maîtrise statistique des procédés

Le 6 sigma - définitions

La méthode 6-sigma, développée par Motorola puis généralisée par General Electric dans les années 1990, est une méthode d'amélioration continue des processus de fabrication visant à réduire les variabilités à l'origine des non-qualités. Elle a donc la même finalité que le pilier JIDOKA de l'approche Lean mais s'appuie plus particulièrement sur l'analyse des données:

·       recueillies auprès du client et

·       mesurées en production afin de déterminer les paramètres à l'origine des variabilités, que l'on souhaite piloter dans un mode "prédicitf".

L'approche 6-sigma englobe à la fois un objectif qualité et une démarche de résolution de problème, structurée en  « projet ». C’est une approche qui va au-delà des outils standards MRP du Lean (QQOQCP, 5P, SQDC, Brainstorming) qui visent à « faire parler les hommes ». Il s’agit ici de « faire parler les processus » afin de découvrir la fonction de transfert qui relie les paramètres de sortie du processus (Y) aux paramètres d’entrée influents (X).

Pour reprendre une formulation empruntée à Maurice Pillet, les valeurs fondamentales du 6-sigma sont :

·       La maîtrise de la variabilité (écart entre une situation attendue et une situation réelle),

·       La culture de la mesure,

·       La recherche des caractéristiques critiques pour le client (CTQ),

·       La notion de preuve statistique, et,

·       Le respect de la méthode DMAIC.

Les outils principaux de la méthode 6-sigma sont:

·       la méthodologie DMAIC,

·       la maîtrise statistique des procédés et les cartes de contrôle,

·       les plans d'expérience,

·       les différents tests que nous offrent les statistiques inférentielles.

La conjugaison des approches Lean et 6 sigma, appelée Lean 6-sigma (LSS), permet d'associer l'efficacité du juste-à-temps et la puissance de la maîtrise de la variabilité.

L'appellation « 6 sigma » fait référence à l'écart-type (σ) d'une distribution supposée gaussienne[1] de la variabilité de tout processus. La méthode 6-sigma vise donc à maîtriser le processus de production tel que seules les pièces au delà de +/-6σ autour de la moyenne (compte tenu d'un décentrage maximum de 1,5 σ) soient rebutées, ce qui revient à rejeter moins de 3,4 pièces par million de pièces produites. Si cet objectif est à la portée de certaines industries, une grande majorité vise 4 voire 3 sigma.

6 sigma intro

 


[1] Postulat de la maîtrise statistique des procédés (découlant du théorème central limite) : en l’absence de déréglage et compte tenu des différents facteurs indépendants et d’un ordre de grandeur équivalent, la répartition de la production d’une machine en fonction d’une caractéristique donnée suit une loi normale de moyenne μ et d’écart-type σ.

 

Voir l'ensemble des billets du Blog

La maîtrise statistique des procédés et les cartes de contrôle

La maîtrise statistique des processus (MSP ou SPC - statistical process control) est l'un des principaux outils de la démarche 6-sigma. Elle s'intègre également dans le pilier JIDOKA (bon du premier coup) de l'approche Lean dans la mesure où elle permet de réduire la variabilité du processus de production.

L'objet de la MSP est de donner aux opérateurs de machines de production un outil graphique simple de pilotage de la production (il s’agit d’autocontrôle) leur permettant de maintenir la production centrée sur sa cible et de maintenir sa dispersion à l'intérieur de l'intervalle de tolérance spécifié (IT).

La MSP s'appuie sur deux outils fondamentaux:

·       le suivi des processus par « cartes de contrôle » (créées par W. Shewhart, dès 1930) et

·       la mesure des capabilités des moyens de production (développée à partir des années 1970).

Adaptée aux productions en série, la MSP reste pertinente également pour les productions en très petites séries voire unitaires (l'effet de série pourra être rétabli en calculant une moyenne glissante des valeurs individuelles).

Les cartes de contrôle

Les cartes de contrôles permettent de piloter la production (régler les consignes appliquées aux machines) par rapport aux limites naturelles du processus (il s’agit de la dispersion du moyen de production autour de sa consigne en l’absence de cause particulière de déréglage) et non par rapport aux spécifications (intervalle de tolérance défini par la tolérance supérieure, TS et la tolérance inférieur, TI), qui servent seulement à accepter ou non une production.

Carte moyenne etendue

Un pilotage aux tolérances consistant à régler une machine uniquement lorsque la cote d’une pièce sort de l’intervalle de tolérance conduit, en effet, à appliquer des réglages trop tardivement (des rebuts ont déjà été produits) ou à tort (alors que la machine est en fait centrée).

Ainsi, même pour une production soumise à un tri à 100%, les cartes de contrôle restent pertinentes: le tri permet d'écarter les pièces non conformes alors que les cartes de contrôle permettent d'éviter de produire des pièces non conformes !

Le suivi de production par cartes de contrôle consiste à prélever, à fréquence constante, un échantillon de pièces dont on mesure la caractéristique qui fait l’objet du suivi (généralement une cote): l’opérateur calcule alors la moyenne et l’étendue de chaque échantillon qu’il reporte sur une carte afin de les comparer aux limites naturelles du processus. Lorsque ces valeurs « sortent » des limites, l’opérateur sait que le processus fait l’objet d’une cause spéciale (un déréglage, un défaut de lubrification, un outil usé,...). Il doit, alors, prendre l’action corrective qui va permettre de recentrer le processus sur sa cible, à l’intérieur de l’intervalle de tolérance.

Voir l'ensemble des billets du Blog

Lire la suite