Les processus futurs intégreront plus de technologie mais resteront des processus. Ce rappel trivial indique que les champs d'application de Six Sigma existeront toujours. Il faudra encore maîtriser les capabilités, identifier les quelques paramètres influents dans la multitude, surveiller des dérives.
Avec davantage d'automatisation et potentiellement la faculté de massifier des productions de produits uniques, l'argument traditionnel du manque de répétition et donc de signification statistique devrait disparaître.
Non seulement des processus plus automatisés devraient produire plus de données et plus rapidement, mais les objets communicants devraient multiplier de manière exponentielle la production de données sur des paramètres inédits tels que les paramètres physiques que relèveront les capteurs intégrés ou associés ; température, hygrométrie, accélérations, orientation, pression, luminosité, etc.
C’est peut-être là que Six Sigma sera appelé à évoluer, car cette masse de données entre alors dans la famille Big Data. Leur exploitation et analyse ne relèvent plus des techniques statistiques usuelles de Six Sigma, mais davantage d’analyses de corrélations et de scénarios.
Les modèles statistiques nécessaires à la maîtrise et au pilotage des procédés seront multi-critères, à la fois par nécessité et parce que l’état de la technique le permet.
Ces techniques sont annoncées avec des aptitudes prédictives et d’auto-apprentissage. Cela concernera les machines, qui dans l’ensemble Industrie 4.0 sont vantées apprenantes, les matières (smart material) et l’ensemble des objets associés au processus : moules, outils, bancs de test, fours, etc.
La technique du plan d’expérience, née de la nécessité de réduire au strict minimum le nombre d’expériences pour isoler les quelques paramètres réellement influents, pourrait se voir marginalisée par des expériences purement numériques et l’exploration exhaustive de scénarios. Ceci est déjà rendu possible par le calcul haute performance (High Performance Computing) sur des moyens peu coûteux et parallélisés en grand nombre.
Des trois méthodologies TLS, Six Sigma est, de par sa nature, celle qui est le plus orientée sciences dures et par conséquent codifiable mathématiquement. On peut imaginer que les machines et équipements du futurs intégreront une intelligence Six Sigma et prendront elles-mêmes en charge - individuellement ou en réseau - le suivi statistique, les analyses, les corrections, etc.
L’expertise des Black Belt et Master Black Belts est transmissible à la machine, voire aux objets. Le besoin de ce type d’experts devrait alors diminuer et se concentrer sur la conception de l’intelligence Six Sigma embarquée et la collaboration entre machines.
Dans ce futur néanmoins des problèmes continueront à apparaître et la manière de les aborder, de les résoudre ne changera pas fondamentalement. Des outils nouveaux, déjà évoqués, compléteront la boite à outils existante, mais l’approche DMAIC devrait conserver toute sa pertinence, tout comme de nombreux autres outils rustiques : PDCA, diagrammes de Pareto, Diagrammes d’Ichikawa (causes-effet), etc.
Malgré les transferts possibles vers les solutions technologiques, la résolution de problème requerra une part de raisonnement, d’intuition qui restera très probablement encore l'apanage des humains, tant que l’intelligence artificielle ne démontre pas des talents au moins équivalents.
Voir également : Nuages noirs sur Six Sigma ?
| < Précédent | Suivant > |
|---|
