Dans un atelier, les pertes les plus coûteuses ne sont pas toujours les plus visibles.
Une panne franche, tout le monde la voit. La machine est arrêtée, la maintenance intervient, le temps perdu est identifié. Le problème est clair.
Les micro-arrêts, eux, sont plus discrets.
Une pièce qui arrive mal positionnée. Un opérateur qui doit relancer un cycle. Une alarme acquittée en quelques secondes. Un défaut capteur qui revient plusieurs fois dans la journée. Un chargement qui prend un peu plus de temps que prévu.
Sur le moment, rien de spectaculaire. Pourtant, à la fin du poste, la cadence n’est pas là.
C’est souvent à ce niveau que le TRS décroche.
Le vrai sujet n’est donc pas seulement de “réduire les micro-arrêts”. Avant cela, il faut déjà réussir à les voir, les compter et comprendre leurs causes.
Beaucoup d’équipes savent qu’elles perdent du temps. Le problème, c’est qu’elles n’ont pas toujours une donnée suffisamment fiable pour dire où, quand et pourquoi.
Ce point rejoint un constat plus large sur l’industrie 4.0. L’enquête La Fabrique de l’Industrie/McKinsey, menée auprès de 1 198 décideurs de PMI-ETI en France, Allemagne et Italie, montre que l’IoT industriel est adopté par 33 % des PMI-ETI françaises interrogées connaissant cette technologie, contre 29 % pour l’analytique avancée et 82 % pour la cybersécurité.
Autrement dit, les technologies existent. Mais leur valeur dépend d’un point très concret : le bon usage, au bon endroit, sur une vraie perte atelier.
Pour une PME industrielle, la bonne question n’est donc pas : “Quelle technologie faut-il installer ?”
La bonne question est plutôt :
quelle perte de production voulons-nous rendre mesurable ?
Dans le cas du TRS, les micro-arrêts sont souvent un très bon point de départ.
Qu’est-ce qu’un micro-arrêt machine ?
Un micro-arrêt machine est un arrêt court, souvent de quelques secondes à quelques minutes, qui interrompt ou ralentit la production sans toujours être déclaré comme un arrêt officiel.
Il peut être trop bref pour apparaître dans un rapport de poste. Il peut aussi être confondu avec une attente normale, un petit réglage, une relance ou un défaut mineur.
Dans un atelier d’usinage, un micro-arrêt peut venir d’un changement d’outil mal anticipé, d’un défaut de serrage, d’une attente de chargement, d’un contrôle pièce plus long que prévu ou d’une alarme rapidement acquittée.
Sur une ligne automatisée, il peut s’agir d’un bourrage, d’une cellule qui attend une pièce, d’un convoyeur qui se désynchronise, d’un capteur instable ou d’une remise en route manuelle.
Le point commun est simple : la perte est réelle, mais elle n’est pas toujours visible dans les chiffres.
Et quand une perte n’est pas visible, elle devient difficile à traiter.
Pourquoi les micro-arrêts font baisser le TRS ?
Le TRS, ou taux de rendement synthétique, mesure la performance réelle d’un équipement à partir de trois dimensions : la disponibilité, la performance et la qualité.
Les micro-arrêts agissent surtout sur les deux premières.
Ils réduisent le temps réellement productif, mais ils créent aussi une situation trompeuse : la machine peut être considérée “en marche”, alors qu’elle ne produit pas au rythme attendu.
C’est là que le TRS peut devenir dangereux s’il est mal calculé.
Un indicateur incomplet donne l’impression de piloter la performance. En réalité, il peut masquer une partie des pertes.
Dans beaucoup d’ateliers, on retrouve le même scénario :
la production constate que la cadence n’est pas atteinte ;
les opérateurs parlent de petites interruptions régulières ;
la maintenance ne voit pas de panne majeure ;
les méthodes cherchent une cause, mais les données ne sont pas assez précises ;
le TRS affiché ne reflète pas totalement la réalité terrain.
Le résultat, c’est une discussion au ressenti.
“On perd du temps au chargement.”
“Non, c’est plutôt les alarmes.”
“Je pense que c’est le changement de série.”
“Le problème arrive surtout sur l’équipe du matin.”
Tout cela peut être vrai. Mais sans mesure fiable, il est difficile de prioriser.
Pourquoi les micro-arrêts restent invisibles ?
Les micro-arrêts ne restent pas invisibles parce que les équipes ne les voient pas. Ils restent invisibles parce que le système de suivi n’est pas assez fin.
La saisie manuelle ne peut pas tout capter
La saisie opérateur est utile. Elle permet d’ajouter du contexte, de qualifier une cause, d’expliquer un événement.
Mais elle n’est pas adaptée à tous les arrêts courts.
Un opérateur ne peut pas passer sa journée à déclarer des arrêts de 20, 30 ou 45 secondes. Il doit charger, contrôler, surveiller, régler, évacuer, appeler la maintenance, gérer la qualité.
Plus l’arrêt est court, plus il risque d’être oublié, regroupé dans une cause générique ou non déclaré.
Ce n’est pas un problème de discipline. C’est une limite normale de la saisie manuelle.
Les données machine existent, mais elles ne sont pas toujours exploitées
Beaucoup de machines disposent déjà d’informations utiles : état marche/arrêt, cycle actif, alarme, compteur pièces, mode automatique, mode manuel, cadence, défaut sécurité.
Le problème, c’est que ces informations restent souvent dans l’automate, dans l’IHM ou dans une machine isolée.
Elles ne sont pas historisées. Elles ne sont pas croisées. Elles ne sont pas transformées en indicateurs lisibles pour la production.
L’étude La Fabrique de l’Industrie/McKinsey définit l’Internet des objets industriel comme des réseaux d’objets capables de collecter et d’échanger des données pour améliorer l’efficacité et la gestion des ressources.
C’est exactement le sujet ici : récupérer des signaux utiles sur l’existant pour mieux comprendre ce qui se passe réellement.
Les causes sont trop vagues
Un tableau avec “arrêt machine”, “attente”, “réglage” et “divers” ne suffit pas à améliorer un TRS.
Ces catégories peuvent aider à démarrer, mais elles deviennent vite trop générales.
Pour agir, il faut distinguer les causes exploitables :
attente matière ;
attente opérateur ;
bourrage ;
défaut capteur ;
alarme sécurité ;
attente chargement ;
cycle trop long ;
arrêt qualité ;
réglage ;
outil à remplacer ;
redémarrage après défaut.
Le but n’est pas de créer une liste interminable. Une liste trop longue devient inutilisable.
Le bon niveau de détail, c’est celui qui permet de décider une action.
Ce que les données machines changent concrètement
Les données machines ne servent pas à “faire moderne”. Elles servent à remettre des faits sur des situations que l’atelier connaît déjà.
Au lieu de dire :
“On a l’impression que la machine attend souvent.”
On peut commencer à dire :
“Sur l’équipe du matin, la machine a connu 47 arrêts de moins d’une minute, principalement entre deux cycles, avec une concentration après les changements de série.”
La différence est énorme.
Dans le premier cas, on débat.
Dans le second, on enquête.
C’est tout l’intérêt d’une mesure propre : transformer un ressenti terrain en information exploitable.
L’analytique avancée est justement présentée par La Fabrique de l’Industrie/McKinsey comme un moyen de traiter de grands volumes de données pour en tirer des informations utiles et améliorer la prise de décision.
Mais il faut rester prudent. L’analyse ne vaut que si la donnée de départ est fiable.
Un tableau de bord ne corrige pas une mauvaise mesure. Une courbe ne rend pas un signal pertinent. Une supervision ne compense pas une mauvaise définition des états machine.
Avant de parler d’IA, de prédictif ou d’analytics, il faut répondre à des questions beaucoup plus simples :
Quand la machine produit-elle réellement ?
Quand est-elle en attente ?
À partir de combien de secondes parle-t-on d’un micro-arrêt ?
Comment distingue-t-on un arrêt court d’une marche dégradée ?
Quelles causes sont utiles pour agir ?
Quelles données viennent de l’automate, de capteurs ou d’une saisie opérateur ?
C’est ce travail de clarification qui fait la différence entre un indicateur décoratif et un vrai outil de pilotage.
Comment détecter les micro-arrêts machine ?
La bonne méthode consiste à partir du fonctionnement réel de la machine, pas de la technologie.
C’est un point important. La présentation de Francis Rossignol sur l’usine 4.0 pour les PME et ETI insiste sur l’intérêt de passer d’une logique technologique à une logique d’usage métier, en partant des irritants opérationnels comme la qualité, la cadence ou l’ergonomie, puis en identifiant les cas d’usage à ROI rapide.
Pour les micro-arrêts, l’irritant est clair : la machine produit moins que prévu, sans panne longue évidente.
La démarche peut alors se faire en plusieurs étapes.
1. Comprendre le cycle réel
Avant de poser un capteur ou de créer un écran, il faut comprendre comment la machine travaille.
Quel est le cycle normal ?
Quel est le temps de cycle attendu ?
Quand commence réellement la production d’une pièce ?
Quand se termine-t-elle ?
Quels temps d’attente sont normaux ?
Quels temps d’attente doivent être considérés comme des pertes ?
Sur une machine CNC, le temps de cycle ne se limite pas au programme d’usinage. Il faut aussi regarder le chargement, le déchargement, le contrôle, le changement d’outil, les corrections, les relances.
Sur une ligne automatisée, la cadence peut être limitée par un poste amont, un poste aval, un convoyeur, un robot, un opérateur ou un contrôle qualité.
Cette étape est essentielle parce qu’elle évite de mesurer n’importe quoi.
Un mauvais signal peut donner une impression de précision, mais conduire à de mauvaises conclusions.
2. Identifier les bons signaux machine
Une fois le fonctionnement compris, il faut choisir les signaux utiles.
Selon les cas, on peut suivre :
l’état marche/arrêt ;
le cycle actif ;
le mode automatique ou manuel ;
les alarmes ;
les défauts sécurité ;
le compteur pièces ;
les pièces bonnes et mauvaises ;
le temps entre deux cycles ;
la présence pièce ;
le temps d’attente avant redémarrage ;
la cadence réelle.
Ces informations peuvent venir de l’automate, de l’IHM, de capteurs existants, de nouveaux capteurs ou d’un boîtier IoT industriel.
Le choix dépend de la machine, de son âge, de son automatisme, de sa documentation et du niveau de précision attendu.
Une machine récente peut déjà fournir beaucoup de données. Une machine ancienne peut nécessiter une instrumentation simple : capteur de présence, détection de cycle, comptage, mesure d’état, consommation, vibration ou signal électrique.
L’objectif n’est pas de tout mesurer. L’objectif est de mesurer ce qui permet d’agir.
3. Horodater les événements
Pour comprendre un micro-arrêt, il faut connaître sa durée, sa fréquence et son contexte.
Un arrêt isolé de 40 secondes n’a pas le même poids qu’un arrêt de 40 secondes répété 80 fois dans la journée.
L’horodatage permet de reconstruire la réalité du poste :
temps de marche ;
temps d’arrêt ;
arrêts courts ;
arrêts longs ;
temps d’attente ;
dérive du cycle ;
fréquence des alarmes ;
moment où la cadence décroche.
C’est souvent à ce moment-là que les équipes découvrent l’ampleur réelle du sujet.
La machine n’est pas “un peu lente”. Elle perd peut-être quelques dizaines de secondes très souvent. Et c’est cette répétition qui coûte cher.
4. Définir des seuils simples
Tous les arrêts courts ne sont pas forcément des micro-arrêts utiles à analyser.
Un arrêt de quelques secondes peut faire partie du fonctionnement normal. À l’inverse, une attente de 50 secondes répétée à chaque cycle peut devenir un vrai sujet.
Il faut donc définir des seuils adaptés au process.
Par exemple :
moins de 1 minute : micro-arrêt ;
entre 1 et 5 minutes : arrêt court ;
plus de 5 minutes : arrêt significatif ;
cadence inférieure à un seuil : marche dégradée.
Ces seuils ne sont pas universels. Ils doivent être discutés avec la production, la maintenance et les méthodes.
Un seuil pertinent pour une machine d’usinage ne sera pas forcément pertinent pour une ligne d’assemblage, une presse, un banc de test ou une ligne de conditionnement.
5. Relier la donnée aux causes terrain
La donnée dit qu’un arrêt existe. Elle ne dit pas toujours pourquoi.
C’est là que l’expérience terrain reste indispensable.
Une bonne démarche combine la détection automatique et l’analyse humaine.
La machine peut détecter un arrêt, une alarme ou une dérive de cycle. L’opérateur peut confirmer la cause. La maintenance peut repérer une récurrence technique. Les méthodes peuvent identifier un problème de standard, de flux ou d’organisation.
L’objectif n’est pas de surveiller les personnes. L’objectif est de comprendre ce qui empêche la machine de produire normalement.
Cette nuance est importante. Un projet de mesure mal expliqué peut être perçu comme un outil de contrôle. Un projet bien mené devient au contraire un support pour objectiver les irritants du terrain.
Exemple concret : une machine CNC qui “tourne”, mais pas assez
Prenons un cas simple.
Une PME industrielle utilise une machine CNC. Sur le papier, le temps de cycle est connu. La production attendue est réaliste. Les opérateurs connaissent bien la machine.
Pourtant, en fin de journée, il manque des pièces.
Il n’y a pas eu de grosse panne. Pas d’arrêt maintenance de deux heures. Pas de problème spectaculaire.
Mais l’équipe sent bien que “ça décroche”.
Sans mesure fine, plusieurs hypothèses se mélangent :
le chargement prend-il trop de temps ?
le programme est-il plus long que prévu sur certaines références ?
le changement d’outil crée-t-il des pertes répétées ?
le contrôle qualité bloque-t-il le flux ?
un défaut de serrage revient-il souvent ?
la machine attend-elle l’opérateur entre deux cycles ?
une alarme mineure est-elle acquittée plusieurs fois par poste ?
Avec une mesure automatique des états machine, des cycles et des alarmes, on peut commencer à objectiver.
On peut voir le temps réellement passé en cycle, le temps d’attente entre deux cycles, les arrêts courts, les redémarrages, les alarmes récurrentes, les écarts de cadence selon les références ou les équipes.
Et parfois, le résultat surprend.
Le problème n’est pas forcément là où on l’imaginait. Ce n’est peut-être pas la vitesse d’usinage. C’est peut-être l’attente de chargement. Ce n’est peut-être pas un défaut machine majeur. C’est peut-être un petit défaut récurrent, jamais priorisé parce qu’il ne bloque jamais longtemps.
C’est là que la donnée devient utile : elle évite de traiter le mauvais problème.
Micro-arrêts et lean manufacturing : même combat
Dans une démarche lean manufacturing, les micro-arrêts font partie des pertes qui dégradent la performance réelle du flux.
L’observation terrain reste indispensable. Aller voir la machine, discuter avec les opérateurs, comprendre le geste, regarder le flux, mesurer un cycle au chronomètre : tout cela garde de la valeur.
Mais l’observation ponctuelle a une limite. Elle donne une photographie.
Les données machines donnent un film.
Elles permettent de voir ce qui se passe sur plusieurs postes, plusieurs équipes, plusieurs références, plusieurs jours.
Elles aident à répondre à des questions très concrètes :
la perte apparaît-elle sur toutes les équipes ?
est-elle liée à une référence produit ?
arrive-t-elle toujours après un changement de série ?
augmente-t-elle avant une panne ?
l’action corrective a-t-elle réellement réduit les arrêts ?
Le lean apporte la méthode. La donnée machine apporte la preuve.
Les deux doivent travailler ensemble.
Quelles solutions pour mesurer les micro-arrêts ?
Il n’y a pas une seule solution valable pour tous les ateliers.
Le bon dispositif dépend de l’existant, du parc machine, de la criticité de l’équipement et du niveau de précision recherché.
Connexion à l’automate existant
Quand l’automate est accessible, c’est souvent la source la plus riche.
On peut récupérer les états machine, les alarmes, les compteurs, les cycles, les modes de fonctionnement.
C’est pertinent sur une machine déjà automatisée ou une ligne avec des informations disponibles.
Les points de vigilance sont classiques : documentation, compatibilité, sécurité, accès aux données, non-perturbation du fonctionnement machine.
Ajout de capteurs
Sur une machine ancienne ou peu communicante, l’ajout de capteurs peut être une approche très pragmatique.
Un capteur peut détecter un passage pièce, une position, une présence, une rotation, une vibration, un état électrique ou une consommation.
Cela permet de rendre mesurable une machine qui ne l’était pas, sans forcément repartir sur un gros projet de rétrofit.
C’est souvent une bonne première étape pour les PME industrielles qui veulent objectiver un problème avant d’investir plus largement.
Boîtier IoT industriel
Un boîtier IoT industriel peut collecter des signaux machine, les horodater, les historiser et les transmettre vers une supervision ou un outil d’analyse.
C’est utile pour connecter une machine existante, suivre un parc hétérogène ou démarrer un projet de suivi production sans refaire toute l’architecture.
L’étude La Fabrique de l’Industrie/McKinsey cite notamment la surveillance en temps réel des arrêts, pannes et rendements parmi les usages possibles de l’IoT pour l’optimisation des processus de production.
Là encore, le point clé reste la qualité du cas d’usage. Collecter des données n’a d’intérêt que si elles servent une décision.
Supervision industrielle
La supervision permet de rendre les informations visibles : états machine, cadence, arrêts, alarmes, TRS, causes de perte.
Mais une bonne supervision ne doit pas seulement afficher des courbes.
Elle doit aider les équipes à répondre à des questions simples :
quelle machine perd le plus de temps ?
quelle cause revient le plus souvent ?
les micro-arrêts augmentent-ils ?
la cadence réelle est-elle stable ?
l’action menée la semaine dernière a-t-elle eu un effet ?
Francis Rossignol évoque la collecte, le stockage et l’exploitation des données en atelier, ainsi que le développement d’applications spécifiques pour personnaliser les tableaux de bord et tirer avantage de la data analytics.
C’est exactement l’enjeu : ne pas faire un écran pour faire un écran, mais construire un outil utile à la décision.
Points de vigilance avant de connecter une machine
Connecter une machine n’est pas un geste neutre.
Dès qu’on parle de données atelier, d’automate, de réseau, d’accès distant ou de supervision, il faut intégrer les sujets IT/OT et cybersécurité.
L’étude La Fabrique de l’Industrie/McKinsey rappelle que la cybersécurité vise à protéger les systèmes et les données contre les intrusions et cyberattaques. Elle souligne aussi que les environnements industriels fonctionnent souvent avec des systèmes anciens qui n’ont pas été conçus au départ pour la cybersécurité.
Dans un projet micro-arrêts / TRS, cela signifie qu’il faut regarder sérieusement :
les accès à l’automate ;
la segmentation réseau ;
les droits utilisateurs ;
les sauvegardes programmes ;
les accès distants ;
la protection des données ;
la maintenance du dispositif ;
la continuité de production.
La donnée machine est un levier de performance. Mais elle doit être collectée proprement et sécurisée correctement.
Les erreurs fréquentes à éviter
La première erreur consiste à installer un tableau de bord avant de fiabiliser la mesure.
Un bel écran ne règle rien si les états machine sont mal définis. Si la machine est considérée “en marche” alors qu’elle attend entre deux cycles, le TRS sera faux. Si les causes d’arrêt sont trop vagues, le Pareto ne permettra pas d’agir.
La deuxième erreur consiste à vouloir tout mesurer tout de suite.
Un projet trop large devient vite lourd, coûteux et difficile à maintenir. Mieux vaut commencer par une machine critique, une perte claire et quelques signaux bien choisis.
La troisième erreur consiste à séparer la donnée du terrain.
Les données ne remplacent pas les opérateurs, la maintenance ou les méthodes. Elles les aident à parler sur une base commune.
La quatrième erreur consiste à confondre micro-arrêt et marche dégradée.
Une machine peut ne jamais s’arrêter complètement et pourtant produire trop lentement. Dans ce cas, il faut suivre la cadence réelle, pas seulement les arrêts.
La cinquième erreur consiste à oublier l’usage final.
Un indicateur doit servir une décision. S’il ne déclenche aucune action, aucun échange terrain, aucune priorité maintenance ou méthode, il devient un affichage de plus.
Comment DSMS aborde un projet micro-arrêts / TRS
Chez DSMS Industries, le point de départ n’est pas le logiciel, le capteur ou le tableau de bord.
Le point de départ, c’est le besoin terrain.
Une machine perd-elle de la cadence ?
Les opérateurs signalent-ils des arrêts courts ?
Le TRS est-il contesté ?
La saisie manuelle est-elle trop approximative ?
Les causes d’arrêt sont-elles trop floues ?
La maintenance manque-t-elle d’historique ?
La direction veut-elle objectiver un investissement ?
À partir de là, DSMS relie les compétences nécessaires : analyse process, mécanique, automatisme, capteurs, IoT industriel, supervision, données machines et mise en service terrain.
Un projet peut intégrer :
l’analyse du fonctionnement machine ;
l’identification des micro-arrêts et pertes de cadence ;
le choix des signaux utiles ;
la connexion à l’automate existant ;
l’ajout de capteurs si nécessaire ;
la mise en place d’un boîtier IoT industriel ;
l’historisation des événements ;
la création d’un écran de supervision utile ;
la fiabilisation du calcul TRS ;
l’accompagnement des équipes pour exploiter les données.
L’objectif n’est pas de produire plus de données. L’objectif est de rendre la machine plus lisible, plus pilotable et plus améliorable.
Pour une PME industrielle à Roanne, dans la Loire ou en Auvergne-Rhône-Alpes, cette approche permet souvent d’avancer progressivement : une machine critique, un irritant clair, une mesure fiable, puis des actions terrain.
Conclusion : avant d’améliorer le TRS, il faut voir ce qui le dégrade
Les micro-arrêts sont frustrants parce qu’ils ne ressemblent pas toujours à un vrai problème.
Ils sont courts. Ils sont nombreux. Ils sont parfois acceptés comme “la vie normale de l’atelier”.
Pourtant, ils peuvent expliquer une part importante de l’écart entre la production prévue et la production réelle.
La bonne démarche n’est pas de commencer par un grand projet digital. Elle consiste à partir du terrain, comprendre les pertes, mesurer les bons signaux, fiabiliser les données et construire des indicateurs vraiment utiles.
Avant de promettre un meilleur TRS, il faut d’abord être capable de répondre simplement :
où perdons-nous du temps ?
combien de fois cela arrive-t-il ?
combien cela représente-t-il sur un poste ?
quelle cause revient le plus ?
quelle action doit passer en priorité ?
C’est à ce moment-là que la donnée machine devient un vrai outil d’amélioration continue.
Vous soupçonnez des micro-arrêts sur une machine, une ligne ou un poste d’usinage ? DSMS Industries peut vous aider à instrumenter l’existant, fiabiliser la mesure et mettre en place un suivi TRS exploitable par vos équipes production, maintenance et méthodes.
