Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

présentation six sigma uptraining français

3,374 views

Published on

Présentation de la méthode 6 sigma. Avec la démarche DMAIC résolvez tous vos problèmes complexes et boostez la productivité de votre entreprise. Lean Six Sigma est une méthodologie de résolution de problème pour réduire la variabilité d'un processus et supprimer les gaspillages.
Simon leclercq. www.uptraining.fr

Published in: Engineering

présentation six sigma uptraining français

  1. 1. Performance Temps Instabilité Amélioration Continue Innovation 6 Sigma
  2. 2. Indicateur d’amélioration = Sigma du procédé : Z Objectif 6 sigma = 3.4 défauts sur 1 million de pièces Comment savoir si on s’améliore ?
  3. 3. Des exemples : Définition: Les statistiques permettent de calculer la probabilité qu’un évènement se réalise.
  4. 4. Définition: La population c’est l’ensemble des individus (données) sur lesquels porte l’étude. Exemple: Mesurer la taille des Français âgés de 25 ans ? La population : - Français - Hommes - Femmes - 25 ans 600 000 personnes
  5. 5. Définition: Un échantillon c’est une portion de la population. Exemple: Mesurer la taille des Français âgés de 25 ans La population : - Français - Hommes - Femmes - 25 ans 600 000 personnes Echantillon : - 100 personnes
  6. 6. Définition: Un échantillon représentatif doit : - Avoir minimum 30 valeurs - Représenter l’ensemble de la population Exercice : Les échantillons sont-ils représentatifs ? Echantillon 1 : - 80 hommes - 20 femmes Echantillon 2 : - 50 hommes - 50 femmes - Du Nord Echantillon 3 : - 50 hommes - 50 femmes - Partout en France
  7. 7. Population Valeur ou Individu Echantillon
  8. 8. Définir : Obtenir une définition claire et précise du problème Mesurer : Collecter des données pour établir une référence et préparer l’analyse Analyser : Trouver les causes racines du problème en s’appuyant sur les données et quantifier leurs effets sur le processus Improve : Mettre en place les actions d’amélioration Contrôler : S’assurer que les solutions sont implantées durablement (processus sous contrôle) et clôturer le projet
  9. 9. Quel est le problème ? Quelle situation souhaite-t-on atteindre ? Définir : Obtenir une définition claire et précise du problème Livrable : Charte du projet Est-ce la priorité pour notre client ? Le projet est-il aligné avec la stratégie de l’entreprise ? Le processus est-il clair ? Qui ? Où ? Quand ? Combien peut-on espérer économiser avec ce projet ? « Un projet 6 sigma démarre avec un problème, pas une solution »
  10. 10. Quel indicateur (Y) va montrer que j’améliore la situation ? Quels paramètres (x) influencent mon problème ? Livrables : Plan de collecte de données / Validation du système de mesure / Capabilité actuelle Les données sont elles fiables ? Mesurer : Collecter des données pour établir une référence et préparer l’analyse « Ne sautez pas sur la solution avant d’avoir mesuré » Quelle est la performance actuelle ?
  11. 11. 1) Transformer un problème en indicateur (Y) Si Y s’améliore, mon problème est-il résolu ? 2) Quelles causes (x) influencent le Y Quels paramètres jouent un rôle sur mon problème ? Y x1 x2 x3 Nbr contrôles qualité Temps nettoyage machine Niveau de formation opérateurs Coût réclamation client / mois
  12. 12. 3) Les données sont-elles fiables ? Validation du système de mesure Nbr contrôles qualité Temps nettoyage machine Niveau de formation opérateurs Coût réclamation client / mois Quelques outils pour valider le système de mesure Gage R&R Test – Retest Linéarité Biais Stabilité
  13. 13. 4) Etablir un point de référence a) Vérifier la normalité des données - Normality Test - Probability plot Courbe de Gauss ?
  14. 14. Mesurer la taille des Français âgés de 25 ans La distribution des données suit une loi Normale 1,60 1,65 1,70 1,75 1,80 1,85 1,90 mètre
  15. 15. 1 2 4 6 34,1 % 68,2 % 95,4 % 99,7 % 1 34,1 %
  16. 16. Distribution Uniforme Distribution Exponentielle Quelques exemples d’autres distributions
  17. 17. 4) Etablir un point de référence a) Vérifier la normalité des données Exemple d’outil : Probability Plot b) Calculer la capabilité du processus actuel Exemple d’outil : Process Capability Process CapabilityProbability Plot
  18. 18. Y = Indicateur du projet 6 sigma (ex : Coût de réclamation client / mois) X = Paramètres qui influencent le Y (ex : Nb de contrôles qualité, Temps de nettoyage machine, niveau de formation opérateurs) Normalité des données = Les données suivent une courbe de Gauss (ex : Taille des Français) Capabilité du processus = Capacité d’un processus à réaliser une performance demandée (ex : Rebuts machine 1% = capabilité de 99%)
  19. 19. Quelle est la meilleure performance que l’on peut atteindre ? Analyser : Trouver les facteurs clés du processus Livrable : Objectif de performance / Liste des paramètres potentiellement influents / Liste des paramètres clés Quels sont les paramètres (x) qui peuvent influencer le processus (Y) ? Quels sont les 2 ou 3 paramètres clés qui impactent le plus le processus (Y) ? « L’émotion cesse quand l’analyse intervient »
  20. 20. Jamais optimisé : - 80% Déjà optimisé : - 50 % Interne Externe
  21. 21. 1) Identifier les paramètres potentiellement influents 3 niveaux d’analyse (PGA) : a) Processus b) Graphique c) Analyse des données Porte Process a) Porte Données b) et c) 1 2ANALYSE
  22. 22. 2) Démontrer quels sont les paramètres clés Exemple : Coût réclamation client / mois
  23. 23. Quelles sont les différentes solutions au problème ? Quels sont les risques ? Livrables : Plan d’action / Validation du système de mesure / Tolérances sur les X critiques Après amélioration, est-on capable de voir si le processus est sous contrôle ? Améliorer : Trouver des solutions durables aux causes racines du problème « Il n’est pas nécessaire de s’améliorer, on peut choisir de mourir» Quelles sont les tolérances sur chaque X qui assurent le contrôle du processus ?
  24. 24. 1) Trouver des solutions pour fixer les X influents Générer des idées : - Brainstorming - Benchmarking - Chaine de lettres Choisir la meilleure solution : - Matrice de décision - Vote selon critères - Matrice de comparaison - Essais SimpleDifficile Peu chère Très chère Coût Mise en œuvre
  25. 25. 2) Validation du nouveau système de mesure Exemple de rapport Gage R&R avec Minitab
  26. 26. 3) Définir des tolérances sur chaque paramètre clé Exemple : tolérance d’une pièce mécanique Ø 40 mm +/- 0,5 mm Ø 41 mm +/- 0,1 mm
  27. 27. Les résultats sont-ils confirmés ? Le process est-il stable ? Livrables : Tableau de bord de performance / Procédures / Rapport de synthèse Que dois-je faire pour que les bons résultats soient maintenus dans le temps ? Contrôler : S’assurer que les améliorations seront pérennes « La confiance n’exclut pas le contrôle » Qu’ai-je appris que je puisse transférer ailleurs ?
  28. 28. 1) Vérifier la stabilité du processus Exemple : Carte de contrôle type SPC Tolérance supérieure Tolérance inférieure Pression Machine
  29. 29. 2) Maintenir les performances dans le temps Procédure logigramme O N Automatisation Poka Yoke Procédure Automatisme Poka Yoke
  30. 30. 3) Clôturer le projet et célébrer les résultats « Tout seul on va plus vite, ensemble on va plus loin »
  31. 31. Définir Obtenir une définition claire et précise du problème Mesurer M1 : Collecter des données M2 : Valider le système de mesure M3 : Etablir un point de référence Analyser A1 : Définir l’objectif de performance A2 : Identifier les paramètres potentiellement influents A3 : Démontrer quels sont les paramètres influents Améliorer I1 : Trouver des solutions I2 : Valider le nouveau système de mesure I3 : Définir des tolérances Contrôler C1 : Vérifier la stabilité du processus C2 : Maintenir les performances dans le temps C3 : Clôturer le projet et célébrer les résultats
  32. 32. Champion

×