Blog Lexmark
Thought Leadership
Transformation de l'activité axée sur la base des données : Application de l'intelligence issue des données au secteur de la fabrication
| Par Michael Bensing, Senior Toner Development Engineer, Lexmark
Grâce à la forte démocratisation des données et de leur analyse, Lexmark a su augmenter l'efficacité et diminuer les coûts de fonctionnement de la fabrication de son toner.
BALISES : Fabrication, Internet des objets, Analytique, Intelligence artificielle, Thought Leadership, Digital Thread
Malgré la valeur incontestable des données et de leur analyse pour les sociétés, seules 14 % des entreprises actuelles les rendent accessibles aux employés. Et seulement 52 % des employés au contact de la clientèle ont accès à ces informations au quotidien. Lorsque les données circulent librement, il est possible de les extraire et de les utiliser pour résoudre les difficultés d'une entreprise.
Les responsables en sont conscients et s'efforcent de rendre les données plus disponibles, comme nous l'avons fait chez Lexmark. Afin d'accélérer notre transformation numérique et de rendre nos données plus exploitables, nous avons brisé les silos internes, donné aux employés les moyens d'analyser et de partager les informations, et adopté un changement organisationnel.
Ayant accès à des données précieuses, nous avons cherché les domaines de notre activité pouvant être améliorés grâce à l'analyse des données. La réponse fut claire : nos coûts d'exploitation et notre efficacité dans le secteur de la fabrication.
Utilisation des analyses pour améliorer les processus complexes
L'analyse des données s'applique au toner que nous fabriquons pour nos imprimantes. Le développement d'un toner est un processus chimique complexe en plusieurs étapes supervisé par les membres de notre équipe. Le processus en lui-même exige de transformer des matériaux de manière contrôlée. Il s'agit d'un processus difficile susceptible d'être bouleversé par le moindre petit changement.
En raison de la nature de la prise de décision humaine, avec des opinions et des jugements différents, le processus n'était pas toujours précis. En outre, les décisions humaines étaient prises selon des données en temps réel limitées et elles ne répondaient pas pleinement aux exigences de nos analyses. Par conséquent, nos résultats étaient inégaux (croissance incontrôlée des particules, cycles longs et disparates, etc.).
Pour résoudre ce problème, nous avons opté pour une exploration basée sur les données afin d'améliorer le contrôle de nos processus et de réduire la durée des cycles. Dans un premier temps, nous avons choisi d'exploiter la puissance des quantités importantes de données que nous créons.
Les données en tant que solution
Notre système de fabrication génère et enregistre de grandes quantités de données sur chaque lot de toner. Cependant, aucune analyse/extraction active n'était réalisée. Nous avons d'abord cherché à résoudre cette erreur et cette absence de partage des connaissances.
Pour commencer, nous avons combiné, nettoyé et analysé des ensembles de données sur la fabrication historique. Environ 20 millions de données provenant de 200 lots de toner ont fait l'objet d'une analyse.
Au cours de ces recherches, nous avons déterminé la source de nos problèmes de contrôle des processus. Nous ignorions l'impact considérable d'un élément mineur sur les résultats. Nous avons alors été en mesure d'ajuster notre approche et de créer des algorithmes plus précis pour pouvoir prendre des décisions et aboutir à des résultats homogènes.
Favoriser la culture de l'innovation
Ces découvertes, entre autres, et les améliorations consécutives ont vu le jour grâce aux efforts de l'un de nos membres, Catherine Randolph. Anciennement analyste recherche et&développement chez Lexmark, Catherine Randolph a rejoint l'équipe de développement du toner, confiante que sa passion pour l'analyse des données serait satisfaite dans le cadre de ce projet.
Avec d'autres membres de l'équipe Lexmark, elle a étudié la documentation scientifique pour mieux comprendre le processus de fabrication du toner et la façon de l'améliorer. Malgré la profusion des recherches sur la fabrication, les modèles de processus décrits se rapportaient généralement à des systèmes plus simples, mais pas aux processus relatifs au toner. L'intérêt particulier portée par Catherine Randolph à l'approche fondée sur les données, ainsi que notre besoin de résoudre le problème du contrôle des processus, ont abouti à la création des outils nécessaires pour développer et piloter ce projet.
Des résultats basés sur les données
Une fois le nouveau modèle de production de toner à partir des données en place, nous avons considérablement amélioré le contrôle de nos processus, réduit la durée totale du cycle et diminué nos dépenses de fabrication. Nos efforts ont été récompensés par l'attribution du Manufacturing Leadership Award en raison de la qualité de notre ingénierie et de notre technologie de production.
Ce projet se poursuivra par étapes et nous prévoyons une amélioration encore plus importante à l'échelle du conseil d'administration une fois la phase terminée. Tout cela illustre la puissance des données et à quel point il est important de ne pas gaspiller d'informations.
Ce processus nous a permis d'aboutir à trois conclusions essentielles que vous pouvez appliquer à votre entreprise :
- Il convient de tirer des leçons de chaque réussite. Recherchez comment prendre en compte les informations et les processus acquis dans un domaine pour les exploiter dans d'autres secteurs de votre entreprise.
- Abordez vos besoins avec réalisme (y compris les ressources et les délais) et répondez-y avec justesse. Vous obtiendrez de meilleurs résultats en faisant les choses correctement dès la première fois.
- On ne sait jamais d'où surgira une innovation. Une seule idée peut changer toute votre activité. C'est pourquoi il est si important de favoriser la culture de l'innovation. Même si un projet ne passionne qu'une petite partie de l'équipe, il permettra peut-être d'améliorer sensiblement l'efficacité de toute l'entreprise.
Êtes-vous prêt à exploiter la force de transformation de vos données ?