Maîtrise statistique des procédés

Le contrôle statistique des processus a été lancé par Walter A. Shewhart au début des années 1920. Shewhart a créé la base de la carte de contrôle et le concept d'un état de contrôle statistique par des expériences soigneusement conçues. Bien que le Dr Shewhart se soit inspiré de théories statistiques purement mathématiques, il a compris que les données des processus physiques produisent rarement une "courbe de distribution normale" (une distribution gaussienne, également appelée "courbe en cloche"). Il a découvert que la variation observée dans les données de fabrication ne se comportait pas toujours de la même manière que les données dans la nature (par exemple, le mouvement brownien des particules). Le Dr. Shewhart a conclu que si chaque processus présente une variation, certains processus présentent une variation contrôlée qui est naturelle au processus (causes communes de variation), tandis que d'autres présentent une variation non contrôlée qui n'est pas présente dans le système causal du processus à tout moment (causes spéciales de variation). La variation incontrôlée est souvent associée à des produits défectueux, ce qui permet d'identifier les problèmes et d'améliorer la qualité à partir de données.

W. Edwards Deming a ensuite appliqué les méthodes de CPS aux États-Unis pendant la Seconde Guerre mondiale, améliorant ainsi avec succès la qualité de la fabrication des munitions et d'autres produits d'importance stratégique. Après la fin de la guerre, il a contribué à l'introduction des méthodes SPC dans l'industrie japonaise. L'approche de Deming, qui consiste à utiliser la CPS avec les pratiques de gestion connexes, a été connue sous le nom de système de gestion de la qualité.

La description suivante concerne l'industrie manufacturière plutôt que l'industrie des services, bien que les principes du CPS puissent être appliqués avec succès à l'une ou l'autre. Pour une description et un exemple de la manière dont le CPS s'applique à un environnement de services, reportez-vous à Roberts (2005). Selden décrit comment utiliser le CPS dans les domaines de la vente, du marketing et du service à la clientèle, en utilisant la célèbre expérience des perles rouges de Deming comme démonstration facile à suivre.

Dans la fabrication de masse, la qualité de l'article fini était traditionnellement obtenue par l'inspection du produit après fabrication ; l'acceptation ou le rejet de chaque article (ou d'échantillons d'un lot de production) en fonction de la mesure dans laquelle il répondait à ses spécifications de conception. En revanche, le contrôle statistique des processus utilise des outils statistiques pour observer la performance du processus de production afin de prévoir les écarts significatifs qui peuvent ultérieurement entraîner le rejet du produit.

Deux types de variation se produisent dans tous les processus de fabrication : ces deux types de variation de processus entraînent une variation ultérieure dans le produit final. La première est connue sous le nom de variation naturelle ou de cause commune et consiste en la variation inhérente au processus tel qu'il est conçu. La variation de cause commune peut inclure des variations de température, des propriétés des matières premières, la force d'un courant électrique, etc. Le second type de variation est connu sous le nom de variation de cause spéciale, ou variation de cause assignable, et se produit moins fréquemment que le premier. Avec des recherches suffisantes, une cause spécifique, telle qu'une matière première anormale ou des paramètres de réglage incorrects, peut être trouvée pour les variations de cause spéciale.

Par exemple, une ligne d'emballage de céréales pour petit déjeuner peut être conçue pour remplir chaque boîte de céréales avec 500 grammes de produit, mais certaines boîtes auront un peu plus de 500 grammes, et d'autres un peu moins, selon une répartition des poids nets. Si le processus de production, ses intrants ou son environnement changent (par exemple, les machines qui effectuent la fabrication commencent à s'user), cette répartition peut changer. Par exemple, à mesure que ses cames et ses poulies s'usent, la machine de remplissage des céréales peut commencer à mettre plus de céréales dans chaque boîte que ce qui est spécifié. Si on laisse ce changement se poursuivre sans contrôle, on produira de plus en plus de produits qui ne respectent pas les tolérances du fabricant ou du consommateur, ce qui entraînera un gaspillage. Alors que dans ce cas, les déchets se présentent sous la forme d'un produit "gratuit" pour le consommateur, les déchets consistent généralement en des retouches ou des rebuts.

En observant au bon moment ce qui s'est passé dans le processus qui a conduit à un changement, l'ingénieur qualité ou tout membre de l'équipe responsable de la chaîne de production peut dépanner la cause profonde de la variation qui s'est glissée dans le processus et corriger le problème.

Le CPS indique quand une action doit être entreprise dans un processus, mais il indique également quand AUCUNE action ne doit être entreprise. Un exemple est une personne qui souhaite maintenir un poids corporel constant et qui prend des mesures de poids chaque semaine. Une personne qui ne comprend pas les concepts du CPS peut commencer à suivre un régime à chaque fois que son poids augmente, ou manger plus à chaque fois que son poids diminue. Ce type d'action pourrait être nuisible et pourrait même entraîner une plus grande variation du poids corporel. Le CPS prendrait en compte la variation normale du poids et indiquerait mieux quand la personne prend ou perd du poids.

Le contrôle statistique des processus peut être divisé en trois ensembles d'activités : comprendre le processus, comprendre les causes de la variation et éliminer les sources de variation de cause particulière. Les outils clés du CPS sont les cartes de contrôle, l'accent mis sur l'amélioration continue et les expériences conçues.

Pour comprendre un processus, il faut généralement en établir la cartographie et le suivre à l'aide de tableaux de contrôle. Les cartes de contrôle sont utilisées pour identifier les variations qui peuvent être dues à des causes particulières, et pour libérer l'utilisateur de toute préoccupation concernant les variations dues à des causes communes. Il s'agit d'une activité continue et permanente. Lorsqu'un processus est stable et ne déclenche aucune des règles de détection d'une carte de contrôle, une analyse de la capacité du processus peut également être effectuée pour prédire la capacité du processus actuel à produire un produit conforme (c'est-à-dire conforme aux spécifications) dans le futur.

Lorsqu'une variation excessive est identifiée par les règles de détection de la carte de contrôle, ou que la capacité du processus est jugée insuffisante, des efforts supplémentaires sont déployés pour déterminer les causes de cette variation. Les outils utilisés comprennent les diagrammes d'Ishikawa, les expériences conçues et les diagrammes de Pareto. Les expériences conçues sont essentielles à cette phase de la CPD, car elles sont le seul moyen de quantifier objectivement l'importance relative des nombreuses causes potentielles de variation.

Une fois que les causes de variation ont été quantifiées, des efforts sont déployés pour éliminer les causes qui sont à la fois statistiquement et pratiquement significatives (c'est-à-dire qu'une cause qui n'a qu'un effet faible mais statistiquement significatif peut ne pas être considérée comme rentable à réparer ; cependant, une cause qui n'est pas statistiquement significative ne peut jamais être considérée comme pratiquement significative). En général, cela comprend l'élaboration de travaux standard, la prévention des erreurs et la formation. Des modifications supplémentaires du processus peuvent être nécessaires pour réduire la variation ou aligner le processus sur l'objectif souhaité, en particulier s'il y a un problème de capacité du processus.

En 1989, l'Institut de génie logiciel a introduit dans le modèle de maturité des capacités (CMM) l'idée que le CSP peut être utilement appliqué à des processus non manufacturiers, tels que les processus d'ingénierie logicielle. Cette idée existe aujourd'hui dans les pratiques de niveau 4 et de niveau 5 du modèle CMMI (Capability Maturity Model Integration). Cependant, cette notion selon laquelle le MCP est un outil utile lorsqu'il est appliqué à des processus non répétitifs et à forte intensité de connaissances, tels que les processus d'ingénierie, a suscité beaucoup de scepticisme et reste controversée aujourd'hui. Le problème réside dans les nombreux domaines des logiciels qui ne sont pas répétitifs, mais qui sont plutôt des aspects ponctuels ou uniques de la qualité, plutôt que d'être observés pour des performances répétées dans une perspective à long terme.

• Assurance de la qualité
• Contrôle de la qualité
• ANOVA
• Échantillonnage (statistiques)
• Six sigma