La dmarche 6 Sigma, Phase de Mesure (Mthode de la mesure des DPMO)
Rsum
Lo niee en ploce Je lo Jenorcle 6 Signo e`effec/ue generolenen/ en cinq e/opee principolee qui eon/ regroupeee eoue lee ini/iolee DMA1C, ce qui eignifie .
D pour D1I1A1I, ce qui conJui/ o iJen/ifier le proceeeue qui to foire l`oIje/ Je l`e/uJe, lee fournieeeure, lee oc/eure, lee exigencee e/ Jeeeiner lo cor/ogroplie conple/e M pour M1SII1I, ce qui coneie/e o iJen/ifier lee torioIlee J`en/ree e/ Je eor/ie Jee oc/iti/ee Ju proceeeue, lee no,ene Je neeure e/ colculer le Signo oc/uel A pour AAALYS1I, ce qui conJui/ o iJen/ifier lee torioIlee influen/ee, o /ee/er por lee ne/loJee e/o/ie/iquee, cellee qui inJepenJonnen/ ou conjugueee eon/ Jee Jonneee cri/iquee pour le clien/ (lee CTQ) 1 pour 1AAOV1I/AM1L1OI1I, c`ee/ o Jire ne//re en oeutre lee eolu/ione pro/iquee JeJui/ee Je l`onol,ee e/o/ie/ique C pour COATIOL1I, c`ee/ terifier en colculon/ le nouteou Signo que lee reeul/o/e eon/ confornee oux pretieione e/ e`oeeurer que le reeul/o/ eero noin/enu Jone le /enpe
Lo eeconJe ploee Meeure ee/ Jecri/e Jone ce/ or/icle.
6SIGMA_QualitV3.doc Page 2 sur 8 15/07/2001
l ll I IIr rro oon nnI IIn nnb bbI IIo oos ss
1.1 Pourquoi mesurer ?
J'aime dire que lorsque vous mesurez ce que vous avancez et donc exprimez votre ide de manire chiffre, vous avez dj fait un pas dans la connaissance" propos de Lord Kelvin. Nous pourrions rajouter quon ne progresse que sur ce qui est mesur , exprience personnellement vcue dans lindustrie automobile ou lintgration des technologies ne permet pas de raisonner sans mesures prcises de donnes techniques et physiques et en particulier en maintenance ou le retour dexprience est incontestablement la seule valeur ajoute au progrs condition que la qualit des donnes soit prise en compte.
La dmarche 6 Sigma apporte une dimension indniable sur ce sujet par la focalisation sur lexplication des comportements de processus par les chiffres et leur exploitation statistique. On constate dans un grand nombre dentreprises une faiblesse dans la culture mesure, donc des moyens de mesures inadapts, mais galement une abondance de relevs dont on ne sait que faire et se retrouvant dans des fichiers Excel et des tableaux de bord inexploits, car le processus danalyse est incomplet.
La mesure cote, mais lexploitation rapporte, condition de savoir comment faire les calculs et utiliser les bons outils, dou limportance de la culture statistique.
1.2 Quoi mesurer
La mesure nest crdible, que si les lments pris en compte dans le calcul ont t identifis pour participer un rsultat. On trouve trop souvent, et ce dans de nombreux domaines, la situation denregistrer des donnes, sans se soucier de leur exploitation, des rsultats attendus et de leur exploitation oprationnelle.
Les zones mesurer sont dans trois domaines, compltement compatibles avec la dmarche par processus : Celle venant des entrs (essentiellement des fournisseurs) Celles tant produites par la valeur ajoute du processus intress Celles constates par le client du processus
Le tableau suivant en fait une synthse.
6SIGMA_QualitV3.doc Page 3 sur 8 15/07/2001
Les donnes sont de plusieurs natures, essentiellement catgorises en donnes discrtes et donnes continues.
Les donnes discrtes sont du type : oui/non, bon/mauvais, machine1/machine2, quipe1/quipe2, oprateur 1/oprateur 2, Les donnes continues sont caractrises par des valeurs numriques qui se suivent et sur lesquelles des calculs peuvent tre effectues (prise en compte de lamplitude des rsultats, regroupement en zones de distribution de frquence, calcul des moyennes, ..)
Avec les donnes continues il est judicieux den faire lexploitation suivante :
Calcul de lamplitude (diffrence entre les valeurs maxi et mini et enregistres) Dfinitions de zones caractristiques (on divise lamplitude par 5 et distribue les enregistrements par zones)
A partir de cette catgorisation, on peut faire des prsentations graphiques de distribution ou des prsentations hirarchises de toutes sortes comme prsentes ci-aprs :
Etat de sortie (le Y) caractrisant la satisfaction du client interne ou externe et identifies par les VOS Indicateur defficience du processus : Dlai Dure Cot Qualit Variables dentre (Xi) provenant des fournisseurs identifies comme VIS et pouvant influencer le rsultat final Mesure de la sortie Mesure de lefficience du processus Mesure des entres
6SIGMA_QualitV3.doc Page 4 sur 8 15/07/2001
A cette tape, une question peut se poser, est-ce ncessaire de tout mesurer, ny a til pas une possibilit de travailler sur un chantillon caractristique dune population ? Effectivement les outils statistiques le permettent condition de bien choisir la taille de lchantillon (mme problmatique que les enqutes dopinion ou les parts de marchs la tlvision). Cela pose le problme de la taille de lchantillon et la mthodologie de slection.
Certaines prcautions sont cependant ncessaires :
Vrifier que lchantillon porte sur tout le primtre considr POPULATION ENTIERE ECHANTILLON (sous groupe) 6 5 4 3 2 1 109 104 99 94 Day D B P 70 60 50 40 30 20 10 109 104 99 94 Index D B P 450 400 350 420 410 400 390 380 370 360 350 340 330 320 Supplier C u s to m e r Surf ace Flaws Condensation Moisture% Inspectors Microscopes Micrometers Brake Engager Angle Suppliers Lubricants Alloys Speed Lathes Bits Sockets Operators Training Supervisors Shifts Men Machines Materials Methods Measurements Environment Cause-and-Effect Diagram Deformation Color Air Bubble W eight Dev. 120 132 293 431 12.3 13.5 30.0 44.2 100.0 87.7 74.2 44.2 1000 500 0 100 80 60 40 20 0 Defect Count Percent Cum % P e r c e n t C o u n t Pareto Chart for Defects
6SIGMA_QualitV3.doc Page 5 sur 8 15/07/2001 Vrifier quil porte sur toute la priode denregistrement (calendaire) Faire attention ne pas prendre en compte des informations dans des priodes anormales (hors de lactivit moyenne de fonctionnement ou dexploitation)
La taille dun chantillon de donnes continue se calcule partir des donnes suivantes :
La plage de variabilit des donnes Lamplitude souhaite
Pour les donnes discrtes, il faut galement prendre en compte le taux de dfaut.
2 22 C CCn nnr rrn nnc ccf ffo oor rrI IIs ssn nnf ffI IIo oon nn d ddo oos ss I IIn nnf ffo oor rrm mmn nnf ffI IIo oon nns ss n nno ooc cco oos sss ssn nnI IIr rro oos ss
Pour pouvoir calculer le Sigma dun processus, il est ncessaire dobtenir un certain nombre dinformations fondamentales, car il nest pas suffisant denregistrer des dfauts, il faut savoir sur quelles activits ces dfauts sont identifis connus et enregistrs.
La thorie de 6 Sigma repose sur le principe de variabilit, parce ce que tout ce qui existe varie dans le temps, quil soit de nature statique ou dynamique. La reprsentation des mesures se prsente sous la forme dune courbe de Gauss pouvant tre exploite en nombre dcarts type selon la reprsentation suivante :
6SIGMA_QualitV3.doc Page 6 sur 8 15/07/2001
Quelques remarques sur la distribution :
La courbe reprsente globalement tout ce qui est mesur, mme si des rsultats tendent se positionner aux limites infrieures ou suprieures La distribution est gnralement symtrique, mais il peut exister des distributions spcifiques (voir ci-aprs) Il est important de prendre en compte les positions respectives de la moyenne et de la mdiane La courbe se divise en segments correspondant lcart type. On utilise souvent le nombre Z qui est le nombre dcarts type entre la moyenne et les limites extrieures.
Les lois empiriques de lcart type sont les suivantes :
Loi 1 environ de 60 75% des valeurs sont comprises entre une distance de un cart- type de chaque ct de la moyenne. Loi 2 de mme 90 98% des valeurs sont comprises entre une distance de deux carts types de chaque ct de la moyenne. Loi 3 et 99 100% des valeurs sont comprises entre une distance de trois carts types de chaque ct de la moyenne.
Il existe des prsentations de toutes sortes ou la distribution nest pas toujours centre mais dcale, ce qui entrane les calculs de capabilit (Cp et Cpk)
68% Distribution normale et aires de probabilit L aire sous la courbe permet d valuer les chances sur 100 de fabriquer des pices dans les spcifications
6SIGMA_QualitV3.doc Page 7 sur 8 15/07/2001
3 33 ! !!o oo c ccn nnI IIc ccu uuI II d ddu uu S SSI IIg ggm mmn nn
Il existe plusieurs approches du calcul du Sigma de lexistant, le DPMO (Dfauts Par Millions dOpportunits) et le DPU (Dfauts Par Units)
Le DPMU est souvent appel mthode discrte, il ncessite la prsence des donnes ou descriptions suivantes :
LUnit, qui est la caractrisation des activits fondamentales La liste des dfauts potentiels (Opportunits non apparues mais potentielles) Le nombre de Dfauts, ce qui est considr comme anormal par rapport aux exigences de sortie du processus (autrement dit les non-conformits)
Le calcul seffectue de la manire suivante :
A partir dun tableau de correspondance paru dans la revue, il est possible de calculer le Sigma du processus.
Nb de Dfauts ______________________________________________________________________________ x 10 6 Nb dOpportunits X Nb dUnits 80 70 60 50 40 30 20 10 0 300 200 100 0 C3 F r e q u e n c y Comparison of Distributions. 130 120 110 100 90 80 70 60 300 200 100 0 C2 F r e q u e n c y Comparison of Distributions. 110 100 90 80 70 60 50 40 30 20 100 50 0 C1 F r e q u e n c y Comparison of Distributions. Positivement oblique Symtrique Ngativement oblique