Dans quelle mesure les Belts, acteurs de la démarche Lean Six Sigma, doivent-ils connaître et maîtriser les statistiques appliquées ?

Cet article de Paul Sheehy, formateur au sein de la société Minitab, LLC., aborde dans cette brève les différences dans la façon d'enseigner les statistiques aux Green Belts et Black Belts Six Sigma d'une entreprise à l'autre, et identifie les sept fonctionnalités statistiques du logiciel d'analyse de données Minitab les plus utiles aux spécialistes de la qualité.

D'une organisation à l'autre, les statistiques sont enseignées aux Belts Six Sigma à des degrés variés et selon des méthodes différentes. J'ai rencontré beaucoup de Master Black Belts (MBB) qui étaient des statisticiens confirmés, la grande majorité d'entre eux était, ainsi par exemple, capable de différencier un test t à 2 échantillons d'un test t pour données appariées. Les Black Belts (BB) peuvent faire appel aux MBB pour obtenir de l'aide statistique. Par conséquent, le niveau demandé est inférieur. Enfin, les Green Belts (GB) et certains Black Belts novices présentes des niveaux de connaissances disparates en matière de statistiques.

Il est important de souligner que de nombreuses sociétés supposent que tous les BB ont un socle de connaissances validé par leur certification. Intéressons-nous alors aux GB et aux BB qui ne sont pas encore certifiés. Ils sont sensés recevoir une formation à des méthodes adaptées à leur fonction opérationnelle, aux processus et aux tâches sur lesquels elles travaillent ainsi qu'à leur environnement professionnel. Si certains tests ne sont jamais utilisés, il peut être "utile" de les connaître, mais cet enseignement peut être mobiliser temps et attention sans valeur ajoutée immédiate.

En principe, les GB et BB ont besoin des mêmes outils, car la principale différence entre ces deux statuts est le temps investi puisque le BB travaille à temps complet sur les projets tandis que les GB n'y consacrent qu'une proportion de leur temps de travail. Tandis que certaines organisations amènent les GB au même niveau que les BB, d'autres sensibilisent leurs GB à la mesure, à l'analyse et au contrôle, mais ne leur fournissent pas de logiciel de statistiques. Cette dernière approche repose sur constat : les statistiques peuvent paraître compliquées, rebutantes, elles doivent être exploitées rapidement dans la prise de décision et peuvent se révéler dangereuses si les conditions d'applicabilité des tests utilisés ne sont pas respectées, si le choix de la fonction statistique n'est pas judicieux, si les hypothèses ne sont pas vérifiées, si les tailles d'échantillon sont insuffisantes, si les données n'ont pas été mesurée ou collectées correctement si l'analyse est mal interprétée.

Quelles sont les solutions possibles ?

Premièrement, les éditeurs de logiciels statistiques doivent admettre que la plupart des utilisateurs de leurs produits ne sont pas des statisticiens, et que leur logiciel doit fournir des données et des résultats dans un langage clair, sans ambiguité ni jargon. Autrement dit, les logiciels doivent fournir des tests élémentaires à un GB et des fonctions plus avancées à un MBB, adaptés à leurs besoins. Idéalement, vous souhaitez un logiciel susceptible de convenir aux débutants et aux confirmés car il présenterait deux avantages évidents : il répondra aux attentes des GB aspirant à devenir des BB et peut-être même des MBB. De plus, les MBB, parce qu'ils aident les GB et les BB, doivent avoir accès aux fonctions que ces derniers exploitent dans le logiciel.

Deuxièmement, le logiciel doit, dans la mesure du possible, valider automatiquement les hypothèses et délivrer des messages d'alerte éventuelle clairs, simples et concis en fonction des résultats obtenus par l'utilisateur. Pour les GB, les résultats doivent comprendre la mention des hypothèses à vérifier (en supposant que l'utilisateur sache comment valider toutes les hypothèses et qu'il le fasse), et établir un rapport entre la quantité et la qualité des données.

Troisièmement, le logiciel doit guider, ou mieux encore, diriger de façon semi-automatique les GB à l'aide d'étapes à suivre pour réaliser une analyse appropriée. Ces jalons doivent inclure la validation de données, l'analyse graphique critique, d'aide au choix d'une analyse statistique appropriée et d'une conclusion claire tirée d'une procédure statistique rigoureusement exécutée.

Quatrièmement, les logiciels destinés aux GB doivent proposer des tests validant les hypothèses les plus courantes et produisant des résultats statistiques clairs, dont l'interprétation est évidente. En voici quatre exemples :

  • Suggérer une analyse de la variance (ANOVA) de Welch ou un test F classique, car l'analyse de variance de Welch ne requiert pas d'hypothèse d'égalité des variances.
  • Inclure par défaut les tests 1, 2 et 7 pour la maîtrise statistique des procédés. Procéder ainsi est conforme aux préconisations des chercheurs et de la communauté statistique d'une part, et minimise les fausses alertes tout en optimisant l'étude du processus, d'autre part.
  • Préciser si les hypothèses courantes sont importantes ou non dans le cas de figure de l'utilisateur. Ainsi, l'hypothèse de normalité dans un test t à 2 échantillons dont les tailles sont supérieures à 20 n'est pas importante.
  • Fournir des comparaisons automatiques de différences de niveau moyen dans une analyse ANOVA à un facteur contrôlé au lieu d'indiquer une valeur p unique.
  • Cinquièmement, la formation doit éviter le discours statistique théorique, sauf lorsque cela est indispensable. En effet, les participants à une formation GB de deux semaines, ou à une formation BB de quatre semaines, doivent apprendre les différents aspects de la méthodologie Six Sigma, un programme extrêmement dense, et s'approprier les techniques préconisées pour la mise en oeuvre de leur projet. Accorder le temps nécessaire à ces sujets implique que le temps imparti pour parcourir less tests statistiques utiles, les concepts d'analyse de données à maîtriser et la prise en mains des logiciels de statistiques n'est pas extensible. En tant que MBB, durant les 7 ans consacrés à la formation des BB et des GB, je devais toujours me plier en quatre pour pouvoir couvrir tous les concepts de Lean Six Sigma dans le temps donné : la gestion du changement, la gestion de projet, les rapports d'activités, la sélection, la définition et la délimitation des projets, l'analyse financière et la création de présentations, sans parler des revues de projets et de l'encadrement. Je me suis senti incapable de fournir une formation des statistiques appliquées digne de ce nom.

    En tant que formateur Minitab depuis 6 ans, j'ai été confronté à un autre aspect du problème. Environ 40 % des participants à ma formation Minitab sont des Belts certifiés ou en cours de certification. A chacun de mes cours, j'entends l'un d'entre eux dire : "C'est effrayant, je n'ai pas appris cela dans ma formation Six Sigma". Je réponds toujours qu'étant donné le temps imparti, le formateur Six Sigma ne peut enseigner que les bases. Nous ne considérons pas les connaissances Lean Six Sigma des participants Belt comme exhaustives au bout des quelques semaines de formation mais plutôt qu'ils seront capables d'appliquer et de perfectionner leurs connaissances sur une période donnée (généralement un an et/ou à l'aide de plusieurs projets sélectionnés et réalisés). Pourquoi alors prétendre que tous les tenants et aboutissants des techniques statistiques sont sensées être connus après une formation Lean Six Sigma ? Les connaissances statistiques, comme la plupart des autres domaines couverts par la démarche Lean Six Sigma, doivent être enrichies et améliorées tout au long de la première année.

    Sixièmement, il faut adapter le contenu, au cas par cas. Je suis intervenu en tant que formateur dans de nombreuses entreprises du secteur tertiaire qui n'utilisent pas les méthodes statistiques traditionnellement exploitées dans l'industrie et qui n'ont donc aucune raison d'apprendre comment utiliser et interpréter l'étude R&R de l'instrumentationd ans le cadre de l'analyse du système de mesure. Pourquoi l'enseigner ? De même, dans l'une de ces entreprises de services, tandis que j'enseignais la méthode Lean Six Sigma, les participants ne voyaient pas l'intérêt des plans d'expériences (DOE). Je leur ai donné raison et n'avons pas consacré trois jours sur la théorie et la pratique des plans d'expériences (DOE), mais 3 à 4 heures de "sensibilisation" afin que les participants sachent que la technique existe, ce qu'elle apporte et ce qu'elle exige. Le résultat de cette personnalisation de la formation a été probant : seuls 2 des 25 participants ont utilisé les plans d'expériences dans leur premier projet, il s'agissait des plans 2K qu'ils ont exploité correctement.

    Septièmement, il faut indiquer aux Belts l'aide mise à leur disposition, par exemple l'aide en ligne proposée par le logiciel utilisé, une source d'informations précieuse souvent ignorée, premier guide que le Belt doit consulter lorsqu'il est en peine.

    Une dernière observation : les statistiques sont au coeur de l'approche Lean Six Sigma, mais ce n'est pas l'activité à laquelle un Belt consacre le plus de temps. Lors d'un projet de trois ou quatre mois, un Belt peut utiliser son logiciel d'analyse statistique de données pendant 10 à 20 heures. Le Belt doit cependant avoir conscience que sans les techniques statistiques, vérifier l'état initial du procédé, valider l'impact de la solution apportée et vérifier l'état final après amélioration serait une tâche hardue. Comment savoir si une modification est statistiquement valide ou due au hasard, et comment quantifier correctement notre situation après amélioration ?

    Malgré les conférences, articles et discours annonçant qu'il est possible d'appliquer la méthode "Six Sigma sans statistiques", l'analyse statistique des données est indispensable mais elle doit et peut être rendue plus accessible, plus facile à apprendre et plus sûre.

    A propos de Paul Sheehy

    Paul Sheehy est formateur au sein de la société Minitab, LLC. Il a obtenu ses diplômes en technologie industrielle et ingénierie mécanique alors qu'il était employé chez General Electric, sachant que sa meilleure formation selon lui a été l'apprentissage et l'application des statistiques en entreprise et une amélioration constante des processus dans des conditions réelles. Après être devenu Master Black Belt, il a déployé le programme Six Sigma dans différents départements de la division Power Systems de GE à Bangor, dans l'état américain du Maine, et a enseigné la méthodologie Six Sigma aux acteurs de progrès et aux formateurs sur plusieurs sites de l'entreprise. Avant de rejoindre Minitab, Paul Sheehy était consultant expert et formateur au sein de la Six Sigma Academy, où il a développé des supports de formation pour les programmes de formation des Black Belt et Green Belt. Paul Sheehy a formé des Black Belts pour le compte d'entreprises comme Ford, Visteon, Johnson Controls, Tyco, Kerr McGee et Lear. Paul Sheehy est intervenu dans de nombreuses conférences et a organisé plusieurs déjeuners-ateliers lors de la conférence Lean Six Sigma de l'American Society for Quality. Il est l'auteur principal du guide Black Belt Memory Jogger.

    Téléchargez cet article au format PDF (uniquement en anglais)

    • Minitab News

      Recevez gratuitement notre lettre d'information électronique mensuelle pour connaître l'actualité de Minitab, consulter les didacticiels, lire des études de cas, obtenir des conseils statistiques, et recevoir d'autres informations utiles.

      Pour s'abonner
    • Suivez Minitab

      Join Minitab on LinkedIn Follow Minitab on Twitter Like Minitab on Facebook
    • Plus d'articles

    En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu. Lisez notre politique

    OK