ISO 22514-1/2 · NF X06-033 · repères AIAG PPAP

Calculateur Cp / Cpk / Pp / Ppk
Capabilité processus & niveau Six Sigma

Mesurez en temps réel la capabilité d'un processus industriel, son niveau Sigma, son DPMO et son % hors tolérance, à partir de statistiques calculées ou de mesures brutes.

Données du processus

Tolérances, mesures et estimateur d'écart-type
mm
n ≥ 100 conseillé (25 sous-groupes × 3 à 5 pièces)
mm
Intra-sous-groupes (R̄/d2 ou s̄/c4) → donne Cp / Cpk
mm
Global sur l'échantillon complet (n-1) → donne Pp / Ppk
Renseignez l'un, l'autre, ou les deux. Un seul écart-type ne permet de calculer qu'une seule paire d'indices : laissez un champ à 0 ou vide si vous ne l'avez pas. Cp/Cpk et Pp/Ppk ne sont pas le même calcul sur la même donnée.

mm
mm

Indices de capabilité & niveau Six Sigma

Cp · court terme
Cpk · court terme
Pp · long terme
Ppk · long terme

Courbe normale du processus vs tolérances

Courbe normale f(x) LSL / USL Moyenne X̄
Centrage du processus

Niveau Sigma & performance

Niveau Sigma Z
σ
DPMO
défauts / million
% hors tolérance
théorique loi normale

Top 3 actions recommandées

Méthode : indices calculés selon ISO 22514-1 et ISO 22514-4, repères sectoriels d'après le manuel AIAG PPAP. Le niveau Sigma affiché est l'échelle court terme sans décalage (Z = 3 × Cpk, deux bornes de tolérance). Hypothèses de validité : distribution normale, processus en contrôle statistique, mesures indépendantes, prélevées dans l'ordre de production et représentatives.
Publicité

Seuils Cpk par secteur & correspondances Sigma

Cpk Niveau Sigma (Z) DPMO
court terme, 2 bornes
% conformes Lecture industrielle
0,501,5σ133 60086,64 %Non capable — tri 100% obligatoire
1,002 70099,73 %Insuffisant — risque industriel
1,336399,9937 %Capable — repère client courant en série auto
1,504,5σ6,899,99932 %Industrie auto — cible intermédiaire fréquente
1,670,5799,99994 %Caractéristique spéciale — repère Ppk en validation initiale PPAP
2,000,00299,9999998 %Six Sigma strict — excellence opérationnelle
Deux échelles Sigma coexistent — ne les confondez pas. Le tableau ci-dessus est l'échelle statistique court terme : Z = 3 × Cpk, probabilité calculée sur les deux bornes de tolérance, sans décalage. C'est celle de ce calculateur, car elle découle directement de vos mesures. L'échelle Six Sigma historique (Motorola) ajoute un décalage de 1,5σ et ne compte qu'une borne : elle donne 3σ ≈ 66 800 · 4σ ≈ 6 210 · 5σ ≈ 233 · 6σ ≈ 3,4 DPMO. C'est de là que viennent les fameux « 3,4 DPMO », et c'est l'échelle utilisée par notre calculateur DPMO / Niveau Sigma. Un même procédé affiche donc deux niveaux Sigma différents selon la convention retenue : précisez toujours laquelle vous utilisez dans un rapport.

Repères par secteur — automobile : manuel AIAG PPAP dans le cadre IATF 16949 (Ppk ≥ 1,67 en validation initiale sur caractéristiques spéciales, Cpk ≥ 1,33 en série), seuils toujours fixés par les exigences spécifiques du client. Aéronautique : EN/AS 9100 (caractéristiques clés, FAI). Médical : ISO 13485 (validation IQ/OQ/PQ). Les valeurs de Cpk ci-dessus ne sont des obligations que si votre contrat client les reprend.

Capabilité processus : guide complet

La capabilité processus (Process Capability) mesure l'aptitude d'un processus à produire des pièces dans les limites de spécification (LSL / USL). Elle s'exprime par les indices Cp, Cpk, Pp et Ppk, piliers de la démarche Six Sigma, normalisés par la série ISO 22514 (et NF X06-033 côté français) et systématiquement demandés dans les dossiers de validation AIAG PPAP du secteur automobile.

1. Définition selon ISO 22514

La norme ISO 22514-1:2014 « Statistical methods in process management — Capability and performance — Part 1: General principles and concepts » (confirmée en 2024) définit la capabilité comme l'aptitude d'un processus stable à produire des résultats conformes aux exigences. Les formules d'estimation des indices sont détaillées dans ISO 22514-4, et ISO 22514-2 traite les processus dépendant du temps ainsi que les distributions non normales par la méthode des percentiles. Cette mesure suppose :

  • Un processus en contrôle statistique (pas de causes spéciales — carte X̄-R/S maîtrisée).
  • Une distribution normale (ou méthode percentile sinon — ISO 22514-2).
  • Des tolérances bilatérales ou unilatérales clairement définies (LSL, USL, ou les deux).

Côté français, la norme de référence est NF X06-033 « Aptitude des moyens de production et des processus de fabrication — Généralités », complétée par NF X06-034 et NF X06-037, ainsi que par les versions homologuées NF ISO 22514-x. Ces textes s'articulent avec les exigences clients automobiles (AIAG) et aéronautiques.

2. Cp vs Cpk vs Pp vs Ppk

Quatre indices, deux dimensions :

  • Court terme (Cp/Cpk) : utilise l'écart-type intra-sous-groupes estimé à partir de R̄/d2 ou s̄/c4. Reflète la capabilité machine ou processus à l'instant de la mesure.
  • Long terme (Pp/Ppk) : utilise l'écart-type global de l'échantillon complet (estimateur sans regroupement). Reflète la performance réelle observée, incluant dérives, changements d'équipe, lots matière.
  • Sans centrage (Cp/Pp) : indice "potentiel", ne regarde que la dispersion vs intervalle de tolérance.
  • Avec centrage (Cpk/Ppk) : indice "réel", pénalise le décentrage par rapport au milieu de l'intervalle.

On a nécessairement Cpk ≤ Cp et Ppk ≤ Pp (le décentrage ne peut que pénaliser l'indice). Et en pratique Ppk ≤ Cpk, parce que la dispersion long terme englobe la dispersion instantanée plus les dérives. Un écart important Cp − Cpk révèle un processus décentré (à recentrer) ; un écart Cpk − Ppk révèle des dérives dans le temps (à investiguer : usure outil, lots matière, équipes, dérive thermique).

Conséquence pratique : on ne déduit pas Pp/Ppk de Cp/Cpk. Ce sont deux calculs sur deux écarts-types différents. Beaucoup de calculateurs en ligne affichent les quatre indices à partir d'un seul écart-type saisi — ils sortent alors mécaniquement Cp = Pp et Cpk = Ppk, ce qui est faux et masque précisément l'information la plus utile : la dérive. Le calculateur ci-dessus demande donc les deux écarts-types séparément, et n'affiche une paire d'indices que si l'écart-type correspondant est disponible.

3. Formules détaillées

Cp  = (USL - LSL) / (6 × σCT)
Cpu = (USL - X̄) / (3 × σCT)
Cpl = (X̄ - LSL) / (3 × σCT)
Cpk = min(Cpu, Cpl)

Pp  = (USL - LSL) / (6 × σLT)
Ppu = (USL - X̄) / (3 × σLT)
Ppl = (X̄ - LSL) / (3 × σLT)
Ppk = min(Ppu, Ppl)

σCT = R̄ / d2  (étendue moyenne des sous-groupes)
σLT = √[ Σ(xᵢ - X̄)² / (n-1) ]

σCT est l'écart-type intra-sous-groupes (court terme), σLT l'écart-type global de l'échantillon (long terme), la moyenne mesurée, USL / LSL les limites supérieure / inférieure de spécification.

La constante d2 dépend de la taille du sous-groupe (manuel AIAG SPC) : 1,128 pour 2 pièces · 1,693 pour 3 · 2,059 pour 4 · 2,326 pour 5 · 2,534 pour 6 · 2,847 pour 8 · 3,078 pour 10. C'est cette table que le calculateur applique en mode « mesures brutes » pour estimer σCT — d'où l'importance de saisir les mesures dans l'ordre chronologique de production.

4. Exemple complet : calcul du Cp et du Cpk pas à pas

Prenons une cote usinée de 10 ± 0,05 mm (LSL = 9,95 mm, USL = 10,05 mm). Sur un échantillon de 50 pièces, on mesure une moyenne X̄ = 10,01 mm et un écart-type s = 0,012 mm :

IndiceCalculRésultatLecture
Cp(10,05 − 9,95) / (6 × 0,012)1,39≥ 1,33 : la dispersion tient dans la tolérance
Cpu(10,05 − 10,01) / (3 × 0,012)1,11marge côté tolérance haute
Cpl(10,01 − 9,95) / (3 × 0,012)1,67marge côté tolérance basse
Cpkmin(1,11 ; 1,67)1,11capable mais limite : > 1 donc la production reste majoritairement conforme, mais sous le repère de 1,33

Le diagnostic tient dans l'écart entre les deux indices : Cp 1,39 mais Cpk 1,11 signifie que le procédé est suffisamment précis mais décentré (+0,01 mm au-dessus de la cible). Inutile d'acheter une machine plus précise : un simple recentrage du réglage sur 10,00 mm ramènerait le Cpk au niveau du Cp (1,39), au-dessus du repère de 1,33 habituellement demandé en série. C'est tout l'intérêt de calculer les deux indices ensemble.

Deux précisions de vocabulaire souvent malmenées. Un Cpk de 1,11 n'est pas « non capable » : il est supérieur à 1, donc la dispersion tient encore dans la tolérance et l'essentiel de la production est conforme — il est insuffisant au regard du repère de 1,33, ce qui n'est pas la même chose. Et le 0,012 mm utilisé ici est un écart-type intra-sous-groupes : c'est ce qui autorise à parler de Cp et de Cpk. Calculé sur l'écart-type global de l'échantillon, le même jeu de mesures aurait donné un Pp et un Ppk, généralement plus faibles.

5. Six Sigma : 3.4 DPMO et Cpk ≥ 1.67

La méthode Six Sigma (Motorola, 1986 — popularisée par GE et Honeywell) vise une capabilité de 6 écarts-types entre la moyenne et la spécification la plus proche, soit un Cpk = 2.0 au sens strict. En incluant un décalage moyen de 1,5σ supposé en réalité long terme, et en ne comptant qu'une seule borne, on obtient les fameux 3,4 défauts par million d'opportunités (DPMO) — ce qui correspond à un Ppk long terme d'environ 1,5, soit un Cpk court terme d'environ 2,0. Dans la pratique industrielle, le repère de 1,67 est celui des caractéristiques spéciales sécurité automobile, pas celui du « vrai » Six Sigma : c'est un niveau d'exigence élevé mais intermédiaire. Le 6σ strict reste un objectif « best in class », visé sur les dispositifs médicaux implantables, l'aéronautique civile ou certaines applications semi-conducteur.

6. Niveaux Sigma et DPMO

Correspondance Z-score → DPMO sur l'échelle statistique court terme : loi normale réduite, deux bornes de tolérance, sans décalage de 1,5σ. C'est la convention de ce calculateur.

  • : 317 311 DPMO (68.3% conformes)
  • : 45 500 DPMO (95.5% conformes)
  • : 2 700 DPMO (99.73% conformes) — Cpk ≈ 1.00
  • : 63 DPMO (99.9937% conformes) — Cpk ≈ 1.33
  • : 0.57 DPMO (99.99994% conformes) — Cpk ≈ 1.67
  • : 0,002 DPMO — Cpk ≈ 2,00

Le calcul exact se fait par la fonction de répartition Φ de la loi normale (approximée ici par la fonction d'erreur erf — Abramowitz & Stegun 7.1.26, précision suffisante : moins de 0,4 % d'écart relatif jusqu'à Z = 6).

Ne comparez jamais deux niveaux Sigma sans préciser la convention. L'échelle Six Sigma historique (Motorola) ajoute un décalage de 1,5σ et ne compte qu'une borne : elle donne 3σ ≈ 66 800 · 4σ ≈ 6 210 · 5σ ≈ 233 · 6σ ≈ 3,4 DPMO. C'est l'origine des « 3,4 DPMO » et l'échelle de notre calculateur DPMO / Niveau Sigma. Les deux séries sont justes ; elles ne mesurent simplement pas la même chose. Un procédé à 4σ court terme sur deux bornes (63 DPMO) n'est pas un procédé à 4σ au sens Motorola (6 210 DPMO).

7. Exigences AIAG PPAP & IATF 16949

Le PPAP (Production Part Approval Process) AIAG, support de la norme automobile IATF 16949, impose des études de capabilité formalisées pour la validation initiale d'un produit. Premier point à savoir : IATF 16949 ne contient aucun seuil chiffré. Les critères d'acceptation relèvent des exigences spécifiques du client (CSR) — Ford, Stellantis, Renault et Volkswagen publient chacun les leurs — le manuel AIAG servant de référence recommandée.

Second point, celui qui est le plus souvent inversé sur le web : l'indice évalué change selon le moment.

  • Validation initiale (étude de présérie PPAP) → Ppk. Les données proviennent d'un run de production dont la stabilité statistique n'est pas encore démontrée : on ne peut donc pas revendiquer un indice court terme. Repère usuel : Ppk ≥ 1,67 pour les caractéristiques spéciales sécurité (Critical to Safety, marquage ▲ ou ◇ sur plan).
  • Production série, procédé sous contrôle → Cpk. Une fois la maîtrise statistique établie et démontrée par cartes de contrôle, le suivi se fait sur Cpk ≥ 1,33 pour les caractéristiques significatives.
  • Taille d'étude : typiquement 125 pièces prélevées dans un run de 300, en sous-groupes ordonnés de 3 à 5 pièces, conformément aux pratiques du manuel AIAG SPC.
  • En cas de non-atteinte : plan de contrôle renforcé (tri 100%, contrôle automatisé, dérogation client formelle) jusqu'à démonstration de la capabilité.

Retenir « Cpk ≥ 1,67 au PPAP » est l'erreur la plus fréquente sur ce sujet. Elle conduit à présenter un indice court terme là où le client attend une performance long terme — et un Cpk est presque toujours plus flatteur qu'un Ppk sur les mêmes pièces. Vérifiez systématiquement l'indice ET le seuil dans le CSR de votre client avant de constituer le dossier.

Les autres référentiels suivent une logique similaire : EN 9100 / AS9100 (aéronautique — FAI sur caractéristiques clés), ISO 13485 (médical — validation IQ/OQ/PQ), cGMP / FDA (pharmaceutique — Process Validation PV).

8. Hypothèses de validité

Trois conditions doivent être vérifiées avant tout calcul de capabilité, sous peine de résultats statistiquement invalides :

  1. Normalité : test de Shapiro-Wilk (n < 50), Anderson-Darling, ou droite de Henry. Si non-normalité, utiliser la méthode des percentiles ISO 22514-2 ou une transformation (Box-Cox, Johnson).
  2. Stabilité statistique : carte de contrôle X̄-R (sous-groupes de 2 à 9 pièces) ou X̄-S (au-delà de 9). Aucun point hors limites, pas de tendance ni de cycle. Sans cette étape, un Cpk n'a pas de sens : l'indice court terme suppose un procédé sous contrôle.
  3. Indépendance : les mesures ne doivent pas être autocorrélées. Vérifier par graphique séquentiel ou test de Durbin-Watson.

9. Comment améliorer un Cpk faible

Stratégies d'amélioration par ordre de priorité :

  1. Recentrer le processus (si Cpk << Cp) : étalonnage, choix d'un nominal cible mieux placé, réglage opérateur.
  2. Réduire la variance : AMDEC processus, capabilité machine (MQ — Maschinenfähigkeit, méthode allemande), plan d'expériences DoE, formation, maintenance préventive renforcée, contrôle entrée matière.
  3. Élargir les tolérances si fonctionnellement justifié (à valider avec BE et client).
  4. Plan de surveillance renforcé en attendant : tri 100%, cartes SPC, double validation, dérogation client formalisée.

10. Tailles d'échantillon recommandées

La précision des indices Cpk dépend fortement de n :

  • n < 30 : intervalle de confiance très large (±30 à 50%), peu fiable.
  • n = 30-50 : usage interne possible, à confirmer.
  • n ≥ 100 : recommandé pour Pp/Ppk et études PPAP.
  • n ≥ 125 (25 sous-groupes de 3 à 5 pièces, prélevés dans un run de 300) : pratique AIAG pour une étude initiale PPAP.

11. Erreurs fréquentes

  1. Mesures non stables : calculer Cpk sur un processus en dérive donne un résultat statistiquement invalide.
  2. Mélange de population : plusieurs équipes / machines / lots avec moyennes différentes surévaluent σ.
  3. Mauvais écart-type : utiliser l'écart-type global (n-1) pour calculer Cp/Cpk. Cet estimateur englobe les dérives : il donne en réalité un Pp/Ppk. Cp/Cpk exigent σCT = R̄/d2, estimé à l'intérieur des sous-groupes.
  4. Trop peu de mesures : à n < 30, l'intervalle de confiance sur Cpk est si large que l'indice ponctuel ne prouve rien — un Cpk de 1,33 sur 30 pièces peut valoir 1,05 en réalité.
  5. Tolérance unilatérale traitée en bilatérale (ovalité, planéité, défauts de forme géométrique).
Publicité

Questions fréquentes — Cp / Cpk / Pp / Ppk

Cp mesure la dispersion par rapport à l'intervalle de tolérance sans tenir compte du centrage : Cp = (USL - LSL) / (6σ). Cpk intègre en plus le décalage par rapport au milieu de l'intervalle : Cpk = min((USL - X̄)/(3σ), (X̄ - LSL)/(3σ)). Un Cp élevé associé à un Cpk faible révèle un processus précis mais décentré, qu'il faut recentrer plutôt que réduire la variance.

Selon AIAG et ISO 22514 : Cp/Cpk reposent sur l'écart-type intra-sous-groupes σCT = R̄/d2 (court terme). Pp/Ppk reposent sur l'écart-type global σLT (long terme, n ≥ 100). Cp/Cpk reflètent la capabilité machine à l'instant T, Pp/Ppk la performance réellement subie par le client (dérives, équipes, lots matière). En pratique : Ppk ≤ Cpk. Point clé : ce sont deux écarts-types différents, donc on ne déduit jamais une paire de l'autre.

IATF 16949 ne fixe aucun seuil chiffré : les critères relèvent des exigences spécifiques du client (CSR), le manuel AIAG PPAP servant de référence recommandée. La convention AIAG distingue deux temps — et c'est le point le plus souvent inversé. Validation initiale PPAP → Ppk ≥ 1,67 pour les caractéristiques spéciales sécurité (Critical to Safety), car la stabilité du procédé n'est pas encore démontrée. Production série sous contrôle → Cpk ≥ 1,33 pour les caractéristiques significatives. Étude typique : 125 pièces issues d'un run de 300, en sous-groupes de 3 à 5. En cas de non-atteinte : plan de contrôle renforcé (tri 100%, contrôle automatisé, dérogation client formalisée).

6 écarts-types entre la moyenne et la spécification la plus proche → Cpk = 2,0 au sens strict. En intégrant le décalage de 1,5σ supposé par Motorola et en ne comptant qu'une borne, on obtient les 3,4 DPMO célèbres, soit un Ppk long terme d'environ 1,5. Attention aux deux échelles : sur l'échelle Motorola (décalée, 1 borne) 3σ ≈ 66 800 · 4σ ≈ 6 210 · 5σ ≈ 233 · 6σ ≈ 3,4 DPMO ; sur l'échelle statistique court terme (non décalée, 2 bornes) 3σ = 2 700 · 4σ = 63 · 5σ = 0,57 DPMO. Les deux sont exactes mais ne mesurent pas la même chose — ce calculateur utilise la seconde.

Manuel AIAG SPC : 25 sous-groupes de 3 à 5 pièces minimum (75 à 125 mesures) pour Cp/Cpk court terme. n ≥ 100 pour Pp/Ppk long terme. Avec n < 30, intervalles de confiance très larges : un Cpk = 1.33 calculé sur 30 mesures peut être en réalité compris entre 1.05 et 1.61 avec 95% de confiance.

Trois leviers : 1) Recentrer (si Cpk << Cp) — étalonnage, nominal cible mieux placé. 2) Réduire la variance — AMDEC processus, capabilité machine, DoE, maintenance préventive, formation, contrôle matière. 3) Élargir les tolérances si justifié (à valider BE + client). En attendant : plan de surveillance renforcé (tri 100%, SPC, dérogation client formalisée).

DPMO = (Φ(-Zu) + Φ(-Zl)) × 1 000 000, avec Zu = (USL - X̄) / σ et Zl = (X̄ - LSL) / σ. Pour un processus centré : Cpk = 1,0 → Z = 3 → DPMO ≈ 2 700. Cpk = 1,33 → Z = 4 → DPMO ≈ 63. Cpk = 1,67 → Z = 5 → DPMO ≈ 0,57. Ces valeurs sont sur l'échelle court terme, deux bornes, sans décalage. L'échelle Six Sigma historique ajoute 1,5σ de décalage et ne compte qu'une borne : c'est de là que viennent les 3,4 DPMO du 6σ, qui correspondent en fait à un Cpk court terme d'environ 2,0.

Oui, distribution normale + processus en contrôle statistique. Vérification préalable : tests Shapiro-Wilk, Anderson-Darling, droite de Henry pour la normalité ; carte X̄-R ou X̄-S pour la stabilité. Si non-normalité (rectitude, planéité, défauts de forme) : méthodes percentiles ISO 22514-2 (quantiles 99.865% / 0.135%) ou transformations Box-Cox / Johnson.

Cinq pièges : 1) Calculer Cpk sur un processus instable (causes spéciales). 2) Mélanger plusieurs populations (équipes, machines, lots) → σ surévalué. 3) Confondre s (n-1) et σ intra-sous-groupes pour Cp/Cpk. 4) Trop peu de mesures (n < 30) sans intervalle de confiance. 5) Tolérance unilatérale traitée en bilatérale (ovalité, planéité).

Pas d'obligation réglementaire générale, mais exigences contractuelles fortes : automobile (AIAG PPAP + IATF 16949), aéronautique (EN 9100 / AS9100 — FAI), médical (ISO 13485 — IQ/OQ/PQ), pharma (cGMP, validation PV), nucléaire (RCC-M, ASME). Normes méthodologiques : ISO 22514-1 (principes généraux et concepts), ISO 22514-4 (estimations de capabilité et mesures de performance), ISO 22514-2 (processus dépendant du temps, méthodes par percentiles pour les lois non normales) et, côté français, NF X06-033 (aptitude des moyens de production et des processus de fabrication).
Publicité

Repères Cp/Cpk 2026

Cpk < 1.00Non capable
Cpk 1.00 - 1.33Limite
Cpk 1.33 - 1.67Capable
Cpk ≥ 1.67Six Sigma

3σ → DPMO2 700
4σ → DPMO63
5σ → DPMO0.57
6σ → DPMO3.4 (LT)

PPAP auto sérieCpk ≥ 1.33
PPAP sécuritéCpk ≥ 1.67
n mini Cp/Cpk30 (idéal 125)
n mini Pp/Ppk100
Portail HSE & Qualité

Tous les outils sécurité & qualité.

Voir le portail