Un micro-arrêt dure rarement plus d'une minute. Pris isolément, il semble anodin : la machine repart d'elle-même ou après une intervention simple, sans panne ni casse. Le problème n'est pas leur gravité individuelle, mais leur répétition. Sur une ligne de production, plusieurs dizaines de micro-arrêts quotidiens peuvent cumuler une perte de temps de production largement supérieure à celle d'un arrêt majeur, tout en restant largement invisibles dans les relevés classiques de TRS (Taux de Rendement Synthétique).
Les systèmes de supervision industrielle enregistrent généralement les arrêts significatifs comme une panne machine, une maintenance planifiée ou autre. Mais ne détaillent pas systématiquement les interruptions de quelques secondes à quelques minutes : pièce manquante, ajustement manuel, nettoyage rapide, changement de série. Sans visibilité fine, impossible d'identifier lesquels se répètent le plus et pourquoi.
Un micro-arrêt peut avoir une origine mécanique (réglage, bourrage), une origine liée au flux (attente de pièce, engorgement en amont) ou une origine humaine (intervention manuelle récurrente). Sans donnée granulaire sur le contexte de chaque arrêt, l'équipe de production ne peut agir que sur des hypothèses.
Contrairement aux capteurs machine qui ne remontent qu'un état binaire (en marche / à l'arrêt), l'analyse vidéo observe la scène : présence ou absence d'un opérateur au poste, geste d'intervention manuelle, accumulation de pièces en attente, mouvement inhabituel sur la ligne. Cette lecture contextuelle permet de distinguer un micro-arrêt lié à un réglage récurrent d'un micro-arrêt lié à une rupture d'approvisionnement.
En croisant la détection d'arrêt avec le contexte visuel au moment de l'événement (présence humaine, zone concernée, durée), il devient possible de regrouper les micro-arrêts par type de cause plutôt que de les traiter comme un flux indifférencié de données.
Sur une période donnée, l'agrégation des micro-arrêts par poste, par équipe ou par créneau horaire fait émerger les points de friction récurrents de la ligne qui, cumulés, pèsent le plus lourd sur la cadence globale.
Une fois les postes et créneaux à risque identifiés, les équipes méthodes et production peuvent prioriser leurs actions correctives : réorganisation d'un poste, ajustement d'un standard de travail, renfort ponctuel en approvisionnement. L'enjeu n'est pas de supprimer toute intervention humaine, mais de rendre visible ce qui, jusqu'ici, se perdait dans le bruit de fond de l'exploitation quotidienne.
CORE se connecte aux caméras déjà présentes sur la ligne de production, sans investissement matériel supplémentaire, et observe en continu chaque poste de travail. La plateforme identifie :
Ces données viennent compléter les systèmes de supervision existants (MES, GPAO), en apportant la couche contextuelle qui manque aux capteurs purement mécaniques. Le traitement repose sur l'analyse de silhouettes et de mouvements, sans reconnaissance faciale ni identification nominative des opérateurs, en conformité avec le RGPD.