Capabilité du processus : calculez Cp et Cpk, puis agissez

Accueil » Ressources » Capabilité du processus : calculez Cp et Cpk, puis agissez

Temps de lecture estimé : 11 minutes

La capabilité du processus décrit l’aptitude d’un processus de fabrication stable à respecter une exigence spécifiée, comme un diamètre d’alésage ou une masse de remplissage. Elle compare la dispersion naturelle du processus aux limites de spécification. Cp mesure dans quelle mesure cette dispersion tient dans l’intervalle de tolérance ; Cpk tient également compte de la position de la moyenne du processus.

Cette distinction est importante. Les mesures d’un processus peuvent être très regroupées tout en restant trop proches d’une limite de tolérance. De même, une machine peut avoir des heures disponibles demain sans être approuvée pour réaliser une caractéristique soumise à des exigences strictes.

Une étude de capabilité utile débouche donc sur deux décisions : ce qu’il faut modifier dans le processus et la gamme de fabrication qui peut être utilisée pour le travail à réaliser. SkyPlanner APS vous aide sur ce second point. Une fois la gamme approuvée et les postes de travail admissibles renseignés et tenus à jour, il ordonnance les ordres sur ces ressources et montre les conséquences de leur capacité limitée sur les délais de livraison.

Comment calculer Cp et Cpk

Partez d’une seule caractéristique mesurée et de la spécification qui lui est applicable. Ne regroupez pas des dimensions sans rapport entre elles dans un même indice. Pour le calcul classique fondé sur la loi normale, il vous faut :

• USL : la limite supérieure de spécification, soit la valeur maximale autorisée.
• LSL : la limite inférieure de spécification, soit la valeur minimale autorisée.
• Moyenne : la moyenne des valeurs mesurées pour le processus étudié.
• Sigma : l’écart-type estimé du processus, qui décrit la dispersion des résultats individuels.

Utilisez les mêmes unités tout au long du calcul. Les limites proviennent des exigences applicables au produit, et non des mesures les plus hautes et les plus basses de votre échantillon. Elles se distinguent aussi des limites de contrôle des cartes de contrôle, qui décrivent le comportement du processus.

Cp : comparer l’intervalle de tolérance à la dispersion du processus

Cp = (USL − LSL) / (6 × sigma)

Le numérateur correspond à la largeur de l’intervalle de tolérance. Le dénominateur représente la dispersion conventionnelle du processus, qui s’étend sur trois écarts-types de part et d’autre de la moyenne dans le modèle normal.

Cp répond à la question suivante : cette dispersion pourrait-elle tenir dans l’intervalle de tolérance si le processus était centré entre les limites ? Il ne vous indique pas si le processus est effectivement centré à cet endroit.

Cpk : vérifier la distance à la limite la plus proche

Cpk = min[(USL − mean) / (3 × sigma), (mean − LSL) / (3 × sigma)]

Effectuez le calcul de chaque côté et retenez le plus petit résultat. C’est le côté qui présente la marge la plus faible. Cpk traduit donc à la fois la dispersion et la position du processus.

Avec les mêmes données et la même estimation de sigma, Cpk ne peut pas dépasser Cp. Ils sont égaux lorsque la moyenne se situe au milieu des limites de spécification. Un écart entre ces deux indices signale un décentrage ; il ne prouve pas que le processus est stable.

En pratique, ces indices sont des estimations calculées à partir d’échantillons, et non des valeurs parfaitement connues pour l’ensemble de la population. Précisez la méthode d’estimation de sigma. Selon la convention courante qui distingue la variation intra-processus de la variation globale, Cp et Cpk utilisent une estimation de la variation intra-processus, tandis que Pp et Ppk utilisent la variation globale. Changer d’estimation peut modifier le résultat, même si la spécification reste inchangée.

Et s’il n’y a qu’une seule limite de spécification ?

Utilisez l’indice unilatéral correspondant : Cpu = (USL − mean) / (3 × sigma) pour une limite supérieure, ou Cpl = (mean − LSL) / (3 × sigma) pour une limite inférieure. Le calcul bilatéral de Cp nécessite deux limites de spécification. N’inventez pas une seconde exigence pour pouvoir appliquer la formule.

Une borne naturelle n’est pas automatiquement une limite de spécification. Une caractéristique qui ne peut pas être négative peut aussi nécessiter une analyse fondée sur une loi non normale, plutôt que le calcul selon le modèle normal présenté ci-dessus.

Exemple de calcul : un bon Cp, mais un Cpk plus faible

Imaginons un alésage usiné dont les limites de spécification sont de 19,90 mm et 20,10 mm. Une étude appropriée donne une moyenne de 20,04 mm et un écart-type intra-processus estimé à 0,020 mm. Ces données servent à illustrer le calcul ; il ne s’agit pas de mesures provenant d’un client.

L’intervalle de tolérance a une largeur de 0,20 mm et la dispersion à six sigma est de 0,120 mm :

Cp = (20,10 − 19,90) / (6 × 0,020) = 1,67, après arrondi.

Vérifions maintenant chaque côté de la moyenne :

• Indice côté limite supérieure : (20,10 − 20,04) / (3 × 0,020) = 1,00.
• Indice côté limite inférieure : (20,04 − 19,90) / (3 × 0,020) = 2,33, après arrondi.
• Cpk est la plus petite valeur : 1,00.

La dispersion est relativement faible, mais le processus est trop proche de la limite supérieure pour exploiter pleinement l’intervalle de tolérance. Ne présenter que Cp masquerait ce problème.

Si la moyenne passait à 20,00 mm sans changement de l’écart-type, Cp resterait à 1,67 et Cpk monterait à 1,67, après arrondi. Le centrage constitue donc une piste d’amélioration à examiner. Cela ne garantit pas qu’une correction de décalage laissera la dispersion inchangée : vérifiez le processus après réglage à l’aide de nouvelles données.

Si Cp lui-même est trop faible au regard de l’exigence convenue, le centrage seul ne résoudra pas le problème. Il faut également réduire la dispersion, par exemple en agissant sur une source de variation identifiée liée à l’outillage, à la matière, au réglage ou à l’environnement. Recherchez la cause avant de modifier le processus.

Qu’est-ce qu’une bonne valeur de Cpk ?

Un Cpk de 1,00 signifie que la limite de spécification la plus proche se trouve à trois écarts-types estimés de la moyenne. La valeur de 1,33 est un repère courant, mais pas un critère universel d’approbation. La valeur exigée dépend du client, de la caractéristique, du risque et des exigences qualité applicables.

Interprétez le résultat au regard du critère convenu, et pas seulement de la couleur affichée par le logiciel :

• Cpk inférieur à la valeur exigée : la marge démontrée est insuffisante. Vérifiez la validité de l’étude, puis agissez sur le centrage, la dispersion ou les deux.
• Cpk supérieur ou égal à la valeur exigée : examinez les conditions de l’étude et l’incertitude statistique avant d’accepter ce résultat comme élément de preuve pour la production.
• Cpk égal à zéro : la moyenne se situe sur une limite de spécification.
• Cpk négatif : la moyenne se situe au-delà d’une limite de spécification ; le calcul du côté le plus proche donne un résultat négatif.

N’interprétez pas Cpk comme le pourcentage de pièces conformes ni comme un taux de rebut garanti. Convertir un indice en taux de défauts prévisionnel exige des hypothèses sur la distribution et la stabilité, ainsi que la connaissance de la position des deux limites. Une valeur de Cpk ne suffit pas à elle seule pour dresser un tableau complet.

Cpk ne mesure pas non plus directement la proximité d’une cible de conception spécifiée séparément. À dispersion fixe et pour deux limites données, il atteint son maximum au milieu de l’intervalle de tolérance. Si la cible de conception diffère de ce point médian, évaluez aussi les résultats par rapport à cette cible, plutôt que de décaler le processus dans le seul but de maximiser Cpk.

Vérifiez l’étude avant de vous fier au résultat

Le calcul est généralement la partie la plus simple. Il est plus difficile de savoir si les mesures décrivent bien le processus que vous comptez mettre en œuvre.

Utilisez un système de mesure adapté

Vérifiez que la méthode de mesure offre une résolution suffisante pour la caractéristique étudiée et que son erreur de mesure est acceptable au regard de la décision à prendre. L’étalonnage compte, mais le biais, la répétabilité et les écarts entre opérateurs ou méthodes comptent aussi. Une analyse du système de mesure aide à distinguer la variation due à la mesure de celle due à la fabrication.

Pour une étude Cp/Cpk sur des données continues, utilisez les valeurs effectivement mesurées. Un décompte de pièces conformes et défectueuses ne remplace pas la distribution des diamètres d’alésage, des masses ou d’autres caractéristiques mesurées.

Prélevez des échantillons dans les conditions auxquelles la décision s’appliquera

Définissez la révision du produit, la caractéristique, la gamme de fabrication, les équipements, les réglages et les conditions de production pertinentes. Consignez la date et le lieu des mesures. Une courte série réalisée avec un seul outil, un seul opérateur et un seul lot de matière ne démontre pas automatiquement la capabilité dans d’autres conditions.

Recueillez les données dans l’ordre chronologique. Si vous utilisez des sous-groupes rationnels, regroupez les mesures de façon que la variation au sein de chaque sous-groupe représente la variation à court terme du processus que vous souhaitez étudier, tout en permettant de détecter les changements entre sous-groupes. Ne réorganisez pas les données pour améliorer l’indice et n’écartez pas des mesures gênantes sans le signaler.

Évitez de regrouper les données de machines, d’empreintes ou de réglages distincts sans vérifier qu’elles représentent un même processus. Un histogramme global peut masquer un décalage ou un mélange de populations qui mérite une analyse séparée.

Vérifiez la stabilité avant de faire une prévision

Appuyez-vous sur une carte de contrôle adaptée et sur votre connaissance du processus pour analyser les changements, les tendances et les causes spéciales. Un histogramme montre la distribution des résultats, mais pas leur ordre chronologique. Il ne suffit donc pas, à lui seul, à établir la stabilité.

Un processus stable peut néanmoins être incapable de respecter la tolérance. À l’inverse, une estimation de capabilité favorable obtenue sur un processus instable ne permet pas de prévoir de façon fiable les résultats futurs. Stabilisez le processus, puis réévaluez-le, plutôt que de considérer l’indice comme une autorisation de continuer sans rien changer.

Vérifiez la distribution et l’incertitude

Les formules classiques reposent sur une loi normale. Examinez les données et leur adéquation à cette loi ; si la caractéristique suit réellement une distribution non normale, utilisez une transformation justifiée ou une méthode de capabilité adaptée aux distributions non normales. Supprimer des observations jusqu’à ce qu’un test de normalité soit satisfait n’est pas une solution.

Définissez la taille de l’échantillon et la durée de l’étude en fonction de son objectif et des exigences applicables. Même un nombre suffisant d’observations provenant d’une seule série exceptionnellement favorable peut ne pas révéler la variation qui importe. Les petits échantillons rendent également l’estimation de l’indice incertaine : examinez donc un intervalle de confiance ou une borne inférieure de confiance lorsque la décision d’acceptation le nécessite.

Veillez à ce que le rapport reste interprétable : précisez la révision des spécifications, les conditions de l’étude, le plan d’échantillonnage, la méthode d’estimation de sigma, les éléments démontrant la stabilité, la méthode utilisée pour traiter la distribution, les estimations des indices et le critère d’acceptation convenu. Ces précisions permettront à la personne qui reprendra le dossier de comprendre ce que le résultat permet réellement de conclure.

Cp/Cpk, Pp/Ppk et Cm/Cmk ne sont pas interchangeables

Selon la convention courante qui distingue la variation intra-sous-groupe de la variation globale, Cp et Cpk décrivent la capabilité à partir d’une estimation de la variation interne au processus. Pp et Ppk utilisent l’écart-type global des données de l’étude. Les deux paires comparent la dispersion aux spécifications ; Cpk et Ppk tiennent également compte de la position de la moyenne.

Un Ppk sensiblement inférieur au Cpk peut signaler une variation entre sous-groupes que l’estimation intra-sous-groupe ne prend pas en compte. Analysez la chronologie des données et les sources de variation. Aucun de ces indices ne transforme des données instables en prévision fiable, et un indice global n’est représentatif que des conditions effectivement échantillonnées.

Cm et Cmk relèvent d’une étude de capabilité machine, généralement menée dans des conditions maîtrisées afin d’isoler la contribution de la machine. Ce périmètre diffère de celui d’un processus de production soumis à l’ensemble des influences habituelles.

Les appellations et les conventions de calcul peuvent varier selon les normes, les secteurs et les logiciels d’analyse. Lorsque vous comparez des rapports, vérifiez l’objectif de l’étude, les données, l’estimation de la variation et la méthode employée, et pas seulement la ressemblance des formules. Il ne suffit pas de changer l’intitulé d’un résultat d’étude machine pour en faire une preuve concernant l’ensemble du processus de production.

Intégrez le processus approuvé au planning de production

Une fois l’étude évaluée par le service qualité, ses conclusions pratiques doivent être claires : quelle méthode de fabrication est acceptable, dans quelles conditions, et quel suivi ou quelles actions correctives sont nécessaires. Consignez l’approbation et son périmètre dans votre processus qualité.

Transmettez ensuite à la planification de la production la gamme de fabrication et les ressources autorisées par cette décision. La méthode approuvée peut dépendre d’autres éléments que la machine : l’outillage, le programme, la matière, les réglages et les conditions de fonctionnement peuvent aussi compter. Définir les postes de travail éligibles contribue à mettre cette décision en application, mais ne remplace pas l’ensemble des contrôles de production associés.

Imaginons que la fabrication de l’alésage soit approuvée sur un centre d’usinage. Un second centre dispose de temps libre, mais n’a pas été qualifié pour cette opération. Y transférer l’ordre de fabrication ne résoudrait pas le problème de capacité dans le respect des conditions approuvées. La planification doit déterminer si le centre éligible peut accueillir ce travail tout en respectant les engagements déjà pris pour les autres opérations.

Laissez SkyPlanner ordonnancer les opérations sur les ressources éligibles

SkyPlanner APS transforme cette gamme de fabrication tenue à jour en un planning de production à capacité finie. Définissez les étapes du processus, leurs durées et les postes de travail éligibles, ainsi que les horaires d’équipe, les capacités, les dépendances et les priorités. Arcturus, son IA d’ordonnancement, place les opérations sur les ressources configurées. Le diagramme de Gantt montre quand les opérations sont planifiées et comment elles s’articulent avec les autres commandes.

Pour le planificateur, cela signifie moins de temps passé à mémoriser les restrictions des gammes et à corriger manuellement les files d’attente des machines. Lorsqu’une ressource approuvée est fortement chargée, les conséquences sur les délais de livraison apparaissent dans le planning. Vous pouvez évaluer un changement de priorité ou l’ajout d’heures de travail sur une ressource éligible, plutôt que de supposer que n’importe quelle machine libre peut réaliser l’opération.

L’évaluation statistique doit rester dans le processus qualité. Le rôle de SkyPlanner est ici d’ordonnancer les opérations à partir des informations de gamme approuvées que vous tenez à jour, et non de déduire une qualification d’une valeur de Cpk ou de mettre automatiquement à jour cette approbation. Lorsque le service qualité approuve une autre ressource, actualisez la gamme pour l’inclure parmi les ressources éligibles : le planning pourra alors tenir compte de cette capacité supplémentaire.

Vous pouvez également passer par votre propre assistant IA, par exemple Claude, ChatGPT ou Microsoft Copilot, connecté via MCP, qui fait le lien entre l’assistant et SkyPlanner. Indiquez-lui ce que vous cherchez à comprendre, par exemple quels ordres se disputent un poste de travail approuvé cette semaine. Il peut combiner les données de SkyPlanner et sa connaissance du produit pour vous aider à examiner la file d’attente et à utiliser les fonctions d’ordonnancement autorisées. Vous trouvez ainsi plus facilement les informations utiles tout en gardant la maîtrise des priorités de production.

SkyPlanner s’intègre à tout ERP ou MES grâce à son API REST ouverte. Vous pouvez conserver ces systèmes et connecter les données de commande et de production nécessaires à l’ordonnancement.

Une meilleure affectation des ressources, en pratique

Chez KJH-Comp, sous-traitant en tôlerie, l’ERP et les tableurs donnaient une vue d’ensemble de la charge hebdomadaire, mais l’affectation quotidienne des opérations aux machines restait manuelle. L’entreprise a adopté SkyPlanner pour l’ordonnancement à capacité finie tout en conservant son ERP C9000. Son témoignage décrit l’affectation automatique aux machines et une détection plus précoce des situations où la charge dépasse la capacité d’une plieuse donnée.

Cette expérience illustre l’intérêt de l’ordonnancement : la ressource concernée et le créneau de livraison deviennent visibles, au lieu d’être noyés dans un total hebdomadaire. Elle ne constitue pas une affirmation sur les résultats Cp/Cpk de KJH-Comp. Pour une gamme soumise à des contraintes de capabilité, la même question de planification se pose : quand le travail peut-il être terminé sur les ressources que vous êtes autorisé à utiliser ?

Testez le planning avec une gamme de fabrication approuvée

Utilisez Cp et Cpk pour comprendre le lien entre la tolérance, la dispersion et le centrage du processus. Appuyez-vous sur une étude bien conçue pour déterminer ce que ces résultats impliquent pour la production. Faites ensuite de la gamme de fabrication approuvée une véritable contrainte d’ordonnancement, et non une simple note que le planificateur doit garder en mémoire.

Réservez une démonstration de SkyPlanner en vous appuyant sur une gamme de fabrication approuvée, les postes de travail autorisés pour cette gamme et votre charge de commandes actuelle. Voyez comment les opérations s’intègrent au planning et quels engagements de livraison nécessitent votre attention. Si vous préférez d’abord explorer le logiciel, essayez SkyPlanner avec des données de démonstration ou suivez le parcours de prise en main guidé par l’IA dans SkyPlanner Assistant.