Christian HOHMANN

Depuis 1998

  • Augmenter la taille
  • Taille par défaut
  • Diminuer la taille
Accueil Synergie TLS (ToC, Lean, Six sigma) Nuages noirs sur Six Sigma ?

Nuages noirs sur Six Sigma ?

Envoyer

Chaque méthodologie a connu ses prophètes de malheur prédisant sa fin imminente, ainsi que les sceptiques blasés qui n’attendent que le changement de mode. Six Sigma n’échappe pas à la règle tout en restant une méthodologie majeure déployée au sein des organisations.

Cependant, la montée en puissance du Big Data pourrait représenter une menace nouvelle et sérieuse. En ce début de l’année 2014, cet article explore de manière prospective les scénarios possibles du futur de Six Sigma.


Industrie 4.0 et Big Data

Six Sigma est né, comme bien d’autres méthodologies avant elle dans l’industrie. La quatrième révolution industrielle annoncée prévoit l’interconnexion et la communication des machines et des objets entre eux et avec le monde. La masse de données générée inscrit de fait l’industrie dans le monde du Big Data et nécessitera ses techniques pour les exploiter.

C’est là que réside la menace pour Six Sigma, dans les formidables capacités de calcul et les algorithmes, dont une partie pourra "résider" dans les équipements eux-mêmes.

Rappelons que les techniques Big Data permettent non seulement de "manipuler" rapidement une grande masse de données, y compris des données hétérogènes et de produire des analyses qui sont fondées sur des corrélations de paramètres et/ou de scénarios.

Cette capacité ouvre des perspectives en matière d’analyses prédictives et d’auto-apprentissage. Des machines, équipements ou installations pourront ainsi s’analyser elles-mêmes et apprendre à détecter les signes annonciateurs de défaillances et d’agir préventivement en conséquence : mise en sécurité, marche dégradée, émission d’alertes, auto-corrections, etc. De la même manière ces "objets" apprendront à reconnaitre les scénarios les plus favorables, les plus performants et pourront sans arrêt s’auto-optimiser.

Dès lors, cette capacité de surveillance en temps réel ou à intervalles courts d’un grand nombre de paramètres pose la question du besoin d’approches telles que Six Sigma, qui elle est focalisée sur un nombre très restreints de paramètres critiques.


Faiblesses de Six Sigma

Dans un article daté de janvier 2008, du blog de Harvard Business Review (HBR Blog Network) Why Six Sigma Is on the Downslope, Tom Davenport pointe cinq faiblesses de Six Sigma :

  1. Le charabia autour des statistiques qui ne délivrent que rarement des résultats tangibles
  2. N’incorpore pas les technologies de l’information
  3. Essentiellement réservé à une élite (Black Belts)
  4. N’adresse que l’amélioration incrémentale mais pas les solutions de rupture
  5. N’est pas adapté aux activités orientées innovation

Qui apparaissent toujours valides même s’il convient de modérer les propos.


Les opportunités pour Six Sigma

Dans The Future of Six Sigma 2013 Update (date de publication ?), Thomas Pyzdek par ailleurs auteur du Six Sigma Handbook, revient sur la fin souvent annoncée mais pas encore constatée et les évolutions qui selon lui inscrivent la méthodologie comme une des connaissances fondamentales pour les jeunes diplômés. Il formule ensuite le vœu de voir Six Sigma embrasser la révolution Big Data, qui établit et exploite des corrélations mais sans en déterminer les causes.

C’est là, selon l’auteur, que Six Sigma pourrait jouer son rôle en comblant ce vide. Plutôt que d’accepter le constat d’une corrélation sans en chercher la cause et donc les éventuels biais et erreurs, les compétences des qualiticiens et les techniques Six Sigma peuvent compléter les analyses Big Data. Une autre faiblesse de Big Data serait le recours à des données existantes mais qui ne procèdent pas d’expérimentations pilotées, privant ainsi l’analyse d’éventuels paramètres critiques.

Finalement, les statisticiens qui sont généralement des ceintures (sans précision de couleur), trouveraient toujours une utilité dans leurs organisations dans lesquelles on en trouve généralement peu.


Design For Six Sigma

Indépendamment des révolutions à venir, Six Sigma comme Lean pourrait voir son champ d’application élargi durant les phases de conception. Il s’agit de concevoir bon du premier coup mais également robuste et fiable pour la production, ce que l’on nomme Design For Six Sigma (DFSS) et Design For Manufacture and Assembly (DFMA). Dans ces applications, les méthodes statistiques, le tolérancement et les capabilités conservent leur intérêt sans rien céder à Big Data.

Faut-il pour autant voir le futur de Six Sigma réduit à des applications de niche ?


Voir également:



View Christian HOHMANN's profile on LinkedIn

Mise à jour le Dimanche, 16 Octobre 2016 07:36  

Sujets similaires