Scarti notturni in produzione: come ridurli con il Lean Six Sigma e trasformare le perdite in valore
Il turno notturno registra una percentuale di scarti superiore rispetto agli altri turni? Prima di attribuire il problema alla minore presenza di personale, è necessario analizzare i dati, individuare le cause radice e intervenire sui fattori che rendono il processo meno stabile.
Il contesto: perché di notte aumentano gli scarti?
Sono le 6:00 del mattino. Il turno notturno sta per terminare e il responsabile di produzione analizza i risultati della linea.
La quantità prodotta è in linea con gli obiettivi, ma il numero di pezzi non conformi è sensibilmente superiore rispetto al turno del mattino e a quello pomeridiano.
Il fenomeno non è nuovo. Da settimane il turno notturno registra una percentuale di scarti più elevata, con conseguenze dirette sui costi di produzione, sull’efficienza degli impianti e sulla capacità di rispettare le consegne.
Le spiegazioni iniziali sono diverse: minore disponibilità del personale di supporto, difficoltà nel gestire le anomalie, parametri di processo instabili o controlli qualità meno tempestivi. Ma nessuna di queste ipotesi è sufficiente per identificare la causa reale.
Attribuire il problema al turno notturno rischia di trasformare un fenomeno misurabile in un giudizio sulle persone, senza affrontare le vere criticità del processo.
La domanda corretta non è perché di notte si lavori peggio, ma quali condizioni operative determinino un aumento della difettosità durante il turno notturno.
Per rispondere, un’azienda manifatturiera decide di avviare un progetto di miglioramento continuo basato sulla metodologia Lean Six Sigma.
Il progetto: ridurre gli scarti notturni del 50%
L’azienda opera su una linea produttiva attiva 24 ore su 24, organizzata su tre turni. Il prodotto viene realizzato attraverso un processo automatizzato, nel quale la qualità finale dipende dalla stabilità dei parametri di lavorazione, dalla corretta gestione delle attrezzature e dal rispetto delle procedure operative.
L’analisi preliminare evidenzia una differenza tra i turni:
| Indicatore | Turno diurno | Turno notturno |
|---|---|---|
| Percentuale di scarti | 1,2% | 3,0% |
| Produzione media giornaliera per turno | 10.000 pezzi | 10.000 pezzi |
| Scarti per turno | 120 pezzi | 300 pezzi |
A parità di produzione, il turno notturno genera 180 scarti aggiuntivi per turno rispetto al valore di riferimento diurno.
L’obiettivo del progetto è ridurre la percentuale di scarti notturni dal 3,0% all’1,5%, mantenendo invariati i requisiti di qualità e sicurezza. Il team definisce inoltre alcuni obiettivi complementari:
- identificare le principali cause di difettosità;
- ridurre la variabilità dei parametri di processo;
- migliorare la gestione delle anomalie durante il turno notturno;
- standardizzare i controlli e il passaggio di consegne tra i turni;
- rendere i risultati stabili e misurabili nel tempo.
Il progetto segue le cinque fasi del DMAIC:
DefineMeasureAnalyzeImproveControl
Fase 1 — Define: definire il problema e il suo impatto
Il progetto inizia con la definizione precisa del problema. Il team coinvolge il responsabile di produzione, il reparto Qualità, la manutenzione e gli operatori dei tre turni. Vengono stabiliti il perimetro dell’analisi, gli indicatori di riferimento e le modalità di raccolta dei dati.
Il primo passo è distinguere il numero assoluto di scarti dalla percentuale di scarto. Un turno che produce più pezzi potrebbe generare un numero maggiore di difetti pur avendo una prestazione qualitativa migliore. Per questo motivo, il KPI principale viene definito come:
La definizione deve essere uniforme per tutti i turni, chiarendo quali pezzi rientrino nel conteggio, come vengano trattati gli scarti di avviamento e come siano registrate eventuali rilavorazioni.
Il team raccoglie quindi i dati storici, cercando di capire se il fenomeno sia costante oppure concentrato in particolari condizioni operative.
Fase 2 — Measure: misurare quando e dove si generano gli scarti
Una media mensile può mostrare che il turno notturno presenta più difetti, ma non spiega perché. Per individuare le cause, il team decide di stratificare i dati secondo diverse dimensioni:
- Fascia oraria: inizio, parte centrale e fine del turno.
- Prodotto e lotto: per verificare se alcuni codici presentino una maggiore difettosità.
- Macchina o linea: per individuare eventuali differenze tra impianti.
- Cambio formato: per verificare se gli scarti aumentino dopo un’attività di attrezzaggio.
- Tipologia di difetto: dimensionale, estetico, funzionale o di processo.
- Condizioni operative: parametri macchina, fermate, manutenzioni e disponibilità delle materie prime.
L’analisi viene supportata da una raccolta dati strutturata, in modo da associare ogni difetto alle condizioni in cui si è verificato. Immaginiamo che la stratificazione evidenzi due fenomeni ricorrenti:
Fenomeno 1
Un aumento degli scarti nella prima ora successiva ai cambi formato.
Fenomeno 2
Più difetti durante alcune fasi della notte, quando determinati parametri si allontanano gradualmente dai valori target.
Questi risultati sono ipotetici, ma illustrano un aspetto essenziale del problem solving: il turno notturno potrebbe non essere la causa del problema, bensì il contesto nel quale alcune debolezze del processo diventano più evidenti. Sul primo fenomeno, quello legato agli attrezzaggi, trovi un caso dedicato nel nostro articolo su come ridurre i tempi di cambio formato.
Fase 3 — Analyze: individuare le cause radice
Una volta identificati i momenti e le condizioni in cui gli scarti aumentano, il team passa dall’osservazione alla ricerca delle cause. Vengono utilizzati strumenti Lean Six Sigma come il diagramma di Ishikawa, i 5 Why e l’analisi di Pareto. Su come si arriva davvero alla causa radice di un problema produttivo trovi un approfondimento sul nostro blog: Come si identifica davvero la causa radice.
Causa 1. Parametri di processo non sufficientemente standardizzati
Durante alcune regolazioni, i parametri vengono impostati sulla base dell’esperienza dell’operatore, senza una procedura sufficientemente precisa per ogni famiglia di prodotto. Questo può generare differenze tra turni, soprattutto quando occorre intervenire rapidamente per ripristinare il processo.
Possibile intervento: definire ricette di processo validate, valori target, limiti operativi e istruzioni chiare per la gestione delle regolazioni.
Causa 2. Scarsa tempestività nella gestione delle anomalie
Durante il turno notturno, alcune figure di supporto potrebbero non essere immediatamente disponibili. Se non esistono criteri chiari per riconoscere e gestire un’anomalia, il processo può continuare a produrre pezzi non conformi prima che il problema venga individuato.
Possibile intervento: introdurre soglie di allarme, criteri di escalation, istruzioni di reazione e modalità di contenimento del prodotto potenzialmente non conforme.
Causa 3. Controlli non sufficientemente mirati
I controlli qualità potrebbero essere eseguiti a intervalli troppo ampi rispetto alla velocità con cui il processo può deteriorarsi. In questo scenario, un’anomalia può rimanere attiva per un periodo significativo prima di essere rilevata.
Possibile intervento: definire frequenze di controllo proporzionate al rischio, prevedere verifiche aggiuntive dopo regolazioni e utilizzare carte di controllo quando appropriate per monitorare la stabilità del processo.
Causa 4. Passaggio di consegne incompleto tra i turni
Le informazioni relative a regolazioni, anomalie ricorrenti e interventi effettuati durante il turno precedente non sempre vengono trasferite in modo strutturato. Il turno notturno potrebbe quindi trovarsi a gestire condizioni già critiche senza disporre di tutte le informazioni necessarie.
Possibile intervento: introdurre un sistema standardizzato di handover, con registrazione delle anomalie aperte, dei parametri modificati, dei controlli effettuati e delle azioni ancora da completare.
Il punto fondamentale è che queste cause devono essere verificate attraverso i dati e le osservazioni sul campo. Non è sufficiente che siano plausibili: devono essere supportate da evidenze.
Fase 4 — Improve: intervenire sulle cause e ridurre la difettosità
Una volta confermate le cause principali, il team avvia una serie di interventi mirati.
1. Standardizzare i parametri di processo
Per ciascuna famiglia di prodotto vengono definite impostazioni iniziali validate e modalità operative condivise.
Gli operatori dispongono di istruzioni aggiornate e di criteri chiari per distinguere una normale regolazione da una deviazione che richiede un intervento specifico.
Questo riduce la variabilità e rende il processo meno dipendente dalle conoscenze individuali.
2. Rafforzare i controlli nei momenti critici
I controlli vengono concentrati nelle fasi in cui i dati mostrano un rischio maggiore di difettosità, ad esempio dopo un cambio formato o a seguito di una regolazione significativa.
Le frequenze di controllo vengono definite in base al rischio e alle caratteristiche del processo, evitando di introdurre verifiche indiscriminate che aumentino il carico operativo senza un beneficio dimostrabile.
Quando tecnicamente appropriato, vengono utilizzati strumenti di controllo statistico di processo (SPC) per individuare tempestivamente eventuali derive.
3. Introdurre procedure di reazione alle anomalie
Il team definisce cosa fare quando un parametro supera un limite operativo o quando un controllo rileva una non conformità. La procedura stabilisce:
- quale condizione richiede un intervento;
- chi deve essere informato;
- quali azioni immediate devono essere eseguite;
- come identificare e segregare il prodotto potenzialmente coinvolto;
- quali verifiche sono necessarie prima della ripresa della produzione.
L’obiettivo è evitare che un’anomalia non gestita generi ulteriori scarti e che la ripartenza avvenga senza aver verificato l’effettivo ripristino delle condizioni corrette.
4. Migliorare il passaggio di consegne
Viene introdotta una checklist comune ai tre turni. Le informazioni essenziali vengono registrate in modo sintetico e standardizzato, rendendo immediatamente visibili le criticità ancora aperte.
Il turno successivo può così iniziare con una visione chiara dello stato della linea, senza dover ricostruire informazioni attraverso comunicazioni informali.
5. Coinvolgere gli operatori nel miglioramento continuo
Gli operatori vengono coinvolti nell’analisi delle anomalie e nella verifica delle nuove procedure. Questo consente di integrare le conoscenze pratiche del reparto con l’analisi quantitativa dei dati.
La formazione viene focalizzata sui problemi realmente osservati, evitando di limitarsi a richiamare genericamente l’importanza del rispetto delle procedure.
Fase 5 — Control: mantenere i risultati nel tempo
Un progetto di riduzione degli scarti non può considerarsi concluso quando il KPI migliora per qualche giorno. È necessario verificare che il miglioramento sia stabile e che non venga ottenuto a scapito della qualità, della sicurezza o della produttività.
Il team definisce un sistema di controllo che comprende:
- monitoraggio giornaliero della percentuale di scarto per turno;
- analisi settimanale delle principali tipologie di difetto;
- verifica del rispetto delle procedure e dei controlli previsti;
- monitoraggio degli interventi correttivi e delle anomalie ricorrenti;
- riesame periodico dei risultati con Produzione, Qualità e Manutenzione.
Le prestazioni vengono confrontate utilizzando criteri coerenti, tenendo conto delle differenze di prodotto, dei volumi e delle condizioni operative.
Se la difettosità aumenta nuovamente, il team verifica se siano cambiate le condizioni del processo oppure se le azioni introdotte non siano state mantenute. In questo modo, il miglioramento diventa parte della gestione ordinaria della produzione.
I risultati: quale impatto economico può generare il progetto?
Ipotizziamo che, dopo l’introduzione delle azioni correttive, la percentuale di scarti notturni passi dal 3,0% all’1,5%.
| KPI | Prima | Dopo |
|---|---|---|
| Produzione per turno notturno | 10.000 pezzi | 10.000 pezzi |
| Percentuale di scarto | 3,0% | 1,5% |
| Pezzi scartati per turno | 300 | 150 |
| Pezzi scartati in meno per turno | — | 150 |
| Riduzione relativa degli scarti | — | 50% |
A parità di produzione, il miglioramento consente di evitare 150 pezzi scartati per ogni turno notturno. Considerando 220 turni notturni all’anno e un costo medio di non qualità ipotizzato di 4 euro per pezzo scartato:
150 pezzi × 220 turni
33.000
pezzi scartati in meno all’anno
33.000 pezzi × 4 €/pezzo
132.000 €
all’anno di potenziale costo evitato
Anche questo dato è puramente illustrativo. Il costo unitario dovrebbe essere calcolato sulla base dei costi effettivi dei materiali, delle lavorazioni già sostenute e degli altri costi direttamente imputabili allo scarto, evitando doppi conteggi.
Il beneficio economico reale dipenderà inoltre dalla stabilità dei risultati, dai volumi effettivi e dalla capacità di eliminare o ridurre i costi associati ai pezzi non conformi.
Lezioni apprese: non è il turno a dover migliorare, è il processo
Questo business case evidenzia un principio fondamentale del Lean Six Sigma: quando un problema si concentra in una determinata fascia oraria o in un particolare turno, è necessario analizzare le condizioni operative prima di formulare conclusioni.
La differenza tra i turni può dipendere da numerosi fattori: stabilità dei parametri, cambi formato, disponibilità del supporto tecnico, modalità di controllo o gestione delle anomalie.
Il compito del team di miglioramento è identificare quali fattori abbiano un impatto reale sulla difettosità e intervenire sulle cause verificabili.
L’approccio Lean Six Sigma permette di passare da una gestione reattiva degli scarti a un sistema basato su dati, prevenzione e controllo del processo.
Il risultato non è soltanto una minore quantità di prodotto non conforme. È un processo più prevedibile, una migliore collaborazione tra i turni e una maggiore capacità dell’azienda di mantenere nel tempo gli standard qualitativi.
Conclusioni
Gli scarti notturni rappresentano un’opportunità concreta di miglioramento quando vengono analizzati in modo strutturato. Attraverso la metodologia DMAIC, l’azienda può definire il problema, misurare la difettosità, individuare le cause radice, sperimentare interventi mirati e controllare la stabilità dei risultati.
Non servono necessariamente nuovi macchinari o investimenti tecnologici importanti. In molti casi, il primo passo consiste nel rendere disponibili dati affidabili, standardizzare le operazioni critiche e assicurare una gestione tempestiva delle anomalie.
La domanda da porsi è:
Quanti scarti potremmo evitare se riuscissimo a individuare con precisione le condizioni che rendono il processo meno stabile durante il turno notturno?
La risposta parte dai dati e si concretizza attraverso un progetto di miglioramento misurabile, sostenibile e condiviso con le persone che lavorano ogni giorno in produzione.
Vuoi sviluppare competenze per individuare le cause radice dei problemi di qualità e guidare progetti di miglioramento continuo? Scopri i percorsi Lean Six Sigma di Crossnova e approfondisci l’applicazione pratica della metodologia DMAIC. Per maggiori informazioni, visita Crossnova.
👉 Vuoi guidare un progetto DMAIC come questo nella tua azienda?
Con il Master Lean Six Sigma Green Belt e Black Belt di Crossnova Academy impari a stratificare i dati, trovare le cause radice e controllare i risultati nel tempo, applicando il metodo a un progetto reale con il coaching di un Master Black Belt.
Scopri il Master Lean Six Sigma
Un progetto di miglioramento è prima di tutto un progetto: obiettivi, team interfunzionale, tempi e stakeholder. Impara a gestirli con il Master Project Management.
