Le guide ultime des études de temps de fabrication dans l'usine connectée

Une étude des temps de fabrication est un processus structuré d'observation directe et de mesure du travail humain à l'aide d'un dispositif de chronométrage afin d'établir le temps nécessaire à l'accomplissement du travail par un travailleur qualifié à un niveau de performance défini.

Les études de temps sont plus appropriées pour les processus impliquant des séquences d'actions répétitives qui se répètent dans un cycle. Lorsqu'un processus peut être divisé en plusieurs tâches distinctes, les études de temps sont un moyen utile de mesurer le temps que les employés consacrent à chaque partie du processus.

[Téléchargez notre ressource gratuite] Connected Worker Guide : Renforcer l'autonomie de la main-d'œuvre de première ligne dans l'industrie manufacturière →

Depuis plus d'un siècle, les études de temps constituent une méthode essentielle pour recueillir des données sur les processus de fabrication. Depuis que Frederic Winslow Taylor a introduit les études de temps au début du 20e siècle dans le cadre de son système de gestion scientifique, les fabricants ont utilisé les études de temps pour optimiser leurs opérations.

Les études temporelles sont également l'une des formes de mesure les plus faciles à réaliser de manière incorrecte. Malgré leur simplicité, il existe plusieurs façons pour un chercheur d'introduire des biais et des incohérences dans ses données. Bien qu'il puisse sembler insignifiant, le coût de mauvaises données est élevé. Selon une étude menée par Experian PLC, de mauvaises données peuvent coûter à une organisation entre 15 et 25 % de son chiffre d'affaires. Et cela ne s'arrête pas là. IBM estime que les mauvaises données coûtent à l'économie américaine plus de 3 000 milliards de dollars par an.

La bonne nouvelle, c'est qu'il y a quelques mesures simples à prendre pour tirer le meilleur parti de vos études de temps. Pour ceux qui s'intéressent à l'industrie 4.0 transformation numérique, il existe des moyens de tirer parti des nouvelles technologies pour produire des études de temps plus précises et plus perspicaces.

Pour les ingénieurs de l'Industrial Time Studies Institute, les études de temps ont cinq objectifs principaux.

1. L'amélioration des processus et des procédures
2. L'amélioration de l'agencement des plans, des bureaux ou des zones de service
3. Économie de l'effort humain et réduction de la fatigue inutile
4. Amélioration de l'utilisation des matériaux, des machines et de la main-d'œuvre
5. Développement d'un meilleur environnement physique de travail

Lorsqu'elles sont effectuées correctement, les études de temps fournissent une vue granulaire et normalisée d'un processus à plusieurs étapes. Elles peuvent être utilisées pour accroître l'efficacité des processus, améliorer la conception des usines et des processus, ainsi que le rendement et l'expérience des travailleurs.

• Parmi les utilisations courantes des études de temps, on peut citer
• Définition et normalisation des temps de passage
• Établir des indicateurs de performance clés pour les processus d'un fabricant
• Localiser et éliminer les inefficacités dans les processus
• Collecte de données pour aider à prévoir la production et les recettes annuelles
• Resserrement de la planification annuelle des ressources et des stocks
• Identifier les lacunes en matière de compétences et créer des initiatives de formation ciblées.

Les études temporelles peuvent être décomposées en trois phases : l'analyse, la mesure et la synthèse.

Analyse : Déterminez ce que vous souhaitez mesurer et fixez un objectif concret à l'étude (accélérer la durée du processus, fixer des délais standard, identifier les étapes qui pourraient nécessiter une formation ciblée, etc.) Lorsque vous savez quel processus vous souhaitez étudier (et pourquoi), décomposez-le en ses éléments constitutifs. Assurez-vous que chaque tâche est bien définie, avec un début et une fin clairement établis. Demandez à plusieurs experts en la matière combien de temps il leur faut pour mener à bien le processus et demandez-leur d'estimer le temps qu'ils consacrent à chaque tâche constitutive. Ces informations vous aideront à calibrer les temps standard.

Mesure : À l'aide d'un chronomètre ou d'un autre dispositif de chronométrage, mesurez le temps que les travailleurs consacrent à chaque étape. À ce stade, vous voudrez également tenir compte des indemnités susceptibles d'entraver la capacité d'un travailleur à accomplir une tâche.

Synthèse : À l'aide d'un modèle ou d'une feuille de calcul, saisissez vos données. Une fois la collecte des données terminée, effectuez les analyses nécessaires. Celles-ci varieront en fonction des objectifs et de la conception de votre étude de temps.

L'un des traits caractéristiques de l'usine de l'industrie 4.0 est la connectivité accrue.

Les plateformes numériques telles que Tulip vous permettent d'enregistrer automatiquement des études de temps granulaires. Vous pouvez ainsi comparer le temps passé par chaque opérateur par rapport à l'objectif fixé.

IoT Les connexions et l'informatique en nuage ont permis la création et le stockage de données à une échelle sans précédent. Les capteurs portés sur soi, Vision par ordinateuret les applications sans code sont capables de collecter des données en temps réel auprès des travailleurs. La collecte de données étant automatisée, elle élimine les biais humains de l'échantillon. Et l'IA peut trouver des modèles dans les données que les humains seuls ne peuvent pas - parce qu'ils s'améliorent avec le temps, la maintenance prédictive est un objectif réalisable.

Cette connectivité permet aux ingénieurs (ou aux algorithmes) d'effectuer des études continues et en temps réel des processus. Un flux constant de données offre une visibilité totale de l'usine. De plus, un échantillon plus large facilite l'analyse des causes profondes et la rend plus précise que des mesures éparses.

Lorsque ces technologies fonctionnent ensemble dans le cadre d'une usine entièrement connectée, le potentiel de concentration est immense. Amélioration continue est immense.

Cependant, peu d'usines ont déjà commencé à utiliser le site transformation numérique . Pour beaucoup, le chronomètre et le presse-papiers restent les meilleurs outils.

Utilisez un échantillon de la plus grande taille possible. Même si de nombreuses petites entreprises manufacturières ne disposent pas de centaines ou de milliers d'employés à étudier, elles doivent néanmoins s'efforcer d'obtenir l'ensemble de données le plus large possible. Un plus grand nombre de points de données fournira un compte rendu plus nuancé du processus et permettra d'identifier les valeurs aberrantes.

Tenez compte des compétences des travailleurs. Tous les employés n'exécutent pas toutes les tâches avec la même compétence. De nombreux modèles d'études de temps donnent au chercheur la possibilité de "noter" les compétences du travailleur observé. L'objectif de cette évaluation est de tenir compte des disparités dans les compétences des employés. Le fait de n'étudier que des associés chevronnés produira des temps standard irréalistes. Un suréchantillonnage des nouvelles recrues vous conduira à sous-estimer les volumes de production. Ni l'un ni l'autre ne donneront une image précise des performances globales.

Essayez de ne pas enregistrer pendant que vous observez. L'enregistrement pendant l'observation peut conduire à des observations inexactes. Si possible, utilisez la fonction "lap" d'un chronomètre pour enregistrer les temps de passage. Cela vous évitera d'enregistrer des données précises. Si vous ne disposez pas d'un tel chronomètre, envisagez d'observer en équipe, une personne enregistrant pendant que l'autre observe.

L'effet Hawthorne décrit les changements de comportement d'un travailleur lorsqu'il sait qu'il est observé. La découverte que l'observation n'est pas une activité neutre, qui fait partie d'un ensemble plus vaste d'"effets de l'observateur", a conduit à des avancées dans des disciplines aussi différentes que la physique et l'anthropologie culturelle.

Les chercheurs doivent être conscients que le simple fait d'observer peut modifier le phénomène étudié. Bien que certains chercheurs évitent l'effet Hawthorne en recueillant des données en secret, la meilleure stratégie consiste à être honnête avec vos travailleurs quant à l'objet et aux buts de l'étude.

À ce stade, vous devriez être prêt à commencer à recueillir des données dans l'atelier. Voici quelques éléments supplémentaires à prendre en compte.

Ne perdez pas de vue l'objectif. Les données sont précieuses, mais les études de temps pour elles-mêmes peuvent être un gaspillage de ressources précieuses. Assurez-vous de savoir exactement pourquoi vous réalisez l'étude et gardez toujours à l'esprit le besoin de l'entreprise qui se cache derrière les mesures.

Votre personnel est votre meilleur atout. Les travailleurs sont souvent sceptiques à l'égard des études de temps, et ce pour de bonnes raisons. Les études de temps font partie d'une longue histoire de gestion scientifique qui a rarement eu à cœur l'intérêt du travailleur. Mais vos employés sont la clé pour établir des temps standard réalistes, vous fournir des données précises et, en fin de compte, créer de la valeur sur la ligne. Plus ils se sentent investis dans le processus et impliqués dans les résultats, plus l'étude sera bénéfique pour toutes les parties concernées.

Il est préférable de réaliser plusieurs fois des études temporelles. Les échantillons multiples permettent d'obtenir un ensemble de données plus important et plus complet.

Utiliser la technologie dont vous disposez pour vous aider - L'une desfaçons de valider les durées des processus et des étapes consiste à vérifier les observations par rapport aux horodatages d'un ERP ou d'un MES. Vous pouvez également envisager d'investir dans une technologie peu coûteuse, prête à l'emploi ( IoT), qui recueillera des données sur les processus et les étapes en temps réel.