27 Jun
2023

Au-delà des chiffres : maximiser le retour sur investissement dans le secteur manufacturier grâce à l'analyse de données

L'intelligence des données provient de chiffres bruts. Ces informations doivent être analysées et traduites en actions ayant un impact sur l'entreprise. Mais avec des données qui s'accumulent plus vite qu'elles ne peuvent être transformées en analyses de données manufacturières, les entreprises ratent des opportunités.

Données manufacturière
Intelligence des données
Analyse manufacturière
Machine Monitoring
Au-delà des chiffres : maximiser le retour sur investissement dans le secteur manufacturier grâce à l'analyse de données

Le dilemme du Big Data

L'intelligence des données provient de chiffres bruts. Ces informations doivent être analysées et traduites en actions ayant un impact sur l'entreprise. Mais avec des données qui s'accumulent plus vite qu'elles ne peuvent être transformées en analyses de données manufacturières, les entreprises ratent des opportunités.

Ce chaînon manquant entre les chiffres bruts et l'analyse de données manufacturières est bien réel et répandu dans tous les secteurs. Un récent rapport de Wakefield Research révèle que si 96 % des responsables des données utilisent les informations pour créer de nouvelles sources de revenus, seuls 20 % sont en mesure d'utiliser toutes les données capturées. Cela signifie que 80 % des entreprises opèrent partiellement dans le noir et ne parviennent pas à tirer parti des opportunités et des investissements.

Selon l'étude, 78% des personnes interrogées confirment que les données croissent plus vite que leur capacité à en tirer la valeur. Cela crée non seulement des opportunités manquées, mais limite considérablement le retour sur investissement. Les principales raisons du problème d'analyse des données incluent un manque de compétences techniques (43 %) et une infrastructure de données médiocre ou désuète (34 %).

L'une des principales causes de cette incapacité à tirer pleinement parti de l'intelligence des données est que les informations sont en grande partie inaccessibles. 98 % des responsables de données déclarent qu'il existe des silos de données dans leur entreprise, et 69 % déclarent que leurs données sont cachées et incapables d'être pleinement utilisées. Ces facteurs sont liés au temps nécessaire pour récupérer les données (46 %), au risque de perturbation (44 %) et aux dépenses encourues afin d'accéder à ces données (44 %).

Yannick Desmarais, fondateur et chef de l'exploitation de Worximity, affirme que ce dilemme bloque les opportunités d'amélioration et empêche une croissance significative.

« La direction doit avoir accès à des données exploitables sans avoir à compter sur une équipe d'analystes pour les fournir. Et pour ceux qui supervisent plusieurs usines, le volume de données peut être écrasant. »

Par ailleurs, Desmarais a expliqué que les responsables de prise de décisions doivent avoir la capacité de prévoir les incidences de leurs décisions sur l'ensemble de l'entreprise.

« Prenez l'exemple d'une entreprise manufacturière qui réduit ses coûts pour obtenir un gros contrat ou afin de ne pas perdre un client. De prime abord, on pourrait penser que c'est une proposition gagnante. Mais toutes les actions ont des conséquences, et le gestionnaire doit être en mesure de prévoir avec précision l'incidence qu'aura  l'obtention ou la perte d'un tel contrat sur l'ensemble de l'entreprise et ultimement sur le résultat net. Sans analyses de données manufacturières, cela est impossible ou sujet à l'erreur humaine.

De l'acquisition de données à l'intelligence des données

Les données obtenues grâce à la surveillance des machines, des opérations et des systèmes offrent aux entreprises manufacturières la possibilité d'exploiter ces statistiques pour améliorer la production. Un article sur Indeed.com mentionne qu'en plus d'augmenter la production et de réduire les temps d'arrêt, ces informations peuvent être exploitées pour atteindre des objectifs d'amélioration comme l'amélioration des flux de travail et l'augmentation de la qualité des produits.

L'article mentionne que l'agrégation est une méthode éprouvée pour aider à mettre en œuvre l'analyse de données manufacturières. La compilation de grandes quantités d'informations brutes provenant de plusieurs sources dans une seule base de données aide les entreprises à analyser les données et à extraire des insights tout en diminuant les étapes manuelles.

Un nombre croissant d'entreprises profitant de l'analyse de données manufacturières se tournent vers Worximity pour capturer les données d'exploitation des machines de production, agréger les données dans une base de données, puis utiliser les informations pour remédier aux inefficacités, identifier les opportunités d'amélioration, déterminer l'investissement et quantifier le retour sur celui-ci.

Prolifik est un principal fournisseur de gaines de ventilation en acier galvanisé de haute qualité. La directrice de l'amélioration continue de l'entreprise, Veronic Chenier, s'est appuyée sur les analyses de données obtenues grâce aux outils numériques de gestion de performance de Worximity pour apporter des améliorations à une chaîne de production. Une fois que les temps d'arrêt ont été réduits et que le débit a augmenté sur cette ligne, Chenier a pu réaffecter la main-d'œuvre, gagnant essentiellement la moitié d'une ressource.

Pour Prolifik et les 20 % d'entreprises qui exploitent pleinement leurs données, les analyses de données guident les décisions qui sont prises, ce qui se traduit par des améliorations mesurables des résultats.

Décomposer vos données

Ce n'est un secret pour personne que les données sont le carburant qui alimente les entreprises. Elles fournissent des informations exploitables (insights), prédisent les résultats futurs, stimulent l'amélioration et rassurent les gens lors de la prise d'une décision critique. Ce qui semble être un secret, c'est comment en extraire la valeur et maximiser son potentiel.

Un article de 2022 du Forum économique mondial fait référence à une étude de 2021 portant sur plus de 1300 cadres d'entreprises manufacturières. Les résultats ont révélé que seulement 39 % avaient réussi à augmenter les cas d'utilisation de données dans un contexte allant au-delà du processus de production d'un seul produit et avaient ainsi réalisé une analyse de rentabilisation clairement positive.

À première vue, l'extraction d'analyses de données manufacturières à partir de données peut sembler intimidant. La clé est de décomposer le processus en objectifs gérables plus petits et en contenu digeste.

Commence zen répondant à ces questions :

·     Pourquoi ces données sont-elles nécessaires ?

·     De quelles informations avez-vous besoin ?

·     Où pouvons-nous accéder à ces informations ?

·     Avec qui ces données doivent-elles être partagées ?

Worximity travaille avec des entreprises manufacturières de tous types et de toutes tailles pour collecter et analyser les données de production, et les traduire en analyses de données manufacturières qui guident les bonnes actions. Ne soyez pas intimidé ou submergé par le Big Data. Nous vous fournirons les outils et les ressources nécessaires pour vous guider tout au long de chaque étape du processus. Apprenez comment.

Want to learn more?
Download the ebook
Related blog articles

Articles connexes

Retour au blog
Nous vous remercions ! Votre demande a bien été reçue !
Oups ! Un problème s'est produit lors de l'envoi du formulaire.
18
Juillet 2018

Are you as a manufacturer ready for IIoT?

English
10
Juillet 2018

Kick-starting Digital Transformation in IIoT

English
20
Juillet 2018

Monitoring and IIoT—It's All About People

English

Articles connexes

Retour au blog
Nous vous remercions ! Votre demande a bien été reçue !
Oups ! Un problème s'est produit lors de l'envoi du formulaire.
30
Août 2019

3 Impacts of an Operations Manager Who is Fully in Control of Their Production Floor in Real-Time

There is a wide array of issues that may arise on a factory floor on any given day. When an operations manager has real-time production control...

English
9
Août 2019

Manufacturing OEE: Understanding Machine Availablity

Discover everything you need to know about OEE in manufacturing, from availability and reliability to maintainability.

English
15
Nov 2019

IIoT and Continuous Improvement

The IIoT is impacting quality improvement initiatives like Continuous Improvement and Lean Manufacturing.

English