R EVUE DE STATISTIQUE APPLIQUÉE
R. C AVÉ
Nouvelle méthode de contrôle statistique par mesures
Revue de statistique appliquée, tome 2, n
o1 (1954), p. 43-50
<
http://www.numdam.org/item?id=RSA_1954__2_1_43_0>
© Société française de statistique, 1954, 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/
NOUVELLE MÉTHODE DE CONTROLE STATISTIQUE
PAR MESURES
par
R. CAVÉ
Ingénieur
MilitairePrincipal
de l’ArmementDans un
précédent
article(I)
Monsieur CAVÉ
a étudiél’efficacité
de la méthode
classique
de contrôlestatistique par y
mesures ;après avoir souligné
que cette
efficacité
était très variable etfourni
desabaques permettant
de choisirl’effectif
n enfonction
de ce que l’on désire.Dans le
présent article,
Monsieur CAV É propose
une méthodePlus affinée, généralisation
du casparticulier
dit des limitesmodifiées.
Le contrôlepratique
en atelier esteffectué
defaçon identique
au contrôleclassique
mais ladétermination
del’effectif
n desprélèvements
et de laposition
des limites de contrôle est basée sur unpoint
de vuedifférent,
basé sur la notion de courbed’efficacité.
Le contrôle par
prélèvements
est un teststatistique
et, comme tout teststatistique,
ilprésente
une courbe d’efficacité
(fig. 1)
donnant laprobabilité
Pd’accepter
unréglage
donnant une propor- tion p depièces
mauvaises. Cette courbe montre que l’on court lerisque
oc depremière espèce
derefuser un
réglage
donnant uneproportion
p1 depièces
mauvaises,proportion
que l’on voudraitaccepter,
et lerisque 03B2
de deuxièmeespèce d’accepter
unréglage
donnant uneproportion P2
que l’onvoudrait
refuser. Ces courbes d’efficacité sont utilisées pour lesréceptions
finales des lots et,dans l’article
déjà signalé,
nous avons étendu leur utilisation au contrôle des fabrications et montré que cesrisques
or, P1-0 ,
P2 étaienttrès variables. Les utilisateursappliquant
ces méthodes ne connais-sent pas ces
risques, puisqu’ils
n’ont pas calculé ces courbes et il s’ensuit que le coût du contrôlepourrait
être diminué si l’intervalle de tolérance esttrop grand.
D’autrepart,
il leur est difficiled’expliquer
un insuccès car laqualité
de la fabrication est très variable.(1) Voir « L’efficacité des Méthodes classiques de Contrôle Statistique » par Monsieur CAVÉ. Revue de Statis- tique
Appliquée,
1953. Volume 1. 3-4.EXPOSÉ
DU NOUVEAU MODE DE CONTROLE.Dans la méthode de contrôle
statistique classique,
l’on « met sous contrôle » la machine sanstenir
compte
destolérances,
ou en les faisant intervenir defaçon
arbitraire(limites modifiées)
par utilisation d’un coefficientappelé
suivant les auteurs,K,
F ouG,
ce coefficient étant fixé une fois pour toutes pourchaque
effectif n. On contrôle que la machine ne sedérègle
pas.La
présente
notepart
au contraire du fait que la machinepeut
sedérégler,
c’est-à-dire que la fabricationpeut
neplus
êtrehomogène,
tout en restant à l’intérieur des limites de tolérances : or, cequi
intéresse leproducteur,
c’est lepourcentage
depièces
mauvaisesfabriquées.
Par suite, au lieu de déterminer des coefficients A
(fig. 2)
donnant laposition
des limites decontrôle de la moyenne à
partir
de la coteéquidistante
des tolérances ou àpartir
de la moyenne estimée de lafabrication,
il semblelogique
de déterminer un coefficient t donnant les limites de contrôle àpartir
detolérances
par undéplacement égal
à03C4 03C3 (fig. 2).
Il est évident que ce coefficient T seraindépendant
de l’intervalle de toléranceTs - T;
=2 03BC03C3
Fig. 2. - Définition des limites du contrôle A : Théorie classique.
T : Théorie
proposée.
Une fois le coefficient T
déterminé,
le mode de contrôle consistera àprélever
un échantillon de npièces
à des intervalles à peuprès réguliers,
et à voir si la moyenne dechaque
échantillon reste entre les limites de contrôle décalées de 03C403C3 des tolérances. Il sera nécessaire de connaîtreune bonne estimation de
l’écart-type,
que l’on pourra d’ailleurs contrôler par la méthodeclassique.
THÉORIE
DU CONTROLE(Variabilité normale).
Considérons une fabrication dont la variabilité instantanée est déterminée par une loi nor-
male
d’écart-type
cr.Lorsque
la moyenne instantanée est(fig. 3)
à une distance03BB 03C3 de
la limite detolérance,
laproportion
depièces
mauvaisesfabriquées
est évidemmentégale
à :en
prenant
pourorigine
la moyenneet en considérant
commenégligeable
laproportion
depièces
mauvaises situées à l’extérieur de l’autre limite de
tolérance,
cequi
est engénéral acceptable,
saufpour X
voisinde 03BC.
En coordonnées
réduites,
cette formule devient :Si on
prélève
npièces
et si onaccepte
leréglage, lorsque
la moyenne est intérieure à unelimite de contrôle
Lc
décalée de 03C403C3 àpartir
de latolérance,
laprobabilité d’accepter
leréglage
dans ce mode de contrôle est, en utilisant la
propriété
connue que lapopulation
des moyennes(fig. 3)
suit une loi de Gauss de même moyenne que lapopulation d’origine
etd’écart-type 03C3 n:
pour tenir
compte
de la deuxièmetolérance,
mais lapartie
del’intégrale comprise
entre 2013 ~ et(- 203BC +
T+X) Jn
est infimecomparée
à lapartie essentielle,
sauflorsque À
tend vers03BC.
Nous déterminerons n et Tau moyen des
.*risques
ex ,p103B2,
p2(fig. 1).
On a lesquatre équations
à
quatre
inconnuesn 03C4 03BB103BB2:
exprimant
que la courbe d’efficacité passe par lespoints
définis par lesrisques
courus. Si nous dési- gnons parza la
valeur de la variable réduite telle quele
système
deséquations précédentes
se réduit à(
soit en coordonnées réduites
En toute
rigueur,
il faudrait écrireD’où
Ces deux formules d’une
grande simplicité permettent
de déterminer n etT. Il est évident que pour pouvoirappliquer
cette méthode il faut avoirMais cette condition n’est pas suffisante : la moyenne de l’échantillon n’étant
qu’une
estima-tion de la moyenne réelle est une variable
aléatoire,
il est donc nécessaire d’obtenir un intervalle 2(03BC-03C4)03C3
suffisant danslequel
onpeut
trouver la moyenne de l’échantillon sans pour celaqu’il
y aiteu
déréglage.
On pourraprendre
un demi-intervalleégal
à3,09
foisl’écart-type (de
lamoyenne)
soit
Il n-
o, cequi
n’est autre que le coefficientA0,001
de la méthodeclassique :
Si cette condition est
respectée,
moins de deux fois surmille,
on refusera unréglage parfait.
Avec la condition moins restrictive
moins de
cinq
fois sur cent, on refusera unréglage parfait.
Fig. 3.
Remarque :
Avec les notationsprécédemment utilisées,
une fois n et Tfixés,
il est facile de voir que la courbe d’efficacité a pouréquation,
en utilisant la transformation(4) :
Exemple : Supposons
que l’on veuille courir lesrisques
suivantsOn trouve
Uvec
Fig. 4.
Fig. 5.
On
prélèvera
donc des échantillons de n = 4pièces,
et onacceptera
leréglage
si la moyenne des cotes de ces 4pièces
est au moins distante de2,28
a des tolérances.ABAQUES PRATIQUES
D’UTILISATION A PARTIR DESRISQUES.
Bien que les formules
précédentes
soient trèssimples,
il estpréférable
d’utiliser desabaques permettant
de déterminerrapidement
les valeurs de n et de 03C4 sans avoir à effectuer de calculs. Lesabaques
desfigures
4 et 5 sont tracés pour des valeurs de ocet [3
fixées etégales
etreprésentant
lesrelations entre
P1
etp2
pour des valeurs constantes de n et T : on a eneffet, d’après
les formules 6 et 7 :Si on
prend
comme coordonnéesZP1
etzp2,
les courbes à n constant sont des droitesparallèles
à la
première bissectrice,
les courbes à T constant sont des droites depente - Z03B2 Z03B1
etparallèles
à ladeuxième bissectrice
si oc -91
carl’équation
des droites n =cte se réduit à :,
formule
indépendante deocetp.
Il suffit ensuite de
graduer
les axeszpet ZP2 en
valeurs dep
etP2
pour obtenir uneabaque d’exploitation
immédiate.Les
abaques
desfigures
4 et 5correspondant à 03B1 égal à 03B2
etprenant
successivement les valeurs0,0
1 et0,05.
En
pratique,
on se servira de la valeur0,05.
Une fois n et Tfixés,
onpeut
tracer la courbed’efficacité en se servant de la formule 9. Un
point remarquable,
d’ordonnée P --0,50
estobtenu,
d’après
la formule(2) lorsque
c’est-à-dire
zp = 03C4
On retrouve ta même valeur en utilisant la formule
(9)
carZ0,50
= 0.Pour trouver la valeur de p vérifiant cette
équation,
il suffit de considérer lacorrespondance
entre
03BB1= ZP1
et p oùÀ2 = zPzet
P2 sur l’unquelconque
desabaques.
Les courbes à T constant ont
été tracées
de0,1
en0, l,
cetteapproximation
est suffisante card’après
la formule(2)
une erreur de d03C4 pour une valeur n constante se traduitévidemment,
pour uneordonnée constante de la courbe
d’efficacité,
par une variation de laproportion
depièces
mauvaisescorrespondant
à undécalage
dÀ = dT de la moyenne : onpeut
d’ailleurs le vérifier sur lesabaques,
au moyen des échelles
À1et Àz.
Par suite T variant de0,
en0, I,
on commet une erreur maximum de0,05
sur ledéplacement
de la moyennequi
sera engénéral acceptable.
On pourrad’ailleurs,
si onle
désire, interpoler
facilement entre deux valeursde T, puisque
sur une courbe à n constante, lagraduation
en 03C4 est linéaire.Si on utilise la condition
(8), l’approximation
dans le calcul de p est tout à faitjustifiée
danstous les cas.
Exemple :
On veut courir lerisque
oc =0,05
de refuser unréglage
donnant P1 =0,1
I%
depièces
mauvaises et lerisque p
=0,05 d’accepter
unréglage
donnant P2 = 3%
depièces
mauvaises.L’abaque
de lafigure
5 montre que si onprend
des échantillons de 8pièces
avec undécalage égal
à
2,503C3,
on aPI
=0,
I%
etP2 = 2,8 %, approximation largement
suffisante. Pourpouvoir fabriquer
avec de tels
risques,
il faut que l’on aitLa
figure
6 montre la courbe d’efficacité.LIMITES DE SURVEILLANCE.
De même que dans la méthode
classique,
onpeut
utiliser des limites desurveillance, qui signaleront
le débutpossible
d’undéréglage.
On pourraprendre
commedécalage 03C4’pour
la déter-mination de ces limites :
Ce