Trouvez les 10 variables
qui pilotent votre rebut.
Optimisation de procédé multi-variables : Jemba classe des centaines de paramètres procédé selon leur impact réel sur le rebut, isole les rares qui comptent et vous rend une plage de réglage prête à appliquer — avec le gain en matière et en euros chiffré avant de toucher la ligne.
La cause racine est dans vos données.
Simplement noyée dans des centaines de variables.
Les études Six Sigma prennent des semaines et testent une poignée de facteurs à la fois. Pendant ce temps, le rebut continue de partir. Le vrai facteur est souvent une interaction entre quelques paramètres que personne n’a pensé à croiser — le genre de motif qu’un modèle trouve en minutes et qu’un tableur ne trouvera jamais.
977 colonnes en entrée.
10 leviers en sortie.
Jemba note chaque paramètre selon sa contribution au rebut, expose les interactions et vous donne une fenêtre optimale par facteur — poussée directement sur la ligne via OPC-UA.
- Importance des variables par SHAP, pas à l’intuition.
- Une plage optimale par paramètre (ex. force de sertissage 4,2–4,5 kN).
- Un gain chiffré avant d’agir : rebut, rendement, € / mois.
+9,5 points de rendement matière.
Fournisseur caoutchouc & polymères, ligne de bobines textiles, aucun jour-homme client. Un export de 977 colonnes réduit à 10 leviers ; la zone recommandée affiche 78,1 % de rendement contre 68,6 % sur tout l’historique de 336 productions — mesuré sur 33 productions passées, pas prédit.
Du défaut au correctif,
en quatre étapes.
Connecter
Données procédé + qualité via CSV, API ou capteurs — flux TeepTrak si vous en êtes équipé.
Corréler
Jemba classe les facteurs et trouve les interactions.
Recommander
Une fenêtre optimale par paramètre, avec le gain en €.
Appliquer
Réglages poussés via OPC-UA ou ordre de travail.
Deux algorithmes.
Deux problèmes que votre usine paie tous les mois.
Arrêtez d’expédier du rebut que vous auriez pu expliquer.
Réservez une démo de 15 minutes, ou envoyez-nous un export de production : en deux semaines, à l’aveugle, nous vous rendons ce que le modèle a trouvé — chiffré en euros. Sans engagement, sans carte bancaire.
Questions fréquentes
Comment Jemba identifie-t-il la cause des défauts qualité ?
Il corrèle des centaines de variables de process avec vos résultats qualité pour classer les facteurs les plus liés au rebut et aux défauts.
Peut-il gérer des centaines de paramètres ?
Oui. Sur un cas client, un export de 977 colonnes a été réduit à 10 leviers — le genre de tri qu’un tableur ne fera jamais.
Faut-il étiqueter les données ?
Pas d’étiquetage lourd. Jemba part de vos enregistrements process et qualité existants.
Quel résultat peut-on attendre ?
Une plage de réglage par levier, mesurée sur votre propre historique. Sur un cas client, la zone recommandée affichait 78,1 % de rendement contre 68,6 % sur l’ensemble de l’historique — mesuré sur 33 productions passées, pas prédit.
