Formation Six Sigma Black Belt

Leçon 1 • Philosophie fondamentale et concepts clés

Définit la variation, les défauts et la capabilité du processus comme les piliers philosophiques du Six Sigma. Relie ces concepts à la valeur client et aux résultats opérationnels.

Leçon 2 • Histoire et évolution du Six Sigma

Retrace le Six Sigma depuis ses origines chez Motorola jusqu'à son adoption par les entreprises modernes. Fournit le contexte pour comprendre l'existence de la méthodologie et comment elle génère un avantage concurrentiel.

Leçon 3 • Charte de projet et définition du périmètre

Apprend à rédiger une charte de projet qui aligne les parties prenantes sur le problème, l'objectif, le périmètre et le calendrier. Une charte bien définie évite la dérive du projet et fixe des cibles mesurables.

Leçon 4 • Rôles, ceintures et gouvernance

Clarifie les responsabilités des sponsors, des Master Black Belts, des Black Belts et des Green Belts. Explique comment les structures de gouvernance soutiennent les programmes Six Sigma dans la durée.

Leçon 1 • Stratégies d'échantillonnage et plans de collecte de données

Enseigne le sous-groupement rationnel, la fréquence d'échantillonnage et la conception structurée de plans de collecte de données. Un échantillonnage approprié garantit que les données reflètent le comportement réel du processus sans biais.

Leçon 2 • Réalisation d'études R&R des jauges

Fournit un guide étape par étape pour la conception et l'exécution d'études R&R croisées et nichées. Les résultats sont interprétés pour accepter, améliorer ou remplacer les systèmes de mesure.

Leçon 3 • Analyse de l'accord sur les attributs

Couvre les statistiques Kappa et l'étude R&R sur attributs pour les systèmes de mesure binaires et catégoriels. Relie la fiabilité de la mesure sur attributs à la précision de la classification des défauts.

Leçon 4 • Fondamentaux de l'analyse du système de mesure

Présente les concepts R&R des jauges, y compris la répétabilité, la reproductibilité, le biais, la linéarité et la stabilité. Établit pourquoi l'erreur de mesure doit être quantifiée avant de se fier aux données du processus.

Leçon 1 • Tests paramétriques et non paramétriques

Couvre les tests t, l'ANOVA, le test de Mann-Whitney, le test de Kruskal-Wallis et le test du khi-deux avec leurs critères de sélection. La sélection correcte du test dépend du type de données, de la distribution et de la structure de l'échantillon.

Leçon 2 • Intervalles de confiance et tests d'hypothèses

Explique la construction des intervalles de confiance et la logique des hypothèses nulle et alternative. Ces outils constituent la base statistique des phases Analyser et Améliorer.

Leçon 3 • Statistiques descriptives et analyse graphique

Couvre les mesures de tendance centrale, de dispersion et de forme, ainsi que les histogrammes, les diagrammes en boîte et les cartes d'évolution. L'analyse graphique révèle des schémas que les résumés numériques seuls peuvent manquer.

Leçon 4 • Distributions de probabilité dans Six Sigma

Présente les distributions normale, binomiale, de Poisson et de Weibull avec des exemples pratiques de processus. La sélection de la distribution correcte est un prérequis pour une analyse précise de la capabilité et de la fiabilité.

Leçon 1 • Limites de spécification et exigences client

Définit la LSS, la LIS et les valeurs cibles dérivées de la voix du client et des tolérances techniques. Les limites de spécification sont les points de référence pour tous les calculs de capabilité.

Leçon 2 • Indices de capabilité du processus

Calcule et interprète Cp, Cpk, Cpm, Pp et Ppk en mettant l'accent sur le centrage et la dispersion. Fait la distinction entre la capabilité potentielle à court terme et la performance réelle à long terme.

Leçon 3 • Capabilité du processus non normal

Aborde l'analyse de capabilité lorsque les données violent la normalité en utilisant des transformations et des méthodes non paramétriques. L'application erronée d'indices basés sur la normale à des données non normales produit des résultats trompeurs.

Leçon 4 • Études de capabilité en pratique

Guide les participants dans la planification, l'exécution et la communication d'une étude de capabilité complète. Les considérations pratiques incluent la stratégie de sous-groupe, le volume de données et la communication avec les parties prenantes.

Leçon 1 • Vérification statistique des causes profondes

Utilise des tests d'hypothèses, la régression et la régression logistique pour confirmer que les causes suspectées sont statistiquement significatives. La vérification empêche les équipes de résoudre le mauvais problème.

Leçon 2 • Outils d'analyse cause-effet

Couvre les diagrammes d'Ishikawa, les 5 Pourquoi et les diagrammes d'affinité pour le brainstorming structuré des causes potentielles. Ces outils organisent les connaissances de l'équipe avant la vérification statistique.

Leçon 3 • Analyse des modes de défaillance et de leurs effets

Présente l'AMDEC comme un outil de gestion proactive des risques pour identifier et prioriser les modes de défaillance potentiels. Le score NPR guide l'allocation des ressources vers les étapes du processus les plus risquées.

Leçon 4 • Outils graphiques de recherche de causes profondes

Applique les diagrammes de Pareto, les diagrammes multi-vari et les nuages de points pour identifier les sources dominantes de variation. Les outils visuels accélèrent l'identification des causes et communiquent clairement les résultats.

Leçon 1 • Analyse et validation des plans d'expériences

Couvre l'ANOVA pour les DOE, les diagnostics des résidus, les vérifications de l'adéquation du modèle et les essais de confirmation. La validation confirme que les améliorations prédites se maintiennent dans les conditions réelles du processus.

Leçon 2 • Plans factoriels complets

Couvre les plans factoriels complets 2k, les effets principaux, les effets d'interaction et l'estimation des effets. Les plans factoriels complets fournissent une information complète sur toutes les combinaisons de facteurs dans l'espace de conception.

Leçon 3 • Fondamentaux de la conception expérimentale

Établit le vocabulaire des DOE, y compris les facteurs, les niveaux, les réponses, la répétition et la randomisation. Une base conceptuelle solide permet d'éviter les erreurs courantes de conception expérimentale.

Leçon 4 • Plans factoriels fractionnaires et plans de criblage

Présente les plans en demi-fraction et en fraction supérieure, la confusion et les niveaux de résolution. Les plans de criblage identifient efficacement les quelques facteurs vitaux parmi un grand nombre de candidats.

Leçon 1 • Plans de contrôle et maintien des améliorations

Construit des plans de contrôle complets qui relient les paramètres du processus, les méthodes de mesure et les actions correctives. Un plan de contrôle robuste garantit que les améliorations survivent aux changements de direction et de personnel.

Leçon 2 • Cartes de contrôle pour variables

Couvre les cartes Xbar-R, Xbar-S et des valeurs individuelles et de l'étendue mobile avec leur construction et interprétation. Les cartes pour variables surveillent simultanément la moyenne et la dispersion du processus pour les données continues.

Leçon 3 • Théorie des cartes de contrôle et sélection

Explique la variation due aux causes communes vs. aux causes spéciales et la base statistique des limites de contrôle. La sélection correcte de la carte dépend du type de données, de la taille du sous-groupe et de la structure du processus.

Leçon 4 • Techniques avancées de MSP

Présente les cartes CUSUM, EWMA et de contrôle multivarié pour détecter les petits décalages et les variables corrélées. Les cartes avancées complètent les cartes de Shewhart traditionnelles dans les processus à enjeux élevés.

Leçon 1 • Analyse financière des projets Six Sigma

Quantifie les bénéfices du projet en utilisant les économies dures et souples, la VAN et le retour sur investissement. La rigueur financière garantit que les projets Six Sigma sont priorisés et crédités avec précision.

Leçon 2 • Méthodes d'analyse multivariée

Couvre l'analyse en composantes principales, l'analyse de clusters et l'analyse discriminante pour les données de haute dimension. Les méthodes multivariées révèlent des schémas invisibles pour les outils univariés dans les processus complexes.

Leçon 3 • Déploiement en entreprise et alignement stratégique

Relie le déploiement Six Sigma à la planification stratégique, aux tableaux de bord équilibrés et à la gestion de portefeuille. Les Black Belts qui alignent les projets sur la stratégie maximisent l'impact organisationnel et la longévité du programme.

Leçon 4 • Analyse de fiabilité et données de survie

Applique l'analyse de Weibull, la modélisation du taux de défaillance et les essais de vie accélérée à la fiabilité des produits. Les méthodes de fiabilité étendent le Six Sigma de la qualité des processus à la durabilité des produits.