Vous avez faim d'informations mais vous vous noyez dans les données ?
Les fabricants ont considérablement amélioré la façon dont les données sont recueillies, analysées et traitées. Mais trop souvent, au-delà de la surveillance et des rapports standard, l'abondance de données opérationnelles et commerciales devient écrasante et ne parvient pas à améliorer les résultats de l'entreprise. De plus en plus, les organisations ont du mal à identifier et à utiliser efficacement les données du système pour résoudre les problèmes et maximiser la rentabilité. Cette lutte est exacerbée par la complexité accrue des problèmes créés par la variété des systèmes, des plateformes, des sites, des fournisseurs et d'autres facteurs qui caractérisent la fabrication moderne.
L'identification et l'utilisation des bonnes données sont au cœur de la résolution de problèmes et de la prise de décision efficaces. Pour rester à flot dans le vaste océan de données disponibles qui peuvent soutenir la résolution de problèmes complexes, considérez ces trois actions fondamentales.
1. Faites venir les bonnes personnes dans la salle. Une équipe de résolution de problèmes diversifiée comprend comment accéder aux informations et les utiliser dans ses domaines d'expertise. Par exemple, le fait d'inclure une personne des services de qualité, de production et de maintenance dans la résolution d'un problème de qualité élargit considérablement l'expertise et les connaissances présentes dans la salle et peut accélérer l'accès aux informations nécessaires pour résoudre un problème. En vous connectant à des sources de données disparates, vous accédez à des informations qui étaient cloisonnées dans divers systèmes ou services. Lorsque tout le monde se concentre sur la résolution d'un problème, la diversité des points de vue et des informations peut éliminer les obstacles, créer un consensus et faire avancer la résolution du problème en se concentrant sur les informations pertinentes.
2. Vous avez besoin de plus de données ? Ne vous arrêtez pas là. Les personnes qui résolvent des problèmes finissent par atteindre un point où les informations nécessaires ne sont pas à portée de main et peuvent ou non exister. Ne vous arrêtez pas là. Parmi toutes les sources de données pertinentes, il peut y avoir des données brutes et des analyses à compiler ou une personne extérieure à l'équipe de résolution de problèmes qui a accès aux réponses nécessaires. Vous pouvez peut-être poursuivre la résolution du problème, mais avant de le faire, déléguez. Plutôt que d'accepter que les données ne sont pas disponibles, chargez un membre de l'équipe d'assurer le suivi, d'obtenir l'accès aux informations et d'impliquer d'autres ressources. Dans l'une de nos organisations clientes, la nécessité d'agir et de ne pas accepter le fait qu'il faille davantage de données comme une impasse a été identifiée comme un obstacle important à la résolution des problèmes et a été désignée comme une priorité clé pour améliorer la résolution des problèmes.
3. Comprenez votre problème avant de chercher une solution. Un problème est un problème lorsque la solution n'est pas évidente. Il doit être défini avec spécificité afin d'envisager des solutions de manière efficace. Un mode de défaillance, tel que la "corrosion", ne suffit pas à définir un problème. Plus la spécification du problème est précise, plus il est facile de trouver les données qui mènent à la résolution. Une méthode simple pour aider à définir un problème est d'utiliser les cinq pourquoi (décrire la situation, puis demander et répondre pourquoi ? jusqu'à ce que la réponse soit "je ne sais pas"). Pour les problèmes simples, le fait de demander quelques Pourquoi ? peut rapidement conduire à une cause. Pour les problèmes complexes, les cinq pourquoi aident à définir le véritable problème en éliminant les symptômes pour atteindre le cœur du problème. Lorsque la réponse à la question "Pourquoi" est "Je ne sais pas", vous avez identifié le problème.
Développé par Toyota Motor Company, voici un exemple de Five Whys :
"Le robot s'est arrêté"
- "Pourquoi le robot s'est-il arrêté ?" Le circuit a été surchargé, ce qui a fait sauter un fusible.
- "Pourquoi le circuit est-il surchargé ?" Il n'y avait pas assez de lubrification sur les roulements, donc ils se sont bloqués.
- "Pourquoi la lubrification des roulements était-elle insuffisante ?" La pompe à huile du robot ne fait pas circuler suffisamment d'huile.
- "Pourquoi la pompe ne fait-elle pas circuler suffisamment d'huile ?" L'admission de la pompe est obstruée par des copeaux de métal.
- "Pourquoi l'admission est obstruée par des copeaux de métal ?" Parce qu'il n'y a pas de filtre sur la pompe.
Remarquez l'évolution de la définition du problème. Les cinq pourquoi ont utilisé des données (dans ce cas, des données observées, et non un suivi numérique ou une analyse complexe des données) pour préciser le problème, qui est passé de la question potentiellement complexe "le robot d'un million de dollars est en panne" à "l'admission de la pompe à huile du robot est obstruée par des copeaux de métal". Plutôt que de se précipiter sur une solution, par exemple un correctif logiciel qui pourrait faire bouger le robot, l'équipe de résolution du problème élimine les symptômes pour atteindre une partie spécifique du robot, dans ce cas le filtre à huile manquant. La spécification du problème accélère l'accès aux informations nécessaires à sa résolution.
4. Créez le contexte. Dans le Big Data, le contexte est la clé pour révéler des informations complètes et nuancées. En intégrant des "données épaisses" (d'énormes quantités de données) plutôt qu'un échantillonnage d'informations, l'analyse des données peut créer un contexte plus précis et une image complète sur la base des données recueillies. De même, dans la résolution de problèmes, le contexte est essentiel pour révéler des informations nuancées et complètes. Un exemple est l'analyse de problèmes de Kepner-Tregoe, qui établit le contexte à l'aide d'une matrice IS/IS NOT.
Bien qu'elle ne soit pas à l'échelle du Big Data, la collecte de données qui définissent la ce que, où, quandet étendue du problème construit des données de plus en plus "épaisses" en spécifiant non seulement les informations IS mais aussi IS NOT, puis en détaillant la différence et en examinant la cause. Plus les données collectées sont diverses et abondantes, avec à la fois des SI et des NON, plus le contexte de la situation est complet et nuancé, ce qui aide les personnes chargées de résoudre les problèmes à éliminer les questions qui pourraient être considérées comme des causes potentielles, tout en se concentrant sur les données pertinentes qui décrivent le mieux le problème et soutiennent les solutions possibles.
Ces quatre actions fondamentales peuvent aider les organisations à utiliser les données plus efficacement et à résoudre les problèmes avec plus de rapidité et de précision. Alors que la quantité de données disponibles augmente, la capacité à les utiliser ne peut pas rester en arrière. Pour la résolution de problèmes complexes, ces actions fondamentales pour naviguer dans l'océan de données peuvent accélérer la résolution des problèmes et aider à produire des solutions de qualité.
À propos de Kepner-Tregoe
Depuis plus de 60 ans, Kepner-Tregoe a permis à des milliers d'entreprises de résoudre des millions de problèmes. Les services de Kepner-Tregoe sont conçus pour relever de façon permanente les défis organisationnels avec des résultats mesurables qui améliorent la qualité et la performance tout en réduisant les coûts globaux.
