Lean Six Sigma Green BELT + IASSC Certification (2 certifications) - 100% en ligne

Objectifs

  • préparer votre certification Lean Six-Sigma Green Belt et passer votre certification dans de bonnes conditions
  • quels bénéfices vous pourrez tirer de la méthode Lean Six-Sigma
  • parler des différentes étapes de la méthodologie
  • mettre en oeuvre dans votre entreprise les étapes de la méthodologie passées en revue lors de la formation
  • Certifiant
  • Offre délivrée par Skills4All
  • Digital / A distance
  • Code: SKA013E
  • 50h de formation
  • 1 699 € (HT)
  • Cette thématique vous intéresse ? Nos équipes d'experts, de concepteurs pédagogiques et de chefs de projet mettent en place pour vous et avec vous des dispositifs innovants, en présentiel et en digital.

Programme Détaillé

Cette certification nécessite une expérience professionnelle d’au moins 3 ans.
- Toute personne cherchant à améliorer les processus de son entreprise
- Toute personne à la recherche d'outils d'amélioration de processus
- Toute personne cherchant à modéliser puis optimiser un processus
Formation en digital-learning, 100% en ligne, formée de vidéos, de quiz, de lectures et contenus complémentaires, d’un forum et selon les cas, de webinaires.
Cette formation vous permet de préparer la certification Lean Six Sigma Green Belt inscrite au Répertoire Spécifique RS5469. Le passage de la certification IASSC Lean Six Sigma Green Belt est offert.
Lean Six Sigma Green BELT + IASSC Certification (2 certifications)
Lean Six-Sigma est la meilleure méthode pour améliorer les processus transverses de votre entreprise.
  • Phase « Measure »

    Description de la Phase
    Process Discovery
    Créer une carte globale du processus
    Créer un diagramme d’Ishikawa
    Créer un diagramme X-Y
    Décrire les éléments d’un FMEA
    Comprendre l’importance du FMEA
    Comprendre pourquoi chaque outil est important
    Statistiques utilisées dans Six Sigma
    Expliquer les différents types de statistiques utilisées dans Six Sigma
    Décrire les caractéristiques d’une distribution normale
    Test de normalité
    Décrire la différence entre une cause spéciale et un cause commune de variation
    Générer de nombreux graphes de données
    Measurement System Analysis
    Effectuer les étapes de la méthodologie MSA
    Identifier les composants variés de la variation : des corrections peuvent alors être effectuées et le gage R&R du processus affiné
    Reconnaitre les différences entre Répétabilité, Reproductibilité, précision et calibration
    Capabilité du processus
    Estimer la capabilité pour des donées continues
    Décrire l’impact de données non normales sur l’analyse présentée dans ce module
    Estimer la capabilité des données attibutaires

  • Phase « Analyze »

    Introduction à la phase Analyze
    « X » Sifting
    Effectuer une analyse mulit-variances
    Interpréter un graphe multi-variances
    Interpréter les données d’analyse
    Inférence Statistique
    Expliquer la signification de l’inférence statistique
    Décrire les bases du théorème central limite
    Décrire les impacts de la taille d’échantillon sur l’estimation de la population
    Expliquer l’erreur standard
    Introduction aux tests d’hypothèse
    Comprendre les objectifs des tests d’hypothèse
    Expliquer le concept de tendance centrale
    Se familiariser avec les différents types de tests d’hypothèse
    Test d’hypothèse avec des données normales Partie 1
    Déterminer la bonne taille d’échantillons pour le test de moyennes
    Tests d’hypothèse variés sur les moyennes
    Analyser et interpréter les résultats
    Test d’hypothèse avec des données normales Partie 2
    Etre capable de conduire des tests d’hypothèse de variances
    Analyser les résultats de tests d’hypothèse sur les variances
    Test d’hypothèse avec des données non-normales (1)
    Tests d’hypothèse sur des données de variance égale
    Test d’hypothèse sur les médianes
    Analyser et interpréter les résultats
    Test d’hypothèse avec des données non-normales (2)
    Calculer et expliquer les tests de proportions
    Calculer et expliquer les tests de contingence

  • Phase « Improve »

    Modélisation de processus par régression
    Effectuer les étapes de l’analyse par corrélation et régression linéaire
    Expliquer quand la corrélation et la régression sont appropriées
    Modélisation avancée de processs
    Réaliser une régression linéraire et non-linéaire
    Réaliser une régression linéaire multiple (MLR)
    Mener une analyse des résidus et comprendre leurs effets
    Concevoir un plan d’expérience
    Déterminer la raison du plan d’expérimentation
    Décrire les différences entre le modèle physique et un plan d’expérience (DOE: Design Of Experiment)
    Expliquer une expérimentation OFAT et ses faiblesses
    Créer un plan d’expérience factoriel complet

  • Phase « Control »

    Les Controles Lean
    Description des outils lean
    Comprendre comment ces outils aident à l’atteinte des objectifs du projet
    Comprendre comment les outils lean dépendent les uns des autres
    Comprendre comment les outils doivent aider à l’élimination et la prévention des défauts
    Contrôle des défauts
    Contrôle de l’atteinte des objectifs du projet
    Contrôle de la réduction des variations vues dans la section « capabilité du processus »
    Contrôle de statistique des processus – SPC
    Expérimentation avancée
    Analyse de Capabilité
    Comprendre l’importance de la capabilité du processus dans la phase de controle
    Sélectionner la bonne méthode pour l’analyse de capabilité basée sur le type de distribution de données du processus
    Interpréter les sorties des fonctions de capabilité de MINITABTM’
    Comprendre comment utiliser la Capabilité du processus pendant toutes les phases du DMAIC

  • Révisions et examens blancs

    Dans ce pack sont compris 2 examens blancs permettant de réviser l’ensemble des connaissances du programme Green Belt et de tester ses connaissances