KPI manifattura per PMI italiane 2023: OEE, OTIF, scrap rate e altri 7 indicatori che contano davvero

Marco gestisce una tornitura di precisione a Carate Brianza: 32 dipendenti, fatturato 2021 di 4,2 milioni di euro, parco macchine misto fra centri CNC degli anni 2000 e due torni a fantina mobile più recenti. A inizio 2022, quando un cliente automotive di primo livello gli ha comunicato per iscritto che il suo punteggio di vendor rating era “non sufficiente per il rinnovo”, la sua reazione è stata quella tipica di chi conosce la propria officina meglio di chiunque altro: “Lo so io che andiamo bene, è il cliente che è troppo esigente”. Solo che, in mancanza di numeri, quella frase non l’avrebbe salvato.

Marco ha fatto allora una cosa fuori dal suo stile: per sei mesi ha pagato uno stagista del Politecnico per raccogliere, ogni giorno, tre dati elementari sui suoi tre centri di lavoro principali. OEE, OTIF, scarti. Niente di esotico. Risultato del primo trimestre: OEE medio 47% (l’industria meccanica italiana viaggia tra il 50 e il 70%, l’automotive di primo livello sopra il 75%), OTIF al 71% contro la soglia contrattuale del 92% richiesta dal cliente, scarti al 4,1% ma con punte fino al 9% sulle lavorazioni più critiche. Numeri che, una volta sul tavolo, non si potevano più ignorare.

Dodici mesi dopo: investimento in un MES connesso ai PLC delle macchine, cantieri di lean manufacturing settimanali sulle tre code di produzione più sature, SMED sui setup dei torni, manutenzione preventiva schedulata invece che a guasto. OEE 71%, OTIF 91%, scarti 1,8%. Il cliente automotive ha rinnovato il contratto e nei sei mesi successivi sono arrivati ordini da altri due conto-terzisti che cercavano un fornitore “che misura”. Un meccanismo che si autoalimenta: chi ha i numeri li mostra in gara, chi li mostra vince le gare.

Questo articolo è una guida pratica ai KPI di manifattura che, secondo la nostra esperienza con oltre 200 PMI italiane, fanno davvero la differenza tra una produzione gestita “a sensazione” e una produzione governata con metodo. Niente teoria astratta: per ogni indicatore trovi formula, esempio di calcolo concreto, benchmark italiani e come passare dal foglio Excel al monitoraggio in tempo reale. Per il quadro più ampio sulla differenza fra ERP e MRP nelle PMI manifatturiere abbiamo dedicato un approfondimento separato.

Perché tante PMI manifatturiere italiane non misurano i KPI

Prima di entrare nel merito degli indicatori vale la pena affrontare il convitato di pietra: in Italia, secondo dati Confindustria e Politecnico di Milano, meno di un’azienda manifatturiera su tre sotto i 50 dipendenti misura sistematicamente l’efficienza dei propri impianti. Le ragioni sono ricorrenti e tutte legittime, ma nessuna è insormontabile.

Cultura della gestione a esperienza. L’imprenditore conosce le macchine una per una, sa quanto produce normalmente ogni centro di lavoro, riconosce a orecchio quando un mandrino non è in linea. Questa conoscenza tacita è un patrimonio reale, ma diventa un problema quando bisogna delegare, quando un cliente chiede certificazioni, quando va presentata un’evidenza in sede di audit. La memoria del titolare non è scalabile e non si trasferisce ai capireparto.

Sistemi gestionali datati. Molti software in uso nelle PMI italiane sono nati per la fatturazione e la contabilità, non per la produzione. Producono bilanci, non producono indicatori operations. Aggiungere un modulo MRP “vero” a un gestionale storico costa spesso quanto sostituirlo, e qui parte la procrastinazione.

Carenza di figure tecniche dedicate. Un ingegnere di produzione costa fra i 38 e i 55 mila euro lordi anno, una figura che le aziende sotto i 30 dipendenti raramente assumono. Il responsabile di produzione tipico è cresciuto in officina e ha il tempo per gestire l’urgenza del giorno, non per costruire un sistema di misurazione strutturato.

Difficoltà oggettiva nella raccolta dati. PLC degli anni ’90 senza connettività Ethernet, macchine con interfacce proprietarie, conteggi pezzi su display a sette segmenti. Il dato esiste ma non esce dalla macchina, e il foglio Excel compilato a mano dall’operatore a fine turno è inevitabilmente parziale e tardivo.

La buona notizia è che nessuno di questi ostacoli giustifica l’inazione nel 2023: con il credito d’imposta beni strumentali 4.0 (in vigore con aliquote ridotte rispetto al biennio 2021-22 ma ancora significative) e con MES come quelli integrabili in Odoo Manufacturing, oggi il primo gradino della misurazione si supera con investimenti contenuti.

OEE – Overall Equipment Effectiveness: il KPI principe

L’Overall Equipment Effectiveness è l’indicatore più potente che una PMI manifatturiera può adottare, ed è anche quello che riserva le sorprese più amare al primo calcolo onesto. Formalizzato da Seiichi Nakajima alla fine degli anni ’60 nel contesto del Total Productive Maintenance, l’OEE risponde a una domanda semplice: di tutto il tempo in cui ho un impianto a disposizione, quanto sto effettivamente producendo pezzi buoni al ritmo a cui dovrei?

La formula in tre fattori

L’OEE si calcola come prodotto di tre rapporti, ciascuno espresso in percentuale:

OEE = Disponibilità × Performance × Qualità

• Disponibilità = (tempo produttivo effettivo / tempo pianificato) × 100. Misura quanto la macchina è stata davvero in marcia rispetto a quanto avresti potuto farla marciare. Penalizza fermi macchina, setup, micro-interruzioni superiori a una soglia (di solito 5 o 10 minuti), mancanze materiali, assenza operatore.
• Performance = (pezzi reali prodotti / pezzi teoricamente producibili nel tempo lavorato) × 100. Misura quanto la macchina, mentre era in marcia, viaggiava al ritmo di targa. Penalizza rallentamenti, micro-fermate sotto soglia, attese minori.
• Qualità = (pezzi buoni / pezzi totali prodotti) × 100. Misura quanto, di ciò che è uscito dalla macchina, era effettivamente conforme.

Calcolo passo-passo su un caso reale

Prendiamo un tornio CNC sul turno mattutino di 8 ore. Pianifichiamo:

• Turno lordo: 480 minuti
• Pausa pranzo contrattuale: 30 minuti
• Setup a inizio turno per nuova commessa: 25 minuti
• Fermi macchina rilevati nel turno (allarmi, mancanza barre, intervento manutenzione): 18 minuti

Il tempo pianificato al netto della pausa è 450 minuti. Il tempo produttivo effettivo è 450 − 25 − 18 = 407 minuti.

Disponibilità = 407 / 480 = 84,8% (se calcolata sul turno lordo) oppure 407 / 450 = 90,4% se la pausa pranzo è giustamente esclusa dal tempo pianificato. Per coerenza con i benchmark Nakajima usiamo la seconda versione: Disponibilità = 90,4%.

Il tempo ciclo teorico del pezzo che stiamo lavorando è 12 secondi. Nei 407 minuti produttivi avremmo potuto fare 407 × 60 / 12 = 2.035 pezzi teorici. Realmente l’operatore ne ha prodotti 1.745.

Performance = 1.745 / 2.035 = 85,7%. Quel 14% di scostamento è tipicamente attribuibile a micro-fermate sotto soglia, leggeri rallentamenti, attese brevi che non vengono registrate come fermi.

Sui 1.745 pezzi usciti dal tornio, il controllo dimensionale ne ha scartati 38 per fuori tolleranza. I pezzi buoni sono 1.707.

Qualità = 1.707 / 1.745 = 97,8%.

Risultato finale: OEE = 0,904 × 0,857 × 0,978 = 75,7%. Un risultato dignitoso per una lavorazione meccanica generica, ma con margine di miglioramento soprattutto sul fattore Performance: ridurre le micro-fermate vale qui più del 10% di OEE recuperato.

Benchmark italiani per settore

Senza un riferimento di mercato il numero da solo non dice nulla. Ecco i range realistici osservati nel tessuto manifatturiero italiano:

• Lavorazioni meccaniche generiche conto terzi: 50-70%
• Stampaggio plastica a iniezione: 60-75%
• Settore automotive primo livello (Tier 1): 75-90%
• Farmaceutico in produzione continua: 75-85%
• Alimentare con linee dedicate: 65-80%
• Tessile su filiera lunga: 45-65%

Il riferimento “world-class” che circola nei testi di TPM è 85% di OEE, raggiungibile solo con Disponibilità ≥ 90%, Performance ≥ 95% e Qualità ≥ 99,9%. È un obiettivo legittimo per impianti dedicati su grandi volumi, raramente realistico in un conto terzi con cambi commessa frequenti. Per chi vuole entrare nel dettaglio metodologico abbiamo dedicato all’OEE una guida specifica con casi italiani.

OTIF – On Time In Full: il KPI che il cliente guarda

Mentre l’OEE racconta come stai usando le tue macchine, l’On Time In Full racconta come ti percepisce il cliente. È l’indicatore che finisce nelle vendor scorecard delle grandi committenze, e basta un decimo di punto sotto soglia per perdere posizioni nelle gare.

La definizione è apparentemente semplice: OTIF = (consegne complete e on-time / consegne totali) × 100. Diventa interessante quando si scompone in due fattori indipendenti, On Time e In Full, che vanno entrambi rispettati simultaneamente perché la consegna sia considerata buona.

Esempio. Su 100 ordini consegnati nel mese: 89 sono arrivati completi entro la data confermata, 7 sono arrivati nei tempi ma con quantità parziale (mancavano alcuni codici), 4 sono arrivati completi ma in ritardo. OTIF = 89%. La trappola classica è dichiarare 96% (escludendo i parziali) o 93% (escludendo i ritardi): OTIF è una congiunzione logica, non un’unione.

I benchmark variano molto per settore:

• Fornitori automotive Tier 1: contratti chiedono ≥ 95%, con penali sopra l’1% di mancato
• Large retail e GDO: ≥ 92%, con sconti commerciali se sotto
• B2B industriale non critico: 80-90% tollerato
• E-commerce diretto: ≥ 95% per restare nelle prime posizioni dei marketplace

Una PMI che vuole entrare nelle filiere strutturate deve abituarsi a misurare OTIF mese per mese e a tenerlo sul cruscotto direzionale insieme al fatturato. Per la versione logistica di questo KPI, con focus su magazzino e spedizioni, segnaliamo l’articolo dedicato sui KPI logistici.

Lead Time di produzione: il tempo che fa la differenza commerciale

Il lead time è il tempo che intercorre tra il momento in cui un cliente conferma l’ordine e il momento in cui riceve il prodotto. È un KPI cumulativo, somma di tempi che vivono in funzioni diverse dell’azienda, e proprio per questo è spesso più lungo di quanto chi lavora in officina pensi.

Scomporlo è il primo passo per ridurlo. Su una commessa meccanica tipica:

• Lead time gestione ordine (commerciale, conferma, generazione ordine di produzione): 2 giorni lavorativi
• Lead time approvvigionamento materia prima (se non a magazzino): 5 giorni
• Lead time produzione vera e propria (lavorazione meccanica + eventuali trattamenti esterni): 8 giorni
• Lead time controllo qualità e confezionamento: 1 giorno
• Lead time trasporto: 3 giorni

Totale: 19 giorni lavorativi, circa 4 settimane di calendario. Il dato interessante è che nella stragrande maggioranza dei casi solo il tempo di produzione viene “sentito” in azienda come tempo critico, mentre il lead time gestione ordine e l’approvvigionamento valgono insieme oltre un terzo del totale e sono spesso aggredibili a costo zero o quasi.

Le leve principali di riduzione sono note ma poco applicate sistematicamente: SMED sui cambi formato per ridurre i setup, kanban per dimensionare i buffer di materia prima e tagliare il tempo di riassortimento, parallelizzazione di fasi che vengono ancora fatte in serie per abitudine, integrazione con il fornitore tramite portale EDI o connettore tra ERP per eliminare i giorni di gestione ordine.

FTT – First Time Through: la qualità di processo, non solo di prodotto

Il First Time Through misura la percentuale di pezzi che attraversano l’intera linea produttiva senza rilavorazioni, scarti o richiami a step precedenti. È un KPI sottile ma rivelatore: due aziende possono avere la stessa qualità finale a fine linea, ma con un FTT molto diverso significa che una delle due sta lavorando con un costo nascosto enorme.

Esempio. Una linea di assemblaggio in tre stazioni riceve 1.000 pezzi in ingresso al mese. Nella stazione 1, 950 passano il controllo intermedio (50 vanno in rework). Dei 950 che arrivano alla stazione 2, 920 passano (30 in rework). Dei 920 che arrivano alla stazione 3, 890 escono buoni.

La qualità finale è 890 / 1.000 = 89% — apparentemente buona. Ma l’FTT cumulativo, cioè la percentuale di pezzi che hanno attraversato tutte e tre le stazioni senza mai essere toccati due volte, è 890 / 1.000 = 89% se assumiamo che i rework siano andati tutti a buon fine, oppure può scendere notevolmente se contiamo che alcuni rework rientrano in linea da step precedenti.

Il segnale operativo è chiaro: se l’azienda dichiara qualità 99% ma il FTT è 85%, vuol dire che c’è un 14% di lavoro ripetuto, fatto sotto traccia, che paga doppio in termini di tempo macchina, energia, manodopera. Misurare FTT mette in luce questo costo nascosto.

Scrap Rate e costo della non qualità

Lo scrap rate misura la percentuale di pezzi non recuperabili sul totale prodotto. È importante distinguere lo scrap (pezzo da buttare) dal rework (pezzo rilavorabile, che torna in ciclo): in molte aziende italiane si fa confusione e si dichiara come “scarto” anche ciò che viene rilavorato, alterando entrambi gli indicatori.

Formula: Scrap Rate = (pezzi scartati / pezzi totali prodotti) × 100. Stesso calcolo si può fare in chilogrammi o in costo industriale, ed è proprio questa terza versione la più interessante.

Benchmark italiani:

• Manifattura matura ben gestita: 1-3%
• Manifattura sotto pressione (ordini urgenti, alto mix): 3-5%
• Settore world-class (automotive di serie): sotto 1%
• Stampaggio plastica nei primi colpi: 5-8% normale per natura del processo

Il dato che apre gli occhi è il costo totale dello scarto, non il tasso in sé. Un pezzo scartato non costa solo la materia prima: assorbe tempo macchina, energia, ammortamento utensile, ore uomo e infine costo di smaltimento (se è metallo con tagliante andato in cricca, o plastica con additivi, lo smaltimento differenziato ha un costo non banale). Sommando tutte le voci, lo scrap incide tipicamente per il 3-7% del costo industriale in una PMI meccanica: è la voce più sottostimata del controllo di gestione.

MTBF e MTTR: i KPI della manutenzione

Affidabilità e velocità di intervento sulla manutenzione sono il prerequisito di un’alta Disponibilità nell’OEE. Due indicatori semplici ne raccontano la salute:

MTBF (Mean Time Between Failures): tempo medio fra un guasto e il successivo sullo stesso impianto. Si calcola come tempo totale di funzionamento diviso il numero di guasti nel periodo osservato. Un MTBF di 80 ore significa che in media la macchina lavora 80 ore prima di fermarsi.

MTTR (Mean Time To Repair): tempo medio per ripristinare l’impianto a fronte di un guasto, dall’allarme alla ripartenza in produzione. Comprende diagnosi, intervento tecnico, eventuale attesa ricambio, riavvio.

I due indicatori si combinano nell’indice di Disponibilità: Disponibilità tecnica = MTBF / (MTBF + MTTR). Con MTBF 80 ore e MTTR 4 ore: Disponibilità = 80 / 84 = 95,2%.

Misurare MTBF e MTTR per i 3-5 impianti più critici dell’azienda permette di prendere decisioni economicamente fondate sulla manutenzione: dove il MTBF è basso ma il MTTR è alto, conviene investire in manutenzione predittiva (sensori di vibrazione, analisi olio, termografie) che intercetti il guasto prima; dove il MTBF è alto ma quando capita il MTTR esplode, conviene invece investire in scorta ricambi critici e formazione operatori sul primo livello di intervento.

Come raccogliere i dati: dal foglio Excel al MES integrato

Nessuno di questi KPI ha valore se non viene misurato in modo affidabile. Esistono quattro livelli di maturità nella raccolta dati, con investimenti molto diversi.

Livello 0 – Raccolta manuale

L’operatore segna su modulo cartaceo o file Excel a fine turno: pezzi fatti, scarti, fermi. È il punto di partenza per molte PMI ed è meglio di niente, ma soffre di tre problemi strutturali: i dati arrivano in ritardo (puoi reagire solo il giorno dopo, non in tempo reale), sono spesso parziali (le micro-fermate sotto soglia non vengono mai registrate), sono soggetti al bias del compilatore (chi compila tende a “lisciare” i numeri brutti, soprattutto se il suo capo li userà per valutarlo). Investimento: zero diretto, ma costo nascosto in tempo operatore.

Livello 1 – Tablet o terminale di reparto

L’operatore registra inizio e fine commessa, scarti, causali di fermo direttamente su un tablet o touch panel collegato al gestionale. È un salto enorme rispetto al cartaceo: i dati sono digitali fin dall’origine, le causali sono codificate (niente più “guasto generico”), il dato è disponibile in tempo reale. Investimento tipico: 5.000-15.000 euro per un reparto di 10-15 postazioni, escluso il software MES sottostante.

Livello 2 – Connessione PLC e SCADA

Il salto qualitativo successivo è leggere automaticamente dai PLC delle macchine i conteggi pezzi, lo stato (marcia, fermo, allarme), i tempi ciclo. L’operatore conferma solo le causali di fermo, il resto arriva da solo via protocollo MQTT, OPC UA o Modbus. La Performance e le micro-fermate diventano misurabili per davvero, cosa impossibile al livello 1. Investimento: 20.000-80.000 euro a seconda dell’eterogeneità del parco macchine — i CNC moderni si connettono facilmente, le pressopiegatrici degli anni ’90 richiedono retrofit con kit di interfacciamento.

Livello 3 – MES integrato con ERP

Il livello target per una PMI strutturata: un Manufacturing Execution System raccoglie dati dal campo, pianifica le commesse, traccia i lotti per requisiti di tracciabilità, espone dashboard real-time a capireparto e direzione, e dialoga bidirezionalmente con l’ERP per consuntivare costi reali e aggiornare il magazzino. Investimento: 50.000-300.000 euro a seconda della complessità, ma con un ROI che si misura tipicamente in 18-30 mesi grazie al recupero su OEE e qualità.

Su questi investimenti vale ancora il credito d’imposta beni 4.0 introdotto dal piano Calenda e prorogato dalla Legge di Bilancio 2023, anche se con aliquote ridotte: per beni strumentali tecnologicamente avanzati interconnessi (Allegato A) l’aliquota è scesa al 20% sui primi 2,5 milioni, 10% sulla quota fino a 10 milioni, 5% oltre. Per software, sistemi e piattaforme (Allegato B) è al 20% fino a 1 milione. Non sono più i 40-50% del 2020-21, ma su un investimento MES da 80.000 euro parliamo comunque di un risparmio fiscale fra 16.000 e 18.000 euro, da spalmare in tre quote annuali.

Come Odoo Manufacturing supporta la misurazione KPI

Tra i MES e i moduli MRP disponibili sul mercato italiano, Odoo Manufacturing (siamo partner ufficiale Odoo Italia) merita una menzione specifica per il rapporto fra completezza funzionale e investimento richiesto. Sull’ultima release stabile, Odoo 16, il modulo MRP include nativamente:

• Distinte base multilivello e routing operativo con tempi standard per work center, indispensabili per calcolare Performance dell’OEE
• Work order con conferma operatore via tablet, registrazione tempi reali e causali di fermo
• Quality module con punti di controllo lungo il ciclo, gestione scarti e rework, audit trail
• PLM (Product Lifecycle Management) per il versioning delle distinte e la gestione modifiche tecniche
• Manufacturing Overview, una dashboard nativa con OEE per centro di lavoro, throughput, on-time delivery
• IoT Box ufficiale: gateway hardware Odoo che parla con bilance, lettori barcode, PLC industriali via Modbus o MQTT, e porta i dati direttamente nel work order

Confrontato con ERP enterprise tradizionali nello stesso perimetro funzionale, il TCO triennale di un’implementazione Odoo Manufacturing si attesta tipicamente al 40-60% in meno, con tempi di go-live più rapidi (4-8 mesi vs 12-18 dei progetti SAP S/4HANA in fascia medio-piccola) e una curva di apprendimento più gestibile per gli utenti finali. Per i dettagli funzionali di chi è già orientato a una scelta Odoo segnaliamo la pagina Odoo ERP e, per chi cerca un confronto strutturato sui gestionali per PMI, la pagina Software gestionale PMI.

Una nota sull’AI generativa in manifattura

Strumenti come ChatGPT Plus, lanciato a febbraio 2023, e i preview di Bing Chat e Bard iniziano a essere usati anche nei reparti operations di alcune PMI italiane, ma è prematuro suggerirne un ruolo critico nel governo della produzione. Gli usi che oggi hanno senso sono quelli di sintesi e drafting: redigere bozze di procedure operative standard a partire da appunti tecnici, condurre analisi causa-effetto (cinque perché) sui guasti ricorrenti, tradurre rapidamente manuali tecnici dall’inglese, generare bozze di KPI report leggibili dalla direzione. Affidare a un modello generativo decisioni di pianificazione o di accettazione qualità non ha invece basi metodologiche solide: per quelle servono sistemi specializzati addestrati su dati di processo, non LLM generalisti. Sul tema dei modelli predittivi applicati alla manutenzione abbiamo approfondito separatamente in un articolo dedicato.

FAQ

Se misuro l’OEE per la prima volta e mi esce 45%, è normale?

Sì, è perfettamente normale e, paradossalmente, è quasi un buon segno. Sul nostro campione di PMI manifatturiere italiane che approcciano OEE per la prima volta, oltre il 70% si colloca fra il 40% e il 60% nei primi rilievi, contro un percepito interno tipico del 75-80%. Lo scarto è dovuto al fatto che chi misura per la prima volta scopre voci di tempo perso che non aveva considerato: micro-fermate, setup mai cronometrati, attese materiali ricorrenti. Il 45% non è il tuo problema, è la tua base di partenza. Il vero indicatore di salute manageriale è la curva nei dodici mesi successivi: un’azienda che lavora seriamente sui suoi cantieri di miglioramento porta tipicamente l’OEE su di 15-20 punti percentuali in un anno, raggiungendo quel 60-65% che è già un’efficienza commercialmente competitiva.

L’OEE è applicabile alla manifattura su commessa, dove ogni pezzo è diverso?

Sì, ma con un adattamento metodologico. Nella produzione di serie il “tempo ciclo teorico” per il calcolo della Performance è una costante; nella commessa è invece il tempo standard di lavorazione preventivato in fase di offerta. Il rapporto fra ore effettive e ore preventivate diventa il tuo indicatore di Performance, e diventa anche un feedback prezioso per il commerciale che fa i preventivi: se sistematicamente Performance è sotto 80%, vuol dire che le offerte sono troppo ottimistiche e il margine reale sta evaporando. Disponibilità e Qualità si calcolano normalmente come nella produzione di serie. Molte officine meccaniche conto-terzi italiane che fanno commesse uniche usano questa versione adattata di OEE da anni con ottimi risultati.

I tablet sul reparto: gli operatori non si rifiutano di registrare i dati?

La resistenza esiste sempre nei primi due-tre mesi, e va gestita con metodo. Tre regole pratiche che funzionano. Primo: il tablet non deve sostituire l’operatore nelle decisioni, ma supportarlo (mostragli la commessa in corso, la prossima da fare, il disegno tecnico) — diventa così uno strumento utile, non un controllore. Secondo: i dati raccolti devono tornare al reparto sotto forma di feedback visibile (un monitor in officina con OEE del giorno, classifica per linea), non sparire in un ufficio. Terzo: le metriche individuali nei primi sei mesi non si usano per la valutazione, ma solo per il miglioramento di processo. Dopo questo periodo di assestamento, nel 90% dei casi che abbiamo seguito gli operatori chiedono loro stessi più funzionalità.

Da quale KPI devo cominciare se parto da zero?

Da OEE su un singolo impianto, quello che è il collo di bottiglia della tua produzione. Tre ragioni: è l’indicatore con il miglior rapporto fra valore informativo e complessità di rilievo; concentrare lo sforzo su una macchina permette di sperimentare metodo e strumenti senza disperdersi; il collo di bottiglia è per definizione la leva che limita il throughput complessivo dell’azienda, quindi ogni punto di OEE recuperato lì si traduce in fatturato in più. Una volta consolidato il metodo, estendi a OTIF a livello azienda (il dato esiste già nel gestionale, va solo strutturato) e poi a scrap rate sui tre prodotti più venduti. Solo a quel punto ha senso passare a FTT, MTBF/MTTR e lead time analitico. Tre KPI ben tenuti valgono dieci KPI cruscottati e ignorati.

Devo essere certificato ISO 9001 per misurare i KPI?

No, sono cose indipendenti. Puoi misurare OEE, OTIF, scrap e qualunque altro KPI senza avere nessuna certificazione di qualità: si tratta di scegliere un metodo di rilievo, applicarlo con disciplina, condividere i risultati. Detto questo, una ISO 9001 ben fatta (non quella “di facciata” che molte PMI italiane subiscono come adempimento) richiede comunque indicatori di processo, e in pratica costringe a strutturare la misurazione. Se hai già la ISO 9001 e non stai misurando OEE/OTIF/scrap, la tua certificazione è probabilmente formale e vale la pena rimetterla in piedi seriamente. Se non hai la ISO ma vuoi entrare in filiere automotive o aerospace, sappi che IATF 16949 e EN 9100 sono di fatto inevitabili e richiedono un sistema KPI strutturato come prerequisito.

Un MES costa: posso partire con Excel?

Sì, e in molti casi è la strada giusta per i primi sei mesi. Excel ha tre limiti che diventano critici nel medio termine: i dati vanno inseriti a mano (con ritardi e errori), non scala oltre tre o quattro macchine senza diventare ingestibile, non produce un audit trail solido per i clienti che fanno vendor audit. Il pattern che consigliamo è: tre mesi con Excel per capire quali KPI ti servono davvero, quali causali di fermo sono significative, quali soglie sono realistiche; investimento mirato su livello 1 o 2 (tablet o connessione PLC) sull’area dove l’analisi Excel ha mostrato il maggior potenziale di recupero; MES integrato quando la maturità organizzativa lo richiede, di solito dopo 12-18 mesi di misurazione strutturata. Saltare le fasi intermedie e comprare subito un MES “perché è il futuro” è il modo più rapido per buttare 80.000 euro.

Credito d’imposta beni 4.0: tutti gli impianti sono ammessi?

No, e la confusione su questo punto è ancora ampia nelle PMI. Il credito d’imposta Transizione 4.0 della Legge di Bilancio 2023 si applica solo a beni che rientrano nell’Allegato A (beni strumentali tecnologicamente avanzati interconnessi) o nell’Allegato B (software, sistemi, piattaforme). Per essere ammissibile, il bene deve soddisfare i cinque requisiti di interconnessione e integrazione previsti dalla normativa: dialogo bidirezionale con il sistema gestionale aziendale, identificazione univoca, integrazione automatica con la logistica di fabbrica, telemanutenzione/telediagnosi, interfaccia uomo-macchina semplice e intuitiva. Servono inoltre perizia tecnica giurata per investimenti sopra 300.000 euro e una contabilità separata dei costi. Le aliquote 2023 sono 20% Allegato A fino a 2,5 milioni, 10% da 2,5 a 10 milioni, 5% oltre — significativamente ridotte rispetto al 2020-21, ma ancora rilevanti su investimenti MES o IoT. Prima di firmare un ordine conviene sempre coinvolgere il commercialista e farsi rilasciare dal fornitore una dichiarazione di conformità alla normativa.

Da dove partire concretamente

Misurare i KPI di manifattura non è un esercizio accademico né un adempimento ISO: è il presupposto per spostare la conversazione dal “secondo me andiamo bene” al “ecco i numeri, vediamo dove possiamo migliorare”. Le PMI italiane che fanno questo passaggio nel 2023 si trovano in netto vantaggio competitivo, perché entrano nelle filiere strutturate (automotive, aerospace, pharma) che senza KPI documentati sono inaccessibili, e perché identificano sacche di inefficienza che spesso valgono dal 10% al 25% del fatturato.

Tre azioni concrete da fare nei prossimi 30 giorni, in ordine di priorità: identificare il collo di bottiglia della tua produzione (di solito è una macchina, raramente è “l’azienda intera”); cominciare a misurare OEE su quella macchina anche solo con cronometro e foglio Excel; calcolare OTIF dell’ultimo trimestre dai dati che già hai nel gestionale. Da qui in poi, il metodo si costruisce strada facendo. Se vuoi confrontarti con noi su come strutturare il tuo sistema KPI integrato in un ERP moderno come Odoo Manufacturing, richiedi una consulenza preliminare senza impegno: vediamo insieme da dove conviene partire nella tua realtà specifica.