Ce que doit montrer une analyse de sensibilité avant approbation
Une bonne analyse de sensibilité montre si l'option recommandée l'emporte toujours lorsque les données d'entrée incertaines varient dans des plages réalistes. Avant approbation, elle doit répondre à quatre questions : quelles données influencent le plus le résultat, jusqu'où elles ont été testées par rapport à ce que l'usine a connu, quelle limite cède en premier et à partir de quel point la recommandation bascule vers une autre option. Si elle ne peut pas dire ce qui cède en premier ni qui est responsable de cette donnée, elle n'est pas prête pour une signature.
Pourquoi les plans d'usine cèdent après l'approbation
La plupart des plans qui échouent sur le terrain semblaient solides en réunion : temps de cycle issus de la fiche de gamme, mix stable, effectif complet, matières à l'heure. Puis la ligne démarre. Les changements de série durent plus longtemps sur certains produits. Deux opérateurs manquent le lundi. Le chariot élévateur est occupé quand le tampon se vide.
La réaction habituelle consiste à incriminer l'exécution. Bien souvent, le résultat approuvé reposait sur une ou deux hypothèses que personne n'avait testées. Le plan ne tenait qu'un jour moyen.
Une analyse de sensibilité trouve ces hypothèses avant que l'argent ne soit dépensé et vérifie si le résultat peut porter une décision.
Simulations uniques, plages et sensibilité
Trois notions sont souvent confondues dans les dossiers d'approbation.
- Une simulation unique utilise un seul jeu de données d'entrée et donne une seule réponse. Elle est utile pendant la construction du modèle et trop mince pour une approbation.
- Un résultat stochastique fait varier les temps de cycle, les arrêts et les arrivées dans leurs plages normales et donne une dispersion de résultats. DBR77 Digital Twin fonctionne ainsi, avec des écarts tirés du comportement historique. Il montre la variabilité normale au quotidien.
- Une analyse de sensibilité fait varier les données dont vous n'êtes pas sûr, comme le temps de changement de série de la nouvelle cellule, le taux de rebut après la montée en cadence ou la demande pour une famille de produits, et montre comment le résultat et le classement réagissent.
Le deuxième vous dit comment une implantation se comporte un mauvais jour ordinaire. Le troisième vous dit si la décision repose sur une supposition.
Six éléments qu'un dossier de sensibilité doit montrer
Un dossier faible fait varier de nombreux paramètres un par un et présente un graphique coloré sans lien avec la décision. Un dossier utile montre six éléments.
| Ce que montre le dossier | Question à laquelle il répond | Version faible à éviter |
|---|---|---|
| Données classées avec leurs responsables | Quelles hypothèses comptent, et qui répond de chacune ? | Cinquante paramètres, aucun nom |
| Plage testée par rapport à l'historique | Avons-nous testé aussi loin que l'usine a réellement varié ? | La même petite plage pour tout |
| Sens de variation et déplacement du goulot | Le résultat se dégrade-t-il simplement, ou le goulot d'étranglement se déplace-t-il ? | Seul le chiffre de production total |
| Cas combiné | Que se passe-t-il quand deux problèmes arrivent en même temps ? | Une seule donnée modifiée à la fois |
| Première limite franchie | Quel objectif cède en premier : livraison, heures supplémentaires, place pour les tampons ? | Aucune limite définie |
| Point de bascule | À partir de quelle valeur une autre option devient-elle meilleure ? | Classement présenté uniquement pour le scénario de base |
Deux lignes demandent plus de soin que les autres.
C'est sur la plage testée que la plupart des dossiers se trompent. Dans un cas illustratif, les changements de série sur des machines similaires ont duré de 20 à 45 minutes l'an dernier. Un dossier qui ne teste que de 25 à 30 minutes laisse de côté l'essentiel de cet historique. Utilisez la plage que l'usine a connue, et indiquez d'où elle vient.
Le point de bascule est la ligne la plus utile pour l'approbation. Supposons, à titre illustratif, qu'une cellule robotisée batte un deuxième poste manuel tant que son changement de série reste inférieur à 35 minutes. Au-delà, le poste manuel produit davantage avec le mix prévu. Le décideur sait alors exactement ce qu'il faut vérifier avec le fournisseur, et qui doit le vérifier.
Voyez comment un classement tient quand les données varient
Pensez à une donnée dont votre équipe débat, comme le temps de changement de série d'une nouvelle cellule. La démo montre comment une donnée est déplacée sur une plage et à partir d'où l'option préférée cesse de l'emporter.
Faites varier les données ensemble, pas seulement une par une
Les mauvaises semaines apportent rarement un seul problème. Une livraison en retard s'accompagne souvent d'une commande urgente. Un nouveau produit apporte des changements de série plus longs et davantage de rebuts le même mois. Si le dossier ne fait varier qu'une donnée à la fois, il passe à côté des cas qui coûtent le plus cher.
Ajoutez au moins un cas combiné construit à partir d'une situation que l'usine a vécue. Par exemple : demande en hausse pour la famille à nombreuses variantes, temps de changement de série en haut de sa plage et un opérateur manquant sur la deuxième équipe. Faites-y passer chaque option.
Surveillez aussi où se déplace la contrainte. Quand une donnée varie, le goulot d'étranglement passe souvent à un autre poste ou au transport. Un résultat qui dit seulement « la production baisse » masque le fait que le chariot élévateur est désormais la contrainte, et la solution n'est alors plus la même. Pour comparer des options face à des perturbations comme les pannes ou les retards d'approvisionnement, lisez Comment comparer la résilience, et pas seulement le débit.
Quand un résultat est-il assez solide pour agir ?
Un modèle peut toujours être affiné, si bien qu'une demande de simulations supplémentaires peut repousser la décision de plusieurs mois. Cinq vérifications vous disent quand vous arrêter.
- La liste des options est close. Le comité choisit entre des options nommées, et aucune nouvelle idée n'entre en cours de réunion.
- Chaque option a subi les mêmes tests. Mêmes scénarios de stress, mêmes données d'entrée, même période simulée.
- Le classement est stable. L'option recommandée l'emporte toujours, ou ne perd que de peu, sur l'ensemble des plages testées. Là où elle bascule, le point de bascule est connu.
- Les principales données ont des responsables. Quelqu'un à l'ingénierie, aux opérations ou aux achats répond de chaque donnée principale et de sa plage.
- Un déclencheur de nouvelle simulation existe. Vous savez quel changement, comme un nouveau devis fournisseur ou un mix de produits différent, impose une nouvelle simulation avant le paiement suivant.
Si les cinq vérifications sont satisfaites, le résultat est prêt pour un engagement. Sinon, on est encore dans l'exploration, et personne ne devrait signer de bon de commande sur cette base.
Une donnée estimée peut étayer une décision si sa plage est large et que l'option recommandée l'emporte encore à l'extrémité défavorable. Ce que la sensibilité ne peut pas corriger, c'est un mauvais périmètre de modèle. Si la contrainte réelle, comme un entrepôt partagé ou un atelier de peinture situé hors du modèle, n'y figure pas, aucun test ne la fera apparaître.
Comment présenter la sensibilité au décideur
Trois phrases simples servent mieux le décideur qu'un graphique technique. Pour la cellule robotisée de l'exemple illustratif, elles pourraient être :
- « Deux données comptent : le temps de changement de série de la nouvelle cellule et la demande pour la famille C. »
- « Si le changement de série dépasse 35 minutes, nous manquons l'objectif de livraison hebdomadaire avant d'avoir épuisé les heures supplémentaires. »
- « Les achats confirment le temps de changement de série lors de l'essai chez le fournisseur, avant le deuxième paiement. »
La première nomme les facteurs déterminants, la deuxième dit ce qui cède en premier, et la troisième dit qui le vérifie et quand. La place de cette analyse dans la comparaison de plusieurs options d'investissement est décrite dans Comment comparer des options d'investissement (CAPEX) quand tous les scénarios semblent plausibles, et la manière de la présenter sur une seule page à la direction dans Comment présenter des résultats de simulation à la direction.
Questions fréquentes
Qu'est-ce qu'une analyse de sensibilité en simulation d'usine ?
C'est une série de simulations dans lesquelles les données d'entrée incertaines, comme les temps de cycle, les changements de série, les rebuts ou la demande, varient dans des plages réalistes. Elle montre dans quelle mesure le résultat change et si l'option recommandée reste la meilleure.
Combien de données une analyse de sensibilité doit-elle couvrir ?
Généralement les cinq à huit qui font le plus varier le résultat. Choisissez-les avec l'ingénierie, les opérations et la finance réunies, et attribuez un responsable à chacune.
La simulation stochastique est-elle la même chose qu'une analyse de sensibilité ?
Non. La simulation stochastique montre la variabilité normale au quotidien autour de vos hypothèses. L'analyse de sensibilité teste ce qui se passe si les hypothèses elles-mêmes sont fausses. Un bon dossier d'approbation utilise les deux.
Et si le classement bascule à l'intérieur de la plage testée ?
La décision dépend alors de cette donnée. Réduisez d'abord l'incertitude, par exemple avec un essai chez le fournisseur ou une étude de temps, ou choisissez l'option qui reste acceptable des deux côtés du point de bascule.
Conclusion
Avant la prochaine réunion d'approbation, demandez à l'équipe projet une seule ligne : le point de bascule de l'option recommandée et le nom de la personne responsable de cette donnée. Si elle ne peut pas vous donner les deux, l'analyse a besoin d'un tour de plus avant que quiconque ne signe.
Vous n'êtes pas sûr que votre résultat soit assez solide ?
Sur quelle hypothèse votre business case actuel s'appuie-t-il le plus ? Envoyez-la-nous avec la décision qu'elle soutient, et nous vous suggérerons la plage sur laquelle la tester avant l'approbation.
Sources
- DBR77 Digital Twin, Simulation déterministe ou stochastique
Vous voulez tester une décision de votre usine ?
Réservez une démo : nous vous montrons comment DBR77 Digital Twin compare les options sur la production, l'attente et la charge de transport.