|
Les concepts
Née en 1986 chez Motorola, la méthode Six Sigma devint célèbre en 1995 quand elle fut mise en œuvre à grande échelle chez General Electric. Pour s'assurer du soutien actif de ses managers, le CEO Jack Welch décréta que les primes de fin d'année de son top management dépendraient désormais pour 40% de l'atteinte des objectifs Six Sigma.
Mais de quoi s'agit-il exactement ?
A la base, Six Sigma est une méthode de contrôle statistique de l'amélioration de la performance en environnement de production de masse.
Un taux de rebut de 0,01% peut être interprété, suivant les secteurs, comme un résultat excellent ou insuffisant : en effet, rapporté à 10 millions de pièces, cela fait tout de même 1000 pièces défectueuses. On conçoit aisément qu'il ne soit pas simple de mobiliser les énergies autour d'un objectif à 3 ou 4 chiffres après la virgule. D'où l'idée de changer d'échelle en exprimant ce type d'objectif par référence à l'écart-type.
En partant du principe que les éléments produits se répartissent autour de l'objectif (la moyenne) selon une répartition en cloche dite "normale" (courbe de Gauss), on peut établir un lien entre le pourcentage de défaut et l'écart par rapport à la moyenne : si 95,46% des cas présentent un écart inférieur à 2 écarts-types (2 sigma), 99,73% des cas présentent un écart inférieur à 3 sigma.
On perçoit que la cible de 6 sigma abaisse le taux de non Qualité à un seuil très bas, en l'occurrence 3,4 pour 1 million.
Au delà de cette cible, c'est cette approche statistique et l'utilisation de cette échelle pour quantifier les résultats qui caractérisent l'approche Six Sigma. Les résultats intermédiaires, exprimés en nombre de sigma, seront plus parlants.
Sur le terrain, toutes les mesures ne débouchent pas sur une courbe de Gauss parfaite : il s'agit alors pour les spécialistes Six Sigma de mettre en œuvre des outils statistiques (Minitab en est le plus célèbre) pour identifier les facteurs influant sur le résultat et établir les corrélations entre ces éléments.
|
