Pourquoi l'amélioration continue a besoin de meilleures données

L'amélioration continue est censée créer un apprentissage qui se cumule dans le temps. Dans de nombreuses usines, cependant, le travail d'amélioration dépend encore fortement des ateliers, des tableurs, des rapports isolés et de ce que les gens se rappellent du poste précédent. Un événement Kaizen peut produire des progrès visibles, mais quelques semaines plus tard, la même perte réapparaît souvent sous des conditions de production légèrement différentes. Le problème ne vient pas toujours de la qualité de l'idée d'amélioration. Le problème plus important est que les équipes ne peuvent souvent pas prouver si la contre-mesure a réellement fonctionné, où elle a fonctionné, et dans quelles conditions elle a cessé de fonctionner.

POURQUOI LES AMÉLIORATIONS KAIZEN DISPARAISSENT SOUVENT
Un atelier crée de la concentration pendant quelques jours. Les équipes cartographient le processus, identifient les gaspillages, attribuent des actions, déplacent des outils, modifient des listes de contrôle ou ajustent les passations. Puis la pression normale de la production revient. Le superviseur a une autre commande urgente, la maintenance un autre incident, la planification change la séquence, et la qualité met un autre lot en attente. L'action d'amélioration reste quelque part dans un fichier Excel ou un outil de suivi de projet au lieu de devenir une partie du rythme opérationnel. La question importante n'est donc pas de savoir si une action a été réalisée, mais si la situation de production s'est réellement améliorée.

LE PDCA A BESOIN D'UNE VÉRITABLE ÉTAPE DE VÉRIFICATION
Planifier, Faire, Vérifier, Agir semble simple, mais de nombreuses organisations exécutent en pratique Planifier, Faire, puis Passer à autre chose. La phase PLANIFIER doit définir un problème testable, l'état actuel, l'amélioration attendue et l'hypothèse qui sous-tend la contre-mesure. FAIRE signifie tester la contre-mesure dans des conditions de production réelles tout en consignant suffisamment de contexte pour comprendre ce qui s'est réellement passé. VÉRIFIER consiste à comparer le résultat attendu aux preuves issues de la production réelle. AGIR signifie standardiser le changement lorsque les preuves le justifient, ou l'adapter, le restreindre ou l'annuler lorsqu'elles ne le font pas.
• La perte a-t-elle réellement diminué ?
• Le problème s'est-il simplement déplacé ailleurs ?
• Le changement a-t-il amélioré la disponibilité tout en dégradant la qualité ?
• A-t-il fonctionné pour différents produits, équipes et postes ?
• La maintenance, les matières, la planification ou un autre processus ont-ils influencé le résultat ?
Une seule série de production réussie ne constitue pas une preuve. L'amélioration continue a besoin de suffisamment de preuves pour distinguer une amélioration reproductible d'un poste chanceux.

LE GEMBA ET LES DONNÉES ONT BESOIN L'UN DE L'AUTRE
Les données ne remplacent pas le Gemba. Opérateurs, superviseurs, techniciens, planificateurs et équipes qualité comprennent des conditions de production que les systèmes ne peuvent souvent pas capturer. Un relevé machine peut indiquer un arrêt de dix minutes, alors qu'un opérateur sait que l'arrêt a eu lieu parce qu'un composant ne semblait pas correct, qu'un cheminement normal des matières était bloqué, ou que l'équipe précédente a laissé le poste dans un état inhabituel. Inversement, l'observation seule ne montre qu'un poste, un événement ou une version du problème. Des données opérationnelles connectées permettent de vérifier si une observation se répète selon les ordres, les produits, les machines, les postes, les lots de matières et sur des périodes plus longues.

Le Gemba aide les équipes à identifier où regarder et quelles questions comptent. Les données opérationnelles permettent de tester ces questions sur le schéma réel de production. Le standard de travail transmet ensuite l'apprentissage afin que le poste suivant ne reparte pas de zéro.

COMMENCER PAR LA QUESTION D'AMÉLIORATION
L'une des plus grandes erreurs de l'analytique industrielle consiste à commencer par les données disponibles. Une ligne de production moderne peut générer d'énormes volumes d'informations provenant des automates, capteurs, systèmes MES, ERP, systèmes qualité, applications de maintenance et tableurs. Plus de données ne créent pas automatiquement de meilleures décisions. Un processus d'amélioration utile part de la question de production que l'équipe doit réellement résoudre.

Au lieu de demander « Quelles données avons-nous ? », demandez « Quelle question de production essayons-nous de résoudre ? ». Une formulation comme « les changements de série prennent trop de temps » reste trop vague. Une meilleure question serait : pourquoi la durée de changement de série varie-t-elle autant pour une même famille de produits sur une même ligne de production ? Cela permet immédiatement de définir le contexte qui compte.
• Produit précédent
• Produit suivant
• Ordre de fabrication
• Ressource ou ligne
• Configuration des outils
• Matière
• Poste ou équipe
• Début du changement de série
• Temps de redémarrage
• Première unité acceptable
• Production stable
• Résultats qualité
• Alarmes machine
L'objectif n'est pas de tout collecter. L'objectif est de collecter le plus petit ensemble de faits capable de modifier la décision d'amélioration.

L'ERP EXPLIQUE LE PLAN
L'ERP fournit le contexte commercial et de planification autour de la production. Il peut montrer les quantités planifiées, les gammes, les engagements clients, les besoins en matières, la priorité des ordres et la séquence de production prévue. Ce contexte est important, car les conditions de production changent constamment. Une contre-mesure peut réellement réduire le temps de changement de série alors que la performance de livraison se dégrade parce que le mix produit a changé ou que les planificateurs ont introduit des transitions de produits plus fréquentes.
L'ERP aide donc à expliquer ce qui devait être produit, dans quelle séquence, pour quelle demande, avec quelles gammes et quelles matières. Mais l'ERP décrit surtout l'intention. Il ne décrit pas nécessairement ce qui s'est physiquement passé sur l'atelier.

LE MES EXPLIQUE CE QUI S'EST RÉELLEMENT PASSÉ
Le système d'exécution de fabrication comble une partie de ce manque. Le MES peut fournir l'historique d'exécution d'un ordre, incluant les débuts et fins réels des opérations, les quantités produites, les rebuts, les mises en attente, les reprises, les ressources, les saisies opérateur, la consommation de matières, la traçabilité et les codes motifs. Cela permet aux équipes d'amélioration de relier les pertes à des ordres et opérations réels, au lieu de se fier à la mémoire ou aux moyennes journalières.

Les données MES doivent encore être interprétées. Des transactions peuvent être saisies en retard, des équipes différentes peuvent utiliser les codes motifs de façon différente, et un horodatage peut représenter le moment où un opérateur a confirmé quelque chose plutôt que l'instant physique exact de l'événement. Le système fournit des preuves, mais c'est le processus qui leur donne un sens.

LES DONNÉES MACHINE ET IoT EXPLIQUENT LE PROCESSUS PHYSIQUE
Lorsque les équipes doivent comprendre ce qui s'est passé à l'intérieur d'une opération, les données machine deviennent importantes. Les signaux automates et IoT peuvent exposer les états machine, les temps de cycle, les alarmes, la vitesse, la température, la pression, les verrouillages, la charge moteur, le comportement au redémarrage et le temps jusqu'à une production stable. Le MES peut montrer qu'une opération a redémarré à un moment donné, tandis que les données machine expliquent ce qui s'est passé pendant les minutes précédant le retour d'une production stable.
• Alarmes répétées
• Vitesse réduite après redémarrage
• Récupération de température
• Réglages manuels
• Verrouillages
• Temps de cycle instables
Des données machine sans contexte de production peuvent tout de même induire en erreur. Une alarme devient bien plus utile lorsqu'elle peut être reliée à l'ordre de travail, au produit, à l'opération, à la ressource, à l'état des outils, à la matière et au résultat qualité entourant l'événement.

L'ATELIER APPORTE LE SENS
Opérateurs, techniciens de maintenance, superviseurs et équipes qualité comblent les lacunes que les systèmes automatisés ne peuvent pas combler. Un code motif tel que « problème matière » peut décrire des situations très différentes dans la pratique. La matière peut être arrivée en retard, s'être comportée différemment, avoir porté une étiquette incorrecte, avoir été endommagée, ou avoir créé un problème en aval qui n'est devenu visible que plus tard.

Les codes structurés aident à catégoriser les événements. Le contexte humain aide à les expliquer. La collecte de données doit donc s'adapter à la réalité de la production au lieu de l'interrompre. La question utile n'est pas combien d'informations un opérateur peut saisir, mais quelle est la plus petite saisie humaine qui rendrait la prochaine décision d'amélioration meilleure.

VOUS AVEZ BESOIN D'UN LANGAGE D'USINE COMMUN
L'ERP, le MES, les systèmes de maintenance, les historiens et les tableurs peuvent tous décrire le même événement de production de façons différentes. Un système peut appeler une ressource « Ligne 3 », un autre « LIGNE03 », la maintenance peut suivre plusieurs actifs distincts au sein de la ligne, et un historien peut encore utiliser un ancien tag automate. Un