Examen de Capabilité Machine (MFU)

Aperçu

L'Examen de Capabilité Machine (MFU) est un outil central de l'assurance qualité qui permet d'évaluer la capacité d'une machine ou d'un processus de fabrication à produire des pièces conformes aux tolérances spécifiées. Contrairement à l'examen de capabilité procédé (SPC/Ppk), la MFU ne considère que la variation à court terme d'une machine dans des conditions contrôlées.

La MFU est généralement effectuée lors de :

• L'acquisition d'une nouvelle machine (test de réception)
• La maintenance ou la réparation
• Le déplacement d'une machine vers un nouveau site
• L'examen périodique dans le cadre de la maintenance préventive

Info : La MFU mesure la capacité inhérente de la machine elle-même, sans l'influence de facteurs tels que l'usure de l'outil, le changement de matériau ou les influences de l'opérateur. Pour évaluer l'ensemble du processus, utilisez l'analyse de capabilité procédé (Ppk).

Procédure typique

1. Configurer la machine dans des conditions stables (même opérateur, même matériau, même environnement)
2. Fabriquer au minimum 50 pièces consécutives (recommandé : 50 à 100 pièces)
3. Mesurer toutes les pièces et entrer les valeurs de mesure dans my8data
4. Définir les limites de tolérance (LSL/USL) et éventuellement la valeur cible
5. Effectuer l'analyse et évaluer les indices

Aperçu des indices

Avertissement : Une valeur Cm élevée seule ne suffit pas. Ce n'est que lorsque Cmk atteint également le seuil que l'on peut garantir que le processus se distribue suffisamment étroitement et est centré dans la tolérance.

Saisie des données et spécifications

Entrer les valeurs de mesure

Dans my8data, plusieurs méthodes sont à votre disposition pour saisir vos données de mesure pour la MFU :

• Saisie manuelle : Entrez les valeurs de mesure directement dans le tableau d'entrée. Utilisez la touche Tab pour naviguer rapidement entre les champs.
• Import Excel/CSV : Téléchargez un fichier préparé avec vos valeurs de mesure. Les données sont reconnues et importées automatiquement.
• Presse-papiers (Copier-Coller) : Copiez les valeurs de mesure à partir de n'importe quelle source et collez-les dans le champ d'entrée.

Définir les limites de spécification

Pour calculer la capabilité machine, vous devez définir les limites de spécification (limites de tolérance) :

Conseil : Si vous avez une tolérance unilatérale (par exemple, un maximum uniquement), laissez le champ correspondant vide. Le calcul ne déterminera alors que l'indice unilatéral.

Taille d'échantillon

Pour une MFU pertinente, la taille d'échantillon doit être au minimum n = 50. Le tableau suivant indique les tailles d'échantillon recommandées :

Info : Selon VDA Volume 5 et le manuel de référence SPC AIAG, une taille d'échantillon d'au moins 50 pièces est recommandée pour l'examen de capabilité machine.

Indices Cm et Cmk

Indice de capabilité machine Cm

La valeur Cm (Machine Capability Index) décrit le rapport entre la largeur de tolérance et la variation mesurée de la machine. Elle indique l'espace disponible pour le processus dans la tolérance, indépendamment de la position de la moyenne.

Formule :

Cm = (USL - LSL) / (6 * s)

Où :
- USL : Limite supérieure de spécification
- LSL : Limite inférieure de spécification
- s : Écart-type de l'échantillon

Une valeur Cm de 1,00 signifie que la variation du processus (6s) correspond exactement à la largeur de tolérance. En pratique, des valeurs beaucoup plus élevées sont exigées.

Indice critique de capabilité machine Cmk

La valeur Cmk (Critical Machine Capability Index) prend en compte, en plus de la variation, la position de la moyenne par rapport au centre de tolérance. Elle est toujours inférieure ou égale à la valeur Cm.

Formule :

Cmk = min((USL - x̄) / (3 * s), (x̄ - LSL) / (3 * s))

Où :
- x̄ : Moyenne arithmétique de l'échantillon
- La plus petite des deux valeurs est déterminante

Évaluation des indices

Conseil : Si Cm diffère notablement de Cmk, cela indique que la machine se distribue suffisamment étroitement mais que la moyenne n'est pas centrée. Dans ce cas, un simple ajustement du réglage de la machine peut souvent aider.

Intervalles de confiance

Les indices calculés sont basés sur un échantillon et sont soumis à une incertitude statistique. my8data calcule automatiquement des intervalles de confiance qui indiquent dans quelle plage se situe le véritable indice avec une certaine probabilité.

Info : Avec des échantillons plus grands, les intervalles de confiance deviennent plus étroits, ce qui augmente la fiabilité de l'analyse.

Analyse de distribution

Test de normalité

Un préalable fondamental pour calculer Cm et Cmk est que les valeurs de mesure soient distribuées normalement. my8data effectue automatiquement un test de normalité pour vérifier cette hypothèse.

Les procédures de test suivantes sont utilisées :

Avertissement : Si le test de normalité montre un écart significatif à la distribution normale (p-valeur < 0,05), les valeurs Cm/Cmk calculées doivent être interprétées avec prudence. Dans ces cas, une transformation des données ou l'utilisation de modèles de distribution alternatifs peut être nécessaire.

Histogramme

L'histogramme représente graphiquement la distribution des valeurs de mesure. Il indique la fréquence de certaines plages de mesure et permet une évaluation visuelle de la distribution.

L'histogramme affiche les éléments suivants :

• Barres : Fréquence des valeurs de mesure par classe
• Courbe de distribution normale : Distribution normale théorique basée sur la moyenne et l'écart-type
• Limites de spécification : Lignes verticales rouges à USL et LSL
• Moyenne : Ligne verticale verte à la moyenne arithmétique

Diagramme de probabilité

Dans le diagramme de probabilité (Normal Probability Plot), les valeurs de mesure sont tracées contre les quantiles attendus de la distribution normale. Si les points se situent approximativement sur une ligne droite, cela indique une distribution normale.

Interprétation de l'analyse de distribution

Conseil : Utilisez l'analyse de distribution non seulement pour valider l'hypothèse de normalité, mais aussi comme outil de diagnostic pour identifier les problèmes potentiels à un stade précoce.

Distribution normale repliée

Quand cette distribution s'applique

Cm et Cmk supposent des valeurs mesurées normalement distribuées. Pour toute une famille de caractéristiques, cette hypothèse est violée par principe — à savoir partout où la caractéristique ne peut pas descendre en dessous de zéro et où la valeur idéale est précisément zéro :

De telles caractéristiques s'accumulent contre la borne zéro et s'étalent en douceur vers le haut. Superposer une loi normale conduit à des indices erronés et prédit des rebuts en dessous de zéro, qui ne peuvent pas exister.

Pour ces cas, sélectionnez Distribution normale repliée dans le champ Distribution.

Comment naît cette distribution

Derrière la caractéristique se cache une loi normale tout à fait ordinaire — le signe est simplement écarté lors de la mesure. Un faux-rond de −0,03 mm et un de +0,03 mm donnent tous deux la valeur mesurée 0,03 mm.

Visuellement : la loi normale est repliée en zéro, la moitié gauche se rabat sur la droite. D'où son nom.

Cela explique aussi la particularité essentielle de cette distribution : ses deux paramètres μ et σ ne décrivent pas les valeurs mesurées, mais la loi normale cachée derrière elles, celle que l'on aurait mesurée sans le repliement.

Formules de la distribution

Densité (PDF)      f(x) = (1/σ) · [ φ((x − μ)/σ) + φ((x + μ)/σ) ]

Répartition (CDF)  F(x) = Φ((x − μ)/σ) + Φ((x + μ)/σ) − 1

Espérance          E[X] = σ · √(2/π) · exp(−μ² / (2σ²)) + μ · [1 − 2 · Φ(−μ/σ)]

Écart-type         SD[X] = √( μ² + σ² − E[X]² )

Où :
- φ : densité de la loi normale centrée réduite
- Φ : fonction de répartition de la loi normale centrée réduite
- μ : paramètre de position de la loi normale sous-jacente
- σ : paramètre d'échelle de la loi normale sous-jacente
- x : valeur mesurée, toujours ≥ 0

Info : Ces quatre formules correspondent caractère pour caractère à la définition publiée par Minitab sous Methods and Formulas → Folded normal distribution (Nonnormal Capability Sixpack, support.minitab.com). Les deux voies de calcul ont été confrontées numériquement — détails à la section Validation.

Lire les paramètres μ et σ

L'erreur la plus fréquente avec cette distribution : μ n'est pas la moyenne de vos valeurs mesurées.

Un exemple : pour μ = 13,64 et σ = 8,43, la moyenne des valeurs absolues vaut 14,01. Les deux valeurs divergent parce que la moitié gauche repliée pousse les valeurs mesurées vers le haut.

La valeur absolue étant symétrique en μ, μ et −μ décrivent la même distribution. my8data restitue donc toujours μ positif — la convention μ ≥ 0 de Leone, Nelson et Nottingham (1961).

Comment les paramètres sont estimés

my8data utilise la méthode des moments : elle cherche les μ et σ pour lesquels l'espérance et l'écart-type théoriques de la distribution coïncident exactement avec la moyenne et l'écart-type observés de votre échantillon.

E[X](μ, σ) = x̄        et        SD[X](μ, σ) = s

C'est un système de deux équations à deux inconnues, résolu numériquement.

Lorsque la méthode des moments n'a pas de solution

Ce système n'est pas toujours soluble, et ce n'est pas une faiblesse du logiciel mais une propriété de la méthode.

La raison : pour cette distribution, le rapport E[X] / SD[X] ne peut pas descendre en dessous d'une valeur minimale. Ce minimum est atteint en μ = 0 — le cas où la distribution est exactement centrée sur zéro :

E[X] / SD[X]  ≥  √(2/π) / √(1 − 2/π)  =  1,3236

Si votre rapport observé x̄ / s passe en dessous, aucun couple de paramètres ne satisfait les deux moments. La table originale de Leone et al. (1961) s'arrête précisément à cette limite.

Dans ce cas, my8data affiche un avertissement au-dessus des résultats :

Avertissement : Z̄/s est inférieur à 1,3236 – la méthode des moments n'a pas de solution pour ces données. Les paramètres sont une approximation (mu ≈ 0), les indices sont donc incertains.

Ce que cela signifie en pratique : les indices affichés restent traçables sur le plan du calcul, mais ils reposent sur la meilleure approximation possible d'un système insoluble, et non sur une solution véritable. Pour les caractéristiques réellement centrées sur zéro, cela se produit dans près de la moitié des échantillons.

Ce que vous pouvez faire :

Indices Cmo, Cmu et Cmk

Pour des caractéristiques non normalement distribuées, la dispersion ne se décrit plus par 6s. my8data recourt donc à la méthode des quantiles M2,1 de l'ISO 22514-2 : au lieu de multiples de l'écart-type, le calcul s'appuie sur les quantiles de la distribution ajustée.

Cmo = (USL − X50%)  / (X99,865% − X50%)

Cmu = (X50% − LSL)  / (X50% − X0,135%)

Cmk = min(Cmo, Cmu)

Où :
- X0,135%, X50%, X99,865% : quantiles de la distribution repliée ajustée
- X50% : médiane de la distribution, qui prend la place de la moyenne
- Pour une loi normale, l'étendue X99,865% − X0,135% vaut exactement 6s

Les trois quantiles figurent sous Données spécifiques à la distribution, de sorte que chaque indice peut être recalculé.

Info : Chaque côté est formé avec sa propre moitié de la distribution — en haut l'étendue X99,865% − X50%, en bas l'étendue X50% − X0,135%. Pour une loi normale, les deux moitiés sont égales ; la distribution repliée, elle, est dissymétrique à droite, sa moitié supérieure étant plus large que l'inférieure. Une étendue commune aux deux côtés rendrait l'indice inférieur systématiquement trop favorable.

Limite inférieure : un champ vide n'est pas zéro

Pour les caractéristiques bornées à zéro, le champ LSL reste normalement vide, faute de limite inférieure pertinente. Seul le côté supérieur est alors évalué :

• Cmu n'est pas affiché
• Cmk est égal à Cmo
• La performance calculée vers le bas est de 0 ppm

Un champ LSL vide est expressément autre chose que LSL = 0. Saisir une limite inférieure nulle produit formellement un Cmu — mais qui ne mesure que la distance de la médiane à la borne zéro et passe souvent en dessous de Cmo. Il déterminerait alors le Cmk sans représenter une exigence réelle. Ne saisissez une limite inférieure que si le plan l'exige effectivement.

Cm uniquement avec une tolérance bilatérale

Dans le cas normal — limite supérieure définie, LSL vide — le champ Cm reste vide. L'indice compare la largeur de tolérance à la largeur de dispersion et a besoin des deux limites pour cela ; sans limite inférieure, il n'y a pas de largeur de tolérance. Seul le Cmk est alors significatif.

Si, exceptionnellement, les deux limites sont définies, Cm est formé par la même méthode des quantiles :

Cm = (USL − LSL) / (X99,865% − X0,135%)

Le dénominateur est l'étendue à 99,73 % de la distribution ajustée — exactement 6s pour une loi normale. Cette forme n'exige aucun centre de tolérance ; la dissymétrie de la distribution ne s'y oppose donc pas.

Performance calculée et observée

La performance calculée en ppm découle directement de la distribution ajustée :

ppm au-dessus = (1 − F(USL)) × 1 000 000

ppm en dessous = F(LSL) × 1 000 000        (seulement si LSL > 0, sinon 0 ppm)

La performance observée se contente en revanche de compter combien de vos valeurs mesurées se situent hors des limites.

Conseil : Comparez toujours les deux valeurs. Si elles s'écartent nettement, le modèle de distribution décrit mal les queues de vos données — et ce sont précisément les queues qui déterminent l'indice.

Limites du modèle

La distribution normale repliée est un modèle, non une image de la réalité. L'ampleur possible de l'écart apparaît sur le jeu de données historique de Leone et al. (1961), 497 cambrures de fils mesurées, que my8data utilise pour la validation :

Le modèle sous-estime ici la queue supérieure et surestime l'inférieure. Les deux résultats sont arithmétiquement corrects et constituent néanmoins un signal d'alerte : la distribution ne s'ajuste à ces données qu'approximativement.

Contrôlez donc toujours aussi l'histogramme et la droite de Henry avant de transmettre un indice. Un indice issu d'une distribution mal ajustée est calculé avec précision et reste trompeur.

Validation

L'implémentation est adossée à trois sources indépendantes :

Résultat de la confrontation des formules (au 23/08/2026) : les quatre formules ont été vérifiées caractère par caractère contre la documentation Minitab, puis recalculées. Sur six points d'appui couvrant tout le domaine, la densité diffère au plus de 3,2·10⁻¹³ ; les valeurs en ppm coïncident exactement.

Ce que Minitab n'y définit pas : la page ne définit que la distribution. Ni procédure d'estimation de μ et σ, ni formules d'indices d'aptitude n'y sont publiées — pour cela, Leone et al. (1961) font autorité pour la méthode des moments et l'ISO 22514-2 pour la méthode des quantiles.

Jeux de données de référence : trois jeux vérifient automatiquement la chaîne à chaque modification du noyau de calcul — l'estimation des paramètres contre les valeurs publiées, le Cmk en tolérance unilatérale et les Cm/Cmu/Cmk en tolérance bilatérale. Les trois figurent dans le rapport de validation avec valeurs cibles et valeurs obtenues.