Un turno chiude con 12.000 pezzi prodotti, ma il responsabile di stabilimento non sa se il risultato dipende da una maggiore velocità, da meno microfermate o da un aumento degli scarti rilevato troppo tardi. È qui che gli indicatori efficienza produttiva smettono di essere numeri da report e diventano strumenti di...
Perché gli indicatori di efficienza produttiva devono partire dalla fabbrica
Un indicatore calcolato a fine mese può evidenziare un problema, ma raramente permette di recuperare la produzione persa. La visibilità real-time cambia la sequenza: l'operatore registra o verifica una causale, il capo reparto vede l'anomalia sulla linea, il responsabile produzione valuta l'impatto sul piano e interviene prima che la perdita diventi strutturale.
Questa logica richiede dati affidabili alla fonte. Stato macchina, contapezzi, allarmi, velocità, ricette, tempi ciclo e segnalazioni operatore devono essere raccolti con timestamp coerenti. In molti stabilimenti, tuttavia, le informazioni restano distribuite tra pannelli HMI, fogli Excel, gestionali e sistemi proprietari. Il risultato è un KPI formalmente corretto ma costruito su dati incompleti, ritardati o non confrontabili tra linee.
L'interconnessione diretta con PLC e macchinari permette di ridurre questa distanza. Protocolli come Siemens S7, OPC UA, Modbus TCP/IP, EtherNet/IP o MQTT consentono di acquisire i segnali necessari senza chiedere agli operatori di ricostruire manualmente quanto accaduto. Il contributo umano resta essenziale per classificare eventi non rilevabili automaticamente, come attese di materiale, mancanza personale o controlli qualità. La raccolta migliore combina quindi automazione e contesto operativo.
Gli indicatori efficienza produttiva da monitorare davvero
OEE: disponibilità, prestazione e qualità
L'OEE, Overall Equipment Effectiveness, è l'indicatore più diffuso perché riunisce tre componenti decisive: disponibilità, prestazione e qualità. La disponibilità misura quanto tempo la macchina è stata realmente in marcia rispetto al tempo pianificato; la prestazione confronta la velocità effettiva con quella teorica; la qualità considera la quota di pezzi conformi.
La formula è semplice, ma l'interpretazione richiede disciplina. Un OEE al 65% non descrive da solo un problema: può derivare da fermi lunghi, microfermate frequenti, una velocità ridotta per scelta prudenziale oppure scarti elevati. Per questo l'OEE va sempre accompagnato dalle sue tre componenti e dal dettaglio delle causali di perdita.
Anche il riferimento alla velocità ideale merita attenzione. Se il tempo ciclo teorico è obsoleto o irrealistico, la prestazione risulterà falsata. Per produzioni ad alta variabilità, con formati, materiali o lotti diversi, è più corretto definire parametri per ricetta, codice articolo o famiglia prodotto, invece di usare un unico valore standard per tutta la linea.
Tempi di fermo e microfermate
I fermi sono spesso la prima area su cui intervenire, ma solo se classificati correttamente. Un fermo per guasto meccanico richiede un'azione diversa da un'attesa per materiale, da un cambio formato o da una fermata causata da un allarme di sicurezza. Raggruppare tutto sotto la voce “fermo macchina” impedisce di assegnare responsabilità e priorità.
Le microfermate meritano un controllo specifico. Individualmente possono durare pochi secondi, quindi sfuggire alla reportistica manuale; sommate su un turno, riducono sensibilmente la capacità produttiva. Un sistema MES può rilevare automaticamente le transizioni di stato e calcolare frequenza, durata totale e ricorrenza per macchina, articolo o fascia oraria.
L'obiettivo non è spingere la linea a non fermarsi mai. Alcune fermate sono pianificate e necessarie, ad esempio pulizie, controlli, manutenzione preventiva o cambi formato. L'efficienza cresce quando i tempi inevitabili sono standardizzati e quelli anomali diventano visibili con evidenze oggettive.
Scarti, rilavorazioni e qualità al primo passaggio
Il numero di scarti va letto insieme al momento in cui si manifesta. Uno scarto identificato all'uscita della linea ha un impatto diverso da una non conformità rilevata dopo lavorazioni successive, imballaggio o spedizione interna. Più tardi emerge il difetto, maggiore è il costo già assorbito dal pezzo.
Oltre alla percentuale di scarto, conviene misurare la qualità al primo passaggio: quanti pezzi escono conformi senza rilavorazioni. Questo indicatore evidenzia perdite che un semplice conteggio degli scarti può nascondere, soprattutto quando il reparto recupera il prodotto con lavorazioni aggiuntive.
La segmentazione è decisiva. Se gli scarti aumentano solo su un materiale, un turno o una cavità, la media giornaliera non basta. Collegare i dati di qualità a ricetta, lotto, parametri macchina e allarmi aiuta a circoscrivere la causa e a verificare se l'azione correttiva ha prodotto un effetto stabile.
Produttività, aderenza al piano e saturazione
La produttività può essere espressa in pezzi per ora, chilogrammi per turno, metri prodotti o altri output coerenti con il processo. È utile per confrontare periodi omogenei, ma va normalizzata quando la complessità del mix produttivo cambia. Confrontare direttamente due turni che hanno gestito codici molto diversi può portare a conclusioni errate.
L'aderenza al piano misura invece la capacità di completare quantità e ordini previsti entro le scadenze. È un KPI che mette in relazione reparto e pianificazione: una linea può avere un buon OEE ma non rispettare il piano perché ha prodotto il mix sbagliato, ha avviato tardi un ordine prioritario o ha subito un cambio programma non gestito.
La saturazione indica quanto una risorsa viene impiegata rispetto alla sua capacità disponibile. È utile per individuare colli di bottiglia e guidare investimenti, ma non va interpretata come obiettivo assoluto. Una saturazione troppo alta su una risorsa critica riduce il margine per assorbire variabilità, urgenze e manutenzione. In certi contesti, preservare capacità disponibile è una scelta di servizio e non un'inefficienza.
Dal KPI alla causa: la struttura dei dati fa la differenza
Un cruscotto efficace deve permettere di passare dal dato aggregato al dettaglio. Se l'OEE di una linea cala, il responsabile deve poter vedere quali perdite incidono, su quale ordine si sono concentrate, in quale intervallo temporale e con quali allarmi o stati macchina sono correlate.
Per ottenere questo livello di analisi servono definizioni condivise. Occorre decidere, per esempio, quando inizia e termina un cambio formato, quale soglia distingue una microfermata da un fermo, come vengono conteggiati i pezzi di prova e come trattare le produzioni di avviamento. Queste regole non sono dettagli informatici: determinano la credibilità dell'indicatore davanti a produzione, qualità e direzione.
Una base dati utile integra almeno quattro elementi: segnali dai PLC, eventi e causali di fermo, dichiarazioni di produzione e informazioni di ordine provenienti dall'ERP. L'integrazione con sistemi BI può poi estendere l'analisi a costi, margini, consumo energetico e puntualità di consegna, senza sostituire la lettura operativa necessaria in reparto.
Come introdurre KPI senza creare un nuovo progetto parallelo
L'errore più comune è partire con decine di indicatori e dashboard troppo dense. È preferibile scegliere una linea pilota, definire poche perdite prioritarie e verificare la qualità del dato per alcuni cicli produttivi. Dopo questa fase, le regole possono essere estese alle altre macchine con maggiore coerenza.
Un percorso operativo efficace comprende quattro passaggi:
- definire tempo pianificato, stati macchina, contatori e causali da raccogliere;
- collegare PLC, HMI e sistemi gestionali con una logica di interconnessione verificabile;
- configurare dashboard diverse per operatore, capo reparto e direzione;
- trasformare i KPI in routine di turno, con responsabilità e azioni associate alle deviazioni.
La tecnologia deve ridurre, non aumentare, il carico IT in stabilimento. Un MES cloud-native con agente leggero on-premise consente di connettere il parco macchine e rendere disponibili i dati via browser, evitando server locali dedicati e semplificando l'attivazione modulare. In questo scenario, PLCinCloud rende disponibili dati di produzione, OEE, scarti e allarmi in un ambiente pensato per integrare OT, ERP e requisiti di interconnessione 4.0.
Gli indicatori diventano affidabili quando sono consultati da chi può agire e quando ogni scostamento ha una traccia verificabile. Il valore non sta nel mostrare una percentuale più alta su una dashboard: sta nel sapere quale perdita eliminare nel prossimo turno, con dati sufficienti per farlo senza andare per ipotesi.