L’importanza dell’analisi dei dati produttivi per il miglioramento continuo

Spesso in azienda si assiste ad un consistente sforzo di raccolta di dati dagli ambienti produttivi (e non solo) che si traduce in costi, spesso occulti, che gravano sullo svolgimento delle attività.

Le raccolte dei dati produttivi richiedono tempo, soprattutto quando sono effettuate manualmente. Spesso infatti, per ragioni economiche o tecnologiche, non si possono introdurre sistemi per raccogliere i dati in modo automatico (come invece è possibile con investimenti di Industry 4.0)

Altrettanto spesso questi dati vengono memorizzati da chi li raccoglie all’interno di sistemi o file privati, senza che via sia una successiva analisi.

L’analisi dei dati produttivi è però essenziale per il miglioramento continuo e per la definizione di nuovi obiettivi da raggiungere.

Al di là di situazioni di grande specificità, che richiedono analisi di dettaglio approfondite e spesso complicate, nell’ambito dei dati normalmente raccolti in azienda, le analisi che portano un beneficio immediato sono sostanzialmente di 2 tipi:

1. Analisi degli elementi prioritari (basata sul ben noto concetto di Pareto)
2. Analisi delle cause degli elementi prioritari (positivi o negativi che siano)

 

1. Il concetto di priorità aiuta l’azienda e i responsabili a concentrare i propri sforzi sugli elementi principali che devono essere oggetto di miglioramento e sui quali si devono normalmente aggiornare gli obiettivi che si vogliono raggiungere. Una volta ricondotto l’elemento critico ad un valore accettabile, si passa all’elemento che occupa la seconda posizione nell’ambito della scala delle priorità, e si prosegue in questo modo. Questa modalità di lavoro aiuta molto l’azienda a concentrare le risorse sulle cose realmente importanti. Le risorse in ogni azienda sono limitate.
2. Il concetto di analisi delle cause è fondamentale per risolvere realmente i problemi attraverso azioni di miglioramento. Le azioni di miglioramento sono diverse dai rimedi. I rimedi agiscono sull’effetto negativo, mentre le azioni di miglioramento agiscono sulla rimozione o attenuazione della causa che ha prodotto l’effetto negativo. I rimedi sono spesso temporanei. Per esempio, se l’analisi delle priorità ha evidenziato come difetto principale il danneggiamento dell’imballo del prodotto da parte di un impianto di confezionamento, e un primo livello di analisi delle cause attribuisce il difetto ad un gioco eccessivo di  un “braccetto”, si possono introdurre numerosi rimedi per contenere il problema: cambiare gli imballi danneggiati in una postazione a valle e consegnare il prodotto, regolare (se possibile) il braccetto tentando di ridurre il gioco eccessivo (manutenzione su guasto), etc.  Ma se l’analisi completa delle cause evidenzia che il gioco è dovuto ad un usura di una guarnizione che ha un tempo di vita definito e prevede delle azioni di ingrassaggio periodiche, le azioni di miglioramento dovranno essere:

• • definizione della periodicità di sostituzione della guarnizione
  • sostituzione della guarnizione nei tempi stabiliti
  • definizione delle periodicità di ingrassaggio della guarnizione
  • effettuazione dell’attività di ingrassaggio secondo la periodicità stabilita.

Senza la sistematica analisi delle priorità, e  relativa analisi completa delle cause, le azioni di miglioramento non possono essere sistematicamente individuate ma si procede “per tentativi”.

Una considerazione va fatta relativamente a chi deve effettuare le analisi dei dati.

In passato con l’introduzione delle tecniche di Lean Production è stata fatta l’ipotesi che gli operatori di produzione, opportunamente formati, possano eseguire autonomamente le analisi dei dati utilizzando semplici strumenti. Nella realtà delle piccole medie aziende italiane però, l’organizzazione dei processi produttivi e le mansioni che vengono assegnate agli operatori di produzione nonchè le relative competenze, spesso impediscono che tale attività possa essere svolta. Di fatto l’attività di analisi dei dati produttivi allo scopo di produrre azioni di miglioramento deve competere ed essere guidata dalle figure responsabili nelle aree produttive (responsabili di produzione, Capo Reparti, Capo Turni), eventualmente supportate da figure di industrializzazione. Le figure responsabili posso/devono intervistare i propri collaboratori per avere informazioni di dettaglio riguardanti le situazioni da analizzare.

Una ulteriore considerazione è relativa alla qualità dei dati raccolti.

E’ importante sottolineare che tutte le analisi si basano sui dati raccolti e pertanto la qualità di questi dati deve essere molto elevata, oggettiva, e sufficientemente analitica. Ecco perché è fondamentale investire in sistemi di raccolta dati quanto più possibile automatizzati (Industry 4.0 e Industry 5.0).

L’investimento in impianti con caratteristiche di Industry 4.0 deve essere fatto prestando molta attenzione ai software degli stessi, affinchè si abbia la sicurezza che questi mettano a disposizione dell’utente, in modo semplificato,  i dati che sono necessari alle analisi.

Allo stesso tempo i software degli impianti devono essere facilmente aggiornabili per poter raccogliere in futuro, tecnologia della macchina permettendo, eventuali nuovi dati che si rendano necessari.