Réduction des déchets identifiés par le lean management ...

HAL Id: dumas-01879758https://dumas.ccsd.cnrs.fr/dumas-01879758

Submitted on 24 Sep 2018

HAL is a multi-disciplinary open accessarchive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come fromteaching and research institutions in France orabroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, estdestinée au dépôt et à la diffusion de documentsscientifiques de niveau recherche, publiés ou non,émanant des établissements d’enseignement et derecherche français ou étrangers, des laboratoirespublics ou privés.

Réduction des déchets identifiés par le leanmanagement : application de méthodes et outils a

l’industrie pharmaceutiqueRomain Perrin

To cite this version:Romain Perrin. Réduction des déchets identifiés par le lean management : application de méthodes etoutils a l’industrie pharmaceutique. Sciences pharmaceutiques. 2018. �dumas-01879758�

https://dumas.ccsd.cnrs.fr/dumas-01879758

https://hal.archives-ouvertes.fr

AVERTISSEMENT Ce document est le fruit d'un long travail approuvé par le jury de soutenance et mis à disposition de l'ensemble de la communauté universitaire élargie. Il n’a pas été réévalué depuis la date de soutenance. Il est soumis à la propriété intellectuelle de l'auteur. Ceci implique une obligation de citation et de référencement lors de l’utilisation de ce document. D’autre part, toute contrefaçon, plagiat, reproduction illicite encourt une poursuite pénale. Contact au SID de Grenoble : [email protected]

LIENS LIENS Code de la Propriété Intellectuelle. articles L 122. 4 Code de la Propriété Intellectuelle. articles L 335.2- L 335.10 http://www.cfcopies.com/juridique/droit-auteur http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm

mailto:[email protected]

1

UNIVERSITÉ GRENOBLE ALPES

UFR DE PHARMACIE DE GRENOBLE

Année : [2018]

REDUCTION DES DECHETS IDENTIFIES PAR LE LEAN MANAGEMENT. APPLICATION DE

METHODES ET OUTILS A L’INDUSTRIE PHARMACEUTIQUE

THÈSE

PRÉSENTÉE POUR L’OBTENTION DU TITRE DE DOCTEUR EN PHARMACIE

DIPLÔME D’ÉTAT

Romain PERRIN

THÈSE SOUTENUE PUBLIQUEMENT À LA FACULTÉ DE PHARMACIE DE GRENOBLE

Le : 12/07/2018

DEVANT LE JURY COMPOSÉ DE

Président du jury :

M. Aziz BAKRI (Professeur Universitaire à l’UFR de Pharmacie)

Membres :

Mme. Nawel KHALEF, directrice de thèse (Maître de Conférences à l’UFR de Pharmacie)

Mme. Alicia MAILHES (Pharmacien Industriel)

L’UFR de Pharmacie de Grenoble n’entend donner aucune approbation ni improbation aux

opinions émises dans les thèses ; ces opinions sont considérées comme propres à leurs auteurs.

[Données à caractère personnel]

2

Liste des enseignants

5

Réduction des déchets identifiés par le LEAN

Management. Application de méthodes et outils

à l’industrie pharmaceutique

6

Sommaire

Liste des enseignants ............................................................................................................................... 2

Réduction des déchets identifiés par le LEAN Management. Application de méthodes et outils à

l’industrie pharmaceutique ..................................................................................................................... 5

Sommaire ................................................................................................................................................ 6

Remerciements ....................................................................................................................................... 9

Liste des figures ..................................................................................................................................... 10

Liste des tableaux .................................................................................................................................. 11

Liste des abréviations ............................................................................................................................ 12

Définitions ............................................................................................................................................. 13

Introduction ........................................................................................................................................... 15

Chapitre 1 : Surproduction (作り過ぎのムダ) ................................................................................... 23

1.1. OEE ........................................................................................................................................ 23

1.1.1. Théorie ........................................................................................................................... 23

1.1.2. Exemple d’application ................................................................................................... 26

1.2. Schedule adherence .............................................................................................................. 27

1.2.1. Définition ....................................................................................................................... 27


1.3. Boite à moustaches ............................................................................................................... 30

1.2.1. Définition ....................................................................................................................... 30


Chapitre 2 : Temps d’attente (手待ちのムダ) .................................................................................... 34

2.1. SMED ..................................................................................................................................... 34

2.1.1. Historique ...................................................................................................................... 34

2.1.2. Exemples d’applications ................................................................................................ 38

2.2. Pareto .................................................................................................................................... 40

2.2.1. Historique ...................................................................................................................... 40


Chapitre 3 : Transports et manutention inutile (運搬のムダ) ............................................................ 45

3.1. Simplification du processus, fabrication en continue ........................................................... 45

3.1.1. Théorie ........................................................................................................................... 45


Chapitre 4 : Usinages inutiles ou incorrects (加工そのもののムダ) ................................................. 52

7

4.1. SPC ......................................................................................................................................... 52

4.1.1. Théorie : 6-sigma ........................................................................................................... 52

4.1.2. Exemple d’application : Capabilité et Carte de Contrôle .............................................. 55

4.1.3. Exemple d’application : Design Space ........................................................................... 57

Chapitre 5 : Stocks Excédentaires (在庫のムダ) ................................................................................. 62

5.1. Kanban ................................................................................................................................... 62

5.1.1. Historique ...................................................................................................................... 62

5.1.2. Mise en application ....................................................................................................... 64

Chapitre 6 : Gestes inutiles (動作のムダ) ........................................................................................... 68

6.1. Schema spaghetti .................................................................................................................. 68

6.1.1. Théorie ........................................................................................................................... 68

6.1.2. Mise en Application ....................................................................................................... 68

6.2. 5S ........................................................................................................................................... 70

6.2.1. Historique ...................................................................................................................... 70


Chapitre 7 : Production de pièces défectueuses (不良をつくるムダ) .............................................. 73

7.1. Déviation ............................................................................................................................... 73

7.1.1. Théorie ........................................................................................................................... 73


7.2. Actions Correctives et Actions Préventives (CAPA) ............................................................... 77

7.2.1. Théorie ........................................................................................................................... 77


Chapitre 8 : Créativité Inexploitée (技能のムダ) ................................................................................ 82

8.1. Théorie de Management ....................................................................................................... 82

8.1.1. Management Libéré ...................................................................................................... 82

8.1.2. Management des Connaissances (Knowledge Management) ...................................... 83

8.2. Mise en application : Management visuel ............................................................................ 85

Conclusion ............................................................................................................................................. 90

Bibliographie.......................................................................................................................................... 93

Annexes ............................................................................................................................................... 101

Liste des figures des annexes .............................................................................................................. 101

Annexe 1 : Résumé des gaspillages définis dans le LEAN Management sous forme de tableau .... 102

Annexe 2 : Fonctionnement plus détaillé du schedule adherence ............................................... 103

Annexe 3 : Fonctionnement du test du χ2 ................................................................................... 104

8

Annexe 4 : Exemple d’adaptation du modèle de fromage suisse ............................................... 106

Annexe 5 : Description brève d’autres outils qualité .................................................................. 108

❖ PDCA – roue de Deming : ............................................................................................ 108

❖ DMAIC .......................................................................................................................... 109

❖ AMDEC ......................................................................................................................... 110

Serment de Galien ............................................................................................................................... 112

RÉSUMÉ : ............................................................................................................................................. 113

9

Remerciements

Je voudrais remercier, par ordre chronologique d’entrée dans ma vie :

Mes parents, qui m’ont toujours soutenu et encouragé dans mes choix.

Mon frère, ma sœur, qui sont mes premiers modèles.

Les amis de maternelle, qui sont toujours là, malgré la distance.

L’ami du collège, qui est venu se rattacher à ceux du primaire, et que on fait plus trop la distinction

maintenant

Les amis du lycée Baudelaire, et les parties de belote indénombrables que l’on a fait.

Les amis d’amis du lycée de Poisy, qui sont devenus des amis finalement.

Les amis de P1, que je ne vois plus, mais avec qui j’ai traversé ces 2 années éprouvantes.

Les amis de pharma, qui ont bien su gratter les ronéos, et faire de belles soirées.

M.Bakri et Mme Khalef, qui m’ont inspiré quand à ma spécialisation dans la suite de mes études, et

me font l’honneur d’être membre de mon jury.

Les amis de Rouen, avec la soirée hebdomadaire au déli, les repas quotidiens ensemble.

L’équipe d’encadrement d’Aspen NdB, qui m’a donnée ma première expérience, et m’a fait grandir.

Les amis du master TMPP, et nos nombreux fous rires en classe, au resto.

M.Roulot et Mme Bochot, qui nous ont parfaitement encadrés durant ce master.

L’entreprise B&D life science, qui m’a donnée beaucoup de temps libre afin de faire ma thèse (même

si c’était pas volontaire)

L’entreprise UCB, qui permet chaque jour d’évoluer dans un environnement de travail agréable.

Les amis de Bruxelles, avec qui on explore cette drôle de ville.

Et la petite citation de papillote qui a longtemps occupé cette page vierge : Le savant est fier d’avoir

tant appris ; le sage est humble d’en savoir si peu. William Cowper.

10

Liste des figures

Figure 1 : Illustration d’un processus selon le Taylorisme

Figure 2 : Les phases historiques dans l’évolution de la démarche LEAN

Figure 3 : Schéma de la répartition des temps du calcul de TRS

Figure 4 : Exemple de schedule adherence

Figure 5 : Représentation d’une boîte à moustache

Figure 6 : Comparatif des performances entre 2 semestres

Figure 7 : Représentation schématique du principe de SMED

Figure 8 : Moyenne mensuelle des temps de changement (heures) Usine A vs Usine B avant/après

Figure 9 : Représentation de la distribution de la répartition selon le principe de Pareto

Figure 10 : Représentation classique d’un diagramme de Pareto

Figure 11 : Diagramme de suivi des pannes

Figure 12 : Evolution des performances selon le type de fabrication

Figure 13 : Illustration de la simplification du processus

Figure 14 : Comparaison de 2 voies de synthèses

Figure 15 : Représentation de la dispersion d’une caractéristique des pièces selon le niveau de Sigma.

Figure 16 : Comparaison d’un Design Space en combinaison linéaire et non linéaire sur le réglage de

2 paramètres permettant une dissolution conforme (<80%)

Figure 17 : Schéma du fonctionnement du Kanban

Figure 18 : Exemple pratique de planning Kanban

Figure 19 : Schéma spaghetti, avant et après amélioration

Figure 20 : Exemple de schéma spaghetti de préparation d’un kit hospitalier.

Figure 21 : Illustration visuelle d’un 5S : rangement de bouchons en caoutchouc

Figure 22 : Illustration du modèle de défaillance illustrée en fromage suisse

Figure 23 : Illustration du diagramme d’Ishikawa associé aux départements inhibiteurs

Figure 24 : Vue globale du tableau de management visuel

Figure 25 : Vue globale du tableau de management visuel, seconde version

Figure 26 : Temps d'attente matériel toutes zones confondues de la semaine 1 à la semaine 32 de

l'année 2016

11

Liste des tableaux

Tableau I : Illustration des différents types de maintenance

Tableau II : Correspondance entre niveau de sigma et nombre de défauts

Tableau III : Synthèse des gains réalisés grâce à l’utilisation d’un outil de façon isolé

12

Liste des abréviations

AFNOR : Agence Française de NORmalisation

AMDEC : Analyse des Modes de Défaillance Et de leur Criticité / traduction de FMECA :

Failure Mode Effects, and Criticality Analysis

AMM : Autorisation de Mise sur le Marché

ANSM : Agence Nationale de Sécurité du Médicament

BPF : Bonnes Pratiques de Fabrication

BI : Bio-Indicateurs

CAPA : Corrective Action Preventive Action / Action Corrective Action Préventive

CTD : Common Technical Document / Document Technique Commun

DMAIC : Define, Measure, Analyze, Improve, and Control / Définir, Mesurer, Analyser,

Innover, Contrôler

EMA : European Medecines Agency // Agence du Médicament Européenne (AME)

FDA : Food and Drug Administration // Equivalent Américain de l’ANSM

ICH : International Council for Harmonisation of Technical Requirements for Pharmaceuticals

for Human Use // Conseil international d'harmonisation des exigences techniques pour

l'enregistrement des médicaments à usage humain (CIH)

IMPV : International Motor Vehicle Program / Programme International des Véhicules à

Moteurs

IPC : In Process Control / Contrôle en cours d’opération

13

MIT : Massachusetts Institute of Technology

MV : Management visuel

NEP : Nettoyage En Place

SEP : Stérilisation En Place

OEE : Overall Equipment Effectiveness / Taux de Rendement Synthétique (TRS)

OAE : Overall Asset Effectiveness / Taux de Rendement d’un Equipement (TRE)

OOS : Out Of Specification / En dehors des Spécifications

OOT : Out of Trend / En dehors de la Tendance.

PAT : Process Analytical Technologies ; Technologie Analytique des Procédés

PDCA : Plan, Do, Check, Act / Prévoir, Faire, Contrôler, Améliorer

QQOQCPC : Qui,Quoi, Où, Qand, Comment, Pourquoi, Combien

RTRT : Real Time Release Testing / Test de Libération en Temps Réel

SMED : Single Minute Exchange of Die / Changement de Matrice en Minutes Unitaires

SPC : Statistical Process Control / Maitrise Statistiques des Procédés (MSP)

TPS : Toyota Production System

TRS : Taux de Rendement synthétique

Définitions

Gemba : Terme Japonais signifiant « Terrain », là où les problèmes surviennent.

Kaizen : Terme Japonais signifiant « amélioration continue »

14

Libération paramétrique : système de libération propre à assurer que le produit est de la qualité

requise, sur la base des informations recueillies en cours de fabrication et de la conformité aux

exigences spécifiques des BPF en matière de libération paramétrique

Norme ISO 9001 :2005 : L’ISO a pour traduction française "Organisation Internationale de

Normalisation". Il s’agit d’une organisation non gouvernementale dont l’objectif principal est

de faciliter la coordination et l’unification internationale des normes industrielles. Les normes

ISO sont élaborées par des comités techniques constitués d’experts appartenant aux secteurs

industriels, techniques et économiques. La norme ISO 9001 :2005 décrit les exigences d’un

système de management de la qualité.

Opérations : Etape unitaire dans la transformation d’un produit ; synonyme : procédés

Processus : Ensemble d’opérations permettant la transformation de matières premières en

produit fini

Takt time : Cadence de fabrication nécessaire pour répondre à temps à une demande

15

Introduction

Dans le cycle de vie du médicament, la fabrication est l’étape centrale. Elle se déroule selon

une logique de système de production. D’un point de vue global, un système de production est

une organisation dont le but est de produire des biens (comme des médicaments dans le cas de

l’industrie pharmaceutique). A cause de l’évolution des marchés et de l’environnement

économique, les entreprises doivent modifier et améliorer leurs systèmes de production pour

optimiser leur performance industrielle, notion multidimensionnelle qui se fait sur des critères

différents : Sociologiques, financiers, opérationnels etc…(1).

L’évolution des systèmes de production a été initiée par l’industrie automobile (2). C’est elle

qui a développé la production de masse dès la fin du XIXème siècle, innovant en regard des

différentes production artisanales séculaires.(1).

La production de masse s’est imposée au travers de 2 courants de pensée : Le Taylorisme et le

Fordisme.

Le Taylorisme, nommé d’après Frederick Winslow Taylor, est décrit dans l’ouvrage « The

Principles of Scientific Management » (ou « La Direction Scientifique des Entreprises » en

version française) sorti en 1911. Il propose une division verticale et horizontale du travail. La

division horizontale consiste à séparer la production d’un objet (processus) en plusieurs

opérations unitaires (procédé). Ainsi, une matière première 1, après un procédé deviendra un

produit semi-fini β, qui deviendra un produit fini C une fois le processus terminé. La seconde

division, dite verticale, consiste à cloisonner socialement les ingénieurs et les ouvriers. Les

premiers, « cols blancs », s’occupent de l’organisation et de l’amélioration des procédés. Les

seconds, « cols bleus », s’occupent uniquement de la réalisation des tâches unitaires. Le travail

https://en.wikipedia.org/wiki/The_Principles_of_Scientific_Management_(monograph)

https://en.wikipedia.org/wiki/The_Principles_of_Scientific_Management_(monograph)

16

est ainsi systématisé par des instructions données par les cadres hiérarchiques aux ouvriers

exécutants (1).

Figure 1 : Illustration d’un processus selon le Taylorisme

Inspiré du Taylorisme, Henry Ford mis en place la première ligne d’assemblage en 1913 (3).

Cette ligne d’assemblage fut consacrée à la Ford T, modèle créé en 1908. En 4 ans (de 1912 à

1916), la quantité augmenta de 711% (passant de 82 388 véhicules à 585 388) et le prix de vente

diminua de 60% (passant de 600$ à 360$) (3). L’organisation du travail décidé par Henry Ford

(le Fordisme) repose sur les principes suivants :

• La division du travail et le cloisonnement des tâches, hérités des dogmes de Taylor.

• Les économies d’échelle avec la fabrication d’unité de production de grande taille qui

ont pour résultat de bas coûts de production unitaire, marquant le début de la production

de masse.

• L’utilisation des chaînes de montage permettant la diminution des mouvements des

employés.

• La standardisation des produits, concept mis en valeur par l’aphorisme célèbre d’Henry

Ford “Any customer can have a car painted any color that he wants so long as it is

PROCESSUS

« Col Blanc »

Procédé I

« Col bleu »

Procédé II

« Col bleu » 1 β C

17

black” (4) (Traduction : Les clients peuvent choisir la couleur qu’ils veulent pour leur

voiture tant qu’ils veulent du noir)

Ce modèle de production fut adopté dès les années 1930 aux Etats-Unis puis s’exportera après

la seconde guerre mondiale en Europe et au Japon (5).

La synergie entre le fordisme et le taylorisme a permis l’émergence et le développement du

modèle classique de management. Cette conception du management fut un succès jusque dans

les années 1970 (6). À cause du choc pétrolier de 1973, l’économie globale commence un cycle

de croissance économique ralentie avec une diminution de la consommation. Le modèle du

marché a permuté : la demande est moins importante que l’offre. De plus, le marché mondial

a été influencé par les différents environnements sociaux, économiques, politiques ce qui a eu

pour conséquence une récession économique (7). Le modèle du fordisme étant désormais

associé à la rigidité fut déclaré inapte à répondre aux nouveaux problèmes et défis du marché

(8).

En conséquence des limites montrées par la production de masse, le marché occidental de

l’industrie automobile s’est intéressé au système de production utilisés dans les usines de

Toyota, qui est dénommé TPS (Toyota Production System). Cette appétence s’est accrue à partir

de 1975, lorsque les bénéfices de l’entreprise Toyota ont de nouveau crû ce qui a eu pour

conséquence une accentuation de son avance organisationnelle en regard des autres entreprises

classiques (7).

Dans sa thèse, B.Lyonnet (1) explore les origines du mouvement LEAN, qui est né au Japon

après la seconde guerre mondiale. En développant les principes de la production « Lean (aussi

nommée « au plus juste »,»), les japonais ont élaboré un modèle en parallèle de la production

18

de masse après la seconde guerre mondiale. Ces mutations ont opéré une révolution

intellectuelle sur la façon de produire des biens.

A la suite de la seconde guerre mondiale, le président de la Toyota Motor Company (Kiichiro

Toyoda), a annoncé l’importance capitale pour le Japon de réduire l’écart avec la fabrication

industrielle d’automobile américaine (7). Cette appétence pour la productivité, dans un contexte

de conflit social et de crise financière, a conduit vers la recherche d’un nouveau modèle de

production.

C’est dans cet environnement qu’un ingénieur de chez Toyota, Taichi Ohno, a repensé la

production. Il a mis en place des principes de production « juste-à-temps » et

« d’autonomation » (fusion d’autonomie et d’automation), en application de la théorie de

Kishiro Toyoda (9).

Le « juste à temps » a pour objectif de produire en quantité juste nécessaire, au moment voulu

et disponible à l’endroit voulu (7). Cette méthode s’oppose frontalement au modèle Taylorien,

qui s’appuye sur des productions en très grande série et de stock, ce qui conduit à une

surproduction, et très peu d’agilité industrielle (1).

C’est Krafcik qui a été recensé comme étant le premier à utilier le terme de « production LEAN

» lorsqu’il a décrit le TPS en 1988 (10). Ensuite, ce sont Womack et ses partenaires qui l’ont

popularisé et diffusé dans l’industrie automobile au travers de la publication de résultats issus

de l’International Motor Vehicle Program (IMPV) dans le livre nommé « La production au

plus juste : le système qui va changer le monde » (2).

Les phases historiques dans l’évolution de la démarche LEAN sont résumées sur la figure 2 ci-

dessous (1).

19

Figure 2 : Les phases historiques dans l’évolution de la démarche LEAN (1)

20

Le système LEAN est une méthode de management visant l’amélioration de la performance

autour de 6 concepts : Elimination des gaspillages, Juste à temps, Amélioration continue,

Qualité parfaite, Management visuel, Management des hommes (1). Dans l’industrie

pharmaceutique, la qualité du produit est réglementée ; la législation définit que « le système

de management de la qualité doit maitriser le processus » (11). Cette définition laisse croire que

la production de pièces non conformes est maitrisé, qu’il y a peu de gaspillage de produits finis,

rendant un management LEAN inefficient. Mais ce serait ignorer que certains gaspillages sont

invisibles, qu’ils ne concernent pas ces produits finis mais d’autres ressources comme les

hommes et le temps.

Textuellement, le terme anglais LEAN signifie mince, maigre voire agile, car une entreprise

LEAN est avant tout une entreprise qui a décidé de s’alléger du superflu pour devenir réactive

(12). L’objectif du LEAN est d’éliminer le gaspillage sous toute ces formes, de se consacrer à

la production de plus-value afin d’obtenir un processus plus vif capable de répondre

précisément aux demandes du client. Les différents types d’activités d’un système de

production sont décrits ci-dessous :

• Activités à valeur ajoutée : Travaux qui contribuent à procurer au produit ce que les

client désire, ce sont les caractéristiques pour lesquels ils dépensent de l’argent.

• Activités à non-valeur ajoutée nécessaire : Travaux consommant des ressources. Les

clients ne sont pas prêt à les supporter financièrement car ces activités n’ajoutent pas

de valeur au produit tel qu’ils l’entendent mais elles sont exigées au niveau juridique

ou comptable par exemple

• Activités à valeur non ajoutée : Travaux consommant des ressources et ne créent pas

de valeur. Elles correspondent aux gaspillages (13).

Le LEAN décrit classiquement 7 types de gaspillage appelés « MUDAs » :

21

• Production excessive : produire trop, ou trop tôt.

• Attentes : attendre des pièces ou une machine qui finit son cycle, etc.

• Transport et manutention inutiles : tout transport est essentiellement un gaspillage et

doit être minimisé.

• Usinages inutiles et incorrects : toutes opérations non strictement nécessaires

contribuant à dépasser les attentes du client et mobilisant des ressources.

• Stocks excessifs : tous les stocks générant une utilisation d’espace ainsi qu’une gestion

financière futiles en regard de leur utilisation.

• Mouvements inutiles : tous les déplacements inutiles de personnel et actions superflus

qui ne contribuent pas directement à l'ajout de valeur.

• Défauts et rebuts : fabriquer des produits non conformes entraînant la destruction ou le

retraitement de ces produits, gaspillant temps, main d’œuvre et matière première.

(14,15).

Cette liste a été émise par Jeffrey Liker dans le livre The Toyota Way édité en 2004 par

McGraw-Hill (16). J.Liker complète les sept types classiques par un huitième, le gâchis de

créativité des employés (unused employee creativity) (17). Ce gaspillage des talents correspond

à la mauvaise utilisation ou sous-utilisation des compétences et du potentiel des salariés. Il

s’agit là encore d’une rigidité, chacun restant dans son rôle ; le col bleu obéit, le col blanc

réfléchit. Cette non utilisation du personnel du terrain, pourtant au cœur de la démarche

d’amélioration continue, peut entraîner la perte des compétences et des idées. La culture

organisationnelle, l’absence de formation, un turn-over trop important peuvent être à l’origine

de ce gaspillage.(18–20).

Le LEAN manufacturing est utilisé dans certaines industries (automobile particulièrement)

depuis plusieurs décennies dans d’autres industries, il est toujours en voie d’implémentation

22

(21). C’est le cas de l’industrie pharmaceutique et des industries de transformation en général

(22).

Ce retard n’a pourtant pas empêché la croissance de l’industrie pharmaceutique : le taux moyen

de croissance du chiffre d’affaires de celle-ci était de 9.5% entre 2002 et 2011 (23) contre 4.0%

pour l’industrie automobile dans la même période (24). Depuis 2011, le taux de croissance du

chiffres d’affaire l’industrie pharmaceutique est revenu au niveau de l’industrie automobile :

2.7% Vs 3.0%. Ce retard peut donc être considéré comme une chance pour l’industrie

pharmaceutique, puisque les méthodes et outils ont déjà été éprouvés par d’autres industries

(21).

Certaines de ces méthodes et outils seront présentés dans cette thèse. Chaque chapitre traitera

d’un MUDA et verra la présentation d’outils et de méthodes ainsi que leur application, ayant

permis de réduire ce type de MUDA et d’améliorer les performances de production.

23

Chapitre 1 : Surproduction (作り過ぎのムダ)

La surproduction a pour définition : produire trop, ou trop tôt. Cette production trop tôt peut

être dû à un mauvais planning. Dans ce chapitre, la première étape sera d’établir un outil de

mesure (OEE) permettant l’organisation des activités. Comme l’a établie Lord Kelvin en 1883,

dans toute science physique, la première étape essentielle dans le but d’approfondir un sujet est

de trouver un principe de comptage numérique pour en avoir une mesure pratique. Quand on

ne peut mesurer quelque chose, quand on ne peut l’exprimer en chiffres, notre connaissance est

plutôt maigre et insatisfaisante (25).

Cet outil de mesure peut devenir un indicateur, à la condition d’être techniquement et

conceptuellement apte à mesurer, avec une précision acceptable, le phénomène qu’il est censé

mesurer et demeurer pertinent dans le cadre du déploiement actuel de la politique qualité (26).

Une fois la mesure de performance de l’équipement établie, il devient alors plus aisé d’établir

un agenda de production afin de produire au plus juste.

Ce chapitre est découpé en 3 parties avec une explication de l’indicateur OEE/TRS (Overall

Equipement Effectiveness/Taux de Rendement Synthétique), puis une utilisation de cet

indicateur (schedule adherence) et une présentation des résultats obtenus (boites à moustache).

1.1. OEE

1.1.1. Théorie

L’OEE ou TRS en français est une mesure de la performance des équipements de production

exprimée en pourcentage.

Il correspond à : 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑′𝑢𝑛𝑖𝑡é𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑒𝑠 𝑝𝑒𝑛𝑑𝑎𝑛𝑡 𝑢𝑛 𝑡𝑒𝑚𝑝𝑠 𝑋

𝐶𝑎𝑑𝑒𝑛𝑐𝑒 ∗ 𝑇𝑒𝑚𝑝𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑝𝑙𝑎𝑛𝑖𝑓𝑖é𝑒 𝑝𝑒𝑛𝑑𝑎𝑛𝑡 𝑢𝑛 𝑡𝑒𝑚𝑝𝑠 𝑋

24

Il permet de classer les différentes pertes de temps afin de voir quelles opérations sont à

l’origine de mauvaises performances.

D’après S.Nakajima (27), un score minimale de 84.6% d’OEE est un objectif à atteindre pour

être dans des conditions optimales de travail. Ce score provient de la combinaison de 3 indices

(expliqué ci-après). Cette valeur non absolue est celle régulièrement citée dans les littératures

dans le cas des systèmes manufacturiers. Elle n’est donc pas standard, tout dépend des objectifs

fixés par chaque système d’exploitation. Ce ne sont que des indications dont l’avantage est de

caractériser globalement une efficience de production (28).

Par exemple, les valeurs moyennes de l’OEE dans les secteurs de l’industrie mécanique et de

l’électronique sont de l’ordre de 45% à 70%. (29)

Cet objectif de 84.6% parait difficilement applicable à l’industrie pharmaceutique puisqu’il y a

des contraintes réglementaires qui impactent principalement le temps de changement de lot.

Le schéma général de répartition des temps de l’OEE est représenté sur la figure 3 ci-dessous.

Figure 3 : Schéma de la répartition des temps du calcul de l’OEE

Temps équipe

Temps deproductiondisponible

Temps deproduction

planifié

Tempsopérationnel

Tempsopérationnel

net

Temps utile

Jours non travaillés

Arrêt planifié

Pas deproductiondemandée

Arrêt routinePerte

performancePerte qualité

25

Le temps total correspond à une semaine entière (7*24h). Les différentes pertes de temps sont

définies ci-dessous :

Jours non travaillés : On retire du temps total les périodes non travaillées (week-end, nuits,

vacances etc…) pour obtenir le temps équipe.

Arrêt planifié : Les arrêts planifiés correspondent aux temps consacrés à la maintenance

préventive du système. On retire ce temps au temps équipe pour obtenir le temps de production

disponible.

Pas de production demandée : Lorsque l’équipement est disponible mais il n’est pas utilisé

faute de commande. On le retire du temps de production disponible pour obtenir le temps de

production planifiée.

Arrêt routine : Dans cette catégorie, sont comptabilisés les heures d’arrêts de la machine non

consacrées à la maintenance préventive : panne, maintenance corrective, réunion etc… Lorsque

ces heures d’arrêt sont retirée du temps de production planifié, on obtient le temps opérationnel.

Perte performance : Cette catégorie permet de capturer les pertes non capturables ailleurs ;

micro-arrêts, perte de cadence etc… elle permet de calculer le temps opérationnel net.

Perte qualité : Cette catégorie sert à comptabiliser le temps consacré à la production de produits

non conformes. On obtient finalement le temps utile (temps réel de l’équipement consacré à la

production)

3 sous-indices peuvent être utilisés pour évaluer plus finement le rendement de l’outil de

production : la qualité, la performance et la disponibilité.

• L’indice de qualité correspond au Temps utile

Temps opérationnel net . Il est considéré comme

excellent lorsqu’il dépasse les 99%.

26

• L’indice de performance correspond au Temps opérationnel net

Temps de production planifiée . Il est considéré

comme excellent lorsqu’il dépasse les 95%.

• L’indice de disponibilité correspond au rapport Temps de production planifiée

Temps de production disponible . Il est

considéré comme excellent lorsqu’il dépasse les 90%.

Lorsque l’on combine les seuils de ces 3 indices, on obtient le seuil d’excellence industrielle

(84.6%) évoqué précédemment : 99%*95%*90% = 84.6% (27).

1.1.2. Exemple d’application

Dans l’entreprise Aspen Pharmacare® de Notre-Dame-de-Bondeville, les objectifs variaient

entre 28% et 49% selon les lignes. La ligne 12-3, sur laquelle j’ai effectué mon expérience

professionnelle, avait un objectif d’OEE fixé à 28% en septembre 2015. Les temps de calcul,

et les exemples d’arrêts utilisés dans cette entreprise sont présentés ci-dessous (30).

Jour non travaillé : La ligne 12-3 dispose de 3 équipes pour la journée, mais pas d’équipes pour

le week-end. La ligne s’arrête du samedi 05h00 au lundi 05h00.

Arrêt planifié : Les arrêts planifiés correspondent aux standards des ouvertures planifiées

consacrés à la maintenance préventive et au changement de campagne (24h) ainsi que la durée

des NEP/SEP (Nettoyage En Place, Stérilisation En Place) entre chaque changement de lot (un

6h).

Pas de production demandée : Non applicable dans ce cas ; chaque temps de production

disponible est planifié avec de l’activité.

27

Arrêt routine : Dans cette catégorie, sont comptabilisées les heures consacrées aux réunions

(1h hebdomadaire par équipe), les pauses (45 minutes quotidienne par équipe), les pannes

supérieures à 10mn, les dépassements de standards pour les changements de lot/ouverture.

Perte performance : Cette catégorie permet de capturer les pertes non capturables ailleurs ;

micro-arrêts, perte de cadence etc…

Perte qualité : Cette catégorie sert à comptabiliser le temps consacré à la production de produit

non conformes destinés à la destruction.

1.2. Schedule adherence

1.2.1. Définition

Le schedule adherence est un document qui permet un suivi précis de la production réelle en

comparaison des objectifs planifiés. Ce terme peut se traduire par « adhésion au planning ».Les

objectifs de production correspondent à la cadence définit par l’OEE cible. L’objectif de ce

document est de vérifier que la planification est respectée au niveau de la production, et de

visualiser si la production est en avance ou en retard. Cette information sur les délais permet de

mettre en place des actions pour tenir l’objectif.


Le document d’adhésion au planning peut avoir plusieurs niveaux de détails. Dans une version

que j’ai expérimentée dans l’entreprise Aspen Pharmacare®, il était éditée sous un format

hebdomadaire, et publiée en fin de ligne. L’avancement de la production devait être rempli

chaque heure.

28

Figure 4 : Exemple de document schedule adherence

La figure 4 représente un exemple du document schedule adherence (un format plus grand,

utilisé dans l’entreprise Aspen Pharmacare® est disponible en Annexe 2). L’objectif de la

journée correspond à l’OEE cible. A partir de cela, on calcule la cadence à avoir sur le temps

de production disponible, qui prend en compte les arrêts typiques d’une fin de lot pour éviter

l’incidence d’une contamination croisée. L’utilisation de systèmes de nettoyage automatique

comme le NEP/SEP (Nettoyage En Place / Stérilisation En Place) induit une durée fixe non

réductible. Cette durée est indiquée par les cases en orange dans la figure 4 qui correspondent

aux temps séparant la dernière seringue du lot précèdent de la première du lot suivant. Ces

heures ne sont pas comptabilisées comme un temps de production planifiée, elles n’ont pas

d’impact sur l’OEE tant qu’elles sont respectés. Le temps de 2h correspond au cumul des heures

du nettoyage automatique et des opérations « manuelles » de fin et début de lot. L’utilisation

de systèmes de nettoyage automatique est la recommandation xii du paragraphe 5.21 des BPF

(11).

Le schedule adherence est affiché en sortie de ligne et est rempli chaque heure par les

opérateurs. Il est remis à zéro entre chaque lot. Ce tableau permet de calculer d’une manière

simple le temps d’avance ou de retard de la ligne sur les objectifs.

29

Ce calcul du temps d’avance/retard est une information très importante pour les prises de

décisions, notamment sur les opérations de maintenance.

On distingue principalement 2 grands types de maintenance : maintenance corrective et

maintenance préventive (31).

Tableau I : Illustration des différents types de maintenance(32)

Type de maintenance Evènement déclencheur (Quand ?)

Opération de maintenance (Quoi ?)

Maintenance préventive

Systématique

Seuil d’un compteur d’usage d’équipement ou d’un module / Calendrier pré-défini

Procédure de maintenance définie par les experts

Conditionnelle Seuil limite d’un indicateur de dégradation

Prédictive

Prédiction du moment de défaillance et de dégradation des performances du composant ou système

Procédure de maintenance ciblée par une procédure d’aide à la décision

Maintenance corrective

Palliative Constat d’une panne/défaillance

Dépannage

Curative Réparation

La maintenance préventive peut être incluse dans le schedule adherence, à l’inverse des

opérations maintenances correctives, dont les occurrences ne peuvent être planifiées.

Une meilleure utilisation de l’outil schedule adherence serait de planifier une plage horaire

dédiée aux opérations de maintenance préventive. En rajoutant, à côté du tableau principal, des

cases représentant les opérations de maintenance préventives et leurs temps respectifs, on peut

profiter d’une durée connue d’avance de la production pour effectuer ces arrêts de maintenance

préventive.

De plus, en cas de survenue d’une panne, les opérations de maintenance corrective à déployer

peuvent utiliser ce temps le maintenance préventive prévue et ne pas impacter les objectifs de

production hebdomadaires.

30

1.3. Boite à moustaches

1.2.1. Définition

La boite à moustaches est avant tout un outil de visualisation d’une répartition statistique d’une

mesure.

Figure 5 : Représentation d’une boîte à moustache

La boîte à moustache permet de représenter une distribution. Elle permet de visualiser

facilement la répartition de données. 7 points sont nécessaires pour construire ce graphique.

• Minimum : il s’agit de la donnée la plus faible disponible. Dans le cadre des résultats

rapportés, il s’agit très souvent de semaine sans production suite à des pannes et donc

des scores d’OEE de 0%

• Q10 : Il s’agit du 10ème centile, c’est-à-dire la donnée pour laquelle 10% des autres

données sont inférieures.

Maximum

Q90

Q75

Q50

Q25

Q10

Minimum

31



• Q50 : Il s’agit de la médiane (ou 50ème centile), c’est-à-dire la donnée pour laquelle

50% des autres données sont inférieures.





• Maximum : Il s’agit de la donnée la plus élevée.

Cette distribution permet de comparer les performances sans être influencée par les valeurs

extrêmes.


A partir du mois de Janvier 2016, une communication axée sur la performance des moyens de

production pour l’ensemble du personnel a été mise en place dans l’entreprise Aspen

Pharmacare®. Cette communication comprenait plusieurs affichages accessibles à tous,

permettant de voir l’avance ou le retard de la production en fonction des objectifs. Cette

affichage, couplée avec une maintenance préventive efficace a permis d’augmenter les

performances de production (cf figure 6 ci-dessus). En conséquence, les objectifs planifiées de

l’OEE sont passés de 28 à 40%.

32

Figure 6 : Comparatif des performances entre 2 semestres

L’objectif initiale de la ligne en terme d’OEE est de 28%. Sur la figure 6, on compare la

situation initiale à la situation avec un management plus axé sur la performance sur une période

comparable (2ème semestre 2015 vs 1er semestre 2016). Les données correspondent au score

d’’OEE hebdomadaire (un semestre possèdent donc une vingtaine de données) L’axe des

ordonnées correspond au score d’OEE. La distribution des performances montre que la

production a été améliorée puisqu’au moins la moitié (Q50) des performances est supérieure à

l’objectif, contrairement à la situation initiale. De plus, le Q10 et Q25 ont fortement augmentés,

ce qui démontre une augmentation de la fiabilité de la ligne, même si le minimum est toujours

à 0% (ce qui correspond à une semaine entière d’arrêt machine). Durant le 1er semestre 2016, il

est à noter que le cap symbolique des 50% de TRS a été franchi. Devant les bonnes

performances de la ligne, il a été décidé pendant le semestre d’augmenter l’objectif de 28 à 40%

de TRS. L’augmentation de cet objectif avait pour but d’adapter la logistique afin de permettre

0%

10%

20%

30%

40%

50%

60%

2eme semestre 2015 1er semestre 2016

Sco

re d

'OEE

33

un taux d’occupation de l’équipement à 100% (et donc un temps de production planifiée égale

au temps de production planifiée) (30)

34

Chapitre 2 : Temps d’attente (手待ちのムダ)

Ce second MUDA représente la perte de temps due à une attente non justifiée. Il peut avoir pour

origine une attente de renseignements, d'outils, d'approbations, de contrôle qualité, de reprise

etc…

Le constat suivant a été fait par les industriels : la diversité grandissante de la production,

notamment des petites séries, engendre un nombre élevé de changements de séries, ainsi que

des temps parfois non productifs. L’obstacle principal à la flexibilité de la production est la

durée des temps de changements de série. Ceux-ci sont généralement longs et compliqués et

nécessitent des ouvriers hautement qualifiés (33).

2.1. SMED

2.1.1. Historique

SMED est l’abréviation de l’anglais Single Minute Exchange of Die, qui signifie changement

de matrice en minutes unitaires. Le terme « Single Minute » ne correspond pas à une minute

comme on pourrait le croire mais est la contraction de Single Digit Minutes Numbers, donc un

temps ayant un seul chiffre, ce qui correspond à un temps inférieur à 10 minutes (34). La norme

AFNOR NF X 50-310 (concepts fondamentaux de la gestion de production) définit le SMED

comme une «méthode d’organisation qui cherche à réduire de façon systématique le temps de

changement de série, avec un objectif quantifié».

L’organisation qui entreprend à diminuer ses temps de changement de série vise deux objectif

simultanément :

• Augmentation des mouvements de ses stocks : plus petite production mais production

plus fréquente

35

• Augmenter le temps de production disponible de ses équipements en diminuant le temps

d’arrêt des machines. (35)

L’opération de changement de roues sur une voiture est l’exemple classique d’application du

SMED. La situation initiale, avant SMED, est comparé à un changement de pneus (été vers

hiver et vice versa), du particulier. La situation finale, après SMED correspond au changement

de pneu d’une formule 1 lors de son arrêt au stand. La différence d’exécution (plusieurs

dizaines de minutes comparé à moins de 10 secondes, avec des opérations annexes) est le gain

de temps promis par la méthode SMED. La liste ci-dessous résume les éléments clefs qui

caractérisent cet exemple :

• Maîtriser le temps d’arrêt au stand est stratégique pour gagner la compétition.

• Tous les éléments ont été préparés et mis en position avant l’arrivée de la voiture.

• Le mode de fixation des roues a été optimisé avec une seule vis centrale.

• Les opérations sont effectuées simultanément et de façon coordonnée.

• Chaque acteur est parfaitement entraîné à la tâche qu’il doit accomplir (35).

La méthode SMED, d’origine japonaise, a été élaborée par Shigeo Shingo, au cours de la

période allant de 1950 à 1969. Shingo révèle les étapes marquantes du dévellopement de la

méthode dans son ouvrage, « Le système SMED, une révolution en gestion de

production » (15) :

• Pendant la période 1951-1955, il analyse une presse industrielle. Il constate alors que

lors d’un changement d’outillage, il existe deux types d’opérations : les opérations

internes et les opérations externes ; c’est la genèse du SMED.

• Pendant la période 1956-1960, il travaille à améliorer l’efficacité d’une machine aux

chantiers navals Mitsubishi à Hiroshima. En fabriquant une table dont les réglages ont

36

été effectué au préalable, il émet le principe de transformation des opérations internes

en opérations externes.

• Lors de la période 1961-1965, il travaille à l’usine Toyota de Motomachi. La moyenne

de changement de matrice chute évoluant d’une heure à quinze minutes en 1962.

• Lors de la période 1966-1970, il parvient à réduire le délai de montage d’une presse de

1000 tonnes chez Toyota. Les chiffres autour de ce projet diffère selon les sources

(34,35) mais selon la page 237 de son ouvrage (15) ainsi que Smalley (36), le projet fut

en 2 temps. Dans un premier temps, le temps de montage fut réduit 4h à 1h30 (34) puis,

suite à une demande du management de Toyota, le nouvel objectif de temps de montage

fut de 3 minutes (35). Il conceptualise alors une analyse systématique pour réaliser le

changement rapide d’outillage à laquelle il donnera le nom de SMED (35).

Donc, comme vu dans le paragraphe précèdent, lors d’un changement de série, on peut

différencier deux types d’opérations (représentés sous la figure 7 ci-dessous) :

• Les opérations internes sont obligatoirement faites avec la machine à l’arrêt (monter

et démonter les outillages, par exemple ; en bleu ci-dessous).

• Les opérations externes peuvent être faites pendant que la machine fonctionne (par

exemple, sortir les outillages et les réintégrer au magasin ; en gris ci-dessous) (35).

37

Figure 7 : Représentation schématique du principe de SMED

Sur la figure 7 ci-dessus, on peut voir les principes du SMED schématisés en 2 grandes étapes.

Les temps d’arrêts sont représentés par une flèche commençant au début de la première

opération interne et se terminant à la fin dernière opération interne.

Dans la littérature, le SMED est découpé en 4 stades.

• Stade préliminaire (0) : Distinction des réglages internes et externes.

• Stade 1 : Séparation des réglages internes et externes.

• Stade 2 : Transformation de réglages internes en réglages externes.

• Stade 3 : Rationalisation de tous les aspects de l’opération de réglage (37).

Le premier schéma de la figure 7 se situe après le stade 0 et 1 puisque la séparation entre

réglages internes et externes est déjà faite.

Le second schéma correspond au processus après le stade 2 du SMED. A ce stade, il n’y a pas

eu, à proprement parler, d’amélioration des opérations unitaires. Mais, par une simple

réorganisation des opérations unitaires, on peut déjà constater un important gain de temps.

A B C D E F G

C E G B D A F

Temps d’arrêt avant SMED

Temps d’arrêt après étape 1 SMED

C E G B D A F

Temps d’arrêt après étape 2 SMED

38

Le troisième schéma de la figure 7 correspond au stade 3 du SMED, dont le but est de diminuer

si possible le temps pour les opérations internes. Sur la deuxième partie de la figure 7, on peut

voir que les opérations C & G sont les plus longues. Une diminution drastique de celles-ci

permet d’améliorer encore plus le temps de changement

2.1.2. Exemples d’applications

On retrouve de nombreux exemples d’application du SMED dans la bibliographie, en plus de

ceux développés par Shigeo Shingo et cités dans le paragraphe précèdent.

Une des applications concrètes du SMED dans l’industrie occidentale est décrite dans la thèse

de B.Michels (38) et a permis les résultats suivants : le temps de changement de série pour la

presse à poinçons est passée de 30.40 minutes à 9.68 minutes. De plus, le nombre d’opérateurs

nécessaires pour effectuer le changement fût réduit de 3 à 1. Bien que démontré dans un

environnement non pharmaceutique, ce résultat peut-être extrapolé à l’industrie

pharmaceutique qui utilise le même type de machine pour la fabrication de comprimés.

Un autre exemple est le travail réalisé par M.Aguilar dans sa thèse (39) où l’utilisation, du

SMED se fait dans une entreprise fabriquant les milieux de culture destinés à l’industrie

pharmaceutique. Ce changement de lot se fait dans une zone propre et a donc des contraintes

réglementaires de propreté similaires à ce que l’on retrouve dans l’industrie pharmaceutique.

Avec des changements à court et à long terme, l’auteur de cette thèse rapporte une amélioration

36.1% (le temps total initial étant de 147 minutes, le temps total après changement à court terme

de 110.5 minutes et un temps total final de 94 minutes).

Ensuite, il faut remarquer l’importance de l’implication du management, puisque dans les

travaux de J.Unterborn (40), les résultats diffèrent selon cette caractéristique. Dans cette thèse,

il compare le temps gagné par la méthodologie SMED sur la même machine (Nilpeter M3300S)

39

dans 2 usines différentes. Ces 2 usines sont issues de la même maison mère, ont la même

structure managériale, les mêmes clients. Cependant, une usine est localisée aux Etats-Unis et

a un management impliqué dans les pratiques LEAN (usine A) tandis que l’usine B est situé en

Angleterre et forme uniquement les opérateurs aux principes du LEAN Management. Une année

entière de temps de changement de lot sur chaque usine a été collecté et sert de données

contrôles (1923 changements pour l’usine A, 3246 pour l’usine B). Ces données contrôles ont

ensuite été comparées aux données collectées pendant une année après mise en place du SMED.

(591 et 856 changements pour l’usine A et B, respectivement). Les données indiquent que

l’usine A a gagné environ 1.68 heure (soit 38%) par réglage tandis que l’usine B a gagné

seulement 0.43 heure ( soit 13%).

De plus, sur la figure 8 ci-dessus, on peut voir que la tendance des derniers mois est meilleure

pour l’usine A que pour l’usine B car elle subit moins de variations.

Figure 8 : Moyenne mensuelle des temps de changement (heures) Usine A vs Usine B avant/après

SMED

0

1

2

3

4

5

6

7

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Moyenne mensuelle des temps de changement (heures) Usine A vs Usine B avant/après SMED

Usine A Usine B

40

Enfin, d’après les résultats de l’enquête menée dans la thèse de I.Alhuraish en 2017 (41), il y a

une relation significative entre l’implantation du SMED et l’augmentation des performances

financières.

Ce résultat a été obtenu en comparant le degré d’adhésion des entreprises à l’affirmation

suivante « le SMED permet d’améliorer les performances financières ». Chaque entreprise

déclare son niveau d’implémentation du SMED (Absent, faible, moyen, fort, totale) ainsi que

l’adhésion à l’affirmation (désaccord total, désaccord, neutre, accord, accord total). Le test

statistique utilisé (χ2) montre que plus l’implémentation du SMED est importante dans une

entreprise, plus son impact économique est remarqué (avec un risque α <0.2%). Le détail du

fonctionnement d’un test du χ2 est expliqué dans l’annexe 3.

2.2. Pareto

2.2.1. Historique

Vilfredo Pareto était un économiste et sociologue Italien. Il analysait les problèmes

économiques en utilisant les mathématiques. A la fin du XIXème siècle, il observa que 80% des

terrains étaient détenus par 20% de la population. En jardinant, il remarqua également que 20%

de ses plants de petits pois constituaient 80% de la récolte totale (42).

Et c’est ainsi que naquit le concept du 80/20, qui veut que 80% des conséquences quantitatives

d’un problème soient dues à 20% des causes qualitatives. En terme mathématique, cela

correspond à l’équation 𝑦 = 100 ∗ (4

5)

𝑙𝑜𝑔100−𝑙𝑜𝑔𝑥

𝑙𝑜𝑔5 ce qui correspond à l’équation 𝑦 =

52.809 𝑥0.1386. On peut voir sa distribution continue dans la figure 9 ci-dessous

41

Figure 9 : Représentation de la distribution de la répartition selon le principe de Pareto

Il est généralement représenté sous la forme d’histogramme représentant les causes avec une

courbe de fréquence cumulé comme sur la figure 10 (43).

Figure 10 : Représentation classique d’un diagramme de Pareto (43)

y = 52,809x0,1386

R² = 1

0

10

20

30

40

50

60

70

80

90

100

0 10 20 30 40 50 60 70 80 90 100

Co

nsé

qu

ence

Qu

anti

tati

ve

Cause Qualitative

Distribution Pareto

42

Sur la figure 10, 9 types d’erreurs sont enregistrés. L’axe des ordonnées droit représentent la

fréquence de chacune des erreurs. La courbe rouge représente la fréquence cumulée des erreur,

sa valeur peut être lu grâce à l’échelle des ordonnées gauche. Ainsi, les 3 premières causes

représentent plus de 80% des problèmes. Le temps passé à résoudre ces 3 problèmes aura plus

d’impact que le temps passé à résoudre les autres problèmes.


Le grand principe du 80/20 peut librement s’appliquer à de nombreuses choses. Ainsi, il est

possible d’utiliser un diagramme de type Pareto pour faire une cartographie des défauts sur les

pièces si on veut améliorer l’indicateur qualité, ou de l’utiliser sur les arrêts si on veut plutôt

améliorer l’indicateur production ; cette cartographie peut être fait en utilisant le diagramme de

suivi des pannes illustré par la figure 11. Ce diagramme a été créé et utilisé chez Aspen

Pharmacare® (30)

Figure 11 : Diagramme de suivi des pannes (30)

43

Cette version est séparée en 3 parties, de gauche à droite : Les pannes exceptionnelles, les arrêts

routiniers (démarrage, changement de lot etc…) et les micro-arrêts.

La partie consacré aux pannes exceptionnelles alimente la partie « arrêt routine » du calcul

d’OEE. Dans son utilisation, cette partie est subdivisé en 2 sous-parties. La localisation de la

panne d’une part et la description de la durée de la panne en 4 critères d’autre part : Attente

personnel qualifié, investigation, intervention, et redémarrage.

La partie gauche permet de voir quelles opérations unitaires ralentit l’ensemble du processus.

Si la loi de distribution de Pareto est respectée (sachant que le processus est composé de 5

opérations unitaires), un poste devrait être à l’origine de 80% des ralentissements. On peut alors

penser à des actions de présence terrain renforcé de personnes qualifiés (comme un technicien

de maintenance) sur le processus unitaire afin de prévenir l’apparition de pannes et de mettre

en place une amélioration sur le taux d’occupation du poste.

La description de la panne permet d’établir un second Pareto et de voir sur quels critères on

peut s’améliorer. Par exemple, si on voit que le temps d’attente du personnel qualifié est

systématiquement le critère le plus élevé, on peut agir sur la disponibilité de ce personnel en le

libérant de certaines tâches de travail pour qu’il puisse intervenir à temps sur celle ralentissant

la production.

La partie centrale correspond à la collecte de données des arrêts routiniers. Selon les choix, une

partie de ce temps de panne peut être planifiée et n’affectera pas l’OEE. Par exemple, pour les

changements de lots, on doit légalement faire un nettoyage de type NEP/SEP, qui oblige à faire

un nouveau montage. L’ensemble dure 6h dont 4h de NEP/SEP. En cas de changement de lot,

4h du temps de production planifiée comptant pour le calcul de l’OEE (figure 3) sont retirées.

Les 2h de montage étant du temps humain, ils sont comptabilisés en tant qu’arrêt routine. Cette

partie du graphique est également très utile pour voir les dépassements de standards. Il est

44

intéressant de comparer les temps moyens de chaque équipe, afin d’envisager des améliorations

de ce standard.

Enfin, la dernière partie concerne les micro-arrêts et alimente la partie « perte de performance »

de l’OEE. Etant donné la durée brève des arrêts, il a fallu penser cette partie comme très rapide

à renseigner. La solution choisie fut de pré-remplir la dénomination de la panne et de recourir

au bâtonnage pour visualiser la récurrence de celle-ci.

Malgré ce suivi, la perte d’OEE du aux pertes de performance reste importante, puisque l’OEE

moyen calculé sur le temps opérationnel est d’environ 70%. Il y a donc 30% de perte dûes à

des micro-arrêts ou des baisses de cadence non capturés. (30)

45

Chapitre 3 : Transports et manutention inutile (運搬

のムダ)

Ce gaspillage a pour origine la mauvaise optimisation des flux de matières ou les longues

distances entre les étapes d'un processus. Ce gaspillage peut aussi être accompagné d’un risque

qualité (contamination croisée notamment), c’est pourquoi le paragraphe 3.7 du guide des

Bonnes Pratiques de Fabrication (11) répond en partie à ce problèmes : « Les locaux doivent,

de préférence, être disposés selon l'ordre logique des opérations de fabrication effectuées et

selon les niveaux de propreté requise. »

3.1. Simplification du processus, fabrication en continue

3.1.1. Théorie

Une réorganisation simple du flux est une manière rapide de gagner en efficacité. On retrouve

cet exemple dans un témoignage exprimé dans la préface de Talent Toyota (44) :

« Olivier Bessin, responsable TPS (Toyota Production System) sur le site, explique qu’au cours

de l’année passée, le Japon a demandé au site de préparer un changement de takt time

correspondant à une augmentation de capacité de 16 % sans agrandir la ligne. Cela paraissait

difficilement réalisable car les postes de travail avaient déjà été optimisés au cours des années.

Toutefois, en se repenchant sur les standards de travail, il est apparu que les opérateurs perdaient

beaucoup de temps de leur cycle en déplacements (« MUDA de mouvement ») pour aller

prendre des pièces dans les étagères disposées en bord de ligne. Cette réflexion a conduit

finalement à une modification complète de l’organisation matérielle de la ligne par du matériel

amené sur la ligne grâce à un petit train qui dépose des servantes de pièces et de sous-

assemblages au fur et à mesure que les opérateurs en ont besoin. En éliminant les gaspillages

46

de déplacements, cette nouvelle organisation a permis d’absorber l’augmentation de volume

sans augmenter l’espace de la ligne ou le nombre d’opérateurs. Bien entendu, cette nouvelle

organisation est bien plus exigeante et demande un respect pointilleux des standards de travail

tant en production qu’en logistique pour amener les bonnes pièces au bon poste – en juste-à-

temps. »

Pour comprendre la suite du témoignage, la définition du concept Kaizen est nécessaire au

préalable. Le terme Kaizen correspond à l'association de deux termes Japonais, « Kai »

signifiant Changement et « Zen » signifiant Bien (au sens de Mieux). Le Kaizen se traduit par

« amélioration continue ». C’est une démarche graduelle et douce qui s’oppose aux réformes

brutales.(1)

« Le travail standardisé, explique ce spécialiste, est le point de départ du kaizen. Sans standard,

pas de kaizen possible. Mais inversement, il est également difficile de maintenir les standards

au poste si on n’améliore pas les postes et les conditions de travail en continu – donc sans

kaizen, les standards ne tiennent pas. »

Cette réorganisation de l’espace de travail sans agrandissement a donc permis un gain de 16%.

Mais il est possible de faire mieux.

L’évolution de cette réduction de la longueur du flux est la suppression du fonctionnement en

lot et le passage en fabrication continue. Cette approche a été initiée par un partenariat entre le

prestigieux Massachusetts Institute of Technology (MIT) et Novartis en 2007. Ce changement

de paradigme promet des améliorations. Ainsi, dans une conférence tenu en 2009 au MIT, B.

Trout (Professeur d’ingénierie chimique au MIT) et W. Bisson (Program Manager chez

Novartis®), affirment que l’on peut réduire le temps moyen de la délivrance au patient depuis

la fabrication de 100 jours à une dizaine de jours (45).

47

Figure 12 : Evolution des performances selon le type de fabrication (46)

Sur la figure 12, on peut voir les évolutions de 3 indicateurs selon le type de fabrication.

• Le 1er indicateur (courbe rouge), le TPT (Throughput time), correspond au temps pour

un processus de transformer une matière première brute en produit fini (47). On peut

voir qu’il est environ divisé par 2 entre la fabrication traditionnelle et le LEAN mais

avec la fabrication en continue, celui-ci est réduit très fortement et est divisé par 10 pour

arriver à un temps inférieur à 10 jours, comme énoncé plus haut.

• Le 2nd indicateur (courbe bleu), l’OAE, est un dérivé de l’OEE qui permet de retirer des

pertes de temps lors du calcul. Cet ajustement diffère selon les entreprises où il est

utilisé. Pour la compréhension du graphique, il est plus simple de l’assimiler à l’OEE,

d’autant que les scores correspondent avec ceux énoncés dans le chapitre 1 (48). Cet

indicateur représentant la performance industrielle est également en augmentation, et

semble permettre à l’industrie pharmaceutique de viser l’excellence industrielle (OEE

>84%).

• Le dernier indicateur (en marron) représente l’évolution de la qualité. Cet indicateur ne

possède pas de données chiffrées sur le schéma. Il est donc subjectif mais ne semble pas

être affecté par les changements de méthode.

48


Dans le cadre des travaux entre le MIT et Novartis®, évoqué dans le paragraphe précèdent, un

exemple est présenté sur la figure 13 ci-dessous

Figure 13 : Illustration de la simplification du processus (46)

La figure 13 permet de visualiser l’origine des améliorations. Sur les différentes opérations

unitaires servant à la fabrication d’un comprimé classique, 6 ont disparues et sont réalisés de

manière continue dans une même opération. Sur les 2 schémas plus détaillés du processus

(figure 14), on comprend encore mieux l’origine du gain.

49

Figure 14 : Comparaison de 2 voies de synthèses (46)

Ainsi, sur la première voie présenté par cette figure, on dénombre 19 opérations entre

l’introduction du premier réactif et l’obtention des comprimés. Parmi ces 19 opérations, on

dénombre notamment 3 opérations de séchage, 4 opérations de filtration, 2 opérations de

distillation. Par comparaison, sur la nouvelle voie de production, il y a 14 opérations mais avec

une seule opération de séchage, 2 opérations de filtration et aucune opération de distillation.

50

Un exemple concret de synthèse de principe actif est d’ailleurs présenté dans les travaux de

W.Bisson (46). Pour la synthèse du Metoprolol, la fabrication par lot a un rendement de 65-

70% pour une synthèse par reflux durant plusieurs heures. Avec la fabrication continue, les

rendements atteignent 91% pour une durée de synthèse de 15 secondes.

Actuellement, les pratiques de fabrication consistent en des lots pour chaque étape (synthèse,

purification, contrôle, stockage, transport etc…) fabriqués sur des sites différents réparties

autour du monde, constituant autant d’intermédiaires pour les excipients et substances actives.

La substance active est ensuite transportée ailleurs pour être formulé sous la forme produit fini,

emballée et distribuée aux répartiteurs. A cause de ces écarts entre la substance active et le

médicament fini, il manque souvent des informations sur les propriétés physico-chimiques des

ingrédients pour faciliter les opérations de transformation/fabrication suivantes. Ce manque

d’informations mène à des étapes de correction nécessaires pour formuler correctement la

substance active en médicament fini. Il y a de nombreux exemples sur les substances actives

cristallisées sous des formes à l’écoulement limité qui rajoute une étape de micronisation et/ou

granulation avant l’étape de compression (49). La suppression de ces étapes est un bel exemple

d’élimination de gaspillages de transport de matières.

Cette technique a récemment été utilisée dans une manufacture française pour la production de

capsule contenant des acides gras polyinsaturés. Le nouveau processus est destiné à fabriquer

les produits à destination des essais cliniques de phase 3 ainsi que les premiers lots

commerciaux (50). De même, pour la production de Prezista® sur le site de Janssen à Porto

Rico, la production en continue a été approuvée par l’EMA (European Medicines Agency) et

la FDA. Cette production permet de fusionner les étapes de pesage, concassage, mélange,

51

compression et d’enrobage en une seule ligne. Ainsi, le temps de production est passé de 2

semaines à 1 jour (51).

52

Chapitre 4 : Usinages inutiles ou incorrects (加工その

もののムダ)

Ce gaspillage correspond à la fabrication de produits qui ne répondent pas aux caractéristiques

exigées par la clientèle. Il peut avoir pour origine des actions inutilement nombreuses pour

parvenir au résultat souhaité, ou encore une finition au-delà de la spécification. Ces actions

représentent des opérations inutiles que l’on peut donc supprimer.

4.1. SPC

4.1.1. Théorie : 6-sigma

Le SPC (Statistical Process Control) ou MSP (Maitrise Statistique des Procédés) s’inscrit dans

une démarche globale de recherche de la qualité des produits fabriqués par une entreprise. Le

SPC fourni des outils et des méthodes de contrôle en complément des normes ISO 9000, qui

elles couvrent principalement les aspects stratégie qualité et système qualité.

Tous les procédés, quels qu’ils soient, sont incapables de produire toujours les mêmes pièces.

Il y a toujours une dispersion dans la répartition des caractéristiques. Ces variations proviennent

de l’ensemble du procédé dont sont distinguées 5 causes fondamentales, les 5M : Machine,

Main d’œuvre, Matière, Méthodes, Milieu (52). Une sixième origine peut être prise en compte,

il s’agit de la précision de la Mesure. On parle alors des 6M.

Lorsque les 6M sont sous contrôle, la répartition de la caractéristique du produit suit une courbe

en cloche selon la loi de Gauss ou loi normale (52).

Les mesures sont groupés autour d’une moyenne, et se distribuent symétriquement de part et

d’autre de celle-ci. La lettre grecque σ (sigma) représente l’écart type, soit la distance moyenne

entre la valeur centrale et les autres valeurs. Graphiquement, il représente le degré d’inflexion

de la courbe. En pratique, σ représente la dispersion du processus, c’est à dire sa variabilité. Un

53

processus est dit fiable lorsqu’il présente une faible dispersion (il a donc une courbe resserré et

un sigma peu élevé), ce qui assure la qualité. Une dispersion importante témoigne d’un

processus non assuré : la caractéristique mesurée peut prendre de nombreuses valeurs, certaines

pouvant être éloignées de la moyenne. A cause de cette variabilité, on ne peut pas prédire les

mesures ni maintenir la valeur de la caractéristique dans les limites définies.

Figure 15 : Représentation de la dispersion d’une caractéristique des pièces selon le niveau de Sigma.

Sur la figure 15, on voit la répartition d’une caractéristique selon le niveau de maitrise du

processus. Les exigences client sont matérialisées par des limites de tolérances supérieure

(LTS ; USL « Up Specification Limit ») et inférieure (LTI ; LSL « Lower Specification Limit

»). Lorsqu’un produit se situe hors de ces limites, il est rejeté car il est considéré comme non

compliant (rebut). En se plaçant au niveau 6, la variabilité du processus est considérée comme

maitrisée puisque la courbe dispose d’une faible dispersion, ; en conséquence, peu de pièces

défectueuses sont produites (inférieur à 3,4 DPMO (Défaut Par Million d’Opportunité) (13).

L’important est d’avoir un sigma faible en regard des limites que l’on se fixe.

54

Dans l’industrie pharmaceutique, les limites pour établir ces tolérances sont définies

réglementairement. Par exemple selon la pharmacopée européenne 9.0, le test d’uniformité de

masse (§2.9.5) pour les comprimés supérieurs à 250mg définit comme conforme tous

comprimés étant dans l’intervalle de la moyenne plus ou moins 5% (53). De même, sur 20

comprimés, l’erreur peut être de 10% pour 2 d’entre eux (soit 10% de pièces « non-conformes »

acceptées).

En regard des prédictions du 6 sigma, le taux de défauts est souvent exprimé en DPMO dans le

milieu industriel. La terminologie Six-Sigma trouve son origine dans la relation qui existe entre

la variation d’un processus et les exigences du client vis-à-vis de celui-ci.

Tableau II : Correspondance entre niveau de sigma et nombre de défauts (13)

Niveau Sigma Pourcentage de pièces conformes Défauts par millions d’opportunités

1 31% 690 000

2 69.2% 308 537

3 93.32% 66 807

4 99.379% 6210

5 99.977% 233

6 99.9997% 3,4

Une performance de qualité Six Sigma possède un taux de pièces défectueuses de 3,4 DPMO,

comme on peut le voir sur le tableau II. Dans l’environnement industriel, on considère la

maitrise d’un processus satisfaisante lorsque le niveau 4σ est atteint (13), et que l’on possède

ainsi un indice de qualité supérieur à 99% . En comparaison, le test d’uniformité de masse de

la pharmacopée européenne se situerait entre les niveaux 2 et 3 puisque 10% des pièces non

conformes peuvent être acceptés.

55

4.1.2. Exemple d’application : Capabilité et Carte de Contrôle

Le SPC s’appuie sur deux concepts pimordiaux : l’analyse de capabilité et le pilotage par carte

de contrôle. Une étude de capabilité permet de définir si le procédé de fabrication est capable

de fabriquer le produit avec le degré de qualité requis. Les indices de capabilité ont pour nature

de comparer la qualité d’une production sur une période établise, par rapport à un objectif

établis. Les cartes de contrôle, elles, permettent de diriger un procédé, afin de conserver voir

même d’augmenter sa capabilité (52). La création d’une carte de contrôle est donc précédée

d’une étude de capabilité.

La capabilité est la mesure établissant le rapport entre la performance réelle d’une machine (ou

procédé) et la performance demandée. Une étude de capabilité est une étude ponctuelle sur une

production dont le but est de vérifier que l’entreprise est capable de fabriquer des pièces

conformes au cahier des charges du client.

La capabilité d’une opération se calcule par un ratio entre l’intervalle de tolérance et la

dispersion de l’opération.

Le meilleur moyen de calculer la capabilité est de prélever un maximum de pièces en un

minimum de temps par la même personne. Ainsi, les variations dues aux causes racines Main

d’œuvre, Matière, Méthodes, Milieu sont supprimées. La dispersion des résultats résulte donc

uniquement de la capabilité, dont la cause racine Machine, avec une marge d’erreur dépendant

de la précision de la Mesure.

La dispersion dû à la machine est quasi incompressible, et il est très compliqué d’agir dessus, à

moins de gros investissements. Cette dispersion restante, que l’on nomme aussi « résiduelle »

ou « dispersion naturelle » correspond à la capabilité maximum que l’on peut accomplir : c’est

la capabilité machine (52).

Après confirmation de la normalité et de la capabilité de l’opération, une gamme comprenant

des informations sur la moyenne, les limites supérieures et inférieures critiques ainsi que les

56

valeurs aberrantes est défini. Cette gamme sert à élaborer la carte de contrôle qui est l’outil

essentiel du SPC. Pour définir la gamme, un nombre réduit de produits consécutifs sont pesés

à un intervalle de temps régulier. La gamme permet de caractériser la capabilité du processus

qui correspond à une capabilité réelle, sur plusieurs périodes durant lesquels tous les facteurs

(6M) varient. Une fois que la gamme est prête, le SPC peut commencer à être utilisé en routine

pour la prise de décisions via la création d’une carte de contrôle.

Cette carte de contrôle permet de vérifier la tendance et comporte plusieurs limites définies lors

de la gamme.

• La valeur cible : déposée dans le dossier d’AMM (Autorisation de Mise sur le Marché).

• La capabilité : obtenue lors des essais, représente la moyenne obtenue par le processus

lorsque les variations dues aux 6M sont minimales.

• Les valeurs OOS : Out of Specification : En dehors de la spécification ; correspond aux

limites réglementaires, calculé à partir de la valeur cible. Un produit OOS est un produit

non conforme.

• Les valeurs OOT : Out of Trend : En dehors de la tendance; correspond aux limites du

procédé normal. Au-delà de ces limites, on considère que le processus a dérivé, et donc

des actions sont à prendre pour arrêter cette dérive puisque les probabilités de produire

des produits non conformes ont augmenté.

Les cartes de contrôles doivent mesurer des caractéristiques intermédiaires puisque le

contrôle final, qu’il soit statistique ou à 100%, est très critiquable puisqu’il mobilise du

personnel qui n’apporte aucune valeur ajoutée au produit. Il garantit plus ou moins un

niveau de qualité pour le client mais n’empêche pas la fabrication de produits non

conformes qui finissent par s’avérer très couteux pour les entreprises. Ces constats ont donc

motivé les entreprises à évoluer vers un contrôle, plus réactif, en amont du produit fini. Il

s’agit de l’autocontrôle (52). Dans l’industrie pharmaceutique, ces contrôles intermédiaires

57

correspondent aux IPC (In Process Controls, Contrôles en Cours d’Opérations). Les

caractéristiques intermédiaires à mesurer sont les caractéristiques qualifiées de critiques

pendant le développement du produit.

La mesure de ces caractéristiques intermédiaire permet la visualisation précoce des dérives

de l’opération ou du processus en amont. Il est alors possible de corriger cette dérive avant

de produire des pièces hors spécifications, qui sont des déchets, qui n’ont aucune valeur

ajoutée et ont souvent un coût de destruction.

4.1.3. Exemple d’application : Design Space

Dans la norme Q8-R2 défini par l’ICH (International Council for Harmonisation), on définit

le « Quality by Design » (Qualité de Conception), et la création d’un « Design Space ». Ce

concept d’espace correspond à des variations de paramètres du procédé (caractéristiques

critiques) testées et validées lors de la phase de développement. Ces paramètres peuvent donc

varier dans le « Design Space » pendant la phase de production sans remettre en cause la qualité

du produit final.

En conséquence pratique, la maitrise des caractéristiques critiques intermédiaires permet de

garantir les caractéristiques du produit final sans avoir à contrôler celui-ci. Ainsi, par une

validation poussée du processus et de ses tests de contrôle, on peut théoriquement supprimer

les tests sur le produit fini, et avoir une approche real time release testing (RTRT).

Cette approche a été validée par l’ANSM (11) : « Il est reconnu qu’un ensemble exhaustif

d’essais et de contrôles en cours de fabrication peut constituer un moyen plus efficace de

garantir le respect des spécifications du produit fini que les tests pratiqués sur le seul produit

fini. »

58

En prenant en compte les recommandations des ICH Q8-R2, Q9, Q10, la FDA (Food and Drug

Administration) a établi des directives qui ne prônent plus la fabrication de 3 lots de validation

mais décrivent plutôt la validation en 3 étapes (54), englobant tout le cycle de vie du produit :

1. Création du procédé : Définition du procédé standard selon l’expérience obtenue

pendant les différentes phases de développement, et élaboration de stratégie pour le

contrôle du procédé ;

2. Qualification du procédé : Confirmation de la capabilité du procédé à obtenir une

fabrication de routine reproductible (avec le design des locaux, la qualification des

équipements et la qualification de performance) ;

3. Vérification continue du procédé : Assurance continue que le procédé est sous

contrôle pendant la production de routine par le maintien et le respect des procédures

qualité ainsi que la recherche permanente d’amélioration.

Les attributs dans ce nouveau paradigme qu’est le cycle de vie du produit sont :

• un niveau de confiance conséquent dans l’efficacité du processus de fabrication avant

la mise sur le marché du produit

• la connaissance des sources de fluctuation, la détection de leur présence ainsi que

l’amplitude de leurs variations, la compréhension des impacts des fluctuations sur le

processus, le produit et les risques associés

• une méthode de contrôle conforme pour obtenir un processus de fabrication basé sur

la compréhension et la connaissance

• une assurance scientifique à tous les niveaux

• la surveillance du bon fonctionnement du processus pendant toute sa période

d’utilisation

• une vérification continue du processus (55).

59

La libération paramétrique existe déjà pour le test de stérilité. En effet, ce test est limité car il

est destructif, donc on ne peut contrôler tous les produits (56).

Les produits non contrôlés sont supposés bon, cependant, il existe toujours un risque d’erreurs.

Par exemple, sur un lot de 1000 produits, si une seringue est contaminée, un contrôle de 20

produits aura une probabilité de 2% de la détecter (57).

La validation des méthodes de stérilisation permet d’assurer un niveau de réduction biologique

adapté au processus. Cette validation ainsi que le contrôle continu associé est cruciale pour la

libération paramétrique (11). Cette validation doit s’assurer d’un niveau de réduction suffisant

pour atteindre une probabilité de non stérilité (B) équivalent à 10-6. Cette probabilité se calcule

selon la formule suivante :

𝐵 = 10(log 𝐴−

𝐹𝑇𝐷𝑇

)

Dans la formule ci-dessus, A correspond au nombre de microorganismes présent avant

l’opération de stérilisation, FT correspond au nombre de minutes équivalents d’exposition à

121°C et DT correspond au taux de mortalité de l’espèce bactérienne. L’espèce bactérienne la

plus résistante à la chaleur humide correspond est le geobacillus stearothermophilus, (retrouvé

aussi sous le terme B. stearothermophilus dans la littérature). Elle sert de référence, est utilisée

comme Bio-Indicateurs (BI) lors des essais de validation. Sa valeur de DT est donnée par le

fabricant du BI, ou doit être calculé pour être connue avant la validation (56). Selon le chapitre

général 1035 de la U.S. pharmacopeia (Biological Indicator for sterilization), pour être assuré

d’atteindre la probabilité B à 10-6, il faut atteindre une réduction de 12 log, ce qui se correspond

à un temps d’exposition à la vapeur d’eau à 121°C de FT =12* DT. En reprenant l’équation ci-

dessus, on obtient

10−6 ≥ 10(log 𝐴−12)

↔ 𝐴 ≤ 106

60

Ainsi, tant que la contamination initiale n’excède pas une population de 106 micro-organismes

de l’espèce la plus résistante, la stérilité des produits finaux sera considéré comme acquise.

La maitrise des paramètres critiques (leur maintien dans le Design Space) permet de réduire le

risque d’erreur. En effet, pour qu’un produit défectueux arrive sur le marché, il faut que le

produit fini défectueux soit isolé et que le défaut n’ait pas pour origine un paramètre critique.

La validation de ce Design Space et la stratégie de contrôle associée sont décrites dans le

Common Technical Document (CTD). Ces caractéristiques sont donc approuvées par l’autorité

compétente avant leur utilisation en production de lots commerciaux.

Dans l’ICH Q8 (58), un exemple d’illustration pour la soumission est fourni et reproduit dans

la figure 16 ci-dessous.

Figure 16 : Comparaison d’un Design Space en combinaison linéaire et non linéaire sur le réglage de

2 paramètres permettant une dissolution conforme (<80%)(58)

Sur la figure 16, on peut voir que le Design Space peut occuper une surface plus ou moins

grande selon sa définition. Ainsi, en utilisant une combinaison linéaire classique, ne tenant pas

compte de la synergie entre les 2 paramètres on obtient une aire de compliance d’environ 27

carreaux. En utilisant la combinaison non linéaire, on arrive à une aire d’environ 42 carreaux,

soit une augmentation de 55% en rapport de la combinaison linéaire. De plus, dans cet exemple,

il ne s’agit que de 2 paramètres. Sur une opération de fabrication normale, plusieurs paramètres

Design Space (combinaison non linéaire)

Design Space (combinaison linéaire)

61

peuvent influencer une caractéristique critique. De même, un paramètre peut influencer

plusieurs caractéristiques critiques. En prenant en compte ces informations, la validation non

linéaire, permet plus de choix dans le réglage sans remettre en cause la conformité finale des

produits. Cet élargissement du choix se traduit en pratique par une « autorisation »de la dérive

de l’opération plus importante.

L’objectif de supprimer le contrôle qualité de dissolution par la création d’un Design Space a

été visé par Yekpe (59). Son modèle de calcul selon le réglage de 3 paramètres (pH, taille du

principe actif, dureté du comprimé) permet de prévoir le résultat de dissolution au bout de 10

minutes. Cependant, il n’a pas été possible de modéliser les pourcentages de dissolution du

principe actif à 60 minutes. Dans un autre chapitre de cette même thèse, il a été démontré que

la quantité de désintégrant est primordiale afin de s’assurer d’une dissolution du principe actif

adéquate. Un outil efficace et puissant permettant de déterminer la quantité de désintégrant dans

la formule est l’imagerie chimique proche infrarouge. Il peut être utilisé en zone de production

pharmaceutique directement, pour prédire, grâce à l’utilisation de l’analyse multivariée, le

pourcentage de dissolution de comprimés. La mise en place d’un tel système présenterait

plusieurs avantages, notamment un contrôle en continu de la qualité des comprimés et la

réduction des analyses a posteriori, actuellement nécessaires pour permettre la libération des

lots fabriqués. Cette méthodologie permettant de suivre en continue/ sur la ligne de production

les caractéristiques est nommée PAT (Process Analytical Technologies / Technologie

d’Analyse des Procédés) dans la littérature.

62

Chapitre 5 : Stocks Excédentaires (在庫のムダ)

Un non-flux correspond à une situation de non déplacement dans l’espace, alors que le temps

continue à s’écouler. Le non-flux est, donc, une “retenue” de flux, un “réservoir”. En

production, les “non-flux” s’appellent les stocks (60). Ces stocks ont un coût total qui peut être

divisé en 4 catégories :

• Le coût d’acquisition, qui correspond aux montants des factures d’achats, aux frais de

transport, de manutention etc…

• Le coût de passation d’une commande, qui correspond à la préparation du bon de

commande, les frais de poste, la réception et contrôle des produits, l’entreposage etc…

• Le coût de possession qui regroupe le coût du capital investi dans les stocks (trésorerie

immobilisée, non rémunération des capitaux immobilisés etc…) ainsi que le coût direct

du stockage

o charges liées au stockage physique des articles (Location/Achat des surfaces

d’entreposage, des machines de manutention, d’assurance, de gardiennage

etc…)

o Charges liées aux salaires des magasiniers et manutentionnaires etc…

o Charge liées à l’obsolescence des composés, leur détérioration etc…

• Le coût de rupture qui correspond aux coûts induits par l’absence de l’article demandé

par le client dans les stocks, qu’il soit direct comme des pénalités de retard, ou indirect

avec une perte de confiance du client et la perte de futures commandes (61).

Ces coûts sont autant de richesses immobilisées n’apportant aucune plus-value à l’entreprise et

sont donc de bons candidats pour les actions d’améliorations car ils apportent un gain immédiat.

5.1. Kanban

5.1.1. Historique

63

Tout système industriel peut être considéré comme une succession de tâches (autrement appelés

postes de travail) qui s’enchainent de façon à élaborer progressivement un produit ou un service.

Chaque poste fabrique un composant, ou une partie, qui sera utilisé ultérieurement par un poste

suivant. Chaque poste joue donc simultanément un rôle de fournisseur pour le, ou les, poste(s)

suivant(s) et un rôle de client pour le, ou les poste(s) précèdent(s). Le client passe commande à

un fournisseur par l’intermédiaire d’un bon de commande et le fournisseur livre le client en

joignant à la marchandise un bon de livraison (33).

Kanban signifie étiquette en japonais. Le système Kanban a été développé par Toyota dans les

années 50. Dans cette approche, le Kanban est le système qui permet de piloter les flux

physiques par la consommation aval. Il se met en œuvre par des cartes et des tableaux visuels,

qui permettent aux personnes de terrain, de gérer eux-mêmes les flux. Cependant, il fonctionne

avec des règles claires, définies et suivies par une personne nommé responsable qui a pour souci

d’optimiser le stock et de synchroniser les « intrants » et « sortants » de son poste (62).

En gestion de production traditionnel, les productions sont lancés selon des prévisions. Selon

les extrapolation et la disponibilité des machines, la production commence en avance, et les

produits sont stockés en attendant leurs achats par un client potentiel. Le système se base donc

sur des prévisions, est poussé par l’amont, et ne tiens pas compte du besoin réel du client : on

l’appelle donc mode de gestion en « flux poussé » (63).

Cette gestion prévisionelles génère des stocks, et, si le modèle est imprécis, les quantités

manufacturées peuvent être trop importantes (surproduction), ou trop faibles, auquel cas la

demande du client risque de ne pas être satisfaite en termes de quantité et/ou délai (63).

Dans le système Kanban, c’est le client qui impose le rythme. Ce rythme est donné à l’opération

la plus en aval, qui elle-même, par le jeu des boucles Kanban, le transmet aux opérations amont

et ce, lorsque cela est possible, jusqu’au fournisseur. C’est l’objet même de la synchronisation,

64

qu’il s’agisse de synchroniser deux postes de travail ou deux lignes de production utilisant la

même ressource (62).

5.1.2. Mise en application

Dans le système Kanban, le client passe une commande au fournisseur grâce à un Kanban

(fonction ≪ bon de commande ≫) et le fournisseur livre les produits avec un Kanban (fonction

≪ bon de livraison ≫).

Figure 17 : Schéma du fonctionnement du Kanban (63)

Le Kanban est une simple étiquette, fiche ou carte qui sert à matérialiser la commande que

passe un poste client à un poste fournisseur. Celle-ci est fixée sur les bacs ou conteneurs de

65

pièces d’une ligne d’assemblage ou une zone de stockage. Sur la figure 17, on peut voir que la

consommation d’un élément du stock par le client déclenche la commande auprès du

fournisseur. Le nombre d’étiquettes permet de fixer le stock. Ainsi, le but principal de la

méthode Kanban est d’éliminer le gaspillage par le maintien de la taille des stocks

intermédiaires à un niveau raisonnable (33).

Figure 18 : Exemple pratique de planning Kanban (63)

Sur la figure 18, on voit une application concrète du système Kanban. Il correspond à 5 produits,

chaque produit ayant sa « colonne » sur lequel les étiquettes Kanban sont rangées. Chaque

colonne est divisée en 3 catégories. Dans la partie verte, le niveau de produits en stock et

disponibles pour le poste aval est suffisant. En jaune, on peut relancer la production et en rouge,

la production de ce produit devient prioritaire. Ainsi sur la figure 18, les produits correspondants

aux colonnes 3 et 4 sont prioritaires mais les produits 2 et 5 sont en quantités suffisantes et il

est inutile de les produire.

66

Ainsi, à la fin des années 1970, chez Toyota où le système de Kanban est né et s’est développé,

le niveau de stock correspondait à 3 jours de production, alors qu’il correspondait à 20 jours

chez les concurrents (64).

La tendance de la valeur stockée est souvent utilisée comme indicateur clefs pour le suivi de la

performance dans les processus de fabrication suivant le LEAN Management. Cependant, dans

la dernière décennie, il n’y a pas eu de changement significatif dans la valeur du stock parmi

les grandes compagnies pharmaceutiques (49). Ceci peut s’expliquer par le fait que le Kanban

est quelque chose de très simple à mettre en place, avec des résultats immédiats et conséquents ;

d’autres méthodes pour optimiser le stock existent comme le Base Stock et le Conwip. Ces

méthodes diffèrent par le partage de l’information sur la consommation des stocks qui

remontent plus en aval en comparaison de la méthode Kanban (65). Les méthodes les plus

performantes sont hybrides, et reprennent des éléments de la méthode Kanban (66). Les gains

promis ne représentent pas une amélioration majeure par rapport au Kanban seul, et se

concentrent au travers de l’amélioration des temps de cycle de production. Dans les conclusions

de K. Boonlertvanich (66), il obtient suite à des simulations, un inventaire moyen de 38.6081

unités avec la méthode Kanban et 31.0956 avec une méthode hybride nommée ECK (Extended

Conwip Kanban), soit une réduction de 19.5%. En regard de la réduction de 85% effectuée par

Toyota dans les années 70 (64), ces méthodes hybrides ne représentent pas une amélioration

majeure pour la réduction de valeur des stocks. Mais le grand avantage est qu’elles sont plus

flexibles et performantes lorsque des variations subviennent (66).

Une autre méthode pour supprimer ces stocks excédentaires est une conséquence de la solution

énoncée dans le chapitre 3 ; La fabrication en continue. La fabrication en continue, au-delà de

la réduction de stock, permet véritablement la suppression des stocks d’en cours, qui correspond

aux pièces en attente au pied des machines et les pièces en transport d’une machine à l’autre.

67

Plus la fabrication en continue « fusionne » d’opérations, plus ces stocks intermédiaires seront

supprimés et plus le gain sera important.

68

Chapitre 6 : Gestes inutiles (動作のムダ)

Ces gestes et mouvements inutiles sont à différencier des transports inutiles. Les transports

correspondent aux produits, les mouvements et gestes correspondent aux personnes. Ces

mouvements sont dus à une mauvaise organisation de l’espace de travail et peuvent être variés :

faire des allers retours entre 2 postes, rechercher un outil spécifique etc…

Ces pertes sont souvent invisibles et il faut d’abord les mettre en évidence avant d’essayer de

les réduire.

6.1. Schema spaghetti

6.1.1. Théorie

Le schéma spaghetti est un outil permettant d’avoir une vision claire du flux des pièces ou

individus. Il est principalement utilisé pour identifier les flux redondants et les croisements

récurrents. Une fois établi, il est très utile pour la réorganisation de l’espace de travail afin de

diminuer les déplacements du personnel (67).

6.1.2. Mise en Application

Pour faire un schéma spaghetti, il faut commencer par avoir un plan de l’espace que l’on veut

étudier. Puis, un observateur reporte les déplacements d’un opérateur sur le schéma avec des

traits ou des courbes. Il faut reporter tous les déplacements, et si des déplacements sont répétés,

le trait existant est épaissi. L’épaisseur du trait permettra d’identifier rapidement une connexion

importante entre 2 parties de l’espace de travail (68). On peut reporter des manières différentes

de procéder selon le produit ou l’opérateur en utilisant une couleur différente. Une fois

superposés, ces traits se recoupent, et le schéma commence à se rapprocher visuellement d’un

plat de spaghetti, d’où son nom.

69

Figure 19 : Schéma spaghetti, avant et après amélioration (68)

Sur la figure 19, on voit un exemple de processus impliquant de la glace (ice), des cartes

matérielles (C’board) et du plastique (plastic). On peut voir que les opérateurs gaspillent du

mouvement à aller à la poubelle en plastique (Bin plastics) en bas à droite et que le poste sur le

côté droit implique plus de mouvements que les 2 autres postes (courbes vertes vs courbes

rouges et bleues). L’ensemble des déplacements est complexe et ressemblent effectivement à

un plat de spaghettis.

La partie droite du schéma présente le même atelier après réorganisation. On peut voir que les

déplacements sont beaucoup mieux ordonnés (on distingue très clairement un losange pour le

poste rouge) et surtout, ont subi une grande diminution. Pour obtenir ces résultats, les

responsables de l’amélioration ont supprimés le poste vert, et ont placés des boites vides pour

récupérer le plastique partant au déchet. On peut également voir que les opérateurs ne se

croisent plus et donc, ne se gênent plus lorsqu’ils vont chercher les composants pour leurs

opérations. Cela limite le risque d’accidents qui peuvent entrainer une contamination croisée

entre les produits fabriqués par l’opérateur rouge et l’opérateur bleu.

Même lorsque l’opération parait claire, il est toujours possible d’améliorer. Ainsi, dans les

travaux de D.Adrianzen (69), on retrouve un schéma spaghetti représentant la préparation d’un

70

kit dans un laboratoire du département d’opérations stériles du Worcester Academic Medical

Center.

Figure 20 : Exemple de schéma spaghetti de préparation d’un kit hospitalier

Avec le processus illustré sur la partie droite, l’opérateur parcoure environ 20m (65 pieds) pour

préparer un kit alors qu’il ne lui faut que 12m (40 pieds) une fois le processus optimisé. Cette

amélioration a l’air peu en quantité absolue (8m/25 pieds) mais cela représente une réduction

de 40% de la distance à parcourir lors de la préparation des kits.

6.2. 5S

6.2.1. Historique

Le 5S est une technique de management japonaise développé par Takashi OSADA en 1991.

Elle vise à l’amélioration constante des tâches effectuées dans les systèmes de production. Le

5S est un sigle de 5 mots japonais : Seiri (Débarras), Seiton (Rangement), Seiso (Nettoyage),

Seiketsu (Ordre), Shitsuke (Rigueur) (70). On peut traduire ces termes par les verbes d’actions

suivants : Trier, Ranger, Nettoyer, Standardiser, Progresser (71). Cette traduction est proche de

la bibliographie anglophone. Dans celle-ci, l’acronyme japonais est respecté et la traduction

correspond à : Sort, Set, Shine, Standardize, Sustain. (41,72).

Chaque tâche a un domaine d’action :

71

• Seiri : Les objets sont triés, et les objets inutilisés sont identifiés et éliminés du

poste/circuit de l’opération.

• Seiton : Les objets retenus après l’étape 1 sont rangés dans des espaces adaptés à l’objet

en lui-même et à l’opération pour laquelle il est utilisé. Chaque chose à sa place, chaque

place à sa chose.

• Seiso : Un nettoyage régulier est mis en place afin de garder le poste propre.

• Seiketsu : L’opération la plus visible du 5S. Les étapes précédentes sont standardisées :

ainsi, les rangements adaptés pour chaque objet sont souvent entourés de scotch afin de

marquer leur emplacement. Des procédures de rangement/nettoyage sont affichées au

poste.

• Shitsuke : Pour consolider et conserver les 4 étapes précédentes, des procédures sont

éditées, et des audits de vérification de la tenue du poste sont effectués. Ces audits courts

sont intégrés dans la présence terrain (Gemba) effectuée par l’équipe managériale

(18,41,73).

Ainsi, seules les 3 premières tâches sont réellement des actions, les étapes 4 et 5S permettent

plus de maintenir les améliorations apportées par les étapes précédentes.


Le 5S a une portée très large et on peut retrouver son application dans des environnements très

différents. Ainsi, l’étude de S.Venkateswaran (74) est menée dans un entrepôt où une action

d’amélioration inspiré du 5S a permis d’augmenter le taux de renouvellement de l’inventaire

59.5% tout en utilisant 15.7% moins d’espace. Dans un autre domaine, les données obtenues

72

par A.Ginbey (75) sont issues d’un laboratoire génomique et concluent à une réduction de 33%

du taux d’erreur d’origine humaine dans le lancement de séquençage génétique.

Figure 21 : Illustration visuelle d’un 5S : rangement de bouchons en caoutchouc (76)

La figure 21 est une illustration visuelle d’une amélioration 5S : Chaque objet est rangé dans

un contenant, qui est étiqueté pour savoir son contenu. Cette organisation supprime la perte de

temps à chercher le rangement d’un objet, qui semblait être aléatoire dans la situation pré-5S

(partie gauche de la figure 21).

Enfin, S.Srinivasan (77) a pu montrer qu’une organisation 5S a pu diminuer le temps de cycle

de fabrication de 16.6%.

D’un point de vue plus étendue, d’après les résultats de l’enquête menée dans la thèse de

I.Alhuraish (41), il y a une relation significative entre l’implantation du 5S et l’augmentation

des performances financières (risque α <0.2%) Ce résultat a été obtenu par la même

méthodologie que celle décrite pour le SMED dans le chapitre 2.1 (corrélation entre le niveau

d’implémentation de la méthodologie et l’adhésion à l’idée que cette méthodologie permet

d’améliorer les performances financières par un test du χ2).

73

Chapitre 7 : Production de pièces défectueuses (不良

をつくるムダ)

Le système qualité doit prévoir sa propre défaillance et établir les actions à effectuer en cas

d’écart au processus décrit dans le dossier d’AMM. Une investigation permet de statuer sur les

produits affectés par la défaillance et de mettre en place des actions pour supprimer l’origine

de ces erreurs afin de réduire le déchet de production de pièces défectueuses. Ces 2 étapes sont

détaillées dans les sous chapitres « Déviation » et « Actions Correctives et Actions

Préventives » (CAPA).

7.1. Déviation

7.1.1. Théorie

Une déviation est une non-satisfaction d’une exigence ou un non-respect d’une procédure

pouvant affecter la qualité du produit. Les termes anomalies ou écarts peuvent être utilisé sur

certains documents francophones (78), ces termes étant une traduction plus juste du terme

anglais deviation.

La déviation comprend un processus d’investigation qualité. Ces investigations permettent de

prendre une décision qualité quant au devenir du lot, d’apporter des solutions efficaces afin de

supprimer les récurrences des anomalies et ainsi sécuriser le processus et le produit (79).

L’investigation se documente sous la forme d’un rapport. Ce rapport se doit d’être le plus clair

et le plus complet possible car il s’agit d’un document auditable par les autorités compétentes

(ANSM (Agence Nationale de Sécurité du Médicament), FDA etc…).

Un niveau approprié d’analyse des causes principales doit être appliqué pendant l’investigation

des déviations, des défauts potentiels de produit et autres problèmes. Ceci peut être déterminé

74

en utilisant les principes de la gestion du risque qualité. Dans les cas où la véritable cause

principale (ou les) du problème ne peut être trouvée, l’attention doit être portée sur

l’identification de la (les) cause(s) la (les) plus probable(s) en vue de la (les) traiter (11).

L’investigation permet de justifier que les produits suspectés d’être non conformes suite à

l’incident aient un statut conforme (donc utilisable sans danger par le patient) ou un statut non

conforme (impliquant un danger pour le patient, ils doivent donc être détruits).


Le processus d’investigation des déviations est généralement interne à chaque entreprise. Le

but est de décrire la situation de plus en plus précisément afin d’identifier le problème et toutes

ses conséquences possibles. L’investigation permet d’apporter un rationnel logique ou

scientifique, documenté qui couvre obligatoirement l’impact potentiel sur la santé, le produit

et/ou le dossier réglementaire (80). Afin d’avoir le rationnel le plus clair complet possible, les

entreprises mettent en place une méthodologie détaillé pour les investigations. La méthodologie

décrite ci-dessous était celle utilisé lors de mon expérience à Aspen Pharmacare® (30). Elle

était séparée en 6 paragraphes distincts.

Le premier correspond à l’utilisation du QQOQCPC (Quoi, Qui, Où, Quand, Comment,

Pourquoi, Combien). Ces questions doivent amener des réponses simples pour définir un

périmètre d’investigation.

Le second paragraphe correspond à l’écart entre l’évènement et la situation décrite dans la

procédure. Une consultation de la documentation (procédure, modes opératoires etc…) est

généralement nécessaire pour décrire la situation procédurée ; une séparation du processus en

actions unitaires permet de voir précisément quelles actions sont en écart lors de l’incident.

Le troisième paragraphe de la déviation consiste à chercher la cause racine de l’incident. Si la

cause racine n’est pas évidente, on utilise alors le 5 pourquoi, qui consiste à poser 5 fois la

75

question pourquoi au problème. Bien que d’apparence très simpliste, cet outil est très puissant

et nécessite beaucoup de réflexion pour le compléter. En effet, à chaque pourquoi, plusieurs

réponses peuvent être apportées révélant ainsi de nombreuses causes racine potentielles à

l’évènement. Chacune doit être statuée ; 3 statuts sont possibles : Retenue, Contributive, Non

Retenue.

Pour apporter des explications détaillées à l’investigation, le 4ème paragraphe est dédiée aux

informations complémentaires. Ces informations sont souvent des résumés d’interviews de

collaborateurs, des avis d’experts ou des photos afin de mieux comprendre l’impact de la

déviation sur le processus. Cette étape est plus rédactionnelle et permet de faire une première

évaluation de l’impact qualité.

Le 5ème paragraphe sert à classer les causes racines retenues selon les 6M : Matières, Machine,

Mesure, Main d’œuvre, Méthode, Milieu. Elles peuvent être représentées sous la forme d’un

diagramme d’Ishikawa (parfois surnommé diagramme « arête de poisson »). Ces causes

permettent d’être utilisées à posteriori pour l’élaboration de statistique (comme par exemple la

répartition d’origine de chaque root cause) et l’élaboration des CAPA.

Pour le paragraphe final, l’Assurance Qualité se base sur l’investigation du service Production

pour statuer sur l’impact qualité. L’investigation doit être la plus complète possible pour que

l’assurance qualité statue. Si celle-ci manque d’informations, le service production doit alors

poursuivre l’investigation, retardant le délai de clôture de cette déviation. Lorsqu’une déviation

est en cours sur un lot, celui-ci ne peut être libéré puisque les médicaments ne sont ni vendus

ni distribués tant qu’une personne qualifiée n’a pas certifié que chaque lot de production a été

produit et contrôlé conformément aux exigences de l’autorisation de mise sur le marché et de

toute autre réglementation portant sur la production, le contrôle et la libération des médicaments

(11). Ce manque de qualité a donc un impact sur le stock et le temps moyen de fabrication,

conséquences que l’on cherche à réduire dans le cas d’un management LEAN.

76

Après l’évaluation, si la qualité des produits finis est remise en cause, il faut alors appliquer une

action immédiate et curative pour remettre en statut conforme les produits destinés au marché

(exemple ; tri des produits, renouvellement d’étapes de fabrication etc..) et suivre une procédure

de destruction pour les produits non conformes ; un suivi strict et procéduré est nécessaire pour

ces actions afin d’être sûr de la sureté des médicaments délivrés aux patients.

Si un écart signifie qu’une « barrière » est tombée, la déviation n’est pas synonyme de

destruction puisque plusieurs « barrières » sont mises en place (81).

Figure 22 :Illustration du modèle de défaillance illustrée en fromage suisse (81)

La destruction n’est vraiment utilisé qu’en ultime recours, quand un événement a traversé les

différentes barrières. Elle correspond aux pertes indiqués sur la figure 22.

Sur cette figure, chaque trou correspond à une potentielle déviation ; un évènement pourrait

passer une barrière mais « s'écraser » sur la suivante. A partir de ce modèle, il est possible

d'élaborer des modèles plus spécifiques (cf Annexe 3).

En exemple d’application de la méthodologie décrite ci-dessus, j’ai pu mener une investigation

sur une déviation ayant pour origine un non dégagement de la ligne malgré une alarme

77

particulaire sur l’isolateur (30). Le QQOQCPC nous a permis de savoir quelle équipe devait

être interviewée pour avoir plus d’informations. La description de la situation procédurée nous

a indiqué que 2 écarts devaient être renseignés sur la déviation : le non asservissement de

l’isolateur lors de la survenue d’une alarme et le non-respect de la procédure pour la conduite à

tenir en cas d’alarme. Ces 2 écarts ont fait l’objet d’une analyse par le 5 pourquoi qui a permis

de dégager 1 cause contributive pour chaque écart. Le problème d’asservissement est une

contributive au non-respect de la procédure. Pour l’évaluation de l’impact qualité, le système

d’automatisme régissant l’asservissement de l’isolateur a été décrit, et la date de l’occurrence

du défaut a été déterminée. Lors de la dernière mise à jour du programme d’automatisme

(passage en version 3), le code d’automatisme a été mis à jour à partir de la version 1, et n’a

donc pas conservé le passage en version 2. Cette erreur est favorisée par un type spécifique de

support physique de sauvegarde (de format EPROM). Le défaut étant présent depuis 5 mois, il

a fallu s’assurer que ce système de sécurité n’a pas été nécessaire en production pour que

l’ensemble des seringues produites en dehors de l’incident soit conforme. Dans le cas de

fonctionnement de cette ligne, un signal visuel et sonore est présent en cas d’alarmes. Ce

système a été efficace puisque les rares fois où une alarme particulaire est survenue (alarmes

tracées via un logiciel reliés aux capteurs particulaires), la ligne a été dégagée (évènement

signalé dans le dossier de lot). De plus, l’investigation a permis d’isoler temporellement et

physiquement l’incident ; les seringues défectueuses étaient stockées sur un seul chariot, qui

représente une heure de fonctionnement de la ligne, à opposer aux 24h que prenne la fabrication

d’un lot.

7.2. Actions Correctives et Actions Préventives (CAPA)

7.2.1. Théorie

Comme vu dans le chapitre 3.1, les incidents peuvent avoir un coût en pièces non conformes

mais également en stock et en temps moyen de production.

78

Ainsi, des actions correctives et / ou actions préventives (CAPA) appropriées doivent être

identifiées et décidées en réponse aux investigations. L’efficacité de ces actions doit être

surveillée et évaluée, conformément aux principes de gestion du risque qualité (11).

Les actions curatives et immédiates servent à corriger un problème tandis que les actions

correctives empêchent la récurrence du problème dans le futur. Les actions préventives

permettent d’identifier des causes potentielles de non-conformité et de les éliminer avant

l’occurrence d’un problème. Cette distinction entre occurrence et récurrence est mise en avant

dans la norme ISO 9001:2005.

La phase de mise en place en place de ces actions fait suite à une phase de description ou

d’analyse de la situation. Cette phase « description » peut avoir des origines variées ; il peut

s’agir d’une déviation comme vu précédemment ou alors d’autres outils qualités définis dans

l’annexe 4, notamment PDCA (Plan/Do/Check/Act ou roue de Deming) (31,82), DMAIC

(Define, Measure, Analyse, Improve, Control) (79,83), AMDEC (Analyse des Modes de

Défaillances et de leur Criticité) (84) ou encore à la suite d’un audit (82).


Pour chaque type de root causes, il y a un département spécialisé dans le domaine qui participe

à l’élaboration de l’action et l’exécute, comme illustré sur la figure 22.

79

Figure 2223 : Illustration du diagramme d’Ishikawa associé aux départements inhibiteurs

Ces exécutions des actions inhibent la récurrence d’erreurs, et participent à l’amélioration

continue du processus.

Par exemple, à la suite de la déviation chez Aspen Pharmacare évoqué en 3.2.1, les root causes

identifiées étaient d’origine « Main d’œuvre » et « Machine » selon le diagramme d’Ishikawa.

Ainsi, dans cet exemple, l’action curative a consisté à remettre à jour le programme

d’automatisme sur la machine défectueuse, l’action corrective a consisté à changer le support

de la mémoire physique (afin d’éviter une récurrence) et l’action préventive a consisté à vérifier

si ce type de support (EPROM) était en place sur d’autres machines sur le site, et effectuer leur

remplacement si besoin. Cette analyse du disfonctionnement et l’élaboration des actions

n’auraient pas pu être effectué sans l’implication du département d’automatisme.

Conformément à la figure 22, l’opératrice impliqué a suivi une reformation encadrée à la

procédure.

80

Les CAPA permettent une amélioration continue. Ainsi, dans l’amélioration sur les processus

de nettoyage décrit par C.Bourdois (82), les erreurs générées par la nouvelle procédure sont

évaluées et suivies sur plusieurs mois. Sur la période courte de relevés (4 mois), les erreurs

majeures nécessitant une action immédiate étaient initialement de 2 (pendant le mois de mise

en place), la fréquence a été réduite à 1 erreur mensuelle les 2 mois suivants pour ne plus avoir

d’occurrence pendant le 4ème mois. Cette disparition s’explique par un suivi et une adaptation

des machines si besoin ; ainsi, un dosage manuel pour adapter la quantité d’eau se faisant en

plusieurs étapes était générateur d’erreur. Pour diminuer le risque d’erreur en maintenant la

méthodologie dans le temps, des chariots de lavage avec un double système de pompes doseuses

ont été mises à disposition des opérateurs.

Une approche détaillée d’une action d’amélioration sur un processus entier est décrit dans le

mémoire de C.Assent (83). L’étude est faite sur le remplissage de bouteilles de bières. Même

si le produit fini n’est pas un médicament, le processus est proche d’un remplissage

pharmaceutique. Ainsi, la ligne a une cadence de 17 000 bouteilles/heures et produit environ

25 millions de bouteilles par an. La cadence et le volume total sont comparable au médicament

Arixtra® tel que fabriqué en 2015 (2 machines à 12 000 seringues heures pour une production

annuelle de 30 millions d’unités) (30).

Son objectif est de mesurer le taux de rejet et de le diminuer à 1% de produits rejetés sur

l’ensemble du processus. Après plusieurs Pareto effectué, il identifie un problème majeur. Dans

une démarche qualité, les contenants sous-remplis de 1.6% (738mL) par rapport à la valeur

cible (750 mL) sont rejetés. Ce défaut représente à lui seul 0.32% de rejet. Après une analyse

statistique basé sur une répartition normale des volumes, il a été prouvé qu’en augmentant la

valeur cible de 3mL pour la passer à 754mL (soit 0.3%), le taux de rejet devrait diminuer à

81

0.11%. Le coût de la bouteille vide en verre étant 3 fois plus élevé que le liquide la remplissant,

le gain économique est conséquent pour un « simple » réglage.

82

Chapitre 8 : Créativité Inexploitée (技能のムダ)

Identifié par Liker, ce MUDA correspond aux pertes induites par la mauvaise utilisation ou

sous-utilisation des compétences et du potentiel des salariés (16). Cette définition est

suffisamment large pour inclure les pertes suite aux erreurs d’origine « main d’œuvre » selon

la classification 6M. Cette cause racine est majoritaire dans l’industrie pharmaceutique (85). En

se reportant à la figure 22, les actions de management permettent de réduire ce type d’erreur.

Dans le but de mettre en lumière l’importance du management humain, ce qui a tout d’abord

été nommée LEAN Production devient progressivement LEAN Management. Womack, dans

l’ouvrage « Moving beyond the tool age » publié en 2007 (86), incite les entreprises à passer de

l’âge des outils à celui du management (87). Ce chapitre présente donc des modes de

« management » pour augmenter la productivité et réduire les pertes.

8.1. Théorie de Management

8.1.1. Management Libéré

Le management libéré est un type de management pratiqué dans les entreprises dites

« libérées ». Ce management a pour but le développement de l’employé et sa grande satisfaction

dans les conditions de travail afin qu’il devienne un employé « engagé », ce qui entraîne une

meilleure autonomie de l’employé dans le but de prévenir l’apparition d’incapacité de travail

(partielle ou totale) liée au stress.

Selon S.Lambrechts, directeur d’une compagnie d’assurance, un tiers des demandes d’invalidité

de travail sont liés au stress, à la dépression et à l’épuisement professionnel. Selon son étude

menée en 2012 dans la Région flamande en Belgique, c’est la première cause de demande

d’invalidité au travail (88).

83

Pour atteindre ses objectifs, le management libéré applique des principes propres à chaque

situation. Cependant il est possible de faire une liste non exhaustive des principaux et

emblématiques (89) :

• Supprimer toute la hiérarchie intermédiaire

• Prendre toutes les décisions en petits groupes de personnes représentatifs de toute

l’entreprise

• Suppression des organigrammes, des titres

• Créer un/des postes dédiés à la bonne ambiance de travail

• Former également sur le « Pourquoi » plutôt qu’uniquement sur le « Comment »

Ces principes permettent de « fidéliser » les employés ; ainsi, dans le domaine de la publicité,

où le turn-over est de 30%, la société libérée Richards Group a un score bien plus bas (7%)

(89). Ce taux bas de changement de personnel permet de conserver les connaissances

qu’acquièrent les individus au fur et à mesure de leur évolution dans une organisation.

8.1.2. Management des Connaissances (Knowledge Management)

Cette connaissance ancrée dans les individus et sa transmission est au cœur des démarches du

Knowledge Management (90). Ce type de management s’intéresse en effet à la transmission des

connaissances individuelles aux connaissances organisationnelles/collectives. 2 approches sont

décrites dans la littérature :

• L’approche personnel, pour qui le savoir individuel est difficile à « extraire ». Ce type

d’approche transfère les individus pour transférer les connaissances. La formation

(acquisition de connaissances) se fera au contact de personnes possédant les

connaissances.

Par exemple, Toyota, lors de la fabrication d’une usine, envoie plusieurs mois à l’avance

200 à 300 employés de la future usine auprès d’une usine expérimentée afin qu’ils

84

acquièrent les connaissances nécessaires pour exploiter la nouvelle ligne. Et lorsque

que l’usine ouvre, les ouvriers nouvellement formés sont également accompagnés par

200 à 300 ouvriers expérimentés pour s’assurer que la connaissance complète des

processus de production Toyota est présente dans la nouvelle usine.

• L’approche organisationnelle pour qui le savoir peut-être codifié. Ce type d’approche

transfère les connaissances sous forme de documents, procédures etc… La formation

est organisée au travers de processus structuré.

Ainsi, Motorola à l’ouverture d’une nouvelle ligne de production pour un produit déjà

fabriqué réunissait une nouvelle équipe et leur fournissait le manuel de développement

écrit par l’équipe de l’ancienne ligne. La nouvelle équipe avait pour instructions

d’améliorer le produit, mais également la ligne de production et le manuel de

développement.

L’avantage principal de la méthode personnel est qu’elle est simple à mettre en place mais elle

est cependant fragile face aux départs d’individus. L’approche organisationnelle permet de

pallier ce problème mais est plus coûteuse financièrement et temporellement à mettre en place.

Il est cependant possible de combiner ces 2 approches afin de limiter les inconvénients tout en

conservant les avantages. Le mélange idéal est propre à chaque organisation ; les facteurs sont

trop nombreux et spécifiques, l’important est de conserver un bon équilibre qui permet de une

transmission efficace et rapide des connaissances.

85

8.2. Mise en application : Management visuel

Le management visuel est plus qu’une simple communication visuelle. Il est composé d’un

groupes de techniques et de pratiques qui ont pour but de créer des routines d’organisation du

lieu de travail, à certifier le respect des normes, et à promouvoir l’esprit d’amélioration

continue. Cette démarche permet de révéler les écarts par rapport à un standard ou à une

situation procédurée, et d’enclencher des pratiques ou réflexes pour revenir à une situation «

procédurée »(63). Ainsi, le management visuel facilite la réactivité et la prise de décision (18).

Le management visuel se construit comme un environnement de travail qui permet à chacun

de comprendre, intuitivement, d’un seul coup d’œil :

1. Ce qu’on essaye de réussir ensemble : la mission, le challenge, l’objectif du

département ou de la société.

2. En quoi le travail d’aujourd’hui est réussi : fait-on avancer les choses ou faisons-

nous face à trop de problèmes et d’obstacles qui nous empêchent de progresser ?

3. Comment réfléchir à ces problèmes, y faire face et les résoudre : est-on d’accord sur

les problèmes ? Explorons-nous les causes ? Le management visuel nous aide-t-il à

débloquer les situations et nous donner les moyens de réussir la journée pour atteindre

les objectifs collectifs ? (91)

In fine, la prise de décision est la plus-value du management visuel par rapport à la

communication visuelle.

Cette approche peut être combiné à d’autres outils déjà évoqués dans les paragraphes précédents

comme le schedule adherence (chapitre 1.2), le Kanban (chapitre 5.1), le 5S (chapitre 6.2) etc…

Le point commun est que ces outils sont visibles et intelligibles par tous. La formation sur les

décisions liées à ces outils est donc rapide et permet une autonomie des opérateurs.

86

Une mise en place d’un outil de management visuel dans l’industrie est décrite dans la thèse

d’A.Pillot (20). Cette mise en place a lieu dans l’atelier « laverie » servant à préparer le matériel

pour la fabrication de médicaments injectables en zone propre. Les problématiques ayant

amenées la création de l’outil sont des résultats non satisfaisants quant à la disposition du

matériel ainsi qu’une mauvaise répartition des tâches entre les différentes équipes. Ainsi, l’outil

mis en place correspond à un tableau de bord assurant l’organisation des activités. Ce tableau

de bord a pour objectif d’assurer une fonction de planning, d’aplanir la charge de travail sur

24h, de libérer du temps pour assurer de nouvelles tâches, et possède enfin une fonction d’aide

à la formation des nouveaux collaborateurs.

La première étape de préparation a consisté à observer les opérateurs à leur poste de travail pour

déterminer le temps dédié à chaque opération. Puis, en réunion avec les futurs utilisateurs, ces

temps sont définis, approuvés. Une simulation de l’outil a eu lieu qui a validé l’utilisation du

tableau en routine.

L’outil a été placé dans le bureau commun des opérateurs, pour leur permettre de s’approprier

celui-ci. Il présente les activités de la journée en cours ainsi que celle du lendemain. Une partie

du tableau est réservée à la mise en évidence des problèmes ayant perturbés ou empêchés le

déroulement d’une activité planifiée. Chaque activité est représentée par un magnet dont la

taille est proportionnelle au temps nécessaire pour la réalisation de l’activité. Lors du passage

de consignes, chaque opérateur qui finit son poste doit mettre à jour le tableau. Si une tâche n’a

pas été réalisée, il doit noter dans la partie « problème rencontré » la raison de ce retard. Ensuite,

avec l’aide de l’opérateur qui prend son poste, il ajuste le planning de celui-ci.

87

Figure 24 : Vue globale du tableau de management visuel (20)

La figure 24 ci-dessus est une photographie du tableau de bord. A l’extrême gauche, on retrouve

les plannings de fabrication et de remplissage. La partie gauche représente la journée en cours,

la partie droite la prochaine journée. La partie centrale est dévolue à l’affichage des arrêtes

planifiés, des consignes ainsi que les problèmes rencontrés. Tout en bas, se trouve le parking

des tâches où se trouve les différentes tâches à effectuer, classés selon un code couleur.

88

Figure 25 : Vue globale du tableau de management visuel, seconde version (20)

Après une utilisation en routine d’un mois, des corrections ont été effectuées pour que

l’utilisation du tableau corresponde plus aux besoins des opérateurs et gagne en efficacité. Dans

cette seconde version, les plannings ont été mis à disposition dans une bannette, ce qui a permis

de libérer de la place. Les journées sont superposées ; on retrouve le lendemain au-dessus de la

journée en cours. Le code couleur ainsi que le parking des tâches ont été revues, ce qui rend

l’ensemble plus clair et moins fouillis que la version précédente. Enfin, la nouvelle

configuration du tableau permet d’avoir plus d’espace pour noter les consignes, les arrêts

spécifiques. Ainsi, les problématiques rencontrées sont mis en évidence.

Malgré quelques réserves lors de l’introduction du tableau de management visuel, les opérateurs

de l’atelier laverie ont bien saisi le fonctionnement de l’outil et l’utilisent quotidiennement.

89

Figure 26 : Temps d'attente matériel toutes zones confondues de la semaine 1 à la semaine 32 de

l'année 2016 (20)

Après 8 semaines d’utilisation, on note une amélioration de la performance de la laverie. En

effet, de la semaine 25 à la semaine 32, 205 minutes d’attente du matériel en zone ont été

comptabilisées contre 504 les 8 semaines précédentes (de la semaine 17 à la semaine 24) ;

59.3% du temps d’attente a donc été supprimé.

Le tableau, en plus d’être très efficace pour une utilisation lors d’une activité de production

normale, s’est avéré très performant lors de la planification de situation de production plus

critique. Par exemple lorsque la production est arrêtée plusieurs jours (arrêt technique pour

maintenance) et que l’activité doit redémarrer, il y a un ordre prioritaire pour préparer le

matériel à stériliser. Le tableau permet alors de répartir les activités et de suivre au plus près

leur avancement afin d’optimiser le redémarrage de la production.

90

Conclusion

Comme décrit tout au long de cette thèse, les outils de la méthode LEAN permettent des

améliorations. Un récapitulatif non-exhaustif des résultats est présenté dans le tableau III ci-

dessous.

Tableau III : Synthèse des gains réalisés grâce à l’utilisation d’un outil de façon isolé.

MUDA Application Outils Résultat

Surproduction

作り過ぎのムダ

Ligne de remplissage

aseptique

OEE / Schedule

adherence / Boite

à moustaches

Augmentation 12 points d’OEE en

objectif de production

Temps d’attentes

手待ちのムダ

Fabrication en zone

propre

SMED Changement de lot réduit de

36.1% (passage de 147 minutes à

94 minutes)

Transports et

manutentions inutiles

運搬のムダ

Production de substance

active

Fabrication

continue

Augmentation des taux de

rendement de 20% et réduction

du temps de synthèse par 2 log.

Usinages inutiles ou

mal faits

加工そのもののムダ

Conformité du test de

contrôle de dissolution

Design Space Gain de 55% dans le réglage des

paramètres.

Stocks excédentaires

在庫のムダ

Stock Kanban hybride Réduction de 19.5% de

l’inventaire.

Gestes inutiles

動作のムダ

Laboratoire Schéma spaghetti Réduction de 40% de la distance

de déplacement lors de la

fabrication de kits.

Production de pièces

défectueuses

不良をつくるムダ

Ligne de remplissage DMAIC/CAPA Réduction de 66% des déchets

d’un produit sur une ligne

Créativité inexploitée

技能のムダ

Laverie-Préparation

de matériel

Management

visuel

Réduction de 59% du temps

d’attente de matériel

Cette amélioration de la productivité grâce au LEAN management permettrait de répondre à

plusieurs problématiques actuelles de l’industrie pharmaceutique : la rupture de stock est un

bon exemple.

Selon un rapport de l’ANSM (92), elles ont été multipliées par 9 entre 2008 et 2013, et 44% de

ces ruptures de stock de médicaments sont liées à l’outil de production. Une rupture

91

d'approvisionnement se définit comme l'incapacité pour une pharmacie d'officine ou une

pharmacie à usage intérieur définie à l'article L. 5126-1 de dispenser un médicament à un

patient dans un délai de 72 heures (93,94). De par l’élimination des gaspillages, la production

est plus réactive et peut fabriquer des lots plus petits pour limiter la rupture et permettre la

délivrance de médicaments pour les patients dont la substitution n’est pas possible.

Un autre enjeu auquel permettrait de répondre la souplesse du LEAN Management est la

médecine personnalisée. Le leitmotiv de la médecine personnalisée est “the right dose of the

right drug for the right indication for the right patient at the right time and at the right

price”(95). La partie industrielle correspond aux critères de doses, de précision et de prix.

Par exemple, la prise en charge médicamenteuse de référence pour un patient après un infarctus

est de 5 classes thérapeutiques différentes (96). L’entreprise Mylan, un des leaders sur le marché

des médicaments génériques fournit la quantité suivante d’options thérapeutiques :

• 20 types de beta bloquants ou vérapamil

• 42 types d’IEC ou ARA II

• 13 types de statines

Sur les autres classes thérapeutiques, le choix est de :

• 2 types d’aspirines

• 3 types d’anti-agrégants plaquettaires

Proposer un seul médicament sur mesure nous parait impossible car le choix de combinaisons

est trop élevé (65 520 combinaisons). Il parait plus simple de proposer une combinaison avec 5

traitements différents. Mais ne serait-il pas plus simple, pour le patient, d’avoir un seul

comprimé à prendre ? En 2016, certains modèles de voitures sont disponibles sous 3 millions

de combinaisons différentes (97). Un siècle plus tard, les idéaux de la standardisation de la Ford

T sont bien enterrés pour l’industrie automobile, mais l’industrie pharmaceutique ne semble pas

https://www.legifrance.gouv.fr/affichCodeArticle.do?cidTexte=LEGITEXT000006072665&idArticle=LEGIARTI000006690064&dateTexte=&categorieLien=cid

93

Bibliographie

1. Lyonnet B. Amélioration de la performance industrielle : vers un systême de production Lean adaptée aux entreprises du pôle de compétitivité Arve Industries Haute-Savoie Mont-Blanc. [Internet]. Ecole polytechnique de l’université de Savoie; 2012. Disponible sur: https://tel.archives-ouvertes.fr/tel-00655808

2. Womack JP, Jones DT, Roos D. The machine that changed the world: based on the Massachusetts Institute of Technology 5-million dollar 5-year study on the future of the automobile. New York: Rawson Associates; 1990. 323 p.

3. Ford. Innovation: 100 Years of the Moving Assembly Line | Ford Motor Company [Internet]. Ford Corporate. [cité 13 avr 2017]. Disponible sur: http://corporate.ford.com/innovation/100-years-moving-assembly-line.html

4. Ford H, Crowther S. My Life and Work. Doubleday, Page; 1922. 314 p.

5. CAIROLA E, REVELLI M. TRAINING MANUAL ON FORDISM AND POST FORDISM ORGANISING WORKERS IN THE WORKPLACE.doc [Internet]. ILO International Training Centre; 2004 [cité 25 avr 2017]. Disponible sur: http://actrav-courses.itcilo.org/library/social-dialogue/fordism/C_TextVersione-finale-ok.doc/view

6. De Souza WJ. Fordism and Its Multiple Sequels: the Re-organisation of Work in Britain, France, Germany and Japan [Internet]. 1999 [cité 25 avr 2017]. Disponible sur: http://www.cddc.vt.edu/digitalfordism/fordism_materials/souza.pdf

7. Ōno T. Toyota production system: beyond large-scale production. Cambridge, Mass: Productivity Press; 1988. 143 p.

8. Lane C. Industry and society in Europe: stability and change in Britain, Germany, and France. Aldershot, UK ; Brookfield, Vt., US: E. Elgar; 1995. 236 p.

9. Shimizu K. Le toyotisme. Paris: La découverte; 1999.

10. Krafcik JF. Triumph of the lean production system. MIT SLoan Manag Rev. 1988;30(1):41.

11. AGENCE NATIONALE DE SÉCURITÉ DU MÉDICAMENT ET DES PRODUITS DE SANTÉ. Guide des Bonnes Pratiques de Fabrication. MINISTÈRE DES AFFAIRES SOCIALES ET DE LA SANTÉ; 2016. (Bulletin Officiel; vol. Version consolidée).

12. Bacoup P. Mise en oeuvre d’un système normalisé optimisé par les démarches du Lean Management [Internet]. Université Grenoble Alpes; 2016 [cité 1 avr 2017]. Disponible sur: https://tel.archives-ouvertes.fr/tel-01413469/

13. BELGRAND M. Application de la méthode DMAIC à l’amélioration du rendement de fabrcation d’un comprimé bicouche [Pharmacie]. UFR sciences pharmaceutiques Nantes; 2013.

14. Lamrani ML. MESURE DE LA PRODUCTIVITÉ DANS UNE USINE DE RABOTAGE DE BOIS D’OEUVRE. Québec, Canada: Université de Laval; 2014 p. 107.

15. Shingō S, Dillon AP. A study of the Toyota production system from an industrial engineering viewpoint. Rev. ed. Cambridge, Mass: Productivity Press; 1989. 257 p.

94

16. Liker JK. The Toyota way: 14 management principles from the world’s greatest manufacturer. New York: McGraw-Hill; 2004. 330 p.

17. CHABIRON C, BEAUVALLET G. Le Muda sous la moquette. Comment démarrer une démarche de Lean Office ? Proj Lean Entrep [Internet]. févr 2005;Working paper n°3. Disponible sur: http://www.lean.enst.fr/wiki/pub/Lean/LesPublications/Lemudasouslamoquette.pdf

18. Flauder J. Déploiement du Lean Management dans un atelier de conditionnement et conduite du changement. UFR sciences pharmaceutiques Bordeaux; 2015.

19. VALANCE T. Le lean : principes, outils, application en industrie pharmaceutique et limites d’une démarche d’amélioration continue issue de l’automobile [Internet] [Pharmacie]. Aix Marseille Université; 2012. Disponible sur: http://www.worldcat.org/search?q=no%3A800998253

20. PILLOT A. AMELIORATION DE LA GESTION DE L’ACTIVITE D’UNE UNITE DE PRODUCTION PHARMACEUTIQUE GRACE AU MANAGEMENT VISUEL. Université de Bourgogne UFR des Sciences de Santé Circonscription Pharmacie; 2016.

21. Gütter SP. Lean Practices in Pharmaceutical Manufacturing - An empirical investigation [Doctor of Philosophy in Management]. University of St.Gallen, School of Management, Economics, Law, Social Sciences and International Affairs; 2014.

22. Melton T. The Benefits of Lean Manufacturing. Chem Eng Res Des. juin 2005;83(6):662‑73.

23. Statista. Revenue of the worldwide pharmaceutical market from 2001 to 2015 (in billion U.S. dollars) [Internet]. [cité 5 nov 2017]. Disponible sur: https://www.statista.com/statistics/263102/pharmaceutical-market-worldwide-revenue-since-2001/

24. OICA. Production Statistics | OICA [Internet]. [cité 11 mai 2017]. Disponible sur: http://www.oica.net/category/production-statistics/

25. Baron Kelvin WT. Popular lectures and addresses [Internet]. Vol. 1. London Macmillan; 1889. 490 p. Disponible sur: http://www/archive/org/details/popularlecturesa01kelvuoft

26. BOUTRY M. Gest qual construction-indicateurs [Internet]. Formation présenté à; 2013 [cité 1 déc 2016]. Disponible sur: https://fr.slideshare.net/vicks70/gest-qual-constructionindicateurs

27. Jonsson P, Lesshammar M. Evaluation and improvement of manufacturing performance measurement systems ‐ the role of OEE. Int J Oper Prod Manag. janv 1999;19(1):55‑78.

28. Kombé T. Modélisation de la propagation des fautes dans les systèmes de production [Internet]. Lyon, INSA; 2011 [cité 19 déc 2016]. Disponible sur: http://www.theses.fr/2011ISAL0057

29. Essaid M. Modélisation et simulation de la connectivité des flux logistiques dans les réseaux manufacturiers [Internet]. Ecole Nationale Supérieure des Mines de Saint-Etienne; 2008 [cité 11 avr 2017]. Disponible sur: https://hal.archives-ouvertes.fr/tel-00783593/

30. PERRIN R. Le pilotage de la production et le maintien des standards qualités dans le cadre d’une fermeture de bloc [Master]. Chatenay Malabry; 2016.

95

31. BEN SAID A. Gestion dynamique des connaissances de maintenance pour des environnements de production de haute technologie à fort mix produit [Génie Industriel]. Université Grenoble Alpes; 2016.

32. Cocheteux P. Contribution à la maintenance proactive par la formalisation du processus de pronostic des performances de systèmes industriels [Internet] [phdthesis]. Université Henri Poincaré - Nancy I; 2010 [cité 25 avr 2017]. Disponible sur: https://tel.archives-ouvertes.fr/tel-00545249/document

33. Bouchet J. Amélioration de la performance industrielle et mise en application du sujet en milieu pharmaceutique au travers d’une analyse de risque des contaminants physiques en fabrication et d’une optimisation des temps de maintenance sur lignes de conditionnement [Pharmacie]. [Nantes]: UNIVERSITÉ DE NANTES FACULTÉ DE PHARMACIE; 2014.

34. Dave Y, Sohani N. Single Minute Exchange of Dies: Literature Review. Int J Lean Think. 2012;3(2):27–37.

35. Leconte T. La pratique du SMED: obtenir des gains importants avec le changement d’outillage rapide. Boulogne-Billancourt]; Éditions d’Organisation: Paris : Renault Consulting ; 2008.

36. Smalley A. A Brief History of Set-Up Reduction. Art of Lean; 2006.

37. PESSAN C. Optimisation de changements de séries par ordonnancement des tâches de réglage [Informatique]. UNIVERSITÉ FRANÇOIS RABELAIS TOURS; 2008.

38. Michels BT. Application of Shingo’s Single Minute xchange of Dies (SMED) Methodology to Reduce Punch Press Changeover Times at Krueger International [MS Technology Management]. The Graduate School University of Wisconsin-Stout Menomonie, WI; 2007.

39. AGUILAR MA. SETUP REDUCTION TIME AT A BATCH MANUFACTURING PLANT [Bachelor of Science in Industrial Engineering]. California Polytechnic State University San Luis Obispo; 2011.

40. Unterborn J. A Study of a management supported single minute exchange of die (SMED) program for the flexible packaging industry. 2011 [cité 7 mai 2017]; Disponible sur: http://scholarworks.rit.edu/theses/7345/

41. Alhuraish I. Evaluation of the performance of organizations that implemented Lean Manufacturing and Six Sigma methods : application to French industries [Sciences de l’ingénieur]. [Angers]: Laboratoire Angevin de Recherche en Ingénierie des Systèmes; 2017.

42. Narula A. What is 80/20 rule? [Internet]. 2005 [cité 29 mai 2017]. Disponible sur: https://web.archive.org/web/20130128204020/http://www.80-20presentationrule.com/whatisrule.html

43. Wittwer JW. Pareto Analysis in Excel [Internet]. https://www.vertex42.com/ExcelTemplates/pareto-chart.html. 2009 [cité 30 mai 2017]. Disponible sur: https://www.vertex42.com/ExcelTemplates/Images/pareto-chart_large.gif

44. BALLE M, BEAUVALLET G. Talent Toyota Préface à l’édition française. Proj Lean Entrep [Internet]. sept 2008;Working Paper n°16. Disponible sur: http://www.lean.enst.fr/wiki/pub/Lean/LesPublications/LWP16.pdf

96

45. Correll EO. Design of a rapid, continuous, small-scale device ... dry powders from concentrated suspensions containing ..pdf [Bachelor of Science in Mechanical engineering]. Massachusetts Institute of Technology; 2011.

46. Bisson W. Novartis Approach to Continuous Manufacturing (API and Drug Product) [Internet]. Manufacturing présenté à: IFPAC Cortona; 2010 sept [cité 23 mai 2017]; Cortona. Disponible sur: http://www.ifpac.com/cortona/Cortona10-Presentations/Bisson.pdf

47. Bragg S. Manufacturing throughput time [Internet]. AccountingTools. 2017 [cité 23 mai 2017]. Disponible sur: https://www.accountingtools.com/articles/what-is-manufacturing-throughput-time.html

48. Pintelon LM-YA, Nganga Muchiri P. Performance measurement using overall equipment effectiveness (OEE): Literature review and practical application discussion. Int J Publ Res. 15 avr 2008;46(13):3517‑35.

49. Mascia S, Trout B. Integrated Continuous Manufacturing [Internet]. Pharma Manufacturing. 2015 [cité 23 mai 2017]. Disponible sur: http://www.pharmamanufacturing.com/articles/2014/integrated-continuous-manufacturing/

50. Acasti Pharma Inc. Acasti Pharma and CordenPharma Announce Large Scale Production of CaPre with New Continuous Manufacturing Process [Internet]. 2017 mai 31 [cité 6 juin 2017]; Laval, Québec, CANADA. Disponible sur: http://cordenpharma.com/press-release/acasti-pharma-and-cordenpharma-announce-large-scale-production-of-capre-with-new-continuous-manufacturing-process/

51. Keenan J. EMA gives nod to Janssen for continuous manufacturing of HIV drug | FiercePharma [Internet]. Fierce pharma/ manufacturing. 2017 [cité 28 juin 2017]. Disponible sur: /manufacturing/ema-gives-nod-to-janssen-for-continuous-manufacturing-hiv-drug

52. Duclos E. Contribution à la Maîtrise Statistique des Procédés Cas des procédés non normaux [Electronique - Electrotechnique - Automatique]. Université de Savoie; 1997.

53. EDQM. European Pharmacopeia 9th edition. EDQM; 2016.

54. Calnan N, Redmond A, O’Neill S. The FDA’s Draft Process Validation Guidance–A Perspective from Industry. Pharm Eng. 2009;29(3):8–16.

55. RAYNAUD M. VALIDATION DU PROCEDE DE FABRICATION DANS L’INDUSTRIE PHARMACEUTIQUE, APPLIQUEE AUX FORMES SOLIDES ORALES [Internet] [Pharmacie]. UNIVERSITE DE LIMOGES; 2011 [cité 31 mai 2017]. Disponible sur: http://aurore.unilim.fr/theses/nxfile/default/8cacd753-6679-4a0c-be88-162fae204432/blobholder:0/P20113317.pdf

56. Berry IR, Nash RA, éditeurs. Pharmaceutical process validation. International 3rd ed., rev. and expanded. New York: Marcel Dekker; 2003. 860 p. (Drugs and the pharmaceutical sciences).

57. Reddish GF, Brewer. Antiseptics, Disinfectants, Fungicides, and Chemical and Physical Sterilization. Philadelphia: Lea and Fabiger; 1957. 841 p.

58. ICH. ICH guideline Q8 (R2) on pharmaceutical development [Internet]. 2009. Disponible sur: http://www.ich.org/fileadmin/Public_Web_Site/ICH_Products/Guidelines/Quality/Q8_R1/Step4/Q8_R2_Guideline.pdf

97

59. Yekpe K. UNE APPLICATION DU CONCEPT DU QUALITY BY DESIGN [Internet] [Génie des Procédés, Génie Chimique]. [Montpellier]: ÉCOLE DOCTORALE SCIENCE DES PROCEDES – SCIENCE DES ALIMENTS UNITE DE RECHERCHE INSTITUT CHARLES GERHARDT DE MONTPELLIER ; Pfizer; 2014 [cité 3 juill 2017]. Disponible sur: http://savoirs.usherbrooke.ca/bitstream/handle/11143/5397/Yekpe_Ketsia_PhD_2014.pdf?sequence=1

60. Biteau R, Biteau S. La maîtrise des flux industriels. Paris: Éditions d’Organisation; 2003.

61. Perrony L. Gestion des approvisionnements et des stocks. Logistique présenté à; 2016 janv; Faculté de pharmacie de Chatenay Malabry.

62. EL HAOUZI H. Approche méthodologique pour l’intégration des systèmes contrôlés par le produit dans un environnement de juste-à-temps: Application à l’entreprise TRANE [Automatique, génie informatique]. Henri poincaré, Nancy I; 2008.

63. GASSMANN M. LA PLACE DU MANAGEMENT VISUEL DANS LE PILOTAGE DE LA PERFORMANCE GLOBALE D’UNE UNITE DE PRODUCTION PHARMACEUTIQUE [Internet] [Pharmacy]. [Faculté de pharmacie de Nancy]: Université de Lorraine; 2012 [cité 21 juin 2017]. Disponible sur: http://docnum.univ-lorraine.fr/public/BUPHA_T_2012_GASSMANN_MARION.pdf

64. Soulard N. LA METHODE KANBAN DANS L’INDUSTRIE AUTOMOBILE ACTUELLE [Internet] [Ingénieur]. CONSERVATOIRE NATIONAL DES ARTS ET METIERS CENTRE REGIONAL ASSOCIE DE VERSAILLES; 2002 [cité 22 juin 2017]. Disponible sur: http://www.plusconseil.net/content/wp-content/uploads/2010/04/Methode_Kanban.pdf

65. Ramírez Restrepo LM. Optimisation basée sur l’étude des trajectoires dans un environnement aléatoire: application au pilotage de systèmes de production [Internet] [Automatique, génie informatique]. Université de Lorraine; 2016 [cité 27 juin 2017]. Disponible sur: https://tel.archives-ouvertes.fr/tel-01495288/

66. Boonlertvanich K. Extended-CONWIP-Kanban system: control and performance analysis [Internet]. Georgia Institute of Technology; 2005 [cité 22 juin 2017]. Disponible sur: https://smartech.gatech.edu/handle/1853/6906

67. O.Richard. Le LEAN: Un outil d’optimisation pour les laboratoires [Internet]. Laboratoire hopital présenté à: Xeme journée professionelle de l’aftlm (association française des techniciens de laboratoires médicales); 2013 juin 12 [cité 26 juin 2017]; http://antab.com/spip/spip.php?article294. Disponible sur: http://www.antab.com/spip/IMG/pdf/05-_Le_LEAN_un_outil_d_optimisation_pour_les_laboratoires.pdf

68. Donelan K, Toner V, Dowling M. LSS Tool : The Spaghetti Diagram [Internet]. American society of Quality présenté à; 2011 janv 20 [cité 26 juin 2017]. Disponible sur: http://www.asqlongisland.org/seminars/2011_01_20_LSS_Tool_The_Spaghetti_Diagram.pdf

69. Adrianzen D, Dombroski Z, Soofi S, Young S. Implementing Lean Process Improvement in the Sterile Processing Department at The Academic Medical Center [Internet] [Fulfillment of The Major Qualifying Project]. [Worcester, Massachusetts]: Worcester Polytechnic Institute; 2014 [cité 26 juin 2017]. Disponible sur: https://web.wpi.edu/Pubs/E-project/Available/E-project-032514-103357/unrestricted/Implementing_Lean_Process_Improvement_in_the_Sterile_Processing_Department_at_The_Academic_Medical_Center.pdf

98

70. LIN K. Le 5S, un outil d’amélioration continue, un tremplin vers la culture qualité [Internet] [MASTER QUALITÉ ET PERFORMANCE DES ORGANISATIONS]. [Compiègne]: UNIVERSITÉ DE TECHNOLOGIE DE COMPIÈGNE; 2016 [cité 26 juin 2017]. Disponible sur: http://www.utc.fr/~mastermq/public/publications/qualite_et_management/MQ_M2/2015-2016/MIM_stages/LIN_Karine/ST02_MIM%20_Karine_LIN_v2.pdf

71. Hohmann C. Guide pratique des 5S: pour les managers et les encadrants. Paris: Éditions d’Organisation; 2006.

72. Omogbai O, Salonitis K. The Implementation of 5S Lean Tool Using System Dynamics Approach. Procedia CIRP. 2017;60:380‑5.

73. Nissinen O. Developing the 5S Implementation Guideline for a Food Production Company. 2017 [cité 4 juill 2017]; Disponible sur: https://www.theseus.fi/handle/10024/129323

74. Venkateswaran S. Implementing Lean in Healthcare Warehouse Operations-Evaluation of 5S Best Practice. 2011 [cité 4 juill 2017]; Disponible sur: http://etd.lsu.edu/docs/available/etd-06082011-094408/

75. Ginbey A. Reducing HiSeq Setup Times in Genomic Services Laboratory with 5S: Implications for Productivity & Quality [Internet]. Biotechnology présenté à: Professional Science Master’s Degree Program; 2013 mai 14 [cité 4 juill 2017]; California State University, San Marcos. Disponible sur: http://csusm-dspace.calstate.edu/bitstream/handle/10211.8/423/GinbeyAshley_Spring2013.pdf?sequence=1

76. Pirttijoki V-P, others. Introduction and implementation of the 5S-operation model for ST-Koneistus Ltd. 2013 [cité 4 juill 2017]; Disponible sur: http://theseus56-kk.lib.helsinki.fi/handle/10024/54701

77. Srinivasan S. The impact of 5S on the safety climate of manufacturing workers. 2012 [cité 4 juill 2017]; Disponible sur: http://etd.lsu.edu/docs/available/etd-11112012-155620/

78. SAIGHI H. Amélioration du processus d’exploitation des Revues Qualité Produits [Internet] [M2 Management de la qualité]. [Compiegne]: Université de Technologie de Compiègne; 2012 [cité 10 juill 2017]. Disponible sur: http://www.utc.fr/master-qualite/public/publications/qualite_et_management/MQ_M2/2011-2012/stages/saighi/Rapport_ST02_saighi.pdf

79. CORMERAIS M. Gestion des anomalies dans l’industrie pharmaceutique [Pharmacie]. [Nantes]: UNIVERSITÉ DE NANTES UFR SCIENCES PHARMACEUTIQUES ET BIOLOGIQUES; 2014.

80. GHOUT T. MAITRISE DE LA LIBERATION PHARMACEUTIQUE DES LOTS DE PRODUCTION INDUSTRIELLE [2015]. [Toulouse]: UNIVERSITE TOULOUSE III PAUL SABATIER FACULTE DES SCIENCES PHARMACEUTIQUES; 2015.

81. Reason J. The Contribution of Latent Human Failures to the Breakdown of Complex Systems. Philos Trans R Soc B Biol Sci. 12 avr 1990;327(1241):475‑84.

82. Bourdois C. Management de la qualité et amélioration continue : application à l’augmentation de la robustesse des nettoyages manuels [Pharmacie]. [Angers]: Université d’Angers, UFR Sciences pharmaceutiques et ingénierie de la santé; 2014.

99

83. Assent clément. Suivi des rejets d’une ligne de soutirage de bouteilles : Etude et réduction de ces pertes pour améliorer la rentabilité financière de la ligne [Internet] [Master Ingénieur Civil en mécanique]. [Liège]: Université de Liège; 2016. Disponible sur: http://hdl.handle.net/2268.2/1388

84. Traoré MA. Supervision adaptative et pronostic de défaillance pour la maintenance prévisionnelle de systèmes évolutifs complexes [Spécialité Automatique et Informatique Industrielle]. [Lille]: Université de Lille 1; 2010.

85. Friedman RL. Current Expectations for Pharmaceutical Quality Systems. FDA workshop présenté à: PDA/FDA Executive Management Workshop; 2012 sept; Baltimore, MD.

86. Womack JP. Moving beyond the tool age [lean management]. Manuf Eng. 1 févr 2007;86(1):4‑5.

87. Dubouloz S. L’innovation organisationnelle: antécédents et complémentarité: une approche intégrative appliquée au Lean Management [Internet]. Université Grenoble Alpes; 2013 [cité 1 avr 2017]. Disponible sur: https://tel.archives-ouvertes.fr/tel-00944182/

88. AG Insurance. Nieuwe Werken als preventiemiddel tegen invaliditeit. HET NIEUWE WERKEN. 18 sept 2012;

89. Moussamih I. L’évolution du management: de nouvelles perspectives pour l’industrie pharmaceutique. Université de Bourgogne; 2016.

90. Sanchez R. Knowledge Management and Organizational Learning: Fundamental Concepts for Theory and Practice. Lund Inst Econ Res. 2005;2005/3:33.

91. Ballé M. Arrêtons de transformer les outils de management visuel du Lean en tableaux de gestion de tickets ! Inst Lean Fr [Internet]. oct 2016; Disponible sur: https://www.institut-lean-france.fr/medias/2016/10/newsletter-10-Outils-de-management-visuel.pdf

92. ANSM. Gestion des ruptures de stock de médicaments d’intérêt thérapeutique majeur par l’ANSM [Internet]. 2015 mars 12. Disponible sur: http://ansm.sante.fr/var/ansm_site/storage/original/application/5019db965cb96c1257478a583278eab8.pdf

93. République Française. Code de la santé publique - Article L5126-1. Code de la santé publique.

94. République Française. Code de la santé publique - Article R5124-49-1. Code de la santé publique.

95. MARTINI L. Personalised medicines — creating ‘polypills’ in the local pharmacy [Internet]. Pharmacy practice and profession blog. 2015. Disponible sur: http://www.pharmaceutical-journal.com/opinion/blogs/personalised-medicines-creating-polypills-in-the-local-pharmacy/20068447.blog

96. VIDAL. Prise en charge post-infarctus [Internet]. Vidal.fr. 2017. Disponible sur: https://www.vidal.fr/recommandations/4028/post_infarctus/prise_en_charge/

97. THUOT A. Des DS3 virtuelles sur le stand DS à Genève [Internet]. http://auto-infos.fr. 2016. Disponible sur: http://auto-infos.fr/Des-DS3-virtuelles-sur-le-stand-DS,7861

100

98. LABARERE J. Chapitre 6 Test de comparaison de pourcentages – χ2. Grenoble: Université Joseph Fourier de Grenoble; 2011. (PACES Grenoble; vol. UE 4 : Biostatistiques).

101

Annexes Annexes ............................................................................................................................................... 101

Annexe 1 : Résumé des gaspillages définis dans le LEAN Management sous forme de table ........ 102

Annexe 2 : Fonctionnement plus détaillé du schedule adherence ................................................. 103

Annexe 3 : Fonctionnement du test du χ2 ................................................................................... 104

Annexe 4 : Exemple d’adaptation du modèle de fromage suisse ............................................... 106

Annexe 5 : Description brève d’autres outils qualité .................................................................. 108

❖ PDCA – roue de Deming : ............................................................................................ 108

❖ DMAIC .......................................................................................................................... 109

❖ AMDEC ......................................................................................................................... 110

Liste des figures des annexes

Figure A : Modèle plus grand du schedule adherence

Figure B : Représentation du risque de première erreur α du test du χ2

Figure C : Adaptation du modèle de défaillance aux 6M

Figure D : Le Cycle PDCA du processus d’amélioration continue

Figure E : Représentation de la méthode DMAIC

102

Annexe 1 : Résumé des gaspillages définis dans le LEAN Management sous forme de tableau

Types de gaspillages Définition Exemples « type » de gaspillages associés

Surproduction

Produire plus que la demande exigée par le

client.

Produire des pièces non commandées par le client

Réaliser une production plus tôt ou plus rapide que ce qui est

requis par la prochaine étape du processus.

Temps d’attentes Attendre inutilement. Attentes de renseignements, d'outils, d'approbations, de

contrôle qualité, de reprise. Transports et manutentions

inutiles

Transporter sans que le transport ait une

réelle utilité. Mauvaise optimisation des flux de matières.

Longues distances entre les étapes d'un processus.

Usinages inutiles ou mal faits

Fabriquer des produits qui ne répondent

pas aux caractéristiques exigées par la

clientèle.

Actions inutilement nombreuses pour parvenir au résultat

souhaité.

Finition au-delà de la spécification.

Stocks excédentaires Stocker des quantités supérieures à la

quantité nécessaire pour l'étape suivante du

processus de fabrication. Matières premières, encours ou produits finis en excès.

Gestes inutiles Réaliser des mouvements inutiles pour

l'exécution du travail.

Recherche d'outils, de pièces, d'informations, réalisation de

contrôles, mesures, vérifications, manipulations

supplémentaires pour la fabrication de pièces. Production de pièces

défectueuses Fabriquer des produits défectueux ou

devant être rectifiés. Erreurs de conception, de fabrication, de contrôle, défauts

répétitifs.

Créativité inexploitée

Perdre du temps, des idées, des

compétences en ne prenant pas en compte

les idées des employés.

Réalisation de tâches pouvant être éliminées, attente

d'instructions, travailler sans objectifs, erreurs répétitives,

manque d'implication, absence, faible productivité.

103

Annexe 2 : Fonctionnement plus détaillé du schedule adherence

Figure A : Modèle plus grand du schedule adherence

104

Annexe 3 : Fonctionnement du test du χ2

Le test du χ2 (se prononce Khi carré ou Khi deux) est un test statistique qui permet de savoir

si 2 variables qualitatives sont liées ou non (comme par exemple « associer retombée

financière à une méthode SMED » et « implantation de la méthode en question")

L’hypothèse nulle H0 est que les 2 variables sont indépendantes. L’hypothèse alternative H1

est que ces 2 variables sont liés.

La valeur Xo calculée correspond à une différence entre les effectifs observés d’une classe et

les effectifs théoriques sous l’hypothèse H0. Le Xα correspond au résultat du calcul pour un

risque de première erreur α.

Figure B : Représentation du risque de première erreur α du test du χ2 (98)

105

La figure ci-dessus représente le risque de rejeter à tort l’hypothèse nulle H0 selon un risque

de première erreur α. Plus le Xo calculé est grand, plus l’hypothèse alternative H1 a de

chances d’être vrai.

106

Annexe 4 : Exemple d’adaptation du modèle de fromage suisse

Comme dit dans le chapitre 7, il est possible d’adapter le modèle général du fromage

suisse en un modèle plus spécifique

Figure C : Adaptation du modèle de défaillance aux 6M

Ainsi, plutôt que d'utiliser un fromage suisse, on peut imaginer les barrières comme des filtres

de lumière. Chaque filtre laisse passer sa lumière correspondante (produit compliant) et bloque

les produits repérés comme défectueux. Dans la figure C ci-dessus, les filtres, au nombre de 6,

représente les 6 roots causes possibles (matières, main d'œuvre, milieu, machine, méthode,

mesure). Le filtre représentant la mesure (noté ① sur la figure 2) est au-dessus des autres

puisque c'est à travers la mesure que l'on voit. Chaque filtre peut générer des produits conformes

via un trou. Si il est bloqué suffisamment tôt, on pourra parler d’erreur acceptable puisqu’il

n’intervient pas dans la suite du processus.

Les flèches correspondent aux produits (verts pour les produits conformes, rouges pour les

défectueux). Lorsqu'une flèche rouge est bloqué au-delà du premier filtre, on peut assimiler ceci

à une erreur acceptable (noté ② sur la figure 2).

Au contraire des autres, le filtre de la mesure est supposé être transparent. Cependant, il est

possible d'imaginer des défauts, qui entraîne une détection faussée. Ce défaut est illustré par

l’évènement ③ qui apparaît défectueux mais n'est issue d'aucun trou ; il est fortement probable

107

qu’il soit conforme en réalité. Enfin, l’évènement ④ correspond à une déviation puisqu'il a

passé tous les filtres de détection et peut passer à l’opération suivante.

Sur chaque opération unitaire, ce schéma se répète. Si un produit défectueux est constaté après

la libération du lot, cela enclenche une procédure de destruction.

108

Annexe 5 : Description brève d’autres outils qualité

❖ PDCA – roue de Deming :

Ce processus sous forme de cycle est constitué de quatre étapes successives : Plan (Prévoir),

Do (Faire), Check (Controler), Act (Améliorer)

Figure D : Le Cycle PDCA du processus d’amélioration continue (31)

Dans la norme internationale ISO 9000, le cycle PDCA est décrit comme un processus qualité

qui permet de répondre, entre autres, à la problématique de gestion de l’évolution continue des

connaissances et savoir-faire au niveau managérial, technique ou organisationnel.

109

❖ DMAIC

Figure E : Représentation de la méthode DMAIC (79)

Phase D : Définir. La phase D concerne la rédaction de la charte du projet, comprenant la

description du travail, la problématique principale et les objectifs. Il s’agit également de se fixer

des limites et de définir sur quels éléments on peut agir. Cette phase permet aussi de définir la

liste des personnes avec qui travailler, leur apport et responsabilité.

Phase M : Mesurer. La phase M consiste dans un premier temps à analyser le processus actuel.

Ensuite, il faut mettre en place un système de mesure de données afin de les interpréter tout en

s’assurant de leur fiabilité. Il convient de caractériser le plan de collecte des données, la collecte

elle-même et la première analyse statistique. La mesure se fait via l’analyse de la capacité et de

la performance, le plan de collecte des données (quantitatives, qualitatives, gains attendus, coûts

associés), la validation de ces données et l’utilisation de logiciels statistiques.

Phase A : Analyser. Cette phase est essentielle. Elle a pour objectif d’augmenter la

connaissance du processus afin de découvrir les causes « racines » de la variabilité ainsi que de

110

la performance insuffisante. La recherche de solutions est souvent accompagnée par des

Brainstorming réalisés avec des personnes compétentes, ou encore l’utilisation de l’AMDEC

(Analyse des Modes de Défaillances, de leurs Effets et de leur Criticité). À la fin de cette étape,

il faut avoir une idée très précise des sources d’insatisfaction et des paramètres qui devront être

modifiés pour atteindre la performance attendue. C’est le moment d’approfondir les résultats

statistiques obtenus dans la phase précédente afin d’analyser les causes influant sur la précision.

Le diagnostic peut être réalisé à l’aide d’outils comme le diagramme d’Ishikawa ou de travaux

statistiques.

Phase I : Innover. Le diagnostic ayant été établi, il faut maintenant réfléchir à des solutions

pertinentes, sélectionner les pistes de progrès les plus prometteuses. Il peut être utile, voire

même recommandé, de réaliser un modèle intermédiaire pour valider les pistes de propositions.

Les solutions choisies incluent le détail des livrables, le choix de la voie du projet, l’agenda

prioritisé, une fiche simplifiée par piste, les gains attendus et un logigramme globalisé.

Phase C : Contrôler. La phase C consiste au déploiement, au suivi du déploiement, à l’analyse

des points bloquants, en la surveillance du processus et à l’évaluation des résultats. En fonction

des résultats, la charte peut (ou doit) être actualisée. Elle se termine par la clôture effective des

travaux.(83)

❖ AMDEC

L'AMDEC est l’acronyme d’Analyse des Modes de Défaillances de leurs Effets et de leur

Criticité. Pour effectuer une AMDEC, il faut lister tous les modes de défaillances potentielles

des procédés. Puis, pour chacun de ces modes, il faut noter le degré de gravité des

conséquences, leurs probabilités respectives de survenue et leur détectabilité. On combine

111

généralement ces 3 notes sous la forme d’un score d’AMDEC calculé selon la formule

suivante :

𝐶𝑟𝑖𝑡𝑖𝑐𝑖𝑡é =𝐺𝑟𝑎𝑣𝑖𝑡é ∗ 𝐹𝑟é𝑞𝑢𝑒𝑛𝑐𝑒

𝐷é𝑡𝑒𝑐𝑡𝑎𝑏𝑖𝑙𝑖𝑡é

Ce score de criticité permet de classer les modes de défaillance des plus importants au

moins importants. Souvent, des paliers sont associés aux scores d’AMDEC afin d’avoir

une liste de défaillance potentielle sur lesquelles agir.

112

Serment de Galien

113

Auteur : Romain PERRIN

Titre : Réduction des déchets identifiés par le LEAN Management.

Application de méthodes et outils à l’industrie pharmaceutique

RÉSUMÉ : Le LEAN Manufacturing est une méthode de management apparut au Japon après la seconde

guerre mondiale. D’abord cantonnée à l’industrie automobile nippone, ses méthodes

s’exporteront peu à peu à l’étranger et dans d’autres domaines industrielles.

Devenant une référence pour son efficacité dans l’industrie automobile, le LEAN

Manufacturing cible notamment les gaspillages (Mudas) qui sont définis sous 8 formes

différentes : Surproduction, Temps d’attente, Transport et Manutention, Usinages inutiles ou

incorrects, Stocks Excédentaires, Gestes Inutiles, Production de pièces défectueuses et la

Créativité Inexploitée. Pour répondre à ces problématiques, des outils spécifiques existent et

ont fait leur preuve pour réduire la quantité de chaque gaspillage.

Cette thèse a pour objectif de voir dans quelle mesure sont utilisés ces outils dans l’industrie

pharmaceutique, ainsi que leur efficacité. Au cours de cette revue, chaque chapitre est consacré

à un type de gaspillage. Les exemples évoqués, issus de la littérature, permettent de définir ces

gaspillages, d’illustrer les problématiques associées, de visualiser les solutions amenées par ces

outils, et de quantifier les résultats associés en comparant les performances avant et après mise

en place d’un outil.

Mots clés : LEAN, MANAGEMENT, GASPILLAGE, PERFORMANCE, OUTILS,

MUDAS, PRODUCTION

Filière : Industrie

Réduction des déchets identifiés par le lean management ...

Documents

Transcript of Réduction des déchets identifiés par le lean management ...