6SIGMA_QualitV3.

doc Page 1 sur 8 15/07/2001

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)


95%
+4 + +
+1Sigma
a
99.73%
- 1 - 2 - 3 - 4
0 . 4
0 . 3
0 . 2
0 . 1
0 . 0

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

6SIGMA_QualitV3.doc Page 8 sur 8 15/07/2001



Bibliographie : 6 Sigma Academy, Sminaires Jean-Paul Souris

SOURIS Jean-Paul
Consultant & Master Black Belt
S.CONSULTANTS
5, rue des gents
78113 ADAINVILLE
Tl : + 33 1 34 87 03 73
Fax : + 33 1 34 87 05 17
GSM : 00 33 6 80 30 56 43
contact@jpsconsultants.com
www.jpsconsultants.com

(Distribution dcentre de 1.5)
2 308 537
3 66 807
4 6 210
5 233
6 3,4
DPMO
2 308 537 69.1 %
3 66 807 93.3 %
4 6 210 99.4 %
5 233 99.97 %
6 3.4 99.99966 %
Dfauts par Million
d Opportunits
Aptitude du
procd
RTY
Rendement Global