Comment démarrer un projet d'analyse de données dans la fabrication

Cet article concerne

• En tant que spécialiste du marketing spécialisée dans les solutions logicielles, Stefanie aborde certaines questions de base sur l'analyse de données que les experts en production soulèvent généralement.

Le sujet de l'analyse des données est aussi médiatisé qu'il est remis en question - le spectre des opinions va des « données en tant que nouveau pétrole de l'économie » à « les conclusions des analyses ne sont pas fiables à 100 % » et toutes les nuances entre les deux. Chacun est vrai à sa manière. Pour vous aider à mieux comprendre ce sujet, j'ai rassemblé quelques questions récurrentes que les experts en production soulèvent habituellement, et j'en ai discuté avec nos ingénieurs en analyse de fabrication, nos experts informatiques et nos data scientists.

1. A quel niveau organisationnel ou avec quelle fonction notre projet d'analyse de données doit-il commencer ?

Il n'y a pas de meilleur niveau ou fonction. Le point de départ d'un projet dépend de plusieurs facteurs :

Le concept d'analyse de données est-il déjà bien compris dans votre entreprise ?
Sinon, la meilleure façon de commencer est d'organiser un atelier d'orientation sur l'analyse de données pour les experts et la direction. L'objectif de cet atelier est de transmettre une compréhension de base des possibilités de l'analyse et d'identifier les cas d'utilisation potentiels.

La direction a-t-elle une compréhension (profonde) du processus technique ?
Sinon, un atelier d'exigences avec des experts du site de production peut être votre premier choix. La sortie est généralement un diagramme de cause à effet (voir ci-dessous). En règle générale, notre équipe d'analyse de données (composée d'experts en informatique, en fabrication et en science des données) pose des questions approfondies, telles que :« Voulez-vous faire la différence entre retravailler et rebut ? » Dans le meilleur des cas, il peut être très utile d'impliquer la direction pour obtenir une adhésion sérieuse.

Source :Bosch.IO

Le problème que l'analyse des données devrait résoudre a-t-il été défini concrètement ?
Si c'est le cas, vous pouvez d'abord opter pour un outil d'analyse. Le problème peut être aussi concret que « l'effort de test EoL est trop élevé et doit être réduit ». Une équipe d'analyse peut alors immédiatement commencer à travailler avec les experts du site de production pour déterminer si un outil existant de réduction du temps de test peut être appliqué ou comment il peut être nécessaire de le personnaliser ou de l'étendre.

2. Quelles perspectives devons-nous gérer dans un projet d'analyse de données ?

Grâce à une étude UX menée par Bosch, nous savons qu'il existe trois types d'experts en usine qui doivent être abordés, chacun d'une manière complètement différente - par ex. davantage au niveau commercial, davantage au niveau technique ou davantage au niveau des données.

Source :Bosch.IO

Le type sceptique a besoin de preuves des avantages que l'analyse des données apportera. Pour convaincre les sceptiques, nous avons besoin d'une excellente compréhension des mécanismes de retour sur investissement, et nous devons être capables de valider ces mécanismes rapidement avec des résultats, en nous concentrant sur le rendement, la qualité et les coûts.

L'ouverture d'esprit type est intéressé par de nouvelles façons d'optimiser les choses. L'accent doit être mis sur l'explication des méthodes utilisées, des raisons pour lesquelles certains algorithmes sont sélectionnés et des raisons pour lesquelles le modèle de prédiction résultant est prêt à être appliqué aux données en direct.

Le croyant a généralement déjà été exposé à l'analyse de données et pense que cela peut faire la différence pour l'entreprise. La meilleure façon de commencer est d'appliquer immédiatement CRISP-DM (processus standard intersectoriel pour l'exploration de données, voir schéma ci-dessous) avec lui et l'équipe du projet d'analyse de données.

Source :Bosch.IO

D'après notre expérience, les ateliers d'orientation se sont généralement avérés très utiles pour obtenir l'adhésion de toutes les parties prenantes. Nous commençons généralement par la question métier, puis nous itérons en comprenant le processus technique et les contraintes liées à cette question. Plus d'une fois, nos ingénieurs ont réussi à convaincre les clients qu'une analyse de régression complexe peut facilement être présentée comme un avantage.

3. De quelles connaissances avons-nous besoin pour mener un projet d'analyse de données ?

Stefanie Peitzker

J'ai un diplôme d'études supérieures en gestion avec une spécialisation en géographie (Université d'Augsbourg, Allemagne). Depuis 2003, je travaille pour Bosch.IO (anciennement Bosch Software Innovations) :j'ai développé le marketing pour Visual Rules, notre système de gestion des règles métier et j'ai contribué à gagner des clients dans le monde entier. Depuis janvier 2009, je dirige l'équipe Marketing Solutions de Bosch.IO, une équipe agile de sept associés actuellement, qui essaient tous d'en savoir plus sur les besoins des clients et les tendances du marché, en se concentrant sur la transformation des solutions logicielles en une véritable expérience.

Votre équipe d'analyse de données doit acquérir une compréhension de base dans trois domaines :

Entreprise : En tant que client, vous devez leur parler des objectifs et des exigences du projet d'un point de vue commercial afin qu'ils puissent convertir ces connaissances en une définition du problème d'analyse de données.

Données : Préparation, modélisation, évaluation et déploiement des données, de la simple génération de rapports au déploiement en direct de modèles prédictifs. La compréhension pure des données s'est avérée être une base solide utile dans de nombreux secteurs, mais l'accent n'est pas mis sur la fabrication.

Processus technique : En tant que client, vous devez fournir une explication de base de la chaîne de valeur globale de la production, par ex. le processus de soudage, le processus laser, les tests ou le processus de serrage, selon la question à laquelle l'analyse doit répondre. C'est là que l'équipe d'analyse a besoin de l'ingénieur d'analyse de fabrication.

4. Quel travail préparatoire mon organisation de fabrication doit-elle effectuer avant de déployer Manufacturing Analytics ?

À première vue, la collecte et la préparation des données semblent être un défi pour de nombreux experts en production. Le travail de base pour eux est de rendre les données disponibles selon les besoins. "Nous n'avons pas les données" n'est pas une réponse valable. Mais ce n'est pas sorcier. Nous recommandons une directive sur la qualité des données qui guide les clients tout au long du processus de préparation des données en termes de quantité, de qualité et de validité nécessaires pour l'analyse.

Source :Bosch.IO

5. Quelle est la quantité minimale de données requise pour appliquer l'analyse ?

En règle générale, nous vous suggérons d'avoir au moins 15 observations ou ensembles de données par variable d'influence. En d'autres termes, pour analyser l'influence de 30 paramètres de processus sur un indicateur de qualité, au moins 30 * 15 =450 ensembles de données seraient nécessaires.

De manière générale, bien sûr, plus vous avez d'ensembles de données, mieux c'est. Ne vous inquiétez pas, un plus grand nombre d'ensembles de données n'augmente pas considérablement la quantité de travail manuel. De plus, ils n'ont qu'un impact mineur sur le temps de calcul, qui est généralement négligeable avec la bonne infrastructure informatique d'analyse de données.

Étant donné que la quantité, la qualité et la validité des données acquises et préparées sont cruciales pour la réussite du projet, il est rentable d'investir dans cette phase de votre projet. Pour vous guider davantage, nous avons mis en commun notre expérience de nombreux projets dans un ensemble de lignes directrices sur la qualité des données. Nos clients utilisent ces directives pour générer une base de données adéquate sans investir inutilement du temps ou de l'argent dans la collecte de données.

6. Puis-je toujours tirer parti de l'analyse si mon entreprise n'a pas de data scientists ou une grande équipe informatique ?

C'est exactement ce que votre partenaire d'analyse professionnel contribuera pour vous aider à réaliser votre projet et votre solution. Une équipe compétente est composée d'un mélange d'ingénieurs de fabrication, d'experts informatiques et de scientifiques des données. Cette combinaison est la clé pour résoudre votre problème avec une approche analytique allégée, car le développement de votre solution basée sur l'analyse nécessite une compréhension de l'entreprise, des données et du processus technique. Vous n'avez pas besoin d'embaucher de data scientists pour votre organisation. Votre partenaire professionnel présentera des ateliers d'avant-projet sur l'analyse de base, où vous apprendrez à identifier les cas d'utilisation possibles et à aider à valider les modèles développés. Vous appliquerez ensuite ces connaissances lors de réunions de projet pour discuter des résultats.

Source :Bosch.IO