R EVUE DE STATISTIQUE APPLIQUÉE
J EAN M ORICEAU
Une méthode statistique d’évaluation des temps opérationnels
Revue de statistique appliquée, tome 2, n
o3 (1954), p. 57-74
<
http://www.numdam.org/item?id=RSA_1954__2_3_57_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
57
UNE MÉTHODE STATISTIQUE
D’ÉVALUATION DES TEMPS OPÉRATIONNELS
par
Jean MORICEAU
Ingénieur en chef au Centre d’études et de mesures de Productivité ’
Détaché
ait Centre deProductivité
duSyndicat
Général desFondeurs,
M.MORICEA U, a
eul’occasion
de~aire,
dans diversusines,
des études concrètes de~yoductivité ~ortant
en~articuliey
sur la mesure et lacomparai-
son des
temps
d’exécution.On trouvera
ci’-après
uneanalyse
desyésultats ~
obtenus dans l’étude destemps
demoulage
enfonderie.
Les résultats obtenus montrent l’intérêt d’études
analogues qui pourraient
. être
~aites
dans d’autres secteurs industriels(usinage,
constructionsmécaniques).
La
gestion
rationnelle d’uneentreprise
deproduction
suppose que l’on connaisse apriori
les
temps
d’exécution des divers travauxqui
doivent être effectués pourfabriquer
unobjet
déterminé.Cette connaissance est, en
effet, indispensable
pour :-
permettre
le calcul sur devis desprix
de revient et de vente d’une nouvellefabrication,
lors d’unappel
d’offre de laclientèle ;
-
appliquer,
dans uneentreprise,
unsystème
de rémunération auxpièces
ou aurendement ;
- réaliser un ordonnancement correct de la
fabrication ;
- tenir rationnellement et avec
précision
unplanning
d’exécution.Dans un
certain
nombred’industries,
cette connaissance aprioriste
destemps opérationnels
résulte de
l’application
de tables et de .barèmes detemps,
dechronométrage
ou del’emploi
de mé-thodes d’évaluation des
temps
élémentaires(B. T.
E. ou M. T.M.).
Ces diverssystèmes
sont d’uneapplication
courante, à l’entière satisfaction desutilisateurs,
dans les industriesmécaniques.
En
revanche,
dans d’autres secteursindustriels,
enparticulier
enfonderie,
la déterminationa
priori
destemps opérationnels relève,
leplus
souvent, del’empirisme
leplus
absolu. Onpeut
endonner pour preuve les résultats des
enquêtes
faites par les bureauxrégionaux
desprix
duSyndicat
Général des Fondeurs de France. Cesorganismes
adressentpériodiquement
à leursadhérents des
pions
depièces
enprécisant
le processustechnique
de réalisation. Lesentreprises
destinatrices sont
priées d’indiquer,
entre autresrenseignements,
lestemps
demoulage,
denoyautage
et
d’ébarbage qu’elles jugent
nécessaires. On constate que, pour une mêmepièce,
lestemps prévus
par des usines
techniquement comparables
sont très différents etpeuvent
varier dans laproportion
de 1 à 6. La
position
d’une usine parrapport
à la moyenne du groupe n’est passystématiquement
la même. Elle
peut parfaitement indiquer
pour unepièce
A letemps
leplus bref,
et leplus long
pourune
pièce
B. Notons d’ailleurs que cette situation n’est pas propre à la fonderie.Plusieurs raisons
peuvent expliquer
cetteimperfection
de laprévision.
Toutd’abord,
la réali-sation d’une
pièce
de fonderieprésente toujours
un caractèreempirique
etparfois
aléatoire. L’exé- cution est souvent laissée à l’initiative del’ouvrier, qui
n’est pastoujours
bonjuge
en la matière.Par
exemple,
aumoulage,
sur une machine à secousses, la durée de serrage est indéterminée et varie avect’exécutant.
Le caractère aléatoire del’opération
estparticulièrement
net àl’ébarbage
où le travail à
effectuer,
sur despièces identiques,
varie avec la réussite desopérations
antérieures.D’autre part,
lamajorité
des fonderies travaille surmodèles,
à la demande des clients. La nature de la fabricationchange
donc constamment et son caractère nonrépétitif
rend fortdifficile,
voire
impossible,
l’utilisation des méthodesclassiques
d’estimation detemps.
L’intérêt présenté par la prévision
destemps opérationnels, joint
àl’impuissance
des méthodesclassiques d’évaluation,
nous ont conduit à rechercher s’il n’était paspossible
de trouver une solutionstatistique
à ceproblème.
Parailleurs,
lors de recherchespoursuivies
pour mesurer laproductivité
en
fonderie,
des liaisonsstochastiques
avaient pu être mises en évidence entre lepoids
despièces
et les divers
temps opérationnels
par unité depoids (1).
Ces liaisons devant servir au calcul des coeffi- cients depondération
desproductions
pour les rendrecomparables
dans letemps (2),
il était néces- saire d’examiner si ce choix étaitjustifié.
Pourcela,
il fallaitapprécier l’importance
du facteurpoids
dans la détermination des
temps
parrapport
àl’importance
d’autres facteursqui, techniquement,
semblaient rentrer en
ligne
decompte.
Ces deux
préoccupations
serejoignaient donc,
et ils’agissait,
aussi bien pour tester la validité de notre méthode de mesure deproductivité
que pour donner satisfaction aux industriels désireux deprévoir
leurstemps,
de déterminer les facteursqui
influent sur untemps d’opération
et de mesurerleur
importance respective.
Les
premiers
travaux eurent pourobjet
l’estimation destemps
demoulage
en raison de l’im-portance
de cetteopération qui
est à la base de tout travail de fonderie. Aumoulage
main, troisétudes ont été menées à bien et deux sont en cours, au
moulage machine,
deux viennent d’êtreabordées.
Dans les mois à venir, nous
espérons
résoudre lesproblèmes posés
par lenoyautage
etl’ébarbage,
domaine que nous avons d’ailleursdéjà largement
défriché.*
* *
La
première partie
A est consacrée àl’exposé
desprincipes
de base de la méthode ; dans la secondepartie
Bfigurent
deux études concrètes réalisées dans l’industrie de la fonderie.En annexe, nous donnons un bref aperçu de la
technique
de fonderie.A. - PRINCIPES
Considérons un
objet
surlequel
un travail bienprécis
doit être effectué à l’aide d’unoutillage déterminé,
suivant un processustechnique
connu à l’avance et invariable(3).
Nous désirons évaluera
priori
letemps
« T » nécessaire pour effectuer ce travail en fonction de mvariables, qualitatives
ou
quantitatives (x,,
X2,..., Xmcaractéristiques
del’objet, de l’outillage
et du processus d’exécution.En d’autres termes, nous cherchons à
préciser
la forme et à estimer lesparamètres
de la fonction fde
l’expression :
Seuls des
renseignements
fournis par l’observation oul’expérimentation peuvent
nous per- mettred’expliciter
cetteéquation.
Ils’agit donc,
endéfinitive,
d’une étude derégression
à m variablesqui
pose lesproblèmes
suivants :1. - Choix de la forme de la fonction
f ;
2. Détermination des conditions de validité de
l’analyse ;
3.- - Estimation des
paramètres
de la fonctionf ;
4. - Evaluation de la
précision obtenue ;
5. - Etablissement et mise en
place
d’unplan expérimental.
(1) Ces études ont mis en particulier en évidence les liaisons suivantes: Poids des pièces, temps d’ébarbage ;
Poids des pièces, temps de noyautage ; Poids des noyaux, temps de noyautage, etc...
(Cf.
un article àparaître :
Lamesure de la
productivité
dans l’industrie de la fonderie).(2)
L’expérience a montré aux fondeurs que, toutes choses égales par ailleurs, un kilo de petites pièces est beaucoup plus long àfabriquer
qu’un kilo de grosses pièces.(3)
Par exemple : perçage d’un trou ouvert de 10 mm de diamètre, 30 mm de profondeur dans une plaquede fonte de 40 kilos de dureté Brinnel 235 à l’aide d’une mèche américaine neuve en acier
rapide,
montée sur uneperceuse type X dont la broche unique tourne à 600 tours minute et supporte une pression P, etc...
A. - 1. CHOIX DE LA FORME DE LA FONCTION.
A. H. - Fonction linéaire.
L’expérience
montre que, dans le domaine de ladétermination
destemps opérationnels,
les liaisons entre les variables ne sont pas
obligatoirement
linéaires. Dans le cas leplus général,
il
s’agira
donc d’une étude derégression
non linéaire à m variablesindépendantes.
Deschangements
de variables
appropriés permettent cependant
desimplifier
leproblème
et de ramener l’étude à cellebeaucoup plus
facile d’unerégression
linéaire.A 12. -
Principe
deschangements
de variables :Les variables
(x,,
x2...Xn,,/)
sont alorsremplacées
par k nouvelles variables(X,, X~..., Xm,Y)
fonction des variables directement observées et telles que :
,
Les
équations
normales subissert alors les transformations suivantes. Les coefficientsde$
inconnues deviennent :
et les termes de droite :
Si k = m et
Xi
=g¡ (xi)
lesystème
sesimplifie
encore et nous avonsalors,
comme coeffi-cients des inconnues dans le
système d’équations
normales :et
comme termes de droite.
A 13. - Détermination de la forme des fonctions g et h :
La détermination correcte de la forme des fonctions g et h est extrêmement délicate et repose pour une
large part
sur l’intuition duchercheur, jointe
àl’expérience qu’il peut
avoir de l’industrie étudiée. Cetteexpérience
luipermet
deformuler,
sur lecomportement
duphénomène,
certaineshypo-
thèses conduisant à telle ou telle forme de ces fonctions.
Une étude
graphique complète
estimpossible
dans lagénéralité
des cas,puisqu’elle
devraitse déroulerdans un
hyper
espace à m(m
>3)
dimensions.Cependant
l’étudegraphique
des liaisonsentre les diverses variables
prises
deux par deux(dans
leplan)
ou trois par trois(dans l’espace) permet
souvent depréciser
les formes de g et h. Si l’on hésite entreplusieurs
formespossibles,
ilest
toujours
loisible d’évaluer laprécision
obtenue(en
formant parexemple
V2 =s2/s~)
avec chacuned’elle et
d’adopter
cellequi
donne le meilleurajustement;
c’est malheureusement une tâche souvent fortlongue.
A -2. CONDITIONS DE
VALIDITÉ
DEL’ÉTUDE.
Rappelons,
en tenantcompte
deschangements
devariables,
les conditions de validité d’une étude derégression
linéaire.A 21. - Les diverses valeurs de : Y
correspondantes
à une valeur donnée de(X."X2
...1 Xj
sontdistribuées normalement. Autrement
dit,
les distributions liées de Y doivent être normales.A 22. - Les moyennes conditionnelles de Y doivent être une fonction linéaire de
(Xi’ X2,..., XJ
soit :A 23. - Les
(x~ ,
x., ...4
doivent être connus avec exactitude et ne pas contenir de termesaléatoires.
A 24. - La variance conditionnelle de Y doit être, soit
indépendante,
soit liéefonctionnellement
à(XI X2,
...XJ.
A 25. - Les observations doivent être
stochastiquement indépendantes,
c’est-à-dire que les valeursde (x1Y’ x2B"" .XmB1’ YmB,)doivent
êtrestochastiquement indépendantes
des valeursde (x11J.,x2fL’. "xmIL’YJL).
A 26. - Les fluctuations
de YX1’ X2. ".’Xm autour
de sa valeur calculée en fonction de(XI, X~,..., Xn)
doivent être additives.
’ ~ ’ *"
A 27. - Lors de
chaque étude,
il estindispensable
de vérifier que cesdiverses conditions
se trouventeffectivement
satisfaites.A - 3.
ESTIMATION
DESPARAMÈTRES
DE LA FONCTION f.Plusieurs méthodes de calcul des
paramètres
de la fonction f sontpossibles.
On a retenu deuxd’entre
elles,
la méthode des moindres carrés et la méthode de réductionpivotale
d’Aitken.A 31. - La méthode des moindres carrés :
Divers
systèmes
ont étéproposés
pour résoudre leséquations
normales. Nous avons choisil’un des
plus simples,
établi parGauss,
celui de l’élimination successive des inconnues. Lapremière équation
est utilisée pour l’élimination de lapremière des
inconnuesb1 dans
leséquations
restantesde manière telle que le
système primitif d’équations
sort transformé en unsystème composé
d’uneéquation (la première)
avec m inconnues et d’unsystème
de(m - 1) équations
à(m - 1)
inconnues.Dans ce dernier
système d’équations (celui
de m - 1équations)
lapremière
est utilisée pour l’élimi- nation deb2
et leprocédé
serépète jusqu’à
ce que l’on aboutisse à uneéquation.
Nous obtenons ra solution finale par substitution successive dans leséquations
réduites.Par
exemple,
considérons unsystème d’équations
à trois inconnues :L’équation (1)
estmultipliée
par -a1,,/aH
et -CL~/c~
cequi
conduitrespectivement
àEn additionnant ces
équations
auxéquations
2 e3,
nous obtenonsrespectivement
-2 . - - ~. · - -
Ce
système d’équations peut
être écritaij.1 indiquant
que leséquations
ont été obtenues en éliminantb1
dusystème primitif.
Lamultipli-
cation de
l’équation (2’)
par-a23.1 / a22.1
donne.~~ui additionnée à
3’conduit
àqui
1peut
être écritEn résolvant cette
équation
parrapport b3et
en introduisantb3dans l’équation (2’)
nous obte-nons
b2 . bf
est calculé àpartir
del’équation
1 en y introduisantb2
etb3.
Ces calculs
peuvent
être commodément exécutés en lesdisposant
commeindiqué
dans letableau C dont la
présentation
est due à Doolittle. Dans ceschéma,
les inconnues ont été omises et on a utilisé lasymétrie
dusystème
de coefficients.L’équation
2’ estcalculée, l’équation
3’ est donnéepar la somme de
(3), (13)
et(23),
si bien quel’équation
3’ nefigure
pasexplicitement
dans le tableau de calcul. Pour vérifier lesopérations
au cours de leurexécution,
on calcule horizontalement lessommes :
Les valeurs obtenues font
l’objet
des mêmes calculs que les coefficients et que les membres de droite deséquations
normales. On obtient ainsi leségalités
suivantespermettant
de vérifier l’exac- titude des calculs :A 32. - La méthode de réduction
pivotale
d’Aitken modifiée.Cette méthode,
surtout utilisée enpsychométrie
pourl’analyse factorielle, répond
à deux denos
préoccupations.
Ellepermet
en effet :- d’estimer
l’Importance
relative dechaque
facteur dans la détermination destemps opéra- tionnels ;
- de calculer les coefficients de
régression.
Sa mise en oeuvre se fait
d’après
le schéma suivant :a)
Calculer les coefficients de corrélation totale entre tous les élémentspris
deux par deux.Ce.calcul, portant
sur les variables transforméesXi
et Ypeut
être mené à bien à l’aide den’importe quelle
méthodeclassique.
b)
Dresser une matrice de corrélationd’après
le modèle suivant, Y étant fa variabledépen-
dante et
Xi
les variablesindépendantes
Naturellement, r~xj
=rXjX¡
etryx,
=r~~
c) Supprimer
la colonne critère(la
colonneY)
de cette matrice etreporter
laligne
critère(la ligne Y)
en basaprès
la dernièreligne
de la matrice. On obtient ainsi une matriceoblongue qui
seprésente
de la manière suivante :...
d)
A la droite de cette matriceoblongue,
tracer autant de colonnes que la matrice encomporte plus
une colonnesupplémentaire
ou colonne de contrôle.Remplir
les colonnesintermédiaires,
dia-gonalement
enpartant
en haut àgauche
avec des moins un(- 1)
sans rien inscrire dans la dernièreligne
etcompléter
avec des zéros. Dans la colonne decontrôle, porter
la sommealgébrique
S destermes de
chaque ligne. (Cf.
le cadre A du tableauA.)
e)
Exécuter les calculs en suivant le schéma deprincipe exposé
au tab;eau A et illustré par unexemple théorique
à 3 variablesindépendantes (m
=3).
A - 4.
ÉVALUATION
DE LAPRÉCISION
OBTENUE.A 41. - Sélection des variables dominantes :
Les variables dites
indépendantes figurant
dans les calculspeuvent,
enréalité,
se trouverplus
ou moins étroitement liées. Enconséquence,
il estimpossible
d’affirmer que l’introduction d’une variablesupplémentaire
entraîneautomatiquement
une diminution de la variance résiduelle et uneaugmentation
du coefficient de corrélationmultiple.
Parmi les différentes méthodes
possibles
pour déterminer laprécision
obtenue en estimantY,
nous avons choisi le calcul et la
comparaison
de la variance résiduelle à la variance totale. Concrè- tement, nous calculons larégression
pour toutes les combinaisons des variablesprises
de toutes lesmanières
possibles (une
par une, deux pardeux,
trois par trois,etc...)
et nous retenons la ou les com-binaisons de variables
indépendantes
conduisant à laplus petite
variance résiduelle. Cetteméthode,
assurément fortlongue,
se révèlepleine d’enseignements
etpermet
souvent, auprixd’un léger
sacrificede
précision,
d’estimer lestemps opérationnels
enayant
recours à un faible nombre devariables.
C’est ce que nous verrons ultérieurement.
Un
exemple
de tableau decomparaison
des variances résiduelles est donné en annexe(Tableau E).
A 42. - Précision de la
prévision :
Après
avoir choisi les variables à retenir, le calcul du coefficient de corrélationmultiple
Rpermet d’apprécier
l’intensité de la liaison et laprécision
obtenue. Uneanalyse
de variancepermet
ensuite de tester la
signification
de ce coefficient.Il est enfin
possible
decalculer,
pour un seuil deprobabilité donné,
l’intervalle de confiance del’estimation
dutemps opérationnel.
A - 5.
ÉTABLISSEMENT
ET MISE EN PLACE D’UN PLANEXPÉRIMENTAL.
A 51. -
Étude
du processustechnique
deproduction :
La mise en
place
d’unplan expérimental
pour laprévision
detemps opérationnels implique
une connaissance aussi
parfaite que possible
de latechnique
utilisée et du déroulement desopérations
élémentaires de fabrication. Cette étude doit être
approfondie
et surtoutsystématique
pour ne rienoublier. Elle doit être faite sur
le« tas»,
par un technicien avertiqui utilisera,
avec leplus grand profit,
le
système d’analyse
constitué par legraphique
de déroulement desétapes (Tableau D).
Pour une même
opération globale (confection
d’un moule à la main en châssis ensable,
parexemple),
le nombre desopérations
élémentairespeut
atteindre une centaine. Celles-ci sont ensuiteregroupées
pour obtenir desétapes principales, homogènes
dupoint
de vuetechnique, dépendantes
du
point
de vuedurée,
enpremière approximation,
des mêmes facteurssimples.
A 52. - Choix
préliminaire
descarac-téristiques :
.
C’est à
partir
de cesétapes principales
que l’on dresse une liste descaractéristiques qui
sem- blent influer sur lestemps.
Onpeut
d’ailleurs retrouver le ou les mêmes facteurs dansplusieurs étapes.
Ce modeopératoire permet
de ne rien oublier. Il est toutefoisnécessaire,
pourappréhender
ce~ains facteurs
aléatoires,
derépéter plusieurs
fois une telleanalyse graphique.
C’est l’ensemble des observationsqui permettra
d’établir laliste
définitive desétapes
et descaractéristiques qui
vontdonner
lieu,
dansl’usine,
à des relevéssystématiques
pour obtenir les données de base nécessairesaux calculs de
régression.
A 53. - Collecte des données :
La collecte des données doit être faite avec
beaucoup
de soin, de leur exactitudedépend,
en
grande partie,
la validité des résultats définitifs.a)
Mesure destemps
de réalisation.Deux méthodes
peuvent
êtreutilisées,
lechronométrage
et les relevés detemps
réels.Si les
temps
sontchronométrés,
ils doivent êtrecorrigés
par lejugement
d’allure et ramenésà l’allure cent. Ceci
implique
que leschronométrages
soient faits par deschrono-analyseurs qualifiés.
Il est souhaitable que ces derniers aient une bonne connaissance de la
technique
pour éviter les fraudes de lapart
des exécutants. Il est naturellement nécessaire deprendre
lesprécautions habi-
tuelles en matière de
chronométrage.
Le manque de
personnel qualifié,
certaines difficultés propres à une usine,peuvent
conduireà abandonner le
chronométrage
pour utiliser destemps
réels obtenus endivisant,
par le nombre depièces réalisées,
letemps
total d’exécution d’une série. Cetemps peut
d’ailleurs êtreindiqué
par l’exécutant lui-même ou observé par un tiers. Cesystème, peut-être
moinsprécis
que leprécédent,
n’entraîne pas, en
général,
de réactions fâcheuses de lapart
dupersonnel.
Notonscependant qu’il
est souhaitable
d’obtenir,
pour une mêmepièce,
destemps
d’exécution relevés à des dates différentes et par des ouvriers différents. Onpeut
ainsi calculer untemps
moyenqui,
dans une certainemesure, n’est pas influencé par l’allure d’exécution.
b)
Relevés descaractéristiques.
Les
caractéristiques quantitatives, mesurables,
doivent être contrôléessoigneusement.
Il est désirablequ’elles
subissent un examencritique
de lapart
d’un technicien avertiqui peut
ainsi déceler des anomalies.En ce
qui
concerne lescaractéristiques qualitatives
ourepérables,
il est bonqu’elles
fassentl’objet
d’une détermination par deux personnes différentes et que les résultats obtenus soient confrontés. En cas dedivergence,
un nouvel examen en commun duproblème s’impose.
On atténuera ainsi, dans une certaine mesure, l’arbitraire inévitable dû au caractèresubjectif
de cesjugements.
B. - ÉTUDES CONCRÈTES
B - 1. APPLICATIONS DES PRINCIPES.
Les divers
problèmes qui
viennent d’êtreévoqués
ne doivent pas êtreperdus
de vue lors de’ travaux en usine.
L’application
des méthodes de calculs ne doit pas êtreautomatique.
Elleexige
unesérieuse étude
préalable
despossibilités
d’exécution.B Il. - Forme des fonctions :
Il résulte des recherches que nous avons
entreprises
que les diversesliaisons
entre les variablespeuvent pratiquement
être rendues linéaires par transformationlogarithmique.
Il semble que nousnous trouvions ici dans un domaine dans
lequel joue
la loi de l’effetproportionnel.
B 12. - Conditions de validité :
Les conditions de validité d’une
analyse
derégression paraissent
statisfaites oupeuvent
être satisfaites dans ces études detemps opérationnels,
tout au moins en fonderie. Mais il estindispensable,
à
chaque
étudenouvelle,
de le vérifier. Il ne faut pas oublierqu’une négligence
dans ce domainepeut
conduire à des résultats totalement faux.Lors de l’utilisation ultérieure des résultats de
l’analyse
derégression
en vue de laprévision,
il est bon de
s’assurer,
detemps
à autre, que ces conditions sonttoujours
vérifiées.B. -
2. LES TEMPS DE MOULAGE DANS UNEACIÉRIE (Méthode d’Aitken).
B 21. - Nature de l’étude :
Il
s’agit
d’une fonderie d’acier moulé sur modèle de larégion parisienne. L’opération
étudiéeest la confection à la main de moules en
sable,
destinés à réaliser despièces noyautées
ou non dontle
poids
varie de 0Kg
300 à 800Kgs.
Notonsque le moulage
en acier est caractérisé parl’importance
de
la mise au mille(rapport
dupoids
de métal nécessaire pour faire unepièce
aupoids
net de cettepièce) qui. peut
atteindre 5.B 22. -
Étude préliminaire :
Une étude
graphique
assezpoussée
avait mis en évidence l’influence dominante de trois carac-téristiques
dominantes :x1)
lepoids
despièces (voir graphique
F donné enexemple) ; x~
letemps
denoyautage
parkg ;
x3)
la mise au mille.sur le
temps
demoulage
par kilo depièce
y.Les liaisons avaient pu être rendues linéaires
par
leschangements
de variable suivants :L’équation
derégression
était donc de la forme :on
disposait
de 309 groupes de données de basedéjà
existantes dans l’usine.B 23. - Calcul des coefficients de
régression : Désignons
par :T le
log
dutemps
demoulage
par kilo Y t lelog
dutemps
denoyautage
par kiloX 2
P le
log
dupoids
despièces X1
M le
log
de la mise au mille par kiloX3
1)
On a calculé les coefficients de corrélation totale entre ces variables engroupant
les obser-vations par classe suivant la méthode
classique.
On a obtenu les 6 coefficients :2)
On a dressé une matrice de corrélation65
3)
On a calculé les coefficients derégression b1, b2, b3
par la méthode de réductionpivotale
d’Aitken
(voir
tableauB).
4)
On obtient endéfinitive,
en arrondissant les coefficients derégression calculés,
la formule suivante :dans
laquelle T,
t, M et P sontexprimés
enécart-types (variables réduites).
L’influence
prépondérante
dupoids
sur letemps
demoulage
est ainsi mise enévidence,
cequi justifiait
notre méthode depondération
de laproduction
dumoulage
pour les mesures de pro- ductivité.B 24. - Précision des résultats :
On a calculé le coefficient de corrélation
multiple
R. enremplaçant respectivement
dansl’équa-
tion obtenue t, M et P par
rTt , rTM’ rTP
et enextrayant
le carré du résultat on trouve :R = 0.95 ’
caractéristique
d’un excellentajustement
entre lestemps
réalisés et lestemps
calculés.B - 3. LES TEMPS DE MOULAGE DANS UNE FONDERIE DE FONTE
(Méthode
deDoolittle).
B 31. - Nature de l’étude :
Il
s’agit
d’uneétude
menée dans unepetite
fonderie de fonte sur modèle de l’Est de la France.Les
pièces,
dont lepoids
varie entre et 2.000kilos,
sont toutes moulées à la main, au sable en châssis.B 32. -
Étude préliminaire :
A la suite d’une étude
systématique
dumoulage,
à l’aide degraphiques
de déroulement desétapes,
réalisée par un technicien averti duSyndicat
Général des Fondeurs de France, Centre de Pro-ductivité,
M.Berlancourt, Ingénieur
E. S.F.,
5étapes principales
ont étédégagées
et ! ) I caractéris-tiques
retenues, à savoir :Étapes principales Caractéristiques : 1) Serrage
dessous.1) )
Poids de lapièce.
2)
Dimensions châssis(L.
1.Ht).
3)
Nombre coulées, masselottes.4)
Nombred’attaques.
2) Serrage
dessus.5)
Haut. de décrochement dujoint (h
--= 0 =-joint plat).
3) Démoulage. 6)
Nombre dejoints.
7)
Nombre de noyaux.8)
Nombre en classe.4) Taillage coulée, évents, masselottes,
Petit une main Posé(PP).
attaques.
Petit une mainAjusté (PA).
Moyen
deux mains un homme Posé(MP).
Moyen
deux mains un hommeAjusté (MA).
Gros deux hommes ou au
pont
Posé.Gros deux hommes ou au
pont Ajusté.
9)
Nécessité d’une couche(Oui
ouNon).
5). Remmoulage
etchargement
ou10)
Nature du modèle :crampage. Métal
(M).
Bois neuf avec
congés (BNC).
Bois neuf sans
congés (BN).
Bois
usagé
aveccongés (BUC).
Bois
usagé
sanscongés (BU),
Il)
Coefficient de difficulté de 1 à 3.66 B 33. - Collecte des données :
Un technicien de l’usine fut
chargé
derecueillir
les données sans d’ailleurs utiliser des chrono-métrages.
On établit une fiche derenseignements
parpièce
et ces fiches furent contrôlées d’abord surplace
par M. Berlancourt lors de passages à l’usinepuis
à Paris au Centre de calcul.B 34. - Examen
préliminaire
des données :1) )
Uneanalyse graphique
trèsapprofondie
des données avait abouti aux conclusions suivantes :- certains
regroupements
et des transformationslogarithmiques
desvariab1es ..(Xi
=log
xi et Y =log y)
conduisent à des liaisonslinéaires ;
- il existe des liaisons entre certaines variables dites «
indépendantes » ;
;- le nombre de données concernant les
pièces
àjoint multiples
est insuffisant. Cespièces
ontété éliminées et l’étude concerne
uniquement
lespièces
à unjoint plat ;
- il semble
possible
de rechercher directement lesrégressions
entre letemps
total et lescaractéristiques
depièces.
2)
Il restait en définitive à mener à bien une étude derégression
linéaire entre les variablestransformées suivantes : T étant la variable
dépendante.
T ==
log temps
de confection d’un moule par ko depièce contenue
dans cemoule ;
P ==
log
dupoids
de lapièce ;
C =
log
de(volume
duchâssis/Poids
de lapièce) ;
M -
log
de(nombre
de coulées demasselottes/Poids
de lapièce) ;
A ==
log
de(nombre d’attaques/Poids
de lapièce) ;
N
(1)
=log
de(indice
derem moulage /Poids
de lapièce) ;
B ==
log
de(indice
dumodèle/Poids
de lapièce).
3)
Pour choisir l’ensemble de variables donnant la meilleure estimationpossible
dutemps T,
nous avons calculé les 63
régressions
obtenues enprenant
toutes les variablesindépendantes
de toutesles manières
possibles.
B 35. - Calcul des coefficients :
1)
On acalculé,
endisposant systématiquement
les calculs pour obtenir un contrôle auto-matique
de l’exactitude des résultats :2)
On arempli
63 tableaux de Doolittle en assurant un autocontrôle des résultats. En annexe’on trouvera en
exemple
le tableau C relatif à larégression
’
TP.C.M.A.N.B.
chaque
tableau donne :- les
bi
- la variance résiduelle.
(1) L’indice de remmoulage est obtenu en faisant la somme des produits : (nombre de noyau d’une classe par valeur de la classe).
La valeur de chaque classe de noyau a été établie par une petite étude de régression entre le noyautage
et le temps de remmoulage.
67
3)
On dresse(tableau E)
un tableaucomparatif
des résultats obtenus.B 36. -
Interprétation
des résultats :1)
L’examen du tableau Epermet
de classer les diverses combinaisons de variablesd’après l’importance
de la variance résiduelleV R. Les 5 meilleures sont :(la
variance totale V T =0072956) :
On voit ainsi que sans
perdre beaucoup
deprécision,
il estpossible
d’estimer untemps
de mou-lage
à l’aide d’une combinaison de 3 variables seulement sur 6 retenues audépart.
B 4. - Présentation des résultats :
Les résultats obtenus par ces
analyses
sont utilisésquotidiennement
par les usines pour estimer leurstemps
demoulage.
Mais leur
présentation analytique
n’est pas d’un usage commode en atelier. Il faut lasimplifier
à l’extrême et la rendre
compréhensible
etpratique
pour des gensn’ayant
aucune formation mathé-matique.
Concrètement,
les résultats sont adressés auxentreprises
sous formed’abaques.
Lesystème
leplus
clair nous a paru êtrel’abaque
àpoints alignés
dont lespivots
sontrejetés
à l’infini paraligne-
ment des
origines.
La rotation de
jr/2
et la translation d’uncouple
ou de 2couples
d’échelles conduisent à laprésentation
desabaques qui figurent
en annexe(tableaux
G etH)
surlesquels
le mode d’utilisation est schématisé.Symbolisons
un termequelconque
de ce tableau en ledésignant
par un nombre dedeuxchiffres,
lepremier indiquant
laligne
et le second la colonneoccupée
par ce terme :.
Exemple :
colonne 7i
ligne
3 -S3
== 37. Le cadre « B » est alors
rempli
àpartir
desexpressions
contenues dans le cadre « A ». Les4j
sont calculés enprenant
le terme ! !(égal
à1)
commepivot,
à l’aide des formules suivantes :VI · ... ,
Exemple :
colonne4.
colonne 1 colonne 4Le cadre « C» est formé à partir du cadre « B » en posant :
68
et ainsi de suite
jusqu’à
ce que tous les termes de lapartie gauche
du tableau aientdisparus (cadre
D del’exemple).
Les coefficients de corrélationpartielle apparaissent
alors dans lapartie
centrale.Contrôle : Les calculs sont contrôlés
après
avoir servichaque ligne
du tableau en formant :qui
doit êtreégal
àDh7 .
ANNEXE
La fonderie de seconde fusion entre dans les industries de transformation de matériaux bruts
(métaux)
enproduits
finis ou semi-finis(pièces).
La
pièce
est obtenue àpartir
d’uneempreinte
où est coulé le métal.A) L’empreinte
est réalisée dans un matériau réfractaire etplastique (sable argileux),
oumétallique (coquille),
à l’aide d’un outil(modèle)
etd’outillages complémentaires (fouloir, châssis, etc...).
La confection de
l’empreinte
fait intervenir de nombreusesopérations,
telles que :- la
préparation
du sable dans une sablerie(ou non) ;
- la confection du moule à l’aide du modèle
(donnant
les formesextérieures
de lapièce)
etchâssis, fouloirs
- le
démoulage
dumodèle ;
2013
l’étuvage
ou élimination de l’humidité dusable ;
- la confection des noyaux en sable pour les
parties
internes despièces (si
ellesexistent) ;
- le
remmoulage,
c’est-à-dire la fermeture du mouleaprès
la mise enplace
desnoyaux.
L’empreinte
est alorsprête
à recevoir le métalliquide
obtenu àpartir
de :B)
La fusion et la coulée(remplissage
dumoule).
Le métal est fondu dans un four
(cubilot,
fourélectrique)
suivant sa nature, recueilli dansune
poche,
introduit dans lapièce
par des chenaux et coulées.Le métal se contracte et se refroidit dans le moule.
On extrait la
pièce
par :C)
Lesopérations
de finition :Le
décochage sépare
lapièce
des matériauxayant
servi à sa confection.Le
débourrage
enlève lesnoyaux.
L’ébarbage
élimine lesappendices
de lapièce
nécessités par la coulée(attaques,
évents,masselottes).
L’opération
se fait depréférence après décapage (jet
degrenailles).
Ces
opérations peuvent
secompléter
par les traitementsthermiques,
lasoudure, l’usinage,
les traitements de
protection (émaillage, chromage).
FABRICATION
D’UNEPIÈCE
DEFONDERIE
TABLEAU A
Schéma de calcul des coefficients de
régression
Méthode d’Aitken modifiée avec
pivot
converti en unitéTABLEAU B
71 u
:D
~
w
J 00
M
W a
x S M
o~H
0
~ § ë
H m ~
o ~! 0
000i~ H A
-! H
w :~ 0
A Ct w
W~ §
0
~ H m j Q pd Z ~W
z 2 >
H~
0
E-
~ 0 P
&
0
ii~A
73
TABLEAU E
u-
LLI
J co.C
ii,
~
’
~
~
t-.--
~
0!
J Q
fi)