100e anniversaire du graphique de Shewhart : Pourquoi s'en soucier ?

Le 19 mai 1924, à l'usine Western Electric de Cicero, dans l'Illinois, le Dr Walter Shewhart adressa une note à son directeur pour présenter un outil qu'il avait mis au point. Cet outil, expliquait Shewhart, est conçu pour « fournir d'un seul coup d'œil un maximum d'informations précises afin d'aider les inspecteurs à déterminer si le processus de fabrication de leurs équipements présente un problème ». Pourquoi, vous demanderez-vous peut-être, devrais-je m'intéresser à un outil inventé il y a 100 ans pour améliorer la fabrication des téléphones ? Un peu de contexte s'impose.

Dans nos formations en sciences de l'amélioration, un message clé est de comprendre la variabilité inhérente au processus à optimiser. Nous mettons les participants au défi de trouver un élément parfaitement constant. Et, bien sûr, c'est impossible. Tout système présente une variabilité. Dès lors que l'on effectue deux mesures, les deux valeurs obtenues sont presque certainement différentes. Si les données sont quantitatives, l'une sera très probablement supérieure à l'autre. Comment, dès lors, déterminer la marche à suivre face à cette différence ?

C’est là qu’intervient le travail du Dr Shewhart. La carte de Shewhart (également appelée carte de contrôle statistique des processus, ou simplement carte de contrôle) est un outil ingénieux permettant de répondre à deux questions liées à l’amélioration : 1) Comment nos processus évoluent-ils dans le temps ? et 2) Nos processus, dans les conditions d’exploitation actuelles, sont-ils capables de répondre aux besoins de nos clients ? Les éléments d’une carte de Shewhart (figure 1) sont les suivants :

• Données représentées graphiquement au fil du temps (par exemple, par jour, semaine ou mois)
• Une ligne centrale tracée à travers les données (généralement la moyenne)
• Les limites de contrôle supérieures et inférieures, appelées limites sigma, sont calculées à partir de formules mathématiques qui rendent compte de la variation au sein et entre les points de données représentés. Ces limites statistiques sont déduites des hypothèses sous-jacentes concernant le type de données collectées.

Pour celles et ceux qui ont déjà suivi une formation, même élémentaire, en mesure de la qualité, ces termes vous seront familiers. En revanche, si vous débutez dans ce domaine, ils vous paraîtront peut-être un peu obscurs. Rassurez-vous. L'objectif de cette brève présentation n'est pas de vous expliquer en détail comment construire un diagramme de Shewhart (heureusement, il existe d'excellents logiciels pour cela), mais de vous montrer pourquoi ces diagrammes devraient devenir un élément essentiel de votre démarche qualité. Vous trouverez des références à la fin de cet article pour celles et ceux qui souhaitent approfondir leurs connaissances sur la conception et l'utilisation des diagrammes de Shewhart.

Image

Figure 1. Éléments d'un diagramme de Shewhart
Source : Lloyd R. Quality Healthcare: A Guide to Developing and Using Indicators (2e édition). Jones and Bartlett Learning ; 2019 : 207. Reproduit avec autorisation.

Un diagramme de Shewhart est essentiellement une définition opérationnelle de la variation inhérente à un processus. Ce diagramme permet de déterminer si la variation observée est due à une variation normale ou aléatoire, causée par des facteurs inhérents au processus (variation de cause commune), ou à des facteurs extérieurs à son fonctionnement habituel (variation de cause spéciale). Il est important de noter que la variation de cause commune n'est pas nécessairement « positive », et la variation de cause spéciale n'est pas nécessairement « négative ». Un processus peut être stable et prévisible, mais ses résultats peuvent être inacceptables. Par exemple, si votre trajet domicile-travail du matin dure en moyenne 76 minutes, avec un temps de trajet maximal de 88 minutes et un temps de trajet minimal de 64 minutes, il s'agit peut-être d'un processus stable et prévisible, mais vous pourriez le juger inacceptable. En revanche, si vous modifiez votre routine matinale (par exemple, en partant plus tôt ou en empruntant un autre itinéraire), vous pourriez observer une diminution de votre temps de trajet, ce qui constituerait une cause spéciale acceptable.

L'important est de comprendre que la variation existe. Le diagramme de Shewhart permet de comprendre cette variation au sein d'un processus et d'agir en conséquence. Si le processus ne présente que des variations dues à des causes communes et que les résultats ne sont pas satisfaisants, il est impératif de le modifier. Les incitations à « travailler plus dur » ou à « faire mieux » ne permettront pas d'améliorer durablement les résultats. En revanche, si nous détectons des signes de variation due à des causes spéciales, nous devons les analyser afin d'en déterminer l'origine et prendre des mesures pour éliminer le ou les facteurs du processus qui ont engendré ces causes spéciales. Ces causes spéciales sont une occasion d'apprendre de la variation au sein de nos processus. Prendre de mauvaises décisions concernant la variation entraîne des pertes de temps et d'argent et contribue à la baisse du moral des employés. De plus, blâmer ou récompenser les personnes pour une variation sur laquelle elles n'ont que peu ou pas de contrôle est intrinsèquement démotivant.

Découvrez comment utiliser efficacement les données pour améliorer la qualité grâce à la méthode « Une meilleure qualité grâce à une meilleure mesure » d'IHI.

Lors de nos formations à l'amélioration continue à travers le monde, nous avons constaté une prise de conscience soudaine chez de nombreuses personnes lorsqu'elles comprennent l'importance d'une compréhension conceptuelle et statistique de la variation. Ce déclic se produit lorsqu'elles réalisent que nous pouvons cesser de nous focaliser sur des données agrégées (comme la durée moyenne de séjour ou le temps d'attente moyen pour consulter un médecin). Nous pouvons arrêter de récompenser ou de blâmer les individus pour les résultats, qu'ils soient élevés ou faibles, en matière de satisfaction des patients. Nous pouvons plutôt nous concentrer sur la compréhension des structures, des processus et des cultures qui sont à l'origine de la variation des données. Nous pouvons alors décider s'il est nécessaire de réduire la variation tout en conservant le processus actuel, ou de le repenser fondamentalement car il ne permet pas d'atteindre les résultats escomptés.

À maintes reprises, lorsque les participants prennent conscience qu'ils peuvent abandonner les diagrammes à barres, les diagrammes circulaires et les rapports rouge/jaune/vert (RYG) pour évaluer la performance des processus et commencer, à la place, à représenter ces données dans le temps, ils perçoivent leurs processus sous un jour totalement nouveau. Et lorsqu'ils appréhendent le système dans son ensemble, ils constatent que les résultats sont principalement dus au système lui-même et aux processus qui y sont liés, et non aux personnes qui y travaillent.

Une question fréquente lorsqu'on cherche à accompagner des équipes d'amélioration est : « Comment motiver et impliquer l'équipe dans ce travail ? » On répond généralement que la clé de leur implication réside dans l'utilisation des données pour progresser, et non pour porter des jugements. Pour ce faire, les données doivent être collectées au plus près de la production (par exemple, à l'heure, au jour, à la semaine ou au mois). Cela permet de comprendre les variations du processus dans le temps, et non de manière globale. Cet aperçu vous aura, nous l'espérons, permis de constater le rôle essentiel que peut jouer le diagramme de Shewhart dans votre démarche de mesure de la qualité. Et tout a commencé il y a 100 ans.

Références

• Carey RG, Lloyd RC. Mesurer l'amélioration de la qualité dans les soins de santé : un guide sur les applications du contrôle statistique des processus . Milwaukee, Wisconsin : Quality Press ; 2001.
• Lloyd R. Soins de santé de qualité : Guide pour l’élaboration et l’utilisation d’indicateurs (2e édition) . Burlington, Massachusetts : Jones & Bartlett Learning ; 2019.
• Mohammed MA, Worthington P, Woodall WH. Tracé de cartes de contrôle de base : notes de tutoriel pour les praticiens de la santé. Qualité et sécurité dans les soins de santé . 2008 avr. ; 17(2) : 137-145.
• Provost LP, Murray SK. Le guide des données de santé : tirer des enseignements des données pour améliorer la situation (2e édition) . San Francisco, Californie : Jossey-Bass ; 2022.
• Wheeler DJ, Chambers DS. Comprendre le contrôle statistique des processus . Knoxville, TN : SPC Press ; 1992.

Rebecca Steinfield est directrice de projet senior à l'IHI, spécialisée en innovation et conception, et Robert Lloyd est conseiller senior à l'IHI, spécialisé en sciences et méthodes d'amélioration.

Source photo :iSixSigma

Vous pourriez également être intéressé par :

Évitez deux erreurs courantes avec un diagramme de Shewhart

Vidéo : Cartes de contrôle sur tableau blanc 1

Vidéo : Cartes de contrôle sur tableau blanc 2

Cartes de contrôle

Cours en ligne de l'IHI : Interprétation des données : graphiques de tendance, cartes de contrôle et autres outils de mesure