Vous êtes sur la page 1sur 1200

Premires tapes

Introduction
Table ronde au tlphone
Votre nom
Lieu de travail et ce que vous faites
Votre participation :
lamlioration continue
la gestion des procds
la gestion au plus juste ou Six Sigma
la formation sur le leadership ou lencadrement

2
Mthode Six Sigma de gestion au plus juste la SCP
La mthode Six Sigma de gestion au plus juste a un long parcours
la SCP.
Formation initiale de la SCP : Lean Enterprise Institute depuis 1996
Excellence des procds
Il y a quatre diffrents programmes lis la mthode Six Sigma de gestion
au plus juste :

Mthode Six Sigma de gestion au plus juste Ceinture noire :


Trois semaines de formation approfondie laide du format DMAAC des mthodes Six Sigma
de gestion au plus juste + une semaine de formation sur lesprit dquipe et les techniques
dinfluence.
Mthode Six Sigma de gestion au plus juste Ceinture verte :
Une semaine de formation dtaille en salle de classe portant sur le DMAAC et la mthode
Six Sigma de gestion au plus juste, un module de cyberformation portant sur Minitab et un
module de cyberformation sur la gestion du changement.
Mthode Six Sigma de gestion au plus juste Ceinture jaune :
Programme de formation de deux jours portant sur la mthode DMAAC, outils et exercices
damlioration, et statistiques de base.
Mthode Six Sigma de gestion au plus juste Ceinture blanche :
Cours en ligne de 30 minutes dcrivant la mthode DMAAC et son application au sein de la SCP.

3
Aperu du cours

Introduction
Objectifs du cours
Des cours magistraux et deux tudes de cas (Squeaky Clean et
I.M. Kookin) permettront aux participants datteindre les objectifs
en classe.
Prsenter les concepts et techniques Six Sigma de gestion au plus juste
Montrer les mthodes systmatiques dapplication de ces concepts
et techniques
Donner aux participants loccasion de mettre en pratique les mthodes
et les comptences
Prparer les participants mener leurs propres projets
Permettre aux participants dappliquer la mthode leurs projets

Lisez ltude de cas sur I.M. Kookin


avant la formation : CaseStudy IMK.pdf

5
Certification Ceinture verte

En salle
Cyberformation Examen (20 %) Projet (60 %)
de classe (20 %)
Sance Engagement Test sur les Achvement
introductive et participation connaissances/ dun projet
WebEx Taux active en classe sur la laide de
de participation Prsence comprhension la mthode
de 100 % > 85 % des concepts DMAAC en
Approbation cls du dmontrant
du mandat programme lutilisation
du projet Note de approprie des
Gestion du passage : 75 % outils Six Sigma
changement de gestion au
plus juste.
Cyberformation
Minitab

Lobservation et la discussion tant dautres mthodes dapprentissage, chaque


candidat doit prsenter son projet (lors dune sance WebEx ou en classe).

6
Rle de la Ceinture Verte
Vous tes en charge du projet
Planifier une rencontre rgulire pour la revue de votre projet avec
le champion
Communiquer toutes les problmatiques et les obstacles qui peuvent
avoir un impact sur lchancier au champion
tre un agent de changement pour votre projet et sassurer que la
mthode DMAAC est suivi.
Planifier des revues techniques pour le projet
Diriger le projet !

Les participants ayant obtenu la ceinture verte demeurent dans leur emploi actuel et
doivent faire les choses suivantes :
Utiliser et encadrer les autres en ce qui concerne lutilisation des mthodes
et outils de gestion au plus juste Ceinture verte.
Stabiliser et normaliser les procds.
Diriger des projets damlioration continue dans leur propre secteur de travail.

7
Rle du champion
Le champion joue un rle cl dans le cadre dun projet.
Favorise le changement en crant un besoin de changement.
Surmonte les obstacles.
Effectue des examens rguliers et veut voir des progrs.
Favorise lharmonisation.
Aide le chef en ce qui concerne la gestion des groupes dintrts et la
gestion des changements.

8
Aperu de Lean et Six Sigma

Introduction
Quiz!
Dans quelle dcennie est-ce que les outils et les mthodes ci-
dessous ont t utiliss pour la premire fois?
Contrle de la qualit
Cercle de qualit
Carte de contrle
Pareto
Analyse des modes de dfaillances et de leur criticit (AMDEC)
Systme de production Toyota
Plan dexprience
Quality Function Development (QFD) (maison de la qualit)
Production valeur ajoute
Six Sigma

2
Lean
Lean est une mthodologie permettant daugmenter la vitesse
et de crer un flux continu dactivits valeur ajoute, en
fonction du client. Lean :
limine le gaspillage
Comprend le concept de valeur du point de vue du client
Cre un flux continu dans nimporte quelle chane de valeur
Une chane de valeur est toutes les actions, incluant la cration de
valeur et la cration de non-valeur, ncessaire pour amener un
produit de ltape commande ltape dexpdition
Est une groupe doutils utiliser pour lamlioration continu de ce
flux

3
Lean est pour tout le monde
Lean peut tre appliqu dans chaque industrie et situation
Automobile
Haut volume, production rptitive
Arospatiale
Volume de production relativement bas
Construction
Unique, unit et produits
Soins de sant
Le patient est le produit
Finance/assurance
Secteur des services

4
Vocabulaire Lean : gaspillage
Llimination du gaspillage ncessite que nous dfinissions ce
qui a de la valeur :
Lactivit modifie physiquement le produit ou ajoute une
information importante
Lactivit nest pas du retravaille
Le client est prt payer pour ceci

Valeur pour lentreprise

Pur gaspillage

Valeur ajoute

5
Vocabulaire Lean : gaspillage
Les diffrents types de gaspillage sont regroups en 7
catgories utiliser pour identifier des opportunits
damlioration
Transport
Inventaire
Mouvement
Attente
Surproduction
Surqualit
Dfauts

6
Mthode Six Sigma

La mthode Six Sigma est utilise pour


reprsenter un objectif de qualit, une variation
mathmatique et une mthodologie universelle
de rsolution des problmes : DMAAC

Mthode Six Sigma :


limine les anomalies
Rduit les variations

7
Comment mesurer le rendement dun procd (anomalie)
Il existe plusieurs manires de prsenter les anomalies :
slectionnez la meilleure pour reprsenter votre situation
et la meilleure pour communiquer avec votre client.
% de dfauts (taux de rendement global)

Niveau Sigma

DPMO

8
Vocabulaire Six sigma : le niveau de sigma
Valeur Cible
SIGMA DPMO Rendement Centre du
0,0 1 000 000 0,0000 % Spcification
procd
Spcification
infrieure suprieure
1,0 691 462 30,8538 %
Aprs
2,0 308 538 69,1462 %
3,0 66 807 93,3193 %
4,0 6 210 99,3790 % Avant

5,0 233 99,9767 %


6,0 3,4 99,9997 %

Le niveau de sigma
Dcrit le rendement dun procd aux spcifications
Est le nombre dcarts types de la limite de spcification la moyenne
du procd

9
Vocabulaire Six sigma : cart type

cart type ()
Cest utilis pour quantifier la variabilit dans un processus et ltendu de la
moyenne

10
Vocabulaire Six Sigma : indicateur de la mesure de performance
ECC (Exigence critique client)
Une performance requise pour un produit ou un service
Exemple: les bons objets et les bonnes quantits livres au client temps

Dfauts :
Un objet qui ne rpond pas au ECC
Exemple: une expdition est envoye temps et contient les bons objets,
mais les quantits sont incorrectes.

Opportunit :
Un paramtre significatif et mesurable du processus qui pourrait rsulter
en une demande du client non rencontre.
Exemple : 4 opportunits = disponibilit du produit, entre des commandes,
emballage, expdition

11
Vocabulaire Six Sigma : indicateur de la mesure de performancce
Dfauts par unit (DPU) = nombre de dfauts nombre total dunits
produit
Exemple : 1 item incorrecte sur une facture qui contient 20 items
Rponse : DPU = 1 20 = 0,05

Dfauts par opportunit (DPO) = DPU nombre dopportunit de


dfauts
Exemple : Item dune commande et emballage sont des opportunits de dfauts
pour la processus des factures
Rponse : DPO = 0,05 2 = 0,025

Dfauts par million dopportunits (DPMO) = DPO X 1 000 000


Exemple : DPO X 1 000 000
Rponse : DPMO = 0,025 X 1 000 000 = 25 000

12
Exercice : Calcul sigma Yield
50.00%
DPMO
500,000
Sigma
1.5
53.98% 460,172 1.6
57.93% 420,740 1.7
Une opration de facturation gnre 10 345 61.79%
65.54%
382,089
344,578
1.8
1.9
factures chaque jour. En moyenne, 69.15%
72.57%
308,538
274,253
2
2.1
lentreprise reoit 176 plaints concernant les 75.80%
78.81%
241,964
211,855
2.2
2.3
factures incorrect tous les jours. Le 81.59%
84.13%
184,060
158,655
2.4
2.5
processus de facturation a 5 tapes, 86.43%
88.49%
135,666
115,070
2.6
2.7
chacune capable de produire une erreur de 90.32% 96,801 2.8

facturation. Remplissez-en des 91.92%


93.32%
80,757
66,807
2.9
3

renseignements sur le rendement du 94.52%


95.54%
54,799
44,565
3.1
3.2

processus de facturation. 96.41%


97.13%
35,930
28,716
3.3
3.4
97.72% 22,750 3.5
98.21% 17,864 3.6
98.61% 13,903 3.7

Instruction 98.93%
99.18%
10,724
8,198
3.8
3.9

Estimez le niveau de sigma pour le 99.38%


99.53%
6,210
4,661
4
4.1
processus 99.65%
99.74%
3,467
2,555
4.2
4.3

#units 99.81%
99.87%
1,866
1,350
4.4
4.5

#dfauts 99.90%
99.93%
968
687
4.6
4.7

#opportunits
99.95% 483 4.8
99.97% 337 4.9
99.98% 233 5
DPU 99.98% 159 5.1
99.99% 108 5.2
DPO 99.99%
99.9952%
72
48
5.3
5.4
DPMO 99.9968%
99.9979%
32
21
5.5
5.6

Sigma 99.9987%
99.9991%
13
9
5.7
5.8
99.9995% 5 5.9
99.9997% 3.4 6

13
Lintention de Six Sigma
Si nous sommes bons avec les contrles des x (intrant),
pourquoi devrions-nous constamment tester et inspecter le Y
(extrant) ?
Six sigma passera laccent sur le Y lidentification des
opportunits des x
Lextrant est maximis en contrlant les intrants cls du processus

Intrant (X) Extrant (Y)


Indpendant Dpendant
Effet
Contrle Suivi

14
Vocabulaire Six Sigma : Cot de la qualit

Six sigma se concentre sur la prvention des dfauts, rsultant


en la rduction des cots interne, externe et dinspection.

PROACTIF RACTIF
Cot interne
(rebut / retravaille)

Cot de la prvention
(contrle de procd) Cot dinspection
(inspection)

Cot externe
(retours)

15
Comment Lean et Six Sigma se compltent
Nous avons combin Lean et Six Sigma parce que nous
trouvons quil y a des lments des deux mthodes dans tous
les efforts damliorations.
Lean et Six Sigma sont complmentaires parce que Six Sigma
limine les variations et les dfauts, ce qui peut supporter
llimination du gaspillage et la cration dun flux continu.
Et bien sr, le contraire peut galement se produire : le
gaspillage et labsence dun flux continu peuvent liminer de la
variation et des dfauts dans une partie du processus qui
najoute aucune valeur!

16
LSS reprsentation visuelle
Problme 3
Problme 1 Xc Xd Problme 4
Xa Problme 2
Y Xb Y Y
Y
Mandat du projet
Dterminer le problme et
FIPEC + VdC
DFINIR tablir les priorits Matrice de famille de produits

cartographie de chane de valeur, schmatisation du


processus, collecte des donnes, dfinitions
valuer la situation
MEASURER actuelle
oprationnelles, chantillonnage, gage R&R, modles,
stratifications, capabilit du processus, carte de contrle

Outils danalyse des donnes: Cartographie de chane de


Dterminer les valeur de la situation
Diagrammes causes et effets,
ANALYSER causes AMDEC, Pareto, vrification des
hypothses, analyse de rgression,
future
Crer un flux :
fondamentales plan dexprience Slection de la boucle
Gnrer et valuer des Analyse du temps et du
Slectionner et solutions, slection des travail

AMLIORER mettre en uvre solutions, planification


de la mise en uvre, 5S
valuation de lquipement
Plan de lamnagement de
des solutions et lieu de travail visuel la cellule
Travail standard Dterminer la main duvre
Excuter un soutien Planification de lopration
Prvention des erreurs
CONTRLER pour maintenir les Graphique de contrle
Planification de la mise en
uvre
rsultats et la Plan de contrle Excution and dbogage
situation Amlioration continue
Clture
Y = f(x) problme rsolu Fermeture du projet

17
Aide pour coach

Introduction
Votre coach/mentor
Un coach vous est attribu pour vous aider dans le cadre de votre
projet. Il vous guidera grce son exprience et ses connaissances,
examinera vos outils et discutera avec vous de votre stratgie et des
prochaines tapes, ainsi que de lapproche qui vous permettra de
rsoudre votre problme.

Savez-vous qui est votre coach?


Lavez-vous rencontr?

2
Dfinition du Coaching
Coaching est:
une collection des interventions qui encourage lamlioration de
la confiance en soi, la performance et les capacits
dapprentissage des autres.

Coaching implique:
Le diagnostic des performances
La fixation des objectifs
La rtroaction
Le soutien et lencouragement

3
Les bnfices et les objectifs du Coaching

Bnficier le candidat CV en :
Les aidant utiliser et mettre en pratique la mthodologie
tant un conseiller
Compltant le projet plus rapidement
Renforant lapprentissage du cours
Offrant loccasion de partager les expriences

Les objectifs du coach:


Soutenir le CV pour rgler le problme et slectionner les outils/activits
Rviser les outils et mettre au dfi lutilisation des outils
Dcouvrir les besoins et apporter lappui ncessaire
Encourager activement le candidat CV dvelopper des comptences
et habilets
Partager les meilleures pratiques
Stimuler la rflexion et la dcouverte

4
Coaching : tir ou pouss

Cest suppos dtre lequel ?

Coach Coach

Coach Coach

5
Outils pour votre projet
Le DMAAC dun page

6
Mandat du projet

Phase Dfinir
Votre projet
ce stade, vous devriez savoir quel sera votre projet.

Le premier outil dans votre trousse doutils de la mthode


Six Sigma de gestion au plus juste est le mandat de projet.

2
But dun mandat de projet
Un mandat de projet est une entente quant aux attentes
lgard du projet entre le champion, les Ceintures Vertes et,
par la suite, lquipe du projet. Le mandat vous aide :

Prciser ce que lon attend de vous et de lquipe


Maintenir lorientation de lquipe
Traiter les problmes qui sont essentiels la russite du projet
Relever tous problmes ou hics ventuels
Dfinir les rencontres dinteractions et de frquences
Commencer discuter des questions et des responsabilits
partages
Transfrer le projet du champion lquipe

3
lments dun mandat
Les lments cls dun mandat incluent :
Nom du projet Avantages prvus (des
affaires et des clients)
Dates cibles
Membres dquipe et
Description du projet
personnes cls
Plan daffaires
Risques/contraintes/
nonc du problme hypothses
Porte et limites
Objectifs du projet, y
compris les mesures,
point de rfrence, cible

4
Plan daffaires
Un plan daffaires se lie aux objectifs stratgiques et est assez prcis
pour que dautres comprennent pourquoi le projet est important
lentreprise. Les questions principales considrer sont :

Pourquoi slectionnez-vous ce projet ?


Quest-ce que vous essayez daccomplir ?
Quels problmes essayez-vous de rsoudre ?
Pourquoi ceci est-il si important lentreprise ?

5
nonc du problme
Lnonc du problme et un nonc qui contient uniquement des FAITS !

Un nonc dfinit :
Quel est le problme adress
Lampleur et tendance du problme
Le rendement dsir et /ou le standard

Questions rpondre :
Quel est le processus ?
Y a-t-il une solution connue ?
Pourquoi est-ce une priorit ?
Y a-t-il des donnes disponibles ?

Lnonc doit :
tre prcis
Quantifier le problme
Ne pas suggrer une cause ou une solution

6
Porte du projet

La porte du projet est une description spcifique de ltendue du projet


qui dfinit clairement les limites (dbut et fin)

La porte doit :
tre excutable dans le cadre donn
Indiquer toutes les contraintes pour lquipe
Prciser les produits, les lieux, etc.

7
Les avantages prvus (des affaires et des clients)

Un nonc dcrivant les rsultats, condition que les objectifs soient


atteints :

de ce que lentreprise peroit comme un avantage commercial


de lincidence financire
de lamlioration dune mesure pour le client;
de lamlioration dune mesure pour lemploy

8
Risques et contraintes
Dterminer sil y a des facteurs qui mettent le projet en danger ou qui
le limitent dune faon ou dune autre, tels que :

Disponibilit des membres de lquipe en raison des problmes


saisonniers
Rticence de la part des parties prenantes importantes
Autres activits de la Socit qui pourraient exiger des ressources ou
une certaine attention
Possibilit que dautres changements prvus soient apports au procd,
ce qui fait du procd une situation instable
Les hypothses (les donnes et les processus)

9
Nettoyer Sec : les faits
Rsum des quelques lments importants dans ltude de cas :

Entreprise de services commerciaux de nettoyage sec et de buanderie situe Spottyville,


Canada
Important tablissement de traitement central pour 7 magasins (dont 6 en rgion) qui reoivent
(et trient les vtements du nettoyage sec) et retournent la marchandise aux clients
Volume mesur en livres pour le nettoyage sec (1 lb = 1 article en moyenne), exception faite
des blouses et des chemises lessives qui passent ltape de finition.
Le volume varie selon le jour de la semaine et la saison : le lundi est le jour le plus occup (30
%) et cest pendant lhiver quont lieu 60 % des activits commerciales. Il est toutefois impossible
de prvoir le chiffre daffaires pour une journe donne.
Les diffrents services doivent travailler fond pendant les journes charges et peuvent
amplement rpondre la demande les journes o les volumes sont moins importants.
Lentreprise garantit aux clients quils recevront leur marchandise le surlendemain de la date de
rception; elle offre de plus un service du jour au lendemain ou le jour mme pour les
commandes spciales.
Les clients apportent leurs vtements non tris et bouchonns dans un sac ou dans une pile;
ils ne prsentent pas leur coupon lorsquils les ramassent; ils insistent beaucoup pour recevoir
tous leurs vtements dun seul coup et en parfait tat, mme si Spottyville est lune des villes les
plus taches du pays.
Nettoyer sec doit trouver une faon dutiliser ses ressources de sorte rduire le stress tout
en offrant un meilleur service ses clients pour ce qui est de la qualit et du temps requis

10
nonc de problme de lentreprise Nettoyer Sec
Exemple dnonc de problme de lentreprise Nettoyer Sec :

Comme promis, 90 % des commandes ont t excuts le jour


suivant, mais lobjectif est de 98 %. Il sagit dun milieu de travail
trs stressant. Il faut donc faire appel aux employs dune faon
moins stressante afin que lentreprise Nettoyer sec puisse
atteindre les objectifs de croissance sans ajouter dautres
employs.

11
Devoirs : Votre mandat de projet
Objectif :
Remplir le mandat de projet.

Directives :
Utilisez le modle.
Remplissez les sections dans le mandat du projet.

Remarque :
Devoirs pour votre projet.
Seront examins avec le champion et le formateur et assigns
avant la sance en salle de classe.

Charter Simple Template.xlsx

12
Slection de projet

Phase Dfinir
Choix du projet
Je suppose que pour dterminer quel sera votre projet,
votre gestionnaire/directeur et vous appliquez un processus
de slection

Quel a t votre processus de


slection pour votre projet?

Sagit-il dun bon projet?

14
retenir
Les cinq principales raisons pour lesquelles un projet
choue habituellement
1. Mauvaise communication
2. Dlais sous-valus
3. Dtails
4. Ressources (humaines et technologiques)
5. Gestion du projet

15
Projets russis
Daprs notre exprience, les projets ont plus de chance
dtre russis lorsquils :
sont lis un objectif;
Contribuent de faon positive la mesure de lobjectif
comportent un procd facile dfinir et mesurable;
dmontrent comment les amliorations pourraient augmenter
le rendement financier;
sont appuys par le champion, qui y consacre galement du
temps et des ressources.

Pour analyser votre projet, vous pouvez utiliser la grille de validation de


slection du projet (page suivante). Il sagit dun outil qui vous permet de
vous assurer que votre projet a le potentiel de russite. La conclusion
sert aux fins de discussion avec votre champion.

16
Exercice : slection du projet
Critre Ct
Le procd ou le projet est li une pratique commerciale 1 2 3 4 5 Ne sais pas
Beaucoup Non
Nous avons reu des commentaires du client ou pouvons en obtenir 1 2 3 4 5 Ne sais pas
Facile Difficile
La direction accorde beaucoup dimportance ce projet ou le ferait 1 2 3 4 5 Ne sais pas
Probable Improbable
Je peux facilement reprer les points de dbut et de fin du procd 1 2 3 4 5 Ne sais pas
Facile Difficile
La collecte de donnes pour ce procd est plutt simple 1 2 3 4 5 Ne sais pas
Facile Difficile
Le procd excute un cycle peu prs tous les jours (peut-tre plus souvent) Oui Non Ne sais pas

Je peux identifier des dfaillances du procd Oui Non Ne sais pas

Le problme que je dois tudier ou amliorer est dfini comme tant un objectif ou un Oui Non Ne sais pas
besoin, pas une solution

Je possde les comptences et lautorit ncessaire au procd Oui Non Ne sais pas

Je connais le nom du gestionnaire ou du titulaire au procd Oui Non Ne sais pas

Le responsable du projet peut y consacrer du temps et des ressources Oui Non Ne sais pas

Le procd ne sera pas chang prochainement par une autre initiative Oui Non Ne sais pas

17
Planification de projets

Outil (tape Dfinir)


Dbut de la planification de votre projet

Maintenant que vous avez votre mandat de projet et une ide


gnrale de lchancier :
laborez votre plan de projet laide dune approche en
cinq phases (mthode DMAAC).

Votre plan de projet est un document volutif.

Mettez-le jour tout au long du projet.

Lorsque vous connatrez davantage les outils pour chaque


phase, vous serez en mesure de peaufiner votre plan.

19
Utilisation de la mthode DMAAC aux fins de planification

DMAAC Rsoudre le problme Rduire les dlais Concevoir


dexcution (physique) un procd (oprationnel)

Dfinir Mandat du projet, FIPEC Mandat du projet, FIPEC, Mandat du projet, VdC
VdC

Mesurer Donnes et procd actuels CCV, VA NVA Cration dun procd idal

Analyser Analyse des donnes 7Q Causes du produit actuel

Amliorer Remue-mninges, projet pilote, Carte de ltat futur Utilisation du procd


plan de mise en uvre de la chane de valeur existant
Plan de mise en uvre Plan de communication

Contrler Normalisation Plan de contrle AMDE


Formation, plan de contrle, Donnes aprs la mise IRC
donnes aprs la mise en uvre en uvre

20
Diagramme de Gantt
Mis au point dans les annes 1910 par Henry Gantt,
le diagramme de Gantt est un type de graphique colonnes
illustrant un calendrier de projet.
Il illustre les dates de dbut et de fin des activits dtailles et
gnrales dun projet.
Il peut montrer les relations de dpendance entre les activits.

21
Devoirs : Planification du projet
Directives :
Commencez laborer un calendrier pour votre projet.
Utilisez lapproche en cinq phases pour planifier votre projet.
Crez un plan de projet (Excel, diagramme de Grantt,
MS Project, etc.).
Planifiez lencadrement et la revue de jalon.

Devoirs :
Seront examins avec le champion et le formateur avant la
sance en salle de classe.

22
A3

Outil de production de rapports


et outil de communication
Outil de production de rapports pour votre certification
Dans le cadre de lobtention de votre certification, vous avez
pour objectif de terminer votre projet. Pour cette raison,
vous devrez soumettre :

Votre rapport A3 (rsum de votre projet)

Faites approuver votre rapport A3 par votre champion.

Envoyez tous vos autres outils en pices jointes.

2
A3
Le processus de A3 est un moyen simple pour voir le problme, lanalyse, les actions correctives et le
plan daction, le tout crit sur une grosse feuille de papier, qui inclut souvent des graphiques.

Identification, planification et rsolution des problmes et des dfis tous les niveaux

Cration de lengagement et danalyse chez les employs travers le processus de rsolution des
problmes.

Rapport pour des activits de rsolution de problmes, le statut des rapports et pour toutes propositions..

Structure de la pense et aider raconter une histoire de manire concise et susciter une discussion.

Illustration de la situation actuelle et celle dsire. Toute linformation devrait tre comprhensible et simple.

Le rapport A3 est efficace parce quil est simple ! Ce rapport facilite la communication !

3
https://erm.cpggpc.ca/dept/ProcessEng/CDCC%20Libra
ry%20of%20Published%20Documents/LSS-
A3 pour le projet EDP%20Tools%20and%20Templates/Project%20Manag
ement/1-Define%20-%20Concept/A3%20Report.xls

4
https://erm.cpggpc.ca/dept/ProcessEng/CDCC
%20Library%20of%20Published%20Document
A3 pour la rsolution de problme au quotidien s/LSS-
EDP%20Tools%20and%20Templates/Project%
20Management/1-Define%20-
%20Concept/A3%20Report.xls

5
Exemple

6
Exemple

7
Exemple

8
Rapport A3
Devoirs : Remplissez la section Dfinir de votre rapport A3 et
prparez-vous pour votre rencontre avec votre champion
avant la sance en salle de classe.

9
Ouverture du jour 1 en salle de classe
Rgles de base de la sance de formation
Pour la russite dune rencontre ou dune formation, certaines
rgles de base sappliquent lorsque vous travaillez ensemble :
Commencer et terminer lheure
Participation 100 %
Tlphones cellulaires teints
Engagement
Respect
Quoi dautre?

+ Rappel en matire de sant et scurit

2
Table ronde
Votre nom
Lieu de travail
Sujet de votre projet
Attentes en matire de formation

3
Prsentation de lordre du jour

Lundi

Mardi

Mercredi

Jeudi

Vendredi

Examen vendredi en salle de classe

Encadrement disponible tout au long du projet (visiteur)

4
Et que a vole!
Simulation
Introduction
Et que a vole !
Objectif :
Dcouvrir les principes fondamentaux de Lean Six Sigma par la
ralisation de lexercice suivant : plier et faire voler des avions en
papier.

Directives :
Relire les rgles
Former des quipes
Fabriquer des avions pour les 3 jours comme crite dans les
instructions
Raliser les rondes
Partager les rsultats

Dure :
3.5 heures

6
Postes
Tches du directeur Tches dinspecteur
Directeur dusine dusine Examiner les avions
complts
5 plieurs

Pousser la production
Encourager les employs Documenter la comparaison
Inspecteur

Rsoudre les problmes
Identifier les points
entre lavion et la
spcification
Testeur dtranglement

Responsable du retravaille Tches des plieurs Tches du responsable du


Responsable du transport Utiliser le plan fourni et plier selon retravaille
les spcifications Effectuer des rparations qui ne
du matriel font pas partis de la spcification
Autres responsables : aux avions

Expditeur Tches du responsable du Tches du testeur


Client transport des matriels Essayer de faire voler les
Dmnager tous les matriels sur avions
Fournisseur demande Enregistrer les rsultats

7
Plan

Rejet par
client

En
rouge

Vol test
OK
Numro de srie

En bleu

Tous les plis Biais des ailes Nez pointu, non


perpendiculaires moins de 1/32 tordu ; plis nets, les
cts aligns Rectitude
12

gal gal

8
Instructions pour plier

A B

C D E

Ajouter le
numro de
srie

9
Exigences du client
Le client a besoin de 40 avions par jour

Il achtera tout ce quil peut avoir

Les avions doivent tre livrs en lot de 5

Les avions doivent tre de bonnes dimensions, tre


correctement identifies et bien voler.

Le client est responsable de faire le suivi des indicateurs de


qualit (ECC)

10
Qualit requise

Le client utilisera la Feuille de


contrle de client et des Six opportunits de dfauts :
indicateurs de performance de
qualit pour enregistrer les
dfauts ECC.
Nez pointu, non tordu
gal Biais des ailes Plis nets
moins de 1/32 Les cts aligns

Bonne identification
Identification lisible
Bonne couleur

11
Feuille dinspection de la qualit

12
Feuille dinspection de la qualit

13
Rgles : srie 1
Faire seulement votre travail
Travailler le plus rapidement possible
Plier en suivant exactement les instructions
Linspecteur est responsable de la qualit, de lenregistrement et
de calculer les dfauts
Tous les dplacements des matriels sont faits par lemploy au
transport du matriel
La construction, le dplacement et la livraison se font en lot de 5
Lexpditeur enregistre les expditions
10 minutes par srie
3 sries

14
Rencontre dquipe
1. Faites un remue-mninge et numrez les problmes (5 min)
2. Prioriser et slectionnez le premier ou deuxime problme
pour concentrer sur (2-3 min)
3. Ralisez une analyse des causes fondamentales du premier
ou deuxime problme (5 min)
4. Faites un remue-mninge des solutions (5 min)
5. Slectionnez des solutions mettre en uvre (2 min)
6. Assigner les tches aux membres dquipe (5 min)
7. Excutez les changements (10 min)

Remarque : Bien complt quelques choses.


Concentrer sur le flux du processus et non sur la conception des produits!

15
Et que a vole !
Quels principes de Lean Six Sigma avez-vous observs ?
Sparer par la complexit
liminer les retours en arrire
Dterminer un tempo commun
Mettre en place des processus prs les uns des autres
quilibrer la charge de travail
Normaliser les procdures
Afficher les rsultats de performance

16
Lean Six Sigma
Est souvent contre-intuitif
Ralentir dans le but dacclrer
Arrter lactivit afin que le travail ne sarrte jamais
La perfection est le but, jamais la demande
Les standards devraient toujours changer
Lefficacit locale ngale pas lefficacit globale

17
Aperu de la phase Dfinir

Phase Dfinir
Reprsentation visuelle de la mthode Six Sigma de gestion
au plus juste.
Problme 3
Problme 1 Xc Xd Problme 4
Xa Problme 2
Y Xb Y Y
Y
Mandat du projet
Cerner un problme et FIPEC et VdC
DFINIR lui accorder la priorit Famille de produit

Cartographie de la chane de valeur actuelle, schma du


valuer la situation procd, collecte de donnes, dfinitions oprationnelles,
MESURER actuelle
chantillonnage, analyse R&R, tendances, stratifications,
capacits des procds, graphique de contrle

Outils danalyse de donnes :


Dterminer les Diagrammes cause-effet, AMDE,
Carte de ltat futur de
la chane de valeur
graphiques de Pareto, vrification
ANALYSER causes dhypothses, analyse de la Cration du processus :
fondamentales rgression, protocole exprimental Slection de la boucle
Analyse du temps et du travail
Choisir et mettre Cration et valuation de la valuation de lquipement
solution, choix de solutions,
AMLIORER en uvre des planification de la mise en uvre,
5S et lieu de travail visuel
Disposition de la cellule de
conception
solutions Dtermination de la dotation
en personnel
Planification de lopration
Mise en uvre du Travail standard
CONTRLER soutien pour obtenir Prvention des erreurs
Planification de la mise en
uvre
Graphique de contrle Mise en uvre et dbogage
des rsultats et une
Plan de contrle Amlioration continue
situation durables Fin du projet
Fermeture
Y = f(x) Problme rsolu
2
Phase 1 : Dfinir
ltape Dfinir, vous tablirez des objectifs du projet et des
limites en fonction de votre connaissance des objectifs
commerciaux de votre organisation, des besoins des clients,
et du procd amliorer pour que vous puissiez atteindre un
niveau Six Sigma plus lev. Vous devez dfinir :

La porte du projet
La voix du client
Les besoins des parties intresses

3
Examen du mandat du projet,
planification de projet et rapport A3

Phase Dfinir
I.M. Kookin : les faits
Rsum des quelques lments importants dans ltude de cas :
Lentreprise fabrique trois modles de barbecue diffrents.
Le type de poigne et de trousse daccessoires (modles
de luxe) permettent de diffrencier les modles.
Les clients sont des distributeurs qui vendent les produits aux
dtaillants, qui les vendent ensuite aux consommateurs.
Les volumes varient considrablement selon le moment de
lanne.
Promesse dexpdition en deux jours; les clients aiment que leur
achat soit expdi le jour suivant.
Lentreprise a des problmes importants en matire de
reconditionnement et de retours, et narrive pas toujours
respecter sa promesse dexpdition en deux jours.
Les propritaires veulent prendre de lessor, mais sans
engendrer de cots supplmentaires.

5
Objectif dun mandat de projet
Un mandat de projet est un contrat entre le lments cls
champion, la personne certifie Ceinture verte et Nom du projet
(ventuellement) lquipe du projet sur ce qui est Dates vises
attendu. Le mandat du projet vous aide : Description du projet
Analyse de
rentabilisation
Clarifier ce que lon attend de vous et des membres
nonc du problme
de lquipe
Porte et limites
Maintenir lattention du groupe.
Objectifs du projet avec
Rgler les problmes qui sont essentiels la mesures, cadre et
russite du projet objectifs

Dceler les problmes ou les accrocs potentiels Avantages prvus (pour


lentreprise et pour le
Dfinir les points dinteraction et les frquences client)
Entamer les discussions sur les problmes et le Membres de lquipe et
partage des responsabilits personnes cls
Risques/contraintes/hyp
Transfrer le projet des mains du champion othses
celles de lquipe

6
Exercice : nonc de problme de lentreprise I.M. Kookin
Objectif
Mettre en pratique la rdaction dun bon nonc du problme.
Prsenter ltude de cas utilis tout au long de la semaine.

Directives
Formez des quipes.
Passez en revue ltude de cas dI.M. Kookin.
Rdigez un nonc du problme pour I.M. Kookin sur
un tableau-papier.

Temps
Discussion

7
Plan de projet

Avez-vous un plan de projet?


La dure standard pour les vrais projets Ceinture
verte est de trois mois, et de six mois pour les projets
Ceinture noire.
Quel est le vtre?

8
Rapport A3 sur le projet

9
Noubliez pas dinclure
la revue de jalon dans
votre planification!

Revue de jalon

tape pour la mthode DMAAC


Revue de jalon
Quoi?
Il sagit dun procd excuter la fin de chaque phase du projet.
Il sagit dun examen dapprobation avec votre champion, votre chef et vos parties intresses cls.
Quand?
la fin de chaque phase de la mthode DMAAC.
Pourquoi?
Veille ce que vous ayez considr le problme sous tous ses angles.
Rduit le risque danomalies dans lexcution du projet.
Amliore la qualit du projet puisquil vous fait passer en revue les livrables pour chaque phase avant la prochaine
tape.
Augmente la vitesse et les chances de russite, diminue les risques, et permet une rpartition efficace des
ressources.
O?

Le chef de projet est responsable dorganiser la rencontre.


Comment?

On utilise un document de dcision pour consigner les rsultats et les prochaines tapes.

Dfinir Mesurer Analyser Amliorer Contrler

11
Directives sur les participants la revue de jalon
Les personnes suivantes seront prsentes lors
de lexamen du projet :
Chef dquipe (ceinture verte ou noire)
Champion
Experts en la matire Si le rsultat de la revue de jalon est
Pairs faible ou gnre des questions sans
rponses :
Membre de lquipe (selon la situation) Le candidat doit rpondre aux
questions ou remplir les objectifs
Partie intresse (selon la situation)
avant de pouvoir obtenir
Coach (facultatif) lapprobation pour passer la
prochaine tape.
Formateur Six Sigma (facultatif) Le candidat peut avoir refaire
cette revue de jalon en tenant
compte des rponses et des
modifications avant de continuer.

12
Quest-ce quune bonne revue technique ?
Une bonne revue technique est quand :
Le champion confirme les alignements
Le champion sassure que tous les lments importants du problme
sont considrs
La mthode et les outils sont discuts
Lquipe est motive !
Le champion est satisfait !
Les prochaines tapes sont dfinies.

13
Rfrence de questions types
pour la revue de jalon

Documentation supplmentaire
Questions pour le Champion : DFINIR
Quel problme administratif a men faire ce projet ?
Quelles sont les possibilits et comment ce projet permettra
damliorer la situation ?
Quel est limpact sur le client lorsque ce projet sera termin ?
Qui est le propritaire du processus ? Lavez-vous rencontr ?
Qui sont les membres de votre quipe damlioration des
processus ?
Quels sont les caractristiques et les lments critiques de
qualit qui ont conduit au choix de ce projet ?
Quesprez-vous accomplir et quels sont vos objectifs ?
Quel est lchancier ?
Avez-vous identifi les principaux intervenants et leurs
perspectives / besoins / proccupations ?
ce point, y a-t-il des questions, des risques, ou des lments
ncessitant une prise de dcision ?

15
Questions pour le Champion : MESURER
Est-ce que les avantages de ce projet ont t quantifis ?
Comment avez-vous recueilli les donnes pour ce projet ?
Combien de donnes / chantillons et pourquoi cette quantit ?
Comment vous tes-vous assur que vous avez limin linfluence des
causes spciales sur les sous-groupes ?
Avez-vous fait une gage R & R ?
Avez-vous une cartographie de la chane de valeur et les participants
de lactivit ?
Quel est le nombre de dfauts au dbut du projet ?
Avez-vous des graphiques montrant o vous souhaitez aller et
lchancier ?
Avez-vous une date de fin dfinie en tte ainsi quun calendrier de
projet ?
Quelles sont les prochaines tapes ?
Y a-t-il des questions, risques ou des lments de dcisions ?
Y a-t-il quelque chose que vous avez besoin de faire pour aider lquipe
recevoir plus de lengagement des parties prenantes ?

16
Questions pour le Champion : ANALYSER
Combien de causes fondamentales (les plus importantes)
influencent le procd et quelles sont-elles ?
Lesquelles sont sur la liste de TOUTES les variables initialement
analyser ?
Qui a particip au remue-mninges initial pour lister les causes
potentielles ?
Quel est limpact de chacune des causes fondamentales ?
Avez-vous pos les 8 questions de ltat futur votre quipe ?
Avez-vous slectionn la boucle pour travailler ?
Quelles autres actions ou activits de soutien avez-vous besoin
pour acclrer votre projet ?

17
Questions pour le Champion: AMLIORER
Avez-vous tabli une liste damlioration et un plan ?
Avez-vous vrifi que la cause fondamentale a t identifie et
adresse ?
Est-ce que la liste damlioration et le plan ont t approuvs par
lquipe, les parties prenantes et le champion ?
Avez-vous ralis un plan de communication et une stratgie ?
Avez-vous vrifi les amliorations/rsultats ?
Avez-vous rencontr des problmes ou des obstacles ?
Est-ce suffisant pour atteindre lobjectif ?

18
Questions pour le Champion: CONTRLER
Quel contrle de processus est mis en uvre pour sassurer que
nous sommes en mesure de maintenir les gains ?
Quels progrs ont t accomplis ce jour au niveau des
indicateurs de performance ? Est-ce que les graphiques sont
mis jour ?
Y a-t-il un plan de rviser ce processus dans le futur pour
sassurer que la nouvelle situation se maintient ? Quelles sont
les nouvelles mesures mises en place ?
Quelles sont les amliorations attendues en termes de rduction
des cots et est-ce que les cots sont repousss de faon
repousser ? Quels sont les avantages financiers ?
Quelles sont les leons apprises ?
Peut-on reproduire ce projet? Peut-on partager les meilleures
pratiques ?
Quel sort de reconnaissance devrait tre organis pour
remercier votre quipe pour leur travail fait dans ce projet ?

19
Gestion des parties prenantes

Phase Dfinir
Dfinition des parties prenantes
Les parties prenantes sont des individus ou des groupes
directement intresss ( intrt ) par votre projet.

Les parties prenantes sont affectes par les rsultats/activits du


projet.
Ils peuvent affecter les rsultats/activits du projet
Vous pourriez tous deux avoir quelque chose perdre ou
gagner
Chaque partie apporte quelque chose l'autre
Vous avez tous les deux la possibilit de faciliter
(ou de compliquer) la vie de l'autre

Savoir qui ils sont et comment les grer va


augmenter le succs de votre projet

2
lments de la gestion des parties prenantes
La gestion efficace des parties prenantes comprend ces 4
tapes :

1.Lidentification et lanalyse des parties prenantes


2.La classification des parties prenantes
3.Le plan daction des parties prenantes
4.Le plan de communication

3
#1 Identification des parties prenantes
La premire tape est de grer une liste des parties
prenantes (cls et gnraux). Important : Noublier pas votre
quipe !
Identifier les individus ou les groupes vidents
Identifier les individus ou les groupes moins vidents
Utiliser les activits du projet pour identifier dautres individus ou
groupes ventuels

4
#1 Identification et analyse des parties prenantes
Analyser et crer un plan pour chaque partie prenante peut
sembler crasant. Assurer que vous pouvez distinguer les
parties prenantes ayant une grande incidence de ceux ayant
une faible incidence.
Meilleure approche :
Penser de manire largement pour les identifier
Faire une analyse suffisante pour distinguer entre les parties
prenantes ayant une grande incidence et une faible incidence, les
groupes dintrt offrant leur soutien, les rticents et ceux dont leurs
opinions sont inconnues
Pensez dabord mettre laccent sur :
Les parties prenantes grande incidence et les rticents dj
identifis
Les groupes ou individus grande incidence dont leurs opinions
sont inconnues
Les groupes dintrt offrant un soutien grande incidence
potentielle et dj identifis

5
#1 Identification et lanalyse des parties prenantes
Lanalyse des parties prenantes exige le plus de connaissances
possibles au sujet des parties prenantes et de leur situation pour
que vous puissiez tablir la manire la plus efficace de travailler
avec eux. Quand vous analysez les parties prenantes, considrer
ceci :
De quoi avez-vous besoin de la partie prenante?
Quels sont ses intrts et ses proccupations?
Quels pourraient tre les bnfices, inconvnients ou ce qui pourraient
lui tre nuisibles?
Quelle sera sa rponse potentielle? A-t-il de la rsistance ? Pourquoi ?
Quel est lcart entre ce dont vous avez besoin et sa rponse
potentielle?
Y a-t-il un historique de conflits ou des comportements nuisibles ?
Quelles sont les meilleures faons pour se faire couter par la partie
prenante et pour communiquer avec cette dernire?

6
#1 Identification et lanalyse des parties prenantes
https://erm.cpggpc.ca/dept/ProcessEng/CDCC%20Library%20of%20Published%20Documents/LSS-
EDP%20Tools%20and%20Templates/Project%20Management/1-Define%20-%20Concept/Stakeholder%20Analysis.xls

1. IDENTIFY STAKEHOLDERS ANALYSIS


Stakeholders Interest / Effect Position and intensity Importance / Influence Desired change
DECISION MAKER

AFFECTED (PRIMARY)

AFFECTED (SECONDARY)

HAVING INTEREST

7
#1 Identification et lanalyse des parties prenantes Exemple

8
#2 Classification des parties prenantes

9
#3 Plan daction des parties prenantes

La planification des parties prenantes comprend :


La cration dune stratgie de communication et de changement
pour chacune des parties prenantes
La ralisation de ce plan au moment opportun
La mise jour et ladaptation du plan durant le projet

Une des choses les plus importantes que vous


pouvez faire lors de la cration dune stratgie de
changement est dobtenir des conseils et de
laide des autres des points de vue diffrents

10
#4 Plans daction et de communication

3. ACTIONS PLAN 4. COMMUNICATION PLAN


Stakeholders Actions Responsible Due date Status Audience Message Media Responsible Due date

11
Exercice : Analyse des parties prenantes
Objectif :
Pratiquer lutilisation de loutil danalyse des parties prenantes

Directives :
Choisissez un modle
Crez une liste des parties prenantes videntes et non videntes dans
votre projet
Identifiez o, selon vous, elles doivent se trouver
Identifiez les stratgies et les actions
Compltez lanalyse des parties prenantes

Dure :
20 minutes

12
Dveloppement de lquipe

Phase Dfinir
Exercice : une quipe efficace
Directives :
Divisez-en 2 quipes
Sur du tableau papier fait un remue-mninges pour lister les
lments qui caractrisent une quipe peu performante versus
une quipe trs performante
Pensez une quipe peu performante dont vous avez fait partie
et au sein de laquelle rien ne semblait aller. Dterminez quelques
comportements prcis des membres de cette quipe.

Pensez une quipe trs performante dont vous avez dj fait


partie, o toutes les tches taient effectues et au sein de laquelle
vous vous amusiez. Dterminez quelques comportements prcis de
membres de cette quipe.

Dure :
15 minutes

14
Caractristiques et procds des quipes trs performantes
Caractristiques :
Buts / objectifs commun
Partage de leadership
Communication ouverte
Comptences uniques
Environnement de crativit et dinnovation
Rles et organisation clairs
Relations solidaires

Procds :
Stratgies efficaces de rsolution de problmes
Sances de groupe pour ltablissement des objectifs
Apprentissage individuel et collectif rcompens
Prise de dcisions en groupe
Amlioration continue des procds
Rtroaction et valuation continues

15
Stade dvolution de lquipe

Formation

Tension

Union
Excution

16
Reconnatre la formation
Quand une quipe est au stade de formation, quelques-uns
(ou plusieurs) de ces caractristiques pourraient tre
prsents:
Manque de structure, incertitude face au procd suivre
Politesse, comportement rserv ; silences gnants
Les membres parlent titre personnel plutt que de s'inspirer
des ides des autres
Discussion de problmes sans pertinence avec la tche
Dsir de membres de parler deux-mmes
Faibles progrs relativement la tche prsente

17
Reconnatre le tension
Les caractristiques ci-dessous vous aideront reconnatre le
stade tension :
Rticence face la tche
Distance entre les membres de lquipe
Dispute, tension, attitude dfensive et comptition entre les
membres
Dsobissance aux rgles de base (retard, ngligence en
matire dexcution des tches assignes, interruption, etc.)
Membres s'imposent, se vantent, font le bouffon, tentent de
prendre la tte, se retirent

18
Reconnatre lunion
Quand une quipe est au stade union, ces caractristiques
commencent apparatre :

Nouvelle priorit accorde aux rgles de base et aux limites de


lquipe
Nouvelle capacit mettre des critiques constructives
Acceptation des membres de lquipe
Attention accrue porte sur la participation de chacun et lcoute
de tous, la recherche de lharmonie, la dfinition des normes, le
partage de commentaires

19
Reconnatre lexcution
Vous allez reconnatre le stade excution de lquipe quand
vous voyez ces caractristiques :

Attention concentre sur les tches de projet


Observation des rgles de base sans trop de discussion
Liens troits entre les membres de lquipe
Bon progrs

20
Pyramide de lefficacit de lquipe

Objectifs

Rles

Procdures

Relations
interpersonnelles

21
tablissement des objectifs de lquipe
tablir des objectifs est plus facile quand vous pensez ces
principes cls et ces directives :

Principes cls :
Si lquipe ne comprend pas ou naccepte pas les objectifs, elle ne
saura pas efficace mme si les rles et les procdures de travail sont
clairs et que les membres sentendent.
La priorit est accorde aux objectifs

Directives :
Assurez une vision commune
Prcisez les objectifs
Rglez les conflits lis aux objectifs
Obtenez lengagement des membres de lquipe

22
tablissement des rles des membres de lquipe
Principes cls :
Si les rles ne sont pas clairs, lquipe ne saura pas efficace mme si
les membres comprennent et acceptent les objectifs. Il faut de bonnes
procdures de travail en place et que les membres sentendent.
Les rles sont conus pour diviser le travail ncessaire la ralisation
des objectifs

Directives :
Prcisez les rles
Rglez les conflits lis aux rles
valuez la possibilit dune grande varit de rles

23
tablissement des procdures de lquipe
Principes cls :
Si lquipe ne possde pas de bonnes procdures de travail, elle ne
saura pas efficace mme si les membres comprennent et acceptent les
objectifs, que les rles sont clairs et que les membres de lquipe
sentendent.
Les procdures sont conues pour aider les membres remplir leur rle
et par consquent atteindre les objectifs de lquipe

Directives :
tablissez les procdures en matire de gestion des runions, de
rsolution de conflits, de prise de dcisions.
Assurez-vous que lquipe connat la mthode DMAAC
Dterminez la faon dont vous communiquez en tant ququipe

24
Utilisation du modle pour le diagnostic et la rsolution des problmes
de lquipe
Source du problme : relations interpersonnelles
Les membres de lquipe qui avant sentendaient bien sont dsormais
en dsaccord. Une telle situation peut se traduire par des disputes, des
accusations, des conflits, des refus de travailler ensemble, etc.

O trouver les causes possibles ?


Commencez par tudier le niveau suprieur, cest--dire les procdures
de lquipe. Les bonnes procdures sont-elles en place? Les membres
les ont-ils acceptes? Sont-elles respectes ?
Si tout est en rgle pour les procdures, passez encore une fois au
niveau suprieur, soit le rle des membres. Sont-ils clairement dfinis ?
Les membres y ont-ils consenti ? Sont-ils sans conflit ?
Si les rles sont en ordre, regardez aux objectifs de lquipe. Sont-ils
clairs ? Accepts ? Sans conflit ?

25
Utilisation du modle pour le diagnostic et la rsolution des problmes
de lquipe
Source du problme : procdures
Les membres de lquipe ont arrt de suivre les procdures
convenues ou ont commenc les remettre en question, etc.

O trouver les causes possibles ?


Commencez un niveau suprieur aux rles des membres. Sont-ils
clairement dfinis ? Les membres y ont-ils consenti ? Sont-ils sans
conflit ?
Si tout est en rgle concernant les rles, passez aux objectifs de
lquipe. Sont-ils clairs ? Les membres y ont-ils consenti ? Sont-ils sans
conflit ?

26
Utilisation du modle pour le diagnostic et la rsolution des
problmes de lquipe
Source du problme : rles
Les membres de lquipe nassument plus les responsabilits de leur
rle ou il y a des dbats au sujet des rles, ou des rles entrent en
conflit.

O trouver les causes possibles ?


Commencez un niveau suprieur aux objectifs de lquipe. Sont-ils
clairs ? Les membres y ont-ils consentis ? Sont-ils sans conflit ?

27
Activit Belbin
Quest-ce que cest?
Le questionnaire Belbin est un outil qui vous aide identifier vos rles prfr
quand vous participez dans une quipe.

R. Meredith Belbin: les quipes de gestions pourquoi ils russissent ou chouent


Les fonction (par ex. ingnierie, ventes, finances) ne sont pas les mmes que des
rles dans une quipe (par ex. coordinateur, finisseur).
Une quipe ncessite 8 rles pour russir ces rles sont attribuer en plus des rles
fonctionnelles et selon le type de travail prfr.
Le questionnaire Belbin est un outil qui vous aide identifier vos rles prfr quand
vous participez dans une quipe.
Comme dirigeant, il vous aide mieux comprendre les prfrences des membres de
lquipe et attribuer les rles selon les talents.
Le questionnaire peuvent tre utilis dans nimporte quel situation. La premire tape
est de crer la prise de conscience au sein de votre quipe et de vous-mme comme
dirigeant.

Lobjectif de lquipe est damliorer la performance


de lquipe et atteindre des meilleurs rsultats.

29
Exercice : rpondre au questionnaire des rles de lquipe
Objectif :
Identifier votre rle prfr quand vous travaillez en quipe.

Directives :
Le questionnaire comprend 7 sections A G
Chaque section 8 phrases
Choisir la phrase qui vous applique
Pour chaque section, sur le ct gauche, cochez au maximum trois phrases qui
vous applique
Dans la colonne droite, divisez 10 points entre les phrases que vous avez
choisi
Chaque section (A G) devrait avoir 10 points
Les phrase qui vous applique le mieux devrait avoir plus de points

Dure :
15 minutes

30
Comprendre les rles de lquipe
Pour assembler une quipe efficace, idalement vous avez besoin
davoir tous les profils reprsent dans lquipe. Donc, vous
devriez savoir votre profil (les forces et les faiblesses) :

Directives
Rpondre au questionnaire Belbin
Identifier vos deux rsultats les plus hauts sur un Post-It
Ajouter des post-it sur la graphique pour vous comparer avec le
restant de lquipe

31
Selon la recherche, Belbin identifie 8 rles principaux jouer par les membres de
lquipe

CW = Employ de lorganisation Organisateur

CO = Coordonnateur Prsident

SH = Propulseur Moteur

PL = Concepteur Crateur

RI = Promoteur Rseau

ME = Priseur Jugement

TW = Soutien Relations dquipe

CF = Perfectionniste Dtails

32
Les employs de lorganisation (aussi appel les organisateurs) font avanc
les tches, travail fort et ralise leurs tches

Capacit dorganisation +
Approche pratique et
sense
Travailleur
Conservateur
Manque de flexibilit
Consciencieux -
Prvisible Ne ragit pas des ides
non prouv
Les employs de lorganisation sont les
gens qui accomplies le travail. Ils Ne sont pas content de
prennent les ides et concepts de
lquipe et les transforment en actions
laiss du temps crer de
pratiques et en plans. nouvelles ides

33
Les coordonnateurs prside lquipe et sassure que les processus
sont suivis
Invites des contributions
Invites des membres dquipes
+
Sassure que la structure est suivi
Forte tendance comprendre les
objectifs

Calme
Ont de lassurance
Manque de crativit -
Contrl Rticent laisser les autres
mener les discussions de
lquipe
Les coordonnateurs sont les rles typiques
dun dirigeant de lquipe. Ils dirigent
lquipe ce quils pensent sont les
Peut trop dlguer afin de
objectives. Souvent, ils reconnaissent la rduire son travail
valeur de chaque membre de lquipe.

34
Les propulseurs sont nergtique et veulent motiver les membres
dquipes de saccorder avec eux !

Moteur +
Prte dfier linertie,
linefficacit et lautosatisfaction
La direction et lnergie

Trs nerveux
Extraverti
Impatient
-
Ncoute pas les suggestions
Dynamique des autres
Les propulseurs mettent lquipe au dfi de
samliorer. Ils sont dynamiques,
Ne laisse pas lquipe de
typiquement des gens extraverti qui aiment temps dapprendre
motiver les autres, questionnent des
standards et trouvent les meilleurs
approches des problmes.

35
Les concepteurs sont placer dans une quipe pour pens des
suggestions et des ides cratives

Imagination +
Intellectuel
Connaissances

Individualiste
Srieux
Non conformiste
Distraient facilement -
Ignorent des dtails pratiques
Les concepteurs sont les innovateurs
cratives qui pensent des nouvelles ides Risques dtre agressives si
et approches. Les concepteurs sont souvent
introverti et prfre de travailler seule. Parce leurs ides ne sont pas choisi
que leurs ides sont nouvelles, ils peuvent
tre difficiles de temps en temps.

36
Les promoteurs collectent des ides et de linformation travers des
rseautages sociaux.
Communication avec des
gens
+
Lexploration des concepts
nouveaux
Rponses des dfis

Extroverti
Enthousiaste
Curieux
Sintresse plus lorsque
lintrt initial est termin
-
Les promoteurs sont innovant. Ils explorent Difficult se concentrer sur
des options disponible et dveloppent des le sujet actuel
contacts. Ils sont des membres de lquipe
enthousiastes qui identifient et travaillent
avec des parties prenantes externes en fin
Distrait facilement
daider lquipe atteindre leur objective.

37
Les priseurs rvisent et valuent le travail dquipe et les rsultats
logiquement

Jugement +
Discrtion
Sassurer une voie
logique aux conclusions
Srieux
Pas dmotions
Prudent
Manque dinspiration -
Pas un motivateur pour les
Les priseurs sont les meilleurs analyser et autres
valuer les ides des autres. Ils sont
objectifs et considrent soigneusement les Peru comme indiffrent et
risques et les avantages avant de prendre
une dcision. Ils ont une pense critique et
sans motions.
ils sont stratgiques avec leurs approches.

38
Les soutiens poursuivent lharmonie et de bonnes relations dans
lquipe

Rpondent des personnes et


des situations
+
Promouvoir lesprit de lquipe
Sensibles aux inquitudes des
autres
Orient socialement
Doux
Sensible
Hsitant durant des crises -
Compromettent des dlais ou la
Les soutiens supportent lquipe et qualit du travail pour
sassurent que toute lquipe travaille conserver le confort de lquipe
ensemble. Ils assument le rle des
ngociateurs dans lquipe et ils sont
diplomatiques et perceptives. Ils priorisent
la cohsion de lquipe et aident les
membres de lquipe bien sentendre

39
Les perfectionnistes sassurent que tous les dtails sont parfaits et
compltes

Capacit de donner suite +


Perfectionniste
Sassurent que aucun dtail
na t nglig

Mticuleux
Ordonn
Consciencieux Sinquitent des petits -
dtails
Les perfectionnistes assurent que les
projets sont terminer compltement. Ils Rticence de lcher et
assurent quil ny a pas derreurs ni
domissions et ils font attention des petits dlguer
dtails. Ils sont proccup par des dlais.

40
Les rles de lquipe de Belbin par catgorie
Rles ax sur laction :
Propulseur
Employ de lorganisation (aussi appel les organisateurs)
Perfectionniste

Rles ax sur les personnes :


Coordonnateur
Soutien

Rles ax sur les ides :


Promoteur
Concepteur
Priseur

41
41
FIPEC

Phase Dfinir
Raison dtre dun schma FIPEC

Fournisseurs Intrants Processus Extrants Clients

tapes du processus

Visualiser le processus au niveau le plus lev


Dterminer les possibilits damlioration
viter la sous-optimisation
Maintenir laccent sur les clients externes

2
R&S
Comment crer un schma FIPEC
Ces lments cls vous aideront crer un schma FIPEC :

Nommer le processus
Prciser le dbut et la fin (obstacles) du processus
Nommer et numrer les tapes principales du processus
Indiquer les rsultats et les clients cls
Quels sont les produits ou les services issus du processus ?
Qui utilise les extrants ?
Indiquer les intrants et les fournisseurs cls
Quels sont les matriaux et/ou les renseignements ncessaires
la production des extrants ?
Do proviennent-ils ?

3
R&S
Exemple FIPEC : Nettoyer Sec

Fournisseurs Intrants Processus Extrants Clients


Bag n Box Inc. Chemises Les Clients
Clients individuels Chandails vtements individuels
Clients dentreprises Pantalons nettoyer sur Clients
Fournisseurs de Costumes les cintres dentreprises
savon et solvant Manteaux Les
Fournisseurs de Cintres vtements
botes nettoyer plier
Botes
Fournisseurs de et mis dans
Sacs les botes
cintres
Fournisseurs de sacs Savons
Solvants

Rception Rassemblement
Nettoyer et Presser et
et trier du Vrifier et trier et expdition
scher suspendre
vtement

4
Modle FIPEC

5
Exercice : FIPEC
Objectif :
Sexercer crer une analyse FIPEC

Directives :
Rejoignez votre groupe Brasro
Consultez ltude de cas Brasro
Crez une analyse FIPEC pour Brasro sur du tableau-papier
Prparez-vous prsenter votre travail

Dure :
30 minutes

6
Exercice : Projet FIPEC
Directives :
Commencez crer une analyse FIPEC pour votre projet
Utilisez le modle

Dure :
20 minutes

7
Voix du client

Phase Dfinir
Voix du Client (VdC)
Comprendre la voix du client est ncessaire pour prciser
correctement le projet damlioration et pour dvelopper les bonnes
mesures de rendement.

Les donnes de la VdC aident lorganisation :


Choisir les produits et services offrir
Dterminer les caractristiques et spcifications importantes des
produits et services
Dcider o concentrer les efforts damlioration
Quantifier la point de comparaison de la satisfaction des clients
Dterminer les facteurs cls de la satisfaction de la clientle

2
Systme VdC
VdC ractive VdC prventive
Plaintes des clients (par Entrevues
tlphone ou par crit)
Groupes de discussion
Lignes dassistance ou de
dpannage Sondages
Appels lquipe de soutien Cartes de commentaires
technique Donnes recueillies pendant
Appels au service la les appels/visites du
clientle reprsentant
Rclamations, crdits, Observation directe du client
paiements contests
tude/surveillance du march
Rapport sur le rendement des
ventes Analyse comparative
Renseignements relatifs aux Fiches de pointage de la
retours de produits qualit
Rclamations au titre de la
garantie
Activit sur la page Web

3
Exercice : Voix du client (partie 1)
Objectif :
Dterminer la voix du client

Directives :
Diviser en groupes selon les directives du formateur
En tant que client de Brasro, saisir linformation lie la voix du client
en crivant chaque lment sur des papillons adhsifs distincts.
Faire un remue-mninges pour identifier les ides de la VdC

Dure :
15 minutes

4
Diagrammes daffinits
Les diagrammes daffinits sont utiliss pour organiser les ides et
les classer en catgories
Lessive

Repass Propre Endommager


Minutage

Ouvre 7 h Cols et Propre sans


Chaque Les boutons
pour dposer menottes taches
commande en leur place
les vtements entier est prte, nets
Couleurs
comme promis, Les boutons
Reste ouvert Le devant vives
la prochaine non briss
jusqu 18 h journe 16 h lisse
pour ramasser Trs blancs
Pas dchir
les vtements Je veux Aucun pli
Le cou non
ramasser mes
tordu
vtements
rapidement

5
Exercice Voix du Client (parite 2)
Objectif :
Sexercer utiliser un diagramme daffinit pour saisir et classer les
donnes de la voix du client

Directives :
Diviser en groupes selon les directives du formateur
Classer les donnes en regroupant les papillons adhsifs sur un
tableau-papier
Nommer chaque catgorie

Dure :
5 minutes

6
Transformation de la VdC en exigences critiques client (ECC)
VdC Arborescence ECC
ECC
ECC

I want
Je veux ECC

besoin ECC

ECC
ECC
ECC
ECC

Larbre de dcision peut vous aider passer dun besoin une


exigence critique client. Dans certains cas, vous serez en mesure
de passer directement des besoins aux exigences critiques client
alors que, dans dautres cas, il est possible que vous ayez besoin
de remonter plusieurs branches de larbre pour dcouvrir les
exigences essentielles sous-jacentes.

7
Spcifications dfinies comme ECC
Dans le secteur de la fabrication, les limites de spcification
proviennent souvent des exigences techniques ou
mcaniques.
Autrement, les limites de spcifications de base sur les donnes
des besoins des clients
tablissez les spcifications au point mme o la satisfaction du
client commence dgringoler.
tablissez une tablissez une spcification
spcification infrieure suprieure ici
ici
100%
satisfaction
% de

0%
66 67 69
68 69 70 71 72 73 74 75 76
Temprature de la pice (en F)

8
Transformation des VdC en ECC
Une fois que les besoins du client sont identifis, vous devez
dterminer ce quil considre comme une exigence critique client,
cest--dire les caractristiques qui lui permettent dvaluer la
qualit de vos produits et services.
VdC Dfinition dune dfaut / Mesure
ECC

Chandails sont prts temps Pas prt tre ramass le Prt le prochain jour 16 h
comme promis prochain jour 16 h, si la lundi au vendredi, is la
commande a t dpose commande est dpose 9
avant 9 h h, du lundi au vendredi

Chandails sont propres sans Chandail sale ou ayant des Une tache non consigne
tache taches comme tant permanente
avec une tiquette de tache
spciale.

9
Exercice exigences critiques client
Objectif :
Sexercer rdiger des exigences
essentielles la qualit mesurable

Directives : VdC Dfinition dune Mesure


Diviser en groupes selon les dfaut / ECC
directives du formateur
Chandails sont Pas prt tre Prt le prochain
Slectionner les deux principales prts temps ramass le jour 16 h lundi
VdC tires de vos catgories du comme promis prochain jour au vendredi, is la
diagramme daffinit 16 h, si la commande est
commande a t dpose 9 h,
Rdiger deux ECC et identifier un dpose avant 9 du lundi au
dfaut et une mesure h vendredi

Utiliser un tableau-papier pour crer


Chandails sont Chandail sale ou Une tache non
un tableau et le remplir propres sans ayant des taches consigne
tache comme tant
Dure : permanente avec
20 minutes une tiquette de
tache spciale.

10
Le modle Kano et la VdC

Documentation supplmentaire
Modle Kano et VdC
Noriaki Kano (un clbre expert japonais en matire de qualit)
sest servi de son exprience pratique dans le domaine de la
comprhension des exigences de la clientle pour dfinir trois
catgories de besoins de la cliente :

Besoins obligatoires
Le client sattend ce que ces besoins soient combls. Si ces besoins ne
sont pas combls, le client sera mcontent, mais, mme sils sont
entirement combls, le client ne sera pas particulirement satisfait (par
exemple, la scurit en avion).
Besoins proportionnels
La satisfaction de ces besoins a un effet direct sur la satisfaction du client;
plus ces besoins sont combls, plus le client est satisfait (par exemple, des
billets davion prix modique)
Besoins attractifs
Le fait de ne pas combler ces besoins ne cause pas de mcontentement,
mais le client est satisfait lorsquils sont combls (par exemple, les
compagnies ariennes qui offrent des biscuits aux ppites de chocolat
durant le vol)

12
Modle Kano
Les caractristiques obligatoires
sont en gnral tenues pour acquises, Contentement Caractristiques
attractives

Satisfaction de la clientle
moins quelles soient absentes!
Rsign Satisfait

la ralit
En gnral, les clients discutent ou
soulvent des questions concernant les Neutre
caractristiques proportionnelles Caractristiques
obligatoires

Les caractristiques attractives ne Insatisfait Tenu pour


sont habituellement pas mentionnes acquis
tant donn que les clients ne sont pas Mcontentement

insatisfaits lorsquelles font dfaut. Absent Satisfait


Degr de russite

Le modle Kano aide mieux comprendre les besoins des clients pour dterminer les
pralables requis pour atteindre le niveau de satisfaction qui convient votre processus ou
produit. Ce modle change lide qu il vaut mieux trop que pas assez lorsquil sagit du
satisfaction des clients. En effet, la performance de certaines catgories produisent des
niveaux de satisfaction plus leves que dautres.

13
Matrice de famille de produit

Phase Dfinir
Chane de valeur
Une chane de valeur contient toutes les tapes pour obtenir
le produit final* du fournisseur au client. Ceci inclut toutes les
tapes de valeur ajoute et de non valeur ajoute.
*Normalement, une famille de produits comprend plusieurs
produits, non un seul

Chane de valeur

tape tape tape

Matires Produits
premires finis

2
Famille de produits
La matrice de famille de produit est un outil qui aide classer les
produits finis en famille selon les tapes du processus. Une famille de
produits est :
Un groupe de produits qui suivent les tapes dun processus
similaire et qui ncessitent une charge de travail similaire
Ce nest pas ncessairement les modles qui vont tre vendus

Savoir si vous avez une ou plusieurs familles aidera dterminer le


projet et prioriser les diffrents groupes de problmes plus
efficacement. Avoir les familles de produits aidera
Concentrer la porte de la chane de valeur
Identifier des intrants et des extrants prcis
Avoir plus de dtails quand on commence planifier la collecte de
donnes pour notre chane de valeur
Fixer des objectifs damlioration plus prcis

3
Crer une matrice de famille de produits
1. Crer une matrice de famille de produits si cest simple et rapide.
En slectionnant une famille (la plus importante dan votre
situation), la matrice de produit servira dterminer la porte du
projet

1. Lister les tapes en


haut
2. Lister les produits
gauche
3. Identifier les tapes
exiges
pour chaque produit
4. Regrouper les
produits
(identifier les familles)
qui ont un processus
similaire requis

4
Slectionner une famille de produit
Prioriser les familles de produits pour dcider quel travail
accomplir en premier, selon des critres de :

Disparit avec les attentes du client


Facilit et rapidit dexcution
Possibilit damlioration
Importance stratgique pour lentreprise
Les critres de slection dpendent de chaque situation

5
Exercice : matrice de famille de produits
Objectif :
Mettre en pratique la matrice de famille de produits et slectionner une
famille

Directives :
Identifier une famille de produits aprs avoir crer la matrice

Dure :
15 minutes

6
Livrables de la phase Dfinir

Phase Dfinir
Phase 1 : Dfinir
Dans la phase Dfinir, vous aurez identifier lobjectif de
votre projet et ses limites bass sur vos connaissances de
lorganisation, les objectifs daffaires, les besoins des clients
et les besoins de votre processus afin de lamliorer et
dobtenir un niveau suprieur de Sigma. Vous allez dfinir :

La porte du projet
La voix du client Dfinir

Les besoins de vos parties prenantes


Contrler Mesurer

Amliorer Analyser

2
Projet russi
SMART
Il est li un objectif administratif
important
Le processus est clairement
dfini et mesur
Les clients internes et externes
sont faciles identifier
On peut dterminer et mesurer
lexigence critique de qualit
On peut illustrer comment les
amliorations pourraient
augmenter le rendement
financier

3
Outils pour la phase Dfinir

Mandat du projet
Mesures
SMART
(Spcifique,
Mesurable,
Atteignable, Raliste,
limit dans le Temps)
A3
FIPEC
Famille de produit
VdC et exigences
essentielles la qualit
Diagramme daffinit
Revue de jalon
Etc.

4
Aperu de la phase Mesurer

Phase Mesurer
Phase 2 : Mesurer
Dans la phase mesurer, lobjectif est de reprer lemplacement
ou la source des problmes le plus prcisment que vous
pouvez et de construire une connaissance factuelle des
conditions du processus existant. Vous mesurez :

Situation actuelle du processus


Capabilit de rfrence laide des donnes;

Dfinir

Contrler Mesurer

Amliorer Analyser

2
Collecte de donnes et dfinitions
oprationnelles

Phase Mesurer
Les donnes de la phase mesure nous aident
Les donnes nous aident
Sparer ce que nous croyons qui se produit de ce qui se produit
actuellement
Confirmer ou rfuter des ides et des thories prconues
tablir un rendement actuelle
Voir lhistorique du problme au fil du temps
Mesurer les incidences des changements sur le procd
Dfinir et comprendre les relations pouvant aider expliquer les
variations

4
Exemple : Dlai dexcution
Un important fabricant dordinateurs devait amliorer sa
comptitivit
Objectif : rduire le dlai dexcution pour lun des produits les
plus populaires
Les donnes existantes ont rvl que 5 10 jours taient
ncessaires lexcution des commandes
Objectif de la direction : 95 % des commandes pour ce produit
excutes dans lespace de 3 jours % effectu en
Usine moins de 3 jours
Aprs quelques mois, les rsultats
par tablissements rgionaux ont 1 73 %
t publis 2 47 %
Assurment, quelques
ttes devraient tomber 3 83 %
lusine no 2, non ? 4 67 %
5 76 %

5
Exemple : Dlai dexcution
Sauf lentreprise a dcouvert que les usines de fabrication
dfinissaient diffremment lexpression commandes
excute dans lespace de trois jours .
Lusine 2 comptait le jour o la commande tait passe comme
tant le Jour 1. Les autres usines comptaient le jour aprs la
commande passe comme tant le Jour 1. Une fois que lusine 2
a refait ses calculs de taux de rendement de la mme manire
que les autres usines, son taux est pass 77 %
% effectu en
Usine moins de 3 jours
1 73 %
2 47 % = 77 % lorsque calcul de la mme
Quelles leons pouvez- manire que les autres usines
3 83 %
vous tirer de cet exemple ?
4 67 %
5 76 %

6
Vocabulaire : Types de donnes
Donnes continues Donnes discrtes
Mesurables Dnombrables
Divises infiniment La division nest pas
(en thorie) logique
Proportion dexpditions en
Temps retard
Longueur Proportion de dfauts ou
Poids retravaille
Volume Nombre de dfauts ou
plaintes
Vitesse
Type dapplication ou de
Argent demande
Pointage de satisfaction des Mthode utilise nouveau
clients vs vieux
Pourcentage calcul par une Jour de la semaine
mesure Pourcentage calcul par un
dnombrement
valuation dun client
(5 = satisfait/ 1= non satisfait)

7
R&S
Caractristiques des donnes dsires
Suffisantes :
Il y a suffisamment de donnes, de sorte que les tendances que vous
remarquez sont probablement vraies
Formule de la taille dchantillon
Dcision rationnelle

Pertinentes :
Les donnes vous aideront comprendre ou dfinir le problme que vous
tentez de rgler

Reprsentative :
Ltendue complte des conditions du procd en place est prsente dans
les donnes

Contextuelles :
Les donnes sont amasses avec dautres renseignements sur ce qui arrive
tout au long du procd

8
Collecte de donnes
Pour la phase Mesurer, nous avons besoin des donnes pour
quantifier et comprendre ltat actuel. Lors de la planification pour la
collecte des donnes, il sera important de :

tre capable didentifier les mesures possibles


Savoir comment slectionner les variables les plus importantes pour
mesurer
tre capable didentifier les facteurs de stratification pour un problme
Crer des dfinitions oprationnelles (si ncessaire)
Crer un formulaire de collecte de donnes utiles

9
Procd de collecte de donnes en 5 tapes
Suivre les tapes vous aide ramasser correctement les
donnes pour vos besoins et assurer que ce que vous
obtiendrez sera utilisable et significatif.
1. Dterminer les mesures importantes et clarifier les objectifs de
la collecte de donnes
2. laborer des dfinitions oprationnelles et des procdures
3. Valider le systme de mesure
4. Commencer la collecte de donnes
5. Continuer amliorer luniformit des mesures

10
tape 1 : Identifier les mesures cls et clarifier les objectifs de collecte
des donnes
Utiliser le FIPEC pour votre plan de collecte des donnes
Indicateur de mesure des rsultats :
Aprs les faits, information sur le rendement en fonction des
exigences des clients.
Indicateur de mesure du procd :
Mesures dans le procd qui fonctionne comme un signal
davertissement quand quelque chose va mal. (dtecteur de fume)
Meilleure pratique est de mesurer et de contrler les intrants
critiques du procd (x)
Mesures Mesures
du processus des rsultats
Fournisseurs Clients
Extrants
Intrants Processus

11
Collecte de donnes Stratification
Stratification est lidentification et lusage des caractristiques pour
classer les donnes dans des catgories diffrentes.

Extrant Facteurs de Stratification


Taux de production Par mois
Par quipe
Par personne

12
Plan de collecte des donnes

13
Exercice : identification des mesures
Objectif :
Mettre en pratique lidentification des mesures potentielles en utilisant le schma
FIPEC haut niveau.

Directives :
Travailler avec votre quipe
Consulter linformation de ltude de cas
Discuter de votre processus et dterminer si vous avez un indicateur de mesure
du procd et des rsultats.
Identifier des endroits o vous considriez amasser des donnes pour mieux
comprendre le processus.
Crer une liste dindicateurs de mesure potentiels pour dterminer ce qui
pourraient impacter votre problme.
Remplir votre plan de collecte de donnes

Dure :
10 minutes

14
tape 2 : dvelopper des dfinitions oprationnelles et des
procdures
Une dfinition oprationnelle est une description prcise qui
explique comment chercher la valeur de ce que vous essayez
de mesurer. Ceci inclut la dfinition de quelque chose et
comment le mesurer.

Une dfinition oprationnelle :


Enlve lambigut
Est SPCIFIQUE ET CONCRTE
Dcrit votre faon de mesurer cette caractristique
Est mesurable

15
Exercice : dfinition oprationnelle
Objectif :
Vous tes assigns la tche de dterminer combien de biscuits en forme danimaux sont
bons (sans dfauts) selon la perspective des enfants. Se pratiquer utiliser le processus
de collecte de donnes en crivant un dfinition oprationnelle

Directives :
Dfinissez un biscuit dfectueux.
crivez votre dfinition oprationnelle.
crivez les instructions de mesure.
Utilisez votre dfinition oprationnelle et vos instructions de mesure pour dterminer le
nombre de dfauts des biscuits pour votre groupe.
Quand vous avez fait le compte des dfauts en groupe, donnez au facilitateur vos donnes
et les informations suivants :
quipe : (1, 2, 3, 4)
Groupe de biscuits : (A, B, C, D)
Nombre de dfauts : (crire le nombre par biscuit)
Chaque quipe dterminera le nombre de dfauts de CHACUN des autres groupes en
utilisant leur dfinition oprationnelle pour ce groupe.
La rotation se fera en suivant les instructions du formateur.

Dure :
60 minutes

16
tapes 3-4-5 : Collecte de donnes
tape 3 : Valider le systme de mesure
On va voir ce module plus tard (tude R&R)
tape 4 : Commencer collecter des donnes
Vous pouvez collecter les donnes de la situation actuelle
Et vous planifiez et commencez la collecte des donnes pour
lanalyse des causes
tape 5 : Continuez amliorer luniformit des mesures

Points dapprentissage cl :
Il ny a pas quune seule bonne faon pour dfinir une mesure
oprationnellement
Plus quelle est prcise, plus meilleure quelle sera
Prvoir retravailler la dfinition aprs lavoir mise lessai
Une formation aidera les collecteurs de donnes appliquer les
dfinitions oprationnelles de faon uniforme

17
chantillonnage

Phase Mesurer
Cest quoi l'chantillonnage et pourquoi est-ce utile ?
L'chantillonnage, c'est :
recueillir une partie de toutes les donnes
utiliser cette portion pour tirer des conclusions (faire des dductions)

Pourquoi effectuer un chantillonnage? Car examiner toutes les


donnes peut tre :
trop coteux
trop fastidieux
destructeur (p. ex. en ce qui a trait aux tests de dgustation)
Il est souvent possible de tirer des conclusions valables partir
d'une quantit relativement faible de donnes

2
chantillons reprsentatifs
Pour que les conclusions * La planification est
soient valides, les chantillons ncessaire la slection d'un
doivent tre reprsentatifs*. chantillon reprsentatif.
Les donnes devraient Prenez en considration :
reprsenter la population ou le les groupes chantillonner
procd de faon juste. et la proportion qu'aura
Il ne devrait y avoir aucune chaque groupe dans
diffrence systmatique entre l'chantillon
les donnes recueillies et les le moment o effectuer
donnes non recueillies. l'chantillonnage et la
frquence laquelle vous
devrez chantillonner
l'endroit o effectuer
l'chantillonnage

3
Approches dchantillonnage
Approche dchantillonnage Situation
chantillonnage alatoire Utilis pour lchantillonnage de population.
Chaque unit de la population est dsigne par un
type dindice.
Dterminer la taille de la population (N) et la taille
de lchantillon (n).
chantillonnage alatoire stratifi Utilis pour les groupes denvergure comportant
des sous-groupes distinctifs.
Permet de sassurer que lchantillon reprsente
chaque sous-groupe dans la mme proportion que
la population
chantillonnage systmatique Utilis pour slectionner des articles selon une
tendance.
Tendance tablie en fonction des connaissances
sur le procd et des besoins en matire
dchantillonnage.
Permet de sassurer que lchantillon correspond
un procd qui pourrait changer au fil du temps.

4
Procd d'chantillonnage
Utilis pour s'assurer qu'il est possible de voir ce qui se passe
rellement dans un procd.

Ncessite un chantillonnage systmatique, c'est--dire un


chantillonnage effectu des intervalles de temps prdtermins
afin de reprsenter les sources de variation du procd de faon
juste.

Mme s'il est possible de soumettre des procds stables un


chantillonnage alatoire, nous utilisons l'chantillonnage
systmatique et conservons l'ordre chronologique afin que le
comportement du procd soit mieux reprsent.

5
Estimation de la taille de l'chantillon
La taille de l'chantillon est dtermine par quatre facteurs :

1.Le type de donnes chantillonnes (donnes discrtes ou


continues)
2.La prcision d'chantillonnage voulue (marge d'erreur)
3.L'cart type de la population ou la proportion de la population
4.Le niveau de confiance de l'estimation de l'chantillon (nous
utilisons 95 %)

6
Symboles utiliss dans l'estimation de la taille de l'chantillon
Les symboles utiliss dans l'estimation de la taille de
l'chantillon sont inclus dans le tableau

Population chantillon

Taille N n

Moyenne x
cart type
s

Proportion P p

Prcision de
d
lchantillon

7
Les formules de calcul de la taille de l'chantillon varient selon l'objectif

Objet de l'chantillon Formule*


Estimation de la population moyenne 2
2s
(p. ex. dterminer le dlai d'excution n=
moyen pour traiter une demande.) d
(d = prcision: __ units)

Estimation d'une proportion de la population 2


2
(p. ex. dterminer le pourcentage n = (p )(1 p )
d'appels abandonns qui surviennent d
dans un centre d'appel.) (d = prcision: __ units)

8
Utilisations des formules pour la taille de l'chantillon
Les formules pour la taille de l'chantillon sont utilises pour
dterminer :
la taille de l'chantillon ncessaire pour caractriser (moyenne
ou une proportion) de tout un groupe.
un compromis entre la prcision de l'estimation et les cots
davoir un chantillon de plus grande taille.
la prcision d'une estimation en fonction de tailles d'chantillon
diffrentes avant la collecte de donnes.
la prcision de l'estimation aprs avoir collecter des donnes

9
Prcision des chantillons (d)
La prcision concerne la taille dchantillon valuer pour lestimation dune
caractristique :
Estimation du dlai dexcution dans lespace de deux jours.
Estimation du % derreur de 3 %.
Le symbole d est utilis pour reprsenter la prcision :
En statistique traditionnelle, la prcision se nomme delta , ce qui explique lemploi du symbole d.
Cest vous de dcider du degr de prcision.
La prcision est gale la moiti de la largeur dun intervalle de confiance.
Un intervalle de confiance de 95 % = (48, 52) pour le dlai dexcution (en jours) signifie que nous sommes
confiants 95 % que lintervalle de 48 jours 52 jours comprend le dlai dexcution moyen.
Largeur de lintervalle de confiance = 4 jours.
Prcision = d = 2 jours (lestimation sinscrit dans 2 jours).

Estimez lcart-type aux fins de calcul de la taille de lchantillon.

Utilisez les donnes existantes pour calculer s, recueillez un petit chantillon et calculez s.

Estimation approximative : utilisez la plage de donnes (la valeur la plus leve moins la plus
basse) divise par 6.

10
Exercice : taille de l'chantillon ncessaire pour estimer une proportion

Exercice :
Travaillez avec un(e) partenaire et calculez la taille dchantillon
ncessaire pour estimer la proportion des erreurs de tri des articles
poste-lettres, en sachant que :
1.Le niveau prvu des articles mal tri dans la population est 10 %
2.Une prcision de 3 % est voulue
3.De quelle faon la taille de l'chantillon doit-elle tre modifie pour
que l'estimation soit 1 % prs de la moyenne ?

Formule de calcul de la
taille de l'chantillon :
2
2
n = (p )(1 p )
d

11
Taille de l'chantillon ncessaire pour estimer une proportion

RPONSES

Formule pour la taille


Rponses :
de lchantillon :
2
2
n = (p )(1 p ) 2 2
n = (.10)(1 - .10) = 400
d .03

2 2
n = (.10)(1 .10) = 3600
.01

12
Exercice : taille de l'chantillon ncessaire pour estimer une moyenne

Exercice :
Travaillez avec un(e) partenaire et calculez la taille dchantillon
ncessaire pour estimer le dlai dexcution moyen pour un
procd de tri des articles Poste-lettres, en sachant que :
1.Des donnes historiques de procds semblables montent un cart
type habituel de cinq minutes.
2.Une prcision 2 minutes prs est voulue
3.Quelle serait la taille de l'chantillon si on voulait que l'estimation soit
une minute prs?

Formule de calcul de la taille de


lchantillon :
2
2s
n=
d

13
Taille de l'chantillon ncessaire pour estimer une moyenne
RPONSES

Formule de calcul
de la taille de lchantillon : Rponses :

( )
2
2s (2)(5) 2 2
n= n= = 5 = 25
d 2

n= ( )
(2)(5)
1
2
2
= 10 = 100

14
Estimation de la prcision au moyen d'une taille d'chantillon
prtablie
valuer le pour et le contre de dpenser plus dargent afin
daugmenter la taille des chantillons et ainsi dobtenir une plus
grande prcision. Dterminer cet lment avant de recueillir les
donnes peut vous aider justifier la taille de l'chantillon qui
conviendra le mieux.

Dterminez le nombre (n) d'chantillons que vous tes en mesure de


payer et calculez ensuite la prcision

Calculer la prcision

Choisir une taille dchantillon dont la taille est justifie en fonction du


niveau de prcision que doivent avoir les rsultats selon votre situation
Moyenne d units Proportion d %
2s (p)(1 p)
d= d= 2
n n

15
Calculatrice dchantillon des donnes discrtes

Nous vous fournissons un tableau Excel qui contient les formules de


calcul de la taille des chantillons. Il y a deux onglets dans la feuille de
travail : L'onglet Calc. Samp. Size (Cont.) qui est utilis pour les
donnes continues et l'onglet Calc. Samp. Size (Disc.) qui est
utilis pour les donnes discrtes (voir les donnes ci-dessous et la
page suivante).

Donnes discrtes Vous


enterez la taille de la
population et une proportion
estimative et vous obtenez de
diffrentes tailles d'chantillon
correspondant des
diffrentes valeurs de d, allant
de 1 % 25 %. De plus, la
relation entre d et n est
trace.

16
Calculatrice dchantillon des donnes continues

Donnes continues vous enterez la taille de la


population et l'estimation d'un cart type et vous
obtenez diffrentes tailles d'chantillon
correspondant diffrentes valeurs de d, allant de
1/5 1/100 de l'cart type. De plus, la relation
entre d et n est trace.

17
Exercice : Dterminer la taille d'un chantillon au moyen de donnes
discrtes
Objectif :
Dterminer une taille d'chantillon pour des donnes discrtes

Directives :
Vous voulez estimer la proportion des colis de Xpresspost livr en retard. Par le
pass, la proportion de livraison en retard tait de 0,10. Lexcution dune
vrification par chantillonnage pour les dossiers cotera 1,20 $ par paquet. En
moyenne, 5 000 paquets sont traits par semaine et 8 semaines de donnes sont
requises pour que lchantillon soit reprsentatif.
1. Faites-vous lestimation dune moyenne ou dune proportion ?
2. tudier la relation entre la taille dchantillon et la prcision.
3. Quelle valeur est-ce que vous devrez utiliser pour la taille de la population si vous
souhaiter a procd un chantillonnage pour une priode de deux mois ?
4. Selon vous, quelle taille d'chantillon faut-il utiliser et pourquoi ?
5. Supposons que vous choisissez d'chantillonner 2 000 paquets et la proportion de
paquets en retard est de 0,10. Indiquer la prcision (d).

Dure :
10 minutes

18
Dterminer la taille d'un chantillon au moyen de donnes discrtes

Question 1 : Proportion

Question 2 :
Une taille de population de 40 000 a t utilise; 5 000 paquets par semaine multiplis par
8 semaines (2 mois).

Question 3
On constate des gains relativement levs au chapitre de la prcision entre 100 et 1 000
chantillons; Le gain diffrentiel par chantillon ou par dollar dpens plafonne par la suite. Si le
pourcentage rel de livraison en retard est de 10 %, un niveau de prcision de 2 ou 3 % semble
convenable :
n = 881 aboutirait une estimation entre 8 % 12 % ( = 10 % 2 %)

n = 397 aboutirait une estimation entre 7 % 13 % ( = 10 % 3 %)


Dboursez au moins 480 $ pour une taille dchantillon de 400, ou si cest possible, 1 080$ pour
une taille dchantillon de 900.
Question 4
tant donn les valeurs p=0,55 et n=2 000, la prcision devrait quivaloir 0, 022.

(p)(1 - p) = 2 (. 55 )(. 45 ) = .022


d= 2
n 2000

19
Exercice : Dterminer la taille d'un chantillon au moyen de donnes
continues
Objectif :
Dterminer la taille d'chantillon pour des donnes continues

Directives :
Vous dsirez connatre le montant moyen des factures du cycle de facturation
prcdent, lequel comprenait 3 000 factures. Vous vous attendez ce que l'cart
type du montant des factures soit d'environ 12 $. Il en cote environ 0,60 $ pour
chaque unit soumise un examen. Combien d'units devriez-vous examiner?
1. Faites-vous lestimation dune moyenne ou dune proportion ?
2. tudier la relation entre la taille dchantillon et la prcision.
3. Quelle valeur est-ce que vous devrez utiliser pour la taille de la population ?
4. Selon vous, quelle taille d'chantillon faut-il utiliser et pourquoi ?
5. Supposons que vous avez chantillonn 133 factures parce que vous vouliez atteindre
une prcision de 2,0 et que l'cart type tait de 5. Quelle est la prcision (d) de lvaluation
de la moyenne ?

Dure :
5 minutes

20
Exercice : dterminer la taille d'un chantillon au moyen de donnes
continues

Question 1 :Moyenne

Question 2 :Population = 3 000 a t utilis.

Question 3 :
Il semble raisonnable de penser qu'une prcision de 1 ou 2 permettrait d'estimer le
montant moyen des factures. La connaissance du procd permettrait de dterminer
si c'est effectivement le cas.
Vous pouvez examiner le graphique de la prcision en fonction de la taille de
l'chantillon pour constater que les gains de prcision par chantillon ou dollars
dpenss plafonnent partir de la taille de lchantillon de 500.
Il semble raisonnable de recommander l'utilisation d'un chantillon qui permet une
prcision de 1,0.
Question 4 :
Prcision varie de 2,0 0,87 (lorsque s = 5 au lieu de 12).

2 (2) (5)
d= = = .87
n 133

21
Rgles pratiques concernant la taille des chantillons

Statistique ou graphique Taille minimale


d'chantillon(n)
recommande
Moyenne 2s
2
n=
d
2
Proportion 2
n = (p )(1 p )
d

Diagramme de frquence 50
(histogramme
Pareto 50
Diagramme de dispersion 24
Charte de contrle 24

22
Graphical Display & Y

Phase Mesurer
Diagrammes de statistiques basses
On va apprendre comment crer chacun de ces graphiques
de base communs.
Statistiques descriptives
Diagrammes de frquence
Diagramme point
Bote moustaches
Diagramme de (srie) chronologiques
Diagramme de dispersion (X,Y)

2
Distribution normale
Les caractristiques dune distribution normale sont
En forme de cloche et symtrique
Distribution asymptotique laxe X
Moyenne = mdian = mode
Summary for Height (cm)
A nderson-D arling N ormality Test
A -S quared 0.25
P -V alue 0.731

M ean 171.77
S tD ev 4.88
V ariance 23.80

Gamme de distribution S kew ness


Kurtosis
-0.200244
-0.085969
N 100
(max-min) = moyenne M inimum
1st Q uartile
158.82
168.50

3 carts-types 156 160 164 168 172 176 180 184


M edian
3rd Q uartile
172.05
174.94
M aximum 182.77
95% C onfidence Interv al for M ean
170.80 172.74
95% C onfidence Interv al for M edian

P>0.05 means 170.69 172.87


95% C onfidence Interv al for S tD ev

the data is Mean


9 5 % C onfidence Inter vals 4.28 5.67

normal Median

171.0 171.5 172.0 172.5 173.0

3
Control Chart: Stability

I-MR Chart of Mon


U C L=2525.3
2500
Individual V alue

7
_
2400 X=2406

2300
LC L=2286.7

1
1 4 7 10 13 16 19 22 25 28
O bser vation

200 1
1

150 U C L=146.6
M oving Range

100

__
50 M R=44.9

0 2
LC L=0
2
1 4 7 10 13 16 19 22 25 28
O bser vation

4
Rsum des diagrammes I-EM, p, np, c et u

I-EM Donnes continues individuelles

p Proportion de % de conformit, Taille dchantillon


dfauts dans chaque compter les dfauts ingal
sous-groupe et les bons
np Nombre de dfauts Mme taille
dans chaque sous- dchantillon
groupe (mme taille
dchantillon chaque
fois)
c Compter des dfauts Compter les dfauts Distribution de
par chantillon rares Poisson
(mme taille Mme taille
dchantillon chaque dchantillon
fois)
u Total de dfauts par Distribution de
units de lchantillon Poisson
dans chaque sous- Taille dchantillon
groupe ingal

5
Capabilit du processus

Tous les processus ont une variabilit des


Process Capability of Coffee (ml)
statistiques ! La capabilit du processus compare LSL USL
P rocess Data Within

lextrant dun processus stable avec des limites de LS L


Target
USL
370
*
380
Ov erall
P otential (Within) C apability
S ample M ean 375.464 Cp 0.69

spcification. La capabilit de processus : S ample N


S tD ev (Within)
30
2.39919
S tD ev (O v erall) 2.27658
C P L 0.76
C P U 0.63
C pk 0.63
O v erall C apability

Quantifie comment le processus satisfait les Pp


PPL
PPU
0.73
0.80
0.66
P pk 0.66

spcifications du client C pm *

value un processus par des mthodes de O bserv ed P erformance


370 372 374
E xp. Within P erformance
376 378
E xp. O v erall P erformance
380

P P M < LS L 0.00 P P M < LS L 11383.66 P P M < LS L 8198.18

statistiques (mesure de la capabilit du P P M > U S L 33333.33


P P M Total 33333.33
P P M > U S L 29328.71
P P M Total 40712.36
P P M > U S L 23153.35
P P M Total 31351.53

processus)
Cp & Pp Quand un client achte un
caf, il sattend une tasse
DPMO/PPM
remplie. Le procd de
Sigma du processus remplir une tasse a de
Compare la variabilit dun processus stable variabilit. Est-ce quon
avec les limites de spcification du processus satisfait les attentes du client
Limite de spcification suprieure (LSS) (375 ml 5ml) ?
Limite de spcification infrieure (LSI)

6
Introduction Minitab

Supplemental documentation
Minitab : vue gnral

La fentre du session affiche des extrants


de texte comme des tableau de statistiques

La fentre des donnes est o vous pouvez


entrer, modifier et voir les donnes

8
Minitab : ouvrir des documents

Ouvrir un feuille de
calcul

Choisir le feuille
de calcul ouvrir

9
Minitab : sauvegarder des documents

Sauvegarder le projet
Sauvegarder le feuille de
calcul
tape 1 : Choisir o sauvegarder votre document

tape 2 : Taper
ventes come le tape 3 : Click sur Save
nom du
document

10
Minitab : colonne

Le D signifie
une colonne de
Le T jour/temps
signifie une Sans lettre
colonne de signifie une
texte colonne
numrique

11
Exercice : statistiques et diagrammes descriptifs
Document de donnes :
MTB_Practice

Objectif :
Pour ouvrir le document de donnes et suivre pour crer et
apprendre comment interprter le suivant :

Directives :
Suivez votre facilitateur

Dure :
30 minutes

12
Minitab : affichage des statistiques descriptives
Affichage des statistiques descriptives (mal trier) par le trieur
didentification :
Stat > Basic Statistics > Display Descriptive Statistics

Variables :
sorter_1 -
sorter_5

13
Minitab : affichage des statistiques descriptives

Les rsultats sont afficher dans le


Session Window

14
Minitab : affichage des statistiques descriptives
Laffichage des statistiques descriptives (mal trier) par le trieur
des identifications :
Stat > Basic Statistics > Graphical summary

15
Minitab : affichage des statistiques descriptives

Summary for sorter1


A nderson-D arling N ormality Test
A -S quared 1.14
P -V alue 0.005

M ean 55.000
S tD ev 2.992
V ariance 8.953
S kew ness -0.281846
Kurtosis -0.525606
N 150

M inimum 47.000
1st Q uartile 53.000
M edian 55.000
3rd Q uartile 57.000
48 50 52 54 56 58 60 M aximum 60.000
95% C onfidence Interv al for M ean
54.517 55.483
95% C onfidence Interv al for M edian
54.000 56.000
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
2.688 3.375
Mean

Median

54.0 54.5 55.0 55.5 56.0

16
Minitab : diagrammes de frquence
Utiliser les diagrammes de frquence, aussi appele des
histogrammes, pour voir la population ou la distribution de
lchantillonnage
Diagrammes de frquence
Diagramme qui montre le centre, ltendue et la forme de la
distribution des donnes
Les donnes sont groupes dans des cellules (bandes)

17
Minitab : histogrammes
Diagrammes de frquence pour sorter1 - sorter5 (total des
mal trier) :
Graph > Histogram > Simple
Variables de
diagramme :
sorter1 -
sorter5
Slectionnez
Multiple Graphs -
In separate panels
of the same graph

18
Minitab : histogramme

Histogram of sorter1, sorter2, sorter3, sorter4, sorter5


sorter1 sorter2 sorter3
20
20
Des diagrammes
20
15
15
point sont une autre
15
10
10 10
option pour reprsenter
5 5 5
la mme information
Frequency

0 0 0
quun histogramme
48 50 52 54 56 58 60 48 51 54 57 60 63 51 54 57 60 63 66
sorter4 sorter5
Semblable des
16
20
diagrammes de
12
15
frquence, utilise des
8
10 points de donns
4 5 individus au lieu des
0
54 57 60 63 66 69 72
0
40 42 44 46 48 50 52 54
donnes group

19
Minitab : Diagramme point
Diagramme point pour sorter1 - sorter5 :
Graph > Dotplot > One Y > With Groups

Graph variables: count


Categorical variables for
grouping : sorter

20
Minitab: Diagramme point

Dotplot of count

2
sorter

5
40 45 50 55 60 65 70
count

Each symbol represents up to 2 observations.

21
Minitab : Bote moustache
Une bote moustache est utilise pour reprsenter la
distribution de plusieurs catgories sur la mme visuelle.

Bote moustaches
Reprsentation graphique de la distribution des donnes qui affiche
le mdian, Q1, Q3, et des valeurs aberrante

22
Minitab : Bote moustache
Boxplot pour sorter1 - sorter5 :
Graph > Boxplot > Multiple Ys > Simple
Graph
variable:
Sorter1-
sorter5

23
Minitab : Bote moustache

Boxplot of sorter1, sorter2, sorter3, sorter4, sorter5


75

70

65

60
Data

55

50

45

40

sorter1 sorter2 sorter3 sorter4 sorter5

24
Minitab : Mme donnes avec des diffrents reprsentations
Boxplot of sorter1, sorter2, sorter3, sorter4, sorter5 Dotplot of count
75

70 1

65
2

sorter
60
Data

3
55

4
50

45 5
40 45 50 55 60 65 70
40 count

sorter1 sorter2 sorter3 sorter4 sorter5 Each symbol represents up to 2 observations.

Histogram of sorter1, sorter2, sorter3, sorter4, sorter5


sorter1 sorter2 sorter3
20

Quel 15
20 20

15 15
diagramme est 10 10 10

le meilleur 5 5 5
Frequency

reprsentation 0
48 50 52 54 56 58 60
0
48 51 54 57 60 63
0
51 54 57 60 63 66
sorter4 sorter5

de votre 16
20
12
situation ? 8
15

10

4 5

0 0
54 57 60 63 66 69 72 40 42 44 46 48 50 52 54

25
Minitab : diagramme de srie chronologique
Un diagramme de srie chronologique est utilis pour
reprsenter des donnes dans la fonction de temps.

diagramme de srie chronologique


Diagramme des donnes qui est organis par temps
Affiche le centre des donnes, ltendu et tendance

26
Minitab : diagramme de srie chronologique
Diagramme de srie chronologique pour volume :
Graph > Time Series Plot > Simple

Series :
volume

27
Minitab : diagramme de srie chronologique

Time Series Plot of volume


70

65

60
volume

55

50

45

40

1 6 12 18 24 30 36 42 48 54
Index

28
Minitab : diagramme de dispersion
Un diagramme de dispersion reprsente la relation entre Y et
X

Diagramme de dispersion (X,Y)


Diagramme des donnes jumeles ; X est la variable indpendante
et Y est la variable dpendent.
Utiliser pour dterminer si une corrlation existe entre les variables
X et Y. Scatterplot of time vs volume
100

95

90

time
85

80

75

70
40 45 50 55 60 65 70
volume

29
Minitab : diagramme de dispersion
Un diagramme de dispersion pour volume (# remorques)
versus temps (heure-personne):
Graph > Scatterplot > Simple
Variables Y : time
Variables X :
volume

30
Minitab : diagramme de dispersion

Scatterplot of time vs volume


100

95

90
time

85

80

75

70
40 45 50 55 60 65 70
volume

31
Exercice : moyenne, mdian, mode
Exercice :
Prenez note du nombre de bicyclettes que chaque membre du
groupe a sur le tableau-papier.
Calculez la moyenne
Calculez le mdian
Calculez la mode
Crez un histogramme sur du tableau-papier
Crer une diagramme point sur du tableau-papier

Dure :
10 minutes.

32
quations pour la moyenne et lcart-type dun chantillon

n
Xi
Moyenne
X= i =1

n
n
(X i - X ) 2

i1
s=
n 1
cart-type

33
Analyser des tendances dans des
donnes

Phase Mesurer
Diagramme de frquence (histogramme ou diagramme point)
Dpendant de la situation, on reprsente les donnes en
ordre par temps (diagramme de srie chronologique et charte
de contrle) ou on montre la distribution (histogramme et
diagramme point). Un diagramme de frquence :

Montre les frquences relatives des occurrences des diffrentes


valeurs de donnes
Rvler le centre, ltendue et la variation des donnes
Montre rapidement la distribution des donnes sous-jacentes

35
Types de diagrammes de frquence
Un diagramme de frquence montre la forme ou distribution
des donnes en montrant la frquence laquelle des valeurs
diffrentes apparaissent.

Histogrammes Diagramme point Diagramme tige et feuille


9 149

65
10 8 25396

75
7 974532826

45
55
6 68274435082
5 5 42083443

85
35 4 90812156

95
3 349
0 2 1
25
95
85
75
65
55
45
35
25

Place o la hauteur Place o des valeurs Place les valeurs


dune bande est utilise individus des donnes numriques relles. Vous
pour indiquer le total est sont indiques par des pouvez toujours trouver les
typiquement appel un symboles simples valeurs exactes des
histogramme donnes

36
Diagramme de frquence (histogramme ou diagramme point)
quoi sattendre dun Centre
diagramme de frquence ?
1. Centre des donnes
2. Gamme de donnes
(distance entre la plus grande
valeur et la plus petite valeur)
3. Forme de la distribution
(fournissent des Gamme
renseignements au sujet des
capabilits du processus) LSI Objectif LSS

4. Comparaison avec lobjectif et


les spcifications
5. Des irrgularits

37
Formes communes des diagrammes de frquence
Si un diagramme de frquence montre une forme de cloche, une
distribution symtrique :
Conclusion : Il ny a pas de causes spciales indiques par la
distribution ; les donnes pourraient venir dun processus stable
Attention : des causes spciales peuvent apparatre sur un diagramme de
srie chronologique ou une charte de contrle
Action : fait des changements essentiel pour amliorer un processus
stable
Stratgie des causes communes

.
En forme de cloche. Symtrique.

38
Formes communes des diagrammes de frquence
Si un diagramme de frquence montre deux bosses, une distribution
bimodale :
Conclusion : ce quon a pens a t un procd fonctionne comme
deux procds
2 sries des conditions de fonctionnement avec deux sries
dextrants
Action : utiliser la stratification ou une autre technique danalyse pour
trouver les causes des deux bosses ; faites attention ragir un
diagramme de srie chronologique ou une charte de contrle avec
cette distribution des donnes.

Deux bosses. Bimodal.

39
Formes communes des diagrammes de frquence
Si le graphique de frquence illustre une distribution longue queue, non
symtrique et/ou un empilement autour d'une valeur minimale ou maximale :
Conclusion : Les donnes proviennent d'un procd qui ne s'explique pas facilement
l'aide d'hypothses mathmatiques simples (comme la normalit une interruption
abrupte des points se produit lorsqu'un instrument de mesure ne peut lire l'ensemble
des donnes ou si des personnes laissent tomber des donnes qui dpassent une
certaine limite.
Action : Amliorer les dispositifs de mesure. liminer la crainte de reprsailles lies
l'enregistrement de donnes inacceptables . Il faut faire preuve de prudence en
utilisant les techniques d'analyse des donnes lorsque celles-ci prsentent une
distribution longue queue. Certaines entraneront de mauvaises conclusions.

Valeur unique Empilement autour d'une valeur


Longue queue. Non symtrique.
extrmement commune minimale ou maximale

40
Irrgularits du graphique de frquence
Si le graphique de frquence illustre cinq valeurs distinctes ou moins
Conclusion : Le dispositif de mesure n'est pas assez sensible ou l'chelle de
mesure n'est pas assez prcise ou peut avoir une subjectivit pour les numros
pairs (ou impairs), l'instrument de mesure peut faciliter la lecture des numros
pairs ou impairs ou les donnes ont t arrondies incorrectement
Action : Prciser les mesures en enregistrant des dcimales supplmentaires.

4,0 4,5 5 ,0 5,5 6,0 6,5 7 ,0 7,5 8,0


.
Courbe en dents de scie
Cinq valeurs distinctes ou moins

41
Exemple : diagramme de frquence
Nettoyer sec
Livres de vtements reus lundi pour les 30 dernires semaines :

10
Frquence

2250 2275 2300 2325 2350 2375 2400 2425 2450 2475
Lundi

42
Exercice : diagramme de frquence (histogramme)
Objectif :
Crer des diagrammes de frquence pour la quantit (livres) de
vtements reue par Nettoyer Sec de mardi vendredi.
Directives :
Utilis le fichier de donnes SK_DRYCLEAN_JAN
Graph > Histogram > Simple
Dure :
5 minutes

Plusieurs diagrammes >


dans des panneaux
diffrents de la mme
diagramme

43
Exercice : diagramme de frquence (histogramme)

Histogram of Tue, Wed, Thu, Fri


Tue Wed
8 8

6 6

4 4

2 2
Frequency

0 0
1920 1960 2000 2040 2080 1540 1560 1580 1600 1620 1640 1660 1680
Thu Fri
8 4.8

6 3.6

4 2.4

2 1.2

0 0.0
1120 1160 1200 1240 1280 760 780 800 820 840

Est-ce que cest le meilleur diagramme pour la situation ?

44
Alternative un diagramme de frquence

Graph < Dotplot < Multiple Ys Simple < Graph Variables (Tues-Fri) < OK

45
Digramme points ou histogramme

Dotplot of Tue, Wed, Thu, Fri Histogram of Tue, Wed, Thu, Fri
Tue Wed
8 8

6 6
Tue
4 4

2 2

Frequency
Wed
0 0
1920 1960 2000 2040 2080 1540 1560 1580 1600 1620 1640 1660 1680
Thu Fri
8 4.8
Thu
6 3.6

4 2.4
Fri
720 900 1080 1260 1440 1620 1800 1980 2 1.2
Data
0 0.0
1120 1160 1200 1240 1280 760 780 800 820 840

Lequel est le meilleur faon de reprsenter les donnes pour


la situation ?

46
Diagramme de frquence (histogramme ou diagramme point)
Dpendant de la situation, nous reprsentons les donnes
chronologiquement (diagramme de srie chronologique et une
charte de contrle) ou nous monterons la distribution
(histogramme et diagramme point). Un graphique frquence-
temps est utilis pour :

Comprendre la variation du processus


Comparer le rendement de performance avant et aprs la mise en
uvre dune solution pour mesurer limpact
Identifier des tendances, des dplacements et des cycles dans le
processus
Identifier des causes communes et spciales

47
Donnes chronologiques
La premire tape pour comprendre la variation devrait
toujours tre de placer ces donnes chronologiquement

Les donnes recueillies rgulirement


Chaque heure
Quotidien
Hebdomadaire
Mensuel
Etc.

Les donnes recueillies au fils du temps dun procd

48
Donne ordonnance en fonction du temps
tre capable de visualiser des 65

tendances comme celles-ci et 60

de voir ce qui se passe dans 55


un procd au fils du temps 50
est essentielle pour crer une Changement
45
amlioration efficace. soudain
40
Les conditions de procd 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
peuvent changer au fils du
65
temps.
60
Si vous ignorez les tendances
55
chronologiques, vos
conclusions pourraient tre 50

fausses. 45

40
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41

4 points ont laire trs diffrent


des autres

49
Exemple : diagramme de srie chronologique
Nettoyer Sec
Livres de vtements reus lundi des 30 dernires semaines :

2450
Lun

2350

2250

Index 10 20 30

50
Exercice : diagramme de srie chronologique
Objectif :
Crer un diagramme de srie chronologique pour la quantit de
vtements reu par Nettoyer Sec de mardi vendredi
Directives :
Utiliser le fichier de donnes : SK_DRYCLEAN_JAN
Commandes Minitab :
Graph > Time Series Plot > Simple
Dure :
5 minutes

Plusieurs diagrammes > dans des


panneaux diffrents de la mme
diagramme

51
Exercice : diagramme de srie chronologique

Time Series Plot of Tue, Wed, Thu, Fri


1 6 12 18 24 30
Tue Wed
2080 1680

2040 1640

2000 1600

1960 1560

1920 1520
Thu Fri
1280 850

1240 825

1200 800

1160 775

750
1120
1 6 12 18 24 30
Index

Est-ce que cest le meilleur diagramme pour la situation ?

52
Diagramme alternative
Directives :
Use Data File: SK_DRYCLEAN_JAN
Commandes Minitab :
Graph > Time Series Plot > Simple

Plusieurs diagrammes
> superpos sur le
mme diagramme > OK

53
Alternatives des diagrammes de srie chronologique

Time Series Plot of Tue, Wed, Thu, Fri Time Series Plot of Tue, Wed, Thu, Fri
2200 Variable 1 6 12 18 24 30
Tue Tue Wed
2000 Wed 2080 1680
Thu
Fri 2040 1640
1800
2000 1600
1600
1960 1560
Data

1400
1920 1520
Thu Fri
1280 850
1200
1240 825
1000
1200 800
800 775
1160

600 750
1120
3 6 9 12 15 18 21 24 27 30 1 6 12 18 24 30
Index Index

Lequel est le meilleur faon de reprsenter les donnes pour la


situation ?

54
Distribution normale

Phase mesurer
Distribution normale et pas normale
En regardant lhistogramme, vous
pouvez voir si vous avez une
distribution normale
En forme de cloche et symtrique

En appuyant des mthodes de


statistiques qui assument une
distribution normale des donnes
pas normales mnent des
conclusions incorrectes ;
Capabilit de processus incorrecte
Fausses conclusions en testant
des hypothses
Identification mdiocre des
facteurs (rgression et plan
dexprience)

56
Normal distribution
The characteristics of a normal distribution are
Bell-shaped & symmetrical
Tails asymptotic to X-axis
Mean = Median = Mode
Summary for Height (cm)
A nderson-D arling N ormality Test
A -S quared 0.25
P -V alue 0.731

M ean 171.77
S tD ev 4.88
V ariance 23.80

Distribution range S kew ness


Kurtosis
-0.200244
-0.085969
N 100
(max-min) = average M inimum
1st Q uartile
158.82
168.50

3 standard deviation 156 160 164 168 172 176 180 184
M edian
3rd Q uartile
172.05
174.94
M aximum 182.77
95% C onfidence Interv al for M ean
170.80 172.74
95% C onfidence Interv al for M edian
170.69 172.87
95% C onfidence Interv al for S tD ev
9 5 % C onfidence Inter vals 4.28 5.67
Mean

Median

171.0 171.5 172.0 172.5 173.0

57
Donnes pas normales (4 grandes catgories)

Distributions asymtriques Aplatissement

ASYMTRIQUE
DROITE

ASYMTRIQUE
GAUCHE

58
Donnes pas normales (4 grandes catgories)

Modes multiples Granularit

59
Essai pour normalit (Option 1)
Essayer pour valider la normalit
Stat > Basic Statistics > Graphical summary

60
Essai pour normalit (Option 1)

Summary for time


A nderson-Darling Normality Test
A -Squared 0.46
P-V alue 0.257

M ean 84.259
StDev 6.871
V ariance 47.213
Skew ness 0.220913
Kurtosis -0.736258
N 58

M inimum 72.000
1st Q uartile 79.000
M edian 84.000
3rd Q uartile 88.250
72 78 84 90 96 M aximum 99.000
95% C onfidence Interv al for M ean
82.452 86.065
95% C onfidence Interv al for M edian
81.046 86.000
95% C onfidence Interv al for StDev
9 5 % Confidence Inter vals
5.809 P>0.05
8.412 signifie
Mean
que les donnes
Median sont normales
81 82 83 84 85 86

61
Essai pour normalit (Option 2)
Diagramme de normalit pour temps en utilisant le document
MTB_Practice
Graph > Probability Plot > Single

Graph variable: time

62
Essai pour normalit (Option 2)

Probability Plot of time


Normal - 95% CI
99
Mean 84.26
StDev 6.871
95 N 58
AD 0.457
90
P-Value 0.257
80
70
Percent

60
50
40
30
20

10 P>0.05 signifie
5 que les donnes
sont normales
1
60 70 80 90 100
time

63
Control Charts

Supplemental Documentation
Objectif : rduire des variations
Il y aura toujours quelques variations dans un processus mais
on peut travailler pour rduire les variations autour dun
objectif
Observer la variation, comment les valeurs des donnes varies
dune point une autre.
Certains motifs dans la variation peuvent donner des indices au
sujet du source des problmes dans le processus.
70

65
60

55

50 Objectif
45
OBJECTIF = rduction des variations
40
1 11 21 31 41 51 61 71 81

65
Types de variations
Variations de cause spciale :
Temporaire ou local ; spcifique
Peu apparatre et disparatre de faon
sporadique
Des indices du manque de contrle des
statistiques sont des signes quune variation
de cause spciale a eu lieu

Variations de cause commune :


Commun toutes les occasions et les places
Degr de prsence varie
Chaque cause contribue un petit effet aux
variations des rsultats
Variation en raison des causes communes va
presque toujours fournir des rsultats qui sont
en contrle des statistiques

Un procd avec une variation de cause spcial est nomm instable


Un procd avec une variation de cause commune est nomm stable

66
Ragir variation
Les actions de gestion approprie pour des causes
communes sont trs diffrentes de celles pour des causes
spciales.

Instable Stable ? Stable

Stratgie de Stratgie
cause spcial de
cause commun

67
Stratgie de cause spcial
Lobjectif est dliminer les causes spciales ; pour rendre un
procd instable stable.
Amasser des donnes opportunes pour que les causes
spciales soient indiques rapidement.
Prendre des mesures immdiates pour reprer des dommages.
Chercher immdiatement pour une cause. Dcouvrir ce qui tait
diffrent dans cette occasion.
Isoler la cause la plus profonde que vous pouvez trouver.
Dvelopper une solution long terme qui pourrait empcher
cette cause spciale dtre rcurrente. Ou, si les rsultats sont
bons, garder cette leon.
Rsoudre des
problmes
vidents

68
Stratgie de cause commun

Lobjectif est damliorer un procd stable.


Une variation des causes communes peu presque ne jamais tre
rduit par des essais dexpliquer la diffrence entre les points
individus si le procd est en contrle des statistiques
Les procds en contrle des statistiques typiquement exigent des
changements essentiels pour lamlioration
Utiliser la mthode DMAAC peut vous aider faire des
changements essentiels dans un procd

69
Diagramme de contrle
Le diagramme de contrle est le meilleur diagramme pour
observer des causes communes et spciales, et pour
reprsenter la variation en fonction de temps
Concentrer votre attention sur la dtection et la surveillance de
la variation dun processus au fils de temps
Les points hors des limites de statistiques indiquent une cause
spciale
Peut-tre utiliser pour presque nimporte quel type de donnes
amasser au fils de temps

70
Caractristiques des diagrammes de contrles

Les limites de contrle des statistiques ne sont pas bases


sur ce quon aimerait que le procd fasse.
Ils sont bass sur ce que le procd est capable de faire et ils
sont calculs des donnes en utilisant des formules de
statistiques.

40 Distribution
LCS = limite de contrle suprieure de procd
35
Retour

30

25

20 LCI = limite de contrle infrieure

Procd Stable

71
Notes sur les limites de contrle
Une limite de contrle dtermine les limites dune variation de cause
commune dans un procd.

Une limite de contrle est un outil quon utilise pour nous aider
prendre les bonnes mesures :
Si tous les points sont entre les limites, on suppose que seulement une
variation de cause commune est prsente
Si un point tombe hors des limites, vous le considrez comme une
cause spciale
Sinon, vous nexaminez pas les points de donnes individus, mais
plutt vous examinez la variation de cause commune dans tous les
points de donnes

LCS et LCI sont pour la stabilit


LSS et LSI sont pour la capabilit

72
Les diagrammes de contrles et les testes pour les causes
spciales
Sur un diagramme de contrle, nimporte quel point de
donnes hors des limites de contrle est une indication dune
cause spciale
Les autres indications sont :
Neufs points conscutifs sur le mme ct de la ligne centraux
Six points conscutifs, tout croissant ou tous en baisent (tendance)
Quatorze points conscutifs, alternants ascendants et descendants
Deux points sur trois (mme ct) plus de 2 sigma de la ligne centrale
Quatre points sur cinq (mme ct) plus de 1 sigma de la ligne centrale
Quinze points conscutifs dans 1 sigma de la ligne centrale
Huit points conscutifs plus de 1 sigma de la ligne centrale

73
Exercice : diagramme de contrle I-EM
Objectif :
Crer une gamme individuel et mobile pour le quantit de vtements
reu par Nettoyer Sec le lundi
Fichier de donnes :
SK_DRYCLEAN_JAN
Dure :
5 minutes
Ordre de commandes Minitab :
Stat > Control Charts > Variables Charts for Individuals > I-MR

I-EM = individuel - tendue mobile

74
Exercice : diagrammes de contrle I-EM

Variables: Mon

Slectionnez I-MR options et


tourner la page suivante

75
Exercice : diagrammes de contrle I-EM
Slectionnez longlet Tests , ensuite utilisez le menu
droulant pour slectionnez
Perform all tests for special causes

76
Exercice : diagrammes de contrle I-EM

I-MR Chart of Mon


U C L=2525.3
2500
Individual V alue

7
_
2400 X=2406

2300
LC L=2286.7

1
1 4 7 10 13 16 19 22 25 28
O bser vation

200 1
1

150 U C L=146.6
M oving Range

100

__
50 M R=44.9

0 2
LC L=0
2
1 4 7 10 13 16 19 22 25 28
O bser vation

77
Exercice : diagrammes de contrle I-EM
Sortie de la fentre de session de l'application Minitab

Test Results for I Chart of Mon

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 5

TEST 7. 15 points within 1 standard deviation of center line (above and below
CL).
Test Failed at points: 30

Test Results for MR Chart of Mon

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 5, 6

TEST 2. 9 points in a row on same side of center line.


Test Failed at points: 29, 30

78
Exercice : diagrammes de contrle I-EM
Fichier de donnes :
IMK_Downtime
Objectif :
Sexercer construire et interprter un diagramme de contrle I-EM.
Directives :
Le fichier de donnes montre les temps darrt non planifis qui se sont
produits au cours des 36 derniers mois sur le Handle Assembly
Machine Brasro. Utilisez les donnes pour construire un diagramme
de contrle I-EM et rpondre aux questions suivantes :
Est-ce que le procd est stable ?
Quelle est la moyenne du procd ?
Quelle est la moyenne de mouvement de la gamme du procd ?
Ordre des commandes Minitab :
Stat > Control Charts > Variables Charts for Individuals > I-MR
Dure :
10 minutes

79
Exercice : diagrammes de contrle I-EM
1. Est-ce que le procd est stable ?
2. Quelle est la moyenne du procd ?
3. Quelle est la moyenne de mouvement pour le temps darrt non
planifi ?
I-MR Chart of Unplanned Downtime
20
U C L=17.74
Individual Value

15

10 _
X=9

0 LC L=0.26
1 5 9 13 17 21 25 29 33
O bser v ation

U C L=10.74
10.0
Moving Range

7.5

5.0
__
M R=3.29
2.5

0.0 LC L=0
1 5 9 13 17 21 25 29 33
O bser v ation

80
Utilisation des diagrammes de contrle
Un diagramme de contrle est utilise pour sparer les variations
des causes communes afin de permettre la direction de ragir de
faon approprie pour dterminer les causes fondamentales et de :
Garder le contrle des variables cls du procd
Surveiller les indicateurs de rendement cl pour la gestion du procd
Assurer que le diagramme soit afficher et mise jour et que les
commentaires sont crit sur les diagrammes
I-MR Chart of %
1.5
UCL=1.351
Individual Value

1.0

_
X=0.564
0.5

0.0
LCL=-0.224
1 3 5 7 9 11 13 15 17 19 21 23
Observation

1.00 UCL=0.967

0.75
Moving Range

0.50
__
MR=0.296
0.25

0.00 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23
Observation

81
Les donnes continues ou discrtes
Utiliser les diagrammes de contrle I-EM ou X-barre avec les donnes
continues
Les diagrammes de contrle individuels (I) sont utiliss pour illustrer les
observations individuelles
Les diagrammes de contrle de l'tendue mobile sont utiliss pour illustrer la
diffrence entre deux observations individuelles successives et sont
habituellement utiliss conjointement avec les diagrammes de contrle individuels

Avec les donnes discrtes, en fonction de la nature des donnes,


slectionnez le diagramme de contrle :
diagramme p
servent tracer les donnes d'attribut discrtes lorsque les chantillons sont de taille
gale ou ingale
diagramme np
servent tracer les donnes d'attribut discrtes lorsque les chantillons sont de taille
gale
diagramme c
servent tracer les donnes chiffres discrtes lorsque le secteur d'occasions est
galit
diagramme u
servent tracer les donnes chiffres discrtes lorsque le secteur d'occasions n'est pas
galit (ingal).

82
Les hypothses concernant les diagrammes de contrle des donnes
discrtes
Les hypothses des diagrammes p (ou np) fondes sur une
distribution binomiale :
Deux attributs seulement (c.--d. en retard ou pas)
Chaque chantillon est cens avoir la mme proportion d'articles
avec l'attribut
L'occurrence de l'attribut est indpendante d'un article l'autre

Les hypothses des diagrammes c (ou u) fondes sur la


distribution de Poisson :
Peut compter les occurrences, mais pas
les non-occurrences
L'occurrence est prvue moins de 10 % du temps
Les occurrences sont indpendantes

83
Les hypothses concernant les diagrammes de contrle des donnes
discrtes
Pas tous les pourcentages devraient tre placer sur une
diagramme p
Les diagrammes p sont utilises pour :
attribuer des donnes
compter le numrateur et le dnominateur

Dans le cas des proportions drives de donnes continues


provenant tant du numrateur que du dnominateur, utilisez un
diagramme de contrle I-EM :
% du temps d'indisponibilit du systme
Ratios financiers tels que % d'efficacit, % de profit, et % de productivit (o
les pourcentages sont fonds sur le volume des ventes, les dollars, l'heure,
etc.)
% de matriel non conforme (o les pourcentages sont fonds sur des
mesures physiques telles que le volume, le poids, la superficie, etc.)

84
Exercice : slection dun diagramme de contrle appropri pour les
donnes discrtes
Objectif :
Sexercer choisir un diagramme de contrle appropri en prsence
des situations diffrentes des donnes discrtes.
Directives :
Choisir un diagramme de contrle appropri pour chaque situation
prsente la page suivante.
p
np
c
u
I-EM
Dure :
10 minutes

85
Exercice : slection dun diagramme de contrle appropri pour les
donnes discrtes
Type de
Situation Donnes recueillies Frquence diagramme

A) Taux d'occupation Annuellement


1. Occupation
d'un difice
B) Nombre de bureaux
bureau Annuellement
occups

A) Nombre de blessures,
avec 16 000 heures Une fois par mois
2. Scurit travailles chaque mois
des installations
B) Nombre de blessures Une fois par mois
enregistres, selon le
nombre d'heures travailles par mois

A) Pourcentage de
3. Quotidiennement
produits satisfaisants
Taux du
procd
B) Nombre de bons
Quotidiennement
produits par
1 000 units chantillonnes

86
Donnes d'attribut discrtes : tailles d'chantillon gales
n x p = np
(n) (p)
(np) Proportion
Units bre
N d'units
chantillonnes d'units
Heure dfectueuses dfectueuses
par heure
1 10 2 0,20
2 10 3 0,30
3 10 1 0,10





24 10 2 0,20

La taille des Le Le
chantillons est diagramme diagramme
identique np sert p sert
reprsenter reprsenter
ces valeurs ces valeurs

87
Exemple : tailles d'chantillon gales (attributs : cartes p et np)

Carte p Proportions Carte np Dnombrement


LCS = 0,1854 LCS = 18,54
Moyenne = 0,0967 Moyenne = 9,67
LCI = 0,0080 LCI = 0,80
P Chart NP Chart
0.20 20
UCL=0.1854 UCL=18.54

0.15 15

Sample Count
Proportion

_ __
0.10 10 NP=9.67
P=0.0967

0.05 5

LCL=0.0080 LCL=0.80
0.00 0
1 11 21 31 41 51 61 71 81 91 1 11 21 31 41 51 61 71 81 91
Sample Sample

Exemple : Rclamations pour colis endommags reues pendant


la priode d'chantillonnage de 100 jours (notez que n = 100)

88
Donnes d'attribut discrtes : tailles d'chantillon ingales

(n) (p)
Units Proportion
Nbre d'units
chantillonnes d'units
Heure dfectueuses
par heure dfectueuses
1 2 0,10
20
2 3 0,30
10
3 30 1 0,03





24 15 2 0,13

La taille des Inutile de comparer les Le diagramme p sert


chantillons chantillons de tailles reprsenter ces
est ingale ingales, donc aucun valeurs; les limites
graphique np. changeront en
fonction de n.

89
Exemple : tailles d'chantillon ingales (attributs : diagramme p)
Les limites de contrle ingales sont le rsultat d'chantillons de tailles
ingales.
Les valeurs de la LCI et de la LCS reprsentes dans ce graphique
s'appliquent uniquement la dernire observation
Diagramme p Proportions
P Chart of Defects

0.010
UCL=0.00953

0.008
Proportion

0.006

_
0.004 LCS = 0,00953
P=0.00374
Moyenne = 0,00374
0.002
LCI = 0
0.000 LCL=0

1 8 15 22 29 36 43 50 57 64 71
Sample
Tests performed with unequal sample sizes

90
Donnes chiffres discrtes : galit des chances

(c)
Nbre d'erreurs par
Heure 100 units chantillonnes
chaque heure

1 Chaque unit peut afficher


15
plusieurs erreurs.
2 3 Il est impossible de
3 6 dterminer le nombre de
fausses erreurs .




24 10

Le diagramme c
sert reprsenter
cette colonne.

91
Exemple : galit des chances (dnombrement des occurrences)
Diagramme c erreurs de demande de crdit par demande
individuelle

C Chart of Errors
8
UCL=7.405
7
LCS = 7,405
6
Moyenne = 2,583
5
Sample Count

LCI = 0
4

3 _
C=2.583
2

0 LCL=0

1 3 5 7 9 11 13 15 17 19 21 23
Sample

92
Donnes de compter discrte : opportunits ingales
Chaque unit est inspecte pour les erreurs
La plupart des units sont traites la premire heure
le secteur d'occasions n'est pas le mme chaque heure

(a) (c) (u)


Units Nbre Nbre
Heure traites par heure d'erreurs d'erreurs par unit

1 104 15 0,14
2 21 4 0,19 La carte u
3 18 3 0,17

sert

(a) = secteur reprsenter
d'occasions ces valeurs;
ingal puisque (u) = (c/a) les

les units limites
24 25 5 0,20
traites varient changeront
d'une heure Inutile de comparer ces en fonction
l'autre. chiffres (c) puisque les de (a).
occasions ne sont pas gales.

93
Exemple : Ingalit des chances (dnombrement des occurrences)
Carte u erreurs de tri de colis par heure d'exploitation

U Chart of Sorting Errors

1.0
UCL=0.913 LCS = 0,913
0.8 Moyenne = 0,316
Sample Count Per Unit

0.6
LCI = 0

0.4 _
U=0.316

0.2

0.0 LCL=0

1 6 11 16 21 26 31 36 41 46
Sample
Tests performed with unequal sample sizes

94
Exercice : diagramme p
Objectif :
Une personne qui travaille un projet dans un poste de facteurs
surveille les erreurs de tri de colis. l'aide des donnes qu'elle a
recueillies, servez-vous de Minitab pour crer un diagramme p et
interprtez les rsultats.
Fichier de donnes :
Missorts
Dure :
10 minutes

Ordre des commandes Minitab :


Stat > Control Charts > Attributes Charts > p

95
Exercice : diagramme p

Variables : erreurs de tri


Taille du sous-groupe :
Sample Size

Slectionnez
Perform all tests for
Special Causes

96
Exercice : diagramme p

P Chart of Missorts

0.22 UCL=0.2212

0.20
Proportion

0.18
_
P=0.1708

0.16

0.14

0.12 LCL=0.1203

1 9 17 25 33 41 49 57 65 73
Sample

Sortie de la fentre de session Si l'une des


Rsultats pour : erreurs de tri quatre causes particulires se manifeste,
elle s'affichera dans la fentre de session

97
Exercice : diagramme np
Objectif :
Servez-vous des donnes relatives aux erreurs de tri des colis
pour prparer un diagramme np et interprtez les rsultats.
Fichier de donnes :
Missorts
Dure :
10 minutes
Ordre des commandes Minitab :
Stat > Control Charts > Attributes Charts > np

98
Exercice : diagramme np

NP Chart of Missorts

110 UCL=110.62

100
Sample Count

90
__
NP=85.38

80

70

60 LCL=60.14

1 9 17 25 33 41 49 57 65 73
Sample

99
Exercice : diagramme p
Objectif
Un poste de facteurs surveille les erreurs de dpt des colis.
l'aide des donnes recueillies, crez un diagramme p et
interprtez les rsultats.
Fichier de donnes :
Misinducts
Ordre des commandes Minitab :
Stat > Control Charts > Attributes Charts > p

100
Exercice : diagramme p

Variables : Misinducts
Taille de sous-groupe : Units
Sampled
Slectionnez
Perform all tests
for special causes

101
Exercice : diagramme p

P Chart of Misinducts

0.010
UCL=0.00953

0.008
Proportion

0.006

_
0.004
P=0.00374

0.002

0.000 LCL=0

1 8 15 22 29 36 43 50 57 64 71
Sample
Tests performed with unequal sample sizes

102
Exercice : diagramme c
Objectif :
Une quipe d'amlioration des procds surveille une opration
de balayage des colis afin de saisir le nombre de balayages
manqus par heure (1 000 colis sont traits par heure). Servez-
vous de Minitab pour crer un diagramme c et interprtez les
rsultats.
Fichier de donnes :
Scan
Dure :
10 minutes
Ordre des commandes Minitab
Stat > Control Charts > Attributes Charts > C

103
Exercice : diagramme c

Variables : Missed Scans per


hour

Slectionnez C Chart Options et excutez


tous les tests des causes spciaux

104
Exercice : diagramme c

C Chart of Missed Scans per hour


18
1
16
UCL=15.11
14

12
Sample Count

10

8 _
C=7.11
6

0 LCL=0

1 11 21 31 41 51 61 71 81 91
Sample

Rsultats du test pour la diagramme c relatif aux balayages manqus par heure
Sortie de la fentre de
TEST 1. Un point de plus que 3,00 carts-types partir de la ligne mdiane.
session
Test chou au point : 17

105
Exercice : diagramme u
Objectif :
Un ingnieur (dans un tablissement) surveille le nombre
d'interruptions de la courroie qui se produisent au cours du
dpt. l'aide de son fichier de donnes, servez-vous de
Minitab pour crer un diagramme u et interprtez les rsultats.
Fichier de donnes :
Belt Stoppages
Dure :
10 minutes
Ordre des commandes Minitab
Stat > Control Charts > Attributes Charts > U

106
Exercice : diagramme u

Variables : Belt Stoppages


Subgroup sizes: Minutes of
Operation

Slectionnez U Chart Options et


excutez tous les tests des causes
particulires

107
Exercice : diagramme u

U Chart of Belt Stoppages


0.14 1

1 UCL=0.1319
0.12
Sample Count Per Unit

0.10

0.08
_
0.06 U=0.0590

0.04

0.02

0.00 LCL=0

1 11 21 31 41 51 61 71 81 91
Sample
Tests performed with unequal sample sizes

Rsultats du test pour le diagramme u relatif aux interruptions de


Sortie de la fentre de la courroie
session TEST 1. un point plus que 3,00 carts-types partir de la ligne
mdiane.
Test chou au points : 6, 17

108
Indicateur dalerte : diagramme p ou np
Avec un diagramme de contrle, utiliser lindicateur dalerte
pour identifier des causes spciales
Mfiez-vous si un tiers des points de donnes se trouvent
l'extrieur des limites
Demandez-vous si une distribution binomiale convient aux
donnes si n > 1 000
Les donnes ne sont pas binomiales si la proportion attendue
n'est pas constante pour chaque chantillon
Dans ce cas, il faut utiliser une carte I-EM plutt qu'une carte p
ou np

109
Indicateur d'alerte : diagramme c ou u
Avec une carte de contrle, utiliser lindicateur dalerte pour
identifier des causes spciales
Mfiez-vous un tiers des points de donnes se trouvent
l'extrieur des limites
Demandez-vous si une distribution de Poisson convient aux
donnes si les dnombrements sont > 50
Une distribution de Poisson ne convient pas aux donnes si les
dnombrements ne sont pas rares
Dans ce cas, il faut utiliser une carte I-EM plutt qu'une
diagramme c ou u

110
Indicateur d'alerte : diagramme p ou np
Les limites qui ne semblent pas exactes sur un diagramme p
ou np (indicateur d'alerte )
Mmes donnes reprsentes sur deux diagrammes diffrents
diagramme p Les limites diagramme I Les limites
ne semblent pas exactes semblent exactes
I-MR Chart of %
P Chart
1.5
1.0 UCL=1.351

1 1

Individual Value
1 1 1.0
0.9 1
1 _
1 X=0.564
0.5
0.8

0.7 UCL=0.7125 0.0


LCL=-0.224
Proportion

0.6 _ 1 3 5 7 9 11 13 15 17 19 21 23
Observation
P=0.5638
0.5 1.00 UCL=0.967

0.4 LCL=0.4150 0.75

Moving Range
0.3 0.50
__
1 MR=0.296
0.25
0.2
1
1 0.00 LCL=0
0.1
1 3 5 7 9 11 13 15 17 19 21 23
1 3 5 7 9 11 13 15 17 19 21 23 Observation

Quel diagramme doit-on utiliser?

111
Indicateur d'alerte : diagramme c ou u
Les limites qui ne semblent pas exactes sur un diagramme c
ou u (indicateur d'alerte )
Mmes donnes reprsentes sur deux diagrammes diffrents
carte c Les diagrammes carte I Les diagrammes
ne semblent pas exactes semblent exactes
I-MR Chart
C Chart
1 200 UCL=203.8
1
150 1
1

Individual Value
150
1
_
100 X=101.1
UCL=131.2
125
50
Sample Count

0 LCL=-1.6
_
1 3 5 7 9 11 13 15 17 19 21 23
100 C=101.1 Observation

UCL=126.1
120

75
LCL=70.9

Moving Range
90

1 60
1 1
1 __
MR=38.6
50 30

1 0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23
1 3 5 7 9 11 13 15 17 19 21 23 Observation

Quel diagrammes doit-on utiliser?

112
Exercice : diagramme I-EM
Objectif :
Nettoyer Sec aimerait mieux comprendre la demande des
clients pour chaque jour de la semaine. Crer un diagramme de
contrle avec valeurs individuelles (I-EM) pour le quantit de
vtements nettoys reu par Nettoyer Sec lundi et effectuer
tous les huit tests pour dterminer la cause spcial.
Ficher de donnes :
SK_DRYCLEAN_JAN
Dure :
15 minutes
Ordre des commandes Minitab :
Stat > Control Charts > Variables Charts for Individuals > I-EM

113
Exercice : diagramme I-EM

Variables : Mon

Slectionnez
Perform all tests
for special causes

114
Exercice : diagramme I-EM

I-MR Chart of Mon


U C L=2525.3
2500
Individual V alue

7
_
2400 X=2406

2300
LC L=2286.7

1
1 4 7 10 13 16 19 22 25 28
O bser vation

200 1
1

150 U C L=146.6
M oving Range

100

__
50 M R=44.9

0 2
LC L=0
2
1 4 7 10 13 16 19 22 25 28
O bser vation

115
Exercice : diagramme I-EM
Sortie de la fentre de session de l'application Minitab

Test Results for I Chart of Mon

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 5

TEST 7. 15 points within 1 standard deviation of center line (above and below
CL).
Test Failed at points: 30

Test Results for MR Chart of Mon

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 5, 6

TEST 2. 9 points in a row on same side of center line.


Test Failed at points: 29, 30

116
Exercice : Brasro
Objectif :
Crez un diagramme individuel pour le diamtre de la plaque de
blocage servant construire des assemblages de roue et d'axe
(note : les spcifications pour le diamtre du bouchon :
0,2505 +/- 0,0001 pouce). Effectuez tous les tests des causes
spciales et commentez les rsultats.
Fichier de donnes :
Cap Diameter
Dure :
15 minutes
Ordre des commandes Minitab :
Stat > Control Charts > Variables Charts for Individuals > I-MR

117
Exercice : Brasro

I-MR Chart of Cap Diameter


1
0.25080 U C L=0.2508038
Individual V alue

0.25065

_
0.25050 X=0.2504859

0.25035

0.25020
LC L=0.2501680
1 16 31 46 61 76 91 106 121 136
O bser vation

1 1
0.0004 U C L=0.0003905
M oving Range

0.0003

0.0002
__
M R=0.0001195
0.0001
2
0.0000 LC L=0
1 16 31 46 61 76 91 106 121 136
O bser vation

118
Exercice : Brasro
Sortie de la fentre de session de l'application Minitab

Test Results for I Chart of Cap Diameter

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 46

Test Results for MR Chart of Cap Diameter

TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 47, 94

TEST 2. 9 points in a row on same side of center line.


Test Failed at points: 92

119
Diagramme de contrle

Phase amliorer et contrler


tablissement des limites dun diagramme de contrle
Les limites infrieures et suprieures dun diagramme de contrle
devraient tre fixes au moment de la stabilisation de votre procd.
Il est recommand d'utiliser un minimum de 24 observations pour
l'tablissement des limites de contrle
plus les observations sont nombreuses, plus l'estimation de l'cart
type pour le procd est exacte
Une fois que les limites de contrle sont fixes, celles-ci ne doivent
pas tre recalcules, moins d'une modification majeure du procd
les limites redfinies se fondent sur le nouveau procd une fois que
la stabilit est dmontre
Lorsqu'une observation semble se situer l'extrieur des limites de
contrle, les causes particulires doivent tre dfinies, et cette
observation doit tre omise du calcul pour tablir les limites de
contrle.

121
Exemple : tablissement des limites pour la diagramme p
Dans le diagramme ci-dessous, la stabilit est dmontre aprs
60 observations; les limites de contrle devraient tre fixes.
Il se peut que les changements au procd ne soient pas
dtects si les limites sont recalcules au cours de l'ajout de
nouvelles donnes
0.08
UCL=0.07311
0.07
0.06

0.05
Proportion

0.04

0.03
P=0.02567
0.02

0.01
0.00 LCL=0

0 10 20 30 40 50 60
Sample Number

122
Exemple : tablissement des limites pour la diagramme p
Les limites n'taient pas fixes; 20 observations supplmentaires :

0.10

UCL=0.08231
Proportion

0.05

P=0.03063

0.00 LCL=0

0 10 20 30 40 50 60 70 80
Sample Number

123
Exemple : tablissement des limites pour la diagramme p
Les limites ntaient pas fixes; 20 observations
supplmentaires :

1 1
0.08
UCL=0.07311
2
0.06
2
Proportion

2
0.04
22
P=0.02567
0.02

0.00 LCL=0

0 10 20 30 40 50 60 70 80
Sample Number

124
Exercice : retrait dune observation dune cause spciale
1
0.08
Fichier des donnes : UCL=0.07437

Special cause P
0.06

Proportion
0.04
Dure :
P=0.02633

15 minutes 0.02

Objectif : 0.00 LCL=0

Construire une carte p en retirant une


0 10 20 30 40 50 60
Sample Number

observation dune cause spciale (notez que


la taille du sous-groupe est 100).
Ordre des commandes :
Stat > Control Charts > Attributes Charts > p

Observation no 50 semble tre une cause spciale. Une enqute rvle qu'une panne de
courant s'est produite ce moment. Puisqu'une cause spciale a t identifie, les
limites sont recalcules sans l'observation no 50

125
Exercice : retrait dune observation dune cause spciale

Variables : Defects
Taille du sous-groupe : 100

Utilisez P Chart Options


et slectionnez Estimate > Omit the
following subgroups... , puis entrez la
valeur 50 dans le champ de donnes.

126
Exercice 1 : retrait dune observation dune cause spciale dun
diagramme p
Dans le diagramme ci-dessous, les limites de contrle ont t
recalcules sans l'observation no 50; cette dernire demeure sur le
diagramme aux fins de consultation future (les causes spciales
doivent tre consignes)
Dans la carte de contrle initial LCS = 0,07437 & P = 0,02633 ;
Avec retrait d'une observation de cause spciale, LCS = 0,07265 & P =
0,02542
Utilisez les mmes tapes pour tout type de diagramme de contrle (ces
tapes s'appliquent pour l'tablissement de limites ou le retrait
d'observations de cause spciale) 0.09
P Chart of Defects

1
0.08
UCL=0.07265
0.07

0.06

Proportion
0.05

0.04

0.03 _
P=0.02542
0.02

0.01

0.00 LCL=0

1 7 13 19 25 31 37 43 49 55
Sample

127
Exercice 2 : tablissement des limites de contrle sur un
diagramme p
Objectif :
l'aide des donnes de l'exemple prcdent, fixez les limites de
contrle en utilisant les 49 premires observations (utilisez les
observations 1 49).
Fichier de donnes :
Special Cause P
Dure :
15 minutes
Ordre de commandes Minitab :
Stat > Control Charts > Attributes Charts > p

128
Exercice : tablissement des limites de contrle sur un
diagramme p

Variables: Defects
Taille du sous-group : 100

Utilisez P Chart Options et


slectionnez Estimate > Omit
the following subgroups... , puis
entrez 1:49 dans le champ de
donnes.

129
Exercice 2 : tablissement des limites de contrle sur un
diagramme p

P Chart of Defects
0.09
1
0.08

0.07 UCL=0.07125

0.06
Proportion

0.05

0.04

0.03 _
P=0.02469
0.02

0.01

0.00 LCL=0

1 7 13 19 25 31 37 43 49 55
Sample

130
Exercice 3 : comparaisons avant et aprs
Objectif :
Apprendre comment comparer le rendement avant et aprs en
utilisant des diagrammes de contrle pour des donnes
discrtes et continues.
Fichier de donnes :
Before_After Control Charts
Dure :
30 minutes

131
Exercice 3 : comparaisons avant et aprs
Stat > Control Charts > Attributes charts > P
Dfinition des stades : priode

Variables : Defect Count


Taille du sous-groupe : 100

132
Exercice 3 : comparaisons avant et aprs

P Chart of Defect Count by Period


Before After
0.20

0.15 UCL=0.1465
Proportion

0.10
4 _
P=0.07
0.05

0.00 LCL=0

1 21 41 61 81 101 121 141 161 181


Sample

133
Exercice 3 : comparaisons avant et aprs
Stat > Control Charts > Variables Charts for Individuals > I-EM

Dfinition des stades : priode

Variables : Lead Time

134
Exercice 3 : comparaisons avant et aprs

I-MR Chart of Lead Time by Period


Before A fter
40
Individual V alue

30

20
U C L=17.81
_
X=11.97
10
1 1 LC L=6.14
1 21 41 61 81 101 121 141 161 181
O bser vation

Before A fter
20 1

15
M oving Range

10
U C L=7.17
5
__
M R=2.19
0 LC L=0
1 21 41 61 81 101 121 141 161 181
O bser vation

135
Capabilit du processus

Supplemental documentation
Spcifications du processus et la capabilit du processus

Imprcision Imprcision
Exacte Inexacte

Prcision Prcision
Exacte Inexacte

137
Mesure de la capabilit du processus : DPMO, sigma de processus &
Cp
Il y a plusieurs diffrents types de mesures pour quantifier la
capabilit du processus en utilisant de diffrentes units ; ces
units reprsentent les mmes choses!

Offre la direction un chiffre commun pour lvaluation du


rendement dun procd.
Offre une chelle permettant de comparer les procds.
Montre, au fil du temps, si un procd particulier est davantage
capable de satisfaire aux spcifications

138
Combien de dfauts ?
Process Capability of Difference

1. Il y a de diffrents outils LS L
Target
P rocess Data
-50
*
LSL USL
Within
Ov erall

pour valuer le USL 50 P otential (Within) C apability


S ample M ean 9.0807 Cp 0.55
S ample N 100 C P L 0.65
S tDev (Within) 30.4487 C P U 0.45
S tDev (O v erall) 28.9865 C pk 0.45
O v erall C apability

pourcentage de dfaut
Pp 0.57
PPL 0.68
PPU 0.47
P pk 0.47
C pm *

1. Liste des donnes + LSI O bserv ed P erformance


P P M < LS L 10000.00
P P M > U S L 70000.00
PPM
PPM
-60
E xp.
< LS L
> USL
-40 -20
Within P erformance
26169.46
89494.10
0 20 40
E xp. O v erall P erformance
P P M < LS L 20764.08
P P M > U S L 79023.56
60 80

& LSS (spcification du P P M Total 80000.00 PPM Total 115663.57 P P M Total 99787.65

client)

2. Nombre de dfauts,
dunits et dopportunits

3. Dviation moyenne et
cart-type + LSI & LSS
(spcification du client)

x
Z=

139
Exercice : analyse de la capabilit (Option 1)

Fichier de donnes :
Weight.MTW

Objectif :
Sexercer dterminer la capabilit de processus

Directives :
Suivez votre facilitateur
Utilisez les diffrences de poids (actuel vs prsum) pour les emballages de
cube.
Dterminez la capabilit de processus pour le processus de pesage, tant donn
que
LSI = -50 grammes
LSS = 50 grammes (ceci est laffirmation prcise du fabricant des balances).
Dure :
10 minutes

140
Exercice : analyse de capabilit (Option 1)
Utilisez les commandes suivants de Minitab :
Stat > Quality Tools > Capability Analysis > Normal

Une colonne : diffrence


Taille du sous-groupe = 1
Parce quon travaille avec des valeurs individus, pas des chantillons
de sous-groupe
Spcification infrieure = -50
Spcification suprieure = 50

141
Exercice : analyse de capabilit (Option 1)

142
Exercice : analyse de capabilit (Option 1)

Process Capability of Difference

LSL USL
P rocess D ata Within
LS L -50 Ov erall
Target *
USL 50 P otential (Within) C apability
S ample M ean 9.0807 Cp 0.55
1 S ample N 100 C P L 0.65
S tD ev (Within) 30.4487 C P U 0.45
S tD ev (O v erall) 28.9865 C pk 0.45
O v erall C apability
Pp 0.57
PPL 0.68
Statistiques PPU 0.47
P pk 0.47
descriptives C pm *

-60 -40 -20 0 20 40 60 80


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 10000.00 PPM < LS L 26169.46 P P M < LS L 20764.08
2 P P M > U S L 70000.00 PPM > USL 89494.10 P P M > U S L 79023.56 3
P P M Total 80000.00 PPM Total 115663.57 P P M Total 99787.65

PPM observ ( DPMO) PPM prdit (DPMO = Dfauts par million dopportunits)

143
Exercice : analyse de capabilit (Option 1)
Objectif :
Le diamtre du bouchon de l'axe est capital pour bien fixer les roues
l'axe. Si le diamtre du bouchon est trop petit, l'assembleur ne peut la
fixer l'axe. Si le bouchon est trop grand, la fixation ne sera pas assez
serre sur l'axe et les roues pourraient se dtacher. L'exigence en
matire de diamtre du bouchon est la suivante : 0,2505 +/- 0,0001
pouce.

Calculer :
DPMO

Rendement

Sigma de processus

Fichier de donnes :
Cap Diameter

144
Exercice : analyse de capabilit (Option 1)
Utiliser les commandes suivantes de Minitab :

Stat > Quality Tools > Capability Analysis >Normal

Colonne unique : diamtre du bouchon


Taille du sous-groupe = 1
Parce quon travaille avec des valeurs individus, pas des
chantillons de sous-groupe
Spcification infrieure = 0,2504
Spcification suprieure = 0,2506

145
Exercice : analyse de capabilit (Option 1)
Process Capability of Cap Diameter

LSL USL
P rocess Data Within
LS L 0.2504 Ov erall
Target *
USL 0.2506 P otential (Within) C apability
S ample M ean 0.250486 Cp 0.31
S ample N 150 C P L 0.27
S tDev (Within) 0.000105966 C P U 0.36
S tDev (O v erall) 0.000104382 C pk 0.27
O v erall C apability
Pp 0.32
PPL 0.27
PPU 0.36
P pk 0.27
C pm *

0.2502 0.2503 0.2504 0.2505 0.2506 0.2507 0.2508

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance


P P M < LS L 166666.67 PPM < LS L 208878.41 P P M < LS L 205361.68
P P M > U S L 120000.00 PPM > U S L 140724.49 P P M > U S L 137104.24
P P M Total 286666.67 PPM Total 349602.90 P P M Total 342465.92

DPMO = 342 466 Sigma de processus = 1,9


Rendement = 66 % de bonnes produits 34 % de dfauts

146
Exercice : analyse de capabilit (Option 1)
Utilser le total de PPM de lanalyse de capabilit avec un
tableau de sigma E xp. O v erall P erformance
P P M < LS L 205361.68
PPM > USL 137104.24
P P M Total 342465.92

Sigma DPMO YIELD Sigma DPMO YIELD

6 3.4 99.99966% 2.9 80,757 91.9%


5.9 5.4 99.99946% 2.8 96,801 90.3%
5.8 8.5 99.99915% 2.7 115,070 88.5%
5.7 13 99.99866% 2.6 135,666 86.4%
5.6 21 99.9979% 2.5 158,655 84.1%
5.5 32 99.9968% 2.4 184,060 81.6%
5.4 48 99.9952% 2.3 211,855 78.8%
5.3 72 99.9928% 2.2 241,964 75.8%
5.2 108 99.9892% 2.1 274,253 72.6%
5.1 159 99.984% 2 308,538 69.1%
5 233 99.977% 1.9 344,578 65.5%
4.9 337 99.966% 1.8 382,089 61.8%
4.8 483 99.952% 1.7 420,740 57.9%
4.7 687 99.931% 1.6 460,172 54.0%

147
Le sigma de processus come mesure (Option 1)
Le sigma de processus est une mesure commune qui nous
permet de comparer les niveaux de rendement de nimporte
quel type de procd, peu importe les diffrences en
complexit
Concentre sur les dfauts
Plus sensible que le pourcentage
Sigma de
LSI LSS Pourcentage DPMO processus
93 % 66 807 3,0
98 % 22 750 3,5
99 % 6 210 4,0
99,87 % 1 350 4,5
99,977 % 233 5,0
99,9997 % 3,4 6,0
56 60 64 68 72 76 80

148
Rendement
En pratique, le rendement dun processus est dtermin pour
chaque tape et ensuite combin pour dterminer un sigma
de processus total.
Besoin de savoir ce qui est un dfaut
Besoin de savoir combien dopportunits de dfauts
DPO = dfaut par opportunits

Rendement = (1- DPO)*100

149
Exercice : sigma du processus (Option 2)
Nom du fichier :
Process capability worksheet.XLS
Objectif :
S'exercer dterminer le Sigma du processus l'aide de la feuille de
travail Process Capability
Directives :
Calculez le procd Sigma pour chacune des situations suivantes et
remplissez le tableau la page suivante.
3 000 units, 1 opportunit par unit, 200 dfauts
164 units, 3 opportunits par unit, 200 dfauts
1 000 units, 21 opportunits par unit, 20 dfauts
Dure :
10 minutes

150
Exercice : sigma du processus (Option 2)
Fichier:
PROCESS CAPABILITY WORKSHEET.XLS
1 2 3
O =
Nombre dopportunits de dfaut par unit

N =
Nombre d'units traites
Nombre rel de dfauts D =

(y compris les dfauts qui sont rgls plus tard)

Nombre de dfauts par occasion


Rendement = (1-DPO) x 100 =
Rendement
Rechercher la valeur dans le tableau
Sigma de processus =
du Sigma de processus.

151
Exercice : capabilit de procd (Option 3A)
Fichier :
Ouvrir Minitab. Utiliser linformation de donnes de la limite
Moyenne = 100
cart type = 10
Spcification infrieure = ?
Spcification suprieure = 135
Objectif :
Dterminer la capabilit du procd (rendement)
Lorsque les valeurs de la moyenne et de l'cart type sont dj
connues
Directives :
Suivre les directives du facilitateur
Dure :
10 minutes

152
Exercice : capabilit de procd (Option 3A)
Utiliser Minitab :
Calc > Probability Distributions > Normal

Slectionnez
Cumulative probability

Exemple en utilisant
les donnes de
lexemple prcdent :
Moyenne = 100
cart type = 10
LSS = 135

153
Exercice : capabilit de procd (Option 3A)

LSL USL

99,9767 % < 135 LSS


0,0233 % > 135 LSS (dfauts)

154
Exercice : capabilit de procd (Option 3B)
Directives :
Utilisez la formule de valeur Z
Supposez que la distribution normale est adquate
Dcrivez la performance du procd
Moyenne = 100
cart type=10
Limite de spcification suprieure (LSS) = 135
Limite de spcification infrieure (LSI)= 60
Quelle est la probabilit que les donnes respectent la limite de
spcification tablie ?

Z=
x

Calculez et ensuite vrifiez dans la table des cotes Z pour dterminer la


probabilit

155
Valeur Z (Option 3B)

Z est le nombre

Z=
x dunits de lcart
type quun valeur
est de la moyenne

68
68%%

95
95%%

99,7
99.7%%
- +
Valeur actuel 70 80 90 100 110 120 130 Valeur actuel
Valeur Z -3 -2 -1 0 1 2 3 Valeur Z

Distribution normale (actuelle) Distribution normale standard (Z)


Moyenne = 100 Moyenne = 0
cart type = 10 cart type = 1

156
Exercice : capabilit de procd (Option 3B)
Z =x
Valeur Z = (135 100)/10 = 3,5

Valeur Z = 3,5 Espace figurant Z
Probabilit = 0,999767 dans la table

Dcimal Z

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
4 0,000032 0,000021 0,000013 0,000009 0,000005 0,000003 0,000002 0,000001 0,000001 0,000000

3 0,001350 0,000968 0,000687 0,000483 0,000337 0,000233. 0,000159 0,000108 0,000072 0,000048

2 0,022750 0,017864 0,013903 0,010724 0,008198 0,006210 0,004661 0,003467 0,002555 0,001866
Z nombre entier

1 0,158655 0,135666 0,115070 0,096801 0,080757 0,066807 0,054799 0,044565 0,035930 0,028716

0 0,500000 0,539828 0,579260 0,617911 0,655422 0,691462 0,725747 0,758036 0,788145 0,815940

0,841345 0,864334 0,884930 0,903199 0,919243 0,933193 0,945201 0,955435 0,964070 0,971284
1
0,977250 0,982136 0,986097 0,989276 0,991802 0,993790 0,995339 0,996533 0,997445 0,998134
2
3 0,998650 0,999032 0,999313 0,999517 0,999663 0,999767 0,999841 0,999892 0,999928 0,999952

4 0,999968 0,999979 0,999987 0,999991 0,999995 0,999997 0,999998 0,999999 0,999999 1,000000

157
Exercice : capabilit de procd (3)
Z =x
Valeur Z = (60 100)/10 = -4,0
Valeur Z = -4.0 Espace figurant Z
Probabilit = 0.000032 dans la table

Dcimal Z

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
4 0,000032 0,000021 0,000013 0,000009 0,000005 0,000003 0,000002 0,000001 0,000001 0,000000

3 0,001350 0,000968 0,000687 0,000483 0,000337 0,000233. 0,000159 0,000108 0,000072 0,000048

2 0,022750 0,017864 0,013903 0,010724 0,008198 0,006210 0,004661 0,003467 0,002555 0,001866
Z nombre entier

1 0,158655 0,135666 0,115070 0,096801 0,080757 0,066807 0,054799 0,044565 0,035930 0,028716

0 0,500000 0,539828 0,579260 0,617911 0,655422 0,691462 0,725747 0,758036 0,788145 0,815940

0,841345 0,864334 0,884930 0,903199 0,919243 0,933193 0,945201 0,955435 0,964070 0,971284
1
0,977250 0,982136 0,986097 0,989276 0,991802 0,993790 0,995339 0,996533 0,997445 0,998134
2
3 0,998650 0,999032 0,999313 0,999517 0,999663 0,999767 0,999841 0,999892 0,999928 0,999952

4 0,999968 0,999979 0,999987 0,999991 0,999995 0,999997 0,999998 0,999999 0,999999 1,000000

158
Exercice : capabilit de procd (Option 3B)
En supposant que la distribution normale dcrive bien le rendement
du procd, calculez le rendement du procd et le pourcentage
de donnes qui se trouvent l'extrieur des limites de spcification
en utilisant linformation ci-dessous :

X= 10,02
s= 0,005
LSS= 10,03
LSI= 10,00

159
Exercice : capabilit de procd (Option 3B)

Z=
x Substituer X pour et s pour

10,00 10,02
ZINFRIEUR = 0,005
=-4 0,000032
Trouver des
valeurs en
utilisant un
10,03 10,02 0,977250
ZSUPRIEUR =
0,005
=2 tableau ou
Minitab

1. Rendement = 0,977250 - 0,000032 = 0,977218 = 97,7 %


2. Lespace lextrieure du LSI = 0,000032 = 0,0032 %
3. Lespace lextrieure du LSS = 1 0,977250 = 0,02275 = 2,3 %

160
Exercice : capabilit de procd (Option 3C)
Fichier :
Ouvrir la feuille de travail capabilit de procd dans Excel
Utiliser linformation de donnes de la limite
Moyenne = 0,250486
cart type = 0,000104382
Spcification infrieure = 0,2504
Spcification suprieure = 0,2506
Objectif :
Dterminer la capabilit du procd (Sigma de processus)
Lorsque les valeurs de la moyenne et de l'cart type sont dj
connues
Directives :
Suivre les directives du facilitateur
Dure :
10 minutes

161
Exercice : capabilit de procd (Option 3C)
Fichier :
Ouvrir la feuille de travail capabilit de procd dans Excel
Enter
Calculating Process Capability Xbar 0.250486 Process Average
S 0.000104382 Process Standard Deviation
Method 2 USL 0.2506 Delete if no USL
LSL 0.2504 Delete if no LSL
1.91 sigma
65.762 % yield
0.27 Ppk

USL

LSL

1.092142323

0.862614725

DPMO = (1-Rendement) x 1 000 000 = 342 384

162
Exercice : entrer les donnes

Le cellule active se dplace en


bas aprs dappuyez sur
Enter . Cliquez sur la flche de
direction des donnes, si vous
Numro
de Nom de Cellule dsirez changer de direction pour
Flche colonne colonne active que la cellule active se dplace
de la ct aprs dappuyez sur
direction enter .
des
donnes
Entrer les donnes dans la feuille de calcul
Numro Quart Date Ventes ($000)
de Q1 3/30 100
range Q2 6/30 78
Q3 9/30 99
Q4 12/30 103

163
Diagrammes de statistiques de base : statistiques descriptives
Utiliser les options vitement et facilement pour obtenir des
valeurs de statistiques

Statistiques descriptives
Tableau montrant des valeurs de statistiques de base
Moyenne, mdian, cart-type, etc.

164
Introduction Minitab
Un module de E-learning (PowerPoint) a t cr pour
introduire Minitab, des diagrammes de statistiques et des
concepts bas.

On va revoir quelques un avant de parler au sujet de


distribution normale.

165
Diagramme de srie chronologique et diagramme de distribution
Ce diagramme montre les donnes places en ordre
chronologique et la distribution des donnes.
La faon dont les valeurs de donnes stendent
horizontalement au long de la gamme peut aussi fournir des
indices au sujet de variation et ses causes
Dlai dexcution pour les commandes T420
1 au 30 juin
140

130
Nombre de jours

120

110

100

90

80

70
0 10 20 30

166
Cartographie de chane de valeur de la
situation actuelle

Phase Mesurer
Chane de valeur
La valeur est toutes les tapes requises pour transformer un
produit pour un client.
tapes de valeur ajoute ainsi que non-valeur ajoute
Fournisseur au client
Matires premires aux produits finis

Procd Procd Procd

Matires Produits
premires finis

2
Cartographie de la chane de valeur
La cartographie de la chane de valeur est LOUTIL de
lamlioration Lean. Tous les concepts sont intgrs dans cet
outil. Une cartographie de chane de valeur est faite pour :
Percevoir la situation dans son ensemble et non seulement les
procds individuels.
Lier les matriaux et le flux dinformation avec le flux de produit
Amliorer lensemble et non seulement doptimiser certains
aspects
Inclure le flux dinformation et le flux de matriel
Prendre des dcisions plus claires au sujet du flux
Une image vaut mille mots !
Comprendre le procd au complet et voir le gaspillage
Lier les concepts et techniques Lean

3
Options de cration de cartographie
La cration de cartographie est une reprsentation graphique dun
flux qui enregistre le procd tape par tape (et linformation
supplmentaire). Il y a deux options :
Cartographie de chane de valeur
Niveau de carte dtaill de procd avec plus de donnes et de
linformation
Inclus : flux de produit, flux information et temps
Carte de procd / diagramme de flux
Procd du produit Procd des
Procd de la machine personnes

Procd des personnes

Procd
Procd du produit
de la machine

4
Icnes de cartographie de chane de valeur

5
Exemple : cartographie de chane de valeur

Information Information manuelle


Fournisseur Client
Information lectronique

Dplacement
des bons
produits finis
Planification
aller voir Inventaire,
quantit
et temps
Procd Expdition
Quand
Personnes

Flux pouss
Donnes
du processus

Dlai dexcution
total
Dlai de traitement
total
Process Lead Time

6
Exemple cartographie de chane de valeur : urgences

7
Dessin de la cartographie de la situation actuelle
Une cartographie de chane de valeur devrait tre dessiner
selon quest-ce qui est observer; il est fait pour comprendre
comment les procds sont oprs maintenant
Directives de cartographies :
Faites une quipe
Explorez le flux en entier
Dessinez la main laide dun crayon et une feuille de papier
Utilisez des icnes standard
Documentez le flux de matriel et le flux dinformation
Obtenez les donnes relles
Souligner des problmes et des opportunits
remarquer ce jour

8
laboration de la cartographie de la chane de valeur

1. Client et donnes sur le client


2. Transport au client
3. Dfinition des procds
4. Fournisseur et donnes sur le
fournisseur
5. Transport du fournisseur
6. Donnes sur le procd
7. Donnes sur linventaire
8. Flux dinformation
9. Donnes sur le flux de
matriel
10. Ligne de temps

9
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPES 1 2
Client et donnes sur le client
Transport au client

Commencer avec le client (FIPEC)


Spcification claire de ce qui a de la valeur
lments requis et les dtails pertinents incluant les quantits, les
mlanges, par lot/taille demballage, heure douverture, etc.
Frquence de livraison et type de livraison si important (avion,
camion, etc.)
Autres donnes pertinentes

10
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPE 3
Identification du processus
Planifier le collecte de donnes
Collecte les donnes
Observer

Additional setup:
Boiler 2 hrs.>start up

Rception
Receive Assembler/
Assy/Ship
Prparer
L Preple Wash/Dry
Laver/scher Presser/
Press/Hang Inspect/Tri
Inspect/Sort Fold/Box/Bag
Plier/Boite/Sac Expdier

I I I I I
I Lavage 10 laveuses
washers Suspendre
4 machines .5
5 scheuses
dryers
.5 4 machines
1 2 1
2
1 3 1

11
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPES 4 5
Fournisseur et donnes sur le fournisseur
Transport du fournisseur

Ajouter les fournisseurs


Dessiner le flux pour les fournisseurs principaux
Indiquer les lots/tailles demballage et de la frquence de livraison
Ajouter dautres donnes pertinentes
Bag n Box Inc.

Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote

Particuliers et entreprises
1/mois
1/mo sept magasins
de la Socit dont un
situ dans un
tablissement

10 ham
10:30
LM-F
au F

12
Exercice : cartographie de la chane de valeur de la situation actuelle
Brasro (partie 1)
Objectif :
Sexercer crer une cartographie de la chane de valeur de la
situation actuelle en ajoutant :
Client et donnes sur le client
Transport au client
Dfinition des procds
Fournisseur et donnes sur le fournisseur
Transport du fournisseur

Directives :
Rejoignez votre groupe Brasro
Commencez crer une cartographie de la chane de valeur de la
situation actuelle sur du tableau-papier
Utilisez le volume mdian de 470 grilles par jour

Dure :
30 minutes

13
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPES 6 -7
Donnes sur le procd
Donnes sur linventaire
Ajouter des donnes additionnelles
CENTRE DE TRAVAIL
Temps disponible A
Taux de production 1
Dlai de traitement (D/T)
Dure du cycle (D/C)
Temps de fonctionnement
Temps de prparation
Lot
Dfaut Rejet
Taux de rendement global (TRG)
Valeur ajoute (VA)
Inventaire (quantit de pices et quantit de temps)
Quantit demploys
Ajouter dautres donnes pertinentes

14
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPES 1-2-3-4-5-6 -7
Donnes sur le procd
Donnes sur linventaire
Bag n Box Inc.

Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote

Particuliers et entreprises
sept magasins
1/mois
1/mo de la Socit dont un
situ dans un
tablissement

I 10 ham
10:30
LM-F
au V
Configuration
Additional setup:
supplmentaire :
Boiler 2 hrs.>start
Chaudires 2 hres.>la
up mise en marche
I I
Produits finis
520 paquets 0-900 260 paquets 0-900

Rception
Receive Assy/Ship
Rassemblement
Assy/Ship
Wash/Dry
Laver/Scher Plier/Bote/Sac et expdition
Prparer
L Preple Vrifier et trier
Inspect/Sort Fold/Box/Bag
I I I I
Press/Hang
Repasser et
I
Lavage
I 10 laveuses
10 washers
55scheuses
dryers
suspendre
4 machines
25 art. <.5 hres 4 machines 130 paquets 65 paquets 130 lbs
.5
.5 1
130 paquets 130 paquets 2 1 0-520 1
2 0-900
1 Doit tre 3
3
mouill D/C=1 min; D/T=.5 min
D/C=1 min
C/T=5 min D/C=.6 min,
C/T=.5 min; 1D/T=.6 minfold
min.10%
D/C=1 min
C/T=1 min D/C=4
C/T=40min.;
min D/T=40 min D/C=1 min;
C/T=3 D/T=3
min 2-4 min D/C=.5 min
C/T=.5 min; D/T=.5 min TP=0, TF 100 %
D/T=.5 min
SU=0, UT100% TP=15 TP=5 min/200
SU=5 min/200 sacs
bags /50
/50botes
boxes
SU=15 min,
min, TF 95 %
UT95% TP=0, TF UT95%
SU=0, 95 % TP=0, TF
SU=0, 100 %
UT100% 660 min dispo.
D/T=1UT100%
SU=0, min
660 min dispo.
avail 660
660 min dispo.
avail 660 min dispo.
avail 660660
minmin
dispo.
avail dispo.
660 min avail 660 min
min avail
dispo. Lot=commande
Lot=commande
Batch=order 2/jours incomplets
Lot = article
Batch=pc Lot=25 art., Exc.=25m
Batch=25pcs Lot=art.,
Batch=pc, 1 1%
% retravaille
rework Lot=4 -6 pcs
Batch=4-6 10 % pli
165
Lot=1 art.
Batch=1pc

15
Vocabulaire : temps disponible
Temps disponible est la dure totale par jour que la
cartographie de chane de valeur peut utiliser pour produire
un produit sil y a un produit produire.
Soustraire les repas, les pauses, les runions, etc. SEULEMENT
si tous les employs arrtent de travailler en mme temps,
arrtant la cartographie de chane de valeur
Ne PAS dduire les temps de prparation et les temps darrt
non planifis,
On veut concentrer sur lamlioration
Ne PAS dduire les temps darrt planifier
Sauf si on est certain quil ny a pas damliorations

Si tous les employs arrtent de travailler en mme temps

Temps disponible = quart (s) de travail repas pauses runions

16
Vocabulaire : temps disponible pour travailler
Temps disponible pour travailler nest PAS la mme que
temps disponible. Cest le capacit, ou temps disponible pour
les personnes faire le travail.

Temps disponible pour travailler


Le temps disponible pour les personnes faire le travail dans le
procd moins les pauses, runions, nettoyage, etc.

17
Vocabulaire : taux de production
On aura besoin du taux de production pour transformer la
quantit de pices dans linventaire en dlai dexcution plus
tard.
Taux de production :
Quantit de matriels/produit fabriqu par jour, quart de travail,
minutes, heures, etc.

Exemple :
Temps disponible est 500 min par jour
Production est 1000 pices par jour
Taux de production est :
1000 pices / jour ou
1000 pices / 500 min 2 pices/ min

18
Vocabulaire : dlai de traitement

Dplacer Laver/scher Repasser/suspendre Dplacer


Charger Slectionner
Faire fonctionner Prparer le presseur
la machine Presser et suspendre
Dcharger Dplacer
Dplacer

D/T = 25 minutes D/T = 2 minutes

Dlai de traitement (D/T)


La dure pendant laquelle le produit est vritablement intgr dans un
procd.
Le dlai dexcution dun procd particulier

19
Vocabulaire : dlai dexcution

Dplacer Dplacer
Laver/scher Repasser/suspendre
Charger Slectionner
Faire Prparer le presseur
fonctionner Presser et suspendre
la machine Dplacer
Dcharger
Dplacer 60 minutes
D/T = 25 D/T = 2
(dans linventaire) Dlai dexcution total 87 minutes

Dlai dexcution total


Temps ncessaire pour quun produit passe toutes les tapes de la
chane de valeur du dbut la fin

20
Vocabulaire : dure du cycle

Dplacer Dplacer
Laver/scher Repasser/suspendre
Charger Slectionner
Faire Prparer le presseur
fonctionner Presser et suspendre
la machine Dplacer
Dcharger
Dplacer
D/T = 25 D/T = 2

Dure du cycle (D/C)


Frquence laquelle un composant ou un produit est termin dans
le cadre dun procd. Le taux de production dun procd.

D/C = D/T quantit demploys dans le centre de travail

21
Vocabulaire : temps de prparation
Temps de prparation (TP)
Le temps entre le dernier bon produit et le premier bon produit au taux
de production initial.
Aussi appel temps de changement ou temps de rglage
Time Series Plot of production rate
120

100

80
production rate

60

40
C2
production
20 setup

1 7 14 21 28 35 42 49 56 63 70

22
Vocabulaire : Dfaut
Taux de dfaut
% de produits qui ne conforment pas aux besoins du client
% dfaut = % retravaille + % Scrap

Taux de retravaille
% de produits totaux qui ne conforment pas aux besoins du client et
qui doivent tre retravaills
Dois reboucler dans le procd ou un processus spcial

Taux de rebus
% de produits totaux qui ne conforment pas aux besoins du client et
qui doivent tre jets pour rien ou sauver la valeur

Taux de rendement global (TRG)


TRG = % bon centre de travail A *% bon centre de travail B *% bon centre de travail C

23
Vocabulaire : donnes typiques des procds
Temps prvu
Temps disponible temps darrt planifis
Temps de fonctionnement (TF)
% de temps pendant lequel lquipement fonctionne rellement par
rapport au temps prvu de fonctionnement. Habituellement,

Temps disponible temps darrt planifis temps darrt non planifis


Temps disponible temps darrt planifis

24
Vocabulaire : mlange
Le mlange ne sapplique pas tout le temps. Quelques
procds sont construits pour produire seulement un produit
et donc le mlange nexiste pas.
Variation de produit ou mlange
Le nombre de diffrents types de produits ou de modles
produire.

25
Vocabulaire : inventaire
En fonction de la situation de la cartographie de chane de
valeur (dbut, milieu, fin), la nature de linventaire sera
diffrente :

Matires premires
Matriaux/travail qui nont pas t produits.

Inventaire en cours
Matriaux/produits/travail entre les tapes du procd

Produits finis
Produits termins qui attendent lexpdition au client

26
Vocabulaire : inventaire
Stock tampon
Matriaux/produits conservs en aval de la chane de valeur pour
viter lpuisement des stocks des clients si le procd ne produit
pas les stocks ncessaires
Stock de scurit
Matriaux/produits conservs nimporte quel point de la chane de
valeur pour viter lpuisement des stocks dans les procds en
aval si le procd ne produit pas tous les stocks ncessaires
Rotation des stocks
Mesure de la rapidit laquelle les matriaux se dplacent dans la
chane de valeur; calcule en divisant le cot des produits par le
montant de stocks disponibles.

27
Un examen plus approfondi des inventaires
Linventaire est reprsent par un ou plusieurs triangles entre
2 tapes de procd dans la cartographie de chane de valeur
dpendent de la situation et quest-ce que vous voulez
dessiner.
Des fois il est important de montrer quil y a en effet plusieurs
emplacements dinventaires avec les produits dplacer entre les
inventaires.

28
Transformer linventaire en cours en dlai dexcution Loi de Little
Dans la cartographie de chane de valeur, la Loi de Little est utilise
pour valuer le dlai dexcution pour transformer une quantit de
pices en temps
Exemple utilisant Nettoyez Sec :
Taux de processus = 520 paquets par jours de travail
Un jour de travail est 660 minutes
La production arrte pour dner (30 minutes) et pour la pause (2x 15
minutes)
Taux de production = 520/600 = 0.79 paquets / minutes
Inventaire en cours entre la rception et la prparation du lavage = 130
paquets
Dlai dexcution = 130 paquets / 0.79 paquets par minute = 165 minutes.

Inventaire en cours = taux de production x dlai dexcution


ou
Dlai dexcution = inventaire en cours taux de
production

29
Exercice: transformer linventaire en cours en dlai dexcution
Combien de dlai dexcution avez-vous laisss pour linventaire
entre A et B ?
Lentreprise est ouverte pour un quart de travail de 8 heures. Dans
ces 8 heures, les employs prennent un dner de 45 minutes et
deux pauses de 15 minutes. Le dner et les pauses sont pris par les
mmes employs en mme temps. Tous les employs ont aussi
une runion de 15 minutes chaque matin, tous ensemble, en mme
temps.
Le taux de production est 950 pices/jour

2000 pices

A B

10 min 30 min
?

30
Exercice : cartographie de chane de valeur de la situation actuelle
Brasro (partie 2)
Objectif :
Sexercer crer une cartographie de la chane de valeur de la
situation actuelle en ajoutant :
Des donnes sur le procd
Des donnes sur linventaire

Directives :
Rejoignez votre groupe de Brasro
Utilisez le volume mdian de 470 grilles par jour

Dure :
45 minutes

31
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPE 8
Le mouvement de matriel, ou du produit du procd, est
typiquement le centre de lamlioration du processus. Le flux
dinformation indique chaque procd la prochaine tape.

Ajouter un flux dinformation une cartographie de la chane de


valeur de la situation actuelle
Le flux dinformation de base est dessin avec une flche ligne
troite
Le flux dinformation lectronique est dessin avec une flche
ligne troite en dent-de-scie
Une petite case est utilise pour indiquer les diffrents flux
dinformation
Les procdures non officielles dtablissement du calendrier sont
prcises avec licne voir

32
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPES 1-2-3-4-5-6-7-8

Bag n Box Inc. Fax de prvision Appels au magasin


Gestionnaire/ chaque jour
planification
Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote
Commande

Gestionnaire pousse
Particuliers et entreprises lutilisation de la machine
1/mois sept magasins
de la Socit dont un
situ dans un
tablissement

I
Configuration
Additional setup:
supplmentaire :
10 h Boiler 2 hrs.>start
Chaudires 2 hres.>la
up mise en marche
L au V

I
I Produits finis
260 paquets 0-900
520 paquets 0-900

Rception
Receive Assy/Ship
Rassemblement
Assy/Ship
Wash/Dry
Laver/Scher Plier/Bote/Sac et expdition
Prparer
L Preple Vrifier et trier
Inspect/Sort Fold/Box/Bag
I I I I
Press/Hang
Repasser et
I
Lavage
I 10
10 washers
laveuses
55scheuses
dryers
suspendre
4 machines
25 art. <.5 hres 4 machines 130 paquets 65 paquets 130 lbs
.5
.5 1
130 paquets 130 paquets 2 1 0-520 1
2 0-900
1 Doit tre 3
3
mouill D/C=1 min; D/T=.5 min
D/C=1 min
C/T=5 min D/C=.6 min,
C/T=.5 min; 1D/T=.6 minfold
min.10%
D/C=1 min
C/T=1 min D/C=4 min.;
C/T=40 min D/T=40 min D/C=1 min;
C/T=3 D/T=3
min 2-4 min D/C=.5 min
C/T=.5 min; D/T=.5 min TP=0, TF 100 %
D/T=.5 min
SU=0, UT100% TP=5 min/200
SU=5 min/200 sacs
bags /50
/50botes
boxes
TP=15 min,
SU=15 min, TF 95 %
UT95% TP=0, TF UT95%
SU=0, 95 % TP=0, TF
SU=0, 100 %
UT100% 660 min dispo.
D/T=1UT100%
SU=0, min
660 min dispo.
avail 660
dispo.
660 min avail dispo.
660 min avail 660660
minmin
dispo.
avail 660 min avail
dispo. 660 min
min avail
dispo. Lot=commande
Lot=commande
Batch=order 2/jours incomplets
Lot = article
Batch=pc Lot=25 art., Exc.=25m
Batch=25pcs Lot=art., 1 1%
Batch=pc, % retravaille
rework Lot=4 -6 pcs
Batch=4-6 10 % pli
165
Lot=1 art.
Batch=1pc

33
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPE 9
Comment est-ce que nous pouvons avoir un flux
dinformation pour quun procd fabrique seulement ce que
le prochain procd a besoin quand il a besoin ?
Ajouter le flux de matriel la cartographie de la chane de
valeur de la situation actuelle
Mouvement vers lavant
Le procd fabrique le produit, peu importe les besoins rels du
procd du client en aval
Travaillez le plus rapidement possible

34
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPE 10
Dlai de traitement est la cl indicatrice de gaspillage et flux dans
une chane de valeur. Le ligne de temps indique combien de temps
a prend pour une unit de se dplacer dans la chane de valeur en
entier.
Construire la ligne de temps :
Dterminer le temps disponible
Ceci devient la ligne de rfrence pour un jour .
Dterminer le moyen (ou mdian) du taux de production par jour
Les variations seront comptes plus tard.
Dterminer le dlai de traitement pour chaque procd dans la chane de
valeur
Dterminer la dure quune unit attend dans linventaire (Loi de Little)
Ajouter les dlais de traitements et les temps dinventaire pour le dlai
dexcution total
Ajouter les dlais de traitements pour le dlai dexcution du procd
Ajouter les dlais de traitements + le dlai de traitement pour le flux parallle
pour le dlai de traitement total

35
Construire une cartographie de la chane de valeur de la situation
actuelle : TAPES 1-2-3-4-5-6-7-8-9-10
Fax de prvision Appels au magasin
Gestionnaire/ chaque jour
planification
Bag n Box Inc.

Commande
Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote Gestionnaire pousse
lutilisation de la machine

Particuliers et entreprises
1/mois sept magasins
de la Socit dont un
situ dans un
tablissement

I 10 h
L au V

I I
520 paquets
0-900 Produits finis
260 paquets 0-900

Rception Rassemblement

I I
Laver/Scher et expdition
I
Vrifier et trier Plier/Bote/Sac
I
Prparer le Repasser et
I Lavage 10 laveuses suspendre I
130 paquets 5 scheuses 65 paquets 130 lbs
.5 130 paquets 25 art. <.5 hres 4 machines 130 paquets .5
1 0-520 0-900
2 Doit tre mouill 1 1
3
D/C=1 min; D/T=.5 min
D/C=1 min D/C=.6 min; D/T=.6 min
D/C=1 min D/C=4 min.; D/T=40 min D/C=1 min; D/T=3 min D/C=.5 min; D/T=.5 min TP=0, TF 100 %
D/T=.5 min TP=15 min, TF 95 % TP=5 min/200 sacs /50 botes
TP=0, TF 95 % TP=0, TF 100 % 660 min dispo.
D/T=1 min
660 min dispo.
660 min dispo. 660 min dispo. 660 min dispo. 660 min dispo. Lot=commande
Lot=commande 660 min dispo.
Lot=25 art., Exc.=25m Lot=4-6 art. 10 % pli 2/jours incomplets
Lot = article Lot=1 art. Lot=art., 1 % retravaille
165 165 31 165 82 165
Dlai de traitement du
.5 1 40 3 .5 .5
.6 .5 procd 819m
Dlai de traitement
46m

36
Vocabulaire : Flux complex

37
Sommaire dune cartographie de la chane de valeur de la situation
actuelle
Tableau rcapitulatif de la situation actuelle est un tableau utilis pour
rsumer les informations les plus importantes observes l'aide de la
cartographie de la chane de valeur. Ceci est vos donnes de rfrence
pour la cartographie de la chane de valeur de la situation actuelle

Tableau rcapitulatif de le situation actuelle

Dlai dexcution total 819 min

Dlai de traitement total 46 min

Temps de prparation
2 heures prparation + CONSEIL :
20 min
Crer un tableaux de
Temps de
fonctionnement
95 % la situation futur pour
Retravaille 1 % Vrifier/trier
comparer

Inventaire 1 390 pices

Chaque pice fabriquer


Jour
chaque

38
Exercice : Exercice : cartographie de la chane de valeur de la situation
actuelle Brasro (partie 3)
Objectif :
Sexercer ajouter un flux dinformation et de matriel
Sexercer ajouter une ligne de temps la cartographie de la
chane de valeur de la situation actuelle

Directives :
Joignez votre groupe de Brasro et ajoutez :
Des flux dinformation
Les donnes des flux de matriel
Ligne de Temps
Crer un tableau rcapitulatif pour la cartographie de la chane de
valeur de la situation actuelle
Dure :
45 minutes

39
Exercice : chane de valeur pour une caftria
Objectif :
Sexercer crer une cartographie de la chane de valeur

Directives :
Joignez-vous une quipe
Construire la chane de valeur avec linformation

Dure :
45 minutes

40
Exercice : chane de valeur pour une caftria (dtail)

Information supplmentaire
La machine dInterac est brise pendant 10 minutes
Aprs 100 clients, ils doivent remplacer le rouleau de papier sur la machine dInterac
Il y a un employ qui travaille au comptoir PRENDRE UNE SOUPE ET UNE
BOISSON
Il y a deux employs qui travaille au comptoir PRPARER UN PLAT et ils ont 5 % de
retravaille
Il y a un employ au comptoir PAYER et il a 2 % de retravaille
a prend 0.75 minute pour prendre une soupe et une boisson
a prend 2 minutes pour prparer un plat
a prend 1.2 minute pour payer

41
Exercice : chane de valeur pour une caftria (rponse)

42
Schmatisation du processus

Phase Mesurer
Schmatisation du processus et cartographie de la chane de valeur
Normalement, vous allez crer au moins une schmatisation du
processus ou une cartographie de la chane de valeur pour
comprendre la situation actuelle pour votre problme
Dans certains cas, nous avons besoin de mieux comprendre un procd
particulier dans une chane de valeur.
La schmatisation du processus peut tre utilise pour cette raison pour
identifier des tapes dtailles dans un processus.
Utiliser la schmatisation du processus avec parcimonie comme une faon
dappliquer une loupe pour un processus.
Utiliser la cartographie de la chane de valeur pour amliorer le dlai
dexcution et le flux

2
Schmatisation
Pourquoi ?
La schmatisation du processus identifie le flux des vnements dans un
processus ainsi que les intrants (x) et les extrants (y) de chaque tapes
dans le processus.

Que fait-elle ?
Identifie visuellement les tapes dans un processus
Identifie visuellement la complexit, les sources des activits de non-
valeur ajoute (retravailler les boucles, les goulots et la redondance)
Identifie les variables intrants cls (x) des tapes du processus et les
variables extrants cls (y) qui en rsulte.
Classifie les variables intrants une tape du processus (la bruit, les
contrlables et les procdures normalises)
Sappuie sur loutil de FIPEC en ajoutant plus dinformation sur le
processus

3
Versions dun procd

Ce quen croit Ce quil en Ce quil devrait Ce quil pourrait


le gestionnaire est vraiment en tre en tre


Concentrez-vous ici
ltape damlioration

Concentrez-vous ici
ltape danalyse

4
Nous identifions pour pouvoir
Plusieurs dfauts surgissent parce que quelque chose dans
un processus est mal fait ou est fait dune faon inefficace.

Pour amliorer un processus, vous devez tre capable didentifier


les problmes de processus et trouver de meilleurs moyens qui
sont plus efficaces pour accomplir le mme travail.

Nous identifions pour pouvoir


Complexit simplifier et avoir des dtrompeurs
Temps gaspill acclrer le temps dexcution
Goulots Rduire les contraintes

5
Les techniques de la schmatisation du processus la plus
couramment utilise
1. FIPEC

2. Diagramme de flux
spaghetti

6
Les techniques de la schmatisation du processus les plus
couramment utilises
3. Cartographie de la
chane de valeur

4. Cartographie de
dploiement

7
Les techniques de la schmatisation du processus les plus
couramment utilises
5. Diagramme de flux
simple

8
lments de la schmatisation du processus
Les intrants ou les x sont les variables-cls du processus qui sont
ncessaire pour accomplir une tape dans le processus.
Les intrants peuvent tre classifier comme nimporte quoi dans les catgories
des personnes, des mthodes, des matriaux, de la machinerie, des mesures
ou de lenvironnement.
Les tapes du processus : sont les tches qui transforme les intrants
du processus en extrants
Les extrants ou y sont les variables cls rsultant de la performance
des tapes du processus.
Les extrants peuvent tre les produits, les services, les mesures ou les
consquences tape 1 tape 2
Y Y
Extrants Extrants

tape 2
tape 1
Intrant A Intrant D
X Intrant B X Intrant E

Intrant C Intrant F

9
Lgende de la schmatisation du processus

Activit du systme
Action/Processus

Direction du flux
Fin

Dbut ou fin Document


Dbut

Indicateur dtape sur la


Non mme page

Dcision Indicateur de processus ou de


Oui
Yes sous-processus sur une autre
page

10
Construire une schmatisation de processus
tape 1 :
Ceci est une activit raliser en quipe.
Travailler avec une quipe transversal :
Inclus les gens qui soccupent des tapes antrieurs votre processus ils sont vos
fournisseurs internes
Inclus les gens qui soccupent des tapes aprs votre processus ils sont vos clients
internes
Inclus les gens qui ont des connaissances des dtails dans le processus
Prends en considration les experts en la matire, les propritaires, les autres qui
pourront ajouter des connaissances et la valeur

Dfinir la porte du processus :


Dfinir clairement les dbuts et les fins comme les limites du processus
Ils sont les limites du processus
La schmatisation du processus peuvent tre complter des niveaux diffrents, par
exemple
Au niveau gnral
Au niveau oprationnel
Au niveau micro des tches
Lquipe dcidera quel niveau est convenable pour leur projet
La porte du processus peut tre dfinit avec le FIPEC

tiqueter la schmatisation du processus

11
Construire une schmatisation de processus
tape 2 :
Identifie tous les individus cls dans le processus
Si possible, utiliser lappellation des division/bureaux/succursales
et/ou les tires de poste, au lieu des noms de personnes
Inclure les gens qui soccupent des tapes antrieur votre
processus ils sont vos fournisseurs internes
Inclure les gens qui soccupent des tapes aprs votre processus ils
sont vos clients internes

numrer chaque individu


sur la schma

12
Construire une schmatisation de processus
tape 3 :
numrer toutes les tapes dans le processus
Simuler lexprience du processus en faire semblant que vous tes le produit
ou la service en production
numrer toutes les tapes du processus actuel et non du processus idal
Commencer avec la version macro du FIPEC comme guide
Dmontrer les activits par un rectangle sur la schmatisation du processus
numrer tous les points de dcision
Les points de dcision doivent poser une question
Les rponses aux questions amneront plusieurs voies
Les points de dcision sont reprsent par des diamants sur la
schmatisation du processus

NON

Dvelopper un plan Rviser le OUI


Dvelopper Leon OK?
de cours la leon contenu Prochaine
de la leon tape

13
Construire une schmatisation de processus

tape 3 :
Aligner chaque tape et point de dcision du processus avec un
couloir daprs chaque individu sur la schma.

14
Construire une schmatisation de processus
tape 4 :
numrer tous les extrants (y) chaque tape du processus
Les extrants ou les y sont les variables cls rsultant de la
performance de ltape du processus.
Les extrants peuvent tre des produits, des services, des mesures ou
des consquences
Y : Plan de cours Y : Leon

Dvelopper un Rviser le
Dvelopper
plan contenu
la leon
de cours de la leon

15
Construire une schmatisation de processus
tape 5 :
numrer tous les intrants (x) chaque tape du processus
Les intrants ou les x sont les variables-cls du processus qui sont
ncessaire pour accomplir une tape dans le processus.
Les intrants peuvent tre classifier comme nimporte quoi dans les
catgories des personnes, des mthodes, des matriaux, de la machinerie,
des mesures ou de lenvironnement.
Y : Plan de Y : Leon
cours

Dvelopper un Rviser le
Dvelopper
plan contenu
la leon
de cours de la leon
X : Objectives du cours X : Temps/leon cible X : Nombre de critiques
Sujet du cours Expert en la matire Critiques
Les lignes directrices de Les lignes directrices de Copie de la leon
lenseignant lenseignant
Temps pour la revoir
Expert en la matire Format de lenseignement

16
Construire une schmatisation de processus
tape 6 :
Classifier tous les intrants (x) comme suit :
Contrlable (C) : les intrants qui peuvent tre changer pour montrer
leffet sur lextrant (Y).
Exemples : la vitesse speed or taux davancement dune machine, la temprature ou la
pression dun processus thermodynamique, le type de document ou la taille du lot dune
processus transactionnel
Les procdures normalises (S) : les mthodes ou les procdures
standards le droulement du processus
Exemples : le nettoyage, la scurit, et la charge des composantes dans un processus
industriel. La formation, la mthode dappel, la saisie des donnes dans un processus
transactionnel
Bruit (N) : Les choses qui ne peuvent pas ou qui a t choisi de ne pas
tre contrler cause des cots ou de la difficult.
Exemples : temprature ambiante ou lhumidit dans un processus industriel ou un
rseau ou un oprateur dans un processus transactionnel

17
Construire une schmatisation de processus
tape 6 suite :
CL :
Contrlable (C)
Procdures normalises (S)
Bruit (N)
Y : Plan de Y : Leon
cours

Dvelopper un Rviser le
Dvelopper
plan contenu
la leon
de cours de la leon
X: X : Temps/leon cible (C) X : Nombre de critiques (C)
Objectives du cours (C) Expert en la matire (N) Critiques (N)
Sujet du cours (N) Les lignes directrices de Copie de la leon (S)
lenseignant (N)
Les lignes directrices de Temps pour la revoir (S)
lenseignant (N) Format de lenseignement (C)
Expert en la matire (N)

18
Construire une schmatisation de processus
tape 7 :
Sil sapplique, numrer les spcifications de fonctionnement et les
objectifs du processus pour les intrants contrlables
Pour les intrants contrlables avec ces objectifs, numrer lobjectif de
lintrant et les limites spcifiques suprieure et/ou infrieur du rglage
Complter ceci pour chaque tape et pour le processus au complte
Y : Leon

Dvelopper
la leon
X : Temps/leon cible
(C) CL :
Contrlable (C)
Expert en la matire (N)
Procdures
Les lignes directrices de normalises (S)
lenseignant (N) Bruit (N)
Variable de Spcification Spcification
Cible Format de lenseignement
lintrant contrlable infrieur suprieur
(C)
Temps cible 50 45 60

19
Construire une schmatisation de processus
tape 8 :
Ajouter les valeurs de temps aux tapes du processus
Identifier le total de temps du point dentre jusqu'au point de sortie de
chaque tape.

3 jours 7 jours 1.5 jours


(24 heures) (56 heures) (12 heures)

Dvelopper un Rviser le
Dvelopper
plan contenu
la leon
de cours de la leon

20
Exercice : Schmatisation du processus
Objectif :
Crer une schmatisation du processus de votre processus

Directives :
Joignez votre group pour le projet
Consultez votre FIPEC de Brasro et slectionnez une tape
numrez les tapes dans ce processus
Consultez votre tude de cas pour plus dinformation dtaill
numrez tous les extrants (Y) chaque tape du processus
numrez tous les intrants (x) chaque tape du processus
Catgoriser tous les intrants (x)
Ajouter les valeurs de temps chaque tape du processus

Dure :
45 minutes

21
Valeur ajoute et non-valeur ajoute

Phase Mesurer
Valeur ajoute et non-valeur ajoute
Valeur ajoute
Les clients sont prts en assumer le cot
Il transforme le produit physiquement
Cest fait correctement la premire fois

Non-valeur ajoute
Pas essentiel pour produire des extrants
Najoute pas de valeur lextrant
Inclus :
Dfauts, erreurs, omissions, retravaille
Prparation, contrle/inspection
Surproduction, fabrication, inventaire
Transportation, mouvement, attend, retards

Cependant, quelques tapes ou processus ne sont ni gaspillage ni non-


valeur ajoute, mais sont des tapes ncessaires dans le processus.
Quelques emballages
Quelques entretiens des donnes ou une exigence juridique
Systme de paye

23
Quest-ce qui arrive lobjet ?
1h 2h 4h 30 min 2h 4h 4h 10 min
Procd des Recevoir le Traiter la Vrifier la Clarifier la Saisir la Saisir les Vrifier Prvoir le
L'acheminer
au
commande commande donnes le colis travail
personnes courrier commande solvabilit secteur de
fabrication

2 jours 2 min 10 min 75 min 5 min 10 min 5 min 120 min 10 min
Arrive Ouvrir le
par Attendre Dplacer Attendre Trier Vrifier Compter Vrifier la Dplacer
solvabilit
camion courrier

90 min 90 min 180 min 10 min 1 min 30 min 12 min 30 min 2 min 2 min

Procd Attendre Distribuer Attendre Clarifier Dplacer Attendre Distribuer Attendre Entrer Dplacer

de lobjet
30 min 10 min 1 min 240 min 5 min 15 min. 2 min. 2 min. 1 min 3 min

Attendre Vrifier Imprimer Attendre Dplacer Vrifier Distribuer Achemi- Imprimer Dplacer
ner

60 min 30 min 10 min 1500 min 2 min


L'acheminer
au
Attendre Associer Regrouper Attendre secteur de
fabrication
Valeur ajoute
35 tapes 5 sont valeur ajoute

24
Exemple : analyse de flux de valeur ajoute (AFVA)
tape Temps VA
Arrive par camion
Attendre 10 m
Dplacer l'aire de rception 1m
Attendre 60 m
Dplacer l'aire d'entreposage 2m
Attendre 960 m
Dplacer l'aire d'impression 2m
Attendre 30 m
Perforer ,01 m ,01 m
Attendre 20 m
Dplacer l'aire de peinture 2m
Attendre 60 m
Peindre ,5 m ,5 m
Attendre (scher) 30 m 30 m
Charger dans le camion 1m
Attendre 20 m
Expdier
Total 1226,51 30,51

25
Exercice : valeur ajoute
Objectif :
Sexercer identifier les tapes qui sont valeur ajoute

Directives :
Joignez votre quipe de Brasro
Faites rfrence aux tapes sur votre schmatisation de processus.
Identifiez les tapes qui sont valeur ajoute en utilisant les 3 critres.
Dmontrez lanalyse de flux de valeur ajoute en format graphique
Calculez le pourcentage de temps et le pourcentage des tapes qui
sont valeur ajoute et prparez-vous prsenter vos rsultats. Garder
vos rsultats.

Dure :
15 minutes

26
Analyser la schmatisation du processus
Votre schmatisation du processus est fini, donc
Pouvez-vous identifier des amliorations simples ?

Les amliorations rapides sont


Facile mettre en uvre
Facile accepter
Des faibles risques de dfaillance
Sans frais
Excuter avant la phase damlioration

27
Analyser la schmatisation du processus
Rviser et contester votre tat actuel. Chercher :

La complexit
Trop dindividus
Transferts excessif ou des retours
La duplication des tapes
Des goulots
Trop ou pas assez de point de dcisions
Manque de mesures sur vos intrants
Toutes les mesures sur lextrant final
Manque de contrle de vos intrants
Plusieurs intrants sont classifier comme la bruit
Manque de spcifications
Grandes quantits des activits non-valeur ajoutes compar aux
valeurs ajoutes
Etc.

28
Diagramme de Spaghetti

Phase Mesurer
Diagramme de Spaghetti
Un diagramme de spaghetti est une aide graphique utilise
dans des activits de production Lean pour montrer
linefficacit dun systme. Il est utilis pour :
Montrer le schma de marche des employs
Illustrer graphiquement les mouvements par un processus
(matriel, communication, personnes, produits)
Dtailler le flux physique actuel et les distances dans un
processus de travail

Des synonymes sont


schmatisation de processus physique
point point carte de flux
diagramme flux de travail

2
Diagramme de Spaghetti
Avant de construire un diagramme de spaghetti, il est
important que vous fassiez votre recherche avant pour bien
tre prpar mener cet exercice

Prparer (D) Construire (M) Analyser (A)

Prparer
Identifier le processus tudier
Sassurer que les frontires du processus sont dfinies clairement
Identifier les membres de lquipe qui vont tre observs
Communiquer avec lquipe que vous tudiez
Visiter lendroit
Prparer le matriel (plan, tableau blanc, podomtre, chronomtre,
etc.)

3
Diagramme de Spaghetti
Avant de construire un diagramme de spaghetti, il est important que
vous fassiez votre recherche avant pour bien tre prpar mener
cet exercice

Prparer (D) Construire (M) Analyser (A)

Construire
Dessiner le plan lchelle
Inclure les quipements, les espaces de travail, les portes, les fentres, etc.
Communiquer avec lquipe que vous tudiez
Observer le travail fait
Empchez-vous de poser des questions
Noter les trajets pris par les employs directement sur le plan
Diffrentes couleurs peuvent tre utilises pour reprsenter diffrentes personnes
ou processus

4
Diagramme de Spaghetti
Avant de construire un diagramme de spaghetti, il est
important que vous fassiez votre recherche avant pour bien
tre prpar mener cet exercice

Prparer (D) Construire (M) Analyser (A)

Analyser
Souligner des distances superflues ou doubles
Compter le nombre de fois que la personne/le matriel est dplac
Mesurer le nombre dtapes et/ou distance voyager
Mesurer le nombre de fois la personne/ le matriel est transfr
un autre endroit
Observer les raisons
Partager le diagramme spaghetti avec lquipe
Demander pour des solutions potentielles

5
Exemple : Diagramme de Spaghetti
Visuellement, cest facile dobserver le problme et de se concentrer
sur lobjectif de lamlioration de flux

6
Exemple : Diagramme de Spaghetti pour Nettoyer Sec

Barres suspendus Chaudire


Rception Un par magasin tagre
Expdition FGs Vrac et en bote
Rception

Au magasin
Sac

Nettoyer Sec Machines


Barres Nettoyer Sec
Repasser/ de nettoyer
Tache
Suspendre sec
Barres

Nettoyer Sec
Vrifier/trier

Rouler dans
le panier
Barres de chandails
Lavage
Lavage
Finis par
Lavage Presser plat Vrifier/trier
main
Prparer
le lavage tagre
de
Lavage repasser/suspendre rserve
Schoir Machine laver
chandails

NS L

7
Exemple : Diagramme de Spaghetti

8
Exemple : Diagramme de Cercle (flux dinformation)
Le diagramme de spaghetti sapplique aussi illustrer les aller-
retour de la communication. Le processus est la mme.

9
Exercice : Diagramme de Spaghetti
Objectif :
Sexercer utiliser un diagramme de spaghetti

Directives :
Crer un diagramme de spaghetti pour votre processus de djeuner
chez vous
Construire le plan
Dessiner les mouvements
Partager votre diagramme de spaghetti

Dure :
20 minutes

10
Gage de rptabilit et de reproductibilit
(GR&R donnes discrtes)

Phase Mesurer
Principes
Il y a toujours une certaine variation dans le systme de mesure
Il est essentiel de vrifier le systme de mesure en vue de prendre
de bonnes dcisions sur votre projet
Si le systme de mesure montre une variation excessive, il doit tre
amlior avant que des dcisions rationnelles soient faites au sujet de
la variation que vous tudiez dans votre projet
Including Measurement System Improved Measurement System

LSL USL LSL USL

52.5 60.0 67.5 75.0 82.5 90.0 60 66 72 78 84 90

2
Problmes communs lors de la mesure
Biais :
Les mesures nont pas la mme valeur moyenne que celle avec
la mthode standard (la prcision est bonne si la diffrence est
petite)

3
Problmes commun lors de la mesure
Imprcision:
Des mesures rptes dun mme article ont des rsultats
variables (bonne rptabilit si la diffrence est petite)

4
Problmes communs lors de la mesure
Non reproductible :
Les mesures varient (biais ou prcision) en fonction des
diffrentes personnes qui font la mesure ou des diffrentes
machines utilises

Donnes de la pice X

Mesureur 1

Donnes de la pice X
Mesureur 2
Bonne reproductibilit si
la diffrence est petite

5
Problmes communs lors de la mesure
Manque de rsolution :
Le systme de mesure nest pas assez prcis pour distinguer
des variations du procd actuel

X
X
X X
X X X
5 valeurs distinctes ou
X X X X
X X X X X plus sont requises pour
5.1 5.2 5.3 5.4 5.5 vrifier si la rsolution est
adquate

6
Problmes communs lors de la mesure
Instable au fils de temps :
Le biais ou la prcision change avec le temps (bonne stabilit si
la diffrence est petite)

Temps 2
Valeur
observe

Temps 1 Valeur
observe

7
Amlioration d'un systme de mesure
Il est important de reconnatre la variation de nos donnes
occasionne par le systme de mesure

Les lments du systme qui peuvent contribuer la variation


sont :
Les appareils de mesure
Procdures
Dfinitions
Personnes

8
Validation d'un systme de mesure
Le prsent module concentre sur l'utilisation du gage R&R
pour valider un systme de mesure. Cependant, s'il n'est pas
possible d'avoir recours au gage R&R, il existe d'autres
solutions, notamment :
Examiner lensemble des donnes (anciennes actuelles)
Vrifier les mesures
Demander ceux qui travaillent au sein de la chane de valeur si
cela semble raisonnable ou typique
Dautres ides ?

Ce qui importe, c'est que vous devez valider le systme de


mesure avant d'aller de l'avant!

9
Importance de la mesure
Mesurer mne au CONTRLE!

Rappelez-vous que :
Nous ne savons pas ce que nous ne savons pas
Si nous ne pouvons pas exprimer ce que nous savons avec de
chiffres, nous ne savons pas grand-chose.
Si nous ne savons pas grand-chose, nous ne pouvons pas le
contrler.
Si nous ne pouvons pas le contrler, nous sommes la merci du
hasard.

10
talonnage des quipements de mesure
Mises en garde concernant l'talonnage des quipements
(balance, gage, etc.) :
IMPORTANT : Vrifier si la jauge est calibre avant d'utiliser
toutes les jauges pour recueillir des donnes ou une mesure.
Elle doit tre talonne et vrifie. Toutes les jauges calibres
ont une tiquette d'talonnage pour le prouver.
Ne pas r-talonner les instruments avant chaque lecture; cela
peut ajouter jusqu' 40 % de la variation
R-talonner seulement lorsque les instruments montrent des
signes de drive (cause spciale) (rgle 2 de lentonnoir de
Deming)

11
valuation et validation d'un systme de mesure de donnes discrtes
valuez l'exactitude, la rptabilit et la reproductibilit d'un
systme de mesure de donnes discrtes :
Les donnes discrtes sont habituellement le rsultat du jugement
humain ( quelle catgorie cet article appartient-il? ).
Lorsque vous catgorisez des articles (bon ou mauvais; type d'appel;
raison du dpart), vous devez obtenir un haut degr d'acceptation au
sujet de la faon de catgoriser un article
La meilleure manire d'valuer le jugement humain est de demander
tous les oprateurs de catgoriser plusieurs units connues
Cherchez laccord unanime
Utilisez les dsaccords comme des occasions de cerner et de rgler les
problmes

12
Exemple 1 : valuation d'un systme de mesure de donnes discrtes
Une analyse de concordance des attributs (GR&R) a t utilise pour
valuer la GRC comme un systme de mesure (cet exemple est tir
d'un vritable projet de la Postes Canada).
On a demand quatre individus (prposs au reprage) de coder
25 dossiers avec un code de raison en fonction de la lecture des
commentaires du dossier.
Les dossiers ont t valus trois diffrentes dates aux fins de
rptabilit.
Pour assurer une valuation laveugle, les numros de dossier de
GRC ont t omis des documents imprims afin que les prposs au
reprage ne puissent pas afficher le dossier dans le module GRC et
consulter le code initial.
Les prposs au reprage devaient remettre leurs feuilles de rponse
chaque jour afin qu'ils ne puissent pas retourner en arrire et voir les
codes qu'ils avaient slectionns prcdemment.

13
Exemple 1 : valuation d'un systme de mesure de donnes discrtes

Rsultat de la fentre de session rptabilit et valuateurs


en fonction des normes
Analyse du consensus sur l'valuation
Selon l'valuateur
valuateur Nbre inspect Nbre associ Pourcentage (%) 95,0 % AC
1 25 25 100 (88,7, 100)
2 25 25 100 ( 88,7, 100)
3 25 24 96 (79,6, 99,9)
4 25 25 100 (88,7, 100)
Nbre associ : Les essais de l'valuateur sont uniformes.
valuateur individuel en fonction des normes
valuateur Nbre inspect Nbre associ Pourcentage (%) 95,0 % AC
1 25 24 96 (79,6, 99,9)
2 25 25 100 (88,7, 100)
3 25 24 96 (79,6, 99,9)
4 25 25 100 (88,7, 100)
Nbre associ : L'valuation des valuateurs correspond aux normes pour tous les essais.

14
Exemple 1 : valuation d'un systme de mesure de donnes discrtes

Rsultat graphique rptabilit et valuateurs en fonction des normes


Date de l'tude : 20 juin 2005
Consensus sur l'valuation Prsent par :
Nom du produit : Code de raison
Divers :

Selon l'valuateur valuateurs en fonction des normes

100 100
[ , ] 95 % AC
Pourcentage

Pourcentage
Pourcentage

90 90

80 80

1 2 3 4 1 2 3 4
valuateur valuateur

15
Exemple 1 : valuation d'un systme de mesure de donnes discrtes

Rsultats de lanalyse :
La rptabilit pour chaque prpos au reprage est trs leve
soit de 100 % pour les prposs no 1, 2 et 4 et 96 % pour le
prpos no 3
Le niveau lev de rptabilit est attribuable des contrles
serrs en place pour slectionner des codes de raison
(c.--d. limiter les codes de raison cinq options avec des
dfinitions claires pour choisir le code de raison appropri)
Mme si les contrles actuellement en place fonctionnent bien,
un rappel renforant les dfinitions des codes de raison
disponibles a t mis.
L'objectif est d'atteindre 100 % pour tous les prposs au
reprage.

16
Exemple 2 : tude lie la GR&R pour les attributs
Fichier de donnes :
Attributes
Objectif :
valuer la classification des appels effectus par les reprsentants du
service la clientle un centre d'appels national...
Dure :
15 minutes

Rsultat Minitab de la fentre de session du fichier Attributes

17
Exemple 2 : tude lie la GR&R pour les attributs

Stat > Quality Tools > Attribute Agreement Analysis

Colonnes multiples :
Jane1-Alex2
Nombre
dvaluateurs : 3

Nombre
dessais : 2

Norme ou attribut
connu :
Call Type

18
Exemple 2 : tude lie la GR&R pour les attributs
Attribute Agreement Analysis for Jane1, Jane2, Bob1, Bob2, Alex1, Alex2

Within Appraisers

Assessment Agreement

Appraiser # Inspected # Matched Percent 95 % CI


1 30 23 76.67 (57.72, 90.07)
2 30 22 73.33 (54.11, 87.72)
3 30 18 60.00 (40.60, 77.34)

# Matched: Appraiser agrees with him/herself across trials.

Cl pour lextrant Minitab


valuateur : Identificateur du reprsentant qui participe l'tude
Nbre inspect : Nombre total d'appels valus dans le cadre de l'tude.
Nbre associ : Nombre de fois que la cote du reprsentant a correspondu dans tous
les essais (rptabilit).
Pourcentage : Pourcentage de correspondance = Nbre associ divis par Nbre
inspect.
95 % AC : Plage probable du pourcentage associ, selon la taille de
l'chantillonnage (nbre inspect) utilis. Plus la valeur de la colonne Nbre inspect
augmente, plus la plage de la colonne 95 % AC diminue.

19
Exemple 2 : tude lie la GR&R pour les attributs
Fleiss' Kappa Statistics Rptabilit (selon les valuateurs).
Appraiser Response Kappa SE Kappa Z P(vs > 0)
1 Change of Address 0.711538 0.182574 3.89726 0.0000
Drop-Rate 0.509002 0.182574 2.78792 0.0027
Drop-Term 0.733333 0.182574 4.01663 0.0000
Inquiry-Status 0.722222 0.182574 3.95577 0.0000
Overall 0.672642 0.110287 6.09903 0.0000
2 Change of Address -0.052632 0.182574 -0.28828 0.6134
Drop-Rate 0.555556 0.182574 3.04290 0.0012
Drop-Term 0.794286 0.182574 4.35048 0.0000
Inquiry-Status 0.589603 0.182574 3.22939 0.0006
Overall 0.608483 0.119551 5.08975 0.0000
3 Change of Address 0.838275 0.182574 4.59142 0.0000
Drop-Rate 0.224442 0.182574 1.22932 0.1095
Drop-Term 0.555556 0.182574 3.04290 0.0012
Inquiry-Status 0.377778 0.182574 2.06917 0.0193
Overall 0.440124 0.111028 3.96410 0.0000

Valeurs de DCISION kappa de Fleiss :


kappa < 0,7 le systme de mesure doit tre amlior
0,7 < kappa < 0,9 le systme de mesure est acceptable mais
devrait tre amlior
kappa > 0,9 le systme de mesure est trs bon

20
Exemple 2 : tude lie la GR&R pour les attributs
Each Appraiser vs Standard

Assessment Agreement

Appraiser # Inspected # Matched Percent 95 % CI


1 30 19 63.33 (43.86, 80.07)
2 30 18 60.00 (40.60, 77.34)
3 30 18 60.00 (40.60, 77.34)

# Matched: Appraiser's assessment across trials agrees with the known standard.

lment des rsultats de Minitab


valuateur : Identificateur du reprsentant qui participe l'tude.
Nbre inspect : Nombre total d'appels valus dans le cadre de l'tude.
Nbre associ : Nombre de fois que la cote du reprsentant a correspondu la
classe relle de l'appel.
Pourcentage : Pourcentage de correspondance = Nbre associ divis par Nbre
inspect.
95 % AC : Plage probable du pourcentage associ, selon la taille de
l'chantillonnage (nbre inspect) utilis. Plus la valeur de la colonne Nbre
inspect augmente, plus la plage de la colonne 95 % AC diminue.

21
Exemple 2 : tude lie la GR&R pour les attributs
Exactitude (valuateur individuel en fonction des normes)
Fleiss' Kappa Statistics

Appraiser Response Kappa SE Kappa Z P(vs > 0)


1 Change of Address 0.723059 0.129099 5.60079 0.0000
Drop-Rate 0.474998 0.129099 3.67932 0.0001
Drop-Term 0.791035 0.129099 6.12733 0.0000
Inquiry-Status 0.560440 0.129099 4.34115 0.0000
Overall 0.631981 0.077714 8.13216 0.0000
2 Change of Address 0.383423 0.129099 2.96998 0.0015
Drop-Rate 0.502553 0.129099 3.89276 0.0000
Drop-Term 0.750701 0.129099 5.81491 0.0000
Inquiry-Status 0.559421 0.129099 4.33325 0.0000
Overall 0.597205 0.080497 7.41899 0.0000
3 Change of Address 0.919137 0.129099 7.11961 0.0000
Drop-Rate 0.612221 0.129099 4.74224 0.0000
Drop-Term 0.777778 0.129099 6.02464 0.0000
Inquiry-Status 0.688889 0.129099 5.33611 0.0000
Overall 0.720062 0.077958 9.23653 0.0000

Valeurs de DCISION kappa de Fleiss :


kappa < 0,7 le systme de mesure doit tre amlior
0,7 < kappa < 0,9 le systme de mesure est acceptable mais devrait
tre amlior
kappa > 0,9 le systme de mesure est trs bon

22
Exemple 2 : tude lie la GR&R pour les attributs

Between Appraisers

Assessment Agreement

# Inspected # Matched Percent 95 % CI


30 7 23.33 (9.93, 42.28)

# Matched: All appraisers' assessments agree with each other.

lment des rsultats de Minitab


Nbre inspect : Nombre total d'appels valus dans le cadre de l'tude
Nbre associ : Nombre de fois que l'ensemble des cotes des associs correspond
les unes aux autres
Pourcentage : Pourcentage de correspondance = Nbre associ divis par Nbre
inspect.
95 % AC : Plage probable du pourcentage associ, selon la taille de
l'chantillonnage (nbre inspect) utilis. Plus la valeur de la colonne Nbre inspect
augmente, plus la plage de la colonne 95 % AC diminue.

23
Exemple 2 : tude lie la GR&R pour les attributs

Fleiss' Kappa Statistics Reproductibilit (entre valuateurs)

Response Kappa SE Kappa Z P(vs > 0)


Change of Address 0.506173 0.0471405 10.7375 0.0000
Drop-Rate 0.348837 0.0471405 7.4000 0.0000
Drop-Term 0.607273 0.0471405 12.8822 0.0000
Inquiry-Status 0.440092 0.0471405 9.3358 0.0000
Overall 0.471905 0.0288776 16.3416 0.0000

Valeurs de DCISION kappa de Fleiss :


kappa < 0,7 le systme de mesure doit tre amlior
0,7 < kappa < 0,9 le systme de mesure est acceptable mais devrait tre
amlior
kappa > 0,9 le systme de mesure est trs bon

24
Exemple 2 : tude lie la GR&R pour les attributs

All Appraisers vs Standard

Assessment Agreement

# Inspected # Matched Percent 95 % CI


30 7 23.33 (9.93, 42.28)

# Matched: All appraisers' assessments agree with the known standard.

lment des rsultats de Minitab


Nbre inspect : Nombre total d'appels valus dans le cadre de l'tude
Nbre associ : Nombre de fois que l'ensemble des cotes des associs correspond
aux normes (cote de l'appel actuel).
Pourcentage : Pourcentage de correspondance = Nbre associ divis par Nbre
inspect.
95 % AC : Plage probable du pourcentage associ, selon la taille de
l'chantillonnage (nbre inspect) utilis. Plus la valeur de la colonne Nbre inspect
augmente, plus la plage de la colonne 95 % AC diminue.

25
Exemple 2 : tude lie la GR&R pour les attributs

Fleiss' Kappa Statistics Exactitude (tous les valuateurs)

Response Kappa SE Kappa Z P(vs > 0)


Change of Address 0.675207 0.0745356 9.0588 0.0000
Drop-Rate 0.529924 0.0745356 7.1097 0.0000
Drop-Term 0.773171 0.0745356 10.3732 0.0000
Inquiry-Status 0.602916 0.0745356 8.0890 0.0000
Overall 0.649749 0.0454565 14.2939 0.0000

Valeurs de DCISION kappa de Fleiss :


kappa < 0,7 le systme de mesure doit tre amlior
0,7 < kappa < 0,9 le systme de mesure est acceptable mais devrait tre
amlior
kappa > 0,9 le systme de mesure est trs bon

26
Exemple 2 : tude lie la GR&R pour les attributs

Rsultat graphique rptabilit et valuateurs en fonction des normes


Date of study :
Assessment Agreement
Reported by :
Name of product:
Misc:

Within Appraisers Appraiser vs Standard


90 95.0% C I 90 95.0% C I
P ercent P ercent

80 80

70 70
Percent

Percent
60 60

50 50

40 40
1 2 3 1 2 3
Appraiser Appraiser

27
Exemple 2 : tude lie la GR&R pour les attributs
Si on prend en considration les rsultats moyens de l'tude
de GR&R du centre d'appels :
Rptabilit : 60 % 77 %
Exactitude : 60 % 63 %
Reproductibilit : 23 %

Quelles seraient les prochaines tapes suivre?

28
Exercice : analyse de concordance des attributs (attributs de qualit
des friandises M&M)
Objectif :
Mener une tude de R&R des attributs (analyse de concordance des attributs)
avec les friandises M&M.

Directives :
Slectionner un expert en la matire pour chaque quipe qui choisira
30 friandises M&M.
Un expert en la matire utilisera le feuillet pour organiser les friandises M&M
pour linspection.
Les inspecteurs utiliseront les critres numrs dans le feuillet pour valuer la
qualit des friandises M&M et pour consigner les rsultats de linspection.
Mener l'tude de GR&R en demandant chaque inspecteur d'effectuer
l'inspection deux fois.
valuer les rsultats de l'tude de GR&R au moyen du logiciel Minitab et
s'assurer d'tre prt prsenter les rsultats.

Dure :
30 minutes

29
Exercice : grille d'inspection des friandises M&M

1 2 3 4 5

6 7 8 9 10

11 12 13 14 15

16 17 18 19 20

21 22 23 24 25

26 27 28 29 30

30
Exercice : codes de classification des friandises M&M

Exercice de R&R li aux attributs - Qualit des friandises M&M


Inspecteur :

No de l'essai

M&M Classification Codes de classification


1 1 Aucune anomalie
2 2 Surface non reluisante
3 3 M mal form ou incomplet
4 4 Surface non reluisante ET M mal form ou incomplet
5
6
7
8
9
10
11

30

31
Exercice : exemple d'une grille remplie

M&M Larry1 Larry2 Micky1 Micky2 Dale1 Dale2


1 2 1 3 3 3 3
2 1 1 1 1 1 1
3 2 2 4 4 1 2
4 4 4 4 4 4 4
5 4 4 4 4 4 4
6 2 2 2 2 3 3
7 3 3 2 3 2 2
8 2 2 2 2 3 3
9 1 1 2 2 1 1
10 2 2 3 3 2 2
11 1 1 1 1 1 1
12 2 2 2 2 1 1
13 3 3 1 1 1 1
14 1 3 2 2 2 2
15 3 3 3 3 2 3
16 4 4 1 1 2 2
17 2 2 3 3 1 1
18 2 2 2 2 2 2
19 2 2 3 3 2 2
20 3 3 2 2 1 1
21 4 4 2 2 4 4
22 2 2 2 1 2 2
23 3 3 2 2 3 3
24 3 3 4 4 3 3
25 1 2 2 2 2 2
26 3 3 2 2 4 4
27 4 4 4 4 4 4
28 4 4 2 2 3 3
29 2 2 2 2 2 2
30 4 4 1 1 3 3

32
Rcapitulation de la phase Mesurer et les
livrables

Phase Mesurer
Phase 2 : Mesurer
Dans la phase Mesurer, lobjectif est de prciser la situation
ou la source des problmes en construisant une
comprhension factuelle des conditions actuelles dun
procd. Vous mesurez :
Situation actuelle du processus
Capabilit du procd laide des donnes de rfrence
(situation actuelle)

Dfinir

Contrler Mesurer

Analyser
Amliorer

2
Livrables de mesure
https://erm.cpggpc.ca/dept/ProcessEng/CDCC%20Library%20of%20Published%20Documents/LSS-
EDP%20Tools%20and%20Templates/Project%20Management/EDPandDMAIC_1pager(deliverablesANDtools)_f.pdf

3
Liste de contrle de la phase mesurer
Avant de passer la phase ANALYSER, vous devriez tre en
mesure de dfinir prcisment quels sont les problmes, quand ils
se produisent et de quelle manire ils sont susceptibles davoir un
impact. Vous devriez avoir des donnes en main pour prsenter :

Quel est le problme (s) principal ?


Comment avez-vous slectionn les priorits et les mesures critiques
des intrants, de processus, et des extrants ?
Quest-ce que vous avez fait pour valider le systme de mesure ?
Quelles tendances sont observes dans les donnes ?
Quelle est la capacit du processus actuel ?
Combien de temps quil faut pour passer le produit travers le
processus ?
Quel est le ratio de la valeur ajoute par rapport aux activits non-
valeur ajoute ?
Y a-t-il du gaspillage vident ?
Y a-t-il une opportunit d'amlioration rapide ?

4
Rsum de la premire semaine

Phases Dfinir & Mesurer


Lean
Lean limine du gaspillage et cre un flux continu dans
nimporte quelle chane de valeur.
Une faon de comprendre le concept de valeur du point de vue
du client et liminer le gaspillage des activits non-valeur
ajoutes
Une mthodologie permettant daugmenter la vitesse et de crer
un flux continue dactivits valeur ajoute, en fonction du
client.
Une groupe doutils utiliser pour lamlioration continu de ce flux

Une chane de valeur est toutes les actions, incluant la


cration de valeur et la cration de non-valeur, ncessaire
pour amener un produit de ltape commande ltape
dexpdition.

6
Le gaspillage
Transport
Inventaire
Mouvement
Attente
Surproduction
Surqualit
Dfauts

7
Six sigma
Cest une mthodologie universelle de rsolution de problme
DMAAC
Bas sur les donnes.
concentre sur lamlioration de la satisfaction des clients et la
performance administratif en rduisant les variations dans les
processus et llimination des dfauts
I Chart of data
U C L=63.44
60
Individual Value

_
50 X=49.11

40

LC L=34.79
1 6 11 16 21 26 31 36 41 46
O bser v ation

Process Capability of data

LSL USL
Process Data Within
LSL 35 Overall
T arget *
Potential (Within) Capability
USL 50
Cp 0.52
Sample Mean 49.1128
CPL 0.99
Sample N 50
CPU 0.06
StDev(Within) 4.77428
Cpk 0.06
StDev(Overall) 4.4911
Overall Capability
Pp 0.56
PPL 1.05
35 40 45 50 55 60 PPU 0.07
Observed Performance Exp. Within Performance Exp. Overall Performance Ppk 0.07
PPM < LSL 0.00 PPM < LSL 1558.32 PPM < LSL 837.89 Cpm *
PPM > USL 440000.00 PPM > USL 426285.97 PPM > USL 421696.31
PPM T otal 440000.00 PPM T otal 427844.28 PPM T otal 422534.21

8
Terminology de Lean Six Sigma
Flux continu
Individu versus lefficacit des points
Tirer vs pousser
TAKT
ECC spcifique et mesurable
Dfauts et opportunits
Y = f(x)
Intrant et extrant
Capabilit
Stabilit

9
LSS reprsentation visuelle
Problme 3
Problme 1 Xc Xd Problme 4
Xa Problme 2
Y Xb Y Y
Y
Mandat du projet
Dterminer le problme et
FIPEC + VdC
DFINIR tablir les priorits Matrice de famille de produits

cartographie de chane de valeur, schmatisation du


processus, collecte des donnes, dfinitions
valuer la situation
MEASURER actuelle
oprationnelles, chantillonnage, gage R&R, modles,
stratifications, capabilit du processus, carte de contrle

Dterminer les Outils danalyse des donnes: Cartographie de chane de


Diagrammes causes et effets, valeur de la situation
ANALYSER causes AMDEC, Pareto, vrification des future
hypothses, analyse de rgression, Crer un flux :
fondamentales plan dexprience
Slection de la boucle
Gnrer et valuer des Analyse du temps et du
Slectionner et solutions, slection des travail
AMLIORER mettre en uvre solutions, planification
de la mise en uvre, 5S
valuation de lquipement
Plan de lamnagement de
des solutions et lieu de travail visuel
la cellule
Travail standard Dterminer la main duvre
Excuter un soutien
Prvention des erreurs Planification de lopration
CONTRLER pour maintenir les Graphique de contrle
Planification de la mise en
uvre
rsultats et la Plan de contrle Excution and dbogage
situation Clture Amlioration continue
Y = f(x) problme rsolu Fermeture du projet

10
Phase 1 : Dfinir
Dans la phase dfinir, vous aurez identifier lobjectif de votre
projet et ses limites bases sur vos connaissances de
lorganisation, les objectifs daffaires, les besoins des clients
et les besoins de votre processus afin damliorer et dobtenir
un niveau suprieur de Sigma. Vous allez dfinir :

La porte du projet
Dfinir
Le voix du client
Les besoins des parties prenantes Contrler Mesurer

Amliorer Analyser

11
Phase 2 : Mesurer
Dans la phase Mesurer, lobjectif est de prciser la situation
ou la source des problmes en construisant une
comprhension factuelle des conditions actuelles dun
procd. Vous mesurez :
Situation actuelle du processus
Capabilit du procd laide des donnes de rfrence
(situation actuelle)

12
Rle du champion
Crer une opportunit de changement
tablir une finalit claire et constante
Enlever les barrires
Sassurer que le processus damlioration est suivi rigoureusement
Donner les directions
Aider le charg de projet avec la gestion des parties prenantes et la
gestion du changement

13
Rle de la Ceinture Verte
Planifier une rencontre rgulire pour la revue de votre projet
avec le champion
Communiquer toutes les problmatiques et les obstacles qui
peuvent avoir un impact sur lchancier au champion
tre un agent de changement pour votre projet et sassurer que
la mthode DMAAC est suivi.
Diriger le projet !

14
Pourquoi coaching et les revues de champion ?
valuer le progrs, dterminer ltat et enlever les barrires o
ncessaire
Discuter les projets et comprendre les o les avantages peuvent tre
dupliquer ailleurs
Discuter les synergies entre les projets
Assurer lquipe est concentr sur les bonnes priorits
Prsenter une mise jour lquipe de gestion
Fournir du coaching et des conseils sur le projet o ncessaire
Fournir des reconnaissances et des suggestions sur des travaux
complts

15
Devoir pour la deuxime semaine
Commencer travailler sur votre projet
Rencontrer votre champion
Communiquer avec votre coach
Prparer votre A3 pour prsenter votre projet jusqu date
Maximum 10 minutes + questions

16
Aperu Analyser

Phase Analyser
Phase 3 : Analyser
Dans la phase Analyser, vous dveloppez, analysez et
validez vos thories pour identifier les causes fondamentales.
Celles-ci seront la base pour la slection des solutions dans
la prochaine tape. Vous allez analyser
Un procd en utilisant les 7 questions de ltat futur
Des donnes laide de la statistique

Dfinir

Contrler Mesurer

Amliorer Analyser

2
LSS reprsentation visuelle
Problme 3
Problme 1 Xc Xd Problme 4
Xa Problme 2
Y Xb Y Y
Y
Mandat du projet
Dterminer le problme et
FIPEC + VdC
DFINIR tablir les priorits Matrice de famille de produits

cartographie de chane de valeur, schmatisation du


processus, collecte des donnes, dfinitions
valuer la situation
MEASURER actuelle
oprationnelles, chantillonnage, gage R&R, modles,
stratifications, capabilit du processus, carte de contrle

Dterminer les Outils danalyse des donnes: Cartographie de chane de


Diagrammes causes et effets, valeur de la situation
ANALYSER causes AMDEC, Pareto, vrification des future
hypothses, analyse de rgression, Crer un flux :
fondamentales plan dexprience Slection de la boucle
Gnrer et valuer des Analyse du temps et du
Slectionner et solutions, slection des travail

AMLIORER mettre en uvre solutions, planification


de la mise en uvre, 5S
valuation de lquipement
Plan de lamnagement de
des solutions et lieu de travail visuel la cellule
Travail standard Dterminer la main duvre
Excuter un soutien Planification de lopration
Prvention des erreurs
CONTRLER pour maintenir les Graphique de contrle
Planification de la mise en
uvre
rsultats et la Plan de contrle Excution and dbogage
situation Amlioration continue
Clture
Y = f(x) problme rsolu Fermeture du projet

3
Analyse donnes (Six Sigma)
Dans lanalyse des donnes, vous allez crer une liste de causes
potentielles (x) et ensuite les classer pour y trouver des relations
causes effets. Ceci vous permettra de :
Gnrer plusieurs causes potentielles
Valider les causes
Chercher les causes fondamentales et les symptmes
Organiser les causes et dterminer les causes fondamentales (Xc)

4
Analyse donnes (Six Sigma)
Pour une meilleure qualit et une analyse faite en profondeur,
vous devez gnrer plusieurs ides, hypothses, concepts et
les analyser. Les outils cls sont :
Gnration dide
Remue-mninges
Utilisation dun FIPEC, schmatisation du processus, cartographie de
chane de valeur, observation
Arte de poisson
5 pourquoi
AMDEC
Outils danalyse
Diagrammes/ graphiques
Corrlation
Matrice de cause et effet
AMDEC

5
Analyse processus (Lean)
Quand vous analysez un processus, vous allez analyser et
dveloppez un flux idal. Une chane de valeur Lean a un
dlai dexcution le plus court, produit la plus haute qualit et
offre le plus bas cot possible.

Lean offre un ensemble de concepts et doutils qui aident


construire une cartographie de chane de valeur de la
situation future
Analyser la cartographie de chane de valeur de la situation
actuelle (8 questions)
Identifier les causes et valider les possibilits pour la
cartographie de chane de valeur de la situation future
Organiser les causes et slectionner la boucle

6
Analyse processus (Lean)
Pour une chane de valeur amliore et crative, vous avez
besoin de gnrer plusieurs ides. Loutil principal utiliser est
les 8 questions de ltat futur
1. Quel est le temps de Takt ?
2. Peut-on construire/avoir un magasin pour lexpdition ou pour les produits
finis ?
3. O est-ce que le flux continu peut tre utilis?
4. O a-t-on besoin dun magasin ou dun FIFO pour un systme flux tir ?
5. quel endroit se situe le point dans la chane de valeur o la
production/transformation est dclenche ( pacemaker ) ?
6. Comment une production de diffrents produits est gre par le
pacemaker ?
7. Comment le volume de production est stabilis par le pacemaker ?
(En dautres mot le Pitch: quelle mesure du travail sera suivi l'tape "pacemaker"
du processus?)
8. Quelles sont les amliorations ncessaires au processus pour que le
futur devienne une ralit? (ex. temps de fonctionnement, rotation et formation)

7
DMAAC

Information D

Flux de produit
M Y=f(x)

Donnes
A
Matriel Processus
A

8
Vido

Construire votre chane de valeur vido

9
Cartographie de la chane de valeur de la
situation futur

Phase Analyser
Dessiner une cartographie de la chane de valeur de la situation futur
Lean
Une chane de valeur Lean contient des activits de valeur
ajoute qui fabriquent un produit :
Exactement comme le client en a besoin
Lorsque le client en a besoin
Dans le moins de dlais (le meilleur flux)
Au rythme dont le client en a besoin

Dlai dexcution le plus court + la plus grande qualit + le


cot le plus bas possible.

Planification et
Famille de Situation Situation
excution
produits actuelle futur

2
Quest-ce qui ne va pas dans ce flux?
Fax de prvision Appels au magasin
Gestionnaire/ chaque jour
planification
Bag n Box Inc.

Commande
Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote Gestionnaire pousse
lutilisation de la machine

Particuliers et entreprises
1/mois sept magasins
de la Socit dont un
situ dans un
tablissement

I 10 h
L au V

I I
520 paquets
0-900 Produits finis
260 paquets 0-900

Rception Rassemblement

I
Prparer le I
Laver/Scher
10 laveuses I Repasser et
I
Vrifier et trier
I Plier/Bote/Sac
I
et expdition
Lavage suspendre
130 paquets 5 scheuses 65 paquets
.5 130 paquets 25 art. <.5 hres 4 machines 130 paquets 130 lbs .5
1 2 1 0-520
Doit tre mouill 1 0-900
3
D/C=1 min; D/T=.5 min
D/C=1 min
D/C=4 min.; D/T=40 min D/C=1 min; D/T=3 min D/C=.5 min; D/T=.5 min D/C=.6 min; D/T=.6 min
D/C=1 min TP=0, TF 100 %
D/T=.5 min TP=15 min, TF 95 %
TP=0, TF 95 % TP=0, TF 100 % TP=5 min/200 sacs /50 botes
D/T=1 min 660 min dispo.
660 min dispo.
660 min dispo. 660 min dispo. 660 min dispo. Lot=commande
Lot=commande 660 min dispo. 660 min dispo.
Lot=25 art., Exc.=25m Lot=art., 1 % retravaille Lot=4-6 art. 10 % pli 2/jours incomplets
Lot = article Lot=1 art.
165 165 31 165 82 165
Dlai de traitement du
.5 1 40 3 .5 .6
.5 .5 procd 819m
Dlai de traitement
46m

3
Gaspillage
propos du gaspillage, se souvenir que
Le gaspillage est un symptme pas une cause fondamentale
Le gaspillage pointe vers des problmes lintrieur du systme
Nous avons besoin de trouver et didentifier les causes du
gaspillage

Gaspillage :
Les lments dun production qui najoutent pas de valeur
Le gaspillage ajoute des cots et du temps

4
Pour dvelopper une cartographie de la chane de valeur de la situation
futur: 8 questions de la situation futur
1. Quel est le temps de Takt ?
2. Peut-on construire/avoir un magasin pour lexpdition ou pour les produits
finis ?
3. O est-ce que le flux continu peut tre utilis?
4. O a-t-on besoin dun magasin ou dun PEPS pour un systme flux tir ?
5. quel endroit se situe le point dans la chane de valeur o la
production/transformation est dclenche ( pacemaker ) ?
6. Comment une production de diffrents produits est gre par le
pacemaker ?
7. Comment le volume de production est stabilis par le pacemaker ? (c.-
-d. Pitch: quelle mesure du travail sera suivie l'tape "pacemaker" du
processus?)
8. Quelles sont les amliorations de processus ncessaires pour le futur afin
de devenir une ralit? (ex. temps de fonctionnement, rotation et formation)

5
Icnes de la situation futur de la cartographie de la chane de
valeur

Systme
Magasin
affichage
Kanban

Kanban
de production
Kanban arrive Max 50 articles
en lot PEPS

Kanban Magasin
File PEPS
de retrait flux tir

tableau de Temps de Activit


Signal kanban OXOX distribution des fonctionnement Kaizen
commandes

6
Questions de la situation futur

1. Dterminer le temps de Takt

4. Utiliser un flux tir 2. Magasin


si un flux continu 3. Crer un flux continu dexpdition
nest pas possible ou produits
finis?

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

7
Question 1 : Quel est le temps de Takt ?
Le temps de Takt synchronise le taux de production du processus
au rythme de la demande du client
TAKT = temps disponible/ demande du client
Client
Customer Le batteurkeeps
Drummer gardeusleinrythme
sync

Lorchestre = chane
Band = Value de valeur
stream

8
Question 1 : Quel est le temps de Takt ?
Le temps de Takt dterminera la vitesse et la priode de
temps que notre procd a besoin doprer pour satisfaire les
attentes du client
De quoi avons-nous besoin pour rencontrer l'heure de tombe
Le bon volume au bon moment
Temps logique et raisonnable pour accomplir le rapport

Noublie pas de la fluctuation de la demande (toggle)


Quels sont les temps de Takt le plus hauts et le bas qui reflte la
fluctuation de volume?

9
Question 1 : Quel est le temps de Takt ?
TAKT = temps disponible/ demande du client

Exemple : Nettoyer Sec travail de 7 h 18 h


660 minutes
Temps de Takt = = 76 secondes par pices
520 pices

Note : la mesure du temps de Takt de manire traditionnelle


nest pas applicable pour plusieurs procds administratifs.

10
Question 1 : Quel est le temps de Takt ?
La surproduction est souvent considre comme la forme de
gaspillage la plus important parce quelle cause plusieurs
dautres sortes de gaspillage.

La surproduction signifie:
Produire plus que ce qui est de ncessaire
Faire la production plus tt que ncessaire
Produire plus vite que ncessaire

La surproduction cause : lattente,


le transport, le mouvement, les
dfauts et linventaire

11
Question 1 : Quel est le temps de Takt ?
Individuel vs lefficacit du systme ; quel taux devrait-on
produire ?

Efficacit du systme :
Tous travaillent la mme vitesse
Ceci exige un travail standard

Efficacit individuel:
Tous travaillent contre lefficacit du systme
Chaque personne travaille trs fort, mais ne contribue pas
lamlioration gnrale

12
Question 1 : Quel est le temps de Takt ?

Le diagramme du cycle de processus quilibr est utilis


pour illustrer la faon, dont le processus, dun bout lautre se
comporte par rapport au temps de Takt.

Temps de Takt =76 sec.

60 sec.

30 sec.

tampe Rempli Insp Marqu Emball

13
Questions de la situation futur

1. Dterminer le temps de Takt

4. Utiliser un flux tir 2. Magasin dexpdition


ou produits finis?
si un flux continu 3. Crer un flux continu
nest pas possible

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

14
Question 2 : Peut-on construire/avoir un magasin pour lexpdition ou pour
les produits finis ?
Cette question fait rflchir sur la mthode que vous utiliserez
pour prsenter votre produit au client.

Quest-ce quun magasin ?


Cest un entrept pour envoyer le courrier ou cest un outil du
systme tir. Le magasin peut seulement tre considr quand le
flux (une pice ou un petit lot) nest pas possible
Tir quand le flux nest pas possible
Il y a des cassures dans le flux quand les items sont loin les uns
des autres.
Dessiner vos ides dans une cartographie de chane de valeur
de la situation actuelle partielle

15
Question 2 : Peut-on construire/avoir un magasin pour lexpdition ou pour
les produits finis ?
Exemple de la Postes Canada pour la question 2 :
Chaque pice de courrier est un produit personnalis et donc on produit pour
un horaire dexpdition, on fabrique pour expdier.
Alors, quelle est votre stratgie pour lexpdition ?
Comment est-ce que ceci va sappliquer dans votre chane de valeur
Est-ce que l heure de tombe saccorde avec lhoraire dexpdition
Recueillir des donnes sur des temps dexpdition actuels, tie out times et
le flux au quai; rencontre le titulaire du procd (rseau) et valider que ce que
vous voyez a dallure.

Exemple de processus administratif pour la question 2 :


Comment pouvez-vous expdier votre produit la fin de la journe ?
Retenez-vous tout pour en former des lots ou les traitez-vous un la fois ?

16
Question 2 : Peut-on construire/avoir un magasin pour lexpdition ou pour
les produits finis ?

lexpdition Au magasin pour


pour les produits les variations de
qui ne peuvent Client produits qui Client
pas tre peuvent tre
fabriqus avant fabriqus avant

assemblage
expdition assemblage expdition

magasin

17
Question 2 : Peut-on construire/avoir un magasin pour lexpdition ou pour
les produits finis ?
Produits standards (ex : Brasro)

Besoin du
client

Client

Expdition

Produits personnaliss (ex : Nettoyer Sec)


Besoin du
client

Client

Tir Pacemaker Expdition

PEPS

18
Question 2 : Peut-on construire/avoir un magasin pour lexpdition ou pour
les produits finis ?

Peu de variation des assemblage


commandes
Client
1
Stabiliser la production

Grande variation des assemblage


commandes
1 Client
Plus de capacit requise

Grande variation des commandes


assemblage
Quelques produits finis en Client
inventaire 1
Stabiliser la production Produit
finis

19
Question 2 : Peut-on construire/avoir un magasin pour lexpdition ou pour
les produits finis ?
Les entreprises manufacturires se protgent de la variation
avec linventaire

20
Questions 1 et 2 : procd Nettoyer Sec
Fax de prvision Appels au magasin
Gestionnaire/ chaque jour
planification
Bag n Box Inc.

Commande
Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote Gestionnaire pousse
lutilisation de la
machine

Particuliers et entreprises
1/mois sept magasins
de la Socit dont un
situ dans un
tablissement
660 minutes
Temps de Takt = = 76 secondes /pices
520 pices Fabriquer
I 10 h
pour
L au V
expdier
I
520 paquets I
0-900
Produits finis
260 paquets 0-900

Rception Rassemblement

I
Prparer le I
Laver/Scher
10 laveuses I Repasser et
I
Vrifier et trier
I Plier/Bote/Sac
I
et expdition
Lavage suspendre
130 paquets 5 scheuses 65 paquets
.5 130 paquets 25 art. <.5 hres 4 machines 130 paquets 130 lbs .5
1 2 1 0-520
Doit tre mouill 1 0-900
3
D/C=1 min; D/T=.5 min
D/C=1 min
D/C=4 min.; D/T=40 min D/C=1 min; D/T=3 min D/C=.5 min; D/T=.5 min D/C=.6 min; D/T=.6 min
D/C=1 min TP=0, TF 100 %
D/T=.5 min TP=15 min, TF 95 %
TP=0, TF 95 % TP=0, TF 100 % TP=5 min/200 sacs /50 botes
D/T=1 min 660 min dispo.
660 min dispo.
660 min dispo. 660 min dispo. 660 min dispo. Lot=commande
Lot=commande 660 min dispo. 660 min dispo.
Lot=25 art., Exc.=25m Lot=art., 1 % retravaille Lot=4-6 art. 10 % pli 2/jours incomplets
Lot = article Lot=1 art.
165 165 31 165 82 165
Dlai de traitement du
.5 1 40 3 .5 .6
.5 .5 procd 819m
Dlai de traitement
46m

21
Questions de la situation futur

1. Dterminer le temps de Takt

4. Utiliser un flux tir 2. Magasin


si un flux continu 3. Crer un flux continu dexpdition ou
nest pas possible produits finis?

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

22
Question 3 : O est-ce que le flux continu peut tre utilis ?
Quest-ce quune cellule ?
Ensemble de personnes, machines, matriaux et mthodes avec
les tapes de procd situer un ct de lautre en ordre
squentiel, dans laquelle les pices sont produit un la fois*
dans un flux continu

*Typiquement un la fois, mais occasionnellement dans un petit lot


qui est constamment entretenu travers des squence des tapes
dun processus

23
Question 3 : O est-ce que le flux continu peut tre utilis ?
Crer une cellule va amliorer le flux en crant un flux continu
dans le procd
O peut-on crer une cellule ?
O pouvez-vous voir de laccumulation entre des tapes, du
retravail et des dfauts ?
O pouvez-vous vous dbarrasser du travail non-valeur ajoute ?
Voyez-vous voir le flux continu dans la situation actuelle ? Est-il
vraiment un flux continu ou est-ce une gestion de linventaire ?
Faire un Pareto de ce quil y a dans linventaire permet de voir
plusieurs opportunits.

Dessiner vos ides dans une cartographie de chane de valeur


de la situation actuelle

24
Question 3 : O est-ce que le flux continu peut tre utilis ?

Lot et procd pouss Lot = 10 pices, taux =1 minute par pice

A B C
Continuous
Flux continuFlow Make
Faire un,One, Moveun
dplacer One

A B C

25
Question 3 : O est-ce que le flux continu peut tre utilis ?
Avantages dun flux continu
Rduire le dlai dexcution
Rduire les cots au plus bas
Amliorer la qualit
Ajouter de la stabilit et de la flexibilit
Rduire des blessures
Augmenter le sentiment dappropriation des employs et
dengagement

26
Question 3 : O est-ce que le flux continu peut tre utilis ?
Identifier un flux discontinu
Accumulation dinventaire entre les procds
Travail fait en lot
Les tapes de procd sont loignes les unes des autres
Dfauts vidents, retravail et rebus
Heures supplmentaires excessives et dautre temps darrt non
planifi
Taux sortie non rgulier (heure par heure, quipe quipe,
etc.)
Les problmes ne sont pas adresss immdiatement ou de
manire permanente
Sur ou sous utilisation des oprateurs
Charge de travail non quilibr entre les employs

27
Questions 3 : procd de Nettoyer Sec
Avec le procd de Nettoyer Sec :
Ltape de procd de lavage est dtermine par le cycle de la
machine (charger, dcharger, fonctionner) et le nombre de
machines (10 en total).
Nous avons la capacit de laver 25 chandails toutes les 4
minutes en utilisant les 10 machines.
En moyenne, nous pouvons laver un chandail toutes les 9,6
secondes, mais ceci ncessite un inventaire aprs le lavage.
la rception, nous avons besoin de trier en vue du lavage,
donc nous ne pouvons pas viter linventaire. Cependant, on
peut le grer !
Ltape dassemblage inclut plusieurs familles de produits
(nettoyage sec et le lavage en lot), donc nous avons besoin
dinventaire avant lassemblage. Cependant, on peut le grer !

28
Questions 1 - 2 3 : procd Nettoyer Sec
Fax de prvision Appels au magasin
Gestionnaire/ chaque jour
planification
Bag n Box Inc.

Commande
Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote Gestionnaire pousse
lutilisation de la
machine

Particuliers et entreprises
1/mois sept magasins
de la Socit dont un
situ dans un
tablissement

Fabriquer
I 10 h Takt = 76 seconds /pice
pour
L au V
expdier
I
520 paquets I
0-900
Produits finis
260 paquets 0-900

X X X
Rception Rassemblement
I
X
Laver/Scher
I I
Vrifier et trier
I Repasser et et expdition
I
Plier/Bote/Sac
I
Prparer le
Lavage 10 laveuses suspendre
130 paquets 5 scheuses 65 paquets
.5 130 paquets 25 art. <.5 hres 4 machines 130 paquets 130 lbs .5
1 2 1 0-520
Doit tre mouill 1 0-900
3
D/C=1 min; D/T=.5 min
D/C=1 min
D/C=4 min.; D/T=40 min D/C=1 min; D/T=3 min D/C=.5 min; D/T=.5 min D/C=.6 min; D/T=.6 min
D/C=1 min TP=0, TF 100 %
D/T=.5 min TP=15 min, TF 95 %
TP=0, TF 95 % TP=0, TF 100 % TP=5 min/200 sacs /50 botes
D/T=1 min 660 min dispo.
660 min dispo.
660 min dispo. 660 min dispo. 660 min dispo. Lot=commande
Lot=commande 660 min dispo. 660 min dispo.
Lot=25 art., Exc.=25m Lot=art., 1 % retravaille Lot=4-6 art. 10 % pli 2/jours incomplets
Lot = article Lot=1 art.
165 165 31 165 82 165
Dlai de traitement du
.5 1 40 3 .5 .6
.5 .5 procd 819m
Dlai de traitement
46m

29
Question 3 : procd Nettoyer Sec

X X X X
Laver/Scher Repasser et Vrifier et trier
Situation actuelle Prparer le
Lavage I
130 paquets
10 laveuses
5 scheuses I suspendre
4 machines
I
130 paquets
I
65 paquets
Fold/Box/Bag
Plier/Bote/Sac

1 2 25 art. <.5 hres 1


partiel : Doit tre mouill
3 0-520 2
1

Cellule de
Situation futur Chandail
Assy/Ship

partiel :
Une cellule est un ensemble de personnes, machines, matriaux et
mthodes avec les tapes de procd situes un ct de lautre en
ordre squentiel, dans laquelle les pices sont produit un la fois*
*Typiquement un las fois, mais parfois dans un petit lot qui est
constamment entretenu travers un squence des tapes du
processus

30
Questions de la situation futur

1. Dterminer le temps de Takt

4. Utiliser un flux tir si 2. Magasin


un flux continu nest 3. Crer un flux continu dexpdition ou
pas possible produits finis?

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

31
Question 4 : O a-ton besoin dun magasin ou dun PEPS dans un
systme flux tir ?
Tire est une mthode de contrle de procd dans laquelle les
procds en aval envoient leurs besoins des procds en amont

Le systme flux tir fournit


Immdiatement des commentaires si le flux du produit est interrompu.

Le systme flux tir gre


Linventaire entre les flux continus

Sil ne peut pas avoir un flux pour des raisons pratiques, comment
pouvez-vous relier les parties du processus laidedu systme flux
tir ?
Le systme flux tir arrte la surproduction, ce qui est une mauvaise
forme de gaspillage.

32
Question 4 : O a-ton besoin dun magasin ou dun PEPS dans un
systme flux tir ?
Dans un systme flux tir, le travail est fait SEULEMENT en
rponse dun signal kanban dun client qui indiquera le besoin
pour plus de produits.
Cest une faon de grer ou limiter votre inventaire quand un flux
continu ne peut pas tre accompli
O est-ce que les lots saccumulent et o linventaire est prsent ?
Comment est-ce que vous utiliseriez la loi de Little pour relier ces
procds ?
Flux = inventaire/flux de production (dure du cycle)
Amliorer le flux de production en disant linventaire quand se
prsenter, ceci est un systme flux tir

33
Question 4 : O a-ton besoin dun magasin ou dun PEPS dans un
systme flux tir ?
PEPS a une rgle
Quand vous atteignez la quantit minimum/maximum de
PEPS, vous devez
Dites-nous ce qui arrive en aval et en amont

Si vous ntablissez pas les rgles, ceci nest pas PEPS, cest
juste une gestion dinventaire en file

34
Question 4 : O a-ton besoin dun magasin ou dun PEPS dans un
systme flux tir ?
Plusieurs icnes de la cartographie de chane de valeur de la
situation futur sont associes au flux tir :
Un Kanban est un signal pour produire plus ou retirer des objets
dans un systme tir
Un Kanban nous indique quand, combien, et que produire
Kanban est Japonais pour signe ou tableau de signes

Kanban de Kanban arrive


Retrait
procd en lots

Magasin Kanban de Systme affichage


(procd des founisseurs) retrait Kanban Signal Kanban

35
Question 4 : O a-ton besoin dun magasin ou dun PEPS dans un
systme flux tir ?
Le systme flux tir du magasin est une faon de contrler
la production entre les flux. Ceci contrle la production au
procd sans modification la planification
Le procd du client va au magasin et prend ce quil a besoin
quand il en a besoin.
Le procd de production fabrique pour remplacer ce qui a t
pris Kanban de
production Kanban de retrait

Procd de rserve
Procd du client

Nouveau Produit tir


produit

Magasin

36
Question 4 : O a-ton besoin dun magasin ou dun PEPS dans un
systme flux tir ?
Pour tablir la taille du magasin, vous pouvez commencer
avec un magasin plus grand que ncessaire et le rduire au
rythme de la mise en uvre des amliorations au flux
Consommation courante par unit de temps
Quantit lors du rapprovisionnement
Temps ncessaire pour le rapprovisionnement
Minimum/point de signal

37
Question 4 : procd Nettoyer Sec

Bag n Box Inc.

Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote

1/mois Particuliers et entreprises


sept magasins
de la Socit dont un
situ dans un
tablissement

10 h
L au V

I
520 paquets
0-900

Prparer le lavage
Rception
Receive L Prep

1
.5 1
130 pcs

38
Question 4 : procd Nettoyer Sec
Pour un systme flux tir, utiliser un magasin pour limiter et
grer linventaire quand un flux continu nest pas possible

25 sans amidon

25 peu damidon

Blancs
25 moyen amidon
Prparer le Lavage
Rception
25 beaucoup damidon

25 sans amidon 2
.5

Couleurs
25 peu damidon

25 moyen amidon

25 beaucoup damidon

Magasin =
1 charge de chaque variation
Pourquoi ceci a dallure ?

39
Question 4 : procd Nettoyer Sec

Le magasin dans un systme flux tir peut tre utilis pour


grer linventaire du fournisseur
Gestionnaire/horaire

Bag n Box Inc. Commande de


la semaine

Bote : 50/paquet
Sac : 200/rouleau, 6 rouleau/bote

1/sem

Botes
Sacs

P botes

G botes

P botes

G botes

40
Question 4 : O a-ton besoin dun magasin ou dun PEPS pour un systme flux
tir ?
Systme tir PEPS
Quest-ce nous faisons si ce nest pas pratique de maintenir un
inventaire de toutes les diffrents produits possibles dans le
magasin cause de la nature unique ou personnalis, de la
courte dure de vie du produit, du haut prix ou trs peu
command ?

Utiliser PEPS (premier entr, premier sorti) pour rguler un


systme flux tir
Les produits sont gnralement effectus suite une commande
ainsi lensemble de linventaire est minimis
Le premier produit qui entre dans le systme PEPS est aussi le
premier sortir
Lenlvement dune unit dclenche le procd PEPS
dapprovisionnent pour en reproduire une
Souvent maintenu avec une file ou une autre mthode visible

41
Question 4 : procd Nettoyer Sec

La cellule de la chemise poussera ses produits dans une file


PEPS vers la station de travail Rassemblement et expdition

Cellule de chemise
<30min-25articles Assy /Ship
Rassemblement
Assy /Ship
et expdition

Assy /Ship
Assy /Ship

PEPS .5

.5

42
Question 4 : O a-ton besoin dun magasin ou dun PEPS pour un systme flux
tir ?
Cest aussi possible davoir un magasin et un PEPS qui
travaille ensemble dans un systme flux tir quand la rgle
du 80/20.

Kanban

Pas damidon
Rempli ?
Rception Prparer le Peu damidon
lavage
Moyen amidon

Beaucoup damidon

File PEPS
Magasin

43
Question 4 : O a-ton besoin dun magasin ou dun PEPS pour un systme flux
tir ?
Faire un pilote lors de la mise en place dun systme flux tir
Les dbuts et fins du flux sont dfinis clairement
Supposer que le matriel serait empil avant et aprs le flux dfini
Grer le flux tir dans le secteur dfini et ensuite ltendre dans un ou
les deux directions

Problmes considrer lors de la mise en place dun systme flux


tir
Identifier un responsable de faire le suivi
Contrler de flux
Indiquer quand il est temps de produire
Signaler les problmes
Solutionner les problmes
Communiquer entre les tapes de procd
Contrler le milieu du travail

44
Exercice : Questions 1, 2, 3 & 4
Objectif :
Dvelopper la situation futur pour le procd Brasro en
compltant les questions 1 4 de la phase Analyser
Directives :
Rejoindre votre groupe Brasro
Calculer le temps de Takt
Dessiner un tableau dquilibre du cycle du procd pour la
situation actuelle
Indiquer lexpdition ou un magasin des produits finis
Dterminer o le flux continu pourrait tre possible
Dterminer o un magasin et/ou un PEPS pour un systme
flux tir pourraient tre excuts
Dure :
30 minutes

45
Questions de la situation futur

1. Dterminer le temps de Takt


4. Utiliser un flux tir
2. Magasin
si un flux continu 3. Crer un flux continu dexpdition ou
nest pas possible
produits finis?

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

46
Question 5 : quel endroit se situe le point dans la chane de valeur o
la production/transformation est dclenche ?
Le pacemaker dfinit le rythme du procd dans la chane de
valeur
Le seul point qui est planifi dans la chane de valeur
Il ne doit pas tre confondu avec le goulot !
Il est contrl par les commandes des clients
Avec des produits personnaliss, le pacemaker doit tre plac
plus en amont

Note : Le transfert de produit en aval pour la transformation en


produits finis demands
PEPS est prfrable si le pacemaker ne peut pas se
connecter aux des produits finis

47
Question 5 : procd Nettoyer Sec
Le pacemaker poussera dans une file de PEPS vers
rassemblement/expdition

Cellule de chemise
<30min-25articles Assy /Ship
Rassemblement
Assy /Ship
et expdition

Assy /Ship
Assy /Ship

PEPS .5

.5

48
Questions de la situation futur

1. Dterminer le temps de Takt


4. Utiliser un flux tir
2. Magasin
si un flux continu 3. Crer un flux continu dexpdition ou
nest pas possible
produits finis?

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification( pacema (Pitch)
mlange
ker )
8. Identifier des amliorations essentiels au procd

49
Question 6 : Comment une production de diffrents produits est gre
par le pacemaker ?
La rduction des inventaires permet de :
Amliorer la qualit
Avoir une rponse rapide aux demandes des clients
Avoir moins de manutention
Avoir une aire de travail visuelle, ainsi il y aura moins de
confusion sur le statut de produit.

Un mlange de produits fait rfrence aux diffrentes varits


ou types de produits.
Le principe de Lean : faire de chaque produit tous les jours ou
mieux entre chaque fentre dexpdition.
Rduire la taille du lot = viser 1 pice la fois
Par consquent la rduction des inventaires augmentera le
rendement !

50
Question 6 : Comment une production de diffrents produits est gre
par le pacemaker ?
Ceci fait rfrence au pacemaker de la question 5. Un
mlange de produits fait rfrence aux diffrentes varits ou
types de produits.
Par exemple :
Grille dconomie, super, et deluxe (Brasro)
Lettre, 9 X 12, et 10 X 13 enveloppes au centre de dtail (SPC)

Si ce nest pas un mlange, cest quoi ?


Y a-t-il des plans diffrents ?
Comment allez-vous planifier votre rpartition pour rencontrer
les diffrents temps dexpdition si le temps de transition doit
tre 0.

51
Question 6 : Comment une production de diffrents produits est gre
par le pacemaker ?
Pas de mlange
Si vous navez pas de mlange, indiquer quil ny a pas de
mlange ou pas de varit dans le produit

Produit personnalis
Les produits personnaliss peuvent avoir un mlange en
fonction du type demballage ou de la fabrication / qui ncessite
une gestion particulire. Par exemple :
Des chemises blanches avec diffrents niveaux damidon (NAS)
Sacs, conteneurs lettres, monoteneurs (SPC)

52
Question 6 : Comment une production de diffrents produits est gre
par le pacemaker ?
Cet effet est appel amplification des demandes. Chaque
procd de fournisseurs va baser leurs volumes sur ltendue
de variations quils fournissent. Ceci causera une augmentation
de la plage de variation.
Une production en lot au niveau du pacemaker amplifie les
fluctuations de volume en amont
Par consquent, le volume et le mlange au niveau du pacemaker
doivent tre le plus quilibr possible

client

53
Question 6 : Comment une production de diffrents produits est gre
par le pacemaker ?
Pas bon
Horaire Pacemaker
Lun 400A
Mar 100A, 300B
Mer 200B, 200C
Jeu 400C
Mieux : chaque produit chaque jour
Ven 200C, 200A
Lundi : 140A, 100B, 160C

Beaucoup mieux : Chaque


produit chaque fentre dexpdition
50B 70A 80C 50B 70A 80C
expdier expdier

54
Question 6 : Comment une production de diffrents produits est gre
par le pacemaker ?
Tableau de distribution des commandes
quilibrer le type et la quantit de production pendant une priode
de temps
Satisfaire les besoins du client dune manire efficace tout en
vitant les lots
Donner lieu des inventaires minimums, une rduction des cots,
de la main duvre et du dlai dexcution tout au long de la
chane de valeur
80
C
50B
80C
70A

Pacemaker A

55
Question 6 : Comment une production de diffrents produits est gre par le
pacemaker ?
Kanban de flux
Kanban de
production

7:00 7:20 7:40 8:00 8:20 8:40 9:00 9:20

type
A A A A A A A A A

type
B B B B B B B B B

type
C C C C C
type

Retrait de D

type
D D D D D D

E E E
Kanban LEVELED SCHEDULE

Procd de
Pacemaker Nouveau
produit
Magasin Magasin de
produits finis

56
Question 6 : Comment une production de diffrents produits est gre par le
pacemaker ?
Tableau de distribution des commandes(ou Heijunka)
Fentre de
Carte de expdition
Kanban
Priodes de temps
(dtermin par pitch) 7h 7 h 20 7 h 40 8h 8 h 20 8 h 40 9h 9 h 20

type
A

type
Types de B

produits ou type
variations C

type
D

type
E

Interval de Pitch

57
Question 6 : Comment une production de diffrents produits est gre par le
pacemaker ?
Le volume de production est quilibr au niveau du
pacemaker par lutilisation du temps de Takt
Des outils visuels sont ncessaires pour dterminer le
rendement de chaque procd au temps de Takt.
Cependant, grer seulement au Takt peut causer de la rtroactions
trop rapidement pour tre significatif

58
Question 6 : procd Nettoyer Sec
Nettoyer Sec, il y a un mlange de produit ltape de
lavage qui a 4 niveau damidons parmi les vtements blancs et
les vtements de couleurs.
Nettoyer Sec peut quilibrer le mlange et donc remplir des
commandes compltes plus rapidement sils font oprer chaque
catgorie pendant la journe

25 pas damidon

25 peu damidon
Blancs

25 moyenne amidon
Rception
25 beaucoup damidon Magasin = 1 charge de
chaque variation
25 pas damidon
.5
Cellule de chemise
Couleurs

25 peu damidon
Assy/Ship
Assy/Ship
25 moyenne amidon

25 beaucoup damidon .5

59
Questions de la situationfutur

1. Dterminer le temps de Takt


4. Utiliser un flux tir
2. Magasin
si un flux continu 3. Crer un flux continu dexpdition ou
nest pas possible
produits finis?

Procd Procd Procd


1 2 3

5. Cur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

60
Question 7 : Comment le volume de production est stabilis par le pacemaker ?

Demande stable
Si les demandes long terme sont raisonnablement stables, un
magasin des produits finis permet dquilibrer les volumes de
productions et satisfaire les demandes quotidiennes des clients

Demande quotidienne
des clients

Demande quilibrer
Rassemblement

Pacemaker Produits finis Clients

61
Question 7 : Comment le volume de production est stabilis par le
pacemaker ?
Variation saisonnire
Si une forte hausse des demandes stende sur une longue
priode, il pourrait tre possible dquilibrer la production dans
les priodes de temps saisonnires en utilisant linventaire
produit dans une priode de faible demandes

Expditions
planifi
Productions
plannifi

Jan Fv Mars Avril Mai Juin Juillet Aot Sep Oct Nov Dc

62
Question 7 : Comment le volume de production est stabilis par le pacemaker ?

Le temps de Takt quilibre le rythme de production avec le


rythme des ventes. Cest le taux que nous avons besoin de
maintenir afin de satisfaire la demande
TAKT = temps disponible / demande du client

Nous pouvons affecter le temps de Takt de trois faons :


Changer le temps disponible
Changer le volume de la cellule (transfrer les pices une
autre cellule ou crer une cellule double)
Rpondre aux modifications des demandes (nouveau Takt) en
ajoutant des oprateurs et/ou des machines et augmenter le
temps de cycle

63
Question 7 : Comment le volume de production est stabilise par le
pacemaker ?
Le pitch est la quantit de temps ncessaire dans une espace
de procd pour fabriquer un conteneur de produit, qui est
souvent associ aux tailles de lemballage (pack-out) pour les
produits finis
Pitch = temps de Takt X quantit du format dexpdition

Si le pitch est reli au procd du pacemaker, ceci devient


lunit de base dune production pour un produit de famille

64
Question 7 : Comment le volume de production est stabilis par le
pacemaker ?
Le Pitch fournit un moyen raisonnable de dtecter
rapidement les problmes dans les processus afin de suivre
la demande du pacemaker . Dtecter rapidement
permettra de porter action afin dviter que ceci se reproduise

Pour grer le pitch , les gestionnaires doivent :


Savoir ce quest le pitch (par exemple 30 pices toutes les 20
minutes)
Le surveiller rgulirement ( chaque incrment de temps cibl)
Rpondre rapidement ds quil ne peut tre atteint et rsoudre le
problme

65
Question 7 : Comment le volume de production est stabilis par le pacemaker ?

Retrait du rythme
La quantit de travail que vous produisez et que vous retirez du
pacemaker
Cette quantit = votre priode de temps de gestion
Pitch fourni limage de Takt de gestion

1 Semaine

1 Jour

1 quipe

1 Heure

1 Takt

66
Question 7 : Comment le volume de production est stabilise par le pacemaker ?

Retrait sur une plage de temps donne


Publier les instructions de procd et enlever les produits finis un
intervalle de temps rgulier, ce qui peut tre dtermin en calculant le
pitch.
Exemple : Horaire

Chaque 20
Pacemaker minutes Expdition

Produits finis
20 minutes : 1 pitch
Est une plage de temps raisonnable pour la production et la
manutention
Est une priode de temps raisonnable pour surveiller la production
Donne suffisamment de temps pour rpondre aux problmes

67
Question 7 : Comment le volume de production est stabilis par le
pacemaker ?
Exemple :
Pitch pour Nettoyer Sec
76 secondes X 5 = 380 secondes
Donc, toutes les 6,3 minutes, une commande moyenne sera
complte
Ou, on pourrait dire que chaque heure on complte 10 commandes

68
Questions de la situation futur

1. Dterminer le temps de Takt


4. Utiliser un flux tir
2. Magasin
si un flux continu 3. Crer un flux continu dexpdition ou
nest pas possible
produits finis?

Procd Procd Procd


1 2 3

5. Coeur de la 6. Stabiliser la 7. Stabiliser le volume


planification mlange (Pitch)
( pacemaker )
8. Identifier des amliorations essentiels au procd

69
Question 8 : Quelles sont les amliorations de processus ncessaires pour le futur
afin de devenir une ralit?
Identification de nimporte quelles opportunits damlioration
dans une chane de valeur du DBUT LA FIN.
Utiliser une activit Kaizen pour reprsenter :
Temps de fonctionnement
SMED
Temps de transition
Formation
Etc.

Par exemple, les amliorations ncessaires Nettoyer Sec


incluent :
Rduction des lments de travail au Rception/Tche/Prparation
Rduction de temps de mise en cours
Rduction dlment de travail au Presser/Suspendre
Rduction/amlioration des lments de travail dans lassemblage
final des commandes dans Vrifier/Trier/Rassemblement

70
Questions 1 8 : procd Nettoyer Sec cartographie de la chane de valeur
de la situation futur
Gestionnaire/ Storesau
Appels call daily
plannification magasin quotidien

Bag n Box Inc.

Commandes de
la semaine Prparation
Additional setup:
additionnel
Bote : 50/paquet Boiler 2 hrs.>start
Chaudire 2 hrs.>prparation
up
Sac : 200/rouleau, 6 rouleau/bote

Particuliers et entreprises
1/sem sept magasins
de la Socit dont un
situ dans un
tablissement
Botes/

25 pas damidon
Sacs

10 h

Blancs
L au V 25 peu damidon

25 moyenne amidon
I
P.Botes Rception 25 beaucoup damidon Produits finis
650 livres 2400
G.Botes 260 articles 900
25 pas damidon

Couleurs
P.Sacs 0,5 Cellule de chemise <30 min-25 pices Rassemblement
I
Assy/Ship
Assy/Ship
25 peu damidon et expdition
G.Sacs
1300 livres 0
2400 520
C/T=5 min
D/C=1 min 25 moyenne amidon Assy/Ship
Assy/Ship PEPS .5
0,5
SU=0,0,5
D/T= UT100%
min
articles 0-900 25 beaucoup damidon
660min
660 minavail
dispo .5
C/T=.5 min;
D/C=1 min D/T=0,5 m
Batch=order
Lot = commande
D/C=1 min; D/T= 45 m SU=0, FT100
TP=0, UT100%%
Takt=76s 660min
660 minavail
dispo
Lot = commande
Batch=order
TP=15m; fonct=25m 2/jours inc

Dlai de traitement
126 min 30 min du procd
0,5 min 45 min 202 min
0,5 min
(prend en moyenne rempli) Dlai de traitement
46 min

71
Tableau rcapitulatif : cartographie de la chane de valeur de la situation
actuelle versus la situation futur

Situation actuelle Situation futur

75 % L
Dlai dexcution total 819 m 202 m

Dlai de traitment 46 m 46 m

2 heures de prparations + 2 heures de prparations +


Temps de prparation
15 m 15 m
95 % 95 %
Temps de
Presser/Suspendre, Presser/Suspendre,
fonctionnement
Laver/Scher Laver/Scher

Retravaille 1 % Verifier/Trier 1 % Verifier/Trier

66 %
Inventaire 2 135 Inventaire en cours 735 Inventaire en cours Inventaire en
cours

Chaque pice fabriquer Jour 2 heures

72
Slection de la boucle de projet
Essayer damliorer la chane de valeur en entier dun seul
coup serait une tche trop grosse habituellement. On suggre
donc de morceler la mise en uvre pour facilit la gestion
1. Aprs avoir crer une cartographie de la chane de valeur de la
situation futur, identifier les boucles de projet et les prioriser
2. Valider avec lquipe la boucle choisie et sassurer que toute
lquipe comprend la situation actuelle et le plan pour le futur
3. Il est recommand que de commencer avec le procd du
pacemaker et avec celui le plus proche du client
Avec un produit construit sur commande ou personnalis, cette
dcision est plus complexe

73
Slection de la boucle de projet
Pour slectionner la boucle, les critres qui peuvent tre
considrer sont:
Impact sur le service/client
Impact sur l'entreprise / finance
Effet sur la croissance
Facilit de lexcution
Excution rapide
Quoi dautre?

74
Quelle boucle avons-nous besoin de travailler en premier pour le
produit de famille des chemises ?
Gestionnaire/ Storesau
Appels call daily
plannification magasin quotidien

Bag n Box Inc.

Commandes de
la semaine Prparation
Additional setup:
additionnel
Bote : 50/paquet Boiler 2 hrs.>start
Chaudire 2 hrs.>prparation
up
Sac : 200/rouleau, 6 rouleau/bote

Particuliers et entreprises
1/sem sept magasins
de la Socit dont un
situ dans un
tablissement
Botes/

25 pas damidon
Sacs

10 h

Blancs
L au V 25 peu damidon

25 moyenne amidon
I
P.Botes Rception 25 beaucoup damidon Produits finis
650 livres 2400
G.Botes 260 articles 900
25 pas damidon

Couleurs
P.Sacs 0,5 Cellule de chemise <30 min-25 pices Rassemblement
I
Assy/Ship
Assy/Ship
25 peu damidon et expdition
G.Sacs
1300 livres 0
2400 520
C/T=5 min
D/C=1 min 25 moyenne amidon Assy/Ship
Assy/Ship PEPS .5
0,5
SU=0,0,5
D/T= UT100%
min
articles 0-900 25 beaucoup damidon
660min
660 minavail
dispo .5
C/T=.5 min;
D/C=1 min D/T=0,5 m
Batch=order
Lot = commande
D/C=1 min; D/T= 45 m SU=0, FT100
TP=0, UT100%%
Takt=76s 660min
660 minavail
dispo
Lot = commande
Batch=order
TP=15m; fonct=25m 2/jours inc

Dlai de traitement
126 min 30 min du procd
0,5 min 45 min 202 min
0,5 min
(prend en moyenne rempli) Dlai de traitement
46 min

75
Exercice : Questions 1, 2, 3, 4, 5, 6, 7 & 8
Objectif :
Crer une cartographie de la chane de valeur de la situation
futur

Directives :
Rejoindre votre groupe Brasro
Dessiner une cartographie de la chane de valeur de la situation
futur en posant les 8 questions de la situation futur
Crer un tableau rcapitulatif pour la situation futur en notant les
amliorations
Identifier et slectionner la boucle

Dure :
30 minutes

76
Analyse de la tche et du temps de travail

Phase Analyser
Cartographie de chane de valeur de la situation actuelle la
situation futur

Papier Main Travail


CCVSA CCVSF Boucle Conception
Kaizen duvre standard

Actuel
Futur
tat idal

2
Analyse de la tche et du temps de travail
Pour crer une cellule ou changer une description de poste,
avant de rorganiser du travail, une analyse de la tche et du
temps de travail devrait tre faite.
Identifier les lments de travail
Complter lactivit du papier Kaizen
liminer le dplacement pied, le temps d'attente, le travail hors
cycle et reprer les occasions de dcharger l'quipement
automatiquement
Chronomtrer de chaque lment de travail
Chorgraphier des lments de travail prvus

3
Vocabulaire de lanalyse de la tche et du temps de travail
La base de lanalyse de la tche et du temps de travail est
lidentification des lments de travail; savoir ceci nous aide crer
la nouvelle squence
lment de travail :
le plus petit incrment de travail qui peut tre transfr d'un
oprateur/prpos un autre
Contenu du travail de l'oprateur :
Somme de tous les lments de travail et de tous les postes de travail pour
la fabrication d'un article
Travail en cycle :
lments de travail normal et rptitif requis pour effectuer la tche
Travail hors cycle :
Activits qui n'ont pas lieu tous les cycles
Rapprovisionnement des fournitures
Obtenir les outils
S'arrter pour vrifier le calendrier
Attendre le manieur du matriel

4
Tableau dquilibre des oprations
Un tableau dquilibre des oprations est un outil visuel de la
distribution de travail parmi les oprateurs en rapport avec le temps
de Takt
Tableaux dquilibre des oprations
Bas sur les donnes relles recueillies personnellement
Enlve la conjecture de la conception des cellules efficaces doprateur
Permet les diffrentes organisations de travailler ensemble en utilisant des
faits
Goulot
lment de loprateur de

Dure de Temps de Takt


cycle
travail

Oprateur

5
Exemple : tableau dquilibre des oprations Nettoyer Sec

90 sec.
Temps de Takt =76 sec.

60 sec.

30 sec.

Prparer le Laver 1 article Presser et Vrifier Plier et


lavage 40m/25=1,6m suspendre et trier mettre en
bote/sac

6
Exemple : lments de travail Nettoyer Sec
Prparer le lavage
Temps de
60 Slectionner le vtement
Takt = 76 sec. Se rendre au poste de
travail
Lavage (l'oprateur attend le cycle de la machine)
Vrifier si le vtement est Nettoyer le filtre Poursuivre le
tach Aller chercher le lavage
dtergent
Mesurer le dtergent
Dterminer le dtachant
40 Se rendre la laveuse
Secondes

qui convient Verser le dtergent


Aller chercher le dans la laveuse
dtachant Verser l'amidon dans
la laveuse
Appliquer le dtachant Slectionner le
rglage
Dmarrer la laveuse
Attendre Aller chercher les
chemises
Frotter Trouver la brasse de
20 chemises
Vrifier si le vtement est Dplacer les
chemises Retirer les
tach
Placer les chemises chemises
Rincer
dans la laveuse Se rendre la
machine
Attendre
Laver presser
Nettoyer la
Se rendre la bonne
laveuse
brasse

7
Mthode pour mesurer les lments de travail de loprateur
1.Dfinir la porte du travail analyser
2.Observer un oprateur comptent ; tenter d'obtenir un aperu
gnral de l'ensemble de la tche avant de commencer
3.Observer plusieurs cycles, dfinir chaque lment
4.Recueillir les temps actuels du procd
5.Chronomtrer chaque lment sparment
6.Dcrire chaque lment en sassurant d'indiquer un dbut et une
fin clairs et sans ambigut
7.Noter les lments dans l'ordre qu'ils surviennent
8.Ne pas confondre les activits de l'oprateur avec celles de la
machine
9.Noter et consigner le travail hors cycle mesure
qu'il survient

8
Documenter les lments de travail

Procd :
tude du Observateur : Date/heure :
Nettoyage Sec
procd Vrifier / trier
tapes No Rptabilit Cycle de
lment de travail 1 2 3 4 5 6 7 8 9 10 la plus faible la machine Notes
de procd dlment

Suspendre une copie


Vrifier de la commande sur
1 la penderie
2 Prendre le vtement

3 Vrifier le vtement

4 Renvoyer au client au
1 % d'anomalies
besoin
Trier 5 Trouver la commande

Suspendre le vtement
6
avec la commande

7 Vrifier si tout a t
fait

9
Papier Kaizen pour lamlioration
Le papier Kaizen est loutil pour amliorer le procd sur
papier avant que les amliorations soient mises en uvre.
Observer et mesurer les lments de travail des oprateurs
Inclure le temps de dplacement pied ; le temps dattente de la
machine
Ne pas inclure le travail hors cycle
Si possible, convertir le travail hors cycle en travail en cycle
Crer une tour unique de tous les lments de travail
Faire un papier Kaizen pour amliorer le temps des lments de
travail
Remue-mninges
liminer les tches non-valeur ajoutes
Changer les squences
Proposer de nouveaux outils, mthodes,
etc.

10
Cration d'une tour unique

120
La tour unique devrait correspondre
un produit, moins que le lot ne
100 constitue la mesure de niveau le plus
faible
80
Secondes

Tous les
60 diffrents
lments de
travail requis pour
40 faire ou traiter un
article.
20

11
Kaizen papier
Tour unique
partielle Tour unique
Rduction amliore
Slectionner le vtement Disposition, flux
30 Se rendre au poste de
travail
limination
Vrifier si le vtement Disposition
est tach

Dterminer le dtachant
qui convient Slectionner le vtement
20 Rduction
Secondes

Aller chercher le Vrifier si le vtement est


dtachant Disposition tach
5S
Rduction Dterminer le dtachant
qui convient
Appliquer le dtachant
Amlioration Aller chercher le
de l'lment dtachant
10 de travail
Appliquer le dtachant
Rduction
Attendre
Amlioration
de l'lment Attendre
de travail
0

12
Exercice : analyse du temps et du travail
Objectif :
Reprer les lments de travail et crer un papier Kaizen papier
Directives :
Rejoindre votre groupe Brasro
Reprer les lments de travail et le temps correspondant pour
les procds de votre boucle et de votre tableau
En vous servant des lments de travail de votre liste, crer une
tour unique
Dterminer les lments valeur ajoute
Relever les lments de travail qui peuvent tre amliors ou
limins en faisant un papier Kaizen et un diagramme
Dure :
30 minutes

13
valuation de lquipement

Phase Analyser
Vocabulaire utilis pour valuer lquipement
Cycle de la machine
Temps total requis pour la production d'un article; ne comprend pas le
chargement, le dmarrage et le dchargement
Temps du cycle efficace de la machine
Cycle de la machine + temps de chargement/dmarrage/dchargement +
(temps de mise en course / taille du lot)
Goulot
Situation o le cycle efficace de la machine dpasse le temps de Takt
Taux de dfauts
nombre total de dfauts produits / le nombre total d'articles produits
Disponibilit (temps de fonctionnement)
(heures prvues arrts imprvues) / heures prvues

15
Analyse des besoins en quipement
Pour crer une cellule ou changer une description de poste, et
avant de rorganiser de lquipement, une analyse des besoins
en quipement devrait tre faite.
Amasser des donnes de base pour chaque machine
Pour chaque pice d'quipement, dterminer si elle possde les
lments suivants :
long temps de mise en course
problmes persistants lis la qualit
temps d'indisponibilit non planifi excessif
Calculer le cycle efficace de la machine pour chaque machine
valuer la capacit de l'quipement en fonction du temps de Takt
Dfinir une approche pour toute situation de goulot
Dterminer si l'quipement ncessaire peut tre affect en
exclusivit une cellule

16
Collecte de donnes de base sur la machine
Donnes sur la machine

No de la Machine Opration Cycle de la machine Temps % de % de Changement


machine de disponibilit dfauts doutil
transition
Frq. Temps
Dchargement Chargement Excution

A Plieuse Pli angle 2s 3s 16 s 0 99 % 0.5 % 0 0


droit

B Tour Surface 14 s 8s 42 s 20 min 95 % 50 2 min


dappui du
diamtre

C Perceuse Trous de 10 s 9s 28 s 12 min 99 % 35 10 min


fixation

D Tour Diamtre 9s 9s 110 s 10 min 99 % 80 8 min


extrieur de
l'arbre
d'entranem
ent

17
Exemple : cycles efficaces de la machine

Machine Cycle de la Chargement, Temps de Temps du Cycle efficace de la


machine dmarrage, transition transition taille machine (en secondes)
(en secondes) dchargement (en du lot
(en secondes) secondes)

E 16 5 0 21
F 4 16 0 20
G 7 28 20 1* 36

H 5 12 0 17
I 5 12 0 17

*Lot = 30 articles ; donc : 20 sec. 30 = 0,67 ; arrondi 1

18
Exemple : cycles efficaces de la machine versus Takt

Goulot

19
Rsolution des situations de goulots
Pour rduire le cycle efficace de la machine, vous pouvez :
Rduire le temps de prparation
Amliorer le temps de chargement, de dmarrage et de dchargement
Rduire le cycle dexploitation (rduction du mouvement, etc.)
Dplacer les oprations une autre machine
Utiliser deux machines
Crer un deuxime centre de travail
Augmenter le temps de Takt :
Excuter la cellule sur des quarts supplmentaires
Dissocier la machine de la cellule (lier-la un systme tir)

20
Planification de la capacit

Temps de Takt
60 Cycle maximum de
la machine 80 %
du temps de Takt
30

0
Machine Machine Machine Machine
1 2 3 4

21
Ajouter de capacit
Quelques grosses machines Plusieurs petites machines
complexes et fonctions uniques : souplesse
multifonctionnelles : cot lev accrue, cot moins lev par
pour une augmentation, moins augmentation, dures de cycle
flexible, souvent moins fiable courtes.

Temps de Takt = 40 s Temps de Takt = 40 s

30 s 30 s

10 s 10 s 10 s 10 s 10 s 10 s

Cycle de la Cycle de la
machine machine

22
Analyse des causes fondamentales

Phase Analyser
Analyser
Un objectif dans la phase Analyser est de regarder les
donnes et de trouver une conclusion rationnelle au sujet des
causes
Crer une liste de causes potentielles (X)
Organiser les causes potentielles pour voir les relations entre
cause et effet
Vrifier et valider pour concentrer les amliorations sur la cause
fondamentale et non pas le symptme

Y=f(x)
2
Outils potentiels
Lanalyse fournit un point de focus pour dterminer les causes
fondamentales du problme en utilisant les connaissances de
lquipe au sujet du procd et du problme. Il y a plusieurs
outils:
Remue-mninges
Diagramme daffinit
Arte de poisson / Ishikawa / 6M
5 Pourquoi / diagramme darbre
Voter
Matrice de YX / matrice de cause et effet
AMDEC

3
Remue-mninges 10 rgles
1.Dfinissez les orientations.
Dcrivez la situation et identifiez le problme.
Aidez lquipe comprendre le problme rgler et clarifiez les objectifs.
Mettez l'accent sur des objectifs engendrant de la productivit et gardez le groupe en ligne avec lobjectif
2.Faites participer toute lquipe.
Encouragez tout le monde participer. Encadrez les participants dominants. Encouragez la diversit. Utilisez de diffrentes
techniques pour aider le groupe gnrer des ides.
3.Encouragez l'enrichissement mutuel.
Tirez parti les uns des autres. Laissez les ides des autres ouvrir vos horizons. Faites des associations, crez une synergie et
amliorez-vous partir des prcdentes ides.
4.Encouragez les approches sortant des sentiers battus.
Remettez en question les prsomptions. Soyez cratif. Lchez-vous. Faites preuve de crativit. Parfois, les ides les plus folles
mnent aux plus grandes. Plus les ides sont dbrides, mieux c'est. Essayez de penser diffremment pour faire merger de
nouveaux horizons. ( Que feriez-vous si vous tiez un chat ou un scnariste de film comment rsoudriez-vous le problme? ).
Encouragez l'coute active.
5.Ne ngligez pas ce qui est vident
La solution la plus vidente est parfois la meilleure
6.Cessez de juger.
Aucune ide n'est mauvaise. Toutes les ides sont bonnes. (En fait, l'opinion d'une minorit de gens donne pendant une prise
de dcisions en groupe encourage souvent la cration d'ides plus novatrices pour un problme donn.)
7.Ne craignez pas les rptitions.
diffrents moments, vous portez des regards diffrents. Pendant les discussions qui suivent, vous pourriez trouver que des
ides en double sont en fait diffrentes ou qu'elles pourraient gnrer une rponse diffrente selon le moment.
8.Ne vous arrtez pas pour discuter.
Visez la quantit, pas la qualit. Restez sur votre lance.
9.Consignez et affichez chaque ide.
Assurez-vous que chaque ide est exprime dans son intgralit n'employez pas de descriptions d'un seul mot, afin d'viter
des malentendus. Ne modifiez pas.
10.Mettez en pratique la rgle du 80-20 et intervertissez les rles de chacun
pour choisir les meilleures ides.
Revoyez votre liste d'ides et encerclez les 20 % qui gnreront 80 % des rsultats escompts. Favorisez une pense
d'ensemble.

4
Diagrammes daffinit
Lobjectif est de grouper les ides
semblables ensemble afin davoir Cause principale
Cause principale A A

une faon plus facile dobserver,


Cause 1 1 Cause principale C
Cause
penser et rsumer Cause
Cause2 2

Remue-mninges
crire toutes les ides
Ne pas craindre les rptitions
Prendre en considration la
formulation utilise
Grouper les ides semblables Cause principale
Cause principale B B

Ajouter un titre chaque groupe


Grouper en familles plus grosses Cause
Cause4 4 Cause
Cause5 5
pour dterminer les causes
fondamentales

Cause6 6
Cause

5
Ishikawa = arte de poisson = 6M

Pour stimuler la recherche d'ide pendant une sance de remue-


mninges visant trouver les causes possibles, crer un diagramme de
cause et effet pour vous aidez identifier plusieurs causes potentielles
dun problme

tapes pour construire un diagramme arte de poisson


1. Mettre lnonc du problme dans le rectangle (tte du poisson)
2. Dessiner les catgories de causes (typiquement 6M)
3. Demander pourquoi a arrive ? et que pourrait arriver ?
4. Mettre sur larte de poisson toutes les ides/causes identifies par lquipe
5. Faire les 5 Pourquoi sur larte de poisson ou utiliser les 5 Pourquoi
lextrieur de larte (chercher plus spcifiquement Pourquoi ? Pourquoi ?
Pourquoi ? Pourquoi ? Pourquoi ?)
6. Slectionner les causes fondamentales Problme

Causes
7. Valider les causes potentielles

6
Ishikawa = arte de poisson = 6M
Les causes sur le diagramme devront tre vrifies avec des
donnes pour confirmer quils sont des vraies causes
Mthodes
Methods Machines
Machines Measurements
Mesures

Problme
Problem
Y

Matriaux
Materials Mother Nature
Milieu Main duvre
Manpower

7
Varits dartes de poissons
6P 6M
Personne Machine
Produit Matriel
Programme / Procdure Main duvre
Place / Usine Milieu
Procd Mthode
Politique Mesure

4S
Fournisseur
Environnement
Systme
Comptence

8
Diagramme darbre = 5 Pourquoi
Mthode base sur des questions systmatiques
pour la rsolution des problmes orients vers
un objectif spcifique et unique :
Analyser
Rechercher
Comprendre les causes fondamentales dune
situation / problme observ.

Pourquoi ?
Pour proposer des solutions appropries et mettre
en uvre des mesures pour viter ces causes
fondamentales de rapparatre.

9
Diagramme darbre = 5 Pourquoi
En gnral, avant le cinquime pourquoi , les causes
fondamentales du problme sont claires

tapes pour construire un 5 Pourquoi


1. Prsenter le problme clairement
2. Rpondre la question pourquoi ceci arrive ? .
3. Donner la solution cette rponse
4. La rponse devient le nouveau problme rsoudre et ainsi
suite.
5. Identifier les causes fondamentales
6. Trouver une solution

10
Diagramme darbre = 5 Pourquoi
Quest-ce qui arrive ?
Causes symptomatiques
Problme / Ces causes justifient le phnomne
Phnomne premire vue ou en observent la
dysfonction. En liminant les causes
symptomatiques, il rsout partiellement
le problme et temporairement. Il est
Causes symptomatique
tout fait possible que le phnomne
revienne

Causes symptomatique

Causes symptomatique

Causes symptomatique

Causes
Causes fondamentales fondamentales
Sont les causes symptomatiques. En adressant les
causes fondamentales, on touche le problme

11
Exemple A : Diagramme darbre = 5 Pourquoi
Pourquoi le patient a reu les mauvais
Le patient reoit les mauvaises mdicaments
mdicaments ?

Il y avait une erreur dans lordonnance Pourquoi avait-il une erreur dans
lordonnance ?

Le docteur a pris une mauvaise dcision Pourquoi le docteur a pris une mauvaise
dcision ?

Linformation dans le dossier du Pourquoi le dossier du patient ntait pas


patient ntait pas complte complet ?

Lassistant au docteur na pas not


Pourquoi lassistant au docteur na pas entr
dans le dossier du les rsultats rcents du laboratoire dans le
patient les rsultats rcents du laboratoire dossier du patient ?
Quoi faire ?
Le laboratoire a appel la secrtaire qui a Dvelopper un systme pour suivre les
oubli de les partager avec lassistant rapports du laboratoire

12
Exemple B : Diagramme darbre = 5 Pourquoi
Louvrier lance de la sciure par terre dans Pourquoi louvrier lance-t-il de la sciure par
la corridor entre les machines terre ?

Le plancher est glissant et dangereux Pourquoi le plancher est-il glissant et


dangereux ?

Il y a de lhuile l-dessus Pourquoi y a-t-il de lhuile l-dessus ?

La machine a une fuite Pourquoi la machine a-telle une fuite?

Lhuile coule du laccouplement de lhuile Pourquoi laccouplement de lhuile coule-t-il?

Quoi faire ?
Le caoutchouc dans laccouplement est trop g Dvelopper un outil pour changer le
caoutchouc avant que ce problme
arrive

13
5 Pourquoi

14
Exemple: Diagramme darbre = 5 Pourquoi

15
Voter
Vote nominal Vote itratif
1. Prciser les critres sur lesquels la 1. Prciser les critres sur lesquels
dcision est base. la dcision est base.
2. Clarifier les noncs/les causes 2. Clarifier les noncs/les causes
numres. numres.
3. Chaque membre de l'quipe doit 3. Chaque membre de l'quipe a
voter 10 points.
Un 5 (le plus important) 4. Ils vont diviser leurs dix points
Un 3 (le deuxime en importance) comme ils le veulent.
Un 1 (le troisime en importance) Exemple : Un 10
4. Multiplier chaque valeur associe Exemple : Un 5 + un 2 + un 3
chacune des causes/noncs. 5. Additionner les valeurs pour
5. Discuter chaque cause/nonc et multiplier
6. liminer les moins importants le rsultat par le nombre de
valeurs pour cet nonc/cause.
7. Recommencer au besoin.
6. Discuter
7. liminer les moins importants
8. Recommencer au besoin.

16
Matrice YX
Bas sur la connaissance des quipes et une pondration
appliques chaque x potentiel dans la matrice YX les
donnes montre les intrants suivants

Variables

Mec man
Output

ratio
(Y's)

PPH
Output
Ranking
70% 30%

Association Table % Rank


Input Variables (X's)
1 Sup not monitoring 9 7 22.40%
2 RTO unknown 8 1 15.73%
3 Staging lanes incorrect 7 3 15.47%
4 Mail queues 6 4 14.40%
5 Reg IDC mail in lanes 5 1 10.13%
6 Reg Mono mail in lanes 4 1 8.27%
7 Easy sort not being done 3 1 6.40%
8 Speed of belt 2 1 4.53%
9 Hospital not working 1 1 2.67%

17
Exercice 1 : recyclage

18
Exercice : recyclage cas dtude
En 2004, les mnages canadiens ont produit 13,4 millions de tonnes de
dchets. Selon l'Enqute sur l'industrie de la gestion des dchets mene par
Statistique Canada en 20043, prs des trois quarts (73 %) de ces dchets ont
t envoys dans des sites d'enfouissement, tandis que le restant a t
recycl.
La production de dchets rsidentiels a augment de 2,1 millions de tonnes (19
%) entre 2000 et 2004. Bien qu'une partie de cette croissance soit attribuable
la hausse de population, la majorit de l'augmentation provenait de dchets
produits par personne. Les Canadiens produisaient 366 kg de dchets
rsidentiels par personne en 2000; en 2004, ce chiffre avait grimp 418 kg
par personne. En comparaison, la production de dchets rsidentiels chez nos
voisins amricains se chiffrait 440 kg par personne en 2001.
Le recyclage gagne en popularit comme mthode de gestion des dchets.
Une partie de la hausse de la production de dchets entre 2000 et 2004, soit
les deux tiers, a t neutralise par un recyclage accru, le reste tant achemin
vers les sites d'enfouissement et vers les incinrateurs. Les mnages
canadiens ont envoy prs de 3,6 millions de tonnes de matires au recyclage
en 2004, soit une hausse de 65 % par rapport 2000

http://www.statcan.gc.ca/pub/16-002-x/2007001/article/10174-fra.htm

19
Exercice : recyclage nonc du problme
En 2004, le taux de recyclage rsidentiel en Ontario tait semblable
aux moyennes canadiennes de 2004 :
30 % en Ontario ; et
26 % au Canada.
La province avec le meilleur taux tait Nouvelle cosse avec 45 %
et Colombie-Britannique avec 38 %. Il y a de la place pour
lamlioration, en Ontario seulement 34 % a t recycl.

Cette anne, on prdit un taux de recyclage rsidentiel de 50 %.

La province dOntario aimerait augmenter le taux de recyclage


rsidentiel pour recycler tout ce qui est possible. Cet objectif est
68%.

20
Exercice : recyclage
Objectif :
Identifier les causes fondamentales pour expliquer pourquoi les
habitants dOntario ne recyclent pas comme les autres provinces.

Directives :
Former un groupe de 4 5 personnes
Identifier un facilitateur
Crer une arte de poisson
Slectionner les 2 causes qui sont les plus importantes
Utiliser les outils des 5 Pourquoi pour trouver les causes fondamentales
Slectionner les causes fondamentales

Dure :
30 minutes

21
Exercice : recyclage donnes

22
Exercice : recyclage donnes

En rsum, on estime que 68 % de dchets peut tre recycl

23
Exercice : recyclage donnes

24
Exercice : recyclage donnes

25
Exercice : recyclage donnes

Plus de tonnes en Ontario, parce quil y a plus dhabitants

26
Exercice : recyclage donnes

Individual Value Plot of Residential , Residential , Residential


1600000

1400000

1200000

1000000
Data

800000

600000

400000

200000

0
Residential recy cling TM 2000 Residential recy cling TM 2002 Residential recy cling TM 2004

27
Exercice : recyclage donnes

28
Analyse de Pareto

Phase Analyser
Principe de Pareto

Le principe de Pareto est souvent dfini par la rgle des 80-20. Cette rgle
stipule que, dans plusieurs situations, 20 % des facteurs contribuent
environ 80 % des problmes.

20 % de 80 % de
personnes richesses

Le principe de Pareto laisse entendre qu'un problme peut souvent


. rsolu en cernant et en attaquant ses quelques causes
tre
fondamentales

2
Pareto

Un Pareto est un outil graphique qui vous aide visualiser les


catgories (causes) les plus importantes
Aussi connu comme le principe 80/20 ; 20 % des facteurs
contribuent 80 % des problmes
25 000 picerie
Pertes par rayon
Montant des pertes ($$)

d'octobre dcembre 1997


20 000

15 000

10 000

5 000

Boulangerie
Viandes

Autre
Produits
laitiers
lgumes
Fruits et

Catgorie

3
Exemple : plaintes relatives l'assurance

En rponse un mandat de l'entreprise, soit celui d' augmenter la satisfaction de la


clientle , un cadre suprieur au sige social d'une agence d'assurances provinciale
a dcid d'tudier les plaintes dposes par les clients l'anne prcdente.
Les donnes sont prsentes ci-dessous sous forme de tableau et de graphique.
Comment les donnes sous forme graphique vous aident-elles dans votre interprtation?
Que feriez-vous ensuite?
Types de plaintes
Types de plaintes 1996
1996 190
(193 plaintes au total)
180
Service Incendie Service 170
Service Service Agent 160
Incendie Service cole 150
140
Souscription Agent Service

Nombre
130
Agent Service Service 120
Service Incendie Service 110
100
90
80
70
60
Total 50
40
Service 126 30
Incendie 42 20
Agent 21 10
Assurance scolaire 2 0
Souscription 2

Service

Agent
Incendie

Ass. scolaire

Souscription
TOTAL 193

Cible

4
Montant du contrat
(en milliers de dollars)

0
50
100
150
Manque de capacit 200

Manque de
comptences

Prix
Exemples : Pareto

Raison
Modalits

Personnalit
de janvier dcembre

Autre
Soumissions de contrat perdues

Heures
10
20
30
40
50
60
70

Horaire d'entretien

Panne du matriel
informatique

Mises niveau
Reason

Problmes logiciels

Pannes de courant
du 1er au 31 aot

Total cummulative

Inexpliqu
0
10
20
30
40
50
60
70
90
0
Temps d'indisponibilit des ordinateur

100

Pourcentage du total
5
Hauteur des colonnes

Si vous voyez ceci : Interprtation et mesures prendre

Le principe de Pareto s'applique : une ou


quelques-unes des catgories sont l'origine
de la majorit du problme. Concentrez vos
efforts d'amlioration sur la colonne la plus
haute ou les deux colonnes les plus hautes.

Le principe de Pareto ne s'applique pas :


les colonnes sont toutes d'une hauteur
peu prs gale. Il ne sert rien d'examiner
la colonne la plus haute. Trouvez d'autres
faons danalyser les donnes en catgories
ou examinez plusieurs sortes de donnes
comme causes ce problme.

6
Hauteur de la colonne Autre

Si vous voyez ceci : Interprtation et mesures prendre

La colonne Autre Des catgories relles expliquent la


est petite. majorit des donnes. La hauteur relative
des autres colonnes devrait tre une
reprsentation fidle de l'tat actuel des
donnes. Poursuivez l'analyse des
colonnes les plus hautes.

La colonne Autre Il faudrait probablement redistribuer les


est trs haute. lments regroups dans la catgorie
Autre dans les catgories existantes ou
crer une nouvelle catgorie. Revoyez les
lments de la catgorie Autre .

7
Principe de Pareto

Lorsque toutes les colonnes ont plus ou moins la mme


hauteur ou qu'il faut de nombreuses catgories pour expliquer
une grande partie du problme, vous devez envisager une
autre faon d'tudier les donnes.

Nbre de blessures
65 Nbre de blessures par
55
45
partie du corps
35
Rpartissez 25
Nombre de blessures d'une 15
par service autre faon. 5
70

Autre
il
Dos
Doigt

Bras

Tte
Cheville
paule

Main
60
Nbre de blessures

50

Temps perdu (en jours)


350
300 Temps perdu par service
40
250 en raison
Ajustez selon 200 des blessures
30
l'incidence. 150

20 100
50
10 0
D B C E G A
Service
0
A : entretien

D : cuisson
C : pressage
B : faonnage

E : finition

80
G : transport

Nbre de blessures
Blessures/100 000 h
70
60
par tranches de 100 000 heures
Normalisez 50

les donnes. 40 de travail


Service 30
20
10
0
E D C B A G
Service

8
Principe de Pareto

Si le principe de Pareto
s'applique 25 000

Montant des pertes


Pertes par rayon
et que seules quelques catgories 20 000

sont l'origine de la majorit des 15 000

problmes 10 000

5 000

Boulangerie
lgumes

Viandes

Produits

Autre
Fruits et

laitiers
Raction
Commencez travailler sur les 12 500
Pertes selon la sorte de fruits ou de lgumes

colonnes les plus hautes (2e 10 000

Montant
niveau de Pareto) 7 500

Lorsque vous aurez cern le 5 000

2 500
problme, passez la troisime
0
tape :

Pommes
Laitue

Brocoli
Tomates

Oranges
Bananes

Autres fruits

Autres
lgumes
l'Analyse des causes
Catgorie

Causes fondamentales

9
Exemple

Pareto Chart of Causes of accidents on construction sites


2000 100

80
1500
Day lost

Percent
60
1000
40
500
5 pourquoi 20

0 0
Causes or d t or er
rr ho ki up rr
t y t th
e e lit se r e O
lty m ua e o
a k q sit at
su or o r e r
ca w po op
t
lan
p
Day lost 1108 356 170 136 117 92
Percent 56.0 18.0 8.6 6.9 5.9 4.6
Cum % 56.0 74.0 82.6 89.4 95.4 100.0

10
Exemple : SPC

11
Suivre lexemple de lexercice : Nettoyer Sec graphique de
Pareto

Raisons de reprises du travail Nbre d'occurrences


Propret 40
Bouton bris 124
Empesage inadquat 12
Bouton manquant 13
Aucun pressage 3
Tache 25
Cols dchirs 8
Plis 69

12
Suivre lexemple de lexercice : Nettoyer Sec graphique de
Pareto
Les trois premires raisons comptent pour 80 %.
Prochaine tape : Cherchez la cause fondamentale
de chacune des raisons
Pareto Chart of Reason for Rework
300 100
Number of Occurrences

250
80
200

Percent
60
150
40
100

50 20

0 0
Reason for Rework n es sn n ch lar s d
tto nkl ai
es tto tar se
Bu ri hSt
tn
Bu S o l
e s
en W r ig ng te n
C
t pr
k B i a r o
Br
o iss equ To N
M d
a
In
Number of Occurrences 124 69 40 25 13 12 8 3
Percent 42.2 23.5 13.6 8.5 4.4 4.1 2.7 1.0
Cum % 42.2 65.6 79.3 87.8 92.2 96.3 99.0 100.0

13
Exercice partie 1 : Graphique de Pareto de Brasro

Objectif :
Crer et interprter un graphique de Pareto pour les donnes relatives
aux dfauts dans le cas des documents d'inspection de la qualit des
barbecues Brasro.
Fichier de donnes :
QA Inspection Record
Directives :
Quel type de dfauts se produit le plus souvent ?
Quelles seraient les prochaines tapes suivre?
Ordre de commandes :
Stat > Quality Tools > Pareto Chart
Dure :
10 minutes

14
Exercice partie 1: Graphique de Pareto de Brasro

15
Exercice partie 1 : Graphique de Pareto de Brasro
Le dfaut le plus frquent : roues branlantes
Prochaine tape : 2e niveau de Pareto, cherchez la cause
fondamentale des roues branlantes
Pareto Chart of Defect Type
1400 100
Defect Frequency

1200
80
1000

Percent
800 60
600 40
400
20
200
0 0
Defect Type
el
s
Bo
x
in
g
os
e
os
e er
he si s th
ed Lo Lo O
W lM s s
e ag eg eg
os m ua L L
Lo Da M
an on
t a r
n Fr Re
ctio
ru
nst
I
Defect Frequency 1000 150 81 49 42 50
Percent 72.9 10.9 5.9 3.6 3.1 3.6
Cum % 72.9 83.8 89.7 93.3 96.4 100.0

16
Exercice 2 : diagramme de C&E
Objectif :
Prparer un diagramme de cause et effet pour le procd de montage de
Brasro. Le diagramme doit adresser le dfaut qui apparat frquemment (bas
sur votre analyse de Pareto davant voir ci-dessous).
Directive :
Utiliser le diagramme de 6M
Remue-mninges les causes fondamentales crire une ide par post-it
Slectionner la plus importante
Demander pourquoi ? pour chacun cause fondamentale possible pour
dvelopper chaque ide
Dterminer des causes fondamentales possibles pour explorer plus loin
Time :
30 minutes

17
Data Analysis review with Minitab

Analyze phase
Test dhypothses

Supplemental documentation
Processus de test dhypothse

Collecte des
Visualisation Normalit Variation Moyenne/Mdiane
donnes

Continu Utiliser des Normale 1 chantillon 2 chantillons


Discrte diagrammes pour Pas normale 2 chantillons ou plus 2 chantillons ou plus
numrer les intrants rduire le nombre 1 facteur
significatifs potentielles dintrants significatifs 2 facteurs
(x) potentiels (x)
Variance gale
Variance pas gale

3
Test dhypothse

Aprs la session de remue-mninge avec votre quipe vous avez


numrez tous les intrants potentiels (x) qui peuvent affect vos extrants
(y). Maintenant, vous avez besoin de faire une analyse pour valider
limportance potentiel.
Un test dhypothse est une faon de valider limportance.
Ceci un outil efficace pour comparer les groupes en utilisant les donnes
dune chantillon.
Un test dhypothse est utiliser pour dmontrer sil y a un vrai diffrence
statistique entre votre chantillon et
Un objectif
Un autre chantillon

Les diffrences peuvent tre tabli en :


Diffrence selon une variation
Diffrence selon une moyenne ou mdiane
Diffrence avec les proportions
4
Types de test dhypothses

Type de Ce que vous


donnes pouvez comparer Exemple

Le pourcentage de livraisons effectues


Discrtes Proportions temps est-il le mme pour le
fournisseur A que pour le fournisseur B?

Moyennes Le volume de production moyen est-il


le mme pour les trois quarts de travail?

Les rsultats du groupe qui utilise la


Continues nouvelle mthode varient-ils moins que
Variation
ceux du groupe qui utilise l'ancienne
mthode?

Formes ou Comment la distribution de la dure


distributions du cycle se compare-t-elle d'une
mthode l'autre?

5
Test dhypothses

Lhypothse nulle (H0) est toujours indique comme gal


quelques variables dintrt.

Effectue la vrification de l'hypothse nulle


H0 : il n'y a aucune diffrence entre les groupes

Par rapport l'hypothse alternative


Ha : les groupes sont diffrents

Il suffit d'utiliser les donnes et les statistiques pertinentes de la


vrification d'hypothses dans le but d'obtenir une valeur p pour
lhypothse nulle
Si p < 0,05, liminez H0 et terminez Ha
Si p 0,05, H0 ne peut tre limin 6
Dfinitions valeurs P

La valeur p correspond la probabilit dobtenir un rsultat de votre


analyse qui est gal ou trs diffrent de ce qui est observ, en
supposant que lhypothse observe est vrai (cest--dire
lhypothse nulle ou H0)

Un rsultat trs diffrent dpend de la faon dont lhypothse est


analyser. Avant de faire un test dhypothse une limite de valeur est
choisi. Ceci est le niveau dimportance.

Normalement, le niveau dimportance est 5 % (0,05).


Si la valeur p est moins du niveau dimportance (0,05), il signifie que lchantillon
des donnes est incohrent avec lhypothse nulle.
Il faut liminez lhypothse nulle et conclure quil ny a pas de diffrence entre les
groupes des chantillons

Les valeurs p varient entre 0,0 et 1,0 (0 % des chances a


100 % des chances) 7
Comment fonctionne le test d'hypothses
La variation existe PARTOUT et en faisant des tests dhypothses vous
validez ces diffrences.
Il faut dterminer si la diffrence observe entre les chantillons les
groupes, les procds, etc. sont causs par le hasard, par une variation de
cause commune ou s'il existe une relle diffrence
Pour nous aider prendre cette dcision, de nombreuses vrifications
d'hypothses fournissent des faons d'valuer la variation de cause
commune pour diffrentes situations.
Elles vrifient si la diffrence est nettement plus importante que la variation de
cause commune que nous escomptions pour la situation
Si la rponse est non, il n'y a aucune preuve statistique indiquant une diffrence
Si la rponse est oui, il faut conclure qu'il existe une diffrence importante entre les
groupes

La vrification des hypothses tire profit des chantillons de grande taille,


car, plus la grosseur de l'chantillon augmente, plus la variation des
moyennes diminue

8
Suppositions concernant les tests d'hypothses
Suppositions concernant les tests d'hypothses :
Lorsque nous comparons des groupes de diffrentes populations,
nous supposons :
qu'il s'agisse d'chantillons indpendants
que les rsultats aient t obtenus l'aide de techniques
d'chantillonnage alatoire
que les chantillons soient reprsentatifs (sans biais) de la population

Lorsque nous comparons des groupes de diffrents procds,


nous supposons :
que chaque procd soit stable
qu'il n'y ait pas de causes ou de variations spciales au fil du temps
(ce qui signifie qu'il n'existe pas de diffrences lies au temps)
que les chantillons soient reprsentatifs (sans biais) du procd

9
Types de tests d'hypothses

TESTS DHYPOTHSES OBJECTIFS

1) Test de l'galit des variances Comparaison des variances de deux


groupes ou plus

2) Test t Comparaison dune moyenne une valeur


standard

3) Test t deux chantillons Comparaison des moyennes de deux


groupes

4) ANOVA Comparaison des moyennes de deux


groupes ou plus

5) Test de proportions Comparaison des proportions de deux


groupes

6) Test du Chi carr Comparaison des proportions de deux


groupes ou plus

10
1. Test dgalit des variances

Le test dgalit de variance est utilis pour comparer des


VARIANCES de deux groupes ou plus
La variation des articles par heure (APH) pour quart 1 comparer aux APH
du quart 2
Les rsultats des variations de service de la rgion A comparer la rgion
B comparer la rgion C

Lhypothse nulle :
H0 : Variance (Groupe A) = Variance (Groupe B) = Variance (Groupe C) =
Variance (Groupe D) . . .

Lhypothse alternative :
Ha : Au moins une variance de groupe diffre de faon significative des
autres

11
2. t-test

Le t-test compare les donnes de la MOYENNE de votre groupe


la valeur standard (spcification, valeur de lobjectif, etc.)
La moyenne des APH comparer lobjectif de la spcification
La moyenne des rsultats de services comparer au standard

Lhypothse nulle :
H0 : La moyenne du groupe est la mme que la valeur standard mise
l'essai

Lhypothse alternative :
Ha : La moyenne du groupe est diffrente de la valeur standard mise
l'essai

12
3. Test t deux chantillons
Le test t deux chantillons est utiliser pour comparer les moyennes de
deux groupes
La moyenne des APH du quart 1 comparer aux APH du quart 2
La moyenne temps darrt pour la machine 1 comparer la machine
2
Lhypothse nulle :
H0 : les moyennes des deux groupes sont les mmes

Lhypothse alternative
Ha : les moyennes des deux groupes sont diffrentes

Si p < 0,05, liminez l'hypothse nulle et acceptez l'hypothse alternative ( les


moyennes des groupes sont diffrentes )
Si p 0,05, concluez qu'il n'y a pas de preuve suffisante pour liminer l'hypothse
nulle.

13
4. ANOVA
ANOVA est utiliser pour comparer des moyennes de deux groupes
ou plus
La moyenne des lignes darrts pour une machine relever,
redresser et oblitrer 1 comparer la machine 2 comparer la
machine 3
La moyenne des APH pour tirer la main sur un casier de tri 1
comparer au casier 2 comparer au casier 3

Lhypothse nulle :
H0 : Moyenne A = Moyenne B = Moyenne C = . . .

Lhypothse alternative :
Ha : Au moins une moyenne de groupe diffre de faon significative
des autres

14
4. Suppositions pour l'analyse de la variance (ANOVA)

Les chantillons sont reprsentatifs de la population ou du


procd.

Le procd est stable


Seules les causes communes des variations sont considres pour le
procd.
Il n'y a aucune variation ou cause spciale au fil du temps (ce qui
signifie qu'il n'existe aucune cause spciale lie au temps).

La variance est la mme pour chaque groupe


Elle peut tre vrifie au moyen du test d'galit des variances

La distribution sous-jacente de chaque groupe est normale

15
Processus des tests dhypothses pour des donnes continues
Les donnes sont-
elles normales ? Graph<Probability plot< Simple

Pas normales

Donnes Valeur p > 0,05


normales
Deux chantillons ou plus
Pouvez-vous stratifier
vos donnes pour les Deux chantillons ou plus Un chantillon
rendre normales ?
Test de l'galit des
variances Test-t
OUI suivi la voie des
Test de l'galit des
donnes normales variances

NON communiquez avec votre


Coach pour des lignes directrices

Variances gales Variances pas gales

Deux chantillons Deux chantillons

Test t
Test t deux chantillons
deux chantillons

Plus de 2 chantillons
Plus de 2 chantillons

ANOVA
ANOVA
unidirectionnelle

Valeur p<0,05 indique


une diffrence

16
Exercice 1 : Tests dhypothses

Objectif :
Y a-t-il une diffrence statistiquement importante en ce qui concerne les
variances entre les trois quarts l'tablissement de traitement du
courrier?
Est-ce que lintrant important de quart a affecte notre processus ?
Utiliser le logiciel Minitab pour effectuer un test dhypothse pour
dtermine sil y a une diffrence entre les moyennes et/ou les variances

Fichier de donnes :
changeover

Dure :
15 minutes

17
Exercice 1 : Processus des tests dhypothses

tape 1 : Visualiser vos donnes


tape 2 : Test de normalit
tape 3 : Dterminer le voie suivre
Un chantillon ?
2 chantillons ou plus ?

tape 4 : Test de l'galit des variances


Tirer une conclusion

tape 5 : Dterminer le voie suivre


Variances gales ?
Variances pas gales ?
2 chantillons ?
Plus de 2 chantillons ?

tape 6 : ANOVA unidirectionnelle (test des moyennes)


18
Exercice 1 : tape 1 Visualiser vos donnes
Ordre de commandes Minitab :
Graph > Dotplot > One Y > With Groups

Dotplot of C/O Time

First

Shift
Second

Third
28 42 56 70 84 98 112 126
C/O Time

En regardant le diagramme, quel sont vos hypothses du


variation et des moyennes ?

19
Exercice 1 : tape 2 Test de normalit

Vos donnes sont-ils normales ?


P>0,05
Graph > Probability Plot > Single
signifie que
Probability Plot of C/O Time les donnes
Normal - 95% CI
99.9
sont
Mean 79.19

99
StDev
N
19.15
62
normales
AD 0.501
95 P-Value 0.201
90
80
70
Percent

60
50
40
30
20
10
5

0.1
0 20 40 60 80 100 120 140 160
C/O Time

20
Exercice 1 : tape 3 Dterminer le voie suivre

Les donnes sont normales


Avons-nous un chantillon, deux chantillons ou
plus ?
Les donnes sont-elles
Graph<Probability plot< Simple
normales ?

Valeur p> 0,05


Donnes normales

Deux chantillons ou plus Un chantillon

Test-t
Test de l'galit des
variances

21
Exercice 1 : tape 4 Test de l'galit des variances
Ordre de commandes Minitab :
Stat > ANOVA > Test for Equal Variances

Rponse : C/O Time

Facteurs : Shift

22
Exercice 1 : tape 4 Test de l'galit des variances

Test for Equal Variances for C/O Time

Bartlett's Test
Test Statistic 1.85
First P-Value 0.397
Lev ene's Test
Test Statistic 0.38
P-Value 0.684
Shift

Second

Third

10 15 20 25 30 35
95% Bonferroni Confidence Intervals for StDevs

23
Exercice 1 : tape 4 Test de l'galit des variances / Tirer des
conclusions
Sortie de la fentre de session de lapplication Minitab
Test for Equal Variances: C/O Time versus Shift

95% Bonferroni confidence intervals for standard deviations

Shift N Lower StDev Upper


First 25 14.7623 19.9130 29.9818
Second 16 10.4687 15.0912 26.0009
Third 21 15.1756 20.9773 33.1058

Bartlett's Test (Normal Distribution)


Test statistic = 1.85, p-value = 0.397

Levene's Test (Any Continuous Distribution)


Test statistic = 0.38, p-value = 0.684

Quelles sont vos conclusions ? Y a-t-il une diffrence de variance entre les quarts
?

24
Exercice 1 : tape 5 Dterminer le voie suivre

Les donnes sont normales Les donnes sont-


elles normales ?
Graph<Probability plot< Simple

Les variances sont gales


Il y a plus de 2 chantillons Donnes normales
Valeur p> 0,05

Nous voulons tester les Deux chantillons ou plus


moyennes Test de l'galit des
variances

Variances pas
Variances gales
gales

Deux chantillons Deux chantillons

Test t
Test t deux chantillons
deux chantillons

Plus de 2 chantillons
Plus de 2 chantillons

ANOVA
ANOVA
unidirectionnelle

25
Exercice 1: tape 6 ANOVA unidirectionnelle
Ordre de commandes Minitab :
Stat > ANOVA > One Way ANOVA

26
Exercice 1 : tape 6 Tirer des conclusions
One-way ANOVA: C/O Time versus Shift

Source DF SS MS F P
Shift 2 632 316 0.86 0.429
Error 59 21734 368
Total 61 22366

S = 19.19 R-Sq = 2.83% R-Sq(adj) = 0.00%

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev --+---------+---------+---------+-------
1 25 75.93 19.91 (---------*----------)
2 16 83.97 15.09 (-------------*-------------)
3 21 79.43 20.98 (-----------*-----------)
--+---------+---------+---------+-------
Quelles sont70.0
vos conclusions
77.0 84.0 ? Y a-t-il une diffrence de moyenne entre les
91.0
quarts ?
Pooled StDev = 19.19

27
Exercice 1 : rsum et conclusion
tape 1 : Visualiser vos donnes :
Diagramme points stratifis

tape 2 : Test de normalit :


Donnes normales

tape 3 : Dterminer le voie suivre :


Plus de 2 chantillons

tape 4 : Test de l'galit des variances :


Valeur p>0,05 signifie quil ny a pas de diffrences entre les variances entre les
quarts

tape 5 : Dterminer le voie suivre :


Variances gales
Plus de 2 chantillons

tape 6 : ANOVA unidirectionnelle (test des moyennes) :


Valeur p>0,05 signifie quil ny a pas de diffrence de moyenne entre les quarts

tape 7 : CONCLUSION :
Quart(x) nest pas un facteur important qui affect le temps de transfert (y) 28
Exercice 2 : Test dhypothse
Fichier de donnes :
EC_HYP
Dure :
15 minutes
Objectif :
Brasro a des difficults avec les roues qui se dcrochent des barbecues. Aprs
un remue-mninge avec lquipe, la conclusion est que le bout peut tre un
intrant important (x) qui affect le problme.
A) En premier, faites un test dhypothse pour dterminer sil y a une
diffrence entre les donnes du diamtre du bout du matin et de laprs-midi
et du standard ou lobjectif de la spcification
B) Ensuite, faites un test dhypothse pour dterminer sil y a une diffrence
entre les variances du diamtre du bout et les moyennes des bouts produit
dans les quarts du matin versus les quarts de laprs-midi.

29
Exercice 2 : Processus des tests dhypothses
tape 1 : Visualiser vos donnes
tape 2 : Test de normalit
tape 3 : Dterminer le voie suivre (les donnes lobjectif)
Un chantillon ?
2 chantillons ou plus ?

tape 4 : Test-t avec un chantillon


Tirer une conclusion

tape 5 : Dterminer le voie suivre (test des variances)


Un chantillon ?
2 chantillons ou plus ?

tape 6 : Dterminer le voie suivre (test des moyennes)


Variances gales ? Variances pas gales ?
2 chantillons ? Plus de 2 chantillons ?

tape 7 : Conclusion 30
Exercice 2 : tape 1 Visualiser vos donnes
Avant quon visualise les donnes, on doit prparer les donnes.
On va utiliser Minitab pour empiler les donnes dans une colonne
pour lanalyse
Ordre de commandes Minitab : Data > Stack > Columns

Stack the following columns:

Columns of current worksheet:

Store subscripts in:

31
Exercice 2 : Empiler les donnes en Minitab

Avant Aprs

32
Exercice 2 : tape 1 Visualiser vos donnes / tape 2 Test de
normalit
Histogram AM and PM shift cap diameter

Graph< Histogram<Simple 25

20

Lhistogramme montre 2 groupes

Frequency
15

distincte 10

0
0.2504 0.2505 0.2506 0.2507 0.2508

Graph<probability plot<single Diameter

Le test de normalit indique que les


donnes ne sont pas normales Probability Plot of AM and PM Shift End Cap Diameter
Normal - 95% CI
99.9
Mean 0.2506

Maintenant ?
StDev 0.0002019
99
N 60
AD 7.587
95 P-Value <0.005
90
80

Stratifier vos donnes et diviser les 2 70

Percent
60
50
40
30

groupes encore 20
10
5

Visualiser les 2 groupes sparment


1

0.1
0.25000 0.25025 0.25050 0.25075 0.25100 0.25125 0.25150
newstack

Test de normalit

33
Exercice 2 : tape 1 Visualiser vos donnes
Fichier de donne : Same file- End Cap t-test
Graph < Histogram < Simple
Slectionner les colonnes de donnes AM et PM pour gnrer
les 2 histogrammes
Histogram of StratifyAM Histogram of StratifyPM
9 9

8 8

7 7

6 6

Frequency
Frequency

5 5

4 4

3 3

2 2

1 1

0 0
0.25076 0.25078 0.25080 0.25082 0.25084 0.25036 0.25038 0.25040 0.25042 0.25044
StratifyAM StratifyPM

34
Exercice 2 : tape 2 Test de normalit

Fait un test de normalit pour le AM et PM

Probability Plot of StratifyAM Probability Plot of StratifyPM


Normal - 95% CI Normal - 95% CI
99 99
Mean 0.2508 Mean 0.2504
StDev 0.00002291 StDev 0.00002056
95 N 30 95 N 30
AD 0.587 AD 0.205
90 90
P-Value 0.117 P-Value 0.861
80 80
70 70

Percent
Percent

60 60
50 50
40 40
30 30
20 20

10 10

5 5

1 1
0.25072 0.25074 0.25076 0.25078 0.25080 0.25082 0.25084 0.25086 0.25088 0.250350 0.250375 0.250400 0.250425 0.250450 0.250475
StratifyAM StratifyPM

35
Exercice 2 : tape 3 Dterminer le voie suivre
Les donnes empils du AM et PM ne sont pas normales.
On a stratifi les donnes et trouver que le AM nest pas normale et le PM
est normale.
On veut dterminer sil y a une diffrence entre la moyenne des donnes du
AM et PM et la spcification objectif de 0,2505 pouces.
Parce que les donnes combiner du AM et PM ne sont pas normales mais
sparer ils sont normale, on doit gnrer 2 analyses sparer.
On peut utiliser le test-t
Les donnes sont-
Graph<Probability plot< Simple
elles normales ?

Valeur p > 0,05


Donnes normales

Deux chantillons ou plus Un chantillon

Test de l'galit des Test-t


variances

36
Exercice 2 : tape 4 Test-t

Ordre de commandes Minitab : Stat > Basic Statistics > 1


sample t
Slectionner AM et PM pour gnrer 2 tests

37
Exercice 2 : tape 4 Test-t tirer des conclusions

Sortie de la fentre de session de lapplication Minitab

One-Sample T: AM, PM

Test of mu = 0.2505 vs not = 0.2505

Variable N Mean StDev SE Mean 95% CI T P


AM 30 0.250799 0.000023 0.000004 (0.250791, 0.250808) 71.57 0.000
PM 30 0.250401 0.000021 0.000004 (0.250394, 0.250409) -26.31 0.000

Quelles sont vos conclusions ? Y a-t-il une diffrence entre le


diamtre du bout des barbecues AM comparer lobjectif ?
PM lobjectif ?

38
Exercice 2 : tape 5 Dterminer le voie suivre
Nous savons quil y a une diffrence entre les bouts du AM et la
spcification objectif et les bouts du PM comparer la spcification
de lobjectif.
Nous voulons faire un test pour dterminer sil y a une diffrence de
variance entre les quarts.
Nous utiliserons le test de l'galit des variances pour des donnes
pas normales
Nous utiliserons les donnes empiler pour ce test
Les donnes sont-
Graph<Probability plot< Simple
elles normales ?

Pas normales

Deux
chantillons ou
Pouvez-vous stratifier plus
vos donnes pour les
rendre normales ? test de l'galit
des variances
OUI suivi la voie des
donnes normales

NON communiquez avec votre


Coach pour des lignes directrices

39
Exercice 2 : tape 5 Test de l'galit des variances

Response: Diameter

Factors: Shift

40
Exercice 2 : tape 5 Test de l'galit des variances

Test for Equal Variances for Diameter


F-Test
Test Statistic 1.01
AM P-Value 0.934
Lev ene's Test
Shift

Test Statistic 0.02


P-Value 0.895
PM

0.000018 0.000019 0.000020 0.000021 0.000022


95% Bonferroni Confidence Intervals for StDevs

AM
Shift

PM

0.2503 0.2504 0.2505 0.2506 0.2507 0.2508 0.2509


Diameter

41
Exercice 2 : tape 5 Test de l'galit des variances

Sortie de la fentre de session de lapplication Minitab


Results for: EC_HYP.MTW

Test for Equal Variances: Diameter versus Shift

95% Bonferroni confidence intervals for standard deviations

Shift N Lower StDev Upper


AM 300 0.0000184 0.0000200 0.0000221
PM 300 0.0000183 0.0000200 0.0000220

F-Test (Normal Distribution)


Test statistic = 1.01, p-value = 0.934

Levene's Test (Any Continuous Distribution)


Test statistic = 0.02, p-value = 0.895

Quelles sont vos conclusions ? Est-ce quil y a une diffrence significative


entre les variances des diamtres des bouts produit dans le AM et ceux
produits dans le PM ?

42
Exercice 2 : tape 6 Dterminer le voie suivre
Les donnes stratifies du Les donnes sont-
elles normales ?
Graph<Probability plot< Simple

AM et PM sont normales
Les variances sont Donnes
normales
Valeur p > 0,05

gales Deux chantillons ou plus

Il y a 2 chantillons Test de l'galit des


variances

On veut tester les


moyennes
Variances pas
Variances gales
gales

Deux chantillons Deux chantillons

Test t
Test t deux chantillons
deux chantillons

Plus de 2 chantillons
Plus de 2 chantillons
ANOVA
ANOVA
unidirectionnelle

43
Exercice 2 : tape 6_2 Test-t avec chantillon
Ordre de commandes Minitab : Stat > Basic Statistics > 2 sample
t
On utilisera les donnes AM et PM dans des colonnes spars

Select Samples in
different columns

First: AM

Second: PM

44
Exercice 2 : tape 6_2 Test-t avec chantillon

Est-ce quil y a une differnce entre la diamtre des bouchons


produit en AM versus en PM ?

Results for: EC_HYP.MTW

Two-Sample T-Test and CI: AM, PM

Two-sample T for AM vs PM

N Mean StDev SE Mean


AM 300 0.2508040 0.0000200 0.0000012
PM 300 0.2504065 0.0000200 0.0000012

Difference = mu (AM) - mu (PM)


Estimate for difference: 0.000397
95% CI for difference: (0.000394, 0.000401)
T-Test of difference = 0 (vs not =):T-Value = 243.40 P-Value = 0.000 DF = 597

45
Exercice 2 : tape 7 rsum et conclusion
tape 1 : Visualiser vos donnes tape 4 : Test-t avec un chantillon
Nous avons empiler les donnes du AM et du PM Conclusion il y a une diffrence entre la
dans une colonne pour prparer un histogramme moyenne des quarts du AM et du PM
Nous avons visualiser 2 groupes des donnes
tape 5 : Dterminer le voie suivre (test
distinctes
des variances)
Nous avons supposer quil y a une diffrence
Y a-t-il une diffrence entre la variance des
tape 2 : Test de normalit quarts du AM et du PM ? Utiliser les donnes
empiler.
Nous avons fait un test de normalit avec les
donnes empiler donnes pas normales Conclusion pas de variance entre les 2
quarts
Nous avons stratifier les donnes de AM et PM
dans un test de normalit des quarts donnes tape 6 : Dterminer le voie suivre (test
normales individuellement
des moyennes)
Nous avons gnr 2 histogrammes spars pour
visualiser les donnes les quarts du AM et du Y a-t-il une diffrence entre la diamtre du
PM semble indpendant bout des 2 quarts ?
Utiliser le test-t deux chantillons et
tape 3 : Dterminer le voie suivre (les
dcouvrir quils sont diffrents
donnes lobjectif)
Y a-t-il une diffrence entre la diamtre des bouts tape 7 : Conclusion
Les x examin sont : les quarts AM et PM. Est-ce quils affecte le Y ?
des quarts du AM et du PM comparer la
spcification
On conclut quedeles quarts AM
lobjectif et PM sont
? Utiliser un x important qui affectent les roues qui dcrochent des barbecues (Y).
le test-t.
Les moyennes sont diffrent entre les quarts. Les moyennes la spcification sont diffrent. Les variances ne sont
pas diffrents

46
Exercice 3 : test dhypothse

Objectif :
Travailler avec vos voisins pour tester les hypothse que la
moyenne de dlai de mise en uvre du London Priority Courier
Work Centre est 760 minutes

Fichier de donnes :
t-test

47
Exercice 3 : Processus des tests dhypothses
tape 1 : Visualiser vos donnes
tape 2 : Test de normalit
tape 3 : Dterminer le voie suivre (les donnes lobjectif)
Un chantillon ?
2 chantillons ou plus ?

tape 4 : Test-t avec un chantillon


Tirer une conclusion

48
Exercice 3 RPONSE : tape 1 Visualiser vos donnes

Graph < Histogram < Simple

Histogram of Lead Time (min)


14

12

10
Frequency

0
720 736 752 768 784
Lead Time (min)

49
Exercice 3 RPONSE : tape 2 Test de normalit

Probability Plot of Lead Time (min)


Normal - 95% CI
99
Mean 749
StDev 13.02
95 N 50
AD 0.347
90
P-Value 0.467
80
70
Percent

60
50
40
30
20

10

1
710 720 730 740 750 760 770 780 790
Lead Time (min)

50
Exercice 3 RPONSE : tape 3 Test-t

51
Exercice 3 RPONSE : tape 4 Test-t Conclusion
Sortie de la fentre de session de lapplication Minitab

Results for: T-TEST.MTW

One-Sample T: Lead Time (min)

Test of mu = 760 vs not = 760

Variable N Mean StDev SE Mean 95% CI T P


Lead Time (min) 50 749.00 13.02 1.84 (745.30, 752.70) -5.97 0.000

Il y a une diffrence important entre la moyenne du dlai de la mise en uvre pour


le courrier prioritaire et le standard de 760 minutes : p = 0,000
Lhypothse de lintervalle de confiance de 95 % pour la moyenne du dlai de la
mise en uvre est 745,30 752,70
Lhypothse de la moyenne de lchantillon est 749,00 minutes

52
Exercice 4 : Test dhypothse

Objectif :
Travailler avec vos voisins et utiliser un test dhypothse pour
dterminer si la rgion est un intrant important des paquets
mal-livrer au niveau national.

Fichier de donnes :
misdelivery

Dure :
10 minutes

53
Exercice 4 : Processus des tests dhypothses
tape 1 : Visualiser vos donnes
Est-ce que les donnes doivent tre empiler ?

tape 2 : Test de normalit


tape 3 : Dterminer le voie suivre (test des variances)
Un chantillon ?
2 chantillons ou plus ?

tape 4 : Dterminer le voie suivre (test des moyennes)


Variances gales ? Variances pas gales ?
2 chantillons ? Plus de 2 chantillons ?

Step 5: Conclusion
Tirer une conclusion

54
Exercice 4 RPONSES : tape 1 Visualiser vos donnes
Histogram of Region A and B

20

15

Frequency
10

0
280 300 320 340 360 380
newstack

Dotplot of Region A and Region B Boxplot of Region A and B


380

360

340

newstack
newsub

320
Region A
300
Region B
272 288 304 320 336 352 368
newstack 280

260
Region A Region B
newsub

55
Exercice 4 RPONSES : tape 2 Test de normalit

Probability Plot of Region A and B


Normal - 95% CI
99.9
Mean 322.8
StDev 21.81
99
N 80
AD 0.367
95 P-Value 0.423
90
80
70
Percent

60
50
40
30
20
10
5

0.1
250 275 300 325 350 375 400
newstack

56
Exercice 4 RPONSES : tape 3 Test de l'galit des variances
Donnes normales et 2 chantillons

Test for Equal Variances: Region A versus Region B


95% Bonferroni confidence intervals for standard deviations Test for Equal Variances for Region A and B
F-Test
Test Statistic 0.32
Region A P-Value 0.000
newsub N Lower StDev Upper Levene's Test

newsub
Test Statistic 10.50
P-Value 0.002
Region A 50 12.4090 15.2302 19.6178 Region B

Region B 30 20.7474 26.8790 37.8067 10 15 20 25 30 35


95% Bonferroni Confidence Intervals for StDevs
40

F-Test (Normal Distribution) Region A

newsub
Test statistic = 0.32, p-value = 0.000
Region B

260 280 300 320 340 360 380


newstack
Levene's Test (Any Continuous Distribution)
Test statistic = 10.50, p-value = 0.002

57
Exercice 4 RPONSES : tape 4_2 Test-t avec chantillon

Variances pas gales, 2 chantillons

Select Samples in
different columns

First: Region A

Second: Region B

58
Exercice 4 RPONSES : tape 4_2 Test-t avec chantillon

Results for: MISDELIVERY.MTW

Two-Sample T-Test and CI: Region A, Region B

Two-sample T for Region A vs Region B

N Mean StDev SE Mean


Region A 50 329.0 15.2 2.2
Region B 30 312.3 26.9 4.9

Difference = mu (Region A) - mu (Region B)


Estimate for difference: 16.77
95% CI for difference: (5.94, 27.60)
T-Test of difference = 0 (vs not =): T-Value = 3.13 P-Value = 0.003 DF = 40

Il y a une diffrence important entre les moyennes des mal-livraisons dans les deux rgions
p = 0,003
Lhypothse de lintervalle de confiance de 95 % pour la diffrence entre la Rgion A et la
Rgion B est 5,94 27,60 ; la moyenne de la Rgion B a 17 mal-livraison de moins (16,77
dextrant dans un session)

59
Exercice 4 RPONSE : tape 5_Conclusion
tape 1 : Visualiser vos donnes
Empiler les donnes, complter la bote moustaches ou un diagramme
points et supposer quil y a une diffrence entre la moyenne et la variance entre
les taux de mal livraison des rgions
tape 2 : Test de normalit
Donnes normales
tape 3 : Dterminer le voie suivre (test des variances)
2 chantillons ou plus, donc fait un test de l'galit des variances
La valeur p < 0,05 (notre est 0) diffrence de variance
tape 4 : Dterminer le voie suivre (test des moyennes)
Variances pas gales, 2 chantillons donc fait un test t deux chantillons
La valeur p < 0,05 (notre est 0,003) diffrence de moyenne
tape 5 : Conclusion
La Rgion est un intrant important qui affecte le taux des mal-livraisons au
niveau nationale. Il y a une diffrence entre les variances et les moyennes

60
Exercice 5 : test dhypothse

Objectif :
Selon notre exercice des causes et effets, lquipe souponne quil y a
une diffrence entre les machines dtampe qui sont utilis pour
produire les bouts.
Travailler avec vos voisins pour faire un test dhypothse pour
dterminer si notre hypothse est correct

Fichier de donnes :
EC_ANOVA

Dure :
15 minutes

61
Exercice 5 : Processus des tests dhypothses
tape 1 : Visualiser vos donnes
tape 2 : Test de normalit
tape 3 : Dterminer le voie suivre (test des variances)
Un chantillon ?
2 chantillons ou plus ?

tape 6 : Dterminer le voie suivre (test des moyennes)


Variances gales ? Variances pas gales ?
2 chantillons ? Plus de 2 chantillons ?

Step 5: Conclusion
Tirer une conclusion

62
Exercice 5 RPONSE : tape 1 Visualiser vos donnes

Dotplot of Diameter Boxplot of Diameter

0.255

SM1 0.254
Machine

0.253

Diameter
SM2

0.252
SM3

0.251

SM4
0.2506 0.2513 0.2520 0.2527 0.2534 0.2541 0.2548
Diameter 0.250
SM1 SM2 SM3 SM4
Machine
Each symbol represents up to 2 observations.

La bote moustaches et le diagramme points montrent une


diffrence entre les machines
SM2 est trs diffrent des autres 3 machines
Hypothses : Il y a une diffrence entre les machines

63
Exercice 5 RPONSE : tape 2 Test de normalit

Probability Plot of Diameter


Normal - 95% CI Donnes pas normales
99.9
Mean 0.2516
StDev 0.001955

Stratifier les donnes


99
N 100
AD 23.086
95 P-Value <0.005
90
80

Data<unstack columns
70
Percent

60
50
40
30
20
10
5

1
Refait test de normalit
0.1
0.2450 0.2475 0.2500 0.2525 0.2550 0.2575 0.2600
Diameter

64
Exercice 5 RPONSE : tape 2 Test de normalit
Probability Plot of Diameter_SM1 Probability Plot of Diameter_SM2
Normal - 95% CI Normal - 95% CI
99 99
Mean 0.2505 Mean 0.2550
StDev 0.00002416 StDev 0.00002708
95 N 25 95 N 25
AD 0.318 90 AD 0.388
90
P-Value 0.516 P-Value 0.361
80
80
70

Percent
70 60
Percent

60 50
50 40
40 30
30 20

20 10
5
10
5
1
0 2 4 6 8 0 2 4 6 8
49 49 49 49 49 50 50 50 50 50
1
25 25 25 25 25 25 25 25 25 25
0.25042 0.25044 0.25046 0.25048 0.25050 0.25052 0.25054 0.25056 0.25058 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
Diameter_SM1 Diameter_SM2

Probability Plot of Diameter_SM3 Probability Plot of Diameter_SM4


Normal - 95% CI Normal - 95% CI
99 99
Mean 0.2505 Mean 0.2505
StDev 0.00002373 StDev 0.00002764
95 N 25 95 N 25
AD 0.253 AD 0.609
90 90
P-Value 0.708 P-Value 0.101

80 80

70 70

Percent
Percent

60 60
50 50
40 40
30
30
20
20
10
10
5
5

1
1
0.25042 0.25044 0.25046 0.25048 0.25050 0.25052 0.25054 0.25056 0.25058 0.25040 0.25045 0.25050 0.25055 0.25060
Diameter_SM3 Diameter_SM4

65
Exercice 5 RPONSE : tape 3 _ Test de l'galit des variances

Test for Equal Variances for Diameter

Bartlett's Test

SM1 Test Statistic 0.85


P-Value 0.836
Lev ene's Test
Test Statistic 0.37
P-Value 0.778
SM2
Machine

SM3

SM4

0.000020 0.000025 0.000030 0.000035 0.000040 0.000045


95% Bonferroni Confidence Intervals for StDevs

66
Exercice 5 RPONSE : tape 3 _ Test de l'galit des variances

Sortie de lafor:
Results fentre de session de lapplication Minitab
EC_ANOVA.MTW

Test for Equal Variances: Diameter versus Machine

95% Bonferroni confidence intervals for standard deviations

Machine N Lower StDev Upper


SM1 25 0.0000177 0.0000242 0.0000371
SM2 25 0.0000198 0.0000271 0.0000416
SM3 25 0.0000174 0.0000237 0.0000364
SM4 25 0.0000202 0.0000276 0.0000424

Bartlett's Test (Normal Distribution)


Test statistic = 0.85, p-value = 0.836

Levene's Test (Any Continuous Distribution)


Test statistic = 0.37, p-value = 0.778

67
Exercice 5 RPONSE : tape 4 _ANOVA unidirectionnelle

68
Exercice 5 RPONSE : tape 4 _ANOVA unidirectionnelle

Rsultats Minitab
One-way ANOVA: Diameter versus Machine

Source DF SS MS F P
Machine 3 0.0003784 0.0001261 190803.42 0.000
Error 96 0.0000001 0.0000000
Total 99 0.0003784

S = 0.00002571 R-Sq = 99.98% R-Sq(adj) = 99.98%

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev ---+---------+---------+---------+------
SM1 25 0.250499 0.000024 *)
SM2 25 0.254991 0.000027 *
SM3 25 0.250503 0.000024 (*
SM4 25 0.250495 0.000028 *)
---+---------+---------+---------+------
0.2508 0.2520 0.2532 0.2544

Pooled StDev = 0.000026

69
Exercice 5 RPONSE : tape 5_Conclusion

tape 1 : Visualiser vos donnes


Faites la bote moustaches ou un diagramme points. Crer un hypothse selon vos
rsultats.
Une machine est diffrent des autres.

tape 2 : Test de normalit


Donnes pas normales
Dpiler les donnes et refaites les tests de normalits individuellement les machines sont
normales

tape 3 : Dterminer le voie suivre (test des variances)


Plus de 2 chantillons -- 4 machines
Faites un test de l'galit des variances pour dterminer sil y a une diffrence entre les
machines

tape 4 : Dterminer le voie suivre (test des moyennes)


Les variances sont gales et il y a plus de 2 chantillons - 4 machines
Faites un ANOVA unidirectionnelle pour dterminer sil y a une diffrence entre la moyenne

tape 5: Conclusion
La machine dtampe est un facteur important (x) qui est la cause de notre taux des dfauts.
Il y a une diffrence entre les moyennes des machines. SM2 est considrablement diffrent. Il
ny a pas de diffrence des variances entre les machines.
70
Test dhypothse des donnes discrtes

Attribuer les
donnes

Deux
Un facteur
facteurs

1 chantillon 2 chantillons Test du Chi


de proportion de proportion carr

Plus de 2 chantillons Valeur p <0,05


signifie valeurs ne
Test du Chi sont indpendants
carr

Valeur p <0,05
indique la
diffrence

71
Test de proportions

Maintenant nous concentrons sur des test dhypothses des


donnes discrtes.
Un Test de proportions est utiliser pour examiner lhypothse
quil y a une diffrence entre les proportions.

Lhypothse nulle
H0 : les proportions des deux groupes sont les mmes

Lhypothse alternative
Ha : les proportions des deux groupes sont diffrentes

72
Exercice 6 : Test de proportions

Objectif :
Utiliser le test de proportions pour vrifier s'il existe une diffrence dans
la fraction des plaintes entre deux rgions administratives. Les donnes
d'chantillons des plaintes par rgion sont prsentes ci-dessous.
Rgion Nbre denvois Nbre de plaintes
Nord-est 203 17
Sud-est 107 5

Fichier de donnes :
Pas de fichier nous allons crer le tableau en Minitab
Dure :
10 minutes
Ordre de commandes Minitab :
Stat > Basic Statistics > 2 Proportions
73
Exercice 6 : Test de proportions

First
Events: 17
Trials: 203
Select Summarized data

Second
Events: 5
Trials: 107

74
Exercice 6 : Test de proportions

Test and CI for Two Proportions

Sample X N Sample p
1 17 203 0.083744
2 5 107 0.046729

Difference = p (1) - p (2)


Estimate for difference: 0.0370149
95% CI for difference: (-0.0182233, 0.0922530)
Test for difference = 0 (vs not = 0): Z = 1.31 P-Value = 0.189

Fisher's exact test: P-Value = 0.255

Il n'y a pas de preuve suffisante pour laisser croire que la proportion des
plaintes est diffrente entre les deux rgions (p > 0,05).

75
Exercice 7 : Test de proportions

Objectif :
Travailler avec vos voisins et utiliser le test de proportions pour vrifier
s'il existe une diffrence dans la fraction des dfectuosits de deux
fournisseurs de botes de carton pour le barbecue Brasro. Les
donnes d'chantillon des dfectuosits sont prsentes ci-dessous. Y
a-t-il une diffrence entre les fournisseurs ?
Fournisseur Nbre expdier Nbre denvois dfectueux
(1) Acme 10,000 494
(2) Superior 7000 415

Fichier de donnes :
Pas de fichier nous allons crer le tableau en Minitab
Dure :
10 minutes
Ordre de commandes Minitab :
Stat > Basic Statistics > 2 Proportions
76
Exercice 7 RPONSE : Test de proportions

77
Exercice 7 RPONSE : Test de proportions

Test and CI for Two Proportions

Sample X N Sample p
1 494 10000 0.049400
2 415 7000 0.059286

Difference = p (1) - p (2)


Estimate for difference: -0.00988571
95% CI for difference: (-0.0168603, -0.00291110)
Test for difference = 0 (vs not = 0): Z = -2.78 P-Value = 0.005

Fisher's exact test: P-Value = 0.005

La proportion des dfectuosits est statistiquement diffrente


pour les deux fournisseurs : les botes de Suprieur prsentent
un niveau de dfectuosit plus lev (p < 0,05).

78
Test dhypothse du Chi carr

Le test dhypothse du Chi carr est utilis pour comparer


deux groupes de proportions ou plus.

Lhypothse nulle
H0 : Les proportions de tous les groupes sont les mmes

Lhypothse alternative
Ha : Au moins une proportion de groupe diffre des autres proportions
de groupe

79
Exercice 8 : Test du Chi carr

Objectif :
Utilisez le test du Chi carr pour dterminer si la proportion est
diffrente pour les erreurs de dpt trois emplacements de
traitement distincts..
Fichier de donnes :
Entrez le tableau ci-dessous dans une feuille de travail Minitab
Ordre de commandes Minitab :
Emplacement Erreurs de dpt Dpts en bonne
Stat > Tables > C2 Chi-Square Test et due forme
Montral 15 150

Toronto 65 98

Vancouver 27 63

80
Exercice : Test du Chi carr

Utilisez le test du Chi carr pour dterminer si la proportion est


diffrente pour les erreurs de dpt trois emplacements de
traitement distincts :
: Minitab Command Sequence:
Stat > Tables > 2 Chi-Square Test

Columns containing the table:


Misinducts Correct Inducts

81
Exercice 8 : Test du Chi carr
Chi-Square Test: Misinducts, Correct Inducts

Expected counts are printed below observed counts


Chi-Square contributions are printed below expected counts

Correct
Misinducts Inducts Total
1 15 150 165
42.24 122.76 Valeurs observes (donnes de
17.564 6.043 l'chantillon)

2 65 98 163
41.72 121.28 Valeurs prvues (si les proportions taient les
12.983 4.467 mmes tous les emplacements). Pour cet
emplacement, on a observ moins de mauvais
3 27 63 90 acheminements et plus d'acheminements
23.04 66.96 corrects que prvu.
0.681 0.234

Total 107 311 418 p < 0,05 = Au moins un


emplacement est
Chi-Sq = 41.973, DF = 2, P-Value = 0.000 diffrent.
Pour le numro 1 (Montral), il y a moins d'erreurs de dpt que prvu (15 par rapport 42) et plus que
prvu aux numros 2 (Toronto) et 3 (Vancouver) (65 par rapport 42 et 27 par rapport 23,
respectivement).

82
Exercice 9 : Test du Chi carr

Objectif :
Travaillez avec vos voisins et Utilisez le test du Chi carr pour vrifier
s'il existe une diffrence dans la fraction des dfectuosits des quatre
emplacements de fabrication exploits par On Roule, Inc., le fournisseur
d'axes pour le barbecue Brasro. Le rendement en matire de qualit
des fournisseurs est mesur par emplacement, comme l'indique le
tableau ci-dessous.
Ordre de commandes Minitab :
Stat > Tables > C2 Chi-Square Test
Emplacement Axes de qualit Axes de dfectueux
London 24 251 749
Windsor 7 920 80
Hamilton 48 447 1 503
Fort rie 15 683 317

83
Exercice 9 RPONSE : Test du Chi carr

Columns containing the table:


Good Axles Defective Axles

84
Exercice 9 RPONSE : Test du Chi carr

Chi-Square Test: Good Axles, Defective Axles

Expected counts are printed below observed counts


Chi-Square contributions are printed below expected counts

Defective
Good Axles Axles Total
1 24251 749 25000
24330.72 669.28
0.261 9.496

2 7920 80 8000
7785.83 214.17
2.312 84.052

3 48447 1503 49950


48612.78 1337.22
0.565 20.553

4 15683 317 16000


15571.66 428.34
0.796 28.940

Total 96301 2649 98950

Chi-Sq = 146.976, DF = 3, P-Value = 0.000

85
Corrlation & Analyse de rgression

Supplemental documentation
Comment traiteriez-vous cette situation?

Supposez que l'objectif de ce qui a trait aux appels


abandonns (c'est--dire la proportion des clients qui
raccrochent sans avoir parl un reprsentant du service la
clientle) est de 0,08 ou moins. Vous souponnez que le
niveau de dotation a une incidence sur le taux d'abandon des
appels.
1. Quelles donnes sont ncessaires pour confirmer vos doutes^
2. Comment les prsenteriez-vous?
3. Comment pourriez-vous utiliser un outil visuel pour prvoir le
taux d'abandon des appels?

87
Exercice : Relation linaire entre l'axe des X et celui des Y -
diagramme de dispersion
Fichier de donnes :
Call Centre

Ordre de commandes Minitab :


Graph > Scatterplot > Simple

Objectif :
Rappelez-vous que nous avons vu, durant la premire semaine, qu'un
diagramme de dispersion montre comment un extrant (Y) change en
fonction d'un intrant (X). S'il n'existe aucune relation, les points seront
disperss de faon alatoire sur le diagramme.
Le fichier de donnes comprend deux colonnes : Dotation et Taux
d'abandon . Laquelle correspond un intrant (X)?
Utilisez un diagramme de dispersion pour dterminer s'il existe une relation
entre la dotation en personnel et le taux d'abandon
88
Exercice : Relation linaire entre l'axe des X et celui des Y -
diagramme de dispersion

Y variables X variables
abandonment rate staffing

89
Exercice : Relation linaire entre l'axe des X et celui des Y -
diagramme de dispersion
Comment interprtez-vous ce diagramme de dispersion?
Scatterplot of abandonment rate vs staffing
0.110

0.105

0.100
abandonment rate

0.095

0.090

0.085

0.080

30 40 50 60 70
staffing

90
Coefficient de Corrlation (r)

La corrlation coefficient (r) mesure la force de relation


dune relation linaire

Varie de -1 1
r = 1 = ngative parfait ou relation inverse
r = 0 = aucune relation linaire
r = +1 = relation positive parfaite

r sappelle galement coefficient de corrlation Pearson

91
Coefficient de corrlation (r)

Diagrammes de dispersion et valeurs r connexes


Y Y Y

X X X
Corrlation positive forte Corrlation positive moyenne Aucune corrlation
r = 0,95 r = 0,70 r = 0,006

Y Y Y

X X X
Corrlation ngative forte Corrlation ngative moyenne Autre modle -
r = -0,90 r = -0,73 Aucune corrlation linaire
r = -0,29

92
Attention! Corrlation ne signifie pas cause

Quand deux variables prsentent une relation sur un diagramme de


dispersion, on dit qu'elles sont en corrlation, mais cela ne signifie
pas ncessairement qu'elles sont lies par une relation
cause-effet.
La corrlation signifie que deux choses varient ensemble
La cause signifie que les changements d'une variable sont l'origine
Niveau de lecture (en annes)

des changements 12de l'autre


Les deux variables
sont influences par
10
Exemple 1 : une troisime
8
variable, l'ge.
6
4
2
0

40 42 44 46 48 50 52 54 56 58
Hauteur (en pouces)

93
Attention! Corrlation ne signifie pas cause

Exemple 2 :

ORIGINAL STRATIFI
Dure du cycle

Dure du cycle
de facturation
de facturation

Succursale A
x Succursale B

Nbre d'erreurs sur la facture Nbre d'erreurs sur la facture

Aprs la stratification du diagramme, on n'observe aucune


corrlation, mais bien une diffrence en fonction des succursales.

94
Attention! Corrlation ne signifie pas cause

S'il n'apparat aucune relation lorsque vous devriez en


voir une :
Vrifier la gamme de la variable X
Stratifier
Dure d'attente selon dautres variables discrtes
au tlphone
Dure du cycle
de facturation

Succursale
A
B
20 30
Nombre d'employs Nbre d'erreurs sur la facture
Si la gamme de X est trop restreinte, il est possible qu'on
ne puisse pas voir la relation. Au dpart, cette quipe a Aprs la stratification du diagramme, on
exclu des donnes au-del des conditions normales de peut voir une relation l o il n'y en avait
20 30 employs, aucune auparavant

95
Exercice : coefficient de corrlation (r)

Objectif :
Dterminer le coefficient de corrlation de la dotation et du taux
d'abandon des appels l'aide de l'application Minitab.

Fichier de donnes :
Call Centre

Ordre de commandes Minitab :


Stat > Basic Statistics > Correlation

Dure :
10 minutes

96
Exercice : coefficient de corrlation (r)

Variables:
staffing abandonment rate

Stat > Basic Statistics > Correlation

97
Exercice : coefficient de corrlation (r)

Sortie de la fentre de session de lapplication Minitab

Correlations: staffing, abandonment rate


Pearson correlation of staffing and abandonment
rate = -0.925
P-Value = 0.000

La valeur p dsigne l'importance du coefficient de corrlation (p < 0,05 0 =


importance).

98
Rgression
La rgression reprsente la relation entre X et Y
Lanalyse de rgression dfinie, une quation qui reprsente la
relation entre X et Y : Y = b1x + bo
bo = Y- point dinterception (o la droite croise laxe X= 0)
b1 = pente (diffrence des ordonnes sur la diffrence des abscisses, ou
changement de la variable Y par hausse d'unit de la variable X)
Y (extrant)
8

0 1 2 3 4 5 6 7 8 9 10

X (intrant)

99
Avantages de la quantification d'une relation

Prdiction
L'quation peut tre utilise pour prdire les valeurs ventuelles
de l'axe des Y en y insrant une valeur X
Contrle
S'il est possible de contrler la variable X, vous pouvez
manipuler les conditions du procd pour viter des rsultats
indsirables ou obtenir les rsultats convoits

100
Interprtation de l'quation de rgression

quation de rgression : Y = 4X + 182


b0 (point dinterception) = ?

Que signifie le point dinterception ?

b1 (pente) = ?

Que signifie la pente ?

Utiliser lquation de rgression pour prdire la valeur Y si X =


25.

101
Rgression la mthode des moindres carrs

On dtermine l'quation de rgression par un procd qui


porte au minimum le total de la distance au carr de tous les
points par rapport la droite de rgression, ce qui s'appelle la
mthode des moindres carrs .
Les donnes (valeurs X et Y) sont utilises pour obtenir les
valeurs b0 et b1.
Les valeurs b0 et b1 permettent d'tablir l'quation.

102
Analyse de rgression et rsidus

La mthode des moindres carrs (rgression)


1. Mesurer la distance verticale entre les points et la droite
2. Faire le carr de ces donnes
3. Faire la somme des distances au carr
4.9 Trouver la droite qui porte ce total au7 minimum
rsidu

7 Y observ (Y rels)

5 Y prvus (Y du trac sur la


rsidu2 droite)
3

Un rsidu est la distance verticale entre chaque point de donnes d'origine et la droite de
rgression, p. ex. Y observ Y prvu.
Exemples : rsidu2 = 3 - 5 = -2 et rsidu7 = 9 - 8 = 1.
La valeur rsiduelle reprsente une variation de cause commune (inattendue).
103
Exercice : rgression
Objectif :
Le diagramme de dispersion et le coefficient de corrlation (r) nous ont
permis de dterminer qu'il existe une relation linaire solide entre le taux
d'abandon de GRC et le nombre de reprsentants du service la clientle
disponibles dans le centre d'appels.
Nous serons en mesure de dfinir la relation mathmatique entre le taux
d'abandon et le nombre de reprsentants du service la clientle
disponible pour rpondre aux appels au moyen d'une rgression linaire
simple.
Fichier de donnes :
Call Centre
Ordre de commande Minitab :
Stat > Regression > Fitted Line Plot
Dure :
10 minutes

104
Exercice : rgression

Response (Y): abandonment rate


Predictor (X): staffing

Stat > Regression > Fitted Line Plot

105
Exercice : rgression

Fitted Line Plot


abandonment rate = 0.1319 - 0.000812 staffing
0.110 S 0.0026813
R-Sq 85.6%
R-Sq(adj) 85.4%
0.105

0.100
abandonment rate

0.095

0.090

0.085

0.080

30 40 50 60 70
staffing

106
Exercice : rgression

S est une estimation de la variation totale entre les points


originaux et la droite d'ajustement.
P utilise pour valuer quel point le prdicteur X est pertinent
et une valeur p de 0,05 ou moins est prfrable.
Regression Analysis: abandonment rate versus staffin

The regression equation is


abandonment rate = 0.1319 - 0.000812 staffing

S = 0.00268127 R-Sq = 85.6% R-Sq(adj) = 85.4%

Analysis of Variance

Source DF SS MS F P
Regression 1 0.0031554 0.0031554 438.91 0.000
Error 74 0.0005320 0.0000072
Total 75 0.0036874

107
R au carr (R2) : pourcentage de variation explique

Mesure le pourcentage de variation dans les valeurs de Y


expliques par une relation linaire avec X

Varie de 0 1 (= 0 % 100 %)

Variation explique
R2- = X 100 = Pourcentage de
Variation totale variation expliqu

108
R au carr (R2) : pourcentage de variation explique

La variation utilise dans la formule R2 est en fait la somme


des units d'carts au carr (et non des plages, comme le
montre le diagramme).
Y
15

Pensez cette
10 distance de faon
Variation thorique titre de
totale variation explique;
dans Y 5 la variation restante
est inexplique et
considre comme
0 tant le rsultat de
0 5 10 15 causes communes.
X
Variation totale = Variation explique + Variation inattendue

109
Exercice : rgression

Objectif :
Utiliser le modle de rgression labor plus tt pour
dterminer le nombre moyen de reprsentants du service la
clientle devant tre disponible au centre d'appels de la
banque pour atteindre leur objectif de service, c'est--dire un
taux d'abandon de 0,08 ou moins.
Taux dabandon = 0,1319 0,000812 dotation

dotation = (0,1319 taux dabandon) 0,000812


Il est ncessaire d'avoir 64 reprsentants afin d'atteindre l'objectif de
service de 0,08 ou moins

110
Exercice : rgression

Afin d'obtenir la valeur de X, nous devons rorganiser


l'quation de rgression :
1. Y = 0,1319 0,000812 x abandon = 0,1319 0,000812 dotation

2. - 0,000812 dotation = abandon 0,1319

3. - 0,000812 dotation = abandon 0,1319


- 0,000812 - 0,000812

4. Dotation = abandon 0,1319


- 0,000812

5. Dotation = 0,08 - 0,1319 = -0,0519 = 64 (chiffre arrondi)


- 0,000812 - 0,000812

111
Attention! Il est risqu d'extrapoler au-del de la plage de
donnes
L'extrapolation consiste faire des prdictions au-del de la
plage de donnes de la variable X.
Quel
n est la relation entre X et Y si X > 30 ?
ht ?
?
s) 350

300
?

250 ?
Range of data

20 30 40

112
Attention! Il est risqu d'extrapoler au-del de la plage de
donnes
Un professeur demande ses lves d'expliquer l'toile
place sur la droite de rgression. Voici les meilleures
rponses :
Il est vident que le temps ncessaire pour couper un arbre ne
peut tre ngatif.
L'arbre est si petit qu'il tombe deux secondes avant qu'on le
coupe.
Pour faire tomber un arbre de cette grosseur, il suffit d'un bon
coup de pied.
Temps 20
ncessaire
pour 10
couper
un arbre
la 0
trononneuse
(en secondes)
0 10 20
Diamtre de l'arbre
(en pouces)

113
Suppositions concernant la rgression : les rsidus
Les principales suppositions concernant la rgression sont fondes
sur les proprits des rsidus. Chacune de ces suppositions devrait
tre vrifie : Y
15

Normaux (en forme de cloche)


avec une moyenne de 0 10
residu7
Non lis aux donnes de la variable X
5
Non lis aux donnes de la variable Y residu2

Stables et indpendants, 0

ils ne changent pas avec le temps. 0 5 10 15


X

114
Exercice : Diagnostics d'une analyse de rgression (rsidus)

Objectif :
Crer et appliquer des diagnostics de rgression pour valider un modle
de rgression.
Fichier de donnes :
Call Centre

Dure :
20 minutes

Ordre de commandes Minitab :


Stat > Regression > Regression
Response: abandonment rate
Predictors: staffing
Select Graphs
Residuals for Plots: Standardized
Residuals Plots: Normal plot of residuals, Residual versus fits, and Residual
versus order
115
Exercice : Diagnostics d'une analyse de rgression (rsidus)

Stat > Regression > Regression

Select

Response (Y): abandonment rate


Predictor (X): staffing
staffing

116
Exercice : Diagnostics d'une analyse de rgression (rsidus)
Regression Analysis: abandonment rate versus staffing
The regression equation is Sortie de la fentre
abandonment rate = 0.132 - 0.000812 staffing
de session de
Predictor Coef SE Coef T P lapplication
Constant 0.131874 0.002100 62.80 0.000
staffing -0.00081164 0.00003874 -20.95 0.000 Minitab
S = 0.00268127 R-Sq = 85.6% R-Sq(adj) = 85.4%
Analysis of Variance
Source DF SS MS F P
Regression 1 0.0031554 0.0031554 438.91 0.000
Residual Error 74 0.0005320 0.0000072
Total 75 0.0036874
Unusual Observations
abandonment
Obs staffing rate Fit SE Fit Residual St Resid
1 53.0 0.083000 0.088857 0.000308 -0.005857 -2.20R
4 35.0 0.101000 0.103467 0.000784 -0.002467 -0.96 X
59 32.0 0.107000 0.105902 0.000892 0.001098 0.43 X
62 33.0 0.109000 0.105090 0.000856 0.003910 1.54 X
70 55.0 0.095000 0.087234 0.000312 0.007766 2.92R
75 33.0 0.103000 0.105090 0.000856 -0.002090 -0.82 X
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.

117
Exercice : Diagnostics d'une analyse de rgression (rsidus)
Les rsidus sont-ils lis aux donnes de la variable X
(dotation) ?
Residuals Versus staffing
(response is abandonment rate)

2
Standardized Residual

-1

-2

30 40 50 60 70
staffing

118
Exercice : Diagnostics d'une analyse de rgression (rsidus)

Les rsidus sont-ils stables et indpendants et ne


changent pas avec le temps ?
Versus Order
(response is abandonment rate)

2
Standardized Residual

-1

-2

1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75
Observation Order

119
Exercice : Diagnostics d'une analyse de rgression (rsidus)
3. Les rsidus sont-ils constants et n'augmentent pas au fil
de l'augmentation des donnes prvues de la variable Y?
Versus Fits
(response is abandonment rate)

2
Standardized Residual

-1

-2

0.080 0.085 0.090 0.095 0.100 0.105


Fitted Value

120
Exercice : Diagnostics d'une analyse de rgression (rsidus)

Les rsidus sont-ils normaux (en forme de cloche) avec une


moyenne de 0?
Normal Probability Plot
(response is abandonment rate)
99.9

99

95
90
80
70
Percent

60
50
40
30
20
10
5

0.1
-3 -2 -1 0 1 2 3
Standardized Residual

121
Observations inhabituelles

Minitab signale les observations inhabituelles pour que vous


puissiez :
les vrifier pour des erreurs
examiner si quelque chose d'inhabituel s'est produit
excuter de nouveau l'analyse de rgression sans celles-ci afin
de dterminer le changement des coefficients (b0 et b1)
Si le changement des coefficients est important, vous devez
dterminer si les observations inhabituelles seront utilises pour
dfinir l'quation de rgression.
Une droite de rgression devrait reprsenter de faon fiable la
relation entre X et Y
Laisser tomber certaines observations peut rduire la gamme des
donnes de la variable X
Toutefois, conserver certaines des valeurs aberrantes peut influencer
injustement l'quation de rgression

122
Valeurs rsiduelles normalises importantes

Les rsidus normaliss sont signals par Minitab si > 2.


Nous utiliserons le principe de base suivant :
Identifier si les rsidus normaliss sont suprieurs +3 ou infrieurs
-3
Les rsidus normaliss devraient tre normaux avec une moyenne
= 0 et un cart type = 1

-3 -2 -1 0 +1 +2 +3

123
Observations influentes

Les points influents sont habituellement situs aux deux


extrmits de l'axe des X
La droite de rgression est fonction des points influents qui sont
dans l'ensemble25de donnes ou qui en sont rejets

20

Erreurs/ 15 A
Meilleure droite d'ajustement
employ comprenant les points :
R2 = 11 %
10
B
Meilleure droite d'ajustement
5 avec omission des points :
R2 = 0 %
0
0 5 10 15 20 25
Nombre d'employs

124
Processus de rgression

En rsum pour avoir une formule de rgression, vous avez


besoin de suivre le processus de rgression :

Avec cette formule vous sera capable de prdire Y=f(x)

Diagramme Rsiduel
Corrlation Rgression
de Conclusion
(r) (r2) (4 tests)
dispersion

125
Exercice : rgression linaire
Objectif :
Utiliser l'analyse de rgression pour valuer notre supposition
qui veut que l'usure de la machine soit un facteur important dans
le diamtre non conforme des garnitures de bout.
Une premire analyse nous a montr que la poinonneuse no 2
de Brasro produit des garnitures de bout non conformes
(analyse de variance).
Notre quipe juge que l'usure de la machine peut tre l'origine
de cet tat de non-conformit. Des donnes disponibles
montrent la fraction de dfectuosit (garnitures de bout) par
rapport l'ge de la machine (dure d'utilisation en semaines).
Fichier de donnes :
SM2_Regression
Dure :
20 minutes
126
Exercice : rgression linaire (tape 1 : diagramme de
dispersion)
Le diagramme de dispersion montre la corrlation entre les
dfauts et l'ge de la machine (en semaines) :

Scatterplot of Defect Fraction vs Tool Aging


0.050

0.045
Defect Fraction

0.040

0.035

0.030

20 30 40 50 60 70 80
Tool Aging

127
Exercice : rgression linaire (tape 2 : r)

Corrlations : Tool Aging, Defect Fraction

Pearson correlation of Tool Aging and Defect Fraction = 0,896


P-Value = 0,000

128
Exercice : rgression linaire (tape 3 : rgression)

Regression Analysis: Defect Fraction versus Tool Aging

The regression equation is


Defect Fraction = 0.0213 + 0.000428 Tool Aging

Predictor Coef SE Coef T P


Constant 0.021271 0.001008 21.11 0.000
Tool Aging 0.00042750 0.00002136 20.02 0.000

S = 0.00215477 R-Sq = 80.3% R-Sq(adj) = 80.1%

Analysis of Variance

Source DF SS MS F P
Regression 1 0.0018602 0.0018602 400.64 0.000
Residual Error 98 0.0004550 0.0000046
Total 99 0.0023152

129
Exercice : rgression linaire (tape 4 : diagnostique)

Residuals Versus Tool Aging


(response is Defect Fraction)
3

2
Standardized Residual

-1

-2

-3

-4
20 30 40 50 60 70 80
Tool Aging

130
Exercice : rgression linaire (tape 4 : diagnostique)

Versus Order
(response is Defect Fraction)
3

2
Standardized Residual

-1

-2

-3

-4
1 10 20 30 40 50 60 70 80 90 100
Observation Order

131
Exercice : rgression linaire (tape 4 : diagnostique)

Normal Probability Plot


(response is Defect Fraction)
99.9

99

95
90
80
70
Percent

60
50
40
30
20
10
5

0.1
-4 -3 -2 -1 0 1 2 3 4
Standardized Residual

132
Exercice : rgression linaire (tape 4 : diagnostique)

Versus Fits
(response is Defect Fraction)
3

2
Standardized Residual

-1

-2

-3

-4
0.030 0.035 0.040 0.045 0.050 0.055
Fitted Value

133
Exercice : rgression linaire (tape 5 : Conclusion)

Y=f(x)
Y(taux de dfaut)=f(x) (tool age)

Analyse de rgression : Defect Fraction versus Tool Aging

Lquation de la rgression est


Defect Fraction = 0,0213 + 0,000428 Tool Aging

134
Exercice : rgression linaire (tape 5 : Conclusion)

Analyse et possibilits de prochaines tapes


L'usure de la machine est l'origine de 80 % des garnitures de
bout non conformes
On compte parmi les amliorations possibles l'utilisation
d'outillage plus durable, le remplacement de l'outillage des
intervalles plus courts, l'utilisation d'un matriau diffrent pour
les garnitures de bout, etc.
Il reste toujours 20 % des dfauts qui sont inexpliqus. Aprs la
mise en uvre et la vrification des amliorations de l'outillage,
une attention particulire doit tre accorde la recherche des
causes fondamentales pour ce 20 % des dfauts

135
Ballons

Exercice
Exercice : Ballons
Objectif :
Sexercer utiliser la bote outils de la phase mesurer

Instruction :
Formez les quipes selon les directives du facilitateur
Assignez des rles et des tches
Crez des plans de collecte des donnes et gonflez les ballons
Pour chaque ballon, mesurez et notez
Diamtre (cm)
Longueur (cm)
Temps par ballon (sec)
Nom de la personne en train de gonfler le ballon
Gonflez et recueillez les donnes
Entrez les donnes dans Minitab
Mettre les donnes des 3 quipes dans la mme feuille de travail
Crez des graphiques afin danalyser la situation

Time:
60 minutes.

2
Plan de collecte des donnes
Plan de collecte des donnes en Minitab

3
Partie 1
En observant les 3 groupes de ballons, quest-ce que vous
remarquez ?
Distribution normale
Causes spciales
Causes communs

4
Partie 2
Diviser la feuille de travail
Donnes / diviser la feuille de travail
Diagramme
Statistiques descriptives
Donnes / statistiques de base / montrer les statistiques descriptives
Diagramme de srie chronologique (gnral et par quipe)
Histogramme (gnral et par quipe)
Diagramme points / Dot plot (gnral et par quipe)
Carte de contrle (gnral et par quipe)
Bote moustaches (par quipe sur la mme diagramme)

5
Partie 3
Diagramme
Analyse de capabilit
Temps
LSS = 15 sec
Diamtre
LSI = 23 cm
LSS = 27 cm
Longueur
LSI = 30 cm
LSS = 40 cm

6
Partie 4
Diagramme
Charte de contrle (total et par quipe dans la mme
diagramme)
Par quipe dans la mme diagramme
I-EM Option/ tapes
Ne considrez pas le cause spcial pour calculer LCL et UCL
I-EM Option/ estimation/ omettre le sous-groupe suivant
Effectuer tous les testes pour les causes spciaux
I-EM Option/ Tests

7
Partie 5
Questions
Est-ce quon est en prsence dune distribution normale ?
Y a-t-il des causes spciales ou communes ?
Quel est le DPMO pour la longueur ?
Quel est le pourcentage de ballons dont le diamtre respecte les
spcifications du client ?
Quel est le pourcentage de ballons dpassant la dure
maximale pour gonfler un ballon ?

8
Partie 6 (semaine 2)
Diagrammes avancs
Diagramme de dispersion
Diamtre vs temps
Longueur vs temps
Rgression
Analyse rsiduel
Essai de lhypothse (par quipe)
Crer une feuille de travail sans les causes spciaux par quipe
Balayer les causes spciales
Data /Subset worksheet
Essai pour une variance gale
Anova (one-way)

Essai de lhypothse (quipe 1 et 2)


Crer une feuille de travail sans les causes spciaux mais incluant
seulement les quipes 1 et 2
Balayer les causes spciales
Data /Subset worksheet
Test t 2 chantillons

9
Analyse des modes de dfaillances
et de leur criticit
AMDEC

Phase Mesurer
Phase Analyser
Phase Amliorer
Phase Contrler
Pour vaincre la loi de Murphy = AMDEC
Tout ce qui peut aller mal ira mal Edward A. Murphy Jr.

2
Histoire
AMDEC a t invent par l'arme il y a environ 60 ans, en 1949. Il a
t utilis comme technique d'valuation de la fiabilit pour
dterminer l'effet des dfaillances.

Cest une ramification de la procdure militaire MIL-P-1629, intitule


Procdures pour l'accomplissement d'une analyse des modes de
dfaillances et de leur criticit .
Les dfaillances ont t classes en fonction de leur impact sur la
russite de la mission et de la scurit du personnel / matriel.
LAMDEC a t formellement mis au point et appliqu par la NASA dans
les annes 1960 afin d'amliorer et de vrifier la fiabilit du matriel du
programme spatial.

3
AMDEC
Analyse des modes de dfaillances et de leur criticit (AMDEC) est un outil
qui sert dentonnoir.

Cest une approche structure pour trouver les risques et les dfaillances
potentiels, afin de :
Identifier et valuer les dfaillances et effets potentiels dun procd ou dun
produit
Identifier des actions potentielles pour liminer ou rduire le risque des
dfaillances potentiels
Lister les risques du procd

Cest une approche structure pour


identifier
estimer
tablir des priorits
valuer les risques

LOBJECTIF est la prvention des dfaillances!

4
Objectif
Lobjectif de loutil AMDEC est de prvoir les problmes avant
quils se produisent :

Certains choses sont trop risques ou coteuses pour risquer


dencourir des erreurs

viter des problmes est souvent moins cher et plus facile que
de les rparer

5
Pourquoi un AMDEC ?
Pourquoi utiliser un AMDEC ?
Identifier les intrants et les variables critiques qui peuvent affecter la
qualit de lextrant
tablir les priorits et guider les efforts de collecte de donnes
valuer les risques associs avec les dfauts
Aider formuler des hypothses concernant les relations entre les
variables

Quand devrions-nous lutiliser ?


Sil y a un manque de clart savoir quelles variables sont importantes
et comment elles affectent la qualit de lextrant
Sil y a un besoin de prioriser les efforts
Pour valuer une solution avant de lexcuter

6
Simplement dit, AMDEC
Est une mthodologie qui facilite lamlioration du procd

Est un procd qui identifie tous les types de dfaillances


possibles et les consquences potentielles de ces
dfaillances

Identifie et limine des inquitudes tt dans le processus de


dveloppement dun procd ou dune conception

Aide concentrer sur la prvention et valuation des risques

7
Raisons et avantages de AMDEC
Quelques raisons et avantages dutiliser un AMDEC sont :

tre correct la premire fois


Pouvoir rduire les essais
Rduire le nombre de changements de design
Rencontrer un besoin des clients et/ou une plus grande
satisfaction du client
Minimiser et identifier les dfaillances potentielles et connues
(approche prventive)
Encourager la coopration et le travail dquipe entre des
activits diffrentes
Amliorer les rsultats en fin de compte

8
Feuille de travail AMDEC

Identifier les modes de Identifier les causes des Dterminer et valuer les
dfaillance modes de dfaillance et actions
les contrles

9
Vocabulaire AMDEC
Mode de dfaillance
La faon dont un procd peut ne pas russir
Effet
Limpact sur le procd ou les besoins du client cause de la dfaillance
Svrit
Limpact de leffet sur le client ou le procd
Cause fondamentale
La source initiale de la mode de dfaillance
Occurrence (ou frquence)
La frquence laquelle la dfaillance va se produire
Dtection
La probabilit que la dfaillance va tre dcouverte temps ou avant quil
puisse se rendre au client
Cote de priorit du risque (CPR) :
Le produit de svrit, doccurrence, et de dtection. CPR= S x O x D

iSix Sigma, 2010 10


3 critre
Dans un AMDEC, il y a 3 critres standards utiliser pour analyser le
risque potentiel dun dfaillance.
Svrit
Occurrence
Dtection

Criticalit= CPR (cote de priorit du risque)


CPR = RPN en anglais = S x O x D

11
Cote de priorit du risque (CPR)

20 % en haut des modes


de dfaillance par CPR

C
P
R

Modes de dfaillance

12
chelles dvaluation
Svrit
1 = Pas svre, 10 = Trs svre

Occurrence
1 = Peu probable, 10 = Trs probable

Dtection
1 = Facile dtecter, 10 = pas facile dtecter

13
Exemple dune chelle dvaluation de la svrit
Svrit = impacte probable de la dfaillance

Cote Critre : une dfaillance peut

Mauvaise 10 Blesser un client ou un employ


9 tre illgale
8 Rendre le produit ou service inutilisable
7 Causer un grand mcontentement de la clientle
6 Causer un mauvais fonctionnement partiel
Causer une baisse du rendement qui donnera probablement
5
lieu une plainte
4 Causer une faible diminution du rendement
3 Causer une faible nuisance ; peut tre surmonte sans perte

Passer inaperue et avoir un effet ngligeable sur le


2
rendement
Bonne 1 Passer inaperue et navoir aucun effet sur le rendement

14
Exemple dune chelle dvaluation de loccurrence

Cote Priode de temps Probabilit


Mauvaise 10 Plus dune fois par jour > 30 %
9 Une fois tous les 3 ou 4 jours 30 %
8 Une fois par semaine 5%
7 Une fois par mois 1%
6 Une fois tous les trois mois 0, 03 %
Une fois tous les six mois
5 1 par 10 000

4 Une fois par anne 6 par 100 000

3 Une fois tous les 1 3 ans 6 par million

Une fois tous les 3 6 ans


2 3 par 10 millions

Bonne 1 Une fois tous les 6 100 ans 2 par milliard

15
Exemple dune chelle dvaluation de la dtection
Cote Dfinition

Mauvaise 10 Les dfauts causs par la dfaillance sont indcelables


9 Vrification des dfauts dans les units occasionnelles
8 Les units sont chantillonnes et inspectes de manire systmatique

7 Toutes les units sont inspectes manuellement


Inspection manuelle comprenant des modifications pour prvenir les
6
erreurs

5 Le procd fait lobjet dun suivi (CPS) et est inspect manuellement

4 Utilisation des CPS et raction immdiate au situations hors contrle

Utilisation des CPS ci-dessus et inspection de 100 % des


3
situations hors contrle
2 Tous les units sont inspectes automatiquement
Le dfaut est apparent et peut tre rgl afin de ne pas toucher le
Bonne 1
client

16
Comment mener une AMDEC
1. Utiliser la schmatisation du processus pour identifier toutes les
tapes lintrieur du processus tudi en dtail
2. Identifier les modes de dfaillance possibles, c'est--dire les
faons dont le produit, le service ou le procd pourraient faire
dfaut
3. Dterminer les effets possibles pour chaque dfaillance
(consquences de cette dfaillance) et en valuer la svrit
4. Dterminer les causes de ces effets et valuer les probabilits
d'occurrence
5. valuer votre capacit reprer chaque mode de dfaillance
6. Multiplier les trois numros servant dterminer le risque de
chaque mode de dfaillance (CPR = Cote de priorit du risque)
7. Trouver des moyens de rduire ou d'liminer les
risques associs aux CPR levs

17
Exemple : beurre darachide

18
Exemples dapplication
Production
Un gestionnaire est responsable de dmnager une opration de
production une nouvelle installation. Il veut que le dmnagement se
passe le mieux que possible et quil ny a pas de surprise

Conception
Un ingnieur en conception veut penser toutes les faons possibles
damliorer la robustesse du produit qui est en train dtre conu en
identifiant les dfaillances de robustesse

Logiciel
Un ingnieur de logiciel veut penser aux lments possibles o un
logiciel peut avoir des dfaillances

19
Exemple : AMDEC (Nettoyer Sec)

Quelles recommandations proposeriez-vous?


S
O D N
Mode de Effets possibles Contrles du procd
tape du procd Causes possibles C P
dfaillance possible de la dfaillance V actuel
C T R

1 Rception Impossible de recevoir au Augmentation de 5 Employ non disponible 2 Employ de rserve 3 30


des vtements cours de la livraison la dure du cycle
2 Tri Vtements mlangs Retour au mauvais 9 Haut volume 2 Conteneurs de tri 10 180
client de vtements
3 Nettoyage Vtements souills Vtements endommags 10 Solvant contamin 1 Systme de filtration 2 20

4 Schage Vtements mouills Travail refaire (scher) 4 Cycle de schage 3 Commandes de 8 96


inadquat la scheuse
5 Repasser et Impossible d'tendre Augmentation des 6 Cintres en rupture 1 Systme Kanban 1 6
suspendre inventaires en cours de stock
6 Vrification Vtements mal tris Retour au mauvais client 9 Haut volume 2 tagres de tri 10 180
et tri de vtements
7 Emballage Utilisation du mauvais Clientle insatisfaite 7 Erreur humaine 1 Systme Kanban 10 70
emballage
8 Livraison Retour au mauvais Clientle insatisfaite 8 Facture d'expdition 3 Aucun 10 240
client inexacte

valuation du procd actuel (activits d'amlioration non comprises)

20
Ressources
Le secret pour une bonne AMDEC est une bonne quipe! Quand
vous crez votre AMDEC, faites attention quand vous choisissez
vos membres dquipes. La meilleure quipe inclut :
Des diffrents lments et connaissances
4 8 personnes
Facilitateur FACILITATOR RECORDER
Secrtaire

MANDATE/ FMEA
PROBLEM TEMPLATE

21
Exercice : montage du barbecue Brasro et AMDEC
Prparez un procd AMDEC prliminaire destin au montage du barbecue
Brasro (utilisez le formulaire qui se trouve la page suivante). Soyez prt
prsenter votre procd AMDEC la classe.

Directives :
Identifier une tape du processus (consulter votre schmatisation du processus)
Dterminer vos critres selon le consensus de votre quipe
Complter le AMDEC

Rfrences :
Tableau de montage du barbecue Brasro et donnes sur les plaintes des
clients

Dure :
30 minutes

22
Exercice : montage du barbecue Brasro et AMDEC

Mode de S O D N
Effets possibles Contrles du procd
tape du procd dfaillance Causes possibles C P
de la dfaillance actuel
possible V C T R

Monter la patte
1
l'avant de la cuve

Monter les pattes


2
l'arrire de la cuve
Prparer des roues
3 et les fixer aux
pattes arrires

Placer le barbecue
4
dans la bote
Placer le manuel
5 d'instructions
dans la cuve
Placer la grille
6 dans la cuve

Placer le couvercle
7
sur la cuve

Fermer la bote avec


8
du ruban adhsif

Envoyer au
9 service d'expdition

23
Rduction du temps de mise en course
(SMED)

Phase Analyser
Terminologie et dfinitions
La mise en course est le temps total entre le dernier bon
article produit et jusqu ce que le taux de production normal
soit atteint de nouveaux suite un arrt
Action de passer d'un produit ou d'un type de produit un autre.
Puisque ce changement demande effort et temps, les mises en
course sont habituellement peu frquentes et le travail s'effectue
en produisant de grands lots

2
Bon produit bon produit

Mise en course

Temps

Production
1. Retirer les anciens paramtres
2. Nettoyer et striliser
3. Installer les nouveaux paramtres
4. Procder quelques essais et
rajustements.
5. Vrifier et acheminer.
6. Recommencer.

3
Rduire le temps de mise en course
Rduire le temps de mise en course est une bonne technique
pour liminer le gaspillage dans un procd
Rduction de lintervalle
Amlioration au niveau de la ractivit et de la flexibilit

Rduction des inventaires


De plus petits lots rduisent les inventaires en cours et les inventaires de
produits finis
Synchronisation des procds avec le procd rgulateur

Amlioration de la qualit
Standardisation du procd; rduction de la variabilit

Simplification de la mise en course


Simplification des tapes; rsolution des problmes

Rcupration de la capacit
Utilisation du temps pargn pour la production de pices supplmentaires

4
Rduire lintervalle
La flexibilit dexcuter chaque Jour
type de produit chaque jour 1 2 3 4 5 6 . .
Modle .
aidera rduire la taille des A
lots et amliorer le flux.
Traditionnel B
Production de grands lots de
produit A, puis transition vers C Intervalle
le produit B, etc. Chaque lot
peut prendre plusieurs jours
ou semaines. Jour
1 2 3 4 5 6 . .
Modle
.
Flexible A
Excution quotidienne de B
chaque produit ou, encore
mieux, plusieurs fois chaque C
jour.
Intervalle

5
Amliorer la qualit
Pour rduire le temps de mise en course, il faut rduire ou
liminer la variabilit
Variabilit dans les mthodes de mise en course
d'une mise en course l'autre
d'un oprateur l'autre
Variabilit dans le matriel trait
Tout autre lment contribuant aux rajustements suivant la mise
en course

6
Simplifier la mise en course
Amliorations permettant d'effectuer plus rapidement les
mises en course entranent invariablement leur simplification :
Procdures simplifies
Tches physiques moins exigeantes
Moins doutils
Amlioration de l'organisation du milieu de travail
Rduction du nombre d'ajustements
Mthodes standardises : une mme mthode chaque fois

7
Approche faible cot ou sans cot
La dtrioration de l'quipement (mauvais entretien) doit tre
rectifie, mais il ne s'agit pas d'une approche faible cot .
Ne gaspillez pas d'argent pour un problme
L'achat de nouveau matriel est rarement la solution
Habituellement, on ne rgle ainsi qu'une petite partie du problme
Rglez les problmes procduraux et autres en premiers
Bon nombre de problmes peuvent tre rsolus par des mthodes
de rsolution de problme senses
Ayez frquemment recours au savoir-faire de vos employs
Demandez la participation des personnes qui effectuent le travail
Utilisez leur exprience et perfectionnez leurs comptences

8
Exemple : SCP LOCML procd standard de temps de transition Hamilton

nonc du problme : Priode Volume No de PPH


Temps de transition : 40 minutes alimentati fermeture
on
Augmenter la productivit
Avant 53 824 2 21 527
Minimiser temps darrt de la machine
Aprs 117 814 1 32 322

9
SMED
Lactivit qui consiste amliorer la flexibilit par la rduction
du temps ncessaire pour passer une nouvelle tche porte
plusieurs noms :
Rduction de la mise en course
Transition rapide
Rduction de la transition
SMED (rduction du temps de mise en course)
Ces termes sont interchangeables.

10
SMED
Rduction du temps de mise en course (SMED) est lune des
mthodes des principes Lean pour rduire le gaspillage dans les
procds manufacturiers.

Il fournit un moyen rapide et efficace de convertir un procd de


fabrication de lexcution du produit actuel lexcution du produit
suivant.

Le changement rapide est essentiel pour rduire la taille des lots de


production et ainsi amliorer le flux.

Le SMED nest pas limit au domaine manufacturier.

11
SMED
Shigeo Shingo a reconnu huit
tapes qui devraient tre
considres dans lexcution dun Sparer les internes et les externes
SMED. dans les oprations existantes
1.Sparer les oprations faites
linterne de celles faites lexterne
2.Convertir les internes en externes Convertir les internes
en externes
3.Standardiser la fonction, non la forme
4.Utiliser des pinces fonctionnelles ou
liminer la boulonnerie compltement Rduire et optimiser
5.Utiliser des gabarits les internes
6.Adopter des oprations parallles
7.liminer les ajustements liminer le retravail &
8.Mcaniser les ajustements

12
Un SMED parfait

Pour eux : 7 secondes


Pour nous : 7 minutes

13
Enregistrer la situation actuelle
Enregistrer la situation actuelle
Revoir la vido et noter les tapes
Noter le temps darrt de chaque tape
Revoir la vido et la documentation initiale avec lquipe
Faire un diagramme de spaghetti et ajouter dautres dtails aux
documents
Identifier les rares occurrences et dterminer sils devraient tre enlevs
de la situation rfrence
Comparer le temps total avec les donnes historiques pour valider que
la vido soit une rfrence utilisable
Si valide, poursuivre classer les tapes
Sinon, modifier la documentation ou renregistrer la vido

14
Simplification des fixations
Simplifier les fixations
liminer les insertions
Simplifier les attaches
liminer les outils
Amliorer laccs
Standardiser les outils
Trouver une mthode qui ncessite un ou deux mouvements au plus

15
Ides dliminer les ajustements

liminer les ajustements :


Rduire ou liminer le repositionnement
Dterminer les configurations correctes ou les meilleures qui soient
liminer le besoin de formation ou dexprimentation
Si une chose doit tre dplace pendant la mise en course, le faire de
la bonne manire ds la premire fois
Appliquer la rgle selon que tout doit tre positionn qu'une seule fois
Arrts positifs

16
Rsolution d'autres problmes relatifs au procd
D'autres problmes relatifs au procd
Prvenir les problmes
Trouver et rgler la cause fondamentale
Anticiper les problmes
Attaquer et rsoudre obstinment les problmes empchant une mise
en course sans heurt
Se demander sans arrt ce qui devrait tre fait pour rgler le problme;
ne pas rester bloquer savoir pourquoi cela ne peut tre fait

Choisir des solutions


htivement

17
Exemple : temps dexcution entre les vols
Moyenne Meilleur Rduction Technique de Lean
pratique potentiel1
Dbarquer les passagers 2 6:14 4:38 1:36 Les contrles plus strictes sur des bagages de cabines,
moins de passagers se dplacer vers larrire pour
trouver leurs sacs
Attendre pour lquipe de nettoyage 0:24 0:18 0:06 Lquipe de nettoyage en position lavance
monter dans lavion
Nettoyer lavion 11:48 9:40 2:08 Flux de travaille standardiser, minutage et mthodes
comme les produits de nettoyage dans les trousses
prparer lavance

Attendre le signal du personnel du 4:11 0 4:11 Signal visuel du personnel du cabine quand lavion est
cabine que lavion est prt prt embarquer par exemple lumire clignotant en
haut de la rampe
Attendre pour le premier passager 4:06 0 4:06
embarquer dans lavion
Embarquer les passagers 13:32 16:00 3:32 Les htesses de laire grent activement les
compartiment suprieures
Attendre pour la liste dinformation des 1:58 0:13 1:45 La liste dinformation des passager est livr par un
passagers agent suivant le dernier passager embarquer lavion

Fermer la porte de lavion 0:57 0:09 0:48 Agent prt fermer la porte de lavion
Dtacher la rampe de lembarquement 1:39 0:43 0:56
Temps total (incluant les tapes 52:18 33:11 19:07
initials)
1 Supposer une application rudimentaire des techniques Lean ; des rductions supplmentaires peuvent tre possible
2 Temps pour les tapes initiaux (attacher la rampe de lembarquement, ouvrir la porte de lavion, et attendre pour le premier passager de
dbarquer) peuvent tre rduit de faon significatif

18
Activit : SMED
Scnario : Vous tes la nouvelle quipe de direction qui supervise
lentretien dune flotte dhlicoptres lites. Lentretien prvu pour
les hlicoptres se produit chaque semaine et est prsent ci-
dessous :
Remplacer les skis
Remplacer les hlices la queue (2 articles noir et gris)
Remplacer lhlice en haut (3 articles noir, gris et bleu)
Remplacer les deux lumires bleues
Remplacer le systme de direction
Remplacer la visire protectrice
Remplacer la fentre

100 $ pour chaque article

19
Activit : SMED

Directives :
Assigner les rles dans votre quipe base sur le travail faire.
Partir le chronomtre et trouver les articles dans le deuxime sac,
ensuite effectuer lentretien. Noter le temps quil vous prend complter
les tapes.
SMED
Lister les tches (identifier du travail en cycle et hors du cycle)
Rviser les tapes et, si possible, changer les internes en externes
Rduire le temps des tches qui sont intrants
liminer le retravaille
Rpter avec les amliorations !
Calculer le cot total

Dure :
30 minutes

20
tape par tape
Directives :
1. Assigner les rles dans votre quipe base sur le travail
faire.
2. Partir le chronomtre et trouver les articles dans le deuxime
sac, ensuite effectuer lentretien. Noter le temps quil vous prend
complter les tapes.

Dure
10 minutes

21
tape par tape
I- Lister les tches (identifier le travail en cycle et hors cycle)

Dure
5 minutes

22
tape par tape
II- Rviser les tapes et, si possible, changer les internes en
externes

Dure
10 minutes

23
tape par tape
III- Rduire le temps des tches qui sont internes

Dure
10 minutes

24
tape par tape
IV- liminer le retravail

Dure
5 minutes

25
tape par tape
Comptition !
4. Temps
5. Cot

26
Rcapitulation Analyser

Phase Analyser
Lean Six Sigma

DFAUTS
VARIATION
GASPILLAGE
FLUX

2
Phase 3 : Analyser
Dans la phase Analyser, vous dveloppez, analysez et
validez vos thories pour identifier les causes fondamentales.
Celles-ci serviront de base pour la mise en uvre des
solutions dans la prochaine tape. Vous analysez :
Un procd en utilisant les 8 questions de ltat futur
Des donnes de manire statistique

Dfinir

Contrler Mesurer

Amliorer Analyser

3
DMAAC

Information D

Flux de produit M Y=f(x)

Donnes
Matriel
A
Processus
A

4
Processus
Cartographie de la chane de valeur de la situation actuelle +
8 questions pour ltat futur = cartographie de la chane de
valeur de ltat futur
Quantifier les amliorations en utilisant un tableau rcapitulatif

Dterminer la boucle amliorer en se basant sur divers critres


Quest-ce qui est urgent, important, facile, faible/sans cot ?

Analyser les lments de travail et lquipement (si applicable)

5
8 questions de ltat futur pour une cartographie de la chane de valeur
de ltat futur
1. Quel est le temps de Takt ?
2. Peut-on construire/avoir un magasin pour lexpdition ou pour les produits
finis ?
3. O est-ce que le flux continu peut tre utilis?
4. O a-t-on besoin dun magasin ou dun FIFO pour un systme flux tir ?
5. quel endroit se situe le point dans la chane de valeur o la
production/transformation est dclenche ( pacemaker ) ?
6. Comment une production de diffrents produits est gre par le
pacemaker ?
7. Comment le volume de production est stabilis par le pacemaker ? (c.-
-d. Pitch: quelle mesure du travail sera suivi l'tape "pacemaker" du
processus)
8. Quelles sont les amliorations de processus ncessaires pour que le futur
devienne une ralit? (ex. temps de fonctionnement, rotation et formation)

6
Donnes
1. Avez-vous besoin de faire des recherches plus approfondies
propos des causes fondamentales ? Quels sont les intrants
possibles qui sont importants au procd ?

1. L'quipe crera une liste de causes potentielles (X)


2. Elle organisera ces causes potentielles afin de voir les relations
de causes effets
3. Les causes sont valides afin que les amliorations se
concentrent sur la cause fondamentale, pas le symptme

Y=f(x)
7
Donnes
Lanalyse vise dterminer les causes fondamentales dun
problme.

Remue-mninges
Diagramme daffinit
Arte de poisson / Ishikawa / 6M
5 Pourquoi / diagramme darbre
Matrice YX / matrice cause et effet

8
Analyser
Processus
liminer le gaspillage et dveloppe un flux en utilisant les 8 questions de
ltat futur

Donnes
Dvelopper des hypothses au sujet des causes fondamentales
Utiliser lanalyse des donnes pour valider les causes
Utiliser un diagramme de dispersion et les corrlations pour valider la
relation entre x et y
Utiliser les tests dhypothses pour valider limportance des x y
liminer les x sans importance et cibler les quelques x critiques (vitaux)

Les deux
Pour les causes identifies fais-les donc . Fais-les donc
Rsumer les rsultats dans la revue de jalon Analyser

9
Livrables danalyser

10
Aperu Amliorer

Phase Amliorer
Phase 4 : Amlioration
Dans la phase damlioration, lobjectif est didentifier et
dexcuter des solutions qui adressent les causes
fondamentales. Lextrant est planifi, les actions qui devront
liminer ou rduire limpact des causes fondamentales
identifier sont values. Vous amliorez en mettant en uvre:
Des solutions
Des outils de prvention des erreurs
Dfinir

Contrler Mesurer

Amliorer Analyser

12
LSS reprsentation visuelle
Problme 3
Problme 1 Xc Xd Problme 4
Xa Problme 2
Y Xb Y Y
Y
Mandat du projet
Dterminer le problme et
FIPEC + VdC
DFINIR tablir les priorits Matrice de famille de produits

cartographie de chane de valeur, schmatisation du


processus, collecte des donnes, dfinitions
valuer la situation
MEASURER actuelle
oprationnelles, chantillonnage, gage R&R, modles,
stratifications, capabilit du processus, carte de contrle

Dterminer les Outils danalyse des donnes: Cartographie de chane de


Diagrammes causes et effets, valeur de la situation
ANALYSER causes AMDEC, Pareto, vrification des future
hypothses, analyse de rgression, Crer un flux :
fondamentales plan dexprience
Slection de la boucle
Gnrer et valuer des Analyse du temps et du
Slectionner et solutions, slection des travail
AMLIORER mettre en uvre solutions, planification
de la mise en uvre, 5S
valuation de lquipement
Plan de lamnagement de
des solutions et lieu de travail visuel
la cellule
Travail standard Dterminer la main duvre
Excuter un soutien
Prvention des erreurs Planification de lopration
CONTRLER pour maintenir les Graphique de contrle
Planification de la mise en
uvre
rsultats et la Plan de contrle Excution and dbogage
situation Clture Amlioration continue
Y = f(x) problme rsolu Fermeture du projet

13
Atelier Kaizen

Phase Analyser
Kaizen
Que signifie Kaizen ?
Une philosophie selon laquelle l'amlioration continue s'effectue
par de petites amliorations graduelles apportes aux procds,
lesquelles se rptent l'infini

Comparer Kaikaku :
Changement radical, un changement important qui survient en
peu de temps

2
Atelier Kaizen
Parfois, vous avez besoin de rsoudre un problme et vous
ne pouvez pas attendre long temps pour voir la mise en
uvre des ides. Dans ce cas, latelier Kaizen est la
meilleure approche.
Philosophie du DMAAC au complet est applique
Activit de courte dure, de quatre cinq jours, qui met l'accent sur un
lment particulier
Les membres de lquipe sont ddis lactivit (inter fonctionnel)
Rsultat : excution immdiate (pas dactions rsiduelles planifier)

Objectifs de latelier Kaizen :


Obtenir les rsultats voulus IMMDIATEMENT !
Offrir de nouvelles aptitudes de rsolution de problmes lquipe

3
Atelier Kaizen
Vous pouvez choisir cette approche (au lieu dun projet
traditionnel) quand vous voulez :
Obtenir des rsultats rapidement faible cot
Concentrer les efforts sur des amliorations concrtes
Susciter lenthousiasme grce des rsultats rapides
Inculquer le sentiment d'tre partie prenante de la solution grce
la participation

4
Le mantra de latelier Kaizen est
Fais le donc!

5
GEMBA = scne de crime
Durant latelier Kaizen, on applique le GEMBA. Lapproche
Kaizen met en place des changements pour travailler plus
intelligemment, non pas plus fort. Lapproche est oriente sur
les individus
Voir, visiter, observer dans les milieux de travail et sur le
plancher.
Sur la scne de crime , on y trouve la vrit.

6
Lapproche Kaizen
Lapproche du Kaizen vise excuter rapidement les
amliorations en suivant une mthode. Dans un Kaizen,
lapproche suit le DMAAC
DMAAC intensive !!!

Prparation ATELIER SUIVI


1-5 jours 4-5 jours 20-30 jours

D-M M-A-A-C C

7
Conditions requis pour un atelier Kaizen
Un atelier Kaizen est une activit exigeante (beaucoup de
pression, excution rapide et des ressources ddies). Mais
efficace quand cest utiliser au bon moment !
Il doit y avoir un sentiment durgence et le dsir de rsoudre la
problmatique en une semaine
Il doit y avoir une volont de s'amliorer et une certitude qu'il est
toujours possible de s'amliorer
Les participants doivent tre capables de travailler de faon efficace en
groupe
Le groupe est habilit raliser l'objectif
Tous doivent tre gaux pendant latelier sans niveau et statut
Le procd doit suivre une approche structure - DMAAC

8
Cadre de travail dun atelier

PR-KAIZEN LUNDI MARDI MERCREDI JEUDI VENDREDI

Mandat du DFINIR : ANALYSER : Pilote de la Finaliser les Finaliser les


projet Prsenter le Remue-mninge solution amliorations dtails
mandat, la des causes
Porte porte fondamentales Amliorer les
Valider les solutions
FIPEC Visiter le site causes
Observer les & Slectionner
Collecte des problmes
donnes
MESURER : AMLIORER : Mettre en place CONTRLER : Prsentation
Photos Schmatisation Remue-mninge des anti-erreurs, Communication, finale aux
du processus des solutions le plan de formation, etc. champion et
valuer le Slectionner communication, Collecte des promoteurs
Observations laffichage, les
problme des solutions donnes,
procdures de graphiques
Commencer le Planification travail, etc.
Graphiques
plan de Prparation Indicateur cl
communication pour le pilote de performance
Analyse des et outils
parties dentretenir
prenantes

9
Rles dans un atelier Kaizen

Facilitateur Co-leader Champion


Rle Orienter Confirmer le Supporter lquipe
lquipe et message de la
garder la direction
mthodologie Rpondre aux
questions
Responsabilits Clarifier le tre dans lquipe Assister au revue
mandat Diriger les sous- de jalon
Diriger les groupes Confirmer les
tapes Contacter les dcisions et les
Prparer les ressources directions
activits pour externes Mettre lemphase
rsoudre le sur le respect de
mandat lchancier

Et une QUIPE !

10
Mto de Kaizen

700
600
500
400
300
200
100
0
Lundi

Mardi

Vendredi
Mercredi

Jeudi

11
Gnration, valuation et slection des
solutions

Phase Amliorer
Implication des personnes la recherche de solutions
Quand les personnes sont impliques dans lexcution ou le
suivi de la solution, ils sont plus engags aux solutions parce
quils ont aid le dvelopper.
Il n'est pas ncessaire que chaque personne participe
pleinement chacune des tapes.
Avant de commencer le travail relatif la recherche de solutions,
utilisez la matrice de participation pour vous aider dterminer
le niveau approprier dimplication pour les groupes diffrents.

2
Matrice de participation
Directives :
Utiliser la matrice pour vous aider dterminer qui devrait participer
la recherche et la mise en uvre des solutions pour votre projet.
Dure:
10 minutes
Quels groupes ou personnes doivent :

tre responsable de Participer tre consults pour tre informs au sujet de


Tche
Recherche de solutions

Slection des solutions

Planification de la mise
en uvre
limination des
problmes potentiels
Mise en uvre de la
solution
valuation des rsultats

3
Recherche dides de solution
Pour trouver la meilleure solution, nous avons besoin de crer
du nouveau
Revoir ce que vous savez propos du procd et de la cause
tablie
Faire un remue-mninges pour trouver des ides de solution ;
utiliser les techniques de crativit
Combiner les ides pour arriver des solutions

4
Rsolution de problme

Si javais une heure pour rsoudre un


problme, je passerais 55 minutes penser
au problme et 5 minutes penser aux
solutions Einstein

5
Quel est VOTRE problme ?
Types de problmes :
Casse-ttes
Porte est trop grosse
Incertitudes
Dilemmes
Conflits
Complexits

6
Le concept

7
Techniques de crativit rapide et rudimentaire
Le facilitateur doit aider lquipe tre cratif par lutilisation de
diffrentes techniques. La premire ide nest pas toujours la
meilleure
Penser comme une enfant :
Imaginez ce quun enfant de six ans ferait pour relever votre dfi.
Remettre les rgles en question :
Dressez une liste de rgle ou de paradigmes daffaires qui laissent entendre
que votre problme ne pourrait tre rsolu . Ne respectez pas les rgles.
Fixer une chance :
Prenez cinq minutes de votre temps pour trouver une solution que vous
devrez mettre en uvre.
Arrter dinventer des excuses :
Dressez une liste et travaillez pour enlever les obstacles afin de russir.
Chaises musicales :
Pensez votre dfi dun point de vue diffrent, travers les yeux de
quelquun dautre.

8
Techniques de crativit investissement court terme
Edison:
Explorez les facteurs externes qui peuvent avoir une incidence sur votre
tche accomplir et dterminez les lments de l'environnement dont
elle fait partie. Schmatisez les forces, les facteurs, les exigences, les
contraintes et les lments qui entrent en jeu dans la tche que vous
avez excuter. Une fois que votre systme est complet et quilibr,
crez un changement radical en choisissant une des forces agissant sur
votre systme afin de crer un chaos. Pour rtablir l'quilibre, modifiez
ou liminez les contraintes sur les autres forces, et ce, afin de crer un
nouveau systme.

9
Techniques de crativit approches plus impliqus
SCAMPER est une autre technique
Isolez le dfi ou le sujet auquel vous voulez rflchir :
Substituer - Combiner - Adapter - Modifier ou Amplifier Penser dautres utilisations - liminer ou
diminuer Renverser ou rorganiser

Travaillez la liste SCAMPER pour chacune des tapes du dfi ou du sujet et considrez les
nouvelles ides qui peuvent en ressortir.

Comment pouvons-nous encourager les clients participer davantage


au dveloppement de nos produits?
Quelle nouvelle procdure pourrions-nous substituer la procdure actuelle?
Comment pouvons combiner les suggestions des clients au sujet des nouveaux
produits avec les autres procds?
Que pouvons-nous adapter ou copier du modle de participation des clients de
quelqu'un d'autre?
De quelle faon pouvons-nous modifier notre procd actuel?
Que pouvons-nous amplifier ou ajouter notre procd actuel?
Comment la participation de la clientle peut-elle tre employe dans d'autres
domaines?
Que pouvons-nous liminer de la mthode actuelle que nous utilisons pour
obtenir la participation de nos clients?
Quelle est la technique inverse de la technique qui vise rechercher la
participation des clients?
Comment pourrait-on mieux rorganiser notre procd actuel visant obtenir la
participation de la clientle?

10
Techniques de crativit approches plus impliqus
UNE PARTIE LA FOIS est une autre technique
noncez votre dfi.
Analyser le dfi et dressez une liste du plus grand nombre possible.
En prenant chaque attribut la fois, pensez aux faons dont vous pourriez le changer ou
l'amliorer. Demandez-vous Par quelle autre mthode puis-je encore le faire? et
Pourquoi dois-je le faire comme cela, et pas autrement? .
Efforcez-vous de penser vite tout en restant souple.

Exemple : Une usine de transformation de poisson surgel s'inquitait de ce que son poisson
tait fade. Il essaya toutes sortes de mthodes pour faire en sorte que son poisson ait un bon
got de poisson frais, y compris sa conservation en vivier jusqu'au moment de sa
transformation. Rien n'y fit; le poisson en vivier n'tait gure plus frtillant. la recherche
d'une solution au problme, il dressa une liste des attributs des poissons :
Vivent dans leau
Ont des oues et des nageoires
Toujours en mouvement pour chapper leurs prdateurs
sang froid
Changent de couleur une fois hors de leau

Il tudia chaque attribut pour tenter de trouver des solutions au problme. Finalement, il trouva la
solution : un petit requin fut ajout dans le vivier plein de poissons. Les poissons, pour chapper
leur prdateur, gardrent toute leur vitalit et conservrent ainsi leur got de poisson frais. Le fait
d'avoir pens aux prdateurs des poissons a permis de trouver la solution son problme.

11
Techniques de crativit approches plus impliqus
BOTE DIDES est une autre technique
Matriaux Forme Finition Position
Osier Carr Naturel Sur le sol
Plastique Cylindrique Peint Au plafond
Papier Rectangulaire Transparent Au mur

Mtal Hexagonal Lumineux Vide-ligne


Filet Cubique Fluorescent Accroch la
porte

Les variations sont choisies au hasard et sont alignes pour explorer de


nouvelles ides ou des solutions potentielles. Ici, la bote dides a
comme rsultats dun nouveau panier linge fabriqu dune sorte de
filet de ballon-panier qui est attach un cerceau et pendu un
panneau pouvant se visser sur une porte. Les enfants peuvent remplir
le panier en jouant au ballon-panier avec leur linge sale.

12
Techniques de crativit approches plus impliqus
La pense intgrative est une autre technique

La pense intgrative est la capacit de faire face aux tensions


des modles opposantes dune manire constructive, et au lieu
den choisir une au dtriment de lautre, gnrant une rsolution
crative de la tension dans la forme dune nouveau modle qui
inclut des lments de chaque modle, mais qui est suprieur
chacun.
Roger Martin, The Opposable Mind (2007)

13
Modle de la pense intgrative
1. Quest-ce quon choisit de se concentrer sur et quest-ce quon
ne choisit pas. Dans cette tape initiale, on dcide quelles
caractristiques sont pertinentes notre dcision. Quelles
informations ou variables sont pertinentes notre dcision.

2. Comment est-ce que nous expliquons ce que nous voyons.


Quelles sortes de relations est-ce quon croit quil existe entre
les diffrentes pices du casse-tte ?

3. Lensemble du modle mental est bas sur les dcisions des


deux premires tapes. Dcider comment vous allez construire
votre modle pour que tout ce qui est important soit fait.

4. Quelle sera notre dcision, base sur notre raisonnement ?

14
Des penseurs intgrative
Des penseurs intgratifs :
Construisent des modles au lieu de choisir entre eux.
Considrent les perspectives de chacune des parties prenantes
Considrent le problme en entier au lieu de le diviser en petits
partis et les rsoudre en partis.
Rsolvent des tensions de manire crative sans faire des
compromis coteux
Transforment des dfis en opportunits

15
Modle de pense intgrative
1. Exprime deux modles opposants
Identifier les deux modles opposants
Esquisser les ides
Lister les individus cls ou les parties prenantes
2. Examiner les modles et faites un remue-mninges
Lister tout ce qui est positif de chaque modle pour chaque partie
prenante
Voter ou discuter et surligner les ides principales qui semblent essentiels
de chaque modle
Identifier ce qui nest pas essentiel
3. Explorer les possibilits
Soyez cratif ! quoi une troisime option qui incorpore les essentiels des
modles ci-dessus pourrait ressembler ?
Comment pourriez-vous avoir les meilleures caractristiques des deux
modles ?
Conseils !
Aimer chaque modle
Se donner du temps pour crer et dvelopper de nouvelle perception
viter le ngativit !

16
Dautres techniques cratives de la rsolution des problmes
Pens paradoxal
tudier des paradoxes permet de penser au-del de lvidence.
Penser au-del de lvidence est lessence de la crativit.

17
Pense le contraire

18
Pense de Janus

19
Pense hglienne

20
Retour votre problme !
Deux randonneurs sauvages sont tombs par hasard sur un grizzly froce.
Un deux tire ses chaussures de course de son sac et les lace rapidement.
Son compagnon crie dtonnement,
Es-tu fou ? Tu ne peux pas distancer un ours .
Sa rponse pendant quil dcolle courir,
Je nai pas besoin de distancer lours.
Tout ce que jai besoin de faire est de me distancer de toi.
Dfinir le vrai problme. Une tche difficile!

21
Exercice : gnrer de nouvelles ides
Objectif
Utiliser la technique : pense crative
nonc du problme
nonc du problme : Il y a eu une controverse rcente entourant Duncan Keith,
de Chicago. La semaine dernire, le dfenseur des Blackhawks a t critiqu en
Vancouver aprs quil a dit une insulte, que certains considraient comme
sexiste, la journaliste de radio Karen Thompson, du Team 1040, aprs le
match.
Certains disent quune journaliste femelle ne devrait pas tre dans les vestiaires
des hommes en premier lieu et vice versa pour les journalistes mles.
Option 1 : les journalistes des deux sexes sont permis dans les vestiaires aprs le
match.
Option 2 : les journalistes de sexe oppos ne sont pas permis dans les vestiaires aprs
le match.
Livrables
Proposer une solution
Directives
Diviser en petites quipes en suivant les consignes du facilitateur.
Dure :
20 minutes

22
Exercice : gnrer de nouvelles ides
Objectif :
Votre mission : dvelopper des nouvelles collations pour des enfants.
Vous allez tre assigner une des approches suivantes :
SCAMPER
Une la fois
Bote dide
Edison
Pens crative

Livrables
Nom du produit
Description du produit
Ides de marketing
Directives :
Diviser en petits groupes en suivant les consignes du facilitateur
Prsenter vos solutions et votre procd la classe
Dure :
20 minutes

23
valuation des ides de solution
Quand vous avez une liste de solutions possibles, vous avez
besoin de les valuer avant de les slectionner. Les plusieurs
faons dvaluer les solutions possibles:
Procder une analyse crayon papier (noter chaque option en
fonction d'un critre)
Modliser ou simuler les solutions
Mettre la mise en uvre l'essai
Vrifier la cohrence de la solution
Matrice
Matrice de Pugh
Matrice de priorits

24
valuation des ides de solution
Parfois le choix pourrait tre vident selon vos connaissances
du procd et du problme
Plus souvent, vous avez besoin dvaluer les avantages et les
dsavantages
Utiliser une approche structure, comme une matrice de priorits

25
Matrice de priorits (simple)
Utiliser une approche structure, comme une matrice de
priorits
1. tablir les critres dvaluation de la solution
2. valuer chaque solution selon les critres
chelle de 1 10
10 est le plus dsir, 1 est le moins dsir
3. Multiplier Critre 1 X Critre 2 X Critre 3 = Total
4. Le plus haut total est la solution plus attrayante

26
Matrice de priorits (critre et poids)
Pour dfinir la meilleure solution, nous entreprendrons les
tapes suivantes :
tablissement de critres
Pondration des critres
valuation des ides
Critres et facteurs de pondration
Rsultat
Solution Facile Rapide Technique Incidence Clients TOTAL
final leve
0,2 1,25 0,3 1,365 0,6
A 3,0 10 2,4 19,8 8,4 43,6
B 1,2 18,75 4,2 18,15 5,4 47,7
C 2,6 13,75 2,7 8,25 4,8 32,1
D 1,2 7,5 2,7 19,8 5,4 36,6

27
Matrice de priorits (critre et poids) : No 1 critre commun
Votre quipe doit faire un remue-mninges pour trouver sa
propre liste de critres. Voici comme point de dpart des
questions pour l'laboration de critres collectifs utiliss pour
valuer les solutions ou les changements proposs.
Quelles causes fondamentales sont attaques et jusqu' quel
point?
Quel sera le cot?
Quels en sont les avantages possibles?
Quel est le degr de facilit de mise en uvre?
Quels sont les problmes ventuels?
Que doit-on prvenir ou quels effets secondaires sont pallier?

28
Matrice de priorits (critre et poids) : No 2 pondration des critres
Vous devez choisir les critres qui sont les plus importants
pour votre projet
Tous les critres ne sont pas gaux

Une des faons de dcider des facteurs de pondration est


de voter parmi les membres de votre quipe

29
Matrice de priorits (critre et poids) : No 2 pondration des critres
Comment pondrer les critres
Utilisez le procd du consensus ou celui de mise aux votes
pour ramener la liste des critres 10 ou moins
Classez les autres critres de la liste
Votes
Critres Joe Kim Li Marcos TOTAL
A. Facile apprendre 0,1 0,1 0,2
B. Mise excution rapide (<2 mois) 0,25 0,2 0,3 0,5 1,25
C. Utilise la technologie actuelle; pas de
nouveau logiciel ou autre quipement 0,2 0,1 0,3

D . A la plus grande incidence sur la 1,65


rduction des dfauts
0,25 0,5 0,4 0,5

E. Les clients remarqueront le changement 0,5 0,1 0,6

1,0 1,0 1,0 1,0 4,0

30
Matrice de priorits (critre et poids) : No 3 prparation du matrice

Critres

Facile Rapide Technique Incidence Clients


leve
Solution TOTAL
0,2 1,25 0,3 1,365 0,6
A

31
Matrice de priorits (critre et poids) : No 4 valuation de chaque option

Critres et facteurs de pondration

Solution Facile Rapide Technique Incidence Clients TOTAL


leve

0,2 1,25 0,3 1,365 0,6


A Additionnez les classements assigns par
chacun des membres de l'quipe pour
B
chacun des critres.
C

D 1+1+2+2=6
6 x 0.2 =
1.2
Multipliez le classement global
par le facteur de pondration
pour obtenir le rsultat final.

32
Matrice de priorits (critre et poids) : No 5 rsum des rsultats finaux

Critres et facteurs de pondration

Facile Rapide Technique Incidence Clients


Solution leve TOTAL

0,2 1,25 0,3 1,365 0,6

A 3,0 10 2,4 19,8 8,4 43,6

B 1,2 18,75 4,2 18,15 5,4 47,7

C 2,6 13,75 2,7 8,25 4,8 32,1

D 1,2 7,5 2,7 19,8 5,4 36,6

(Total des classements vots) x facteur de


pondration Total le plus lev =
meilleure option
33
Exercice : Utilisation d'une matrice de priorits des solutions
Objectif :
Crer une matrice de priorits des solutions, y compris
l'laboration de critres, la pondration des critres, la
prparation de la matrice et le classement des options.
Directives :
Toute la classe doit dresser la liste de toutes les solutions
possibles qui ont t gnres au cours de l'exercice des
collations. Utiliser une matrice de priorits des solutions :
laborez des critres et des facteurs de pondration
Classer les ides (haut rsultat = la meilleure)
Dterminer les rsultats finaux
Dure :
20 minutes pour crer une matrice de priorits des solutions

34
Collecte de donnes supplmentaires

Si la matrice de priorits des solutions ne vous aide pas en


arriver un choix clair et mme si elle y parvient vous
pouvez obtenir davantage de renseignements sur une solution
par
Modliser ou simuler les solutions
Mettre la mise en uvre l'essai ( petite chelle)
Observer (trouver une personne ou une organisation qui fait
quelque chose de semblable et l'observer)

35
Prise de dcision
Prendre une dcision pour slectionner la(les) solution(s) peut
tre difficile. Dpendant de la situation, le procd peut tre
diffrent
Si une solution gagnante est trouve l'tape de l'valuation,
choisissez-la
S'il y a de lhsitation dans le choix, procdez une prise de
dcision
Consensus
Vote majoritaire
Une personne

36
Prise de dcision par consensus
Consensus NEST PAS :
un vote unanime
en arriver ce que tout le monde soit entirement satisfait du
rsultat
ncessairement le premier choix de tout le monde
tout ce que voulait tout le monde
la bonne opinion laquelle tout le monde se rallie

Consensus EST :
la recherche de la meilleure dcision grce l'exploration des
meilleures ides de chacun
une dcision prise que chacun comprend et dont chacun peut
expliquer le bien-fond
l'occasion donne chacun d'avoir t entendu

37
Quand utiliser le consensus
Quand la dcision
1. Discuter
A une incidence leve
A de graves consquences 3. Est-on parvenu un
Est charge dmotion accorde?
.Si non, continuer
Cre la controverse
Suscite de grandes divergences dopinions
2. Vrifier

Une meilleure prise de dcision sera possible si


Tout le monde peut partager son opinion et mettre ses ides
Vous parvenez ce dont tout le monde soit pleinement
convaincu
Vous utilisez un procd bien organis pour aider les membres
de votre quipe s'couter les uns les autres

38
Conseils pour consensus
Dans le processus de prendre une dcision
Utiliser un facilitateur
Prendre des notes dtailles
quilibrer les forces
Sassurer davoir suffisamment de temps
Chercher des solutions alternatives qui rencontrent les objectifs de tous les
membres
Encourager tous les membres participer pleinement
couter attentivement. Sassurer que tout le monde comprend
tre ouvert aux nouvelles ides, mais pas pour changer dopinion dans le
but de simplement viter tout conflit ou acclrer la prise de dcision
Ne pas discuter seulement son propre point de vue
Rechercher les opinions divergentes. Choisir des gens qui se font l'avocat
du diable

39
Exercice : Consensus magasin de soulier
Objectif :
Appliquer le processus de prendre les dcisions

Directives :
Utiliser votre feuille de papier du magasin de soulier
Suivre les consignes du facilitateur
Trouver les rponses et obtenir un consensus
Quand vous avez un consensus, valider vos rponses avec le
facilitateur

Dure :
20 minutes

40
Exercice : Consensus perdu en mer
Objectif :
Dvelopper des habilits dtablir un consensus dans une
quipe
Examiner les avantages dtablir un consensus versus davoir
une pense individuelle en relation aux rsultats du scnario

Directives :
Utiliser votre feuille de travail perdu en mer individuelle
Suivre les consignes du facilitateur
Obtenir un consensus et numrer les 15 items
Discussion de groupe en classe

Dure :
20 minutes

41
valuation des risques
On vous a introduit au AMDEC pendant la premire semaine
pour vous aider identifier les donnes que nous avons
besoin de collecter. AMDEC est aussi un outil typiquement
utiliser pour lanalyse des risques
Quand vous cherchez un risque associ chaque solution possible

AMDEC peut tre utilis pour valuer les risques


Utiliser le CPR pour comparer 2 situations

AMDEC
Approche structure pour identifier, estimer, prioriser et valuer les
risques
Vise la prvention des dfaillances
Principalement utilis pour identifier les risques lis aux
changements dans le procd

42
valuation des risques - AMDEC
Analyse AMDEC Date __________(originale)
___________(rvise)
Projet : _____________________ quipe : _____________________

Occurrence
Occurrence
Mesure

Dtection
Dtection
Article ou Mode Consquences Responsabilit adopte

Gravit

Gravit
tape de dfaillance possibles de Causes Contrles Mesures et aprs

NPR
NPR
du procd possible la dfaillance possibles actuels recommandes date cible

Nombre total de priorit de risques = Nombre de priorit de risques aprs =

43
Rcapitulation : slection des solutions
Faire participer les membres
Utiliser les techniques de crativit pour gnrer des solutions
alternatives
tablir des critres et les pondrer
valuer chaque solution pour chacun des critres
Faire preuve de crativit dans la recherche d'autres
renseignements pour arriver trouver une ventuelle solution
Chercher des risques associs avec chaque solution possible
En l'absence d'un choix vident, avoir recours la prise de
dcisions par consensus

44
Sant et scurit

Phase Amliorer
Introduction
Quand vous travaillez sur un projet, comprendre la sant et scurit est
votre responsabilit. Ceci est la diligence responsable. Chez Postes Canda,
nous avons le processus PDU pour numrer les actions complts avant
de mettre en uvre des changements aux quipements. Aussi, il y a
dautres plateformes chez Postes Canada que vous devez consulter quand
vous fassiez des changements : comits locaux conjoints sur la sant et
scurit.

Votre concept devrait comprendre des ergonomies, une analyse des


risques, etc.

Nous sommes tous responsables pour la sant et scurit !

Des contrles seront mises en uvre pour la prvention des blessures et


la diminution des risques de scurit

2
Dfinition de lergonomie
LERGONOMIE est la discipline scientifique portant sur les
interactions entre les humains et les autres lments dun
systme (c.--d.. les outils, les quipements de production,
les tches, lorganisation, la technologie et lenvironnement).

Ce domaine applique les thories, les principes, les donnes, les


mthodes et les analyses la conception afin d'optimiser :
La bien-tre humain et la performance globale du systme.

3
Pourquoi connatre ce quest lergonomie?
La majorit des problmes
ergonomiques viennent
gnralement de la COT DE MODIFICATION
CAPACIT
conception du processus et du DINFLUENCER DE LA CONCEPTION

poste de travail.
Les correctifs apporter pour
corriger des problmes
ergonomiques sont
gnralement lis un
manque lors de ltape de
conception

CONCEPTION PLANNIFICATION CONCEPTION/


DU PRODUIT DU FABRICATION AMNAGEMENT

TEMPS EXISTANT

4
Ergonomies

Voudriez-vous lever
cette porte 8 fois par
quart de travail ? 8 fois
par heure ?

5
Ergonomie

Voudriez-vous
dcharger cette palette?

6
Conformit la rglementation
Code canadien du travail
. S'assure que la machinerie, l'quipement et les outils utiliss
par les employs dans le cadre de leur travail soient conformes
aux prescrits de la sant, la scurit et d'ergonomie

La rglementation canadienne sur la sant et la scurit a


rcemment modifi la partie XIX lie l'ergonomie dans le
cadre du programme de prvention des risques pour les
employs de juridiction fdrale.

La rglementation canadienne sur la sant et la scurit aux


sections 14.46 - 14.49 fournit des lignes directrices pour la