L’histoire que je vais vous raconter s’est déroulée lors d’une de mes précédentes expériences professionnelles et est probablement à l’origine de mon goût prononcer pour la preuve statistique.

Nous développions un nouveau produit qui était réalisé sur nos lignes de productions et nous en étions aux premières séries. Comme lors de nombreux démarrage, la qualité n’était pas encore au rendez-vous et nous avions environ 10% de défaut. Il s’agissait d’un point crucial pour la rentabilité du projet et il fallait absolument descendre en dessous des 2% de rebut.

Une équipe a donc été formé pour comprendre l’origine du problème, mais malheureusement, après un mois de travail le taux de rebut n’était toujours pas descendu. Un des opérateurs a donc réalisé une opération audacieuse en augmentant la pression d’injection. Ce n’était pas une opération simple car la pression d’injection était déjà au maximum autorisé. Mais après tout, il s’est dit qu’en produisant 100 pièces, on verrait bien si cela permettrait de diminuer le taux de rebut et si cela ne faisait rien, il ne dirait rien à personne.

Résultat sur 100 pièces produites, il n’a observé que 5 défauts au lieu des 10% habituels. QUE FERIEZ-VOUS DANS CE CAS ?

Dans son cas, il en a conclu que l’amélioration était suffisante pour être signalée. Il a donc appelé son chef, qui a immédiatement appelé le directeur de l’usine et tous ont convenu qu’il fallait impérativement augmenter la pression d’injection dès le lendemain. Pour cela, la maintenance a dû travailler jusqu’à 1h du matin, pour que la machine puisse supporter une telle augmentation.

Le lendemain, la production démarre avec une pression augmentée et ….. 10% de défaut !

Comment est-ce possible, alors que l’on avait bien vu lors du test précédent que le nombre de défaut était diminuée ? Tout simplement, notre intuition a été trompée. Pour comprendre cela, réalisons le test statistique adapté. Ellistat nous propose le test 1P :

Observons le résultat :

Le test n’est pas significatif… C’est-à-dire que l’on ne peut pas conclure lors du test de 100 pièces avec seulement 5 rebuts que le taux de défaut a significativement diminué.

C’est contre-intuitif, mais très révélateur de l’importance de la preuve statistique. En ne raisonnant qu’avec notre intuition nous prenons des décisions qui ne portent pas suffisamment sur les données. Dans ce cas, il aurait fallu poursuivre l’échantillonnage et se rendre compte que la pression n’avait aucun impact sur la qualité. L’équipe s’en est aperçu 3 semaines plus tard lorsqu’elle a compris que le défaut provenait principalement de la matière première.

L’équipe de maintenance nous en a un peu voulu, mais depuis, j’ai gardé à l’esprit l’importance de la preuve statistique. Ce n’est pas compliqué, et prend quelques minutes, mais permet de gagner tellement de temps pour prendre de bonne décision.