Acheter un logiciel OEE est la partie facile. Faire en sorte que votre atelier l'utilise vraiment pour piloter l'amélioration ? C'est là que 70% des implémentations échouent.
Nous l'avons vu une douzaine de fois : un Plant Manager installe un nouveau système rutilant (comme Vorne ou un MES complexe), accroche des écrans aux murs et s'attend à un bond de productivité. À la place, les opérateurs détestent la surveillance « Big Brother », les codes de downtime sont notés « Autre », et les données deviennent inutiles en trois mois.
Voici les 5 erreurs les plus courantes en implémentation OEE — et comment les éviter.
Erreur 1 : Traiter l'OEE comme une métrique « personne », pas une métrique « processus »
Quand l'OEE est « la note de l'opérateur », les opérateurs le truqueront. Toujours. C'est humain.
L'OEE doit mesurer le processus : machine, ligne, matière, méthode. Quand une équipe voit 65% d'OEE et comprend que le problème est une conduite de refroidissement obstruée — pas leurs doigts — la vraie collaboration commence.
Chez Fabrico, les visualisations OEE montrent le split par cause racine, pas par opérateur. C'est un choix culturel, pas seulement UI.
Erreur 2 : Le « silo de données » (déconnecter l'OEE de la maintenance)
Un outil OEE qui ne parle pas au CMMS est inutile. Vous voyez que la Disponibilité est à 67%, mais ne pouvez pas créer un ordre de travail pour le roulement 7 sans quitter le dashboard.
La boucle fermée ressemble à ça : événement de perte → trigger automatique dans le CMMS → ordre de travail au technicien → revérification une fois résolu → recalcul de l'OEE. C'est de l'opération, pas de l'observation.
Fabrico est un CMMS+OEE natif — une UI, une base de données, une action.
Erreur 3 : La « fatigue de saisie » (rendre la saisie de causes trop dure)
Si un opérateur doit remplir 6 champs pour enregistrer un arrêt de 3 minutes, il mettra « Autre » ou sautera carrément l'étape.
La solution : 3 taps maximum. Une liste de causes avec le top 10 pour cette machine (apprise des données historiques). Notes vocales pour les détails. QR code de l'actif → remplissage auto de machine et zone.
Résultat : « Autre » passe de 40% à moins de 8%. Ce sont les données dont vous avez besoin.
Erreur 4 : L'obsession des automates (le piège des « données parfaites »)
« On ne peut pas démarrer le projet OEE tant qu'on n'a pas intégré les 47 automates. » 18 mois et €120k plus tard, le projet est reporté.
Le CV OEE casse cette obsession. Caméra + boîtier edge comptent les pièces réelles sans automate en 4 heures. Mieux vaut 80% de précision sur 100% des lignes demain que 100% de précision sur 60% des lignes dans 18 mois.
Commencez par le CV là où il n'y a pas d'automate. Les intégrations automate pour les machines plus récentes viendront ensuite. C'est l'approche agile.
Erreur 5 : Ignorer « l'usine cachée » (perte de Performance)
La plupart des usines se concentrent sur la Disponibilité (downtime). C'est une erreur. Le vrai tueur, c'est la Performance — une machine qui tourne à 92% de la vitesse nominale 24 h sur 24.
C'est « l'usine cachée » — la perte de capacité que personne ne voit parce que la machine « tourne ».
Le CV OEE de Fabrico compte les pièces réelles et compare au design rate. Quand la machine 12 tourne à 87% pendant 4 heures, vous recevez une alerte. Ça libère 13% de capacité sans capex.
Conclusion : Construire un système d'action
Acheter un outil OEE n'est pas une stratégie. Changer la façon dont l'usine opère, si.
Ces 5 erreurs tuent la majorité des projets OEE. Évitez-les et démarrez avec une petite ligne pilote. Après 30 jours, vous avez des données pour le CFO, des opérateurs qui font confiance au système, et un flux de travail qui se nourrit lui-même.
Connexion
Blog
