Mi capita spesso, nei primi colloqui, che un responsabile di produzione mi dica: «Il nostro OEE è al 68 percento. Sappiamo che è troppo poco. Ma non sappiamo esattamente perché.»
Questo è il vero problema, ed è risolvibile. Ma non si comincia con una macchina nuova, né con un costoso progetto MES, né con un consulente aziendale che tiene una presentazione PowerPoint sul lean manufacturing. Si comincia con la trasparenza dei dati.
Che cosa misura davvero l'OEE, e che cosa no
OEE sta per Overall Equipment Effectiveness e combina tre fattori: disponibilità, prestazioni e qualità. Un impianto con il 95% di disponibilità, il 90% di prestazioni e un tasso di qualità del 98% raggiunge un OEE di circa l'84%: un valore che molte aziende manifatturiere indicano come obiettivo.
Ma è proprio qui che sta il primo problema: la maggior parte delle aziende che mi comunicano un valore OEE non l'ha misurato. L'ha stimato, partendo da fogli Excel, rapporti di turno e dall'esperienza di collaboratori di lunga data.
Un OEE stimato non è uno strumento di gestione. È un'opinione.
Il problema della trasparenza nella pratica
Prendiamo un esempio concreto. Un costruttore di macchine in Austria con cui abbiamo lavorato gestiva cinque linee CNC e tre presse. L'OEE autovalutato era «più o meno al 72 percento». I tempi di manutenzione programmata erano noti. I guasti imprevisti venivano annotati solo al cambio turno, quindi spesso con 4–8 ore di ritardo.
In concreto significa questo: se sulla linea 3 si rompe un utensile alle 14:30 e la cosa emerge solo alle 22:00 al cambio turno, il responsabile di produzione per 7,5 ore non ha alcuna possibilità di intervenire. Nessuna ripianificazione, nessuna contromisura avviata, nessuna informazione alla squadra di manutenzione.
Dopo aver collegato le macchine via OPC UA e MQTT e costruito una dashboard in tempo reale, il team ha visto per la prima volta dove si perdeva davvero il tempo:
- Il 42% dei fermi imprevisti era riconducibile a tre tipi di guasto ricorrenti
- Il tempo medio di reazione (MTTA) era in media di 38 minuti, non di 8
- Due macchine funzionavano costantemente al 15–20% sotto la velocità nominale
L'OEE misurato era del 61%, non del 72%. E all'improvviso è stato chiaro dove si trovavano le leve più grandi.
Perché la spinta a ottimizzare subito porta nella direzione sbagliata
Quando i responsabili di produzione finiscono sotto pressione, il riflesso è spesso: ci serve un nuovo MES. Ci serve un progetto lean. Ci serve più personale in manutenzione.
Forse sono le risposte giuste, ma solo se si sa a quale domanda. Senza dati affidabili sulle cause delle perdite, ogni misura di ottimizzazione è un colpo nel buio. Si curano i sintomi, non le cause.
Un'azienda con cui avevamo parlato prima di un progetto di digitalizzazione aveva appena investito parecchio in capacità di manutenzione aggiuntiva, perché «le macchine si guastano troppo spesso». Dall'analisi dei dati è emerso che il 60% dei fermi non era dovuto a difetti delle macchine, ma a carenze di materiale e a tempi di attrezzaggio pianificati male. Più manutenzione non avrebbe risolto il problema.
Tre livelli di trasparenza OEE
La trasparenza dei dati non è un concetto binario: ha dei gradi. Dal punto di vista della pratica distinguiamo tre livelli:
Livello 1: trasparenza reattiva
Rapporti di turno, fogli Excel, rilevazione manuale. I dati esistono, ma con ore o giorni di ritardo. Nessuna possibilità di reagire in tempo reale.
Livello 2: trasparenza operativa
I dati delle macchine vengono rilevati automaticamente, una dashboard mostra l'OEE in tempo reale. I capiturno vedono i problemi nel giro di pochi minuti. Diventano possibili le prime decisioni basate sui dati.
Livello 3: trasparenza predittiva
Le anomalie vengono riconosciute prima che diventino fermi. Le analisi dei trend mostrano quali macchine daranno problemi nei prossimi giorni. La manutenzione viene pianificata in base alle condizioni.
La maggior parte delle aziende manifatturiere di medie dimensioni con cui lavoriamo si trova al livello 1. Il passaggio al livello 2 è tecnicamente gestibile e produce risultati misurabili nel giro di settimane. Il livello 3 è l'obiettivo a medio termine.
Che cosa serve concretamente
La trasparenza in tempo reale sull'OEE non nasce da un grande progetto ERP. Servono:
- Dati delle macchine in tempo reale: OPC UA, MQTT o semplici sensori, a seconda della generazione della macchina. Le macchine moderne forniscono i loro dati nativamente via OPC UA. Quelle meno recenti hanno bisogno di un adattatore.
- Una classificazione uniforme delle perdite: I fermi vanno classificati per categoria: cambio utensile, difetto della macchina, carenza di materiale, attrezzaggio. Senza questo, l'analisi non vale nulla.
- Una dashboard che i capiturno usano davvero: Niente strumento BI con 20 pagine di report. Una vista che in 10 secondi mostra che cosa sta andando storto e dove.
- Allarmi quando si scende sotto la soglia: Se l'OEE di una linea scende sotto il 70%, qualcuno deve essere informato subito, non al prossimo rapporto di turno.
Che cosa ha ottenuto alla fine il costruttore di macchine austriaco
Tre mesi dopo il go-live della dashboard in tempo reale, il team aveva ottenuto i seguenti risultati:
Il punto decisivo: non è stata acquistata nessuna macchina nuova. Nessun processo è stato modificato radicalmente. L'unico cambiamento è che le persone giuste vedevano i dati giusti al momento giusto.
Questa è trasparenza. Ed è il primo problema che deve risolvere, prima di pensare a ottimizzazione, automazione o IA.
Conclusione
Un OEE del 68%, del 72% o del 75% non è un problema astratto. Sono soldi che ogni giorno restano sul tavolo, sotto forma di capacità macchina inutilizzata, scarti evitabili e manutenzione reattiva.
Il primo passo non è la soluzione: è la comprensione completa del problema. E questo è possibile solo con dati disponibili in tempo reale.
Se vuole sapere dove si trovano le Sue perdite maggiori e come si presenta concretamente, nel Suo caso, il percorso verso la trasparenza di livello 2: ci contatti. Il primo colloquio è gratuito.