Calculez l’amélioration avant que le pilote ne démarre

L'utilité pratique réside dans Improve. Là, il y a typiquement cinq à dix propositions d'amélioration sur la table, chacune avec un défenseur. Qui les calcule individuellement obtient un classement par effet plutôt que par intensité vocale, et ce en un après-midi au lieu de trois semaines de pilote par mesure.

Une analyse de la chaîne de valeur montre le temps de traitement, le temps d'attente, les stocks et le degré de flux, mesurés sur une journée, pour un processus typique. Trois choses qu'elle ne montre pas :

1. La variation. Le VSM note les triangles de stock comme une photo instantanée. Si, lors des jours de pointe, il y a le triple, cela ne figure pas dans l'image. Le dommage se produit précisément ces jours-là.

2. L'enchaînement. Une étape en aval du goulot semble détendue dans la cartographie de la chaîne de valeur, car elle ne reçoit que ce que le goulot laisse passer. Si le goulot est résolu, elle reçoit la quantité totale. L'amélioration qui est dessinée dans l'état futur de la chaîne de valeur ne se réalise alors pas.

3. La non-linéarité. Entre 70 % et 85 % d'utilisation, il y a quinze points de pourcentage et une multiplication par deux virgule cinq du temps d'attente. Un VSM qui ne consigne pas les taux d'utilisation ne peut pas montrer ce seuil.

Utilisés ensemble, les deux fournissent une image complète : la cartographie de la chaîne de valeur donne la structure, les stocks et le point de vue des parties prenantes ; le modèle de simulation reprend la structure et les volumes et complète par les plages, les capacités et les calendriers. Une cartographie de la chaîne de valeur en huit étapes devient en environ vingt minutes un modèle calculable.

L'approximation de Kingman (aussi appelée formule VUT) décompose le temps d'attente avant une étape en trois facteurs :

Temps d'attente  Wq  ≈    ρ / (1 − ρ)      ×   (ca² + cs²) / 2   ×   te
                 └─ Taux d'utilisation ─┘   └─ Variabilité ─┘      └ Durée ┘

Le facteur du milieu contient les coefficients de variation des arrivées (ca) et des durées de traitement (cs), c'est‑à‑dire l'écart‑type divisé par la moyenne. Il intervient de manière quadratique.

La conséquence : Réduire de moitié la variabilité réduit d'un facteur quatre sa contribution à la file d'attente, sans accélérer une seule opération et sans pourvoir un seul poste. Mesures concrètes qui produisent exactement cet effet :

• Séparer les opérations par type. Le simple et le complexe dans la même file produisent un cs élevé. Deux files séparées diminuent le temps d'attente pour les deux.
• Lisser les arrivées. Heures de remise fixes plutôt que lots, rendez‑vous au lieu de livraisons aléatoires. Cela réduit ca.
• Éliminer les demandes de précision. Chaque demande de précision est une opération qui attend deux fois, et elle génère une distribution de durée à deux pics, donc une forte variabilité.
• Corriger le retravail à la source. Classique Six Sigma, ici avec un effet supplémentaire sur le temps d'attente qui est souvent plus important que l'effet sur le temps de traitement.

Ces mesures ne coûtent rien et figurent rarement dans les business cases, car elles se vendent mal comme projet. Une simulation rend leur effet visible et donc vendable. Le calcul détaillé est disponible dans Engpass berechnen.

Un déroulé éprouvé pour une semaine d'amélioration comprenant une simulation :

1. Lundi : modéliser le processus réel, en direct devant le groupe. Les objections sont souhaitées. Toute correction faite ici ne figurera plus dans la présentation finale. À la fin de la journée, on dispose d'un modèle approuvé par tous.
2. Mardi : test de charge et sécurisation de l'état actuel. La barre la plus haute est le goulot d'étranglement. Contrôle par Little's Law : stock ÷ débit journalier doit donner approximativement le temps de traversée mesuré. S'il y a écart, une file manque dans le modèle, en général une demande de précision ou une validation.
3. Mercredi : recenser des mesures et les calculer une par une. Un levier par scénario, jamais trois. Le résultat est un classement selon l'effet en temps et en euros.
4. Jeudi : piloter les deux meilleures mesures dans le processus réel. Le groupe sait alors sur quoi veiller et quelle valeur doit bouger.
5. Vendredi : exporter la comparaison. Avant/Après avec fourchette, hypothèses, effets secondaires, en PDF pour la gouvernance.

La différence avec une semaine Kaizen sans calcul : le vendredi il n'y a pas « nous attendons une amélioration notable », mais « temps de traversée P50 de 6,1 à 3,4 jours, P90 de 14 à 7, effet annuel sur les coûts de personnel de 78 000 à 121 000 euros, ensuite la validation devient le nouveau goulot d'étranglement ».

• Pack statistique. Analyse du système de mesure, tests d'hypothèses, régression, planification d'expériences (DoE), capacité du processus. Pour cela, Minitab, JMP ou R restent les bons outils. FlowVisual calcule des flux, pas des jeux de données.
• Conception de production. Pour le takt de ligne, les matrices de réglage, la logique de transport et les modèles d'équipes avec règles de transfert, il faut un laboratoire de simulation (Plant Simulation, FlexSim, Arena, Simul8, AnyLogic).
• Mesure plutôt qu'hypothèse. Lorsqu'un journal d'événements continu existe et que la question est « qu'est-ce qui s'est réellement passé ? », Process Mining est l'outil adapté. La simulation calcule un processus qui n'existe pas encore tel quel.
• Documentation conforme aux normes. Six modules, pas de BPMN. Voir BPMN-Simulation.

Règle empirique : la simulation est puissante là où la variabilité, les files d'attente et l'enchaînement déterminent le résultat. C'est presque toujours le cas dans les processus administratifs et de services, et c'est aussi là que l'outil Lean classique est le plus faible, car il provient de la production.