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

Selon l'Institute of Management Services:

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

Les études de temps sont les 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 d'un processus.

[Télécharger notre ressource gratuite] Guide du travailleur connecté : Donner du pouvoir à la main-d'œuvre de première ligne du secteur manufacturier →

Depuis plus d'un siècle, les études de temps constituent une méthode essentielle de collecte de 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 de temps 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 que cela puisse sembler insignifiant, le coût des mauvaises données est élevé. Selon une étude d'Experian PLC, les mauvaises données peuvent coûter à une organisation de 15 à 25 % de ses revenus. Cela s'additionne. IBM estime que les mauvaises données coûtent à l'économie américaine plus de 3 000 milliards de dollars par an.

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

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'aménagement des plans, des bureaux ou des zones de service
3. L'économie de l'effort humain et la réduction de la fatigue inutile
4. L'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 réalisées 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, et améliorer le rendement et l'expérience des travailleurs.

• Voici quelques utilisations courantes des études de temps :
• La définition et la normalisation des temps d'étape
• l'établissement d'indicateurs clés de performance pour les processus d'un fabricant
• Repérer et éliminer les inefficacités dans les processus.
• la collecte de données pour aider à prévoir la production et les revenus annuels
• Resserrer la planification annuelle des ressources et des stocks
• Identifier les lacunes en matière de compétences et créer des initiatives de formation ciblées.

Les études de temps peuvent être décomposées en trois phases : analyse, mesure et synthèse.

Analyse : Décidez de ce que vous souhaitez mesurer et déterminez un objectif concret pour l'étude (accélérer les temps de processus, établir des temps standards, 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 le processus leur prend, et demandez-leur d'estimer le temps qu'ils passent sur chaque tâche constitutive. Ces informations vous aideront à calibrer les temps standards.

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 tolérances qui peuvent 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 que vous avez terminé la collecte des données, effectuez les analyses nécessaires. Celles-ci changeront 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.

Des plateformes numériques comme Tulip vous permettent d'enregistrer automatiquement des études de temps granulaires. Ici, vous pouvez voir le temps de chaque opérateur par étape par rapport à l'objectif.

IoT Les connexions et le cloud computing ont permis la création et le stockage de données à une échelle sans précédent. Les capteurs portables, la vision par ordinateur et les applications sans code sont capables de collecter des données en temps réel auprès des travailleurs. Comme la collecte de données est automatisée, elle élimine les biais humains de l'échantillon. Et l'IA peut trouver des modèles dans les données que l'homme seul ne peut pas trouver - parce qu'elle s'améliore avec le temps, la maintenance prédictive est un objectif atteignable.

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 sur l'usine. Et un échantillon de plus grande taille rend l'analyse des causes profondes plus facile et plus précise que des mesures éparses.

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

Cependant, peu d'usines ont encore entamé une transformation numérique. Pour beaucoup, le chronomètre et le presse-papiers restent les meilleurs outils.

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

Prenez en compte les compétences des employés. Tous les employés n'exécutent pas toutes les tâches avec la même compétence. De nombreux modèles d'étude de temps donnent au chercheur la possibilité de "noter" la compétence du travailleur observé. L'objectif de cette évaluation est de tenir compte des disparités dans les compétences des employés. Si vous n'étudiez que des employés expérimentés, vous obtiendrez des temps standard irréalistes. Si vous suréchantillonnez les nouveaux employés, vous sous-estimerez les volumes de production. Ni l'un ni l'autre ne donnera 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 pas. Cela vous empêchera 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.

Méfiez-vous de l'effet Hawthorne.L'effet Hawthorne décrit les changements de comportement d'un travailleur lorsqu'il sait qu'il est observé. Faisant partie d'un ensemble plus vaste d'"effets d'observation", la découverte que l'observation n'est pas une activité neutre a conduit à des avancées qui ont changé la donne 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. Si certains chercheurs évitent l'effet Hawthorne en recueillant des données en secret, la meilleure stratégie consiste à être honnête avec vos collaborateurs 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 points supplémentaires à prendre en compte.

Ne perdez pas de vue l'objectif. Les données sont formidables, mais les études de temps pour elles-mêmes peuvent constituer un gaspillage de ressources précieuses. Assurez-vous de savoir exactement pourquoi vous réalisez l'étude, et gardez toujours à l'esprit le besoin commercial 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 une bonne raison. 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 collaborateurs sont la clé pour établir des temps standard réalistes, vous fournir des données précises et, en fin de compte, créer de la valeur sur le terrain. Plus ils se sentent investis dans le processus et impliqués dans les résultats, plus l'étude sera bénéfique pour toutes les parties concernées.

Les études de temps sont plus efficaces lorsqu'elles sont réalisées plusieurs fois. Les échantillons multiples fournissent un ensemble de données plus vaste et plus complet.

Utiliser la technologie dont vous disposez pour vous aider - Unefaçon de valider les temps de processus et d'étape est de vérifier les observations par rapport aux horodateurs dans un ERP ou un MES. Une autre façon est d'envisager d'investir dans une technologie peu coûteuse, prête pour l'IoT, qui collectera les données de processus et d'étapes en temps réel.