Analyse multidimensionnelle

Les statistiques de la qualité :

une simulation d'usinage pour relier dessin de définition et les statistiques de la qualité.

Un nouvel ordonnancement utilisant la méthode OPT les PQR arbres et les algorithmes génétiques


Le wap : transmètre des informations sur le terrain
recherche opérationnelle
Algorithme hongrois (Konig Egervary). Affectation de personnes à des tâches avec minimisation du coût total.

Les files d'attente
Les files d'attente


Mot exact

résultats par page

Un commentaire, un projet, une question :

vos coordonnées :

civilité
prénom
nom
fonction
société
adresse
CP
ville
tél
fax

mail de personnes pouvant être interressées par ce site :

si vous avez créé un lien vers ce site sur quel site :


Introduction

Les plans de contrôle de réception ou les cartes de contrôle suivent souvent une seule valeur dépassant ou pas des limites mini ou maxi. Or dans la réalité, on a plusieurs variables et si on se concentre sur chacune d'elle on ne voit pas les variations, certes plus petites mais qui étant simultanées peuvent indiquer un changement profond.

  • Cela peut être utile pour détecter des disfonctionnements avant qu'ils n'aient des effets profonds :
    • Déréglages / usures dangereuses pour le produit fini
    • Maintenance prédictive
  • Cela peut être utile au client
    • Pour détecter des modifications de processus de production chez le fournisseur.
    • Pour obtenir la garantie que le produit livré est conforme aux échantillons de référence. (par exemple dans le domaine du vin http://www.oenologiciels.com/multivaria.htm)

Démarche de réalisation

  • A partir de mesures passées, vérifier que des causes particulières n'existent pas déjà.
  • Définir un profil historique standard.
  • Faire des mesures en ce confrontant à ce profil.
  • Ces mesures indiquent une probabilité de changement, quand celle ci dépasse un seul fixé, déclencher une alerte.

Analyse des mesures passées

A partir d'un nombre significatif de mesures passées, la première chose va être de regarder la normalité de chacun des paramètres. Quand ce n'est pas le cas, il faut toujours faire une enquête pour vérifier l'absence de causes exceptionnelles.

La deuxième chose va être de rechercher l'homogénéité des mesures utilisées. En effet des causes minimes peuvent déjà être présentes dans les données que l'on veut utiliser comme base. Pour cela on va faire une analyse en composantes principales (ACP). La présence de groupes homogènes devra inciter à faire une recherche des causes de ceux-ci.

  • Par exemple, si les mesures de 1 à 100 sont ensembles et celles de 101 à 200 forment un autre groupe, c'est qu'il s'est passé quelque chose.
  • De même, un groupe peut représenter le fait que les pièces soient passées sur une autre machine que celle utilisée habituellement.
  • En maintenance prédictive, une machine peut se comporter d'une certaine manière quand elle tourne vite et d'une autre manière à des vitesses lentes. Le but sera donc de chercher une différence de comportement par rapport au profil de chaque utilisation.

Une fois que cette vérification est faite. Si le groupe est dispersé normalement, on l'utilise tel quel, sinon on fera 2 groupes ou une correction sur la mesure changeante.

Définition du profil historique

Pour cela on va récupérer un tableau de mesures. Pour chaque mesure, on a plusieurs paramètres, pour avoir des résultats significatifs, il faut donc avoir au moins deux fois plus de mesures que de paramètres. Il s'agit d'un minimum 5 fois n'étant pas forcément trop.

Pour établir ce profil nous mesurons les pièces avec nos instruments de mesure. Il va donc falloir corriger les résultats obtenus en fonction de la variance de ceux-ci. Cette information est en général déjà connue pour les entreprises faisant les calculs de capabilité des instruments de mesure (cg cgk).

Les calculs statistiques utilisant les valeurs mesurées et les variances des instruments de mesure déterminent un tableau du profil standard du processus.

Utilisation du profil calculé

Chaque pièce mesurée est comparée à une référence à travers le filtre du profil. On en déduit une valeur que l'on peut suivre sur une carte de contrôle ou simplement comparer à une valeur statistique standard déduite à partir d'un pourcentage de risque choisi.

Examinons des possibilités d'applications.

Achat de rouleaux ou de billes pour roulement. Un rouleau peut avoir plusieurs paramètres :

  • le diamètre, la longueur, le poids, la rugosité, la dureté

A partir de ces données pour les livraisons passées, on aura un profil de ce fournisseur. Si pour une raison indéfinie cette entreprise change elle-même de fournisseur pour l'acier, cela pourra avoir des conséquences sur les produits finis. Cela peut impacter toutes les caractéristiques, par exemple si au moment d'un usinage la pièce chauffe un peu plus, la dilatation aura une influence sur la mesure de longueur, puis une influence sur la dureté... Toutes les caractéristiques vont bouger. Pas nécessairement pour sortir des limites de tolérance. Donc un contrôle de réception ne va pas nous donner cette information. Par contre, grâce à notre méthodologie, nous pouvons estimer la probabilité d'un changement chez votre fournisseur. A ce moment là, une nouvelle négociation sur les prix peut intervenir.

Maintenance prédictive, mesure de couples, vibrations... sur une chaîne de production. Les mesures se font en automatique et les valeurs moyennes dépendent des réglages de vitesse de travail et de l'outil utilisé. L'analyse des valeurs passées, n'indique pas vraiment de problème de normalité mais un petit groupe de valeurs écartées des autres. Après enquête, ces problèmes se sont produits avec un outil qui a cassé depuis. Le profil a donc été calculé sans ces mesures. Le suivi se fait le soir en retraitement d'un fichier texte représentant les mesures en continu et la liste des réglages et des moments où ils sont survenus. Les premiers instants après chaque réglage devenant à chaque fois la moyenne de référence. Le système a pu détecter une sortie anormale du profil. La cause était une micro fuite de lubrifiant suite à une fissure sur une durite. Le remplacement de celle ci a coûté quelques euros. Le remplacement du moteur aurait coûté plusieurs milliers d'euros sans compter l'arrêt de la chaîne.

Suivi de production, mesures avant livraison. L'analyse des pièces sur un temps donné a donné 3 groupes différents au niveau de l'ACP. Après recherche, il s'agissait des équipes qui travaillaient d'une manière différente. Une action de formation a été entreprise et les valeurs sont maintenant homogènes. Le profil a donc été calculé avec des mesures plus récentes que précédemment. Une carte de contrôle multidimensionnelle en a été déduite. La procédure de contrôle par échantillon avant livraison a été changée : allégée si le profil est bon et renforcée dans le cas contraire.

Conclusion

Ces exemples montrent la diversité des applications possibles de MULTIVARIA. Certaines ont déjà fait l’objet de mises en œuvre concrètes ( Ex : jus d’orange) ou en cours d’ adaptations aux besoins spécifiques ( Ex : vins) (http://www.oenologiciels.com/multivaria.htm)

Dans le cas où vous auriez un projet, n'hésitez pas à me contacter.