Problématique
Quels sont, parmi le grand nombre de
paramètres potentiellement influents, ceux qui agissent
directement sur la ou les variable(s) cible(s) qu’il s’agit
d’optimiser ?
Les études de corrélation dites « deux à
deux » s’avèrent généralement peu
précises, largement insuffisantes et ne permettent pas de mettre
en évidence les effets simultanés de l’ensemble des
paramètres influents pour déterminer des règles
opérationnelles de conduite de votre processus
(comme l'illustre le
schéma en bas de page, une règle
opérationnelle correspond, pour chacun des paramètres
influents, aux intervalles de valeurs les plus favorables pour la
variable de sortie dite "cible").
K-process, peut à l’aide
d’algorithmes spécifiques de data mining identifier
l’ensemble des paramètres influents de votre
processus et quantifier leur impact sur la bonne marche de
celui-ci. K-process est alors capable de déterminer un
modèle explicatif, prédictif et robuste dont la
validité repose sur l’analyse simultanée d’un
grand nombre de paramètres, ceux-ci pouvant dépasser la
centaine.
De
manière pratique
K-process capte d’abord
l’information telle quelle, issue de vos procédés,
la traite et l’analyse de manière globale et peut
supporter qu’une fraction des données au sein de la
matrice de recueil soit manquante.
K-process travaille sur des variables numériques continues, binaires,
nominales…
S’ensuit l’approche data mining (ou exploration des bases
de données pour la recherche de l'information pertinente) qui va
permettre à K-process de discriminer les paramètres
influents parmi l’ensemble des paramètres analysés
pour, enfin, déterminer un modèle de votre
processus.
Seulement si nécessaire, K-process peut affiner le modèle
ainsi déterminé en limitant l’analyse aux seuls
paramètres influents lors d'études ultérieures.
Méthode
Pour atteindre cet objectif, K-process
utilise
une méthode de travail qui lui est propre et qui comprend deux
étapes principales :
•
Première étape : la cartographie du processus
La première étape est
appelée cartographie du processus. Elle exige de
K-process de s’impliquer fortement sur le terrain industriel avec
vos experts métier. De par notre expérience aucune analyse
multidimensionnelle, aucun data
mining, ne peuvent être menés correctement sans avoir pu
au préalable observer les procédés avec
l’assistance des experts métiers associés au
projet.
La cartographie du processus conduit à
l’élaboration de la charte projet qui permet :
- De mettre en place sur votre site
industriel un groupe de travail
- De définir votre chef de projet
interlocuteur de K-process
- De fixer à K-process les objectifs à
atteindre et les enjeux économiques associés
- De définir le périmètre industriel de
la mission de K-process
- De bâtir ensemble un planning de
travail
- De définir la nature, la
quantité, la dispersion de l’information à traiter
- De vous proposer si nécessaire des
relevés de données supplémentaires
ou des approches statistiques particulières pour palier à
une quantité d’informations à traiter trop faible
ou trop dispersée.
- Enfin d’estimer les chances de succès
du projet en rapport avec les objectifs fixés
ainsi que le retour sur investissement.
En vue du data mining, la discussion entre
K-process et vos experts métiers permet de déterminer :
- Vos types de données
- La fréquence et leur mode
d’acquisition
- L’étendue du recueil pour l’obtention
d’un résultat d’analyse suffisamment robuste
- Le format informatique de celui-ci
Dans cette première étape sont mis en
œuvre les outils associés au Six Sigma.
Les cas suivants que nous avons
traités sont la preuve de la nécessité d’une
collaboration étroite entre K-process et les experts
métier chez nos clients:
- Cas 1 : Objectif fixé = quantifier la
« propreté » d’une ligne industrielle quand il
apparaît que ce paramètre influe le taux de casse sur la
ligne et alors qu’aucune mesure de la propreté n’est
encore établie.
- Cas 2 : Objectif fixé = savoir tenir
compte
des phénomènes transitoires spécifiques à
un procédé discontinu ou présentant des temps
d’arrêt importants.
- Cas 3 : Objectif fixé = traiter les
décalages temporels liés aux processus continus mais à inertie très
importante.
•
Deuxième
étape : la détermination des règles
opérationnelles de conduite du processus
Après la première étape qui
comprend le recueil des données, la deuxième étape
est la réalisation du data mining.
Il permettra à K-process de vous proposer la
détermination de règles opérationnelles de
conduite des procédés de votre processus en rapport avec
l’objectif défini lors de la précédente
étape.
La détermination de ces règles opérationnelles
s’établit sur des modèles explicatifs et
prédictifs robustes. Cela signifie que les règles peuvent
être utilisées de manière fiable pour le pilotage
de l'ensemble du processus sous réserve que celui-ci demeure
invariant c’est-à-dire à «type et niveau
d’équipements constants ».
Dans le cas d’une modification du type des équipements il
est possible par un nombre minimum d’essais sur site et par des
réajustements mineurs du modèle de déterminer de
nouvelles règles sans qu’il soit nécessaire de
procéder à un autre data mining.
Les règles opérationnelles tiennent compte des
variabilités spécifiques de chacun des procédés et des limites de
fonctionnement de
ceux-ci.
Par ailleurs, pour atteindre l’objectif fixé, le data
mining permet de déterminer
précisément :
- quel type d’équipement doit être
piloté différemment.
- les conditions requises pour
ces modifications.
