Ottimizzazione dell’OEE con l’IA: dati, rischi e KPI

La domanda che stabilisce se ha senso

L’OEE (overall equipment effectiveness) è l’indicatore standard dell’efficienza degli impianti produttivi. Misura la quota del tempo di produzione pianificato in cui l’impianto produce effettivamente alla velocità standard e con una qualità accettabile. Un OEE dell’85% è considerato il riferimento «world class» per la produzione in serie; molti stabilimenti operano tra il 50% e il 70%.

La domanda di valutazione è: si sa perché l’OEE è quello che è? Esistono dati che permettano di scomporlo nelle sue tre componenti (disponibilità, prestazioni, qualità) e di capire quale contribuisce di più alle perdite? Se la risposta è no, il primo passo non è l’IA, ma misurare bene.

L’IA aggiunge valore su un OEE già misurato: individua nei dati gli schemi che spiegano le sue variazioni, prevede i cali prima che si verifichino e ordina automaticamente gli interventi in base all’impatto potenziale.

Valutazione dell’opportunità

Le sei grandi perdite dell’OEE (guasti, setup e regolazioni, microfermate, velocità ridotta, difetti all’avviamento, difetti in produzione) hanno caratteristiche diverse quanto a rilevabilità con l’IA.

I guasti sono rilevabili con la manutenzione predittiva. Le microfermate e la velocità ridotta, con l’analisi delle serie temporali di produzione. I difetti in produzione, con la visione artificiale o con l’analisi dei dati di qualità. Setup e regolazioni si ottimizzano con una pianificazione della produzione intelligente.

L’IA per l’OEE è più efficace quando la causa delle perdite non è ben individuata: quando il gruppo sa che ci sono perdite, ma non sa con certezza quali siano le principali né che cosa le provochi.

Requisiti dei dati

Dati di produzione a livello di ciclo o ad alta frequenza. I contatori di produzione del PLC aggiornati ogni minuto o a ogni ciclo permettono di rilevare con precisione microfermate e cali di velocità. I dati giornalieri o per turno hanno una granularità insufficiente per questa analisi.

Dati di fermo codificati. Il tempo di fermo con la causa assegnata (guasto al sottosistema X, cambio formato, mancanza di materiale, manutenzione programmata) è il dato più critico per l’analisi dell’OEE. Se i fermi non sono codificati o i codici sono troppo generici, l’analisi delle cause non è possibile.

Dati di qualità per periodo. I pezzi prodotti e quelli scartati per periodo, con il tipo di difetto quando possibile, permettono di calcolare la componente qualità dell’OEE e di correlare gli scarti con le condizioni di processo.

Parametri di processo. Temperatura, pressione, velocità di processo, consumo elettrico: i parametri che descrivono lo stato dell’impianto in ogni momento permettono di correlare le condizioni di processo con l’andamento dell’OEE.

Struttura dei costi e complessità

L’infrastruttura dati per l’OEE (connettività dei PLC, sistema di rilevazione dei fermi, historian) è di solito la voce di costo principale negli stabilimenti non ancora digitalizzati. Negli stabilimenti con un MES (manufacturing execution system) già in uso, i dati sono generalmente disponibili e il costo si concentra sul livello analitico.

Un sistema di rilevazione dei fermi che richiede all’operatore di codificarne la causa comporta un costo di cambiamento del processo: gli operatori devono registrare in tempo reale le cause dei fermi nel sistema. Se questo processo non esiste o non funziona bene, i dati sui fermi avranno una qualità insufficiente, a prescindere dalla sofisticazione dell’analisi successiva.

Valutazione dei rischi

Rischio di un OEE calcolato su dati errati. Un OEE calcolato con una velocità standard sovrastimata risulta artificialmente basso. Un OEE calcolato con un tempo pianificato mal definito (che include al denominatore l’inattività pianificata) risulta artificialmente alto. La definizione precisa dei parametri di calcolo dell’OEE è un prerequisito di qualsiasi analisi con l’IA.

Rischio di ottimizzazione locale. Ottimizzare l’OEE di una macchina collo di bottiglia ha un impatto diretto sulla capacità complessiva della linea. Ottimizzare l’OEE di una macchina con capacità inutilizzata può non avere alcun effetto sul throughput. La teoria dei vincoli (TOC) è il quadro complementare per stabilire dove ha più senso investire nel miglioramento dell’OEE.

Rischio di manipolazione dell’indicatore. Quando l’OEE diventa un parametro di valutazione del personale, c’è il rischio che venga manipolato: abbassare la velocità standard perché le prestazioni sembrino migliori, non registrare i fermi brevi per mantenere alta la disponibilità. Il sistema di misurazione deve resistere a queste manipolazioni.

Indicatori di successo

• OEE complessivo e per componente (disponibilità, prestazioni, qualità)
• Le cinque principali cause di perdita di OEE per durata e frequenza
• MTBF e MTTR degli impianti critici
• Distribuzione dei fermi per durata (pochi fermi lunghi o molti fermi brevi: richiedono soluzioni molto diverse)
• Variabilità dell’OEE tra turni e tra giorni (una variabilità elevata indica margini di standardizzazione)

Come genera ROI

Il meccanismo di valore dell’OEE con l’IA è diretto: un punto di miglioramento dell’OEE equivale a X unità di produzione in più per ora pianificata, senza ulteriori investimenti in macchinari. Negli stabilimenti con una domanda che non riescono a soddisfare per limiti di capacità, questa produzione aggiuntiva si traduce direttamente in margine.

Negli stabilimenti con capacità inutilizzata il ROI è diverso: il miglioramento dell’OEE riduce il costo per unità prodotta (i costi fissi si ripartiscono su più unità), ma non genera automaticamente più vendite. È il contesto dello stabilimento a determinare come si concretizza il valore del miglioramento.

Domande frequenti

Qual è un obiettivo di OEE realistico per iniziare? L’OEE «world class» dell’85% è un riferimento della produzione in serie. Negli ambienti con un’ampia varietà di prodotti, cambi formato frequenti e processi continui (anziché discreti), valori più bassi sono normali. L’obiettivo iniziale dovrebbe essere individuare le principali fonti di perdita nell’OEE attuale e ridurle, non raggiungere un valore specifico come obiettivo assoluto senza considerare il tipo di processo.

Il MES è necessario per ottimizzare l’OEE con l’IA? Non è indispensabile, ma facilita molto il lavoro. Un MES ben implementato centralizza i dati di produzione, fermi e qualità in una piattaforma standard che alimenta direttamente i modelli di analisi. Senza MES, gli stessi dati si possono raccogliere dai PLC e dai sistemi di qualità, ma l’integrazione è più complessa. La domanda rilevante è se l’investimento in un MES si giustifichi di per sé o se convenga costruire un livello dati più leggero, specifico per il progetto sull’OEE.