Demandez \u00e0 n’importe qui ce que signifie la \u00ab qualit\u00e9 \u00bb et il vous d\u00e9crira sans doute une exp\u00e9rience : un produit qui fonctionne de mani\u00e8re fiable, qui est bien adapt\u00e9 et qui dure longtemps.
Lorsque les entreprises optimisent le co\u00fbt de la qualit\u00e9, elles se concentrent g\u00e9n\u00e9ralement sur *ce qui* est produit et *comment* : moins de d\u00e9fauts, des processus plus rigoureux, un meilleur \u00e9quipement. Tout cela est tr\u00e8s utile. <\/p>\n\n
Pourtant, l\u2019int\u00e9grit\u00e9 des donn\u00e9es qui sous-tendent chaque d\u00e9cision en mati\u00e8re de qualit\u00e9 est rarement examin\u00e9e avec la m\u00eame rigueur. Et voici la r\u00e9alit\u00e9 : les r\u00e9sultats sont transcrits \u00e0 la main. Les donn\u00e9es proviennent de diff\u00e9rents syst\u00e8mes et se pr\u00e9sentent sous divers formats. Certaines ont \u00e9t\u00e9 saisies de mani\u00e8re erron\u00e9e \u00e0 la source \u2014 et le probl\u00e8me n\u2019appara\u00eet souvent qu\u2019une fois qu\u2019il a d\u00e9j\u00e0 entra\u00een\u00e9 des co\u00fbts importants. <\/p>\n\n
Une simple erreur de mesure ou un r\u00e9sultat mal \u00e9tiquet\u00e9 se limite rarement \u00e0 un seul \u00e9l\u00e9ment. Elle se r\u00e9percute sur les graphiques de contr\u00f4le statistique (SPC) et les analyses de cumul des tol\u00e9rances, o\u00f9 les \u00e9quipes prennent des d\u00e9cisions avec plus de confiance que ne le justifient les donn\u00e9es. Si elle n\u2019est pas d\u00e9tect\u00e9e, elle alimente l\u2019optimisation de la conception et fa\u00e7onne la prochaine version du produit. Un d\u00e9faut visible entra\u00eene du rebut ou n\u00e9cessite des ajustements dans les sous-syst\u00e8mes adjacents ; une erreur de donn\u00e9es invisible a quant \u00e0 elle un co\u00fbt qui d\u00e9passe parfois largement l\u2019ampleur de l\u2019erreur initiale. <\/p>\n\n
Les co\u00fbts li\u00e9s aux d\u00e9faillances repr\u00e9sentent g\u00e9n\u00e9ralement la majeure partie du co\u00fbt de la qualit\u00e9,<\/strong> et la qualit\u00e9 des donn\u00e9es influe fortement sur cet \u00e9quilibre. Des donn\u00e9es peu fiables augmentent le risque de non-conformit\u00e9s impr\u00e9vues et de mesures correctives prises en urgence. Les donn\u00e9es d’inspection existent, mais dans quelle mesure pouvons-nous nous y fier ? C’est l\u00e0 une question fondamentale. <\/p>\n\n Les co\u00fbts ne se limitent pas non plus au produit. Chaque usine comporte un co\u00fbt cach\u00e9<\/strong> qui fait d\u00e9sormais partie int\u00e9grante de la r\u00e9alit\u00e9 industrielle : des ing\u00e9nieurs hautement qualifi\u00e9s consacrent jusqu\u2019\u00e0 80 % de leur temps \u00e0 rechercher, regrouper et rev\u00e9rifier des donn\u00e9es plut\u00f4t qu\u2019\u00e0 les analyser. Ce co\u00fbt appara\u00eet rarement dans les rapports sur le co\u00fbt de la qualit\u00e9, alors qu\u2019il s\u2019agit d\u2019un co\u00fbt d\u2019exploitation consid\u00e9rable \u2014 et chaque intervention manuelle introduit un risque d\u2019erreur suppl\u00e9mentaire. <\/p>\n\n Lorsque les r\u00e9sultats sont remis en question, on proc\u00e8de \u00e0 davantage de mesures. Lorsque des ajustements sont effectu\u00e9s en atelier sans \u00eatre r\u00e9percut\u00e9s dans le syst\u00e8me de gestion du cycle de vie des produits, les \u00e9quipes de conception travaillent \u00e0 partir d\u2019hypoth\u00e8ses qui ne refl\u00e8tent plus la r\u00e9alit\u00e9, tandis que les solutions de contournement manuelles font grimper le co\u00fbt des ventes. Aucune fonction au sein de la cha\u00eene de valeur de la fabrication ne dispose d\u2019une vue d\u2019ensemble compl\u00e8te, et un cercle vicieux s\u2019installe : davantage de contr\u00f4les manuels pour compenser des donn\u00e9es auxquelles on ne fait pas enti\u00e8rement confiance, ce qui g\u00e9n\u00e8re davantage de donn\u00e9es dont la qualit\u00e9 est incertaine. <\/p>\n\n Ce cercle vicieux prend encore plus d’importance compte tenu de l’orientation que prend le secteur. Avec la d\u00e9finition bas\u00e9e sur des mod\u00e8les, les jumeaux num\u00e9riques et la pr\u00e9diction de la qualit\u00e9 assist\u00e9e par l’IA, la qualit\u00e9 des donn\u00e9es passe du statut de simple \u00ab r\u00e8gle d’hygi\u00e8ne \u00bb \u00e0 celui de *facteur* d\u00e9terminant : des donn\u00e9es d’entr\u00e9e de mauvaise qualit\u00e9 ne se contentent plus de produire des r\u00e9sultats m\u00e9diocres ; elles permettent \u00e0 l’automatisation de reproduire efficacement des conclusions erron\u00e9es \u00e0 grande \u00e9chelle. <\/p>\n\n Mais l\u2019inverse est tout aussi vrai \u2014 et c\u2019est l\u00e0 que r\u00e9side la v\u00e9ritable opportunit\u00e9. Imaginez une infrastructure num\u00e9rique unique<\/strong> dans laquelle les donn\u00e9es sont enrichies \u00e0 chaque \u00e9tape tout en conservant toujours l\u2019int\u00e9gralit\u00e9 des informations n\u00e9cessaires, de la conception \u00e0 la fabrication, en passant par le contr\u00f4le qualit\u00e9. Les transferts de responsabilit\u00e9 sont automatis\u00e9s. La consolidation manuelle dispara\u00eet. Ce qui reste aux humains, c\u2019est ce qui cr\u00e9e r\u00e9ellement de la valeur : la prise de d\u00e9cision. <\/p>\n\n Les fabricants les mieux plac\u00e9s pour la prochaine d\u00e9cennie ne seront pas ceux qui disposent du plus grand nombre d’\u00e9quipements de contr\u00f4le, mais ceux dont les d\u00e9cisions en mati\u00e8re de qualit\u00e9 reposent sur des donn\u00e9es qu’ils n’ont jamais besoin de remettre en question \u2014 des donn\u00e9es qui circulent sans interruption du mod\u00e8le CAO au rapport de mesure, avec pour seule intervention manuelle celle qui est d\u00e9lib\u00e9r\u00e9ment pr\u00e9vue. Les donn\u00e9es de mesure m\u00e9ritent la m\u00eame rigueur que celle que nous appliquons aux produits eux-m\u00eames : dans un monde bas\u00e9 sur les mod\u00e8les, les deux sont indissociables. <\/p>\n\n Avant de lancer la prochaine initiative d’am\u00e9lioration des processus, posons-nous d’abord une question plus simple : dans quelle mesure avons-nous confiance en nos donn\u00e9es ? Et par combien de mains passent-elles avant que quelqu’un puisse agir en cons\u00e9quence ? Partout o\u00f9 il y a une h\u00e9sitation, il y a un point de d\u00e9part \u2014 et tr\u00e8s probablement l’un des investissements en qualit\u00e9 les plus rentables qu’une entreprise puisse r\u00e9aliser. <\/p>\n","protected":false},"excerpt":{"rendered":" Demandez \u00e0 n’importe qui ce que signifie la \u00ab qualit\u00e9 \u00bb et il vous d\u00e9crira sans doute une exp\u00e9rience : un produit qui fonctionne de mani\u00e8re fiable, qui est bien adapt\u00e9 et qui dure longtemps. Mais cette exp\u00e9rience n’est pas le fruit du hasard. Elle r\u00e9sulte de centaines de choix techniques portant sur la conception, […]<\/p>\n","protected":false},"author":11,"featured_media":19390494,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":"","_members_access_role":[],"_members_access_error":""},"categories":[156,27],"tags":[],"expertise":[],"industry":[],"langue-parlee":[],"class_list":["post-19390495","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-article-dexpert","category-news-fr"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/posts\/19390495","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/comments?post=19390495"}],"version-history":[{"count":1,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/posts\/19390495\/revisions"}],"predecessor-version":[{"id":19390496,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/posts\/19390495\/revisions\/19390496"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/media\/19390494"}],"wp:attachment":[{"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/media?parent=19390495"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/categories?post=19390495"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/tags?post=19390495"},{"taxonomy":"expertise","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/expertise?post=19390495"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/industry?post=19390495"},{"taxonomy":"langue-parlee","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/fr\/wp-json\/wp\/v2\/langue-parlee?post=19390495"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}La prise de conscience de ces limites ne fait qu’alourdir encore davantage les co\u00fbts.<\/strong> <\/h3>\n\n