Maîtriser le Six Sigma : Principes fondamentaux et outils essentiels

Bienvenue dans le troisième volet de notre série sur le Lean et le Six Sigma. Comme nous l'avons vu dans le premier article, « Qu'est-ce que les méthodologies Lean et Six Sigma ? », le Lean et le Six Sigma sont des méthodologies d'amélioration continue complémentaires qui réduisent respectivement le gaspillage global et la variabilité dans les processus de production. Le second article, « Principes et outils du Lean », a approfondi certains des principes, outils et méthodologies clés du Lean. Ici, nous concluons notre série avec une discussion de haut niveau sur le Six Sigma. Il y a de nombreux outils dans la boîte à outils Six Sigma (Analyse des modes de défaillance et de leurs effets (AMDE), Diagramme IPO, Intervalles de confiance, Histogrammes, Diagrammes de Pareto, Tests F, Design for Six Sigma (DFSS), et bien d'autres) qui ne seront pas discutés ici. L'accent ici est mis sur la discussion des réalités statistiques qui rendent le Six Sigma efficace.

Le Six Sigma vise à identifier et éliminer la ou les causes racines des défauts et du gaspillage en utilisant des outils statistiques pour identifier les variations causant les défauts. Dans la méthodologie Six Sigma, la seule façon de résoudre efficacement un problème est d'éliminer définitivement sa cause racine.

C'est une stratégie basée sur la mesure qui se concentre sur l'amélioration des processus en s'efforçant d'atteindre pas plus de 3,4 défauts par million d'opportunités. Un défaut Six Sigma est défini comme tout écart par rapport aux spécifications du client. Une opportunité Six Sigma est alors la quantité totale de chances pour qu'un défaut se produise.

Doctrine Six Sigma

Le Six Sigma repose sur trois idées clés qui composent la Doctrine Six Sigma :

1. Les efforts continus pour atteindre des résultats de processus stables et prévisibles (c.-à-d., réduire la variation du processus) sont d'une importance vitale pour le succès de l'entreprise.
2. Les processus de fabrication et d'affaires ont des caractéristiques qui peuvent être mesurées, analysées, contrôlées et améliorées.
3. Atteindre une amélioration de la qualité soutenue nécessite l'engagement de l'ensemble de l'organisation, en particulier de la direction de haut niveau.

Méthodologie Six Sigma : Le processus DMAIC

DMAIC est une méthodologie de résolution de problèmes Six Sigma pilotée par les données. Le processus en cinq phases est décrit par chaque lettre de l'acronyme :

• Définir — Décrire le problème, les objectifs du projet, les domaines d'amélioration ou les exigences du client.
• Mesurer — Mesurer la performance du processus.
• Analyser — Analyser et identifier les causes racines possibles des défauts et variations.
• Améliorer — Améliorer les opérations en éliminant les causes racines.
• Contrôler — Contrôler la qualité du processus d'amélioration.

Décomposons davantage les phases :

Définir

Une fois le problème, l'objectif ou le domaine d'amélioration décrit, il est crucial d'essayer d'identifier les différentes variables d'entrée et de sortie liées au comportement du processus. Souvent, les variables de sortie sont celle(s) qui sont hors spécifications. Il est important d'identifier quelles variables d'entrée peuvent causer la variation avec la ou les variables de sortie.

Mesurer

Une fois que les variables d'entrée causant le comportement de sortie sont identifiées, il est possible de développer un plan de mesure qui fournit suffisamment de données pour commencer l'analyse. Cette phase est celle où les données sont collectées sur les variables d'entrée et de sortie clés. C'est aussi la phase où les lignes de base de performance sont développées pour être utilisées dans la mesure des améliorations apportées plus tard. En règle générale, au moins 30 observations sont requises pour fournir suffisamment de données pour représenter le comportement du processus.

Analyser

Une fois les données collectées, elles sont analysées pour déterminer les trois à cinq causes racines potentielles les plus probables. Cela est accompli par une collecte de données continue et une revue pour comprendre la contribution de chaque cause racine potentielle en utilisant des outils statistiques, des graphiques et des diagrammes. Le processus DMAIC est itératif et se répète jusqu'à ce que toutes les causes racines valides soient identifiées.

Améliorer

Sur la base des causes racines valides identifiées dans la phase d'analyse, le processus est ajusté jusqu'à ce que la variation excessive soit éliminée. Les phases de Mesure et d'Analyse sont répétées jusqu'à ce que le résultat souhaité soit atteint.

Contrôler

Lorsque le résultat souhaité est atteint, les améliorations sont institutionnalisées de sorte que la source de la variation excessive soit éliminée. Cette étape devrait être accompagnée d'un plan de contrôle pour s'assurer que les sorties continuent d'être à un niveau de qualité acceptable. Le Plan de Contrôle inclut la mise en œuvre du Contrôle Statistique des Procédés (CSP/SPC) pour surveiller le processus et s'assurer qu'il continue de fonctionner correctement au fil du temps. Ce plan de contrôle devrait également inclure des contre-mesures si un problème survient.

En résumé : DMAIC est une méthodologie de résolution de problèmes qui aide le praticien à aborder un problème avec une variation excessive et à le résoudre systématiquement.

Contrôle Statistique des Procédés (CSP/SPC)

Le Contrôle Statistique des Procédés est un outil qui mesure si un processus répond aux normes de produit ou de processus. Si un processus est capable et stable dans le temps, les résultats pour lesquels le processus a été conçu seront atteints.

Utilisons un exemple pour mieux comprendre ces concepts importants. Pensons à la cuisson de muffins.

Capacité du processus et variation

Un processus transforme des entrées en sorties. Dans ce cas, les ingrédients sont les entrées. On sait que le four doit atteindre une température donnée pendant un temps spécifique avec la pâte à muffins à l'intérieur pour obtenir les muffins idéaux.

Supposons que le four fonctionne correctement. Il est capable de produire ce que nous voulons — des muffins chauds cuits exactement et parfaitement. Le fait que le four fonctionne correctement garantit-il que les produits cuits sortiront bien ?

Bien sûr que non.

Et si le four fonctionne correctement, mais que des enfants affamés de muffins et anxieux ouvrent sans cesse la porte pour voir si les muffins sont prêts ? Les muffins ne seront que mi-cuits quand la minuterie sonnera. C'est un exemple de cause spéciale de variation — nous n'obtenons pas le résultat désiré parce que le processus est hors de contrôle. Le processus est capable, il nous donnera ce que nous voulons quand il est employé correctement, mais il n'est pas sous contrôle.

Si nous assurons que le four fonctionne de manière optimale — à la bonne température et avec la porte du four fermée pendant le temps prescrit — le processus sera de retour sous contrôle. Nous avons maintenant un processus qui est à la fois capable et sous contrôle, et nous pouvons raisonnablement nous attendre à ce qu'il produise une douzaine de muffins idéaux.

Si toutes les causes spéciales de variation comme ci-dessus ont été éliminées, alors le processus est réputé sous contrôle et toutes les variations expérimentées sont des variations inhérentes au processus lui-même. Celles-ci incluent de petites variations dans les ingrédients mesurés et de légères variations de température du four. Mais le processus est assez robuste pour produire le résultat désiré même avec ces sources de variation (inhérentes).

En résumé : La Capacité du Processus est une mesure de la capacité du processus à produire le résultat désiré — c.-à-d., elle peut nous dire quel pourcentage de défauts le processus produira inhérentement s'il est sous contrôle. Résultat désiré : une douzaine de muffins parfaitement cuits.

Écart-type

Maintenant que vous savez comment cuire le muffin idéal, nous allons introduire l'Écart-type.

L'Écart-type (σ) est une mesure de variation et le nombre utilisé pour calculer la Capacité du Processus. Il est calculé comme la racine carrée de la variance.

Le Dr William Shewhart, le Père de la Qualité, a commencé à développer des cartes de contrôle au début des années 1920. Il a réalisé que si les variables de sortie clés du processus étaient mesurées, et qu'elles créaient une distribution qui s'apparentait à la courbe en cloche ci-dessus, alors la variation affichée était aléatoire et, par conséquent, inhérente au processus.

En d'autres termes, le processus se comporte ou fonctionne de la manière dont il a été conçu pour fonctionner. Si les données ne sont pas aléatoires, alors il doit y avoir une logique pour expliquer ce comportement. C'est ce qu'est une cause spéciale de variation.

Il y a aussi la Règle Empirique. Cette règle nous dit que, pour une Distribution Aléatoire :

• 68 % des observations seront dans plus ou moins 1 Écart-type
• 95 % des observations seront dans plus ou moins 2 Écarts-types
• 99,7 % des observations seront dans plus ou moins 3 Écarts-types

Shewhart a également conçu des cartes de contrôle (voir ci-dessous) qui incluent des limites de contrôle. Les limites de contrôle sont généralement à une distance de plus ou moins trois Écarts-types de la moyenne. Et, nous savons que si les points de données sont dans les limites de contrôle, alors notre niveau de qualité est d'au moins 99,7 % bon.

Le Contrôle Statistique des Procédés utilise cette connaissance à son avantage. Deux graphiques (graphiques d'évolution) sont surveillés en entrant des données et en observant où les points de données sont situés par rapport à la moyenne (moyenne) et aux limites de contrôle. Tant que les tracés tombent dans les limites de contrôle, le processus est réputé sous contrôle. Donc, pour l'exemple des muffins, le graphique d'évolution de la température du four montrerait la cause spéciale de variation de température due à l'ouverture fréquente de la porte du four comme étant en dehors de la plage normale — la plage normale de variation étant due à la variation aléatoire de température alors que la source de chaleur du four s'allume et s'éteint par exemple.

Veuillez noter qu'aucune attention n'est portée aux spécifications ou limites de spécification (tolérances). Un processus qui est sous contrôle produit ce pour quoi il a été conçu (pas nécessairement prévu) pour produire. Ainsi, il pourrait en fait produire de mauvaises sorties.

Indice de capacité du processus et contrôles

En Six Sigma, l'Indice de Capacité du Processus (Cpk) est un outil statistique utilisé pour mesurer la capacité d'un processus à produire des produits dans la plage de tolérance d'un client. Plus le Cpk est élevé, plus la distribution du processus est étroite par rapport à la plage de tolérance, et plus la sortie est uniforme.

Le Cpk est calculé à l'aide de la formule suivante, où LCS fait référence à la limite de contrôle supérieure et LCI fait référence à la limite de contrôle inférieure :

Cpk = min(LCS - μ, μ - LCI) / (3σ)

Plus le Cpk est élevé, meilleur c'est (plus proche de 2,0 est excellent) où un Cpk de 1,33 indique essentiellement la valeur la plus basse pour un processus qui est sous contrôle et répond aux spécifications.

À ce stade, nous savons que si un processus est capable et sous contrôle, il produira, par définition, le résultat pour lequel le processus a été conçu. Nous avons discuté de comment mesurer le Contrôle de Processus avec le CSP et l'importance de maintenir un processus sous contrôle.

Les limites de spécification se rapportent aux tolérances du processus. Par exemple, une vis pourrait être dimensionnée à 3 pouces (3") de diamètre. Mais comment accommoder la variation inhérente du processus pour produire la goupille ? Nous le faisons en fournissant des tolérances. Il est déterminé qu'une vis de 3", plus ou moins trois millièmes de pouce (.003 pouce) de diamètre, est assez bonne. Toutes les vis dans cette plage de diamètres fonctionneront avec succès pour son application.

Selon le NIST (Institut National des Standards et de la Technologie) :

« La capacité du processus compare la sortie d'un processus sous contrôle aux limites de spécification en utilisant des indices de capacité. La comparaison est faite en formant le rapport de l'écart entre les spécifications du processus (la « largeur » de la spécification) à l'écart des valeurs du processus, tel que mesuré par 6 unités d'écart-type du processus (la « largeur » du processus). »

L'Indice de Capacité du Processus est utilisé pour déterminer à quel point la sortie est proche de la cible existante et à quel point la performance moyenne est cohérente. Par conséquent, il peut être utilisé pour prédire les performances et la cohérence futures des sorties.

Indice de Capacité du Processus et Écart-type

Pour nos besoins, tout ce que nous avons besoin de savoir est que nous pouvons déterminer la capacité d'un processus à produire de bonnes pièces. C'est la même chose que de répondre à ce qui suit :

• Quel pourcentage de la sortie répondra aux spécifications du client ?*
• Combien de vis seront plus grandes que les 3 pouces plus les trois millièmes de diamètre (3,003 pouces) ?
• Combien de vis seront plus petites que les 3 pouces moins trois millièmes de diamètre (2,997 pouces) ?

Vous vous souvenez peut-être que :

Les trois mesures d'écart-type de variation signifient un niveau de qualité de 99,7 % de bon travail produit. Cela équivaut à une mesure de Capacité de Processus de un.

La littérature est plutôt unanime :

Nous avons besoin d'une Capacité de Processus (Cp et Cpk) d'au moins 1,33.

Cela permet ce qu'on appelle le décalage et la dérive où la variation normale du processus cause certains défauts qui ne se produiraient pas s'il n'y avait pas de variation.

Mais il y aura toujours de la variation. La clé est de maintenir un bon contrôle de processus pour éviter les défauts.

Encore, selon le NIST :

« Un indice de capacité de processus utilise à la fois la variabilité du processus et les spécifications du processus pour déterminer si le processus est « capable » ».

Décalage & Dérive

Le principal problème dans le maintien d'un bon contrôle de processus est que, au fil du temps, tout processus va décaler et dériver, peu importe à quel point les réglages initiaux étaient serrés. Lorsque cela se produit, le point clé à retenir est que lorsque la moyenne du processus bouge, toute la plage variable bouge aussi, tandis que les limites de spécification restent stationnaires.

Si le processus dépasse les limites de spécification, le processus fabriquera des produits défectueux. Vous voulez maintenir des niveaux d'indice de 1,00 ou mieux. Cela est atteint avec un bon centrage de la moyenne du processus et la minimisation de la variabilité.

En résumé : En utilisant le Six Sigma, il est possible de comprendre si un processus est capable et de mesurer le Contrôle de Processus et la Capacité de Processus. Tant qu'un processus « sous contrôle » est capable de produire le résultat désiré (Capacité de Processus Cpk d'au moins 1,33), alors il doit performer correctement tant qu'il est sous contrôle. Pour plus d'informations sur le Six Sigma, ou le Lean, veuillez visiter www.cmtc.com et sélectionner l'option « Services ».

Qui nous sommes au CMTC

Le CMTC offre une assistance technique, un développement de la main-d'œuvre et des services de conseil aux fabricants de petite et moyenne taille (FPM) à travers la Californie pour aider les FPM à augmenter leur productivité et leur compétitivité mondiale.

Pour plus d'informations sur le CMTC, visitez notre site web à www.cmtc.com ou contactez-nous au 310-263-3060.