Résultats sectoriels : Trouver les défauts en fin de chaîne signifie que le coût est déjà engagé. Les fabricants qui excellent en qualité trouvent le signal avant la mise au rebut.
par Caitlin Gordon
CAS D'USAGE
Intelligence Qualité & Réduction Prédictive des Rebuts
Dans l'industrie manufacturière, la qualité a toujours été une histoire racontée après coup. Un rapport sur le taux de défauts arrive le jeudi. Il reflète ce qui s'est passé la semaine précédente. Au moment où les mesures correctives sont définies, examinées et mises en œuvre, une autre semaine s'est écoulée. Le problème qui a déclenché le rapport peut déjà s'être résolu de lui-même ou s'être aggravé.
Ce n'est pas de la négligence. C'est la conséquence naturelle de systèmes de données déconnectés. Vos données d'inspection en cours de production résident dans un endroit. Vos données de lots fournisseurs résident dans un autre. Votre surveillance environnementale - température, humidité, vibrations - se trouve ailleurs. La corrélation de ces signaux en temps réel nécessitait historiquement un ingénieur qualité dédié avec des compétences SQL et beaucoup de patience.
La qualité prédictive utilise les données de production, d'inspection et des fournisseurs - combinées à l'apprentissage automatique - pour prévoir les défauts avant qu'ils ne surviennent, plutôt que de les détecter lors de l'inspection finale. Elle fait passer la gestion de la qualité de la documentation réactive à l'intervention proactive. Dans la fabrication, la qualité prédictive est l'une des capacités fondamentales de l'Industrie 4.0, aux côtés de la maintenance prédictive et des jumeaux numériques.
La plupart des fabricants ont investi massivement dans la surveillance de la qualité. Tableaux de contrôle SPC, suivi CPK, enregistrement des défauts, les systèmes existent. Ce qui leur manque, c'est la capacité de synthétiser ces signaux en une réponse exploitable suffisamment rapidement pour avoir un impact.
Un responsable de la qualité ne devrait pas passer 40 minutes à extraire des données de trois systèmes pour répondre à la question : 'Le taux de défauts du nouveau fournisseur de polymères est-il corrélé à la variance de la température de notre presse ?' Cette question devrait prendre quarante secondes à répondre, pas quarante minutes.
La question n'est pas de savoir si vos données peuvent prédire les défauts. C'est presque certain. La question est de savoir si quelqu'un peut accéder à ces données assez rapidement pour agir.
Databricks Genie permet aux responsables qualité d'interroger leur ensemble complet de données opérationnelles en langage naturel. Cela change ce qui est possible dans une réunion d'examen de la qualité.
Au lieu d'examiner le résumé des défauts de la semaine dernière, un responsable qualité peut entrer dans une réunion et demander : 'Quels sont les trois principaux contributeurs à la cause première de la baisse de notre rendement de première passe sur la ligne de produits A au cours des 45 derniers jours, corrélés aux numéros de lots des fournisseurs ?' Genie fournit la réponse à partir de vos données réelles de production, d'inspection et d'approvisionnement - avec des citations.
Lorsque les responsables qualité peuvent accéder à leurs données et les interroger de manière conversationnelle, la fonction qualité change de caractère. Elle passe de la documentation de ce qui s'est mal passé à la compréhension de ce qui est sur le point de mal se passer et à l'action avant que le coût des rebuts ne soit engagé.
Ce n'est pas une petite amélioration opérationnelle. Dans la fabrication à haut volume, la réduction des taux de rebut, même d'une fraction de pourcentage, vaut une marge significative. Les données pour y parvenir existent déjà. Genie les rend accessibles aux personnes qui en ont besoin, dans le délai où l'intervention est encore pertinente.
La qualité prédictive utilise les données de production, d'inspection et des fournisseurs - combinées à l'apprentissage automatique - pour prévoir les défauts avant qu'ils ne surviennent, plutôt que de les détecter lors de l'inspection finale. Elle fait passer la gestion de la qualité de la documentation réactive à l'intervention proactive. Dans la fabrication, la qualité prédictive est l'une des capacités fondamentales de l'Industrie 4.0, aux côtés de la maintenance prédictive et des jumeaux numériques.
DATABRICKS GENIE · DIFFÉRENCIATEURS CLÉS
Conçu pour vos données, régi par vos règles, répondant aux besoins de tout chef d'entreprise.
Découvrez ce que Genie peut faire pour votre équipe
Databricks Genie est disponible dès aujourd'hui. Découvrez comment vos pairs de l'industrie l'utilisent pour réimaginer la manière dont ils accèdent à leurs données et agissent sur celles-ci.
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.