© airbus france s.a.s. tous droits réservés. document confidentiel. 12 avril 2005page 1 msp...
TRANSCRIPT
12 AVRIL 2005 Page 1
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
MSP METHODES STATISTIQUES DES
PROCEDES-oOo-
MARDI 12 AVRIL 200517 H – 19 H
12 AVRIL 2005 Page 2
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel. MSP – METHODES STATISTIQUES DES
PROCEDES
12 Avril 2005
Préparé par
Michel HUCKERT
DIRECTION QUALITEAIRBUS France
12 AVRIL 2005 Page 3
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
M S P
LA QUALITE A UN FONDEMENT BINAIRE :
ERREUR OU PAS ERREUR
LA QUALITE D’UN PROCESSUS EST FONDEE SUR
LA NOTION DE DISPERSION
LE MOYEN DE LA MESURER ET DE LA MAITRISER DANS LE TEMPS
C’EST LE SPC« STATISCAL PROCESS CONTROL »
OU LA MSPMAITRISE STATISTIQUE DES PROCESSUS
ET / OU DES PROCEDES
QUI PERMETTENT D’AGIR SUR LES PARAMETRES INFLUENTS
AVANT DE PRODUIRE DES NON CONFORMITES
12 AVRIL 2005 Page 4
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
• Pour un procédé :• Le rendre stable, et anticiper ses dérives
• Suivre ses variations
• Le rendre apte à produire selon les spécifications
• Optimiser la maintenance
• Améliorer les performances
• Supprimer les retouches et rebuts•Éviter les dérives de processus•Réduire les coûts de non-qualité•Améliorer la productivité•Optimiser les mesures
1 - Pourquoi la MSP ?• Définition :
Méthode visant à l’étude et à la maîtrise de la dispersion des résultats dans un processus. Elle permet d’assurer la stabilité du procédé et la détection de variations afin d’appliquer les actions correctives avant qu’elles ne produisent des défauts.
•Exemple de dérives : DECENTRAGE
•Déréglage du procédé
TENDANCE
• Usure des composants de la machine
DISPERSION « REGULIERE »
• Cotation trop « serrée »
• Il faut revoir les tolérances avec le bureau d’étude.
DISPERSION « IRREGULIERE »
• Le procédé n’est pas maîtrisé
• Il faut analyser avec les méthodes classiques (plan
d’expériences, ISHIKAWA, ….)
M S P
12 AVRIL 2005 Page 5
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Collecte des données
Processus sous-contrôle
Cartes de contrôle
Mise sous surveillance
Recherche des causes avec les acteurs du processus
Propositions d’actions correctives
Contrôle de l’efficacité des actions correctivesFin du processus
Définition de l’étude
Phase 1 : Définition
Phase 2 : Mesure
Phase 3 : Analyse
Phase 4 : Amélioration
Phase 5 : Suivi
Analyse et constat
Procédé en anomalie
ouinon
Du
rée
en
tre 2
mo
is et 8
mo
isM S P 3 - Méthode
12 AVRIL 2005 Page 6
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Mécanique Assemblage Montage
Bases de données
Très fourniesVAO (1.5 million de mesures/an pour une moyenne de 6 pt de
mesure/pièce sur 3000 références)
MMT (700 000 mesures pour pièce de Classe 1 pour une
moyenne de 150 pt de mesure par pièces)
Petites bases de données, Cadre 1, cockpit (laser,bras
FAROBeaucoup de relevés papier
Bases de donnéesimportantes
Laser, Bras FARO
Support
Informatique OUI Très peu OUI
Papier OUI OUI mais long à exploiter OUI
Conformité OK OK OK
Balancement Spatial OK
Analyses statistiques Pour besoins (très) ponctuels Pas d’analyses Pas d’analyses
Améliorations par la mesure Néant Néant Néant
M S P 2 - État des lieux
Septembre 2004
Déploiement de la MSP à St Éloi
Presenté par
Delerue JérémyCorrespondant MSP St ÉloiCoE Pylon and Nacelles
12 AVRIL 2005 Page 8
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Qu’est-ce que la MSP ?
! Action !
VAO
Measuring machine
Tracker Laser station
Manufacturing Machine
Centralised Data
Team Leader & Quality survey
To follow Key Characteristics & anticipate process shifts
12 AVRIL 2005 Page 9
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Applications de la MSP
9.4
9.6
9.8
10
10.2
10.4
10.6
MSN 001 MSN 002 MSN 003 MSN 004 MSN 005 MSN 006
Limites de contrôle
Limites de contrôle
Tolérance supérieure
Tolérance inférieure
MSN 001 MSN 002 MSN 003 MSN 004
Valeur mesurée = 10,2Constat = Bon
Mesure = 10,1Constat = Bon
Mesure = 10,4Constat = Bon
Dépassement Limite : Réglage outillage (-0,1)
Mesure = 10,3Constat = Bon !
12 AVRIL 2005 Page 10
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Organisation groupe MSP pour Airbus France
Sponsor : A. FLOURENS
Project manager : J. KERAULT
Correspondent
NZJ. KERAULT
Correspondent
NTN. BERTON
Correspondent
MEJ.N. DEWAS
Co-ordinator : C. RIVAUD
Correspondent SE
J. DELERUE
Correspondent FAL 380
D. LORTHOIS
Actors for each site
MANAGEMENT TEAM• A. FLOURENS • J.L CHARLES • E.LABRANCHE • B. MARGUET • C. RIVAUD
Correspondent Other FAL
B. MARGUET
Le projet devient transnational : Espagnol, Anglais et Allemand depuis peu.
12 AVRIL 2005 Page 11
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Les applications statistiques à St Éloi.
• Applications statistiques déjà réalisées manuellement
• Suivi des points d’interfaces des mâts
Ferrure FAN 2
-0,8-0,6-0,4-0,20
0,20,40,60,81
1,21,4
212121252132213521362137213821392141214721482149215021522153215621572159216021612164216721682169217321772185218821902192219421952200220222032205221122102215222322312238228022822284228622962303230423052308
N° bâti / MSN
FD2
FG2
Tol sup
Tol Inf
Moyenne
Ferrure FAN 3
-1,2-1
-0,8-0,6-0,4-0,20
0,20,40,60,81
212121252132213521362137213821392141214721482149215021522153215621572159216021612164216721682169217321772185218821902192219421952200220222032205221122102215222322312238228022822284228622962303230423052308
N° bâti / MSN
FD3
FG3
Tol sup
Tol Inf
Moyenne
Ferrure FAN 4
-1,2-1
-0,8-0,6-0,4-0,20
0,20,40,60,8
212121252132213521362137213821392141214721482149215021522153215621572159216021612164216721682169217321772185218821902192219421952200220222032205221122102215222322312238228022822284228622962303230423052308
N° bâti / MSN
FD4
FG4
Tol sup
Tol Inf
Moyenne
12 AVRIL 2005 Page 12
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Les applications statistiques à St Eloi.
• Applications statistiques déjà réalisées avant l’arrivée de SPC Vision :
Le projet attache moteur A320 (nov 2002 - oct 2003)
L’étude a permis une diminution des dérogations, permettant une économie
de 40K€/an
APTE A MESURER SELON LES SPECIFICATIONS
En parallèle, la capabilité des moyens de contrôle est démontrée
12 AVRIL 2005 Page 13
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Preliminary study(project during 2003-2004)
MORI SEIKI Manufacturing Process
• Subject :Engine ties parts
manufacturing process improvement.
• Problem :- Variabilities > Specifications- Average de-centering 16% of concessions (Z= 2,47) March/April 03 data
• Improvement :Tooling Modification + Machining program modification (Renishaw measures integration and then adjustment of the finish pass).
• Results : 0 concession after process
improvement (Z =6) More than 40 000 € saved per year.
5,055,004,954,904,854,804,75
LSSLSI
Histogramme après modifications
5,45,35,25,15,04,94,84,7
LSSLSI
Histogramme avant modifications
Spec.Variabilities
Spec
Before
After
De-centering
Exemple :
12 AVRIL 2005 Page 14
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
SPC Vision
Airbus France a choisi le logiciel SPC vision de Infodream pour le déploiement de la MSP:
12 AVRIL 2005 Page 15
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
SPC Vision
12 AVRIL 2005 Page 16
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
SPC Vision
12 AVRIL 2005 Page 17
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
SPC Vision : Cas « Maîtrisé »
12 AVRIL 2005 Page 18
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
SPC Vision : Cas « Décentré »
12 AVRIL 2005 Page 19
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
SPC Vision : Cas « Dispersé »
12 AVRIL 2005 Page 20
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Les applications SPC à Venir.
Création des gammes de contrôles sous SPC
Avantages :
-Plus de papier
-Image de la photo des mires directement sur tablette PC.
-Et bien sûr le traitement statistique des points d’interfaces.
Avantages :
-Surveillance du procédé.
-Maîtrise des ajouts de produits chimiques.
12 AVRIL 2005 Page 21
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Applications supplémentaires du logiciel
• VAO
IHM VAO
BDDRes Mes
ORACLE
• Tableaux guides et relevés
12 AVRIL 2005 Page 22
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Applications du logiciel sur les chaines d’assemblages (assemblage par la mesure).
DATABASESPC SERVER
ExploitationStatistique
Les mesures sont envoyées avant l’arrivée du tronçon.
On gagne du temps de cycle en assemblant au premier coup.
12 AVRIL 2005 Page 23
© A
IRB
US
FR
AN
CE
S.A
.S.
Tou
s dr
oits
rés
ervé
s. D
ocum
ent
conf
iden
tiel.
Ce document et son contenu sont la propriété d’AIRBUS FRANCE S.A.S. Aucun droit de propriété intellectuelle n’est accordé par la communication du présent document et de son contenu. Ce document ne doit pas être reproduit ou communiqué à un tiers sans l’autorisation expresse et écrite d’AIRBUS FRANCE S.A.S. Ce document et son contenu ne doivent pas être utilisés à d’autres fins que celles qui sont autorisées.
Les déclarations faites dans ce document ne constituent pas une offre commerciale. Elles sont basées sur les postulats indiqués et sont exprimées de bonne foi. Si les motifs de ces déclarations n’étaient pas démontrés, AIRBUS FRANCE S.A.S serait prêt à en expliquer les fondements.