Académique Documents
Professionnel Documents
Culture Documents
Introduc�on
Travailler en 2 groupes
Choisir un animateur
Choisir un ges�onnaire du temps
Choisir un présentateur
Instruc�ons:
Faire un Brainstorming du vocabulaire Améliora�on
con�nue, Lean et Six Sigma
Durée : 30min
3
Qu’est ce que Six Sigma?
Le concept six sigma, comparé aux autres méthodes qualité, est un concept complexe
aux dimensions multiples.
Le six sigma est une méthode complexe qui :
Se focalise sur les faits et les données ;
Tend à anticiper et détecter les défauts ;
A pour but la satisfaction du client et l’amélioration des résultats opérationnels.
4
A quoi correspond la valeur sigma?
Sigma est une mesure de la dispersion. Le calcul mathématique de l’écart-type d’une
population se fait selon la formule suivante :
Point d’inflexion
Par définition, l'Écart-type est la distance
séparant la moyenne et le point d'inflexion
sur la courbe Normale.
68,26%
95,45%
Tolérance 99,73%
Inférieure
ou Tolérance Supérieure ou
LSL USL
Tolérance inférieure (LSL – Lower Spec Limit)
Tolérance supérieure (USL – Upper Spec Limit)
-6 -5 -4 -3 -2 -1 +1 +2 +3 +4
+5 +6
5
Qu’est ce que le sigma en tant que mesure?
“Le niveau sigma” est :
• Une unité statistique utilisée pour décrire la performance d’un process relativement aux limites de
spécifications ou limites de tolérances client;
• Le nombre d’écart-types de la moyenne jusqu’à la limite la plus proche.
USL
6 Sigma
5 Sigma
4 Sigma
3 Sigma
2 Sigma
1 Sigma
3 à 5 Sigma
Caractérisation et
optimisation des processus
3 Sigma
Utilisation des outilsbasiques
de résolution deproblèmes
1 à 2 Sigma
Simplification et organisation
12
6
Qu’est ce que l’échelle six sigma?
L’échelle six sigma prend en compte la variabilité aléatoire à long terme des process
13
7
LSS vs. autres démarches qualité
Lean Six Sigma présente trois différences-clés par rapport auxautres démarches qualité.
Une analyse de l’abondante littérature produite sur Lean Six Sigma et des discussions
menées auprès des experts, permet d’en extraire trois caractéristiques majeures qui
semblent la distinguer des autres approches :
15
Source: N Volck, 2009. Déployer et exploiter Lean six Sigma. Eyrolles editions.
16
8
LSS et Organisation dédiée
Lean Six Sigma a une organisation spécifique:
Responsable Rôle Délais
Client du processus.
Propriétaire du problème à traiter. Finance le projet,
Sponsor → -
lève les points bloquants et pérennise les gains.
Chef de filière et acteur de l'amélioration
continue. 1à3h
Champion → Responsable du portefeuille de projets
par
Sélectionne les projets et les ressources nécessaires. semaine
Expert et Chef de projets stratégiques et complexes
100%
Master Black → Formateur de la démarche et Coach terrain
de son temps
Belt
Chef de projets LSS à temps plein
Référence dans les projets
100%
Black Belt → transversaux de son temps
Rend compte de l’avancement des projets lors des comités
de pilotage et auprès des sponsors.
Praticien de la méthodologie LSS
≈ 50%
Green Belt → Application des outils de base du DMAIC et du Lean
de son temps
Membre d’équipes projet
≈ 30%
Yellow Belt → Connaissances basiques de certains outils du LSS
de son temps
17
9
Organisation : Conseils Comportementaux
Tous les acteurs dans le processus de mise en place de projets Lean Six de Sigma
doivent être enclins à agir selon des comportements types.
19
20
10
LSS une Méthodologie par étapes
Les projets Lean Six Sigma s’articulent autour de deux types de stratégies structurées :
2.Le DMADV (Define, Measure, Analyse, Design, Verify) ou Le DFLSS (Design For Lean Six
Sigma) ou → les projets d’innovation et de conception.
21
Source: ML George et al., 2005 . Lean Six Sigma Pocket Tool Book . Mc Graw-Hill edition.
22
11
LSS une Méthodologie par étapes
* Trouver et éliminer les causes racines de variation par la connaissance du processus et une
approche statistique.
23
+ + +
Source: Zellner et al., 2011 . A structured evaluation of business process improvement approaches. Business Process
Management Journal, 17(2), 203-237.
24
12
Lean Six Sigma
vs. autres démarches qualité
Culture de la mesure
25
26
13
Amélioration continue et Lean Six Sigma
Amélioration continue
SMQ
Lean
Petits pas au quotidien
Projet
DMAIC
SMQ
Lean
Petits pas au quotidien
Temps
27
ZÉRO INFLEXIBILITÉ
ZÉRO VARIABILITE
28
14
Qu’est ce que le Lean six sigma?
Le Lean Six Sigma permet de mettre en place une vraie culture d’amélioration continue
par sa complémentarité d’approches dont l’objectif est l’atteinte des 4 Z.
Lean Six Sigma
Elaboré chez Toyota dans les 1950’s Elaboré chez Motorola dans les
Sorti du Japon au début des 1980’s 1980’s
Théorisé aux USA dans les 1990’s Repris et largement développé par
Utilisé en Europe dans les 2000 GE dans les 1990.
29
30
15
Quelles sont les bénéfices du Lean six sigma ?
Les gains des projets Lean Six Sigma se font dans la durée et visent à la fois le gain
de CA et la réduction de coût.
→ La Croissance du chiffre d'affaire se fait au travers de l'amélioration de la satisfaction client en
terme de qualité, délais et coût;
Avec un seul projet DMAIC, les optimisations potentielles visées sont de l'ordre de :
• Délai d'exécution : réduction de 30% à 70%;
• Défaillances qualité : réduction de 70%;
• Coûts : réduction de 30% à 50%;
• Capacité: augmentation de 20%;
• Retour sur Investissement : facteur de 3 à 4;
• Projets de 6 mois : ordre de grandeur un tel projet rapporte de 300 à 400 K€ de bénéfices.
31
32
16
Six Sigma : en quoi cela consiste ?
• Établissement de priorités en fonction de celles du client.
• Recours intensif aux outils statistiques pour l’analyse et
l’amélioration des process.
• Prééminence de la réduction des variations et des défauts.
33
objectif
34
17
Réduire les variations : quels effets ?
K€
• Assemblage plus Réduction
Variations des coûts :
facile
réduites Produit • meilleure qualité
• Montage plus facile
dans le plus • gain de temps
• Moins de défauts
process uniforme • moins de déchets
• Moins de pannes
de moulage • moins de reprises
sur le terrain
• moins de soucis
VOTRE OBJECTIF !
35
25 30 35 40 45 50 55 60 65 jours
cible
Un service comptabilité fournisseurs a pour objectif un règlement des
factures à 45 jours après la date de réception.
Quelles sont les possibilités de réduction des coûts en réduisant la
variation des délais de paiement ?
36
18
Qui est le client ?
Règlement Fournisseur
Virement électronique
des factures
Le « client » désigne toute personne qui reçoit, utilise ou dépend du produit d’un
process.
Le « produit » est le résultat tangible du process. Il définit la raison d’être du process.
37
19
Traduire les besoins en exigences
39
20
Qu’est-ce qu’un sigma?
Un « sigma » (un écart type) est une mesure de variation
1 écart type
« sigma »
Si l’on arrive à intercaler six écarts types entre la moyenne de notre process et les
besoins du client...
LIS LSS
6 5 4 3 2 1 1 2 3 4 5 6
Alors :
99,99966 % de nos « chances » répondent aux attentes !
42
21
Exemple de process Six Sigma
LIS LSS
6 5 4 3 2 1 1 2 3 4 5 6
43
Niveau Coût
de défauts d’une mauvaise
internes qualité
44
22
Répercussions attendues
45
Caractériser et optimiser
La méthode Six Sigma se distingue de toutes les autres méthodes d’amélioration par le
degré de caractérisation, puis d’optimisation des process.
Caractériser le process
• Collecter et analyser les données sur les produits du process (Y) pour avoir un aperçu de
la situation actuelle;
• Identifier les causes (xs) de la dispersion et des défauts;
• Collecter les données et pratiquer des tests statistiques pour déterminer s’il s’agit bien
des causes véritables.
Optimiser le process
• Élaborer les solutions permettant de contrecarrer ces causes;
• Collecter les données et pratiquer des tests statistiques pour évaluer l’incidence de ces
solutions;
• Mettre en œuvre les solutions et un système de contrôle et de surveillance permettant
de conserver les gains sur le long terme. 46
23
La stratégie de progrès de Six Sigma
Reconnaître S’assurer que les améliorations auront un impact
stratégique réel.
Identifier le produit ou le process à améliorer et les
Définir
quelques exigences du client qui sont les plus
critiques pour la qualité (CTQ)
Mesurer Quantifier les résultats actuels du process et fixer
Process un objectif d’amélioration.
De caractérisation
Analyser Identifier les variables d'entrée qui ont le plus
d'incidence sur le CTQ.
Améliorer Trouver des solutions pour contrôler les principales
Process
variables d’entrée du process, quantifier leur
D’amélioration
Contrôler impact et les comparer à l’objectif.
Introduire des modifications dans la conception
Intégrer des process et des méthodes de normalisation
dans l’activité pour conserver dans le temps le meilleur niveau
quotidienne de performances.
47
Y = f(x)
• Produit • Entrées
• Effets • Causes
• Surveillance • Contrôle
24
Les rôles Six Sigma
Les chefs d’entreprise
Reconnaître Et tous les employés
Mesurer
Process
De caractérisation
Analyser Le black belt
Et son équipe
Améliorer
Process
D’amélioration
Contrôler
Control
Le process owner
Intégrer Et son équipe
Dans l’activité
Quotidienne
49
25
Rôle des membres de l’équipe de projet
• Appliquer les outils Six Sigma avec l’aide des Blacks Belts;
• Participer activement aux réunions et appliquer les décisions qui y sont prises;
• Collecter et analyser les données;
• Mener de petits projets, tels que…
• L’étude de capabilité du process;
• L’étude du système de mesure;
• La vérification des causes et des solutions.
51
26
Diagramme Six Sigma : définir
Étapes
Stratégie
de progrès
Améliorer
Optimiser
Contrôler
53
• Projet prioritaire;
– produit/process à améliorer.
• Définition du projet;
– intitulé et raison d’être du projet;
– étendue et limites;
– énoncé du problème;
– objectif du projet;
– délimitation temporelle;
– membres de l’équipe.
• Planification du projet.
– Durée;
– Ressources;
– Coût.
54
27
Diagramme Six Sigma : mesurer
Définir Étapes
2. Établir ce qui doit
être mesuré (Y) et
Mesurer valider le système
de mesure.
Caractériser 3. Quantifier les
Analyser résultats actuels et
proposer une cible
Stratégie d’amélioration.
de progrès
Améliorer
Optimiser
Contrôler
55
28
Diagramme Six Sigma : analyser
Définir
Étapes
57
29
Diagramme Six Sigma : améliorer
Définir Étapes
6. Trouver des
Mesurer solutions (pour
contrecarrer les
causes), y compris
Caractériser
en matière de
Analyser niveaux
d’exploitation et de
Stratégie
tolérances.
de progrès
Améliorer 7. Mettre en place les
solutions et
prouver
Optimiser
statistiquement
Contrôler qu’elles sont
efficaces.
59
30
Diagramme Six Sigma : contrôler
Définir
Mesurer
Étapes
Caractériser 8. Instaurer les systèmes
Analyser de contrôle pour
maintenir les
Stratégie améliorations dans le
de progrès
temps.
Améliorer
9. Prouver statistiquement
que l’amélioration est
Optimiser durable (3 mois de
Contrôler données).
61
31
La stratégie de progrès Six Sigma • Coût de la mauvaise qualité (COPQ)
• Diagramme de Pareto
Définir • Produit, mesures des résultats du process
• Organigramme du process (niveau global)
• Points de vue du client
1 Identifier les priorités du client. Délimiter le • Matrice « critique pour » (CT)
projet.
Mesurer • Diagramme entrées-process-produits (IPO)
• Cartographie du process
• Fiches de contrôle
2 Établir ce qui doit être mesuré (Y) et valider le système de mesure. • Diagramme de Pareto
• Analyse des système de mesure (ASM)
3 Quantifier les résultats actuels et proposer une cible d’amélioration. • Analyse du potentiel du process
64
32
La PENSEE STATISTIQUE- 02
Donnée
Qualitative Quantitative
Exemple : Nominale,
Ordinale
1
Statistique descriptive vs statistique par inférence
Statistique
Elle a pour objectif principal la description Elle a un objectif principal est de préciser un
de données étudiées. Cette description des phénomène sur une population globale, à
données se fait via une représentation partie de son observation sur une partie
graphique et le calcul de caractéristiques restreinte de cette population (exemples :
numériques telles que la tendance centrale sondages). Elle permet de tirer des conclusions
(moyenne, médiane et mode) et la sur la population en étudiant un échantillon.
dispersion. Dans cette optique, aucune Le plus souvent, ce passage ne pourra se faire
hypothèse de type probabiliste n’est faite sur en moyennant des hypothèses de type
les données considérées. probabiliste.
Convention
Etude
σ s
μ X
Sachant que faire une étude sur toute une population est souvent irréalisable à cause des contraintes de
faisabilité (tests destructifs), de coût il est plus aisé d’étudier un sous-groupe représentatif de la population et
tirer des conclusions avec un certain risque. 4
2
Statistique Descriptive
Statistique descriptive
Statistique Descriptive
http://sixsigmaimprovements.blogspot.fr/2012/05/graphical-analysis.html
6
3
Diagramme de série chronologique
7,0
6,5
Diamétre tube (
6,0
5,5
5,0
cm)
4,5
4,0
Boîte à Moustache
La boîte à moustaches est une traduction de Box & Whiskers Plot, est une invention de TUKEY (1977)
pour représenter schématiquement une distribution.
Exemple: Pour chaque élève d’une classe mixte, d’effectif 59, sont collectés son poids en kilogrammes
(code 1 pour masculin, code 2 pour féminin).
Médiane
Dispersion
Points aberrants!!
Q2= 50%
4
Boîte à moustaches
140
120
New Salaries (€K)
100
80
60
40
20
Diagramme de Pareto
10
5
Paramètres de position et de dispersion
Le Six Sigma s’intéresse aussi bien aux paramètres de position ( tendance centrale) qu’aux
paramètres de dispersion (variabilité du processus).
Paramètres de Dispersion
Valeur centrale
- Etendue
- Variance, Ecart type
- Ecart interquartiles
11
Valeur centrale
La moyenne
La moyenne ne peut être définie que sur une variable quantitative. La moyenne indique où
se situe le centre de la distribution.
52
Sur une course de 10 km, voici les résultats du groupe A :
n
• Béa : 50 min
• Pierre : 80 min
x i
• Paul : 30 min
x i1
n
• Sophie : 60 min Avec n: nombre d’observations
12
6
Valeur centrale
La moyenne
La moyenne de l’échantillon (Xbar) est le meilleur estimateur de la moyenne de la population noté » (μ).
Moyenne
Médiane
Mode
Dans une distribution en cloche, uni-modale et symétrique, moyenne, mode et médiane sont confondus.
13
Valeur centrale
La médiane
La médiane représente la fréquence de 50%, ainsi la médiane d’une série statistique est le nombre qui
partage cette série statistique est le nombre qui partage cette série statistique en deux parties de
même effectif, les valeurs du critère étudié étant rangées dans l’ordre croissant.
La médiane est une valeur centrale de la série statistique obtenue de la manière suivante :
Soit une série statistique 3 2 1 0 0 1 2
1- Trier la série statistique per ordre croissant des valeurs observées -> 0 0 1 1 2 2 3
2- La médiane est la valeur qui se trouve au milieu de la série ordonnée -> 0 0 1 1 2 2 3
Nous allons examiner une manière simple de calculer la médiane. Deux cas doivent être distingués.
- Si n est impair, il n’y a pas de problème ( ici avec n=7); 0 0 1 1 2 2 3, alors la médiane est =1.
- Si n est pair, deux valeurs se trouvent au milieu de la série (ici avec n=8), 0 0 1 1 2 2 3 4, la médiane
est alors la moyenne de ces deux valeurs : = (1+2)/2=1,5.
14
7
Valeur centrale
La médiane
1
1,5
Valeur centrale
Le mode
Le mode, noté XM , est la valeur distincte correspondant à l’effectif le plus élevé ou la valeur la
plus représentée d’une variable quelconque dans une population.
Le mode peut être calculé pour tous les types de variable, quantitative et qualitative.
Considérant la variable état civil, dans une entreprise de 20 employés, dont le tableau statistique
est le suivant, le mode est célibataire.
Tableau statistique de l’état civil
10%
Etat civil Effectif 10%
Célibataire 9 45%
Marié 7
Veuf 2 35%
Divorcé 2
16
8
Dispersion
L’Etendue
R X max X min
Sur une course de 10 km, voici les résultats du groupe A:
Béa: 50 min
Pierre: 80 min ( valeur maximale)
Paul: 30 min ( valeur minimale)
Sophie: 60 min
Damien: 40 min
D’où R = 80 - 30 = 50 min
L’étendue nous donne une information sur la dispersion. Mais est-ce que suffisant?
L’étendue ne tient pas compte de la moyenne. A partie de l’étendue, on ne peut pas savoir comment les
valeurs sont dispersées autour de la moyenne.
Application en MSP : l’étendue est très utilisée pour comparer les dispersions d’échantillons de petite
17
taille n<10.
Dispersion
La variance
La variance d’une population est la somme des carrés des écarts à la moyenne divisées par le nombre
d’observations, n :
n 2
1
2
x i
n i1
Afin d’estimer une variance d’une variable X à partie d’un échantillon (une partie de la population
sélectionnée au hasard) de taille n, on utilise la variance corrigée divisée par n-1.
2
n
1
n -1
S
2
xi x
i1
18
9
Dispersion
L’Ecart-type
C’est la racine de la variance. Afin d’estimer l’écart-type d’une variable X à partir d’un échantillon de taille
n, utilise la variance « corrigée » pour définir l’écart-type.
x x
n 2
n- 1
S i1
Dispersion
L’Ecart-type
L’écart-type est symbolisé très souvent par la lettre grecque « sigma » pour une population.
La courbe de la loi normale varie en fonction de la dispersion des valeurs :
Groupe B
Groupe A
Concentration Dispersion
52 52
Écart-type = 1,58
Écart-type = 19.2
Plus l’écart-type est grand, plus la dispersion des observations d’une variable est importante.
Il est à noter que les écarts-types ne s’additionnent pas. 20
10
Nature des distributions
La modélisation des données statistiques est basées sur les lois de distributions
statistiques.
21
22
11
Nature des distributions
Une loi permet de modéliser un processus et de déterminer des probabilités d’occurrence.
Lois discrètes
Les lois discrètes sont utilisées pour
modéliser les résultats des jeux de Loi binomiale
hasard, les sondages d’opinion, les
phénomènes biologiques, les processus
aléatoires (files d’attente, évaluation de
l’état de matériels)…
Les plus utilisées sont :
- La loi binomiale.
- La loi de Poisson.
23
Normalité
24
12
Intérêt de la loi normale
La loi normale est la loi la plus utilisée dans les démarches de progrès continu car elle est la
plus courante et la plus simple.
« Tout système, soumis à de nombreux facteurs, indépendants les uns des autres, et d’un ordre
de grandeur équivalent, génère une loi normale. » Maurice Pillet
La plupart des données tendent à suivre une distribution normale ( en forme d’une cloche)
- Une propriétés clés de la distribution normale est la relation entre la forme de la courbe et
l’écart-type.
- C’est la loi la plus simple d’utilisation, qui ne nécessite pas de compétence se statisticien
pour être exploitée.
25
12 sigma
26
13
Test de normalité
- Étude de cas.
27
Test de normalité
Un test de normalité permet de vérifier qu’un échantillon a la même distribution
que la loi normale.
La forme de cet
histogramme
ne vous rappelle rien?
L’histogramme permet de représenter les distributions et permet ainsi d’un seul coup d’œil de voir
si l’échantillon suit une loi normale ou non et de voir la concentration ou l’étalement des données et
la détection des valeurs « suspectes ».
28
14
Test de normalité
Test de la normalité: récapitulatif des étapes
29
-> Ne pas supprimer les données anormales sans les avoir expliquées.
-> Lorsque nos données ne paraissent pas suivre une loi normale, c’est le plus souvent à cause de
la présence de causes spéciales : équipe, saisonnalité, température, etc.
15
Test de normalité – non normalité
Il y a deux raisons qui peuvent expliquer la non normalité de nos données : les causes spéciales
et la représentation des données par une autre loi de distribution.
-> D’autres lois mathématiques existent qui vont nous permettre de modéliser nos données :
Log-normale, Exponentielle, Weibull (utilisée pour les durées de pannes par exemple).
-> Une fois les données normalisées la carte de contrôle sera l’outil visuel le plus approprié
pour mettre en avant les causes spéciales qui peuvent apparaitre au cours du temps.
-> une fois la loi de distribution identifiée, il sera possible de transformer les données afin
qu’elles suivent une loi normale.
31
Normalité
32
16
Test de normalité :Test Anderson Darling
Le test d’Anderson-Darling est le test choisi préférentiellement par Minitab pour tester
la normalité des données.
Le test d’Anderson-Darling vise à tester l’hypothèse : les données suivent une
distribution normale.
- Si la valeur de p du test est inférieure au seuil fixé (valeur par défaut = 5%) alors
l’hypothèse de base est rejetée.
• P<5% =l’hypothèse est rejetée, les données ne suivent pas une distribution normale.
• P> 5% = l’hypothèse est conservée, les données suivent une distribution normale.
33
70
Pourcentage
Distribution normale. 40
30
20
10
1
159,8 159,9 160,0 160,1 160,2
cotations
34
17
Test de normalité : Test Anderson Darling
Même si les données ne sont pas confirmées normales, il est toujours possible d’en faire bon usage.
35
La pensée statistique
CONCLUSION
36
18
Les outils qualité
1
Diagramme CTQ – Critical To Quality
Le Diagramme CTQ- Critical To Quality a pour objectif de décomposer le besoin du client en exigences
critiques client mesurables selon 3 critères Qualité, Coût, Délai.
Conformité ingrédients
Général Spécifique
Diagramme de KANO
Le diagramme de Kano permet de prioriser les CTQs et de les classer en 3 catégories :
1 – Fonctions obligatoires (ou « Must Be »- Coût de base). Leur absence génère une
insatisfaction client.
2 – Fonctions proportionnelles (ou « More is Better »- Besoins de performance) ‘’Plus il y en
a, mieux c’est’’.
3 – Fonctions attractives ( ou « Latent Need »), C’est la cerise sur le gâteau!
2
Diagramme de KANO
• Pour certains besoins, la satisfaction des clients est proportionnelle à la performance
du produit. Selon Kano, ces besoins sont dits « de performance ». Par exemple,
l’économie d’essence que permet une voiture, est considérée comme un besoin de
performance, plus la voiture est économe en essence, plus grande est la satisfaction
du conducteur, et vice-versa.
• Les besoins basiques sont ceux pour lesquels le client est insatisfait lorsque le produit
n’y répond pas et neutre lorsque le produit y répond. Par exemple, l’hygiène dans un
restaurant est un besoin basique, l’absence d’hygiène induit une forte insatisfaction
chez les clients. Ils sont indifférents à sa présence puisqu’ils l’attendent.
• Les besoins attractifs sont ceux pour lesquels le client est satisfait lorsque le produit y
répond. Par contre, il est neutre lorsque le produit n’y répond pas. Ce sont des besoins
auxquels les clients ne s’attendent pas, par exemple, un thermomètre sur une brique
de lait permettant de savoir la température du lait.
3
Matrice QFD (Quality Function Deployment)
Exemple: Un café acheté dans un service de café de type restauration rapide
S M A R T D E C A
spécifique mesurable atteignable réaliste temporel Dénombrabl Economi Critique Adhé
e que sif
Un
Un seul indicate Des Des Une Nombre Sans Import Implica
but ur étapes moyens date 7 muda tion
ant
4
Cartographie du processus : SIPOC
5
Indicateurs Processus : Pertes
NON RS
Préventif :
- Maintenir l’état optimal des machines (standard machine).
TPM* : Total productive Maintenance - Prévenir les anomalies (déployer la maintenance 1èr, 2ème et 3ème
niveau. 11
TPM
Hygiène, Sécurité et Environnement
MAINTENANCE DANS LES BUREAUX
MAINTENANCE A LA CONCEPTION
FORMATION ET COMPETENCES
MAINTENANCE AUTONOME
MAINTENANCE PLANIFIEE
MAITRISE DE LA QUALITE
OPTIMISATION DU TRS
PILOTAGE DE LA PERFORMANCE
12
6
Matrice Impact/Faisabilité
La matrice Impact /faisabilite permet de discriminer rapidement les idées qui ont été
émises. Permet de hiérarchiser les idées par visualisation, de rendre plus factuel le futur
« débat » pour choisir les idées.
1 – Les notations sont obtenues suite à un consensus( sur une échelle 1 à 4 sur
chaque axe) ou directement en positionnement sur 4 cadrans.
2 - Animateur écrit à chaque fois ce que 1, 2 , 3 ou 4 représente dans le cadre
du projet et préparer son système de notation avant la séance
3 – Cette représentation par cotation unitaire permet d’avancer sur le
consensus et de bien visualiser un premier tri quand la solution recherchée est
simplement un plan d’actions priorisées.
4 – L’animation doit trancher entre faire cette matrice ou l’option de bâtir des
scenarii (en recourant dans un premier temps à un diagramme d’affinité).
13
Mode opératoire
Outils
Cette méthode peut s’appliquer à un produit industriel ou de service, à un procédé ou à un moyen de
production, elle e fait en neuf étapes :
Étape 1: définir l’objectif de l’étude AMDEC;
Étape 2: former le groupe de travail AMDEC;
Étape3: réaliser l’analyse fonctionnelle du système;
Étape 4: lister les modes de défaillances possibles;
Étape 5: étudier l’effet de chaque défaillance possible sur le système;
Étape 6: attribuer à chaque défaillance listée:
- une note de gravité (G) ou Severity (S),
- une note correspondant à la probabilité d’occurrence (O) ou fréquence (F),
- une note correspondant à la probabilité de non- détection (D), puis calculer l’indice de criticité : C
= G*O*D;
Étape 7: engager un plan d’actions correctives pour réduire la valeur de C;
Étape 8: réitérer au fur et à mesure que le projet avance. 14
7
Analyse de risque : AMDEC
AMDEC analyses qualitatives et quantitatives
16
8
Exemple AMDEC
17
Alimentation en café
Alimentation en eau
Sucre, non
lait, Café prêt
écrémé
oui
Mélange des ingrédients
18
9
AMDEC : Distributeur à café
19
Contrôler Dérouler
10
Efficience &
Performance
21
Q.Q.O.Q.C.P
QUOI?
QUI?
OU?
QUAND?
COMMENT?
POURQUOI?
22
11
Décrire la situation avec le QQOQCP
23
QUOI?
En d’autres termes:
« De quoi s’agit-il, quels sont toutes les opérations, les produits, les
matériels, les types de défauts… qui peuvent caractériser la situation? »
24
12
QUI?
25
OÙ ?
« Quels sont tous les endroits, tous les lieux où l’on peut trouver des
éléments de la situation?»
26
13
QUAND?
« Quels sont tous les éléments liés au temps qui peuvent décrire la
situation? »
Par exemple:
27
COMMENT?
28
14
POURQUOI?
Attention, il ne s’agit pas ici d’identifier les causes du problèmes, mais plutôt
quelles sont les raisons / enjeux qui rendent le problème nécessaire à traiter.
29
De quoi s ’agit-il ?
Quoi ? Quel est le problème ?
Qu’a- t-on observé ?
30
15
ANALYSER LA SITUATION ACTUELLE Q Q O Q C P
31
But de l’outil :
32
16
MODE OPERATOIRE EST/ N’EST PAS / DIFFERENCES
Déroulement:
33
34
17
MODE OPERATOIRE EST/ N’EST PAS / DIFFERENCES
35
Problème à traiter:
« Mauvaise fermeture des
fenêtres dans la maison »
36
18
MODE OPERATOIRE EST/ N’EST PAS / DIFFERENCES
Exemple:
37
Définitions:
38
19
MODE OPERATOIRE : FEUILLE DE RELEVE DE DONNEES
Déroulement:
Faire la liste complète des paramètres utiles à observer;
Préciser dans quelles conditions vous avez recueilli les données; Vous devez montrer
concrètement: QUI a pris QUOI comme données, QUAND, OÙ et COMMENT?
39
40
20
REDACTION D’UN COMPTE RENDU
41
Brainstorming
But
Produire aisément un grand nombre d’idées, sur un thème donné, dans des
conditions agréables.
Outils
Mode opératoire
42
21
MODE OPERATOIRE LE « REMUE MENINGE » OU « BRAIN STORMING »
Déroulement:
Organisation:
Rappeler les « conditions clés » et les afficher;
Présenter le thème : l’écrire, l’afficher et l’expliquer.
43
Déroulement :
Production des idées :
Exploitation :
22
MODE OPERATOIRE LE « REMUE MENINGE » OU « BRAIN STORMING »
Nombre
d’idées
5 10 15 20 25 30 Minutes
45
La matrice de cause à effet permet d’identifier les étapes du processus qui ont le
plus d’impact sur les EEC ou les CTQ.
Tableau croisé dans lequel on liste l’ensemble des activités du processus en ordonné
et les Exigences Critiques Clients (ECC) en abscisse.
Outils Mode opératoire
46
23
DIAGRAMME « CAUSES / EFFET »
But :
47
Déroulement:
Finaliser le diagramme
48
24
MODE OPERATOIRE : DIAGRAMME « CAUSES / EFFET »
(ISHIKAWA)
Matières Milieu Méthodes
EFFET
Machines Main-d’œuvre
49
LE VOTE PONDERE
But :
50
25
LE VOTE PONDERE
Cas d’utilisation :
Choisir un problème
51
Déroulement :
1) Dessiner un tableau à double entrées :
- Les options en lignes;
- Les noms des membres du groupe en colonne;
2) Définir les conditions de vote. Le système de notation peut être par exemple :
- choisir les 5 options qui paraissent les plus importantes à chaque membre;
- Les classer par ordre de préférence (10 points à répartir sur les options );
- Procéder au vote et totaliser les points obtenus (T) pour chaque option, ainsi que les suffrages
exprimés (N);
- Effectuer le produit T x N pour obtenir le classement final;
- Parmi les options les mieux classées, il reste à choisir, par consensus, celle qui sera retenue.
52
26
LE VOTE PONDERE
Risques / Limites :
53
Diagramme Pareto
Le diagramme de Pareto permet de mettre en évidence graphiquement l’importance de
certains facteurs sur les variables clés sortantes du processus. Il détermine le niveau
d’importance des causes, options,.. Pour les classer par ordre décroissant. Cette analyse
est également connue en gestion de production sous le nom de diagramme ABC ou loi
des 80/20 qui postule que 80% des effets sont imputables à seulement 20% de causes.
Outils
Mode opératoire :
1 - Établir la liste des critères à hiérarchiser;
2 - Noter la fréquence de chaque critère;
3 - Classer les critères dans le sens décroissant en fonction
de leur fréquence;
4 - Calculer la fréquence en pourcentage de chaque critère;
5 - Calculer la fréquence en pourcentage cumulée;
6 - Tracer le graphique.
54
27
Diagramme Pareto
Diagramme de Pareto (Exemple):
55
DIAGRAMME DE PARETO
DIAGRAMME PARETO
%
Élément du problème
56
28
DIAGRAMME DE PARETO
LA DIFFERENCE ENTRE :
DIAGRAMME D ’ISHIKAWA DIAGRAMME DE PARETO
E
F
F
E
T
CAUSE
57
LA MATRICE DE COMPATIBILITE
58
29
MODE OPERATOIRE : LA MATRICE DE COMPATIBILITE
Déroulement :
Recenser les critères de choix et les définir précisément;
Définir une échelle de notation (par exemple, -, --, +, ++);
Tracer un tableau à double entrée :
- une ligne pour chaque solution possible;
- une colonne pour chaque critère de choix;
59
LA MATRICE DE COMPATIBILITE
Moyens de transport
«Tunis - Alger»
60
30
LA MATRICE DE COMPATIBILITE
61
LA MATRICE DE COMPATIBILITE
Exemple :
62
31
PLAN D’ACTION
But:
63
Méthode :
64
32
MODE OPERATOIRE : PLAN D’ACTION
Efficacité
Description Cause TACHE Type Action à Réalisé
Date N° UNITE ANTEC réunion réaliser
Durée Pilote Délai constatée
du problème identifiée le
le
65
66
33
Les outils qualité
CONCLUSION
67
34
1
La démarche DMAIC
Partie 1 :
Phase Définir
1
DMAIC - Définir
1. Décrire l’opportunité Business
Define
Définir le problème, les objectifs du projet et les besoins des clients.
DMAIC - Définir
1. Décrire l’opportunité Business
Define
Définir le problème, les objectifs du projet et les besoins des clients.
Alignement Définition
Formalisation du Définition de Lancement
du projet avec la projet des méthodes
l’équipe projet du projet
stratégie de travail
2
DMAIC - Définir
Define
Livrables
DMAIC - Définir
Define
Rôles
3
DMAIC - Définir
ANALYSE STRATEGIQUE &
FINANCIERE
DMAIC - Définir
Contexte Quelle stratégie suivre?
Développement de nouveaux produits, innover?
Production et développement à l’international?
Stratégie Augmentation des volumes? Des marges?
Do the right projets- Quels projets choisir?
Quels sont les projets en phase avec la stratégie?
L’entreprise a-t-elle les moyens de les réaliser?
Portefeuille de projets Comment ses projets d’enchaînent-ils?
4
DMAIC - Définir
Analyse financière
LA RENTABILITE
=
Mesure du profit généré par les ressources employées.
Rentabilité
Investissement
Gains Couts
A B
(Retour sur investissement)
DMAIC - Définir
Analyse financière
10
5
DMAIC - Définir
RECUEIL & ANALYSE
DES VOIX
11
DMAIC - Définir
Il faut collecter l’ensemble des Voix et pas seulement celle du Client !
Voice of Customer
VOC
Value
Creation
Voice of Process
VOP???
Voice of Supplier Voice of Communities
12
6
DMAIC - Définir
Clients Fidélisation
Relation de confiance
Image Qualité (fiabilité)
Fournisseurs
Assurance Qualité
Relation de Confiance
Innovation Fournisseurs
13
DMAIC - Définir
CONSTRUCTION
DU PROJET
14
7
DMAIC - Définir
3 questions à se poser?
15
Description
Valorisation
Opportunité
Un document de référence / Problèmatique
financière
1 3
Un contrat
Remplissage réalisé
Objectifs Périmètre
Quoi?
Equipe Analyse
Projet 5 des Risques 6
Plan d’Actions
Planning / Plan Communication 7
16
8
Executive Summary
DMAIC - Définir
Exemple Pour l’ensemble des projets de développement logiciel, nous avons constaté un délai trop
long dans la prise en charge d’une anomalie pendant la phase de garantie => cela se traduit
de chate par une insatisfaction client et des équipes internes.
de Nous proposons de dérouler une méthode 5S pour traiter cette insatisfaction.
projet
Raisons Bénéfices attendus (sous 6 mois)
Service •VSM réalisée le 04/12/13 1. Réduction du délai de prise en charge de
•Détection de 7 sources de gaspillages sur le 60%
processus ciblé (prise en charge anomalie) 2. Diminution de la variation de 30 minutes
•Délai minimum constaté de 1,5 heure, et 3. Objectifs à atteindre dans 90% des cas
trop grande variation mesurée 4. Diminution du taux de rejet (passage de
•Multiples relances du client et bruit parasite 25% à 15%)
au sein de l’équipe
ROI Principaux risques
Gain estimé sur la prise en charge + taux de 1. Non adhésion de la DG
rejet = 41 JH soit 21K€ 2. Résistance au changement sur le terrain
Coût estimés du projet = 20JH soit 9K€ 3. Besoin de customisation des outils dans
ROI (gain net) = 12 K€ la phase de déploiement
ROI global sur l’ensemble des 5 projets de la 4. Non respect du planning
BU sur 1 an = 120 K€ 17
DMAIC - Définir
Blocus au lancement du projet
18
9
DMAIC - Définir
Exemple de charte
Etape 1 – Description de la Problématique
Problématique exprimée
Description
Valorisation
Dans un contexte concurrentiel renforcé, le
Opportunité Comité Exécutif de l’entreprise TOUTENSTOK
financière
/ Problématique
1 3 (vente en ligne de produits) a pris conscience
que les parts de marché de l’entreprise ont
Objectifs Périmètre diminué de 5% sur les dernières années.
KPI’s & CTQ Projet
2 4
-> Les concurrents livrent les clients en 48h alors
Equipe Analyse que TOUTENSTOCK livre en 72h
Projet 5 des Risques 6 -> Les clients se plaignent de produits livrés
Plan d’Actions abimés (~7% des livraisons) .
Planning / Plan Communication 7 -> L’organisation logistique mise en place il y a 5
ans ne semble plus adaptée au marché
Européen.
19
DMAIC - Définir
Etape 1 – Description de la Problématique : outil QQOQCCP
Question Problématique
10
Etape 2 – Objectifs et KPI’s
DMAIC - Définir
Objectifs
Description -> Réduire le délai de livraison en 72h à 48h en
Valorisation
Opportunité
financière juillet 2016 sur l’Europe.
/ Problématique -> Améliorer la performance du service logistique
1 3
de 10% à fin décembre 2016.
Objectifs Périmètre -> Réduire le taux de produit abimés de 7% à 3% en
KPI’s & CTQ Projet juillet 2016
2 4
21
Equipe Analyse
Projet des Risques ROI= 1500/200 = 7,5 à 2 ans
5 6
Plan d’Actions
Planning / Plan Communication 7
22
11
DMAIC - Définir
Etape 4 – Périmètre Projet
Description
Valorisation
Opportunité
financière
/ Problématique
1 3
Pôle Europe
Objectifs Périmètre Direction Supply Chain / IT
KPI’s & Projet « de la prise de commande à la livraison »
2 4
Equipe Analyse
Projet 5 des Risques 6
Plan d’Actions
Planning / Plan Communication 7
23
DMAIC - Définir
Etape 5 – Equipe Projet
Description
Valorisation
Opportunité
financière
/ Problématique
1 3
Equipe Projet
Objectifs Périmètre
KPI’s & CTQ Projet 2 consultants externes + experts
2 4
Dir Supply Chain / Responsable
Equipe Analyse Logistique / Resp. Qualité / Magasinier /
Projet 5 des Risques 6
Resp Informatique
Plan d’Actions
Planning / Plan Communication 7
24
12
Etape 6 – Analyse des risques
DMAIC - Définir
25
DMAIC - Définir
Etape 7 – Plan d’actions
Description
Valorisation
Opportunité
financière
/ Problématique
1 3 Plan d’actions :
26
13
DMAIC - Définir
Etape 8 – Planning
2016
Février Mars Avril Mai Juin Juillet
Ki
Kick-off Lancement Pilote
Lance Bilan de clôture
Define - projet
Charte pr
Define 01/02/2016 21/02/2016 - SIPOC
- Plan de communication
mmunica
- Business Case
Measure
- Choix d es CTQ’s
Measure 21/02/2016 15/03/2016 - Cartographie du processus « As-Is »
- Mesu
Mesure de la Performance: Baseline
Decisions / Milestones
27
DMAIC - Définir
EXERCICE
28
14
D MAIC - Mesurer
2. Faire l’état des lieux du processus
Measure
Mesurer les performances actuelles du processus et quantifier les problèmes.
La phase Mesurer permet d’établir une image de la situation actuelle ‘As Is’ et de
fournir les données nécessaires à l’identification des causes du problème
29
D MAIC - Mesurer
2. Faire l’état des lieux du processus
Measure
Mesurer les performances actuelles du processus et quantifier les problèmes.
Diagramme
Outils cause à effets
Ces outils peuvent être considérés comme des outils d’analyse et sont introduits dans certains cas en présence de
données historiques fiables afin de faire un premier diagnostic et afin d’établir une ligne de base ou référence en
l’absence de cible réglementaire ou imposé par le client. 30
15
D MAIC - Mesurer
Measure Livrables
31
D MAIC - Mesurer
Rôles
Measure
32
16
D MAIC – Plan de collecte des données
La mise en place de la collecte de données est constituée de 4 étapes mettant en jeu différents
acteurs de l’entreprise.
33
Quand?
Dans la phase Measure et /ou Improve
Le système de mesure doit être analysé avant la collecte de donnée (ou s’il s’agit de données historiques avant
l’analyse des causes racine).
Il faut vérifier que le système de mesure reconnaît la variation des variables X et Y dont on analysera les relations.
Après que le processus ait été amélioré dans le cadre du chantier pilote, il faut vérifier que le système de mesure
est toujours capable d’accomplir la surveillance du processus ( il pourrait arriver que la variation ait diminué au
point que le système de mesure ne soit pas adapté).
34
17
D MAIC – Plan de collecte des données
Certains facteurs clés de succès et risques sont à prendre en compte lors de
l’établissement du plan de collecte de données.
Quantifier
La première action consiste à chercher un critère mesurable, capable de traduire la satisfaction des clients en
terme d’Exigence Critiques Clients ( ECC) ou Critical To Quality.
Exemple Industriel : Une entreprise qui travaille sur des produits à forte VA veut éliminer les fuites
apparaissant au niveau d’une soudure. La proportion de produits ayant une fuite est de l’ordre de 1% pour
une production annuelle d’une 100aine de produits.
Dans ce cas, il ne serait pas approprié d’utiliser la proportion de soudures présentant une fuite, et ce pour
deux raisons principales :
1. Le peu de données disponibles : 1 à 2 produits à fuite par an, mais qui coûtent très cher.
2. L’impossibilité de conduite un projet LSS dans lequel la mesure devrait mettre en évidence des produits
défectueux.
Genichi Taguchi : « Pour atteindre la qualité, il ne faut pas mesurer la qualité! »
Le savoir- faire du Black Belt -> trouver des corrélations avec d’autres défauts et les mesurer
• Des irrégularités de la soudure ( variation de hauteur, de largeur de cordon);
• Un mauvais centrage de la soudure;
• Une intensité consommée ( paramètres processus)… 36
18
D MAIC – Plan de collecte des données
Comment choisir des Indicateurs de mesures opérationnels?
Cas service
Dans le cas d’un projet Six Sigma portant sur un service, il est souvent difficile de trouver
facilement un critère mesurable. C’est pourtant un des points essentiels du LSS.
Pour construire le système de mesure de la satisfaction du client, l’outil de référence est le
diagramme CTQ.
-> Quel est le besoin du client? Quelles sont ses exigences? Comment peut-
on mesurer ces exigences d’un point de vue opérationnel?
37
38
19
D MAIC – Plan de collecte des données
39
1 2 3 4 5 6 7 8 9 10
Décision :
20
D MAIC – Analyse du système de mesure: Mesure et dispersion
Notion de variable aléatoire
Les résutats, X1, X2,…,Xn, correspondant aux diamètres des capuchons de stylos, seront plus ou
moins dispersés en fonction de l’habilité de l’opérateur, de résolution de l’instrument de mesure,
des variations de température pendant la série de mesurages, etc.
Le résultat X qui peut prendre ainsi, au hasard, des valeurs différentes est appelé variable
aléatoire.
Quand la variable est un résultat de mesure, l’objet de l’expérience est en général de déterminer la
valeur vraie x0 de la grandeur mesurée. Les calculs statistiques permettent de résoudre ce
problème, avec des risques d’erreur connus, à partir des résultats expérimentaux obtenus de
façons aléatoire.
Source : M. Neuilly, 1987. Traité mesures et contrôle, Techniques de l’Ingénieur, Paris R 280.
41
La qualification d’un système de mesure est essentielle pour valider la fiabilité des
mesures collectées.
42
21
D MAIC – Analyse du système de mesure
Nous avons appris que la base du six sigma est la fiabilité de la donnée.
43
44
22
D MAIC – Analyse du système de mesure
L’ASM est utilisée pour : L’ASM permet de (d’) :
45
46
23
D MAIC – Analyse du système de mesure : Mesure et biais
Il est nécessaire de réduire les biais de mesures; le biais sur la moyenne provenant de
l’instrument de mesure, ou de l’opérateur qui réalise la mesure.
Qu’est ce qu’un biais? Sources de biais
Le Biais, c’est la distance entre la moyenne des Les sources de biais sont multiples :
mesures observées et la moyenne des vraies - L’instrument de mesure : pH-mètre non calibré,
valeurs des grandeurs mesurées. Dans le cas horloge en retard,…
d’un système de mesure exact, le biais est nul. - L’opérateur : écart généré par la modification de
Valeur vraie la définition opérationnelle de la mesure entre
Valeur mesurée deux mesures, lors d’un changement de standard
ou en l’absence de standard : mesurer la durée
d’une résolution d’un incident pour un help desk
(durée de l’appel vs. durée de la résolution de
l’incident).
biais
47
48
24
D MAIC – Analyse du système de mesure : Analyse R&R
Le Six Sigma consiste à prendre des décisions en utilisant des données. Une analyse du Système de
Mesure existant permet de s’assurer que celui-ci est capable de fournir des données adéquates pour la
prise de décisions.
Comment
Une étude du gage R&R doit être réalisée afin d’évaluer l’aptitude à la répétabilité
(Repeatability) et à la reproductibilité ( Reproductibility) du système de mesure.
Une étude du gage R&R peut être réalisée pour des données continues ou discrètes.
Lorsqu’une étude de gage R&R formelle ne peut pas être réalisée, une Analyse du
Système de Mesure en cascade peut être utilisée.
Analyse R&R
49
50
25
D MAIC – Analyse du système de mesure : Analyse R&R
Analyse R&R pour les variables continues :
51
4. Répéter l’étape 3 avec le même évaluateur au moins une fois (de préférence deux fois et à ces
occasions, les pièces sont analysées dans un ordre aléatoire afin d’obtenir une évaluation
« aveugle »).
52
26
D MAIC – Analyse du système de mesure : Analyse R&R
53
2. % P/T: Décrit la variation du système de mesure par rapport aux tolérances sur les
pièces
Pour un système de mesure adéquat, les deux ratios caractéristiques %R&R et %P/T (accessibles
respectivement sous le nom %Study Var et %Tolérance dans MINITAB) devraient être inférieurs à 30%.
Des valeurs inférieurs à 10% sont désirables et signifient que le système de mesure est très bon.
54
27
D MAIC – Analyse du système de mesure : Analyse R&R par attribut
Le point de départ d’une bonne ASM pour des données discrètes ou par attributs est une
bonne ‘’définition opérationnelle ’’ de ce qui doit être mesuré est la clé de tous les systèmes
de mesure.
Qu’est ce qu’une définition opérationnelle?
Le % R&R total : décrit le degré de concordance pour chaque pièce entre les différents
évaluateurs et un standard ou les dires d’un expert (si disponible).
Il doit être de 100%. Ceci semble être beaucoup, cependant comme seulement 30
pièces sont évaluées ici et comme le cadre de l’étude diffère de la réalité, tout résultat
inférieur à 100% révèle un système de mesure auquel on ne devrait pas faire confiance.
55
Début Fin
56
28
Utilisation de MINITAB
57
Exercice MINITAB
58
29
D MAIC – Normalité
-> Rappels sur la Loi Normale ou de Gauss.
-> Tester la normalité des données.
- Historgramme et droite de Henry (Manuel)
- Test Anderson Darling
59
60
30
D MAIC – Capabilité
Analyse de Capabilité
61
DM AIC – Analyser
Objectif Durée Méthode Outils Déliverables
Analyse des 2 à 5 jours Analyse Takt time, Définir un chantier
Workshops 1 à 2h
données et du Participants : équipe contrainte, goulot, kaizen (Lean)
Analyse Process et
process projet Calcul des indicateurs
statistiques
(VSM), Pareto,…
Recherche et 2 à 7 jours Workshops 1 à 2h Matrice causes à effet Lister les “X” ayant
explication des Participants : équipe Régression, Plans l’impact le plus
causes racines projet d’expériences, tests élevé sur le
d’hypothèses résultat final.
Priorisation des 5 à 10 jours Workshops 1 à 2h 5 pourquoi, vote Retenir les X
causes racines Participants: équipe pondéré…. objets de
projet consensus
62
31
DM AIC – Analyser
3. Déterminer les principales cause où Y= f (x)
Analyze Analyser le processus et identifier les causes profondes des défauts.
Processus
Identifier les
causes racines, Validation des
Analyser le Analyse Choix des
puis les causes causes
processus statistique causes à traiter
fondamentales fondamentales
DM AIC – Analyser
3. Déterminer les principales cause où Y= f (x)
Analyze Analyser le processus et identifier les causes profondes des défauts.
32
DM AIC – Analyser
3. Déterminer les principales cause où Y= f (x)
Analyze Analyser le processus et identifier les causes profondes des défauts.
Livrables
Variabilité de Xi →
variabilité de Y
Réponse de Y en fonction
des Xi influents
Y= f(Xi influents)
65
DM AIC – Analyser
3. Déterminer les principales cause où Y= f (x)
Analyze
Analyser le processus et identifier les causes profondes des défauts.
Rôles
66
33
DM AIC – Analyser : Ciblage permanent
Le Lean Six Sigma est fondé sur la notion de ciblage permanent, et pour la phase analyser
c’est un ciblage des causes fondamentales.
Causes potentielles La phase mesurer nous a permis de faire une cartographie du process afin
X1 X2 X3 X4 X5 X6 X7 X8 d’identifier les X potentiels et de collecter des données sur la base de
moyens de mesure capables.
Causes fondamentales
X2 X4 X7 L’étape permettra d’identifier les quelques X responsables d’une
grande partie de la variabilité.
L’analyse portera d’abord sur Y(la sortie de la boîte noire), puis sur les X et sur les relations
que l’on peut mettre en évidence entre les X et Les Y.
67
I
DMA C – Améliorer
4. Eliminer les pertes et variations
Improve améliorer le processus en réduisant ou éliminant les défauts
Processus
Mettre un
Identifier les Définir le plan
Générer des place un pilote Validation du
solutions de
solutions et validation plan
optimales déploiement
des gains
Apporter une Mise en place Tester la Garantir la Prendre la
ouverture et une d’outils de solution sur un future mise en dernière décision
vision innovante progrès périmètre place effective. de GO/ NO GO
sur des causes de restreint. projet.
problèmes
préalablement Démontrer
priorisées l’obtention des
gains. 68
34
I
DMA C – Améliorer
4. Eliminer les pertes et variations
Improve améliorer le processus en réduisant ou éliminant les défauts
69
I
DMA C – Améliorer
4. Eliminer les pertes et variations
Improve améliorer le processus en réduisant ou éliminant les défauts
70
35
I
DMA C – Améliorer
4. Eliminer les pertes et variations
Improve améliorer le processus en réduisant ou éliminant les défauts
Rôles
71
I
DMA C – Améliorer : Exemple de planning
72
36
I
DMA C – Améliorer : Chantier pilote - Déroulement
La phase « Améliorer » ne se contente pas de définir les solutions, elle doit en valider l’efficacité
par la démonstration terrain.
Dans un souci d’efficience des ressources, cette démonstration peut n’être effectuée que sur un
périmètre restreint du projet si celui-ci est représentatif de l’ensemble : le pilote.
Le chantier pilote est développé et exécuté pour confirmer l’efficacité da la solution sélectionnée
en un temps retreint et avec des risques réduits quant aux impacts des solutions mises en place.
Il permet un ajustement du type essai-erreur et une optimisation in-situ des solutions.
Le pilote permet enfin de valider les gains effectivement réalisés et de les extrapoler sur
l’ensemble du périmètre pour valider ou non l’atteinte des objectifs premiers du projet.
73
I
DMA C – Améliorer : Chantier pilote - Responsabilité
74
37
I
DMA C – Améliorer : Risques
Le risque principal est de générer des idées qui ne seront pas mises en œuvre ou inefficaces.
- Les idées sont intéressantes, mais pas réalistes ou ne répondent pas vraiment à la
problématique.
75
DMAI C – Contrôler
5. Assurer la pérennité des résultats obtenus( amélioration durable)
Control contrôler et maintenir la performance du processus amélioré.
Processus
Transmettre le
Etablir des Déployer les Construire le Identifier les projet et
standards des solutions plan de opportunités assurer la
solutions contrôle de duplication
célébration
Assurer la Transmettre le
S’assurer de l’obtention Étendre la Identifier les
pérennité des projet au
des standards et de la solution à opportunités
gains même responsable du
réduction de la l’ensemble du de duplication
après la clôture processus.
variabilité. périmètre du de la solutions
du projet.
projet dans
Ancrer les Remercier les
l’entreprise.
évolutions dans différents
le « Business » participants. 76
de l’entreprise.
38
DMAI C – Contrôler
Control 5. Assurer la pérennité des résultats obtenus( amélioration durable)
contrôler et maintenir la performance du processus amélioré.
77
DMAI C – Contrôler
5. Assurer la pérennité des résultats obtenus( amélioration durable)
Control contrôler et maintenir la performance du processus amélioré.
78
39
DMAI C – Contrôler
5. Assurer la pérennité des résultats obtenus( amélioration durable)
Control contrôler et maintenir la performance du processus amélioré.
Rôles
79
80
40
81
START
80 • • 100%
•
PROCESS 60 • 75%
STEP •
40 50%
DECISION 20 25%
STOP A B C D EMisc.
Nuage de points
Corrélation Diagramme de Pareto Carte de contrôle
Logigramme
82
41
DMAI C – Contrôler
Ce sont des outils d’amélioration de la qualité qui aident à la résolution des problèmes tels que :
• …..
83
DMAI C – Contrôler
La collecte des données a pour objectif de mesurer ce qui se passe réellement (nombre de
défauts, types de défauts, etc.)
La collecte des données permet d’enregistrer quand, comment et où les défauts se produisent.
Lors de la collecte des données la variation du processus est illustrée.
42
DMAI C – Contrôler
Quoi? Où? Quand? Comment?
Comment
Les X qui doivent
Mesure Définition Source de Taille Responsable Durée de la Fréquence les données
seront êtr e collectés
Y opérationnelle données d'échantillon de la collecte collecte de collecte
collectées simultanément
- Le type de client
- Le jour de la semaine
Différencede
temps entre la - date et heure
réception et d'ouvertue du ticket
Temps de Le responsable Feuille de
l'enregistrement Base de - Opérateur
cycle de la du processus 10 incidents / collecte de
résolution de l'appel et la données des 450 de gestion des 45 jours Jour données. - Temps d'attente
incidents
d'incident clôture de incidents Rapports IT - Temps de cycle des
l'incident et de sous-processus
l'appel - Réponse IT
- Envoi de notification
(Clôture du ticket )
Comment les données seront utilisées? Quels sont les outils graphiques utilisés
Identification des principaux X affectant la réponse Y
Vérification de la normalité des Y Histogramme
I dentification des sources de variation Cartes de contrôles
85
DMAI C – Contrôler
L’histogramme est utilisé pour montrer comment les données sont données sont distribuées
et où sur quelle valeur l’axe-x des données est centré.
Il peut également être utilisé pour comparer la capabilité réelle ( « ce qui est » et la capabilité
cible ( « ce qui devrait être ») d’un processus).
43
DMAI C – Contrôler
Lorsqu’on trace des données continues sur un histogramme il y a un certain nombre de
formes de distribution qu’on peut trouver
87
DMAI C – Contrôler
Poids du cake
52.76 - 53.25 // 2
53.26 - 53.75 /// 3
53.76 - 54.25 // ////// 9
54.26 - 54.75 //// //// //// //// //// 24
54.76 - 55.25 //// //// //// //// //// //////// /// 38
Nombre 55.26 - 55.75 //// //////// 15
55.76 - 56.25 // /// 6
56.26 - 56.75 // 2
35 56.76 - 57.25 / 1
30 100
25
20
15
10
5
88
44
Diagramme causes à effets
Le diagramme causes à effet permet de mettre en relation un problème avec ses causes potentielles
suivant des catégories données.
• Le diagramme résume les connaissances sur le processus et identifie les sources de variation.
• La création du diagramme augmente la prise de conscience des différents facteurs du processus.
Principale cause 2
Principale cause 1 Principale cause 3 1. Noter l’effet :
2. Noter les
le problème ou
principales causes Cause
l’opportunité
Cause
Cause
Effect
3. Noter les causes associées
aux causes principales
Démarche:
90
45
Exemple de diagramme causes à effets
91
DMAI C – Contrôler
Le logigramme est une représentation linéaire simple de l’enchaînement des différentes
étapes qui constituent un processus donné. C’est une représentation chronologique des
tâches d’un processus.
En décrivant une séquence d’événements, un logigramme identifie les connexions entre les
processus et les rôles.
Peut être utilisé pour comparer un véritable processus avec un processus idéal.
Logigramme
ajoutée et en activité à non valeur ajoutée pour le client.
92
46
DMAI C – Contrôler
Dans un logigramme chaque tâche est représentée par un symbole. Il existe une norme de
l’American National Standards Institut (ANSI) qui énumère les types de symboles.
93
DMAI C – Contrôler
94
47
DMAI C – Contrôler
95
DMAI C – Contrôler
Le nuage de points est utilisé pour afficher graphiquement une relation entre deux variables et
peut aider à valider des relations et de cause à effet.
Plus les points sont regroupés en une ligne plus la relation est forte. Si les points sont répartis de
façon aléatoire plus il n’y a pas de relation ou la relation entre les deux variables est très faible.
Index de santé
.60
.50
.40
.30
.20
.10
45 65 85 105 125
Poids en kg
96
48
DMAI C – Contrôler
Soyez conscient du risque de
fausse corrélation, dans le Absence de corrélation
cas d’une troisième variable Aucune corrélation ne peut
être mise en évidence
commune!!
97
DMAI C – Contrôler
98
49
DMAI C – Contrôler
Corrélation ou causalité?
Une erreur de raisonnement courante consiste à dire : « X et Y sont corrélés, donc
X cause Y ». On confond alors corrélation et causalité car en réalité, il se pourrait
aussi que Y cause X, ou bien que X et Y aient une cause commune Z, ou encore
que X et Y soient accidentellement liés mais n’aient aucun lien de causalité.
Effet cigogne?
Par exemple, dans les communes qui abritent des cigognes, le taux
de natalité est plus élevé que dans l’ensemble du pays.
Conclusion : les cigognes apportent les bébés! Voici une explication
plus probable : les cigognes nichent de préférence dans les villages
plutôt que dans les grandes agglomérations, et il se trouve que la
natalité est forte en milieu rural que dans les villes.
Voilà pourquoi l’on nomme « effet cigogne » cette tendance à
confondre corrélation et causalité.
99
Diagramme de Pareto
Le diagramme de Pareto est utilisé pour résumer graphiquement et afficher l’importance relative/
fréquence de différents problèmes ou causes.
Il est basé sur le principe que 80% du problème (effet) est provoqué par 20% des causes.
Il aide à identifier les principales causes du problème.
Il permet de prioriser les efforts face à de multiples problèmes avec des ressources limitées.
Il compare les problèmes avant et après l’amélioration.
Astuces:
Les relations entre les problèmes et les causes ne sont pas prises 80 • • 100%
•
• 75%
en considération. 60
•
40 50%
20 25%
Soyez conscient que toutes les classes n’ont pas nécessairement
A B C D EMisc.
la même importance! Diagramme de Pareto
100
50
Diagramme de Pareto
Démarche :
102
51
DMAI C – Contrôler
Une carte de contrôle est un outil graphique qui permet de suivre la variation du processus
au fil du temps et identifie les tendances et les changements dans la capacité des processus.
• La carte de contrôle permet de distinguer les causes de variation spéciales des causes de
variations normales (aléatoires).
• La nécessité de l’amélioration des processus est illustrée.
• L’outil doit être utilisé par un personnel ayant une connaissance des statistiques.
Conseils :
LCS – limite de contrôle supérieure
• Observation au-delà des limites de contrôle ne
correspondent pas nécessairement à une
Moyenne/ Cible
cause particulière.
• Les limites de contrôle sont normalement
fixées à + 3σ, où σ est l’écart type su processus LCI – limite de contrôle inférieure
ajusté par la taille de l’échantillon choisi.
103
DMAI C – Contrôler
Point en dehors des limites Tendance ( haute ou basse )
LCS LCS
LCI LCI
LCI LCI
104
52
DMAIC
CONCLUSION
105
53