GMAO+ et le nettoyage intelligent : Un nettoyage axé sur la qualité plutôt que la quantité

À l’ère de la COVID-19 et du « nettoyage renforcé », le mode et la fréquence de nettoyage des installations d’une société font l’objet d’une attention sans précédent. En mars, Amazon a annoncé avoir embauché plus de 5 700 agents de nettoyage pour renforcer ses équipes existantes,¹ tandis que Marriott a créé un « Conseil de la propreté » et déployé des désinfectants de qualité hospitalière pour le nettoyage de tous ses biens.² Régulièrement, des enquêtes révèlent que les employés, interrogés sur leur disposition à retourner au bureau, considèrent les procédures de nettoyage comme l’une de leurs principales préoccupations.³ L’attention du public étant focalisée sur le nettoyage, il est primordial de se demander comment une entreprise peut mieux nettoyer.

Parfois, la quantité n’est pas un gage de réussite

Le plus souvent, la solution proposée consiste à nettoyer davantage. Par exemple, de nombreuses sociétés assurent aux employés et visiteurs que certains biens ou espaces sont désinfectés un nombre fixe de fois par jour. D’autres, comme Amazon, mettent en avant l’embauche de nouveaux agents de nettoyage. Mais un simple nettoyage n’entraîne pas nécessairement de meilleurs résultats. Si les usagers du bâtiment sont, la plupart du temps, assis à leur poste de travail, est-il réellement pertinent de désinfecter les poignées de porte d’une salle de conférence qui n’a pas été utilisée de la journée ?

Les atouts du nettoyage intelligent permettent de cibler les services de nettoyage pour répondre aux besoins en temps réel, combinant pour ce faire la puissance d’un système GMAO à des données de capteurs en temps réel. Il garantit ainsi un nettoyage plus performant et une sécurité plus saine, tout en soutenant la gestion.

De la quantité à l’intelligence

La première étape du processus consiste à utiliser la GMAO pour présenter un programme de nettoyage clair. Ce programme identifie les types d’activités de nettoyage qui doivent être réalisées à un endroit précis et la fréquence à laquelle elles doivent l’être, informations données par exemple par les directives de l’OSHA ou du CDC. Chaque type de tâche est réparti en éléments constitutifs, dans l’idéal illustrés par des images ou des vidéos (y compris des avertissements de sécurité) et accompagné d’instructions sur les types d’accessoires nécessaires pour une tâche donnée. Ces informations sont ajoutées dans une application mobile d’assistant de travail qui affiche différentes tâches sur un plan de sol.

La deuxième étape consiste à compléter ce plan de nettoyage statique avec des informations de tickets pour indiquer l’urgence et ajouter de nouvelles tâches en cours de travail. Les agents de nettoyage disposeraient alors de l’autonomie nécessaire pour réorienter leurs activités vers des endroits où des besoins urgents sont apparus et auraient également la possibilité d’activer eux-mêmes des tickets, en notifiant aux gestionnaires s’ils remarquent que certaines tâches nécessitent une attention supplémentaire ou ne peuvent être réalisées comme prévu.

La troisième étape du nettoyage intelligent consiste à présenter les données du capteur en temps réel. En fonction des priorités d’une société, les capteurs d’occupation peuvent être utilisés pour déclencher des ordres d’exécution automatiques pour certains types d’espaces. Par exemple, si l’une des préoccupations porte sur le fait que les salles de conférence doivent être stérilisées entre les réservations, des requêtes de nettoyage automatique peuvent être enregistrées lorsque la salle est libérée. Inversement, si une réservation a été effectuée mais n’est pas affichée, les données des capteurs peuvent être utilisées pour notifier aux agents de nettoyage que l’ordre d’exécution doit être rempli. Cette démarche permet de rendre les chambres disponibles plus rapidement, de gagner du temps et d’économiser des marchandises, tout en libérant les agents de nettoyage pour d’autres tâches. Les capteurs peuvent également être utiles dans d’autres applications : les capteurs de comptage pour portes installés à l’entrée d’une toilette pourraient permettre de déclencher le nettoyage ou les recharges lorsque les niveaux d’utilisation atteignent certains seuils.

Les perspectives

Au fil du temps, les données provenant de différentes sources (capteurs, historique des ordres d’exécution, études des utilisateurs) peuvent alimenter un algorithme d’apprentissage automatique pour développer un système d’apprentissage autonome et programmer des tâches de nettoyage. Un tel système permettrait de mieux évaluer le temps nécessaire pour réaliser différents types de tâches dans un lieu donné ou les types de nettoyage requis susceptibles de se présenter dans différentes zones, pour une utilisation plus efficace des ressources et de meilleurs résultats de nettoyage.

En fin de compte, à mesure que le nettoyage intelligent devient de plus en plus intelligent, nous pouvons redéfinir la notion de qualité du nettoyage. Plutôt que la quantité, la qualité implique une utilisation plus efficace du temps et des matériaux de nettoyage, davantage d’efforts consacrés au nettoyage lorsqu’il revêt une grande importance, et de meilleurs résultats pour les usagers, sous la forme d’une amélioration de la santé, de la sécurité et de la satisfaction quant à la propreté de leur environnement de travail.

Ce post est la deuxième partie de la série de blogs en cours sur la GMAO+. Le post précédent présentait le concept de la GMAO+ et donnait une première liste des thématiques à aborder. Si vous souhaitez recevoir des notifications vous informant de la parution des futures entrées de cette série ou d’autres articles par Spacewell, veuillez vous inscrire ici