Contexte du projet
Alstom, leader mondial de la mobilité ferroviaire, opère sur son site de Crespin la production et la maintenance de trains régionaux, RER et métros. Le suivi qualité de ces productions stratégiques reposait sur un système fragmenté de fichiers Excel individuels, un par responsable qualité.
Bien que les données soient extraites automatiquement des systèmes de production vers des fichiers Excel, leur exploitation restait complexe et chronophage. Cette situation limitait la capacité des équipes à identifier rapidement les problèmes qualité, à analyser les tendances et à prendre des décisions éclairées.
🎯 Objectifs du projet
Centraliser, uniformiser et enrichir le reporting qualité via Power BI pour améliorer la fiabilité et l'exploitation des indicateurs AQP (Assurance Qualité Produit) et AQL (Acceptable Quality Level), et faciliter le pilotage collaboratif entre les équipes Qualité et Production.
Rapport Power BI - Pages principales
La page d'accueil offre une vue d'ensemble avec des filtres globaux (Projet, Date, Type de véhicule, Région, Rame, Station de travail, Responsabilité, Origine, Localisation, Criticité) permettant une navigation intuitive vers les différentes analyses.
Le dashboard présente en temps réel les indicateurs critiques : aléas ouverts, ordres de fabrication en cours, retouches à effectuer, actions démarrées et rapports de non-conformité (RNC). Cette vue permet une prise de décision rapide et éclairée.
Structure du rapport
Le rapport Cockpit QI est organisé en 12 pages thématiques répondant aux besoins spécifiques des équipes qualité :
Pages opérationnelles
Pages d'analyse qualité
Réalisations et livrables
Animation d'ateliers et cadrage
Organisation de sessions collaboratives avec les équipes Qualité et IT pour identifier les besoins métiers, cartographier les sources de données et définir les indicateurs clés de performance à suivre.
Maquettage visuel et conception UX
Création des maquettes des pages du rapport, définition de l'ergonomie et ajout de nouveaux indicateurs pertinents non présents dans l'ancien système Excel.
Modélisation et transformation des données
Création et modélisation du dataset Power BI à partir des fichiers Excel SharePoint. Transformation des données via Power Query et création de mesures DAX complexes pour les calculs d'indicateurs AQP/AQL.
Développement des rapports interactifs
Construction des 12 pages du rapport avec visualisations interactives, drill-through, tooltips personnalisés et extraction de données (photos des défauts). Garantie de la cohérence et de la fiabilité des analyses.
Recettes et validation
Présentations hebdomadaires des développements aux responsables Qualité, recueil des feedbacks, ajustements itératifs et validation fonctionnelle progressive de chaque page du rapport.
Documentation et formation
Rédaction des spécifications fonctionnelles détaillées (SFD - 40 pages), formation des utilisateurs finaux à Power BI Service et à l'utilisation des rapports interactifs.
Mise en production et pérennisation
Déploiement du rapport sur Power BI Service, définition des rôles de maintenance, documentation des procédures d'actualisation des données et transfert de compétences pour assurer la continuité après la mission.
Indicateurs clés développés
Le rapport intègre une bibliothèque riche d'indicateurs qualité essentiels :
Indicateurs de défauts
- Nb de défauts : Somme des quantités d'aléas qualité détectés
- DPU Rame : Defects Per Unit calculé par rame/véhicule
- Nb d'Aléas PC9/PC10/PC11 : Défauts par type de contrôle (fin de ligne, acceptation)
- Nb d'Aléas inspection client : Défauts détectés par le client
- Demerit externe : Indicateur AQL pondéré par criticité
Indicateurs opérationnels
- Nb Actions / Actions démarrées : Suivi des actions correctives
- Nb de Retouches / Retouches à faire : Volume de travaux de correction
- Nb OF / OF en cours : Ordres de fabrication actifs
- RNC : Rapports de Non-Conformité ouverts
- Nb Ordre QM : Ordres Qualité Modification en cours
- Temps OQM : Heures pointées sur les modifications qualité
Mesures fonctionnelles avancées
- Responsable relance : Calcul automatique selon statuts actions/retouches
- Ratio PC9-PC11 : Indicateur de performance des contrôles
- Top5 codes défauts : Classement dynamique par effectivité
Architecture technique
Sources de données
- Extractions AOS quotidiennes (1S01_Action, 1S01_Alea, 1S01_Operation, 1S01_Rework) depuis SharePoint
- Historiques mensuels extraits de QlikSense (Aléas, OF)
- Données RNC consolidées manuellement (KPI NCR mensuel.xlsx)
- Photos défauts pour visualisation contextuelle
- Données OQM (ordres qualité et temps pointés)
- Référentiels (Projets, Type Véhicule, Régions, Contrôles, DefectCode, Responsabilités, Statuts, Origines)
Modélisation Power BI
- Architecture en étoile avec tables de faits et dimensions
- Actualisation automatique quotidienne pour les sources temps réel
- Actualisation manuelle mensuelle pour les historiques
- Mesures DAX organisées dans le dataset DATASET_APQ_APL
- Relations optimisées pour garantir la performance sur gros volumes
Technologies utilisées
Résultats et bénéfices
Gains opérationnels
- Centralisation de tous les indicateurs qualité dans un outil unique et accessible
- Réduction significative du temps de consolidation des données (de plusieurs heures à quelques minutes)
- Actualisation automatisée quotidienne des indicateurs en temps réel
- Élimination des risques d'erreurs liés aux manipulations manuelles de fichiers Excel
- Vision partagée et cohérente entre les équipes Qualité et Production
Gains analytiques
- Identification rapide des défauts critiques et des tendances qualité grâce aux visualisations interactives
- Analyses multicritères (par projet, rame, station de travail, responsabilité, origine)
- Traçabilité complète avec accès direct aux photos des défauts
- Suivi précis des RNC fournisseurs et classement des principales non-conformités
- Tableaux de bord AQP/AQL (DPU, demerit, ratios) conformes aux standards industriels
Gains organisationnels
- Autonomie des équipes qualité sur Power BI Service après formation
- Documentation complète (SFD de 40 pages) facilitant la maintenance et les évolutions futures
- Procédures claires pour l'actualisation des données et l'ajout de nouveaux indicateurs
- Base solide pour l'amélioration continue du processus qualité
- Transfert de compétences assurant la pérennisation de la solution
Défis techniques et solutions
Hétérogénéité des sources
Les données provenaient de multiples systèmes (AOS, QlikSense, fichiers Excel manuels) avec des formats et fréquences d'actualisation différents. Solution : Création d'un modèle de données unifié avec gestion différenciée des actualisations (automatique quotidienne vs manuelle mensuelle).
Complexité des règles métier
Les calculs d'indicateurs AQP/AQL nécessitaient des règles métier complexes (DPU par rame, demerit pondéré, responsable de relance selon statuts multiples). Solution : Développement de mesures DAX modulaires et documentées, avec validation itérative par les experts qualité.
Performance sur gros volumes
Le rapport devait traiter des milliers d'aléas, retouches et ordres de fabrication avec filtres interactifs fluides. Solution : Modélisation optimisée en étoile, agrégations pré-calculées et gestion efficace des relations entre tables.
Extraction des photos de défauts
Nécessité d'intégrer la visualisation contextuelle des photos de défauts depuis le rapport. Solution : Utilisation de la fonctionnalité drill-through avec extraction personnalisée permettant d'accéder aux images associées aux aléas.
Un projet Power BI industriel ?
Je peux vous accompagner dans la digitalisation de vos processus qualité et la création de tableaux de bord Power BI adaptés à votre secteur industriel.