Contribution à la maîtrise statistique des procédés : cas des procédés non normaux

A contribution to statistical process control case of non-normality

• Auteur / Autrice : Emmanuel Duclos
• Direction : Alain Courtois, Maurice Pillet
• Type : Thèse de doctorat
• Discipline(s) : Électronique, électrotechnique, automatique
• Date : Soutenance en 1997
• Etablissement(s) : Chambéry
• Partenaire(s) de recherche : Laboratoire : Laboratoire de logiciels pour la productique (Annecy19..-2002)

Mots clés

Mots clés contrôlés

Maîtrise statistique des processus

Résumé

La majorité des méthodes de la Maîtrise Statistique des Procédés abordent les problèmes d'estimation d'un point de vue paramétrique. En effet, partant d'un constat expérimental, on suppose que la distribution des observations peut être caractérisée par une loi ou une famille de lois. Une telle approche peut être parfaitement appropriée si la famille des lois de probabilité est liée à certaines caractéristiques physiques du procédé. Cependant le choix d'un modèle paramétrique comme la loi normale, bien que valide dans bon nombre de cas, reste un procédé simplificateur qui relève plus d'un «acte de fois que d'une réflexion rigoureuse». Rares sont les industriels qui n'ont jamais eu à traiter le cas d'observations non normales sur un procédé de fabrication. Les causes de non normalité étant le plus souvent liées à des caractéristiques physiques du procédé ou au type de grandeur mesurée, il est vain de chercher à rendre le procédé normal en le pilotant à l'aide de cartes de contrôle. Faute de trouver une méthode statistique adaptée à chacun des cas non normaux rencontrés, on applique les méthodes classiques de la M. S. P. Ces méthodes souffrent cependant de quelques inconvénients lorsque la validité du modèle n'est plus assurée. Nos travaux se sont tournés vers l'utilisation de méthodes non paramétriques, dont l'objectif est de fournir une solution qui soit applicable pour un vaste ensemble de lois. Parmi celles-ci, nous nous sommes intéressés à des estimateurs construits à partir de statistiques d'ordre. Le but de notre étude a été de mettre en place une carte de contrôle de type Shewhart, utilisant le L-estimateur des moindres carrés, dont l'une des caractéristiques est de fournir une estimation sans biais à variance minimale quelle que soit la loi des observations. Outre l'étude des performances de la carte L, nous avons montré au travers d'applications en milieu industriel la validité de la méthodologie proposée.