Disponibilité machine +117 % chez Nutriex, de 45 % à 97,7 %

Le défi

Nutriex fabrique des produits de santé, d’hygiène et de protection. L’entreprise a fêté ses 25 ans en 2025 et est présente dans plus de 20 pays en plus du Brésil, avec un portefeuille de plus de 300 produits : marques propres et sous licence, gammes sécurité au travail et gammes hospitalières.

La croissance rapide des volumes et du portefeuille a mis en évidence des processus qui n’avaient jamais été pleinement optimisés. Les micro-arrêts érodaient la performance des équipements, et la chaîne de production n’était pas prête à suivre le rythme des stratégies adoptées par l’entreprise.

Un mix large est normal en cosmétique, et il ne reste gérable que si les processus sont alignés. Chez Nutriex, l’essentiel de l’atelier fonctionnait encore sur papier et sur tableurs. Les relevés étaient sujets aux erreurs et aux omissions : impossible d’évaluer l’efficacité avec un minimum de confiance.

La direction n’avait pas de vision cohérente de la performance, de la disponibilité, de la capacité ou de l’efficacité sur l’ensemble du flux de production. Les informations nécessaires pour piloter l’usine, et pour trouver des marges de croissance, restaient enfouies dans le processus. Sans cette transparence, il n’existait aucun moyen fiable de suivre la production au quotidien ni de prouver qu’une amélioration avait fonctionné.

La solution

Nutriex avait besoin de données d’atelier précises et en temps réel, exploitables aussi bien par les managers que par les opérateurs. Certains collaborateurs avaient déjà travaillé avec Cogtive dans d’autres usines, ce qui a simplifié le choix et raccourci la courbe d’apprentissage. Après une formation de prise en main, Cogtive a été intégré à chaque étape de la routine :

• Des indicateurs sur les écrans de l’atelier. Les données des lignes sont visibles par toutes les personnes impliquées dans l’opération, et chaque équipe commence son poste en faisant le point sur l’avancement de la production.
• Des réunions de management quotidiennes. Les données opérationnelles structurent la discussion, ce qui accélère les corrections, clarifie les priorités et installe une cadence régulière d’amélioration continue.
• Analyse de l’OEE et kaizen. Le socle OEE, avec l’OEE réel et le Pareto des arrêts sur le tableau de bord Équipement, a mis en évidence des arrêts qui duraient plus longtemps que nécessaire et des micro-arrêts passés inaperçus. Chacun est devenu le point de départ d’un kaizen et d’un plan d’action. Les ajustements de processus qui en ont découlé ont aussi réduit l’usure des composants des machines.

Le point de départ était en deçà des attentes : l’OEE atteignait au mieux 31 % en moyenne, et les micro-arrêts étaient le principal obstacle à la performance et à la disponibilité attendues des équipements. Une fois les problèmes identifiés et les solutions cartographiées, la direction s’est fixé pour objectif une hausse de l’OEE de 19 points en 30 jours. Le plan combinait quatre leviers :

• réaffecter la main-d’œuvre ;
• standardiser le flux, du séquencement jusqu’au conditionnement ;
• construire le flux de production dans le kanban numérique de Cogtive, aujourd’hui Flow View ;
• surveiller la stabilité des machines.

Les résultats

Avec des pertes mesurées plutôt qu’estimées, l’équipe a pu s’attaquer aux bons arrêts, dans le bon ordre :

• La disponibilité machine est passée de 45 % à 97,7 %, soit une hausse de 117 %.
• La performance du processus est passée de 68,8 % à 84,54 %.
• L’OEE atteint désormais 50 % en moyenne, contre une meilleure moyenne de 31 % au début du projet.

Le gain est venu d’une discipline quotidienne : des micro-arrêts rendus visibles sur le Pareto, discutés en réunion quotidienne et traités par un plan d’action. Opérateurs et managers travaillent désormais à partir d’un même jeu de chiffres, auquel ils font confiance, plutôt qu’à partir de relevés papier rapprochés après coup.

Prochaines étapes

Nutriex dispose aujourd’hui de processus de production standardisés, efficaces et reproductibles dans d’autres usines. La hausse attendue de la demande pourra être absorbée plus facilement, avec moins d’erreurs et moins de pertes dues aux inefficacités. Les opportunités que des données peu fiables masquaient sont désormais visibles, et l’usine est mieux placée pour croître sur cette base.