Analyse des processus

Lors d'un séminaire de l'Organisation européenne pour la qualité (OEQ), il a été déclaré : "Seul un plan d'expériences [nous permet] d'obtenir les informations nécessaires à l'amélioration systématique des produits et des processus, dans un délai raisonnable.

Clarté sur les influences et les effets

Aucun véritable processus de fabrication ou de transformation ne fait toujours et exclusivement ce que l'on attend d'elle. Si les écarts sont trop importants pour la qualité requise des résultats, la question se pose : d'où vient la variabilité et comment peut-on l'influencer, c'est-à-dire la réduire ? Il s'agit donc des interrelations internes du processus et de leur réaction aux influences intentionnelles externes et aux perturbations non intentionnelles. Seule la compréhension de ces facteurs nous permet d'optimiser les processus et de les maintenir à leur niveau optimal.

Cependant, ce n'est généralement pas si facile, car, comme le montre le chercheur sur le chaos Arthur Koestler, les êtres humains, et en particulier la pensée humaine orientée vers un but, sont largement soumis à des cycles limites inconscients (1).

C'est pourquoi le concepteur ne voit pas ses propres défauts de conception qui empêchent une machine de fonctionner correctement. C'est également la raison pour laquelle le scientifique ne doute pas, ni même ne rejette, une théorie qui lui est chère, même s'il a été prouvé qu'elle donne à plusieurs reprises de fausses prédictions pour des processus réels.

Cette pensée en cycles limites était bonne dans la savane africaine, où une action rapide était nécessaire dans des situations récurrentes ; nos ancêtres l'ont également appliquée avec succès là-bas. Mais elle n'est généralement pas optimale dans les environnements industriels où une réponse durable à des problèmes complexes est nécessaire. Et, comme le dit Azeem, le compagnon musulman de Robin des Bois, "Il n'y a pas de personnes parfaites, seulement des intentions parfaites ! (2) Afin de contrôler et, si nécessaire, de réduire la variabilité d'un processus, nous devons connaître les influences qui le contrôlent et leurs effets sur les variables cibles critiques, les résultats du processus.

aperçu de la conception

La plupart du temps, la situation décrite ici est comparable à "se tenir devant un labyrinthe". Pour comprendre son fonctionnement interne, il ne suffit pas de tourner les boutons familiers dans l'espoir de trouver une solution. Nous devons plutôt nous demander quelles sont les influences globales sur notre processus et ensuite considérer toutes les influences identifiées comme significatives dans notre enquête. Pour la conception expérimentale, cela signifie élargir la dimensionnalité de l'espace expérimental. À l'image du labyrinthe, il suffit d'introduire la troisième dimension : Vu d'en haut, le chemin qui mène au centre devient facilement visible.

Dans le travail de processus, il est nécessaire de trouver tous les paramètres de tous les facteurs d'influence essentiels et de les prendre en compte dans les expériences correspondantes afin de pouvoir créer un modèle mathématique global du processus qui dépeigne toutes les interrelations intéressantes. En ce qui concerne les interactions déjà mentionnées, les facteurs dont les effets sont "connus" doivent également être pris en compte, et les expériences doivent fondamentalement être menées selon la règle "changer tous les facteurs simultanément". La manière exacte dont cela doit être fait est réglée par un plan d'expérience, qui est créé avec un logiciel approprié.

La procédure intuitive consiste principalement à sonder de façon erratique l'espace multidimensionnel du processus. Si cela est encore possible pour deux variables, cela devient confus à partir de la troisième dimension. Il en résulte donc généralement de nombreuses tentatives, qui ne permettent cependant pas de reconnaître les relations intérieures, et encore moins de trouver un optimum (figure 1).

L'éclairage planifié de l'espace de processus, en revanche, donne lieu à un nombre contrôlable d'expériences définies et, par conséquent, à une description mathématique du modèle qui peut être optimisé selon n'importe quel critère.

Dans la figure 2, les principaux effets des influences 1 à 6 d'un processus réel d'une machine existante sont représentés sous forme de diagrammes de dispersion avec les courbes de régression approximatives associées. Les graphiques suivants ont été créés avec le programme statistique CORNERSTONE (3).

Interactions

Dans les contextes présentés ci-dessus, il ne s'agit pas d'un "faux" exemple scolaire, mais d'un exemple plus récent tiré de la pratique. Il est facile de voir que des relations aussi complexes ne peuvent plus être appréhendées "pieds nus". Il convient de noter que l'ensemble des données a été généré avec seulement 38 réglages de machine en une seule équipe.

Comme nous l'avons déjà mentionné, les principaux effets ne sont malheureusement pas toute la vérité. Assez souvent, comme nous l'avons mentionné, ce sont les interactions entre eux qui contribuent à la méconnaissance de la réalité du processus dans une certaine mesure. Cette circonstance est expliquée plus en détail au moyen du graphique de la figure 3.

La figure 3 montre toutes les interactions possibles des six facteurs d'influence sur la variable cible 1, les plus importants étant mis en évidence en couleur. Les interactions les plus importantes se produisent entre les facteurs d'influence 1 et 6 (fond bleu), 2 et 6 (jaune) et 4 et 6 (vert). Les trois courbes par diagramme correspondent aux trois réglages d'un partenaire dans les cases diagonales Max, Midpoint, Min.

L'interaction la plus forte a lieu entre Influx4 et Influx6 (vert). Il en résulte un renversement presque complet de l'effet sur la variable cible Target1 ! En position médiane du facteur d'influence 6 (Einfl6 = 3 = Point médian [3]), la variation de Einfl4 entre 3000 et 7000 (encadré vert ci-dessous) n'a pratiquement aucun effet sur la variable cible Ziel1 (échelle à l'extrême gauche). Cette courbe correspond également pour l'essentiel à l'effet principal indiqué dans la figure 2 pour Einfl4. En revanche, la cible1 varie sur une large gamme de valeurs lorsque l'afflux6 est réglé sur min ou max - dans le sens opposé !

Une telle constellation pourrait bien conduire à un processus devenant incontrôlable si les interrelations ne sont pas connues, car selon la situation initiale, des mesures correctives complètement différentes et contradictoires peuvent être nécessaires pour atteindre les valeurs cibles souhaitées.

Mot de la fin

Aussi incompréhensible qu'il puisse paraître que le travail de processus soit encore effectué sans planification des essais dans de nombreuses entreprises de production aujourd'hui, il est gratifiant de constater qu'au moins dans des industries clés importantes, il est systématiquement utilisé dans la recherche et la production.

L'automobile, la chimie, les semi-conducteurs fonctionnent en standard avec des méthodes systématiques, dont l'une est la conception d'expériences. Mais surtout pour les petites entreprises, les difficultés de processus sont souvent désastreuses. L'acquisition d'une nouvelle machine pour rationaliser un processus ne signifie pas automatiquement une amélioration des résultats. L'optimisation des processus est la tâche du propriétaire du processus et est souvent insuffisamment soutenue par le fabricant. Dans de nombreux cas, une analyse conjointe aiderait les deux parties. Dans la pratique, il existe de nombreux cas où, après des mois d'essais et d'erreurs coûteux, une seule expérience planifiée a permis de résoudre un problème.