Formation Lean six sigma green belt (2E NIVEAU)

• 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

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

• 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

• Lors de la dernière phase du projet DMAIC, l’effort est porté sur la duplication des solutions mises en oeuvre 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 pérenité 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.