Plans d’acceptation pour les produits regroupés en lots
Bernard Clément, PhD
Table des matières
C O N C E P T S de B A S E
But - Objectif
Où faire l’inspection ?
Avantages - Désavantages
Terminologie - Notation
Courbe caractéristique
Systèmes plans
Conception plan attribut
Inspection rectificatrice
S Y S T È M E S P L A N S
Attribut
- MIL STD 105 E - Dodge-Romig
Mesure
- ANSI / ASQC Z1.9
Bernard Clément, PhD Lot 3
Où faire l’inspection par échantillonnage des produits regroupés en lots ?
Réception
de lots de matières premières ou de produits semi-fini provenant de fournisseurs externes.
En cours de fabrication
à des points de contrôle du processus.
Avant l'expédition
des produits.
A V A N T A G E S
Échantillonnage : si le coût d'inspection à 100% est élevé.
Moins de manipulations du produit : moins de dommages potentiels.
C'est la seule alternative si le test est destructif.
Si les lots sont de « grande » taille, ….. plusieurs milliers d'unités.
Décision plus rapide pour disposer du lot.
Minimise l'ennui de l'inspecteur et les erreurs d'inspection.
Beaucoup de lots (flux de lots) à inspecter.
Le rejet de plusieurs lots dramatise le besoin de prendre des actions correctives pour améliorer le procédé.
Les conséquences économiques de livrer un lot de « mauvaise » qualité ne sont pas élevées.
Bernard Clément, PhD Lot 5
D É S A V A N T A G E S
Méthode de contrôle qualité par inspection du produit
« On ne peut pas inspecter de la qualité dans un produit » tardif …. réactif ……..
R I S Q U E S de mauvaises décisions
risque du producteur =
probabilité de rejeter
lot de «qualité satisfaisante » (
alpha
) risque du consommateur =probabilité d'accepter
lot de « mauvaise qualité » ( beta )
ÉCHANTILLONNAGE DES LOTS (1 / 3)
Fournit pas des estimations précises de la qualité du lot;
but visé : disposer (accepter, rejeter) du lot en contrôlant les risques de mauvaises décisions.
2 méthodes pour obtenir un échantillon :
- jugement
- tirage au hasard « représentatif »
Seule la 2e méthode permet d'utiliser la théorie des probabilités pour évaluer à long terme les risques de mauvaises décisions.
Taille de l'échantillon (n) à prélever n’est pas un pourcentage fixe (par exemple 10%) de la taille du lot (N).
Bernard Clément, PhD Lot 7
Tous les plans d'échantillonnage (et les systèmes de plans) admettent que des produits défectueux seront livrés, pas sciemment bien sur.
Plans d'échantillonnage place l'emphase au mauvais endroit fournisseur externe ou interne devrait fournir la « preuve » de la qualité de ses produits en mettant en place le CSP et l'amélioration de ses procédés par la méthode des plans
d'essais conçus statistiquement.
Meilleure stratégie : mettre l’emphase sur le procédé plutôt que le produit
Les plans d'échantillonnage devraient être conçus avec une connaissance suffisante du procédé.
ÉCHANTILLONNAGE DES LOTS (2 / 3)
TYPES DE PLANS
- ATTRIBUT: comptage non conformes
- MESURES : caractéristique qualité mesurée (appareil )
FORMATION DES LOTS
- HOMOGÈNE: même machine, même opérateur même matériaux, même moment - taille N plus grande est préférable à taille N plus petite - compatibilité avec le système de manutention
ÉCHANTILLONNAGE DES LOTS (3 / 3)
Bernard Clément, PhD Lot 9
CONTRÔLE de la qualité
(1/3)Méthodes statistiques
Inspection– vérification – tests des produits individuels ou regroupés en LOTS: à 100 % / échantillonnage (plans)
SPC : Contrôle Statistique des Processus (CSP )
Expérimentation avec les produits et les procédés - en conception : produits et procédés de fabrication - en fabrication
CONTRÔLE ou AMÉLIORATION ?
Autres méthodes …….. Poka-Yoke ….
INSPECTION des produits
à 100% ou par échantillonnage - critiques et controverses …
… peut- on se passer de l’inspection ? - désavantages et inconvénients …
- avantages et nécessités …
Article : la valeur de l’inspection
Bernard Clément
consulter le site Internet du cours www.cours.polymtl.ca/ind2501
CONTRÔLE de la qualité
(2/3)Bernard Clément, PhD Lot 11
CONTRÔLE de la qualité
(3/3). . . .
lot lot lot lot
hypothèse sous jacente
- qualité produit : variable lot à lot - qualité produit : uniforme intérieur lot
échan- tillon
échan- tillon échan-
tillon
échan- tillon
formation du lot
LOT « vrai » : mise en course, matière première, commandes ...
ou
LOT = segment « arbitraire » production
. . . .
vraisemblable ? si
possibilité : carte triple X - mR - R
X = Xbar mR : étendues mobiles des Xbar R : étendues intra échantillons
temps
flux de lots
NOTATION - TERMINOLOGIE (1/4) N : nombre d’unités dans le lot = taille du lot
n : nombre d’unités dans l’échantillon
D : nombre d’unités non conformes dans le lot
p = D / N : proportion d’unités non conformes dans le lot X : nombre d’unités non conformes dans l’échantillon
X / n : proportion d’unités non conformes dans l’échantillon c = Ac : nombre d’acceptation (plan simple)
si X <= c alors on accepte le lot si X > c alors on rejette le lot
P a ( p ) : probabilité d’accepter un lot de qualité p
α = alpha = risque du producteur : rejeter lot bonne qualité β = beta = risque consommateur : accepter lot mauvaise qualité
Bernard Clément, PhD Lot 13
• AQL = « Acceptable Quality Level »
proportion maximale d'articles défectueux (ou non-conformes) qui peut être considéré comme moyenne satisfaisante par le producteur et le consommateur (client).
• convention pour concevoir un plan d'échantillonnage:
système MIL STD 105 E et ANSI Z1.9
AQL : pas le résultat d'une étude statistique sur le procédé.
AQL : choisir prudemment par le producteur refléter la performance réelle du procédé.
sinon : rejet d'un grand nombre de lots.
• Probabilité d'accepter un lot satisfaisant le AQL est
environ 0.88 à 0.99 système MIL STD 105E et système Z1.9
NOTATION - TERMINOLOGIE (2/4)
• Ac: nombre d'acceptation (plan attribut) nombre maximal d'articles défectueux dans l'échantillon permettant d'accepter le lot;
les articles défectueux dans l'échantillon sont toujours retirés du lot.
• Re: nombre pour le rejet (plan attribut) nombre minimal d'articles défectueux dans l'échantillon conduisant à rejeter le lot Système (MIL STD 105E)
inspection normale : Re = Ac + 1 inspection réduite : Re ≥ Ac + 1 NOTATION - TERMINOLOGIE (3/4)
Bernard Clément, PhD Lot 15
Plan d'échantillonnage : (n, Ac, Re )
employé système de plans MIL-STD 105 E
RQL ("Rejectable quality level")
proportion minimale d'articles défectueux (non-conformes) qui peut être considéré comme moyenne non-satisfaisante par le consommateur.
convention pour concevoir le plan.
système plans de Dodge-Romig : RQL s’appelle LTPD LTPD : Lot Tolerance Percent Defective
Probabilité d'accepter un lot de qualité RQL est « petite ».
Généralement fixée à 0.10 dans les systèmes de plans standardisés.
Risque du client (consommateur).
NOTATION - TERMINOLOGIE (4/4)
RISQUES DE MAUVAISES DÉCISIONS
DÉCISION
Accepter lot
Rejeter lot
bonne mauvaise QUALITÉ LOT
1 - α
α
β
1 -
β
α : risque du producteur
β : risque du consommateur
Bernard Clément, PhD Lot 17
Courbe caractéristique plan d’échantillonnage
0 AQL RQL
p
proportion non conforme
1 1 - α
β 0
P a( p ) : probabilité accepter lot
AQL : Acceptable Quality Level RQL : Rejectable Quality Level
• Courbe de P
a( p ) en fonction de p
• Outil : l’étude - choix d’un plan
• Discrimination bons et mauvais lots
• Comparaison des plans
• Indexation pour les systèmes de plans
Courbe caractéristique plan d’échantillonnage
Bernard Clément, PhD Lot 19
Calcul probabilité d’accepter : P
a( p )
Plan simple : un échantillon de taille n est prélevé Autres cas : plans doubles, plans séquentiel,…
(non traité dans ces notes)
Plan (N , n , c ) : échantillonnage sans remise p = D/N « qualité » du lot ( D = p N )
X : nombre de pièces non-conformes (NC) dans l’échantillon
X distribuée selon loi de probabilité Hypergéométrique (N, D, n )
approximation : loi binomiale – loi Poisson
Calcul de la probabilité d’accepter P
a( p )
=
−
−
=
Cx a
n N
x n
p N
x pN p
P
0
) 1 ( )
(
hypergéométrique (exacte)x n C x
x
p x p
n
−=
−
=
0 Binomiale : si n / N < 0.1
=
=
c − xx np
x np e
0
!
) (
Poisson : si p " petit " et n est " grand "
APPROXIMATION
Bernard Clément, PhD Lot 21
Exemple : plan n = 89 c = 2 N « grand » n / N < 0.10
P
0.005 0.010 0.020 0.030 0.040
P
0.990 0.940 0.737 0.498 0.304
P
0.050 0.060 0.070 0.080 0.090
P
0.172 0.091 0.047 0.023 0.01
d d
d
a
p p
P d
−=
−
=
2
890
) 1 89 (
P Pa
P Pa
Courbe caractéristique plan n = 89 c = 2
0.000 .010 .020 .030 .040 .050 .060 .070 .080 .090 .100 .110 .120 -0.2
0.0 0.2 0.4 0.6 0.8 1.0 1.2
PA_17
Bernard Clément, PhD Lot 23
INFLUENCE DES PARAMÈTRES (N, n, c) (1/3)
plans n = 20 c = 0
N = 50 N = 1000
N = 1 000 000
N est peu influent
INFLUENCE DES PARAMÈTRES (N, n, c) (2/3)
PA_BIN-23 PA_BIN-24 PA_BIN-25 PA_BIN-26 0.000 .010 .020 .030 .040 .050 .060 .070 .080 .090 .100 .110 .120
-0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Line Plot (Exemp-Lot.s ta 47v *25c )
PA_BIN-27 PA_BIN-28 0.0
0.2 0.4 0.6 0.8 1.0 1.2
n c 6 0 12 0 24 0 100 0
n c 40 0 40 1 40 2 40 3
Bernard Clément, PhD Lot 25
INFLUENCE DES PARAMÈTRES (N, n, c)
(3/3)
N peut influent si n/N <= 0.1 Pente courbe augmente si n
Plans avec c petit offre une meilleure protection pour le consommateur: exemple c = 0
Courbes caractéristiques peuvent se croiser
Les systèmes de plans sont indexés par un point sur la courbe :
AQL : MIL STD 105E, Z1.4, Z1.9 ISO3951 ISO2859 LTPD, AOQL : système Dodge-Romig
Classification Systèmes Plans Normalisés
objectif attribut mesure
Orientation point sur courbe caractéristique producteur index AQL index AQL
- MIL STD 105 E - MIL STD 414 - ANSI Z1.4 - ANSI Z1.9 - ISO 2859 - ISO 3951 consommateur Dodge-Romig
- index LTDP - index LTPD - index AOQL - tests
réduction - ski lot
Échantillonnage - double - multiple
Ces notes : 105 E – Z1.9 – Dodge Romig
Bernard Clément, PhD Lot 27
Point d’indexation : plans normalisés
PA_BIN-31 PA_BIN-32 PA_BIN-33 PA_BIN-34 0.000 .010 .020 .030 .040 .050 .060 .070 .080 .090 .100 .110 .120
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
1.1 Plans indexation AQL
c n AQL Pa
1 14 0.04 0.90 2 28 0.04 0.90 3 44 0.04 0.90 4 61 0.04 0.90 Employés
MIL STD 105 E ANSI Z 1.4 ISO 2859
Plans indexation LTPD (=RQL) et AOQL
Système Dodge-Romig
PA_BIN-35 PA_BIN-36 PA_BIN-37 PA_BIN-38 0.000
.020 .040
.060 .080
.100 .120 -0.2
0.0 0.2 0.4 0.6 0.8 1.0
1.2 n c LTPD Pa 60 0 0.04 0.10 100 1 0.04 0.10 135 2 0.04 0.10 165 3 0.04 0.10
Conception plan d’échantillonnage (n,c)
déterminer n et c P a( p1 ) = 1 - α P ( p ) = β
Solution méthode graphique abaque
Bernard Clément, PhD Lot 29
trouver n et c : méthode de l’abaque
Inspection rectificatrice
Inspection
lot accepté
lot rectifié
Lot
Flux de lots
proportion p 0 : entrée non-conforme
proportion p 1 : sortie non-conforme
p 1 < p 0
Average Outgoing Quality
AOQ ( p ) = p P
a(p)(1-n/N)
Average Outgoing Quality Limit
AOQL = max AOQ ( p )
p
Bernard Clément, PhD Lot 31
Exemple: N = 1000 n = 45 c = 2
P Pa AOQ
0.00 1.0000 0.0000
0.01 0.9896 0.0095
0.02 0.9390 0.0179
0.03 0.8478 0.0243
0.04 0.7318 0.0280
0.05
…………
0.6077…………
0.0290 AOQL0.06 0.4883 0.0280
0.07 0.3816 0.0255
0.08 0.2910 0.0272
0.09 0.2179 0.1870
0.10 0.1890 0.0152
Inspection rectificatrice
0.004 0.006 0.008 0.010 0.012 0.014 0.016 0.018 0.020 0.022 0.024 0.026 0.028 0.030 0.032
AOQ_BIN
AOQ (p) = p si sans rectification Plan n = 45 c = 2
AOQL = 0.029
Bernard Clément, PhD Lot 33
Nombre moyen d‘articles inspectés
ATI : Average Total Inspection
Lot rejeté : inspection à 100% des N – n articles probabilité = 1 - Pa
Lot accepté : inspection de n articles
nombre moyen d’articles inspectés = ATI
ATI (p ) = n + [1 – Pa (p)] ( N – n)
Exemple N = 1000 n = 45 c = 2 p = 0.01 Pa (p = 0.01) = (1 – 0.01) 45 + 45(1 – 0.01) 44( 0.01)
+ 45*44 (1- 0.01) 43 (0.01) 2 2
= 0.9895
ATI ( p = 0.01 ) = 45 + [1 – 0.9895] (1000 – 45)
= 54.5
Graphique de ATI
ATI
p
N
n
Cas particulier : plan avec c = 0
ATI = n + ( N – n ) * [ 1 – ( 1- p ) n ]
Bernard Clément, PhD Lot 35
N, AOQL, p spécifiés
Procédure
• faire varier c de 0 à …
• consulter la table de Dodge-Romig pour déterminer y
• calculer n selon l’équation ci haut
• calculer λ = n p
• calculer Pa (table de la distribution Poisson)
• calculer ATI = n + ( 1 – Pa) ( N – n )
• déterminer la combinaison ( n, c ) qui minimise ATI
n = y N / (N*AOQL + y)
Table DODGE-ROMIG : C → y
C Y C Y 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0.3679 0.8408 1.372 1.946 2.544 3.172 3.810 4.465 5.150 5.836 6.535 7.234 7.948 8.677 9.404 10.12 10.87 11.63 12.38 13.14 13.88
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
14.66 15.42 16.18 16.97 17.73 18.54 19.30 20.11 20.91 21.75 22.54 23.40 24.22 25.08 25.94 26.83 27.68 28.62 29.50 30.44
Bernard Clément, PhD Lot 37
Exemple: N = 4000 AOQL = 0.03 p = 0.015
c y n λ = np Pa ATI 0
1 2 3 4 5 6
…
… .
0.3679 0.8408 1.372 1.946 2.544 3.172 3.810
…
… .
13 28 46 64 83 103 124
…
… .
0.195 0.420 0.690 0.960 1.245 1.545 1.860
…
… .
0.823 0.933 0.967 0.983 0.991 0.995 0.997
…
… .
718.7 294.1 176.5 130.9 118.2 122.5 135.6
Minimum