Il est rare que les systèmes fonctionnent exactement comme prévu. Une personne effectuant une tâche peut prendre six minutes une fois et huit minutes la fois suivante. La variabilité est parfois due à des forces extérieures, comme les matériaux qui se comportent différemment en fonction de l’humidité ambiante. Certaines variations sont assez prévisibles, comme un outil qui coupe plus lentement lorsqu’il s’émousse à l’usage. D’autres semblent beaucoup plus aléatoires, comme une machine qui tombe en panne de temps à autre. Collectivement, nous parlerons de variabilité du processus.
Quelle est votre capacité à prévoir l’impact de la variabilité du processus ? La plupart des gens estiment qu’ils sont assez bons dans ce domaine.
Par exemple, si quelqu’un vous demandait quelle est la probabilité d’obtenir un trois sur un avec un dé à six faces, vous pourriez probablement répondre correctement un sur six (17 %). De même, vous pourriez probablement répondre à la probabilité de tirer deux fois à pile ou face et d’obtenir pile à chaque fois, une fois sur quatre (25 %).
Mais qu’en est-il des systèmes un peu plus complexes ? Supposons qu’un guichetier unique dans une banque serve toujours ses clients en 55 secondes exactement et que les clients arrivent à 60 secondes d’intervalle. Pouvez-vous prédire le temps d’attente moyen des clients ? Je suis toujours surpris par le nombre de professionnels qui se trompent même dans cette simple prédiction. (Si vous voulez vérifier votre réponse, consultez le commentaire joint à cet article).
Mais disons que ces temps sont variables comme ils pourraient l’être dans un système plus typique. Supposons qu’il s’agisse de temps de traitement moyens (en utilisant des distributions exponentielles pour simplifier). Cela fait-il une différence ? Cela change-t-il votre réponse ? Pensez-vous que le client moyen n’attendrait pas du tout ? Attendrait-il moins d’une minute ? Moins de 2 minutes ? Moins de 5 minutes ? Moins de 10 minutes ? J’ai posé ce problème à de nombreuses reprises à de nombreux groupes et dans un groupe moyen de 40 professionnels, il est rare qu’une seule personne réponde correctement à ces questions.
Il ne s’agit pas d’un problème difficile. En fait, il s’agit d’un problème trivial comparé au système de fabrication le plus petit et le plus simple. Et pourtant, ces mêmes personnes examineront un groupe de travail ou une ligne contenant cinq machines et seront convaincues de pouvoir prédire l’impact d’un temps d’arrêt aléatoire sur les performances globales du système. Maintenant, étendez cela à un système typique avec toute sa variabilité dans les temps de traitement, les pannes d’équipement, les temps de réparation, les arrivées de matériel et toute autre variabilité commune. Peut-on prédire ses performances ? Peut-on prédire l’impact d’un changement ?
Avec l’aide de la simulation, vous pouvez
Ce problème simple peut être facilement résolu par la théorie des files d’attente ou par un modèle simple dans votre programme de simulation préféré. Les problèmes plus complexes nécessiteront une simulation. Après avoir utilisé votre intuition pour deviner la réponse, je vous suggère de déterminer la bonne réponse par vous-même. Si vous souhaitez vérifier votre réponse, consultez le commentaire joint à cet article.
Et la prochaine fois que vous ou quelqu’un que vous connaissez serez tenté de prédire les performances d’un système, j’espère que vous vous souviendrez de la façon dont vous avez réussi à prédire les performances d’un système trivial. Utilisez ensuite la simulation pour obtenir une réponse précise.
Dave Sturrock
VP Produits – Simio LLC