In un settore come l’automotive, dove precisione e affidabilità sono fondamentali, anche piccoli difetti possono trasformarsi in problemi significativi. È il caso di un’azienda manifatturiera del Nord Italia, specializzata in componenti meccanici di precisione, che si è trovata ad affrontare un tasso di scarti del 7,2% su una delle sue linee principali, con oltre 1.000 pezzi difettosi al mese su una produzione di circa 15.000.
Questo generava non solo un costo diretto mensile stimato intorno ai 28.000 euro (tra rilavorazioni, materiali e tempi persi), ma anche conseguenze sul piano della reputazione: in media, 12 reclami al mese da parte dei clienti, sempre più insoddisfatti.
L’intervento Leanprove: un progetto Lean Six Sigma strutturato
Per affrontare il problema, l’azienda ha scelto di avviare un progetto Lean Six Sigma, affidandosi alla consulenza di Leanprove. È stato formato un team interno composto da ingegneri, operatori esperti, responsabili qualità e un controller, affiancato da un consulente Black Belt Leanprove.
Fase 1: definire l’obiettivo
Il focus era chiaro: ridurre gli scarti sotto il 2% in sei mesi e contenere i reclami a un massimo di tre al mese.
Fase 2: analisi dei dati
Il team ha raccolto e classificato 90 giorni di dati attraverso il sistema MES e registrazioni manuali. I risultati hanno evidenziato che:
-
63% degli scarti derivava da difetti dimensionali (fuori tolleranza di 0,1–0,5 mm)
-
24% da bave non rimosse correttamente
-
13% da problemi superficiali (graffi, indentature)
L’analisi di Pareto ha evidenziato che l’80% delle perdite economiche si concentrava nella fase di fresatura CNC, in particolare su macchine modello DMG MORI.
Fase 3: identificare le cause
Con strumenti come l’Ishikawa Diagram, 5 Whys e SPC (controllo statistico di processo), sono state individuate tre cause principali:
-
Usura precoce degli utensili, sostituiti troppo tardi per risparmiare sui costi
-
Variazioni termiche di ±5°C durante il turno pomeridiano, che influivano sulle tolleranze
-
Parametri macchina non standardizzati, con oltre 8 set diversi di impostazioni per lo stesso pezzo
Fase 4: implementare soluzioni
Le azioni correttive sono state immediate e mirate:
-
Introduzione di un sistema predittivo per la sostituzione degli utensili, basato su logiche di consumo e vibrazione
-
Creazione di SOP (Standard Operating Procedures), riducendo i set di parametri da 8 a 2
-
Installazione di sensori termici a bordo macchina, con allarmi per variazioni superiori a ±2°C
In parallelo, il personale è stato formato sui metodi 5S e SMED, riducendo il tempo di attrezzaggio da 45 a 26 minuti.
Fase 5: controllo e mantenimento
Per garantire la sostenibilità dei risultati nel tempo:
-
È stato creato un cruscotto Power BI con KPI aggiornati in tempo reale
-
Sono stati avviati audit settimanali per verificare il rispetto degli standard
-
Introdotta manutenzione preventiva ogni 10.000 pezzi lavorati
Inizia il tuo percorso verso l’eccellenza operativa
I risultati: numeri che parlano chiaro
Dopo sei mesi, gli indicatori mostrano un miglioramento netto:
| Indicatore | Prima | Dopo 6 mesi |
|---|---|---|
| Tasso di scarti | 7,2% | 1,6% |
| Reclami clienti/mese | 12 | 2 |
| Costo mensile rilavorazioni | ~€28.000 | €6.100 |
| Tempo medio rilavorazioni | 4,4 h/giorno | 1,1 h/giorno |
| ROI progetto (12 mesi) | - | +220% |
Oltre i numeri: cultura e coinvolgimento
Accanto ai risultati tecnici, l’azienda ha ottenuto un cambiamento più profondo: una nuova cultura del miglioramento. Gli operatori, inizialmente scettici, sono diventati protagonisti attivi. I clienti hanno iniziato a riconoscere il cambiamento con apprezzamenti espliciti. E la direzione ha capito che integrare dati, metodo e persone è la vera leva per fare industria in modo intelligente.
