Sessantunesima guida operativa Odoo 19 per PMI italiane. OEE (Overall Equipment Effectiveness) è il KPI più importante per una PMI manifatturiera con macchine: misura quanto efficientemente vengono utilizzate le risorse produttive. Un’azienda con OEE al 65% sta lasciando sul tavolo il 35% di capacity potenziale. Portarlo dal 65% al 85% senza nuovi investimenti significa aumentare throughput del 30% — letteralmente “creare” una linea produttiva fantasma. In questa guida vediamo come misurare e migliorare l’OEE in Odoo 19 per PMI manifatturiere italiane.
Vediamo: definizione OEE, le 3 componenti (Availability/Performance/Quality), benchmark settoriali, dashboard Odoo per OEE, raccolta dati, identificazione losses, action plan per miglioramento, casi pratici PMI manifattura.
Cosa è OEE
Formula
OEE = Availability × Performance × Quality
Le 3 componenti
- Availability: % tempo macchina disponibile / tempo pianificato
- Performance: velocità reale / velocità teorica
- Quality: pezzi buoni / pezzi totali prodotti
Esempio numerico
- Availability: 90% (downtime 10% del tempo pianificato)
- Performance: 85% (velocità 85% della teorica)
- Quality: 98% (2% scarti)
- OEE = 0.90 × 0.85 × 0.98 = 75%
Benchmark OEE settoriali
| Livello | OEE | Caratteristiche |
|---|---|---|
| World-class | ≥ 85% | Top 5% global manufacturers |
| Excellent | 75-85% | PMI manifattura best-in-class IT |
| Good | 65-75% | PMI manifattura media-buona |
| Acceptable | 55-65% | PMI manifattura media IT |
| Poor | < 55% | PMI con margini significativi miglioramento |
Benchmark per settore
- Automotive: 75-85%
- Pharma: 70-80%
- Food/beverage: 60-75%
- Metalmeccanica: 55-70%
- Tessile: 50-65%
- Mobile: 55-70%
Performance tracking per MO
Ogni MO Odoo registra tempi standard vs effettivi. La differenza alimenta direttamente il calcolo di Performance OEE. Vedere queste metriche per ogni MO permette di identificare quale ordine ha “rubato” capacity:
- Tempo standard da BOM/routing
- Tempo effettivo registrato da operator/IoT
- Variance per ogni operation
- Cause analysis se variance significativa
- Impact su Performance OEE quantificato
Cycle time vs Takt time
Il cycle time effettivo di produzione è il dato chiave per Performance OEE. Confrontarlo con il takt time (domanda cliente) dice se siamo allineati o overproducing:
- Cycle time per operation
- Takt time calcolato da customer demand
- Idle time identificato (waiting/setup)
- Trend cycle time per ottimizzazione
- Comparison MO simili per benchmark interno
Customer demand come driver capacity
OEE senza contesto è inutile: serve sapere quanta capacity serve realmente. Il customer demand visibile da sale order pipeline dice quanta capacity dobbiamo “creare” tramite OEE improvement:
- Sale orders backlog quantification
- Demand forecast 30/60/90 giorni
- Capacity gap calculation
- OEE target derivato da demand
- Investment decision basata su gap
Le 6 grandi perdite (Six Big Losses)
Availability losses
- 1. Breakdown losses: fermi macchina non programmati
- 2. Setup losses: tempo cambio formato/utensile
Performance losses
- 3. Idling and minor stops: piccoli fermi (< 10 min)
- 4. Reduced speed: velocità reale < teorica
Quality losses
- 5. Startup rejects: scarti iniziali
- 6. Production rejects: scarti durante regime
Materials availability impact
Una causa nascosta di OEE basso è la disponibilità materiali. Un PO in ritardo ferma una linea, anche se la macchina è perfetta. Integrazione MRP-OEE è essenziale per visibility completa:
- PO scheduled dates vs need dates
- Late deliveries impact su MO planning
- Material shortage tracking
- Vendor performance rating
- Buffer stock strategico
Operator/team performance
OEE è anche umano: operatori formati, motivati, ben coordinati fanno la differenza. Tracking performance team senza colpevolizzare è arte manageriale: dati alimentano coaching, non punizione:
- Productivity per operatore
- Skill matrix per linea
- Training needs identification
- Reward system data-driven
- Coaching basato su pattern
Setup tracking OEE in Odoo
Prerequisiti
- Work center configurati con capacity/OEE target
- BOM con routing time accurati
- Operators che tracciano tempo WO (tablet shop floor)
- Quality check al close MO
- Loss categorization configurata
Workflow giornaliero
- 1. Inizio turno: planner verifica plan
- 2. WO start: operator clock-in
- 3. Interruption: categorizzazione causa
- 4. Quality issue: alert + tracking
- 5. WO finish: clock-out + count
- 6. Fine turno: review OEE giornaliero
Cadenza review
- Daily: OEE giorno precedente, top 3 losses
- Weekly: trend settimana, action plan
- Monthly: aggregate per work center, executive review
- Quarterly: capacity vs demand, investment decisions
Quick wins per migliorare OEE
Reduce setup time (SMED)
- Analizzare setup attuali
- Identificare internal vs external setup
- Convertire internal in external dove possibile
- Target: setup < 10 minuti
- Impact tipico: +5-10 OEE points
Minor stops elimination
- Tracking di ogni minor stop < 5 min
- Top 5 cause Pareto
- Quick fix con 5S + standardization
- Impact: +3-8 OEE points
Quality at source
- Quality check inline (non solo finale)
- Operator empowered per stop&fix
- Andon system per escalation
- Impact: +5-10 OEE points (riduzione Q losses)
Preventive maintenance
- Vedi guida #56
- Impact: +5-15 OEE points (riduzione breakdown)
Costi tipici implementazione OEE
Setup base (manuale tracking)
- Configuration Odoo + training: 12-25k €
- Tablet shop floor (per work center): 1.5-3k € cad
- Total per PMI con 5 work center: 25-45k €
Setup advanced (IoT integration)
- Sensor + IoT box per work center: 5-12k € cad
- Configuration + integration: 25-50k €
- Total per PMI con 5 work center: 50-110k €
ROI tipico
- OEE +10 points = +15% throughput (revenue addizionale)
- Payback tipico: 8-16 mesi
- ROI 3 anni: 250-400%
Errori comuni in OEE
“OEE come strumento di colpa”
Problema: OEE basso → caccia al colpevole, operatori nascondono dati.
Soluzione: cultura no-blame, OEE come opportunità miglioramento.
“Misurare senza azione”
Problema: dashboard OEE bellissimo, nessuna action plan.
Soluzione: ogni review OEE genera action item con owner + deadline.
“Target irrealistici”
Problema: target 85% world-class su sistema partito al 45%.
Soluzione: target progressivi (+5 points/anno tipico), celebrare progressi.
“OEE solo per macchine”
Problema: focus singola macchina, ignore sistema globale.
Soluzione: OEE bottleneck strategico, optimization sistemica.
“No correlation con business”
Problema: OEE migliorato ma revenue/margine non cresce.
Soluzione: OEE linkato a business outcome (throughput, on-time delivery).
Casi pratici PMI manifatturiere italiane
Caso 1 — Metalmeccanica: OEE 58→78% in 24 mesi
- Setup base con tablet shop floor
- SMED program: setup -45%
- 5S + visual management
- PM consolidata
- Investment: 65k €
- Throughput: +35%, capacity unlocked: equivalente +1.4 macchina
Caso 2 — Alimentare: focus quality losses
- OEE baseline 62%, Q losses 8%
- Vision system per check automatico
- Operator training quality at source
- Q losses: 8% → 1.5%
- OEE: 62% → 76%
- Investment: 95k €, payback 11 mesi
Caso 3 — Tessile: setup reduction
- Setup time medio: 95 min
- SMED workshop intensivo
- Setup time: 95 → 28 min (-70%)
- OEE: 51% → 67%
- Investment: 28k €
Caso 4 — Mobile: IoT predictive
- OEE 64%, breakdown losses significative
- IoT sensors + predictive maintenance
- Breakdown: -75%
- OEE: 64% → 81%
- Investment: 110k €, payback 14 mesi
FAQ
Devo misurare OEE su tutte le macchine?
No. Focus su top 20% macchine che generano 80% del valore (Pareto). Bottleneck strategici prima. Altre macchine in fase 2 se ROI positivo.
Quanto costa misurare OEE manualmente vs IoT?
Manual: 25-45k € setup, ricorrente data quality dipende da disciplina. IoT: 50-110k € setup, ma data accuracy 99%+ e zero overhead operatori. ROI tipico IoT migliore oltre 5 work center.
Come gestire macchine multi-prodotto (mix changeover)?
Setup time tracciato per ogni changeover. OEE calcolato per shift includendo setup time medio. Per macchine ad alto mix: OEE adjusted per product complexity.
Posso fare OEE con Odoo Community?
Base OEE (tracking manuale con WO) sì. Per dashboard avanzati, IoT integration, advanced analytics: Enterprise + moduli custom. Setup base community: 15-30k €.
Quanto tempo per vedere primi risultati OEE?
Quick wins (5S, visual management): 4-8 settimane. SMED program: 3-6 mesi. PM consolidata: 6-12 mesi. Sistema OEE maturo: 18-24 mesi. Continuous improvement: never-ending.
Prossimi passi
Nelle prossime guide vedremo come integrare AI/ML sui dati IoT + traceability per pattern detection avanzata, come gestire compliance multi-paese per PMI export, e come implementare circular economy con Odoo (recupero/riciclo).
Vuoi implementare OEE monitoring nella tua PMI manifatturiera?
G Tech Group implementa sistemi OEE monitoring Odoo per PMI manifatturiere italiane: assessment, configuration, training, SMED program, IoT integration. Track record di OEE +15-20 punti in 18 mesi.
Richiedi un preventivo gratuito oppure prova la nostra demo Odoo 19 live. Oppure prova Odoo direttamente su odoo.com (link partner Brentasoft).
Vuoi una soluzione su misura per la tua azienda?
Brentasoft sviluppa gestionali, CRM e software personalizzati per PMI italiane. Parliamo del tuo progetto.
