Les indices de capabilit\u00e9 permettent de quantifier l’aptitude d’un proc\u00e9d\u00e9 \u00e0 produire des pi\u00e8ces conformes aux sp\u00e9cifications. Parmi eux, Cp et Pp sont souvent pr\u00e9sent\u00e9s c\u00f4te \u00e0 c\u00f4te dans les rapports qualit\u00e9, au point d’\u00eatre parfois utilis\u00e9s de fa\u00e7on interchangeable. C’est une erreur. Ces deux indices reposent sur des hypoth\u00e8ses fondamentalement diff\u00e9rentes, et les confondre peut conduire \u00e0 des d\u00e9cisions erron\u00e9es sur la ma\u00eetrise d’un proc\u00e9d\u00e9.<\/p>\n
Les deux indices comparent l’\u00e9tendue de la tol\u00e9rance \u2014 c’est-\u00e0-dire l’\u00e9cart entre la limite sup\u00e9rieure de sp\u00e9cification (LSS) et la limite inf\u00e9rieure de sp\u00e9cification (LIS) \u2014 \u00e0 la dispersion du proc\u00e9d\u00e9. La formule de base est identique :<\/p>\n
$$Cp = \\frac{LSS – LIS}{6\\sigma} \\qquad Pp = \\frac{LSS – LIS}{6s}$$<\/p>\n
\u00c0 premi\u00e8re vue, les formules se ressemblent. La diff\u00e9rence se cache dans le d\u00e9nominateur : Cp utilise \u03c3 (sigma estim\u00e9), tandis que Pp utilise s (l’\u00e9cart-type total calcul\u00e9 sur l’ensemble de l’\u00e9chantillon).<\/strong><\/p>\n Un indice sup\u00e9rieur \u00e0 1,33 est g\u00e9n\u00e9ralement consid\u00e9r\u00e9 comme satisfaisant dans l’industrie. En dessous de 1,00, le proc\u00e9d\u00e9 produit des non-conformit\u00e9s.<\/p>\n C’est ici que tout se joue. L’\u00e9cart-type utilis\u00e9 au d\u00e9nominateur ne provient pas de la m\u00eame source.<\/p>\n Pour Cp<\/strong>, \u03c3 est estim\u00e9 \u00e0 partir de la variabilit\u00e9 a breve termine<\/em>, mesur\u00e9e \u00e0 l’int\u00e9rieur des sous-groupes (par exemple, via l’\u00e9tendue moyenne R\u0304 ou l’\u00e9cart-type moyen S\u0304 des sous-groupes sur une carte de contr\u00f4le). Cette estimation ne capture que la variation inh\u00e9rente au proc\u00e9d\u00e9 lorsqu’il est en \u00e9tat de ma\u00eetrise statistique \u2014 ce qu’on appelle la variabilit\u00e9 naturelle<\/em> o bruit de fond<\/em>.<\/p>\n Pour Pp<\/strong>, s est l’\u00e9cart-type global, calcul\u00e9 directement sur l’ensemble des mesures individuelles, sans tenir compte de la structure temporelle des donn\u00e9es. Il int\u00e8gre toutes les sources de variation : la variabilit\u00e9 \u00e0 court terme, mais aussi les d\u00e9rives, les d\u00e9calages entre \u00e9quipes, les changements de mati\u00e8re premi\u00e8re, bref, tout ce qui s’est produit pendant la p\u00e9riode d’\u00e9tude.<\/p>\n En pratique, Pp est donc presque toujours inf\u00e9rieur ou \u00e9gal \u00e0 Cp, car il prend en compte davantage de variabilit\u00e9.<\/p>\n Le choix entre Cp et Pp d\u00e9pend de ce que vous souhaitez \u00e9valuer.<\/p>\n Cp est l’indice du potentiel du proc\u00e9d\u00e9.<\/strong> Il r\u00e9pond \u00e0 la question : si mon proc\u00e9d\u00e9 \u00e9tait parfaitement centr\u00e9 et statistiquement ma\u00eetris\u00e9, serait-il intrins\u00e8quement capable de respecter les tol\u00e9rances ?<\/em> C’est un outil de diagnostic utilis\u00e9 en phase de mise au point ou lors d’une \u00e9tude de capabilit\u00e9 \u00e0 court terme (typiquement men\u00e9e sur 25 \u00e0 30 sous-groupes en conditions stables).<\/p>\n Pp est l’indice de performance r\u00e9elle du proc\u00e9d\u00e9.<\/strong> Il r\u00e9pond \u00e0 la question : sur une longue p\u00e9riode de production, dans les conditions r\u00e9elles, mon proc\u00e9d\u00e9 produit-il effectivement des pi\u00e8ces conformes ?<\/em> Il est particuli\u00e8rement pertinent lors des \u00e9tudes de capabilit\u00e9 \u00e0 long terme ou pour l’analyse de lots de production d\u00e9j\u00e0 r\u00e9alis\u00e9s.<\/p>\n Si Cp est \u00e9lev\u00e9 mais Pp significativement plus bas, cela indique que le proc\u00e9d\u00e9 a le potenziale<\/em> d’\u00eatre capable, mais que des causes sp\u00e9ciales de variation (d\u00e9rives, r\u00e9glages successifs, facteurs environnementaux) d\u00e9gradent sa performance r\u00e9elle. Cet \u00e9cart est un signal clair pour lancer une investigation et stabiliser le proc\u00e9d\u00e9 avant de conclure \u00e0 sa capabilit\u00e9.<\/p>\n \u00c0 l’inverse, si Cp et Pp sont proches, la variabilit\u00e9 \u00e0 court terme repr\u00e9sente l’essentiel de la variabilit\u00e9 totale : le proc\u00e9d\u00e9 est relativement stable.<\/p>\n Cp et Pp ne renseignent pas sur le centrage du proc\u00e9d\u00e9 par rapport \u00e0 la cible. C’est le r\u00f4le de leurs homologues Cpk et Ppk, qui int\u00e8grent un d\u00e9calage \u00e9ventuel entre la moyenne du proc\u00e9d\u00e9 et le centre de la tol\u00e9rance. Un proc\u00e9d\u00e9 peut afficher un Cp de 1,5 et un Cpk de 0,8 s’il est fortement d\u00e9centr\u00e9.<\/p>\n Par ailleurs, ces indices supposent que les donn\u00e9es suivent une distribution normale. Avant tout calcul de capabilit\u00e9, il est indispensable de v\u00e9rifier cette hypoth\u00e8se \u2014 par un test de normalit\u00e9 ou une repr\u00e9sentation graphique (histogramme, droite de Henry). Des donn\u00e9es non-normales exigent des approches sp\u00e9cifiques : transformation des donn\u00e9es, indices non param\u00e9triques ou mod\u00e9lisation par une autre loi de distribution.<\/p>\n Cp et Pp ne sont pas redondants : ils \u00e9clairent deux facettes compl\u00e9mentaires de la performance d’un proc\u00e9d\u00e9. Utiliser uniquement l’un ou l’autre revient \u00e0 ne voir qu’une partie de la r\u00e9alit\u00e9. Une bonne analyse de capabilit\u00e9 les pr\u00e9sente tous les deux, les compare et tire des conclusions sur la stabilit\u00e9 e<\/em> le potentiel intrins\u00e8que du proc\u00e9d\u00e9.<\/p>","protected":false},"excerpt":{"rendered":" Cp et Pp : deux indices de capabilit\u00e9 \u00e0 ne pas confondre Les indices de capabilit\u00e9 permettent de quantifier l’aptitude d’un proc\u00e9d\u00e9 \u00e0 produire des pi\u00e8ces conformes aux sp\u00e9cifications. Parmi eux, Cp et Pp sont souvent pr\u00e9sent\u00e9s c\u00f4te \u00e0 c\u00f4te dans les rapports qualit\u00e9, au point d’\u00eatre parfois utilis\u00e9s de fa\u00e7on interchangeable. C’est une erreur. […]<\/p>\n","protected":false},"author":4,"featured_media":4835,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-4836","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-analysis"],"acf":[],"yoast_head":"\nLa diff\u00e9rence cl\u00e9 : estimation de la variabilit\u00e9<\/h2>\n
Quand utiliser l’un ou l’autre ?<\/h2>\n
Un \u00e9cart trop grand entre Cp et Pp : un signal d’alarme<\/h3>\n
Les limites \u00e0 garder en t\u00eate<\/h2>\n
\n