Contrôle qualité par IA dans le secteur manufacturier : Déterminer le coût des défauts non détectés et des rejets injustifiés

Un rapport d'inspection peut indiquer le nombre de pièces rejetées sans pour autant garantir la pertinence des décisions prises lors de l'inspection. Certaines pièces rejetées peuvent être conformes aux spécifications. Certaines pièces acceptées peuvent présenter un défaut qui n'apparaît qu'ultérieurement ou chez le client. Ces deux types d'erreurs ont des conséquences, mais engendrent des coûts différents et requièrent des preuves distinctes.

C’est le point de départ du contrôle qualité par IA en production. Avant de choisir une caméra ou un modèle, il est essentiel d’identifier les lacunes du processus actuel, les rejets inutiles et les personnes habilitées à vérifier les différences. L’exploitation des images d’inspection existantes, des enregistrements machine ou de l’historique qualité peut s’avérer précieuse, plutôt que la mise en place d’une nouvelle installation.

Cet article approfondit les questions soulevées lors du webinaire en français d'Embiggen X sur le contrôle qualité. Il propose un cadre pratique pour une équipe opérationnelle anglophone : définir la décision, relier les preuves, tester en parallèle du processus existant et désigner un responsable du résultat.

01 Visionnez le webinaire sur le contrôle de la qualité

Cette discussion réunit Camille, Stéphane et Nicolas pour explorer les coûts cachés liés à la qualité, le jugement visuel, les corrélations de processus et la relation entre les inspecteurs et l'IA. Visionnez l'enregistrement original en français ci-dessous. Le cadre pilote présenté dans cet article est une application éditoriale de ces thèmes ; il ne s'agit ni d'une transcription ni d'une promesse de résultats.

02 Mesurer les deux types d'erreurs d'inspection

Une pièce défectueuse acceptée comme conforme est une exception. Une pièce conforme rejetée comme défectueuse est un rejet injustifié. Si un modèle qualifie les défauts de positifs, cela correspond à des faux négatifs et des faux positifs. Il est essentiel de définir cette convention avant de comparer les tableaux de bord, car les équipes utilisent parfois les mêmes termes pour des résultats différents.

Un taux de rejet plus faible ne démontre pas, en soi, une amélioration. Il peut signifier que le processus génère moins de défauts. Il peut aussi indiquer que le contrôle est devenu moins sensible et que davantage de pièces défectueuses sont acceptées. De même, un taux de rejet plus élevé peut refléter un véritable problème de production ou un test qui rejette des variations acceptables.

Il convient de distinguer la décision d'inspection de l'état vérifié de la pièce. La décision correspond à l'interprétation du système actuel. L'état vérifié requiert une référence convenue : une mesure, un test de suivi approprié ou une expertise documentée. Ni le premier jugement de l'inspecteur ni le niveau de confiance du modèle ne constituent automatiquement la vérité absolue.

Utilisez la même méthode de référence pour comparer les personnes et les modèles. Prélevez des échantillons de pièces acceptées et rejetées lorsque cela est possible, et notez les limites de cet échantillonnage. Se contenter d'examiner les rebuts ne permet pas de déterminer le nombre de défauts non détectés. Se baser uniquement sur les réclamations clients ne permet pas de déceler les défauts non encore signalés.

03 Découvrez les opportunités cachées au sein du total des rejets

Prenons l'exemple ci-dessous, tiré de la diapositive d'illustration du webinaire. Deux cents pièces sont inspectées. Le rapport initial indique que 188 sont conformes et 12 rejetées. Un contrôle ultérieur révèle que trois des pièces rejetées étaient conformes, tandis qu'une pièce défectueuse a été acceptée. Les totaux restent inchangés ; seule la compréhension du processus évolue.

L’enjeu est de rendre visibles les deux types d’erreurs. Les trois pièces conformes mais rejetées indiquent une perte évitable à examiner. Le défaut non détecté révèle une autre défaillance, dont les conséquences peuvent être différentes. Il serait trompeur de soustraire l’un de l’autre et de considérer le résultat net comme un compromis acceptable.

Le dénominateur compte également. Dans cet exemple, 190 pièces sont réellement conformes et dix sont défectueuses. Trois rejets injustifiés parmi 190 pièces conformes ne mesurent pas la même chose que trois pièces conformes parmi les douze pièces rejetées. Pour chaque indicateur, indiquez le numérateur, le dénominateur et la méthode de vérification. Conservez les valeurs brutes en plus des pourcentages, surtout lorsque les défauts sont rares.

Cet exemple ne démontre pas une amélioration de l'IA. Il illustre le niveau de base nécessaire à toute affirmation d'amélioration. Un modèle doit justifier sa pertinence en améliorant une décision définie, dans le respect d'une contrainte convenue, par exemple en réduisant les réinspections inutiles sans augmenter le nombre d'anomalies au-delà du seuil acceptable par l'équipe qualité.

04 Établir un tableau des coûts au-delà de la simple récupération des déchets

Le cadre d'analyse des coûts de la qualité de l'ASQ distingue la prévention et l'évaluation des coûts liés aux défaillances internes et externes. Cette distinction permet de comprendre pourquoi le total des rebuts ne constitue qu'une analyse de rentabilité incomplète : les efforts d'inspection, les retouches et les défaillances constatées après livraison représentent différents aspects du problème.

Pour un projet pilote, établissez un registre de coûts simplifié pour la famille de pièces sélectionnée. Consignez les coûts de matériaux et de traitement déjà investis dans les pièces mises au rebut, le temps consacré à leur remise en état ou à leur réinspection, ainsi que le coût des investigations liées aux anomalies. Ajoutez les perturbations documentées lorsqu'elles sont imputables au problème. Distinguez les estimations incertaines des coûts que l'équipe peut justifier.

Évitez de comptabiliser deux fois la même perte. Si l'estimation des retouches inclut déjà la main-d'œuvre, ne réintégrez pas ces heures comme une économie distincte. Si le principal avantage réside dans la récupération de capacité, identifiez les opérations qui l'utiliseraient. Le temps libéré ne se traduit pas automatiquement en économies, et une augmentation théorique de la production est peu utile si l'opération suivante demeure le goulot d'étranglement.

La question commerciale se précise : quelle décision engendre suffisamment de travail inutile ou de pertes pour justifier un test ? Il peut s’agir d’un rejet injustifié récurrent, d’un défaut détecté trop tard ou d’une file d’attente de pièces pour une expertise. Choisissez-en une avant d’étendre le champ d’application à tous les problèmes de qualité de l’usine.

05 Vérifiez les enregistrements avant d'ajouter de l'équipement

Ce webinaire examine la nécessité de nouveaux capteurs ou caméras. La première étape pratique consiste à dresser un inventaire, et non à présumer que chaque usine dispose déjà de données suffisantes. Les paramètres machines existants, les images d'inspection, les historiques de qualité et les schémas peuvent s'avérer utiles. Leur pertinence dépend de leur couverture, de leur traçabilité et de leur adéquation à la décision étudiée.

Prenez quelques pièces récentes et essayez de retracer leur parcours. L'équipe peut-elle associer un numéro de série ou de lot aux paramètres de processus, au résultat de l'inspection et à la destination finale ? Les horodatages sont-ils cohérents ? Peut-on distinguer l'inspection initiale d'une contre-inspection ? L'exportation vers un tableur peut constituer un point de départ utile, mais des identifiants incohérents peuvent compromettre même un modèle sophistiqué.

Pour l'inspection visuelle, conservez des exemples de variations acceptables ainsi que des défauts. L'éclairage, la position de la caméra, la finition du matériau et l'orientation de la pièce peuvent modifier le contenu d'une image. Si les images actuelles ne montrent pas la caractéristique recherchée, des images supplémentaires peuvent être nécessaires. Cette conclusion doit être tirée après l'examen des preuves et non avant.

La qualité de l'étiquetage mérite un processus dédié. Il est préférable que les inspecteurs définissent les catégories de défauts et consignent les cas incertains plutôt que de trancher systématiquement par oui ou par non. En cas de désaccord entre les réviseurs, il convient de clarifier la spécification ou de mettre en place une procédure d'escalade. L'utilisation d'étiquettes incohérentes dans un modèle permet de reproduire plus rapidement les divergences.

06 Choisissez la décision que l'IA vous aidera à prendre en charge.

Le contrôle qualité par IA offre plusieurs possibilités distinctes. Un modèle visuel peut aider à repérer un défaut de surface suspecté. Un modèle construit à partir des données de production peut aider à prioriser les pièces nécessitant une inspection plus approfondie. L'analyse de l'historique des processus peut identifier des schémas associés à des défaillances ultérieures. Il s'agit de tâches différentes, avec des données d'entrée et des exigences de validation différentes.

L'exemple de processus présenté dans le webinaire est particulièrement utile : un réglage individuel peut se situer dans sa plage autorisée, tandis que l'historique de production combiné mérite d'être examiné. Une association prédictive peut orienter les ingénieurs vers une relation qu'ils n'ont pas encore étudiée. Elle n'établit cependant pas la cause physique et n'autorise pas la modification d'un réglage de production sans validation technique.

Décrivez le flux de travail prévu en une phrase. Par exemple : après l’inspection existante, signalez un sous-ensemble de pièces incertaines à un ingénieur qualité pour examen, en vous appuyant sur l’image et le compte rendu de processus d’origine. Cette phrase précise quand le modèle s’exécute, ce qu’il produit et qui intervient. Cette approche est bien plus facile à tester qu’une simple ambition d’automatisation de la qualité.

Notre article dédié à la qualité prédictive chez Siemens examine un exemple concret de production. La question principale est de savoir si votre processus nécessite une meilleure détection, une meilleure priorisation ou une analyse plus approfondie. Choisissez la tâche qui correspond aux données que vous pouvez recueillir et aux actions que votre équipe peut entreprendre.

07 Fournissez aux inspecteurs des preuves qu'ils puissent contester.

Un signalement d'alerte non expliqué ne permet pas à l'inspecteur d'établir un accord ou un désaccord. Un écran de révision plus pertinent relie ce signalement aux éléments de preuve initiaux : la zone d'image concernée, l'identification de la pièce, la spécification et toute information relative au processus utilisé lors de l'évaluation. Il devrait également permettre de consigner les incertitudes et les désaccords.

Une étude publiée dans Scientific Reports par Senoner et ses collègues a examiné l'intelligence artificielle explicable dans le cadre de l'inspection visuelle, notamment à travers une expérience menée auprès de 48 ouvriers de l'usine Siemens de Zoug. Ses conclusions encouragent l'évaluation des explications dans le cadre de la collaboration homme-IA. L'étude se limitait à un contexte d'inspection spécifique utilisant des cartes thermiques visuelles, et ne garantit en aucun cas l'amélioration de tous les processus de production grâce à une explication.

Pour un projet pilote, il convient d'évaluer le flux de travail global plutôt que le modèle seul. Les inspecteurs comprennent-ils la signification du signalement ? Sont-ils capables de reconnaître les preuves non pertinentes ? La vérification prend-elle plus de temps que l'inspection actuelle ? Les dérogations sont-elles consignées avec des justifications permettant un examen ultérieur ? L'interface et la procédure d'escalade font partie intégrante du test opérationnel.

Un élément mis en évidence est une incitation à examiner, et non la preuve d'un défaut. Conservez l'accès à l'image originale et au critère applicable. Évitez de concevoir l'écran de manière à ce que l'acceptation du modèle soit aisée tout en rendant sa contestation difficile. Le responsable qualité doit pouvoir examiner à la fois les erreurs du modèle et les situations où une suggestion pertinente a été rejetée.

08 Exécutez un test limité en parallèle du processus actuel

Commencez par une famille de pièces, un défaut ou une décision de revue clairement définis, et un responsable qualité désigné. Définissez la méthode de référence et les critères de décision avant d'analyser les résultats. Un projet pilote est plus facile à interpréter lorsque son périmètre est suffisamment restreint pour expliquer l'origine d'une erreur et les mesures correctives que l'équipe prendrait.

Utilisez les données historiques pour vérifier la faisabilité, puis évaluez le modèle sur des exemples qu'il n'a pas encore utilisés. Dans la mesure du possible, effectuez l'évaluation séparément par période ou par lot de production plutôt que de répartir aléatoirement des images quasi identiques d'une même pièce. Autrement, un test risque de privilégier la familiarité avec l'ensemble de données au détriment des performances sur des productions réellement nouvelles.

Un test parallèle permet au modèle de formuler des recommandations tandis que le processus d'inspection autorisé continue de contrôler la mise en production. Comparez les recommandations aux résultats vérifiés et consignez les divergences. N'utilisez pas le nouveau modèle sans autorisation préalable, même si ses premiers résultats semblent convaincants. Toute modification apportée à l'inspection ou à la mise en production nécessite l'approbation qualité habituelle de l'organisation.

Une date butoir peut orienter la recherche de preuves, mais elle ne peut pas combler les lacunes. Un procès bref peut suffire à déceler des identifiants erronés ou des images inutilisables. Il peut s'avérer bien trop court pour observer un défaut rare et important. Définissez les exigences en matière de preuves ainsi que la date d'examen, et soyez prêt à prolonger la collecte plutôt que de conclure à un succès sur la base d'un nombre insuffisant de cas.

Lors de l'analyse, il convient d'examiner les anomalies signalées, les rejets injustifiés, le temps d'analyse et le nombre d'exemples non résolus. Il faut également prendre en compte les coûts de préparation des données, d'intégration et de supervision continue. Il est important de montrer les différences de performance selon la variante de la pièce ou les conditions d'utilisation. Un score global unique peut masquer les problèmes précis qui importent le plus à l'équipe qualité.

09 Décidez de ce qui se passe après le pilote

Trois issues sont possibles : poursuivre le projet de manière contrôlée, améliorer les données probantes et procéder à un nouvel essai, ou l’interrompre car l’opportunité n’est pas suffisamment prometteuse. Un projet pilote interrompu peut néanmoins s’avérer utile s’il permet d’éviter un investissement plus important fondé sur des données peu fiables ou un avantage qui ne se concrétise pas en production.

Avant d'étendre le processus, définissez qui en assure le suivi, quels changements déclenchent une revalidation et comment l'équipe revient au processus initial si le nouveau flux de travail s'avère peu fiable. De nouveaux matériaux, des modifications d'équipement ou une spécification révisée peuvent altérer les conditions d'évaluation du modèle. Consignez la version du modèle ainsi que les décisions qu'elle permet de prendre.

L'apprentissage doit être progressif. Une correction d'un inspecteur constitue un élément à examiner, et non un motif de formation automatique sans vérification préalable des étiquettes et réévaluation des performances. Cette même rigueur s'applique à la modification d'un seuil : toute modification peut influencer les erreurs de conformité et les rejets injustifiés ; son impact doit donc être visible pour le responsable qualité.

La prochaine discussion avec votre équipe peut être simple : quelle erreur comprenons-nous le moins ? Quelles preuves nous permettraient de la vérifier ? Et quelle décision pourrions-nous tester sans risque en parallèle du processus actuel ? Ces réponses définissent une mission précise pour l’IA. Elles permettent également aux équipes opérationnelles d’évaluer si elle a bien rempli cette mission.

Identifiez une décision de contrôle qualité qui mérite d'être testée. Discutez de votre flux de travail avec Embiggen X.