Publications

Ce premier volume enseigne les fondamentaux de la résolution des problèmes de flux et les principes de base du Lean Management. L'ouvrage s'adresse aux étudiants et formateurs en Lean Six Sigma, ainsi qu'aux managers qui souhaitent aller au-delà de la simple acquisition de formules et développer leurs pratiques sur un socle théorique solide. Tout en respectant les racines historiques, l'esprit et la terminologie établie du Lean Six Sigma, le livre s'efforce d'identifier, d'unifier et de formaliser ses principes fondamentaux sous-jacents.

Ce second volume détaille la mise en œuvre de la démarche dans les entreprises et le protocole méthodologique générique DMAIC. S'appuyant sur une définition originale des problèmes statistiques, il enseigne les fondamentaux de la résolution des problèmes statistiques « discernables » et les principes de base du Six Sigma. Le livre s'adresse aux étudiants et enseignants en Lean Six Sigma, ainsi qu'aux praticiens de l'amélioration opérationnelle qui souhaitent dépasser la simple acquisition de formules et développer leurs pratiques sur la base d'un cadre théorique solide.

Ce troisième volume enseigne comment analyser et réduire les problèmes dont les causes restent indiscernables au cas par cas. S'appuyant sur une analogie originale avec l'optique, il explique comment calibrer les ressources d'analyse en fonction de l'amélioration recherchée. Il montre comment utiliser les tests d'hypothèses pour identifier les leviers d'amélioration utiles, évaluer de manière réaliste les gains atteignables et déterminer si les solutions proposées permettent d'atteindre l'objectif. Cet ouvrage s'adresse aux praticiens du Six Sigma et aux utilisateurs de l'analyse statistique souhaitant exploiter pleinement le potentiel décisionnel des petits jeux de données.

Résumé :

Le %GRR et le nombre de catégories distinctes (NDC) sont largement utilisés comme indicateurs de capabilité des systèmes de mesure. Cependant, la formule de calcul habituellement acceptée du NDC est affectée d'un coefficient dont l'origine a conduit à la coexistence de deux interprétations différentes et induisant en erreur du NDC. Nous recommandons de supprimer ce coefficient afin de s'en tenir à la définition de la résolution du système de mesure ou au concept équivalent de rapport signal/bruit. Nous proposons également un réalignement des seuils d'acceptation du %GRR et du NDC.

Résumé :

Dans le cadre de la phase Mesurer d'un projet Six Sigma (DMAIC), il est essentiel de déterminer la taille d'échantillon appropriée compte tenu de la précision statistique requise sur l'estimation de la capabilité du processus (définie ici comme la proportion attendue d'unités défectueuses). Les praticiens Six Sigma apprennent généralement à utiliser soit une règle empirique (faisant ainsi l'impasse sur l'exigence de précision), soit une formule de taille d'échantillon permettant de spécifier la précision requise. Alors qu'une telle formule est fournie pour les données binaires, lors du traitement de données de comptage de défauts, la formule habituelle enseignée concerne l'estimation du nombre moyen de défauts par unité et non la proportion d'unités défectueuses (c'est-à-dire le taux de défectueux). Cet article élabore une formule et des tables dérivées pour calculer la taille d'échantillon requise pour atteindre la précision statistique nécessaire sur le taux de défectueux lors de l'utilisation d'une métrique de comptage de défauts. Inversement, la précision obtenue pour une taille d'échantillon donnée est calculée. Les résultats sont ensuite comparés à ceux obtenus pour les données binaires, et il est suggéré que le calcul de la taille d'échantillon pour les données binaires mérite d'être considéré comme une alternative acceptable et plus facile à utiliser. Le défi d'obtenir des précisions correctes en raison des exigences de taille d'échantillon lors de fonctionnements à de faibles taux de défectueux est également mis en évidence.

Résumé :

Dans le cadre de la phase Mesurer d'un projet Six Sigma (DMAIC), il est essentiel de déterminer la taille d'échantillon appropriée compte tenu de la précision statistique requise sur l'estimation de la capabilité du processus (définie ici comme la proportion attendue d'unités défectueuses). Les praticiens Six Sigma apprennent généralement à utiliser soit une règle empirique (faisant ainsi l'impasse sur l'exigence de précision), soit une formule de taille d'échantillon permettant de spécifier la précision requise. Alors qu'une telle formule est fournie pour les données binaires, lors du traitement de données continues, la formule habituellement enseignée concerne l'estimation de la moyenne et non du taux de défectueux. D'autres approches alternatives consistent à calculer la taille d'échantillon sur la base de la précision des indices de capabilité de processus conçus pour l'industrie manufacturière. Cependant, ces indices techniques sont souvent peu pertinents pour la plupart des utilisateurs et managers ne travaillant pas dans des environnements de production spécifiques. Cet article élabore des solutions pour calculer la taille d'échantillon requise afin d'atteindre la précision statistique nécessaire sur le taux de défectueux lors du travail avec une métrique continue, dans les deux cas à une et deux limites de tolérance. Inversement, la précision obtenue pour une taille d'échantillon donnée est calculée. Le défi d'évaluer des niveaux de performance Sigma élevés en raison de la taille d'échantillon requise est également mis en évidence.