| Défi | De nombreux employés du secteur de la technologie disposent de connaissances approfondies en ingénierie, mais une expérience quelque peu limitée en matière d'analyse avancée des données. Pourtant, les principaux employeurs mondiaux sont de plus en plus demandeurs de techniques statistiques. |
|---|---|
| Solution | Proposer aux ingénieurs et informaticiens expérimentés une formation dans le domaine de l'analyse statistique appliquée. La direction de NVIDIA a intégré un cours en ligne gratuit sur la statistique, « Statistical Thinking for Industrial Problem Solving » (STIPS) à ses programmes de formation interne. STIPS propose un format d'étude interactif, au rythme de chaque apprenant, et les familiarise avec JMP®, un logiciel de référence dans le secteur. |
| Résultats | Selon Pete Cannon, directeur de l'ingénierie de la qualité des produits et des systèmes de gestion de qualité chez NVIDIA : « STIPS offre un excellent équilibre entre théorie statistique et utilisation pratique de JMP pour résoudre les problèmes courants de nombreuses entreprises. » |
L'industrie du jeu est une destination rêvée pour de nombreux ingénieurs et informaticiens, non seulement pour ses perspectives de carrière atypiques, mais aussi pour l'occasion d'innover. Ces trente dernières années, d'importantes innovations concrètes (de l'intelligence artificielle à la robotique) ont vu le jour, au moins en partie, grâce aux progrès de l'industrie du jeu.
Fondée en 1994 avec la mission de transformer le graphisme informatique des jeux vidéo, l'ascension fulgurante de NVIDIA dans ce secteur s'explique par la forte croissance du marché du jeu et par une demande presque insatiable de meilleurs graphismes 3D. Aujourd'hui, les cartes graphiques de NVIDIA sont la norme de performance mondiale et transforment les machines à mi-chemin entre la réalité virtuelle, l'informatique de haute performance et l'intelligence artificielle.
NVIDIA s'est également développée au-delà de l'industrie du jeu, fournissant des outils essentiels pour le secteur des effets spéciaux du cinéma, l'intelligence artificielle, etc. Huit des dix plus gros superordinateurs au monde utilisent maintenant les processeurs graphiques de NVIDIA, son réseau InfiniBand ou les deux (dont Summit, le superordinateur le plus rapide des États-Unis, ainsi que les systèmes les plus rapides d'Europe et de Chine). NVIDIA alimente 333 des systèmes figurant au TOP500. Les produits NVIDIA sont présents dans tout : appareils mobiles, systèmes de divertissement, voitures autonomes, etc.
Depuis plus d'une décennie, Pete Cannon contribue à généraliser l'utilisation de méthodes statistiques chez NVIDIA, en tant que directeur de l'ingénierie de la qualité des produits et des systèmes de gestion de la qualité, un poste où il travaille avec les équipes de Santa Clara, CA, aux États-Unis, de Hong Kong et de Shenzhen, en Chine.
« Les initiatives d'amélioration continue sont l'une de nos principales responsabilités », explique-t-il. À l'aide de l'analyse statistique, il a détaillé avec son équipe les principaux indicateurs de performance mis en place pour évaluer les performances des produits, en utilisant les systèmes de contrôle de la qualité de production sur chaîne et les retours des clients. Soutenu par une équipe interfonctionnelle, il utilise les capacités de JMP pour analyser et prioriser les possibilités d'amélioration.
Ce type d'apprentissage prédictif et continu stimule l'innovation qui caractérise NVIDIA depuis ses débuts. En 1999, les ingénieurs de NVIDIA ont inventé le processeur graphique, qui a rendu possible l'ombrage programmable en temps réel, et donné aux artistes une palette d'expression infinie. En mai 2020, NVIDIA a lancé son architecture Ampere conçue pour l'ère de l'informatique élastique, un nouveau pas de géant puisqu'elle offre une accélération inégalée à toutes les échelles et permet aux innovateurs de réaliser le travail de leur vie.
« J'ai pu résoudre un problème juste après avoir suivi une formation sur l'exploration de données : nous avions passé en revue les outils de partitionnement de données de JMP et j'ai très rapidement réalisé que je devais arrêter d'utiliser Excel pour l'analyse et adopter JMP. Depuis, je l'utilise quotidiennement. »
Pete Cannon, directeur de l'ingénierie de la qualité des produits et des systèmes de gestion de la qualité
Pete Cannon s'appuie depuis longtemps sur l'analyse pour exploiter les données dans le cadre de la gestion de la qualité. Dès le début de sa carrière, il a commencé à affiner ses compétences en cours d'emploi et a rapidement été freiné dans son travail par les logiciels mis à sa disposition.
Comme beaucoup d'ingénieurs, il utilisait Excel pour résoudre les problèmes analytiques les plus épineux. Mais compte tenu de sa capacité limitée en matière de gestion des analyses, un phénomène désormais répandu dans l'ingénierie de la qualité, et de la nature statique de ses graphiques, qui limite l'exploration de données, Excel était en bout de course.
« Excel ne pouvait pas résoudre mes problèmes et j'avais déjà entendu parler de JMP », se souvient-il. Douze ans plus tôt, il avait participé à un atelier de trois jours sur JMP® à San Francisco. « J'ai pu résoudre un problème juste après avoir suivi une formation sur l'exploration de données : nous avions passé en revue les outils de partitionnement de données de JMP et j'ai très rapidement réalisé que je devais arrêter d'utiliser Excel pour l'analyse et adopter JMP. Depuis, je l'utilise quotidiennement. »
En ce qui concerne notamment les fonctions de visualisation de données interactive du logiciel, non seulement elles permettent de convertir les concepts statistiques abstraits en application utiles, mais elles lui sont également très précieuses pour transformer des données brutes en informations rapidement exploitables. Il utilise fréquemment l'outil pour la visualisation de données (Constructeur de graphiques), l'exploration (Analyse – Distribution), l'évaluation de changements de distribution et de variation au fil du temps (Boîte de tendances et Graphiques en bulles), la création de résumés de données avancés (Analyse – Mettre en tableau), la manipulation de données (empiler et diviser), effectuer des analyses à un facteur pour comparer les distributions paramétriques entre les catégories et relever les différences (Ajuster Y en fonction de X), déterminer les modèles de fiabilité les mieux adaptés (Fiabilité – Distribution de survie), créer des matrices de corrélation (Méthodes multivariées), trouver le nombre optimal d'essais expérimentaux et les paramètres correspondants (Plans optimaux), explorer les événements de production incontrôlés (Générateur de carte de contrôle), l'analyse de régression (Modèle linéaire), ainsi que la création de bootstrap forests et d'analyses de partition (Modélisation prédictive) entre autres plates-formes.
Peu de temps après avoir adopté JMP lui-même, Pete. Cannon a commencé à réaliser qu'un grand nombre de ses collaborateurs utilisaient d'autres outils d'analyse, alors qu'il savait qu'il existait un moyen plus efficace de travailler. « À mes débuts, mon responsable disait toujours que la première étape de l'analyse de données était de tracer les données », se souvient-il. « Les années suivantes, j'ai vu de nombreuses personnes commettre cette erreur. Certains passent directement aux tables et manquent, ou découvrent tardivement, des informations qu'on peut rapidement repérer avec un Constructeur de graphiques. Chaque fois que je vois des feuilles de calculs de données brutes en réunion, je demande le fichier et peux générer des analyses instructives en quelques secondes. »
Comme il l'explique aux participants des programmes de formation : « Si vous passez plus de cinq minutes par mois à utiliser Excel pour la visualisation de données, vous perdez votre temps à ne pas utiliser JMP. » Pour illustrer cela, il a mis ses collègues au défi de répliquer dans Excel des cartes de tranche en treillis X/Y avec boîtes à moustaches et tendances de production. « Je n'ai pas créé un graphique dans Excel depuis 2009 », dit-il en plaisantant.
Il y avait là la nécessité d'un nouveau logiciel et une occasion de généraliser les avantages qu'il avait lui-même obtenu. Pour Pete Cannon, cela supposait d'équiper son équipe avec l'outil statistique de référence qui lui avait ouvert tant de portes plus de dix ans auparavant. C'est ainsi qu'il a organisé une formation JMP pour l'équipe d'exploitation de NVIDIA.
« J'ai expliqué comment j'ai adapté JMP pour obtenir le résultat qui me semble le plus bénéfique pour les ingénieurs qui analysent les données, et présenté les plates-formes d'analyse statistique les plus couramment utilisées », explique-t-il. « L'outil Construction de graphiques est extrêmement utile dans mon travail quotidien. Le fait de pouvoir importer rapidement des données et créer des visualisations de données instructives avec des étiquettes pour les valeurs aberrantes accélère la prise de décisions. Tous ces outils sont très performants et offrent un avantage distinct par rapport à leurs concurrents, que ce soit du point de vue de la rapidité ou du contenu. »
Tout le monde n'arrive pas chez NVIDIA avec le type de connaissances statistiques que ce travail exige. Pete Cannon a constaté avec quelle rapidité les ingénieurs débutant avec JMP peuvent commencer à utiliser l'outil et développer leurs compétences analytiques. C'est en partie pour cette raison qu'il a pris l'initiative, avec le soutien total de sa direction, d'étendre la gamme de formation continue et en cours d'emploi proposée aux ingénieurs de la société.
Les journées JMP biannuelles organisées par Pete Cannon sont un bon exemple de l'accent mis par NVIDIA sur le renforcement des compétences de son personnel. Au cours de ces événements, généralement de 3 heures, les experts techniques de JMP offrent une formation sur site et une assistance de type questions-réponses. Les ingénieurs de NVIDIA peuvent partager des présentations ou des conseils sur le logiciel.
Mais, conformément à la philosophie de NVIDIA de créer une culture de l'analyse, les possibilités de formation ne s'arrêtent pas là. En 2019, Pete Cannon a ajouté Statistical Thinking for Industrial Problem Solving (STIPS), une formation en ligne gratuite de JMP, comme complément de formation recommandé. « Je savais que STIPS était une formidable occasion d'encourager encore plus les techniques statistiques chez NVIDIA», déclare-t-il, insistant non seulement sur la nécessité de concepts élémentaires, mais aussi de développer les compétences en résolution de problèmes axées sur les données.
Même si la formation STIPS est sponsorisée par JMP, ses plus de 25 heures de contenu ont été rédigées et créées par une équipe d'experts ayant de l'expérience dans le secteur. Les exemples qui y sont cités proviennent de cas concrets et sont conçus pour promouvoir les techniques statistiques face aux défis du secteur.
NVIDIA propose maintenant deux options à son personnel pour l'accomplissement du programme : une étude à leur propre rythme ou des réunions WebEx d'une heure hebdomadaire, où les participants parcourent ensemble les documents. Ces séances hebdomadaires (animées par Iris Shen, ingénieure du groupe qualité) ont été suivies par des employés de plus de 10 divisions de la société, certains utilisant JMP à un niveau avancé depuis de nombreuses années et d'autres n'ayant jamais utilisé un autre outil statistique qu'Excel.
« La formation STIPS offre un excellent équilibre entre théorie statistique et utilisation pratique de JMP pour résoudre les problèmes courants de nombreuses entreprises », indique Pete Cannon. « Elle a été bien reçue par toutes les personnes avec lesquelles je me suis entretenu, et nous discutons actuellement de sa reconduite cette année. La meilleure preuve de la valeur de cette formation, c'est quand je me rends à des réunions et que je constate que les méthodes y sont appliquées. »
Son conseil pour ceux qui cherchent à promouvoir l'analyse ? « Je recommande vivement STIPS à toute entreprise qui souhaite renforcer et développer l'utilisation d'outils statistiques pour résoudre les problèmes. »
Apprenez la statistique de chez vous. Développez vos compétences grâce à cette formation en ligne gratuite.
Les résultats exposés dans le présent document se rapportent aux situations, aux modèles métier, aux données et aux environnements informatiques y étant décrits. L’expérience de chaque client SAS étant unique et reposant sur des variables métier et techniques, il convient de considérer les présentes déclarations comme singulières. Les économies, résultats et performances réels dépendent des configurations et conditions côté client. SAS ne peut garantir des résultats similaires à chaque client. Les seules garanties relatives aux services et produits SAS sont celles exposées dans le contrat écrit associé. Aucune mention figurant dans le présent document ne peut être considérée comme une garantie supplémentaire. Les témoignages des clients s’inscrivent dans le cadre d’un accord contractuel ou d’une série de projets ayant abouti suite à l’implémentation réussie des logiciels SAS.