Six Sigma et Simulation : Partie 2 | Simio

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

Cet article est le deuxième d'une série de trois articles sur Six Sigma, Lean Sigma et la simulation. La première partie expliquait les méthodologies Six Sigma. Rappelons que l'objectif de la méthodologie d'amélioration continue DMAIC est de contrôler/réduire la variabilité d'un processus ou d'un produit actuel, tandis que le processus DMADV (Design for Six Sigma) est utilisé pour concevoir un nouveau processus ou produit avec une variabilité minimale avant sa création. La modélisation de simulation peut être utilisée dans presque toutes les phases de l'une ou l'autre méthodologie.

Définir

Les praticiens Six Sigma doivent estimer les économies de coûts pour chaque projet à certifier ou à justifier. Cependant, la plupart de ces prévisions de coûts sont faites sur la base d'estimations ponctuelles de paramètres clés (par exemple, le coût des matières premières, la demande du client/produit, le coût du capital, les taux de change, etc.) En recourant à la simulation de Monte Carlo, il est possible d'utiliser la variabilité et/ou les fourchettes de ces estimations ponctuelles pour obtenir une estimation plus fiable. Dans le même ordre d'idées, plusieurs projets ont été proposés et des simulations peuvent être utilisées pour aider la direction à sélectionner les projets en fonction des contraintes et des objectifs en matière de ressources.

Analyser et améliorer

Au cours des phases d'analyse et d'amélioration, les plans d'expériences (complets, fractionnaires, mixtes, etc.) sont l'outil le plus couramment utilisé. Ils fournissent une ligne de base pour illustrer l'amélioration lorsque des changements sont apportés et pour identifier les facteurs qu'il est intéressant de contrôler ou de modifier. La mesure de base normale est définie comme la capacité du processus (Cpk), qui est une indication de la capacité d'un processus à produire des résultats cohérents - le rapport entre l'écart admissible et l'écart réel d'un processus. L'indice Cpk tient compte de l'excentricité et est défini comme le minimum de (USL-Moyenne)/3 ? ou (Moyenne-LSL)/3 ? où USL et LSL sont les limites supérieure et inférieure de la spécification. Un processus six sigma est normalement distribué avec une valeur Cpk supérieure à 1,5.

Il est préférable d'utiliser le système réel pour saisir toutes les complexités, les interactions, etc. Cependant, en tant que praticiens de la simulation, nous savons quand cela peut être possible ou viable. La liste suivante énumère des exemples où la modélisation de simulation en termes de Monte Carlo ou de simulation de processus peut être utilisée.

• Si le produit ou le processus n'existe pas, comme c'est le cas dans une conception pour Six Sigma, les modèles de simulation peuvent être utilisés pour vérifier la capacité d'un nouveau processus et d'un nouveau produit avant sa mise en œuvre. Par exemple, il est possible de déterminer l'empilement des tolérances des pièces ou des processus individuels. Prenez des pièces ou des processus qui sont dans la tolérance individuellement (par exemple, un roulement et un arbre), mais le processus d'assemblage peut ne pas être capable en raison du problème d'empilement des tolérances qui se produit dans les processus de fabrication, de service et de transaction.
• Le coût d'une EOD avec réplications est trop élevé (par exemple, le coût des matières premières, le coût de l'arrêt du processus actuel). Nous avons collaboré avec des entreprises pour développer des modèles de simulation de processus et de Monte Carlo qui pourraient être utilisés pour déterminer leurs capacités et établir les améliorations potentielles de leurs changements.
• Le temps nécessaire à l'exécution de l'ensemble des expériences rend peu pratique la détermination de la base de référence ou l'évaluation des améliorations d'un processus. En travaillant avec une grande entreprise et son équipe d'amélioration des processus six sigma avec une chaîne d'approvisionnement mondiale complexe, l'un des projets consistait à réduire les stocks d'une série de produits avec un délai d'exécution de dix à douze semaines. L'équipe devait évaluer six politiques d'inventaire, déterminer lequel des trois fournisseurs était le meilleur, etc. Il aurait fallu des années pour réaliser le DOE avec un nombre suffisant de réplications, ce qui aurait rendu le projet inutile sans le modèle de simulation. De plus, la plupart des données utilisées dans le modèle étaient basées sur des délais de livraison qui ne sont pas normalement distribués.
• Pensez à des systèmes dans lesquels plusieurs processus s'alimentent mutuellement (par exemple, des départements, des usines, etc.) et qui ne contiennent que cinq ou six facteurs chacun. Les fonctions de transfert peuvent être générées à partir d'une EOD traditionnelle sur chaque processus individuel, mais pas sur l'ensemble du système. Un modèle de simulation peut être utilisé pour combiner chaque fonction de transfert individuelle afin de déterminer la capacité de l'ensemble du système et de tester une plus large gamme de valeurs.
• Il existe plusieurs environnements dans lesquels il n'est pas pratique, voire impossible, d'effectuer une EOD. Par exemple, nous avons formé à Six Sigma des dizaines de personnes associées à des systèmes hospitaliers de tout le pays. La modélisation et l'analyse de simulation permettent à ces praticiens de vérifier la capacité du processus à l'aide d'un modèle, car le système réel ne peut pas être utilisé puisque les soins aux patients sont en jeu. D'autres environnements dans lesquels nous avons utilisé la modélisation de simulation au lieu du système réel sont les processus transactionnels tels que les secteurs de la banque ou de l'assurance.

Contrôle

La simulation peut également être utilisée comme aide au contrôle du processus lors de sa mise en œuvre afin de déterminer les problèmes potentiels.

Nous espérons qu'il est évident que les experts en simulation possèdent déjà les compétences qui peuvent grandement aider les projets Six Sigma. Ces types de projets ne sont pas uniques, mais simplement des modèles de simulation généraux que nous savons construire. Ils ne nécessitent que l'apprentissage du langage Six Sigma et le calcul des statistiques Cpk. Je trouve qu'il est plus facile de travailler avec les gens de Six Sigma en raison de leur formation statistique qui leur permet de comprendre l'analyse des entrées et des sorties, même s'ils n'ont généralement utilisé que la distribution normale. Dans Six Sigma et la simulation : Partie 3, l'utilisation de la simulation dans le monde Lean Sigma sera abordée.