En partant de la simple représentation d’un processus par Entrées – Processus – Sorties, suit la nécessité de maîtriser et d’améliorer ce processus afin de renforcer la conformité des éléments de sortie.
Grâce à W.E. DEMING, celui de la roue P-D-C-A, un contrôle statistique du processus s’est graduellement déployé après la deuxième guerre mondiale, surtout au Japon. C’est ce qu’on appelle la Maîtrise Statistique des Procédés (MSP) ou, en anglais, Statistical Process Control (SPC). L’objectif est d’évaluer la performance du processus dans le temps en se basant sur des faits. La méthode ne s’intéresse pas au résultat isolé ou instantané mais au suivi et l’évolution dans le temps. En plus la méthode vise la prise de décisions à base des données vérifiées et non pas selon un sentiment ou un opinion.
Les outils de la MPS visent à réduire la variabilité des processus peu importe si les éléments de sortie de ce processus soient un produit ou un service. Des données sont enregistrées et les causes des variations des entrées et des sorties sont analysées afin d’obtenir une stabilité du processus qui est contrôlée et durable.
A l’origine des représentations graphiques sont utilisées, qui montrent les écarts à la valeur de référence. Le suivi de ces graphiques permet d’anticiper sur les mesures à prendre pour améliorer n’importe quel processus de fabrication industrielle (automobile, métallurgie, etc.). La visualisation des données après leur collecte constitue la première phase de leur analyse. Il existe plusieurs outils de représentation graphique dont les plus connus sont le nuage de points et l’histogramme. Quoique essentielle pour une première appréciation des données collectées, il demeure néanmoins un aspect de subjectivité dans l’analyse visuelle des données.
Une approche plus objective est atteinte par l’utilisation des méthodes et outils MSP qui font appel à la statistique mathématique. En fonction de la nature du processus à analyser de différentes distributions statistiques peuvent être utilisées. On distingue les distributions de variables aléatoires discrètes telles les distributions binomiale, hypergéométrique ou Poisson et les distributions de variables aléatoires continues, telles les distributions suivant la théorème de De Moivre-Laplace (Normale ou Gaussien), Student, Chi-deux, Fisher ou Weibull.
L’objectif de cet article n’est pas de rentrer dans la théorie fascinante de la statistique et le calcul de la probabilité. On finira par rappeler que des méthodes statistiques sont utilisés tout au long du cycle de vie d’un produit ayant pour but de réaliser et de contrôler certaines caractéristiques de ce produit. La théorie d’asservissement du système nous apprend que sans mesures et sans retour d’expérience et donc étant en boucle ouverte (« open loop ») tout processus dérive inévitablement. La stabilité du processus et la continuité des caractéristique des produit n’est possible qu’en mesurant, analysant et corrigeant en permanence un processus.
