ISMANS CESI

Option Excellence Opérationnelle

Pré requis

Enseignement

200 heures

Codes

WEB : IsmansOptionEO

Frais de scolarité

Objectifs

Définir et piloter un projet d’optimisation de processus ou d’activité
Mesurer la performance actuelle du processus
Analyser les causes de dysfonctionnements
Innover et Mettre en oeuvre la solution industrielle
Pérenniser la solution mise en place dans une optique d’amélioration continue

Programme de la formation

Partie pédagogique

Rappel sur les essentiels de l’amélioration continue

Système opérationnel : les outils de la maison du Lean

  • Voix du client pour comprendre ses réelles attentes
  • Mise en relief de la valeur dans les processus physiques et d’information via la VSM
  • Étude du travail standardisé par l’analyse de déroulement, le diagramme spaghetti, l’analyse de simultanéité, l’étude de capacité d’un poste de travail…
  • Gestion de la flexibilité par la maîtrise des outils du « juste à temps » : Kanban, Heinjunka, SMED…
  • Gestion de la qualité par la maîtrise des outils du Jidoka : Poka-yoke, andon, AMDEC, TPM...

Management Lean et moyens de pilotage

  • Équipe autonome et UAP (Unité Autonome de Production)
  • Proximité terrain avec le Gemba Gembutsu
  • Méthodes d’analyse et résolution de problèmes
  • 5S pour s’approprier le territoire et rendre clair et évident le processus
  • Rituels d’animation

État d’esprit et comportement

  • Prérequis à la transformation d’une organisation
  • Éléments de culture et conduite du changement

Transformation Lean : démarche globale

  • Transformation du système de production et du système managérial d’une organisation en 3 mois
  • Pérennisation de cette transformation dans le temps

5 phases du DMAIC

  • Définir
  • Mesurer
  • Analyser
  • Innover
  • Contrôler

Outils statistiques

  • Aptitude des moyens de mesure & plan de collecte de données
  • Mesure de la performance et de l’aptitude du processus
  • Importance des facteurs influents et de leurs éventuelles interactions
  • Suivi de la performance des processus pour détecter la moindre dérive

Industrie du futur : manager les ressources technologiques

  • Découverte et approfondissement des domaines de technologies de l’industrie du futur
  • Veille technologique et de la prospective
  • Identification et évaluation des technologies de l’entreprise
  • Optimisation de la valeur créée par les technologies
  • Valorisation des technologies en interne et en externe
  • Interroger les différents systèmes numériques (PLM, MES, ERP …), recherche des retours d'expériences saisis

Digitaliser la ligne de fabrication

  • Conception et/ou amélioration de l’outil de production (maquette numérique de l’usine, outils de réalité virtuelle et de simulations, méthodes d’ingénierie système)
  • Modélisation et réalisation des simulations numériques dynamiques et prédictives
  • Optimisation de la qualité des produits et des performances de l’usine, outils de simulation et de contrôle de procédés
  • Agilité des procédés
  • Proposition d’une chaîne de production reconfigurable et flexible
  • Optimisation des process de fabrication intégrant des systèmes numériques adaptés (cobotique, objets connectés, AGV …)
  • Chasse aux gaspillages qui s'étend au CO2, dépense en eau, en rejet / intégration des concepts du Lean Green et de l'économie circulaire, écoconception
  • Déploiement de « l’homme augmenté » : les informations nécessaires

Maîtriser les données à l’ère du Big Data

  • Exploration et exploitation des données décisionnelles (Big Data), utilisation des outils du data mining (classification, segmentation, arbres de décision, règles d'association ou d'analogies) et du Text mining
  • Recherche de corrélations et conclusions opérationnelles
  • Modélisation des données de différentes sources, indicateurs de l’entreprise
  • Outils de visualisation et de présentation des indicateurs de ces grands jeux de données
  • Les possibilités d'analyses prédictives
  • Analyse des besoins des secteurs et pertinence des indicateurs
  • Regard critique sur les données exploitées, traitement des données : confronter pour délivrer la bonne information
  • Vulgarisation des analyses et résultats statistiques, partager des conclusions
  • Collecte automatique des données (exemple : sur un équipement industriel)
  • Analyse des données massives
  • Traitement rapide des grandes quantités de données non structurées

Projets réalisés

L'évaluation

Diplôme

Modalités d'admission

Pour plus d’informations concernant l’admission, rendez-vous sur le site ISMANS CESI ou contactez le campus souhaité pour connaître les places disponibles.