Industria 4.0 e indicatori di performance

Fino a qualche anno fa erano veramente poche le aziende che avevano definito dei metodi standard per misurare le prestazioni di un processo, di una linea produttiva o di una macchina.
Fortunatamente, oggi con l’avvento della cosiddetta quarta rivoluzione industriale i temi riguardanti la definizione e il monitoraggio dei Key Performance Indicator (KPI) in ambito produttivo sono sicuramente argomento di discussione più che in passato.

Oggi un Direttore della produzione non può non tenere in grossa considerazione i principali indicatori di sua competenza e, in particolare, l’Overall Equipment Effectiveness (OEE). Questo parametro - letteralmente traducibile in “efficienza generale dell’impianto” – è un indicatore di prestazione che combina altri tipici KPI di produzione per esprimere il livello di efficienza reale di una linea produttiva. Per calcolarlo sono considerate la disponibilità della macchina, come per esempio su quanti turni è utilizzata, la sua prestazione in termini di tempo impiegato, ovvero per quante ore è realmente in funzione sulla linea di produzione, e la qualità dei componenti, che si riferisce invece a quanti pezzi buoni sono prodotti rispetto a quelli che sono scartati.

L’Overall Equipment Effectiveness è giustamente ritenuto il principale indicatore di prestazione di un impianto produttivo perché, rispetto ad altri indicatori da cui vene derivato, è influenzato direttamente da eventuali inefficienze produttive come per esempio guasti, tempi di manutenzione, riattrezzaggio e scarti: tutti elementi che rallentano significativamente la produttività. Per questo l’OEE misura bene l’efficienza generale, perché considera non solo come operano le macchine ma anche come lavorano le persone e come funzionano i processi di approvigionamento, manutenzione o riattrezzaggio.
In qualsiasi conversazione di merito con un Direttore di Produzione questo KPI è un perno imprescindibile su cui ragionare, o un sintomo inequivocabile di necessità di miglioramento laddove questo non sia monitorato.

Mentre chiarire per bene come calcolare l’OEE è un tema troppo ampio per essere affrontato in un articolo, dare già delle cifre può essere utile a capire le proporzioni dei benefici che derivano dal lavorare sull’efficientamento con metriche alla mano. Qual è dunque un buon valore di Overall Equipment Effectiveness e, invece, quando è il caso di preoccuparsi? Tipicamente, un’azienda che non ha mai affrontato progetti di miglioramento dell’efficienza e che non monitora i propri indicatori di performance, si attesta su valori non superiori al 50-60%.

Le aziende più attente a questi aspetti, invece, raggiungono facilmente il 70-75% e soprattutto riescono a mantenerlo nel tempo; ottenere un Overall Equipment Effectiveness pari all’85% è invece da considerarsi un risultato d’eccellenza. Naturalmente è virtualmente impossibile, invece, attestarsi sul 100%: questo significherebbe avere un sistema che non si ferma mai, che non effettua mai attrezzaggi e manutenzione. D’altra parte, è bene considerare che raggiungere un risultato tra l’80-85% a partire, per esempio, da un valore pari al 60%, è un obiettivo solitamente raggiungibile da qualsiasi azienda che voglia dotarsi delle giuste tecnologie e affidarsi a un partner in grado di indirizzarne l’implementazione in modo concreto e profittevole.

Monitorare Overall Equipment Effectiveness non si traduce in un miglioramento automatico della produttività ma inizia a farlo quando abbinato ad una analisi dettagliata ed accurata dei motivi alla base della ridotta produttività. Un’analisi di questo tipo può essere svolta in modo tradizionale – utilizzando dati reali rappresentati in modo ordinato e chiaro – oppure attraverso tecnologie di analisi avanzata delle informazioni che oggi, fortunatamente, sono ormai accessibili anche da aziende medie e piccole. Si tratta di un approccio che usa i dati – e la valutazione delle performance produttive attorno agli indicatori chiave che li raccolgono – come leva principale della trasformazione dei processi industriali.
In Dedagroup Business Solutions, ad esempio, abbiamo abbinato allo storico di progetti concreti che realizziamo per i nostri clienti anche partnership tecnologiche che ci consentono di portare i processi industriali verso ecosistemi digitali, in cui dati e applicazioni aiutano le imprese a migliorare le performance e allargano di molto gli orizzonti di miglioramento raggiungibili.

Per dare un esempio fruibile con mano, abbiamo da poco aggiunto al nostro track record di progetti coi clienti anche un ecosistema in laboratorio; un lavoro in partnership con Optoi e ProM Facility – il Polo di Meccatronica di Rovereto (TN) – che ci vedrà impegnati nella sperimentazione pratica dell’approccio data-driven alla trasformazione digitale dei processi industriali. Una parte consistente del lavoro è già stata fatta ed è interessante per la sua efficacia e replicabilità. Una prima sperimentazione di cui ci siamo occupati ha riguardato il recupero dei dati di funzionamento di una macchina industriale.

Queste informazioni sono state elaborate per costruire una dashboard in grado di aggiornarsi in tempo reale, andando a calcolare Overall Equipment Effectiveness in modo dinamico. L’applicazione concreta di questo approccio e di questo know-how ha generato interesse durante l’evento di presentazione della nostra collaborazione con Optoi e ProM Facility. In particolare, l’elemento atipico rispetto ad altre iniziative di questo genere, è relativo al fatto che la macchina monitorata era una troncatrice manuale non nativamente Industry 4.0, ovvero non dotata di alcuna elettronica in grado di fornire dati riguardo al suo funzionamento.

Sfruttando le competenze elettroniche sui sensori di Optoi, abbiamo effettuato il retro-fit della macchina dotandola di un sensore di vibrazioni, di un gateway di campo in grado di rilevare e analizzare i dati provenienti dal sensore, di un lettore di badge in dotazione agli operatori e ai manutentori per tracciare lo stato di funzionamento (disponibile, funzionante, in manutenzione) nonché la quantità di pezzi lavorati. Per recuperare i dati riguardanti la qualità, invece, abbiamo integrato nel processo un’applicazione già in uso nella funzione qualità. Combinando questi elementi abbiamo calcolato Overall Equipment Effectiveness dell’impianto e posto le basi per avviare l’ottimizzazione della produzione.

Questa sperimentazione mette in evidenza come si possa implementare – in modo concreto e in tempi relativamente brevi – un sistema efficace per il monitoraggio dei KPI anche per quelle linee di produzione composte da macchine eterogenee provenienti da fornitori diversi o, addirittura, non nativamente dotate di capacità di elaborazione dei dati. Soluzioni così inclusive rispetto ai macchinari legacy sono pensate per rispondere all’esigenza dei clienti di conservare gli investimenti fatti in precedenza e diminuire così lo sforzo economico.

Scopri come possiamo aiutarti ad efficientare la tua linea produttiva