Test production piloté par les données

Test de production piloté par les données avec TofuPilot

La plupart des décisions de test hardware reposent encore sur l'intuition. « Je crois que le rendement a baissé la semaine dernière. » « Ce lot de composants semble moins bon. » « L'équipe de nuit ne suit probablement pas la procédure. » TofuPilot remplace les opinions par des mesures, pour que chaque décision qualité soit appuyée par des données.

Le problème des décisions de test basées sur l'intuition

Les opérations de test hardware génèrent d'énormes quantités de données. Mais dans la plupart des organisations, ces données finissent dans des fichiers locaux et ne sont jamais analysées de manière systématique. Les décisions sont prises en fonction de :

• La dernière défaillance dont quelqu'un se souvient
• Des rapports anecdotiques des opérateurs
• Des rapports de synthèse mensuels déjà obsolètes au moment de leur examen
• Des connaissances institutionnelles qui disparaissent quand les ingénieurs quittent l'entreprise

Le test piloté par les données signifie que chaque décision (modifier les limites, ajuster le processus, qualifier un fournisseur, libérer un lot) est appuyée par des données de mesure réelles.

À quoi ressemble le test piloté par les données

Définir les limites de test

Basé sur l'intuition : « La spec dit 3,3 V +/- 5 %, donc utilisons 3,135 V à 3,465 V comme limites de test. »

Piloté par les données : Mesurer 1 000 unités. La distribution est centrée à 3,31 V avec un écart-type de 0,015 V. Définir les limites de test à 3,25 V à 3,37 V (4-sigma). Cela donne un Cpk de 1,33, équilibrant qualité et taux de faux échecs.

import numpy as np

# Données de mesure de production issues de TofuPilot
values = [3.31, 3.30, 3.32, 3.29, 3.31, 3.30, 3.33, 3.31, 3.28, 3.32]
# ... (1000 valeurs en pratique)

mean = np.mean(values)
std = np.std(values, ddof=1)

# Définir les limites à moyenne +/- 4 sigma pour Cpk ~ 1,33
limit_low = round(mean - 4 * std, 3)
limit_high = round(mean + 4 * std, 3)

print(f"Moyenne : {mean:.3f} V")
print(f"Écart-type :  {std:.4f} V")
print(f"Limites recommandées : {limit_low} V à {limit_high} V")

Qualifier un nouveau fournisseur

Basé sur l'intuition : « Les échantillons avaient l'air bien. Approuvons le fournisseur. »

Piloté par les données : Faire passer 50 unités avec les composants du nouveau fournisseur à travers votre suite de tests complète. Comparer les distributions de mesures avec la référence de votre fournisseur actuel.

L'écart de consommation de courant est dans les limites mais significatif. Investiguer la cause racine avant la qualification complète.

Décider quand réviser un montage

Basé sur l'intuition : « Cela fait 6 mois. C'est l'heure de la maintenance planifiée. »

Piloté par les données : Suivre la variance des mesures par station au fil du temps. Réviser le montage quand la variance dépasse un seuil, pas selon un calendrier.

La variance de la station 2 a triplé. La réviser maintenant. Les stations 1 et 3 sont correctes. Reporter leur maintenance planifiée.

Construire une culture de test pilotée par les données

Étape 1 : Tout centraliser

Aucune décision pilotée par les données n'est possible quand les données de test sont réparties dans 15 endroits différents. TofuPilot centralise tous les résultats de test de toutes les stations, toutes les procédures, tous les sites.

from tofupilot import TofuPilotClient

client = TofuPilotClient()

# Chaque station, chaque test, chaque site envoie ses données à TofuPilot
client.create_run(
    procedure_id="ICT-BOARD-V4",
    unit_under_test={"serial_number": "PCB-20251087"},
    run_passed=True,
    steps=[...],
)

Étape 2 : Définir les indicateurs clés

Choisir les indicateurs qui comptent le plus pour votre exploitation :

Étape 3 : Prendre les décisions depuis les tableaux de bord

Remplacer les décisions prises en réunion par des décisions prises depuis les tableaux de bord. Au lieu d'une revue qualité hebdomadaire où quelqu'un présente des diapositives, ouvrir le tableau de bord TofuPilot et consulter les données réelles.

Questions auxquelles le tableau de bord répond directement :

• « Doit-on libérer ce lot ? » Vérifier le FPY et les distributions de mesures.
• « La station 3 fonctionne-t-elle correctement ? » Comparer ses indicateurs à ceux des autres stations.
• « Le changement de processus a-t-il amélioré le rendement ? » Comparer avant et après.
• « La qualité de ce fournisseur est-elle acceptable ? » Comparer les distributions de mesures.

Étape 4 : Automatiser les décisions quand c'est possible

Certaines décisions peuvent être entièrement automatisées. Utiliser l'API de TofuPilot pour construire des portes automatisées :

• Libérer automatiquement les lots avec un FPY supérieur à 98 %
• Signaler automatiquement les stations avec un rendement inférieur à 95 %
• Rejeter automatiquement les unités avec toute mesure critique en échec
• Escalader automatiquement quand un nouveau mode de défaillance apparaît dans le top 3

Le résultat

Le test piloté par les données ne nécessite pas de nouveaux équipements de test ni de changements radicaux du processus. Il nécessite de centraliser les données que vous collectez déjà et de prendre l'habitude de décider à partir des tableaux de bord plutôt que des opinions.

Le résultat typique : le rendement s'améliore de 2 à 5 % au cours du premier trimestre, non pas parce que vous avez changé quelque chose de fondamental, mais parce que vous avez commencé à voir les problèmes plus tôt et à les résoudre plus vite.