les cartes de control
          Décider                7
É tude détaillée
Méthode  Détermination de la taille de l’échantillon pour un
contrôle standard


Table de code de l’échantillonnage
Table des tailles des échantillons



                         • Taille du lot
                           • NQA = 1
                • Niveau de contrôle générale III
                                                          8
Etude De Cas   Msp
Etude De Cas   Msp
É tude détaillée
Donc:
• Pour les en-cours, l’échantillonnage sera:
                    n=80
           Seuil d’acceptation = 2
             Seuil de refus = 3

    Si on obtient 3 ou plus de point qui
    dépassent les limites de contrôle, on
                rejette le lot !
                                            11
Etude De Cas   Msp
Etude De Cas   Msp
É tude détaillée
• Pour les produits finis, l’échantillonnage
  sera:
                    n= 125
           Seuil d’acceptation = 3
             Seuil de refus = 4
     Si on obtient 4 ou plus de point qui
     dépassent les limites de contrôle, on
                 rejette le lot !

                                               14
É tude détaillée
• Pour un niveau de contrôle général de II :
En-cours : n=50 / S.Ac=1 /S.ref=2
Finis: n=80 / S.Ac=2 / S.ref=3



L’existant est totalement erroné, il faut
  prendre les résultats de cette nouvelle
  analyse

                                               15
Etude De Cas   Msp
    Phase       NP            Taille du sous-groupe

                                           Obs1                1         5,000                           50,000




                  É tude détaillée
                                           Obs2                1         6,000                           50,000

                                           Obs3                1         2,000                           50,000

                                           Obs4                1        10,000                           50,000

                                           Obs5                1         2,000                           50,000

                                           Obs6                1         1,000                           50,000



 Prélève des échantillons des lots de     Obs7

                                           Obs8
                                                               1

                                                               1
                                                                        12,000

                                                                         8,000
                                                                                                         50,000

                                                                                                         50,000

                                           Obs9                1         3,000                           50,000


  produits (en-cours/finis),               Obs10

                                           Obs11
                                                               1

                                                               1
                                                                        20,000

                                                                        17,000
                                                                                                         50,000

                                                                                                         50,000

                                           Obs12               1        10,000                           50,000

                                           Obs13               1        13,000                           50,000

                                           Obs14               1         9,000                           50,000


 Mesures de nombre d’unités non-          Obs15

                                           Obs16
                                                               1

                                                               1
                                                                         0,000

                                                                         9,000
                                                                                                         50,000

                                                                                                         50,000



  conformes (np) ou p est la probabilité
                                           Obs17               1         2,000                           50,000

                                           Obs18               1         1,000                           50,000

                                           Obs19               1         3,000                           50,000


  de la non conformité                     Obs20

                                           Obs21
                                                               1

                                                               1
                                                                         2,000

                                                                         1,000
                                                                                                         50,000

                                                                                                         50,000

                                           Obs22               1         2,000                           50,000

                                           Obs23               1         4,000                           50,000

                                           Obs24               1         3,000                           50,000


 Détermination des limites de contrôle    Obs25

                                           Obs26
                                                               1

                                                               1
                                                                        13,000

                                                                        20,000
                                                                                                         50,000

                                                                                                         50,000

                                           Obs27               1         3,000                           50,000

                                           Obs28               1         2,000                           50,000

                                           Obs29               1         1,000                           50,000

                                           Obs30               1         0,000                           50,000

                                           Obs31               1         0,000                           50,000




    k=3
                                           Obs32               1         2,000                           50,000

                                           Obs33               1         6,000                           50,000

                                           Obs34               1        15,000                           50,000

                                           Obs35               1         3,000                           50,000

                                           Obs36               1        25,000                           50,000

                                           Obs37               1        12,000                           50,000

                                           Obs38               1         4,000                           50,000

                                           Obs39               1         1,000                           50,000



 Dessin de la carte de Schewhartz de      Obs40

                                           Obs41
                                                               1

                                                               1
                                                                         6,000

                                                                         4,000
                                                                                                         50,000

                                                                                                         50,000

                                           Obs42               1         4,000                           50,000


  type p                                                                               17
En-cours :
n=50 / S.Ac=1 /S.ref=2    É tude détaillée
        Finis:
                      E xercice sur E xcel
n=80 / S.Ac=2 / S.ref=3

           UCL= 0,28063018, CL=0,12666667, LCL=-0,02729684




                                                             18
É tude détaillée
• Calcul des indices de capabilité machine
  (Cm et Cmk) et les indices de capabilité
  procédé (Cp et Cpk)




                                             19
Résultat et conclusion
Le cas étudier :
- Ne prend pas un échantillon représentatif
- Le processus est hors control
         améliorations sur les 5M

Noter : Outils de la MSP (Logigramme,
 Pareto, ishikawa…)


                                              20
FIN
             Webographie:

 • «Appliquer la maîtrise statistique des
     processus » de Maurice PILLET.
• « Le NQA-une garantie de qualité » de
      SEMPERMED Numero 2/2004.



                                            21

Contenu connexe

Tendances

GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision
ibtissam el hassani
 
Rapport PFE | Eolane | Amélioration de la productivité de l'atelier CMS
Rapport PFE | Eolane | Amélioration de la productivité de l'atelier CMSRapport PFE | Eolane | Amélioration de la productivité de l'atelier CMS
Rapport PFE | Eolane | Amélioration de la productivité de l'atelier CMS
Zouhair Boufakri
 
Etude critique et amélioration de la gestion de la performance du service mai...
Etude critique et amélioration de la gestion de la performance du service mai...Etude critique et amélioration de la gestion de la performance du service mai...
Etude critique et amélioration de la gestion de la performance du service mai...
darckdaxter
 
Rapport pfe v1
Rapport pfe v1Rapport pfe v1
Rapport pfe v1
Mina Riyahi
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
Aboubakr Moubarak
 
Gestion des stocks et de la production
Gestion des stocks et de la productionGestion des stocks et de la production
Gestion des stocks et de la production
OULAAJEB YOUSSEF
 
Exposé+5 s..[1]
Exposé+5 s..[1]Exposé+5 s..[1]
Exposé+5 s..[1]
Redetoile Meno
 
La méthode DMAIC et ses secrets
La méthode DMAIC et ses secretsLa méthode DMAIC et ses secrets
La méthode DMAIC et ses secrets
XL Groupe
 
La methode des 5 s
La methode des 5 sLa methode des 5 s
La methode des 5 s
zazari
 
Jeu lean construction management 2017
Jeu lean construction management 2017Jeu lean construction management 2017
Jeu lean construction management 2017
Nadia Gharbi
 
Iso 9001 2000 - exemple d'un rapport d'audit teleperformance
Iso 9001 2000 - exemple d'un rapport d'audit teleperformanceIso 9001 2000 - exemple d'un rapport d'audit teleperformance
Iso 9001 2000 - exemple d'un rapport d'audit teleperformance
Youssef Bensafi
 
Presentation LEONI
Presentation LEONIPresentation LEONI
Presentation LEONI
The2289King
 
Lean Manufacturing _ Ibtissam EL HASSANI _ Complément du cours
Lean Manufacturing _ Ibtissam EL HASSANI _ Complément du coursLean Manufacturing _ Ibtissam EL HASSANI _ Complément du cours
Lean Manufacturing _ Ibtissam EL HASSANI _ Complément du cours
ibtissam el hassani
 
Gestion De Production Implantation
Gestion De Production ImplantationGestion De Production Implantation
Gestion De Production Implantation
charkaoui abdelkabir
 
Les muda (7 gaspillages)
Les muda (7 gaspillages)Les muda (7 gaspillages)
Les muda (7 gaspillages)
herve62400
 
Les 5 s au bureau
Les 5 s au bureauLes 5 s au bureau
Les 5 s au bureau
Eric Métais
 
jeu sur les 5 S
jeu sur les 5 Sjeu sur les 5 S
jeu sur les 5 S
CIPE
 
Rapport projet fin d'études SALAH EDDINE GHANDRI
Rapport projet fin d'études SALAH EDDINE GHANDRI Rapport projet fin d'études SALAH EDDINE GHANDRI
Rapport projet fin d'études SALAH EDDINE GHANDRI
Salah Eddine Ghandri
 
Projet Fin d'année version finale
Projet Fin d'année version finaleProjet Fin d'année version finale
Projet Fin d'année version finale
Houssem AZZOUZ
 
iso 9001
 iso 9001 iso 9001
iso 9001
Mohammed Rassai
 

Tendances (20)

GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision GP Chapitre 2 : Les méthodes de prévision
GP Chapitre 2 : Les méthodes de prévision
 
Rapport PFE | Eolane | Amélioration de la productivité de l'atelier CMS
Rapport PFE | Eolane | Amélioration de la productivité de l'atelier CMSRapport PFE | Eolane | Amélioration de la productivité de l'atelier CMS
Rapport PFE | Eolane | Amélioration de la productivité de l'atelier CMS
 
Etude critique et amélioration de la gestion de la performance du service mai...
Etude critique et amélioration de la gestion de la performance du service mai...Etude critique et amélioration de la gestion de la performance du service mai...
Etude critique et amélioration de la gestion de la performance du service mai...
 
Rapport pfe v1
Rapport pfe v1Rapport pfe v1
Rapport pfe v1
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
 
Gestion des stocks et de la production
Gestion des stocks et de la productionGestion des stocks et de la production
Gestion des stocks et de la production
 
Exposé+5 s..[1]
Exposé+5 s..[1]Exposé+5 s..[1]
Exposé+5 s..[1]
 
La méthode DMAIC et ses secrets
La méthode DMAIC et ses secretsLa méthode DMAIC et ses secrets
La méthode DMAIC et ses secrets
 
La methode des 5 s
La methode des 5 sLa methode des 5 s
La methode des 5 s
 
Jeu lean construction management 2017
Jeu lean construction management 2017Jeu lean construction management 2017
Jeu lean construction management 2017
 
Iso 9001 2000 - exemple d'un rapport d'audit teleperformance
Iso 9001 2000 - exemple d'un rapport d'audit teleperformanceIso 9001 2000 - exemple d'un rapport d'audit teleperformance
Iso 9001 2000 - exemple d'un rapport d'audit teleperformance
 
Presentation LEONI
Presentation LEONIPresentation LEONI
Presentation LEONI
 
Lean Manufacturing _ Ibtissam EL HASSANI _ Complément du cours
Lean Manufacturing _ Ibtissam EL HASSANI _ Complément du coursLean Manufacturing _ Ibtissam EL HASSANI _ Complément du cours
Lean Manufacturing _ Ibtissam EL HASSANI _ Complément du cours
 
Gestion De Production Implantation
Gestion De Production ImplantationGestion De Production Implantation
Gestion De Production Implantation
 
Les muda (7 gaspillages)
Les muda (7 gaspillages)Les muda (7 gaspillages)
Les muda (7 gaspillages)
 
Les 5 s au bureau
Les 5 s au bureauLes 5 s au bureau
Les 5 s au bureau
 
jeu sur les 5 S
jeu sur les 5 Sjeu sur les 5 S
jeu sur les 5 S
 
Rapport projet fin d'études SALAH EDDINE GHANDRI
Rapport projet fin d'études SALAH EDDINE GHANDRI Rapport projet fin d'études SALAH EDDINE GHANDRI
Rapport projet fin d'études SALAH EDDINE GHANDRI
 
Projet Fin d'année version finale
Projet Fin d'année version finaleProjet Fin d'année version finale
Projet Fin d'année version finale
 
iso 9001
 iso 9001 iso 9001
iso 9001
 

Etude De Cas Msp

  • 1. Université Sidi Mohammed Ben Abdallah École Nationale des Sciences Appliquées de Fès Génie Industriel Management de la qualité Étude de Cas Maîtrise statistique des procédés Réalisé par: Majda AL BAGDADI Encadré par: Mme. Bennouna Année universitaire: 2011/2012 1
  • 2. Rappel introductif  Méthode de contrôle des processus de fabrication, MSP… C’es t quoi ?  Comparaison des représentations graphiques avec une valeur donnée de référence,  Amélioration de la qualité des produits et des processus, MSP ≠ contrôle 100%  Contrôle destructif et grande taille des lots 2
  • 4. Sommaire I. Présentation du problème II. É tude de l’existant III. É tude détaillée IV. Résultat et conclusion 4
  • 5. Présentation du problème Application de la méthode MSP sur le cas suivant: 5
  • 6. É tude de l’existant Contrôle des en- Contrôle des cours Produits finis • NQA = 1 • Taille du lot : 300 pièces • NQA=1 • Taille de l’échantillon : 3 • c=1 (critère d’acceptation) • Si le nombre de pièces défectueuses est supérieur à 1 • d=2 (critère de refus) prendre un 2ème échantillon. • Échantillon : 5 à 10 • Refaire les mêmes contrôles compteurs par 1000 pour cet échantillon. • Si le nombre de pièces défectueuses est supérieur à 1 rejeter la caisse. 6
  • 7. É tude de l’existant A vérifier… • La taille de l’échantillon ? • Le critère d’acceptation ? • Le critère de refus ? A faire… Tracer les cartes de control Décider 7
  • 8. É tude détaillée Méthode  Détermination de la taille de l’échantillon pour un contrôle standard Table de code de l’échantillonnage Table des tailles des échantillons • Taille du lot • NQA = 1 • Niveau de contrôle générale III 8
  • 11. É tude détaillée Donc: • Pour les en-cours, l’échantillonnage sera: n=80 Seuil d’acceptation = 2 Seuil de refus = 3 Si on obtient 3 ou plus de point qui dépassent les limites de contrôle, on rejette le lot ! 11
  • 14. É tude détaillée • Pour les produits finis, l’échantillonnage sera: n= 125 Seuil d’acceptation = 3 Seuil de refus = 4 Si on obtient 4 ou plus de point qui dépassent les limites de contrôle, on rejette le lot ! 14
  • 15. É tude détaillée • Pour un niveau de contrôle général de II : En-cours : n=50 / S.Ac=1 /S.ref=2 Finis: n=80 / S.Ac=2 / S.ref=3 L’existant est totalement erroné, il faut prendre les résultats de cette nouvelle analyse 15
  • 17.   Phase NP Taille du sous-groupe Obs1 1 5,000 50,000 É tude détaillée Obs2 1 6,000 50,000 Obs3 1 2,000 50,000 Obs4 1 10,000 50,000 Obs5 1 2,000 50,000 Obs6 1 1,000 50,000  Prélève des échantillons des lots de Obs7 Obs8 1 1 12,000 8,000 50,000 50,000 Obs9 1 3,000 50,000 produits (en-cours/finis), Obs10 Obs11 1 1 20,000 17,000 50,000 50,000 Obs12 1 10,000 50,000 Obs13 1 13,000 50,000 Obs14 1 9,000 50,000  Mesures de nombre d’unités non- Obs15 Obs16 1 1 0,000 9,000 50,000 50,000 conformes (np) ou p est la probabilité Obs17 1 2,000 50,000 Obs18 1 1,000 50,000 Obs19 1 3,000 50,000 de la non conformité Obs20 Obs21 1 1 2,000 1,000 50,000 50,000 Obs22 1 2,000 50,000 Obs23 1 4,000 50,000 Obs24 1 3,000 50,000  Détermination des limites de contrôle Obs25 Obs26 1 1 13,000 20,000 50,000 50,000 Obs27 1 3,000 50,000 Obs28 1 2,000 50,000 Obs29 1 1,000 50,000 Obs30 1 0,000 50,000 Obs31 1 0,000 50,000 k=3 Obs32 1 2,000 50,000 Obs33 1 6,000 50,000 Obs34 1 15,000 50,000 Obs35 1 3,000 50,000 Obs36 1 25,000 50,000 Obs37 1 12,000 50,000 Obs38 1 4,000 50,000 Obs39 1 1,000 50,000  Dessin de la carte de Schewhartz de Obs40 Obs41 1 1 6,000 4,000 50,000 50,000 Obs42 1 4,000 50,000 type p 17
  • 18. En-cours : n=50 / S.Ac=1 /S.ref=2 É tude détaillée Finis: E xercice sur E xcel n=80 / S.Ac=2 / S.ref=3 UCL= 0,28063018, CL=0,12666667, LCL=-0,02729684 18
  • 19. É tude détaillée • Calcul des indices de capabilité machine (Cm et Cmk) et les indices de capabilité procédé (Cp et Cpk) 19
  • 20. Résultat et conclusion Le cas étudier : - Ne prend pas un échantillon représentatif - Le processus est hors control  améliorations sur les 5M Noter : Outils de la MSP (Logigramme, Pareto, ishikawa…) 20
  • 21. FIN Webographie: • «Appliquer la maîtrise statistique des processus » de Maurice PILLET. • « Le NQA-une garantie de qualité » de SEMPERMED Numero 2/2004. 21

Notes de l'éditeur

  1. Le NQA ou la qualité au plus haut niveau, determiné par les normes et choix stratégique de la société
  2. La taille de l’echantillon est t-elle représentative ? Le critère d’acc et de ref sont t-ils logique ? Le contole MSP induit-il une amélioration ou c’est une perte ?