‫الجمهورية التونسية‬

‫وزارة التعليم العالي والبحث العلمي‬

‫جامعة تونس‬
‫المدرسة الوطنية العليـا للمهندسين بتونـس‬

Rapport de
Projet de Fin d’Études

Pour obtenir le
Diplôme d’Ingénieur en Génie Industriel

Présenté et soutenu publiquement

Par
DRIDI Hamdi

Titre du projet :
Amélioration du processus d’injection avec
L’approche SIX SIGMA

Présenté et soutenu le 02/ juillet /2021, devant le jury composé de :

Monsieur KHALDI Chokri....................................................Président

Monsieur BELLAMINE Ilyes................................................Examinateur
Monsieur SOULI Soufiene.....................................................Encadrant - Industriel
Monsieur KASSAB Ghazi......................................................Encadrant – ENSIT

Année Universitaire : 2020/2021

Tel. : 71 . 496 . :‫الهاتف‬

5, Avenue Taha Hussein – Tunis ‫ شارع طه حسين ـ تونس‬5
Fax : 71 . 391. : 066‫فاكس‬
B. P. 56, Bab Menara 1008
166
1008 ‫ باب منارة‬56 : . ‫ ب‬. ‫ص‬
 Dédicace

Je dédie cet ouvrage à mes chers parents

ma mère et mon père pour leur patience,
leur amour, leur soutien et leurs
encouragements.
A mon frère et ma sœur
A mon oncle et ma tante
A mes amies et mes camardes
Sans oublier tous les professeurs que ce
soit du primaire, du secondaire ou de
l’enseignement supérieur

i
 Remerciements
Au terme de ce projet, je tiens à adresser mes sincères remerciements à mon encadrant
académique Monsieur KASSAB Ghazi, à l’Ecole Nationale Supérieure d’Ingénieurs de
Tunis, pour ses conseils judicieux, son soutien et ses efforts inestimables tout au long de la
réalisation de ce projet.
Je remercie Mr. BELAATI Sofien à travers ses encouragements et ses conseils prodigués, il
a montré à mon égard beaucoup de patience et un indéfectible soutien. Je lui exprime ici
toute reconnaissance pour la confiance qu’il m’a témoignée tout au long de mon travail au
cours de ce stage.
Je voudrais exprimer mes vifs remerciements et sentiments de gratitude à mon encadrant
Mr. SOULI Soufiene qui a eu l’amabilité de m’accueillir comme stagiaire au sein de
l’entreprise LEONI. Je lui remercie pour le soutien, l’attitude compréhensive, la patience et
l’attention particulière qui m’a allouée et pour avoir eu la bienveillance de me guider par ses
précieux conseils
Pour finir, merci à tous les personnels de l’entreprise qui ont été très ouverts et accueillants,
je voulais leur dire que j’ai passé en leur présence un stage très enrichissant,
particulièrement je tiens à remercier toute l’équipe de département PPO (process production
owners) pour leur bienveillance et le temps accordé à me présenter leurs activités, chaque
membre de cette équipe a rendu mon stage passionnant et m’a permis de développer mes
compétences. Je leur en suis sincèrement reconnaissant puisque grâce à eux, mon avenir est
des plus prometteurs.

ii
 Résumé
Ce rapport est rédigé dans le cadre du Projet de Fin d’Études en vue de l’obtention du
diplôme d’ingénieur en Génie Industriel réalisé au sein de l’entreprise LEONI, spécialisée
dans le domaine de fabrication des faisceaux électriques des automobiles.
Ce projet s’articule sur l’amélioration totale de la machine d’injection plastique au sein de
LEONI à travers l’utilisation des outils du Lean Manufacturing dans le cadre de la méthode de
l’amélioration continue six sigma. Afin d’accomplir cet objectif, ce travail est réparti en deux
grandes parties. La première est consacrée à une étude de la situation actuelle, pour
déterminer les dysfonctionnements et leurs causes. Tandis que la deuxième partie est dédiée
aux actions d’amélioration pour traiter les anomalies détectées et augmenter l’efficience du
processus.

Abstract
This report was written through the final project graduation in the aim of obtaining industrial
engineering degree achieved within LEONI enterprise, specialized in manufacturing of the
wiring systems.
This project is centred on the total improvement of the injection process in LEONI through
the use of the Lean Manufacturing tools under the continuous improvement methodology six
sigma. In order to achieve this purpose, this work is divided into two parts. The first is
devoted to a study of the current situation to determine malfunctions and their causes. While
the second part is dedicated to improvement actions to address the detected anomalies and
improving the efficiency of the process.

‫ملخص‬
‫تمت كتابة ھذا التقریر في إطار مشروع التخ ّرج من أجل إحراز شھادة مھندس في اختصاص الھندسة‬
‫صصة في صناعة االسالك الكھربائیة‬
‫الصناعیة والذي ت ّم إنجازه بشركة لیوني المتخ‬
Manufact ‫ من خالل استخدام أدوات‬LEONI ‫یدور ھذا المشروع حول التحسین الكامل في نظام حقن البالستیك داخل‬
‫ من أجل تحقیق ھذا الھدف‬.‫ لتحسین المستمر‬Sigma Six ‫ كجزء من منھجیة‬uring Lean
‫ بینما یخصص الجزء‬.‫ األول مخصص لدراسة الوضع الحالي لتحدید الخلل وأسبابه‬.‫ تم تقسیم ھذا العمل إلى قسمین رئیس ین‬،
‫الثاني إلجراءات التحسین للتعامل مع الحاالت الشاذة المكتشفة وزیادة كفاءة العمل‬

iii
 Table des matières

Introduction Générale..................................................................................................................1

Chapitre I : Présentation de l’entreprise......................................................................................2

Introduction.............................................................................................................................3
I. Présentation du groupe Leoni..............................................................................................3
II. Présentation du Leoni Tunisie............................................................................................4
III. Présentation de Leoni Tunisie Mateur Nord....................................................................5
III.1. Fiche technique de l’entreprise..................................................................................5
III.2. Implantation de LTMN..............................................................................................6
III.3. Historique...................................................................................................................6
III.4. Produits......................................................................................................................7
III.5. Clientèle de Leoni......................................................................................................8
III.6. Certification et prix....................................................................................................8
III.7. Organisation de Leoni Tunisie Mateur Nord.............................................................9
III.8. Directions...................................................................................................................9
IV. Process de fabrication de câble.......................................................................................11
IV.1. Réception et contrôle matière..................................................................................12
IV.2. Zone de coupe..........................................................................................................12
IV.3. Zone de préparation.................................................................................................13
IV.4. Zone d’assemblage...................................................................................................14
IV.5. Zone de contrôle......................................................................................................15
IV.6. Conditionnement......................................................................................................16
IV.7. Expédition................................................................................................................16
Conclusion.............................................................................................................................16

Chapitre II : Etude bibliographique...........................................................................................17

Introduction...........................................................................................................................18
I. La maitrise statistique des processus.................................................................................19
I.1. Définition....................................................................................................................19

iv
 I.2. Généralité sur la statistique.........................................................................................21
I.3. Plan de contrôle..........................................................................................................26
I.4. Variabilité...................................................................................................................29
II. Notion de la six sigma ‘6σ’..............................................................................................35
II.1. Définition statistique de Six sigma............................................................................35
II.2. Définition de la méthodologie Six Sigma.................................................................37
II.3. Concepts de base de Six Sigma.................................................................................39
II.4. Approche DMAIC.....................................................................................................46
Conclusion.............................................................................................................................55

Chapitre 3 : Mise en place d’un chantier Six Sigma.................................................................56

Introduction...........................................................................................................................57
I. Phase : Définir...................................................................................................................57
I.1. Problématique.............................................................................................................57
I.2. Objectif.......................................................................................................................57
I.3. Portée du projet...........................................................................................................58
I.4. Création de la charte du projet....................................................................................61
II. Phase : Mesurer................................................................................................................64
II.1. Analyse des modes des défaillances et leurs criticités..............................................64
II.2. La collecte des données sur la perte de matière........................................................66
II.3. La collecte des données sur la perte en efficience....................................................76
III. Phase : Analyser..............................................................................................................82
III.1. Détection des anomalies...........................................................................................82
III.2. Identification des causes racines..............................................................................85
IV. Phase : Ameliorer............................................................................................................86
IV.1. Changement de la moule.........................................................................................88
IV.2. Conception d’un support moule...............................................................................91
IV.3. Estimation de gain au niveau de matière gaspillé....................................................92
IV.4. Etude d’homogénéisation de la température dans la moule....................................93
IV.5. Chantier 5s au poste PU et le changement d’outillage............................................94
V. Phase : Controler............................................................................................................100
V.1. Création des cartes de contrôle...............................................................................100

v
 V.2. Mise à jour du mode opératoire et l’ajout d’autre instruction................................104
Conclusion...........................................................................................................................107

Conclusion Générale...............................................................................................................108

BIBILIOGHRAPHIE..............................................................................................................109

ANNEXES..............................................................................................................................110

vi
 Liste des figures
Figure 1 : Groupe Leoni dans le monde..................................................................................3
Figure 2 : Les principaux clients de LTN...............................................................................4
Figure 3 : Les principaux fournisseurs de LTN.....................................................................5
Figure 4 : Localisation de Leoni Mateur Nord.......................................................................6
Figure 5 : Faisceau électrique..................................................................................................7
Figure 6 : Familles des faisceaux électriques fabriqués par Leoni.......................................7
Figure 7 : Clients Leoni Mateur nord.....................................................................................8
Figure 8 : Prix emporté par Leoni Mateur nord....................................................................8
Figure 9 : Organigramme de l'entreprise...............................................................................9
Figure 10 : Le lay-out du site.................................................................................................11
Figure 11 : Le flux de matière................................................................................................12
Figure 12 : Les opérations sur les câbles...............................................................................14
Figure 13 : Planche fixe..........................................................................................................14
Figure 14 : Planche LAD........................................................................................................15
Figure 15 : Contrôle agrafe....................................................................................................15
Figure 16 : Contrôle électrique..............................................................................................15
Figure 17 : Emballage.............................................................................................................16
Figure 18 : La stratégie de détection et de prévention.........................................................20
Figure 19 : Eléments de la statistique descriptive................................................................21
Figure 20 : L'allure des différentes distributions normales................................................23
Figure 21 : La fonction de répartition des distributions normales.....................................24
Figure 22 : Distribution normale centrée réduite................................................................24
Figure 23 : Exemple d'une proportion défectueuse.............................................................28
Figure 24 : Les frontières naturelles......................................................................................30
Figure 25 : Exemple d'une carte de contrôle........................................................................31
Figure 26 : La stabilité d'un processus..................................................................................33
Figure 27 : Les situations possibles des intervalles..............................................................34
Figure 28 : Roue de Deming PDCA.......................................................................................40
Figure 29 : Les 7 MUDA.........................................................................................................41
Figure 30 : Les 5S....................................................................................................................41
Figure 31 : Diagramme de Pareto..........................................................................................44
Figure 32 : L'approche DMAIC et DMADV........................................................................46
Figure 33 : Périmètre du projet.............................................................................................58
Figure 34 : Position d'injection de la matière.......................................................................58
Figure 35 : Première machine : mélangeur ISOJET...........................................................59
Figure 36 : Deuxième machine : injection PAOLINI..........................................................59
Figure 37 : Position de la bague.............................................................................................60
Figure 38 : Méthode des 5 pourquoi......................................................................................61
Figure 39 : Diagramme SIPOC..............................................................................................62
Figure 40 : Diagramme de GANTT de planification du projet..........................................64
vii
Figure 41 : Diagramme de Pareto.........................................................................................66
Figure 42 : Evolution de nombre des non-conformités.......................................................67
Figure 43 : Exemple de non-conformité................................................................................67
Figure 44 : Les catégories des défauts...................................................................................68
Figure 45 : Pesage de la matière rebuté................................................................................70
Figure 46 : Evolution du poids dans l’ordre chronologique...............................................71
Figure 47 : Histogramme des pesages des déchets...............................................................72
Figure 48 : Normalité de cette distribution..........................................................................74
Figure 49 : L'état des postes PU............................................................................................74
Figure 50 : La capabilité du processus..................................................................................75
Figure 51 : Demande client....................................................................................................76
Figure 52 : Production journalière........................................................................................77
Figure 53 : Rapport efficience et objectif.............................................................................79
Figure 54 : Relevé des temps de cycle des poste PSA..........................................................81
Figure 55 : Simulation de la chaine de production PSA......................................................82
Figure 56 : Diagramme de ISHIKAWA concernant le gaspillage de matière...................84
Figure 57 : Diagramme d'ISHIKAWA concernant le temps de cycle...............................85
Figure 58 : Diagramme de Pareto des solutions possibles...................................................87
Figure 59 : Diagramme de GANTT du projet......................................................................88
Figure 60 : Conception de la moule en 3D............................................................................88
Figure 61 : Modification de la moule....................................................................................89
Figure 62 : Etat de la moule avant et après modification...................................................89
Figure 63 : Etude de capabilité de la nouvelle moule..........................................................90
Figure 64 : Position basse et haute du support.....................................................................91
Figure 65 : Mise en place du support....................................................................................91
Figure 66 : Cadence de production par shift........................................................................92
Figure 67 : Conception de la moule.......................................................................................93
Figure 68 : Analyse thermique de la moule..........................................................................94
Figure 69 : Etiqueté les poubelles et les bouteilles...............................................................95
Figure 70 : Etiqueté la température des tuyauteries...........................................................95
Figure 71 : Conception des casiers........................................................................................96
Figure 72 : Conception de cuve de démoulant.....................................................................96
Figure 73 : Etat des postes PU avant le chantier 5S............................................................96
Figure 74 : Etat des postes PU après chantier 5S.................................................................97
Figure 75 : Changement des outils de nettoyage..................................................................97
Figure 76 : Organisation des documents...............................................................................98
Figure 77 : Standard 5S de LEONI.......................................................................................99
Figure 78 : Plan de suivi et de mesure des gaspillages.......................................................101
Figure 79 : Carte de contrôle par mesure...........................................................................102
Figure 80 : Plan de suivi par décompte de nombre de migration.....................................103
Figure 81 : Carte de contrôle par décompte des défauts...................................................104
Figure 82 : Mise à jour du mode opératoire.......................................................................105
Figure 83 : Standard de temps de polymérisation.............................................................106

viii
 Liste des Tableaux
Tableau 1 : Description de la zone de coupe.........................................................................13
Tableau 2 : Description de la zone de préparation..............................................................13
Tableau 3 : Les différents niveaux Sigma.............................................................................36
Tableau 4 : Le cout total des défauts selon le niveau Sigma...............................................37
Tableau 5 : Diagramme SIPOC.............................................................................................46
Tableau 6 : Matrice de vérification des causes racines........................................................51
Tableau 7 : Matrice de sélection des solutions......................................................................52
Tableau 8 : Exemple d'un plan de contrôle..........................................................................55
Tableau 9 : Les matériaux d'injection...................................................................................60
Tableau 10 : Méthode QQOQCP...........................................................................................61
Tableau 11 : Les mesures critiques de succès.......................................................................62
Tableau 12 : La charte du projet...........................................................................................63
Tableau 13 : Diagramme AMDEC........................................................................................64
Tableau 14 : PPM de la zone d’assemblage PSA.................................................................69
Tableau 15 : Liste des pesages................................................................................................70
Tableau 16 : Les 8 classes de la distribution.........................................................................71
Tableau 17 : Normalité de la distribution.............................................................................73
Tableau 18 : Calcul du Takt time..........................................................................................76
Tableau 19 : Quantité produite par jour dans la ligne 2.....................................................77
Tableau 20 : Calcul d'efficience S13......................................................................................78
Tableau 21 : Temps de cycle moyen relevé en secondes de chaque poste..........................80
Tableau 22 : Estimation des couts.........................................................................................83
Tableau 23 : Matrice de vérification des causes racines......................................................85
Tableau 24 : Matrice de sélection des solutions....................................................................86
Tableau 25 : Liste des fournisseurs.......................................................................................88
Tableau 26 : Liste de 50 pesages de matière plastique........................................................90
Tableau 27 : Estimation de cout de revient..........................................................................92

ix
 Introduction Générale
La forte croissance que connaissent les économies après la seconde guerre mondiale permet
à l'industrie automobile d'entrer dans l'ère de la construction de masse, les principales usines
d’automobiles ont adopté une stratégie qui consiste à diminuer les coûts tout en produisant
de grandes quantités, c’est ce qu’on l’appelle l’économie d’échelle pour répondre à la
demande élevée et constante du marché.

Aujourd'hui, nous sommes entrés dans une nouvelle ère, les industriels se retrouvèrent dans
un environnement caractérisé par une concurrence accrue, due à la nouvelle situation
économique qui présente une forte variabilité et une baisse de la demande, et aussi à une
clientèle de plus en plus exigeante et préoccupés du confort et de la sécurité. Pour faire face
à cette situation, les entreprises sont obligées à optimiser la qualité, la performance, les
délais et les coûts de ses produits ainsi que la flexibilité des ressources de production pour
pouvoir maintenir et augmenter sa part de marché et pour s’adapter à ces fréquentes
fluctuations

Consciente de l’importance de l’optimisation globale du processus de production la société

LEONI Wiring Systems, Opérante dans le secteur d’industrie automobile, doit s’adapter aux
demandes de ses clients étrangers. Pour cela elle se trouve face à une manipulation des outils
d’amélioration continue, la méthode six sigma avec sa démarche DMAIC (Définir, Mesurer,
Analyser, Améliorer, Contrôler) pour réduire le taux des pièces non conformes et afin
d’optimiser la circulation des flux de production et éliminer toutes les sources de gaspillages
et celles qui ne contribuent pas à la création de la valeur ajoutée.

Ce projet de fin d’études a été accompli pendant quatre mois de stage au sein de la société
LEONI Wiring Systems Tunisia à Mateur, il s’inscrit dans le cadre d’une politique
d’amélioration continue du processus d’injection plastique. Le présent rapport résume les
différentes parties de cette expérience. Il est composé de quatre chapitres. Le premier est
consacré à la présentation de l’organisme d’accueil, sa structure et son processus de
production. Le second, est une étude bibliographique sur le six sigma et les outils utilisés pour
accomplir ce projet. Les deux chapitres suivants définissent en détail les travaux que nous
avons réalisés. Le troisième chapitre est consacré à un diagnostic et une analyse détaillée de
l’existant alors que le quatrième chapitre est consacré sur les actions d’amélioration dans le
processus d’injection pour rectifier les anomalies identifiées dans le chapitre précédent.
1
Chapitre I : Présentation de l’entreprise

2
Introduction
Ce chapitre est consacré essentiellement pour présenter le groupe Leoni et plus précisément
l’entreprise « Leoni Mateur Nord » où j’ai effectué mon stage : sa localisation, ses produits,
ses partenaires, ses services et son organigramme.

I. Présentation du groupe Leoni

Le groupe LEONI DRAHTWERKER AG (LDW) est un multinational Allemand, crée en
1917 à Nuremberg en Allemagne avec un chiffre d’affaires de 4,134 millions d’euros en 2018,
1er en Europe et 3éme mondiaux dans ses métiers : il est spécialisé dans la production de fils
et de câblages pour les industries automobiles, électriques, électroniques, télécommunications,
informatiques et les fibres optiques. La production de câblages essentiellement destinés à
l’industrie automobile, représente 56 % de son activité. Au début LDW s’est spécialisé dans la
production des fils électriques, puis, il a amélioré ses activités en introduisant la fabrication
des câbles en 1931 et la production des faisceaux électriques en 1950. La société dispose plus
de 100 filiales dans les 4 continents avec plus de 35.000 collaborateurs travaillant dans 28
pays et elle emploie plus que 100.000 employés.
 Afrique : Egypte, Tunisie, Maroc.
 Amérique : Brésil, Canada, Mexique, Paraguay, Etats unies
 Asie : Chine, Inde, Singapore, Corée de sud, Turquie
 Europe : Allemagne, France, République tchèque, Roumanie, Russie, Serbie,
Slovaquie, Espagne, suisse, Ukraine, Hongrie, Italie, Pologne, Portugal, Royaume uni

Figure 1 : Groupe Leoni dans le monde

3
II. Présentation du Leoni Tunisie
En octobre 1977, LEONI TUNISIE SARL (LTN) a été fondée par le groupe LEONI AG,
le géant allemand fournisseur du secteur automobile a choisi la Tunisie pour installer son
1er site en dehors de l’Europe. LTN est une société anonyme totalement exportatrice dont
les activités se résument en fabrication des faisceaux de câble d’interconnexion pour
l’industrie automobile. Le premier site a été créer dans la zone industrielle de Messadine, à
Sousse, mais elle cesse de s’étendre depuis 1977, aujourd’hui LEONI Tunisie Groupe est
répartie sur 4 sites de production :
Le premier à Messadine-Sousse, est composé de trois départements :
 LTN1 : implantée à Messadine-Sousse, ses produits sont destinés principalement
aux marques Smart, NCV2, SL/SLR.
 LTN2 : implantée à Messadine-Sousse, ses produits sont destinés principalement
aux marques Mercedes E-class, A-class et BMW.
 LTN3 : implantée à Messadine-Sousse, ses produits sont destinés principalement
aux marques Audi A6, Audi A4 et Passat
Alors que le deuxième site se situe à Mateur, il est divisé en deux départements : Mateur
sud et Mateur nord c’est le lieu de mon stage.
Et deux autres nouveaux sites à Sidi Bouali-Sousse et à Menzel Hayet-Monastir.

Aujourd’hui, Leoni Tunisie emploie près de 13000 personnes dont 8000 sont à Sousse. Elle
est totalement exportatrice, ses activités se basent sur la production des faisceaux des câbles
pour automobiles dont les principaux clients sont :

Figure 2 : Les principaux clients de LTN

4
Les principaux fournisseurs de Leoni sont les suivants :

Figure 3 : Les principaux fournisseurs de LTN

III. Présentation de Leoni Tunisie Mateur Nord

Leoni Tunisie Mateur Nord (LTMN) est une filiale parmi les 100 filiales du groupe Leoni.
III.1. Fiche technique de l’entreprise
Dénomination sociale : Leoni Mateur Nord
Nationalité : Allemagne
Date de création : En 2008
Téléphone –Fax : (+216) 72468600- (+216)72468299
Site web : www.leoni.com
Localisation : zone industrielle Mateur, route de Bizerte, Mateur 7030, Tunisie Mateur,
Bizerte
Objet social : société exportatrice, privé, spécialisé dans la fabrication de faisceaux de
câbles pour automobiles.
Superficie : 12462 m2

5
III.2. Implantation de LTMN
Leoni Mateur Nord est installé dans la zone industrielle route Bizerte 7030 Mateur sur un
terrain qui représente une superficie de 12463 m² dont 11095 m² sont consacrées pour l’usine.
Elle se compose d’un atelier de câblage, centre industrialisation et informatique avec un
effectif en janvier 2021 environ 2500 personnes reparties 78% femmes et 22% hommes.

Figure 4 : Localisation de Leoni Mateur Nord

III.3. Historique
L’historique de la société depuis sa création en 1982 est comme suit [2] :

• 1982 : Création du site par Renault.

• 2001 : Acquisition du site par Valeo.

• 2004 : Obtention du premier certificat ISO 14001 et ISO TS 16949.

• 2007 : Démarrage du projet SOP T7 (Peugeot 308).

• 2008 : Acquisition du site par LEONI.

• 2009 : Transfert du projet X7 (Citroën C5) du Maroc.

• 2010-2013 : Démarrage des Projet SOP B7 (Citroën C4 et DS4), B8 PPL B8 (Citroën

DS5), A9 (Peugeot 208) & A94 (Peugeot 2008).
• 2014 : Transfert du projet FCA de Leoni Sousse à Leoni Mateur Nord.

6
III.4. Produits
Leoni Mateur Nord est spécialisé dans la fabrication des faisceaux électriques (câblage
électrique). Un faisceau électrique est un ensemble des fils électriques de connexion
permettant la liaison entre les différents organes de commande d’une automobile.

Figure 5 : Faisceau électrique

En effet, ces faisceaux de puissance sont composés de câbles tels que ce câblage, un ensemble
des fils qui relient l’ensemble des composants qui portent les fonctions électriques et
électroniques du véhicule, assure la distribution électrique ainsi que le transfert des
informations et la commande entre les différents équipements électriques et électroniques
dans tout le véhicule. Il existe plusieurs familles de câblages connectés (environ 10), on
trouve :

Câblage moteur, Câblage planche de bord, Câblage principal, Câblage porte… chaque câble
est constitué de : Fils électriques, connexions, boîtiers, bague, scotch, agrafes…

Figure 6 : Familles des faisceaux électriques fabriqués par Leoni

7
III.5. Clientèle de Leoni
Leoni fournit des systèmes de câblage aux constructeurs automobiles et fournisseurs de rang 1
tel que Peugeot, Citroën, Renault Nissan, Fiat, Audi, VW, Seat, Skoda, Saab, Volvo et à
autres équipementiers (Valeo, Behr, Autoliv, PO, Faurecia, Gate). La filiale Leoni Mateur
Nord s’occupe de deux produits PSA et FCA dont ses clients sont Peugeot, Opel, Fiat et Jeep.

Figure 7 : Clients Leoni Mateur nord

III.6. Certification et prix

Leoni Mateur Nord a obtenu la norme ISO TS 16969 en août 2020, c’est une norme
concernant la démarche qualité dans l'industrie automobile. Elle alloue à l’organisme la
confiance de tous ses clients de point de vue efficience en management de la qualité. En
2018 Leoni a emporté le troisième prix de meilleur produit en Tunisie pour l’année 2017.

Figure 8 : Prix emporté par Leoni Mateur nord

8
III.7. Organisation de Leoni Tunisie Mateur Nord
La figure suivante représente l’organigramme de l’entreprise. En fait l’entreprise est
constituée par des direction diverses qui interagissent entre eux pour assurer le bon
déroulement des activités.

Figure 9 : Organigramme de l'entreprise

III.8. Directions
La structure de l’entreprise Leoni Mateur Nord est une structure fonctionnelle qui comprend
les services suivants.

III.8.1. Direction générale

Au sein de LEONI Mateur Nord la direction générale est rattachée directement à la maison
mère en Allemagne afin d’assurer la gestion, l’organisation du travail et définir une stratégie
de l’entreprise pour pouvoir répondre aux exigences de la clientèle.

III.8.2. Direction de production

Ce service comporte toutes les étapes de la production en série des différents dispositifs de
câblage pour automobiles conformément aux spécifications techniques et aux exigences du
client et en respectant les procédures, les plans de surveillance dans les meilleures
conditions de qualité, coût, délai et motivation. Le département comporte plusieurs
segments de production. Chaque segment est responsable de l’industrialisation d’un projet
ou d’un produit semi-fini.

9
III.8.3. Direction commerciale
Cette direction a pour mission de définir la stratégie achat du site en intégrant la stratégie
globale des achats de sa division, il s’occupe de tout ce qu’on peut considérer comme
commerce (achats de matières premières, des outils, des équipements et vente des produits).

III.8.4. Direction engineering

Cette direction est chargée de réaliser des études prévisionnelles et d’élaborer les méthodes de
production et les outils nécessaires (composantes, équipements, matière première, tableaux de
bord et indicateurs) pour des nouveaux projets ou des projets existant s’ils subissent des
changements tout en respectant le triangle Qualité, Coût et Délai. Elle assure le suivi et
l’amélioration des indicateurs et elle regroupe un ensemble d’ingénieurs veillant à garantir les
formalités techniques et scientifiques.

III.8.5. Direction qualité

Sa mission principale est d'assurer la satisfaction du client pour cela il garantit la bonne
qualité du produit fini avec un minimum de rebus et de pertes et il assure la qualité des
prestations de services de l’usine à travers l’animation d’une démarche qualité totale ouverte
vers le zéro défaut à tous les niveaux de l’unité de production et elle maintient le système
qualité conformément aux normes de la qualité du groupe.

III.8.6. Direction technique et maintenance

La direction est responsable de la résolution de tous les problèmes techniques, électriques ou
mécaniques rencontrés dans les différentes étapes de production Elle est chargée d’effectuer
les entretiens et le maintien des équipements de production en bon état de fonctionnement et
minimiser les temps des arrêts conformément aux règles dictées par la direction générale de
LEONI. Elle est aussi responsable de la réception des équipements.

III.8.7. Direction LPS (Leoni Productive System)

Ce service est proposé par la société-mère, il joue un rôle phare au sein de la société. Il vise
à amener les processus de production vers 100% de la valeur ajoutée (c'est-à-dire l’absence
complete de gaspillages, l’augmentation d’efficience et minimisation des coûts) et
l’amélioration de la compétitivité, en se basant sur plusieurs principes comme l’amélioration
continue, le leadership et le CIP (Continuous Improvement Process).

10
III.8.8. Direction financière
Elle s’occupe des relations avec l’extérieur en effet Elle dispose des ressources financières
et assure la gestion de la trésorerie d’une manière la plus rentable (gestion du budget,
gestion du payement du personnel, gestion de la comptabilité (ventes, achats)).

III.8.9. Direction logistique

Après avoir reçu le feu vert du bureau d’études et des méthodes, le service logistique
s’occupe de l’édition du bon de commande des clients, la planification, le lancement des
ordres de fabrication en tenant compte des niveaux des stocks, la disponibilité de la matière
première, la capacité au niveau de la production des segments et des délais de livraison des
produits ainsi que la quantité nécessaire.

III.8.10. Direction ressources humaines

Ce département a pour rôle le recrutement, l’intégration, la formation, l’optimisation, le suivie
et le développement de la carrière du personnel effectuant un travail au sein de LTN grâce à
une gestion personnalisée des ressources humaines. Aussi elle assure le maintien du bon
climat de connivence au sein de l’entreprise en couvrant tous les aspects des relations sociales
au sein de l’entreprise.

IV. Process de fabrication de câble

Leoni Mateur nord possède une superficie de 12462 m² couverts, qui couvre les unités de
production et les dépôts de stockage. Les figures suivantes présentent le Lay-out du site
ainsi que le flux de matières à partir du magasin d’import vers le magasin d’export

Figure 10 : Le lay-out du site

11
 Figure 11 : Le flux de matière

IV.1. Réception et contrôle matière

C’est la partie initiale de travail dont la société va recevoir la matière première (les bobines de
fil, les manchons ...) et les pièces de rechange des machines qui restent toujours sous le
contrôle des magasiniers pour passer des nouvelles commandes.

IV.2. Zone de coupe

La première étape de la production est le découpage des fils, c’est la phase la plus importante
dans tout le processus de fabrication du câblage automobile. On a des bobines de fil de
différents diamètres, ils passent par la machine de coupe, pour obtenir des fils de différentes
longueurs, sections et couleurs selon une planification préalable de la production, la machine
permet aussi de dénuder l’extrémité des fils, de sertir les connexions et de placer les joints
d’étanchéité, ces opérations sont expliquées dans le tableau suivant :

12
 Tableau 1 : Description de la zone de coupe
L’opération Description

La coupe C’est l’opération qui consiste à découper le fil selon la longueur mentionnée dans
la gamme de coupe.

Le dénudage Consiste à enlever l’isolent du câble, de façon à libérer la partie conductrice

(ensemble des brins)

Le sertissage C’est l’opération qui rassemble le câble avec la connexion pour assurer la liaison
électrique entre le fil et l’organe qui va recevoir la tension électrique

L’étanchéité C’est une opération consiste à ajouter un joint d’étanchéité à l’extrémité du fil
pour couvrir et protéger la position de sertissage

IV.3. Zone de préparation

C'est la deuxième étape de la production, Elle se décompose des machines qui assurent des
fonctions et des tâches qui accomplissent l’opération de coupe, ces opérations sont
expliquées dans le tableau suivant.
Tableau 2 : Description de la zone de préparation
L’opération Description

Le torsadage Un fil torsadé permet d’éviter l’effet indésirable du champ électromagnétique

comme la tension "d'auto-induction" et les parasites. Il est conçu pour les
freins, les airbags et les bielles, le pas de torsadage dépend de la fonction à
assurer.
L’étamage C’est l’opération qui consiste à déposer de l’étain sur les cosses, pour offrir
une bonne conductibilité électrique et améliorer la connexion. Elle est conçue
spécialement pour les câbles des batteries avec des grands diamètres.

L’épissurage C’est l’opération de soudage de deux ou plusieurs fils pour construire un nœud.
Son principe est de placer les extrémités à souder sur une machine ultrasons en
utilisant la vibration ultrasonique, et ensuite assurer l’isolation par le biais d’un
joint ayant une appellation manchon thermodurcissable.

13
La finition Le surmoulage : sert pour la mise en forme du câblage et assure une fonction
d’étanchéité entre le compartiment moteur et l’habitacle.

14
 Figure 12 : Les opérations sur les câbles

IV.4. Zone d’assemblage

Dans Leoni Mateur Nord la zone d’assemblage est subdivisé en 2 deux grandes projets le
premier c’est le projet PSA (Peugeot Citroën Automotive) et l’autre c’est FCA (Fiat
Chrysler Automotive) et chaque projet contient plusieurs lignes d’assemblages
C’est la partie la plus importante du processus de confection des câblages. Ce processus
nécessite des mains d’œuvres qui partagent des tâches jusqu'à l’élaboration du câble fini. Il y
a plusieurs taches mais les plus important sont : L’assemblage, l’encliquetage des fils,
précédemment établis par la coupe, dans des boitiers et des connecteurs, l’enrubannage, la
mise en place d’agrafes et la mise en place de frettes.
Ces opérations d’assemblage suivent des modes opératoires bien déterminés, ils se font sur
une chaîne de montage constituée d’un nombre des planches où se tracent les cheminements
du fils et le positionnement des différents composants montés sur le faisceau. Il existe deux
types de planches, une planche fixe ou une LAD (ligne d’assemblage dynamique).
 Poste fixe (PF) : Il s’agit d’une planche fixe et immobile devant laquelle se tient une
opératrice généralement en position debout pour réaliser les opérations d’assemblage

Figure 13 : Planche fixe

15
  LAD : c’est l’abréviation de Ligne d’Assemblage Dynamique. Il s’agit de plusieurs
planches successives et un convoyeur qui est programmé pour faire translater le
faisceau d’une palanche a une autre (d’une opératrice à une autre) selon un temps
de cycle déterminé. Pour réaliser des tâches d’assemblage. Les opératrices sont
toujours en position debout et fixe.

Figure 14 : Planche LAD

IV.5. Zone de contrôle
La zone du contrôle des faisceaux est l’étape terminale de production, où il y aura une
vérification de l’état du bon fonctionnement et la bonne qualité d’un produit Le contrôle est
subdivisé en 3 sous contrôles :
 Contrôle agrafe : Il s’agit de contrôler la présence et la position des agrafes.

Figure 15 : Contrôle agrafe

 Contrôle électrique : Il s'agit de contrôler les faisceaux électriquement en vérifiant s’il
y a une inversion ou une discontinuité.

Figure 16 : Contrôle électrique

 Contrôle final : c’est un contrôle visuel à 100% sert à contrôler l’aspect dimensionnel
et esthétique de faisceau et la présence des éléments indispensables.
16
IV.6. Conditionnement
Cette étape permet le positionnement du faisceau dans un conteneur normalisé (carton, bac
plastique) afin de le protéger et faciliter sa manutention.

Figure 17 : Emballage

IV.7. Expédition
Après tous ces processus, on obtient un câblage fini emballé et contrôlé et il sera transporté
à la zone d’expédition pour le filmage et la déclaration informatique puis chargé directement
dans des remorques d’expédition.

Conclusion
Leoni est désormais parmi les plus importants fabriquant des faisceaux électriques dans le
monde, par conséquent ces produits sont classés parmi les plus souvent demandés et exportés
ailleurs. Dans le présent chapitre on a présenté l’organisme d’accueil, on a donné une vision
générale sur les processus de fabrication des faisceaux électriques, pour mieux comprendre
l’enchainement de procédure. Ainsi dans le chapitre suivant on présentera les méthodes et les
outils utilisés le long de ce projet.

17
Chapitre II : Etude bibliographique

18
Introduction
Les racines de Six Sigma sont généralement attribuées à des entreprises telles que Toyota et
Motorola, mais cette méthode et les programmes moderne de qualité et d'amélioration
continues sont fondés sur des concepts qui remontent au 19ème siècle et qui visent à
atteindre des objectifs tels que la réduction des erreurs, l'amélioration de l'efficacité, la
satisfaction des clients, l'augmentation des profits, et l’optimisation des performances de
l’organisation. C’est la culture d'amélioration continue et de qualité que Six Sigma cherche
à installer.
Le développement du contrôle statistique des processus :
Le contrôle statistique des processus, fourni une épine dorsale pour la méthode Six Sigma, il
a été développé après l’invention de la courbe normale au 19ème siècle, le modèle le plus
utilisé. Et au début du 20e siècle, la maitrise statistique des processus a reçu un autre coup
de pouce grâce à Walter Shewhart, un physicien et statisticien américain, il a contribué à la
qualité avec plusieurs idées, Il a montré que si la qualité diminue, le niveau sigma diminue
et les erreurs augmentent de façon exponentielle. Aussi Shewhart est considéré comme le
père des cartes de contrôle qui représentent la base de la MSP qui permettent aux
organisations de maintenir les performances après une initiative Six Sigma.
Le développement de système de production Toyota :
Le système de production Toyota, ou Lean Six Sigma c’est un système performant, capable
de produire une variété des produits tout en réduisant les coûts et en garantissant la qualité,
Plusieurs personnes ont contribué dans son développement tel que Keiichiro Toyoda qui a
inventé des machines automatisées, des outils d'efficacité comme les convoyeurs, aussi Eiji
Toyoda et Taïchi Ohno ont introduit les concepts Just-In-Time et judoka, qui sont les piliers
du ce système de production. On peut citer aussi Edwards Deming qui a apporté les
concepts statistiques des processus de Shewhart et son invention le cycle PDCA et Henry
Ford avec ces nouveaux concepts de qualité et d’amélioration des performances et de
l’efficacité.
Le développement de six sigma au sein de Motorola :
Après qu'une société japonaise a repris une usine de fabrication des téléviseurs de Motorola
et elle a produit le 1/20 du nombre des défauts que l’ancien téléviseur, les ingénieurs de
Motorola ont questionné l’efficacité de leur système, et ils ont travaillé à perfectionner la
méthodologie Six Sigma avec d’autres outils statistiques, ils ont appliqué cette méthode à

19
l'échelle de l'entreprise, au service de l'ingénierie et au support technique, et au cours des
deux

20
décennies suivantes, Motorola a eu un grand succès en cours de route, elle a économisé plus
de 16 milliards de dollars grâce aux initiatives d'amélioration continue des processus.
Motorola a fait plus qu'améliorer ses propres systèmes. Elle a partagé Six Sigma avec le
monde, et ils ont publié des articles et des livres et elle a formé les autres. De cette façon, ils
ont créé une méthodologie basée sur des statistiques qui pourraient être enseignées et mises
en œuvre dans n'importe quelle organisation ou industrie. C’est le Six sigma en fait c’est ce
qu’on va présenter le long de ce chapitre et ses différents outils utilisés. Mais tout d’abord, il
paraît logique de définir la MSP et les principaux outils statistiques.

I. La maitrise statistique des processus

I.1. Définition
La MSP est la traduction intégrale de « statistical process control » largement connue sous
l’abréviation (SPC)
 La maitrise est le synonyme de domination de pouvoir ou d’autorité, c’est le contrôle
dans le sens de piloter une machine.
 Statistique englobe l’ensemble des techniques d’interprétations mathématiques
appliquées mais la statistique n’est pas une fin en soi et ne représente qu’une infime
partie de la MSP.
 Processus signifie un mécanisme regroupe l’ensemble des paramètres qui concourent à
la fabrication d’un produit, il s’agit des matières premières, des machines, des hommes,
des organisations et des périphériques (laboratoires d’essais, contrôle).
 Procédé est un ensemble des techniques, des méthodes, d’outils et des modes opératoires
pour cela il ne faut pas confondre un processus et procédé car un procédé peut comporter
plusieurs processus mais pas l’inverse.
Inventé par l’ingénieur Walter Shewhart au début du 20e siècle, La MSP est une excellente
méthode scientifique d’analyse des données basées sur des fondements statistiques, c’est
une méthode de surveillance à l’aide des différents indicateurs préventifs et un suivi
graphique temporel, elle permet d’identifier le trouble et ses causes spécifiques et signaler le
besoin de prendre des actions correctives, c’est ce qui justifie l’attention et l’importance que
leur accordent beaucoup d’opérationnels.
L’objet de la MSP est de :

21
- Maitriser et améliorer de l'ensemble des facteurs qui compose un processus et de déterminer
si ce dernier est ou non sous contrôle
- Comprendre et combattre la variabilité et les dérives afin d’obtenir un processus préformant
stable dans le temps et capable de fournir des produits conformes d’une qualité constante
- Réduire au maximum l’apparition de rebuts et le coût de non-qualité (moins de rebuts,
moins de temps morts, moins de contrôles)
- Atteindre un niveau haut de qualité des produits, en différenciant les situations ordinaires
dues aux causes communes et les situations extraordinaires dues aux causes spéciales qui
nécessitent une action.
- Développer la culture qualité de l’entreprise, faciliter la communication, diminuer les
conflits en écartant les débats d’opinion et offrant des données plus fiables et plus objectives
dans l’analyse des problèmes.
- Bâtir sur une stratégie de qualité maitrisée (ou politique de prévention). A la fin de la chaine
le produit est conforme ce qui contraste avec une stratégie de qualité subie (ou politique de
détection) celle-ci consiste à faire les produits par la fabrication et la qualité par le contrôle
ce qui génère une zone supplémentaire de dépenses que certains qualifient d’entreprise
fantôme qui mobilise des hommes, des machines, des locaux, de l’argent et du temps. Sa
vocation est de retoucher, contrôler et trier ce qui se répercute inéluctablement sur le prix de
revient et rend le produit non compétitif. La figure suivante explique la différence entre ces
deux stratégies et met en valeur l’importance de la maitrise de la qualité.

Figure 18 : La stratégie de détection et de prévention

22
I.2. Généralité sur la statistique
La MSP est une méthode d’analyse des données basé sur des fondements statistiques, dans
ce paragraphe on va définir les principaux outils statistiques de l’analyse des données.

I.2.1. Eléments de la statistique descriptive

 Données : elles sont la source principale de l’information et l’ensemble des paramètres
qui caractérise le comportement d’un matériel par exemple le temps de bon
fonctionnement, le taux de défaillance la capabilité d’une machine etc., ces données
peuvent être qualitative ou quantitative.
 Individu : si on évoque la population d’un pays l’individu est matérialisé par une
personne qui peut être un homme, une femme un enfant. Au niveau industriel un
individu c’est une machine, un moteur, un produit, une matière première.
 Population : c’est l’ensemble des individus qui le compose comme la population d’un
pays
 Échantillon : c’est l’ensemble d'individus représentatifs d'une population, elle doit avoir
les mêmes caractéristiques de cette population pour la traduire d’une manière fidèle.
 Caractère : c’est la variable statistique qui constitue le support principal d’information,
c’est à partir de l’étude d’évolution de ce caractère qu’on peut aboutir à des conclusions
rationnelles, ça peut être le diamètre d’un axe, la température de polymérisation d’une
matière plastique ou la quantité de matière etc.

Figure 19 : Eléments de la statistique descriptive

23
I.2.2. Statistique de base
Pour étudier les caractéristiques statistiques d’une population il faut préparer un échantillon
de taille n et faire des mesures d’un caractère bien précis. Après avoir enregistré les données
on les classe par ordres croissants et on les regroupe en classes d’égales étendues.
Le choix des classes est délicat il ne faut pas morceler les résultats et de se retrouver avec
des classes d’effectif très faible. De ce fait le nombre des classes est l’entier le plus proche
de la racine carrée de l’effectif :
𝑛𝑏𝑟 = √𝑛 où 𝑛𝑏𝑟 = 1 + 1,33 𝑙𝑛(𝑛) (règle de Sturges)
Soit faj l’effectif d’une classe où la fréquence absolue :
𝑛 = ∑𝑘
1 𝑓𝑎𝑗 avec k est le nombre des classes

On appelle aussi la fréquence relative d’une classe est le rapport entre l’effectif de cette classe
𝑓𝑎𝑗
et la taille de l’échantillon 𝑓𝑟𝑗 =
𝑛

On définit ainsi la fréquence cumulée d’une classe :

𝑓𝑐𝑗 = ∑𝑗 𝑓𝑟𝑖
1 avec 𝑓𝑐𝑘 = ∑𝑘 𝑓𝑟𝑖 = 100%
1
Toute série des mesures est caractérisée par une dispersion autour d’une valeur centrale, elle
constitue ainsi une distribution statistique et possède deux caractéristiques principales :
Caractéristiques de position : ce sont les paramètres de localisation, c’est la position autour
de laquelle les mesures vont être dispersées:
La moyenne c’est le rapport entre la somme des valeurs et le nombre total de ces valeurs :
1
𝑋̅ = ∑𝑛 𝑥𝑖
avec xi sont les valeurs des mesures et n la taille d’échantillon
𝑛 0

Le mode : correspond à l’effectif le plus élevé et c’est la valeur la plus fréquente

La médiane : la valeur ou la moitié des mesures lui soit inferieure et l’autre est supérieure.
Caractéristiques de dispersion : ils permettent de chiffrer la dispersion des mesures
L’étendue c’est la différence entre la plus grande et la plus petite valeur
W = Xmax-Xmin
L’écart type : c’est la racine carrée de la variance, il mesure la distance entre les points de
données et la moyenne. Un grand écart-type signifie une large dispersion globale de points;
un écart type plus petit signifie un ensemble de points qui sont assez proches de la moyenne

24
Alors que les statistiques basées sur les données de la population totale sont toujours plus
précises, mais plus chère, et parfois il est impossible d'obtenir toutes les données, donc on
travaille souvent avec les échantillons de données. De ce fait il y a deux formules d’écart
type la première si on a tous les éléments de données d’une population mais la deuxième si
on a un échantillon de données :
1 𝑛
𝜎=√ (1) 𝑆=√
1
∑ (𝑥 𝑖 − 𝑋̅ )2 (2)
𝑖 −
∑𝑛(𝑥 1 𝑛−1 1
𝑛 µ)2

Avec µ est la moyenne de la population et 𝑋̅ la moyenne de l’échantillon

I.2.3. Distribution normale

une variable aléatoire X absolument continue de moyenne m et de variance 𝜎2 suit une
distribution normale dite de laplace-Gauss si sa densité de probabilité est donnée par :
1 (𝑥 − 𝑚)2
𝑓(𝑥) = exp (− )
𝜎√2𝜋 2𝜎2
Et ses propriétés statistiques : - espérance mathématique 𝐸(𝑋) = 𝑚
- variance 𝑉(𝑋) = 𝜎2
 Représentation graphique :

Figure 20 : L'allure des différentes distributions normales

Dans la figure précédente un exemple de quelques distributions normales on remarque que
la distribution est symétrique le mode, la moyenne et la médiane sont confondues, ainsi la
moyenne positionne la courbe par rapport l’axe vertical et l’écart type influe sur la forme de
la courbe plus l’écart type est grand plus l’étendue de la courbe est grande.

25
 La fonction de répartition est donnée par :
𝑥
𝐹(𝑥) = ∫ 1 (𝑥 − 𝑚)2
exp (−
−∞ 𝜎
√2𝜋 ) 𝑑𝑥
2𝜎2

Figure 21 : La fonction de répartition des distributions normales

 Loi normale centrée réduite

𝑥−𝑚
Sur le plan pratique en utilise toujours une variable normée désignons par 𝑢 = une
𝜎

nouvelle variable avec l’espérance mathématique de X : E(X)=m et avec l’écart-type

𝜎
Cette variable dite normée si elle possède deux propriétés :
- La moyenne arithmétique 𝑢̅ = 0
- L’écart-type 𝜎 est égale à l’unité 𝜎(𝑢) = 1
Cette distribution normale centrée réduite notée N (0,1) et sa densité de probabilité est
donnée par :
1 (𝑢)2
𝑓 (𝑢 ) = exp (−
√2𝜋 )
2
 Représentation graphique

26
Figure 22 : Distribution normale centrée réduite

27
 D’après la représentation graphique Cette fonction est symétrique par rapport à la
moyenne c’est-à-dire 𝑓(𝑢) = 𝑓(−𝑢) et la courbe est pratiquement asymptotique, aussi
la surface
+∞
totale. 𝑆= ∫ 𝑓(𝑢) 𝑑𝑢 = 1
−∞
En effet pour −1 < 𝑢 < 1 ; 𝑆(𝑢) = 0,6827 ; soit 68,27% de la surface totale
pour −2 < 𝑢 < 2 ; 𝑆(𝑢) = 0,9545 ; soit 95,45% de la surface totale
pour −3 < 𝑢 < 3 ; 𝑆(𝑢) = 0,9973 ; soit 99,73% de la surface totale

I.2.4. Normalité d’une distribution

La plupart des processus de fabrication et beaucoup d’autres phénomènes obéissent à une loi
normale ou s’en approche suffisamment pour vérifier cette propriété des divers tests sont
envisageables, dans cette paragraphe on va présenter parmi ces tests le plus performant.
Ces tests sont subdivisés en deux catégories, la première comporte les tests graphiques
(droite de Henry..) ces tests présentent l’avantage d’être simples et rapides et permettent
d’avoir un graphique donnant une idée assez concise sur l’allure de la distribution cumulée
mais avec une précision médiocre, la deuxième catégorie comporte les tests numériques
(test de chi- deux et le test de Kolmogorov Smirnov), ces tests sont plus efficaces que les
méthodes graphiques et permettent d’associer la décision d’acceptation ou de rejet de
l’hypothèse de normalité à un risque donné (niveau de confiance).
 Test de Kolmogorov Smirnov
Ce test est assez puissant et précis par rapport aux autres tests, ne nécessite aucune
restriction au niveau de la taille de l’échantillon, il demande moins de calcul, tient compte à
la fois des petits et grands échantillons et ne nécessite aucun regroupement en classe, il est
basé sur la différence entre la distribution théorique et la fonction de répartition empirique.
Soient x1, x2, xi, xn n réalisation indépendante d’un échantillon de distribution théorique
connue (autrement dit la forme de distribution avec la moyenne et l’écart-type sont connues)
T(x) la fonction de répartition empirique :
𝑖
𝑇( 𝑥 ) = (i est le rang et n la taille de l’échantillon)
𝑛+1

𝐷𝑛 = 𝑀𝐴𝑋( 𝑇(𝑥) − 𝐹(𝑥))

La quantité Dn ne dépend que de la taille de l’échantillon n, alors on associe cette

propriété au risque α (niveau de confiance) on obtient la probabilité P

28
𝑃(𝑀𝐴𝑋( 𝑇(𝑥) − 𝐹(𝑥)) < 𝐷𝑛; α) = 1 − α

29
Le niveau de confiance c’est le degré de sévérité d’acceptation de l’hypothèse de la
normalité si α est grande c'est-à-dire on ne considère que cette distribution comme normale
si elle est très proche de la distribution normale théorique. Et à partir de taille de
l’échantillon n et le niveau de confiance α considéré, on déduit la valeur critique 𝐷𝑛; α du
tableau de test de Kolmogorov Smirnov et on conclut l’acceptation ou le rejet de
l’hypothèse de la normalité à la condition : 𝐷𝑛 < 𝐷𝑛; α
voir Tableau

I.3. Plan de contrôle

Dans le paragraphe précédent on a donné une vision générale sur la statistique point de vue
mathématique et dans le reste de ce chapitre on va utiliser la statistique comme étant un outil
de contrôle dans la maitrise statistique des procédés.

I.3.1. Type de contrôle :

Contrôle par attribut : il consiste à porter le jugement sur un produit, ce qui conduit à
l’acceptation ou le rejet, il peut être pratiquer sur les produits et les composants de tout
nature Contrôle Par décompte de défauts : la décision de l’acceptation est prise après
l’enregistrement d’un nombre moyen de défauts sur le produit contrôlé
Contrôle par mesure : la décision de rejet est prise sur la base de la moyenne arithmétique et
de la dispersion qui se découle de la mesure d’un caractère choisit d’un produit

I.3.2. Mode de contrôle

Contrôle à 100% : il est obtenu par la vérification systématique de tous les individus, ce
genre de contrôle offre plus de sécurité par conséquent il et onéreux et plus long et n’est pas
envisageable lors de la destruction des pièces à contrôler.
Contrôle par échantillonnage : Si on ne peut pas accéder à des données automatisées, on
effectue un prélèvement au hasard d’un échantillon d’un lot de taille et de façon de
prélèvement appropriée, pour qu’on puisse tirer des conclusions statistiques les plus précises
que possible sur la population il présente l’avantage d’être moins couteux moins long et il
est envisageable lors de la destruction des pièces à contrôler.

30
I.3.3. Types d’échantillonnages :
Echantillonnage Aléatoire Simple : fonctionne lorsque les attributs sont similaires et il y a
une chance égale que n'importe quel élément de la population peut être choisi.
Échantillonnage stratifié : se produit lorsque la population est divisée en catégories de
différentes natures et pour tester leurs conformités on choisit au hasard des éléments de
chaque type au lieu de les sélectionner à partir de l’ensemble ce qui garantit un
échantillonnage avec moins de problème.
Echantillonnage séquentiel : consiste à numéroter les produits dans un ordre croissant, celui
qui est fabriqué le premier reçoit 1, le deuxième reçoit 2 et puis on sélectionner chaque
élément à inclure dans l'échantillonnage selon des tables aléatoires ou une séquence bien
déterminée, avec les bons paramètres, ce type d’échantillonnage fournit des résultats valides.
Après le prélèvement de l’échantillon, la décision d’acceptation ou de rejet est prise en
comparant le nombre des défectueux par rapport à Ac le nombre de défectueux maximum :
Si Nb < AC on accepte le lot
Si Nb > Re = Ac+1 on refuse le lot
Echantillonnage Double : on prélève un premier échantillon de taille n1, si le lot contient k
défectueux inferieur à Ac1, on accepte le lot et si elle est supérieure à Re1, on refuse
directement le lot, mais si on se trouve dans une zone de doute cad entre Ac1 et Re1, on
prélève un autre échantillon de taille n2 est refait le procédure une autre fois.
Echantillonnage Multiple : c’est tout à fait analogue à celui adopter en échantillonnage
double avec un ou plusieurs prélèvements successifs jusqu'à la prise de décision de
l’acceptation ou de rejet du lot
L'échantillonnage non aléatoire :
Tout échantillonnage présente des erreurs qui peuvent être calculées et prises en compte
dans l'analyse, Mais l'échantillonnage non aléatoire ne doit pas être utilisé car il est plus
probable d’introduire un erreur d'utilisateur, cet échantillonnage comprend l'échantillonnage
de commodité qui se produit lorsqu’on veut mesurer l’échantillon des produits qui sont
fabriquées maintenant, ces mesures ne présentent que l’état actuel du processus.
On peut citer aussi l’échantillonnage de jugement qui se produit lorsqu’on demande aux
opérateurs de sélectionner un échantillon, automatiquement ils vont choisir les éléments de
meilleur qualité ce qui fausse les résultats d’échantillon.

31
Echantillonnage par mesure : toujours dans le but de diminuer le temps de contrôle et la
taille de l’échantillon on peut mesurer les caractéristiques principales comme les dimensions
le poids. Et ces résultats peuvent être décrite par des modèles probabilistes, en effet la
plupart des distributions des caractéristiques issues de processus de fabrication obéissent à
une loi normale ou s’en approche suffisamment comme on a mentionné dans la première
partie de ce chapitre, alors ce qui nous donne la possibilité de de leur applique les règles
statistique courantes.
Après faire l’étude statistique complet d’un mesurage de n individus et après avoir la forme
de cette distribution, on fixe avec le client le couple (Ts, p1) où Ts une limite supérieure
qu’un lot ne doit pas la dépasser que par une proportion dite proportion de défectueux p2, de
même on fixe le couple (Ti, p1) où Ts une limite inférieure qu’un lot ne doit pas la dépasser
que par une proportion dite proportion de défectueux p1, par exemple un client indique que
(Ts=2, p2= 2%) et(Ti=-2, p1= 2%) et d’après le résultats d’un contrôle par mesurage on
a une
distribution normale centrée réduite de moyenne 𝑋̅ = 0 et écart type 𝜎 = 1, la limite
supérieure Ts = 2 correspond à une proportion défectueuse p=2.27% de même pour Ti = -2
correspond la proportion défectueuse p=2.27%, donc ce lot est rejetable car p>p2 et p>p1

Figure 23 : Exemple d'une proportion défectueuse

32
I.4. Variabilité
Quel que soit la précision des machines, le degré de pureté des matières premières, On peut
affirmer qu’il n’existe pas deux produits identiques à l’issus du même procédé. Comme
l’exemple des rebuts de matières premières, dans les mêmes conditions, il y avait une
fluctuation au niveau du poids ce qui met en évidence l’imperfection de processus. Il faut
s’accommoder des sources de variations multiples sur le procédé :la Matière première, la
Main d’œuvre, la Méthode, jusqu’à l’acte de Mesurer qui est lui aussi source d’une
variabilité. Il existe deux grandes catégories de causes de variations d’un procédé : - les
causes communes
- les causes spéciales.

I.4.1. Causes de la variabilité

Les causes normales : ordinaire, naturelle, distribué de façon aléatoires, non assignables ou
communes, forment la variabilité intrinsèque du procédé (propre au personnel, matières
premières, l’outillage des machines et aux autres constituants du processus), elles sont très
nombreuses (environ 80% des causes de variation) et à faibles effets cumulé agissent
souvent ensemble et sous forme interactions, elles sont indissociables et incontrôlables et
impossible à les éliminer, mais elle présentent l’avantage d’être prévisible dans le temps et
régies par des modèles mathématiques bien connues (souvent un loi normal).
Les causes anormales : particulières, non aléatoires, assignables ou spéciales. Ce sont des
événements inhabituels, elles n’incombent pas à la responsabilité du processus mais
résultent d’éléments qui peuvent être des paramètres de fabrication tels que le personnel mal
formé, machines mal entretenues ou mal réglées, cassure d’un organe ou d’un outil. Elles
ont un grand effet néfaste, provoquent des dérives imprévisibles et nécessitant une
intervention plus efficace de la part de l’opérateur, cependant elles sont peu nombreuses
(20% des causes de variations) et aussi contrôlables.

La méthode MSP ne laisse subsister que les dispersions dues aux causes communes. Dans
ce cas, le procédé est alors « sous-contrôle ». Si non le procédé devient « hors contrôle » si
les causes de dispersion sont identifiables, souvent irrégulières et instables.

Sachant que 99.73% des individués sont situés dans l’intervalles de confiance [-3σ ; +3σ]
centrée autour de la moyenne, on peut affirmer avec une erreur probable de 0.27% que
100% des individus seront situés dans cette intervalle d’une longueur 6σ, on peut ainsi
déduire que les individus situés à l’extérieur de cette longueur sont la conséquence des
33
causes anormales.

34
Rappelons qu’il s’agit toujours d’une distribution gaussienne ou suffisamment proche à
l’aide de la règle des 3σ on dresse les frontières naturels séparent les causes normales des

causes anormales : 𝐿𝐶𝑆 = 𝑋̅ + 3.09𝜎 𝐿𝐶𝐼 = 𝑋̅ − 3.09𝜎 𝐿𝐶 = 𝑋̅

Les deux premières limites sont situées symétriquement par rapport à une valeur centrale
c’est la moyenne.

Figure 24 : Les frontières naturelles

I.4.2. Cartes de contrôle de Shewhart

Une carte de contrôle est un graphique composée d’une série de radiographie de l’état de
santé du processus, obtenues à partir des données relevées sur des échantillons prélevés
régulièrement, tout au long de la production en outre elle permet de :
 Suivre l’évolution du procédé en temps réel
 Visualiser son variabilité ce qui constitue un véritable tableau de bord
 Distinguer les causes spéciales des causes communes des variations
 Affirmer que le procédé est ou n’est pas sous contrôle
 Prévoir la performance du procédé lorsqu’il est sous contrôle
 Établir des indices d’amélioration du procédé, en calculant la capabilité du procédé.
Ces cartes contiennent les tolérances correspondent aux seuils au-delà desquels le lot, jugé
non-conforme, le cible ou la valeur moyenne du paramètre étudié, les limites de contrôles,
fixées à plus ou moins trois écarts types de la valeur moyenne bornent la dispersion naturelle
du paramètre, c’est « la voix du process » et les limites de surveillances, placées à plus ou
moins deux écarts types de la valeur moyenne permettent de donner l’alerte en cas de dérive
du procédé

35
 Figure 25 : Exemple d'une carte de contrôle
Une carte de mesure est basée sur un caractère ou un paramètre quantifiable, on distingue :
-Carte de tendance centrale ou de position (de la moyenne et de la médiane).
-Carte de la dispersion (de l’écart-type et de l’étendue).
Puisque les variations sont le résultats d’action conjugué de causes normales et anormale et
sont de nature tout à fait différentes, il est impossible de les caractériser par une seule carte
de contrôle, d’où l’utilisation de ces deux cartes simultanément.
Les cartes du suivi de la position: Le suivi par rapport à la valeur cible peut se faire par à
l’aide de la carte de contrôle du suivi, et l’analyse de la moyenne ou de la médiane. Malgré
que La carte de suivi de la médiane est la plus facile de mise en œuvre, mais son efficacité à
détecter les dérives de position du procédé est moins performante, autrement dit cette carte
ne permet pas d’obtenir une finesse d’analyse aussi précise que celle du suivi de la
moyenne.
Les cartes de suivi de la dispersion : Le fonctionnement et l’interprétation de la carte des
étendues sont comparables à ceux de la carte des écarts type, mais la dernières rend mieux
compte de la dispersion du procédé si la taille des échantillons est grande. En effet, le calcul
de l’étendue ne tient compte que des deux valeurs extrêmes de l’échantillon, alors que le
calcul de l’écart type intègre toutes les valeurs. Mais l’utilisation de la carte de suivi des
écarts types ne se justifie que dans le cas de cartes de contrôle automatisées car le calcul de
l’écart type n’est pas facile.

36
I.4.3. Interprétation des cartes de contrôle
Selon l’aspect de la carte on peut dire que le processus est acceptable ou non, si on ne trouve
pas des points en dehors des limites de contrôle et que la plupart des points fluctuent au
hasard par rapport à la ligne centrale on peut juger que la carte est normale d’où il faut
profiter de cette situation confortable pour améliorer la performance du processus et si un
point est en dehors des limites de contrôle, ça veut dire qu’il y a une cause anormale qu’on
doit l’identifier et l’éliminer.
Toutefois il ne faut pas se concentrer juste sur les points par rapport les limites de contrôle,
en effet les causes anormales peuvent bien se manifester à l’extérieur et à l’intérieur des
limites donc il faut surveiller à l’évolution de la caractéristique contrôlé et l’allure de la
carte. Voici des allures et des indicateurs les plus connues et leurs causes possibles ainsi que
les actions à engager :
 Saut brusque ou décalage : elle peut être due au changement de l’opérateur (nouveau
réglage) ou de la matière première donc il faut former les opérateurs sur les mêmes
réglages ou envisager un contrôle très rigoureux au niveau de la réception
 Phénomène cyclique : avec des haut et des bas, ça peut être due à un changement de
température ou pression, donc il faut identifier la cause et l’éliminer
 Dérive : c’est un décalage progressif des point (6 points consécutifs en ordre croisant
ou décroissant) elle est due à l’usure de l’outil qui est un défaut d’entretien, donc il
faut faire l’entretien nécessaire tant qu’on est encore à l’intérieur des limites.
 Stratification : les point sont très proches de la ligne de centrale (10points
consécutifs dans la zone ±1𝜎) ce qui met en évidence le caractère non aléatoire des
fluctuations du processus donc il faut modifier le prélèvement des échantillons et
recalculer les limites de contrôle
 Mélange : c’est le contraire de la stratification, les points sont au voisinage des
limites (10points consécutifs à l’extérieur de la zone ±1𝜎) donc il faut changer la
méthode d’échantillonnage
Suites à ces exemples il faut être très vigilant avant d’engager une action de correction, il
faut s’assurer qu’il s’agit d’une cause anormale car toute confusion entre les deux types des
causes engendre des conséquences fâcheuses et peut contribuer à l’aggravation du
problème.

37
I.4.4. La capabilité d’un processus
Un processus est dit stable ou sous contrôle si la forme de sa distribution des mesures est
statique, constante dans le temps c'est-à-dire la même moyenne et l’écart-type. Dans le cas
contraire il est dit instable et imprévisible dans le temps c’est à dire il existe des actions
anormales.

Figure 26 : Stabilité d'un processus

Nous rappelons que la distribution d’un paramètre suit dans la plupart des cas une loi de
Gauss avec une valeur moyenne et un écart type. La dispersion à « six écarts types » (6σ)
correspond à l’intervalle contenant 99,73 % des valeurs du paramètre étudié. Autrement dit,
la probabilité de trouver une valeur comprise entre plus ou moins trois écarts types est de
0,9973, soit 99,73%, il est clair que si la dispersion est faible, plus l’écart type est faible, plus
la proportion non conforme est faible, plus il est performant.
Les limites qui forment la dispersion naturelle Cn=6σ sont définies par les spécifications
intrinsèques du processus, mais elles sont insuffisantes car tout produit doit répondre aux
exigences extrinsèques comme le cahier de charge, donc on définit l’indice de capabilité
potentiel qui désigne l’aptitude d’un procède à produire des produits conforme, en
comparant l’intervalle de tolérance exigée à la capabilité naturelle, c'est-à-dire la
performance demandée à la performance réellement obtenue.

𝐶𝑝 = 𝑇𝑆 − 𝑇𝐼
6𝜎
Avec Ts et Ti sont les limites supérieur et inferieur de la tolérance.

38
 Figure 27 : Les situations possibles des intervalles
Tout d’abord on ne parle pas de la capabilité si le processus n’est stable parce qu’elle n’a
pas de sens, pour un procédé stable, et à partir de la relation et la figure précédente, il existe
plusieurs cas de figures :
Cp<1 : TS-TI <6σ (courbe 4,5,6) on dit que le processus est non capable et il y aura toujours
de rebut où un pourcentage certain de production non-conforme puisqu’il présente une
dispersion supérieure à la tolérance
Cp=1 : TS-TI =6σ (courbe 7) on dit que le processus est juste capable, c’est une situation
limite, une petite modification entraine l’apparition des rebuts
<Cp>>1 cad TS-TI >>6σ (courbe 1) on dit que le processus est capable il n’y aura pas de
rebut car il est caractérisé par une dispersion qui ne dépasse pas les limites de l’intervalle de
tolérance. Toute la production est conforme,
D’après les courbes 2,3 de la figure 35 et malgré la situation confortable du processus
(Cp>1) il est possible d’avoir un pourcentage des produit non conforme suite au décentrage
de la moyenne du processus, donc le calcul de la capabilité potentielle n'est pas suffisant
pour caractériser la performance d'un procédé. En effet, l’étude de la capabilité potentielle
ne reflète pas la tendance centrale du procédé, car deux procédés ayant une dispersion
identique, peuvent se situer différemment au sein de l’intervalle de tolérance. D’où la
nécessité de définir un indicateur de centrage ou la capabilité réelle Cpk, il permet de
mesurer le centrage du procédé par rapport à la valeur cible attendue.

distance (moyenne – limite la plus proche)

Cpk =
3σ
39
Dans la figure 27 le premier procédé est centré alors que le second est décentré, cependant
leurs capabilités potentielles sont comparables puisque leurs dispersions sont identiques, le
risque d’obtenir une production hors norme est différent.
Plus Cpk est grand moins il y’a de non-conformité, cependant pour être dans une situation
confortable il faut avoir une capabilité naturelle la plus faible possible située au milieu des
limites de tolérance pour que les indicateurs Cp et Cpk soient identiques et le procédé est
parfaitement centré sur la valeur cible.

II. Notion de la six sigma ‘6σ’

La MSP permet de décrire l’état d’un processus de façon assez précise, en se basant sur des
relevés numériques des paramètres critiques identifiés, ces résultats statistiques sont
exploités via les méthodes d’amélioration continue tel que la méthode six sigma, pour
augmenter la performance du processus de façon rationnelle et le rend plus stable et plus
sécurisé.

II.1. Définition statistique de Six sigma

Le concept statistique représenté par ‘6σ’ est largement expliqué dans la maitrise statistique
de processus, il s’agit d’un processus avec une distribution qui suit la loi normale avec une
valeur moyenne et un écart-type. Généralement on compare la dispersion naturelle Cn = 3σ
par rapport à l’intervalle de tolérance exigée, où Cn = 3σ correspond à l’intervalle contenant
99,7300% des valeurs du paramètre étudié, mais 6σ est une représentation statistique d’un
processus dite « parfait ». Théoriquement, il n'y a que 0,002 défauts par million
d'opportunités (DPMO). En pourcentages, cela signifie que 99,99999% des produits issus
d'un processus Six Sigma sont sans défaut, autrement dit à l’intérieure de l’intervalle de
tolérance. À seulement un niveau sigma inférieur à 5σ, soit une précision de 99,99997%, les
processus subissent 0,57 erreurs par million d'opportunités. En termes plus simples, il y aura
beaucoup plus de clients insatisfaits.

40
 Tableau 3 : Les différents niveaux Sigma
Sans ajustement de 1,5 sigma avec ajustement de 1,5 sigma
Niveau Sigma % de conformité DPMO Niveau ajusté % de conformité DPMO
1 68,2689492 317310,5 0,3884 30,23317 697668,3
1,5 86,6385597 133614,4 0,6723 49,86518 501348,2
2 95,4499736 45500,26 1,0178 69,12365 308763,5
2,5 98,7580669 12419,33 1,409 84,13126 158687,4
3 99,7300203 2699,796 1,833 93,32123 66787,75
3,5 99,9534741 465,2582 2,277 97,72406 22759,37
3,9 99,9903807 96,19269 2,644 99,18067 8193,265
4 99,9936657 63,34248 2,736 99,37903 6209,659
4,1 99,9958685 41,31501 2,837 99,54465 4553,961
4,2 99,9973308 26,69155 2,923 99,65388 3461,202
4,3 99,9982920 17,07981 3,017 99,74471 2552,898
4,5 99,9993204 6,795346 3,204 99,86447 1355,325
5 99,9999426 0,573303 3,680 99,97672 232,7771
5,5 99,9999962 0,037979 4,161 99,99683 31,68571
6 99,9999998 0,001973 4,645 99,99966 3,400765

NB : D’après le tableau précèdent, il ne faut pas confondre entre le niveau de sigma réelle
d’une distribution et le niveau sigma conventionnel, car il s’agit d’une conversion établie
chez Motorola, d'où provient le programme Six Sigma. Le niveau Sigma est ajusté de 1,5
sigma moins pour reconnaître la tendance des processus à se déplacer sur le long terme et
afin de s'adapter à l'instabilité et les changements.

II.1.1. Calcul du niveau Sigma

Les organisations et les équipes peuvent calculer le niveau sigma d'un produit ou d'un
processus en utilisant l'équation ci-dessous:
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒𝑠 𝑜𝑝𝑝𝑜𝑟𝑡𝑢𝑛𝑖𝑡é − 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑥
( ) ∗ 100 = % 𝑑𝑒 𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑡é
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒𝑠 𝑜𝑝𝑝𝑜𝑟𝑡𝑢𝑛𝑖𝑡é
A partir du pourcentage de conformité en cherche la valeur la plus proche de ce rendement,
on trouve ainsi le niveau sigma correspondant.
Exemples du monde réel : Prenons un exemple basé sur les expéditions de Amazon. Lors du
Cyber Monday en 2013, Amazon a traité 36,8 millions de commandes, supposons que
chaque erreur de commande coûte en moyenne 35 $ à l'entreprise, le nombre des erreurs sur
commande a atteint 80000 erreurs d’après la formule :
36,800,000 − 80,000
( ) ∗ 100 = % 99.79
36,800,000

41
D’après le tableau de sigma, le niveau de sigma est entre 4,3 et 4,5. Le niveau sigma à un
impact exponentiel sur le cout total d’erreur, le tableau suivant met en valeur cet impact.
Tableau 4 : Le cout total des défauts selon le niveau Sigma
Niveau sigma DPMO Totale des défauts Cout totale
un Sigma 690,000 25392,000 $888720,000
deux Sigma 308,000 11334,400 $396704,000
trois Sigma 66,800 2458,240 $86038,400
Quatre Sigma 6,200 228,160 $7985,600
cinq Sigma 233 8574,4 $300,104
Six Sigma 3,4 125,12 $4,379

II.2. Définition de la méthodologie Six Sigma

Six Sigma, ou ‘6σ’, est une méthodologie pour l'amélioration continue, elle utilise des
connaissances statistiques pour identifier la variation inhérente des processus, car une telle
variation conduit à des possibilités d'erreur. Les possibilités d'erreur entraînent des risques
de défauts du produit. Ces défauts, que ce soit dans un processus tangible ou dans un
service, entraînent une mauvaise satisfaction du client. Donc il est nécessaire d’éliminer les
sources des variations dans le but d’améliorer les processus et augmenter la satisfaction
client.
Pour la plupart des organisations, les processus Six Sigma sont une cible constante.
Atteindre et maintenir la « perfection » est difficile et nécessite une amélioration continue.
Mais même le passage de niveaux inférieurs de sigma à un processus quatre ou cinq sigma a
un impact considérable sur tous les niveaux de l’entreprise.

II.2.1. Six sigma et Lean Process Management

Lean Process Management est un concept d’amélioration continue et de réduction des
déchets. Il peut s'appliquer à tout processus ou un environnement de fabrication impliquant
la création de biens ou de services tangibles ou numériques et il fournit des outils de
contrôle quotidien et d’améliorations des processus pour augmenter leurs productivités et
réduire leurs coûts. Pour cela Six sigma intègre ces outils dans la résolution de problèmes
afin d’avoir les meilleurs résultats tout en éliminant à la fois les défauts et les déchets. Donc
on utilise souvent le terme Lean Six Sigma pour décrire une approche d'amélioration des
processus.

42
II.2.2. Prise de décision basée sur la méthode Six sigma
Historiquement, les chefs d'entreprise prenaient des décisions basées sur l'intuition ou
l'expérience. Malgré certaines croyances, Six Sigma ne supprime pas le besoin d'un
leadership expérimenté. Mais elle travaille avec d'autres connaissances pour fournir une
base mathématique et statistique lors de la prise de décision. Cette stratégie qui est basée sur
des mesureS, les organisations cherchent à mettre en œuvre, En effet l’expérience peut
indiquer qu’un processus ne fonctionne pas; les statistiques prouvent que c'est vrai et aident
à valider ces hypothèses, elle permet d'identifier les problèmes, de réfléchir à des solutions
et de planifier leurs mises en œuvre. En appliquant des outils tels que l'analyse statistique et
la cartographie des processus, les équipes peuvent visualiser et prédire les résultats avec un
haut niveau de précision, permettant au leadership de prendre des décisions avec moins de
risques financiers.
Cependant, les méthodes Six Sigma n'offrent pas une boule de cristal. Car il y a des
problèmes qui peuvent survenir pour lors de la mise en œuvre des améliorations. Toutefois
elle prévoit des méthodes de contrôle lors de la mise en œuvre des changements avec un
cout réduit par rapport à des méthodes de qualité traditionnelles. Elle crée aussi des
sauvegardes et des tactiques pour que, même après qu'un projet soit considéré comme
terminé, des contrôles soient en place pour s'assurer que les progrès se poursuivent et qu'il
est impossible de revenir aux anciennes méthodes.
Le niveau sigma n'est pas un indicateur final :
Les niveaux Sigma fournissent à l'organisation un aperçu de haut niveau des performances
d'un processus, mais la comparaison des niveaux Sigma entre plusieurs processus ne pointe
pas toujours vers le processus particulier qu’on doit l’améliorer en premier, il faut prendre
en compte le temps et le coût d'une amélioration car l’application d’un projet Six Sigma
n'est pas financièrement lucrative dans tous les situations, donc le leadership doit classer les
processus selon leur niveau sigma et leur valeur ajoutée, on peut avoir un processus de
niveau de sigma 3,5 et touche directement le produit donc les erreurs sont plus couteuses,
contre un processus de niveau 3 mais il ne présente pas une valeur ajoutée considérable, on
choisit le premier parce qu’on cherche toujours la qualité la satisfaction du client. Un autre
exemple ou un processus a des problèmes qui coutent plus que l’autre mais il nécessite une
amélioration très couteuse donc on peut commencer par celui qui ne demandes pas une
amélioration couteuse.

43
II.3. Concepts de base de Six Sigma
Chaque processus contient une variation inhérente pour la réduire et augmenter son niveau
sigma, il faut l’améliorer continuellement, pour atteindre un processus parfait, pour cela les
organisations intègrent les principes de base de Six Sigma dans leurs styles de leadership, et
leurs efforts d'amélioration. Ces principes les plus communes sont présentées ci-dessous :
Amélioration axée sur le client :
Six Sigma ne se contente pas d'apporter des améliorations dans le but d'augmenter les
niveaux sigma. Un principe fondamental de la méthodologie est la focalisation sur le client.
En combinant des connaissances avec des mesures, des statistiques et des méthodes
d'amélioration des processus, Les entreprises peuvent personnaliser et prioriser le
développement de leurs offres des produits et services pour répondre aux besoins actuels, de
cette façon l’organisations augmentent la satisfaction de la clientèle, renforçant ainsi les
profits, et garder leur fidélité.

Amélioration continue des processus :

Une organisation qui adopte la méthodologie Six Sigma ne cesse de s'améliorer. Elle
identifie et hiérarchise les domaines d'opportunité sur une base continue. Une fois qu'un
domaine est amélioré, l'organisation passe à l'amélioration d'un autre domaine. Et envisage
des moyens pour améliorer le niveau sigma. Et de se rapprocher toujours vers le niveau «
parfait ».
Élimination des déchets :
L’élimination des déchets (éléments, actions ou personnes) est une cible majeure dans la
méthodologie Six Sigma pour réduire le temps, les couts et les opportunités d'erreurs.
Équiper les gens :
Pour améliorer les processus, une équipe composée d’un manager de projet et les experts en
méthodologie définissent, planifient et mettent en œuvre des améliorations qui reste une
mesure temporaire à moins que les organisations forment les employés qui travaillent
directement avec le processus au quotidien pour surveiller et maintenir ces améliorations.
Contrôle du processus :
Les améliorations Six Sigma concernent des processus incontrôlables, elle les rend sous
contrôle pour répondre à des exigences statistiques spécifiques. Une fois ces améliorations
mises en œuvre, des mesures, des statistiques et d’autres outils Six Sigma sont utilisés pour
garantir que le processus reste sous contrôle.
44
Cycle PDCA :
C'est un principe fondamental de Six Sigma. Ce cycle plan-faire-vérifier-agir signifie qu'il
ne se termine jamais, il y a toujours des améliorations à apporter. On a besoin de
changement, on crée un plan d’amélioration. Puis on teste nos idées sur un échantillon. À
l'aide des résultats de ce test, on vérifie qu’ils fonctionnent pour les appliquer sur

l’environnement de production.
Figure 28 : Roue de Deming PDCA

Méthode DMAIC :
Six Sigma cherche à se déplacer toujours vers moins de 3,4 défauts par million
d'opportunités (DPMO), elle applique cette méthode qui consiste définir, mesurer, analyser,
améliorer et contrôler les processus pour apporter des améliorations pour les processus qui
existe déjà.
Méthode Kaizen :
Un mot japonais qui se traduit par « changer pour le mieux », c’est l'un des outils
d'amélioration continue, Le but de chaque changement dans un environnement Kaizen est
d’éliminer les déchets et créer plus de valeur pour le client sur une base continue.

II.3.1 Les gaspillages

Six sigma et plus précisément le Lean manufacturing est une approche qui a pour objectif
d’éliminer les gaspillages qui paraissent sur trois formes :
• Le MURI : qui concerne les gaspillages dus à un excès des tâches et des opérations inutiles.
• Le MURA : qui concerne les gaspillages consécutifs dus aux irrégularités et les
variabilités au niveau de système qui provoquent des problèmes dans l’entreprise à cause de
la difficulté de la maitrise des fluctuations.

45
• Le MUDA : est une activité inutile qui n’apporte pas de valeur au client, elle parait sous 7
formes de gaspillage :
- Attente : c’est le temps d'attente qui sépare deux taches successives.
- Mouvement inutile : les déplacements effectués sans valeur ajoutée au produit.
- Opération inutile : les opérations à non-valeur ajoutées.
- Défaut : les défauts diminuent la qualité et provoquant l'insatisfaction du client.
- Stock excessif : stocker une quantité plus importante que nécessaire
- Surproduction : produire des quantités supérieures à ce qui est demandé.
- Transport inutile : le transport de matières sans apporter une valeur ajoutée.

Figure 29 : Les 7 MUDA

II.3.2. 5S
5S est une approche Lean basée sur cinq étapes: Sélectionner, Situer, Scintiller,
Standardiser, Suivre, elle permet d’organiser l’espace de travail, elle se repose sur des
repères visuels pour identifier, effacer, nettoyer les muda, rendre un processus plus efficace
et efficient, réduire les accidents, normaliser les flux de travail, assurer la qualité et avoir
une base qui facilite la mise en œuvre d’améliorations supplémentaires, ces avantages se
traduisent par une augmentation des bénéfices et de la satisfaction du client, qui sont les

objectifs globaux de Six Sigma.

Figure 30 : Les 5S

46
Phase I: Sélectionner :
Pendant la phase de tri, tous les éléments ou matériaux d'un espace de travail sont classées,
en éléments inutiles ou nécessaires et puis on décide de les conserver ou non les éliminer
pour supprimer les coûts, le temps et la frustration des employés, aussi de faire l'inventaire
d'une zone, de découvrir les ressources gaspillées et de faire de la place pour réorganisation.
Phase 2: Situer :
Une fois que l'excédent est retiré, il faut catégoriser et donner un emplacement simplifié et
clairement indiqué pour tous les éléments nécessaires par exemple on peut Étiqueter les
étagères et ordonner les éléments selon un caractère précis. Cette phase fonctionne bien dans
un environnement numérique, lorsque les ordinateurs ou les systèmes sont utilisé par une
variété de personnes. On peut les ordonner de façon standard dans tous les bureaux de
l’entreprise
Phase 3: Scintiller :
La troisième phase de la méthodologie 5S vise à garder le lieu de travail propre et soigné en
le nettoyant, en remettant les articles au bon endroit après utilisation. Dans un
environnement informatisé, le nettoyage peut être accomplie en nommant les fichiers pour
faciliter leur localisation et supprimer les fichiers qui ne sont plus nécessaires.
Phase 4: Standardiser :
La phase de normalisation est utilisée pour maintenir les progrès réalisés dans toutes les
phases précédentes
Phase 5: Suivre :
A long terme Le stress et la rapidité d'une journée de travail quotidienne peut rendre difficile
le respect des normes 5S. donc il faut que tout l’équipe doit s’engager suivre les règles
établies dans la phase de normalisation. Pour avoir les avantages de la méthode 5S à long
terme

47
II.3.3. Écart-type
Comme on a mentionné dans la définition de six sigma, la variabilité et les défauts existent
dans tous les processus, donc il faut les réduire pour augmenter la productivité, réduire les
coûts, augmenter la satisfaction des clients et créer un profit maximal.
Toutefois, il est important de noter que la suppression seulement des variations n'améliore
pas toujours la qualité car on peut avoir un processus de faible variation mais il est hors
exigence, pour cela Les équipes d'amélioration adoptent une approche en deux étapes,
premièrement, ils doivent déterminer si le processus est fonctionnel, cad dans il répond aux
exigence client, puis ils apportent des améliorations pour supprimer la variation qui fait que
les sorties s'écartent du résultat prévu. Pour cela on utilise l’écart type qui est un concept
important dans la maitrise statistique de processus et il est impliqué dans aussi les analyses
Six Sigma, il permet de comprendre la variation d'un processus, il donne une idée de
l'ampleur de la variation qui existe réellement dans un processus, il sert d'indicateur pour les
problèmes.

II.3.4. Le principe de Pareto

Appelé aussi règle des 80/20, on l’appelle aussi la loi de la minorité vitale c’est à dire la
minorité des entrées (%20) dirigent la majorité des sorties (%80), ce principe est essentiel
pour Six Sigma parce qu'il s'applique partout et c’est un bon point de départ pour valider
les causes profondes. Si on identifie trois ou quatre entrées les plus importantes et on les
améliore, on aura un grand impact sur le résultat, mais il faut prendre en compte les
ressources, les coûts et la difficulté des améliorations lors de la sélection des solutions. Un
diagramme de Pareto, qui est une représentation des entrées ou des causes dans un
graphique à barres classées par ordre de hauteur ou d’importance, c’est un outils puissant
d’analyse des fréquences ou des causes de problèmes. Il est utile lors de la communication
d'informations, ils représentent des données complexes de façon clair et permettent aux
individus de voir plus facilement les causes derrière les problèmes.

48
 Figure 31 : Diagramme de Pareto
II.3.5. La voix des clients
La voix du client, ou VOC, est un concept fondamental dans les programmes de qualité. Les
rétroactions sont des indicateurs des problèmes, en effet si les chiffres changent dans un
certain domaine, ils avertissent l’organisation pour prendre des actions précoces et éviter
l’aggravation des problèmes, et toujours avoir un produit meilleur et rendre le client, le
fournisseur ou l’employé qui travaille dans un processus avant ou après le processus
concerné soit satisfait, pour cela on doit collecter les commentaires en posant les bonnes
questions, de la bonne manière via des formulaires et d'enregistrements de réclamations
clients..., pour évaluer les sentiments généraux sur les éléments de qualité critiques, clarifier
les besoins, les désirs et les problèmes spécifiques d'un processus et avoir une enquête
puissantes.

II.3.6. Diagramme SIPOC

Un processus :
C’est un ensemble des composants qui incluent des entrées, des sorties, des événements, des
tâches et des décisions. Lorsqu’un événement spécifique se produit, un série d’étapes
physiques et numériques, des tâches et des décisions sont exécutées dans un ordre
spécifique afin d’obtenir un produit final à la fin du processus à partir des entrées et des
ressources telles la matière première, les machines et les compétences.
Une entreprise, est une série des processus qui dépendent les unes des autres et fonctionnent
ensemble pour atteindre les objectifs organisationnels, Techniquement, l'entreprise ou
l'organisation elle-même peut être considéré comme un processus énorme et complexe.
49
Les entrées :
L'entrée c’est tout ce qui entre dans un processus pour conduire la création d’une sortie.
Dans Six Sigma, il faut bien définir et comprendre ces entrées pour connaitre et savoir ceux
qui ne sont pas nécessaires et ceux qui peut provoquer des erreurs dans le processus.
Les sorties :
Du point de vue Six Sigma, une sortie a presque toujours plus de valeur pour le processus
ultime que l'entrée, c’est le service ou le produit utilisé par le client.
Le client et le fournisseur :
Le fournisseur est la personne, le processus qui fournit les entrants, le client est celui qui
utilise les résultats du processus, il peut être le client final traditionnel ou un client interne
ou un processus dans une chaine automatisée.
Définition des composants du processus: le diagramme SIPOC :
SIPOC signifie Fournisseurs, Entrées, Processus, Sorties et Client, ce diagramme est
souvent une partie importante de l'étape de définition d'un projet Six Sigma c’est un outil de
brainstorming simple et efficace pour savoir plus sur un processus, comprendre de quoi il se
compose et comment il est lié à aux autres, et avoir une idée sur la variation où elle pourrait
se cacher ce qui stimule l'efficacité du processus.
Création d'un diagramme SIPOC :
On peut créer un diagramme SIPOC lors d’une session de brainstorming à main levé sur un
tableau ou un papier, ce digramme comprend 5 colonnes qui permettent de définir les
activités, les ressources et comment ils sont liés dans un processus, et après avoir
comprendre et définir les limites du processus, on peut remplir ces colonnes dans n’importe
quel ordre mais il vaut mieux commencer par le processus, en introduisant son nom, sa
fonction, avec maximum 5 étapes essentielles pour ne pas entrer dans les détails. Puis on
énumère les sorties et les clients en posant les questions « Qu'est-ce qui sort de ce
processus? » et « Qui utilise les éléments qui proviennent de ce processus? ». Puis on se
demande « Quelles sont les matières premières utilisé par le processus ? » et « D'où
viennent les entrées? » pour remplir les colonnes des entrées et des fournisseurs, on peut
aussi diviser la colonne des entrées en deux catégories, une pour les entrées réelles comme
la matière première et les marchandise qui vont être transformer par le processus en sorties,
et l’autre pour les catalyseurs qui n'entrent pas et ne sont pas modifiées par le processus
mais ils sont nécessaires pour qu’il fonctionne.

50
 Tableau 5 : Diagramme SIPOC
Les fournisseurs Les entrées Le processus Les sorties Les clients

Les entrées
réelles

Les catalyseurs

II.4. Approche DMAIC

La majorité des équipes cherchent une méthode qui offre une flexibilité, une approche
structurée et une feuille de route pour réussir n’importe quel projet d’amélioration sur un
processus existant, c’est ce qui distingue Six Sigma parmi les méthodes d’améliorations et
de gestion de la qualité. En fait, elle propose une approche connue sous le nom DMAIC qui
signifie Définir, Mesurer, Analyser, Améliorer (improve) et Contrôler, elle permet
l’identification des facteurs et des causes critiques qui créent le problème, la sélection, la
mise en œuvre des solutions et la création d’un plan de contrôle pour s'assurer que l'état
amélioré est maintenu, l’objectif de DMAIC est d’offrir une meilleure qualité, efficacité,
plus de production, des profits et la satisfaction de la clientèle.
DMADV signifie définir, mesurer, analyser, concevoir et vérifier. C’est une méthodologie
similaire à DMAIC pour les trois premiers principes mais les deux dernières phases sont
axées sur le déploiement et le test d’un processus complètement nouveau, cette méthode est
utilisé si l'entreprise souhaite lancer un nouveau produit ou l’équipe Six Sigma découvre que
l'amélioration d'un processus n'est pas susceptible de fournir le succès souhaité cad la
méthode DMAIC ne fonctionne pas et il est nécessaire de remplacer le processus existant.

Figure 32 : L'approche DMAIC et DMADV

51
II.4.1. Phase 1: Définir
Au cours de la phase de définition, on crée une charte de projet, c’est un court document qui
comporte des informations sur le problème et ce qu’on prévoit d'accomplir, Le but de la
charte est de définir un plan de base solide qui résume le travail d’un projet pour garder
l’esprit concentrée sur les objectifs. Il faut noter qu’elle ne s’agit pas d’une notation rapide
au début, c’est le résultat de toute la phase de définition donc on doit prendre du temps pour
présenter tous les éléments.
Au minimum, une charte doit inclure :
• Un énoncé de problème complet y compris l’objectif et les attentes financières.
• Une liste des mesures majeurs et critiques qui déterminent le succès du projet pour ne pas
collecter des données qui ne peuvent pas être utilisées dans la phase de l’analyse.
• une liste des parties prenantes non clients qui sont des individus, à la fois à l'intérieur et à
l’extérieur du processus, ceux qu’on peut contacter en cas de besoin.
• une estimation le calendrier de chaque phase du projet.
• un diagramme SIPOC pour définir la liste des clients processus internes et externes et la
portée du processus ou du projet.
Aborder le problème avec Six Sigma
Identifier et définir le problème avec un énoncé fort est essentielle pour créer une base et un
point de départ pour des projets Six Sigma, cet énoncé est utilisé pour accrocher les clients
ou les investisseurs commerciaux sur la nécessité d’une amélioration afin d’éviter ou
corriger un problème, en effet Six Sigma considère tous les problèmes comme une fonction
avec un état d'esprit statistique ou Y (le problème) se produit car un X (des entrées ou des
causes).
Les énoncés de projet doivent inclure:
• Où et quand le problème a été enregistré ou s’est produit et dans quel processus
• Une mesure de l'ampleur du problème, de préférence avec un lien avec le coût
• Une brève description du problème qui pourrait être comprise par des professionnels non
étroitement alignés avec le processus, sans mentionner les solutions ni fournir trop de
détails
• Une brève note sur la métrique utilisée pour mesurer ou décrire le problème.
Les énoncés de problème mènent à des énoncés d’objectifs qui sont essentiels au succès du
projet Six Sigma.

52
Les 5 pourquoi :
Pour élaborer l’énoncé du problème on utilise un outil appelé les 5 pourquoi qui est un outil
de brainstorming simple, ne coute pas beaucoup de temps et facilite la communication et la
réflexion, en effet cet outil demande des questions « pourquoi » pour s’approfondir
progressivement dans un problème ou un processus, cherchant à comprendre la cause ou le
problème réel. Souvent on peut avoir la réponse en cinq questions, mais ce n'est pas toujours
assez simple, les équipes peuvent demander une douzaine questions pour avoir une réponse,
s’ils commencent à un niveau très élevé et descendent à travers un processus complexe.
La portée du projet :
Définir la portée cad indiquer le début et la fin concrets du processus ou du problème et sur
quoi on va travailler et quelle sont les limites d’un projet d’amélioration permet de répondre
à des attentes appropriées et éviter de se dévier de l’objectif initial, faire des perfections
infinies sur un processus, et tenter d'atteindre des objectifs irréalistes, pour répondre à ces
exigences en utilise souvent deux méthodes qui sont expliqué dans la paragraphe suivante.
Analyse de rentabilisation :
L'énoncé du problème indique où, quand et comment, avec des mesures financières
approprié l'analyse de rentabilisation dit pourquoi c'est important de résoudre le problème à
la place d’un autre, aussi on inclut dans la charte et dans la phase de définition les avantages
financiers attendus car pour l’entreprise c’est l’information la plus importante, cette analyse
fournit aussi un outil de mesure pour prendre en compte les demandes de ressources pour un
projet.
Les Jalons :
Le diagramme de Gantt, adapté par Henry Gantt au début du 20e siècle est un diagramme à
barres qui permet de crée un calendrier approximatif d’un projet d’amélioration et
décompose les phases AMDEC en fonction du temps et il nous donne une idée générale sur
lu projet

II.4.2. Phase 2: Mesurer

Une fois qu'on a compris le problème, l'objectif et les raisons derrière les mesures, on passe
à la deuxième phase pour valider les hypothèses sur le processus mais il faut noter qu’on
peut travailler sur les mesures avant de quitter la phase de définition, et aussi on peut
commencer l’analyse durant la collecte de données, AMDEC n’exige pas de travailler sur
les phases à part Dans cette phase, on mesure les entrées et les étapes clés, on collecte les
53
données pour les analyser pour comprendre le fonctionnement réel du processus, aussi la
phase de mesure fournit un point de comparaison entre l’état actuel et l’état future après
amélioration.

54
Toutefois la collecte des données peut très laborieuse, surtout si les données n’existent pas,
on doit choisir des outils, créer des requêtes pour les capturer et sélectionner parmi eux ceux
qui sont pertinent et essentielle pour décrire l’état du processus, pour cela on doit avoir une
solide capacité d'observation, de connaissance des types de données et les outils d'évaluation
des mesures, aussi une solide expérience en analyse statistique.
L'une des premières étapes de la phase de mesure consiste à déterminer la capabilité d'un
processus, le niveau sigma et diverses métriques y compris les défauts par million
opportunités, a l’aide des concepts et des outils pour la collecte de données.
Analyse des modes de défaillance et des effets et leurs criticités :
AMDEC est un outil qui est appliqué, lorsqu’on est besoin de plus d’informations sur les
intrants et l’évaluation des points de défaillance associés, et avec des données systémiques
on peut identifier les causes profondes et prioriser les risques pour diverses entrés et erreur
au sein d’un processus.
Pour créer une AMDEC avec une feuille de calcul on suit les instructions suivantes :
Colonne 1 : Identifier tous les étapes du processus, activités ou entrées possibles
Colonne 2 : Panne potentielle cad ce qui pourrait mal se passer pour chaque étape du
processus, notez qu’on peut avoir plusieurs possibilités d'erreur à chaque étape.
Colonne 3 : Une brève description de l'impact de l'échec potentiel sur le client
Colonne 4 : évaluez la gravité de l'échec possible de 1 à 10, 1 étant sans effet, 5 étant une
perturbation mineure de la production et 10 étant suffisamment grave pour mettre en danger
le processus ou une personne.
Colonne 5 : Cause potentielle de l'échec.
Colonne 6 : Une évaluation numérique de la fréquence à laquelle l'échec peut être attendu, 1
étant un échec très improbable et 10 étant un échec presque inévitable.
Colonne 7 : Une brève description des contrôles actuels qui sont en place pour surveiller le
processus ou prévenir les échecs.
Colonne 8 : Evaluez la capacité du processus ou le personnel pour détecter une panne si elle
se produit. Taux de détection compris entre 1 et 10, 1 étant un processus qui comprend une
détection automatisée qui échoue rarement et 10 étant aucune détection du tout.
Colonne 9 : Calculez le numéro de priorité du risque en multipliant la gravité, l’occurrence
et la détection, si on obtient un nombre de priorité de risque élevé, reflet l’importance de la
défaillance potentielle donc on doit travailler sur la résolution de cet échec potentiel.

55
La collecte des données :
L'un des principaux livrables issus des phases de définition et de mesure est la métrique de
référence, en se basent sur cette référence, on peut soit collecter les données à partir de zéro,
ou on les choisit parmi les données d’autres métriques qui existent dans le processus, et dans
le but d’avoir une solide compréhension sur le performance et avoir la possibilité visualiser
graphiquement ces données et les analyser dans la phase qui suit et les comparer avec les
données futures pour prouver l’amélioration qui a été apportée, on doit choisir le type de
donnée soit discret ou continue et le type d’échantillonnage soit de l’ensemble ou une partie.
Représentation des données :
Les métriques de base sont des chiffres, mais on essaye de les convertir en une présentation
graphique visuelle parce que c’est rapide de déterminer la progression du processus et
simple à comprendre si on veut les présenter devant les responsables mais cette
représentation depand du type des données discrètes ou continues, les données discrètes
peuvent être affichées via des graphiques Pareto, des graphiques à barres, et ils peuvent être
convertis en une carte de contrôle pour visualiser les variation comme les données
continues, ces derniers pourraient être converties au données discrètes facilement mais pas
le contraire et elles peuvent être présenter via des graphes essentiellement les cartes de
contrôle et les histogramme.

II.4.3. Phase 3: Analyser

Sans aboutir une base solide des données, on ne peut pas améliorer ou contrôler, mais si les
mesures sont collectées, on passe à la phase d'analyse. On effectue un travail de détective
sur le processus. En utilisant les données et les indices, on essaye d'identifier et réduire la
causalité d'un problème aux quelques éléments vitaux, on peut utiliser aussi l’analyse
statistique, le graphique de Pareto, le diagramme cause effets, le diagramme de dispersion
pour valider les hypothèses qu'on a formulé jusqu'à présent.et au fur et à mesure qu’on
travaille pendant la phase d'analyse, on commence à préparer pour la phase d'amélioration
par l’identification des solutions possibles, et le développement plans d’amélioration.
Analyse de la cause originale : le diagramme des cause et effet :
L'une des activités fondamentales de cette phase est l’identification et l’analyse des racines
et de la causalité primaire des problèmes et des défauts, pour ce faire on utilise des outils qui
peuvent être utilisés même dans les phases de définition ou de mesure.
Le diagramme des causes et effets ressemble à un dessin simple d'un squelette de poisson,
56
c’est une méthode populaire pour le brainstorming qui génère des idées sur les causes du

57
problème et permet de les organiser, de visualiser les informations pour les classer, en
générale 5m augmente les chances d’avoir un projet viable et une solution originale.
Pour avoir un diagramme 5m on suit ces instructions :
1. Dessinez une forme d'arête de poisson de base et rédigez une version résumée du
problème dans la tête de poisson
2. Dessinez une épine de poisson et quatre connecteurs principaux, chaque connecteur
a. Les gens font référence à toute personne qui exécute ou interagit avec un processus.
b. Machine fait référence au processus par lequel les entrées deviennent des sorties.
c. La procédure fait référence à la façon dont les choses sont faites
d. Les matières sont les intrants, tels que les matières premières
e. L'équipement comprend la technologie ou les machines qui effectuent le travail.
f. L'environnement est la zone immédiate entourant le processus.
3. A chaque branche du diagramme associez le brainstorming de cause à effet à la méthode
des 5 pourquoi pour identifier les causes possibles d'un problème
4. Répétez les étapes 3 pour toutes les autres catégories.
5. Décidez quelles causes profondes semblent les plus probables ou les plus prioritaires,
encerclez ces causes comme hautement prioritaires pour une enquête plus approfondie.
Une fois qu’on a identifié les causes premières possibles, on doit vérifier qu’ils sont valides
via l'analyse statistique et une représentation graphique, puis on doit les documenter sur une
matrice ci-dessous
Tableau 6 : Matrice de vérification des causes racines

Problème Causes Méthode de Raison pour vérifié? Remarques

Racines Vérification Méthode de
possible vérification

L’analyse des graphiques :

On peut utiliser une variété d'outils d'analyse graphique pour aider à générer des idées sur
les causes profondes ou comprendre comment les intrants et les extrants se répercutent
réellement les uns sur les autres, on peut citer les boites à moustaches et le diagramme de
Pareto.

58
II.4.4. Phase 4: Améliorer ou concevoir
Apres avoir identifiées les causes profondes du problème dans la phase d'analyse, au cours
de la phase d'amélioration d'un projet DMAIC, on cherche des solutions possibles au cours
d’une session de brainstorming avec toute les parties prenantes, pour couvrir toutes les idées
et garantir leurs faisabilités et qu’ils sont réalistes et applicables au processus, et puis on les
classe à l’aide d’un outil analytique de classement sous forme d’une matrice de sélection,
tout en respectant les coûts, l’efficacité, les délais, les ressources, la portée et le but du projet
car il convient de noter que la meilleure solution n'est pas toujours celle qui apporte le plus
d’amélioration, celle qui est coûteuse ou perturbatrice et cause des inconvénients qui
emportent sur les avantages ne doit jamais être sélectionné.
Après on choisit la solution qui attaque la cause racine du problème et qui fournit un impact
positif et atteint les objectifs du projet, toutefois, on peut implémenter plusieurs solutions,
s’elles sont facile à mettre en œuvre, apportent toutes une certaine amélioration et elles sont
fortement liés et travaillent ensemble pour avoir des résultats positifs.
Ensuite on pilote ces solutions via des tests bêta, pour collecter les données et les analyser
statistiquement et une fois qu’on vérifie leurs bons fonctionnements et qu’elles résolvent les
problèmes, on essaye de les standardiser en vue de déployer les processus améliorés vers la
production et l’environnement de travail quotidien, en même temps on commence à mesurer
les résultats et jeter les bases des contrôles qui seront construits au cours de la dernière
phase. Matrice de sélection des solutions :
Tableau 7 : Matrice de sélection des solutions
Cout-bénéfice

Cause
validation
faisabilité

Problème Solutions méthode

efficacité

racine
total

59
Pour compléter la matrice de sélection des solutions on suit les instructions suivant :
1. Saisir l'énoncé final du problème qui a été atteint pendant la phase de mesure.
2. Saisir les causes racine prioritaires validée à partir de la phase d'analyse.
3. Saisir toute les solutions proposée pendant le processus de brainstorming.
4. Saisir les méthodes pratiques par lesquelles une solution pourrait être mise en œuvre.
5. Evaluer chaque possibilité en fonction de son efficacité, de sa faisabilité et de son rapport
coût-bénéfice. Chaque catégorie reçoit une note entre 1 et 10.
a. L'efficacité est à quel point la solution peut éliminer la cause fondamentale d'un problème
b. La faisabilité est la mesure de l'effort requis pour mettre en œuvre l'amélioration
c. Le rapport coût-bénéfice est une mesure estimée de la façon dont les coûts d'un projet se
comparent aux économies attendues.
6. Les scores d'efficacité, de faisabilité et de rentabilité sont multipliés pour calculer Le
score global qui est utilisé pour hiérarchiser les solutions et sélectionner la meilleure.
L'analyse coûts-avantages :
Une matrice de sélection de solutions est très efficace à identifier les meilleures solutions
possibles et avec les données qu’on a collecté durant les phases de mesure et d'analyse, on
peut créer une analyse de coûts-avantages qui est nécessaire puisque la direction veut
souvent comparer les coûts de mise en œuvre et les avantages monétaires attendus d'une
solution.
Les coûts sont les dépenses telles que le développement de logiciels, l’achat d'équipement,
les fournitures supplémentaires. Les avantages peuvent inclure une augmentation de la
marge du produit, une augmentation des revenus, des économies de coûts et des pertes, et
des avantages intangibles tels que l'augmentation du moral du personnel ou la fidélisation de
la clientèle.
Piloter une solution :
Les tests beta :
Le test bêta consiste à mettre en œuvre une nouvelle idée avec un groupe limité des
personnes, dans un environnement contrôlée le maximum possible pour tester l’idée et
fournir des commentaires. Après que les bêta-testeurs identifient d’autres problèmes
potentiels et font d’autre améliorations, l'idée peut être déployer sur l'ensemble des partie
prenante, le but des tests bêta est de réduire les risques et les coûts inhérents à lancer un
produit ou un système non éprouvé sur un large public.

60
Une fois la solution est sélectionnée, on la pilote sous forme d’un test beta cad on essaye de
la mettre en œuvre dans un environnement réel avec un niveau de production minimal pour
savoir comment elle se comportera, Les avantages d'un pilote limité comprennent:
• la réduction de gaspillage si la solution s'avère incorrecte pour résoudre le problème
• Confirmation que les résultats attendus se produisent.
• Permet aux employés n'appartenant pas à l'équipe Six Sigma de fournir des commentaires
sur la solution pour rendre le déploiement final plus réussi.
L'analyse graphique avec tous les outils associés à la phase d'analyse sont très utiles pour
tester les solutions et comparer l’état avant avec l’état après l’amélioration, démontrer que la
solution a eu un impact positif sur un problème en réduisant les défauts, en améliorant la
production ou l'efficacité, ou réduire les coûts.

II.4.5. Phase 5: Contrôler ou vérifier

C’est la phase finale où on arrive à la fin d'un projet d’amélioration DMAIC, on crée les
bases de la discipline des processus, on finalise les documents concernant l'amélioration, et
on établit les moniteurs d’évaluation du processus et de maintien des améliorations, pour
cela il est impératif de construire un plan de contrôle contenant les outils statistiques et les
cartes de contrôles nécessaires et on le transmet aux employées pour surveiller le processus
et identifier quand il est hors de contrôle et doit être corrigé.
Réviser AMDEC :
L’outil AMDEC initialement utilisé pour identifier les défaillances potentielles dans un
processus et les causes de ces échecs À ce stade, on peut le revoir, en notant les actions qui
ont été réalisées et en recalculant les numéros de priorité de risque pour voir les
changements positifs et significatifs lors de la phase d'amélioration. Aussi pour nous aider à
identifier le prochain problème ou la cause principale qui pourrait être adressé. En effet c’est
le principe de Six Sigma, l’amélioration est continue ne s’arrête jamais, et dans cette phase
de contrôle on peut revoir le processus et suggérer des améliorations possibles pour les
futurs projets.
Création d’un plan de contrôle :
Pour faciliter le succès continu, on doit créer un plan de contrôle dans le but d'aider le
propriétaire du processus à suivre et à réagir aux indicateurs de performance clés afin que le
processus reste amélioré. Le plan de contrôle indique à l'équipe quand et comment
surveiller, quelle plage de données est acceptable et comment réagir par une action
61
corrective si la plage mesurée n'est pas acceptable.

62
 Tableau 8 : Exemple d'un plan de contrôle

Entreprise : Plan de contrôle créer par :

Processus : Plan de contrôle créer le :
Responsable processus :
Etape de processus :
Mesure de performance :
Limites de spécification :
Unité de mesure :
Méthode de mesure :
Taille de l’échantillon :
Fréquence :
Employée :
Enregistrement des données :
Action corrective :

Management visuel :
En plus de fournir un plan de contrôle, on peut implémenter des contrôles visuels
spécifiques au lieu de travail pour aider les équipes à maintenir un processus contrôlé
comme 5S et essentiellement les cartes de contrôle c’est l'une des méthodes les plus
courantes utilisées pour surveiller un processus puisque l’affichage régulière des données
actuelles fait un bon complément à un plan de contrôle, toutefois il existe plusieurs type des
cartes de contrôle, donc on doit choisir la bonne carte de contrôle pour le type de données et
la finalité analytique des améliorations.

Conclusion
A ce stade on a une idée de base comment aborder un problème et améliorer un processus
existant, à l’aide de la méthode Six Sigma, plus précisément l’approche DMAIC et on s’est
familiarisé avec les outils statistiques présentés dans le chapitre de maitrise statistique, en
effet tous ces connaissances on va les utiliser pour améliorer un processus au sein de la
société, en mettant en place un chantier DMAIC qui commence par un diagnostic de
l’existant, puis une analyse détaillée du problème et puis les améliorations qu’on va apporter
et en fin un plan de contrôle pour assurer le maintien des améliorations.

63
Chapitre 3 : Mise en place d’un chantier Six Sigma

64
Introduction :
Dans les deux premiers chapitres on a présenté l’entreprise d’une façon générale ainsi
qu’une étude bibliographique bien détaillée sur les principaux outils statistiques et le
démarche à suivre pour entamer un projet d’amélioration à l’aide de la maitrise statique de
processus MSP et la méthode Six Sigma plus précisément la démarche DMAIC, et dans ce
chapitre on va présenter notre projet d’amélioration du process d’injection plastique au sein
de l’entreprise Leoni Mateur Nord, ce projet sera divisé en 5 phases : définir, mesurer,
analyser, ameliorer et contrôler.

I. Phase : Définir :
La première phase de la démarche DMAIC a une importance cruciale vue qu’elle nous
permet de définir rigoureusement notre projet d’amélioration. On va commencer par
formaliser notre problème et l’objectif qu’on veut atteindre et une présentation détaillée sur
le processus concerné à l’aide des méthodes présentées dans le chapitre précèdent.

I.1. Problématique
En 2020, à Leoni Mateur Nord, il a eu 8 incidents clients concernant l’endommagement des
connecteurs due à la migration de matière. Pour une fabrication de 180000 câbles par an, il y
a en moyenne 11g de matière plastique gaspillé par câble, de ce fait l’entreprise perd
environ 12800 euro de déchets de matière à part les couts des incidents client, de retouche et
de contrôle supplémentaire

I.2. Objectif
L’objectif de ce projet est d’éliminer le gaspillage en matière plastique en économisant 2000
euro par an. C’est notre but majeur mais ce poste goulot présente d’autres anomalies et des
variabilités non maitrisées, pour les minimiser et augmenter l’efficience, on doit chercher les
causes racines, identifier les Mudas et proposer des actions à mettre en place pour améliorer
l’état du processus. Ceci constituera l'objet de notre projet de fin d'études au sein de
l’entreprise Leoni Mateur Nord, où on mènera une étude approfondie sur la machine
d’injection plastique.

65
I.3. Portée du projet
Leoni Mateur nord est subdivisé en 3 zones principaux : zone de coupe et préparation, zone
d’assemblage FCA (Fiat Chrysler Automotive) et zone d’assemblage PSA (Peugeot Citroën
Automotive), dans cette zone le câble électrique passe par la ligne d’assemblage en série
LAD et puis par une machine d’injection plastique et en fin par les tests agrafe et les tests
électriques. Notre projet est porté sur la machine d’injection, piloté par le service PPO
(PRODUCTION PROCESS OWNERS)
Sachant que la zone d’assemblage PSA contient 5 lignes d’assemblages LAD donc il y a 5
postes d’injections plastiques, chaque poste contient 3 moules, donc en total on a 15 moules.

Figure 33 : Périmètre du projet

I.3.1. Présentation du processus

Le processus d’injection plastique permet de mélanger deux matières sous pression et les
injecter dans des bagues TDT monter sur le tronc de câblage, et à une température donnée
95°C±5, elle permet la polymérisation et la solidification de matière dans le but d’assurer
l’étanchéité et rendre solidaire le faisceau et la bague TDT.

Figure 34 : Position d'injection de la matière

66
Pour faire une telle opération on utilise deux machines la première permet de mélanger et
doser les deux matières à partir de deux futs séparées à l’aide d’une tuyauterie spéciale et
l’autre permet d’injecter la matière dans la bague et assurer sa polymérisation dans la moule

Figure 35 : Première machine : mélangeur ISOJET

Figure 36 : Deuxième machine : injection PAOLINI

67
 Tableau 9 : Les matériaux d'injection

Isocyanate polyol
C’est un composant chimique qui comporte C’est un composé chimique organique
au minimum une terminaison NCO, ils sont caractérisé par un certain nombre de
très réactives, extrêmement volatiles et groupes hydroxyle (-OH) et de plusieurs
toxiques à l’état gazeux ou liquide, utilisées groupes alcool, ils sont essentiels dans
dans l'industrie d’automobile l'industrie pour la réalisation des mousses
essentiellement à la fabrication de matières de polyuréthane.
plastiques (polyuréthanes).
Densité à 25°C : 1 200 à 1 240 g / l Densité 25°C : 1 060 à 1 100 g / l
Viscosité 25°C : 180 à 260 mPa.s Viscosité 25°C : 460 à 560 mPa.s
Température de stockage : +10 à +30 ° C Température de stockage : +10 à +30 ° C
Le mélange de ces deux matériaux : polyuréthane
Le polyuréthane, le PU est un polymères fabriquée par réaction chimique entre le polyols
et l’isocyanate, ce dernier joue le rôle d’un durcisseur et un catalyseur dans l’opération de
polymérisation au sein d’une moule pour avoir l’état solide de matière

Le cycle de polymérisation commence par la fixation du faisceau et de la bague issue du

LAD dans la moule, puis l’injection de la matière et l’attente en moyenne 7 min pour que
cette matière devient solide et en fin l’ouverture de la moule pour tirer le faisceau.

Figure 37 : Position de la bague

68
 I.4. Création de la charte du projet
I.4.1. Les 5 pourquoi et la méthode QQCPQ
À l’aide de la méthode VOC, on a collecté les commentaires des parties prenantes sur le
processus d’injection et les anomalies détectées en posant des questions ciblées à l’aide de la
méthode « 5 pourquoi » et pour bien décrire notre problématique on a eu recours à la
méthode du questionnement QQOQCP qui est un outil d’aide à la résolution des problèmes.

Figure 38 : Méthode des 5 pourquoi Tableau 10 : Méthode QQOQCP

Quoi ? C’est quoi le problème ? Gaspillage de matière qui influe sur le

performance du processus
Qui ? Quel est le service concerné par ce Service PPO.
problème ?
Où ? Quelles est la zone qu’est concernée ? Zone d’assemblage PSA : poste PU
Quand ? Quand le problème est constaté ? A partir de la deuxième trimestre de
2020.
Comment ? Comment mesurer le problème ? La quantité gaspillée et le taux de
production

Quelles sont les solutions ? Application de la méthode Lean six

Sigma.
Pourquoi ? Pourquoi faut-il résoudre ce problème ? Le gaspillage coute environ 12000 euro

69
I.4.2. Les mesures critique de succès
Ce sont les principales caractéristiques mesurables de d’un produit ou d'un processus dont
les limites de spécification doivent être respectées afin de satisfaire le client.
Tableau 11 : Les mesures critiques de succès

Client Besoin Exigence Caractéristique Spécification

Le client Recevoir des Niveau de Quantité Temps de cycle
et le test faisceaux production produite min stable
final conformes aux stable Nombre de 0 non-
exigences Pas de non- non- conformité
client et conformité conformité
processus
Minimum de Quantité 2g gaspillage
Gaspillage gaspillé par câble

I.4.3. Le diagramme SIPOC

Le SIPOC est utilisé pour documenter le processus d’injection du début à la fin pour faciliter
sa compréhension globale, en visualisant les entrées, les sorties, les fournisseurs et les clients

Figure 39 : Diagramme SIPOC

70
 I.4.5. Charte de projet
A ce stade on peut créer la charte de notre projet, qui contient principalement le titre de
sujet, les principaux indicateurs que nous cherchons à l’améliorer, les principales étapes à
accomplir durant l'avancement du projet
Tableau 12 : La charte du projet

Chef de Projet DRIDI Hamdi Email hamdidridi456@gmail.com

Parrain Monsieur SOULI Sofien
Mateur route de Bizerte
Société Leoni Mateur Nord Location 7030
Elément Détails
Elimination de gaspillage et amélioration des indicateurs de
1. Nom du Projet
performance du processus d’injection

2. chef de Projet DRIDI Hamdi

Analyser les données du processus d’injection
Détecter les défaillances
3. Description du Détecter les formes de gaspillages
Projet
Proposer des solutions pour améliorer ce processus
4. Secteur Secteur Automobile
5. Périmètre de projet Processus d’injection plastique PU

Les clients internes, reçoivent des câbles conformes aux exigences avec
6. Gains pour le client
dans les délais avec le minimum de gaspillage
La disponibilité et la collecte des informations
Contrainte de temps
7. Obstacles
Budget alloue à de projet
Phase Définir : définition du processus
Phase Mesurer : collecter les données
8. Plan d’usage des Phase Analyser : analyser les données
outils
Phase Améliorer : concevoir des améliorations
Phase contrôle : assurer le maintien de ces améliorations
Eliminer les gaspillage et ameliorer la performance et un gain de 2000
9. Objectif euro par ans
10. Supports &
Historiques, exigences clients etc…
ressources

71
 I.4.6. Planification de projet : Diagramme Gantt
Le déroulement de notre projet de fin d’étude suit la situation illustrée dans le diagramme de
Gantt suivant :

Figure 40 : Diagramme de GANTT de planification du projet

II. Phase : Mesurer

II.1. Analyse des modes des défaillances et leurs criticités
La deuxième phase de la démarche DMAIC est la phase Mesurer. Dans cette phase on tend
souvent à mesurer les indicateurs de performance du notre processus. La première étape est
de faire une analyse des modes de défaillances à l’aide d’une session de brainstorming et la
méthode VOC pour déterminer les principales erreurs et leurs causes potentiel ainsi que
leurs criticités pour choisir les grandes lignes pour la collecte des données.

Tableau 13 : Diagramme AMDEC

Etape Echec potentiel Effet Sev Cause potentiel Occ Type de Det Rpn
contrôle
Mélange Problème de Gonflage des 10 Condensation de 1 automatisé 1 10
de matière température et tuyauteries matière et pas de
de pression préventive
régulier
Quantité Matière hors 5 Problème 5 Calcul de 2 50
mélangée spécifications d’automatisation ratio
n’est pas chaque
visqueuse shift
Fixation Position non Toron tendu 5 Manque 3 Contrôle 6 90
de la respectée et Câblage attention de visuel et
bague non conforme l’employé un agrafe
dans la de position
moule

72
 Bague mal fixé Migration de 5 Forme de la 8 Contrôle 10 400
matière Moule n’est pas visuel
adéquat
Injection Problème de Gonflage de 7 Position de tête 2 Semi 5 70
tête d’injection la tête d’injection automatisé
incorrecte.
Manque
d’attention de
l’employé
Quantité Bague n’est 5 Erreur lors de 7 Contrôle 8 280
injectée pas remplie saisie de visuel
insuffisante la niveau de
quantité à matière
injecter.
Migration de
matière
Migration de Produit non 5 Usure de 10 Pas de 10 500
matière conforme. la contrôle
Endommager moule.
les Utilisation des
connecteurs. outillage
moule sale agressive pour
nettoyer la
moule
Temps de Matière moue 5 Température 5 Contrôle 9 125
polymérisation ambiante visuel
insuffisant
Ouverture Problème de Ouverture 2 Pression 1 Sans 10 20
de moule pression forcé contrôle
Montage Oublier le Produit non 1 Problème de 3 Contrôle 9 27
de bracelet bracelet ou il conforme transport visuel
est cassé
Manque
d’attention
employé

Après avoir collecter les différents échecs de chaque étape de procédé et calculer leurs
criticités, on va présenter ces données sous forme d’un diagramme Pareto pour mettre
l’accent sur les défauts qui nécessitent une amélioration immédiate. Le diagramme ci-
dessous affirme l’hypothèse que 20% de population représente 80% des erreurs.

73
 Figure 41 : Diagramme de Pareto

II.2. La collecte des données sur la perte de matière

D’après la méthode AMDEC et le diagramme Pareto, il y a beaucoup de gaspillage due à la
migration lors de l’injection de matière ce qui entraine des non-conformités dans les
faisceaux électriques, de ce fait dans cette partie on va commencer par la collecte des
données et les effets de ce défaut majeur à partir des réclamations client jusqu’à arriver au
processus lui- même passant par les non-conformités détectées à la fin de la ligne de la
production par l’équipe qualité.

II.2.1. Les réclamations client

L’implémentation de ce processus d’injection date depuis 2018, au fur et à mesure du temps
la qualité de la machine plus précisément les moules commence à se dégrader cela est
constater après le premier incident clients. Le graphe ci-dessus montre l’évolution des
réclamation client concernant la migration de matière qui cause l’endommagement des
connecteurs.

74
Figure 42 : Evolution de nombre des non-conformités

Figure 43 : Exemple de non-conformité

75
II.2.2. Contrôle qualité à la fin de la ligne
Les réclamations client ne représente que 5% des non-conformité détectées à la fin de la
ligne causée par la migration de matière, le graphe ci-dessous présente les défauts majeurs,
l’inversion est le plus courant dans les LAD, il représente 85% des erreurs, souvent les
employés inversent l’emplacement des fils dans les connecteurs, ce défaut est liée
essentiellement à l’attention des employées. Pour le deuxième type d’erreur on trouve les
défauts d’injection qui compte presque 200 défauts et comprennent l’endommagement des
connecteurs, la migration de matière, la non-conformité des TDT, problèmes d’étanchéités
de matière, les défauts de la moule représente 15% de la totalité des défauts.

Figure 44 : Les catégories des défauts

Niveau sigma de la zone d’assemblage PSA

Le niveau six sigma est liée essentiellement à la production et les défauts, il est souvent
exprimé par un pourcentage de conformité ou par le nombre des défauts par million
opportunité, pour cela les entreprises mettent un niveau sigma objectif qui n’est pas constant
ou augmente toujours vers le niveau parfait, il varie selon les conditions de production,
l’expertise de l’équipe et la nouveauté du projet etc. Donc on choisit le moyen des objectifs
pour le comparer avec l’état actuel et calculer les niveaux sigma, c’est ce qui contient le
tableau suivant, l’objectif de l’entreprise est 45252 PPM correspond à un pourcentage de
conformité égale à 95,47% cad un niveaux sigma objectif de 3,3 sigma, en 2020 on n’a pas
atteint l’objectif, le niveau était 3,1 sigma, et au cours de cette année le niveau sigma a
augmenté et on a atteint l’objectif avec un niveau sigma 3,4 mais notre objectif est
d’ameliorer continuellement vers le niveau parfait
76
 Tableau 14 : PPM de la zone d’assemblage PSA
Nom Objectif Production Nombre des PPM Pourcentage de
d'équipe défauts conformité

PPM % des 2020 2021 2020 2021 2020 2021 2021 2020
conformité

Equipe 1 45252 95,47 25104 10424 1173 399 46726 38277 95,33 96,17

Equipe 2 45252 95,47 25973 10821 969 259 37308 23935 96,27 97,61

Equipe 3 45252 95,47 25786 11073 1138 307 44132 27725 95,59 97,23

Equipe 4 45252 95,47 17633 8597 1213 423 68791 49203 93,12 95,08

Equipe 5 45252 95,47 24166 9737 1137 360 47050 36972 95,29 96,30

Equipe 6 45252 95,47 25601 11130 1170 342 45701 30728 95,43 96,92

Equipe 7 45252 95,47 17099 8597 1610 563 94158 65488 90,58 93,45

Totale 45252 95,47 161362 70379 8410 2653 52119 37696 94,79 96,23

II.2.3. La mesure réelle de gaspillage

Les réclamations client et le contrôle qualité à la fin de la ligne ne montre qu’une partie de la
vrai situation, on a dit que le contrôle a détecté 194 défauts d’injection, ces erreurs sont ceux
qui ont échappé du contrôle de l’employé travaillant sur la machine d’injection, retoucher
les faisceaux électriques est presque inévitable que ce soit le nettoyage du câble de la
matière migrée, l’ajout manuellement de matière pour rectifier la perte ou l’enlèvement de
bouchonnage, dans cette partie on va mesurer les pertes et la gravité de la situation réelle.

Pour cela on se propose de déterminer les caractéristiques d’une distribution de poids en

gramme de 70 pesages de matière plastique rebuté après injection à partir des 15 moules
d’une manière aléatoire après chaque 60 minute, en utilisant un système de mesure sous
forme d’une balance électrique, d’après le tableau ci-dessous on remarque que les valeurs ne
sont pas tous les mêmes.

77
 Figure 45 : Pesage de la matière rebuté

Tableau 15 : Liste des pesages

Numéro Poids Moule Numéro Poids Moule Numéro Poids Moule
1 16,59 m1,1 25 23,27 m3,2 49 6,42 m2,2
2 12,94 m3,2 26 18,62 m4,2 50 15,78 m2,1
3 11,36 m3,3 27 4,25 m3,1 51 16,42 m1,3
4 12,45 m4,2 28 5,87 m2,3 52 7,15 m4,3
5 3,23 m2,1 29 3,98 m1,1 53 15,62 m3,2
6 14,09 m1,2 30 9,12 m5,3 54 8,51 m2,2
7 11,36 m5,3 31 5,41 m2,1 55 7,84 m4,1
8 10,84 m5,1 32 6,23 m3,2 56 16,38 m3,2
9 13,02 m5,3 33 6,69 m4,1 57 7,79 m1,1
10 10,35 m4,2 34 19,84 m4,3 58 7,36 m3,3
11 9,66 m3,1 35 31,68 m5,2 59 10,23 m5,3
12 17,23 m4,1 36 16,3 m1,1 60 15,27 m1,2
13 8,14 m2,2 37 5,56 m5,1 61 12,56 m4,1
14 12,19 m3,3 38 15,24 m2,2 62 9,45 m2,2
15 20,16 m1,1 39 2,45 m1,1 63 17,85 m4,1
16 3,68 m1,2 40 11,5 m3,3 64 14,78 m2,3
17 4,36 m2,1 41 6,89 m1,2 65 15,12 m3,1
18 18,03 m1,3 42 12,43 m2,2 66 11,54 m5,3
19 18,93 m5,2 43 2,52 m5,2 67 8,41 m4,3
20 11,12 m2,3 44 1,78 m3,1 68 16,89 m1,2
21 19,24 m4,2 45 12,24 m1,3 69 21,56 m5,1
22 13,67 m3,3 46 10,67 m4,3 70 5,29 m3,2
23 5,02 m4,2 47 14,52 m5,2

78
On construit le graphe ci-dessous qui représente le poids dans l’ordre chronologique, il met
en évidence une fluctuation très nette due à l’imperfection du processus.

Figure 46 : Evolution du poids dans l’ordre chronologique

En avance notre étude statistique pour construire l’histogramme, il faut donc classer dans
l’ordre croissant les valeurs puis à l’aide de logiciel Excel en fait le traçage de
l’histogramme.
Le nombre de classes est égale 𝑁𝑏𝑐 = √𝑛 = √70 = 8,36 on prendra l’entier le plus proche
soit Nbc= 8
L’étendue est égale : 𝑊 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 = 31,68 − 1,78 = 29,82
𝑊
Le pas est égale : 29,82
𝑁𝑏𝑐 = = 3,7275
8

On crée ainsi les classes en commençant par la valeur la plus faible en lui ajoutant le pas et
ainsi de suite : 𝐶𝐿1 = 1,78 à 1,78 + 3,7275 = 1,78 à 5,5075
5,5075−1,78
le centre de classe est 𝐶1 = 1,78 + ( ) = 3,6437
2

la fréquence relative 𝑓𝑟𝑗 =

𝑓𝑎𝑗 avec n est le nombre des pesages
𝑛

la fréquence cumulé 𝑓𝑐𝑗 = ∑𝑗 𝑓𝑟𝑖 avec i ≤ j i et j se sont les classes

1
Tableau 16 : Les 8 classes de la distribution
Classes Centre Fréquence Fréquence Fréquence
1,78<X<5,5075 3,6437 11 0,1571 0,1571
5,5075<X<9,235 7,3712 15 0,2142 0,3714
9,235<X<12,9625 11,0987 17 0,2428 0,6142
12,9625<X<16,69 14,8262 14 0,2 0,8142
16,69<X<20,4175 18,5537 10 0,1428 0,9571
20,4175<X<24,145 22,2812 2 0,0285 0,9857

79
24,145<X<27,8725 26,0087 0 0 0,9857
27,8725<X<31,68 29,7362 1 0,0142 1

80
 Figure 47 : Histogramme des pesages des déchets
Après avoir construire l’histogramme, on passe à l’estimation des paramètres de cette
distribution :
Paramètres de position :

Moyenne des valeur individuel : 𝑋̅ ∑ 𝑛 𝑥𝑖

70
∑1
= 11,7594
= 1
𝑛 =
𝑥𝑖
70
8
∑𝑘 𝑓𝑟𝑗∗𝐶𝑗 ∑ 𝑓𝑟𝑗∗𝐶𝑗
Moyenne des centres des classes : 𝑋̅
1
1 = 11,52475
𝑛 = 70
=
Le mode correspond à la valeur la plus fréquente soit la classe C3 (9,235<X<12,9625)
𝑃𝑚 = 11,0987
La médiane correspond à la 42eme valeur des mesures classée par ordre croissant
𝑃̃ = 11,43
Paramètres de dispersion :
L’étendue est donnée par la différence entre la plus grand et la plus petite valeur :
𝑊 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 = 31,6 − 1,78 = 29,82
L’écart type est données par la racine carre de la variance :

1 𝑛 70
𝜎=√ 1
∑(𝑥𝑖 − 𝑋̅)2 = √ ∑(𝑥𝑖 − 11,7594)2 = 5,7960
𝑛−1 70 − 1
1 1

D’après ces résultats statistiques, la loi normale théorique est N(11,7594; 5,7960) donc F(X)
est c’est la fonction de répartition de cette distribution théorique.
On va vérifier si on peut considérer la distribution de pesage de déchets comme une
distribution normale pour cela on va remplir le tableau suivant pour répondre à ce teste :

81
 Tableau 17 : Normalité de la distribution

Xi en ordre croissant 𝑖 𝑖 F(xi) |𝑇(𝑥) − 𝐹(𝑥)|

𝑇(𝑥) = =
𝑛+1 70
1,78 11,5 0,0140 0,5070 0,042555 0,482149 0,028471 0,024893
2,45 11,54 0,0281 0,52113 0,054118 0,4849 0,025949 0,036226
2,52 12,19 0,0422 0,53521 0,055457 0,529609 0,013204 0,005602
3,23 12,24 0,0563 0,54930 0,070565 0,53304 0,014226 0,016256
3,68 12,43 0,0704 0,56338 0,081665 0,546053 0,011242 0,017327
3,98 12,45 0,0845 0,57746 0,089765 0,54742 0,005258 0,030045
4,25 12,56 0,0985 0,59155 0,097554 0,554929 0,001038 0,03662
4,36 12,94 0,1126 0,60563 0,100865 0,580701 0,011811 0,024933
5,02 13,67 0,1267 0,61972 0,122462 0,629162 0,004299 0,009444
5,29 14,09 0,1408 0,63380 0,132172 0,656194 0,008673 0,022391
5,41 14,52 0,1549 0,64789 0,136653 0,683065 0,018276 0,035178
5,56 14,78 0,1690 0,66197 0,1424 0,698867 0,026614 0,036895
5,87 15,12 0,1831 0,67606 0,154787 0,718977 0,028311 0,042921
6,23 15,24 0,1971 0,69014 0,170041 0,725917 0,027142 0,035776
6,42 15,27 0,2112 0,70423 0,178467 0,727638 0,0328 0,023413
6,69 15,27 0,2253 0,71831 0,190885 0,727638 0,034467 0,009329
6,89 15,62 0,2394 0,73239 0,200417 0,747318 0,03902 0,014923
7,15 15,78 0,2535 0,74648 0,213227 0,756058 0,040294 0,009579
7,36 16,3 0,2676 0,76056 0,223914 0,783302 0,043692 0,022739
7,79 16,38 0,2816 0,77465 0,246718 0,787332 0,034972 0,012684
7,84 16,42 0,2957 0,78873 0,249448 0,78933 0,046326 0,000597
8,14 16,59 0,3098 0,80282 0,26616 0,797698 0,043699 0,005119
8,41 16,89 0,3239 0,81690 0,281671 0,811972 0,042272 0,004929
8,51 17,23 0,3380 0,83099 0,287525 0,827377 0,050503 0,003609
9,12 17,85 0,3521 0,84507 0,324416 0,853329 0,027697 0,008259
9,22 18,03 0,3662 0,85915 0,330645 0,860346 0,035552 0,001191
9,45 18,62 0,3802 0,87324 0,345149 0,881728 0,035133 0,008488
9,66 18,83 0,3943 0,88732 0,358594 0,888749 0,035772 0,001425
10,23 18,93 0,4084 0,90141 0,395938 0,891985 0,012513 0,009424
10,35 19,24 0,4225 0,91549 0,403936 0,901585 0,018599 0,013908
10,67 19,84 0,4366 0,92958 0,425453 0,918365 0,011166 0,011213
10,84 20,16 0,4507 0,94366 0,43698 0,926383 0,013724 0,017279
11,12 21,56 0,4647 0,95775 0,456077 0,954573 0,008712 0,003173
11,36 23,27 0,4788 0,97183 0,472529 0,97648 0,006344 0,004649
11,36 31,6 0,4929 0,98592 0,472529 0,99969 0,020429 0,013775

On a n=70 et Dn=MAX(T(x)-F(x)) = 0,0505

Nous considérons deux niveau de confiance l’un considéré usuellement comme normale 5%
et l’autre moins sévère 1% on lit dans le table les valeurs Dn ; α soient
1,36 1,63
D70 ; 0,05 = = 0,162 et D70 ; 0,01 = = 0,194 voir Tableau
√70 √70

82
De ce fait avec un niveau de confiance de 5% qui est plus sévère que 1%, on peut
considérer cette distribution comme une distribution normale car :
Dn <D70 ; 0,05< D70 ; 0,01
0.05<1,62<1,94
Dans le graphique suivant on présente une estimation de cette distribution et on constate
qu’il s’agit d’une distribution suffisamment proche de la loi normale

Figure 48 : Normalité de cette distribution

On met en valeur la grande variabilité au niveau de la quantité gaspillée lors de la
polymérisation, comme l’indique la figure suivante, c’est le cas de tous les 5 postes
d’injection, c’est presque inévitable de perdre en moyenne presque 12g de matière

plastique
83
Figure 49 : L'état des postes PU

84
Mesure de Capabilité :
On sait bien que tous les processus possèdent des sources de variabilité normale et anormal,
donc dans le processus d’injection impossible d’avoir 0g gaspillage pour cela l’entreprise
met une moyenne des déchets acceptable avec une pourcentage de variation bien déterminée
par rapport à cette moyenne, dans notre cas la moyenne est égale à 5g avec 20% de variation
cad les pertes doivent être comprises entre une limite minimum 0g et maximum 6g, c’est
l’intervalle de tolérance qu’on va utiliser pour décrire la capabilité de ce processus et qu’on
doit le prendre en compte lors des amélioration.

Figure 50 : La capabilité du processus

𝐿𝑐𝑠 = 𝑥̅ + 3,09𝜎 = 11,76 + 3,09 ∗ 5,79 = 29,67

𝐿𝑐𝑖 = 𝑥̅ − 3,09𝜎 = 11,76 − 3,09 ∗ 5,79 = −6,15 = 0

Ces deux limites indiquent que 99.73% des individus de cette distribution sont situé entre ±
3σ, cette intervalle représente la spécificité intrinsèque du processus cad la capabilité
naturelle Cn = 6𝜎, mais ces limites sont insuffisantes car tout produit doit répondre aux
exigences extrinsèques. D’où l’indice de capabilité potentiel qui permet de comparer
l’intervalle de tolérance exigée à la capabilité naturelle, c'est-à-dire la performance
demandée à la performance réellement obtenue.
(𝑇𝑠 − 𝑇𝑖) 6−0 6
𝐶𝑝 = = = = 4,94 > 1
6𝜎 29,67 − 0 29,67

Le processus d’injection n’est pas capable.

85
II.3. La collecte des données sur la perte en efficience
Leoni mateur nord approvisionne plusieurs entreprise mondiaux d’automobiles avec une
variété des produits et chaque produit contient plusieurs références. Donc durant cette étape
de collecte des données et pour faire le chronométrage, il faut choisir une référence et une
ligne d’assemblage.

II.3.1. Takt Time

Le Takt time représente le temps moyen disponible pour produire en fonction du rythme de
la demande. Il est donc le rapport entre temps disponible et le demande client.
Pour cela on doit consulter le service de la planification, pour déterminer notre « High
Runner » du mois janvier et février c’est-à-dire le produit le plus demander, dans notre
exemple c’est le produit de référence 4540347 01 avec une demande moyenne de 100
faisceaux par jour comme l’indique la figure suivante, et le tableau ci-dessous illustre les
différentes données prélevées pour calculer le Takt Time de la chaine.

Figure 51 : Demande client

Demande client par jour
Tableau 18 : 100 faisceaux
Calcul du Takt time 100 faisceaux

Temps d’ouverture par 8 heurs 28800s

jour
Pause par jour 30 min 1800s
Temps de production net Temps d’ouverture 26700s
par jour – pause
Takt Time Temps de 276s
production /
demande client

86
 Tableau 19 : Quantité produite par jour dans la ligne 2

Jours Output Target Jours Output Target

18/01/2021 76 100 15/02/2021 110 100
19/01/2021 77 100 16/02/2021 95 100
20/01/2021 91 100 17/02/2021 95 100
21/01/2021 79 100 18/02/2021 96 100
22/01/2021 86 100 19/02/2021 91 100
25/01/2021 83 100 22/02/2021 96 100
26/01/2021 90 100 23/02/2021 103 100
27/01/2021 100 100 24/02/2021 101 100
28/01/2021 100 100 25/02/2021 92 100
29/01/2021 88 100 26/02/2021 101 100
01/02/2021 70 100 01/03/2021 97 100
02/02/2021 72 100 02/03/2021 102 100
03/02/2021 91 100 03/03/2021 101 100
04/02/2021 81 100 04/03/2021 104 100
05/02/2021 83 100 05/03/2021 108 100
08/02/2021 90 100 08/03/2021 100 100
09/02/2021 105 100 09/03/2021 113 100
10/02/2021 98 100 10/03/2021 96 100
11/02/2021 97 100 11/03/2021 106 100
12/02/2021 102 100 12/03/2021 90 100

Figure 52 : Production journalière

87
II.3.2. Efficience de la production
L'efficience est définie comme étant la capacité d’un ensemble d'individus à atteindre le
maximum des résultats voulues avec le minimum des ressources déterminée comme suit :
Heures produites VGZ×Quantité produite
efficience = Heures de présence = Nombre des opérateures∗8h
• VGZ est le temps passer par le Câblage dans la ligne d’assemblage (temps de montage)
• La quantité produite est le nombre des pièces bonnes produites.
• Le nombres des opérateurs est l’effectif des opérateurs directe de la ligne étudié.
Tableau 20 : Calcul d'efficience S13
Equipe Production Nombre des Heures de Heures de
Efficience Objectif
operateurs production présence
équipe 1 137 60 463,53 480 96,6% 91%
équipe 2 139 59 471,79 472 100,0% 91%
équipe 3 144 60 413,74 480 86,2% 91%
lundi équipe 4 167 66 501,43 528 95,0% 91%
équipe 5 160 57 475,4 456 104,3% 91%
équipe 6 92 59 365,24 472 77,4% 87%
équipe 7 114 61 452,58 488 92,74% 87%
équipe 1 141 61 479,49 488 98,3% 90%
équipe 2 133 59 454,42 472 96,3% 90%
équipe 3 127 60 424,13 480 88,4% 90%
mardi équipe 4 160 63 454,4 504 90,2% 90%
équipe 5 116 58 366,96 464 79,1% 90%
équipe 6 90 59 364,33 472 77,2% 85%
équipe 7 103 60 415,04 480 86,5% 85%
équipe 1 141 64 479,57 512 93,7% 90%
équipe 2 140 60 476,2 480 99,2% 90%
équipe 3 140 58 418,06 464 90,1% 90%
mercredi équipe 4 180 65 472,31 520 90,8% 90%
équipe 5 141 57 423,49 456 92,9% 90%
équipe 6 106 59 401,07 472 85,0% 85%
équipe 7 115 61 391,57 488 80,24% 85%
équipe 1 127 61 432,39 488 88,60% 91%
équipe 2 120 60 408,58 480 85,12% 91%
équipe 3 123 60 362,05 480 75,43% 91%
jeudi équipe 4 130 59 384,9 472 81,55% 91%
équipe 5 130 58 403,54 464 86,97% 91%
équipe 6 111 58 374,07 464 80,62% 87%
équipe 7 117 59 388,5 472 82,31% 87%

88
 Figure 53 : Rapport efficience et objectif
D’après les tableaux et les figures ci-dessus, on constate qu’il y a une variation très nette au
niveau de la production journalière et l’efficience, ils varient en fonction les jours, les
équipes et la référence produite. Des jours on dépasse la demande client et l’objectif, des
jours non, l’efficience peut même dépasser le 100%. Cette variation est imposée par
plusieurs facteurs.

C’est pour cette raison on ne peut pas avoir les temps de cycle réel des opérations de la zone
d’assemblage et plus précisément la poste d’injection, de ce fait notre amélioration future ne
sera pas à 100% exacte, parmi les facteurs qui génère une telle variation, c’est qu’on peut
avoir une ligne des 5 LAD en arrêt, donc pour diminuer les stocks tampon, les opérateurs
travaillent sur la machine PU qui est en marche mais n’est pas en cours de production, donc
on a 4 ou 5 moules pour une seule ligne d’assemblage au lieu de 3 moules.

II.3.3. Temps de cycle

Le temps de cycle est le temps qui sépare deux produits successives dans un même
processus. Afin de le déterminer, nous avons commencé par la visualisation du processus
pour collecter le plus d’informations à l’aide de la méthode de chronométrage. On fait 5
relève de temps consécutives pour chaque poste et on calcule le temps de cycle moyen.
Comme le montre le tableau suivant la colonne (TC % TT) représente la différence entre le
temps de cycle et le takt time. La variation représente la variation entre le temps de cycle et
la valeur minimale de chronométrage de chaque poste donnée pour la formule suivante :
temps de cycle moyen − temps de cycle minimal
∗ 100
temps de cycle minimal
La variation en temps de cycle ne doit pas dépasser le 15% pour assurer la bonne précision
89
des chronométrages.

90
 Tableau 21 : Temps de cycle moyen relevé en secondes de chaque poste
opération TC moyen Minimum Takt time TC % TT Variation
Poste SE Jauge 194,00 170,0 276 82 14%
Poste SE 80F 217,20 215,0 276 58,8 1%
Poste SE CMC 227,20 202,0 276 48,8 12%
Poste SE CMX 271,40 238,0 276 4,6 14%
Poste SE 7500 91,80 85,0 276 184,2 8%
Poste SE 16B 246,20 228,0 276 29,8 8%
Poste SE CVR 213,60 198,0 276 62,4 8%
Poste 01 192,00 168,0 276 84 14%
Poste 02 208,20 185,0 276 67,8 13%
Poste 03 162,80 147,0 276 113,2 11%
Poste 04 203,20 190,0 276 72,8 7%
Poste 05 209,40 203,0 276 66,6 3%
Poste 06 203,40 189,0 276 72,6 8%
Poste 07 213,00 188,0 276 63 13%
Poste 08 190,00 177,0 276 86 7%
Poste 09 171,60 163,0 276 104,4 5%
Poste 10 222,60 205,0 276 53,4 9%
Poste 11 202,80 189,0 276 73,2 7%
Poste 12 217,80 203,0 276 58,2 7%
Poste 13 243,80 229,0 276 32,2 6%
Poste 14 168,80 152,0 276 107,2 11%
Poste 15 174,60 164,0 276 101,4 6%
Poste 16 211,00 189,0 276 65 12%
Poste 17 222,60 196,0 276 53,4 14%
Poste 18 278,20 247,0 276 -2,2 13%
Poste 19 207,00 182,0 276 69 14%
Poste 20 202,80 192,0 276 73,2 6%
Poste 21 206,20 192,0 276 69,8 7%
Poste 22 180,40 158,0 276 95,6 14%
Poste 23 223,80 196,0 276 52,2 14%
Poste 24 184,00 162,0 276 92 14%
Poste PU 289,60 255,0 276 -13,6 14%
Poste BFT 190,80 168,0 276 85,2 14%
Poste BOL2 196,80 178,0 276 79,2 11%
Poste TEST AGRAF 217,00 204,0 276 59 6%
Poste TCV 228,00 206,0 276 48 11%
Poste CF 212,80 192,0 276 63,2 11%
Poste TEST ELE 176,60 155,0 276 99,4 14%

Total 7873 7160 9%

91
 Figure 54 : Relevé des temps de cycle des poste PSA

D’après la figure précédente, et après avoir relevé le temps de cycle moyen est le comparé
par rapport à la demande client et le Takt time, la poste goulot est la poste d’injection PU,
elle impose son temps de cycle sur le temps de cycle globale de la zone d’assemblage et
engendre ainsi un stock tompan important, aussi on a constaté un temps d’attente énorme
dans le poste SE 7500 qui engendre une surproduction pour les postes suivants.
Les améliorations que nous allons adapter vont avoir l’objectif de diminuer le temps de
cycle de la poste goulot pour répondre au takt time et améliorer les performances de la
chaine. Pour cela nous allons procéder vers la détection des anomalies qui empêchent les
postes goulots de terminer leurs opérations à temps par rapport aux autres postes afin
d’équilibrer la chaine parmi les anomalies, le temps perdu lors du nettoyage des moules, ce
temps en moyen est égal à 30 seconde.
A ce stade on va utiliser ces données pour faire une simulation de production à l’aide de
logiciel Flexim en introduisant les données suivantes :
 Temps de travail : 8*60*60 – 30*60 = 26700 sec
 Les temps de cycle des postes sous la forme d’une distribution normale avec le
temps de cycle moyen comme moyenne et 10,0 pour l’écart type
 Les stocks tompan avant et après la poste PU
Et d’après la figure ci-dessous, la simulation donne une estimation proche de ce qui se passe
réellement et affirme que puisque on a une poste goulot avec un temps de cycle supérieur au
takt time on ne peut pas satisfait la demande client, toutefois comme on a déjà mentionné
auparavant, il y a beaucoup des facteurs qui influent sur le rythme de production et rend
possible de réaliser la demande client et même plus
92
 Figure 55 : Simulation de la chaine de production PSA
Durant cette phase, nous avons effectué une mesure rigoureuse de l'état actuel du processus
d’injection dans son milieu qui est la chaine d’assemblage PSA, dans le but de détecter les
défauts réels et de formuler des solutions adaptées, de cette façon avons évalué la situation
problématique et vérifié la performance de notre processus.

III. Phase : Analyser

Après la phase Mesurer, on passe à la troisième phase de la démarche DMAIC SIX SIGMA
qui est la phase Analyser, où on va chasser les MUDA et les causes derrière le gaspillage et
le temps de cycle important de processus d’injection, en utilisant les diagrammes
ISHIKAWA. Et enfin on va sélectionner les causes les plus pertinents qui feront ensuite le
sujet de la phase Innover.

III.1. Détection des anomalies

Dans la phase de mesure on a collecté les données sous forme de deux types.

III.1.1. Analyse de la perte de matière

On a commencé par le calcul de la criticité des échecs à l’aide de l’outil AMDEC et on a
présenté ce calcul sur un diagramme Pareto pour savoir les défauts les plus courants et qui
causent des perturbations les plus. D’après le tableau 13 et la figure 41 , on a constaté que la
perte de matière représente 20% des échecs potentiels et qui cause 80% des effets
indésirables. Ensuite on a approfondi la collecte des données concernant ce défaut en
calculant les PPM, les réclamations client et les non-conformités détectées à la fin de ligne,
les résultats confirment les hypothèses de l’AMDEC. Avec 194 défauts, le gaspillage
entraine des défauts remarquables, cette effet est bien présentée dans la figure 44.

93
A ce stade on a eu une idée sur le niveau sigma qui est à peu près 3,4 sigma, on a arrivé
jusqu’au terrain où l’opération d’injection prend place, c’est le niveau le plus bas et le plus
proche de la réalité lors de la collecte des données, afin d’avoir une idée exacte sur la
migration et le gaspillage de matière plastique.
Après une étude statistique complet On a confirmé avec certitude que c’est le défaut majeur
des postes d’injection, la figure 48 montre que les pertes en matières suivent une
distribution normale de moyenne 11,75g et un écart type de 5,79 et c’est loin d’être capable
car on tolère une moyenne de perte qui ne dépasse pas 5g par opération.
Estimation de perte par ans :
Pour savoir la gravité de la situation, on a fait une estimation de cout de la matière perdue
d’après le tableau suivant.
Tableau 22 : Estimation des couts
Quantité produite en 2020 161400 câblages
Quantité moyenne de perte par câblage 11,75g
Quantité totale perdu 1896,45kg
quantité d’un seule fut polyol 200kg
Prix unitaire de fut de polyol 850£
Nombre de fut perdu 9,48225 fut
Cout totale perdu 8059,9125£

La perte totale est estimée de 8000£ par ans, ce qui représente une perte énorme en matière
polyol. Ce gaspillage influe aussi sur le temps de cycle, la production, la propreté des postes
et même l’état morale des employés, de ce fait on a interrogé les opérateurs sur l’état des
machines, on a observé de près les taches qu’ils les font et on a fait plusieurs sessions de
brainstorming avec tous les parties prenantes pour discuter et analyser la situation et dégager
les causes racines de ce défaut.
Pour rendre les causes trouvées plus structurer et plus claire nous avons utilisé les
diagrammes ISHIKAWA suivants :

94
 Figure 56 : Diagramme de ISHIKAWA concernant le gaspillage de matière
Ce diagramme permet de détecter les anomalies, c’est une étape critique pour réussir cette
phase et le projet en générale, en effet le diagramme présente les différentes causes
possibles, soit le non-maitrise de tous les facteurs qui influent sur les postes PU, par
exemple la température ambiante influe sur le temps de polymérisation, souvent à l’hiver,
le temps d’attente automatique de la moule est atteint mais la matière est encore moue.
Toutefois la cause majeure de gaspillage est tout simplement l’utilisation des outillages
agressives, les opérateurs utilisent des spatules inox pour gratter les résidus sur les moules
qui sont en alliage d’aluminium donc au cours du temps l’état de ces derniers sera dégradé
et causera la migration de matière. On conclut alors d’après les données que la cause
racine est l’outillage, et l’effet actuel est l’usure de moule, la seule solution est de les
changer.

III.1.2. Analyse de la perte en efficience

On passe maintenant à l’analyse d’efficience et la production dans la zone d’assemblage
PSA, la première chose à noter est la variabilité de niveau de production, il est souvent
instable, l’efficience aussi, cela est due à plusieurs facteurs interne et externe à l’entreprise
comme la fluctuation de la demande client et la pandémie Covid 19, on a collecté
plusieurs données, mais ils ne sont pas assez précis, ils sont des estimations proches de ce
qui se passe en réalité. D’après la figure 54 il y a une variation au niveau de temps de
cycle des postes de la chaine d’assemblage, la poste PU est la poste goulot, de ce fait il
parait logique de se demander pourquoi elle présent le temps de cycle le plus élevé pour
cela et lors d’une deuxième session de brainstorming, on est arrivé à réaliser un deuxième
95
digramme d’ISHIKAWA concernant le temps de cycle :

96
 Figure 57 : Diagramme d'ISHIKAWA concernant le temps de cycle
D’après la figure précédente, à cause de l’absence d’un système de régulation automatique,
la température ambiante à un impact direct sur le temps de polymérisation, et le temps de
cycle. Aussi la perte de matière engendre un temps de cycle important puisque l’opérateur
après chaque câblage il doit nettoyer la moule et vérifier l’état de matière injecté, donc on
revient sur la même cause majeure de la perte de matière c’est l’usure de la moule.

III.2. Identification des causes racines

À ce niveau et pour clôturer la phase analyse, Six Sigma propose une méthode qui permet de
valider ces causes, à l’aide d’une matrice de vérification des causes racines:
Tableau 23 : Matrice de vérification des causes racines
Causes Raison pour
Méthode de
Problème Racines Méthode de vérifié? Remarques
Vérification
possible vérification
Outillages Pour
agressives Observation communiquer
Oui
pour la sur terrain la conséquence
Gaspillage moule directe
de matière Avoir une
première observation
Usure de la Calcul
visuelle sur les Oui
moule statistique
effets du
problème

97
 Pour savoir
Perte de Observation tous les taches
oui
matière sur terrain faite par
Temps de
l’operateur
cycle
Influence Pour observer
important
de la Observation la variation de
oui
température sur terrain temps de
ambiante polymérisation

IV. Phase : Ameliorer

Durant cette phase de la démarche DMAIC Six Sigma, et pour réduire les écarts identifiés
dans la phase précédente et améliorer les performances de la machine, on a fait des sessions
de brainstorming afin de dégager tous les solutions possibles, et puis on va présenter le plan
d’action des solutions choisit, cette étape est basée sur une matrice de sélection des solutions
selon plusieurs critères comme l’indique le tableau suivant :
Tableau 24 : Matrice de sélection des solutions

Cout-bénéfice

validation
faisabilité
efficacité

Problème Cause racine Solutions méthode

total
Remplacer les spatules
Outillage Recherche d’une
inox et par un autre outil 5 7 6 210 oui
inapproprié matériaux approprie
de nettoyage

Usure de la Changer la conception de

Fournisseur 9 5 10 450 oui
moule la moule

Migration de Absence de
Etablir des cartes de
matière contrôle des Carte de contrôle 7 8 6 336 oui
contrôle
déchets

Poste sale et Amélioration en utilisant

5s 7 5 5 175 oui
encombré 5s

Pas de standard
Etablir un standard
de changement Etablir un standards 5 8 5 200 oui
LEONI
de serre câble

98
 Système de régulation
Fournisseur 9 1 5 45 non
automatique
Température
Etablir un standard pour
ambiante et Etablir un standard
maitriser le temps de 5 8 5 200 oui
temps de LEONI
polymérisation
polymérisation
Conception d’un support
non maitrisé Conception avec
pour diminuer la chaleur 5 5 4 100 oui
Temps de Catia V5
perdue
cycle important
Etude de faisabilité
Etude d’ajout une
Température avec les simulateur
cartouche chauffante dans 6 2 5 60 oui
non homogène de transfert
la moule
thermique ANSYS
mode opératoire
Changer le mode Réviser le mode
n’est pas 4 7 3 84 oui
opératoire opératoire existant
adéquat

Figure 58 : Diagramme de Pareto des solutions possibles

D’après la matrice et la figure précédente, la solution qui apporte un gain majeur c’est de
changer la moule et aussi la création des cartes de contrôle pour suivre l’état des moules
existantes et futures, durant cette phase on va présenter les solutions réalisées et proposées.

99
IV.1. Changement de la moule
Les moules existantes présentent en moyenne 11,75g de perte en matière par câblage, à
cause de l’usure, il y a beaucoup des fuites, aussi c’est difficile de fixer et positionner la
moule correctement, il n’y a pas d’autre solution pour éviter les gaspillages sans toucher la
moule.

IV.1.1. Mise en place de la nouvelle moule

On a fait un appel d’offre de changement de moule, et on a discuté avec les fournisseurs qui
arrivent sur terrain les améliorations possibles, parmi deux offre de prix suivants, on a choisi
le meilleur, le bureau d’étude I2E pour ameliorer la conception de la moule, en raison de
prix et de motivation, et à l’aide du logiciel MS Project on a réalisé le diagramme de Gantt
suivant qui présente le planning du projet
Tableau 25 : Liste des fournisseurs
Fournisseur PAOLINI I2E entreprise tunisienne de
conception mécanique
Temps de livraison 1 mois 2 mois
Prix 8690£ 19650DTN

Figure 59 : Diagramme de GANTT du projet

On va présenter aussi dans les 3 figures suivantes, la conception de la moule ancienne et un
changement parmi plusieurs, et aussi on présentera la moule avant et après la modification

100
Figure 60 : Conception de la moule en 3D

101
 Figure 61 : Modification de la moule

Figure 62 : Etat de la moule avant et après modification

IV.1.2. Validation de la nouvelle moule
Après la mise en place de la nouvelle moule, on la pilote sous forme d’un test beta, c’est à
dire dans un environnement contrôlé le maximum possible, sous un rythme de production
bas, avec une équipe limité bien formée et compétente, et on doit suivre son état de près,
pour cela on a effectué la même démarche de la phase de mesure, en comptant les défauts et
en mesurant la matière qui reste colle dans la moule après l’opération d’injection.
Durant la période de validation, on n’a pas détecté aucun défaut, et on a effectué 50 mesure
de matière pour décrire statistiquement la moule
102
 Tableau 26 : Liste de 50 pesages de matière plastique
mesure Poids (g) Mesure Poids (g)
1 1,85 26 2,06
2 1,44 27 0
3 1,27 28 1,13
4 1,39 29 0
5 1,82 30 1,01
6 1,56 31 1,87
7 1,26 32 1,98
8 0 33 2,39
9 1,02 34 2,2
10 1,15 35 1,13
11 1,07 36 1,81
12 1,91 37 1,68
13 1,73 38 1,69
14 1,35 39 0
15 2,24 40 1,27
16 1,2 41 1,39
17 0 42 1,38
18 2.05 43 0
19 2,17 44 0
20 1,23 45 1,36
21 2,13 46 1,98
22 1,51 47 1,61
23 1,82 48 1,69
24 2,09 49 1,69
25 2,58 50 1,75

On a obtenu ainsi une distribution normale de moyenne 1,41 gramme et un écart type de
0,67, donc la moule est bien dans l’intervalle de tolérance avec une capabilité Cp=1,44,
comme l’indique la figure suivante :

Figure 63 : Etude de capabilité de la nouvelle moule

103
IV.2. Conception d’un support moule
Toujours dans le but d’améliorer la performance de la poste PU, et pour minimiser la perte
de l’énergie lors du chauffage, et pour minimiser aussi l’influence de la température
ambiante sur la température de la moule, on est a proposé une solution qui est sous forme
d’un support, comme l’indique la figure suivante :

Figure 64 : Position basse et haute du support

C’est une sorte de cache de protection de la moule composé d’une partie fixée sur la bâtie de
la poste PU, deux charnières et une partie mobile en acier et plexiglas pour que les
opérateurs peuvent voir la moule à l’intérieur, aussi avec un trou dans la face supérieure
pour que le tête d’injection peut descendre dans la moule. Après la phase de conception, on
a contacté les service achat pour chercher des offres de prix, Cette solution a été mise en
place par le fournisseur CMTF avec 120 TDN le cache.

104
Figure 65 : Mise en place du support

105
IV.3. Estimation de gain au niveau de matière gaspillé
Cette amélioration présente un gain très significatif au niveau de :
 Gaspillage de la matière à diminuer par 10g en moyenne.
 On a éliminé le temps de nettoyage après injection et on a gagné 7s de temps de
cycle de 289,6 à 282.6s.
 On a éliminé les défauts
 Poste PU est devenue propre
 Les opérateurs sont à l’aise
 En changeant le temps de cycle de la poste PU on a constaté qu’on peut produire un
câblage de plus par shift, 90 au lieu de 89 câblages d’après la simulation sur
FLEXIM, comme le montre la figure suivante :

Figure 66 : Cadence de production par shift

A ce stade, et dans le tableau suivant, on va faire une estimation de cout et de gain apportée
par ces améliorations.
Tableau 27 : Estimation de cout de revient
Production par an 161400 câblages
Totale perte avant amélioration 8059,9£
Totale perte par moule par an 8059,9125£ / 15 = 537,4£
Quantité perdue après amélioration 161400*1,41 = 227574 g = 227,6kg
Prix de fut de 200 kg 850£
Totale perte après amélioration (227,574/200)*850 = 967,2£
Totale perte par moule par an après 967,1895/15 =64,5£
Quantité de câblages gagnée par ans par ligne 1*2*20*12=480 câblages
Quantité de câblages gagnée par moule par ans 480/3=160 câblages
25% de gain sur le prix de vente des câblages (181.8£*25)/100=45.5£
Cout d’investissement par moule avec 2800 16850+2800/15+120= 17156,7DNT
DTN prix de conception sera repartie
équitablement sur 15 moule
Investissement par moule par ans (537,4-64,5)+(160*45.5)-17156,7/3.3
= 2554£

106
IV.4. Etude d’homogénéisation de la température dans la moule
À l’aide de logiciel de conception CATIA V5 on a fait une conception approximative de la
moule. Comme l’indique la figure ci-dessous, la moule contient deux cartouches chauffantes
dans sa partie inferieur, et une sonde au milieu liée avec un système d’asservissement pour
stabiliser la température en 95°C, le problème est que la température n’est pas homogène
dans toute la moule, elle dépasse 95°C dans la partie inferieur et ne dépasse pas la consigne
dans la partie supérieure. Cela est due au transfert thermique par conduction et convection et
aussi aux propriétés physiques de la moule, de ce fait la matière injectée reste moue lors de
la polymérisation.
Pour valider notre hypothèse on a fait une analyse thermique et on a simulée la propagation
de température dans la moule à l’aide du logiciel ANSYS R2021, prenant compte des
données suivantes
 Température de consigne : 95°C±5
 Température ambiante : 20°C±2
 Cartouche chauffante : H8X40X200 avec puissance de 200W
 Matériaux de la moule : alliage d’aluminium

Figure 67 : Conception de la moule

107
 Figure 68 : Analyse thermique de la moule
D’après cette analyse thermique, on a affirmé qu’il existe un décalage de 6°C entre les deux
parties supérieure et inférieure, donc pour éliminer cette différence, la mise en place d’un
cache sur la moule a augmenté sa performance mais il n’a pas éliminé le problème, alors on
a proposé d’ajouter deux autres cartouches dans la partie supérieure pour bien homogénéiser
la température et on peut affirmer à 80% près que le gradient de température diminue à
1,8°C, quel que soit la température ambiante, on a la matière bien solide après la
polymérisation.
Cette solution est fiable puisque on est déjà en train de changer les moules, et sa mise en
place est assez facile, juste le perçage des trous et monter les nouvelles cartouches en
parallèle avec les anciennes pour répondre au système d’asservissement, aussi la solution est
efficace car elle permet d’éliminer le problème et de diminuer le gaspillage d’énergie. On a
présenté cette solution à l’entreprise et elle sera prise en compte lors de la duplication des
moules.

IV.5. Chantier 5s au poste PU et le changement d’outillage

Apres l’élimination les causes majeures des anomalies, on va maintenant essayer
d’ameliorer le processus d’injection en général, en effet la poste PU n’est pas assez propre
car il n’y a pas de respect des standards de 5s, ajoutant à cela la migration de matière qui
rend la poste encore plus sale, ce fait peut dégrader de plus l’état des moules existante et les
nouvelles. Pour cela on a pensé à faire des améliorations 5s tout en suivent le standard de
LEONI.
108
IV.3.1. Démarche du 1s : SEIRI (Éliminer)
Dans cette phase nous avons éliminé les anomalies et les inutiles, pour cela nous avons mis
en place ces actions :
 Appliquer des étiquettes 5S sur les outils, les machines et les matières
 Identifier les gaspillages à l’aide d’une inspection initiale
 Éliminer les objets non nécessaires

Figure 69 : Etiqueté les poubelles et les bouteilles

Figure 70 : Etiqueté la température des tuyauteries

IV.3.2. Démarche du 2s : SEITON : (Ranger)

Après la phase d’élimination des objets inutiles, nous avons ranger les objets utiles, d’où les
actions suivantes sont mises en place :
 Déterminer la meilleure position pour les outils, les machines et les matières
 Classifier les objets selon leur fréquence d’utilisation
 Fixer avec clarté chaque position et favoriser le maintien du nouvel ordre établi

109
 Figure 71 : Conception des casiers

Figure 72 : Conception de cuve de démoulant

IV.3.3. Démarche du 3s : SEISO : (Nettoyer)
Après le rangement, nous avons mis en place des actions de qui visent à standardiser le
nettoyage régulier des zones de travail, parmi ces actions en cite :
 Nettoyer et contrôler si l’ordre établi dans l’étape précédente est respecté
 Dresser une liste des standards requis
 Les mauvais démarreurs : rejeter dans la zone des produits non conforme

Figure 73 : Etat des postes PU avant le chantier 5S

110
 Figure 74 : Etat des postes PU après chantier 5S
La cause racine de gaspillage de matière, l’état médiocre des postes, l’usure des moules est
l’utilisation d’une spatule inox pour nettoyer la moule qui est en alliage d’aluminium, donc
il faut changer l’outillage. Pour cela on a choisi une matière plastique copolymère POMC de
la famille polyoxyméthylène qui possède des propriétés remarquables tel que la solidité, la
rigidité, un glissement très bon, résistance à l’usure et il est facilement usinable.

Figure 75 : Changement des outils de nettoyage

IV.3.4. Démarche du 4s : SEIKETSU : (Standardiser)

Pour formaliser les actions mise en place dans les phases précédentes, on a proposé de bien
organiser les documents des postes tels que le mode opératoire et la checklist de suivi des
actions 5S, dans un tableau placé à côté des postes avec une poche pour contenir ces
documents.

111
 Figure 76 : Organisation des documents

IV.3.5. Démarche du 5s : SHITSUKE : (Respecter)

Les actions suivantes visent à respecter et amélioration, parmi ces actions :
 Vérification le respect des standards
 Suivi l’audit
 Amélioration continue.
Ces actions seront établies dans la dernière phase de la démarche DMAIC SIX SIGMA

112
Figure 77 : Standard 5S de LEONI
113
V. Phase : Controler
Comme son nom l'indique, le but de l'étape finale de la démarche DMAIC Six Sigma est de
contrôler le travail qui a été déjà fait. Et garantir le maintien des améliorations. Parmi les
façons qui nous permettent de garder ces améliorations est l’utilisation des cartes de
contrôle. On clôtura finalement notre chapitre avec un petit changement dans le mode
opératoire et un standard de changement de serre câble, de température et de temps de
polymérisation en fonction de la température ambiante.

V.1. Création des cartes de contrôle

V.1. Carte de contrôle basée sur la mesure des pertes
On a proposé la mise en place des cartes de contrôle pour suivre chronologiquement l’état
des moules, détecter leurs dégradations, l’augmentation de taux de migration, aussi pour
classer les moules entre eux pour un éventuelle duplication. Le principe consiste à mesurer
tous les jours au début de chaque shift la quantité des déchets des trois premiers opérations
d’injection de chaque moule, et mettre ces valeurs dans un tableau de suivi hebdomadaire, et
de calculer la moyenne de ces trois mesures, et puis chaque jour l’agent qualité ou le
superviseur de la ligne calcule la moyenne des moyennes des mesure et mettre cette valeur
dans la carte de suivi mensuelle, cette carte est gradué en abscisse par les jours du mois
courant et en ordonnée par les moyennes correspondantes, aussi la carte contient la limite de
contrôle inferieur qui est l’idéale 0g et la limite supérieure égale à 6g, pour les moules
existantes comme on a montré dans la phase de mesure les moyennes de gaspillage
dépassent cette limite, donc on a ajouté une limite absolue qui vaut 10g, s’il y a des point au-
dessus ou assez proches de cette ligne c'est-à-dire que la moule correspondante doit être
changée immédiatement.

Dans le but d’étudier l’efficacité de cette carte de contrôle, on a réalisé le suivi de la

machine PU de la ligne 1, pendant deux semaines S21 et S22, d’après les deux figures 76 et
77, cette carte présente un suivie très précis de l’état actuelle des gaspillages, mais elle
demande beaucoup d’attention des opérateurs, la volonté d’ameliorer et de maintenir les
améliorations et ils doivent être conscient de l’importance de maitrise statistique des
processus aussi l’opération de mesure est physiquement pénible car les opérateurs se
déplacent vers la zone de pesage. On conclut alors que la carte de contrôle théoriquement est
très efficace mais pratiquement non.

114
Figure 78 : Plan de suivi et de mesure des gaspillages

115
 Figure 79 : Carte de contrôle par mesure

V.1.2. Carte de contrôle basée sur la décompte des cas de migrations

En visant un contrôle simple et facile, on doit changer l’acte de mesure, pour cela on a
proposé qu’à chaque jour et au début de chaque shift, l’opérateur doit juste compter, parmi
les 5 premiers opérations, combien de fois il constate qu’il y a une migration importante, et
mettre une valeur entre 0 et 5 dans la colonne approprié et puis l’agent de qualité calcul la
moyenne et le met dans la carte de contrôle, cette carte contient aussi une limite inferieur 0
c’est à dire aucune opérations a engendré la migration de matière et une limite supérieur 1
c’est à dire qu’on tolère 6 cas de migrations pour une poste PU et une ligne critique égale à
4, au-dessous de cette limite, il faut changer la moule immédiatement.
D’après la figure 79 et 80, cette contrôle présente l’avantage d’être facile à mettre en œuvre,
elle ne demande ni attention ni déplacement, mais aussi elle n’est pas assez précise,
puisqu’on est basé sur le jugement des opérateurs concernant la quantité de perte, pour
cerner les opinions on a informé les employés de considérer le cas comme une vraie
migration, s’ils sont besoin d’utiliser la spatule pour nettoyer la moule, de cette façon on
peut augmenter l’efficacité de système de mesure.
116
Figure 80 : Plan de suivi par décompte de nombre de migration

117
 Figure 81 : Carte de contrôle par décompte des défauts

V.2. Mise à jour du mode opératoire et l’ajout d’autre instruction

Après la mise en place des cartes de contrôle, on a mis à jours le mode opératoire et on a
ajouté quelques instructions concernant le temps de polymérisation en fonction de la
température ambiante

118
V.2.1. Mise à jour du mode opératoire
Lors de Le changement de la moule, on n’a pas vraiment changé le mode opératoire mais on
a ordonné l’ancien mode car il est un peu désordonné par exemple la première opération est
de vérifier le ratio de matière c’est à dire vérifier la conformité du dosage de polyol et de
l’isocyanate et puis le démarrage de la machine, ce qui est illogique. Donc pour que le mode
opératoire soit un document fiable on a mise en place les actions suivantes :
 La vérification de l’utilisation des outils de nettoyage approprié
 La vérification des températures des tuyauteries et le débit d’injection qui vaut
300g/min
 Le changement de de tête d’injection chaque shift au lieu de chaque jour pour éviter
toute sorte de bouchage
 La vérification de l’état et du diamètre de serre câble à chaque changement de
référence
 La vérification de l’état de TDT et son bon positionnement dans la moule
 L’ajout de l’acte d’ouverture et de fermeture de cache de protection

Figure 82 : Mise à jour du mode opératoire

119
V.2.2. Standardisation de temps et de température de polymérisation
A une température ambiante de 25°C, le temps de polymérisation est 8min et la température
de la moule est 95°C. Le problème est que la température ambiante change. Durant l’hiver
le câble peut rester 14min dans la moule pour que la matière devient solide. Et durant l’été
le câble reste 5min et les opérateurs forcent l’ouverture de la moule car la polymérisation est
terminée. Tout cela rend le temps de cycle instable, la solution idéale est de changer le
programme de l’automate en ajoutant un système de régulation pour changer
automatiquement le temps de polymérisation et la température de la moule mais on n’a pas
l’accès à l’automate, donc on a proposé un tableau pour contrôler le maximum la variation
de la température ambiante.

Figure 83 : Standard de temps de polymérisation

120
Conclusion
Dans ce chapitre on a suit la démarche DMAIC qui est un concept de la méthodologie
d’amélioration continue Six Sigma, nous avons résolu le problème, et on a proposé plusieurs
solutions qui apportent des gains financiers, aussi d’autre qui peuvent améliorer
l’environnement de travaille. Toutefois on ne peut pas assurer la continuité de ces
améliorations sans la phase « contrôler ». En effet, elle nous a permet de les suivre évaluer
leurs efficacités. On a pu aussi lors de cette phase impliquée tous les personnels dans la
culture d’amélioration continue que ce soit les opérateurs, les agents de qualité et le service
maintenance.

121
 Conclusion Générale

Le but de ce projet de fin d’étude (PFE) cycle ingénieur en Génie Industriel est
d’améliorer la performance du processus d’injection plastique servant à polymériser les
câbles d’automobiles fabriqué par l’entreprise LEONI mateur nord. C’est en particulier
l’optimisation du temps de cycle (temps nécessaire pour fabriquer un produit) et
l’élimination des gaspillages en matière première en utilisant la méthodologie Lean Six
sigma et plus précisément l’approche DMAIC (définir, mesurer, analyser, innover,
contrôler).

On a commencé par la définition du problématique avec les ‘5 pourquoi », on a visualisé le

processus avec le diagramme SIPOC, puis on a collecté les données nécessaires pour notre
étude en terme des PPM, de capabilité, production, efficience et temps de cycle. Durant la
phase ‘Analyser’, on a interprété les données pour détecter les formes de gaspillages et les
causes racines qui rendent le processus un goulot d’étranglement. Dans la phase Innover,
on a éliminé la source de gaspillage et on a diminué le temps de cycle du poste.
Finalement, on a évalué les actions mise en place, un déploiement de chantier 5S et un
audit 5S comme une dernière étape. Ce projet nous a permis de réaliser un gain de 2000
Euros/an de matière première.

Dans le processus d’injection, il existe plusieurs améliorations possibles qui peuvent être
implémenter. Dans ce projet on s’est focalisé sur l’amélioration des performances de la
machine d’injection. Comme la validation du projet actuel prend du temps et suite à la
pandémie Covid 19, nous n’avons pas pu mettre en place toutes les actions
d’améliorations.

En termes de compétences acquises et apports du stage, ce stage nous a permis de cumuler

une panoplie de connaissances sur le plan du savoir-faire et le savoir-être professionnel.
Ainsi d’établir une démarche de travail bien structurée et d’adopter une bonne gestion de
projet.

122
 BIBILIOGHRAPHIE

Livres :

Six-Sigma-Green-Belt-Certification-Training-Manual-CSSC-2018

Maîtrise de la qualité - Outils de la maitrise statistique des processus MSP

Site web :

http://www.sssh.ch/uploads/media/02_Rousseau.pdf

https://fr.wikipedia.org/wiki/Leoni_(entreprise)

https://www.leoni.com/en/

https://fr.wikipedia.org/wiki/Six_Sigma/

https://fr.wikipedia.org/wiki/Carte_de_contr/

https://dumas.ccsd.cnrs.fr/dumas-02384217/document

https://leansixsigmafrance.com/blog/le-dmaics-une-methode-six-sigma-pour-mieux-gerer-
vos-projets/

https://www.xl-formation.com/sites/default/files/Fiche%20outil%20MSP_XLFormation.pdf

http://www.utc.fr/master-qualite/public/publications/qualite_et_management/MQ_M2/2013-
2014/MIM_projets/qpo12_2014_gr1_six_sigma/Memoire_SixSigma_PME.pdf

https://docplayer.fr/10151385-These-de-doctorat-en-cotutelle-specialite-science-de-l-
ingenieur-ecole-doctorale-d-angers-specialite-methodes-quantitatives.html

https://kupdf.net/download/rapport-uex-leoni_5af68c15e2b6f5533deecf92_pdf

https://www.cours-gratuit.com/excel-templates/excel-template-cause-and-effect-diagram

https://www.lescahiersdelinnovation.com/wp-content/uploads/2017/06/Guide-Six-
Sigma.pdf

123
 ANNEXES
Tableau 1 : fonction intégral de la loi normale centrée réduite

124
 Tableau 2 : test de Kolmogorov Smirnov
Taille de l’échantillon Seuils critiques Dα(n)
(n)
α = 0.20 α = 0.15 α = 0.10 α = 0.05 α = 0.01
1 0.900 0.925 0.950 0.975 0.995
2 0.684 0.726 0.776 0.842 0.929
3 0.565 0.597 0.642 0.708 0.828
4 0.494 0.525 0.564 0.624 0.733
5 0.446 0.474 0.510 0.565 0.669
6 0.410 0.436 0.470 0.521 0.618
7 0.381 0.405 0.438 0.486 0.577
8 0.358 0.381 0.411 0.457 0.543
9 0.339 0.360 0.388 0.432 0.514
10 0.322 0.342 0.368 0.410 0.490
11 0.307 0.326 0.352 0.391 0.468
12 0.295 0.313 0.338 0.375 0.450
13 0.284 0.302 0.325 0.361 0.433
14 0.274 0.292 0.314 0.349 0.418
15 0.266 0.283 0.304 0.338 0.404
16 0.258 0.274 0.295 0.328 0.392
17 0.250 0.266 0.286 0.318 0.381
18 0.244 0.259 0.278 0.309 0.371
19 0.237 0.252 0.272 0.301 0.363
20 0.231 0.246 0.264 0.294 0.356
25 0.210 0.220 0.240 0.270 0.320
30 0.190 0.200 0.220 0.240 0.290
35 0.180 0.190 0.210 0.230 0.270
n>35 1.07 1.14 1.22 1.36 1.63
√𝑛 √𝑛 √𝑛 √𝑛 √𝑛
Retour

125