DECIDE4ACTION : Conçu pour l’intelligence industrielle

Magazine Smart Manufacturing : DECIDE4ACTION, OTD et Manufacturing Intelligence

Le blog de février “DECIDE4ACTION : La naissance de la prise de décision simplifiée” a présenté ce qui a déclenché le début de DECIDE4ACTION. C’était vers 2011, Richard Bergeron était en charge d’un fabricant de condensateurs électroniques basé en Floride (Exxelia Dearborn). Le logiciel de “couche supérieure”, conçu sur mesure, a traité les informations dans toute l’organisation et a préparé les gens à prendre des décisions plus éclairées. Cette “couche” est devenue DECIDE4ACTION.

Dans le numéro de mai du magazine Smart Manufacturing, disponible à l’adresse AdvancedManufacturing.org, La chronique de Richard a décrit plus en détail ce qui appelait à une approche plus intégrée des données pour une meilleure prise de décision. A consulter “A&D Parts Maker Goes OCD on OTD, Thrives With New Tool.

Commencé à cause des défis de l’OTD

Extrait de l’article du magazine Smart Manufacturing du 26 avril 2019 :

Augmentation de l’OTD de 82% à 99%.

Exxelia Dearborn, un fabricant de condensateurs électroniques spécialisé dans les condensateurs à film et les filtres EMI/RFI, a régulièrement obtenu un taux d’OTD de 79% avec un taux de réussite élevé de 82%. De multiples efforts et équipes ont été essayés et mis en œuvre pour faire mieux. Mais les excuses et les obstacles typiques ont été présentés à maintes reprises pour expliquer pourquoi le taux d’OTD ne s’améliorait pas ou ne pouvait pas dépasser les 82 %.
Cependant, après avoir reçu des commentaires critiques de la part des clients de l’aérospatiale et du DOD, les responsables de Dearborn ont eu un peu de TOC (de manière saine) : Ils se sont fixé comme objectif d’atteindre un taux de 95 % de DOD, puis l’entreprise a effectivement atteint un taux de 99 % de DOD et y est restée.

Comment améliorer l’OTD

Pour améliorer l’OTD, commencez par examiner les domaines qui posent problème. Les fabricants savent que le DOD est affecté par une multitude de facteurs, tels que la programmation des ateliers, les estimations de rendement, les promesses mal informées, les plages de dates génériques, les erreurs d’inventaire, les planificateurs inexpérimentés, les erreurs d’expédition, les erreurs de spécification et les rejets des fournisseurs. Chaque facteur contribue à réduire le taux de DTO, et il ne faut pas qu’un problème majeur dans un domaine ait un impact significatif sur la DTO. Pour Dearborn, trois domaines ont été déterminés et reconnus comme étant les facteurs les plus critiques :

Promesses génériques

Ce problème est une combinaison de promesses mal informées et de plages de dates génériques. Lorsqu’un client finalise une commande, les employés de nombreux fabricants devinent encore le temps de production et la date de livraison parce qu’ils ne connaissent pas le temps de production exact et ne disposent pas d’une analyse précise de l’historique des livraisons.

Priorités des ateliers

Cette question était centrée sur la programmation et la priorité des séries de production. Dearborn avait en moyenne environ 2 000 commandes de fabrication, ce qui rendait difficile de déterminer facilement quelle commande à faire en premier ou quelle commande devait être déplacée par ordre de priorité. Il en résultait que l’atelier travaillait souvent sur une commande incorrecte en termes de priorité.

Projections de rendement

C’est un problème courant : les directeurs d’usine, les planificateurs et les responsables de la production savent que lors de la fabrication d’un produit, il y aura un pourcentage de produits rejetés ou perdus. Dans certaines industries, la fabrication peut perdre 45 % au cours d’un cycle de production.

La question à se poser est la suivante : Vos employés disposent-ils d’un outil qui les aide à déterminer avec précision la quantité de départ pour produire avec succès la quantité souhaitée ?

Les fabricants doivent également réaliser que le problème du DOT n’est pas dû aux différents programmes et systèmes, tels que l’ERP, le MES et l’inventaire. Le problème fondamental réside dans l’interprétation des données provenant de ces systèmes. On demande aux êtres humains de prendre des décisions précises sur la base de données dispersées et disparates, et non sur la base d’une intégration et d’une analyse complètes.

Les bonnes données à la bonne personne pour la bonne décision.

Enfin, présenter les bonnes données à la bonne personne pour la bonne décision.

Pour Dearborn, un outil a été mis à disposition. Cet outil est une plateforme décisionnelle qui relie les différents systèmes et intègre les données pour produire des informations analysées. La plateforme fore dans les systèmes pour trouver les données appropriées, achemine les données pertinentes via des tableaux de bord au personnel approprié et intègre l’intelligence artificielle pour automatiser les décisions simples.

Lorsqu’une décision complexe est nécessaire ou que les informations disponibles sont insuffisantes, la plateforme présente à un expert interne toutes les données et informations pertinentes afin qu’une décision éclairée puisse être prise sur la base de l’expérience et des connaissances de cet expert.

Pour Dearborn, la plateforme de prise de décision est devenue magique, ce qui s’est traduit jusqu’à présent par un taux de performance OTD extraordinairement bon pour plus de 40 000 pièces fabriquées. Les lourdes responsabilités et les inefficacités ont été supprimées, et les suppositions ont été remplacées par des données, des détails, de l’exactitude et de la précision.

Laissez DECIDE4ACTION vous aider dans vos opérations :

Si vous avez des questions ou si vous voulez faire circuler des idées, contactez DECIDE4ACTION à contact@decide4action.com ou appelez le 864.458.7587 x108. Nous serons heureux de mettre en place une discussion de démonstration personnalisée pour vous et votre équipe.