Incidents associés
Les investisseurs et les fans de Tesla sont impatients d'entendre ce que l'entreprise a à dire sur la rampe de production du modèle 3, principal moteur des bénéfices et des flux de trésorerie futurs, lors de la publication de ses résultats du premier trimestre le 2 mai.
Les analystes de Bernstein et d'UBS ont récemment publié des rapports qui se concentrent spécifiquement sur les problèmes de "sur-automatisation" de la ligne Model 3, dont la production est maintenant d'environ 2 000 véhicules par semaine, loin de l'objectif de l'entreprise de 5 000 véhicules par semaine.
Le fondateur et PDG Elon Musk, pendant des années l'un des plus fervents partisans d'un avenir où il n'y a personne dans le processus de production et où son usine ressemble à un vaisseau spatial extraterrestre, reconnaît maintenant que le niveau optimal d'automatisation reste un acte d'équilibre complexe de conception, productivité, qualité et compétences humaines et machines.
Il a récemment accusé un processus de production trop automatisé d'avoir manqué les objectifs de sortie de Tesla. "Les humains sont sous-estimés", a-t-il tweeté. Et Musk a ajouté à CBS : « Nous avions ce réseau fou et complexe de tapis roulants… et cela ne fonctionnait pas, alors nous nous sommes débarrassés de tout cela.
Dans l'analyse de Bernstein, Toni Sacconaghi et Max Warburton expliquent pourquoi il s'avère si difficile d'augmenter la production sur une ligne trop automatisée. Les antécédents de Warburton incluent le temps passé à évaluer les usines d'assemblage de véhicules et il déclare qu'en tentant d'hyper-automatiser la production du modèle 3 dans son usine de Fremont en Californie, Tesla « s'est peut-être tiré une balle dans le pied ».
"L'automatisation ne peut tout simplement pas gérer la complexité, les incohérences, les variations et les" choses qui ont mal tourné "que les humains peuvent" et "peut créer des problèmes de qualité plus tard", disent-ils. Les analystes de Bernstein en déduisent que les problèmes de Tesla sont dus à la complexité de l'automatisation de l'assemblage final, où la voiture est assemblée. C'est quelque chose qui a déjà été essayé par d'autres fabricants, tels que Fiat, Volkswagen et GM, et ils ont tous échoué. Sacconaghi et Warburton disent :
Lors de l'assemblage final, les robots peuvent appliquer un couple de manière cohérente, mais ils ne détectent pas et ne tiennent pas compte des filetages qui ne sont pas droits, des boulons qui ne correspondent pas tout à fait, des fixations qui ne s'alignent pas ou des joints qui présentent un défaut. Les humains sont vraiment doués pour ça. Vous êtes-vous demandé pourquoi les Teslas ont des problèmes de bruit de vent, des grincements et des hochets, et des morceaux de garniture qui tombent ? Maintenant, vous avez votre réponse.
Les analystes de Bernstein soulignent que l'assemblage final est fondamentalement un exercice de flexibilité car le processus est limité par la capacité d'alimenter la bonne pièce au bon moment. Les humains sont capables de repérer les choses qui ne vont pas, d'arrêter le processus et d'essayer de les réparer. L'une des principales façons dont la conception simple contribue à simplifier l'assemblage final réside dans le nombre de pièces et l'espace requis le long de la chaîne de montage. Les robots ne sont pas aussi flexibles que les humains ; ils ne sont pas aussi bons que les humains pour s'adapter aux variantes de produits et ils ne peuvent pas non plus gérer autant de mouvements complexes que les humains.
Cela signifie qu'au-delà d'un certain point, l'automatisation peut augmenter les coûts et, contrairement à ce à quoi on pourrait s'attendre, ne pas améliorer la qualité ou la productivité. Il est important de noter que l'automatisation doit être superposée à un processus stable pour garantir que ce ne sont pas les erreurs qui sont automatisées. Cela sera particulièrement important une fois que les machines apprendront par elles-mêmes, car il n'y a pas nécessairement d'humain pour remarquer si une erreur se propage.
Alors que nous entrons dans une ère de machines qui peuvent apprendre directement des données plutôt que d'être programmées par des humains, l'expérience de Tesla avec un processus de production hyper-automatisé est importante à comprendre. Dans un avenir plus automatisé, il est toujours essentiel d'apprécier ce que les humains peuvent faire de mieux.