R EVUE DE STATISTIQUE APPLIQUÉE
G. R OUZET
D. Z ANKEVITCH
Règles de décision applicables au contrôle d’un lot dont les individus possèdent plusieurs caractères indépendants auxquels sont appliqués des plans d’échantillonnage statistiques
Revue de statistique appliquée, tome 37, n
o3 (1989), p. 19-38
<http://www.numdam.org/item?id=RSA_1989__37_3_19_0>
© Société française de statistique, 1989, 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 condi- tions générales d’utilisation (http://www.numdam.org/conditions). Toute uti- lisation commerciale ou impression systématique est constitutive d’une in- fraction pénale. Toute copie ou impression 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/
RÈGLES DE DÉCISION APPLICABLES AU CONTROLE D’UN LOT DONT LES INDIVIDUS POSSÈDENT
PLUSIEURS CARACTÈRES INDÉPENDANTS
AUXQUELS SONT APPLIQUÉS DES PLANS
D’ÉCHANTILLONNAGE STATISTIQUES
G. ROUZET Ingénieur E.T.P
D. ZANKEVITCH
Ingénieur
de l’ industrie et des mines au Ministère de l’ industrieet de
l’aménagement
du territoireLe contrôle
statistique
de lots relève del’application
de diverses méthodesqui
sont
l’objet
de normesfrançaises
ou internationales.Lorsque plusieurs
caractèressont à
prendre
en considération sur les individuscomposant
lelot, l’emploi
d’unplan d’échantillonnage
pour le contrôle dechaque
caractère - dans le contrôle par mesurage, enparticulier -
a pour inconvénient que lerisque
du fournisseur s’exerceautant de fois
qu’il
y a de caractères : un lot satisfaisant à tous les niveaux dequalité acceptables
a d’autantplus
de chances d’êtrerejeté
pour un ouplusieurs
caractèresque le nombre de ceux-ci est élevé.
Applicable
dans les cas où les caractères sontstatistiquement indépendants,
une méthode
permettant
deprendre
en compte le nombre decaractères,
et conser-vant la
protection
du client dans l’efficacité du contrôle de chacund’eux,
est ex-posée
ici. Elle donne lieu actuellement à l’élaboration d’une normefrançaise.
Le contrôle de lots dont les individus
possèdent plusieurs
caractèresindépen-
dants soumis à des
exigences
dequalité
se rencontrefréquemment,
dans lescontrôles de
produits
industriels notamment.A ce
jour,
les méthodesstatistiques,
fortdéveloppées
et engrande partie
normalisées pour ce
qui
concerne le contrôle d’un caractèreunique,
ne couvrentla
prise
en considération deplusieurs
caractèresindépendants
que dans le cas du contrôle parattributs,
sous réserve encore que les non-conformités auxspécifica-
tions aient des
conséquences pratiques comparables
pour tous les caractères. On considère alors les individus non conformesquelle
que soit la cause, ouquelles
que soient les causes de
non-conformité,
et on définit unplan d’échantillonnage
20 G. RO UZET. D. ZANKEVITCH
unique correspondant
auxexigences globales
dequalité;
ou encore, on considèrele nombre de non-conformités par
individu,
et on définit unplan d’échantillonnage unique correspondant
auxexigences
formulées dans les mêmes termes.Si les
conséquences pratiques
des non-conformitésobligent
à ranger les caractères dans deuxcatégories (non-conformités majeures,
non-conformités mi-neures),
onpeut
définir deuxplans d’échantillonnage
et lesappliquer conjointe-
ment. En toute
rigueur, l’augmentation
durisque
derejet
pour l’une ou l’autre descatégories,
d’un lotacceptable
danschaque catégorie,
conduit àappliquer
laméthode
présentée plus
loin.Si les
conséquences pratiques
des non-conformités sontdiverses,
il estd’usage
courant d’attribuer des coefficients aux différentescatégories
de non-conformités,
pour définir un "démérite" dontl’interprétation
estpossible lorsque
lelot
appartient
à une série de lots issus d’uneproduction
continue ou suffisammentrépétitive.
Mais cetteméthode, quel
que soit son intérêt pour leresponsable
de laqualité
de laproduction,
n’est pas àproprement parler
une méthodestatistique
decontrôle de
lot,
lesrisques
du fournisseur et du client ne pouvant être définis surla base d’une loi de
probabilité correspondant
à la variation du démérite pour unequalité
de lot donnée. Un contrôlestatistique comparable
au contrôle d’un caractèreunique
ne peut alors être effectué que sur la base du contrôlestatistique
de chacundes caractères.
Le contrôle par mesurage de tous les
caractères,
ou de certains d’entre eux, amène à la même situation.On considère
ci-après
le contrôle d’un lot selon ccaractères,
chacun d’eux donnant lieu à la définition d’unplan d’échantillonnage
en fonction desexigences
de
qualité qui
lui sont propres;l’application
dechaque plan
conduit à la décisiond’acceptation
ou derejet
du lot pour le caractèreauquel
il serapporte.
1. La méthode concerne l’ensemble des c décisions
statistiques indépendantes
Il convient d’insister sur le fait que ni la
qualité
dulot,
ni la décisiond’acceptation
ou derejet,
ne sont considérées ici de manièreglobale.
Eneffet,
latechnique
du "démérite"évoquée plus
haut étant inutilisable comme base de laméthode,
la notion dequalité globale
ne peut se traduire par unegrandeur
définiequantitativement :
laqualité
n’est définie d’une manièreprécise qu’au
niveau dechaque
caractère.Conjointement,
F efficacité d’une méthode de décisionglobale,
portant
sur ccaractères,
nepourrait
être déterminée que dans un espace à(c
+1)
dimensions,
et ne seprêterait
donc pas à uneinterprétation
aisée sur leplan pratique.
La méthode
exposée ci-après
concerne donc bien la définition des cplans d’échantillonnage qui
serontappliqués
aux ccaractères,
etl’interprétation
del’ensemble des c résultats
indépendants.
L’ensemble des c décisions
statistiques indépendantes
définitives à l’issue del’application
de laméthode,
sera une base pour la décision technico-commerciale : accepter le lot et l’utiliser directement ouaprès tri,
retourner le lot aufournisseur,
retourner au fournisseur les seuls individus non conformes
après
tri vis-à-vis de l’ensemble des caractères pourlesquels
il y a eurejet,
etc, tout comme dans le casd’un caractère
unique.
2. Choix de la
qualité acceptable
pourchaque
caractèreLa
qualité acceptable
constitue laqualité
durisque
fournisseursQRF
àlaquelle
sera associée une valeur donnée durisque
du fournisseur.Le choix de
chaque
valeurQRF
doit tenircompte
des considérations éco-nomiques
propres au caractèreauquel
elle serapporte,
mais aussi del’aptitude
àl’emploi
d’un lot danslequel
les niveaux dequalité
de tous les caractères seraientégaux
à leursQRF respectifs.
La notion dequalité acceptable implique
en effet que soit considéré commeacceptable
un lot danslequel
laqualité
relative à chacun des caractères estacceptable.
3. Bases de la méthode
On se
place
dans la situation où laqualité
du lotprésenté
au contrôle estégale,
pour chacun des ccaractères,
à la valeurQRF correspondante,
situationqui
définit
l’hypothèse Ho
considéréeci-après.
Dans la définition des c
plans d’échantillonnage,
une même valeur est donnéeau
risque
du fournisseur a .La
probabilité
que les c décisions résultant del’application
desplans
d’échan-tillonnage comprennent
r décisions derejet
est donnée par la loi binomiale de pa- ramètres c et a . On peut donc définir un domaine des valeurs de rcorrespondant
à une
probabilité élevée,
telle quePr(r L) ~ 0, 95 ,
et un domainecomplémen-
taire dans
lequel
laprobabilité
est suffisammentpetite (~ 0, 05)
pourqu’un
résultatr lui appartenant soit à considérer comme non
compatible
avecl’hypothèse Ho .
Dans ce dernier cas, il
n’y
a donc pas lieu d’allerplus
loin dansl’investigation statistique :
les c décisionsstatistiques
sont définitives.Si r
L ,
on est fondé à admettre que les r décisions derejet
sontcompatibles
avecl’hypothèse Ho,
c’est-à-direqu’elles peuvent
être des réalisations durisque
a derejeter
à tort un lotacceptable, risque
admis pour chacun des caractères en cause.Il
paraît logique,
dans ce cas, derequérir
à uncomplément
d’information pour réviserchaque
décision derejet.
Unéchantillonnage complémentaire
esteffectué,
et le
plan d’échantillonnage
résultant du mêmepoint
durisque
fournisseur(même QRF
et même a queprécédemment)
et de l’effectif de l’échantillon total ainsi constitué(échantillonnage
initial +échantillonnage complémentaire)
estappliqué,
pour chacun des r caractères. Les résultats obtenus dans cet échantillon total conduisent à la décision
statistique
réviséed’acceptation
ou derejet,
pour chacun des r caractères.22 G. ROUZET, D. ZANKEVITCH
L’échantillonnage complémentaire
doit être tel que, pour chacun des ca-ractères,
laprobabilité d’accepter
le lot pour cecaractère,
que ce soit à l’issue del’application
duplan d’échantillonnage
initial ou, s’il y arejet,
au niveau de la décisionrévisée,
ne modifie pas sensiblement lerisque
du client.Quantitativement,
cette méthodepeut
être établie sur unevaleur
de aégale
à5
% ,
valeur habituellementutilisée,
pourchaque plan d’échantillonnage.
Le critèreL peut être défini par le fractile d’ordre
0,95
de la loibinomiale
de r pour cdonné,
ou
plus
exactement par la valeur de r pourlaquelle
laprobabilité
cumulée est laplus
voisine de0,95.
Pour quel’approximation
soit suffisamment bonne vis-à-vis de cette valeurthéorique
de0,95 ,
onexigera
en outre que laprobabilité
cumuléesoit
comprise
entre0,90
et0,99.
Le tableau 1
présente
laprobabilité
cumulée de la loi binomiale de r pour lesvingt premières
valeurs de c, auvoisinage
du fractile d’ordre0,95.
On observe que L nepeut
être défini pour c 4 . En effet :- pour c =
2 ,
L = 0 ne convient paspuisque
leprincipe
de la méthode n’a desens que si L est au moins
égal
à1,
- pour c =
3 ,
aucune valeur de r ne satisfait aux conditions énoncées.La méthode devra donc être basée sur un autre
principe
pour lespremières
valeurs de c. En
fait,
on verraplus
loin que leprésent principe
estproposé
pour c > 5.L est alors défini par les valeurs de r pour
lesquelles
laprobabilité
cumuléeest
soulignée
dans le tableau1,
tableauqui
peut êtreprolongé
à des valeurs de caussi
grandes qu’on
le désire.Quantitativement toujours,
on peut proposer pour des raisonspratiques
que l’effectif de
l’échantillonnage complémentaire
soit semblable à celui del’échantillonnage initial;
larègle
estd’application
aisée si l’on a choisi initialementun
plan simple;
il en est trèsgénéralement
ainsi en contrôle par mesurage.Comme il est dit
plus haut,
ceciimplique
que lerisque
du client ne soit pas sensiblement modifié.Une
première
assurance en est donnée par le raisonnement suivant : si l’échantillon d’effectif double étaitindépendant
dupremier,
sa courbe d’efficacité propre décroîtraitplus rapidement
que lapremière
au-delà dupoint
durisque fournisseur,
et, pour laqualité
durisque
du clientQRC,
laprobabilité d’accepter
serait très
petite
par rapport aurisque (3
initialementchoisi; l’emploi
conditionnel de ce second échantillon conduirait donc à uneaugmentation de
laprobabilité d’acceptation,
notable auvoisinage
deQRF, progressivement décroissante,
et peuimportante
auvoisinage
deQRC.
Enfait,
selon laméthode,
l’échantillon d’effectif double inclut lepremier;
il s’ensuit que laprobabilité d’acceptation
setrouve diminuée par
rapport
à cellecorrespondant
aux conditionsprécédemment supposées,
de sorte que lerisque
du client est a fortiori peuaugmenté
parrapport
à celui duplan
initial.Numériquement,
il estaisé,
dans le cas du contrôle parattributs,
d’étudierquelques exemples; ainsi,
pour des données(QRF = 0,7%; a = 5%)
et(QRC = 7,5%;/?
=10%)
et ensupposant
la loi binomialeapplicable,
leplan simple
initial a pourcaractéristiques (n = 50 ; A = 1),
et, s’il y alieu, l’échantillonnage complémentaire
d’effectif 50permet d’appliquer
leplan simple (n
=100;
A =2);
laprobabilité d’acceptation, qui
est initialement de0,9519
pour laqualité QRF,
devient0,9821,
et,qui
est initialement de0,1025
pour laqualité QRC,
devient0,1058.
Dans le cas du contrôle par mesurage d’un caractère distribué selon une loi
normale,
il estdifficile,
aucontraire,
d’obtenir par calcul des illustrations semblables. Mais des estimationspeuvent
être obtenues par simulation. Les travaux de M. D.ZANKEVITCH, présentés ci-après
en annexe, conduisent surplusieurs exemples
à des résultatsanalogues.
La
méthode, qui
augmente la sélectivité du contrôle dechaque caractère,
conserve donc bien le
risque
du client.Elle est, à ce
stade, complètement définie,
sauf pour lespetites
valeurs de c.4. Bases
complémentaires
Toujours
dansl’hypothèse Ho
où laqualité
du lotprésenté
au contrôle estégale,
pour chacun des ccaractères,
à la valeurQRF correspondante,
laprobabilité
que chacune des décisions
statistiques
soitl’acceptation
a pour valeur(1 - 03B1)c.
Le
risque
quel’application
desplans d’échantillonnage conduise,
aumoins,
à une décision de
rejet
pour l’un descaractères,
a donc pour valeur 1 -(1 - 03B1)c.
Ce
risque
croîtrapidement
avec c : il est, parexemple,
de 23 % pour a =5%et
c = 5. Pour le ramener à une valeur
convenable,
aussi voisine quepossible
de 5 %et ne
dépassant
pas 10% ,
onpeut
diminuer a. Mais le choix dupoint
durisque
fournisseur
exige,
enpratique,
que a ne soit pasexagérément petit.
Si l’on veut que a ne soit pas inférieur à 2
% ,
les seules solutionspossibles
sont celles
indiquées
dans le tableau 2.Pour c = 2 et c =
3,
la méthodepeut
doncprendre
pour base ceprincipe.
Pour c = 4 et c =
5,
leprincipe
vient en concurrence avec celui énoncéplus
haut. Il semble raisonnable
d’adopter
laprésente
basecomplémentaire
pourc
4(le principe
retenu se trouve être alors celuiqui
donne la valeur deprobabilité
laplus proche
de la valeurthéorique correspondante).
La méthode s’énonce donc comme il est dit ci-dessous.
5. Enoncé de la méthode
La méthode
exposée
ici consiste en desrègles complémentaires
àrespecter,
dans la définition desplans d’échantillonnage
àappliquer
auxccaractères,
et dansl’interprétation
des résultats.Si c
4,la
valeur durisque
du fournisseur a doit êtreprise égale
à celleindiquée
dans le tableau ci-dessous :24 G. ROUZET. D. ZANKEVITCH
Chaque plan
conduit à la décisiond’acceptation
ou derejet
du lot pour le caractèrecorrespondant.
Si
c > 5,
la valeur durisque
du fournisseur a doit êtreprise égale
à 5 % .Chaque plan
conduit à une décisiond’acceptation
ou derejet.
Soit r le nombrede décisions de
rejet.
- Si r = 0 : le lot est
accepté
pour chacun descaractères;
- Si 0 r L :
l’échantillonnage
estcomplété
par unprélèvement
de même effectif que le
prélèvement initial,
de manière à constituer un échantillon d’effectifdouble;
pour chacun des r caractères en cause, leplan d’échantillonnage
résultant du mêmepoint
durisque
fournisseur queprécédemment (même QRF, a
=5%)
et de ce nouvel effectifd’échantillon,
est
appliqué;
il conduit à la décision réviséed’acceptation
ou derejet
du lotpour le caractère
correspondant;
- Si r > L : le lot est
rejeté
pour chacun des r caractères en cause.Remarque :
Eventuellement,
si leplan d’échantillonnage
initial est issu des tables desnormes NF X 06-023 ou NF X
06-022,
on peut,lorsque
0 rL,
effectuerun
complément d’échantillonnage
tel que le nouveauplan
soit celuiqui
résulte dumême
NQA
et d’une double incrémentation de la lettre-code duplan
initial.Cette modification de la définition du nouveau
plan d’échantillonnage,
dontle seul
objet
est desimplifier l’application pratique
de laméthode,
est évidemmentsusceptible
d’entraîner des écarts d’efficacitésupérieurs
à ceuxindiqués plus
haut.6.
Exemples
Exemple
1Une fabrication
spéciale
de 600appareils électroniques
est considérée comme un lot isolé. On désire faire un contrôle deréception
paréchantillonnage.
Ce contrôle doit porter sur 6
grandeurs, qui
sontstatistiquement indépendantes
du fait de
réglages
distincts effectués en fabrication.L’une des
grandeurs (G1)
doitrespecter
une limitesupérieure.
Laqualité acceptable
est uneproportion d’appareils
non conformeségale
à 1 % . Lescinq
autres
(G2
àG6)
doivent respecter un intervalle de tolérance. Pour chacuned’elles,
laqualité acceptable
est0,5
%d’appareils
non conformes.On
envisage
un contrôle par mesurage dechaque grandeur
au moyen d’un échantillon d’effectif n =25,
sous réserve d’une efficacité suffisante.Comme c est
supérieur
à5,
lerisque
du fournisseur doit être de 5 % .L’application
de la norme NF X 06-027 àchaque
caractère estparticulièrement aisée, puisque
lescaractéristiques
duplan
peuvent être lues directement dans les tables de valeursnumériques.
La table 5 de NF X 06-027 donne les valeurs de la
qualité
durisque
clientQRC,
soit8,6
%d’appareils
non conformes pour Gl et6,1
%d’appareils
nonconformes pour G2 à G6. Cette efficacité est
jugée
satisfaisante.La même table donne le coefficient K définissant :
- pour
G1(K
=1, 80)
le critèred’acceptation
xTs -
Ks- pour G2 à
G6(K
=2,01)
les deux côtés destrapèzes
délimitant lesrégions d’acceptation.
Pour G2 à G6 le
coefficient L
définissant les hauteurs destrapèzes,
c’est-à-dire
smax = fs (Ts - Ti)
,est lu dans la table 7(fs = 0, 220).
On
prélève
donc 25appareils
au hasard dans le lot et on effectue sur chacun d’eux le mesurage des 6grandeurs.
Les valeurs de la
moyenne x
et de l’estimation s del’écart-type
du lot sontcalculées pour
chaque grandeur.
Sans entrer dans le détail de
l’application
de la norme X 06-027 à chacun descaractères,
on suppose que les constatations sont les suivantes :G1 x Ts - Ks
G2
point (s, xi)
dans larégion d’acceptation
G3
point (s, x)
dans larégion
derejet
G4 à G6
point (s, x)
dans larégion d’acceptation.
Le lot est donc
accepté
pour lesgrandeurs
Gl et G2 ainsi que G4 à G6.Conformément à la méthode
(ici
c = 6 et r =1),un échantillonnage
26 G. ROUZET, D. ZANKEVITCH
complémentaire
doit être effectué pour G3.Le nouveau
plan d’échantillonnage
est défini parQRF = 0, 5%
avec a =5%
et n =
50, d’où,
selon les tables 5 et 7 de NF X06-027,
K= 2,16
etfs
=0, 208.
Le
prélèvement complémentaire
de 25appareils
esteffectué,
auhasard,
et la seulegrandeur
G3 est mesurée.Les valeurs de x et de s de l’échantillon d’effectif n = 50 ainsi obtenu sont calculées. Le
point
de coordonnées(s, fi)
seplace
encore dans larégion
derejet.
Le lot est donc
rejeté
pour lagrandeur
G3.Exemple
2Un lot de 1000
pièces mécaniques
estprésenté
à un contrôle deréception
paréchantillonnage.
Trois dimensions sont àprendre
en considération. Chacune d’elles doit respecter un intervalle de tolérance. Le contrôle doit être fait au moyen decalibres,
donc par attributs. Les trois dimensions sontstatistiquement indépendantes.
L’incidence
pratique
du non-respect de l’intervalle de tolérance étant trèsdifférente,
il convient de ne pas rassembler dans un même comptage, des individusnon conformes ou des
non-conformités,
les résultats relatifs aux trois dimensions.La
qualité
durisque
fournisseurQRF
est fixée à0,4
% depièces
nonconformes,
pour chacune des dimensions.La table des valeurs de a pour c 4
indique
que lerisque
du fournisseur doit êtrepris égal
à 2 % .La courbe d’efficacité du contrôle de
chaque
caractère doit donc passer par lepoint
durisque
fournisseur d’abscisse0,4
% et d’ordonnée 98 % .La
qualité
durisque
clientQRC
est fixée à 8 % depièces
nonconformes,
avec un
risque
du client de 10 % .Le
plan d’échantillonnage correspondant
à ces données est déterminé enutilisant la norme NF X 06-026 ou éventuellement NF X 06-022. Pour illustrer
ce dernier cas, on supposera que la recherche est faite dans la table 10 de cette norme, où l’on obtient le
plan simple n
= 50 et A = 1.On
prélève
donc 50pièces
au hasard dans le lot et on détermine pourchaque
dimension le nombre de
pièces
non conformes dans l’échantillon. On obtient les résultats suivants :-
première
dimension : 0 d’oùacceptation
- deuxième dimension : 1 d’où
acceptation
- troisième dimension : 0 d’où
acceptation
Le lot est donc
accepté
pour chacune des trois dimensions.TABLEAU 1
Probabilité cumulée de la loi binomiale de r de
paramètres
c et a =0,05
TABLEAU 2
28 G. ROUZET D. ZANKEVITCH
Annexe
Résultats de simulations
Les
graphiques présentés
dans les pages suivantes rendent compte des résultats de simulations effectuées sur 1000 échantillons d’effectifs 5 - 10 - 20- 50 - 125 afin d’obtenir les illustrations mentionnées dans le
paragraphe
3 "bases de laméthode",
dans le cas du contrôle par mesurage d’un caractère distribué selonune loi normale.
Les
plans d’échantillonnage
sont tirés de la norme AFNOR NF X 06-027(contrôle
par mesurage de laproportion
d’individus nonconformes)
avec un écart- type connu et une seule limite despécification.
30 G. ROUZET, D. ZANKEVITCH
32 G. ROUZET, D. ZANKEVITCH
34 G. ROUZET. D. ZANKEVITCH
36 G. ROUZET D. ZANKEVITCH
38 G. ROUZET, D. ZANKEVITCH