Napoléon aurait dit : « Une armée marche sur son estomac. » De la même façon, on peut dire qu'une entreprise marche sur ses données. Dans les marchés à évolution rapide et le paysage technologique en transformation accélérée d'aujourd'hui, les données sont l'épine dorsale qui sert de base à pratiquement toute décision d'affaires. Sans données, une entreprise finit par couler.
Il est crucial pour une entreprise d'avoir des données disponibles — mais ces données doivent être actuelles, pertinentes, interprétables et, surtout, fiables. Une information fiable est le fondement de tout système de gestion de production et le cœur de tout projet d'amélioration continue.
Exactitude vs précision
Savoir si vos données sont fiables ou non dépend de la compréhension de deux mots : exactitude et précision. Ces mots sont souvent utilisés de façon interchangeable, mais ont en fait des significations entièrement différentes. L'exactitude renvoie à la proximité d'une mesure par rapport à un standard prédéfini. Par exemple, si vous pesez un objet réputé peser exactement une livre, une mesure exacte serait une livre.
La précision, quant à elle, concerne la répétabilité de la mesure. Ainsi, si vous pesez l'objet d'une livre cinq fois et obtenez des mesures très rapprochées, les mesures sont dites précises, même si elles ne sont pas exactement d'une livre. Dans ce cas, les mesures seraient dites précises mais inexactes. Un reporting fiable devrait produire des données à la fois précises et exactes.
Fiabilité des données collectées manuellement
Plusieurs systèmes de mesure de production utilisent la collecte manuelle. Des techniciens parcourent l'usine et enregistrent manuellement les données en comptant les produits ou en relevant l'information directement sur les équipements ou les registres de production. Des analystes traitent ensuite ces registres et créent des rapports pour la direction. Cependant, cette approche comporte des problèmes inhérents :
Erreur humaine
Les données saisies au clavier sont sujettes à l'erreur humaine. Dans une étude menée en contexte médical, la précision de saisie des données a été mesurée champ par champ avec les résultats suivants : « Tous champs confondus, le taux d'erreur était de 2,8 %, alors que les erreurs par champ variaient de 0,5 % à 6,4 %. » Ce taux signifie que pour chaque 100 unités de données saisies, environ trois étaient incorrectes. Ce niveau d'erreur est à prévoir dans tout système manuel.
Forte intensité de main-d'œuvre
Les données collectées manuellement exigent beaucoup de main-d'œuvre. Après leur collecte, elles doivent être converties en rapports. De plus, le personnel sur les lignes de production peut devoir prendre le temps de faire ses propres saisies. Le personnel de ligne considère souvent ces tâches comme peu prioritaires, et la précision des données est sacrifiée au profit d'un peu plus de production.
Délais de traitement lents
La valeur des données de gestion et de performance diminue avec le temps. Plus tôt un gestionnaire sait qu'une machine tourne lentement ou qu'elle est au ralenti, plus tôt il peut régler le problème. Les systèmes manuels sont caractérisés par des délais chroniquement longs, et les superviseurs doivent attendre les résultats. Les délais signifient de la production perdue.
Mesure incorrecte / mauvaise interprétation
Le système doit être conçu pour que seules les données utiles soient mesurées et rapportées. Par exemple, pour des steaks coupés à la main, l'équipe devrait-elle peser les articles individuels, les retailles utilisables, les pertes au sol, les dimensions, tout cela, rien de cela ou autre chose ? Comment les peseuses de contrôle devraient-elles être calibrées ? Chaque étape du procédé doit être étudiée pour identifier le ou les éléments appropriés à mesurer.
Recevez-vous des données fiables de votre ligne de production ?
Savoir que vous recevez des données fiables repose sur la vérification des mesures, l'assurance de la répétabilité, des calibrages d'équipement appropriés et la formation des employés. Tout système de mesure peut livrer des résultats fiables si l'on consacre suffisamment d'efforts et d'argent à gérer le procédé. Cependant, dans le monde des affaires d'aujourd'hui, recevoir des données fiables une semaine ou un mois plus tard n'est pas acceptable.
Votre système de collecte de données est-il efficace ?
Les données doivent aussi être obtenues rapidement et présentées dans un format facile à comprendre et centré sur la décision. Habituellement, cela signifie automatiser le procédé. Par exemple, la précision peut être multipliée par plusieurs en utilisant la lecture de codes-barres, qui affiche des taux d'erreur de moins d'une erreur sur un million de lectures. Rapporter rapidement les résultats est aussi essentiel. Des capteurs à distance fixés à l'équipement de ligne peuvent envoyer les données sans fil vers des ordinateurs, qui analysent ensuite les données et produisent des résultats en temps réel.
Interpréter les données
Les présentations graphiques ou autres formats de données devraient être conçus pour aider les gestionnaires à prendre des décisions sur les procédés et l'efficacité des lignes de production. Des mesures comme les temps d'arrêt ou les ralentissements de ligne devraient apparaître immédiatement pour que des actions correctives soient prises. L'analytique Smart Factory traite instantanément les données de mesure et aide les gestionnaires à prendre des décisions éclairées.
Obtenez des résultats en temps réel de votre ligne de production
La fiabilité est un élément essentiel de tout système de mesure d'une ligne de production. Obtenir l'information dont vous avez besoin, quand vous en avez besoin, est la clé pour atteindre une performance optimale. Les données collectées automatiquement par les équipements et les peseuses de contrôle peuvent être envoyées sans fil vers des ordinateurs. Des résultats en temps réel peuvent alors être produits, donnant aux gestionnaires un avantage de profit dans le marché ultra-concurrentiel d'aujourd'hui.
