Certaines représentations graphiques, très simples à première vue, peuvent s’avérer très efficaces pour résoudre des problèmes complexes.
De nombreuses techniques statistiques ont pour objectif l'identification des effets qui sont statistiquement significatifs (par exemple l’ANOVA, la régression ou les plans d’expériences). Dans cet article est décrit un outil graphique abordable, très intuitif, accessible à tous sans connaissance statistique préalable : la carte de variabilité.
La carte de variabilité, ou carte Multi-Vari, est un des outils de la méthodologie Shainin(1) pour la résolution de problèmes.
L'intérêt est de visualiser de nombreuses sources de variation en un seul graphique et de représenter des différences ou des variations cycliques dans le temps. Cette représentation graphique peut également être utilisée pour étudier les variations au sein d'un sous-groupe, entre sous-groupes, etc.
Une carte de variabilité peut être très utile au cours des premières phases de recherche des causes racines d’un problème, en donnant une vue d'ensemble des effets des facteurs, afin de pouvoir identifier les quelques facteurs, souvent peu nombreux, avec un effet réellement significatif sur une réponse ; et les séparer des autres.
Pour créer une carte de variabilité dans Minitab, sélectionnez le sous-menu Stat > Outils de qualité > Carte de variabilité. A ce stade, sélectionnez votre réponse et jusqu'à quatre facteurs dans la boîte de dialogue.
Supposons que vous ayez besoin d'analyser les temps d'attente de plusieurs centres d'appels qui font partie d'une société de services financiers. Les clients potentiels appellent pour ouvrir de nouveaux comptes, obtenir des informations sur les cartes de crédit, demander une assistance technique ou accéder à d'autres services etc.
Vous pouvez télécharger le jeu de données, nous mettons la feuille de travail au format de fichier compressé .zip à votre disposition.
Attendre au téléphone pendant longtemps en essayant de joindre un opérateur, peut devenir une expérience très désagréable, obtenir une réponse rapide est crucial pour maintenir une relation de confiance mutuelle avec vos clients. Les données qui ont été collectées dans le projet Minitab, couvrent les différentes catégories de clients, les types de demandes et l'heure de chaque appel téléphonique. Des cartes de variabilité ont été utilisées pour analyser ces temps d'attente.
La carte de variabilité ci-dessous affiche les différences entre les deux centres d'appels (situés à Montpellier et à Saint-Quentin) ainsi que les différences entre jours de la semaine et les heures de la journée. Il suggère que les temps d'attente sont plus longs le lundi (lundi: dans le premier panneau du graphique).
Dans la carte de variabilité qui suit, les types de demandes ont été introduits. On remarque que les types de demande génèrent beaucoup de variabilité. Les demandes d'assistance demandent plus de temps.
Dans la troisième carte de variabilité ci-dessous, les catégories de clients ont été introduites. La catégorie de clients A soumet plus de demandes.
Dans le quatrième diagramme de variabilité ci-après, les centres d'appels, les catégories de clients et les types de requêtes sont représentés. Les temps d'attente sont plus élevés pour le centre d'appel de Montpellier. Chaque centre d'appel se concentre sur des requêtes spécifiques. Par exemple, les demandes d'assistance ne sont traitées que par le centre d'appel de Montpellier. Les demandes d'assistance représentent donc le principal problème dans ce contexte.
Cette analyse n’est bien sûr valable que si l’ensemble des sources potentielles de variations, sont prises en compte dans l’étude. En ce qui concerne cette société de services financiers, il s’agit maintenant de bien comprendre pourquoi les temps d'attente durent tellement longtemps le lundi et pourquoi les appels d'assistance technique posent autant de problèmes.
Une carte de variabilité fournit une excellente représentation visuelle des différentes sources de variation. Cependant, quand il n'y a pas de facteur dominant évident, ou lorsque les "signaux" du processus sont trop «faibles» pour être détectés facilement, il sera nécessaire de recourir à des techniques statistiques plus puissantes (comme l’ANOVA ou la régression) pour évaluer statistiquement la significativité des effets de chaque facteur.
« World Class Quality Les 7 outils Shainin de la qualité. Préface de Dorian Shainin » Keki R. Bhote, ISBN 2-10-007956-8