Audit des données TRS : préparer votre atelier avant le déploiement

Préparer un audit des données TRS avant d'activer un logiciel TRS est une étape déterminante pour obtenir des mesures fiables d'OEE, de taux de disponibilité et de charge opérateur. Ce guide montre comment collecter les sources (ERP, MES, historiques machines, G‑code), vérifier l'exactitude des temps de cycle et normaliser un modèle d'import pour éviter des erreurs qui faussent la prise de décision. En suivant ces étapes, les équipes peuvent réduire les interventions manuelles, améliorer la qualité des données de production et raccourcir le temps nécessaire au déploiement.

TL;DR:

• Préparer un périmètre et collecter 30–90 jours d'historique, viser >90% de disponibilité des sources pour un audit fiable.

• Valider les temps de cycle par comparaison G‑code / acquisition machine / opérateur, investiguer tout écart >15%.

• Après nettoyage automatisé, viser >98% d'import réussi et <5% de corrections manuelles récurrentes.

Étape 1: Préparer L'audit TRS — Périmètre, Sources Et Prérequis

Définir Le Périmètre (machines, Lignes, Périodes)

Commencez par choisir un périmètre contrôlable: une ligne, 3–5 machines similaires, ou un atelier pilote. Pour un premier audit, un périmètre limité réduit les risques et facilite la correction. Préconisation: 30 à 90 jours d'historique pour capter variabilité (changements d'outillage, lots, postes). Documentez la portée en termes de machines (identifiants), d'équipes et d'horaires (plages de production).

Liste Des Sources De Données À Rassembler (ERP, MES, Historiques Machines, Fichiers CSV, Fiches Opérateur)

Rassemblez systématiquement les éléments suivants:

• Ordres de fabrication et nomenclatures depuis l'ERP (référence pièce, lot, quantités).

• Tickets et événements MES (changements d'opération, arrêts planifiés).

• Exports d'historiques machine: cycles, alarmes, temps d'usinage.

• Extraits de programmes G‑code et métadonnées (nom de programme, cycle estimé).

• Fiches opérateur et feuilles de saisie manuelle (heures, interventions).

• Fichiers CSV d'export (horodatage, machine_id, opérateur_id).

Vérifiez la présence de codes pièce uniques et d'une table de correspondance entre ERP/MES et identifiants machines.

Accès, Formats Et Outils Nécessaires

Préparez les accès: connexion base ERP pour extractions CSV, accès aux logs machines (FTP, USB, API), et droits de consultation MES. Outils recommandés: un éditeur CSV, script Python ou outil ETL pour parsing, et simulateur/système de parsing G‑code. Pour choisir la solution cible et les exigences d'import, consultez le comparatif logiciels TRS. Pour les aspects techniques du bord de l'atelier, voir notre article sur comment connecter le plancher et la planification CNC pour définir l'impact sur la planification.

Indicateurs à collecter dès la préparation: taux de disponibilité des données (%) par source, et liste des formats (CSV, XML, JSON, NC). Si la disponibilité est inférieure à 80% sur sources critiques, planifier une action corrective avant l'audit.

Étape 2: Vérifier L'exactitude Des Temps De Cycle (programmes CNC Et Données Réelles)

Méthodes Pour Extraire Et Valider Les Temps Depuis Le G‑code

Plusieurs techniques permettent d'obtenir un temps théorique à partir d'un programme:

• Parsing du G‑code pour repérer séquences d'usinage et estimer durée via vitesses d'avance et parcours d'outil.

• Utilisation de simulateurs/FASTRUN pour estimer temps d'usinage.

• Extraction de logs machines (timestamps de cycle start/end) via API ou export. Consultez le guide d'extraction des temps cycle G‑code pour méthodes pas à pas.

Comparer Temps Programmés, Temps Théoriques Et Temps Machine Réels

Construisez un jeu de comparaison sur 5 pièces représentatives (cycles courts, cycles longs, usinages complexes). Calculez pour chaque pièce:

• Écart moyen (marge relative moyenne).

• Écart absolu médian (minutes ou secondes).

• Pourcentage d'opérations hors tolérance (ex. >15% d'écart). Si plus de 15% des opérations dépassent la tolérance, investiguer: réglages machines, pauses opérateur, broche à vide, serrage lame, ou questions d'outillage.

Jeux D'exemples Pour Détecter Écarts Systématiques

Exemple de plan de test:

1. Sélectionner 5 programmes G‑code et 5 pièces réelles.

2. Extraire temps estimés via parsing/simulateur.

3. Coupler aux logs machines sur la même période.

4. Relever déclarations opérateur (feuilles) et comparer.

5. Calculer métriques d'écart. Interprétez les résultats: si G‑code < temps machine de façon systématique, vérifiez cycles d'attente, manutention, ou interventions opérateur. Voir aussi notre article sur les KPI TRS associés.

Étape 3: Nettoyer Les Données TRS — Règles, Outils Et Automatisation

Détection Et Traitement Des Doublons Et Enregistrements Incohérents

Repérez doublons par clé composite (machineid + start_timestamp + piece_code). Pour doublon suspect, conservez l'enregistrement avec la précision horaire la plus fine ou la valeur confirmée par le log machine. Exemple concret: deux entrées pour le même cycle avec start/end identiques — marquer comme doublon et fusionner en conservant le plus récent ou le log machine.

Normalisation Des Codes Pièce, Opérations Et Identifiants Machine

Règles suggérées:

• Un code pièce unique alphanumérique sans espaces (ex. ABC‑1234).

• Table de mapping entre variantes (ex. "P‑123", "P123") et code canonique.

• Normaliser opérateurs (prenom.nom → opérateurid) et machines (machine_cell_01). Créer une table de correspondance évite doublons lors de l'import. Pour plus d'architectures d'acquisition, voir l'article sur la migration vers le SaaS industriel.

Gestion Des Valeurs Manquantes Et Des Outliers

Stratégies:

• Pour timestamps manquants: rejeter la ligne si start ou end absent, ou inférer à partir d'un événement adjacent si preuve.

• Pour cycletime aberrant (>10x médiane): marquer en anomalie et basculer en revue manuelle. KPIs post‑nettoyage à viser: >95% de lignes automatiquement validées, <1% d'outliers restants exigeant revue manuelle.

Automatiser Les Règles De Nettoyage (scripts, Règles ETL)

Préparer un jeu de règles exécutable: expressions régulières pour formats, seuils numériques, et mappings. Comparer méthodes:

• Excel: utile pour petites séries, mais lent et risqué sur volumes >10k lignes — voir les alternatives aux tableurs pour la production.

• Scripts Python/ETL: plus rapides et reproductibles. Automatiser pipelines et logs d'opération.

Estimez le temps: nettoyage d'1 000 enregistrements par une règle automatisée peut prendre 2–10 minutes, alors qu'une correction manuelle peut prendre 1–4 heures par erreur complexe.

Étape 4: Normaliser Le Modèle De Données Pour L'import Dans Le TRS

Structure Recommandée: Fiches Machine, Opérations, Articles, Opérateurs

Modèle minimal de colonnes pour import:

Gardez la structure simple et documentée. Inclure métadonnées (version du mapping, source d'origine).

Standards De Nommage Et Référentiel Pièce (code Unique)

Règles pratiques: pas d'espaces, majuscules pour codes, tirets autorisés, longueur maximale 20 caractères. Documenter variantes historiques et conserver un historique de version pour ne pas perdre traçabilité.

Correspondances Nécessaires Entre ERP/MES Et TRS

Créer une table de correspondance ERP → TRS contenant: codeerp, code_trs, date_effective, note. Pour conciliations, effectuer des réconciliations quotidiennes la première semaine après import. Pour comprendre quand chaque système est source de vérité, consultez le diagnostic tableau de bord TRS.

Pour des calculs OEE/TRS, assurez-vous que les identifiants importés permettent d'agréger aux niveaux requis: machine, ligne, atelier. Voir aussi notre ressource sur les KPI de production et TRS.

Étape 5: Valider L'intégrité Et Tester L'import Avant Passage En Production

Jeux De Tests Et Scénarios À Exécuter (cas Nominal, Machines Arrêtées, Changements D'outillage)

Préparez au moins ces scénarios:

• Cas nominal: 1 lot complet sans erreurs.

• Données partiellement incorrectes: mapping absent, format de timestamp invalide.

• Machine interrompue: start sans end, ou end sans start.

• Changement d'outillage: modification de cycletime attendue. Exécutez un import sur un environnement de test et comparez journaux.

Pour intégrer temps réel et prioriser validations automatiques, voir l'approche décrite dans notre guide sur la migration SaaS industrielle.

Critères D'acceptation: KPIs De Qualité Des Données

Définir seuils clairs:

• Taux d'import réussi >98% (sans erreur).

• Correspondance des temps de cycle: >85% des enregistrements dans tolérance définie.

• Taux de doublons après import: <0.5%. Gardez logs d'import détaillés (lignes acceptées, rejetées, warnings) et exportez rapports d'erreurs.

Plan De Rollback Et Validation Post-import

Préparez un rollback: conserver un snapshot de la base TRS avant import, ou importer dans une table d'attente puis basculer par lot. Tester la restauration pendant la phase pilote. Après import, valider échantillons: 10 pièces par machine, vérifier concordance temps/référentiel. Automatiser tests de réconciliation si possible. Voir notre guide sur la migration SaaS pour étapes détaillées.

Étape 6: Gouvernance Des Données TRS Et Processus Post‑déploiement

Rôles Et Responsabilités (qui Valide, Qui Corrige)

Proposer un RACI minimal:

• Responsable IT/Intégration: responsable des pipelines ETL.

• Référent données production: propriétaire des mappings et règles métier.

• Opérateur: fournisseur des saisies manuelles et signalement d'anomalies.

• Admin TRS: validation finale des imports. Pour formaliser la gouvernance, voir le guide sur la gestion du planning du personnel et les bénéfices pour la gestion de la charge opérateur.

Procédure De Correction Continue Et Cycles De Réconciliation

Cycle recommandé: réconciliation hebdomadaire le premier mois, puis mensuelle. Processus type:

• Détection automatique d'anomalies.

• Ouverture de ticket (SLA 48–72 h pour corrections non critiques).

• Revue et correction par référent données. KPIs de gouvernance: temps moyen de correction (MTTR), taux d'erreurs récurrentes.

Formation, Documentation Et Checklist De Maintien

Former opérateurs sur saisie correcte et signalement (10–30 minutes par session). Fournir documentation: règles de nommage, procédures d'import, modèle d'échange. Maintenir une checklist opérationnelle accessible pour prévenir dérives. Pour les routines de production, voir notre article sur augmenter la capacité de production.

Dépannage: Erreurs Courantes Lors D'un Audit TRS

Erreurs Fréquentes Et Leurs Solutions Rapides

• Formats incohérents (timestamps en différents fuseaux): convertir tous les timestamps en UTC avant nettoyage — 1–2 heures pour un mapping standard.

• Mappings manquants entre ERP et TRS: créer table de correspondance et rejeter les lignes non mappées pour revue — 1–4 heures selon le volume.

• Doublons de codes pièce: appliquer une logique de fusion basée sur date de création et quantité — 1–3 heures par jeu.

• Temps cycle aberrants: appliquer filtre outlier (>10x médiane) et marquer pour revue — 2–6 heures pour enquête par lot. Pour chaque erreur, tester la correction sur un sous-ensemble et valider via logs d'import.

Checklist De Vérification Si L'import Échoue

• Vérifier format CSV et encodage UTF‑8.

• Vérifier présence de colonnes minimales (machineid, start_timestamp, end_timestamp).

• Contrôler correspondances mapping ERP→TRS.

• Examiner logs d'erreur pour lignes rejetées et motifs.

• Ré-exécuter import sur environnement test.

Quand Remonter Vers L'IT Ou Le Fournisseur TRS

Remonter si:

• Erreurs de performance côté TRS (>5 min réponse).

• Problèmes d'API ou authentification.

• Comportement d'import non documenté. Documentez l'incident avec logs, échantillons de données et résultats attendus. Estimez temps d'intervention: mappings simples 1–4 heures, corrections d'API 1–3 jours selon complexité.

Conclusion

Audit et préparation des données TRS avant déploiement réduisent considérablement les erreurs d'import et améliorent la qualité des indicateurs (OEE, cycle time, suivi opérateur). En suivant ces étapes — collecte, validation des temps, nettoyage, normalisation, tests et gouvernance — les équipes obtiennent un dataset prêt pour l'intégration TRS et l'utilisation opérationnelle.

Foire Aux Questions