R EVUE DE STATISTIQUE APPLIQUÉE
G. R OUZET
Courbes d’efficacité de la carte de contrôle par mesures en fonction du pourcentage de pièces défectueuses
Revue de statistique appliquée, tome 5, n
o2 (1957), p. 19-32
<
http://www.numdam.org/item?id=RSA_1957__5_2_19_0>
© Société française de statistique, 1957, 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/
- 19 -
COURBES D’EFFICACITÉ
DE LA CARTE DE CONTROLE PAR MESURES EN FONCTION DU POURCENTAGE
DE PIÈCES DÉFECTUEUSES
par
G.
ROUZETIngénieur
à laCompagnie
desCompteurs
Lorsqu’on parle d’efficacité
du contrôle par mesures, ils’agit généralemenf
.de
l’efficacité
de chacun desgraphiques
enfonction
dudéréglage
soit de lamoyenne, soit de
l’écart-type.
Cette notion se rattache aufait
que la loi normaledepend
de deuxparamètres :
m eto .Mais ce
qui
importe finalement dans le résultat du contrôle est bienl’efficacité
de celui-ci en fonction de la proportion depièces défectueuses.
En particulier, si l’on veut coinparer
l’efficacité
de la carte de contrôle auxcalibres à celle de la ~carfe de contrôle par mesures, il
faut
lefaire
enfonction
d’une même variable : la
proportion
depièces défectueuses.
Dans la
présente
étude, M. Rouzet étudiel’efficacité
de la carte de contrôle par mesures enfonction
dupourcentage
depièces
défectueuses et montrecomment elle varie en
fonction
de la nature du déréglage.1 -
HYPOTHÈSE
1L’efficacité de la carte de contrôle par mesures ne peut être directement calculée
qu’en
fonction dudéréglage
de la fabrication parrapport
aux limites de contrôle initiales(nous
ne nous intéresserons pas ici aux limites desurveillance).
Pour étudier le
présent problème,
il faut introduire une relation entre le déré-glage
par rapport aux limites et lepourcentage
depièces
défectueuses. Il est donc nécessaire de savoir où se situent les tolérances du dessin parrapport
aux limi-tes à 2
0~0o
de la fabrication initiale.Trois cas sont à
distinguer :
1. Les tolérances coïncident avec les limites à 2
o/oo.
Al’origine,
le pourcen-tage
raJa de défectueux estégal
à 2o/oo.
Poursimplifier,
nous écrirons dansce cas ~70 = 0. La
dispérsion
de la machine est exactementadaptée
au travail :c’est dans ce cas limite que nous nous
placerons :
c’estl’hypothèse 1.
- 20 -
2. Les tolérances sont extérieures aux limites à 2
o/oo.
Ce cas estplus
favora-ble pour la
production.
Or, pour obtenir un certainpourcentage
de défectueuxCJ, il faudra un
déréglage plus important
que dans le casprécédent,
par rap- port aux limites à 2o/oo,
donc par rapport aux limites de contrôle des échantillons. L’efficacité sera doncplus grande.
Ce cas estplus
favorableégalement
pour le contrôle. C’estpourquoi
nous lerejetterons
ici auprofit
del’hypothèse
1qui
en constitue la limite inférieure.3. Les tolérances sont intérieures aux limites à 2
o/oo.
Autant que cela estpossible,
ce cas est à exclurepuisqu’il
entraîne fatalement uneproportion
~10de
pièces
défectueuses dèsl’origine.
Même en
supposant
la moyenne de la fabrication centrée par rapport auxtolérances,
cequi
conduit à Wo minimum, il y a autant deréponses
auproblème posé
que de valeurs de G?o .Diverses
hypothèses pourront
être faites encomplément
de cette étude. Onobtiendra ainsi des courbes d’efficacité pour
quelques
valeurs de CJo .III
Il -
ÉFFICACITÉ
DE LA CARTE DE CONTROLE PAR MESURESLa
probabilité d’accepter
unpourcentage
CD depièces
défectueuses sur la carte de contrôle est leproduit
de laprobabilité
pmd’accepter
sur legraphique
des moyennes par la
probabilité
p, ,,d’accepter
sur legraphique
des étendues(nous adopterons
le cas courant dugraphique
desétendues).
PA =
Pm X
Pw Nous étudierons successivement pm et pw.III -
ÉTUDE
DE PmSoient m et or les
caractéristiques
de la distribution de la fabrication déré-glée,
et soit t la variable centrée réduite.A
l’origine,
on a :et par
hypothèse :
Posons : *
Soient t, et ts les nouvelles valeurs de la variable centrée
réduite,
corres-pondant
àT;
et Tsaprès déréglage.
On a :- 21 - de même :
Le
pourcentage
depièces
défectueuses est alors donné par :D’où la relation entre
X
etp :
REMARQUES :
1 . La loi normale étant
symétrique,
il suffit d’étudier les valeurspositives de X .
On peut d’ailleurs vérifier que si l’on
change
Àen - À
les deux relations sontidentiques :
2. Sur le
graphique
des ranges, il est courant de ne pas considérer la limite de contrôle inférieure(lorsqu’elle
n’est pasnulle).
Onnéglige
ainsi ledéréglage
de
l’écart-type lorsque
celui-ci diminue(il
est alors, en effet, favorable à lafabrication) .
Pour
simplifier,
nous feronségalement
abstraction des valeurs dep
infé-rieures à 1 .
En définitive , nous étudierons :
Prenons un échantillon de n
pièces.
La distribution des moyennes est normale, et de
caractéristiques:
jm, -20132013) .
A
l’origine,
les limites de contrôleLC1
etLC2
sont telles que :B W
-22-
Après déréglage,
les nouvelles valeurs de la variable centrée réduite tni et tnscorrespondant a-Le,
et LCI) sont :de même :
La
probabilité d’accepter
ledéréglage
est alors :Les relations
(1)
et(3)
nous conduisent bien au but recherchéqui
est de dé-terminer pm en fonction de ~ . Toutefois, il faut remarquer
qu’il
subsiste uneindétermination due au fait que p
et À
n’ont à satisfairequ’à
la relation(1)
et auxinégalités (2)
pour une valeur donnée deCJ . En d’autres termes, une même valeur de GJ peut être obtenue avec différentscouples (p ,X ).
Or, ces différentscouples
conduisent à différentes valeurs de pm.
~
.
On n’obtiendra donc pas une courbe d’efficacité du
graphique
des moyennes, 1mais une famille de courbes
comprises
entre deux limites .Il reste d’ailleurs à vérifier que les courbes extrêmes de la famille corres-
pondent
bien aux valeursextrêmes
desparamètres p et X
dans le cadre desinégalités (2 ) .
On a, en effet :
avec :
-23- et : .
o
D’ou
dpm :
Or,
p et X
sont liés par la condition :Si l’on considère ~ constant et que l’on écrit de¡¡ = 0, on obtiendra le même
développement
que dans le calcul dedp~ ,
avec n = 1 . Nous avons donc immédia-tement le
résultat, qui
s’écrit :d’où :
La variable conservée
étant À ,
on a donc pourdpm :
/’ Sous cette forme,
pour À
= 0, on obtientdPm
= 0. Le cas où seull’écart-type
est
déréglé
constitue donc bien un cas limite où pm est maximum.- 24 -
dp,,,
Ecrivons maintenant
sous
dÀ la formesuivante,
en supposant X-7É
0 :Or :
, ,
Mais, nous avions
plus
haut :qui
peut s’écrire :Or,
pourÀ positif,
on aévidemment2013~-~~0
pour {¡f constant.d’où :
1 - -, J, ,
d pr,,
Revenons au calcul
de"."2013nous
QÀ avons donc :L’expression
entre crochets est doncpositive :
- 25 -
et tous les autres facteurs étant
positifs (puisque À::> 0),
on en déduit que :Lor sque
À croit de 0 à sa valeur maximum obtenue pourp
décroissantégal
à1, la valeur de p~ diminue constamment.
Le cas où seule la moyenne est
déréglée
constitue donc bien un cas limite oùp, est minimum dans le cadre des
inégalités
Pour illustrer ce
résultat,
prenons unexemple :
CD-=0,50 n = 4Le lieu des
couples (p i~ )
satisfaisant à(1)
et auxinégalités (2)
est donnépar le
graphique
de lafigure
1.Le
graphique
de lafigure
2 donne les valeurs de p, obtenues par la relation(3)
en fonction des différentes valeurs de X(et
dep correspondant).
Fig.l-
F 3’= - F 3’ Og + À = 1- Q (1)
Fig.2 - Probabilité p~ d’accepter aur le gra-’ ~ ’ ~
phiquedesmoyennea pourcj=0,50etn=4 4
Courbe ( 1 ) en À et p pourTT = C~’ = 0, 50 en fonction de a
(et
de p correspondant)- 26 -
Deux remarques
supplémentaires
peuvent être faites :1. La borne inférieure de pm
correspond
audéréglage
de la moyenne seule.L’efficacité est maximum dans ce cas.
La borne
supérieure
de p,correspond
audéréglage
del’écart-type
seul.L’efficacité est minimum dans ce cas.
2. Dans le cas du
déréglage
del’écart-type
seul, on a À = 0 : on voit dans larelation
(3)
que pm est alorsindépendante
de n.D’autre
part,
J on voit immédiatement que dans ce même cas, J on a :Pm = 1 - u.r
Faisons maintenant varier tA} et n. D’où le
graphique
de lafigure
3qui
se lit ainsi, J pour n donné :Selon le mode de
déréglage
conduisant à laproportion GT
dedéfectueux,
la cour-be d’efficacité est
comprise
entre la courbeindiquée
pour la valeur den (cas
du dé-réglage
de la moyenneseule)
et la droite A(cas
dudéréglage
del’écart-type seul).
IV .
ÉTUDE
DE PwSoit
H 2013- , n)
la fonction derépartition
durapport ~
or obtenu avec un échan -tillon de n
pièces.
La moyenne de la distribution n’intervenant pas, pw est insensible au déré-
glage Â
de la moyenne;pw
nedépend
que de p .A l’origine,
on a 0*0 et la limite à 9990~0o
est donnéepar [JL =20132013 ,
0 , telle que :Si (j = P (j 0 , on a :
et la
probabilité
Pwd’accepter
est :Le
graphique
3bis donne les courbes de Pw en fonction dep
pour différentes valeurs de n.V -
ÉTUDE
DE PALa
probabilité pA d’accepter
estégaie
auproduit pm X
pW. Or, prenons unpourcentage
CJ donné :Lorsque X
croît de 0 à sa valeur maximum, Pm diminue.Dans le même temps p décroît et
pw augmente.
Il faut donc vérifier encore que les deux courbes limites de la famille que nous obtiendrons pour p,,~correspondent
bien au
produit
des valeurs p~ des courbes limites dugraphique
de lafigure
3 par les valeurs depw correspondantes.
On a :
- 27 -
a
~ a0 it.4
.
"
~
"
0’
:a "
t.4 ...
~e:
.g .~
alb "û
o~ ~
".
.ü r
ni " ûb
~ w u
"
w pp
uro
~....
8I’tI
" t.4 ..a’tlt.4Q 8
U
1
J
a rD.M taO
E
os
11
a
V
111 "
~
E’·1 aj MQ)
~~ ~
dit.4 =’
« cr
> .~
t3
&
t.4 t.4
g!!!
CL w~
CeS’0 ~~
0 ~a r,
s
Il .s °-ro"
’o .2
a t.4
Q) =’
0 u
N!!
~ ~
1...taO
¡;;
- 28 -
dpw
Mais, comme pm, Pw et
ne peuvent
être obtenus que par courbes ou ta-bleaux,
on ne peut mener lemême
calcul que celuiqui
nous a conduitsà dp,,,
mbleaux,
on ne peut mener le même calcul que celuiqui
nous a conduitsa ...
.
QAdpa
On pourra vérifier dans
plusieurs
cas différentsque .
reste constammentnégatif.
Nous nous bornerons ici à un
exemple.
Prenons encore SJ =
0, 50
et n = 4.La valeur de
pA
estportée
sur legraphique
de lafigure
4 pour les différen- tes valeursdeX ,
et les valeurs dep correspondantes.
On voit que les valeurs limites de pA
correspondent
bien aux valeurs limites descouples (À p ).
Les courbes limites seront donc encore dans ce cas les courbes d’efficacité
correspondant
audéréglage.
- de la moyenne seule, d’une
part,
- de
l’écart-type seul,
d’autrepart.
Les
graphiques
desfigures 5, 6,
7, 8, 9 et 10représentent
le faisceau formé par les courbes de la famille pour différentes valeurs de n.VI - CONCLUSION
Cette étude montre que l’efficacité de la carte de contrôle par mesures en
fonction du
pourcentage
depièces
défectueuses est variable dans desproportions importantes
en fonction de la nature dudéréglage.
Par
exemple
sur legraphique
de lafigure
10, on voit que dans le cadre del’hypothèse
1 et pour n = 10, laprobabilité d’accepter
undéréglage
donnant 10%
de
pièces
défectueuses est presque nulle si ledéréglage
affecteuniquement
lamoyenne de la distribution, alors
qu’elle
restesupérieure
à 50%
si ledéréglage
affecte
uniquement l’écart-type.
Rapnelons
que si l’intervalle de tolérances estsupérieur
à l’intervalle entre les limites à 2o/oo,
la moyenne étantsupposée
centrée parrapport
aux tolé-rances, l’efficacité est
plus grande.
Enfin,
il est intéressant de comparer l’efficacité de la carte au calibre à celle de la carte aux mesures .Dans le cas de
l’hypothèse
1, ons’aperçoit
que la courbe d’efficacité du con-trôle au calibre pour une taille n de l’échantillon
(voir figure 11)
est intérieure à la zone d’efficacité de la carte de contrôle par mesures pour la même taille n d’échantillon.L’efficacité du contrôle au calibre,
plus
faible dans le cas dedéréglage
de lamoyenne
(cas fréquent)
est donc un peusupérieure
dans le cas dedéréglage
del’écart-type
seul.- 29 -
GJ
~
...
s
U 81
’0 G
~N
U tt
~ ~
u ~’
’tS g
~ 0.
.t: a
uu t o a
.~ ..
::= G
_81 S~ ~
.. ni u
c:l....
g
U
. an M
S
CJ.w~
t Gd
« 0~0 t~t ~ poo4°8.
1~ II Il
:s G
Il b ...
h " 0
CJ h U
~-8.- u ~’
U t)u8. a...
u~
Il ’0- G""
’0 ... G
"*;’~
~ 8-8
.,, ~o
Ssj
s::~ ~_.g
.a -...,o
u ...
G fi
~ lÕ....
..::: s::
~"ô
~ 0
. 0 "
ce n
’~ w Il
h *u c
- 30 -
t)
3
~
S
(J C)
’0
C)
.:.
ntU 81
J? ~ ~’
CI 5
-0
g
~ L1~
.... 82
(J CI
~ ~ u ~
.... 82 ï3 ~ u 6
"0 1~
a 1~
i~
..0 w
=’
0 U
r-
r-
ï;:
taO
CI
3
,..
S
(J CI’
~
~
~M
M U 81~ ~
C) ~
b 6
~ 0.
.H M
vu
« h (J =’
.... 82
s :
u~
"0 ~
ID nt
C) p, ..0
h
g
U
,
~0 tIG
ï;:
- 31 -
tJ
~ 40
S
NU tJ’0
!
~
~~
.o 0 "..!! ~
u s
bô
~
~.
’G)Q..
~ .
0 C3 S
u :S:::: tJ
u~ 6~ ~ . cd
0) Q....a
§
8
u
1
taO
S
!0
u ta8
u 0)
’0
u... m
s~
u "
Id t::
0) ...
~ ~
~Q..m
u 0)
3 5
U :S
S :
m" s
"C ...
.
uni
~0 ...
g
U
I CIO
.~
¡;:- 32 -
1>
w
...5~
U Il3~
0 h
~o 1::
8. S
c:: . 0 ~
U ...
~
o~=’.’C>’C>
t! *
nt
1>0 g
s~ww
-1>
E" s
1>0
JS o
....=,0
o
Il~
~ ~
"&
tIO
~
«J
s
~
...o
u 0’0 0
"’0
S2
U nt II- d
«J i~
’0
’C> 0
~ c.
U Il
nt «J U ...
~ Il
!S M
~ o
=t, S
Il ...
«J nt
h
... C.o
U
, o
M)