Formation Lean Six Sigma – Green Belt

Après un bref rappel des concepts utilisés pendant la certification Yellow Belt, la formation se poursuit en complétant le cursus par une appropriation en profondeur des phases “Analyze”, “Improve” et “Control” de la méthodologie Lean Six-Sigma. En effet, le Green Belt a pour vocation de mettre en oeuvre la méthodologie et seconde les black belts dans la réalisation des projets d’amélioration de processus.
Les modules ci-après reflètent l’approfondissement de ces connaissances.

Plus concrètement, à l’issue de ce cours Green Belt, vous serez en mesure de:

• Analyser les données recueillies, en extraire les variables pertinentes et manipuler les tests d’hypothèse et autres outils statistiques de façon opérationnelle.
• Comprendre et concevoir les plans d’expérience simples permettant de collecter les données.
• Maîtriser la modélisation de processus et détecter les corrélations entre variables.
• Diagnostiquer un problème d’amélioration.
• Réussir la certification Lean Six Sigma Green Belt (IASSC) et devenir Certifié Green Belt Lean Six Sigma

Cette formation s’adresse aux techniciens, aux responsables de production, aux équipes qualité, aux responsables de processus, aux chefs de projets et aux consultants.

Avant de suivre ce cours il faut avoir participer à la Formation Lean Six Sigma – Yellow Belt (GLYB) ou posséder les connaissances et compétences équivalentes.

PHASE “ANALYZE”

• Cette phase consiste en l’identification des causes qui agissent sur la variation du processus. On estime alors l’effet de ces causes et on extrait les causes fondamentales à l’origine de cette variation. On se base sur des techniques statistiques pour interpréter les mesures et clarifier les hypothèses sur des faits avérés. Ces outils permettent de se focaliser sur les bonnes variables et d’agir avec efficacité sur les causes de la variation du processus.

“X” Sifting

• Effectuer une analyse multi-variances Interpréter un graphe multi-variances Identifier quand une analyse multi-variances est applicable Interpréter les données d’analyse Expliquer comment les distributions de données deviennent normales alors qu’elles le sont au départ

Inférence Statistique

• Expliquer la signification de l’inférence statistique Décrire les bases du théorème central limite Décrire les impacts de la taille d’échantillon sur l’estimation de la population Expliquer l’erreur standard

Introduction aux tests d’hypothèse

• Comprendre les objectifs des tests d’hypothèse Expliquer le concept de tendance centrale Se familiariser avec les différents types de tests d’hypothèse

Test d’hypothèse avec des données normales

• Déterminer la bonne taille d’échantillons pour le test de moyennes Conduire des tests d’hypothèse variés sur les moyennes Analyser et interpréter les résultats Etre capable de conduire des tests d’hypothèse de variances Comprendre comment analyser les résultats de tests d’hypothèse sur les variances

Test d’hypothèse avec des données non-normales

• Conduire des tests d’hypothèse sur des données de variance égale Conduire un test d’hypothèse sur les médianes Analyser et interpréter les résultats Calculer et expliquer les tests de proportions Calculer et expliquer les tests de contingence

PHASE “IMPROVE”

• Lors de cette phase, on recherche les solutions d’amélioration possibles en stimulant la créativité des équipes. Le travail commence par une modélisation complète du processus et la réalisation de plans d’expérience pour la collecte de données fiables. On valide ensuite l’impact des solutions dégagées et on sélectionne celles qui auront le plus grand impact sur la variation du processus.

Modélisation de processus par régression

• Effectuer les étapes de l’analyse par corrélation et régression linéaire Expliquer quand la corrélation et la régression sont appropriées

Modélisation avancée de process

• Réaliser une régression linéraire et non-linéaire Réaliser une régression linéaire multiple (MLR) Mener une analyse des résidus et comprendre leurs effets

Concevoir un plan d’expérience

• Déterminer la raison du plan d’expérimentation Décrire les différences entre le modèle physique et un plan d’expérience (DOE: Design Of Experiment) Expliquer une expérimentation OFAT et ses faiblesses Visualiser les effets principaux sous forme de graphe d’interactions, déterminer quels effets et intéractions peuvent être significatives Créer un plan d’expérience factoriel complet

PHASE “CONTROL”

• Lors de la dernière phase du projet DMAIC, l’effort est porté sur la duplication des solutions mises en œuvre et leur déploiement à l’échelle de toute l’entreprise. La capabilité du processus est augmentée et toutes les étapes du processus sont mises sous contrôle pour s’assurer de la pérennité des mesures prises. Des plans de contrôle sont réalisés dans ce but. La documentation du processus est mise à jour et le transfert du projet aux équipes opérationnelles est réalisé. On capitalise également les expériences pour améliorer le processus DMAIC lui-même dans l’entreprise.

Expérimentation avancée

• Utiliser les résultats d’une DOE pour déterminer le degré d’amélioration du processus à travers une méthode de description ascendante/descendante

Analyse de Capabilité

• Comprendre l’importance de la capabilité du processus dans la phase de contrôle Sélectionner la bonne méthode pour l’analyse de capabilité basée sur le type de distribution de données du processus Interpréter les sorties des fonctions de capabilité de MINITABTM Comprendre comment utiliser la Capabilité du processus pendant toutes les phases du DMAIC

Passage de l’examen de Certification

Cette formation est composée de plusieurs travaux pratiques pour une meilleure assimilation des connaissances.