Chapitre 4 Six Sigma PDF

Chapitre 4
Six Sigma
Pr. Badr DAKKAK 1

Introduction
L’approche «Six Sigma» est une approche globale de
l’amélioration de la qualité du produit et des services rendus
aux clients;
«Six Sigma» apporte un accroissement de la rentabilité à

l’entreprise avec les effets cumulés suivants :
une diminution des rebuts, retouches et plus généralement des coûts de non-qualité
une amélioration de la disponibilité des machines ;
de meilleures parts de marché consécutif à l’amélioration de la qualité des produits.
Pr. Badr DAKKAK 2

Introduction
Cette approche globale se décline de plusieurs façons. Six
Sigma c’est :
une certaine philosophie de la qualité tournée vers la satisfaction totale du client ;
un indicateur de performance permettant de savoir où se situe l’entreprise en
matière de qualité;
une méthode de résolution de problèmes permettant de réduire la variabilité sur les
produits;
une organisation des compétences et des responsabilités des hommes de
l’entreprise ;
un mode de management par la qualité qui s’appuie fortement sur une gestion par
projet. Pr. Badr DAKKAK 3

Six Sigma un indicateur de performance
Pour pouvoir progresser il faut mesurer le niveau de qualité actuel, et

pouvoir se donner un objectif vérifiable.
Six Sigma signifie donc un niveau de qualité que l’on souhaite atteindre.
Une qualité sera d’autant plus grande que le nombre de sigma sera élevé.
Ainsi une qualité «3 sigma » donnera 6.68% de produits non conformes,
Une qualité «6 Sigma» donnera 3,4 ppm (produits par million) de non
conformes.
Le but de la méthode Six Sigma est donc d’atteindre au moins le niveau
Six Sigma donc avoir moins de 3,4 ppm comme taux de non conformité.
Pr. Badr DAKKAK 4

Six Sigma un indicateur de performance
Il y a donc une relation directe entre la non-conformité et

le z du processus qui est donné ci-dessous :
Pr. Badr DAKKAK 5

Cas des critères mesurables
Dans le cas des produits mesurables, la capabilité
du processus se mesure en établissant le ratio
entre la tolérance et la dispersion du processus.
Pr. Badr DAKKAK 6

L’objectif Six Sigma consiste à améliorer la variabilité du
processus de telle sorte d’avoir une tolérance deux fois plus
importante que la dispersion court terme (Cp = 2). Dans ces
conditions, la spécification est à six écarts types de la moyenne
(z=6).
La proportion de produits défectueux est alors de 0.002 ppm
lorsque le processus est parfaitement centré. Lorsque le
processus est à un niveau de trois sigma (z=3 ou Cp =1) la
proportion de défaut est alors de 2700 ppm.
Pr. Badr DAKKAK 7

Cependant, on montre facilement que même si le processus est
parfaitement sous contrôle, il n’est pas possible de détecter de petits
décentrages du processus. Le plus petit décalage détectable avec une
taille d’échantillon raisonnable est de 1,5 sigma.
Dans ces conditions la proportion de défauts sera de 3,4 ppm.
Pr. Badr DAKKAK 8

Cas des critères non mesurables
Dans le cas de critères non mesurables, l’objectif sera équivalent au cas des
critères mesurables.
Par Six Sigma on cherchera à obtenir le niveau de qualité de 3,4 ppm.
Pour cela on dissocie deux façons de compter les défauts: les DPO (Défauts
par Opportunités) et les DPU (Défaut par Unité).
La notion de DPO (Défaut par Opportunité) a été introduite pour tenir

compte de la complexité des produits à réaliser.
Prenons par exemple une chaussure sur laquelle on a deux opportunités de

défauts (semelle décollée et couture décousue).
Sur une journée de production de 500 chaussures, on a trouvé 5 défauts de

semelles et 25 défauts de couture. On a un DPU de 30/500 = 6% et un DPO
de DPU/ Nbr d’opp = 6/2 = 3% opportunités de défauts.
Pr. Badr DAKKAK 9
Dans le cas d’un suivi des non-conformités, la performance n’est pas la
même si on travaille sur un produit très simple n’ayant qu’une seule
opportunité de défaut ou si on travaille sur un produit complexe
comprenant 10 opportunités de défauts.
Le tableau figure ci-dessous donne un exemple de traitement par les
DPO des calculs de capabilités.
Pr. Badr DAKKAK 10

Le zéquivalent est alors calculé par assimilation à une loi normale qui donnerait un pourcentage p’
de défaut avec :
p’ = 1– e – DPO = 1 – e – 1,016 = 0.01587

En se référant à la table de Gauss, on en déduit le zéquivalent = 2.15
Le ZST est calculé en ajoutant 1.5 sigma au zéquivalent pour se ramener au calcul dans le cas d’un
processus mesurable avec un décalage de 1.5 sigma.
En effet, on a vu que dans le cas d’un processus mesurable, le calcul du pourcentage de non-
conformité se faisait dans la situation particulière ou la courbe est décalé de 1.5 sigma.
ZST = zéquivalent +1.5 = 2.15+1.5 = 3.65

Le Ppk% indique le Ppk équivalent d’une loi normale ayant le même pourcentage de défaut.
Ppk% = zéquivalent /3 = 2.15/3 = 0.72
Pr. Badr DAKKAK 11

Pour calculer une valeur plus exacte de zST,
on peut utiliser l’équation d’approximation
suivante :
Ce qui donne pour 5000 ppm une valeur

de zST = 4,07
Pr. Badr DAKKAK 12

En utilisant sur Excel la fonction
LOI.NORMALE.STANDARD.INVERSE(0,005), on
trouve le zéquivalent = 2,57, auquel il convient de
rajouter le décalage de 1,5. Ce qui donne : zprocess
= 2,57+ 1,5 = 4,07
Pr. Badr DAKKAK 13

Remarque
Le zprocess est parfois appelé zcourt terme . Le zéquivalent
est alors appelé zLong terme
Relations
Nombre de défauts = D
Nombre d’unités = U
Défaut par unité = DPU=D/U
Zéquivalent = zlong terme = z d’une loi normale (0,1) pour p
= DPU
zcourt terme = zéquivalent + 1,5
Pr. Badr DAKKAK 14

Six Sigma : une méthode de maitrise
de la variabilité
La variabilité est l’ennemi de la qualité. Lorsqu’un ingénieur vient de
fabriquer un produit qui donne entière satisfaction, son rêve serait de
pouvoir le cloner à l’identique afin que chaque produit conserve les
mêmes qualités.
Mais ce n’est malheureusement pas possible, il y aura toujours une
petite différence entre des produits réputés identiques, et ce sont ces
petites différences qui conduisent à la non-qualité.
Il en est de même pour les services que l’on ne peut fournir deux fois
dans des conditions parfaitement identiques.
Pr. Badr DAKKAK 15

Six Sigma : une méthode de maitrise de la variabilité
Pour illustrer cette notion de variabilité, prenons l’exemple d’un

joueur de foot qui doit tirer un coup franc décisif. La cible est la
lucarne de la cage adverse. C’est un joueur professionnel qui a
répété des centaines de fois ce geste à l’entraînement et les
conditions sont idéales pour réussir à marquer le but. Mais la balle
passe à quelques centimètres de la barre transversale. Ce but
manqué est le résultat de la variabilité dans le processus de tir.
Citons quelques éléments de cette variabilité :
Le joueur est dans un état de fatigue et de stress qui modifie son tir ;
La sphéricité du ballon n’est pas parfaite, ce qui altère la trajectoire ;
Le vent soufflait légèrement au moment du tir ;
Le mur adverse n’était pas positionné comme à l’entraînement…
Pr. Badr DAKKAK 16
Dans les processus industriels ou de service, le problème

est le même. Nous sommes confrontés à une grande
variabilité des éléments qui contribuent à nous faire
manquer le but. Mais lorsqu’il s’agit de la satisfaction de nos
clients, nous n’avons pas le droit de manquer ce but. Nous
devons donc tout faire pour réduire cette variabilité.
Les trois sources primaires de la variabilité sont :

conception pas assez robuste;
matières premières et pièces élémentaires instables;
capabilités des processus insuffisantes.
C’est contre ces trois sources de variabilité que nous devons lutter
pour atteindre le niveau de qualité Six Sigma.
Pr. Badr DAKKAK 17
Cependant, il n’est pas facile d’agir sur la variabilité d’un processus.
Cela nécessite d’avoir recours à de nombreux outils statistiques tels que

les tests de comparaison, les analyses de la variance, les plans
d’expériences, couplés à une démarche de résolution de problème.
Si quelques experts sont capables de suivre une telle démarche de

manière intuitive, il n’en est pas de même de la grande majorité des
ingénieurs et techniciens qui ont besoin d’un guide méthodologique
pour se retrouver au travers de l’ensemble des outils qualité mis à leur
disposition.
Pr. Badr DAKKAK 18

Six Sigma a pour objectif d’améliorer la performance

globale de l’entreprise au travers de quatre actions :
◦ l’augmentation de la satisfaction des clients et une plus grande fidélisation
par l’amélioration de la qualité;
◦ la réduction des dépenses en réduisant fortement le nombre de rebuts,

retouches et gaspillages;
◦ l’optimisation dans l’utilisation des actifs de l’entreprise en augmentant le

taux de rendement synthétique (TRS) des moyens de production ;
◦ l’augmentation du chiffre d’affaires consécutif à la réduction des coûts et à

l’amélioration de la qualité.
Pr. Badr DAKKAK 19

C’est la démarche DMAICS qui fournit le guide méthodologique

permettant de trouver le chemin de la réduction de variabilité.
Mais cette démarche ne peut fournir de résultat que si elle est utilisée
par des personnes compétentes.
C’est la raison pour laquelle on devra associer la mise en place de la

démarche DMAICS avec une solide formation des hommes et une
gestion efficace des compétences.
Pr. Badr DAKKAK 20

La démarche DMAICS
Pr. Badr DAKKAK
21
La démarche DMAICS
Pour présenter brièvement les six étapes de la démarche, nous
avons choisi de nous appuyer sur un exemple relativement
simple de mise en œuvre de la démarche, mais qui montre bien
les différentes étapes qu’il faut suivre et l’utilisation de plusieurs
outils statistiques conduisant à la réussite du projet.
Exemple d’utilisation
Une entreprise réalise un alésage sur un piston en utilisant une
machine multipostes. Le niveau de qualité actuel n’est pas
satisfaisant et l’entreprise rencontre des difficultés en clientèle
aussi bien avec son client aval (montage) qu’avec son client final
(utilisateur du produit fini). Pour résoudre ce problème elle
décide de recourir à un projet Six Sigma.
Pr. Badr DAKKAK 22
Etape 1 : Définir
But de l’étape :
Pour résoudre un problème, il faut d’abord bien définir
quel est le problème.
Après avoir sélectionné le problème sur lequel on doit
se pencher, on cherchera dans cette étape à d’abord
parfaitement décrire qui est le client, quelle est son
insatisfaction et quelle est la (ou les) grandeur Y qui
permet de traduire cette insatisfaction.
Pr. Badr DAKKAK 23

Etape 1 : Définir
Les actions principales à réaliser
Formuler le problème.
Identifier les clients, et préciser ce qui est critique pour les clients.
Formaliser le processus étudié :

Faire la boîte noire du processus (avec les connaissances actuelles).
Quels sont les Y (sorties) du processus liés à ce qui est critique pour le client ?
Quels sont les processus de mesure? Sont-ils continus ?
Quelles sont les spécifications actuelles sur les Y ?
Quels sont les X a priori ?
Positionner le processus dans son ensemble (Bloc Diagramme).
Identifier l’état actuel :

Existe t-il un historique sur le problème ? Un historique sur les Y ?
Quelle est la capabilité actuelle si elle est connue ?
Quels sont les coûts de non qualité identifiés et liés au problème ?
Identifier l’état souhaité – l’écart est-il proportionnel à l’ampleur du problème ?
Quelle est la capabilité visée?
Quels sont les coûts de non-qualité que l’on veut supprimer?
Quels sont les gains en productivité ...? Pr. Badr DAKKAK 24

Etape 1 : Définir
Les outils utilisés
L’outil fondamental pour cette étape est le QQOQCP. Mais
tous les outils de base des démarches de résolution de
problème sont utilisés comme par exemple :
Pareto;
Pareto
Cinq Pourquoi;
Histogramme;
...
Pr. Badr DAKKAK 25

Etape 1 : Définir
Exemple d’application :
Dans l’atelier de fabrication concerné, un Pareto des coûts de non-qualité est

régulièrement réactualisé. Il apparaît depuis plusieurs mois que l’usinage de
l’alésage du piston est le point numéro 1 de la non-qualité. Il est donc choisi
comme sujet d’application de Six Sigma.
Le champion du secteur et le «Black Belt» se réunissent et définissent

ensemble le problème. Le QQOQCP est utilisé, le résultat de ce travail est mis
sous la forme d’une feuille d’ouverture de chantier.
Pr. Badr DAKKAK 26

Six Sigma – Étape 1 : DÉFINIR – Charte du projet
Titre du projet :
Formulation du problème (« Le problème, c’est de… »)
QUI ? QUOI ? OÙ ? QUAND ? COMMENT ? POURQUOI ?
Clients identifiés (clients aval et clients finaux)
Clients aval : Impacts :
Clients finaux :
Diagramme CTQ (Critical To Quality)
Besoins des clients Exigences Caractéristiques mesurables Spécifications
Etat actuel État souhaité
Gains et coûts mesurables Gains et coûts non mesurables
Groupe de travail
Planification du projet
Semaines
Définir
Mesurer
Analyser
Pr. Badr DAKKAK 27

Améliorer
Pr. Badr DAKKAK 28
Etape 2 : Mesurer
But de l’étape
Cette étape à deux objectifs :
◦ Le premier consiste à vérifier que la chaîne de mesure utilisée n’est
pas déjà une source importante de variabilité. Pour cela, après avoir
vérifié le rattachement de l’instrument à la chaîne d’étalonnage, on
vérifie que la variabilité due aux défauts de répétabilité (plusieurs
mesures d’un opérateur) et de reproductibilité (plusieurs opérateurs)
n’est pas trop forte.
◦ Le second objectif de cette étape est de récolter des faits en
observant le processus.
Pr. Badr DAKKAK 29

Etape 2 : Mesurer
Les actions principales à réaliser :
Formuler le problème (actualisation)
◦ Faire la boîte noire du processus (avec les connaissances actuelles)
◦ Quels sont les Y du processus liés à ce qui est critique pour le client ?
◦ Quels sont les processus de mesure? Sont-ils continus ?
◦ Quelles sont les spécifications actuelles sur les Y ?
◦ Quels sont les X a priori ?
Valider le processus de mesure.
◦ Rattachement à la chaîne d’étalonnage.
◦ Vérification de la justesse.
◦ Vérification de la Répétabilité et de la Reproductibilité (R&R).
Observer le procédé.
◦ Lister les sources possibles de variabilité qu’il faut observer
◦ Réaliser un déballage d’idées pour faire l’analyse des 5 M
◦ Réduire la variabilité inutile
◦ Mettre en place des cartes d’observations.
◦ Mettre en place des feuilles de relevé.
◦ Enregistrer toutes les informations disponibles sur Y avec ses attributs (X correspondants).
Pr. Badr DAKKAK 30

Etape 2 : Mesurer
Les outils utilisés :

Les outils seront des outils de métrologie pour
valider la capabilité des moyens de contrôle et des
outils de saisie d’information sur le poste de travail.
Test R&R Répétabilité et Reproductibilité.
Feuille de relevés.
Carte d’observation.
Pr. Badr DAKKAK 31

Six Sigma – Étape 2 : MESURER
Intitulé du projet :
Boîte noire du processus (actualisation)
X = paramètres agissant sur Y ? Facteurs bruits : Y = paramètres critiques pour le client ?
Facteurs de pilotage
Moyen de mesure et procédure
Capabilité des moyens de mesures R&R Verrouillage du procédé
Cmc souhaité : Cmc Mesureur : Outil :
mesuré :
Fréquence : Précision :
Commentaire(s) :
Processus de mesure :
Liste des actions pour limiter la variabilité
Intitulé Actions
Capabilité du processus
Mesure : Interprétation :
Commentai Chute entre …. Explication/ Causes :
re : Processus :
Cmc Cp
Cp Pp
Pp Pp
Ppk Ppk
Actions de suivi (cartes d’observation, feuilles de relevés…)
Intitulé Actions de suivi :
Pr. Badr DAKKAK 32
Etape 2 : Mesurer
Pour valider l’instrument de mesure, un test R&R a été réalisé. Ce test
consiste à faire mesurer 10 pièces deux fois par deux opérateurs :
Pr. Badr DAKKAK 33

Etape 2 : Mesurer
À partir de ce tableau on calcule un indice
R&R de 14%, cela signifie que la dispersion
de la mesure (6s) est égale à 14% de
l’intervalle de tolérance.
Pr. Badr DAKKAK 34

Etape 2 : Mesurer
Pr. Badr DAKKAK 35

Etape 2 : Mesurer
La suite de l’étape «mesurer» consiste à observer le procédé. Pour
connaître ce qu’il est pertinent d’observer, on réalise, par exemple, une
analyse des 5M. Pour pouvoir observer le processus dans de bonnes
conditions, on met en place toutes les actions qui peuvent facilement
réduire les risques de variabilité.
variabilité Des actions de réduction de variabilité
sont alors prises telles que:
◦ la formalisation des processus de réglage par la création de fiches de poste;
◦ ...
Pr. Badr DAKKAK 36

Etape 2 : Mesurer
Cette première analyse du processus permet d’identifier les sources de
variabilité qu’il est souhaitable d’observer pour pouvoir faire des
analyses. Pour cela on utilise une feuille de relevé de type tableau
permettant de noter : le jour, l’heure, le fournisseur de matière,
l’opérateur, le n° de position, et la cote Y. La fréquence de prélèvement
est fixée à un tour de plateau toutes les deux heures.
Feuille de relevé
Pr. Badr DAKKAK 37
Etape 3 : Analyser
But de l’étape :
Conformément à toutes les méthodes de résolution de

problème, Six Sigma impose une phase d’analyse avant de
modifier le processus. L’étape 2 nous a permis de récolter
des faits, l’étape trois nous permettra de les analyser.
L’analyse portera d’abord sur Y (la sortie de la boîte
noire) puis sur les X en relation avec les variations sur Y.
Pr. Badr DAKKAK 38

Etape 3 : Analyser
Les actions principales à réaliser :
Analyser toutes les données disponibles récoltées lors de l’étape 2
Analyser le comportement de Y (normalité, chute des capabilités...)
Analyser les relations qui peuvent lier les X et les Y
Vérifier l’influence des trois types de variations :
◦ Variations de position :
Position sur une machine multi posages
Empreinte dans un moule sur une presse à injecter
Variation entre 2 machines, 2 opérateurs, 2 ateliers
...
◦ Variations cycliques
Variation d’un lot à un autre
Variation d’une coulée à une autre
Variation parmi un groupe d’unités (usure d’outils)
...
◦ Variations temporelles
Variation d’une équipe à l’autre, matin et soir, jours de la semaine...
Pondérer l’ensemble des X en fonction de leurs poids sur Y
Se focaliser sur les X les plus importants
Réactualiser les gains potentiels ou déjà acquis
Pr. Badr DAKKAK 39
Etape 3 : Analyser

Cette étape fait largement appel aux outils statistiques. On
utilisera notamment :
◦ le diagramme en arête de poisson;
◦ les tests de comparaison de moyennes, de variance, de fréquences;
◦ les analyses de la variance;
◦ les régressions multiples;
◦ ...
Pr. Badr DAKKAK 40

Six Sigma – Étape 3 : ANALYSER
Diagramme des 5M (surligner les facteurs qui font l’objet d’une étude)
Analyse des symptômes

Symptômes Les idées sur le phénomène
Liste des études d’analyse réalisées et conclusions

Test(s) réalisé(s) Réf. document Analyses Conclusions
des tests
réalisés
Causes fondamentales Poids Explications
Pr. Badr DAKKAK 41

Etape 3 : Analyser
À partir des données récoltées dans l’étape «Mesurer»
on peut conduire un certain nombre d’analyses de
données.
Analyse de Y
Après deux semaines d’observation du processus, on
analyse les données recueillies. La première analyse de Y
consiste à construire un histogramme des valeurs de Y.
Pr. Badr DAKKAK 42

Etape 3 : Analyser
Pr. Badr DAKKAK 43

Etape 3 : Analyser
L’analyse statistique nous indique que la répartition n’est pas normale.
Le calcul des capabilités donne :
Capabilité court terme: Cp = 1; Cpk = 0,92 (à l’intérieur d’un prélèvement)
Capabilité long terme: Pp = 0.89; Ppk = 0.82
L’analyse de la carte de contrôle nous indique une dérive du processus à
partir du 42ème prélèvement. Mais ce n’est pas la cause du problème, en
effet, la capabilité court terme Cp est très inférieure à 2. C’est donc là
qu’il faut chercher les sources de variabilités.
Pr. Badr DAKKAK 44

Etape 3 : Analyser
Analyse des X
L’analyse des X nous permet de déterminer les sources probables de
l’origine de la dispersion. Cette étude se fait à partir des données de la
feuille de relevés. En réalisant une analyse de la variance en modèle
linéaire, on trouve le graphique des effets de la figure ci-dessous :
Pr. Badr DAKKAK 45

Etape 4 : Innover/ Améliorer
But de l’étape :
Après avoir déterminé les sources potentielles de la dispersion lors
de l’étape d’analyse. Il faut maintenant améliorer le processus. C’est
le but de cette étape d’amélioration.
Après avoir fait la synthèse de toutes les connaissances acquises
lors des étapes précédentes, le groupe de travail se réuni afin de
déterminer les actions qui doivent a priori améliorer Y.
L’expérimentation des différentes actions se fera toujours à l’aide
des outils statistiques pour évaluer l’efficacité des actions.
Pr. Badr DAKKAK 46

Les principales actions :
synthèse des connaissances acquises;
générer des solutions et sélectionner les plus

efficientes;
valider les solutions par une démarche expérimentale;
analyser les risques ;
planifier la mise en œuvre de la solution.
Pr. Badr DAKKAK 47

Les outils utilisés
Les principaux outils utilisés lors de cette étape
sont :
◦ le déballage d’idées;
◦ le plan d’action (Qui Quoi Quand);
◦ les plans d’expériences (modification de plusieurs
facteurs);
◦ les tests de comparaisons (modification d’un facteur).
Pr. Badr DAKKAK 48

Six Sigma – Étape 4 : INNOVER/AMÉLIORER
Diagramme des 5M (placer les X qui seront étudiés dans l’étape Innover/améliorer)
Liste des études d’améliorations réalisées et conclusions

Analyses Réf. doc. Qui ? Quand ? Capabilité obtenue Conclusions
réalisées : Quoi ?
Comment ?
Analyse de risque AMDEC réf…
Planification du changement
N° Etape Responsable Production Délai Coût
Pr. Badr DAKKAK 49

Dans l’exemple que nous avons retenu, l’amélioration s’est réalisée en deux
étapes. La première étape a consisté à figer la manière de positionner les
pièces par une modification du posage et à régler les postes sur la cible à
partir des écarts constatés par l’analyse de la variance.
Une nouvelle capabilité court terme a été réalisée après cette première
modification. Les résultats furent les suivants :
◦ Capabilité court terme: Cp = 1,6; Cpk = 1,5 (à l’intérieur d’un prélèvement)
Bien que meilleure qu’au départ, cette capabilité n’atteint pas l’objectif Six
Sigma (Cp = 2)
Pr. Badr DAKKAK 50

Exemple d’application (suite) :
À l’aide du diagramme d’Ishikawa, le groupe de travail a décidé de

modifier un paramètre de coupe (angle) et le posage afin d’assurer
une meilleure tenue des pièces. Le but étant de rendre insensible le
processus aux variations dues aux fournisseurs et aux opérateurs.
Pour apporter la preuve statistique de l’amélioration, un plan

d’expériences complet a été réalisé. Pour chaque configuration
testée, 50 produits ont été réalisés et mesurés. Nous avons noté les
résultats synthétiques: la moyenne et la dispersion.
Pr. Badr DAKKAK 51

La réponse qui nous intéresse est de minimiser la dispersion et donc de

minimiser l’écart type. Le graphe des effets nous donne :
Résultats du plan
d’expérience
Pr. Badr DAKKAK 52

Une première interprétation nous donne la meilleure
solution pour minimiser la variance, il faut mettre
simultanément en place les deux améliorations proposées.
Une nouvelle capabilité court terme a été réalisée après

cette seconde modification. Les résultats furent les
suivants:
◦ Capabilité court terme: Cp = 2,7; Cpk = 2,3
◦ L’objectif Six Sigma est atteint.
Pr. Badr DAKKAK 53

Etape 5 : Contrôler
But de l’étape :
Le processus ayant été amélioré lors de l’étape 4, il faut

désormais tout mettre en œuvre pour garantir que ces
améliorations seront maintenues et que le processus ne
se dégradera pas.
Le but de cette étape est donc de mettre en place la

structure permettant de mettre «sous contrôle le
processus».
Pr. Badr DAKKAK 54

Les actions à réaliser :
Déterminer les tolérances à placer sur les X critiques
Déterminer le plan de surveillance pour l’ensemble des
caractéristiques
Mettre en place des cartes de contrôle pour suivre les
caractéristiques essentielles
Mettre en place des systèmes « zéro défaut» là où c’est
possible
Documenter le poste de travail
Pr. Badr DAKKAK 55

L’outil privilégié dans cette étape est la
carte de contrôle.
Tous les types de cartes de contrôle
peuvent être utilisés
Pr. Badr DAKKAK 56

Nous avons vu que le processus de fabrication pouvait dériver. Pour le maintenir «sous
contrôle» et conserver le bon niveau de capabilité obtenu à l’étape 4, il est décidé de mettre
en place une carte de contrôle.
Type de carte : Moyennes/étendues (/X/R)
Taille des échantillons : Un tour de plateau soit 4 pièces.
Fréquence de prélèvement : La rapidité de la dérive observée lors de l’étape 3 et les

améliorations apportées à l’étape 4 conduisent à choisir une fréquence de 1 prélèvement
toutes les 4 Heures.
Suivi des capabilités : Un suivi graphique des capabilités est mis en place afin de suivre
l’évolution de la chute des capabilités Cp, Pp, Ppk. L’actualisation du graphique se fait une fois
tous les quinze jours.
Pr. Badr DAKKAK 57

Six Sigma – Étape 5 : CONTRÔLER
Bloc diagramme du processus (indiquer les paramètres à mettre sous contrôle)
Liste des paramètres mis sous contrôle

Caractéristiques Spécifications Type de suivi Réf. documents
(enregistrement ;
cartes X/R …)
Liste des poka yoke mis en place

Caractéristiques Spécifications Type de suivi Réf. documents
(enregistrement ;
cartes X/R ; …)
Documentation du poste de travail

Documentation Objet de la documentation Réf. documents
Suivi des capabilités processus Cp, Pp, Ppk
Pr. Badr DAKKAK 58

Etape 6 : Standardiser
But de l’étape :
Le but de cette sixième et dernière étape est de
mettre en place l’ensemble des procédures pour
que la solution choisie devienne pérenne dans le
temps.
C’est également de diffuser les bonnes pratiques
sur d’autres postes là où c’est possible.
Pr. Badr DAKKAK 59

Les actions à réaliser :
Simplifier là où c’est possible la solution adoptée lors de la
démarche Six Sigma
Finaliser l’ensemble des procédures d’auto maîtrise afin de
pérenniser la solution
Sélectionner les bonnes idées à partager, étendre la solution sur
d’autres processus si c’est possible
Communiquer sur la réussite de l’action
Fêter la fin du projet
Pr. Badr DAKKAK 60

Six Sigma – Étape 6 : STANDARDISER
Simplifier la solution
Quoi Qui Quand
Pérenniser la solution
Quoi Qui Quand
Qui Indicateur de Quand

performance suivi
Conclusions du bilan du projet

Technique : état en début de projet Technique : état en fin de projet
Financier : gains et coûts mesurables Financier : gains et coûts non mesurables
Conclusions du bilan humain
Conclusions du bilan méthodologique
Documentation du projet
Document Réf. Pr. Badr DAKKAK 61
Dans notre exemple, la méthode choisie pour serrer la pièce a
apporté un réel progrès sur le processus étudié. Il est
facilement utilisable sur d’autres machines effectuant le même
type de production. On retient donc le principe de standardiser
ce nouveau serrage.
Enfin, on finalise le plan d’automaîtrise sur le poste de travail en
incluant l’environnement du poste, les procédures de contrôle,
de maintenance, de traitement des non-conformités et de suivi
de la qualité.
Pr. Badr DAKKAK 62
Six Sigma : une organisation des
compétences
Pr. Badr DAKKAK 63

compétences
Le pilotage d’une démarche Six Sigma doit

comme pour toutes autres activités avoir
les quatre couches: stratégique, tactique,
opérationnelle, conduite et suivi.
Pr. Badr DAKKAK 64

compétences
Stratégique : la mise en place de Six Sigma doit partir d’objectifs en
termes de coûts, de performances internes, de satisfaction clients et
de perception externe et enfin de parts de marché et de
positionnement vis à vis de la concurrence. Pour atteindre ces
objectifs, il faut alimenter les moteurs du progrès en donnant une
vision claire sur la façon dont on veut que les choses avancent. Ces
engagements sont forcément pris au niveau le plus haut de l’entreprise
en impliquant fortement les Champions.
Pr. Badr DAKKAK 65

compétences
Tactique : le pilotage tactique consiste à traduire les décisions stratégiques au
niveau des services opérationnels. Il va consister à faire les choix des chantiers
Six Sigma qui méritent d’être développés et à donner les moyens aux équipes
de conduire ces projets. Le Champion est fortement impliqué dans cette phase,
assisté du Black Belt pour le choix des chantiers.
Opérationnel : le pilotage opérationnel va principalement consister à

conduire les chantiers Six Sigma notamment par l’utilisation de la démarche
DMAICS que nous avons décrite. Le Black Belt est donc leader dans cette
couche de pilotage, assisté par les membres de son équipe, les Green Belt.
Pr. Badr DAKKAK 66

compétences
Conduite et suivi : cette couche très applicative va consister à
appliquer les décisions qui sortent de la démarche DMAICS. Elle va
impliquer tous les opérationnels du processus concerné dont les
Green Belt qui sont choisis notamment pour être des
opérationnels.
opérationnels
Pr. Badr DAKKAK 67

Les différents rôles
Mettre en œuvre Six Sigma c’est aussi former son personnel et
déterminer des rôles particuliers aux individus qui vont conduire
le changement. Dans la définition des rôles de chacun,
l’entreprise General Electric a proposé de donner les noms de
White Belt, Green Belt, Black Belt, Master Black Belt, et
Champion. Si les noms changent d’une entreprise à l’autre, on
parle par exemple d’Equipier, de Pilote, de Coach, les fonctions
doivent être remplies pour garantir le succès du déploiement de
Six Sigma dans l’entreprise.
Pr. Badr DAKKAK 68

Les deux personnages les plus importants sont le Black Belt (Ceinture noire)
et le Champion.
Le Black Belt ou animateur Six Sigma a pour rôle de piloter le groupe de

travail. Il est affecté à 100% sur l’avancement des projets Six Sigma. Son rôle
est le suivant:
Il anime le projet;
Il forme le groupe de travail;
Il utilise les outils et la méthode six sigma.
Pour pouvoir être Black Belt, il faut cumuler deux compétences: une
compétence dans les outils de la qualité et plus particulièrement dans les
outils statistiques et une compétence dans le management d’une équipe.
Pr. Badr DAKKAK 69

Le Champion est choisi par le patron de l’entreprise. Son rôle
n’est pas de conduire les projets, mais de choisir les projets à
conduire puis de les suivre activement en ayant la responsabilité
de réaliser les revues entre chaque étape du cycle DMAICS. Il a
la responsabilité du déploiement de Six Sigma dans un secteur
de l’entreprise. Typiquement, un Champion est un responsable
exécutif avec un haut niveau de responsabilité. Il peut être le
responsable d’un site, ou responsable d’une fonction
importante de l’entreprise. Il doit faire partie du comité de
direction.
Pr. Badr DAKKAK 70

Les Champions ont en charge le succès du déploiement de Six Sigma dans un
secteur de l’entreprise. Ils doivent superviser les Black Belt d’une unité de
l’entreprise. Ils s’investissent dans le choix des projets à réaliser et fournissent
un support en faisant disparaître – si besoin est – les barrières culturelles. Ils
doivent s’assurer que les ressources sont disponibles tant en hommes qu’en
matériels.
Le Champion suit activement l’évolution des projets. Notamment avec une

responsabilité dans l’organisation des revues de projet qui doivent ponctuer
chaque fin d’étape.
Les Champions sont très importants, ils donnent la cohésion à la démarche

Six Sigma en reliant chaque projet aux objectifs stratégiques de l’entreprise et
en évitant la variabilité ... dans la méthode.
Pr. Badr DAKKAK 71
Le Master Black Belt est l’expert dans l’utilisation des outils et de la
méthode. Il enseigne, conseille et développe la méthode. Il possède une
très solide expérience dans l’utilisation des outils statistiques. Il a mené
de très nombreux projets Six Sigma. Il intervient en tant que conseiller
auprès du Black Belt,
Belt il dénoue les situations délicates.
délicates Il conduit
régulièrement des réunions avec les Black Belt dans le but de les faire
progresser dans l’utilisation des outils et des méthodes de Six Sigma.
Enfin, on trouve également le Green Belt (ceinture verte) qui est le

Black Belt en formation.
Pr. Badr DAKKAK 72

La formation des intervenants
La mise en œuvre de Six Sigma nécessite une très importante
formation. Mais cela ne suffit pas, il faut que cette formation soit
couplée avec une expérience de mise en œuvre de la démarche.
C’est pourquoi la formation des Black Belt est une formation qui
alterne des temps de formation théorique et des temps de
pratique en entreprise (souvent une semaine de formation
théorique et un mois d’application).
Ainsi, pour chaque acteur de Six Sigma, on trouve une formation

spécifique. La formation des champions est un peu plus restreinte,
mais couvre néanmoins tous les aspects de l’approche.
Pr. Badr DAKKAK 73

Six Sigma un management par projet
Six Sigma, au delà d’une méthode de résolution de problème
est un véritable outil de management de la qualité orienté vers
la qualité des produits. Pour réussir il faut dépasser la méthode
et inscrire les projets Six Sigma dans une stratégie d’entreprise.
C’est la démultiplication des chantiers Six Sigma dans
l’entreprise qui permet d’obtenir des gains cumulés significatifs,
tant pour l’entreprise que pour les clients. Pour gérer cette
multitude de chantiers, il faut également une approche
structurée que fournit le management par projet.
Pr. Badr DAKKAK 74

L’aspect management par projets est déjà très marqué par la structure de la
méthode : Six Sigma en six étapes. Le champion joue un rôle prépondérant
dans cette gestion par projet. En effet, il fixe un objectif, un planning, et évalue
l’avancement des travaux au travers de revues obligatoires pour valider le
passage d’une étape à l’autre. Tous les chantiers sont répertoriés, suivis et ont
un impact validé sur les objectifs stratégiques de l’entreprise.
L’affectation des ressources est également très présente dans le management

de Six Sigma. Faire partie d’un projet Six Sigma demande de la disponibilité qui
doit être gérée au niveau du projet. Outre les ressources humaines, on doit
également gérer les ressources financières de l’entreprise pour disposer d’un
budget afin de pouvoir investir dans la re-conception du processus.
Pr. Badr DAKKAK 75

Les points essentiels d’un management par projet sont :
◦ Initiation et écriture du projet par le chef d’entreprise et/ou un cadre afin qu’il soit en
accord avec la stratégie de l’entreprise.
◦ Choix du chef de projet (Le Black Belt) en fonction de ses capacités à mener ce projet à
bien.
◦ Choix des compétences (internes ou externes à l’entreprise) qui vont être nécessaires et
suffisantes au projet.
◦ Choix d’un référent du projet (Le Champion) qui va suivre l’avancement, les difficultés et
allouer les ressources nécessaires.
◦ Définition des objectifs et des limites du projet.
◦ Détermination d’un budget et suivi de ce budget au travers un tableau de bord financier.
◦ Définition des modes de validation de l’avancement du projet.
◦ Définition des modes de communications (rapports d’étapes, réunions...).

Pr. Badr DAKKAK 76
La gestion simultanée de tous les projets, l’implication de tous les
acteurs donne la dimension stratégique à Six Sigma. Plutôt que de se
focaliser sur le contrôle des produits, on s’intéressera davantage à la
maîtrise des processus et à la maîtrise de la conception. Les
perspectives de Six Sigma se placent dans un avenir à long terme,
accompagné d’un changement culturel profond des acteurs de
l’entreprise qui demande une solide formation. Le but n’est pas de
faire de l’amélioration continue, mais de faire de l’amélioration par
percée.
Pr. Badr DAKKAK 77

Fin du cours
Pr. Badr DAKKAK 78

Chapitre 3
Les Plans d’expérience et les
Graphes de TAGUCHI
Pr. Badr DAKKAK 1

Introduction
Les plans d’expériences font partie de l’ensemble des
outils de la qualité qui permettent aux entreprises de
progresser dans la maîtrise de la conception de produits
nouveaux et dans la maîtrise des procédés de fabrication.
Ils forment avec d’autres outils statistiques tel que le SPC
un ensemble cohérent d’une redoutable efficacité pour
résoudre de nombreux problèmes de qualité.
Ignorer ces méthodes aujourd’hui, serait se priver d’un
potentiel important d’amélioration pour l’entreprise.
Pr. Badr DAKKAK 2
Introduction
La méthode des plans d’expériences permet de conduire de
façon rigoureuse les essais en vue d’un objectif parfaitement
défini.
Elle permettra, en outre, une diminution considérable du nombre
d’essais par rapport aux techniques traditionnelles.
Mais plus encore, elle permettra une interprétation rapide et sans
équivoque des résultats des essais en fournissant un modèle
expérimental du système étudié.
Pr. Badr DAKKAK 3

Présentation de la méthode via un
exemple : ‘’Je maîtrise la consommation de
ma voiture’’
Pr. Badr DAKKAK 4

Présentation de la méthode
Préparation du plan d’expérience
Définition de l’objectif de l’étude
Description des éléments sur lesquels va porter l’expérimentation
Choix de la réponse permettant d’atteindre l’objectif
Recherche des facteurs qui pourraient être influents sur la réponse
Définition des niveaux des facteurs
Examen des contraintes
Choix du plan d’expériences

Expérimentation
Signification des coefficients
Interprétation des résultats des calculs
Pr. Badr DAKKAK 5
Préparation du plan d’expériences :
◦ Cette étape se décompose en plusieurs parties dont les
principales sont décrites dans les paragraphes suivants.
Définition de l’objectif de l’étude

L’objectif de l’étude est de connaître la consommation
d’essence d’une voiture lorsqu’on roule plus ou moins
chargé et plus ou moins vite.
L’étude sera réussie si on peut répondre à des questions
telles que : « Combien ma voiture consomme-t-elle : si elle
est à vide ou non ? si je roule vite ou non ? si elle est
chargée et si je roule vite ? »
Pr. Badr DAKKAK 6

Description des éléments sur lesquels
va porter l’expérimentation
Les essais ont été effectués sur une voiture personnelle
(un seul conducteur) et sur une autoroute.
Si on en avait la possibilité, les essais se font sur un
circuit automobile où il est facile de respecter la
plupart des conditions imposées à l’expérimentation. Il
est en effet plus facile de réaliser des essais sur un
circuit, dans un laboratoire, un atelier pilote ou tout
lieu spécialement conçu pour ce genre d’activité.
Pr. Badr DAKKAK 7

Choix de la réponse permettant
d’atteindre l’objectif
La réponse sera la consommation d’essence en litres pour 100
kilomètres parcourus.
Recherche des facteurs qui pourraient être influents sur la
réponse :
La charge et la vitesse de la voiture
La marque
La pression de gonflage des pneus
La direction des vents
La pluie
Le réglage du moteur
Le nombre d’arrêts et de démarrage
La route
…
Faire le tour du problème
Pr. Badr DAKKAK 8

Choix de la réponse permettant
d’atteindre l’objectif
On ne sera pas obligé d’étudier tous les facteurs
mais on connaîtra ceux qui pourraient être
influents.
Les facteurs qui ne seront pas étudiés dans le plan

d’expériences seront, en général, fixés à un niveau
constant pendant toute l’expérimentation.
Pr. Badr DAKKAK 9

Il s’agit de choisir les niveaux haut et bas de
chaque facteur.
La vitesse ne devra pas être trop faible et elle
ne devra pas dépasser les limitations imposées
par la sécurité.
Dans notre exemple, le niveau bas sera de 80
km/h et le niveau haut de 120 km/h.
Pr. Badr DAKKAK 10
La charge à vide est définie par la présence du conducteur seul, sans
aucun bagage.
La surcharge est définie par le poids ajouté à la charge à vide. S’il y a 3
personnes supplémentaires et 25 kg de bagage par personne, la
surcharge est d’environ 3 × 70 = 210 pour les passagers et 4 × 25 = 100
kg et pour les bagages des quatre personnes à bord, soit environ 300 kg
de surcharge.
Au lieu de faire appel à ses voisins pour les essais, on pourra utiliser des
gueuses de fonte régulièrement reparties sur les sièges et dans le coffre.
Le poids total des gueuses est de 300 kg.
Pr. Badr DAKKAK 11

Le niveau bas du facteur charge sera : la voiture et le conducteur seul
et sans bagage.
Le niveau haut du facteur charge sera : la voiture, le conducteur et une
charge supplémentaire de 300 kg régulièrement répartie.
Il est bon de résumer ces niveaux dans un tableau :
Facteur Niveau bas ( - ) Niveau haut ( + )
Vitesse (1) 80 Km/h 120 Km/h
Surcharge (2) 0 300 Kg
Ce tableau est important car les conclusions de l’expérimentation ne

seront valables qu’à l’intérieur de ce domaine d’étude. Si l’on charge la
voiture à 400 kg et que l’on roule à 130 km/h, on ne pourra pas utiliser
les conclusions de cette étude.
Pr. Badr DAKKAK 12

Lorsque l’on roule, la quantité d’essence diminue. Le poids du
véhicule est donc modifié au cours de l’expérimentation.
Il faudra commencer chaque essai avec le réservoir plein pour

que le facteur « diminution d’essence au cours de l’essai » n’ait
pas trop d’influence.
Cela oblige à débuter le parcours dans une station service. Il

faudra qu’il fasse le même temps pour tous les essais
(température, vent, pluie).
Pr. Badr DAKKAK 13

On choisira donc de faire les essais le même jour et, si possible,
un jour de beau temps sans vent ni pluie. La longueur du
parcours devra être compatible avec cette contrainte.
On choisira le même parcours et dans le même sens pour

chaque essai pour que l’influence des côtes et des descentes
soit toujours la même.
On vérifiera que les pneus sont bien gonflés à la même pression

avant chaque essai.
On peut ainsi faire une liste de précautions à prendre pour

tenir compte des contraintes.
Pr. Badr DAKKAK 14
Choix du plan d’expériences
On sait qu’il y a deux facteurs à étudier. Les niveaux bas et
haut de chaque facteur ont été définis.
Les facteurs à conserver constants pendant

l’expérimentation sont : le parcours et par conséquent le
kilométrage, le sens du parcours, le point de départ, le
point d’arrivée et la pression des pneus.
Pr. Badr DAKKAK 15

Choix du plan d’expérience
Ayant deux facteurs prenant chacun deux niveaux, le plus simple est de
choisir un plan d’expériences factoriel complet 22.
La dénomination 22 a la signification suivante : le 2 en exposant indique

le nombre de facteurs, l’autre 2 indique les nombres de niveaux des
facteurs. Ce plan est bien adapté à notre problème puisqu’il correspond
exactement à deux facteurs prenant chacun deux niveaux.
Les points d’expériences ont pour coordonnées les niveaux bas et les
niveaux hauts des facteurs.
On peut d’abord dessiner le domaine d’étude dans l’espace

expérimental, puis ajouter les points d’expériences en tenant compte
de leurs coordonnées
Pr. Badr DAKKAK 16
Pr. Badr DAKKAK 17
Choix du plan d’expérience
On peut aussi représenter les expériences à faire sous
forme de tableaux, en utilisant soit les grandeurs
habituelles ou légales (km/h et kg), soit les grandeurs
codées.
Avec les grandeurs légales, le tableau prend le nom de
tableau d’expérimentation ou de matrice
d’expérimentation.
Avec les grandeurs codées, le tableau prend le nom de
plan d’expériences ou de matrice d’expériences.
Pr. Badr DAKKAK 18

Vitesse Surcharge
Essai N°
Essai N° Vitesse Surcharge (Facteur 1) (Facteur 2)
(Facteur 1) (Facteur 2)
1 (A) -1 -1
1 (A) 80 Km/h 0 Kg 2 (B) +1 -1
2 (B) 120 Km/h 0 Kg 3 (C) -1 +1
4 (D) +1 +1
3 (C) 80 Km/h 300 Kg
Niveau - 1 80 Km/h 0 Kg
4 (D) 120 Km/h 300 Kg Niveau +1 120 300 Kg
Km/h
Matrice d’expérimentation Matrice d’expériences
Pr. Badr DAKKAK 19

Essai N° Vitesse (Facteur Surcharge Consommation
1) (Facteur 2) (l/100 km)
Matrice d’expériences
1 (A) -1 -1 8,3
et résultats. 2 (B) +1 -1 10,7
3 (C) -1 +1 9,7
4 (D) +1 +1 12,3
Niveau - 1 80 Km/h 0 Kg
Niveau +1 120 Km/h 300 Kg
Valeur de la réponse en divers points du

domaine d’étude 20
Ces consommations étant mesurées, il ne semble pas facile d’en donner
une interprétation simple. En effet, on aimerait répondre à des questions
comme : « Quelle est la consommation de ma voiture quand je la charge
à 100 kg et que je roule à 90 km/h ? » ou « Quelle est la consommation
supplémentaire quand je roule à 100 km/h au lieu de 80 km/h avec une
surcharge de 150 kg ? »
Les réponses à ces questions existent. Elles se cachent dans les résultats
que nous avons enregistrés, mais pour le moment nous ne les voyons pas.
Il va falloir que nous transformions nos résultats bruts pour en avoir une
vision claire et précise. C’est la phase d’interprétation.

Pr. Badr DAKKAK 21
Le modèle postulé des plans factoriels complets 22 est :
où :
y est la réponse, dans cet exemple, la consommation d’essence ;
x1 représente le niveau du facteur 1 (la vitesse), dans cet exemple
80 km/h (ou –1) et 120 km/h (ou +1) selon les essais ;
x2 représente le niveau du facteur 2 (la surcharge), dans cet
exemple 0 kg (ou –1) et 300 kg (ou +1) selon les essais ;
x1x2 est le produit des niveaux des facteurs 1 et 2 ; dans cet
exemple, en unités codées, ce produit est égal à -1 (x1x2 = -1x+1
= +1x-1 = -1) ou à +1 (x1x2 = -1x-1 = +1x+1 = +1) ;
a0 est le coefficient constant du modèle ;
a1 est le coefficient du facteur 1 ;
a2 est le coefficient du facteur 2 ;
a12 est le coefficient du terme x1 x2 .
Ce modèle est appelé modèle polynomial du
premier degré avec interactions et nous allons
examiner la signification de ses coefficients. 22
Signification du coefficient constant
Pour trouver la signification du coefficient constant a0, il suffit de
donner la valeur 0 (unités codées) aux niveaux des deux facteurs. Le
point représentatif de l’expérience correspondante est alors au centre
du domaine d’étude et la réponse en ce point a pour valeur y0.
Le coefficient constant a pour valeur la

réponse au centre du domaine d’étude 23
Signification du coefficient constant
La relation 1 devient :
La valeur du coefficient constant a0 est

égale à la réponse au centre du domaine
d’étude.
Pr. Badr DAKKAK 24

Application
On connaît les quatre réponses, on peut donc calculer facilement le
coefficient :
L’effet de la vitesse (facteur 1) est de 1,25 litre aux 100 kilomètres.

Cela signifie que, si la vitesse passe de 80 à 100 km/h, la consommation
augmente, en moyenne, de 1,25 litre aux 100 kilomètres.
Si la vitesse passe de 80 à 120 km/h, la consommation augmente de
2,50 litres aux 100 kilomètres.
Pr. Badr DAKKAK 25

Illustration de l’effet du facteur 1
On a l’habitude pour faire apparaître clairement la droite
M’_M’+ et illustrer l’effet du facteur 1, d’extraire le plan
M+M_ M’_M’+ de la figure. On obtient la figure suivante qui
est beaucoup plus facile à lire.
L’effet du facteur 1 peut être positif ou négatif suivant le signe du coefficient. 26

Application Illustration de l’effet de la vitesse.
La moyenne des consommations au niveau haut de la vitesse (facteur 1) est :
La moyenne des consommations au niveau bas de la vitesse (facteur 1) est :
Pr. Badr DAKKAK 27

Application
La consommation passe, en moyenne, de 9 à 11,5 litres
aux 100 kilomètres quand la vitesse passe de 80 à 120
km/h. La consommation au centre est la moitié des deux
moyennes, soit 10,25 litres aux 100 kilomètres.
La consommation passe, en moyenne, de 10,25 à 11,5
litres aux 100 kilomètres quand la vitesse passe de 100 à
120 km/h. Cette augmentation de 1,25 litre aux 100
kilomètres représente l’effet du facteur « vitesse »
Pr. Badr DAKKAK 28

Application
On connaît les quatre réponses, on peut donc calculer facilement le
coefficient a2 :
L’effet de la surcharge (facteur 2) est de 0,75 l aux 100 km. Cela

signifie que, si la surcharge passe de 0 à 150 kg, la consommation
augmente en moyenne de 0,75 l aux 100 km. Si la surcharge passe de
0 à 300 kg la consommation augmente de 1,50 l aux 100 km.
Pr. Badr DAKKAK 29

Application
Illustration de l’effet de la surcharge
La moyenne des consommations au niveau haut de la surcharge (facteur 2) est :
La moyenne des consommations au niveau bas de la surcharge (facteur 2) est :
Pr. Badr DAKKAK 30

Application
La consommation passe, en moyenne, de 9,5 à 11 l
aux 100 km quand la surcharge passe de 0 à 300 kg.
La consommation au centre est la moitié des deux
moyennes, soit 10,25 l aux 100 km.
La consommation passe, en moyenne, de 10,25 à 11
l aux 100 km quand la surcharge passe de 150 à 300
kg. Cette augmentation de 0,75 l aux 100 km est
l’effet du facteur surcharge
Pr. Badr DAKKAK 31

Signification du coefficient a12
Illustration d’une
interaction entre deux
facteurs
L’expression , est l’effet du facteur 1 lorsque le facteur 2 est au niveau bas.

C’est la moitié de la variation de la réponse entre y2 et y1. Cet effet est illustré par la pente
de la droite A'B'
Le coefficient a12 est la moitié de la différence entre ces deux effets
Pr. Badr DAKKAK 32
Signification du coefficient a12
Le coefficient a12 mesure donc la variation de l’effet du facteur 1 quand le
niveau du facteur 2 est modifié. On peut aussi montrer que le même
coefficient a12 mesure également la variation de l’effet du facteur 2 quand le
niveau du facteur 1 est, lui aussi, modifié.
Le coefficient a12 est appelé l’interaction entre les facteurs 1 et 2.
On peut illustrer une interaction entre deux facteurs en extrayant de la
figure 4 les plans ABA'B' (niveau bas du facteur 2), et CDC'D' (niveau haut
du facteur 2) et en projetant ces plans sur un même plan (Figure 8).
S’il n’y a pas d’interaction entre deux facteurs, les pentes des droites A'B' et
C'D' sont les mêmes.
S’il y a interaction entre deux facteurs, les pentes des deux droites
précédentes ne sont pas les mêmes. L’interaction est d’autant plus forte
que les pentes sont différentes.
Pr. Badr DAKKAK 33
Application
On peut donc calculer l’interaction avec la relation :
L’interaction entre les facteurs 1 et 2 est de 0,05 l aux 100 km. Cela signifie que
l’effet de la vitesse est un peu plus élevé quand on se trouve en surcharge
surcharge.
Quand la vitesse est de 80 km/h, l’effet de la surcharge est de 0,7 l aux 100 km.
Quand la vitesse est de 120 km/h, l’effet de la surcharge est de 0,8 l aux 100 km.
Cela signifie aussi que l’effet de la surcharge est plus important quand on roule
vite.
Quand il n’y a pas de surcharge, l’effet de la vitesse est de 1,2 l aux 100 km.
Quand la surcharge est de 300 kg, l’effet de la vitesse est de 1,3 l aux 100 km
Pr. Badr DAKKAK 34
Application Illustration de l’interaction entre la vitesse et la
surcharge
Cette interaction est très faible puisque les deux droites ont presque la
même pente.
Pr. Badr DAKKAK 35
On connaît maintenant, les valeurs :

◦ du coefficient constant a0 : a0 = 10,25 ;
◦ du coefficient du facteur 1 (vitesse) : a1 = 1,25 ;
◦ du coefficient du facteur 2 (surcharge) : a2 = 0,75 ;
◦ de l’interaction entre la vitesse et la surcharge : a12 = 0,05.

05
On peut reporter ces valeurs dans la relation {1} du

modèle postulé :
Pr. Badr DAKKAK 36

On comprend qu’avec ce modèle, on puisse calculer toutes

les réponses dans le x1 et x2 pour obtenir le domaine
d’étude.
Il suffit d’attribuer des valeurs aux niveaux pour avoir

immédiatement la consommation.
Le modèle étant en unités centrées réduites, il faut faire les

calculs dans ces unités et transformer ensuite les résultats
obtenus en unités légales.
Pr. Badr DAKKAK 37

Si l’on veut utiliser les unités légales directement, il faut transformer la

relation {2}. Dans ce cas, il suffit d’appliquer la relation {1} :
Facteur 1 (vitesse) :
Facteur 2 (surcharge) :
Pr. Badr DAKKAK 38

D’où la relation en unités légales :
(3)
On peut donc répondre facilement aux questions du

début de chapitre en utilisant soit la relation {2} soit la
relation {3}.
Pr. Badr DAKKAK 39

Application
La question était : « Quelle est la consommation de ma
voiture quand je la charge à 100 kg et que je roule à 90
km/h ? » Appliquons la relation {3} :
La réponse est : Si je roule à 90 km/h avec une surcharge

de 100 kg, je consommerai 9,38 l aux 100 km.
Pr. Badr DAKKAK 40

Application
La question était : « Quelle est la consommation
supplémentaire quand je roule à 100 km/h au lieu de 80
km/h avec une surcharge de 150 kg ? » Commençons par
transformer les unités légales en unités codées :
80 km/h = niveau -1
100 km/h = niveau 0
150 kg = niveau 0
et appliquons la relation {2} :
Pr. Badr DAKKAK 41

Application
Quand je roule au niveau -1 (80 km/h) avec une surcharge au
niveau 0 (150 kg), je consomme 9 litres de carburant aux 100
kilomètres.
Quand je roule au niveau 0 (100 km/h) avec une surcharge au

niveau 0 (150 kg), je consomme 10,25 litres de carburant aux
100 kilomètres.
La réponse est donc : avec une surcharge de 150 kg, la
consommation augmente de 1,25 l aux 100 km quand je passe de
80 à 100 km/h.
Pr. Badr DAKKAK 42

Application
Il est donc possible de répondre aux questions posées ainsi qu’à beaucoup d’autres faisant
intervenir la vitesse et la charge. Mais ne trouvez-vous pas que ces calculs sont fastidieux,
qu’ils ne sont guère enrichissants et que notre esprit pourrait être utilisé à des tâches plus
productives ? C’est pourquoi nous vous conseillons d’utiliser un logiciel de plan
d’expériences.
Tous les calculs que nous avons vus, et beaucoup d’autres, sont réalisés avec facilité et
rapidité.
Les logiciels permettent aussi de tracer des graphiques faisant ressortir les principales
caractéristiques de l’étude. Ils multiplient la puissance de raisonnement de l’expérimentateur
et réalisent des calculs impossibles à faire à la main.
En effet, dès que le nombre de facteurs augmente, les calculs se compliquent et l’utilisation
d’un logiciel facilite considérablement la tâche de l’expérimentateur.
Pr. Badr DAKKAK 43

Application
À titre d’exemple les deux diagrammes suivants montrent la
puissance des logiciels. Le premier diagramme (Figure 10)
indique l’effet des deux facteurs, vitesse et surcharge, ainsi que la
valeur correspondante de la réponse. Ce diagramme est
interactif, on peut choisir les niveaux que l’on veut dans tout le
domaine d’étude.
Pour chaque couple de niveaux, on obtient la valeur de la
réponse. On peut donc facilement répondre à la première
question sans être obligé de faire le détail des calculs. Ce même
diagramme permet aussi de répondre à la deuxième question.
Pr. Badr DAKKAK 44
Valeur de la réponse en divers points du domaine d’étude
Pr. Badr DAKKAK 45

Application
Le deuxième diagramme (Figure 11) indique les courbes isoréponses
dans le domaine d’étude. Par exemple, la courbe 10 indique toutes les
combinaisons de vitesse et de surcharge qui engendrent une
consommation de 10 l de carburant aux 100 km. Si l’on ne veut pas
dépasser une consommation de 11 l aux 100 km, on voit comment il
faut adapter sa vitesse en fonction de la surcharge. Par exemple si la
surcharge est de 200 kg, il ne faudra pas dépasser 107,9 km/h.
Pr. Badr DAKKAK 46

Application
Avec une surcharge de 200kg on limitera la vitesse à 107,9km/h pour ne

pas consommer plus de 11l aux 100km
Pr. Badr DAKKAK 47

Plan d’expérience à trois
facteurs
Pr. Badr DAKKAK 48

Plan d’expérience à trois facteurs
Pour illustrer ceci, nous allons étudier un problème
d’amélioration d’une rugosité sur une rectifieuse. Les
facteurs étudiés sont les suivants :
La réponse mesurée est le critère de rugosité Ra.

Le plan complet comporte donc 2x3x2=12 essais.
Pr. Badr DAKKAK 49

Plan d’expérience à trois facteurs
On vérifie facilement que le plan ci-dessous comporte tous les essais du
maillage.
La moyenne générale des 12 essais est de M = 0,50 µm.

Pour faciliter l’interprétation, on représente l’ensemble des effets et des
interactions de façon graphique. Le graphe permet de visualiser l’effet des
facteurs et l’influence des interactions.
Pr. Badr DAKKAK 50
Effet des facteurs étudiés
Pour illustrer cet effet, on établit le tableau des moyennes :
Ce tableau se met facilement sous forme graphique.
Pour les interactions on réalise pour chaque interaction un

tableau qui précise la valeur moyenne obtenue dans chaque
configuration.
Pr. Badr DAKKAK 51

Pr. Badr DAKKAK 52

Ces graphes se mettent également sous forme de graphique. On note
que dans le cas d’une interaction nulle (exemple AC), les deux droites
obtenues sont parallèles. On montre facilement que seule l’interaction
BC est significative.
Graphe des effets et des interactions
Pr. Badr DAKKAK 53

La figure représente pour les trois premières courbes les
effets moyens des facteurs A, B et C.
Le quatrième graphique visualise l’interaction non nulle BC.
Le cinquième graphique visualise l’interaction nulle AC, les
segments de droites sont parallèles.
Pour représenter l’interaction BC, nous avons placé en
abscisse le facteur « Rotation pièces», et en ordonnée la
réponse du système. Les deux courbes représentent les
effets pour les deux configurations de vitesse de meule.
Pr. Badr DAKKAK 54

Sur ce graphe, on note clairement que l’effet de la «
Rotation de la pièce » est faible lorsque la vitesse de la
meule est au niveau 1. Il est par contre très important
lorsque celle-ci est égale à 2.
On note le point qui minimise la rugosité:
Type de meule: indifférent.
Rotation pièce: rotation 1.
Vitesse de meule: vitesse 1.
Pr. Badr DAKKAK 55

Le problème des plans complets
La stratégie «plan d’expériences» proposée précédemment nécessite 4 essais
(22) car on étudie deux facteurs à deux niveaux (mini et maxi).
Si on veut étudier trois facteurs avec cette stratégie, il faudrait 8 essais (23).
Ces 8 essais nous permettraient d’étudier les 4 interactions possibles entre
les trois facteurs (AB,AC, BC,ABC).
Si on veut étudier huit facteurs avec cette stratégie, il faudrait 256 essais (28).
Ces 256 essais nous permettraient d’étudier les 247 interactions possibles
entre les 8 facteurs (AB, ...GH, ABC, ...FGH, ..., ABCDEFGH). C’est bien mais
c’est un peu cher de réaliser 256 essais. De plus les interactions d’ordre
supérieur à 2 sont pratiquement toujours nulles.
Pr. Badr DAKKAK 56

Plans fractionnaires
Aussi, plutôt que de faire les 256 essais, ne peut-on pas ne se
contenter que de 16 essais par exemple et sélectionner
quelques interactions intéressantes à étudier parmi les 247
possibles. C’est ce que proposent les plans d’expériences
grâce à l’utilisation de plans spéciaux dits fractionnaires
orthogonaux.
◦ Ils sont fractionnaires car on ne fait qu’une fraction de l’ensemble
des essais possibles.
◦ Ils sont orthogonaux car ils ne sont pas quelconques, mais choisis
en fonction de la propriété d’orthogonalité que nous introduirons
par la suite.
Pr. Badr DAKKAK 57

La méthode des plans d’expériences apporte une
solution à ces problèmes. Elle permet :
De déterminer de façon optimale la liste des essais à réaliser;
D’interpréter de façon très rapide les résultats des
expériences;
De fournir un modèle prédictif permettant de trouver les
configurations optimales;
D’étudier des phénomènes comportant des interactions (ou
couplage d’effets).
Pr. Badr DAKKAK 58

Cette méthodologie, sans équivalent, permet d’atteindre une
meilleure connaissance du système observé par un minimum
d’essais avec un maximum de précision.
A titre d’exemple, elle permettra d’étudier un problème
comportant 7 facteurs prenant chacun deux valeurs différentes
à partir de 8 essais en l’absence d’interactions.
De plus, chaque essai servira à apprécier l’effet de tous les
facteurs, ce qui contribue à améliorer la précision des résultats.
Pr. Badr DAKKAK 59

La méthode des plans d’expériences consiste à établir
un plan d’expérimentation comportant le minimum
d’expériences compte tenu des résultats souhaités.
L’ensemble des paramètres sera modifié lors de ces
essais.
Aussi pour présenter la méthode, nous allons nous
appuyer sur un exemple et réaliser le plan
correspondant afin d’en tirer les conclusions.
Pr. Badr DAKKAK 60

Etude sur l’exemple d’un pistolet à peinture
Le problème que nous cherchons à

résoudre concerne une installation de
vernissage.
Les produits à vernir défilent devant un

pistolet à peinture alimenté par un pot.
Pr. Badr DAKKAK 61

Etude sur l’exemple d’un pistolet à
peinture
Nous désirons comprendre le fonctionnement de ce système et
connaître l’influence des différents facteurs sur la quantité de vernis
déposé. Pour mesurer l’épaisseur de la couche de vernis, il suffit de
mesurer la couleur obtenue à l’aide d’un appareil qui nous donne
une valeur numérique pouvant aller de 0 à 60 sur l’échelle de
couleur jaune.
Pr. Badr DAKKAK 62

Synthèse du savoir-
savoir-faire
La première étape à conduire dans une étude «plan
d’expériences» consiste à faire la synthèse du savoir-
faire de l’entreprise sur le domaine étudié.
Pour cela, on réunit l’ensemble des acteurs concernés

par le problème, afin de connaître :
Les facteurs agissant sur le système;
Le domaine de variation de ces facteurs;
Les interactions supposées entre les facteurs.
Pr. Badr DAKKAK 63

savoir-faire
Nous passerons assez vite sur cette phase dans notre
exposé. Il faut cependant bien garder à l’esprit que cette
étape est une étape-clé pour la réussite de la méthode.
Après cette étape de synthèse, les «hommes de l’art» ont
pu établir le tableau figure 14 résumant leurs
connaissances sur l’installation de vernissage. On choisit de
faire varier chaque facteur sur deux niveaux. Nous
noterons le minimum raisonnable de la variation du facteur
le niveau 1, le maximum raisonnable du facteur le niveau 2.
Pr. Badr DAKKAK 64
savoir-faire
Recensement des facteurs
Pr. Badr DAKKAK 65

savoir-faire
Les interactions supposées par les experts sont les suivantes :
◦ Interaction entre la pression et l’ouverture (CD);
◦ Interaction entre le diluant et l’ouverture (AC).
De plus, parmi les facteurs, certains se modifient facilement,
d’autres plus difficilement.
Ainsi, le diluant est difficile à modifier car il nécessite une vidange
complète de l’installation. Les autres facteurs sont faciles à passer
du mini au maxi.
Pr. Badr DAKKAK 66

Modélisation par les graphes de TAGUCHI
Pour résoudre ce problème, le docteur TAGUCHI propose

de le mettre sous forme de graphe en suivant certaines
règles de représentation.
Les facteurs
Ils sont représentés par des ronds différents selon la

difficulté de modification d’un niveau à un autre. TAGUCHI
distingue parmi les facteurs quatre groupes qui seront
représentés de façon différente.
Pr. Badr DAKKAK 67

Modélisation par les graphes de TAGUCHI
Groupe 1: Groupe des facteurs les plus difficiles à modifier.

Ils seront notés par un cercle.
Groupe 4 : Groupe des facteurs les plus faciles à modifier.

Ils seront notés par un rond noir.
Entre ces deux groupes, TAGUCHI insère deux niveaux

intermédiaires de difficultés de modification, le groupe 2
noté ( ) et le groupe 3 noté ( ).
Pr. Badr DAKKAK 68

Les interactions
Les interactions entre deux facteurs seront
représentées par un trait entre deux facteurs.
Ainsi, si on souhaite représenter une interaction

entre un facteur A du groupe 1 et un facteur B du
groupe 4, nous dessinerons :
Pr. Badr DAKKAK 69

Application à notre cas
Le facteur A étant difficile à modifier, nous le modéliserons
par un rond blanc. Les autres facteurs, faciles à modifier,
seront du groupe 4 et modélisés par un rond noir.
Les deux interactions supposées par les spécialistes seront

modélisées par un trait, ce qui nous donne le graphe :
Pr. Badr DAKKAK 70

Recherche du plan d’expériences
correspondant
Nous recherchons maintenant les expériences nécessaires pour
mesurer l’effet de chacun des facteurs énumérés et de chacune des
interactions.
Nous souhaitons faire le moins d’expériences possibles et avoir la
meilleure précision possible sur les résultats. Nous allons pour cela,
utiliser les tables orthogonales de Taguchi.
Celui-ci a proposé des tables d’expérimentations associées à des
graphes facilitant la mise en œuvre des tables.
Les tables existent, nous l’avons dit, depuis le début de siècle, mais les
graphes linéaires représentent un apport original de Taguchi.
Pr. Badr DAKKAK 71

correspondant
Table L8 (27)
Pr. Badr DAKKAK 72

Recherche du plan d’expériences correspondant
Examinons à titre d’exemple la table L8 (27). Rappelons que L8 signifie que cette
table est tirée d’un tableau qui comporte 8 lignes, c’est-à-dire 8 expériences.
27 signifie que cette table est tiré d’un plan complet de 7 facteurs à 2 niveaux. Cette
table ne pourra pas être utilisée pour étudier plus de 7 facteurs, ceux-ci étant à
deux niveaux.
Chaque ligne de la table représente une expérience et chaque colonne permet de
mettre un facteur.
Lorsqu’un facteur est à 1, on le placera au mini, lorsqu’il est à 2 on le placera au
maxi.
On peut également étudier des facteurs qualitatifs, par exemple deux fournisseurs
différents.
Le niveau 1 représente alors le premier fournisseur, le niveau 2 le second. 73

correspondant
On remarque que la colonne 1 est du groupe 1, le niveau ne change qu’une fois
dans la table. Les colonnes 2 et 3 (groupe 2) changent de niveaux
respectivement 3 et 2 fois. Les colonnes suivantes changent pratiquement à
chaque essai.
Ces tables ne sont pas quelconques, elles ont la propriété d’orthogonalité.

Cette propriété est à la base de leur construction. L’objet de ce chapitre n’est
pas de détailler cette propriété, aussi nous dirons simplement que cette
propriété se traduit de la façon suivante :
«Lorsqu’une colonne est à un niveau, toutes les autres colonnes sont autant de fois au
niveau 1 qu’au niveau 2.»
Pr. Badr DAKKAK 74

Graphe linéaire de la table L8
Deux graphes linéaires accompagnent la table L8
Ces deux graphes indiquent, sous forme graphique, les

modèles que l’on peut étudier à partir de la table L8 (27)
Pr. Badr DAKKAK 75

Utilisation de cette table
Pour utiliser cette table, il faut rapprocher le graphe de
notre application d’un des graphes de TAGUCHI.
Ainsi, si nous comparons le premier graphe de TAGUCHI
et le graphe de notre application, nous constatons une
certaine similitude.
Pr. Badr DAKKAK 76

Le rapprochement des deux graphes nous permet de placer
les facteurs dans les colonnes adaptées.
Ainsi, le placement des facteurs A, B, C, D, est immédiat, il

suffit de placer A en colonne 1, C en colonne 2, D en
colonne 4 et B en colonne 7. Ce choix n’est pas unique, on
aurait pu également inverser C et D.
Pr. Badr DAKKAK 77

Comme on souhaite étudier l’interaction AC,

la colonne 3 est réservée pour cette
interaction.
Nous dirons pour une première approche que
nous ne pouvons pas placer de facteur dans
cette colonne. Il en est de même pour la
colonne 6.
Par contre, la colonne 5 est disponible, les
spécialistes ont considéré que l’interaction AD
était nulle ou presque. Nous en profiterons
pour placer le facteur restant E.
Pr. Badr DAKKAK 78

Ici encore nous ferons une petite remarque qui pourrait nous entraîner fort loin. Nous
avons placé le facteur E en colonne 5 parce que nous supposons l’interaction entre A et D
nulle. Mais si ce n’est pas le cas, nous ferons une erreur dans l’estimation de l’effet du
facteur E. On dit que E est «alias » de l’interaction AD. Le résultat que nous affecterons à E
sera en fait la somme de l’effet de E et de l’interaction AD. Le plan d’expériences à réaliser
est obtenu en ne retenant que les colonnes 1, 2, 4, 5 et 7 ce qui nous donne le plan ci-
dessous:
Le plan d’expériences établi, il suffit de réaliser les expériences et de mesurer les résultats
de chacun des essais. Pr. Badr DAKKAK 79
Interprétation des résultats
L’interprétation des résultats est fondée sur une représentation
graphique des effets de chacun des facteurs.
Graphe des effets

Etudions l’effet du facteur A. Lorsque A est au niveau 1 (essais 1, 2, 3, 4)
les autres facteurs sont autant de fois au niveau 1 qu’au niveau 2. Il
n’influe donc pas sur la moyenne des résultats de ces quatre essais. La
même remarque peut être faite lorsque A est au niveau 2. Ainsi la
différence, entre la moyenne des quatre premiers essais et les quatre
suivants, représente l’effet du facteur A.
Pr. Badr DAKKAK 80

Graphe des effets
Pour calculer l’effet du facteur E par exemple, on
prendra la moyenne des essais 1, 3, 6, 8 pour le
niveau 1 et 2, 4, 5, 7 pour le niveau 2.
Pour simplifier l’interprétation, on représente ces

résultats sous forme graphique. La figure 18
représente l’effet du facteur C.
Pr. Badr DAKKAK 81

Graphe des effets
Le point 1 représente la moyenne des essais 1, 2, 5, 6, et le point 2 la moyenne des
essais 3, 4, 7, 8. La droite reliant les deux points représente l’effet du facteur C
(ouverture de la buse). Nous avons tracé en pointillé, la moyenne générale des huit
essais (25,08). Ce graphe indique clairement que lorsque l’ouverture augmente, la
quantité de vernis augmente également.
Graphe des effets du facteur C

Pr. Badr DAKKAK 82
Graphe des interactions
Pour représenter une interaction il faut deux droites reliant
les quatre configurations possibles. Cela évite de dessiner
en perspective (3 dimensions). Le point 1 est obtenu en
faisant la moyenne des essais lorsque C=1 et D =1, soit la
moyenne des essais 1 et 5.
Graphe de l’interaction CD 83
On constate sur ce graphe que lorsque D (pression) est au niveau 1,
l’effet du facteur C (ouverture) est faible, par contre, une pression
élevée (D = 2) favorise l’effet de l’ouverture.
Graphe des effets et des interactions 84

La figure 20 représente l’ensemble des effets et des
interactions présents dans le système.
L’interprétation de ces graphes est assez facile, on constate

par exemple que le diluant (facteur A) n’a pas d’effet
principal,
mais par contre, il intervient par le biais d’une interaction

avec le facteur C (ouverture).
Pr. Badr DAKKAK 85

Recherche des extremums
A partir du graphe des effets, la recherche des extremums
est assez aisée, il suffit de retenir les points les plus hauts ou
les points les plus bas en fonction de l’extremum recherché.
Le maximum sera obtenu pour :

B placé au niveau 1 (Graphe de l’effet de B);
E placé au niveau 1 (Graphe de l’effet de E);
C niveau 2 et D niveau 2 (Graphe des interactions CD) ;
C niveau 2 et A niveau 1 (Graphe des interactions AC).
Le minimum sera obtenu pour :

B placé au niveau 2 (Graphe de l’effet de B);
E placé au niveau 2 (Graphe de l’effet de E);
C niveau 1 et D niveau 2 (Graphe des interactions CD) ;
C niveau 1 et A niveau 1 (Graphe des interactions AC). 86
Bien sûr il faut confirmer ces résultats par des essais sur le site.
Pour le minimum, il se trouve que la configuration a déjà été testée
dans le plan d’expériences (essai n° 2), or cet essai avait donné un
résultat particulièrement faible. Mais on ne peut pas vérifier un modèle
sur un des essais qui a permis d’établir ce modèle!
Pour le maximum, il faut réaliser un essai complémentaire, ce qui a été
fait pour trouver comme maximum 34,4.
Cette valeur maximale n’a jamais été atteinte au cours des essais. Le
plan d’expériences a donc permis de trouver très rapidement le
résultat recherché.
87
Un essai au centre du domaine permet de vérifier la linéarité.
On doit trouver comme réponse la moyenne des huit essais. En
cas de non linéarité, il faut augmenter le nombre de niveaux
étudiés pour les facteurs.
Bien sûr, il arrive parfois de trouver un écart entre la réalité et

la prévision par les plans d’expériences. Dans ce cas deux
explications principales peuvent être retenues :
Il y a présence d’un ou d’autres facteurs importants non pris en compte
dans le plan qui perturbent les résultats ;
Il y a présence d’interactions fortes non étudiées dans le plan.
Pr. Badr DAKKAK 88

Aussi sommes-nous tentés dans ces cas de conclure que le plan
d’expériences n’a pas marché. Notre expérience dans le domaine nous
amène à croire le contraire.
En effet, lorsque les spécialistes de l’entreprise ne sont pas capables de
prévoir un effet d’un facteur ou d’une interaction au départ de l’étude,
c’est que leur connaissance du sujet n’est pas suffisante.
Le plan d’expériences révélera alors ce manque de connaissance et
permettra aux spécialistes de faire progresser leurs compétences.
Pr. Badr DAKKAK 89

Conclusions
Bien sûr, nous n’avons pas abordé la totalité des concepts
nécessaires à la mise en œuvre des plans d’expériences dans ce
chapitre. Nous avons néanmoins montré comment les plans
d’expériences permettent assez facilement d’introduire de la
rigueur dans les campagnes d’essais.
Le choix des expériences à réaliser est guidé par les graphes

linéaires et l’interprétation des résultats est très facile même
par des non-spécialistes grâce à la représentation graphique
proposée par Taguchi.
Pr. Badr DAKKAK 90

Conclusions
Attention, cependant dans l’utilisation de cette
technique qui peut conduire à des résultats
erronés si l’utilisateur de la méthode n’est pas
compétent. Aussi, il ne faut pas faire l’impasse
sur une formation solide dans le domaine avant
de réaliser ses premiers essais.
Pr. Badr DAKKAK 91

Conclusions
Quel que soit le secteur d’activité d’une entreprise,
elle est toujours amenée à réaliser des essais. A
l’époque où il faut optimiser très vite les produits et
les processus, l’heure n’est plus au «bricolage», mais
à une démarche rigoureuse et efficace. Gageons que
de plus en plus d’industriels imiteront ceux qui
utilisent ces outils avec efficacité pour mieux
maîtriser leur processus.
Pr. Badr DAKKAK 92

Chapitre 4 Six Sigma PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 4 Six Sigma PDF

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 4

Pr. Badr DAKKAK 1

«Six Sigma» apporte un accroissement de la rentabilité à

une amélioration de la disponibilité des machines ;

de meilleures parts de marché consécutif à l’amélioration de la qualité des produits.

Pr. Badr DAKKAK 2

un indicateur de performance permettant de savoir où se situe l’entreprise en

une méthode de résolution de problèmes permettant de réduire la variabilité sur les

une organisation des compétences et des responsabilités des hommes de

projet. Pr. Badr DAKKAK 3

Pour pouvoir progresser il faut mesurer le niveau de qualité actuel, et

Pr. Badr DAKKAK 4

Il y a donc une relation directe entre la non-conformité et

Pr. Badr DAKKAK 5

Pr. Badr DAKKAK 6

Pr. Badr DAKKAK 7

Pr. Badr DAKKAK 8

Par Six Sigma on cherchera à obtenir le niveau de qualité de 3,4 ppm.

La notion de DPO (Défaut par Opportunité) a été introduite pour tenir

Prenons par exemple une chaussure sur laquelle on a deux opportunités de

Sur une journée de production de 500 chaussures, on a trouvé 5 défauts de

Pr. Badr DAKKAK 10

p’ = 1– e – DPO = 1 – e – 1,016 = 0.01587

ZST = zéquivalent +1.5 = 2.15+1.5 = 3.65

Ppk% = zéquivalent /3 = 2.15/3 = 0.72

Pr. Badr DAKKAK 11

Ce qui donne pour 5000 ppm une valeur

Pr. Badr DAKKAK 12

Pr. Badr DAKKAK 13

Pr. Badr DAKKAK 14

Pr. Badr DAKKAK 15

Pour illustrer cette notion de variabilité, prenons l’exemple d’un

Dans les processus industriels ou de service, le problème

Les trois sources primaires de la variabilité sont :

Cependant, il n’est pas facile d’agir sur la variabilité d’un processus.

Cela nécessite d’avoir recours à de nombreux outils statistiques tels que

Si quelques experts sont capables de suivre une telle démarche de

Pr. Badr DAKKAK 18

Six Sigma a pour objectif d’améliorer la performance

◦ la réduction des dépenses en réduisant fortement le nombre de rebuts,

◦ l’optimisation dans l’utilisation des actifs de l’entreprise en augmentant le

◦ l’augmentation du chiffre d’affaires consécutif à la réduction des coûts et à

Pr. Badr DAKKAK 19

C’est la démarche DMAICS qui fournit le guide méthodologique

C’est la raison pour laquelle on devra associer la mise en place de la

Pr. Badr DAKKAK 20

Pr. Badr DAKKAK 23

Formaliser le processus étudié :

Quels sont les X a priori ?

Positionner le processus dans son ensemble (Bloc Diagramme).

Identifier l’état actuel :

Quelle est la capabilité visée?

Quels sont les coûts de non-qualité que l’on veut supprimer?

Quels sont les gains en productivité ...? Pr. Badr DAKKAK 24

Pr. Badr DAKKAK 25

Dans l’atelier de fabrication concerné, un Pareto des coûts de non-qualité est

Le champion du secteur et le «Black Belt» se réunissent et définissent

Pr. Badr DAKKAK 26

Etat actuel État souhaité

Gains et coûts mesurables Gains et coûts non mesurables

Pr. Badr DAKKAK 27

Pr. Badr DAKKAK 29

Pr. Badr DAKKAK 30