Six Sigma et simulation : 1re partie

Par Jeff Joines (professeur associé en ingénierie textile à la NCSU)

Il s'agit d'une série en trois parties sur Six Sigma, Lean Sigma et la simulation. Le premier blog explique la méthodologie Six Sigma et le lien avec l'analyse et la modélisation par simulation, tandis que les deuxième et troisième parties décrivent les utilisations de la simulation dans chacune des phases Six Sigma et Lean Sigma (i.e., Lean Manufacturing) respectivement.

"Les systèmes fonctionnent rarement exactement comme prévu" est le point de départ du blog Prévoir la variabilité des processus et la force motrice de la plupart des projets d'amélioration. Comme indiqué, la variabilité est inhérente à tous les processus, qu'il s'agisse de la fabrication d'un produit dans une usine, de la production d'un produit par l'intermédiaire d'une chaîne d'approvisionnement complète ou de la fourniture d'un service dans le secteur de la vente au détail, de la banque, du divertissement ou de l'environnement hospitalier. Si l'on pouvait prédire ou éliminer la variabilité d'un processus ou d'un produit, il n'y aurait pas de gaspillage (ou Muda dans le monde Lean, qui sera abordé dans une troisième partie) associé à un processus, pas d'heures supplémentaires pour terminer une commande, pas de ventes perdues en raison d'un mauvais stock ou de longs délais d'exécution, pas de décès dus à des erreurs dans les soins de santé, des délais d'exécution plus courts, etc. ce qui conduit finalement à une réduction des coûts. Pour toute organisation (de fabrication ou de service), la réduction des coûts, des délais, etc. est ou devrait être une priorité afin d'être compétitive dans le monde global. La réduction, le contrôle et/ou l'élimination de la variabilité d'un processus sont essentiels pour minimiser les coûts.

Six Sigma est une philosophie d'entreprise axée sur l'amélioration continue afin de réduire et d'éliminer la variabilité. Dans un environnement de services ou de fabrication, un processus Six Sigma (6 ?) serait pratiquement exempt de défauts (c'est-à-dire qu'il n'admettrait que 3,4 défauts sur un million d'opérations d'un processus). Toutefois, la plupart des entreprises opèrent à un niveau quatre sigma, qui autorise 6 000 défauts par million d'opérations. La méthode Six Sigma a vu le jour dans les années 1980, lorsque Motorola a entrepris de réduire le nombre de défauts dans ses propres produits. Motorola a identifié des moyens de réduire le gaspillage, d'améliorer la qualité, de réduire les délais et les coûts de production et de se concentrer sur la manière dont les produits étaient conçus et fabriqués. Six Sigma est né de cette initiative proactive consistant à utiliser des mesures exactes pour anticiper les problèmes. En 1988, Motorola a été la première grande entreprise manufacturière à remporter le Malcolm Baldrige National Quality Award. En conséquence, les méthodologies de Motorola ont été lancées et leurs fournisseurs ont rapidement été encouragés à adopter les pratiques Six Sigma. Aujourd'hui, les entreprises qui utilisent la méthodologie Six Sigma parviennent à réduire leurs coûts de manière significative.

Six Sigma a évolué à partir d'autres initiatives en matière de qualité, telles que ISO, Total Quantity Management (TQM) et Baldrige, pour devenir un processus de normalisation de la qualité basé sur des données concrètes et non sur des intuitions ou des sentiments, d'où le terme mathématique Six Sigma. Six Sigma utilise une série d'outils statistiques traditionnels, mais les intègre dans un cadre d'amélioration des processus. Ces outils comprennent les diagrammes d'affinité, l'analyse des causes et des effets, l'analyse des modes de défaillance et de l'efficacité (AMDE), le Poka Yoke (vérification des erreurs), l'analyse des enquêtes (voix du client), la conception d'expériences (DOE), l'analyse des capacités, l'analyse des systèmes de mesure, les diagrammes et les plans de contrôle des processus statistiques, etc.

Il existe deux processus Six Sigma de base ( DMAIC et DMADV) qui utilisent tous deux des approches de solutions à forte intensité de données et éliminent le recours à l'instinct ou à l'intuition dans la prise de décisions et la réalisation d'améliorations. La méthode Six Sigma, basée sur le processus DMAIC, est utilisée lorsque le produit ou le processus existe déjà, mais qu'il ne répond pas aux spécifications ou ne fonctionne pas correctement.

Définir, identifier, hiérarchiser et sélectionner les bons projets. Une fois le projet sélectionné, définir les objectifs et les produits à livrer.
Mesurer les caractéristiques clés du produit et les paramètres du processus pour créer une ligne de base.
Analyser et identifier les principaux déterminants du processus ou les causes profondes de la variabilité.
Améliorer et optimiser les performances en éliminant les défauts.
Contrôler les gains actuels et les performances futures du processus.

Si le processus ou le produit n'existe pas et doit être développé, le processus Design for Six Sigma (DFSS) (DMADV) doit être utilisé. Les processus ou produits conçus à l'aide du processus DMADV atteignent généralement le marché plus rapidement, comportent moins de retouches, réduisent les coûts, etc. Bien que le processus DMADV soit similaire à la méthode DMAIC et commence par les trois mêmes étapes, celles-ci sont très différentes, comme le montre la définition ci-dessous.

Définir, identifier, hiérarchiser et sélectionner les bons projets. Une fois le projet sélectionné, définir les objectifs et les produits à livrer.
Mesurer et déterminer les besoins et les spécifications du client par le biais de la voix du client.
Analyser et identifier les options de processus nécessaires pour répondre aux besoins du client.
Concevoir un processus ou un produit détaillé pour répondre aux besoins du client.
Vérifier les performances de la conception et sa capacité à répondre aux besoins du client, que celui-ci soit interne ou externe à l'organisation.

Les deux processus utilisent l'amélioration continue d'une étape à l'autre. Par exemple, si, au cours de la phase d'analyse, vous déterminez qu'un intrant clé n'est pas mesuré, de nouvelles mesures doivent être définies ou de nouveaux projets peuvent être définis une fois que la phase de contrôle est atteinte.

Maintenant que nous avons défini le Six Sigma, vous vous demandez peut-être quel est le lien avec la simulation et la modélisation informatiques. La modélisation et l'analyse de simulation ne sont qu'un outil supplémentaire dans la boîte à outils Six Sigma. De nombreux outils statistiques (par exemple, DOE) tentent de décrire les variables dépendantes(Y)en termes de variables indépendantes(X) afin de les améliorer. En outre, la plupart des outils statistiques sont des méthodes paramétriques (c'est-à-dire qu'ils s'appuient sur une distribution normale des données ou utilisent notre ami le théorème de la limite centrale pour faire en sorte que les données semblent normalement distribuées). De nombreux outils traditionnels peuvent produire des résultats sous-optimaux ou ne peuvent pas être utilisés du tout. Par exemple, si l'on conçoit un nouveau processus ou un nouveau produit, le système n'existe pas et il n'est donc pas possible de déterminer la capacité actuelle ou les performances futures. La complexité et l'incertitude de certains processus ne peuvent être déterminées ou analysées à l'aide des méthodes traditionnelles. La modélisation et l'analyse par simulation ne reposent sur aucune de ces hypothèses et peuvent produire une gamme de résultats plus réalistes, en particulier lorsque les variables indépendantes(X) peuvent être décrites comme une distribution de valeurs. Dans Six Sigma et la simulation : Partie 2, nous examinerons plus en détail la manière dont la simulation est utilisée dans les deux processus Six Sigma(DMAIC et DMADV).