R EVUE DE STATISTIQUE APPLIQUÉE
L. B RUYÈRE F. D OURGNON
Efficacité de plans de contrôle à mémoire dans le cas de contrôles sévères
Revue de statistique appliquée, tome 18, n
o2 (1970), p. 45-73
<
http://www.numdam.org/item?id=RSA_1970__18_2_45_0>
© Société française de statistique, 1970, 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/
EFFICACITÉ DE PLANS DE CONTROLE A MÉMOIRE
DANS LE CAS DE CONTROLES SÉVÈRES
L. BRUYÈRE
etF. DOURGNON
SociétéNouvelle
deRoulements
Le
paragraphe 1
pose lepro bl ème.
Le
paragraphe
2rappelle quelques définitions
etpropri- étés
des chaines de MARKOV. A cetitre,
il n’est nioriginal
ninécessaire.
Il a seulement pour butd’aider
le lecteur peufamitliarisé
avec cesproblèmes à
lire lesparagraphes suivants.
Le
paragraphe
3 mon tre commen t leproblème posé peut être trai té grbce à
lathéorie
des processus de garkov.Dans le
paragraphe 4,
onrésout
leséquations
obtenues. Leparagraphe
5 donne unemé thode plus générale
derésolution.
Le
praticien qui
serait seulementintéressé
par lesré-
sul tats pourra ainsi passer du
paragraphe
1 auparagraphe
6qui
se lit sans
difficulté.
Ilconstatera
lagrande efficacité
dela
mé t hode p roposé e.
L ethéoricien
pou rra essayer d’autres mo-dèles
et sans doute en trouver de meilleurs.Il est
en f in donné
unexempl e d’application.
Pages
1 - Recherche d’une méthode élaborée en
remplacement
desplans
simples
de contrôle ... 462 -
Rappel
dequelques
définitions etpropriétés
des chaînes de MARKOV ... 482 . 1 -
Chaînes
de MARKOV ... 482 . 2 - Calcul matriciel... 50
3 - Efficacité des
plans
à mémoire ... 524 - Méthode directe de résolution ... 56
. 5 - Méthode
générale
de résolution ... 586 - Résultats et observations ... 60
7 - Un
exemple d’ application ...
718 - Références et remerciements ... 73
46
1 - RECHERCHE D’UNE METHODE ELABOREE EN REMPLACEMENT DES PLANS SIMPLES DE CONTROLE.
Dans les contrôles industriels de fabrication en
série,
laproportion
admissible depièces
défectueuses estparfois
très faible. Les méthodes clas-siques
de contrôle deréception peuvent
alors être insuffisantes parce que pas assez efficaces si on veut éviter des échantillonstrop importants.
Les
plans d’échantillonnage
parattributs, qu’ils
soientsimples,
dou-bles, multiples
ouséquentiels
sont utilisables dans tous les cas, même lesplus
défavorables. On lesreprésente pédagogiquement
par le schéma d’urne.Dans une urne
(ou plus
commodément unecaisse)
contenant Npièces,
onprélève
npièces parmi lesquelles
le nombre maximum de défectueuses à trouver pouraccepter
les Npièces
est fixé à c. Sous la réserve que 10 nN,
la loi binomiale pourra être utilisée pour définir laprobabilité
P d’ac-ceptation
en fonction de laproportion
p depièces défectueuses,
cequi peut
se
représenter
par une courbe d’efficacité.Au
besoin,
on utilisera commeapproximation
la loi de Poisson ou la loi deLaplace -
Gauss selon le cas. Lesfigures
de cet article montrentles tracés en
pointillés
dequelques
courbes d’efficacité déterminées au moyen de la loi de Poisson. Lesplans doubles, multiples
ouséquentiels
n’ontd’autre but que la recherche d’une diminution des effectifs de
pièces
à con-trôler.
Toutefois,
moins on contrôle depièces
pour une efficacitédonnée, plus
la mise en oeuvre duplan
de contrôle est malcommode. Selon la nature du contrôle àeffectuer,
on utilise tel ou teltype
deplan
de contrôle.Ces
plans
sonttoujours
valables même dans le cas où l’on se serait amusé à introduirequelques pièces
défectueuses dans des lots sains ou bienlorsque
la fabrication estcomplètement
instable. Le contrôleur sait bien queces cas ou leurs variantes sont rares ;
qu’il
existe des permanences statis-tiques,
même si elles sont difficiles à définir. D’où une certainerépugnance
à utiliser le schéma d’urne pour assurer la
qualité
finale d’unproduit.
Les
plans
de contrôle par mesuresrépondent partiellement
à cettepréoccupation
en introduisant une constantestatistique :
ladispersion.
Encorefaut-il que la loi de
Laplace -
Gausss’applique
et que l’onpuisse
faire face à uneorganisation
relativement lourde du contrôle. Cestechniques
sont uti-lisées assez rarement avec succès.
Le contrôleur sait par
expérience
quel’apparition
dequelques pièces
défectueuses
peut
être l’indice d’undéréglement
de la fabrication. Aussi est-il tentéd’augmenter
alors la sévérité de son contrôle. Cette situationqui
est naturelle etlogique
n’estpourtant
pasprévue
engénéral.
Notonstoutefois
quelques exceptions.
Les normes AFNOR NF X 06 021 et MIL STD105D
précisent
que des contrôles renforcés ou réduitspeuvent
êtreappli- qués
dans certaines circonstances. Le contrôle en continu de DODGE(RSA
vol. VII n° 1.
1959)
estapplicable
pour desfabrications
où le contrôle sefait au défilé et où le nombre de contrôleurs
peut
varier en fonction du ni-veau de
qualité.
Pour certaines
fabrications,
dont le contrôle faitl’objet
de cetteétude,
le nombre n doit être
important
et le nombre créduit,
le niveau dequalité
devant être élevé. Il semble toutefois
qu’il
faille éviter d’utiliser en perma-nence des
plans
où c =0,
pour des raisons aussi bienpratiques
que théori-Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
ques.
Pratiques :
on croit ou l’on veut faire croire alorsqu’aucune pièce
défectueuse n’est
acceptable
dans un lot. Le contrôleur sérieux sait que cela n’est paspossible,
même en contrôleautomatique quoi qu’on
en ait dit. Si pour npièces,
onn’accepte
aucunepièce défectueuse,
parprincipe,
il seraitplus prudent
etplus logique
deprélever
les Npièces
du lot. On trouve alors tous les inconvénients du contrôle dit à cent pour cent dont il ne sera pasquestion
ici.Théorique :
lapente
de la courbe d’efficacité est relativement faible dans la zone d’indifférence duplan ;
c’est-à-dire pour 0.1 P 0.9 et est au contraire très forte pour P voisin de 1. Unplan
correct de con-trôle doit avoir une courbe d’efficacité ressemblant le
plus possible
à cellede la figure 1 idéalisée
Figure!
1Un
plan
de contrôle avec c = 0présente
une courbe d’efficacité selon lafigure
2.Figure
2Dans un contrôle sévère on rencontre donc deux
paradoxes.
1)
c doit êtrepetit,
mais c = 0 doit être évité.2)
n doit êtregrand,
mais alors les inconvénients du contrôle dit à cent pour cent se rencontrent.48
En associant les différentes idées
qui
viennent d’êtreexprimées
on ar-rive au schéma décrit
ci-après qui
est unedécomposition
enplusieurs
sché-mas d’urne.
-
prélever
ni,accepter
Ci = 1 défectueuse- si lors des K derniers
contrôles,
m d’entre eux ont donné lieu à unrefus,
on abandonne larègle précédente
pour utiliser(n2 ;
C2 =0)
avecn2 >
ni.-
après
la mise en oeuvre de la seconderègle
decontrôle,
onrevient à la
première règle
si lors des K’ derniers contrôles aucun n’a don- né lieu à un refus.Ceci est un
exemple parmi
d’autresimaginables.
Il al’avantage
d’êtretrès facilement
exploitable
en atelier. Les calculs deprobabilités paraissent
au
premier
abordinexploitables.
L’utilisation des chaînes de MARKOV per- met de lever cette difficulté.Pour l’ensemble des cas
traités,
on a retenu K = K’ = 5 et m = 2 Onpourrait
évidemmentenvisager
des schémasplus complexes
utili-sant trois
règles
-
prélever
ni,accepter
CI = 1 défectueusea) -
si lors des K dernierscontrôles,
m d’entre eux ont donné lieu àun
refus,
on abandonne larègle précédente
pour utiliser(n2 ; C2 = 0)
avec n2 >ni
-
après
la mise en oeuvre de cette seconderègle,
on revient à lapremière
si lors des K’ derniers contrôles aucun n’a donné lieu à un refus.b) -
si lors des L derniers contrôles aucun n’a donné lieu à unrefus,
on abandonne cette
première règle
pour utiliser(ns ;
C3 =1)
avec ns ni-
après
la mise en oeuvre de cette 3èmerègle,
on revient à lapremière
si lors des L’ derniers contrôles n d’entre eux ont donnélieu à un refus.
2 - RAPPEL DE
QUELQUES
DEFINITIONS ET PROPRIETES DES CHAINES DE MARKOV2.1. Chaînes de Markov
Observons un
système qui
évolue dans letemps
selon une suite dis- crète et croissante d’instants...
tn tn+1
1 ...(1)
---
(1) le signe se lit "est avant" et définit une relation d’ordre strict.
Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
A chacun de ces instants ce
système
est dans un stade...
Sn
,Sn+1 ,
...et pour chacun des
stades,
lesystème peut prendre
un nombre fini d’états.Pour
simplifier,
supposonsqu’il
y ait trois étatspossibles A,
B ou C.Cette suite de stades
[So, Si
...Sn ...]
est aléatoire.La définition en
probabilité
de la. suite[So, S 1
...Sn ...]
se fait dela
façon
suivante :a)
Stade initialSa
So
est l’un des étatsA,
B ou C avec laprobabilité
attachée à
A,
B ou C.b)
Loi d’évolutionLa loi
Sn+1
est entièrement définie par la connaissance de l’état du sys- tème au stadeSn.
Si au stade
Sn
lesystème
se trouve dans l’état A : au stadeSn+1
lesystème peut prendre
l’un des étatsA,
B ou C avec laprobabilité
p aa, Pab ouPac.
On a :Paa + Pab + Pac 1
Si au stade
Sn
lesystème
se trouve dans l’état B : au stadeSn+1
lesystème peut prendre
l’un des étatsA,
B ou C avec laprobabilité
pba, 13bl,ou pbc. On a :
Pba
+Pbb
+Pbc = 1
Si au stade
Sa
lesystème
se trouve dans l’état C : au stadeSn+1
lesystème peut prendre
l’un des étatsA,
B ou C avec laprobabilité
p, pcbou
Pcc’
On a :Pc.
+Pcb
+Pcc = 1
Ces trois lois de
probabilité
définissent l’évolution dusystème.
---
Remarque
sur les notations :pab, par
exemple, désigne
laprobabilité
de passer de l’état A à l’état Blorsque
lesystème
évolue d’un stade au stade suivant(passage
deSn
àSn+1) ;
cetteprobabilité
estindépendante
de n. De même pour les autres sym- boles Paa, pba, ...On
désigne
parPa(n)
laprobabilité
pour lesystème
d’être à l’état Aau stade
Sn ;
de même pourpb(n)
etpc(n).
50
On
peut
décrire les éventualités par un arbreexponentiel.
ou par une matrice :
M est dite matrice des
probabilités
de transition 2.2. Calcul matricielA toute
chaîne
de MARKOVcorrespond
une matrice.Exemple :
soit les états initiauxA,
B ouC,
on aCette matrice est la matrice de transition d’une chaîne de MARKOV.
La somme des éléments
(probabilités)
dechaque ligne
estégale
à 1 et ceséléments sont non
négatifs.
Pour obtenir une chaîne de
MARKOV(l),
on définit un état initial par unvecteur
probabilité,
soit dans le cas de 3 états :Après
nsauts,
laprobabilité
serap(O)
etp(n)
étant des vecteursprobabilité,
la somme de leurs composantes estégale
à 1 et les termes sont nonnégatifs.
---
(1) Il s’agit d’un cas particulier des processus markoviens qui se définissent d’une
façon plus
générale :
le processus étudié ici est un processus dénombrable (nom- bre d’états dénombrables) discret(changement
d’état à des instants particuliers)et homogène (la loi de passage de Sn à Sn+1 ne dépend pas de n).
Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
Les
lignes
d’une matrice de transition sont aussi des vecteursproba-
bilité. Cesprobabilités
vérifient leséquations
suivantes :Interprétation
de la lèreéquation
parexemple :
laprobabilité
de setrouver dans l’état A
après
n sauts est la somme desprobabilités
de setrouver dans l’un des 3 états
possibles A,
B ou Caprès
n - 1 sauts mul-tipliée
par laprobabilité
de passer ensuite à l’état A au nième saut.D’après
la définition de lamultiplication
d’un vecteur par unematrice,
on
peut
écrire leséquations précédentes
sous la formep(n) = p(n-l) .
MSi l’on substitue à n la valeur des entiers successifs on a :
p(1) = p(0) .
Mp(2)
=p (1)
M =p(0) . M’
p(3) = p(2) .
M =p(1) . M2 = p(0) . Ms
En
généralisant
p(n)
=p(0) . Mn
Analyse
de ce résultat : enmultipliant
le vecteurp(o)
desprobabilités
initiales par la n ième
puissance
de la matrice de transition M on obtient le vecteurp(n)
dont lescomposantes
donnent lesprobabilités
d’être dans chacun des étatsaprès
n sauts.Les éléments de la lère
ligne
de la matriceM°
donnent lesprobabi-
lités
qu’après
n sauts le processus soit dans un étatdonné,
ensupposant qu’il
estparti
de l’état A. Demême,
la 2eligne
de la matriceMn
donne lesprobabilités
que le processus soit dans l’un des différents étatsaprès
nsauts,
sachantqu’il
estparti
de l’état B.L’étude des chaînes de MARKOV conduit à celle des
puissances
de lamatrice M.
Exemple
52
On démontre que la matrice
Mn
tend vers une matrice limite W lors- que naugmente
indéfiniment.Mn
tendant versW,
il résulte de la relationp(n)
=p(o)Mn
que
p(n)
tend aussi vers une limite w. Comme on ap(n+1)
=p(o)Mn
on aura à la limite
Cette relation définit le vecteur limite w des
probabilités
de se trou-ver dans les états
A, B,
C.w est un vecteur propre de la matrice M. Cela
signifie
que laproba-
bilité d’être dans un état
quelconque
tend à être la même àchaque instant,
et ce,
quel
que soit l’état initial(par exemple,
laprobabilité
d’être dans l’état A tend à être la mêmequel
que soit l’instantconsidéré,
etquel
que soit l’état initialA,
B ouC).
Le processus est alors dit stationnaire.
3 - EFFICACITE DES PLANS A MEMOIRE Choix des
plans :
On a recherché à
priori
un certain nombre deplans
à mémoirepouvant
êtreadoptés lorsqu’on
désire un contrôle sévère. Lesplans
suivants ont été retenus. Un mêmeplan
est la mise en oeuvre de deuxrègles (tableau 1).
TABLEAU 1
Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
Modalités de passage d’un contrôle à un autre
a) Passage
du contrôle normal au contrôle renforcé : si 2 lots sur 5 sontrejetés.
b) Passage
du contrôle renforcé au contrôle normal : si 5 lots consé- cutifs sontacceptés.
Le
problème
consiste maintenant à calculer l’efficacité de telsplans . Organigramme
des états d’unplan
Tous les
plans indiqués précédemment
avec les modalités de passage choisies se ramènent au mêmeorganigramme (figure 3)
ORGANIGRAMME -
Figure
3t =
probabilité
de refus en contrôle renforcé.s =
probabilité
de refus en contrôle normal.états 1 à 5 : contrôle renforcé états 6 à 10 : contrôle normal.
Appelons :
t la
probabilité
de refus en contrôle renforcé.(1 - t)
laprobabilité d’accepter
le lot.s la
probabilité
de refus en contrôle normal.(1 - s)
laprobabilité d’accepter
le lot.54
Interprétation
del’organigramme :
On a 10 états
El
i àElo
avec lesprobabilités
de passage(t, 1 - t ; s, 1 - s)
de l’état i à l’étatj.
5 états
E
àE5 correspondent
au contrôle renforcé.5 états
Es
àE10 correspondent
au contrôle normal.Exemple : Plaçons-nous
en contrôle renforcé à l’étatE5.
Les 4 contrôlesprécédents
ont été effectués en contrôle renforcé. Prélevons un échantillon :a)
Nous avons laprobabilité
t de refuser le lot. Dans ce cas, nousnous retrouvons dans la situation où nous étions à l’état
El,
c’est-à-direqu’il
va falloiraccepter
5 lots consécutifs pour passer en contrôle normal(états El
àEd.
b)
Nous avons aussi laprobabilité (1 - t) d’accepter
le lot. Dans cecas, nous avons
accepté
5 lots consécutifs(états El
àE5)
et auprochain
contrôle
(état Es)
nousadopterons
le contrôle normal.Matrice de transition M
On
peut
traduirel’organigramme
sous la forme d’une matrice de tran- sition M de 10lignes
par 10 colonnes.Cette matrice donne les
probabilités
de passagePu
d’un état i à unétat
j.
Si les deux états ne sont pas reliés entre euxpij =
0.Calcul de l’efficacité d’un
plan :
On
appelle :
P la
probabilité d’accepter
le lot pour unplan
donné.Pi la
probabilité
d’être à l’étatEl’
bi
laprobabilité d’accepter
le lotquand
on est à l’étatEl (bi =
1 - sen contrôle normal et
bi =
1 - t en contrôlerenforcé).
i variant de 1 à 10 états.
Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
P et
bi
sont fonction de laproportion
p de défectueux dans lelot,
On a :
C’est-à-dire que la
probabilité d’accepter
le lot pour unplan
donné estégale
à laprobabilité
d’être à l’étatEi multipliée
par laprobabilité
d’ac-cepter
le lotquand
on est à l’étatEi,
et ce, pour l’ensemble des états. Ce résultats est fonction de laproportion
de défectueux dans le lot.En
régime
de stabilité de fabrication(processus stationnaire), pi
est donné par le vecteurprobabilité
w =
(p l’ P2’
...,Pi,
...,Po)
obtenu à l’aide de la relation
(2) :
w. M = wLa résolution de cette
équation
estindiquée
dans leparagraphe
sui-vant.
Calcul des
probabilités d’acceptation bi
pour les différents étatsbi
1 - t en contrôle renforcé(états E 1
àE5) bi
1 - s en contrôle normal(états Eg
àElo)
Rigoureusement,
lesprobabilités d’acceptation bi
se calculent par laloi binomiale.
Contrôle normal :
Contrôle renforcé :
En
pratique
on utilisera la loi de Poisson carl’approximation
est trèsbonne.
Contrôle normal :
Contrôle renforcé :
p étant la
proportion
de défectueux dans le lot.p a été choisi de 0.0002 à 0.001 avec un pas de 2 et de 0.001 à 0.01 avec un pas de 1.
56
Ces différentes valeurs de
bi
seront ensuiteinjectées
dans la matricede transition M pour
chaque plan
et pourchaque
valeur de p, cequi permet-
tra de calculer le vecteur
probabilité
w.Nombre de
pièces
àprélever
On
appelle n
le nombre moyen depièces prélevées
dans le lot pour unplan
donné.Soit ci le nombre de
pièces prélevées
à l’étatEi
(ci - ni
en contrôle normal et ci - n2 en contrôlerenforcé).
Pi
laprobabilité
d’être à l’étatEi
i variant de 1 à 10 états.
n est fonction de p, la
proportion
de défectueux dans le lot. On a :4 - METHODE DIRECTE DE RESOLUTION
On
peut
rechercher la solution del’équation
matricielle(2)
w M = w
en résolvant un
système d’équations linéaires,
c’est-à-dire enexprimant pl, P2
...plo
en fonction de s et det, compte
tenu de la condition03A3 pi = 1
En
partant
de la matrice detransition,
onpeut
écrire leséquations
(p1-1 - 1) p1 + p2-1 · P2 +
...+ P10-1
·Pic =0
Pl.2 ’
·Pi
+(p2-2 - 1) P2
+ -" +Pio-2 ’
·pio - 0
...
PI-IO . Pi
+P2-10 . P2
+ ... +(P10-10 - 1) P10
=0(1)
ainsi que
l’équation
Pi + P2+P3+
...+pin
1---
(1)
p
par exemple est laprobabilité
donnée par la matrice de transition de passer del’état
1 à l’état 10.Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
On
peut alors,
par substitutionssuccessives,
calculer laprobabilité
de se trouver en contrôle renforcé
Pr = P1 + P2 + P3 + P4 + P5
On trouve tous calculs faits
La
probabilité
de se trouver en contrôle normal étantPn =
1 - PrL’équation (3)
donnant la
probabilité d’acceptation
du lot devientou, en
exprimant
P en fonction de Pr seulementL’équation (4)
donnant le nombre moyen de
pièces
contrôlées devient n =n2 Pr + niPn
ou, en
exprimant
n en fonction de Pr seulementLe calcul de
Pr,
P etn
est effectué pour tous lesplans choisis, et,
pour chacun des
plans,
ce calcul estrépété
pour diverses valeurs de p(pro- portion
depièces défectueuses)
p de 0.0002 à 0.001 avec un pas de 2 p de 0.001 à 0.01 avec un pas de 1
On obtient alors un tableau du
type
suivant pourchaque plan
58 5 - METHODE GENERALE DE RESOLUTION
La méthode
précédente
offre l’intérêt pour le lecteur depouvoir
cal- culer facilement l’efficacité deplans
autres que ceuxproposés,
en recher-chant
Pr,
P et n àpartir
des relations 5 - 6 et7,
les valeurs s et t étant relevées sur une table de la loi de Poisson ou éventuellement sur une table de la loi binomiale pour un certain nombre de valeurs de p(proportion
dedéfectueux) .
Toutefois,
pourpouvoir
utiliser cesrelations,
il est nécessaire que lesrègles
de contrôle soient les mêmes que celles choisies dans cette étu-de,
c’est-à-dire que le schéma se ramène au mêmeorganigramme.
Si l’on désire calculer l’efficacité de schémas
plus complexes,
utilisanttrois
règles
parexemple
contrôle normal
(ni, cl)
contrôle renforcé
(n2, c2)
contrôle
allégé (n3, Cg)
la méthode de résolution
précédente
deviendra difficile àappliquer
en raisondu format
important
des matrices de transitionqui pourraient
être obtenues.La méthode suivante est
applicable
dans tous les cas.Ecrivons la relation
(2)
w.M=w M est la matrice de transition n x n
w est le
point
invariant de la matriceM,
ou le vecteurprobabilité
de1 x n dont les
composants
sont lesprobabilités
de se trouver dans les étatsEl
àEQ
Il
s’agit
de calculer lescomposantes
du vecteur w.w est le vecteur propre de la matrice
M, correspondant
à la valeur propre 1(une
matrice de transition atoujours
1 pour valeurpropre).
On
peut
écrirel’équation (2)
sous la formew M = w [1]
[1]
est une matriceunité,
ou matricediagonale
de n x nw - M - w
[1]
=[0]
[0]
est une matrice 1 x n où tous les éléments ont pour valeur 0w(M - [1])
=[0] (8)
on sait que w =
(p 1, P2’ ... pi, ... pn) et 03A3 Pi =
1Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
on
peut
donc écrirel’équation
matricielleexprimant
la relationprécé-
dente
w U = 1
U est une matrice de n x 1 où tous les éléments ont pour valeur 1 1 est un scalaire
Formons les matrices
A est une matrice de n x n + 1. Elle est formée de la matrice
(M - 1)
à
laquelle
on ajuxtaposé
la matrice colonne U.B est une matrice
ligne
de 1 x n + 1. Elle est formée de la matriceligne [0]
àlaquelle
on aajouté
le scalaire 1.On
peut
écrirel’équation (8)
sous la formew A = B
(9)
La dernière colonne de A
multipliée
par w donneE pi
= 1 etw(M - [1])
donne
[0]
La matrice A est
rectangulaire.
Elle n’a pas d’inverse. Recherchons la matriceAT transposée
de la matrice A.AT
est obtenue eninterchangeant lignes
et colonnes[Aij]
=[A ji] T
Par suite A.
AT
est une matrice carrée de n x n. Onpeut
calculerson inverse.
L’équation (9)
w · A = B
peut
s’écrire enmultipliant
les deux membres parAT
w .
A.AT
=B.A T
et par suite
60
ce
qui permet
de calculer leséquations
duparagraphe
3La
programmation peut
être effectuée en FORTRAN pour obtenir w, n et PPour
chaque plan,
le calcul estrépété
pour diverses valeurs de p.6 - RESULTATS ET OBSERVATIONS
Les
figures qui
suivent donnent les courbes d’efficacité pour les dif- férentsplans proposés.
Le tracé en traitspleins
résulte des calculs desparagraphes
3 et 5. Les tracés enpointillés correspondent
auxplans
sim-ples
soit pour le contrôlenormal,
soit pour le contrôle renforcé.On constate
partout
legain
d’efficacité de la méthodeproposée.
Danschaque
cas on a recherché leplan simple correspondant
à la courbe en traitplein (ou
tout au moinsayant
même valeur de p pour lesprobabilités
d’ac-ceptation
0.1 et0. 9).
Cesplans simples
sontindiqués
àgauche
des cour-bes. Les deux colonnes de droite donnent le nombre moyen de
pièces
con-trôlées en fonction de p. Par
comparaison
avec lesplans simples
dont ilvient d’être
question
onpeut juger
de l’économie de contrôle. A cela il fautajouter,
comme il adéjà
étédit,
que moins on contrôle depièces,
mieuxon les contrôle.
Enfin,
à titreindicatif, l’AOQL
estindiqué.
Bien
entendu,
tous lesplans
neprésentent
pas le même intérêt. On pourra retenir parexemple
leplan :
contrôle normal n =
200,
c - 1 contrôle renforcé n =1000,
c - 0qui correspond
à unplan simple
n =
3 200,
c = 5alors que le nombre moyen de
pièces
contrôlées sera inférieur à 400 si p 0.1%,
et auplus égal
à 1000.Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
62 Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
64 Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
66 Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
68 Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
70
Choix d’un
plan
en fonction du niveau dequalité
La difficulté consiste à choisir un
plan
de contrôle connaissant la pro-portion
moyenne depièces
défectueuses dans une fabrication. A cettefin,
il faut connaître l’efficacité des différents
plans
en fonction de la sévérité désirée pour le contrôle.La sévérité du contrôle est donnée ici par la
proportion
de défectueux pcorrespondant
à laprobabilité d’acceptation
P = 0.9. Le choix de la va-leur 0.9 se
justifie
par le fait que la fabrication ne désire pas se voir re-fuser un lot dont le niveau de
qualité
seraitacceptable.
La
puissance
du contrôlepeut
être donnée par lerapport
de la pro-portion
de défectueux p 1correspondant
à laprobabilité d’acceptation
P = 0.1à la
proportion
de défectueuxp2 correspondant
à laprobabilité d’acceptation
P = 0. 9.
Le tableau 2 résume ces informations.
Tableau 2
Les numéros de ce tableau sont ceux des
plans
de contrôle.On constate par
exemple
que si la sévérité du contrôle est de 0.06% (ce qui correspond
à laproportion
moyenne depièces
défectueuses dans lafabrication)
on a le choix entre troisplans
- Les
plans
8 :(n1 = 300
c1 =1, n2 = 1500
C2 =0)
et 12 :
(ni
400 ci ==1,
n2 = 1500 c2 -0)
depuissance
2.5- et le
plan
14 :(ni
= 500 Ci=1,
n2 = 1000 c2 -0)
de
puissance
4.Les
plans
8 et 12 ont unepuissance
de 2. 5 alors que leplan
14 a unepuissance
de 4. Celasignifie
que lapente
des courbes d’efficacité 8 et 12 estplus
raide que lapente
duplan
14.On retiendra donc les
plans
8 et 12.Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
De
plus,
pour p = 0. 06%,
leplan
8 faitprélever
en moyennen =
424pièces
et leplan
12 faitprélever
n = 661pièces.
L’intérêt étant de
prélever
le moins depièces possible
tout en conser-vant la même sévérité et la même
puissance
onadoptera
leplan
8(ni
= 300 CI =1,
n2 = 1500 c2 =0)
En tenant
compte
des considérationsprécédentes,
onpeut,
dans l’en- semble desplans calculés,
en sélectionner un certain nombreprésentant
leplus
d’intérêt.Ces
plans
sontindiqués
dans le tableau suivant(tableau 3).
Tableau 3 - tableau d’utilisation
d’après
la sévérité du contrôle.Utilisation de ce tableau :
a)
laqualité
moyenne de la fabrication estplus
mauvaise que la va-leur p
correspondant
à P = 0. 9 : leplan
n’est pasadapté.
D’oùl’option :
1. Améliorer la
qualité.
2.
Changer
deplan
de contrôle.b)
laqualité
moyenne de la fabrication est sensiblement meilleure que la valeur pcorrespondant
à P = 0.9 :1. Le niveau de
qualité
doit être suivi de trèsprès :
il fautchanger
de
plan
de contrôle.2. Le niveau de
qualité
donne satisfaction : on conserve l’ancienplan.
7 - UN EXEMPLE D’APPLICATION
L’exemple qui
suit concerne le contrôle des corps roulants(billes),
éléments constitutifs d’un roulement.
72
Ces corps roulants sont exécutés en
grande
série et parcharges,
oulots de fabrication.
Chaque charge
subit successivement les différentespha-
ses
d’usinage. Après
certaines d’entreelles,
le lot estréceptionné,
en par- ticulieraprès
la dernièreopération
de finition.A ce
stade,
pour les billes dont la taille varie entre5/32
et9/16
pou- ce, on aétabli, pendant
unepériode
de sixmois,
un bilanindiquant
les pro-portions
de billesprésentant
des défautsmajeurs,
et ce, pourchaque type
de défaut.Ces résultats sont résumés dans le tableau 4. La
proportion
moyenne de billes défectueuses est deTableau 4
Pour p = 0.07
%
le tableau d’utilisation duparagraphe
6(tableau 3) désigne
leplan
4 :contrôle normal ni = 200 ci = 1 contrôle renforcé n2 = 1 500 c2 = 0
Les colonnes situées à droite de la courbe d’efficacité
correspondant
à ce
plan indiquent
que pour p = 0.06%,
le nombre moyen de billespréle-
vées sera de n = 232
Revue de Statistique Appliquée. 1970 - vol. XVIII N° 2
8 - REFERENCES ET REMERCIEMENTS
- Pour le
paragraphe
2 on trouvera desdéveloppements
dans :KEMENY - SCHLEIFER - SNELL - THOMSON : les
mathématiques
modernes dans la
pratique
des affaires - Editeur Dunod 1964.GIRAULT :
première
initiation aux processus de Markov - R S A - volume XII n° 3 - 1964.- Pour les
paragraphes
3 et5,
unepremière approche
se trouve dans :T. L. BURNETT - Annual Technical Conference Transaction 1968
(Ame-
rican
Society
forQuality Control).
- Nous remercions :
MM. LEDEZ et VESSEREAU du Centre de Formation de l’Institut de
Statistique
de l’Université de PARIS de nous avoircommuniqué
la méthodede résolution directe
exposée
dans leparagraphe
4.M. B.
BRUN,
de laSNR,
a revul’organigramme figurant
dans cetteétude.
M. P. MEUNIER a bien voulu se
charger
de laprogrammation
enFortran sur IBM.