Documente Academic
Documente Profesional
Documente Cultură
Diapositives du cours :
ibtissamelhassani.blogspot.com
+ Avant de commencer… 2
n Duret, D., & Pillet, M. (2011). Qualité en production: de l'ISO 9000 à
Six Sigma. Editions Eyrolles.
Diapositives du cours : ibtissamelhassani.blogspot.com
2
+ Amélioration continue 3
Kai Zen
Changement Meilleur
+ Pourquoi s’Améliorer? 4
+ Progrès Permanent et 5
Amélioration Continue
Performance
Amélioration
continue
Besoin de
Maîtrise
Temps
+ Progrès Permanent et 6
Amélioration Continue
Gain
Performance
Amélioration
continue
Temps
Investissement
+ Progrès Permanent et 7
Amélioration Continue
Performance
Rupture
Besoin de
Rupture
Amélioration
continue
Besoin de
Maîtrise
Temps
+ Progrès Permanent 8
Performance
Rupture
Amélioration
continue
Besoin de
Maîtrise
Rupture
Amélioration
continue
Besoin de
Maîtrise
Temps
+ Méthodes et outils 9
Matrice
des Méthodes d’Amélioration
+
États-Unis
Les années 1980
Motorola
n Variabilitédans le
processus de tir :
n Fatigue, stress
n La variabilité des flèches
n Le vent
n La distance au blason…
+ La variabilité 13
15
+ La Réduction de la 16
Variabilité
16
+ Z : Indicateur de Qualité 17
17
+ Les acteurs du Six Sigma 18
Le
Cha
mpi
on
Le
Master
Black
Belt
Le Black Belt
Le Green Belt
Le Yellow Belt
Le White Belt
18
+ La loi normale 19
Exemple d’application :
Une embouteilleuse semi-automatique
remplit des bouteilles de 1 litre d’eau. Le
contenu d'une bouteille suit une loi normale
dont l’écart-type est de 1,5 cl. On souhaite
qu’au moins 95 % des bouteilles contiennent
99 cl ou plus.
Le contenu moyen d'une bouteille étant
réglable, sur quelle valeur doit on régler la
machine ?
19
+ Etape de la Mise en Place de 20
20
6 sigma
+
Quality)
n Diagramme CTQ
n Classification de KANO
n Diagramme de Performances/Exigences
n Matrice QFD
+ Diagramme CTQ 26
Restaurant
26
+ Classification de Kano 27
27
+ Questionnaire de Kano 28
28
+ Traduction du questionnaire de 29
Kano en catégorie
+ Diagramme « Exigences/ 30
Performances »
30
La matrice QFD – Quality
+ 31
Function Deployment
31
+ 32
32
+ Diagramme SIPOC 33
33
+ Boîte noire 34
+ Diagramme « dedans/ 35
dehors »
+ 36
La charte
du Projet
+ Exemple CTQ 37
+ 38
+ 39
+
è Analyse de la variance
R&R et Cmc
+ 46
Cmc > 4 (ou R&R% < 25 %), l’instrument est jugé acceptable.
+ Analyse 5 M 47
+ 48
+ 49
Matrice
d’Impact
+ Campagne de Relevés 50
+ Indicateurs 51
n de la qualité Z.
n de capabilité Cp, Cpk et Cpm.
n de performance Pp, Ppk et Ppm.
+ Estimer le z du processus 52
+ Estimer le z du processus 53
+ Calcul du zprocess en tenant 54
compte du
décentrage
Cpm
+ Performance Pp, Ppk, Ppm 58
+ Application 59
On donne :
Cible = 10mm
Moyenne de l’échantillon = 10,01mm
Intervalle de tolérance :
LSS = 10,03mm
LSI = 9,97mm
σCT = 0,015
σLT = 0,02
+ Estimation du sigma long terme 60
et court terme
et court terme
n Méthode 1
n Méthode 2
n Méthode 3
1/ Comme la méthode 2.
2/
+ Estimation d2* 62
+ Estimation c4 63
+ La chute des capabilités 64
Définir
1 000 X potentiels
Étape 10 X potentiels
Analyser : un Analyser analyse descriptive des X et des Y et
entonnoir à X
l’analyse relationnelle entre les X et Y.
Innover
Standardiser
+ La conduite de l’étape 70
Analyser
1 • une analyse descriptive : détecter d’éventuelles
anomalies telles que la présence de valeurs aberrantes,
une non-normalité…
des Y et des X
u une analyse des variations dans le temps des caractéristiques afin de
vérifier si la caractéristique est sous contrôle (utilisation des cartes de
contrôle) ;
les X et les Y
n Quels sont les X qui expliquent la variabilité des Y ?
Variations de position
• Variations cycliques
– Position sur une
machine multi-
Variations temporelles
posages.
– Variation d’un lot à
– Chip particulier
un autre.
dans un wafer.
– Variation d’une
– Empreinte dans un – Variation d’une
coulée à une autre.
moule sur une presse équipe à l’autre, matin
– Variation parmi un
à injecter. et soir, jours de la
groupe d’unités
– Variation entre 2 semaine...
(usure d’outils).
machines, 2
– ...
opérateurs, 2 ateliers.
– ...
+ Représentation Graphique 73
des données
Diagramme des effets et
Boxplot Le Diagramme multi-vari diagramme des interactions
+ Représentation Graphique 74
des données
La boîte à moustache :
n
+ Représentation Graphique 76
des données
Le
diagramme
multi-vari
– La position sur
le plateau ?
– Le lot matière ?
– Le matin ou
soir ?
+ Représentation Graphique 77
des données
n Diagramme des
effets
+ Représentation Graphique 78
des données
Graphe des
interactions :
Paramètres de Position
la moyenne
la médiane
intervalle de confiance
+ 81
Exemple :
Paramètres d’échelle
n l’étendue ;
n la variance ;
Paramètres d’échelle
tests de comparaison
tests de comparaison
tests de comparaison
+ Notion de risque alpha (α) 88
n Risque bêta (β) = c’est le risque de conclure qu’il n’y a pas de
différence significative (H0) alors que cette différence existe bien.
+ Notion de risque alpha (α) 89
n
+ Statistique Inférentielle – 90
tests de comparaison
n on veut vérifier l’influence de la position d’une pièce et
d’un type d’outil sur une caractéristique Y. On a réalisé
deux relevés pour chaque combinaison position/outil. Les
données disponibles sont présentées dans le tableau
suivant. Peut-on conclure à l’influence de la position et de
l’outil ? L’interaction position*outil est elle significative ?
ANAVAR
+ L’étude de Corrélations 91
comparaison
+ Différents tests de 95
comparaison
+ Différents tests de 96
comparaison
+ Différents tests de 97
comparaison
+ Différents tests de 98
comparaison
+ Différents tests de 99
comparaison
+ Différents tests de 100
comparaison
+ Différents tests de 101
comparaison
+ Exercice 102
n
+ Exercice 104
n
+ Étape 3 – ANALYSER Résumé 105
1. Analyse de Y
• Étude de la normalité.
2. Analyse des X
• Faire une observation sur la normalité, les variations temporelles et la chute des
capabilités sur les X.
+ Étape 3 – ANALYSER Résumé 106
+ Étape 3 – ANALYSER Résumé 107
5. Hiérarchiser les X
• À nouveau, une analyse des gains et des coûts doit être faite afin
6 sigma : Innover
+ La conduite de l’étape 110
110
Innover
Synthèse Planifier
des la mise
Générer Valider Analyser en
connais-
des les les
oeuvre
sances solutions
solutions
risques
de la
acquises
solution
+ La conduite de l’étape 111
111
Innover
Synthèse Planifier
des la mise
Générer Valider Analyser en
connais-
des les les
oeuvre
sances solutions
solutions
risques
de la
acquises
solution
+ Générer des solutions 112
112
démarche expérimentale
Innover
Synthèse Planifier
des la mise
Générer Valider Analyser en
connais-
des les les
oeuvre
sances solutions
solutions
risques
de la
acquises
solution
+ Plan d’expérience pour 117
117
6sigma
6sigma
6sigma
Modèle
6sigma
B2
M2
M4
M3
Plan
Traditionnels
M1
B1
A
A1
A2
Effet de A = M3 – M4
+ Plan d’expérience pour
122
122
Expérience
6sigma
B
B1
Y3
Y4
Plan
d’Expérience
Y1
Y2
B2
A
A1
A2
Effet de A = (Y2 + Y4)/2
− (Y1 + Y3)/2
= (Y4 − Y3)/2 + (Y2 − Y1)/2
+ Plan d’expérience pour
123
123
Expérience
6sigma
B
B1
Y3
Y4
B2
Y1
Y2
A
A1
A2
+ Plan d’expérience pour
125
125
Expérience
6sigma
Y = a0 + a1 . X
Y
?
Régression
linéaire
a0? a1 ?
X
+ Plan d’expérience pour 126
126
6sigma
Régression multilinéaire
a0? ai ? aij ? aijk ?
-1 t 0 +1
t = (T-T0)/ΔT
+ Plan d’expérience pour
128
128
Expérience
6sigma
Points Expérimentaux
6sigma
Expérience
Points Expérimentaux
6sigma
Expérience
Points Expérimentaux
6sigma
Expérience
Points Expérimentaux
6sigma
Points Expérimentaux
Plan 1
Plan 2
Plan 3
Y = a0+ a1X1+a2X2+a3X3
6sigma
Points Expérimentaux
Plan 1
Plan 2
Plan 3
’ Ea u
m e nt d
r a i t e
de T
sin e
U
+ Illustration : 136
136
+ Illustration :
Application au traitement d'eau polluée par des ions Cu2+ et Zn2+
137
137
A = Nature de
l’Hydroxyde
B = Excès Durée de la
stœchiométrique décantation
en hydroxyde
C = Pourcentage
de floculant
A
B
C
Niveau -1
chaux
x2
2%
Niveau +1
soude
x4
10%
Niveau 0
---
---
6%
+ Illustration : 138
138
N°
Moy
A
B
C
AB
AC
BC
ABC
Y
1
+
-
-
-
+
+
+
-
27
2
+
+
-
-
-
-
+
+
19,5
3
+
-
+
-
-
+
-
+
43,5
4
+
+
+
-
+
-
-
-
21,5
5
+
-
-
+
+
-
-
+
20,5
6
+
+
-
+
-
+
-
-
16,5
7
+
-
+
+
-
-
+
-
30
8
+
+
+
+
+
+
+
+
12,5
coef
23,9
-6,4
3
-4
-3,5
1
-1,6
0,13
+ Illustration : 139
139
N°
Moy
A
B
C
AB
AC
BC
ABC
Y
1
+
-
-
-
+
+
+
-
27
2
+
+
-
-
-
-
+
+
19,5
3
+
-
+
-
-
+
-
+
43,5
4
+
+
+
-
+
-
-
-
21,5
5
+
-
-
+
+
-
-
+
20,5
6
+
+
-
+
-
+
-
-
16,5
7
+
-
+
+
-
-
+
-
30
8
+
+
+
+
+
+
+
+
12,5
coef
23,9
-6,4
3
-4
-3,5
1
-1,6
0,13
+ Illustration : 140
140
Modèle ?
Optimum ?
+ Plans Factoriels Complets 143
143
Plan complet 23
è 23 = 8 coefficients à estimer
è 8 expériences nécessaires
+ Les Plans Fractionnaires 2k-p
145
145
Plan complet 23
è 4 coefficients à estimer
è 4 expériences nécessaires
C = AB
CA=B
Y = (a0+a123)+ (a1+a23)A + (a2+a13)B + (a3+a12)C
BC=A
ABC=1
6sigma
6sigma
Représentation graphique
Facteurs
Représentation graphique
Interactions
+ La Méthode Taguchi 155
155
Représentation graphique
Modèle
Y = I+A+B+C+D+AB+AD+AC
A C
D
+ La Méthode Taguchi 156
156
Représentation graphique
Modèle
Exemple :
Y = I+A+B+C+D+E+AB+BC+CD+DE+EA
A B è groupe 3
C D E è groupe 1
+ La Méthode Taguchi 157
157
Matrice d’expériences
Graphes linéaires
L9(34)
Variables
L4(23) Exp.
Num X1 X2 X3 X4
Nombre de Variables
Exp. 1 1 1 1 1
niveaux Nombre de X1 X2 X3
Num 2 1 2 2 2
facteurs
L4(23) 1
2
1
1
1
2
1
2
3
4
1
2
3
1
3
2
3
3
Nombre 3 2 1 2 5 2 2 3 1
d’expériences 4 2 2 1 6 2 3 1 2
7 3 1 3 2
8 3 2 1 3
9 3 3 2 1
+ La Méthode Taguchi 159
159
Définition du modèle
Facteurs : A, B, C, D
Niveaux : 2
Interactions : AB, AD
Y = M + A + B + C + D + AB +
AD
+ La Méthode Taguchi 160
160
Y = M + A + B + C + D + AB +
AD
2 2 2 2 4 4
ddl = 7
1 1 1 1 1 1 1
+ La Méthode Taguchi 161
161
A
B
C
D
AB
AD
A
2x2
2x2
2x2
*
*
*
B
2x2
2x2
2x4
*
*
C
*
2x2
2x4
2x4
PPCM= 8
D
2x4
*
*
AB
*
*
Table L8(27)
AD
*
+ La Méthode Taguchi 162
162
D
C
B
+ La Méthode Taguchi 163
163
Exemple :
n Facteurs : A, B, C, D, E, F, G
n Interactions : AB, AC, BC, AD, AE
n 2 niveaux
+ La Méthode Taguchi - 164
164
Annexe
Un plan d’expérience est orthogonal vis à vis d’un modèle, si tous les facteurs et
n
Représentation
interactions disjointsgraphique
du modèle sont orthogonaux dans le plan d’expériences.
n Un plan devra compter un nombre d’essai égal au PPCM des produits du nombre de
niveau de toutes les entrées disjointes prise 2 à 2.
n Le nombre de ddl d’un modèle indique le nombre de valeurs qu’il est nécessaire de
calculer pour connaître l’ensemble des coefficients du modèle.
n Il est nécessaire de faire au moins autant d’essai qu’il y a de ddl dans le modèle.
Règle de ddl
n Le nombre minimale d’expérience à réaliser est égale au nombre de ddl du modèle.
+ La conduite de l’étape 165
165
Innover
Synthèse Planifier
des la mise
Générer Valider Analyser en
connais-
des les les
oeuvre
sances solutions
solutions
risques
de la
acquises
solution
MOZAR
APR
Plan de Prévention
HAZOP
AMDEC
….
+ La conduite de l’étape 166
166
Innover
Synthèse Planifier
des la mise
Générer Valider Analyser en
connais-
des les les
oeuvre
sances solutions
solutions
risques
de la
acquises
solution
1. Acteurs
2. Etapes
3. Planification
4. Actualiser les gains et les coûts
+ Résumé - INNOVER 167
167
Synthèse Planifier
des la mise
Générer Valider Analyser en
connais-
des les les
oeuvre
sances solutions
solutions
risques
de la
acquises
solution
1. processus
1. amélioration 1. Management 1. Acteurs
1. Lister les X
expérimental
s possibles
des Risques
2. Etapes
2. Sélectionne 2. niveau des X
2. Évaluation 3. Planification
r les X
pour réduction de
des 4. gains + coûts
la dispersion
propositions
3. Nouvelles
capabilités
+ 168
168
+ 169
169
Chapitre 6
Etape de la Mise en Place de
6 sigma : Contrôler
+ Objectifs de Contrôler 170
170
X1
X2 Y
X3
Spécification X ?
Spécification Y :
Cible ?
Cible
Tolérances ?
Tolérances
+ Valider les spécifications 172
172
Y Droite de Régression
Enveloppe
Spécification Y
Cible
Tolérances
X
Spécification X ?
Cible ?
Tolérances ?
+ Objectifs de Contrôler 173
173
opératoires
Constituer une mémoire de l’entreprise
Procédures génériques
Documents synthétiques
Check-lists
Feuilles de relevés
+ 175
175
Formaliser
n’est pas
synonyme
écrire!
d’
+ 176
176
n
Carte p
Taille cst ou varie
Nb NC/échantillon
n
Carte np
Taille Cst
Aux mesures
Carte u
Taille cst ou varie
Nb NC/
Unité de contrôle
Carte C
Taille Cst n=1
X/R
n = 4 ou 5 de 2 à 10
Sous groupe
d’unités
X/s
n>=10
Aux attributs
Interprétation
Décision carte Moy ?
Production
Décision carte R ?
Production
+ Carte de contrôle : 186
186
Interprétation
Décision carte Moy ?
Régler le
processus
Décision carte R ?
+ Carte de contrôle : 187
187
Interprétation
Décision carte Moy ?
Régler le
processus
Décision carte R ?
+ Carte de contrôle : 188
188
Interprétation
Décision carte Moy ?
Régler le
processus
Décision carte R ?
+ Carte de contrôle : 189
189
Interprétation
Décision carte Moy ?
Confirmer
Décision carte R ?
Production
+ CONTRÔLER : Suivi des 190
190
indicateurs
+ 191
191
Chapitre 6
Etape de la Mise en Place de
6 sigma : Contrôler
+ Étape 6 – STANDARDISER 192
192
Bilan technique
Bilan financier
Bilan humain
Bilan méthodologique
+ Étape 6 – STANDARDISER 195
195