V.

L’approche systémique
L’approche systémique est une méthodologie qui se concentre sur la compréhension
des systèmes complexes en analysant les interactions entre leurs différentes parties, plutôt
que d’examiner chaque élément isolément. Elle considère que les systèmes sont constitués de
composants interconnectés qui interagissent de manière dynamique et que ces interactions
peuvent créer des comportements émergents, souvent imprévisibles à partir de l’analyse des
seules parties individuelles.

1. Principes de l’approche systémique

L’approche systémique repose sur plusieurs principes fondamentaux qui influencent sa
manière d’aborder les problèmes, de comprendre les processus et de prendre des décisions.
Ces principes incluent :

• Totalité : Un système est plus que la somme de ses parties. Pour comprendre un
système, il faut prendre en compte l’interaction entre ses composants et leur effet global.

• Interdépendance : Les éléments d’un système sont reliés et dépendent les uns des
autres. Un changement dans un élément peut affecter tout le système.

• Dynamique : Les systèmes sont en perpétuelle évolution. Ils sont influencés par des
rétroactions positives (amplifiant un phénomène) ou négatives (stabilisant ou réduisant un
phénomène).

• Comportement émergent : Le système dans son ensemble peut manifester des

comportements qui ne sont pas évidents à partir des simples comportements de ses
composants individuels.

• Rétroaction : Les boucles de rétroaction sont cruciales pour le fonctionnement des

systèmes. Elles peuvent être positives (amplifiant les effets) ou négatives (réduisant ou
contrôlant les effets).

2. Composantes de l’approche systémique

Pour appliquer une approche systémique, il est important de comprendre les différentes
composantes du système :
 • Les éléments du système : Ce sont les différentes parties ou composants du système
(par exemple, les départements d’une entreprise, les machines dans une usine, les processus
de production, etc.).

• Les relations entre ces éléments : Ce sont les connexions et interactions entre les
différentes parties du système. Elles sont essentielles pour comprendre comment les
éléments agissent ensemble et comment ils influencent le comportement global du système.

• Les frontières du système : Déterminer les limites du système est crucial pour savoir
quels éléments doivent être pris en compte et quels éléments doivent être ignorés.

• Les objectifs du système : Chaque système a des buts ou des objectifs à atteindre (par
exemple, dans une entreprise, cela pourrait être la satisfaction client, la rentabilité, la
productivité, etc.).

3. Application de l’approche systémique dans une entreprise

L’application de l’approche systémique dans une entreprise consiste à analyser et
optimiser les processus en tenant compte de leurs interactions, de leurs rétroactions et de leur
dynamique. Voici comment cela peut se traduire concrètement :
a. Analyse des processus interconnectés
Au lieu de traiter les différents processus de manière isolée (par exemple, production,
gestion des stocks, gestion des ressources humaines), l’approche systémique suggère de les
analyser comme des éléments d’un tout. Chaque processus peut affecter les autres, et des
ajustements dans un domaine peuvent avoir un impact en chaîne sur d’autres secteurs. Par
exemple, des décisions sur la gestion des stocks peuvent influencer les coûts de production,
les délais de livraison, ou même la satisfaction client.
b. Gestion des boucles de rétroaction
Les boucles de rétroaction sont essentielles dans l’analyse systémique. Par exemple, une
boucle de rétroaction positive pourrait être qu’une augmentation de la qualité des produits
génère une meilleure satisfaction client, ce qui entraîne une plus grande fidélité et des ventes
plus élevées, renforçant ainsi l’amélioration continue des produits. Une boucle de rétroaction
négative, en revanche, pourrait être une situation où une défaillance dans un processus de
production crée des retards qui, à leur tour, engendrent des coûts supplémentaires, influençant
la rentabilité globale de l’entreprise.
 c. Optimisation globale plutôt que locale
L’approche systémique permet de viser une optimisation globale des processus plutôt
que de se concentrer uniquement sur la performance locale d’un élément. Par exemple, dans
un système de production, améliorer un seul maillon (comme la productivité des opérateurs)
peut ne pas apporter d’amélioration significative si d’autres éléments du processus (comme la
gestion des stocks ou la maintenance des équipements) ne sont pas également optimisés.
d. Gestion de la complexité et de l’incertitude
Les entreprises évoluent dans des environnements complexes et souvent incertains
(marchés changeants, évolutions technologiques, etc.). L’approche systémique aide à gérer
cette complexité en permettant de modéliser le système dans son ensemble, en tenant compte
des facteurs externes et internes. Elle permet aussi d’anticiper des scénarios variés et de gérer
l’incertitude de manière proactive.

4. Outils et techniques associés à l’approche systémique

L’approche systémique utilise divers outils et techniques pour mieux comprendre et
analyser les systèmes complexes. Parmi les plus utilisés, on trouve :

• Les diagrammes de causalité : Ces diagrammes permettent de représenter

visuellement les relations de cause à effet au sein d’un système. Ils aident à identifier les
boucles de rétroaction et à comprendre comment les différentes variables influencent les
autres.

• Les cartes conceptuelles : Ce sont des représentations graphiques qui montrent les
concepts clés du système et la manière dont ils sont interconnectés. Elles aident à clarifier
la structure et les relations d’un système.

• La dynamique des systèmes (System Dynamics) : Cette approche utilise des

modèles informatiques pour simuler le comportement de systèmes complexes dans le
temps. Elle permet de tester différents scénarios et de comprendre l’impact des
changements dans les processus sur le long terme.

• Les diagrammes de flux : Ces diagrammes montrent comment les informations, les
ressources ou les produits circulent à travers un système. Ils aident à comprendre les
interactions entre les différents processus et à identifier les points de blocage ou les
inefficacités.
 • La simulation : En particulier, la simulation de Monte Carlo peut être utilisée pour
évaluer l’impact des incertitudes dans les processus et pour modéliser des comportements
dans un environnement dynamique et incertain.

5. Avantages de l’approche systémique

• Vision globale : Elle permet une compréhension plus complète de l’entreprise, en

prenant en compte l’ensemble des interactions et processus.

• Gestion des interactions complexes : L’approche aide à gérer des situations où

plusieurs variables sont en jeu et interagissent de manière complexe.

• Prévention des problèmes : En comprenant les interactions et les boucles de

rétroaction, l’approche permet de mieux anticiper les problèmes potentiels avant qu’ils ne
surviennent.

• Amélioration continue : Elle soutient les démarches d’amélioration continue en

permettant de repérer les leviers d’action les plus efficaces pour améliorer la performance
globale.

6. Limites de l’approche systémique

• Complexité élevée : L’approche systémique peut devenir très complexe, surtout dans
les grandes entreprises où il y a de nombreuses interactions. La modélisation et l’analyse
des systèmes peuvent être difficiles à mettre en place sans outils et compétences
spécialisés.

• Temps et ressources nécessaires : L’analyse systémique nécessite du temps et des

ressources pour collecter les données, modéliser les processus et analyser les résultats.

• Risque de simplification excessive : Bien qu’elle offre une vision globale, l’approche
systémique peut parfois omettre des détails spécifiques, ce qui peut être problématique dans
certains contextes très spécialisés.

VI. La théorie des contraintes ou TOC

La Théorie des Contraintes (TOC, pour Theory of Constraints) est une approche de
gestion qui se concentre sur l’identification et la gestion des contraintes (ou goulots
d’étranglement) dans un système, afin d’optimiser la performance globale du système. Elle a
été développée par Eliyahu M. Goldratt dans son livre “The Goal” publié en 1984, et elle
est largement utilisée dans le domaine de la gestion de la production, de l’amélioration des
processus et de la gestion de la qualité.

1. Principes de la Théorie des Contraintes (TOC)

La TOC repose sur plusieurs principes fondamentaux :
a. Le système global dépend de sa contrainte la plus faible
L’idée centrale de la TOC est que la performance d’un système dans son ensemble est
limitée par un ou plusieurs “goulots d’étranglement” (ou contraintes), qui freinent sa capacité
à atteindre son objectif global. Ces contraintes peuvent se trouver à n’importe quel niveau du
système (production, ressources humaines, équipements, approvisionnement, etc.).
b. Une seule contrainte majeure à la fois
Goldratt soutient qu’un système complexe est souvent limité par une seule contrainte
majeure à un moment donné. Cela signifie qu’il faut identifier cette contrainte spécifique
pour pouvoir l’optimiser et, ainsi, améliorer la performance du système global.
c. L’amélioration continue passe par l’élimination ou l’optimisation des
contraintes
L’objectif de la TOC est de s’attaquer à la contrainte du système en l’optimisant ou en
la supprimant. Une fois qu’une contrainte est améliorée ou supprimée, une nouvelle
contrainte émerge, et le cycle d’amélioration continue peut recommencer.
d. La performance d’un système est mesurée par sa capacité à atteindre ses
objectifs
L’objectif final est généralement la maximisation du débit (taux de production ou de
service) tout en minimisant les stocks et les délai. Ces trois éléments sont souvent considérés
comme les principaux indicateurs de la performance d’un système selon la TOC.

2. Les 5 étapes de la Théorie des Contraintes

La TOC propose un processus en cinq étapes pour identifier et gérer les contraintes, qui
permet d’améliorer les performances du système :
a. Identifier la contrainte
La première étape consiste à identifier la contrainte dans le système. Il peut s’agir d’une
machine, d’un processus, d’un employé, d’un fournisseur, ou même d’un aspect
organisationnel. Il est important de se concentrer sur la contrainte principale qui limite le
débit du système.
b. Exploiter la contrainte
Une fois la contrainte identifiée, l’étape suivante consiste à l’exploiter au maximum de
ses capacités. Cela signifie optimiser son utilisation, réduire les temps d’arrêt, et l’utiliser de
manière la plus efficace possible. L’objectif est de ne pas laisser de temps ou de ressources
inutilisés à ce point de restriction.
c. Subordonner le reste du système à la contrainte
Dans cette étape, les autres parties du système doivent être ajustées pour soutenir la
contrainte. Cela signifie que les autres processus du système doivent être adaptés à la capacité
de la contrainte, en évitant la surproduction ou les goulots d’étranglement ailleurs dans le
système. L’idée est d’éviter de créer des surstocks dans les autres étapes du processus.
d. Élever la contrainte
Si la contrainte reste un facteur limitant, l’étape suivante consiste à chercher des moyens
de l’élever, c’est-à-dire d’augmenter sa capacité. Cela peut passer par des investissements
dans de nouveaux équipements, l’embauche de personnel supplémentaire, ou l’amélioration
du processus concerné.
e. Recommencer le processus
Une fois que la contrainte a été éliminée ou améliorée, un autre goulot d’étranglement
peut apparaître ailleurs dans le système. L’approche TOC recommande de recommencer le
processus en identifiant la nouvelle contrainte, et ainsi de suite, dans un cycle d’amélioration
continue.

3. Les Concepts Clés de la TOC

a. Le débit (Throughput)
Le débit est l’un des concepts clés de la TOC. Il représente la vitesse à laquelle un
système génère de la valeur (en termes de produit ou de service), c’est-à-dire la quantité de
biens ou services qui peuvent être produits et livrés dans un délai donné. L’objectif est
d’augmenter le débit tout en minimisant les stocks et en réduisant les délais.

b. Les stocks (Inventory)

Les stocks sont les ressources (matériaux, produits semi-finis, ou finis) qui sont en
attente dans le processus. Dans la TOC, l’objectif est de minimiser les stocks, car les stocks
excessifs peuvent ralentir le flux du système et masquer les problèmes sous-jacents (tels que
des inefficacités ou des goulots d’étranglement). L’idée est de ne pas avoir plus de stocks que
ce qui est nécessaire pour répondre à la demande.
c. Les dépenses opérationnelles (Operating Expenses)
Les dépenses opérationnelles représentent les coûts associés à la production (main-
d’œuvre, équipement, maintenance, etc.). La TOC cherche à optimiser l’utilisation des
ressources pour réduire les coûts, tout en augmentant le débit et en minimisant les stocks.

4. Applications de la TOC
La TOC peut être appliquée dans divers domaines et types d’entreprises :
a. Gestion de la production
Dans le secteur de la production, la TOC est particulièrement utile pour optimiser les
lignes de production et réduire les goulots d’étranglement. Par exemple, si une machine ou
une station de travail ralentit le processus de fabrication, l’entreprise peut concentrer ses
efforts sur l’amélioration de cette machine pour augmenter le débit global de la ligne de
production.
b. Gestion de projet (Critical Chain Project Management - CCPM)
La TOC a été étendue à la gestion de projet sous la forme de la méthode de la chaîne
critique (CCPM), qui met l’accent sur la gestion des ressources et des dépendances pour
minimiser les délais des projets. Elle cherche à éviter la sur-planification et à se concentrer
sur les contraintes critiques pour assurer le respect des délais.
c. Gestion des stocks et approvisionnement
La TOC peut également être appliquée à la gestion des stocks, en se concentrant sur les
points de goulot d’étranglement dans la chaîne d’approvisionnement. Elle permet de réduire
les stocks tout en garantissant que les matériaux nécessaires sont disponibles au bon moment
pour ne pas ralentir le processus.
d. Amélioration de la qualité
En identifiant et en optimisant les contraintes, la TOC peut aider à améliorer la qualité en
réduisant les défaillances dues à des goulots d’étranglement ou à des ressources mal utilisées.
Par exemple, la gestion des défauts dans un processus de fabrication peut se concentrer sur
l’amélioration du goulot d’étranglement, ce qui peut réduire le nombre de défauts.

5. Avantages de la TOC
 • Amélioration des performances globales : En se concentrant sur la contrainte, la
TOC permet d’augmenter le débit du système dans son ensemble.

• Simplicité et focus : La TOC offre une approche simple et directe, en se concentrant

sur une contrainte à la fois et en évitant les solutions complexes.

• Amélioration continue : La TOC encourage un processus d’amélioration continue,

où les goulots d’étranglement sont continuellement identifiés et optimisés.

• Réduction des stocks et des coûts : En réduisant les stocks et en optimisant les
processus, la TOC permet de réduire les coûts tout en améliorant la performance.

6. Limites de la TOC

• Identification des contraintes : Identifier correctement la contrainte majeure peut

être difficile, surtout dans des systèmes très complexes.

• Implémentation : L’implémentation de la TOC peut nécessiter des changements

organisationnels importants et la réévaluation des processus existants.

• Approche partielle : La TOC se concentre sur un problème à la fois, et peut ne pas

tenir compte de l’ensemble des problèmes simultanés dans un système complexe.

VII. Le contrôle statistique de processus multivarié

Le Contrôle Statistique de Processus Multivarié (MSA - Multivariate Statistical
Process Control) est une extension du Contrôle Statistique de Processus (CSP)
traditionnel, qui permet de surveiller et d’analyser plusieurs variables simultanément dans un
processus de production ou un système de qualité. Tandis que le contrôle statistique de
processus classique se concentre généralement sur une seule variable à la fois (par exemple,
la taille d’un produit ou le temps de production), le contrôle multivarié prend en compte
plusieurs variables interdépendantes qui peuvent influencer ensemble la qualité du produit ou
la performance du processus.

1. Concepts de Base du Contrôle Statistique de Processus Multivarié

Le contrôle statistique de processus multivarié repose sur l’idée qu’un processus peut
être influencé par plusieurs facteurs en même temps, et ces facteurs peuvent interagir de
manière complexe. L’objectif est donc d’analyser simultanément ces multiples variables pour
détecter toute variation anormale qui pourrait affecter la stabilité et la performance du
processus.

a. Variables interdépendantes
Contrairement au CSP univarié (où chaque variable est analysée indépendamment), dans
un CSP multivarié, les variables analysées peuvent être interdépendantes. Par exemple, la
température et la pression dans une réaction chimique peuvent être liées, et leurs effets sur la
qualité du produit doivent être étudiés ensemble plutôt qu’individuellement.
b. Analyse de la variabilité
Le contrôle multivarié cherche à comprendre comment la variabilité dans plusieurs
dimensions (par exemple, plusieurs mesures de produit ou de processus) se combine pour
affecter la sortie du processus. L’objectif est de déterminer si des changements dans ces
variables interagissent pour provoquer des variations non désirées dans le produit ou le
service final.
c. Comportements multivariés complexes
Certains processus peuvent être affectés par plusieurs facteurs simultanés, et une
variation dans un seul facteur pourrait ne pas être visible si elle est observée de manière
isolée. Le contrôle multivarié permet de repérer des tendances ou des anomalies qui seraient
invisibles dans un contrôle univarié traditionnel.

2. Outils et Méthodes du Contrôle Statistique de Processus Multivarié

Il existe plusieurs méthodes statistiques et outils utilisés dans le cadre du contrôle
multivarié. Voici les plus courants :
a. Analyse en Composantes Principales (PCA - Principal Component
Analysis)
L’Analyse en Composantes Principales est une technique utilisée pour réduire la
dimensionnalité d’un ensemble de données tout en préservant l’information importante.
L’idée est de transformer les données de manière à ce qu’elles soient plus faciles à analyser,
tout en conservant les relations entre les différentes variables. En d’autres termes, PCA
permet de regrouper plusieurs variables en un petit nombre de composants principaux qui
expliquent la majeure partie de la variabilité des données.
 • Applications : PCA est souvent utilisée pour réduire le nombre de variables à
surveiller tout en conservant une vue d’ensemble sur l’ensemble du processus.

• Avantages : Simplifie l’analyse en combinant les variables en de nouvelles

dimensions, rendant les relations entre les variables plus évidentes.

b. Cartes de Contrôle Multivariées

Une des méthodes les plus courantes du contrôle multivarié est l’utilisation des cartes de
contrôle multivariées, qui sont des extensions des cartes de contrôle classiques. Elles
permettent de surveiller plusieurs variables simultanément pour identifier des variations
anormales dans le processus.

• Cartes de contrôle de Hotelling T² : C’est l’une des méthodes les plus courantes
pour contrôler les processus multivariés. Elle est utilisée pour détecter des changements
dans un groupe de variables qui peuvent se produire de manière simultanée. La statistique
T² calcule la distance d’un point de données par rapport au centre du processus dans un
espace multivarié et permet de détecter des écarts significatifs par rapport à un état de
contrôle normal.

• Utilisation : Une carte de contrôle T² est utilisée pour suivre l’évolution des données
multivariées et identifier si le processus a changé de manière significative. Elle est
particulièrement utile lorsque le processus dépend de plusieurs variables qui
interagissent entre elles.
c. Analyse de la Régression Multivariée
Une autre approche utile dans le contrôle multivarié est l’analyse de régression
multivariée, qui permet de modéliser les relations entre plusieurs variables indépendantes et
la ou les variables dépendantes. Cela permet de comprendre l’impact combiné de différentes
variables sur le résultat du processus.

• Applications : Identifier comment plusieurs variables affectent un indicateur de

qualité ou une mesure clé de performance, et prédire les comportements futurs du
processus.
d. Analyse en Composantes Principales Suivie d’une Carte de Contrôle T²
Une méthode courante est de combiner l’Analyse en Composantes Principales (PCA)
avec des cartes de contrôle multivariées (comme la carte T²). Cela permet de réduire le
nombre de dimensions tout en surveillant simultanément plusieurs variables dans un espace
réduit.

• Processus : D’abord, l’analyse en composantes principales est utilisée pour

transformer les variables initiales en un nombre plus petit de composants principaux.
Ensuite, une carte de contrôle (comme T²) est utilisée pour surveiller ces composants
principaux. Cela simplifie l’analyse tout en permettant de détecter des variations
complexes.

3. Avantages du Contrôle Statistique de Processus Multivarié

a. Détection précoce des problèmes
Le contrôle multivarié permet de détecter les variations complexes dans les processus qui
seraient difficiles à repérer avec un contrôle univarié classique. Cela permet une détection
précoce des problèmes, ce qui permet de prendre des mesures correctives avant que les
défauts ou les inefficacités n’affectent la production ou la qualité du produit.
b. Amélioration de la compréhension des processus
L’utilisation d’outils multivariés comme la PCA et les cartes de contrôle permet de mieux
comprendre les relations entre différentes variables dans le processus, ce qui conduit à une
meilleure gestion des ressources et à des optimisations plus efficaces.
c. Optimisation des ressources et réduction des coûts
En surveillant plusieurs variables simultanément, le contrôle multivarié permet d’identifier
des inefficacités et des variations inutiles dans le processus. Cela peut conduire à des
améliorations qui réduisent les déchets, améliorent l’efficacité du processus et diminuent les
coûts.
d. Évitement des erreurs de jugement
Le contrôle multivarié permet d’éviter les erreurs qui peuvent survenir lorsqu’on analyse
des variables de manière isolée. Par exemple, dans un processus de fabrication, une
augmentation de la température pourrait être compensée par une réduction de la pression, et
la détection d’une variation dans une seule variable pourrait ne pas indiquer un problème réel,
mais une interaction entre plusieurs variables.

4. Limites et Défis du Contrôle Statistique de Processus Multivarié

a. Complexité accrue
 L’une des principales limitations du contrôle multivarié est la complexité qu’il introduit.
Analyser plusieurs variables simultanément peut être plus difficile à comprendre et à
interpréter, surtout si les variables sont nombreuses et que des relations complexes existent
entre elles.
b. Besoin de compétences statistiques avancées
Le contrôle multivarié nécessite souvent une expertise en statistiques, notamment dans
l’analyse multivariée et l’utilisation de logiciels spécialisés (comme Minitab, JMP, ou R).
Cela peut représenter un obstacle pour les entreprises qui n’ont pas les ressources ou les
compétences nécessaires.

c. Données nécessaires
Le contrôle multivarié nécessite un ensemble de données suffisamment riche et de bonne
qualité pour que les analyses soient significatives. Si les données sont incomplètes ou
erronées, les résultats peuvent être biaisés et moins fiables.
d. Coût de mise en œuvre
Les outils et les logiciels nécessaires pour le contrôle multivarié peuvent être coûteux, et
leur mise en œuvre peut exiger un investissement initial important en formation et en
développement de processus.
 CONCLUSION
Les méthodes complexes utilisées lors de l’analyse des normes et de la qualité dans
une entreprise permettent de traiter des systèmes interconnectés, d’analyser de grandes
quantités de données, et d’anticiper les défaillances en utilisant des outils statistiques avancés,
des simulations ou des approches systémiques. Ces techniques sont particulièrement utiles
pour les entreprises ayant des processus complexes ou cherchant à intégrer plusieurs variables
dans l’amélioration continue de la qualité.