Td corrigé I. Les fondements de la méthode Six Sigma - Overdoc pdf

I. Les fondements de la méthode Six Sigma - Overdoc

T.P. / T.D. corrigé .... données sur certains véhicules en raison de la conception des trains roulants et du couple moteur. ... soit la méthode n'est pas précisée :.




part of the document




Année universitaire : 2008/2009
Royaume du Maroc
Ecole nationale de commerce et de gestion -Agadir





















Travail réalisé par :
Hittous Hamid-G2
Elmsili Bilal-G2
Aglagal Youness-G2
Sayah Ahmed-G3
Encadré par:
DR. Hassan Bellihi








Introduction2Notion et origine de la méthode Six Sigma3Les gains attendus de la mise en œuvre de la méthode Six Sigma3Signification de Six Sigma4Pourquoi viser Six Sigma ?6La méthode Six Sigma : Fondements et Principes8Les fondements de la méthode8Les principes9Les méthodologies de Six Sigma10La méthodologie DMAIC 10La méthodologie DMADV 11Le Six Sigma, une organisation dédiée : les acteurs de Six Sigma12Les nouvelles tendances13Le lean 6 sigma (LSS)13Le Design for 6 Sigma (DFSS)13Annexes :14Annexe 1 : Application de Six Sigma par la RAM Annexe 2 : Reportage RTM sur l’application de Six Sigma par la RAM. (voir CD-ROM) Annexe 3 : Interview (voir CD-ROM)Glossaire 15











L’entreprise en tant que système productif est orienté vers la solution de la problématique centrale du rapport qualité/ quantité/ coût. Or, pour maîtriser ce rapport la gestion de production recourt à un ensemble de méthodes et démarches qui n’ont pas cessés de se développer depuis l’antiquité  jusqu’à nos jours.
Cependant, avec la concurrence et la mondialisation des marchés, les méthodes classiques de gestion de production sont tombées caduc : Actuellement, il faut produire vite des produits et des services de bonne qualité et au moindre coût.
Par conséquent, développer aujourd’hui des nouvelles méthodes efficaces de gestion de production est devenu une arme stratégique.
Ainsi, les méthodes de gestion de la production ont évolué pour répondre aux besoins des clients qui deviennent de plus en plus exigeant : Chaque nouvelle période amène ses nouveaux outils.
L’objectif de cette recherche est de présenter l’une de ses nouvelles méthodes de gestion de production à savoir la méthode six sigma qui vise l’amélioration de la qualité et de la profitabilité en se reposant sur la maîtrise statistique des procédés et sur la voix du client (enquêtes…).



Notion et origines de la méthode Six Sigma :
Six Sigma ou 6 Sigma désigne une méthodologie structurée de management visant une amélioration de la qualité et de l'efficacité des processus.
Elle se base sur une démarche structurée à la fois fondée sur les exigences du client et des données mesurables et fiables.
C’est aussi un mode de management qui repose sur une organisation très encadrée dédiée à la conduite de projet.
L’histoire de Six Sigma débute en 1986 chez  HYPERLINK "http://fr.wikipedia.org/wiki/Motorola" \o "Motorola" Motorola, mais la méthode devient célèbre dans les années 1990 lorsque  HYPERLINK "http://fr.wikipedia.org/wiki/General_Electric" \o "General Electric" General Electric décide de l’appliquer et de l’améliorer. Motorola avait cherché à mettre en place une méthode pour optimiser ses processus de fabrication en vue de satisfaire ses clients.
Mikel Harry, ingénieur chez Motorola, définit les bases de Six Sigma en s’appuyant sur la philosophie de William Edwards Deming (roue de la qualité). Il propose d’analyser les instabilités du processus de fabrication à l’aide des outils statistiques et donne la priorité à l’ HYPERLINK "http://fr.wikipedia.org/wiki/Kaizen" \o "Kaizen" amélioration continue. Dès lors, Motorola décide d’utiliser cette méthode pour tous les projets.
Les gains attendus de la mise en oeuvre de 6 Sigma :

Réduction des coûts :
Réduction de la non-qualité comme les rebuts, les reprises, les retouches, les retours clients ainsi que tous les problèmes inhérents à la non-qualité (pertes de temps, problèmes de communication, blocages aux interfaces des processus et activités...) ;
Meilleure exploitation des ressources (optimisation des processus, utilisation optimale des machines et des autres équipements, amélioration des temps de cycle : diminution du coût de fonctionnement combiné à une meilleure exploitation).
Amélioration des revenus :
Meilleure satisfaction des clients donc fidélisation renforcée, amélioration du CA par client, accroissement de la part de marché.
Dynamique de progrès continu :
Meilleure disposition pour lancer des projets de grande ampleur : nouveaux produits ou nouveaux processus ;
Instauration d'une culture du pilotage par la mesure.
Exemple :
General Electric avance le chiffre de deux milliards de $ d'économie avec cette méthode ;
Les dirigeants d'Invensys et Du Pont, annoncent respectivement des sommes de 160 et 700 millions de $ sur l'année 2000 ;
Robert E.Brown, Président de Bombardier, quant à lui, compte réaliser grâce à ce programme le plus ambitieux d'amélioration de la qualité et de la productivité, des économies de l'ordre de 400 million $ par année à partir de l'exercice 2003-2004.

Signification de « Six Sigma » :
En statistiques, la lettre grecque sigma à désigne l'écart type ; « Six Sigma » signifie donc « six fois l'écart type ».
Tout processus de production, est incapable de produire exactement le même résultat sur la durée. Une des préoccupations majeures de la gestion de la production est donc de maîtriser les conditions de production ou de prestation afin qu'il y ait le moins de rebut, le moins d'insatisfaction possible.
Pour mieux gérer un processus de production, il convient au premier lieu de déterminer quelle valeur nominale il est souhaitable d’obtenir et quelles limites de variation sont acceptables par rapport à cette valeur (intervalle de variation ou de tolérance). Ensuite, il faut fournir le plus grand nombre possible de produits sans défaut (c'est-à-dire réduire le nombre de pièces hors tolérance). L’idéal est donc que le processus soit capable de fournir une valeur moyenne des produits ou des services égale ou très proche de la valeur nominale désirée.
Prenons le cas de production d'une pièce mécanique dont la longueur nominale est L. Supposant que cette pièce est utilisable si la longueur est comprise entre L-”L et L+”L (”L est la tolérance). Le processus de production, lui, produit des pièces dont la longueur varie : la longueur moyenne est L, avec un écart type Ã.
L écart type à mesure la dispersion des longueurs des pièces au tour de L : Plus à est faible, plus la production est homogène, avec des valeurs proches de la moyenne L.
Remarque : 
La variation des longueurs des pièces (erreurs de production) est la résultante d un grand nombre des causes indépendantes, dont les effets s additionnent et dont aucun n est prépondérante : Donc on peut affirmer que la distribution des longueurs suit une loi normale de paramètres L et Ã.
Comme conséquence de la première remarque, la distribution des longueurs est symétrique : la moyenne = le mode = la médiane = L
Interprétation de l écart type : les longueurs des pièces produites par l entreprise s écartent en moyenne du longueur moyenne L de  x unités de mesure.
L entreprise doit toujours rapprocher l écart type à avec ”L pour réduire au maximum le nombre de pièces hors tolérance.
En général, le processus est réglé afin que l'on ait à = ”L/3, on écrit en général plutôt ”L = 3·Ã, mais c'est bien ”L qui est une contrainte (la pièce est utilisable ou pas) et à qui est ajusté (les machines sont plus ou moins bien réglées). Ceci conduit à un taux de rebut de 6,68 %, soit 66 807 pièces au rebut pour une production de un million de pièces.

Démonstration :
Avoir des limites de tolérance (”L) de 3·Ã assure un taux de rebut de 6,68 % :
Avant, on doit tenir compte du phénomène de « décentrage » : à long terme la longueur moyenne peut changer, de même, il se peut que l’écart type sera plus grand à long terme que celui observé à court terme (ou les deux à la fois). Par conséquence, le nombre de sigma qui ira entre L et la limite de tolérance la plus proche va probablement baisser dans quelque temps. Afin de tenir compte de cette variation toujours existante, on introduit une correction de 1,5 sigma.
Calculer le nombre de pièces conformes si le processus de production fonctionne avec un niveau de 3·Ã, compte tenu d un décentrage de 1.5 sigma, revient à calculer la probabilité suivante :
P (longueur *B*CJOJQJ\]aJph€€€0üýþ        > @ úòòòòíúáՉáÕLkd¥
$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd'q dh$Ifgd3)gdª=æ$a$gdÞP gdÞP @ A € ‚ ƒ ž   ³§›O§C $$Ifa$gd=’Lkd{$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd'q dh$Ifgd3)Lkd$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö  ¡ ¼ ¾ ¿ î 𠳧›OC› dh$Ifgd 1LkdQ$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd=’ dh$Ifgd3)Lkdæ$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faöð ñ 



!
³¦šN>š
& Fdh$Ifgd 1Lkd'$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd=’
& F$Ifgd‹&ìLkd¼$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö!
"
A
D
E
\
_
³§›OB›
& F$Ifgd‹&ìLkdý$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd=’ dh$Ifgd 1Lkd’$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö_
`
x
{
|
½
À
³£—K?— dh$Ifgd 1LkdÓ$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd=’
& Fdh$Ifgd 1Lkdh$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
FaöÀ
Á
Ù
Ü
Ý
ó
ö
³§›OB›
& F$Ifgd3)Lkd©$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd=’ dh$Ifgd 1Lkd>$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faöó
õ
÷
   " $ & ? V X b l p š Ì Û Ý ñ ò   " $ . / 1 3 6 7 8 9 : ; øíÞÖËÞÖËø±Ã¦Ã¸Ã¸±žÃ–ž¸±ŽƒxqmibZmjhÀçU h3)h 1h 1hÞP h3)hÞP h3)hª=æh'qh3)hª=æCJ aJ hª=æCJ aJ h
,CJ aJ h×9ŸCJ aJ h3)hÀçCJ aJ h3)h3)h3)h3)CJ aJ hÀçCJ aJ h3)h3)mH sH h=’mH sH h3)h3)CJ aJ mH sH h3)h3)mHsHh=’mHsH"ö
÷
   " % ³£—K?— dh$Ifgd 1Lkd$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $$Ifa$gd=’
& Fdh$Ifgd 1Lkd$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö% & V W X Û Ü ³¦QD
& F $IfgdÀçLkdU$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö $IfgdÞP
& F $Ifgd3)Lkdê$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
FaöÜ Ý " # $ / 2 ³¦QH ? @ ~
l﮳®®®¦¦¦¦®®®®ššššš $¤x¤xa$gdÞP $a$gdÞP gdÞP Lkd–$$If–FÖ0ºÿÀ!¶#"öö6ööÖÿÿÖÿÿÖÿÿÖÿÿ4Ö
Faö; ? @ h
i
z—˜¬qw¨¬ÍÏÓýoŽ”  {|ùñéÛéÐéÐéÅéºéºé¯ºé”{l`TlTlThZCJaJmH sH hü}NCJaJmH sH hÞ\hZCJaJmH sH 1hÀçhZ56B*CJOJQJ\]aJphff™4hÀçhZ56>*B*CJOJQJ\]aJphff™hxhÞP CJaJh‚@#hÞP CJaJh]PvhÞP CJaJhÀ]shÞP CJaJjhÞP 0JCJUaJhÞP CJaJhÀçCJaJ hÞP hÞP ®ÐÑÒӏ |Dø-.ED3Oóóóóçß××ÏÏû»  ‘$¤d¤d[$\$a$gdUe[$
& F
ÆÐh„h¤d¤d[$\$^„ha$gdUe[$a$gdUe[ $¤x¤xa$gdUe[$a$gd¶v“$a$gdZ$a$gdü}N $¤x¤xa$gdZ $¤x¤xa$gdÞP |¨©êëóô34…†–—CDWX•–«¬÷ø*,-.ACE@B/2ñÞñÞñÞñÞñÞñÞñÒñÞñÞñÞñÒ·ž·–„s„h`h`hUe[CJaJhV±hUe[CJaJ hÐiŒhUe[56OJQJ\]#hÐiŒhUe[56>*OJQJ\]hUe[OJQJ1hÀçhUe[56B*CJOJQJ\]aJphff™4hÀçhUe[56>*B*CJOJQJ\]aJphff™h¶v“CJaJmH sH %jh¶v“h¶v“CJUaJmH sH h¶v“h¶v“CJaJmH sH !23KMOÓðñó>^_”•œžŸùúðÞÐÁ¶Þ¥Þ¶¶–‹u`J;/h *OJQJ]OÓó_•ŸútklŽò¨Ô ˆ#äÜääÊ«««Ÿ“‡{{{ $¤x¤xa$gdÑmP $¤x¤xa$gd
 :