OEE sous 75%? Pourquoi la transparence est le premier problème à résoudre

Je me retrouve régulièrement en premier entretien avec des responsables de production qui me disent : « Notre OEE est à 68 pour cent. Nous savons que c'est trop peu. Mais nous ne savons pas exactement pourquoi. »

C'est là le vrai problème — et il a une solution. Mais elle ne commence pas par une nouvelle machine, ni par un projet MES coûteux, ni par un consultant qui vient présenter un PowerPoint sur le lean manufacturing. Elle commence par la transparence des données.

Ce que l'OEE mesure vraiment — et ce qu'il ne mesure pas

OEE signifie Overall Equipment Effectiveness (taux de rendement synthétique) et combine trois facteurs : disponibilité, performance et qualité. Une installation avec 95% de disponibilité, 90% de performance et 98% de taux de qualité atteint un OEE d'environ 84% — une valeur que beaucoup d'entreprises de fabrication se fixent comme objectif.

Mais c'est justement là que se situe le premier problème : la plupart des entreprises qui m'annoncent une valeur d'OEE ne l'ont pas mesurée. Elles l'ont estimée — à partir de tableaux Excel, de rapports d'équipe et de l'expérience de collaborateurs de longue date.

Un OEE estimé n'est pas un outil de pilotage. C'est une opinion.

Le problème de transparence dans la pratique

Prenons un exemple concret. Un constructeur de machines autrichien avec lequel nous avons travaillé exploitait cinq lignes CNC et trois presses. L'OEE qu'il s'attribuait était « autour de 72 pour cent ». Les temps de maintenance planifiés étaient connus. Les pannes imprévues n'étaient notées qu'à la relève d'équipe — donc souvent avec 4 à 8 heures de retard.

Concrètement, cela signifie : si un outil casse sur la ligne 3 à 14h30 et que cela n'apparaît qu'à 22h00 lors de la relève, le responsable de production n'a pendant 7,5 heures aucune chance de réagir. Pas de replanification, pas de contre-mesures, pas d'information de l'équipe de maintenance.

Après la connexion des machines via OPC UA et MQTT et la mise en place d'un tableau de bord en temps réel, l'équipe a vu pour la première fois où le temps se perdait réellement :

• 42% des arrêts imprévus étaient dus à trois types de défaillances récurrents
• Le temps moyen avant réaction (MTTA) était en moyenne de 38 minutes — pas de 8
• Deux machines tournaient en permanence 15–20% en dessous de leur vitesse nominale

L'OEE mesuré était de 61% — pas de 72%. Et d'un coup, on voyait clairement où se trouvaient les plus grands leviers.

Pourquoi l'envie d'optimiser tout de suite mène dans la mauvaise direction

Quand les responsables de production sont sous pression, le réflexe est souvent : il nous faut un nouveau MES. Il nous faut un projet lean. Il nous faut plus de monde à la maintenance.

Ce sont peut-être les bonnes réponses — mais seulement si l'on sait à quelle question. Sans données fiables sur les causes de pertes, chaque mesure d'optimisation est un coup d'épée dans l'eau. On traite les symptômes, pas les causes.

Une entreprise avec laquelle nous avions discuté avant un projet de digitalisation venait d'investir massivement dans des capacités de maintenance supplémentaires — parce que « les machines tombent trop souvent en panne ». L'analyse des données a révélé que 60% des arrêts n'étaient pas des défauts machines, mais des ruptures de matières et des temps de changement de série mal planifiés. Plus de maintenance n'aurait pas résolu le problème.

Trois niveaux de transparence OEE

La transparence des données n'est pas un concept binaire — elle a des degrés. Vu du terrain, nous distinguons trois niveaux :

La plupart des entreprises de fabrication de taille moyenne avec lesquelles nous travaillons se trouvent au niveau 1. Le passage au niveau 2 est techniquement maîtrisable et donne des résultats mesurables en quelques semaines. Le niveau 3 est l'objectif à moyen terme.

Ce qu'il faut concrètement

La transparence en temps réel sur l'OEE ne naît pas d'un grand projet ERP. Il faut :

• Des données machines en temps réel: OPC UA, MQTT ou de simples capteurs — selon la génération de machine. Les machines modernes fournissent nativement leurs données via OPC UA. Les machines plus anciennes ont besoin d'un adaptateur.
• Une classification uniforme des pertes: Les arrêts doivent être catégorisés : changement d'outil, défaut machine, rupture de matières, changement de série. Sans cela, l'analyse ne vaut rien.
• Un tableau de bord que les chefs d'équipe utilisent vraiment: Pas un outil BI avec 20 pages de rapports. Une vue qui montre en 10 secondes ce qui ne va pas, et où.
• Des alertes en cas de passage sous le seuil: Quand l'OEE d'une ligne passe sous 70%, quelqu'un doit être informé immédiatement — pas au prochain rapport d'équipe.

Ce que le constructeur de machines autrichien a finalement obtenu

Trois mois après la mise en service du tableau de bord en temps réel, l'équipe affichait les résultats suivants :

Le point décisif : aucune nouvelle machine n'a été achetée. Aucun processus n'a été fondamentalement modifié. Le seul changement, c'est que les bonnes personnes voyaient les bonnes données au bon moment.

C'est ça, la transparence. Et c'est le premier problème que vous devez résoudre — avant de penser à l'optimisation, à l'automatisation ou à l'IA.

Conclusion

Un OEE de 68%, 72% ou 75% n'est pas un problème abstrait. C'est de l'argent laissé chaque jour sur la table — sous forme de capacité machine inutilisée, de rebuts évitables et de maintenance réactive.

La première étape n'est pas la solution — c'est la compréhension complète du problème. Et cela n'est possible qu'avec des données disponibles en temps réel.

Si vous voulez savoir où se situent vos plus grandes pertes et à quoi ressemble concrètement, chez vous, le chemin vers une transparence de niveau 2 : parlez-nous-en. Le premier entretien ne coûte rien.