introduction a la maitrise statistique des procedes de separation
Transcription
introduction a la maitrise statistique des procedes de separation
10 ACTA ELECTROTEHNICA Application de la maîtrise statistique des procédés au pilotage d’un processus de séparation électrostatique K. SENOUCI, K. MEDLES, A. BENDAOUD, M. YOUNES, S. DAS and L. DASCALESCU Résumé- La variabilité des résultats est souvent déplorée par les utilisateurs de l'équipement de séparation électrostatique. Cet article a pour but de montrer comment la maîtrise statistique des procédés (MSP) contribue à l'amélioration de la satisfaction globale des utilisateurs. Afin de valider un procédé pour l'évaluation des possibilités à court et à long terme du procédé de la séparation électrostatique, une série d'expériences a été effectuée sur des échantillons câbles électriques granulés, semblables aux déchets actuellement traités dans l'industrie de récupération. Ensuite, à partir des données expérimentales obtenues, on a calculé les limites supérieures et inférieures de deux types de carte de contrôle. Ce genre d’étude permet d’établir des recommandations basées sur l’expérimentation qui peuvent être utiles à l’exploitant de la séparation électrostatique Abstract- The variability of the outcome is often deplored by the users of electrostatic separation equipment. This paper is written with the aim of showing how statistical process control methods could contribute to the improvement of users’ overall satisfaction. In order to validate a procedure for evaluation the short and long term capability of the electrostatic separation process, the authors carried out a series of experiments on samples of chopped electric cable wastes, similar to those currently processed in the recycling industry. Then a set of experimental data enabled the computation of the upper and lower limits of two types of control charts. Several reco7mmendations have been formulated based on authors experience as consultants for the recycling industry I- INTRODUCTION La séparation électrostatique des mélanges granulaires est une technologie efficace pour le traitement des déchets industriels [1-6]. Pendant les deux dernières décennies, la demande de l'industrie pour le développement de nouvelles applications, particulièrement dans l'industrie de traitement des minerais et de recyclage [7-8] s'est rapidement développée. Pour chacune de ces applications, la qualité des produits est une question cruciale. La maîtrise statistique des procédés (MSP) s'est avérée être un outil efficace pour le contrôle en cours de fabrication et d’assurer la stabilité de la qualité tout le long du processus d’élaboration du produit. La naissance de la M.S.P. remonte à la fin des années 20 grâce aux célèbres travaux de Shewhart [11] où ce dernier propose de déceler les causes de non qualité d’un produit à partir de tests statistiques sous forme graphique ; la carte de contrôle est née. Dans les décennies qui ont suivi, la M.S.P. s’est enrichie d’outils modernes répondant à de nouvelles attentes des industriels. Parmi les applications de la M.S.P, nous nous limiterons à l’étude des outils dédiés aux critères mesurables [13]. Ces outils, aussi différents soient ils, s’appuient sur deux concepts essentiels de la M.S.P [16]: Volume 47, Number 1, 2006 ¾ L’analyse de la capabilité ; ¾ Le pilotage par carte de contrôle. Bien que les concepts de capabilité et de carte de contrôle n’aient pas été introduits en même temps, ils sont très étroitement liés. Une étude de capabilité permet de définir si le procédé de fabrication est apte à fournir un produit avec le niveau de qualité requis. Les indices de capabilité consistent en effet à comparer la qualité d’une production sur une période donnée, par rapport à un objectif donné. Tandis que les cartes de contrôle permettent de piloter un procédé, afin de maintenir et d’améliorer sa capabilité. Malgré plusieurs études publiées concernant le point optimal de fonctionnement d’un séparateur électrostatique à cylindre tournant [8-10], aucune procédure standard n'est disponible pour appliquer la MSP et afin d’identifier les facteurs qui devraient être mieux commandés pour que le processus soit déclaré robuste. La difficulté du problème réside dans le fait que la séparation électrostatique est un processus multifactoriel. Dans un séparateur électrostatique à effet couronne (Figure. 1), la liste des facteurs influant les résultats du processus inclue entre autres le débit de la matière, la granulométrie des particules, le niveau de la haute tension, la configuration des électrodes, la vitesse de rotation [6]. Vibro-transporteur Electrode couronne haute tension s1 Tambour tournant α1 s2 α2 R γ2 Brosse γ1 Electrode statique Parois du collecteur Produit conducteur Produit isolant Mixte Figure 1. Variables d'un procédé électrostatique de séparation. Le mélange granulaire à séparer est déposé avec un débit réglable sur la surface 11 de l'électrode cylindrique, qui tourne avec une vitesse contrôlée. Le champ électrique qui permet la séparation dans ces installations est produit entre ce tambour et une ou plusieurs électrodes reliées à un générateur de haute tension [6]. Les particules isolantes sont chargées par bombardement d'ions dans la zone de champ couronne [6] et adhèrent à la surface de l'électrode rotative par la force d’image électrique [8]. Les particules conductrices, qui ne sont pas affectées par le champ de couronne, sont chargées par induction électrostatique en contact avec le tambour relié à la terre et sont attirées par l'électrode statique. Le niveau de la haute tension et l’intervalle inter-électrodes déterminent l'intensité du champ électrique et par conséquent l'importance des forces électriques exercées sur les particules. II- NOTION DE LA CAPABILITE On définit la capabilité d’un moyen de production comme étant une quantification de la performance réelle du procédé par rapport à la performance souhaitée. La traduction en langage mathématique de cette définition donne lieu, encore à l’heure actuelle, à beaucoup de discussions. Deux questions se posent en effet, à savoir: [13] 9 Quelle est la traduction de la performance souhaitée? 9 Comment mesurer la performance réelle ? Si tout le monde est à peu près d’accord pour prendre un intervalle de tolérance comme référentiel de la performance, le calcul de la performance réelle suscite encore quelques interrogations. Deux générations d’indicateurs de capabilité ont ainsi vu le jour : ¾ Les indicateurs de première génération qui s’appuient sur un calcul de la dispersion des mesures (Rapports Cp et Cpk). ¾ Les indicateurs de deuxième génération, qui se basent sur la fonction perte introduite par Taguchi (Rapport Cpm). 12 ACTA ELECTROTEHNICA 1- Les indicateurs - Cp et Cpk Les indicateurs de capabilité Cp et Cpk sont largement utilisés dans l’industrie pour définir la qualité d’un produit livré au client. Rappelons les formules de ces indicateurs, données par les équations (1): TI IT ⎛ T − m, m − TI ⎞ , C pk = Min ⎜ S ⎟ (1) 6.s 3s ⎝ ⎠ 1 n Où : m = ∑ ( X i ) est la moyenne de la n i =1 population, n s= ∑(x i =1 i − m) 2 : est l’écart type de la n −1 population avec : IT : Intervalle de tolérance. TS et TI : respectivement les tolérances supérieure et inférieure. Ces deux indicateurs de capabilité sont indissociables si l’on souhaite formaliser correctement le niveau de qualité d’une production. L’utilisation des seuls facteurs Cp et Cpk ne permet pas une interprétation aisée de la qualité d’une production. Il est en outre plus difficile de comparer deux productions lorsque leurs Cp et Cpk sont différents. Le besoin d’un indicateur de capabilité plus synthétique se fait donc ressentir. Produit 1 Produit 2 Figure 2 : Ecart par rapport à la cible. écart d’un critère par rapport à la valeur cible est dommageable pour la qualité du produit. Il propose donc d’évaluer la « non qualité » d’une production en calculant un écart quadratique moyen par rapport à la cible, cette procédure est plus connue sous le nom de « fonction perte de Taguchi ». La perte engendrée par une valeur individuelle est évaluée par L = K ( X − Cible ) 2 (2) Où : K : une constante qui dépend du problème posé. X : valeur prise par la caractérisation. Cible : Valeur cible recherchée. Dans le cas d’un échantillon de moyenne m et d’écart type s la perte moyenne par produit est donnée par la relation suivante: L = K ( s ² + ( m − Cible ) ² ) 2- L’indicateur Cpm : L’indicateur Cpm a été introduit par Hsiang T.C. et Taguchi G. [11] bien après l’utilisation des deux indicateurs Cp et Cpk. Cet indicateur a la particularité de prendre en compte à la fois la dispersion et le centrage de la production. Son avantage est donc de fournir une indication précise sur la qualité de la production au travers d’une seule valeur. Le principe du Cpm repose sur la considération suivante: Le principal critère utilisé pour juger si un produit est de qualité ou ne l’est pas, est de vérifier si les critères qui le caractérisent sont conformes aux spécifications. En tout état de cause, un produit qui est juste à l’extérieur des tolérances sera rejeté alors TS IT Cible Cp = qu’un produit qui est juste à l’intérieur de ces tolérances est jugé satisfaisant alors que la qualité intrinsèque de ces deux produits est peu différente (Figure 2). Taguchi considère au contraire que tout (3) L’indicateur Cpm est quant à lui défini par: C pm = IT 6 s ² + ( m − Cible ) ² (4) Note : Les formules de calcul des indicateurs Pp , Ppk et Ppm (long terme) sont strictement identiques aux formules de calcul Cp, Cpm et Cpk (court terme) III- LES CARTES DE CONTROLE Volume 47, Number 1, 2006 1- Les principes de base Les cartes de contrôle sont des outils indispensables pour réaliser un pilotage rationnel du procédé de fabrication. Une application rigoureuse de cette méthode permet d’améliorer de manière significative la capabilité du procédé pour deux raisons : [14] ¾ L’emploi de critères de décisions statistiques permet de réduire les erreurs liées à un réglage inopportun ou à une absence de réglage. Il en résulte une augmentation du rendement de stabilité. ¾ De plus, l’application d’une politique consistant à viser une valeur cible permet d’augmenter le rendement de réglage 2- Dispersion instantanée et dispersion globale Lorsque nous avons abordé la notion de capabilité, nous avons bien sûr parlé de la dispersion du procédé. Cette variabilité provient de l’ensemble du procédé de production que l’on décompose généralement en cinq sources élémentaires de dispersion (les 5M) et, par conséquent, cinq causes fondamentales de la non qualité: Machine, Main d’œuvre, Matière, Méthodes et Milieu [16]. L’objectif de la qualité étant de réduire l’influence des causes de dispersion, on ciblera tout naturellement notre action sur les 5M du procédé. Or, il est souvent difficile d’agir sur la dispersion de la machine, à moins d’investissements importants. Cette dispersion résiduelle, que l’on qualifie aussi de «dispersion naturelle », détermine donc la capabilité maximale que l’on puisse atteindre: c’est la capabilité machine. On distinguera donc deux types de dispersion (Figure 3): la dispersion instantanée causée par la machine et dans une moindre mesure les «autres M», et la Dispersion instantanée Dispersion globale Temps Procède instable Dispersion instantanée Dispersion globale Procède stable Temps Figure 3 : Procédés instable et stable. 13 dispersion globale qui est une résultante des variations causées par les 5M sur la période de production. Pour réduire la dispersion globale du procédé et, donc, pour que la capabilité du procédé tende vers la capabilité machine, il est nécessaire de limiter les variations de consigne de la machine en la pilotant. Le problème qui se pose alors est de distinguer les écarts du procédé qui sont naturels, de ceux qui doivent entraîner un réglage. 3- Détermination de la carte de contrôle Nous supposons que la distribution de la spécification à contrôler suit une loi normale (ou sensiblement normale). Pour suivre l'évolution du procédé, des prélèvements d'échantillons sont effectués régulièrement (par exemple: 3 relevées toutes les demi-heures). Pour chaque échantillon certains paramètres (la moyenne, l'étendue…) sont calculés sur la caractéristique à surveiller. Ces valeurs sont portées sur un graphique qu’on appelle la carte de contrôle. [11] Au fur et à mesure qu'elle se remplit, la carte de contrôle permet la visualisation de l'évolution du processus. Sur cette carte on défini: ¾ les limites supérieure et inférieure de contrôles LSC , LIC, ¾ les limites supérieure et inférieure de surveillance LSS , LIS. IV- MATERIEL ET METHODE Un séparateur électrostatique à cylindre tournant se trouvant à l'Institut Universitaire de Technologie d’Angoulême (France) a été utilisé pour l'étude expérimentale. Afin de simuler les conditions d’une installation industrielle, les positions angulaire (α1 =30°) et radiale (d1=40mm) de l'électrode couronne, les positions angulaire (α2= 70°) et radiale (d2= 70 mm) de l'électrode statique, ainsi que 14 ACTA ELECTROTEHNICA la position angulaire γ1=30° de la paroi du collecteur ont été maintenues fixe pour toutes les expériences (revoir la Figure 1). Les essais sont effectués sur trois échantillons granulaires, issus du broyage des câbles électriques mis à notre disposition par ALCATEL, France. La masse de chaque échantillon utilisé est 100 g, dont 5% de cuivre et 95% de PVC, de dimension granulaire moyenne comprise entre 1 et 2 millimètre. Les produits sont récupérés dans trois compartiments différents: conducteur, nonconducteur, et mixte. Le produit mixte a été pesé avec une balance électronique (précision : 0,01 g). Une procédure expérimentale en trois étapes a été adoptée: Étape 1: Identifier le point de fonctionnement optimal (Uopt,, nopt et γ2opt) en utilisant le plan composé à faces centrées CCF (17 essais). Étape 2 : Calcul de la performance du procédé à court terme et à long terme , ainsi que les intervalles de confiance sur les capabilités. Etape 3 : Etablir deux cartes de contrôle du processus V-RESULTATS Etape1 : Recherche des valeurs optimales Tous les essais ont été effectués avec les mêmes échantillons, avec les valeurs optimales de la tension U, de la vitesse n et de la position angulaire γ2 établies par le plan d’expérience, selon la procédure décrite dans la référence [10], dans des conditions climatiques stables de température T=20– 22°C et d’humidité RH=28– 30%. Les valeurs optimales données par le Logiciel MODDE 5.0 sont les suivantes Uopt= 31,6 kV, nopt=75 tr/min, γopt=-6°. Pour l’intervalle de tolérance on va prendre les valeurs suivantes : Cible=0,76g, TS=0,91g, et TI = 0.51g c’est valeurs sont en accord avec l’intervalle de tolérance calculé par le MODDE5.0. Etape 2 : Calcul de la capabilité Nous avons utilisé trois échantillons comprenant chacun 95g de PVC et 5g de Cuivre, avec lesquels nous avons effectué 60 essais de séparation en utilisant les valeurs optimales mentionnées ci-dessus. A chaque demi-heure, nous effectuons un essai de séparation sur chacun de trois échantillons, que nous avons répété 20 fois durant une même journée. A chaque essai, nous mesurons la masse du produit mixte Mm tout en relevant la température et le taux d’humidité. Les résultas des expériences sont donnés par le tableau 1 : Tableau 1 : Mesures de la masse du produit mixte Mm des 3 échantillons, relevées à chaque demi-heure. Exp RH% T° ECh1 ECh2 ECh3 X W Xg Wg 1 27,5 20,2 0,73 0,72 0,70 0,72 0,03 2 27,6 20,2 0,74 0,70 0,71 0,72 0,04 3 27,6 20,9 0,75 0,71 0,68 0,71 0,07 4 27,5 20,9 0,73 0,72 0,63 0,69 0,10 5 28,5 20,6 0,74 0,73 0,65 0,71 0,09 6 28,3 21,2 0,78 0,71 0,68 0,72 0,10 7 28,9 21,1 0,81 0,68 0,68 0,72 0,13 8 29 20,9 0,80 0,67 0,67 0,71 0,13 9 28,4 21,2 0,79 0,65 0,70 0,71 0,14 10 28,4 21,2 0,75 0,63 0,71 0,70 0,12 11 29,7 21,3 0,71 0,64 0,69 0,68 0,07 12 29 22,1 0,72 0,69 0,69 0,70 0,03 13 28 22,1 0,73 0,70 0,71 0,71 0,03 14 29,6 21,1 0,75 0,71 0,65 0,70 0,10 15 29,1 21,4 0,71 0,72 0,63 0,69 0,09 16 29,7 20,9 0,70 0,71 0,65 0,69 0,06 17 30 20,9 0,69 0,71 0,68 0,69 0,03 18 29,4 20,6 0,71 0,73 0,69 0,71 0,04 19 29,6 20,5 0,77 0,75 0,67 0,73 0,10 20 29,5 20,4 0,69 0,70 0,69 0,69 0,01 0,74 0,74 0,74 0,75 0,78 0,80 0,80 0,78 0,75 0,73 0,72 0,73 0,73 0,72 0,70 0,70 0,72 0,72 0,02 0,02 0,02 0,05 0,07 0,03 0,02 0,05 0,08 0,04 0,02 0,03 0,04 0,05 0,02 0,02 0,08 0,08 a. Capabilité à court terme : (en considérant l’Ech 1) A partir des 10 premières expériences de l’échantillon Ech1, et en utilisant les formules de Cp, Cpk et Cpm exprimées par les relations (1 et 4) on trouve : Cp=2,3 ; Cpk=1,6 et Cpm= 2,3 Volume 47, Number 1, 2006 A partir des 20 expériences réalisées toujours avec l’échantillon 1(Ech1) et dans les mêmes conditions climatiques on trouve : Cp=1,9 ; Cpk=1,5 et Cpm=1,9. b. Capabilité à Long terme :(en considérant les 3 échantillons) : A partir de la totalité des expériences, qui modélisent la variabilité des caractéristiques des matériaux à séparer, on obtient les valeurs suivantes des indicateurs : Pp=1,6 ; Ppk=1,6 et Ppm= 1,5 Etape 3 : Cartes de contrôle Pour le pilotage d’un processus, on établit deux types de carte de contrôle en utilisant les formules citées ci dessous. Afin d’illustrer la façon de représentation des valeurs sur une carte de contrôle, nous exploitons à nouveau les résultats obtenus dans le tableau 1. Calcul des limites de contrôle: Pour tracer ces limites, on à besoin: 9 de la valeur moyenne de la production représentée dans la carte par la moyenne des moyennes des Xi, exprimée par la relation suivante : 1 n X = ∑ (Xi ) n i =1 Pour l’essai N°1 : W1 = 0.73-0.7 = 0.03g. Pour Calcul des limites pour la carte de contrôle de la moyenne, nous utilisant: 9 Limites de contrôle : Limite Supérieure : LSC X = X + KW (7) Limite Inférieure : LIC X = X − KW (8) 9 Limites de Surveillance : 2 Limite Supérieure : LSS X = X + KW (9) 3 2 Limite Inférieure : LIS X = X − KW (10) 3 Calcul des limites pour la carte de contrôle des étendues : 9 Limites de contrôle. Supérieure : LSCW = AW (11) Inférieure : LICW = BW (12) 9 Limites de Surveillance 2 Supérieure LSSW = W + ( AW − W ) (13) 3 2 Inférieure LISW = W + ( BW − W ) (14) 3 Les coefficients A, B et K sont fonction de du nombre d’échantillons :. Tableau II: coefficients pour le calcul des limites. (5) Avec n= nombre d’expériences. Dans le cas des mesures effectuées sur les trois échantillons, reportées dans le tableau I, nous avons : Xi : moyenne de masse mixte entre les trois échantillons, pour un essai. Par exemple, pour l’essai 1 ; Xi= (0.73+0.72+0.7)/3. 9 Dans la carte de contrôle, c'est la moyenne W des étendues W qui est le reflet de la dispersion. 1 n W = ∑ Wi n i =1 15 Nombres des 2 3 4 5 6 7 échantillon A 2.574 2.282 2.114 2.004 1.924 1.864 B 0 0 0 0 0.076 0.136 K 1.023 0.729 0.577 0.483 0.419 0.373 1- Carte de contrôle moyennes / entendues Les figures 4 et 5, montrent respectivement les cartes de contrôle des moyennes et des étendues. 0, 80 LSCX 0, 76 LSSX 0, 72 0, 68 (6) LISX 0, 64 LICX 0, 60 0 où : Wi : étendue entre la valeur minimale et maximale des 3 échantillons. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Figure 4 : Carte contrôle des moyennes. 18 19 20 21 16 ACTA ELECTROTEHNICA LSCW 0.20 0,12 LSSW 0.16 0,10 0,08 0.12 0,06 0.08 0,04 LISW 0.04 0,02 LICW 0,00 0.00 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Figure 5 : Carte contrôle des étendues. On calcule la moyenne notée X on porte cette moyenne sur la Figure.4 (les points dans la figure). De même, on calcule l’étendue entre les échantillons d’un même essai, qu’on porte sur la Figure 5. Sur la carte des moyennes, la ligne en pointillé matérialise la valeur souhaitée de réglage. Ici elle a été fixée à la valeur moyenne X = 0, 71 . Les lignes supérieures sont appelées limites supérieures de contrôle et de surveillance et les lignes inférieures sont appelées les limites inférieures de contrôle et de surveillance. 2- Carte de contrôle aux valeurs individuelles moyenne glissante / Etendue glissante Dans le cas où le nombre d’échantillons est ramené à 1, il devient impossible de mesurer une étendue ou écart type tel que nous l’avions fait pour l’autre carte. Pour cela on utilise une autre carte appelée carte de contrôle aux valeurs individuelles moyenne glissante/étendue glissante. Celle-ci consiste à relever sur un tableau la moyenne et l’étendue calculées sur 3 essais consécutifs. De cette façon pour l’échantillon1 par exemple, on obtient les résultats reportés au tableau, calculés par glissement de 3 essais à chaque fois. Les résultats obtenus nous permettent de tracer les cartes de contrôle montrées sur les Figures 6 et 7. 0,83 0,80 Figure 7 : carte contrôle des étendues glissantes. VI- DISCUSSION La première étape de travail nous a permis de déterminer les valeurs optimales du procédé de la séparation électrostatique. La procédure utilisée à cet effet a fait l’objet de deux papiers précédents [8,10]. Quant à la deuxième étape, elle a abouti à la détermination de la capabilité du procédé pour le court et le long terme. Dans l’interprétation de ces valeurs il faut tenir compte de l’incertitude liée au nombre d’expériences, En effet, en utilisant les coefficients de confiance donnés dans la référence [13], nous avons trouvé que les Cp pour les deux cas sont d’environ de 1,4. Pour le long terme on trouve Pp=1,35. La carte de type moyennes/étendues, établie dans la troisième étape de la procédure décrite ci-dessus, permet de suivre l’évolution d’un procédé en prélevant plusieurs échantillons à une fréquence établie en rapport avec la vitesse plus ou moins élevée des variations de la réponse mesurée. Dans le cas ou la taille de l’échantillon est limitée à un prélèvement à la fois, on doit utiliser le deuxième modèle de carte de contrôle que nous avons établi : la carte des valeurs individuelles à moyenne glissante/étendue glissante. L’application de ces cartes faire l’objet d’une étude en cours, dont les résultats seront présentés dans un prochain article. 0,77 0,74 VI- CONCLUSIONS 0,71 0,68 0,65 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Figure 6 : carte contrôle des moyennes glissante. Une stratégie en trois étapes est recommandée pour l’utilisation de la MSP dans les séparateurs électrostatiques à cylindre tournant afin de contrôler la qualité Volume 47, Number 1, 2006 tout le long du processus de traitement du produit. Les résultats présentés dans cet article sont valides seulement pour une catégorie bien définie de matériaux traités (déchets de câbles électriques broyés), mais une approche semblable pourrait être adoptée d'autres applications. REMERCIEMENTS Ce travail de recherche a été réalisé avec le financement des gouvernements français et algérien, dans le cadre d’un projet CMEP (Tassili), et de la Commission Européenne, dans le cadre d’un programme FEDER. Un des auteurs (KM) bénéficie d’une bourse d’études doctorales en alternance à l’Université de Poitiers. REFERENCES 1. O.C. Ralston, Electrostatic Separation of Mixed Granular Solids. Amsterdam: Elsevier, 1961. 2. J.E. Lawver and W.P. Dyrenforth, "Electrostatic separation," in A.D. Moore (Ed.), Electrostatics and Its Applications. New York: Wiley, 1973, pp. 221-249. 3. I.I. Inculet, Electrostatic Mineral Separation. New York: Wiley, 1986. 4. I.I. Inculet, G.S.P. Castle, and J.D. Brown, “Electrostatic separation of plastics for recycling,” Particulate Science and Technology, vol. 16, pp. 77-90, 1998. 5. A.D. Dance, T. Kojovic, and R.D. Morrison, “Development of electrostatic separation models for the mineral sands industry,” Proc. Extractive Metallurgy, Perth, 1991, pp. 13-18 6. R. Morar, A. Iuga, L. Dascalescu, and A. Samuila, “Factors which influence the insulation-metal electroseparation,” J. Electrostatics, vol. 30, pp. 403-412, 1993. 7. A. Iuga, V. Neamtu, I. Suarasan, R. Morar, L. Dascalescu, “High-voltage supplies for coronaelectrostatic separators,” IEEE Trans. Ind. Appl., vol. 34, pp. 286-293, 1998. 8. K. Medles, A. Tilmatine, A. Bendaoud, M. Younes, M. Rahli, L. Dascalescu, “Identification du point optimal de fonctionnement et évaluation de robustesse des procédés électrostatique de séparation » quatrième conférence SFE, 2004. 9. A. Iuga, R. Morar, A. Samuila, I. Cuglesan, M. Mihailescu, L. Dascalescu, “Electrostatic separation of brass from industrial wastes,” IEEE Trans. Ind. Appl., vol. 35, pp. 537-542, 1999. 17 10. K. Medles, A. Tilmatine, M. Younes, S. Flazi , L. Dascalescu “Set point identification and robustness testing of electrostatic séparation proesses.” IEEE Trans Ind. Appl., 1959- 1966 vol.3, 2004 ISSN: 0197-2618. 11. B.W. Silverman “Density Estimation for Statistics and Data Analysis” Chapman and Hall1952. 12. E. Duclos « Contribution à la maîtrise statistique des procédés cas des procédés non normaux » Thèse ESI d’ANNECY (ESIA) 1997. 13. M.Pillet « Appliquer la Maîtrise Statistique des Procédés (MSP/SPC)» Editions d’organisation– 997. 14. AFNOR Norme NF X 06-031-0 « Application de la Statistique - Cartes de contrôle - Principes Généraux » - 1995. 15. AFNOR Norme NF X 06-031-1 « Application de la Statistique - Cartes de contrôle de Shewhart aux mesures » –1995 ISSN 0335-3931. 16. Ph. Caperaa & B. Van Cutsem « Méthodes et modèles en statistiques non paramétriques » Exposé fondamental Presse de l'université Laval DUNOD – 1988. 17. H.A. David “Order Statistics” - New York - Willey – 1981. 18. L. Dascalescu, A. Mihalcioiu A. Tilmatine, K. Medles, A. Samuila, « Effect of Ambient Humidity on the Outcome of Electrostatic Separation Processes », ”IEEE Trans Ind. Appl., 1947-1953 vol.3, 2004 ISSN: 0197-2618. 19. M. Mihailescu, A. Samuila, A. Urs, R. Morar, A. Iuga, and L. Dascalescu, “Computer-assisted experimental design for optimization of electrostatic separation processes,” IEEE Trans Ind. Appl., vol. 38, pp. 1174-1181, 2002. 20. L. Eriksson, E. Johansson, N. Kettaneh-Wold, C. Wikstöm, and S. Wold, Design of Experiments. Principles and Applications.Umeaa, Sweden: Umetrics, 2000. 21. L. Dascalescu, A. Tilmatine, M. Mihailescu, A. Mihalcioiu, A. Samuila, “A linear-interaction model for electrostatic separation processes,” Conf. Rec. 2002 IEEE/IAS Annual Meeting, Pittsburgh, paper 36-5. 22. R.K. Roy, Design of the Experiments Using Taguchi Approach. 16 Steps to Product and Process Improvement. New York: Wiley, 2001. 23. Y. Wu and W.H. Moore, Quality Engineering Product and Process Optimization. Dearborn, Michigan: American Supplier Institute, 1986. K. Senouci K. Medles A.Bendaoud M. Younes Laboratoire IRECOM Département d'Electrotechnique Université Djillali Liabes Sidi-Bel-Abbes, Algérie 18 ACTA ELECTROTEHNICA S. Das L. Dascalescu Unité de recherche Electronique et Electrostatique LAII-ESIP, UPRES-EA 1219 Institut Universitaire de Technologie 4 avenue de Varsovie 16021 Angoulême Cedex, France Email : [email protected] ou [email protected]