Lo “scarto fisiologico” non esiste: come abbiamo recuperato 182.000 € l’anno guardando meglio il dato

Un’azienda automotive scartava un pezzo ogni quaranta. Per anni l’avevano chiamato “scarto fisiologico”. Spoiler: di fisiologico non aveva proprio niente.

Su una linea di stampaggio, lo scarto medio si attestava al 2,5%. Un numero accettato da tutti, entrato nel paesaggio quotidiano della produzione, mai messo davvero in discussione. È così che funziona: quando un valore resta stabile abbastanza a lungo, smette di sembrare un problema e diventa una caratteristica. “La linea fa quello scarto lì.” Punto.

Il problema è che dietro quel 2,5% c’erano 182.000 euro all’anno di materiale buttato. Erano lì da sempre. Bastava un progetto fatto bene per vederli.

Il perimetro: stretto, dedicato, misurabile

Abbiamo aperto un progetto di Focus Improvement con una regola che vale più di mille buone intenzioni: non disperdersi. Niente task force gigantesche che affrontano “lo scarto” in generale. Al contrario, un perimetro chirurgico:

• una sola linea
• una sola causale di scarto
• otto settimane di tempo

E un team trasversale ma compatto: operatori, manutenzione, qualità. Chi sta sulla macchina, chi la tiene in piedi, chi misura cosa esce. Tre punti di vista che, messi insieme, vedono quello che nessuno dei tre vede da solo.

Step 1 — Stratificare il dato (perché la media mente)

Il primo errore, quello che teneva in vita lo “scarto fisiologico” da anni, era guardare le medie di fine turno. Le medie sono comode e rassicuranti, ed è proprio per questo che sono pericolose: nascondono tutto.

Un 2,5% medio può nascere da una linea che scarta in modo costante e uniforme — oppure da una linea che per la maggior parte del tempo è quasi perfetta e poi crolla in pochi momenti precisi. Sono due problemi opposti, con due soluzioni opposte. La media li fa sembrare identici.

Così abbiamo preso i dati grezzi. Macchina per macchina, ora per ora. E la stratificazione ha raccontato una storia completamente diversa da quella che tutti credevano di conoscere:

• il 68% degli scarti si concentrava nei primi 30 minuti dopo ogni cambio stampo
• un altro 19% arrivava nell’ultima ora del turno di notte

Tradotto: quasi nove pezzi scartati su dieci nascevano in due finestre temporali ben precise. Il resto della produzione era sano. Non avevamo un problema di linea diffuso — avevamo due fenomeni distinti, localizzati, attaccabili.

Step 2 — Risalire alle cause (5 Whys + Ishikawa)

Individuati i due cluster, li abbiamo analizzati separatamente con i 5 Whys e il diagramma di Ishikawa. Sono emersi due meccanismi diversi:

Il problema del setup. Dopo ogni cambio stampo, i parametri di processo venivano reimpostati “a memoria”, sulla base dell’esperienza dell’operatore. Funzionava, ma con un assestamento lento: la macchina impiegava decine di minuti a tornare nella finestra di processo corretta, e nel frattempo produceva pezzi fuori specifica.

Il problema della notte. Nelle ore notturne i parametri andavano in drift — derivavano lentamente dal valore ottimale — senza che nessuno se ne accorgesse. Nessun monitoraggio continuo, nessun alert in tempo reale. Il problema veniva visto solo a consuntivo, quando ormai i pezzi erano già stati scartati.

Due cause, due radici, zero a che vedere con “la linea che è fatta così”.

Step 3 — Le contromisure (senza comprare una sola macchina)

Le soluzioni hanno seguito le cause, una per una:

• Standard di ripartenza dopo il cambio stampo: una one-point lesson e una checklist fisica a bordo macchina, così i parametri corretti non dipendono più dalla memoria del singolo operatore ma sono scritti, visibili, ripetibili.
• Soglie di allarme automatiche sui parametri critici, per intercettare il drift mentre accade — non il giorno dopo.
• Piano di controllo rafforzato: controlli a inizio, metà e fine turno, non più solo a consuntivo. Misurare presto significa correggere presto.

Nessun investimento in nuovi macchinari. Solo metodo, standard e dati guardati al momento giusto.

I risultati a otto settimane

La lezione

C’è un principio che ogni Focus Improvement fatto bene riporta a galla, ogni volta: lo “scarto fisiologico” è quasi sempre scarto che non abbiamo ancora stratificato.

Il problema non era la linea. Era il dato che nessuno guardava abbastanza da vicino. Le medie avevano costruito una narrazione comoda — “è normale, è così che funziona” — e quella narrazione era costata 182.000 euro l’anno, ininterrottamente, per anni.

La buona notizia è che quei soldi erano sempre stati lì. Non servivano nuove tecnologie né capitali. Serviva la disciplina di aprire il dato grezzo, stratificarlo e fare le domande giuste finché la causa vera non viene a galla.

A volte il miglioramento più grande non è comprare qualcosa di nuovo. È guardare davvero quello che si ha già.