Documente Academic
Documente Profesional
Documente Cultură
Lean Six Sigma
Mme TOURIKI Fatima Ezahra
Département Génie Industriel
Année Universitaire 2016/ 2017
Université Cadi Ayyad ﺟﺎﻣﻌـﺔ ﺍﻟﻘﺎﺿـﻲ ﻋﻳـﺎﺽ
Ecole Nationale des Sciences Appliquées ﺍﻟﻣﺩﺭﺳـﺔ ﺍﻟﻭﻁﻧﻳـﺔ ﻟﻠﻌﻠـﻭﻡ ﺍﻟﺗﻁﺑﻳﻘﻳـﺔ
Département Génie Industriel ﺁﺳﻔــﻲ
Module: Lean Manufacturing
Définir
Plan Démarche
Mesurer
Analyser
DMAIC
Innover
Contrôler
Le processus caractérisé par une répétabilité
PILOTAGE Clients
Fournisseurs
Matières
RESSOURCES (matérielles, humaines, organisationnelles, Produit fini
premières
documentaires…)
ÉLEMENTS ÉLEMENTS
ENTRANTS Valeur Ajoutée SORTANTS
X1 , X2 , X3 … Y
Fonction de transfert f
Paramètres mesurables Caractéristiques
Y= f(X1, X2…)
4et contrôlables de sortie
Les fluctuations du processus résultent
Production de Lean
qualité parfois
Production rapide
6 σ
Lean génératrice
parfois en dépit de 6 σ
d’activités à non
la qualité
Valeur Ajoutée
Satisfaction du client
Approches
complémentaires
6 Sigma de parle-t-on?
Méthodologie d’amélioration de la qualité orienté CLIENT,
qui permet de réduire la variabilité du PROCESSUS ,
Indicateur de performance (3,34 DPMO).
6 Sigma de parle-t-on?
• Objectifs:
– Centrage des processus
sur les valeurs cibles
– Diminution des
défaillances et des défauts,
– Réduction des coûts,
– Réduction de la variabilité
(dispersion) au sein des
processus,
DMAIC
1.1
Ecouter le client et 1.2 1.3
identifier ses Cartographier le Définir charte
attentes processus projet
DMAIC
– Définir l’objet et le périmètre du
projet (Processus‐atelier)
– Identifier les gains potentiels/ Préciser
les objectifs 1.3
Définir charte
– Définir l’équipe projet: responsabilité, projet
tâches…
1.Définir
1.1
Ecouter le client et identifier
ses attentes:
Résultats:
1. Identification critère
qualité
2. Identification du moyen
de mesure
3. Définition de
l’amélioration souhaitée
1.Définir
1.2
Cartographier le
processus
Résultats:
1. Identification des
activités processus
2. Identification des
paramètres influents
1.Définir
1.3
Définir charte projet
Résultats:
1. Définition des objectifs
opérationnels et financiers,
2. Identification de l’équipe et
des responsabilités
3. Planning projet …
2. Mesurer
Deux processus toujours en parallèle :
Processus de fabrication et processus de contrôle
Distribution de Y Type:
Y
‐ Mesure (Variable): Normale ‐ Mesure (34,41,39...)
Gaussienne ‐ Inspection humain
‐ Classement : Loi Binomiale (0,1) (classement)
‐ Comptage: Loi de Poisson ‐ Comptage (1,2,3…)
Phase
Cas de Variable Continue Mesurer
2.1 Valider le processus de mesure:
– tude R&R : Répétabilité et Reproductibilité.
Phase
Définition R&R:
Mesurer
Outil statistique permettant de qualifier un système de mesure en calculant un Méthodologie
pourcentage qui indique les variations totales du processus de mesure. Plus ce
pourcentage est faible et meilleur est le système.
Choisir une dizaine de pièces, mesurées au
moins deux fois par au moins 2 opérateurs
Intérêt
Vérifier que la mesure réalisée n’est pas trop sensible au problème de répétabilité
et de reproductibilité.
Calcul de la variation du à la répétabilité
et à la reproductibilité, et la variation
La Reproductibilité totale
La Répétabilité
Variations de mesures
Variations de mesures obtenues sur un même Calcul du pourcentage R&R
successives obtenues sur un mesurande en faisant varier
même mesurande dans les une condition (notamment)
mêmes conditions. l’opérateur
10% 30% Déterminer niveau performance du
0
processus de mesure et définir si
Acceptable mais besoin les actions à mettre en place
Processus
satisfaisant
améliorations Inacceptable
possibles
Phase
Mesurer
2.2 Collecte des données:
• Fiche de relevé,
• Réduire la variabilité du processus à travers une analyse 5 M
Collecte des données
Diamètres de tiges tournées en mm
39,5 38,7 40 40 38,9 39,1
39 41,5 42,6 39,4 40,8 38,8
39,9 39,1 39,9 41,3 37,2 39,9
39,7 39,7 43,1 40,6 41,5 40,7
38,5 39,4 38,6 37 39,4 42,2
40 39 37 40,4 39 40,6
39,2 39,5 39,7 40 39,5 37,8
40,9 40,9 40,4 39,4 39,4 38,5
37,6 41,2 37,8 40,1 39,6 38,4
37,9 38,4 37,6 41,2 42,1 40,3
Données incompréhensibles à l’état brute !!
19
Vocabulaire générique
– Population: Ensemble des mesures observées de la
variable X. Population de taille N
– Échantillon: Sous ensemble de la population
(recensement partiel)
– Paramètre : Propriété caractéristique associée à la
population ou à l’échantillon
– Exemple: Moyenne, écart type, étendue…
– Caractère/ Variable: C’est la propriété mesurée
associée à l’individu (unité statistique)
– Exemple: Diamètre, longueur Échantillon de taille n
20
Rappel Statistique Phase
Mesurer
Variable Qualitative
Variables Non mesurable: prend des états appelés
Qualitatives MODALITÉS ou des niveaux dans un
ensemble quelconque.
Variables
Statistiques
Variable Quantitative:
Variables
Quantitatives Mesurable: Variable qu’on peut
exprimer NUMÉRIQUEMENT.
Phase
Mesurer
L’ensemble de ses modalités est
Variable ordonné, exemple: faible, moyen
Ordonnée ou peu important, assez
Variables important,….
Qualitatives
Variable Ph d’une solution, aspect externe
Nominale d’un produit, couleur…
Variables
Statistiques Peut prendre n’importe quelle valeur
Variable dans un intervalle fini ou infini. Ex:
Continue longueur, diamètre, Volume, poids,
Variables Température…
Quantitatives
Variable Peut prendre que quelques valeurs
Discrète dans un intervalle fini ou infini. Ex:
nombre de pièces non conformes;
Nombre de défauts de surface…
Donnez du sens
Dans un atelier mécanique, on a vérifié le diamètre de tiges tournées sur un tour automatique. Le diamètre
des tiges devrait normalement se situer entre 36 et 44 mm (tolérance) avec une valeur nominale de 40
mm. Soixante tiges ont été mesurées avec un micromètre de précision et les résultats sont présentés dans
le tableau suivant:
Diamètres de tiges tournées en mm
39,5 38,7 40 40 38,9 39,1
39 41,5 42,6 39,4 40,8 38,8
39,9 39,1 39,9 41,3 37,2 39,9
39,7 39,7 43,1 40,6 41,5 40,7
38,5 39,4 38,6 37 39,4 42,2
40 39 37 40,4 39 40,6
39,2 39,5 39,7 40 39,5 37,8
40,9 40,9 40,4 39,4 39,4 38,5
37,6 41,2 37,8 40,1 39,6 38,4
37,9 38,4 37,6 41,2 42,1 40,3 23
Représentation graphique: Histogramme
But: visualiser un ensemble de données relatif à une caractéristique mesurable
afin de déterminer la répartition.
–Sous-Forme de diagramme composé de
RECTANGLES JUXTAPOSÉS dont la
base correspond à la largeur de la
classe et la hauteur à la fréquence de la
classe.
Nombre de données à dépouiller Nombre de classe
n K
2. Choix de nombre de 10 4
classes, 10<n≤22 5
22<n≤44 6
44<n≤90 7
90<n≤180 8
K= 1+ (10*log10n)/3 180<n≤360 9
360<n≤720 10
720<n≤1000 11
Procédure de construction d’histogramme
Diamètres de tiges tournées
39,5 38,7 40 40 38,9 39,1
39 41,5 42,6 39,4 40,8 38,8
3. Calcul de l’étendue: 39,9
39,7
39,1
39,7
39,9
43,1
41,3
40,6
37,2
41,5
39,9
40,7
38,5 39,4 38,6 37 39,4 42,2
40 39 37 40,4 39 40,6
Étendue= Vmax(X) – Vmin(X) 39,2 39,5 39,7 40 39,5 37,8
40,9 40,9 40,4 39,4 39,4 38,5
37,6 41,2 37,8 40,1 39,6 38,4
37,9 38,4 37,6 41,2 42,1 40,3
4. Calcul de la largeur des classes, Nombre de classes= 7
Etendue= 6,1
Largeur des classes = Etendue/nb de classe Largeur des classes= 0,87
Dans cet exemple : la largeur des classes sera arrondie au plus grand entier, donc chaque classe aura une largeur de 1 mm.
Procédure de construction d’histogramme
6. Construction de l’histogramme.
Histogramme diamètres tiges tournées
25 Tolérance
22
max=44 mm
Fréquence par classe
20
15 11 10
10 8
5
5 3
1
0
38 39 40 41 42 43 44
Limite sup des classes
28
Interprétation d’histogramme
29
Calcul des paramètres de position et de dispersion
- Médiane= Valeur qui sépare en deux parties égales l’ensemble des données d’une
distribution rangées par ordre de grandeurs croissantes.
- Si n = pair Médiane= n/2
- Si n = impair Médiane = (n+1)/2
- Exemple : sur les 11 mesures suivantes: 7; 16; 11; 20; 23; 19; 12; 8; 3; 1; 21
- Classées par ordre croissant: 1; 3 ;7 ; 8 ; 11 ; 12 ; 16 ; 19 ; 20 ; 21 ; 23
- La valeur 12 représente la médiane
- Elle tient compte du nombre de donnée et non de leur valeur, de ce fait, elle n’est
pas influencée par la valeur des données extrêmes.
- Inconvénient : se prête peu aux calculs mathématiques.
Leur relation
Fréquences
8
7
Distribution des données
6
SYMÉTRIQUE : 5
Cas d’une courbe normale 4
3
2
1
0
80 85 90 95 100 105 110 115 120
Moyenne = Mode = Médiane
33
Leur relation
20
18
16
14
12
10
Asymétrie Positive 8
6
Sk >0
4
2
0
200 500 800 1100 1400 1700 2000
Mode < Médiane < Moyenne
34
Leur relation
Fréquences
8
5
Sk < 0
4
1
Asymétrie Négative 0
2500 5000 7500 10000 12500
Moyenne < Médiane < Mode
35
Calcul des paramètres de position et de dispersion
2. Paramètres de dispersion
• Coefficient de variation: CV
– Est obtenu en divisant l’écart‐type par la moyenne
arithmétique.
CV= (s/xbar ) * 100
– Coefficient d’asymétrie: Sk
• Formule indiquée dans l’aide d’Excel renseigne sur l’asymétrie de la
distribution par rapport à sa moyenne.
Mesurage – Comptage –
Variable continue Variable discrète
Lois: Lois :
NORMALE‐ Binomiale
Uniforme‐ Poisson
Exponentielle Hypergéométrique
Théorème Central Limite:
Si plusieurs FACTEURS DISTINCTS ET INDÉPENDANTS influencent
l’issue d’un processus chacun avec sa loi propre, alors la résultante
tend vers une loi gaussienne.
La loi est normale chaque fois que:
‐ Les causes de variations sont multiples,
‐ Ses causes sont indépendantes les unes des autres
Loi Gaussienne
Densité en forme de cloche Notation : N ( μ ,σ² )
f(x)
Paramètres caractéristiques:
μ (mu) : Moyenne centre de la
distribution.
σ (sigma) : écart type de la
+ x distribution.
Variable Centrée réduite
Soit X une caractéristique de qualité mesurable sur une échelle continue, distribuée
selon une loi normale de moyenne et de variance ².
Notation : Z ~ N ( μ = 0,σ² = 1 )
Tel que z=(x‐μ)/σ
Densité de probabilité
Variable Centrée réduite
– Pour le calcul, il faudra transformer la caractéristique X en
une variable centrée réduite,
68,26 % des individus entre et
• Calculez le pourcentage des barres qui seront rejetées par le client chez
le fournisseur A et le fournisseur B?