Dans le secteur manufacturier, la quantité de données opérationnelles collectées est plus importante que jamais. Des indicateurs de disponibilité, de performance, de qualité, etc., sont calculés et ventilés par jour, ligne de production et équipe. Toutes ces données sont largement accessibles via des tableaux de bord, souvent situés directement sur la chaîne de production. Les responsables de production peuvent ainsi analyser les données en profondeur et comprendre précisément les raisons des bonnes et mauvaises performances de la production hier, la semaine dernière et le mois dernier. Cependant, lorsqu'on leur demande comment améliorer leurs indicateurs, ils se contentent de pointer du doigt la barre la plus haute d'un diagramme de Pareto ou de donner des réponses vagues sur la réduction des erreurs et l'amélioration des processus. Cela peut les amener à s'acharner sur un indicateur retardé, un problème erroné ou un incident ponctuel, autant d'éléments qui engendrent un gaspillage de ressources.
Une approche plus efficace consiste à appliquer des modèles prédictifs et des prévisions pour anticiper l'avenir et élaborer un plan de gestion des actifs visant l'amélioration. Cette présentation met en lumière les outils de JMP permettant d'analyser les données opérationnelles et les techniques de prévision à partir de ces données afin d'identifier précisément les axes d'amélioration. Cette présentation aborde les points suivants :
- Comment utiliser les outils JMP pour nettoyer les données opérationnelles afin qu'elles soient prêtes pour l'analyse.
- Différents types de modèles à envisager pour la prédiction.
- Établir des prévisions à partir des données afin d'estimer l'avenir ; identifier l'impact des améliorations.
La présentation se conclut par une démonstration de la manière dont ce processus a été appliqué à des données opérationnelles réelles et des enseignements qui en ont été tirés.
