En 2017, Tesla se retrouve dans une situation paradoxale. La Model 3 rencontre une demande considérable, mais l’entreprise peine à transformer cette demande en véhicules produits.

Le constructeur avait pourtant misé sur ce qui semblait être la réponse logique à une montée en cadence aussi brutale : une automatisation industrielle poussée.

Le résultat n’a pas immédiatement été celui attendu.

Des goulots d’étranglement apparaissent, notamment dans la production des modules de batteries. La montée en cadence prend du retard et Tesla doit mobiliser ses ingénieurs pour reprendre certains processus automatisés particulièrement complexes. En 2018, l’entreprise reconnaîtra avoir introduit trop d’automatisation, trop rapidement, dans certaines parties de son système industriel. (sec.gov)

Ce fameux « Production Hell » est généralement raconté comme l’histoire d’une automatisation excessive.

Mais il permet de poser une question beaucoup plus intéressante pour l’industrie : que faire lorsque la technologie censée augmenter la capacité devient elle-même une contrainte ?

La réponse n’est pas nécessairement de supprimer la technologie.

Elle consiste à construire le bon pont entre la technologie, l’information et l’humain.

Le problème : une automatisation performante mais trop rigide face aux variations

Une ligne fortement automatisée fonctionne remarquablement bien lorsque les conditions correspondent à celles pour lesquelles elle a été conçue.

La difficulté apparaît avec les écarts.

Une pièce arrive légèrement en retard. Un poste perd quelques secondes. Une anomalie nécessite une intervention. Une opération en amont accélère tandis qu’une autre ralentit.

Dans une ligne interdépendante, ces événements peuvent se propager.

C’est là qu’apparaît une différence fondamentale entre automatisation et flexibilité.

Le robot apporte vitesse, répétabilité et précision. L’opérateur apporte une capacité différente : observer une situation inhabituelle, comprendre son contexte et adapter son action.

Le problème n’est donc pas de déterminer lequel est supérieur à l’autre.

Il consiste à faire en sorte que la machine sache quand elle doit continuer seule et quand l’organisation doit intervenir.

C’est précisément ici qu’un pont digital devient utile.

Premier pont : connecter les machines pour détecter la contrainte avant l’arrêt de la ligne

Le premier niveau du pont digital consiste à faire remonter en temps réel les informations essentielles de chaque étape du processus.

Temps de cycle.

Micro-arrêts.

Files d’attente.

Volumes produits.

Rebuts.

Cadence réelle par rapport à la cadence attendue.

Disponibilité des équipements.

Ces informations existent souvent déjà dans les automates et les différents systèmes industriels. Le problème est qu’elles sont fréquemment observées machine par machine.

Or ce qui nous intéresse n’est pas seulement de savoir si une machine fonctionne.

Nous voulons savoir ce qu’elle provoque sur le flux complet.

Imaginons qu’un poste fonctionne normalement à 60 unités par heure mais commence progressivement à descendre à 55, puis 52.

Pris isolément, l’écart peut sembler acceptable.

Mais si l’ensemble de la ligne dépend de 60 unités par heure pour atteindre son objectif, ce poste est en train de devenir la nouvelle contrainte.

Le pont digital doit permettre de détecter ce basculement.

L’entreprise ne découvre plus le problème lorsque la production journalière est manquée.

Elle le voit au moment où le flux commence à se dégrader.

Deuxième pont : faire intervenir l’humain exactement lorsque l’automatisation atteint sa limite

C’est ici que le modèle devient particulièrement intéressant.

Une fois l’anomalie détectée, le système ne doit pas nécessairement chercher à tout résoudre automatiquement.

Il peut déclencher une intervention humaine.

Le digital joue alors un rôle d’orchestration.

Une dérive dépasse un seuil défini. Une alerte est transmise à l’opérateur ou au responsable concerné. Le contexte est fourni immédiatement : poste concerné, évolution du temps de cycle, accumulation en amont, conséquences potentielles en aval.

L’opérateur n’a plus à rechercher le problème.

Il intervient sur un problème déjà localisé et contextualisé.

Il peut corriger une situation, modifier temporairement une séquence, basculer vers une opération semi-automatique ou utiliser un mode dégradé permettant au flux de continuer.

Puis la machine reprend.

C’est précisément cette combinaison qui est intéressante : automatiser ce qui est répétitif et utiliser l’intelligence humaine pour absorber ce qui ne l’est pas.

Tesla a d’ailleurs suivi une logique pragmatique lorsqu’elle a rencontré ses difficultés. En 2018, l’entreprise explique avoir temporairement réduit le niveau d’automatisation dans certaines parties de la fabrication des modules de batteries, de la circulation des matériaux et de l’assemblage général, en utilisant des processus manuels ou semi-automatisés pendant l’amélioration des systèmes automatisés. (sec.gov)

Le pont digital permet d’aller plus loin : ne pas choisir définitivement entre l’homme et la machine, mais organiser leur passage de relais.

Troisième pont : relier le goulot d’étranglement à son impact économique

Il manque encore une dimension.

Toutes les anomalies industrielles n’ont pas la même importance.

Une machine peut perdre dix minutes sans conséquence significative parce qu’elle dispose d’une capacité excédentaire. Ailleurs, cinq minutes perdues sur le poste qui limite toute la ligne peuvent affecter directement la production de la journée.

Traiter les deux incidents avec la même priorité serait une erreur.

Le pont digital doit donc ajouter une troisième couche : l’impact business.

Les données opérationnelles sont rapprochées des objectifs de production, des commandes, des stocks disponibles et, lorsque cela est pertinent, de leur impact économique.

Le responsable ne voit alors plus seulement :

« Poste 17 : cadence -12 %. »

Il doit pouvoir prédire la suite :

« Poste 17 devient la contrainte de la ligne. Si cette situation persiste deux heures, X unités prévues ne seront pas produites. »

À partir de là, les décisions changent.

Une intervention humaine peut être déclenchée immédiatement. Une maintenance non critique peut être reportée. Des ressources peuvent être déplacées. Une cadence amont peut être ajustée afin d’éviter une accumulation inutile.

La technologie ne sert plus simplement à automatiser.

Elle aide à prioriser.

Et c’est probablement l’une des fonctions les plus importantes du pont digital : faire en sorte que les ressources de l’entreprise soient mobilisées d’abord là où la valeur est réellement menacée.

Le bon modèle industriel n’est ni humain ni robotique : il est orchestré

Le cas Tesla devient alors beaucoup plus intéressant qu’une simple histoire de sur-automatisation.

Le constructeur n’a pas abandonné les robots.

Il a réduit temporairement l’automatisation là où celle-ci ralentissait la montée en cadence, modifié certains processus et continué à automatiser fortement les opérations pour lesquelles cette automatisation apportait de la valeur. (sec.gov)

C’est précisément cette logique qu’un pont digital peut industrialiser.

Machine → donnée → détection de la contrainte → décision → intervention humaine ou automatisée → retour au flux normal.

Le digital se situe au milieu de cette chaîne.

Son rôle n’est pas de faire disparaître l’humain. Il est de déterminer plus rapidement où son intervention apporte davantage de valeur que l’automatisation, et inversement.

Cela change profondément la définition d’une usine moderne.

L’usine la plus performante n’est pas nécessairement celle qui possède le plus grand nombre de robots.

C’est celle qui sait à chaque instant où se situe sa contrainte, qui détecte suffisamment tôt sa dégradation et qui dispose du mécanisme approprié pour rétablir le flux.

Parfois, ce mécanisme sera un algorithme.

Parfois, un robot.

Parfois, une modification de cadence.

Et parfois, ce sera simplement un opérateur expérimenté auquel le système aura transmis la bonne information au bon moment.

Le véritable progrès n’est donc pas de supprimer systématiquement l’intervention humaine.

Il est de ne plus la mobiliser au hasard.

C’est là que le pont digital prend toute sa valeur : mettre la puissance de l’automatisation là où le processus est maîtrisé, et l’intelligence humaine là où la variabilité exige encore de comprendre, décider et s’adapter.

Le « Production Hell » de Tesla nous rappelle finalement une règle assez simple.

Automatiser une usine ne suffit pas à la rendre intelligente.

Il faut encore construire les ponts qui permettent aux machines, aux données et aux hommes de travailler comme un seul système.