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.