Les faiblesses du Six Sigma – épisode #2
La bonne réponse à la question posée dans mon antépénultième post est B. Mais si le calcul avait été effectué en integrant le 1,5 sigma de la marge de sécurité suggerée par Motorola il aurait fallut initialement avoir 0.00098 DPMO (Defects Per Million Opportunities) sur l’echantillon de depart et non 3,4 DPMO . Cela veut dire que le niveau de six sigma “officiel” au depart aurait éte de 7.5 sigma.
En réalité, quand les ingénieurs de Motorola ont « inventé » le Six Sigma en 1981, ils ont estimé qu’il fallait prendre une marge de sécurité de 1,5 sigma pour anticiper toutes les possibles déviations sur le long terme. « Alors pourquoi 1,5 sigma et pas 1 ; 1,2 ; 1,6 ; 2 ; 2,5 ou autre ? », me demanderiez-vous ? La réalité est que personne ne sait l’expliquer de manière absolument logique et inattaquable. Il s’agit de résultats empiriques issus des expérimentations de Motorola. Je n’essaie pas de faire du « purisme » ici, je suis ingénieur de formation ; je sais donc que ce genre d’approche du type « recette de cuisine » est courant dans l’industrie et cela ne me pose pas de problème. Alors supposons que Motorola ait identifié cette valeur (1,5 sigma) comme étant bonne pour eux. Est-ce que ce qui est bon chez Motorola l’est également ailleurs ? Avant même de discuter encore plus du fameux « long term shift » de 1,5, qu’en est-il du 6 sigma lui-même ? Pourquoi 6 pourquoi pas 5 ? Et, est-ce que ce nombre de défauts acceptables pour un stylo l’est également pour la sécurité par exemple (cf. mon post sur l’accident dans le métro de Paris) ? En d’autres termes, ne serait-il pas raisonnable d’exiger 6, 7 voire 8 sigma, voire plus, pour la sécurité et se contenter de 3, 4 pour des stylos ? En tant que fournisseur de stylos ne serait-ce pas de la surqualite (l’un des 7 gaspillages de Toyota) que de livrer de produits 6 sigma ? Autre question classique si l’on veut parler des défauts : Comment les compte-t-on ? Dois-je compter une petite aspérité sur le capuchon d’un stylo comme un défaut ou pas ? Même si ce stylo fonctionne bien ? Alors je vois d’ici les praticiens du six sigma rentrer en furie et m’expliquer ce qui est important ici est la méthodologie utilisée : DMAIC. Parlons de la méthodologie phare (far ?) du Six Sigma : DMAIC (Define, Measure Analyze Improve and Control). Il s’agit simplement d’une reformulation du PDCA (Plan Do Check and Act) de Deming. De manière générale le Six Sigma s’est largement inspiré de méthodologies du type Quality Control, TQM et Zero Defects, … issues d’illustres statisticiens et scientifiques tels que Juran, Deming et autres. « Mais le plus important est que cela marche », me diraient les chantres du Six sigma. Si j’étais cynique, je répondrais alors que toutes les méthodes marchent voir mon post sur le « The Hawthorne effect ». : “Toutes les méthodes marchent…”. Alors, le Six sigma est-il bon pour la poubelle ? Ma réponse est NON. Ce que j’aime bien dans le Six sigma c’est la focalisation sur la variation qui pour moi est l’un des « concepts » les plus importants dans le monde du manufacturing. Ce que j’aime bien dans le Six sigma c’est qu’il insiste sur la décision basée sur les données réelles par des sentiments (quoique quelquefois certains jeune praticiens se laissent distraire par cela et oublient la finalité même). L’ironie dans tout cela est que le Six sigma s’est largement inspiré de Deming (PDCA, statistique des variations,…) mais en a fait un outil qui sur plusieurs points est contradictoire aux principes de management de Deming. Par exemple : le six sigma focalise plus sur les chiffres moins sur le process. Voir ce qu’en pense Deming dans ce post : Le management par les chiffres. Ne représente-t-on pas le process par une boîte noire dans laquelle rentrent des X et ou en ressortent des Y ? Autre exemple : l’extrême focalisation sur le retour financier, fut-il à court terme. Cela s’oppose à certains principes de management de Deming : voir Les 14 principes de management de Deming : deux sites de « référence » prennent quelques libertés sur leur traduction.). En somme, Motorola a récupéré tous les outils de Deming, le statisticien, et oublié les principes de management de Deming, l’expert du management. Sur ce point je trouve que les japonais (Toyota) on eu un approche plus équilibrée. Dernier élément au dossier : Jack Welch, le grand champion du Six Sigma. Un rapide résumé de sa bibliographie et de son style de management est disponible ici. Je ne suis pas certain que l’expert du management Deming lui aurait donné les plus hautes appréciations.
Dans la série des réserves que l’on peut avoir sur le Six sigma, je vous passe le questionnement sur la nature gaussienne présupposée des variations qui est la fondation même du six sigma. En clair : toutes les variations ont-elles une distribution gaussienne ? J’ai analysé des nombreuses données de pannes. Je peux affirmer que leur distribution est plutôt exponentielle et certainement pas gaussienne.
Pour finir sachez que le six sigma est un excellent outil mais qu’il existe beaucoup d’autres outils qui peuvent être plus efficaces et rentables pour votre business (voir mon post : Le terme « Lean Six Sigma » est-il un oxymore?).
En conclusion, Six Sigma, Lean, Lean Six Sigma, TOC et autres ne sont que des méthodologies à appliquer en connaissance de leurs faiblesses et sans dogmatisme. Le dogmatisme est « péché » si tentant…. En ce qui me concerne, j’essaie de les utiliser comme un chercheur (scientist en Anglais) le ferait tout en cherchant en apprendre le plus en appuyant sur une démarche du type PDCA…
Bonjour Alain,
Je ne souhaite pas me faire le défenseur du 6 sigma…!
Seulement apporter quelques précisions sur ce post et celui qui le précède…
1 – Sur le long term shift
Pour commencer, Motorola n’a pas inventé l’écart type… Motorola s’est imposé un objectif de taux de qualité en nb de sigma (d’écart type) car le taux de qualité en % n’était plus parlant au-delà de 99%.
En statistique, il y a deux façons de calculer l’écart type. La première(qui dans ton cas permet d’obtenir 6 sigma) permet de calculer la variation sur une population entière. Dans ton exemple, si on souhaite connaître le niveau de qualité des dix dernières années, alors la réponse est 6 sigma !
La deuxième façon permet de calculer l’écart-type lorsqu’on ne dispose que d’un échantillon et non de la population totale. Cette formule est donc plus adéquate lorsqu’on travaille sur des données passées pour améliorer le processus à venir, car les données passées constituent un échantillon de l’ensemble des données (10 années passée + 5 années à venir, par exemple). Plutôt que de partir de cette seconde formule, Motorola, sur la base de ses observations, a décrété que l’imprévisibilité de variation qui oscillait entre 1.4 et 1.6 serait systématiquement évaluée à 1.5.
Pour info, il y a un calcul qui explique l’écart d’écart-type entre une population totale et un échantillon, j’ai déjà eu l’occasion de participer à la démonstration lors d’une formation en statistique… A l’époque : je n’ai strictement rien compris ! ;-P
2 – Sur le niveau de qualité 6 sigma
Personnellement, je n’ai jamais entendu que le niveau 6 sigma constituait un objectif absolu. Sur un processus a 3S, l’objectif peut-être d’atteindre le 4S car au delà les coûts d’amélioration du processus peuvent paraître démesuré par rapport aux gains obtenus.
3 – Sur la surqualité qui est un gaspillage comme un autre.
Il y aura surqualité sur les CTQ (critères quantifiés du client) sont sur évalué. Mais s’ils sont évalués à leur juste besoin, alors il ne peut pas y avoir de surqualité. Il est donc erroné de dire que d’appliquer le L6S induit de la surqualité puisque précisément le DMAIC intègre une phase d’appréciation du besoin du client.
4 – Similitude entre le DMAIC et le PDCA.
Il y a à mon sens une différence fondamentale entre le PDCA et le DMAIC, c’est que le DMAIC prévoit une phase profonde d’analyse avant de chercher à améliorer le processus. Le PDCA fonctionne plus en mode j’essaie, j’évalue, j’essaie, j’évalue… Je pense que le DMAIC convient mieux pour l’amélioration en mode projet (innovation de rupture) quand le PDCA excelle pour l’amélioration continue (innovation incrémentale)
5 – Le six sigma focalise plus sur les chiffres moins sur le process
Possible, mais le LSS corrige l’erreur ! ;-P
6 – La nature gaussienne des variations.
La loi de distribution normale est préférée, car elle se manie plus facilement. Ceci dit il est tout à fait possible de calculer le niveau 6 sigma d’une distribution dont la normalité ne serait pas avérée. Il est fort possible que les distributions des pannes de machine ne soient pas gaussiennes… Mais il faut faire attention à nos manipulations de données qui peuvent parfois dénaturer la distribution des jeux de données (cf mon article sur la question : http://leansixsigma.free.fr/?p=143 ). Par ailleurs, il est toujours possible de ramener une distribution qui ne serait pas normale à une distribution normale pour en faciliter les manipulations… La normalité des données c’est comme les chiffres, on peut leur faire dire n’importe quoi ! ;-P
En conclusion, je suis d’accords avec toi qu’il convient de connaître les limites d’utilisation des outils que nous utilisons, c’est notamment ce que je m’évertue à faire dans mes derniers articles où je pointe du doigt les limites du LSS tel qu’il existe aujourd’hui sur des problématiques où les interactions prennent le dessus sur les causalités de type Y=f(x). J’ajouterai, en revanche, un bémol sur le fait qu’il convient davantage de se préoccuper des limites des outils et non pas des limites de leurs éventuelles mauvaises utilisations passées…
Au plaisir de te lire.
Florent.
@Florent F.
Salut Florent,
Tout d’abord merci de ton commentaire. Ci-dessous mes réponses.
Sur le point 1. Je te donne raison. En me relisant, tel que j’ai posé le problème, le résultat est bien 6 sigma. Je souhaitais pointer du doigt la nature empirique de 1.5 sigma de Motorola et, surtout le fait que toutes les autres entreprises s’alignaient… Je pense que je me suis un peu « emmêlé les pédales » Je viens de corriger. Je t’en remercie. Cela dit, je n’ai jamais prétendu que Motorola avait inventé l’écart type. Toutefois, ma phrase sans complément pouvait prêter à confusion. Je parlais bien du Six sigma et non de l’écart type.
Points 2 et 3 : Sur le niveau de qualité six sigma. Je pense que les choses ne sont pas claires surtout que la méthode s’appelle Six Sigma… Et la recherche du six sigma, voire plus, me semble implicite. Au delà de toute polémique, le point que j’ai voulu faire ressortir était bien de faire attention au risque de la surqualité. Ce qui fait sens pour un produit ou pour un process ne fait forcément sens pour l’autre… Cela n’est pas rare quand on est pasionné par une methode: Six Sigma ou autres. Je connais des experts reconnus du Lean qui ont sur-utilisé certains des outils du Lean.
Point 4 : Je ne partage pas totalement ton point de vue. Dans le PDCA il y a également unes recherche de chiffres et de la réalité du terrain (Genshi Genbutsu). Certes le DMAIC le souligne particulièrement cet aspect comme je l’ai indiqué dans mon post. Ceci crée le lien avec le point 5 de ton commentaire. Cela dit, on est là dans une discussion du type « verre à moitié plein ou à moitié vide ». Le point que j’essayais de faire dans mon post était simplement le fait que DMAIC est une variante du PDCA et qu’ils ont tous un ancêtre commun : la méthode scientifique. Et cela, je pense, est factuel.
Point 5 : Je ne suis pas certain de bien comprendre ce qu’est le LSS. Si le Six Sigma est utilisé comme un outil de résolution de problème dans un démarche lean alors je vois très bien (voir mon post: Le terme « Lean Six Sigma » est-il un oxymore?). Par contre, si l’on utilise comme une stratégie de management de business alors je pense qu’il y a quelques points inconciliables. C’est l’un des points importants de mon post quand je parle des principes de management de Deming absent dans la pratique du Six Sigma en général.
Point 6: Je peux te confirmer que, par nature, la loi de pannes est plus proche d’une exponentielle que d’une gaussienne. Certes, on peut faire des manipulations à souhait… Je te fais remarquer que la loi exponentielle, qui n’a qu’un moment (la moyenne), est plus simple que la loi normale (qui en a deux). Elle est donc, pas conséquent, de manière absolue, plus facile à manipuler… Je comprends donc très mal la nécessité de l’enrichir, même pour les « beaux yeux du Six Sigma ».
Pour finir, je souscris également à ta conclusion.
Merci encore pour tes commentaires bien argumentés.
A bientôt.
Alain
1-Comme la terminologie Sigma désigne l’écart type, c’est vrai que ton explication peut porter à confusion…
2-3- Sur le niveau de qualité, je t’accorde que certains consultants ne prennent pas en compte le besoin client pour définir les limites basses et hautes, ce qui effectivement peut entraîner de la surqualité. Mais là encore, nous sommes sur de la mauvaise utilisation des outils… ;-P
4 – OK sur le fait que le DMAIC soit une variante du PDCA, encore qu’il conviendrait de remonter à l’histoire de sa genèse pour s’assurer qu’il n’y ait pas d’autres méthodes parentes !
Mais, il serait erroné de dire que c’est la même chose comme je l’entends parfois. Je persiste à penser que les deux méthodes ne s’utilisent pas dans le même cadre.
5 – Pour moi il n’y a pas de “démarche lean”, il n’y a que des stratégies d’entreprises à optimiser et pérenniser leurs outils de prod. Le LSS est une méthode de résolution de problème (ou d’optimisation des process, selon les points de vue). D’aucune manière le LSS ne viendrait se substituer à la stratégie d’entreprise et au style de management qui en découle.
Je suis ravi d’enrichir le débat ! Merci à toi !!!