5 Pourquoi ?

C'est une méthode de base de résolution de problÚmes du Six Sigma.
Elle permet d’aller au-delĂ  des causes symptomatiques et trouver les causes fondamentales (sur lesquelles on pourra alors agir pour Ă©liminer le problĂšme une fois pour toutes).
Le principe consiste Ă  remonter vers la cause racine en posant 5 fois la question pourquoi sous une forme arborescente.

5 M

5 causes fondamentales de la dispersion d’un processus : MatiĂšre, MĂ©thodes, Moyen, Milieu, Main d’Ɠuvre.
Ces 5 causes sont déjà énoncées dans le premier ouvrage de Shewhart.
On dissocie en général le processus de production avec ses 5M et le processus de mesure avec ses 5M (Mesurande remplace alors MatiÚre).

5 S

MĂ©thode Lean structurĂ©e en 5 phases correspondant Ă  5 notions japonaises (Seiri, Seiton, Seiso, Seiketsu, Shitsuke / Sort – Set in order – Shine – Standardize – Sustain en anglais).
BasĂ©e sur la chasse aux gaspillages sur une zone ou un Ă©quipement, la mĂ©thode 5S est utilisĂ©e pour crĂ©er un bon environnement de travail aux opĂ©rations Ă  valeur ajoutĂ©e. Il permet une amĂ©lioration opĂ©rationnelle qui va au delĂ  de l’ordre et de la propretĂ©, Ă  travers la mise en place de standards et de la maturitĂ© de l’équipe.
Il peut ĂȘtre utilisĂ© en industrie comme en service.

A 3

Méthodologie inventée par Toyota pour piloter la résolution de problÚmes et qui résume la synthÚse des actions menées (avancement du projet).

Alpha, Risque alpha, Risque de premiĂšre espĂšce

Le risque Alpha correspond au risque de conclure qu’il y a une diffĂ©rence entre deux Ă©chantillons, alors qu’en rĂ©alitĂ© il n’y a pas de diffĂ©rence.

AMDEC (FMEA)

Analyse des Modes de DĂ©faillance de leurs Effets et CriticitĂ©s (Failure Mode and Effect Analysis en anglais). C’est un outil pour lister les risques et les Ă©valuer selon 3 critĂšres qui sont la GravitĂ©, la facilitĂ© de DĂ©tection et la FrĂ©quence d’apparition.

Analyse de déroulement

MĂ©thode de cartographie du processus qui permet de visualiser la suite des tĂąches Ă©lĂ©mentaires d’un processus ou d’une partie d’un processus. Chaque tĂąche est valorisĂ©e (temps, distance, quantitĂ©..) dans le but d’amĂ©liorer le processus.

Analyse des parties prenantes

L’analyse des parties prenantes fait partie de l’étape DEFINIR. On recherche toutes les personnes qui sont impactĂ©es par le projet, soit :
  • les personnes qui sont impliquĂ©es dans le projet
  • les personnes qui s’intĂ©ressent au projet
  • les personnes qui peuvent influencer le projet.
    L’analyse des parties prenantes est conduite par le GB ou le BB. Elle facilite la constitution de l'Ă©quipe projet et la crĂ©ation du plan de communication. Elle Ă©volue tout au long du projet

ANAVAR (ANOVA)

ANAlyse de la VARiance, ANalyse Of VAriance. Il s’agit d’un test d’hypothĂšse qui permet de comparer la moyenne de plusieurs Ă©chantillons.

ANDON

Il s’agit d’un voyant ou d'un tableau lumineux qui s'allume lorsque l'opĂ©rateur appuie sur un bouton d'alerte. L’ANDON est suivi d’une rĂ©solution de problĂšme conduite Ă  des niveaux de plus en plus expert en fonction du temps passĂ© Ă  la rĂ©solution. Le but est de rĂ©duire au maximum la perturbation ou l’arrĂȘt de la production.

APC

Évolution de la MSP/SPC pour s’adapter au cas oĂč il y ait une dĂ©pendance entre plusieurs caractĂ©ristiques et lorsqu’on cherche un rĂ©glage prĂ©cis avec un minimum d’informations.

Arbre de décision - Arbre de régression

MĂ©thode de machine learning adaptĂ©e aux rĂ©ponses Y discrĂštes permettant de trouver un modĂšle de prĂ©diction Ă  partir d’un arbre de dĂ©cision tel que :

Régression par Arbres de décision

0 =: (0 <= 0.989) && (1 <= 1.7525)
0 =: (0 <= 0.989) && (1 > 1.7525) && (3 <= 0.5)
0 =: (0 <= 0.989) && (1 > 1.7525) && (3 > 0.5)
0 =: (0 > 0.989) && (2 <= 0.5) && (1 > -0.681)
0 =: (0 > 0.989) && (2 <= 0.5) && (1 <= -0.681) && (3 > 0.5)
1 =: (0 > 0.989) && (2 > 0.5)
1 =: (0 > 0.989) && (2 <= 0.5) && (1 <= -0.681) && (3 <= 0.5)

Arbre des causes

C’est un outil d’analyse de risque qui part d’un Ă©vĂ©nement redoutĂ© et qui remonte les causes possibles sous forme d’arbre des causes.

Arbre des hypothĂšses

On part d’un objectif Ă  atteindre. On va lister des hypothĂšses pour atteindre cet objectif et lister des expĂ©rimentations pour valider ces hypothĂšses (les branches de l’arbre).
des 100x10

Attributs

Il existe deux types de données. Les données CONTINUES et DISCRETES. Les données discrÚtes sont qualifiées par des attributs qui peuvent prendre 2 modalités (Bon / Mauvais, 0 / 1 , OK / NOK
) ou plus de 2 (Bon, Moyen, Mauvais).

AutomaĂźtrise

RĂ©sume toutes les mĂ©thodes et outils visant Ă  permettre Ă  l’opĂ©rateur de garantir – en autonomie - la maĂźtrise de la sĂ©curitĂ©, de la qualitĂ©, des dĂ©lais et des coĂ»ts, directement sur son poste de travail.

Baseline

On peut traduire Baseline par “point de rĂ©fĂ©rence” en français. Le but est de connaĂźtre la capabilitĂ© initiale du processus avant de faire une quelconque amĂ©lioration afin de comparer la situation AVANT et APRES le projet Lean Six Sigma.

Benchmarking

MĂ©thode d’origine du marketing qui consiste Ă  comparer sa façon de faire ou sa performance avec celle des meilleures sociĂ©tĂ©s dans le mĂȘme secteur ou celle des sociĂ©tĂ©s ayant une performance reconnue dans le mĂȘme domaine de compĂ©tence.

Beta Risque beta Risque de seconde espĂšce

Le risque Beta correspond au risque de conclure qu’il n’ y a pas de diffĂ©rence entre deux Ă©chantillons, alors qu’en rĂ©alitĂ© il y en a une.

Binomiale

La loi binomiale s’applique aux donnĂ©es discrĂštes. Elle permet de calculer la probabilitĂ© de tirer k caractĂšres X dans un Ă©chantillon de taille n tirĂ© d’un lot dont la probabilitĂ© d’avoir X est Ă©gale Ă  p.

Black Belt (BB)

Un « Black Belt » est une personne formĂ©e Ă  la mĂ©thodologie Six Sigma dont le rĂŽle principal est de conduire des projets d’amĂ©lioration en utilisant la mĂ©thodologie et les outils Six Sigma.

Boite Ă  moustache BoxPlot

C’est une reprĂ©sentation graphique de donnĂ©es statistiques. La boĂźte Ă  moustaches (aussi appelĂ©e diagramme en boĂźte, boĂźte de Tukey ou box plot) donne une idĂ©e de la distribution des valeurs sous la forme d’une boite (50% de la population) et de moustaches (2 traits qui couvrent l’ensemble de la population).

Brainstorming (remuemĂ©ninges, DĂ©ballage d’idĂ©es)

Le « brainstorming » est un processus qui permet de gĂ©nĂ©rer rapidement un volume important d’idĂ©es, dans une ambiance dĂ©gagĂ©e de toute critique et de tout jugement. Dans un premier temps, l’animateur du brainstorming pose la question Ă  rĂ©soudre. Ensuite, il stimule la production d’idĂ©es sans se poser en juge. Une fois que toutes les idĂ©es ont Ă©tĂ© exposĂ©es, elles sont relues avec le groupe pour : vĂ©rifier la clartĂ© des idĂ©es, vĂ©rifier si elles rĂ©pondent Ă  la question, Ă©liminer les doublons.

Capabilité

La capabilitĂ© du processus est la mesure de l’aptitude du processus Ă  rĂ©pondre aux attentes clients. C’est le ratio entre la performance exigĂ©e et la performance rĂ©elle du processus.

CapabilitĂ© – Attributs

Dans le cas de critĂšre attributif, la capabilitĂ© est calculĂ©e avec un Ppk Ă©quivalent qui donne la mĂȘme proportion de dĂ©fauts que dans le cas aux mesures.

Capabilité des processus de mesure

Elle permet de valider la possibilitĂ© d’utiliser un processus de mesure pour une caractĂ©ristique.

Carte de ContrĂŽle

Une carte de contrĂŽle permet de suivre et piloter visuellement un processus pour identifier les dĂ©rives et s’assurer de sa stabilitĂ© dans le temps.

Carte multivariĂ©e TÂČ

Carte de contrĂŽle multidimensionnelle qui permet d’étudier si un ensemble de plusieurs caractĂ©ristiques restent sous contrĂŽle.
On calcule un indicateur TÂČ qui est une distance entre chaque point et le centre du nuage de point. Si la distribution suit une loi normale multidimensionnelle, on peut calculer une limite de contrĂŽle sur cette distance TÂČ.

Cartographie du flux de valeur (VSM)

La cartographie du flux de valeur est une représentation graphique du flux des matiÚres et du flux des informations.
On fait en général deux cartographies :
  • Cartographie actuelle du flux de valeur : c’est la reprĂ©sentation graphique du flux des matiĂšres et du flux des informations tels qu’ils sont actuellement.
  • Cartographie idĂ©ale du flux de valeur : c’est une reprĂ©sentation graphique du flux des matiĂšres et du flux des informations tels qu’ils pourraient ĂȘtre dans l’idĂ©al.

Cartographie du processus

La cartographie du processus est une représentation graphique des étapes (par ordre chronologique) qui montre clairement comment les entrées du processus sont transformées en sorties pour le client.

Cartographie fonctionnelle du processus (Cartographie Swimlane)

La cartographie fonctionnelle du processus permet de visualiser les Ă©tapes du processus Ă  travers les dĂ©partements ou mĂ©tiers de l’entreprise. (Chaque dĂ©partement son couloir)

Cause racine

C’est l’origine du problùme
 dans notre domaine possible d’intervention.

Cause spéciale

Source de variation irréguliÚre difficile à prévoir. Par exemple déréglage machine, usure ou casse.

Causes communes

Les causes communes forme la variabilité intrinsÚque du procédé. Elles sont dues à une somme de petites causes qui satisfont le théorÚme central limite. Quand il ne reste que des causes communes, la distribution des valeurs suit une loi de Gauss.

Champion

Le champion est une personne importante dans l’organisation Lean Six Sigma car il est en charge de dĂ©ployer la mĂ©thode dans l’entreprise.

Charte Projet

La charte projet est un Ă©lĂ©ment clef de la phase de construction d’un projet.
Elle va prĂ©senter de maniĂšre synthĂ©tique le problĂšme Ă  rĂ©soudre, l’objectif Ă  atteindre, le pĂ©rimĂštre concernĂ©. Elle va Ă©galement dĂ©finir les rĂŽles et responsabilitĂ©s du projet ainsi que les principaux jalons temporels. La mĂ©thode Six Sigma insiste Ă  juste titre sur l’importance de ce document et de l’engagement de chaque membre du projet Ă  porter le projet avec succĂšs Ă  son terme.

Coefficient de corrélation

Valeur numĂ©rique qui caractĂ©rise le lien – sens et importance – qui existe entre deux variables alĂ©atoires ou deux variables statistiques.
Cette valeur peut-ĂȘtre positive, nĂ©gative ou nulle. Il faut noter que la valeur du coefficient est nulle, lorsque les deux variables en cause sont indĂ©pendantes.

Coefficient de détermination

Le coefficient de dĂ©termination (RÂČ, soit le carrĂ© du coefficient de corrĂ©lation linĂ©aire r) est un indicateur qui permet de juger la qualitĂ© d’une rĂ©gression linĂ©aire simple. Il mesure l’adĂ©quation entre le modĂšle et les donnĂ©es observĂ©es ou encore Ă  quel point l’équation de rĂ©gression est adaptĂ©e pour dĂ©crire la distribution des points.
Par abus de langage, on l’appelle souvent coefficient de corrĂ©lation.

Collecte de données

Fait partie de l’étape MESURER. Le plan de collecte de donnĂ©es est organisĂ© pour maximiser les chances de rĂ©ussite de l’étape ANALYSER.
Un plan de collecte de données se prépare en se posant les questions :
  • QUI est concernĂ© ?
  • QUOI Collecter ?
  • OU collecter ?
  • COMMENT organiser la collecte ?
  • QUAND ? Quelle pĂ©riode ? Quelle frĂ©quence ?
  • COMBIEN ? Quelle taille d’échantillon ?

Court terme

Période suffisamment courte pour pouvoir considérer que le processus est sous contrÎle.

Cp

Indicateur de capabilitĂ© court terme d’un processus indĂ©pendamment de son centrage. Six sigma demande un Cp > 2.

Cpc

Capabilité du processus de contrÎle. Il indique si le processus de contrÎle est adapté en répétabilité et en reproductibilité.
Le Cpc est Ă©quivalent au R&R (Cpc = 1/R&R).
En général, on considÚre :
  • Cpc ≄ 4 (R&R% ≀25%), le processus est capable
  • Cpc ≄ 3 (R&R% ≀33%), le processus est limite
  • Cpc <3 (R&R% >3), le processus n’est pas adaptĂ©

Cpk

Indicateur de capabilitĂ© court terme d’un processus qui tient compte de son centrage.

Cpm

Indicateur de capabilité court terme fondé sur la perte de Taguchi.

CTC

CTC est l’acronyme pour « Critical to Cost ». Les CTS liĂ©s au coĂ»t sont appelĂ©s CTC.

CTD

CTD est l’acronyme pour « Critical to Delivery ».
Les CTS liés au Délai du produit ou du service sont appelés CTD.

CTQ

CTQ est l’acronyme pour « Critical to Quality ».
Les CTS liés à la Qualité du produit ou du service sont appelés CTQ.

CTS (CTQ, CTC, CTD)

CTS est l’acronyme pour « Critical to Satisfaction ».
Les CTS sont les principales caractĂ©ristiques mesurables d’un service ou d’un produit dont les limites de spĂ©cification doivent ĂȘtre respectĂ©es pour satisfaire le client. Les CTS sont dĂ©finies en fonction de la Voix du Client (VOC).

DĂ©finition opĂ©rationnelle (d’une donnĂ©e)

Description précise indiquant comment obtenir une valeur pour une caractéristique à mesurer : elle décrit la caractéristique, et indique comment la mesurer.

DFSS Design For Six Sigma

C’est une mĂ©thodologie rĂ©unissant les meilleures pratiques pour concevoir un produit, un process ou un service atteignant directement l’objectif Six Sigma. Le DFSS suit la dĂ©marche DMADV.

Diagramme Ă  bandes verticales

Indique par des barres verticale l’évolution d’une variable dans le temps.

Diagramme à barres empilées

Permet de représenter une matrice de deux variables discrÚtes.

Diagramme circulaire

Permet de reprĂ©senter la rĂ©partition des modalitĂ©s d’une variable discrĂšte.

Diagramme d’affinitĂ© (Ă©galement appelĂ© diagramme KJ)

C’est un outil de base de la qualitĂ©. On l’utilise par exemple pour clarifier et synthĂ©tiser les rĂ©sultats aprĂšs un dĂ©ballage d’idĂ©es (Brain Storming). On regroupe l’ensemble des idĂ©es Ă©mises par affinitĂ©. Et on donne un intitulĂ© Ă  chaque regroupement rĂ©alisĂ©.
Le travail de regroupement par le groupe de travail permet l’appropriation des idĂ©es par les membres de l’équipe. Il encourage la crĂ©ativitĂ© et la recherche de liens novateurs entre les idĂ©es.
Le diagramme des 5 M est en fait un diagramme d’affinitĂ© pour lequel les intitulĂ©es des regroupements sont prĂ©dĂ©finis.

Diagramme Ă  points

Un diagramme à points divise les valeurs des échantillons en petits intervalles et représente chaque valeur ou petit groupe de valeurs par un point le long d'une ligne de nombres. Le diagramme à points est adapté lorsque l'effectif de l'échantillon est inférieur à 50 environ.

Diagramme de dispersion (nuage de points)

Permet de visualiser une éventuelle relation de corrélation entre deux variables quantitatives.

Diagramme de gestion du processus

Le diagramme de gestion du processus permet de documenter la cartographie du processus, les mesures Ă  contrĂŽler Ă  chaque Ă©tape essentielle du processus et le plan de rĂ©ponses et d’actions lorsque le processus ne reste pas dans les limites opĂ©rationnelles.

Diagramme de Kano

Diagramme permettant de classer des attributs en fonction de deux axes :
  • l’axe de la rĂ©alisation depuis l’attribut non traitĂ© vers l’attribut complĂštement traitĂ©
  • l’axe de la satisfaction procurĂ©e d’insatisfait Ă  trĂšs satisfait. On classe les attributs en 3 catĂ©gories :
  1. Obligatoires, indispensables - (Must be)
  2. Attractifs - (attirants)
  3. Proportionnels ou linéaires - (One-Dimensional)
En ajoutant également 2 catégories supplémentaires :
  1. Indifférents - (Zone d'indifférence)
  2. A double tranchant - (Reverse)

Diagramme de série chronologique

Une sĂ©rie chronologique est une sĂ©rie de valeurs provenant d’une mĂȘme variable observĂ©e Ă  des instants rĂ©guliĂšrement espacĂ©s dans le temps (jour, mois, annĂ©e).
Le diagramme à bande verticale ou la carte de contrÎle sont des exemples de diagramme de séries chronologiques.
Dans un diagramme de sĂ©rie chronologique, l’axe X reprĂ©sente le temps.

Diagramme des 5M ou causes/effets ou d’Ishikawa ou en arĂȘte de poisson

Cet outil aux multiples noms est un support Ă  l’animation d’atelier pour la recherche de causes. Il aide Ă  gĂ©nĂ©rer une liste d’idĂ©es durant une sĂ©ance de crĂ©ativitĂ© en structurant la rĂ©flexion autour des 5M : Main d’Ɠuvre, MatiĂšre, MĂ©thodes, Machines, Milieu.

Diagramme en arbre

Le diagramme en arbre est un outil permettant de rechercher la maniĂšre d’amĂ©liorer une situation, et Ă  planifier la succession des Ă©tapes de mise en Ɠuvre des solutions, tout en permettant de repĂ©rer les points clĂ©s Ă  observer pour le suivi d’application.
des 100x10

Diagramme en bĂątons

Permet de reprĂ©senter la rĂ©partition des modalitĂ©s d’une variable discrĂšte.

Diagramme spaghetti

Le diagramme en spaghetti est un outil utilisĂ© pour fournir une vue claire du flux des piĂšces ou des individus. On trace sur un plan l’ensemble des trajets parcourus. Il tire son nom de sa ressemblance avec un plat de spaghettis. Cette visualisation permet d'identifier les flux redondants, les croisements rĂ©currents et de mesurer le chemin parcouru par chaque produit ou personne.

Diagramme tige & feuille

Diagramme permettant simultanĂ©ment de dĂ©pouiller les donnĂ©es d’une distribution d’une variable statistique et d’en faire une reprĂ©sentation graphique sous forme d’histogramme.
Chaque donnĂ©e individuelle est reprĂ©sentĂ©e par sa tige (premiers chiffres communs Ă  plusieurs donnĂ©es) et sa feuille (derniers chiffres de ces mĂȘmes donnĂ©es).
des 100x10

DMADV

Define, Measure, Analyse, Design, Validate

DMAIC

DĂ©finir Mesurer Analyser Innover ContrĂŽler (Define, Measure, Analyse, Improve, Control). MĂ©thode de gestion de projet de Six sigma.

Donnée continue

Donnée représentée par un nombre réel, et pouvant prendre (théoriquement) une infinité de valeurs.

Donnée discrÚte

Donnée pouvant prendre un nombre fini de valeurs. Exemple : Machine A, B et C

Donnée discrÚte ordinale

Donnée discrÚte qu'on peut ordonner. Exemple : Bon Moyen Mauvais

DPMO

DĂ©faut Par Million d’OpportunitĂ©. UnitĂ© utilisĂ© en Lean Six Sigma pour dĂ©finir la capabilitĂ© d’un processus. DPMO = [Nombre de dĂ©fauts X 1 000 000] / [Nombre de piĂšces X Nombre d’opportunitĂ©s].

Droite de Henry

La droite de Henry est une mĂ©thode graphique pour ajuster une distribution gaussienne Ă  celle d'une sĂ©rie d'observations (d'une variable numĂ©rique continue). En cas d'ajustement, les points s’alignent sur une droite. Elle permet de lire rapidement la moyenne et l'Ă©cart type d'une telle distribution.

Écart type

L’écart type est une mesure de la dispersion des donnĂ©es par rapport Ă  la moyenne. On la calcule en faisant la racine carrĂ©e de la moyenne des Ă©carts Ă  la moyenne au carrĂ©.
L’écart type a du sens mĂȘme lorsque la normalitĂ© n’est pas dĂ©montrĂ©e.

ECC (Exigences Critiques Client)

Ce sont les besoins auxquels il est nĂ©cessaire de rĂ©pondre sous peine d’une insatisfaction client. Les ECC doivent ĂȘtre mesurables.

Échantillon

C’est un sous-groupe d’une population.

Échantillonnage

Consiste à prélever un échantillon dans une population.
Il existe plusieurs façons de faire de l’échantillonnage : alĂ©atoire, stratifiĂ©, par grappes ou systĂ©matique.

Échantillonnage alĂ©atoire

Chaque Ă©lĂ©ment de cette Ă©chantillon a la mĂȘme probabilitĂ© d'ĂȘtre choisi que tous les autres Ă©lĂ©ments de la population visĂ©e.

Échantillonnage par grappes

Il s'agit de subdiviser une population homogĂšne en grappes (sous-groupes), puis de choisir alĂ©atoirement des grappes et de considĂ©rer tous les Ă©lĂ©ments de chaque grappe. Exemple : les classes d’une Ă©cole de secondaire.
On prend tous les éléments de quelques classes choisies aléatoirement.

Échantillonnage stratifiĂ©e (MĂ©thode des quotas)

Il s'agit de subdiviser une population hĂ©tĂ©rogĂšne en strates (sous-groupes). Cette mĂ©thode consiste Ă  retrouver dans l'Ă©chantillon les mĂȘmes proportions pour chacune des strates selon les caractĂ©ristiques choisies pour l'Ă©tude dans la population visĂ©e.

Échantillonnage systĂ©matique

Cette méthode consiste à dresser la liste de tous les éléments de la population visée et de déterminer le rapport suivant :
(Nombre d'éléments de la population)/(Taille de l'échantillon)
Exemple : Un bottin téléphonique contient 4 000 noms. Je veux un échantillon de 200 individus. Alors je calcule 4 000/200 = 20. Puis, à partir du début du bottin, je choisis le 20Úme, le 40Úme, le 60Úme, en faisant toujours des bonds de 20.

EnquĂȘte VOC

L’enquĂȘte VOC permet de rĂ©colter le VOC. Sous la forme d’un questionnaire, elle permet de collecter rapidement les principales attentes des clients.
Ses limites sont liĂ©es Ă  sa marge d’erreur qui provient :
  • de la reprĂ©sentativitĂ© du panel interrogĂ©
  • de la taille de l’échantillon (il faut environ 1000 personnes pour un intervalle de confiance de ± 4%).

Erreur de mesure

Aucun systĂšme de mesure n’est parfait et donc introduit une diffĂ©rence entre la valeur rĂ©elle et la mesure. Cette diffĂ©rence c’est l’erreur de mesure. Il en existe plusieurs types (Biais, LinĂ©aritĂ©, StabilitĂ©, RĂ©pĂ©tabilitĂ©, ReproductibilitĂ©).

Étendue

C’est un indicateur de dispersion. On calcule l’étendue en faisant la diffĂ©rence entre la valeur maxi moins la valeur mini.

Facteurs influents

Les facteurs influents sont les facteurs qui ont une incidence et une influence directes sur les Y du processus. Ils en sont souvent la cause. D’oĂč l’importance de les identifier (Étape Analyse) et de les traiter (Étape Innover).

Flow chart (Organigramme)

Un organigramme est un type de diagramme qui reprĂ©sente un flux de travail ou un processus. Un organigramme peut Ă©galement ĂȘtre dĂ©fini comme une reprĂ©sentation schĂ©matique d'un algorithme, une approche Ă©tape par Ă©tape pour rĂ©soudre une tĂąche.
L'organigramme montre les étapes sous forme de boßtes de différentes sortes, et leur ordre en reliant les boßtes par des flÚches. Les organigrammes sont utilisés pour analyser, concevoir, documenter ou gérer un processus ou un programme dans divers domaines

Green Belt

Un « Green Belt » est une personne formĂ©e Ă  la mĂ©thodologie DMAIC dont le rĂŽle, Ă  temps partiel, est de diriger les projets d’amĂ©lioration des processus.
Les Green Belts restent rattachés à des responsables opérationnels dans les départements ou les métiers.

GRR% - Gage R&R%

Capabilité du processus de contrÎle. Il indique si le processus de contrÎle est adapté en Répétabilité et en Reproductibilité.
Le Cpc est Ă©quivalent au R&R (Cpc = 1/R&R).
En général, on considÚre :
  • Cpc ≄ 4 (R&R% ≀25%), le processus est capable
  • Cpc ≄ 3 (R&R% ≀33%), le processus est limite
  • Cpc <3 (R&R% >3), le processus n’est pas adaptĂ©

GTV (Graphe temps valeurs)

Représentation graphique des tùches à Valeur Ajoutée (VA) et des tùches sans VA sur un poste de travail ou une activité.

Histogramme

Un histogramme est une représentation graphique permettant de représenter la répartition d'une variable continue en la représentant avec des colonnes verticales.

Hypergéométrique

La loi hypergĂ©omĂ©trique s’applique aux donnĂ©es discrĂštes. Elle permet de calculer la probabilitĂ© de tirer k caractĂšres X dans un Ă©chantillon de taille n tirĂ© d’un lot de taille N possĂ©dant D caractĂšres X.

HypothĂšse H0

HypothĂšse que l’écart entre les Ă©chantillons est nulle.

HypothĂšse H1

HypothĂšse que l’écart entre les Ă©chantillons est non nulle.

Intervalle de confiance

Confidence Interval en Anglais. L’intervalle de confiance est un Ă©cart que l’on calcule autour de la moyenne pour garantir, avec un certain de degrĂ© de confiance, l’écart entre la valeur rĂ©elle de la population et l’échantillon.

Justesse (Bias)

Écart systĂ©matique entre la vraie valeur et la valeur affichĂ©e.
La Gestion des Moyens de Mesure garantit la justesse du moyen, pas du processus.

KPI (ICP)

Key performance Indicators : Indicateur clé de performance. La traduction est discutée du fait de la non parfaite correspondance du sens performance dans les deux langues. Parfois On parle de Key Process Indicators.
Ces indicateurs clĂ©s rĂ©sument l’atteinte des objectifs du projet. Ils seront identifiĂ©s dĂšs la phase DĂ©finir. Ils intĂ©greront le tableau de bord du projet et seront mis Ă  jour rĂ©guliĂšrement.

Limite de contrĂŽle

Limites des variations alĂ©atoires de la statistique observĂ©e qui peut ĂȘtre une valeur individuelle, une moyenne, une mĂ©diane, une Ă©tendue, un Ă©cart type, un nombre de non conformes, ou une proportion.
Les limites sont calculĂ©es Ă  ± 3 Ă©carts types de la distribution de la statistique Ă©tudiĂ©e. Tant que la statistique est dans les limites, on ne refuse pas l’hypothĂšse d’un Ă©cart dĂ» Ă  des causes communes ; le processus est sous contrĂŽle.

Limite de ContrÎle Inférieure (LCI)

Lorsqu’un point est en deçà de la LCI, on refuse l’hypothĂšse d’un Ă©cart dĂ» Ă  des causes communes. On est en prĂ©sence d’une cause spĂ©ciale, le processus est hors contrĂŽle.

Limite de ContrÎle supérieure(LSC)

Lorsqu’un point est au-delĂ  de la LSC, on refuse l’hypothĂšse d’un Ă©cart dĂ» Ă  des causes communes. On est en prĂ©sence d’une cause spĂ©ciale ; le processus est hors contrĂŽle.

Limite de qualité Acceptable LQA AQL

C’est la limite maximale de non qualitĂ© acceptĂ©e dans une relation Client/Fournisseur.
Au-delà de cette limite, le risque alpha (de se voir refuser un lot de qualité p) est supérieur à 5%.

Limite de spécification (Tolérances)

Une limite de spĂ©cification est une valeur qui dĂ©finit l’acceptabilitĂ© de la performance d’un service, d’un produit ou d’un processus selon la perspective du client. Il existe souvent une Limite de SpĂ©cification SupĂ©rieure et une Limite de SpĂ©cification InfĂ©rieure.

Limite de spécification inférieure (LSI)

Une limite de spĂ©cification infĂ©rieure est une valeur au-dessus de laquelle la performance d’un service, d’un produit ou d’un processus est acceptable. Les spĂ©cifications sont dĂ©finies par le client, en fonction de ce qui est nĂ©cessaire pour satisfaire les besoins.

Limite de spécification Supérieure (LSS)

Une limite de spĂ©cification supĂ©rieure est une valeur en deçà de laquelle la performance d’un service, d’un produit ou d’un processus est acceptable.

Linéarité (hypothÚse)

HypothĂšse rĂ©alisĂ©e notamment dans les plans d’expĂ©rience 2k. On doit vĂ©rifier cette hypothĂšse par exemple en rĂ©alisant un essai au centre.

LinĂ©aritĂ© (Étude de)

Étude consistant Ă  vĂ©rifier la linĂ©aritĂ© d’un processus de mesure dans sa zone de fonctionnement.

Logigramme

Le logigramme est un outil d’analyse qui permet de reprĂ©senter de façon ordonnĂ©e et sĂ©quentielle l’ensemble des tĂąches ou Ă©vĂ©nements mis en Ɠuvre pour rĂ©aliser une activitĂ© donnĂ©e. Il est constituĂ© d’un ensemble de symboles reliĂ©s par des flĂšches.
Chaque symbole reprĂ©sente un Ă©vĂ©nement ou une tĂąche et la flĂšche matĂ©rialise la relation d’antĂ©rioritĂ© ou de succession entre deux tĂąches consĂ©cutives.

Loi Binomiale

La loi binomiale s’applique aux donnĂ©es discrĂštes.
Elle permet de calculer la probabilitĂ© de tirer k caractĂšres X, dans un Ă©chantillon de taille n, tirĂ© d’un lot dont la probabilitĂ© d’avoir X est Ă©gale Ă  p.

Loi Normale - Loi de Laplace Gauss

La loi normale est une distribution symĂ©trique qui est caractĂ©risĂ©e par une moyenne et un Ă©cart type. Lorsqu’un processus satisfait le thĂ©orĂšme central limite, la distribution suit une loi de Gauss.

Long terme

PĂ©riode de production normal du process.

MaĂźtrise Statistique des processus MSP SPC

Maßtrise Statistique des Processus (Statistical Process Control). Regroupe les méthodes et outils pour maßtriser une caractéristique en utilisant des cartes de contrÎles et des capabilités.

Management visuel

Le Management visuel est avant tout un outil de management qui rend Ă©vident le niveau de performance et les Ă©carts par rapport Ă  la cible.
Il donne des informations utiles aux opérateurs et aux membres du projet.
Il rend Ă©vident les Ă©carts par rapport Ă  la cible.
Il permet de piloter la performance au quotidien (anticipation de résultats).
Il permet de piloter les ressources : qui fait quoi et quand ?
Il facilite l’animation de rĂ©unions autour d’un tableau de communication par le visuel.

Master Black Belt (MBB)

Un Master Black Belt (MBB) est un expert des mĂ©thodologies Lean Six Sigma spĂ©cialement formĂ© Ă  l’encadrement et au tutorat des Ă©quipes d’amĂ©lioration et de conception des processus. Cette personne ne fait partie d’aucune Ă©quipe de projet spĂ©cifiquement, mais sert plutĂŽt de ressource d’expertise Ă  plusieurs Ă©quipes. Le MBB participe Ă  des revues de projets, forme les Black Belts et Green Belts et s’assure de l’utilisation Ă  bon escient de la mĂ©thodologie et des outils Lean Six Sigma.

Matrice de choix - Matrice de sélection de solution

C'est un processus de synthÚse et de sélection de solutions.
On identifie des items de sĂ©lection, affectĂ©s d’une pondĂ©ration.
Chaque solution est évaluée avec une note de 1 à 10 et on calcule une note pondérée pour chaque solution.

Matrice de priorisation - Matrice d'Eisenhower

La matrice de priorisation permet de hiĂ©rarchiser des actions selon deux critĂšres (exemple :Chance de succĂšs/Temps de mise en Ɠuvre) qui sont mis respectivement sur les axes X et Y. On place (par exemple) les actions dans le graphique que l’on partage en 4 quadrants. On privilĂ©giera les actions rapide Ă  mettre en Ɠuvre et dont les chances de succĂšs sont importantes au dĂ©triment du dernier cadran (longue Ă  mettre en Ɠuvre et peu de chance de succĂšs)

Matrice de Pugh

C'est un processus de synthÚse et de sélection de solutions.
Elle permet d’évaluer diffĂ©rentes solutions qui seront les plus faciles Ă  mettre en place, les moins coĂ»teuses, les plus visibles, qui donneront les meilleurs rĂ©sultats le plus rapidement, le meilleur retour sur investissement, le moins de rĂ©sistance au changement

Le jugement n’est pas absolu mais relatif au regard d’une solution rĂ©fĂ©rence. Une pondĂ©ration est affectĂ©e Ă  chaque critĂšre et la matrice permet d'obtenir une "note" pour chaque solution.

Matrice X/Y - Matrice C&E

Matrice Cause et Effet ou Matrice X/Y
Elle permet de mettre en relation plusieurs X au regard de plusieurs Y pondĂ©rĂ©s. En notant par exemple de 1 Ă  10 l’impact des X sur chaque Y, on hiĂ©rarchise les X pour pouvoir se concentrer sur les X essentiels.
La Matrice C&E fait penser Ă  tord au diagramme Causes/Effet, c’est pourquoi nous prĂ©fĂ©rons l’appellation Matrice X/Y.

MĂ©diane

Valeur telle que 50% de la population soient de chaque cĂŽtĂ©. Elle caractĂ©rise la position centrale d’une population. Elle est moins sensible aux valeurs aberrantes que la moyenne.

MĂ©thode de Taguchi

La mĂ©thode Taguchi est une approche originale permettant de rendre insensible les Y aux facteurs bruits en utilisant une approche fondĂ©e sur les plans d’expĂ©riences.

MLG (GLM)

ModÚle Linéaire Généralisé (Generalized Linear Model).
C’est une extension de la mĂ©thode de rĂ©gression des moindres carrĂ©s pour s’adapter Ă  des variables Y discrĂštes. L’algorithme d’optimisation pour obtenir le maximum de vraisemblance des paramĂštres n’est plus un simple calcul des moindres carrĂ©s mais un processus itĂ©ratif.

Mode

Dans le cas d'une variable discrĂšte, c'est la valeur dont l'effectif est maximal.
Dans le cas d’un histogramme, c’est la classe qui comporte le plus grand nombre de valeurs.

Moyenne

Somme des valeurs divisée par le nombre de valeurs.
Elle caractĂ©rise la position centrale d’une population.

MSA

Acronyme de Measurement SystĂšme Analysis qui signifie analyse du systĂšme de mesure en français. C’est une norme qui fait rĂ©fĂ©rence en matiĂšre de maĂźtrise des processus de mesure.

MSP (SPC)

Maßtrise Statistique des Processus (Statistical Process Control). Regroupe les méthodes et outils pour piloter une caractéristique en utilisant des cartes de contrÎles et des capabilités.

Niveau de Qualité Acceptable - NQA

C’est l’ancienne dĂ©nomination de Limite de QualitĂ© Acceptable.

Non Valeur Ajoutée - NVA

Une activitĂ© qui exige du temps, des ressources ou de l’espace, mais qui n’apporte pas de valeur au produit lui-mĂȘme. Il se peut que l’activitĂ© soit nĂ©cessaire dans les conditions actuelles, mais du point de vue du client, elle n’ajoute pas de valeur au produit mais au contraire que des coĂ»ts de production.

Opportunité

C’est une caractĂ©ristique mesurĂ©e sur une unitĂ© qui doit ĂȘtre conforme aux spĂ©cifications du client. Elle correspond Ă  la “possibilitĂ©â€ de ne pas atteindre les spĂ©cifications.

Pareto

Un graphique de Pareto est un outil de tracé qui illustre graphiquement le « Principe de Pareto » ou la « RÚgle des 80/20 », qui postule que 80% des problÚmes résultent de 20% des causes, les « causes majeures ». Les graphiques de Pareto classent une liste de causes selon un ordre de priorité qui dépend de la fréquence des occurrences.

Parties prenantes

Toutes les personnes qui sont impactées par le projet, soit :
  • les personnes qui sont impliquĂ©es dans le projet.
  • les personnes qui s’intĂ©ressent au projet.
  • les personnes qui peuvent influencer le projet.
    L’analyse des parties prenantes est une partie importante de l’étape DEFINIR.

Plan Do Check Act - PDCA

Méthodologie de résolution de problÚme à utiliser lorsque la solution est connue.
Plan : définir le périmÚtre, obtenir les données, formuler les hypothÚses, élaboration du programme de test.
Do : mettre en Ɠuvre, former, informer.
Check : vérifier les résultats, trouver rapidement une solution, identifier les causes premiÚres.
Act : prévenir une répétition, définir des standards, communiquer, identifier de nouvelles améliorations.

Pilote de Processus (ou propriétaire du processus)

Le Pilote de processus est la personne responsable de tous les aspects de l’exĂ©cution du processus. Il a Ă©galement la responsabilitĂ© de l’amĂ©lioration continue de sa performance et de sa maĂźtrise.

Plan d’expĂ©riences (DOE)

DOE, Design Of Experiment en anglais.
Un plan d’expĂ©riences est un ensemble d’essais planifiĂ©s par rapport Ă  un objectif qu’on s’est fixĂ©. Le but est de faire le juste nombre d’essais pour s’adapter au modĂšle recherchĂ© en maximisant la prĂ©cision sur les rĂ©sultats

Plan de collecte de données

Fait partie de l’étape MESURER.
Le plan de collecte de donnĂ©es est organisĂ© pour maximiser les chances de rĂ©ussite de l’étape ANALYSER.
Un plan de collecte de données se prépare en se posant les questions :
  • QUI est concernĂ© ?
  • QUOI collecter ?
  • OU collecter ?
  • COMMENT organiser la collecte ?
  • QUAND ? Quelle pĂ©riode ? Quelle frĂ©quence ?
  • COMBIEN ? Quelle taille d’échantillon ?

Plan de débroussaillage - Plan de criblage

Plan d’expĂ©riences permettant de hiĂ©rarchiser les X. Dans ce type de plan, on ne recherche pas un modĂšle prĂ©dictif, mais simplement quels sont les X qui impactent le plus le ou les Y.
Les table L12, L18 et L20 de Taguchi sont trĂšs bien adaptĂ©es. Les plans Ă  12 et 20 essais de Plackett et Burman le sont Ă©galement. En fait, ce sont les mĂȘmes tables.

Plan d'Ă©chantillonnage

Sélection raisonnée d'un sous-ensemble représentatif des données relatives à un processus. Elle permet d'arriver à des conclusions justes (aux risques alpha et beta connus pour deux points de référence) à partir d'un échantillon relativement réduit.

Plans de Taguchi

Taguchi a proposĂ© une organisation originale et simple pour les plans d’expĂ©riences. Cela permet de rendre facilement accessible l’utilisation des plans d’expĂ©riences par des non statisticiens.
La mĂ©thode Taguchi par contre est une approche originale permettant de rendre insensibles les Y aux facteurs bruits en utilisant une approche fondĂ©e sur les plans d’expĂ©riences.

Plans d'expériences de Surface de Réponse

Ce sont des plans qui permettent d’étudier des modĂšles polynomiaux quadratiques (comportant des termes xÂČ) mais avec moins d’essais que le plan 3k.
Ils sont conçus pour minimiser l’intervalle de confiance sur les coefficients. Les plus cĂ©lĂšbres sont les plans composites centrĂ©s.

Plans d'expériences factoriels

Ce sont des plans pour lesquels on fixe les facteurs, soit sur des modalités (critÚres X discrets), soit sur des niveaux (critÚres continus). On réalise toutes les combinaisons (plans complets) ou une partie seulement des combinaisons (plans fractionnaires).

Poisson

La loi de Poisson s’applique aux donnĂ©es discrĂštes.
Elle permet de calculer la probabilité de tirer k caractÚres X, dans un échantillon, en sachant qu'en moyenne, on en tire lamdba (λ).

Poka-Yoke

SystÚme anti-erreurs permettant de supprimer la possibilité de commettre une erreur. Exemple : encoche sur une carte SIM de smartphone.

Population

Terme statistique qui reprĂ©sente l’ensemble des individus.

Pouvoir de discrimination

Ratio entre la dispersion de mesure et la dispersion des produits mesurés.

Pp

Indicateur de capabilitĂ© long terme d’un processus indĂ©pendamment de son centrage

Ppk

Indicateur de capabilitĂ© long terme d’un processus qui tient compte de son centrage. En gĂ©nĂ©ral, on demande un Ppk > 1.33.

PPM

Acronyme de Partie Par Million. Typiquement utilisé dans le contexte des Défauts Par Million Opportunité. Synonyme de DPMO.

Ppm

Indicateur de capabilité long terme fondé sur la perte de Taguchi.

ProblĂšme

Un problÚme est défini par un écart entre une situation actuelle et une situation souhaitée.

Procédé

Un procĂ©dĂ© est une mĂ©thode, une technique, une maniĂšre d’agir.

Procédure (ou Mode Opératoire)

Une procĂ©dure est la sĂ©quence documentĂ©e d’étapes et autres instructions nĂ©cessaires Ă  l’exĂ©cution d’une activitĂ©.

Processus

Un processus est une sĂ©rie d’étapes qui transforment les entrĂ©es en sorties (produit ou service) pour rĂ©pondre aux CTS d’un client.
Toute activitĂ© peut ĂȘtre dĂ©crite en termes de processus. L’objectif ultime de l’exĂ©cution d’un processus est d’apporter de la valeur ajoutĂ©e au client. Un processus est gĂ©nĂ©ralement transverse Ă  plusieurs dĂ©partements ou mĂ©tiers.

Processus client

Ensemble d’activitĂ©s qu’une entreprise doit mettre en Ɠuvre pour transformer la demande de ses clients en produits ou prestations qui satisfont leur demande.

Processus de management (ou de pilotage)

Ensemble d’activitĂ©s destinĂ© Ă  Ă©tablir et dĂ©ployer des lignes directives d’une organisation, Ă  contrĂŽler et corriger ses activitĂ©s et Ă  analyser et amĂ©liorer son fonctionnement.

Processus de support

Processus des fonctions de support qui concourent au bon fonctionnement des processus clients.

Processus, Activités, Tùches

Processus : un processus est composĂ© d’un ensemble d’activitĂ©s.
ActivitĂ© (ou opĂ©ration) : une activitĂ© est composĂ©e d’un ensemble de tĂąches.
TĂąche : Ă©lĂ©ments de base d’un processus.

Propriétaire du processus (ou Pilote de Processus)

Le PropriĂ©taire du Processus est la personne responsable de tous les aspects de l’exĂ©cution du processus. Il a Ă©galement la responsabilitĂ© de l’amĂ©lioration continue de la performance et de sa maĂźtrise.

Protocole de mesure

Description détaillée de la mesure d'une variable X ou Y, généralement basée sur un questionnement QQOQCCP, permettant de prévoir tous les aspects.

Puissance

La puissance d’un test est la probabilitĂ© de dĂ©clarer un Ă©cart comme significatif.
On trace la courbe de puissance en faisant varier l’écart sur l’axe X et en plaçant la puissance sur l’axe Y.
La puissance d’un test permet de dĂ©terminer la taille d’échantillon nĂ©cessaire.
La puissance d’un test est le complĂ©ment du risque beta P = 1 – Beta.

Q1

C’est le premier quartile. 25% des donnĂ©es sont en-dessous de cette valeur.

Q2

C’est la mĂ©diane. C’est la valeur ou 50% des points sont en-dessous et 50% des points sont au-dessus.

Q3

C’est le troisiĂšme quartile. 75% des donnĂ©es sont en-dessous de cette valeur.

QQOQCP

QQOQCP est une méthode empirique de questionnement. Toute démarche d'analyse implique en effet une phase préalable de « questionnement systématique et exhaustif » dont la qualité conditionne celle de l'analyse proprement dite.
On questionne ainsi le QUI ? QUOI ? OU ? QUAND ? COMMENT ? POURQUOI ?
Pour chaque item, on tente d’ĂȘtre le plus factuel possible en rĂ©pondant Ă  la question COMBIEN.
Cette méthode est utilisée pour poser correctement un problÚme, mais aussi pour structurer la restitution des résultats de leurs analyses, ou encore pour créer un plan de collecte de données.

QRQC - Quick Response - Quality Control

Le QRQC est une démarche de résolution des problÚmes au plus proche du terrain.
Le QRQC exige avant tout de se baser uniquement sur les faits (le monde réel avant tout), et non des suppositions faites loin du terrain et qui ne décrivent que trÚs rarement la réalité.
Contrairement aux mĂ©thodes de rĂ©solution de problĂšmes « en salle », le QRQC traite le problĂšme sur son lieu d’apparition, par constatation directe des anomalies, par l’analyse de mesures objectives, et en faisant intervenir les personnes impliquĂ©es.

R

Coefficient de corrélation (varie entre -1 et +1)

R&R - Répétabilité & Reproductibilité

Capabilité du processus de contrÎle. Il indique si le processus de contrÎle est adapté en répétabilité et en reproductibilité.
Le Cpc est Ă©quivalent au R&R (Cpc = 1/R&R).
En général, on considÚre :
  • Cpc ≄ 4 (R&R% ≀25%), le processus est capable
  • Cpc ≄ 3 (R&R% ≀33%), le processus est limite
  • Cpc <3 (R&R% >3), le processus n’est pas adaptĂ©

R&R attributs

Capabilité du processus de contrÎle par attribut. Il indique si le processus de contrÎle est adapté en répétabilité et en reproductibilité.
Dans ce test, on prend entre 20 et 30 piÚces préalablement contrÎlées par un expert (valeur réputée vraie). Chacune des piÚces est contrÎlée plusieurs fois (répétabilité) par plusieurs opérateurs (Reproductibilité).

RÂČ

Coefficient de détermination (parfois appelé coefficient de corrélation).
Il varie entre 0 et 1.

RACI/RASCI

RACI dans le management représente une matrice des responsabilités qui indique les rÎles et les responsabilités des intervenants au sein de chaque processus et activité. Cette matrice représente l'organisation du travail en reliant dans un tableau commun la Structure de Découpage de Projet (WBS) et la Structure Organisationnelle du Projet (OBS).
La matrice RACI donne une vision simple et claire de qui fait quoi dans le projet, en permettant d'Ă©viter une redondance de rĂŽles ou une dilution des responsabilitĂ©s. Par exemple, la responsabilitĂ© d'approbation ("A") doit ĂȘtre attribuĂ©e Ă  une seule personne au sein d'une activitĂ©, tandis que plusieurs personnes peuvent ĂȘtre responsables ("R") de son exĂ©cution. Il devrait y avoir au moins un "R" par activitĂ©. La plupart du temps la personne qui approuve l'activitĂ© ("A") est le supĂ©rieur hiĂ©rarchique de celle qui la rĂ©alise ("R").
La traduction française peut donc ĂȘtre :
  1. R: RĂ©alisateur
  2. A: Autorité ou responsable
  3. C: Consulté
  4. I: Informé
    RASCI c’est la mĂȘme chose mais on ajoute :
  5. S : Support (personnes ou autorités qui peuvent intervenir en support. Il fournit les ressources à R).

Répétabilité

Dispersion d’une mesure dans des conditions stables pour les 5 M du processus de mesure : Mesurande, Moyen, MĂ©thode, Milieu, Main d’Ɠuvre.

Reproductibilité

Dispersion d’une mesure quand on modifie un des 5 M du processus de mesure. Il s'agit souvent de la Main d’Ɠuvre, mais ce peut ĂȘtre aussi le Moyen, la MĂ©thode, le Milieu.

RĂ©solution

C’est la granularitĂ© de lecture d’un appareil de mesure. ConcrĂštement, c’est le nombre de chiffres aprĂšs la virgule qu’on peut lire sur l’instrument de mesure.
RĂ©solution insuffisante : la rĂ©solution doit ĂȘtre Ă©gale au dixiĂšme de la tolĂ©rance !
Exemple 10 ±0,02 -> tolérance 0,04 mm -> résolution 4 mm

Revue (de projet)

C’est une rĂ©union structurĂ©e pour s’assurer que le projet a fourni les livrables requis pour chaque phase du DMAIC (charte projet, analyse de capabilité ).

Revue de processus

Les revues permettent de suivre l’évolution de la performance et de s’assurer que les sorties du processus sont conformes aux objectifs et aux attentes des clients du processus. Les revues de processus permettent d’identifier les dysfonctionnements et de proposer des actions susceptibles d’amĂ©liorer l’efficacitĂ© et l’efficience du processus. Les revues de processus sont conduites par le pilote ou propriĂ©taire du processus.

Risque projet

Chaque projet a ses risques qu’il faut identifier au plus tît. On peut classifier les risques TOHE: Techniques, Organisationnels, Humain, Économique.
Plusieurs outils sont Ă  disposition pour analyser ces risques.
Citons le diagramme SWOT (MOFF), l’AMDEC, l’arbre des causes


RTY - Rolled throughput yield

Le RTY est calculé en multipliant les rendements de chaque étape du processus.
Les calculs peuvent devenir de plus en plus compliqués à mesure que des processus plus parallÚles sont introduits.
Exemple RTY pour processus en série :
RTY = rendement de l'Ă©tape 1 du processus * rendement de l'Ă©tape 2 du processus * ... * rendement du processus N

RTYL

Rolled throughput yield Loss -> RTYL = 1-RTY

SĂ©rie chronologique

Une sĂ©rie chronologique est une sĂ©rie de valeurs provenant d’une mĂȘme variable observĂ©e Ă  des instants rĂ©guliĂšrement espacĂ©s dans le temps (jour, mois, annĂ©e).
Le diagramme à bande verticale ou la carte de contrÎle sont des exemples de diagramme de séries chronologiques.
Dans un diagramme de sĂ©rie chronologique, l’axe X reprĂ©sente le temps

Sigma

La valeur Sigma du procédé (noté z) est un indicateur de performance du processus.
Cela correspond au nombre d’écarts types que l’on peut intercaler entre la moyenne et la tolĂ©rance.

SIPOC

SIPOC est l’acronyme de Suppliers, Input, Process, Output, Customers.
Le SIPOC est une description de haut niveau (vue d’un hĂ©licoptĂšre ou vue de la lune) du processus.

Six Sigma

C’est une mĂ©thode de rĂ©solution de problĂšme en 5 Ă©tapes DMAIC (DĂ©finir, Mesurer, Analyser, Innover, ContrĂŽler) pour rĂ©duire la variabilitĂ© d’un processus afin de satisfaire davantage le client.

SMART

Caractéristiques de bons objectifs :
  1. Spécifiques (dans leur définition)
  2. Mesurable (avec objectivité)
  3. Ambitieux / Atteignables
  4. RĂ©alistes
  5. DĂ©finis dans le temps

SOP

Une procédure d'exploitation standard (SOP) est un ensemble d'instructions, étape par étape, compilées par une organisation pour aider les travailleurs à effectuer des opérations de routine. Les SOP visent à atteindre l'efficacité, la qualité de sortie et l'uniformité des performances, tout en réduisant les problÚmes de communication et le non-respect des réglementations de l'industrie.
Les SOP sont les supports de l’Automaütrise.

Sortie

Une sortie est le rĂ©sultat (produit ou service) d’une transformation rĂ©alisĂ©e par un processus. Les sorties sont les rĂ©sultats des processus fournis aux clients.

Spécifications techniques

Indication précise d'un ensemble de conditions à remplir par un produit, un matériau ou un procédé, incluant si nécessaire les méthodes qui permettent de déterminer si ces conditions sont remplies.

Standard

Un standard est un mode opératoire définissant les meilleures pratiques.

Statistiques descriptives

Les statistiques descriptives regroupent les outils statistiques permettant de dĂ©crire le comportement d’une variable X ou Y continue ou discrĂšte.

Statistiques inférentielles

Les statistiques infĂ©rentielles regroupent les outils statistiques permettant d’apporter la preuve d’une relation non alĂ©atoire entre un Y et un ou plusieurs X.

Stratification

Principe de diviser des données en différents sous-groupes. Par exemple : par famille de produits, par machines, par types de pannes


SWOT (MOFF)

( Strengths - Weaknesses - Opportunities - Threats ) ou MOFF pour les Francophones ( Menaces - Opportunités - Forces - Faiblesses )
C'est un outil trÚs pratique lors de la phase DEFINIR. Il présente l'avantage de synthétiser les forces et faiblesses du projet au regard des opportunités et menaces générées par son environnement.

Tableau de contingence

Tableau permettant de comptabiliser la répartition de deux variables discrÚtes ayant deux ou plus de modalités
des 100x10

TĂąche

Une tĂąche est une action menĂ©e qui fait gĂ©nĂ©ralement l’objet d’une affectation individuelle et qui doit ĂȘtre effectuĂ©e dans un temps donnĂ©.

Test 1p - Test sur une proportion

Permet de comparer un proportion à une proportion théorique.

Test de normalité

Permet de tester si on peut accepter l’hypothĂšse de normalitĂ©, les principaux tests sont :
  • Test de Anderson Darling
  • Test de Kolmogorov Smirnov
  • Test de Khi2 d'adĂ©quation
  • Test de Ryan Joiner

Test de Khi-deux

Il y a deux tests du chiÂČ (ou KhiÂČ)
  1. Il permet de comparer une variance à une variance théorique.
  2. Il permet de comparer la répartition de deux variables discrÚtes ayant 2 ou plus de modalités (tableau de contingence).

Test F

Permet de comparer deux Variances.

Test Kappa

C’est un Ă©lĂ©ment du R&R aux attributs.
La valeur Kappa permet de mesurer la bonne corrĂ©lation entre plusieurs opĂ©rateurs ou entre un opĂ©rateur et l’expert.

Test t apparié

Permet de comparer deux moyennes dans le cas d’échantillons appariĂ©s.

Tests d’équivalence

Outils statistiques qui permettent d’évaluer avec un certain risque, si on peut conclure Ă  l’équivalence de 2 ou plus populations.

Tests d’hypothùses

Outils statistiques qui permettent d’évaluer avec un certain risque, s’il y a une diffĂ©rence entre 2 ou plus populations.

Test-t Ă  deux Ă©chantillons

Permet de comparer deux moyennes.

Test-t à un échantillon - Test t-théorique - One sample test t

Permet de comparer une moyenne à une valeur théorique.

ThéorÚme central limite

ThéorÚme énoncé par Gauss.
Tout systĂšme, soumis Ă  de nombreux facteurs, indĂ©pendants les uns des autres et d’un ordre de grandeur de l’effet Ă©quivalent, gĂ©nĂšre une loi normale.

TOHE

Technique Organisationnel Humain Economique
Outil d’analyse des risques d’un projet en les classant en 4 catĂ©gories :
T : Tous les risques techniques – exemple : capacitĂ© d’une machine.
O : Tous les risques liĂ©s Ă  l’organisation – exemple : disponibilitĂ© de la machine.
H : Tous les risques liĂ©s Ă  l’humain – exemple : compĂ©tences disponibles.
E : Tous les risques liĂ©s Ă  la partie Ă©conomique – exemple : budget insuffisant.

Transformation Box - Cox

C'est une transformation mathématique (xλ) qui permet de transformer des données qui ne suivent pas une loi normale en données suivant une loi normale. Cette transformation permet ainsi d'utiliser les outils standards d'analyse tels que la carte de contrÎle, tests statistiques etc... qui font l'hypothÚse de normalité des données.

Valeur aberrante (Outlier)

C’est une donnĂ©e qui est anormalement Ă©loignĂ©e des autres. Elle ne suit pas la loi normale.

Variance

Une variance est une mesure servant Ă  caractĂ©riser la dispersion d’un Ă©chantillon ou d’une population. La variance est Ă©gale Ă  l’écart type au carrĂ©.

VOB - Voix du Business

Voice of the Business.
C’est la voix de l’entreprise : quels sont les objectifs en terme de coĂ»ts, de dĂ©lais, de retour sur investissement


VOC - Voix du Client

Voice of the Customers.
C’est la voix des clients. Elle permet de prĂ©ciser les attentes des clients mais Ă©galement des parties intĂ©ressĂ©es par le projet.
On la rĂ©colte par tous les moyens proactifs Ă  disposition (interviews, enquĂȘtes, sondages, groupe d’échange
) et d’analyse Ă  disposition (analyse des donnĂ©es historiques, des rĂ©clamations
).

VOP - Voix du Processus

Voice of the Process.
La voix du Processus (VOP) fait référence aux différentes informations permettant de mesurer la performance du processus.

VOS - Voix du Social

Voice of the Social.
C’est la voix de l’Environnement de la sĂ©curitĂ© et des collaborateurs.

VSM

Value Stream Mapping : cartographie des flux de valeurs.
C’est un outil visuel qui affiche toutes les Ă©tapes critiques d'un processus spĂ©cifique.
Il quantifie facilement le temps et le volume nécessaires à chaque étape. Les cartes des flux de valeur montrent le flux de matériaux et d'informations au fur et à mesure de leur progression dans le processus.

X

X dĂ©signe le facteur qui influe sur la sortie d’un processus.
On appelle « X critiques » ou « X essentiels » les facteurs qui ont un impact majeur sur la performance d’une sortie du processus.

Y

Y est la mesure d’une sortie d’un processus

Z

AppelĂ© “valeur Sigma du procĂ©dĂ©â€. C’est le nombre d’écarts types que l’on peut intercaler entre la moyenne et la tolĂ©rance.