JMP® pour Visual Six Sigma
Les outils statistiques traditionnels destinés à la résolution des problèmes et à l'amélioration des processus peuvent s'avérer inutiles et inefficaces. Visual Six Sigma est la suite logique des programmes d'amélioration des processus et des produits orientés données. JMP permet d'identifier les problèmes et les possibilités d'amélioration, de trouver des solutions et de communiquer les résultats – le tout visuellement.
Visual Six Sigma donne aux analystes et aux praticiens les moyens d'exploiter leurs connaissances pour poser de nouvelles questions pertinentes et trouver des réponses fiables reflétant la réalité avec son lot d'ambiguïtés, d'incertitudes et de compromis. Les parties prenantes peuvent alors examiner les recommandations et les mettre à l'épreuve plus facilement en explorant des alternatives, sans se laisser distraire par des détails statistiques inutiles ou infondés.
- Sources de variation
- Identifier les facteurs clés
- Créer un consensus
Six Sigma permet essentiellement de gérer les variations par rapport aux exigences. Vous pouvez utiliser les nombreux affichages graphiques de JMP séparément ou simultanément, afin d'évaluer dynamiquement la structure de vos données. Vous voyez ainsi apparaître les principales sources de variation pouvant présenter une importance réelle plutôt qu'une simple signification statistique. Cette visualisation dynamique vous permet d'aller plus loin qu'avec de simples graphiques statiques. Très utile en toute situation, elle est indispensable lorsque les données deviennent plus complexes de par le nombre croissant de lignes et de colonnes.
Vous pouvez explorer les configurations de variation de différentes manières et définir des limites de spécification pour les paramètres conformes à une évaluation subjective de la qualité.
Même en présence de données hautement dimensionnelles, l'utilisation idoine de la visualisation dynamique et votre compréhension des données révèleront souvent un sous-ensemble de facteurs X qui, seuls ou combinés, sont réellement déterminants pour les résultats (les facteurs Y) qui vous intéressent. Cependant, lorsque cette approche n'apporte pas grand-chose ou que les variables à manipuler sont trop nombreuses, JMP fournit de puissantes méthodes statistiques capables de réduire la dimensionnalité tout en préservant l'information. Les plates-formes telles que Partition, Classification et Analyse discriminante utilisées dans le but de découvrir des relations parviennent très souvent à isoler les facteurs X déterminants. Ces derniers peuvent ensuite être utilisés dans des modélisations statistiques plus abouties s'ils s'avèrent significatifs et utiles.
Une fois les facteurs clés identifiés, même les processus les plus inopérants peuvent être exécutés correctement lorsque vous recherchez la cause principale.
La collecte et la manipulation de données sont toujours coûteuses et fastidieuses. A moins de réutiliser effectivement vos découvertes pour prendre des décisions et passer à l'action, ces activités, loin de créer de la valeur, sont contre-productives. L'un des éléments clés de ce processus réside dans la communication des découvertes à une communauté plus large de parties prenantes. Par ailleurs, dans la mesure où la plupart des situations réelles impliquent des arbitrages et des compromis, il faudra généralement créer un consensus et pas seulement communiquer. Les profileurs et les simulateurs de JMP sont précisément conçus pour permettre aux équipes d'évaluer rapidement les conclusions et d'explorer les scénarios de simulation sur la base de leurs connaissances afin de compléter les informations contenues dans les données – le tout sans se laisser submerger par les aspects techniques de la modélisation.
Combinez les profileurs et interagissez avec eux pour arriver à un consensus entre les équipes techniques, puis communiquez les principales découvertes aux parties prenantes, dans un langage qu'ils comprennent.
