Formation Lean Six Sigma Green Belt

Référence : LSSGREEN
Durée : 35 heures
Certification : Green Belt
Eligible CPF : Non

CONNAISSANCES PREALABLES

1-Il est très fortement conseillé de suivre avant la formation Yellow Belt ou d'avoir les connaissances et compétences équivalentes
2-De même, pour passer l'examen Green Belt, il est très fortement conseillé de passer l'examen Yellow Belt avant l'examen Green Belt. En effet 50% de l'examen GREEN porte sur des questions de la certification Yellow Belt

PROFIL DES STAGIAIRES

Chefs de projets
Consultants
Equipes qualité
Responsables de processus
Responsables de production
Techniciens

OBJECTIFS

Analyser les données recueillies, en extraire les variables pertinentes et manipuler les tests d'hypothèse et autres outils statistiques de façon opérationnelle
Comprendre et concevoir les plans d'expérience simples permettant de collecter les données
Maîtriser la modélisation de processus et détecter les corrélations entre variables
Diagnostiquer un problème d'amélioration
Réussir la certification Lean Six Sigma Green Belt (IASSC) et devenir Certifié Green Belt Lean Six Sigma

METHODES PEDAGOGIQUES

La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions
Remise d’une documentation pédagogique papier ou numérique pendant le stage
Mise à disposition d’un poste de travail par participant

METHODES D'EVALUATION DES ACQUIS

Auto-évaluation des acquis par le stagiaire via un questionnaire
Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Référentiels

CONTENU DU COURS Référentiels

1 - Phase “ANALYZE”

“X” Sifting
Calculer et expliquer les tests de contingence
Calculer et expliquer les tests de proportions
Analyser et interpréter les résultats
Conduire un test d’hypothèse sur les médianes
Conduire des tests d’hypothèse sur des données de variance égale
Test d’hypothèse avec des données non-normales
Comprendre comment analyser les résultats de tests d’hypothèse sur les variances
Etre capable de conduire des tests d’hypothèse de variances
Analyser et interpréter les résultats
Conduire des tests d’hypothèse variés sur les moyennes
Déterminer la bonne taille d’échantillons pour le test de moyennes
Test d’hypothèse avec des données normales
Se familiariser avec les différents types de tests d’hypothèse
Comprendre les objectifs des tests d’hypothèse
Expliquer le concept de tendance centrale
Cette phase consiste en l’identification des causes qui agissent sur la variation du processus. On estime alors l’effet de ces causes et on extrait les causes fondamentales à l’origine de cette variation. On se base sur des techniques statistiques pour interpréter les mesures et clarifier les hypothèses sur des faits avérés. Ces outils permettent de se focaliser sur les bonnes variables et d’agir
Effectuer une analyse multi-variances
Interpréter un graphe multi-variances
Identifier quand une analyse multi-variances est applicable
Interpréter les données d’analyse
Expliquer comment les distributions de données deviennent normales alors qu’elles le sont au départ
Inférence Statistique
Expliquer la signification de l’inférence statistique
Décrire les bases du théorème central limite
Décrire les impacts de la taille d’échantillon sur l’estimation de la population
Expliquer l’erreur standard
Introduction aux tests d’hypothèse

2 - Phase “IMPROVE”

Créer un plan d’expérience factoriel complet
Visualiser les effets principaux sous forme de graphe d’interactions, déterminer quels effets et intéractions peuvent être significatives
Expliquer une expérimentation OFAT et ses faiblesses
Décrire les différences entre le modèle physique et un plan d’expérience (DOE: Design Of Experiment)
Déterminer la raison du plan d’expérimentation
Réaliser une régression linéraire et non-linéaire
Concevoir un plan d’expérience
Réaliser une régression linéaire multiple (MLR)
Modélisation avancée de process
Expliquer quand la corrélation et la régression sont appropriées
Effectuer les étapes de l’analyse par corrélation et régression linéaire
Modélisation de processus par régression
Lors de cette phase, on recherche les solutions d’amélioration possibles en stimulant la créativité des équipes. Le travail commence par une modélisation complète du processus et la réalisation de plans d’expérience pour la collecte de données fiables. On valide ensuite l’impact des solutions dégagées et on sélectionne celles qui auront le plus grand impact sur la variation du processus.
Mener une analyse des résidus et comprendre leurs effets

3 - Phase “CONTROL”

Expérimentation avancée
Comprendre comment utiliser la Capabilité du processus pendant toutes les phases du DMAIC
Interpréter les sorties des fonctions de capabilité de MINITABTM
Sélectionner la bonne méthode pour l’analyse de capabilité basée sur le type de distribution de données du processus
Comprendre l’importance de la capabilité du processus dans la phase de controle
Analyse de Capabilité
Utiliser les résultats d’une DOE pour déterminer le degré d’amélioration du processus à travers une méthode de description ascendante/descendante
La documentation du processus est mise à jour et le transfert du projet aux équipes opérationnelles est réalisé. On capitalise également les expériences pour améliorer le processus DMAIC lui-même dans l’entreprise
Lors de la dernière phase du projet DMAIC, l’effort est porté sur la duplication des solutions mises en oeuvre et leur déploiement à l’échelle de toute l’entreprise. La capabilité du processus est augmentée et toutes les étapes du processus sont mises sous contrôle pour s’assurer de la pérenité des mesures prises. Des plans de contrôle sont réalisés dans ce but