Mais l'utilisation de ces outils peut parfois sembler insurmontable en raison de leur complexité ou du manque d'exemples d'applications spécifiques.
Cet article se concentre sur les 7 outils de base de la qualité - 7 modèles statistiques analytiques différents que vous pouvez utiliser en tant que débutant sans avoir besoin de recourir à des mathématiques lourdes.
Chacun des 7 outils de base est décrit brièvement ci-dessous et accompagné d'un exemple de fabrication pertinent.
1. Feuille de contrôle
Une feuille de contrôle est un indicateur visuel des données collectées au cours d'un processus. Elle peut être aussi simple qu'une liste de contrôle numérotée à suivre de manière séquentielle, ou aussi compliquée que l'exige la tâche.
Son fonctionnement est similaire à celui d'un tableau kanban, qui est un affichage visuel des travaux en cours ou à effectuer. Il diffère d'un tableau Kanban en ce qu'il suit la progression d'un travail unique ainsi que les informations relatives aux travailleurs, aux spécifications et à l'emplacement du travail.
Conseil de pro : Le principe de fabrication "juste à temps" souligne l'importance du contrôle des processus en temps réel, au fur et à mesure qu'ils se déroulent. Cela permet d'optimiser le temps de réponse aux modifications du flux de travail en fonction des informations les plus récentes. Les fiches de contrôle sont idéales pour obtenir des informations en temps réel, car elles collectent continuellement des données sur une période donnée.
Question à résoudre : Comment surveiller et évaluer un processus juste à temps ?
Exemple de fabrication : Vous souhaitez mesurer le contrôle d'un processus sur l'ensemble d'une chaîne de production, en l'occurrence sur votre poste de travail d'assemblage de moteurs. Les variables sont nombreuses, mais vous ne vous préoccupez pas encore des causes profondes ou des relations de cause à effet. Vous vous contentez de l'essentiel : combien de défauts sont causés au cours d'une semaine normale, y compris les types de défauts et les jours où ils se produisent.
En utilisant ce décompte sur une feuille de contrôle, vous pouvez collecter des données comme première étape d'une analyse plus poussée.
Par exemple, regardez la fiche de contrôle de l'assemblage du moteur ci-dessous. Un rapide coup d'œil aux données compilées montre que les défauts les plus fréquents concernent les pièces d'approvisionnement rouillées et que ce problème survient le plus souvent au cours de la première moitié de la semaine.
Par conséquent, un gestionnaire avisé ferait mieux de vérifier s'il existe un problème dans la chaîne d'approvisionnement, tel que :
Les pièces arrivent sur place déjà rouillées ;
Des pièces arrivées sur le site en fin de semaine et mal stockées pendant le week-end, ce qui les a fait rouiller ;
des pièces dont la rouille a été évaluée plus rigoureusement par les chefs d'équipe du lundi et du mardi que par les autres chefs d'équipe ;
etc.
Les feuilles de contrôle sont incroyablement polyvalentes. La vidéo ci-dessous donne un aperçu plus créatif de l'utilisation des feuilles de contrôle dans les applications logicielles, telles que la plateforme VKS :
2. Diagramme d'Ishikawa
Les diagrammes en arête de poisson ont été créés pour la première fois par Kaoru Ishikawa, un ingénieur chargé du contrôle de la qualité dans l'industrie japonaise de la construction navale au cours des années 1960. Également connus sous le nom de diagrammes d'Ishikawa, ils sont destinés à être utilisés comme une approche collaborative de l'analyse des causes profondes.
Les diagrammes d'Ishikawa, comme d'autres tableaux de bord et méthodes d'enquête, sont des outils précieux pour les équipes qui cherchent à résoudre divers problèmes. Les diagrammes en arêtes de poisson présentent les avantages suivants
Pratique utilisant des cadres adjacents à la gestion totale de la qualité (GQT)
Assez simple pour être dessiné sans logiciel ni équipement
Approche rapide du brainstorming
Favoriser la constitution d'équipes collaboratives
Question à résoudre : Quelle est, selon nos hypothèses, la cause première d'un problème ?
Exemple de la fabrication : L'équipe de direction de votre entreprise a constaté l'apparition d'un défaut qui a un impact majeur sur la qualité, mais vous ne savez pas exactement d'où vient le problème.
Vous organisez donc une séance de remue-méninges pour identifier les causes possibles et les facteurs contributifs dans tous les domaines de votre processus de production afin de trouver les causes profondes.
Vous pouvez facilement reproduire cet exercice avec seulement un stylo et du papier ou même un tableau blanc. Examinez le diagramme ci-dessous : La première étape consiste à noter le problème principal - dans ce cas, le défaut qui pose problème.
Ensuite, réunissez les membres de l'équipe concernés par ce défaut et demandez à chacun d'écrire une cause potentielle de ce problème. Inscrivez ces grandes zones de causalité le long de la colonne vertébrale du poisson, à l'endroit où il est indiqué "Étape n° 2".
Enfin, l'équipe doit creuser un peu plus et poser des questions sur les raisons de ces causes. Ne vous souciez pas trop d'être précis, puisqu'il s'agit d'un exercice de remue-méninges. Notez ces causes profondes sous les catégories que vous venez d'identifier à l'étape 2.
3. Carte de contrôle
Les cartes de contrôle sont des graphiques linéaires qui permettent de visualiser d'un coup d'œil les écarts de production. La partie linéaire fluctuante de la carte tourne autour d'une "ligne de contrôle" médiane qui représente une norme de qualité spécifique.
L'objectif de la carte de contrôle est de détecter les erreurs et les anomalies du processus et de modéliser les améliorations possibles. Ils sont couramment utilisés dans la fabrication industrielle et la gestion des processus, en particulier lorsqu'il s'agit d'amélioration continue.
Question à résoudre : La quantité de défauts que nous observons se situe-t-elle dans une fourchette normale ou y a-t-il quelque chose qui provoque plus d'erreurs que d'habitude ?
Exemple de fabrication : En ouvrant votre système d'exécution de la fabrication (MES), vous pouvez voir des données historiques sur le nombre de défauts produits en moyenne par votre équipe de fabrication par mois.
Cependant, vous venez de passer à des machines plus modernes et vous voulez savoir si votre taux de défauts reste dans des limites acceptables ou si le contrôle de votre processus n'est plus prévisible.
Vous établissez donc une carte de contrôle avec deux limites de contrôle représentées par des lignes horizontales pour voir d'un coup d'œil si les données se situent dans la fourchette souhaitée.
L'image ci-dessus est un modèle qui permet de comprendre les éléments de base d'une carte de contrôle. Voici un exemple de carte de contrôle dans notre logiciel et de son aspect dans un atelier de fabrication :
Les données relatives aux niveaux d'absorption de la classification des couleurs dans une machine à mélanger sous vide sont représentées ici en fonction du nombre de lots. Les points de données se situent à l'intérieur des deux lignes rouges en pointillés qui représentent les limites supérieure et inférieure de contrôle.
Dans ce cas, les niveaux d'absorption se situent donc à l'intérieur des lignes rouges, ce qui signifie que le processus est "sous contrôle". En d'autres termes, les défauts causés par le mélangeur sous vide sont conformes aux attentes en matière d'usure normale et la machine est probablement calibrée correctement.
4. Histogrammes
Les histogrammes sont très utiles car ils ne se contentent pas de mettre en évidence les "écarts" ou les "valeurs aberrantes" dans les ensembles de données, ils montrent également la fréquence de ces écarts.
Si une usine produit un volume considérable d'articles avec des mesures au millimètre près, il peut être difficile de trouver des domaines susceptibles d'être améliorés en permanence.
Un histogramme permet d'identifier facilement s'il y a une machine parmi des dizaines qui est sujette à des erreurs ou qui est mal réglée. Il s'agit donc d'un outil de qualité inestimable pour la production à grande échelle.
Question à résoudre : Certains types de défauts sont-ils plus ou moins fréquents que d'autres ?
Exemple de fabrication : À l'instar de l'exemple de la carte de contrôle ci-dessus, supposons que vous venez de mettre à niveau plusieurs nouvelles machines dans votre atelier et qu'elles fonctionnent en parallèle avec d'anciens équipements.
Les taux de production diffèrent entre les nouvelles et les anciennes machines, de sorte qu'il est difficile de les comparer entre elles.
Vous souhaitez analyser le taux de production des anciennes machines au fil du temps afin de déterminer si et quand les défauts deviennent plus fréquents. De cette façon, votre histogramme vous indiquera quand vous devrez remplacer les anciennes machines.
5. Graphique de Pareto
Les diagrammes de Pareto sont couramment utilisés pour le contrôle de la qualité, lorsque les organisations comptabilisent le nombre de défauts et déterminent ceux qui sont à l'origine du plus grand nombre de problèmes et/ou de pertes de revenus.
La magie du diagramme de Pareto réside dans le fait qu'il s'agit à la fois d'un graphique linéaire et d'un graphique à barres, ce qui permet aux organisations d'obtenir une vue précise du nombre de défauts tout en comprenant leur valeur cumulative les uns par rapport aux autres.
Il n'est pas nécessaire que la répartition soit strictement de 80/20, mais c'est la répartition la plus couramment observée selon le principe de Pareto.
Question à résoudre : Quel est le sous-ensemble de données le plus courant ou le plus important ?
Exemple de la fabrication : Vous fabriquez un produit d'une qualité exceptionnelle mais, comme dans tout processus de production, des défauts inattendus apparaissent inévitablement. Vous réalisez un diagramme de Pareto pour déterminer quel type de défaut a le plus d'impact sur vos résultats en raison de sa fréquence et de son effet.
L'exemple ci-dessus est un diagramme de Pareto de base, qui montre qu'environ 80 % de tous les défauts sont dus à des bosses et à des erreurs de peinture. Le directeur de l'usine sait donc sur quels domaines se concentrer pour réduire au maximum le nombre de défauts.
Pour une présentation plus détaillée de l'utilisation des diagrammes de Pareto sur les plateformes logicielles de fabrication, consultez notre vidéo sur la création de diagrammes de Pareto avec VKS :
Comme décrit dans la vidéo ci-dessus, les diagrammes de Pareto tels que ceux qui suivent les défauts ont besoin des quatre colonnes suivantes : défauts, fréquence, fréquence cumulée et pourcentage cumulé. En exportant les données vers Excel, vous pourrez facilement créer votre propre diagramme de Pareto.
6. Diagramme de dispersion
Un diagramme de dispersion est l'un des graphiques les plus simples, également connu sous le nom de diagramme de valeurs X-Y. Ces diagrammes sont utilisés lorsque des données numériques sont appariées. Ces diagrammes sont utilisés lorsque vous disposez de données numériques appariées, avec une variable de la paire sur l'axe X et l'autre variable sur l'axe Y. Ils sont utilisés lorsque vous pensez qu'il peut y avoir une relation entre les variables.
Ils sont utilisés lorsque l'on soupçonne l'existence d'une relation entre les variables. C'est pourquoi les diagrammes de dispersion sont souvent utilisés pour déterminer les relations de cause à effet.
Selon la présentation des points dans le diagramme de dispersion, vous pouvez être en mesure de tracer une ligne de signification statistique (signifiant qu'il existe effectivement une causalité ou une corrélation) à travers le diagramme par le biais des groupements de points.
Question à résoudre : Deux variables ont-elles un impact l'une sur l'autre ?
Exemple de fabrication : Vous vous demandez s'il est possible d'optimiser votre processus de fabrication pour obtenir des produits de meilleure qualité en modifiant la quantité d'une matière première, le fer. Vous mesurez deux variables pour voir si elles s'influencent mutuellement : la pureté globale du produit et la présence de molécules de fer dans le produit.
Une fois les points de données tracés (c'est-à-dire "dispersés"), vous tracez deux lignes représentant la valeur médiane le long de chaque axe. Comme il n'y a pas de tendance facilement identifiable (c'est-à-dire que les points ne sont pas répartis uniformément sur les lignes), vous pouvez conclure que les deux variables - le fer et la pureté du produit - ont peu ou pas d'effet l'une sur l'autre.
Par conséquent, il n'est pas judicieux d'essayer d'améliorer la qualité en modifiant les niveaux de fer.
7. Stratification
La stratification est un mode d'analyse des données qui consiste à regrouper les données en groupes homogènes - appelés strates - en vue d'une représentation graphique visuelle. Elle n'est pas aussi approfondie, d'un point de vue statistique ou mathématique, qu'une carte de contrôle.
Chaque strate provient d'une source de données différente et est représentée différemment sur le diagramme de stratification selon une légende visuelle.
L'objectif d'un diagramme de stratification est de permettre à quelqu'un de voir les tendances entre différents ensembles de données homogènes.
Question à résoudre : Existe-t-il des schémas à explorer plus en profondeur ?
Exemple de fabrication : Trois machines distinctes fonctionnent simultanément dans votre atelier. Elles fabriquent des composants distincts et présentent donc des points de données différents selon la machine considérée, mais vous souhaitez comparer l'efficacité globale de l'équipement (OEE) des trois machines entre elles pour voir si l'une d'entre elles présente un schéma identifiable en termes de quantité de défauts.
Dans cet exemple de diagramme de stratification, il apparaît que les machines 1, 2 et 3 présentent toutes des courbes ou des lignes similaires reliant des points de données isolés. La machine 3 a de loin le plus grand nombre de défauts par date sur l'axe des X.
Cela peut signifier plusieurs choses :
Si les trois machines sont du même type, les machines 2 et 3 ne sont pas assez performantes et doivent faire l'objet d'une maintenance et d'un réglage.
Si les trois machines sont différentes - par exemple, la machine 1 est un bras d'assemblage robotisé, la machine 2 est un outil dynamométrique et la machine 3 est un essai de charge automatisé - il est normal que les trois lignes du tableau soient séparées comme elles le sont.
Quoi qu'il en soit, un diagramme de stratification aidera l'observateur à évaluer les zones problématiques et l'impact de ces zones distinctes sur l'ensemble du processus de production.
Utiliser les 7 outils de la qualité pour l'amélioration continue
Les 7 outils du contrôle de qualité de base sont des méthodes statistiques différentes d'analyse des ensembles de données qui sont utiles dans les contextes de fabrication. Malgré leur fondement mathématique, ces méthodes sont suffisamment simples pour être utilisées par des personnes ne disposant pas d'une formation analytique approfondie, en particulier lorsqu'elles sont associées à un logiciel d'instructions de travail qui stocke, trie et traite les données dans l'ensemble de l'entreprise.
L'utilisation de ces 7 outils relève parfois plus de l'art que de la science exacte, car vous pouvez choisir les outils qui conviennent le mieux à votre situation contextuelle dans l'industrie manufacturière. N'hésitez pas à en utiliser plusieurs à la fois, ou seulement quelques-uns, et laissez les données émerger pour vous guider dans vos prochaines étapes d'amélioration continue.
