R EVUE DE STATISTIQUE APPLIQUÉE
J. T IAGO DE O LIVEIRA S EBASTIAN B. L ITTAUER
Techniques pour une utilisation économique des cartes de contrôle
Revue de statistique appliquée, tome 14, n
o3 (1966), p. 43-53
<
http://www.numdam.org/item?id=RSA_1966__14_3_43_0>
© Société française de statistique, 1966, 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
http://www.numdam.org/
TECHNIQUES POUR UNE UTILISATION ÉCONOMIQUE
DES CARTES DE CONTROLE
J. TIAGO DE OLIVEIRA
Université
de Lisbonne
et UniversitéColumbia
et
Sébastian B. LITTAUER
Université
Columbia
1 - INTRODUCTION
Dans un
précédent
article[8],
nous avonsprésenté
lespropriétés statistiques
fondamentales de deux formes de cartes de contrôlequi
peu- vent être utilisées dans la surveillance des processus deproduction qui
ont
déjà
atteint l’état de stabilitéstatistique.
Lesprincipes
fondamentaux des cartes de contrôle ont étéexposés
dans Shewart[6], [7]
et WesternElectric
[91 L’usage
des deux méthodes étudiéesprécédemment (dans l’hypothèse considérée) peut
être résumé comme suit :Pour les cartes de contrôle à doubles
limites,
on choisit deux cons-tantes
(w, a),
0 w aqui déterminent,
pour les valeurs données de la moyenne 03BCo et del’écart-type
6o des distributions normales sous-jacentes,
les limites de contrôle ou d’action(LC)
et de surveillance(LS), supérieures (s)
et inférieures(i).
Si une des moyennes d’échantillon
(échantillon
d’effectifn)
tombe en dehors de l’intervalle(LCi , LCs)
ou si deux moyennes successives tombent entre(LCi , LSJ
ou entre(LSs, LCs),
on doit passer à l’action et rechercher lescauses
possibles
de variation.Pour les cartes de contrôle à
séquences,
on fait aussi le choix de deux constantes(C , R),
C > 0 et R > 1(entier) qui déterminent,
àpartir
de 4. et 03C3o, les deux limites de
contrôle.
Si une des moyennes d’échantillon tombe en dehors de l’intervalle
(LCi , LCs)
ou si uneséquence
de R de ces moyennes seplacent
toutesau-dessus ou au-dessous de 03BCo bien que restant dans l’intervalle
(LCi , LCs),
on devra passer à l’action pour la recherche des causespossibles
de variation.
Le choix de ces
paires
deparamètres
a été fait engénéral
sur unebase
empiriquement économique,
Shewart[6]
etl’usage
du critère I deCette étude a été subventionnée par l’Office of Naval Research, Contrat ONR 266(04) . Elle peut être reproduite totalement ou en partie, à la libre disposition du Gouverne- ment des Etats-Unis.
44
Shewart,
utilisant seulement les limites de contrôle03BCo ±
300/ Vll)
pourles cartes habituelles de
contrôle, (Shewart [7],
p.29), auxquelles
seréduisent les cartes de contrôle à doubles limites pour a = w et les cartes de contrôle à
réquence
pour R = 00 , a donné de bons résultats.Toutefois,
des efforts ont été faits pourétablir,
defaçon rationnelle,
les critères utilisés dans les cartes de contrôle
(par exemple,
Aroianand Levene
[1 J),
aussi bien que pour établir desprocédés
de sélection desparamètres, qui
minimiseraient le coût de l’utilisation des cartes decontrôle.
Duncan[3]
a obtenu lesparamètres
pour le critèreI,
defaçon
à minimiser le coût dans certaines conditions
d’emploi.
Plustard,
Duncan[4], (p. 574)
adonné quelques règles-guide
pour le choix desparamètres
des cartes de contrôle.
La
justification
formelle destechniques
de sélectionéconomique
des
paramètres
de cartes de contrôle n’est pas,toutefois, complètement
satisfaisante.Dans ce
mémoire,
nous essayons de donner unejustification
formelledu choix d’un
système d’inspection
dans une base mieuxdéfinie,
avec unegrande
flexibilité pour le choix. Destables,
avec unlarge
domained’ap- plications,
serontpubliées
ultérieurement par nous, cequi simplifiera
lecalcul pour les deux cartes
(à
doubles limites et àséquences).
2 - SURVEILLANCE DANS DES CONDITIONS DE STABILITE
Pour éviter des
confusions, indiquons
brièvement les bases du rai- sonnement : leshypothèses statistiques
et les conditionsd’opération.
En
premier lieu,
si le processus deproduction
a atteint la stabilité sta-tistique
relativement à la moyenne(d’un
caractère mesurablequelconque),
on supposera que les observations de cette
caractéristique
sontidentique-
ment distribuées avec une moyenne 03BCo et un
écart-type
60,En
général, l’écart-type
du processus estplus
stable que la moyenne et, eneffet,
il est derègle (Western
Electric[9],
p.12, 153)
de stabi-liser 60, On pourra donc supposer que
l’écart-type
6 - 6o eststable,
bien que la moyenne du processuspuisse changer.
Deplus,
les moyennes d’échantillons étant étudiées pour montrer lechangement
de la moyenne du processus, nous allonssupposer,
sans nouséloigner
des conditionsréelles,
que ces moyennesX
sont distribuéesnormalement,
avec unemoyenne
4.
et unécart-type 03C3o/n.
L’opération
de contrôlestatistique
est utilisée comme méthode dediagnostic
ou de recherche des causes de variation afin de les éliminer.Ceci doit être fait seulement si on a des raisons de croire que le proces-
sus a atteint l’état de stabilité
statistique,
ses résultats satisfaisant lesspécifications
deproduction (moyenne
ettolérance) :
eneffet,
iln’y
auraitpas de sens
pratique
àajuster
lesparamètres
du processus tant que sesrésultats,
enphase erratique, désordonnée, instable,
ne sont pas confor-mes aux
spécifications.
Il est donc raisonnable de limiter les considéra- tions a des processus en état de stabilitéstatistique
avec moyenne 4.et
écart-type
00 pour lacaractéristique
enétude,
4. étant la valeur de laspécification,
les limites de tolérance contenant les résultats avechaute
probabilité.
La surveillance sera réalisée en
prenant
des échantillons de n ob- servationssuccessives,
les échantillons successifs étantprélevés
à inter-valles I mesurés en nombre de
pièces produites
entre deux échantillonsRevue de Statistique Appliquée 1966 - Vol. XIV - N’ 3
successifs ;
cecouple (n, I)
seraappelé système d’inspection.
Si le cri-tère de contrôle n’est pas
satisfait,
on supposequ’il
y a un certain coûtb
pour la recherche des causes de variation et leur correction. D’autres éléments serontindiqués plus
loin.Dans
l’opération
en conditions destabilité, quelques
moyennes d’échantillon ne satisferont pas le critère decontrôle ;
mais on veut que ceci seproduise
aussi peu souvent quepossible.
D’autrepart,
dès que la moyenne du processus achangé,
lesignal
d’action doit seprésenter
aussi
rapidement
quepossible. Donc,
lesparamètres
du critère de contrôle comme l’effectif de l’échantillon n et l’intervalled’échantillonnage
I doivent être choisis de
façon
que le coût de manutention du processusen état de stabilité
statistique
nedépasse
pas une certaine valeur fixéeCo.
Lespropriétés
dutemps
moyen d’action seront utilisées pour déve-lopper
unprocédé
de choixéconomique
desparamètres
de contrôle etanalyser
le coût del’opération.
3 - LE TEMPS MOYEN D’ACTION
Développons
brièvement le rôle dutemps
moyend’action;
les détails sont donnés dansTiago
de Oliveira et Littauer[8].
Pour un état donné de stabilitéstatistique
avecparamètres 03BCo
et00J
ondécidera,
detemps
en
temps,
l’action de correction : le nombre d’échantillons entre deux actions successives(en
incluant l’échantillonqui
conduit à déciderl’action)
est
appelé temps
d’action. Dans le cours du processus cetemps
d’actiona une valeur moyenne ou
temps
moyen d’action.La même chose se
produit
si lesparamètres
sont devenus :on notera par
T(03BB, 6)
letemps
moyen d’action.T(03BB, 6)
est évidemmentsymétrique
en À.(T(B, 6)) = T(-03BB, 03B4)).
Etant donnée la stabilité admise de o, on s’intéressera seulement àT(03BB, 1) ; T(B, 1)
est évidemmentdécroissant
quand 03BB(> 0)
croît.Si 03BCo ± 03BB1
03C3o est unchangement
indésirable du processusqu’on
veut remarquer aussi vite quepossible,
on voit que les valeurs deTo - T( 0 , 1) et T
1 =T(03BB1, 1)
doivent êtrerespectivement
aussi
grandes
et aussipetites
quepossible, T 0
etTl peuvent
être consi- dérés commejouant
un rôleanalogue
auxrisques (ou erreurs)
conven-tionnels de lère et 2ème
espèce, qui
nepeuvent
être utilisés ici car bienqu’on puisse
supposer les échantillonsindépendants,
la décisiondépend
un peu de l’histoire de
l’échantillonnage
comme dans les deux cartes étu-diées par nous.
Ces valeurs de
To
etTl
seront utilisées pour le choix rationnel desparamètres (n, I)
pour la surveillanceéconomique
des processus dans les conditions de stabilitéstatistique ;
n,To, T1
etÀ.1 serviront, après,
pour la détermination des
paramètres
de la carte de contrôle choisie.Illustrons ces
concepts
par unexemple
biensimple :
supposons que, pour une certaine valeur de n, nous désirions pour des raisonspratiques To =
500 etTI = 3(03BB2 = 1).
Ceci veut direqu’on
ne veut pasdécider l’action
plus fréquemment qu’une
fois en moyenne, en 500 échan-tillons,
si la moyenne n’a pasvarié,
mais que si la moyenne du processus varie d’unécart-type,
nous voulons passer à l’action en moyenne une fois en 3 échantillons.46
Les
couples (a, w)
ou(c , R) qui
donnent ce résultat ont été étudiés dans notre mémoire[8].
Deplus,
dans cesconditions,
onpeut
choisirn et I
(en
fonction des coûts del’opération)
defaçon
que le coût moyen de la surveillance avecprotection
contre unchangement
de la moyenne deBi écarts-types
nedépasse
pas une valeurpré-établie LI.
Dans cequi suit,
nous allons étudier les facteurs du coût tels que pour les valeurs(To , Tl),
n et Ipuissent
être choisis defaçon
à satisfaire à ces consi- dérationséconomiques
valables.4 - FACTEURS DE COUT
Bien que les
objectifs
de l’industrie soientmultiples,
unobjectif
de
quelque
processus deproduction
est bien la maximisation duprofit qui peut
être obtenu de la réalisation du processus. Un des facteurs lesplus importants
duprofit
est le coûtglobal
d’une unitédepuis
la recherche de la matièrepremière jusqu’à
laproduction finale, prête
pour la dis- tribution. Unepart significative
de ce coût estconséquence
du désir d’as-surer que le
produit
vérifie lesspécifications imposées.
Dans ce cas, si on tourne l’attention vers la
phase
du contrôle sta-tistique
de laproduction,
onpeut justifier l’étude
des considérations de coût en considérant que ces coûts sont despénalités. Car,
ensupposant
que le processus a atteint l’état désiré de stabilité
statistique,
onpourrait
penser
(quoique
ceci soit très peuraisonnable)
que le processus conti-nuera indéfiniment à se maintenir dans cet état. Si cela était le cas, il
ne faudrait pas surveiller.
Mais,
enréalité,
la surveillance est(presque) toujours
nécessaire et deuxquestions
seposent
naturellement :1/ Quels
sont les coûtsimpliqués
par la surveillance ?2/ Quel
est le coût minimum de surveillance ?Ces
questions
sont très vagues et nous allons lespréciser
main-tenant.
Le
prix
de cetteprécision entraîne,
biensûr,
certaineshypothèses , qui,
bienqu’un
peurestrictives,
n’en sont pas moins réalistes. La ques - tion du coût minimum étant laplus difficile,
nous ne l’étudierons pasici ;
nous allons d’abord examiner la nature des coûts de surveillance
et,
lemoment venu, mettre en lumière d’autres coûts
significatifs.
Dans ce
but,
nous introduisonsl’hypothèse qu’il
est désirable d’uti- liser le processus dans l’état idéal de stabilitéstatistique,
c’est-à-dire que la variabilité naturelle du processus est en accord exact avec lesspécifications :
celles-ci étant que lacaractéristique mesurable X
doitêtre
égale
à m unités etqu’elle
ne doit dévier de m deplus
de i sunités ;
donc la moyenne de X doit êtreprise égale
à m(03BCo = m)
et siX a la distribution
normale,
on doit avoir 303C3o =
s dans les conditionsidéales.
Le nombre des unités non satisfaisantes dans cesconditions,
doit être sipetit qu’il peut
êtrenégligé
dans les considérations secoût.
Nous pouvons maintenant nous demander
plus précisément quel
est lecoût de surveillance
si fl = 4.
et 03C3 =60 ?
Les
implications
de cettequestion
ne sont pas encore tout à fait claires. Parexemple,
supposons le critère de contrôle suivant : pourun échantillon de n = 3
pièces, pris
avec un intervalle de I = 5000pièces,
considérons le
couple
de limites d’action03BCo ±
503C3o,
enpassant
à l’actionsi |Xj - flo |
> 503C3o.
Ce critèrepeut
êtrecatastrophique
.... ,toutefois ,
le coût effectif de surveillance est très
petit, quel
que soit lejugement.
D’autre
part,
pour n =14,
1 =200,
le coût de surveillance seraplus
Revue de Statistique Appliquée 1966 - Vol. XIV - N’ 3
grand,
bien que d’autres coûts(à spécifier) puissent
êtreplus petits
que dans le critère antérieur.De
plus,
il estévident,
si les limites d’actionsont
i 203C3o/n,
que le coût de surveillance
peut
croîtrebeaucoup.
On voit que de nom- breux facteurs interviennent dans l’estimation ducoût ;
il est désirable depouvoir formuler,
de manièreréaliste,
une fonction de coûtglobal
tenant
compte
des facteurssignificatifs
de ce coût. Dans cebut,
une fonction(unitaire)
de coût de surveillanceC(B),
coût de surveillance parpièce
dansl’état 03BC =
4. ±03BB03C3o,
est d’abord introduite.Il est visible maintenant
qu’on peut
choisir lesparamètres
de lacarte de contrôle
(quel
que soit lecritère) ;
l’effectif de l’échantillon n et l’intervalle entre échantillonI.
Si B =
0,
le processus est dans les conditionsidéales ;
sik 1
0(> 0)
le processus est dans des conditions moins favorables(avec
unefraction non
négligeable
depièces
défectueuses dans laproduction)
et pour les mêmesparamètres
des cartes de contrôle et les mêmes conditionsd’inspection,
on passeraplus fréquemment
àl’action ;
enconséquence,
le coût de surveillance sera
plus
élevé.Nous allons
simplifier
leproblème
et restreindrel’usage
du coûtde surveillance au cas, où
après
une variation de = 0 à une valeur03BB ~ 0,
le processus se maintient dans ce nouvel étatB, (C(03BB)
étantsymé- trique
enÀJ
on considèrera seulement le cas 03BB0).
Introduisons maintenant les notations à utiliser pour établir
C(B)
sans
ambiguïté :
n : effectif de l’échantillon
I : Intervalle
d’échantillonnage ;
le nombre fixé depièces produites
entre deux échantillons
successifs,
en y incluant l’échantillonterminal ;
en
général
on a I > n, le tauxd’inspection n/I
étantpetit.
B : l’écart-réduit de la moyenne du processus, l’écart réel étant
03BB03C30.
0’0 :
l’écart-type
stabilisé.A : le coût de passer à
l’action.
03B1, 03B2
: deux constantes telles que an+ j3 pièces
sontproduites
pen- dant la duréed’échantillonnage, d’inspection,
de calcul etreprésentation
de
X
et letemps
de passage à l’action s’il y a lieu.03C9(03BB) :
laprobabilité qu’une pièce
tombe en dehors desspécifications
dans l’état caractérisé par une variation
03BB03C3o
de la moyenne.n : la
pénalité
parpièce défectueuse ;
cettepénalité comprenant
tout ce
qui
résulte d’unepièce
défectueusenon-observée ;
onpeut
y in - clure le coût deremplacement
de cespièces
etmême,
s’il lefaut,
une indemnité au consommateur.Soit
T(j| 03BB)
la variable aléatoire mesurant lalongueur
dujième "seg-
ment de
temps
d’action dans l’état03BB", c’est-à-dire,
si le processus fonc- tionne avec la moyenne stable 03BCo +et
si on commence à énumérer les actions àpartir
d’un certainmoment, T(j|03BB)
est le nombre d’inter- vallesd’échantillonnage
entre la(j - 1)ème
etjème action, période
deproduction appelée
lejème segment
d’action. Cette variable aléatoire a été étudiée dansTiago
de Oliveira et Littauer[8] ;
sa valeur moyenne(ou espérance mathématique) T(03BB),
a été notéeT(03BB|1)
dans ce mémoire. Les tables en cours de calcul donneront cette valeur pour les cartes de con-trôle à doubles limites et à
séquences.
48
Le coût de surveillance unitaire
peut, maintenant,
être formulé.Le nombre total de
pièces produites
dans l’état 03BBpendant
lejème segment
d’action est :
Le coût de surveillance
(qui
n’inclut pas lespénalités possibles)
dansl’état
03BB,
pour lejème segment d’action,
est :Donc le coût moyen unitaire de surveillance dans
l’état 03BB,
pour une carte de contrôlequelconque
est :où le numérateur est le coût moyen de surveillance et le dénominateur est le nombre moyen de
pièces,
pour les kpremiers segments d’action, produites
dans cettepériode
pour l’état À.La limite
(1)
est lequotient
des valeurs moyennes du numérateur et dudénominateur,
enconséquence
de la loi forte desgrands
nombres(Loève [5] ;
Derman et Sacks[2]),
car lesT(j|03BB)
sontindépendamment
et
identiquement distribués ;
nous avons donc :La valeur
C(03BB),
ainsi définie n’est pas encore tout-à-fait utilisable car on a besoin des deuxquantités
net I
pour déterminer lesystème
d’ins-pection,
cequi donne,
comme nous avons eu, une base rationnelle pour le choix desparamètres
de la carte de contrôle dès que celle-ci est choisie par des raisonstechniques,
onpeut même,
si celaparaît utile ,
faire la
comparaison
des coûts des critères de cartes de contrôle et choisir celle de coût minimum.Tout cela ne
peut
être fait seulement avecC(03BB),
comme il adéjà
été dit. En
pratique,
onpeut
concevoir que la continuation de la fabri- cation avec À > 0peut
être tout de mêmeacceptée
si lespénalités
duesà la
production
depièces
défectueuses sont faibles parrapport
aux coûtsde corrections
fréquentes apportées
au processus. DoncC(B)
sera, essen-tiellement,
utilisé pour À =0 ; pour À
> 0 on devra déterminer le coût deprotection
envers cet état.Une
façon
utile etsimple
de choisir n etI peut
être établie enconsidérant le cas où la moyenne du processus a un saut instantané de
B0o.
Dans ce cas, dès
qu’on
veuts’apercevoir rapidement
duchangement de 4.
à
4.
+03BB03C3o,
onspécifiera T(03BB) égal
à un entierpetit.
Le coût unitaire de
protection
envers l’écart 03BBpourrait
se déter-miner en connaissant la distribution de À.
Toutefois,
nous n’allons pasenvisager
ce cas,mais,
aucontraire,
donner unprocédé pratique
pour choisir n et I en accord avec laspécification
de coût del’entreprise.
A cet
effet,
le coût moyen deprotection
àl’égard
d’un saut À est donnéepar :
Revue de Statistique Appliquée 1966 - Vol. XIV - N’ 3
le second terme étant le coût moyen
d’inspection
et le troisième lapéna- lité, conséquence
de la fraction depièces
défectueuses dans celles noninspectées pendant l’état 03BB,
en y incluant le nombre an+ j3
depièces produites
entre l’obtention de l’échantillon menant à l’action et la déci- sion de passer à l’action.La fraction
03C9(03BB)
depièces
défectueuses obtenue dansl’hypothèse
que l’intervalle de tolérance est
603C3o
est :L(03BB),
le coût deprotection
envers un saut instantané pour l’état03BB(> 0) ; comprend
donc : le coût d’action A relatif à la recherche des causes devariation,
le coûtd’inspection
deT(03BB)
échantillons(en moyenne) jusqu’à
la détection du
changement ;
et laperte
due auxpièces
défectueuses pro- duites dans l’étatB.
5 - DETERMINATION DU SYSTEME D’INSPECTION
Dans l’utilisation du processus de
fabrication,
onpeut
supposer quel’expérience
del’entreprise
donne une estimation raisonnable de A pour certaines conditions deproduction.
Demême,
onpeut
admettrecomme valeur maximum du coût unitaire de surveillance celui
qui
cor-respond
aux conditions idéales de stabilitéstatistique
carT(A)
est mini-mum
pour A = 0, (To)
et on a engénéral
A I > n y(an + P).
En notantpar
Co
cemaximum,
on a :n et I étant les
paramètres
àdéterminer, T 0
étant letemps
moyen d’ac- tion pour 03BB = 0.De
façon analogue
la valeurL,
pourL(03BB1),
choisie aussi par des raisonstechniques,
est donnée par la relation :Tl
étant letemps
moyen d’action pour À =03BB1.
Leséquations (5)
et(6)
donnent n
et I.
Cette détermination de n et I n’entraîne pas nécessaire-.ment
un coûtglobal optimum
pour assurer laqualité
deproduction ;
tou-tefois elle donne à la direction de
l’entreprise
une déterminationprécise
de n et I dans des conditions de coût
préalablement définies.
On
peut même,
déterminer descouples
différents(n, I)
pour des choix différents de(Co L1) ;
toutefoisCo
,LI
nepeuvent
être choisis librement car 1 n I : des valeursincompatibles
deCo
etLI pouvant
entraîner soit n 0 soit n >
I .
Deplus, quelques approximations
de cal -cul
peuvent
êtrefaites,
car n et I doivent évidemment être entiers.En
principe,
on doit choisir l’entiersupérieur
etcalculer, alors,
les valeurs résultantes de
Co
etLi,
à comparer avec les décisions ini- tiales.Quelques
essais amènerontrapidement
à uncouple
de valeurs de n50
et I. Les
résultats, rappelons-le,
sontindépendants
de la carte de con- trôleutilisée.
L’usage
des formules(5)
et(6)
sera montré par deuxexemples simples.
Nous allons examiner le cas
particulier 03B1 = 03B2 = 0,
car, engénéral,
ces valeurs sont
négligeables
dans lapratique ;
si aet p
ne sont pas né-gligeables,
les calculs sont semblables à ceuxqui
suivent. Leséquations (5)
et(6) ont, donc,
la forme :avec
«mi
=03C9(03BB1).
En
posante
poursimplifier, A/To
= a,(L1 - A)/T1
= b leséqua-
tions pour n et I s’écrivent :
et donnent :
On voit immédiatement que si les coûts
C., L1, A, II,
Y varientproportionnellement,
les valeurs den et I
restentinvariables,
cequi
montre que
l’échantillonnage
etl’inspection
sontindépendants
de la mon-naie dans
laquelle
est faite l’évolution descoûts.
Les limitations dont on a
déjà parlé, 1
n Ientraînent,
évidem -ment,
des conditions decompatibilité
pour(Co
,L1). Remarquons déjà
que la secondeéquation (8)
entraîne b > y +03C91II, (valeur
dupremier
membrepour n = I =
1).
Les conditions decompatibilité sont,
donc :Le taux
d’inspection n/I
sera donc borné par1.
On voit aussi que n et I décroissant avec II - la
pénalité -
de mêmeque le taux
d’inspection n/I = Co b - 03C91 03A0a 03B3(a + b),
dès que TI satisfait aux condi- tions decompatibilité
Ce résultat n’est pas étonnant si on se souvient
qu’il
y a une liai-Revue de Statistique Appliquée 1966 - Vol. XIV - N’ 3
son forte entre
LI
et FT(équation 6)
ou encore de la relationb 03B3
+ 1t1TI
déduite ci-dessus.
Le taux
d’inspection
a la limitesuivante,
donnée par lapremière équation
de(8)
Il est
raisonnable,
pour que le contrôlestatistique
soitéconomique
que le taux
n/I
soit borné par un chiffrepratique ;
dès quea/Iy
est trèspetit,
onprendra
comme borneCo/03B3.
Prenons cette borneégale
à1/10.
Si
n/I
>1/10,
onpourrait
étudier différents cas defréquence d’échantillonnage.
Considérons seulement lecontrôle "statistique",
parinspection
totale(n = I)
et déterminons les casqui
entraînent cet échan-tillonnage.
Deséquations (9)
on obtient(pour n / I ~ 1) :
:comme condition
d’inspection
totale.n = I entraîne donc
C.
> 03B3, cequi
montre que le coût unitaire de surveillance estgrand comparé
avec le coûtd’échantillonnage
dechaque pièce. Remarquons, aussi,
que l’accroissementde b - (L1 A - 1) T° Ti en-
traîne l’accroissement du taux
d’inspection,
ce àquoi
l’onpouvait
s’at- tendre.6 - EXEMPLES
Considérons, maintenant,
deuxexemples
danslesquels
les coûtsd’inspection
et unitaire de surveillance sontpetits
encomparaison
avecle coût d’une
pièce,
lapénalité
étant de l’ordre degrandeur
du coût dela
pièce.
SoientCjy 1/10,
etT0/T1 =
100.Donc pour y =
1/10, Co
=1/200,
Il= 1, To
=500, To = 5, 03C91 = 1/10,
A
= 10, Li
=60,
soit a =1/50,
b =10,
leséquations (9)
donnent : n ~5,
I ~29 ~ 100, (20
x5),
la valeur 100représentant
I si on divisela
production
en groupes(échantillonnables
de5).
En
augmentant
lapénalité (03A0 = 2)
nous obtenons :On voit que si les autres coûts ne sont pas
modifiés,
le taux d’ins-pection
varielégèrement
avec lapénalité
comme nous avions vuprécé-
demment.Ces
exemples,
nondéfinitifs,
donnent une base pour la détermi- nationplus
rationnelle de n etI,
aumoins,
pour l’évaluation des coûts associés à certains choix desparamètres.
Dans le dernier
exemple,
on a déterminé n =3 ;
il sepeut,
pour des raisonstechniques, qu’on
veuille utiliser n = 4 ou n = 5. Apartir
52
de cette valeur de n choisie par avance, les
équations (8)
donnent lieu à deux valeurs différentes deI,
cequi
entraîne la nécessité d’un com-promis.
Pour n =
4,
les valeurs de I sont 84 et96 ;
le choixpeut
se faireen utilisant la
plus grande
valeur de I carCo
est,donc, moindre,
commeon le voit sur
l’expression (7)
deCo.
Demême,
pour n = 5 on choisira105 à
partir
des deux valeurs calculées 95 et 100.Une autre cause de variation
provient
des valeurs deTo
etTl.
Cechangement
affecte lesparamètres
de la carte decontrôle,
cequi
nenous concerne pas. Si on
prend To = 300, Tl = 3,
a =1/30,
b =50/3,
Il = 1 pour les mêmes valeurs de y,
COJ
Wl etLI,
on obtient n as8 , I ~
160(20
x8).
L’accroissement de n nechange
paspratiquement
letaux
d’inspection
ainsiqu’il
a été ditprécédemment,
à cause de la pro-portionnalité
des valeurs de a et b dans les deux cas.Nous avons,
précédemment, envisagé
les conditionsd’inspection totale,
c’est-à-direlorsque
lequotient (voir 11)
en
général plus petit
que1,
est voisin de l’unité. Parexemple
pour les valeurscompatibles :
ce
quotient
a la valeur23/25,
cequi entraîne,
dans lapratique,
l’ins-pection
totale.7 -
QUELQUES REMARQUES
En conclusion de ce court
mémoire,
livrons-nous àquelques
réfle-xions sur le
problème
dont nous avons traité ici seulement unepartie .
Il manque, encore, une étude
d’ensemble,
sur leproblème général
du contrôle de la
production. Croyant, cependant,
que lesproblèmes
traités dans ce mémoire et dans le
précédent (Tiago
de Oliveira etLittauer
[8])
ne sont pastrop éloignés
du résultatgénéral désirable,
nous avons
décomposé
leproblème
du contrôle de laproduction
enplu -
sieurs
parties : L’optimisation partielle dépend
dequelques
éléments dontcertains sont à fixer un peu arbitrairement
(To, Tl
et,peut-être,
dans.certains cas,
03BB1),
d’autres dont onconnaît,
dansl’entreprise,
la valeur(A,
y etpeut-être II )
et d’autres enfin dont on doit fixer la valeur enaccord avec la
politique
del’entreprise (Co
etLI).
Ces choix étantfaits ,
on a des moyens de calcul direct des autres éléments de
l’inspection,
le choix à
l’aveuglette
ou, pour des raisons desimple commodité,
pou- vant être éliminé.D’autre
part,
on a des moyensqui permettent
d’évaluer les techni-ques établies et même d’en chercher d’autres
qui,
pour les mêmes coûts(Co
,LI) peuvent changer
defaçon plus
utile les autres éléments(T 0’ Ta,
etc .. ), compte
tenu desinégalités
fondamentales(10).
Une brève remarque sur la
pénalité :
nous l’avons définie defaçon
assez vague pour
qu’on puisse
y introduire dans leprix
de lapièce
défec-tueuse une indemnité au
consommateur,
celle-ci considérée engénéral
Revue de Statistique Appliquée 196 6 - Vol. XIV - N’ 3
dans le contrôle de
réception.
Cette dernièrepossibilité
est bien diffé- rente de cequ’en
faitd’habitude ;
mais onpeut
sedemander, aussi,
si la méthode traditionnelle estraisonnable; quoi qu’il
ensoit,
les résul- tats obtenus sontadaptés
auxtechniques habituelles.
Finalement,
une remarque de méthode : nous avonsécarté,
defaçon décisive,
bien que nous y référant au passage,l’usage
de méthodesbaye-
siennes
qui permettraient,
en utilisant la distribution(a priori,
engénéral)
des
écarts,
le calcul des coûts moyens de surveillance etprotection
liésà la distribution des écarts. Les
équations qu’on
obtiendraitsont,
évidem-ment,
tout à faitanalogues
auxéquations (7)
et(9) ;
onpourrait
le fairesi on avait des raisons de connaître cette distribution des écarts. En
effet,
enprenant
les valeurs moyennes deC(03BB)
etL(03BB),
données par(5),
par
rapport
à la distribution des écarts et en notant parC’, 1/T’, L",
T"
et03C9"T"
ces moyennes deC(03BB), 1/T(03BB), L(03BB), T(03BB)
et03C9(03BB)T(03BB),
onobtiendrait les mêmes
équations (7)
enremplaçant Co
,To
,Lv Tl
et 03C91 parC’, T’, L", T"
etw",
les mêmesconclusions,
s’ensuivent.
Nousnous sommes,
toutefois,
astreints à suivre une méthodeneymannienne, indépendante
de la distribution desécarts,
s’il y en a.BIBLIOGRAPHIE
[1] AROIAN,
LEOA.
&LEVENE,H. (1950) -
The effectiveness ofquality
control
charts,
Journal of the American StatisticalAssociation,
XIV.[2] DERMAN, C.
&SACKS,J. (1960) - Replacement
ofperiodically
ins-pected equipment,
Naval ResearchLogistics Quaterly, 4.
[3] DUNCAN,
ACHESON J.(1950) -
The economic of x charts to maintain current control of a process, Journal of the American StatisticalAssociation,
51.[4] DUNCAN,
ACHESON J.(1959) - Quality
Control and Industrial Sta-tistics, Irwin, Homewood, Illinois.
[5]
LOEVE M.(1960) - Probability Theory -
D. Van Nostrand &C°, Princeton, New-Jersey.
[6]
SHEWART Walter A.(1931) -
Economic Control ofQuality
of Manu-factured
Product,
D. Van Nostrand andC°, Princeton, New-Jersey.
[7]
SHEWART Walter A.(1939) - (W.
EdwardDEMING, Editor)
Statis-tical Method from the
Viewpoint
ofquality control.
GraduateSchool, U. S. Department
ofAgriculture, Washington
D.C.[8]
TIAGODE OLIVEIRA,J.
&LITTAUER, S. B. (1965) -
Cartes de con-trôle à doubles limites et à