Come un impianto alimentare ha ridotto del 46% i costi di non qualità in 10 settimane grazie al Lean Six Sigma

Un impianto di confezionamento alimentare con tre linee produttive e laboratorio QA interno generava ogni anno un volume importante di scarti, rilavorazioni e reclami cliente. I numeri erano noti, ma la causa no. Il team operativo parlava di “turni difficili”, il laboratorio segnalava difformità saltuarie, il magazzino accumulava lotti in quarantena. Ogni funzione aveva la sua spiegazione — nessuna aveva i dati per dimostrarla.

Il KPI scelto come filo conduttore del progetto è stato il costo ricorrente di non qualità, stimato in baseline a 171.000 €/anno su circa 8.400 lotti confezionati. Non un valore teorico: costruito riga per riga su scarti misurati, ore di rilavorazione tracciabili e reclami documentati negli ultimi 12 mesi.

Define — inquadrare il perimetro senza ambiguità

La prima settimana è servita a fissare cosa era dentro e cosa era fuori. Il processo analizzato copriva il flusso dalla ricezione materie prime fino all’uscita dal magazzino prodotto finito, con produzione, QA, manutenzione e logistica interna coinvolte.

Il vincolo era chiaro fin dall’inizio: il miglioramento doveva entrare nella routine operativa senza aggiungere complessità. Un progetto che funziona solo quando “ci sono le condizioni giuste” non è un miglioramento — è una patch.

Measure — costruire una baseline leggibile

La misura ha trasformato le percezioni in numeri verificabili. Quattro settimane di produzione reale analizzate per identificare dove il costo di non qualità si generava, in quale fase e con quale frequenza.

La scoperta più importante in questa fase non è stata un numero: è stata la distribuzione degli scarti nel tempo. Il 71% dei lotti non conformi si concentrava nelle prime due ore di ogni turno. Questo dato ha cambiato completamente la direzione dell’analisi.

Analyze — cause reali, non ipotesi condivise

La fase di analisi ha escluso una a una le spiegazioni più comuni. Il problema non era la macchina, non era la materia prima, non era il turno notturno. Era la gestione degli handoff e l’assenza di controlli preventivi sugli input prima che il lotto entrasse in lavorazione.

“Ogni operatore aveva imparato a fare le cose a modo suo. Non perché fosse negligente — ma perché nessuno aveva mai scritto quale fosse il modo giusto, e perché nessuno sapeva quale impatto avesse ogni micro-decisione sul costo finale del lotto.”

Improve — solo soluzioni che reggono nella routine

Le contromisure sono state testate nelle due settimane più critiche: cambio stagionale del fornitore principale e picco di domanda pre-festivo. Se le soluzioni avessero tenuto in quell’intervallo, erano sostenibili nel tempo. E hanno tenuto.

Control — il risultato protetto nel tempo

Il controllo non è la fase finale: è la fase che decide se il progetto vale qualcosa anche sei mesi dopo la chiusura. Ogni KPI è stato assegnato a un owner, con frequenza di revisione e soglia di reazione definite.

Il saving finale: 78.400 €/anno

Il beneficio economico è stato calcolato esclusivamente su voci verificabili e ricorrenti. Nessun risparmio teorico, nessuna extrapolazione ottimistica.

La lezione

Il risultato economico è importante. Ma non è il punto più interessante. Il punto è che tutto questo è stato ottenuto senza acquistare nulla, senza fermare la produzione e senza assumere nuove persone.

La variabilità non era un problema di impianto. Era un problema di flusso informativo: chi trasferiva il turno non trasferiva il contesto. Chi controllava le materie prime non stava controllando le variabili giuste. Chi decideva di mandare avanti un lotto borderline non aveva una soglia di riferimento chiara.

Il metodo DMAIC non ha inventato soluzioni nuove. Ha reso visibile quello che c’era già — e ha costruito le condizioni perché il miglioramento restasse stabile nel tempo.