R EVUE DE STATISTIQUE APPLIQUÉE
R. R AMBACH
Le contrôle statistique source d’économie à tous les stades de la fabrication
Revue de statistique appliquée, tome 3, n
o1 (1955), p. 9-20
<
http://www.numdam.org/item?id=RSA_1955__3_1_9_0>
© Société française de statistique, 1955, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
LE CONTRÔLE STATISTIQUE SOURCE D’ÉCONOMIE
A TOUS LES STADES DE LA FABRICATION
par
R. RAMBACH Ingénieur-Conseil
Ancien élève de l’Ecole
Polytechnique
L’application des méthodes de contrôle statistique s’est étendue très rapidement des industries mécaniques et électriques, pour lesquelles ces méthodes avaient été conçues, aux domaines industriels les plus divers. Le caractère original de ces méthodes réside dans le fait qu’elles ne constituent pas un nouveau procédé d’orga- nisation, mais qu’elles apparaissent comme un mode plus précis de perception de
la réalité industrielle. Les services qu’elles rendent aux entreprises sont d’ordre
très divers, mais se caractérisent toujours très rapidement par d’importantes économies.
C’est l’idée d’économie sur l’effectif consacré au contrôle que suggère habi- tuellement à chacun le terme de contrôle statistique. Et il est bien certain que l’on obtient un tel résultat chaque fois que l’on a la
possibilité
d’instaurer uncontrôle par prélèvement à la place d’un contrôle intégral.
Le plus souvent, toutefois, les économies obtenues au service contrôle pro- viennent surtout du fait que les ensembles de pièces qui lui sont soumis sont eux-mêmes d’une qualité améliorée. Et cela pour des raisons multiples examinées
ci-après
par M. Rambach, qui a mis au point les services de contrôle statistique de diverses industries.TOLÉRANCES
DES DIVERSÉLÉMENTS
D’UN ENSEMBLEL’étude des tolérances des diverses
pièces
destinées à constituer unensemble constitue un bon
exemple
de la nécessitéd’appliquer
desrègles statistiques.
L’usage
courant est en effet de fixer pour chacun d’entre elles des limites telles que la somme des tolérances des divers éléments soitégale
à la tolérancede l’ensemble . Si l’ouvrier groupe les
plus petits
ou lesplus grands
de chacun des éléments, la tolérancerequise
pour l’ensemble se trouverarespectée.
Mais iln’y
a en réalité aucune chance pour que le hasard amène l’ouvrier à choisir simul- tanément leplus petit
de chacun des éléments à assembler. Lesprécautions prises
sont donc excessives ; onpourrait
constituer desassemblages
tous correctsen se contentant de tolérances sensiblement
plus larges
et par suite évidemmentavec un
prix
de revient moins élevé .Les
règles
de lastatistique permettent
de calculer trèssimplement
dansun tel cas les tolérances à
respecter
pourchaque
élément . On sait en effet que les diverses valeurs d’une dimension despièces produites
ont leursfréquences
réparties
depart
et d’autre d’une valeur centrale M selon une courbe en formede cloche bien connue dite Courbe de Gauss
(fig 1).
Véritémathématique qui
setrouve
respectée
engénéral
dans lapratique
avec uneapproximation
d’autantmeilleure que l’on considère un lot d’un
grand
nombre depièces,
maisacceptable
néanmoins dès
qu’il s’agit
dequelques
centaines d’entre elles. L’intervallequi sépare
les deuxpoints
où la courbe rencontrepratiquement
l’axe des Xrepré-
sente l’intervalle de tolérance de l’élément.
Lorsqu’on
assembleplusieurs
éléments, larépartition
de chacun d’entre eux estreprésentée par
une telle courbe.Des formules
simples permettent
de calculerquelle
sera la courbereprésentant l’assemblage
de ces éléments et parconséquent
la tolérance résultant des tolé-rances élémentaires. Si par
exemple
on doit assembler 4 éléments semblables pour constituer un tout, on trouvequ’il
suffit que chacun des 4 éléments soit exécuté à une toléranceégale
à la moitié de celle de l’ensemble(et
non pas auquart
comme on le calculeraithabituellement)
pour assurer desmontages
satisfaisants.Le
champ d’application
de ces idées ne doit d’ailleurs pas être limité à la seule notion delongueur
et à la seule industriemécanique.
Les mêmesprincipes s’appliquent chaque
foisqu’il
y acomposition
deplusieurs grandeurs indépen-
dantes. Par
exemple,
dans laprise
en considération dupoids
d’unemballage
etde celui de son contenu, considération
qui s’applique chaque
fois que l’on vend unproduit
en fonction de sonpoids
net en nedisposant
que de lapossibilité
d’encontrôler le
poids
emballé.AMÉLIORATION
DURÉGLAGE
DES MACHINESPlus encore
peut
être quel’agent
du bureaud’études,
lerégleur
auraintérêt à savoir que les dimensions de l’ensemble des
pièces produites
par sa machinepeuvent
varier dans certaines limites du fait de circonstances infinité- simales assimilables au hasard et à connaître ces limites. Faute de cela eneffet,
lorsqu’il
trouve unepièce
dont la cote n’est pas absolumentidentique
àcelle
souhaitée,
ilignore
totalement si cette différence estcaractéristique
d’unmauvais
réglage
ou seulementimputable
au hasard. Et selon soncaractère,
ilsera
amené,
soit à ne pas modifier desréglages qui
mériteraient del’être,
soitau contraire à modifier inconsidérément des
réglages
satisfaisants. Alors que siune étude
préalable lui
aindiqué quelles
étaient les variations des cotespossibles
du seul fait du hasard, il saura
distinguer
lesdivergences imputables
à la chancede celles
qui justifient
à coup sûr une action corrective de sapart.
Le
réglage
sera encore amélioré s’ilprend
en considération non pas la valeur d’unepièce
au hasard, mais la valeur moyenne d’un certain nombre depièces, cinq
parexemple.
Le bon sens seulindique déjà
que des moyennes decinq pièces
ne pourront varier du fait du hasard que dans des limitesplus
étroites que les valeurs individuelles
elles-mêmes ; qu’il n’y
aguère
de chancesen effet que les
cinq pièces entre lesquelles on fait la moyenne
soientjustement
lescinq plus petites
ou lescinq plus grandes
de l’ensemble. Lesrègles statistiques précisent
cette notion enindiquant qu’une
moyenne de npièces
variera dans unintervalle
vnfois plus étroit que la
valeur despièces
elles-mêmes . La connaissancede cette
règle
et celle de la courbe derépartition
despièces produites
permettront ainsi aurégleur
d’effectuer son travail trèsrapidement dans
des conditions satis- faisantes.Un
exemple typique
a été fourni en 19 51 à l’occasion del’exposition
biennaledes machines outils. Au cours d’une
démonstration,
lesrégleurs
désireux detrop
bien faire modifiaient constamment leurréglage
et aboutissaient en définitive à des variations de cotes 2 à 3 foisplus importantes que celles qu’ils
ont obtenues ensuite,lorsqu’au
bout dequelques jours
on leur fitappliquer
les méthodes de contrôlestatistique ( 1 ) .
DIMINUTION DU POURCENTAGE DE REBUTS
L’existence de limites relativement serrées entre
lesquelles
peuvent varier du seul fait du hasard les moyennes des dimensions d’un groupe dequelques pièces,
disonscinq,
permet l’établissement dugraphique
de contrôle que l’onpeut
considérer comme le document essentiel du contrôlestatistique
dequalité.
(fig 2).
Sur ce document sont tracées habituellement trois droites horizontales.
Deux d’entre elles sont intitulées limite inférieure et limite
supérieur
de contrôlede la moyenne. Tant que la valeur moyenne des dimensions des
quelques pièces
constituant l’échantillon tombe à l’intérieur de ces
lignes,
àquelque place
que ce soit, l’on est en droit de supposer que seul le hasard a fait différer cette valeur da la valeuroptimum.
Dès que l’on trouve une valeur extérieure à ces limites aucontraire, l’on
peut
affirmer avec une trèsgrande probabilité,
onpourrait
direavec
certitude,que
ce n’est pas le fait du hasard, maisqu’il
existe une cause àlaquelle
il y a sans doute lieu de remédier àl’origine
de la différenceséparant
la valeur moyenne trouvée de celle souhaitée. C’est en
général
undéréglage
dela machine ou, s’il
s’agit
depesées,
une erreur de tare.(1)-
Cette expérience a été décrite en détail par M. Mothes dans la Revue de Statistique Appliquée(1953 N° 1)
La troisième droite habituellement tracée sur le
graphique
est la limitesupérieure
d’étendue de l’échantillon. On nomme étendue de l’échantillon la différencequi sépare
dans l’échantillonprélevé
laplus grande pièce
de laplus petite.
Onconçoit
aisément quepour
unerépartition donnée,
c’est-à-dire pourune courbe de Gauss
déterminée,
il soitpossible
de fixer une valeur maximum à cette étendue.Chaque
fois que cette valeur seradépassée,
on pourra affirmer que ce n’est pas un fait du hasard, mais que cela caractérise une courbe derépartition
différente de celleprise
en considérationjusqu’à présent,
engénéral
une courbe
plus
étalée.Cette
description
dugraphique
de contrôle suffit pour montrer au lecteur le double intérêt du contrôlestatistique ;
d’unepart, permettra
au contrôle de dis-tinguer d’une façon pratiquement
certaine les anomalies d’uneimportance
suffi-sante pour
justifier
son intervention de cellesplus
minimesexplicables
par le hasard del’échantillonnage;
d’autrepart,
d’orienterles servicestechniques
dansleur recherche des causes de l’anomalie par l’indication de l’élément hors
contrôle,
étendue ou moyenne de l’échantillon.
Les
figures
numéro 3 et 4reproduisent
legraphique
de contrôled’un tour à décolleter de haute
précision
au cours de sapremière
semaine demise sous contrôle et un mois
après.
L’examen du resserementprogressif
dugraphique
des moyennes se passe de tout commentaire. Si ce n’est néanmoins le fait àrappeler qu’il s’agit
là de moyennes decinq pièces
et que parconséquent
les oscillations des valeurs des
pièces
elles-mêmesétaient beaucoup plus importantes
Sur un autre tour du même atelier,
(2)
on a constaté que laplupart
deséchantillons donnaient
satisfaction,
maisqu’un
certainpourcentage
d’entre euxsortait des limites de l’étendue alors que les moyennes
étaienttoujours respectées.
On s’est alors
rapidement
aperçuqu’une
came avait reçu un coupqui produisait
unpetit pourcentage
depièces largement
hors tolérances. Cepourcentage
depièces
hors tolérances était
toujours passé inaperçu
lors desprélèvements pièce
parpièce.
EFFET STIMULANT SUR LE PERSONNEL
L’intérêt du
graphique
de contrôle n’est pas limité au cas du travail automa-tique
ou mêmesimplement mécanique.
Son effet stimulant sur lepersonnel
esttrès net et les résultats obtenus à l’occasion de travaux entièrement manuels sont
parfois plus spectaculaires
encore que ceux obtenus sur machinesautomatiques.
C’est un fait assez curieux de constater que dans des activités manuelles très diverses, la
précision
d’un travail exécuté sous contrôle se situe presque tou-jours
entre le double et letriple
de laprécision
du même travail exécuté sanssurveillance chiffrée de la
qualité.
Cequi
est naturel dans une certaine mesureau moins,
lorsque
lepersonnel
est rémunéré en fonction de laquantité produite,
mais se retrouve même à l’occasion de travaux
payés
à l’heure.Nous citerons en
exemple (3)
lepourcentage
de casse en faiencerie lors de manutention despièces
avant cuisson, stade ou celles-ci sontparticulièrement fragiles.
Le contrôlestatistique
de la casse permet de réduire celle-ci, et parconséquent
d’améliorer leprix
de revient dans uneproportion importante.
Un
exemple
non moinsfrappant (4)
a été fourni par uneopération
de tri deplaques
de verre que l’on devait classer parépaisseur
dans descatégories d’amplitudes
5 microns. Laqualité
du travail a été tellement améliorée par la mise sous contrôle dupersonnel
que certainesopérations qui
devaient êtreparti-
(2)-
A la Société Jaz, 64 rue La Boétie à Paris.(3)-
Faïenceries de Gien.(4)-
Les exemples cités ci-dessus proviennent tous d’entreprises françaises qui ne se sont enga-gées
que récemment dans l’application du contrôle de qualité et qui sont toutes actuellementen train d’étendre le champ d’application de ces méthodes.
Le lecteur comprendra aisément que certaines d’entre elles, tout en nous autorisant à citer les faits, nous aient demandé de ne pas publier leur nom.
Nous tenons à remercier ici toutes les entreprises qui nous ont autorisé à faire bénéficier le lecteur de leur expérience, mais plus particulièrement encore celles qui ncus ont autorisés à les citer nominativement.
culièrement
soignées
et donnaient lieuprécédemment
à double tri, etparfois quand
même à réclamation du client, ne sontplus
maintenant effectuéesqu’avec
une seule
opération
de tri et sansqu’aucune
réclamation du même client ait été reçuedepuis
la mise contrôle.DÉTERMINATION
DESRESPONSABILITÉS
La différenciation du
graphique
de contrôle en étendues d’une part, moyennes de l’autre, ne permet pas seulement d’aider à découvrir les causes d’anomaliesmécaniques,
maispermet parfois
aussi de situer lesresponsabilités
de chacundans un travail
d’équipe.
Prenonsl’exemple (5)
d’une fabricationqui
consiste àenrouler sur des mandrins alternativement un certain nombre de feuilles de gomme et de tissus enduits,
puis
àdécouper
les manchons ainsi constitués en 80 élémentsqui
doivent être aussi semblables quepossible
entre eux. Lerespect
dela valeur moyenne des
pièces
incombe entièrement à l’ouvrierqui
confectionne le manchon etqui
a laresponsabilité
de s’assurer aupréalable
que les divers éléments ont étéfabriqués
aux dimensions convenables. Au contraire, lerespect
des limites d’étendues incombe en
pratique
totalement à l’ouvrierchargé
dudécoupage ; puisqu’un
travail peusoigné
de sa part aboutirait à laproduction
depièces
différentes les unes des autres.AMéliORATION
DESÉLÉMENTS
Chaque fois qu’il est possible
de mesurer ou depeser la grandeur
essentielle d’un ouplusieurs
éléments constitutifs d’un tout, le fait d’assurer lerespect
dela valeur
optima
de cettegrandeur
procurera à la fois une économie directe de matière en évitant lespièces trop grandes
et une économie de déchets sur lesproduits
finis en évitant lespièces intégralement
mauvaises par la faute d’un seul élément incorrect.Par
exemple (5),
laprécision
obtenue lors dudécoupage
de feuilles decaoutchouc destinées à mouler des bottes était avant mise sous contrôle de + ou
- 15 gr. La mise sous contrôle a
permis
d’assurer uneprécision
de + ou - 5 gr.permettant
en moyenne une économie de matière deplus
de 10 gr. parpièce
etdiminuant en même temps de
façon
notable lepourcentage
depièces
mauvaisespour insuffisance de matières.
Des améliorations sensibles ont de même été obtenues dans la fabrication de boites de conserves
par la
mise sous contrôle dudécoupage
des tôles destinéesau corps de la boite.
D’une
façon
trèsgénérale,
et mêmelorsque
laproduction
ne donne pas lieu àréclamations,
il y a économie de matière à améliorer laprécision
d’unepesée
ou d’une mesure. La condition à respecter par la fabrication se ramène en effet presque
toujours
à ce que l’ensemble despièces produites
soit au-dessus d’un certain minimum, et pour cefaire,
la valeur moyenne doit êtresupérieure
à ce rrinimum de la moitié de la
dispersion.
Toute réduction sur ladispersion
entraîne
ipso
facto une réduction de la valeur moyenne àrespecter
et par consé-quent
une économie de matières.Ce sera d’ailleurs
parfois
la mise sous contrôle d’uneopération quimontrera
la nécessité d’assurer la
précision
del’opération précédente.
Nousprendrons
pour
exemple
l’étude(6) qui
a été faite sur l’embrèvement des deux extrémités d’un tube. Cetteopération
était faite sur une macnine àquatre
outils. L’étude dela
dispersion
des valeurs des embrèvements a montré que celle-ci était la même pour chacun desquatre
outils, 1 mais par contre très différente entre les deux extrêmités des tubes. Laprécision
étaitparfaitement
satisfaisante pour l’embrè- vement de l’extrémité en butée et insuffisante pour l’autre. Il a alors été évident quel’opération
à mettre en cause était letronçonnage
insuffisammentprécis
destubes. Problème relativement facile à résoudre.
(5)-
Etablissements Hutchinson, 2 rue Balzac à Paris(6)-
Etablissements Allinquant, 6 rue Olier, ParisLE CONTROLE
STATISTIQUE -
MOYEND’ÉTUDES
Le terme même de contrôle
statistique,
traduction trop littérale etqu’il
serait à notre sens
préférable
deremplacer
pargestion statistique
de laqualité
cache souvent un aspect essentiel des services rendus à l’industrie par les méthodes
statistiques,
leurpossibilités
en tant que moyen d’études. Cette étudequi
doittoujours
êtrepréalable
à la mise sous contrôle à proprementparler
s’avère souvent
plus
fructueuse encore que le contrôleproprement
dit. Cesont les conditions même de fonctionnement d’une machine ou d’un
procédé qui peuvent
être ainsianalysées.
Le fait de constater dans l’étude
préliminaire
que l’ensemble des valeurs mesurées suit ou ne suit pas une courbe de Gauss est en lui-même très instructif.Si la
répartition
n’est pas Gaussienne, onpeut
en conclure avec certitudequ’il
existe une cause
systèmatique empêchant
les valeurs de serépartir
selon la loi du hasard ; il est alors engénéral possible
de trouver cette cause et s’il y a lieu, y remédier.Si la
répartition
est Gaussienne, comme c’est leplus
souvent le cas, lespropriétés
de la courbe de Gausspermettent
de nombreuses conclusions souvent fort utiles.Prenons par
exemple
la mise sous contrôle d’uneopération automatique
demise en boites de
pâté.
La doseuse, alimentée par une trémie située àl’étage supérieur, remplit
les boites d’unpoids
déterminé à raison d’une par seconde.Ces boites sont ensuite fermées et serties
automatiquement.
Le fabricant doitlivrer toujours
unpoids supérieur
à un minimumgaranti
au client..Cette certitudesera obtenue avec un
poids
moyen de matière d’autantplus
bas que laprécision
du
dosage
seraplus grande. L’analyse
de cetteprécision
par les méthodes statis-tiques
apermis
de montrer l’influence de latempérature
dumélange
introduit etcelle du
plus
ou moinsgrand remplissage
de la trémie. Il a étépossible
de fixerdes
consignes
de travail résultant de cetteétude, puis
d’exercer à intervallerégulier
un contrôlequi
permet de déceler toute anomalie etd’y
parer aussitôt.La
précision
dudosage, grâce
à l’ensemble de ces mesures estpassée
de + ou- 4 gr.
à + ou - 1 gr. .Les mêmes méthodes ont été
appliquées
à l’étude de la fabrication deplaques
isolantes constituées parl’assemblage
de feuilles élémentaires et leurmoulage
sous presse. Il est souhaitable derespecter
uneépaisseur
aussi uni-forme que
possible :
des insuffisancesd’épaisseur présentent
des inconvénientspour le
client tandis que les excès de celle-cireprésentent
une grossecharge
pour leprix
de revient. Il a étépossible
de déterminer par les méthodesstatistiques quelle régularité d’apaisseur
il étaitpossible
ou non d’obtenir,quelle
étaitl’influence de la
composition
des éléments sur celle-ci d’unepart
au centre, d’autre part au bord, etquelles
étaient lesconsignes
depesée
à fairerespecter.
Sur ce dernier
point,
on a découvert que les méthodesappliquées jusqu’alors
étaient entachées d’une erreur
systématique
dont la cause était à la réflexionévidente mais
qui
étaitjusque
làpassée inaperçue.
DÉTERMINATION
DESPOSSIBILITÉS
D’UNE MACHINE OU D’UNPROCÉDÉ
La détermination chiffrée et
objective
despossibilités
d’une machine oud’un
procédé
est souvent fort intéressante.En
premier
lieu pour le bureau d’étudesqui
pourra fixer des tolérancessans
risquer
de se voir opposerl’impossibilité
de lesrespecter.
Mais aussi très souvent pour les services
techniques
eux-mêmes,Dans une
fabrique
depapier peint
ou les rouleaux sont vendus pour unelongueur
de 7,50 m, on s’est aperçu que la vraielongueur
de ceux-cipouvait
varier en fait
jusqu’aux
valeurs extrêmes de6,80
m et 8,40 m, alors que la machine àdécouper
utiliséepouvait
permettre derespecter
uneprécision
de + ou- 15 cm.
Dans une
opération
detronçonnage
detubes,
le service dechronométrage
avait fixé à
quelle
vitesse la machine devait tourner pour les divers diamètresdécoupés,le personnel
déclarait nepouvoir
assurer laprécision voulue
aux vitessesfixées. L’étude
statistique
apermis
de démontrer que dans laplupart
des cas,les
consignes
établies par le service duchronométrage
étaient bonnes et d’enrectifier
quelques-unes
incorrectes. Notons à cette occasion le rôle du contrôlestatistique
comme arbitreobjectif
de l’éternel conflitquantité-qualité.
Dans le cas d’une batterie de trois tours
automatiques (7)
de même marquequi
exécutaient le même travail, lepersonnel
se rendaitcompte
que l’un des trois tour nepermettait
pas d’obtenir la mêmeprécision
que les deux autres, du fait deson état
général.
Lesrégleurs
ont été trèssurpris lorsque
des l’issue de l’étudestatistique
de leur tour, on leur a montré que les limites de contrôle relatives àce tour avaient été calculées deux fois
plus espacées
que celles relatives aux deux autresmachines.
Cette étude des
possibilités
réelles d’unprocédé
reste valable dans desopérations purement
manuelles. Nousprendrons
commeexemple
lapesée
surbalance Roberval de
produits
alimentaires mis en boites de conserve.(fig 5) L’imprécision
de lapesée jointe
àl’obligation
de livrer à la clientèle au minimumle
poids garanti oblige
àrespecter
unpoids
moyensupérieur
à ce minimumgaranti.
Dansl’exemple
choisi onpesait
en moyenne 325 gr. pour être sûr de livrer au client au moins 320 gr.Après
mise souscontrôle,
on a pudistinguer
deux
catégories d’ouvrières,
les meilleurespesaient
avec suffisamment depré-
cision pour
qu’on puisse
leur demander de tarer à 321 gr. seulement et les moins bonnesqui
n’arrivaient pas àrespecter
la mêmeprécision
etauxquelles
ondonnait une tare de 325 gr. L’économie moyenne de 1
%
était loin d’êtrenégli- geable.
DÉTERMINATION
DEL’ÉTAT
D’ENTRETIEN D’UNE MACHINEPermettant d’étudier les
possibilités
d’une machine, legraphique
de contrôlestatistique permettra
évidemment en mêmetemps
d’étudier la variation de sespossibilités
dans letemps
autrement dit son état d’usure. Dans le cas des trois tours de même marque citésprécédemment,
lacomparaison
desperformances
del’un deux avec les deux autres a incité à mettre
l’appareil
en révision. Dans denombreux cas au contraire, c’est l’évolution du
graphique
de contrôle au coursdes semaines
qui permet
de fixer d’une manièreobjective
le moment où unerévision
présente
leplus
d’intérêt.C’est le
graphique
de contrôle des étenduesqui
servira de base à cette étude.Lorsque
la valeur moyenne de l’étendueaugmente progressivement,
c’esthabituellement le
signe
d’une usuregénérale,
tandis quelorsqu’au
contrairecette étendue
présente
detemps
à autre des valeurs anormales, c’estplutôt
unsigne
de défectuosité serapportant
à unepièce,
comme dansl’exemple
de la cameayant
reçu un coup que nous avons cité au début de cet article.SUGGESTIONS
D’AMÉLIORATIONS TECHNIQUES
Il sera souvent
possible
au servicetechnique
d’utiliser lesrenseignements
que donne le contrôle
statistique
sur le fonctionnement de la machine pour en déduire des améliorations d’ordretechnique.
Dans le cas du
tronçonnage
de tubes cité un peuplus
haut, on cherchait à améliorer laprécision
de cetronçonnage
en améliorant laprécision
dudispositif
d’avancement du tube. L’étude
statistique
a montré que ladispersion
des diversesgénératrices
d’un mêmetronçon
était aussigrande
que celle deslongueurs
moyennes des divers
tronçons.
Il en résultaitqu’une
amélioration de la perpen- dicularité de la coupe parrapport
à l’axe du tubeprésentait
autantd’importance
que l’amélioration recherchée de la
précision
de l’avancement du tube.(7)-
cf note 2CONTRÔLE
DERÉCEPTION
Les mêmes
principes
du calculstatistique qui s’appliquent
au contrôle encours de fabrication, c’est-à-dire au
jugement
de laqualité
d’un lot en cours deformation, sont utilisables pour
juger
d’une manièreéconomique
et rationnelle les lots constitués que sont, soit les ensembles soumis par un fournisseur à laréception
de son client, soit les lots depièces
finies en instance de livraison à unclient. Ce client pouvant d’ailleurs à l’occasion être un autre atelier ou une autre usine de la même
entreprise.
On pourra
parfois appliquer
exactement les mêmestechniques
que pour le contrôle en cours de fabrication; ce fut le cas parexemple (8)
lors d’un contrôle de tôles poursièges
de soupapes. A laréception
dechaque
lot, onprocédait
à lafrappe
d’un certain nombre desièges
de soupapes et on lisait sur des tablescalculées à
l’avance si le nombre depièces
mauvaises trouvées dans l’échantillon ainsipréparé
étaitcaractéristique
d’un défautinnacceptable
duproduit livré,
devrait seulement
suggérer quelques
réclamations aufournisseur sans allerjusqu’au
refus
complet,
ou au contrairepermettait l’emploi
pur etsimple
duproduit.
Le
plus
souventnéanmoins,
leproblème posé par les
contrôles deréception
est d’une nature un peu différente du
problème
du contrôle en cours defabrication et a donné lieu à des solutionsqui
lui sont propres.Un
contrôle par prélèvements
apour but d’obtenir une idéeapproximative
dela valeur de l’ensemble d’un lot par la connaissance de la valeur exacte du
pré-
lèvement considéré. Plus le
prélèvement
estimportant, plus l’approximation
est bonne ; mais en même
temps, plus
l’examen est coûteux. On aura choisi larègle
deprélèvement optima lorsqu’on
aura obtenu uneprécision susceptible
dene nuire ni aux intérêts essentiels du
fournisseur,
ni aux intérêts essentiels de l’acheteur sanstrop
élever le coût de contrôle. Ainsiapparaissent
les deuxdonnées essentielles du
problème
:lerisque
de l’acheteurqui
veut avoir unequasi
certitude de ne pas
accepter
de lotstrop
mauvais, même sil’échantillonnage
aété
exceptionnellement
heureux pour lefournisseur,
et lerisque
du vendeurqui,
même dans l’éventualité contraire ne doit pas se voir refuser un lot de bonne
qualité.
Des tables ont été
calculées,
des courbes ont ététracées,
fixant pour desrisques
d’acheteurs et desrisques
de vendeurs déterminés lesrègles
deréception
les
plus économiques.
Si leprélévement
effectué est satisfaisant en vertu de cesrègles,
l’ensemble du lotpeut
êtreaccepté,
tandis que dans le cas contraire, il doit être triéintégralement.
Des tables différentes ont été calculées pours’appli-
quer les unes au cas ou l’on ne connaît rien du
fournisseur,
les autres au cas ou laqualité
moyenne de la fabrication est connue, les unes au cas ou lesobjets
nepeuvent
être classésqu’en
bons et mauvais, les autres au cas ou cesobjets peuvent
être mesurés.Les résultats obtenus par
l’application
de cesrègles
dans lesentreprises
industrielles sont assez diverses :
parfois
on obtient des économies substantielles depersonnel
tout en conservant un contrôle suffisamment efficace pour les besoins de la fabrication : d’autres fois au contraire, ons’aperçoit
que lescontrôles tels
qu’ils
sontpratiqués
sont insuffisamment efficaces pour assurer un déroulement satisfaisant de la fabrication.Dans les deux cas,
l’emploi
d’éléments chiffrés etobjectifs
se rapportantnon à des
règles
arbitraire.s, mais aux véritables données duproblème
que sontle
risque
de l’acheteur et lerisque
du vendeur constitue unprogrès
et une sourced’économie.
DOMAINES
D’APPLICATIONS
Le lecteur aura sans doute
été frappé
aussi bienpar l’extrême
diversité desindustries citées que par la variété des services rendus par les méthodes statis-
tiques.
Encore nefaudrait-il pas
considérer les casévoqués
commereprésentant
(8)-
cf note 6une liste limitative. Il ne
s’agit,
au contraire, que dequelques
faits caracté-ristiques
tirés del’expérience personnelle
de l’auteur de cet article. On ne sau-rait toutefois faire des méthodes
statistiques
unepanacée :
elles nepeuvent
tout résoudre, niprésenter
un intérêtégal
pour tous. Sont enparticulier
à exclure de leur domaine les industries à caractère strictement artisanal et àproduction
unitaire,ainsique
celles où desprocédés automatiques
de contrôlecomplet
dela
production
assurent une surveillanceparfaite
de laqualité.
Par contre, il faut éviter de se laisser abuser que le mot
"statistique"
et nepas limiter le
champ d’application
de ces méthodes aux seules industries de trèsgrande
série.Nous avons
déjà
montré que l’intérêt de ces méthodes est au moins aussigrand
dans le cas des fabrications manuelles que dans celui des machines auto-matiques.
Nous croyons utile depréciser
que desentreprises
où la fabrication ne donne lieuqu’à
des courtesséries,
mais à des séries serépétant
dans letemps,
parexemple
tous les mois ou tous les trimestres, sontsusceptibles
de tirer ungrand
bénéfice de la carte de contrôle. Plus encorepeut
être que l’industrietravaillant
d’unefaçon
continue,puisque
la carte de contrôle établie une fois pour toutes aidera non seulement au contrôle de l’exécution del’opération,
maisaussi du
réglage
et à la mise en route.Parfois aussi, la même carte de contrôle sera
utilisable pour
des fabricationsnon
identiques,
mais seulement semblables. A l’occasion de la mise sous contrôle d’unopérations
decalandrage
de caoutchouc,(9)
c’est-à-dire delaminage
decette matière entre deux
cylindres,
on a constaté parexpérience qu’une
fonctiontrès
simple
del’épaisseur
de la feuille contrôléepermettait d’appliquer
la mêmecarte de contrôle
quelque
soit la nature dumélange
oul’épaisseur
de la feuillecalendrée.
L’idée
générale qui
constitue le lien entre desapplications
aussi diverses, Jcelle
qui
peutpermettre
de discerner les cas oùla solution d’ùnproblème
ressortou non des méthodes
statistiques,
c’est le faitqu’il
est engénéral inopportun
dejuger
du comportement d’un ensemble par la somme des individusqui
le consti- tuent. Lecomportement
de cet ensemble estparfois
différent de lasimple
sommedes comportements de ses constituants ; comme cela a été
remarqué depuis
denombreuses années
déjà
ensociologie.
Mais même
lorsqu’une
telle sommation serait licite, elle constitue engénéral
unprocédé
extrêmementlong
et par suite coûteux. Les méthodes statis-tiques
ont été créées pours’y
substituer. Elles ont été au cours descinquante
dernières années un des éléments essentiels duprogrès scientifique,
enparti-
culier dans le domaine de la
physique ;
il n’est pas étonnantqu’au
fur et à mesurede l’évolution industrielle vers la