Blogs Faire face aux complexités de la production- Partie 1

Faire face aux complexités de la production- Partie 1

11 janvier 2023

Le désir d’améliorer la productivité est aussi vieux que l’existence des usines. Cette quête donne aujourd’hui lieu à des métiers à part entière. Elle a aussi et sans conteste généré des améliorations progressives, et parfois remarquables, de la productivité au sens large. De là aussi sont venus d'innombrables technologies, méthodologies, protocoles et approches qui visent, de façon directe ou indirecte, à contribuer à la performance industrielle en réduisant les coûts, en augmentant les profits, ou les deux. Seulement, la multitude et la diversité des données et la fiabilité parfois incertaine des relevés de mesures viennent complexifier la démarche et conduisent à des conclusions inappropriées ou des constats incohérents.

Art, science et intuition

La pression de tout industriel ne réside pas uniquement dans la mise en place d’une démarche d’amélioration continue mais aussi dans l’évaluation de l’impact des actions mises en œuvre. Or si l’impact de ces actions peut être clairement mesuré au travers de différents paramètres, leur mise en perspective de manière exhaustive n’est pas toujours évidente. Il est déjà bien assez difficile d’avoir une vision globale sur la productivité sans que cela ne soit parasité par des méthodes et des paramètres d’analyse disparates. En conséquence de quoi, au fil des décennies, l'évaluation et la gestion de la productivité dans les usines est devenu tout un "art". L'intuition des professionnels devient un filtre d’analyse - et ce, bien que nous ayons saturé l'entreprise "d’approches scientifiques" et de technologies, sous toutes les formes précédemment mentionnées. Lorsque cela se produit, la vérité d'une situation peut se trouver dans l'œil subjectif de l’observateur.

La complexité inhérente à l'OEE

Malgré un usage ancré, le taux de rendement global des équipements (OEE), l’indicateur le plus largement adopté pour évaluer la performance d'une opération de production, peut lui aussi apporter son lot de complexités dans une démarche d’amélioration de la production. On recense de nombreuses formules de calcul pour l'OEE, chacune étant considérée comme valide dans l'environnement où elle est déployée. L'un des calculs les plus simples de l'OEE, (Nombre de bonnes pièces produites x durée idéale du cycle)/Temps de production planifié), ne tient pas compte de certaines variables liées aux pertes, tandis qu'une autre approche du calcul (Disponibilité x Performance x Qualité) s’appuie sur ces mêmes facteurs.

 

La myriade de méthodologies

De Six Sigma à Lean, de SCADA à MES, les entreprises continuent de déployer une variété croissante de techniques pour mieux comprendre, contrôler et optimiser le fonctionnement de leurs usines. Un tel éventail d'approches a nécessairement entraîné une ahurissante complexité. La Manufacturing Enterprise Solutions Association (MESA), a précisément été fondée pour faire face à cette complexité - et c'était il y a 30 ans. Celle-ci se traduit par des sources de données et des normes d’appréciations hétérogènes, y compris au sein d’une même usine où l’observateur occasionnel pourrait s'attendre à un minimum d'harmonisation.

 

La disparité des paramètres

En outre, les paramètres utilisés pour évaluer l'OEE sont eux-mêmes de natures différentes. Par conséquent, leurs valeurs sont exprimées en unités de mesure qui ne sont pas spontanément comparables. L’évaluation des temps d'arrêt planifiés et non planifiés, et le changement d'équipement, par exemple, sont ordinairement mesurés en heures. La vitesse de production, en unités par heure. Les arrêts mineurs, et les rebuts - toujours en unités absolues. Ces mesures ne sont pas pensées pour offrir une vision unique et comparable de la réalité.

 

Les sources de données incohérentes

Pendant ce temps, des données critiques sont collectées et proviennent de différentes sources au sein de l'écosystème de production. Leur agrégation est également problématique. Ces sources de données peuvent non seulement être distinctes les unes des autres, mais aussi de natures différentes : systèmes ERP, MES, automates, données IoT, systèmes SCADA… A cela s’ajoute souvent des « solutions développées en interne », mais dont les subtilités ne sont maîtrisées que par une équipe très restreinte.

 

Le problème des pourcentages

Pour identifier les goulets d'étranglement et les éventuels axes d’amélioration, pour rechercher les causes et les effets indésirables, pour prendre des actions correctives les plus appropriées, les entreprises se basent souvent sur des rapports truffés de pourcentages qui peuvent induire en erreur. En effet ces rapports s’appuient sur des données aux sources variables. La vision qui s’en dégage peut manquer de cohérence et de précision lorsqu’il s’agit de faire un choix sur la meilleure décision à prendre. Apporter une amélioration significative à un problème « secondaire » peut s’avérer moins pertinent en termes d’impacts qu’une amélioration jugée de moindre importance mais réalisée sur une opération de production critique. Par ailleurs, ce type de rapport a tendance à être rétrospectif, c'est-à-dire qu'il livre un arrêt sur image de ce qui se passait au moment où une mesure en particulier a été relevée. Cette vision peut accuser un retard plus important encore lorsque la donnée passe par les nombreux filtres et calculs évoqués précédemment.

 

Faire valoir ses arguments

Les données sont partout. Mais où se trouve la vérité ? Étant donné la complexité déconcertante que créent des systèmes divers, des variables multiples et des sources de données disparates, faire preuve de discernement peut s’avérer délicat. Compte tenu des difficultés inhérentes à la comparaison de rapports basés sur des pourcentages, dérivés de données aux natures hétérogènes et provenant de sources multiples : comment pouvez-vous, en tant que responsable des opérations, bénéficier d’une vision claire des actions les plus impactantes à entreprendre ? Et comment faire valoir vos arguments dans un langage compréhensible par tous vos interlocuteurs ?

 

Une vision et un langage communs

Avec l'introduction de Digital Performance Management (DPM), PTC a changé de paradigme. DPM a été conçu et développé pour offrir une clé de lecture unique et partagée par tous permettant d'évaluer, de hiérarchiser et de résoudre les problèmes qui auront le plus d’impact sur votre productivité. La complexité propre aux données issues d’une ligne de production moderne est résolue et rationalisée en une métrique unifiée - les heures de production - sans ambiguïté et accessible au plus grand nombre. La vérité - et le chemin vers une amélioration de la production avec des résultats quantifiables- brille d’une clarté nouvelle.

Lisez la partie II de ce blog pour en savoir plus sur la clé de lecture unique offerte par DPM pour optimiser la production

CTA Image

ThingWorx Digital Performance Management

DPM fournit les informations dont vous avez besoin pour permettre la transformation digitale.

Démarrer
Jordan Coffman

Jordan Coffman is the IoT Director of Sales and Strategic Initiatives. Jordan creates integrated solutions to accelerate digital transformation for customers in the manufacturing industry. She empowers customers to redefine how they manage physical processes, products, and people with powerful technologies such as IIOT and AR.

Before joining PTC, Jordan held various positions at General Electric where she was responsible for delivering software solutions from ideation to implementation, supporting a range of Brilliant Factory initiatives. Her experience at GE has given her foundational knowledge to several manufacturing verticals, in a global environment. She has a Bachelor’s Degree in Business Information Systems and an executive degree in Business Administration from the Kelley School of Business at Indiana University.

À suivre