Un exemple réel : rencontrer les exigences de « On Time In Full (OTIF) »

Une usine de fabrication a l'obligation contractuelle envers son principal client de maintenir un taux de livraison à temps et en totalité (OTIF, On Time In Full) de 90% par mois pour cette année. Cela signifie que 90% des commandes doivent arriver à la date prévue et complètes, sans quantités manquantes ni retards.

Au cours des sept derniers mois, le taux de livraison à temps et en totalité (OTIF) de l'usine a été inférieur à 90 % à deux reprises, la dernière fois étant le mois dernier. Grâce à des négociations serrées avec le client, le service client de l'usine a réussi à éviter une pénalité financière. Cependant, le client a clairement indiqué que tout autre « mauvais » mois entraînerait désormais des sanctions financières substantielles. Jusqu'à présent, l'équipe s'efforçait d'atteindre un taux OTIF de 90% et analysait ses performances chaque semaine, pensant ainsi pouvoir rectifier le tir en cas de mauvaise tendance. Manifestement, cette stratégie s'est avérée inefficace. Les résultats récents sont présentés dans le Tableau 1.

Pour relever ce défi, l'équipe de l'usine a créé une équipe multidisciplinaire dirigée par un Ceinture verte Lean Six Sigma, afin de travailler sur ce problème en utilisant la méthodologie DMAAC (Définir-Mesurer-Analyser-Améliorer-Contrôler).

Utilisation de l'approche de résolution de problèmes DMAAC

Nous sommes le 2 août et l'équipe dispose de deux mois pour améliorer le processus. En attendant, à titre de solution temporaire, des équipes de week-end ont été mises en place pour augmenter les stocks et limiter le risque de commandes incomplètes. Cependant, cette solution ne pourra être que temporaire car elle est coûteuse et le personnel est prêt à contribuer en travaillant le week-end… mais pas indéfiniment!

Pour cerner le problème, la Ceinture verte souhaitait quantifier la situation actuelle et définir clairement l'objectif à atteindre. Il a utilisé une carte de contrôle P pour quantifier la situation actuelle, les données ne présentant aucun signe de sur-dispersion ou de sous-dispersion (voir la Figure 1). Cette carte de contrôle lui a permis de constater que la moyenne réelle était très proche de 90% et que la variation mensuelle normale du OTIF se situait entre 83% et 98% environ.

Figure 1 - Carte de contrôle P du OTIF mensuel

De sa formation de ceinture verte, il se souvenait comment calculer la probabilité qu'une distribution Normale soit inférieure à une valeur donnée. Cependant, ici, la distribution était binomiale; il a donc contacté son « sensei » de Différence. Ensemble, ils ont évalué qu'avec 122 essais et une proportion réelle de 0,904, il y a environ 38,9 % de chances que la proportion observée soit inférieure à 0,9. Lorsqu'il révéla ce risque à l'équipe de direction, celle-ci fut surprise et très inquiète quant à sa capacité à respecter les exigences de OTIF du client.

Un objectif probabiliste pour gérer le risque

Maintenant que la situation actuelle est quantifiée, la question suivante de la direction était : « Quelle devrait être la moyenne du processus si nous voulons une faible probabilité d'observer un résultat inférieur à 90% ? ». Le Ceinture verte a répondu à cette question par une autre : « Qu'est-ce qu'une probabilité faible? ». Après quelques échanges, l'équipe s'est mise d'accord sur 1 résultat inférieur à 90% en deux ans, soit 1/24 = 4%.

Le Ceinture verte a effectué ses calculs et a fourni la réponse suivante : si l’on conserve un échantillon de taille similaire (n = 122), le taux moyen de OTIF devrait être d’environ 94% (aucune hypothèse n’est nécessaire concernant la variation, car elle dépend de la proportion dans le cas d’une distribution binomiale). Grâce à ces nouvelles informations, l’équipe a pu définir un objectif clair : atteindre un OTIF de 94% dans les deux prochains mois (soit une augmentation de 4%) (voir Figure 2). Un objectif clair permet ensuite d’élaborer un plan précis...

Figure 2 - Condition cible pour octobre et novembrer

La conclusion et leçons apprises

Lorsqu'un objectif de performance tel que l'OTIF est fixé, où la « cible » (ici 90%) représente en réalité un minimum à atteindre systématiquement, il est difficile d'évaluer le risque de ne pas l'atteindre à l'avenir. Ce risque étant souvent négligé, il est fréquent de le sous-estimer, c'est-à-dire de surestimer les chances d'atteindre la cible.

En utilisant la pensée statistique, il est facile dans la plupart des situations d'évaluer ce risque. La conséquence est souvent un appel clair à l'action. Les personnes concernées prennent conscience de l'importance du risque et cherchent un moyen d'améliorer la situation. La meilleure façon d'atteindre des performances exceptionnelles est d'anticiper les besoins en :

1. Évaluant de manière réaliste nos performances réelles et notre capacité à atteindre l'objectif
2. Déterminant clairement les cibles des valeurs de la moyenne et de l'écart type du processus afin que le risque de ne pas atteindre l'objectif soit acceptable
3. Élaborant un plan pour atteindre les performances désirées

Vous désirez en savoir plus?

Chez Différence, notre expertise est axée sur la statistique et la science des données, les applications du Lean et l'Excellence opérationnelle, ainsi que sur la simulation. N'hésitez pas à demander plus d'information en nous contactant.