TL;DR<\/strong><\/p>\n OEE – Overall Equipment Effectiveness – misura, su scala da 0 a 100%, quanto un asset produttivo (macchina, linea, cella) sta producendo rispetto al suo potenziale teorico (funzionamento continuo, velocita nominale, zero scarti). E’ un indicatore composto, prodotto di tre componenti indipendenti:<\/p>\n OEE = Disponibilita x Performance x Qualita<\/strong><\/p>\n Tre componenti, tre famiglie di interventi: Disponibilita bassa = manutenzione e cambi formato; Performance basso = micro-fermate, sensori, condizionamento; Qualita basso = SPC, controllo materie prime, parametri di processo. Il vero potere dell’OEE e’ nella scomposizione: una macchina al 60% puo’ essere 85%\/82%\/86% (perdite generalizzate) o 95%\/65%\/97% (problema di velocita), e i due casi vanno trattati in modo opposto.<\/p>\n L’OEE l’ha formalizzato Seiichi Nakajima nel 1969<\/strong> all’interno del JIPM (Japan Institute of Plant Maintenance) come metrica di supporto al TPM (Total Productive Maintenance), sistema codificato a partire dall’esperienza di Nippon Denso (Toyota Group). L’idea: ribaltare la prospettiva sulla manutenzione – non un centro di costo da minimizzare, ma una leva di efficienza che ogni operatore deve poter attivare quotidianamente.<\/p>\n Da li’ deriva la classificazione delle Six Big Losses<\/strong>, schema di riferimento mondiale per le perdite produttive. JIPM ha istituito il TPM Excellence Award, e il riconoscimento “World Class” implica OEE stabilmente sopra 85% su tutti i turni, non solo sul migliore. Vale ricordarlo: molte PMI fanno OEE solo sul primo turno con il caporeparto a bordo macchina, ma e’ una metrica autocelebrativa, non un dato di gestione. La formalizzazione italiana e’ arrivata via UNI\/Confindustria a fine anni ’90, ma e’ con Industria 4.0 (2017) e PNRR Transizione 4.0 (2020-2022) che la misurazione automatica e’ diventata obiettivo concreto e finanziabile anche per stabilimenti sotto i 50 dipendenti.<\/p>\n Il primo motivo per cui un imprenditore manifatturiero dovrebbe interessarsi all’OEE non e’ la moda della “data-driven factory”: e’ che l’OEE rivela capacita produttiva nascosta<\/strong> all’interno dello stabilimento, gia’ pagata (macchine ammortizzate, operatori in turno, capannone riscaldato) ma oggi buttata via.<\/p>\n Esempio concreto: una linea di assemblaggio da 100 pezzi\/ora che lavora su due turni da 7,5 ore nette, 230 giorni\/anno, ha capacita teorica di 345.000 pezzi\/anno. Con OEE reale 50% produce 172.500 pezzi e ne “perde” altrettanti. Portare l’OEE al 70% – obiettivo realistico in 12 mesi – significa 241.500 pezzi: +69.000 pezzi\/anno senza nuove macchine, senza nuovi operatori. Nelle marginalita’ tipiche della meccanica conto terzi, sono 200-400K euro di margine lordo aggiuntivo.<\/p>\n Il secondo motivo: l’OEE e’ la base oggettiva per ogni decisione di investimento<\/strong>. Quando un fornitore propone una nuova fresa CNC a 180K, l’unica domanda corretta e’ “qual e’ l’OEE attuale del centro di lavoro e quale OEE si raggiungerebbe ottimizzando la macchina esistente prima di sostituirla?”. Spesso la risposta libera budget per interventi piu’ urgenti. Il terzo motivo: l’accesso al credito d’imposta Transizione 4.0 – poter dimostrare con dati storici l’impatto del software 4.0 sull’OEE e’ la base di una pratica solida verso Agenzia delle Entrate.<\/p>\n Vediamo la formula in azione su un caso reale: piccola officina meccanica, centro di lavoro CNC 3 assi, velocita nominale 100 pezzi\/ora, turno 8 ore.<\/p>\n Calcolo Disponibilita<\/strong>:<\/p>\n A = 390 \/ 450 = 0,8667 = 86,67%<\/strong><\/p>\n Calcolo Performance<\/strong>:<\/p>\n Pezzi teorici a velocita nominale = 390 min x (100 pz \/ 60 min) = 650 pezzi. Calcolo Qualita<\/strong>:<\/p>\n Q = 494 \/ 520 = 0,95 = 95,00%<\/strong> (i 26 scarti pesano per il 5%).<\/p>\n OEE risultante<\/strong>: 0,8667 x 0,80 x 0,95 = 0,6587 = 65,87%<\/strong>.<\/p>\n Cosa ci dice il numero? In quel turno il 34% del tempo pagato e’ stato sprecato. Soprattutto il 20% l’ha mangiato la Performance: 130 pezzi mancati per velocita ridotta e micro-fermate. Se il pattern e’ costante, bisogna intervenire li’ prima ancora che sui guasti. Se invece il giorno dopo Performance torna al 92% e Disponibilita crolla al 70%, la perdita e’ itinerante e va seguita giorno per giorno, non con report mensili.<\/p>\n Nakajima ha categorizzato le perdite produttive in sei famiglie, ciascuna mappata su una delle tre componenti dell’OEE. Padroneggiare questa tassonomia elimina le diagnosi sbagliate.<\/p>\n Perdite di Disponibilita<\/strong>: (1) Breakdown<\/strong> – fermi per rotture sopra soglia tipica di 10 min, i piu’ visibili ma non sempre i piu’ costosi. (2) Setup & Adjustment<\/strong> – tempo tra ultimo pezzo buono di una commessa e primo pezzo buono della successiva, warm-up incluso.<\/p>\n Perdite di Performance<\/strong>: (3) Idle & Minor Stops<\/strong> – micro-fermate sotto 5-10 min (sensori sporchi, inceppamenti, intervento operatore), difficili da registrare manualmente e quasi sempre sottostimate. (4) Reduced Speed<\/strong> – macchina piu’ lenta della velocita di targa per usura, materiale fuori specifica, scelta operatore per “sicurezza”.<\/p>\n Perdite di Qualita<\/strong>: (5) Process Defects<\/strong> – scarti in regime di marcia stabile. (6) Startup Losses<\/strong> – scarti durante avvio, cambio prodotto, riavvio post-guasto.<\/p>\n Le tre piu’ insidiose per le PMI sono micro-fermate (3), startup losses (6) e setup (2): tutte sistematicamente sottostimate senza raccolta dati automatica.<\/p>\n L’errore piu’ comune e’ usare il “world class 85%” come riferimento universale. I benchmark variano per settore, dimensione lotto e tecnologia di processo.<\/p>\n Consiglio operativo: nei primi 3 mesi confrontarsi con la propria media storica, non con i benchmark. Il primo guadagno sono i 5-10 punti recuperati dalla baseline interna.<\/p>\n La domanda corretta non e’ “MES o IoT?” ma “che granularita’ mi serve per le decisioni che voglio prendere?”. Esistono tre livelli di raccolta dati.<\/p>\n Livello 1 – Manuale (scheda operatore)<\/strong>. L’operatore registra su carta o tablet inizio\/fine turno, pezzi prodotti, scarti, fermate con causale. Costo zero. Limite: micro-fermate perse, affidabilita’ bassa nel medio periodo (gli operatori “aggiustano” i dati). Va bene per i primi 60 giorni di baseline, non come sistema definitivo.<\/p>\n Livello 2 – MES con conteggio automatico<\/strong>. Un Manufacturing Execution System collegato ai PLC via OPC UA o agli encoder raccoglie pezzi e fermi automaticamente. L’operatore classifica solo le causali via terminale a bordo macchina. Costo PMI con 6-10 macchine: 25-60K euro tra licenze, hardware e integrazione. Affidabilita’ alta, granularita’ sufficiente per gestire al turno.<\/p>\n Livello 3 – IoT puro con sensori dedicati<\/strong>. Quando il PLC e’ troppo vecchio (anni ’90, RS232, niente Ethernet) si installano sensori: corrente assorbita (idle vs lavorante), vibrazione (predittiva cuscinetti), temperatura, sensori induttivi\/ottici per conteggio. Edge su Raspberry Pi 4 o NVIDIA Jetson, broker MQTT verso cloud, dashboard Grafana o Power BI. Costo: 2-5K euro per macchina + integrazione.<\/p>\n La scelta dipende dal mix di parco macchine. Tutte post-2015 con PLC moderni: MES. Mix con macchine anni ’90: hybrid – MES sulle nuove, IoT retrofit sulle vecchie. Solo 3 macchine: si parte da Livello 1 e si rivaluta dopo 90 giorni.<\/p>\n Il mercato dei software OEE nel 2022 si segmenta in tre fasce. La scelta va guidata da dimensione, complessita’ di processo e budget reale, non dalle demo.<\/p>\n Fascia entry – SaaS plug&play (5-15K setup, 200-800 euro\/mese per macchina)<\/strong>: Evocon<\/strong> (estone, dashboard pulita, retrofit Raspberry-based, time-to-value 2-4 settimane); Worximity<\/strong> (canadese, forte in food&beverage, sensori IoT proprietari); OEE Coach<\/strong> (olandese, taglio Lean\/TPM, ottimo per strutturare problem solving 5W e A3).<\/p>\n Fascia mid-market – MES modulari (20-80K setup)<\/strong>: Mevisio<\/strong> (svedese, visual management e KPI a parete con display touch industriali); FactoryTalk ProductionCentre Rockwell<\/strong> (solido in ambienti con PLC Allen-Bradley).<\/p>\n Fascia enterprise – MES completi (80-300K+ setup)<\/strong>: Siemens Opcenter Execution<\/strong> (ex Camstar, integrato con SIMATIC, multi-plant); GE Proficy Smart Factory<\/strong> (forte in process industries, ecosistema con Plant Applications e Historian); AspenTech<\/strong> (tipico per chimico e oil&gas, eccede le esigenze di una PMI manifatturiera media).<\/p>\n Una PMI sotto i 30 addetti che parte da zero nel 2022 dovrebbe orientarsi sulla fascia entry, con integrazione di base verso il gestionale (ERP) per gli ordini di produzione. La fascia mid-market diventa razionale sopra le 50-80 persone, e solo dopo aver dimostrato che lo shop floor sa “leggere” i KPI quotidianamente.<\/p>\n Misurare l’OEE senza framework TPM e’ come pesarsi tutti i giorni senza cambiare dieta. Il TPM (Total Productive Maintenance) e’ il sistema integrato standardizzato dal JIPM in 8 pilastri. I tre piu’ rilevanti per una PMI nei primi 18 mesi: Manutenzione Autonoma<\/strong> (gli operatori fanno pulizia, lubrificazione, ispezione a inizio turno – la macchina e’ “mia”, non di manutenzione); Manutenzione Pianificata<\/strong> (interventi su base statistica MTBF\/MTTR per evitare guasti); Kaizen Focalizzato<\/strong> (gruppi cross-funzionali che attaccano una perdita specifica in cicli di 4-8 settimane).<\/p>\n MTBF (Mean Time Between Failures)<\/strong> e MTTR (Mean Time To Repair)<\/strong> sono le metriche di supporto piu’ usate: l’OEE dice “stai perdendo Disponibilita”, MTBF\/MTTR distinguono se il problema e’ la frequenza dei guasti o la durata del fermo. Sono problemi diversi che richiedono soluzioni diverse (preventiva sul primo, pronto intervento e magazzino ricambi sul secondo).<\/p>\n Il framework Lean Manufacturing nato in Toyota (TPS – Toyota Production System) fornisce gli strumenti operativi per attaccare ciascuna delle Six Big Losses.<\/p>\n SMED (Single Minute Exchange of Die)<\/strong>, codificato da Shigeo Shingo, riduce i setup sotto i 10 minuti separando attivita’ interne (macchina ferma) da esterne (macchina in marcia), poi convertendo quante piu’ interne possibili in esterne. In PMI tipiche riduce setup del 50-75% in 3-6 mesi con investimenti minimi (carrelli precaricati, utensili a bordo, checklist). E’ la singola leva con il miglior ROI sulla Disponibilita.<\/p>\n 5S<\/strong> (separare, ordinare, pulire, standardizzare, sostenere) e’ l’organizzazione visiva della postazione: riduce le micro-fermate per ricerca utensili e crea la disciplina che rende possibile la manutenzione autonoma. Non e’ “fare pulizia”: e’ progettare la postazione perche’ la perdita di tempo sia oggettivamente impossibile.<\/p>\n Andon<\/strong> (lampade, display) segnala in tempo reale lo stato di ogni macchina: con Andon una fermata di 3 minuti diventa un’eccezione, non la norma. Gemba walks<\/strong>: il responsabile produzione passa in officina ogni giorno alla stessa ora, fa domande aperte agli operatori e registra i punti aperti in un A3. E’ l’antidoto a ogni dashboard che non porta a decisioni.<\/p>\n I dati storici dai casi seguiti in Italia, congruenti con benchmark McKinsey Manufacturing 360 e indagini Confindustria, mostrano questo profilo per una PMI che parte da OEE 45% e implementa MES\/IoT di Livello 2 con TPM strutturato:<\/p>\n Il capacity gain<\/strong> a 12 mesi e’ +10-25% sulla baseline. Il payback software\/IoT<\/strong> e’ 12-18 mesi per una PMI con 5-15 macchine critiche (considerando solo recupero capacita’, senza valorizzare miglior puntualita’ consegna e riduzione scorte di sicurezza, spesso altrettanto importanti). Avvertimento: senza sponsorship del management nei primi 90 giorni il programma fallisce nel 70% dei casi – serve uno sponsor a livello direttoriale che chiede conto dei numeri settimanalmente.<\/p>\n Dalle revisioni fatte sul campo, questi sono gli errori che vediamo piu’ spesso e che svuotano di significato l’indicatore.<\/p>\n Un controllo metodologico semestrale da parte di qualita’ o controllo di gestione e’ la migliore tutela contro la deriva.<\/p>\n L’OEE misura l’efficienza durante il tempo pianificato di produzione. Se la macchina lavora un solo turno su tre, anche un OEE del 90% non racconta che 2\/3 della capacita’ giornaliera e’ inutilizzata. Per questo esiste il TEEP (Total Effective Equipment Performance)<\/strong> = OEE x Utilization, dove Utilization = tempo pianificato \/ tempo calendariale (24h x 7gg). Una macchina a OEE 75% che lavora 8h x 5gg ha Utilization 23,8% e TEEP 17,9%. Il TEEP e’ indicatore strategico: fa emergere quando aprire un secondo turno prima di comprare un’altra macchina.<\/p>\n Il Piano Nazionale Transizione 4.0<\/strong> (Legge 178\/2020, prorogato dalla Legge di Bilancio 2022) ha potenziato gli incentivi del precedente Piano Industria 4.0. Aliquote 2022 significative per chi implementa OEE: beni materiali 4.0<\/strong> (Allegato A, macchine interconnesse al MES) 40% fino a 2,5 milioni; beni immateriali 4.0<\/strong> (Allegato B, software MES\/OEE\/SCADA, piattaforme IoT) 20% fino a 1 milione; Formazione 4.0<\/strong> su tecnologie abilitanti. Requisiti chiave: interconnessione bidirezionale al gestionale, integrazione di rete via standard documentati (OPC UA, MQTT, Profinet), perizia asseverata sopra soglia. Consiglio: coinvolgere commercialista e tecnico abilitato in fase di selezione software, non a investimento gia’ fatto.<\/p>\n Un programma OEE in PMI si pianifica con una roadmap a 90 giorni divisa in tre fasi.<\/p>\n Giorni 1-30 – Baseline e scoping<\/strong>:<\/p>\n Giorni 31-60 – Quick wins e selezione tecnologia<\/strong>: cantiere SMED su una macchina pilota; 5S in 2-3 postazioni; selezione software OEE (3-4 demo, prova on-site di almeno una); preventivi e progettazione integrazione PLC\/sensori; avvio pratica Transizione 4.0 in parallelo.<\/p>\n Giorni 61-90 – Rollout e governance<\/strong>: installazione MES\/IoT su pilota e go-live raccolta automatica; daily meeting di 15 minuti con display OEE in officina; definizione governance (chi guarda cosa, con quale frequenza, con quali azioni); misurazione OEE post-cantiere SMED e quantificazione beneficio; piano di rollout sulle altre macchine.<\/p>\n Dopo 90 giorni il sistema non e’ “finito” – non lo sara’ mai – ma e’ in piedi, sostenibile e con numeri reali in mano. Da li’ parte il programma di miglioramento continuo strutturato.<\/p>\n\n
Cos’e l’OEE: definizione operativa e tre componenti<\/h2>\n
\n
Origini: Nakajima, JIPM e il framework TPM<\/h2>\n
Perche’ l’OEE conta davvero per una PMI manifatturiera<\/h2>\n
![\"Dashboard](\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/oee-dashboard-industriale.jpg\")
<\/p>\nLa formula con esempio numerico passo passo<\/h2>\n
\n
\nP = 520 \/ 650 = 0,80 = 80,00%<\/strong><\/p>\nLe Six Big Losses: lo schema che salva da diagnosi sbagliate<\/h2>\n
Benchmark settoriali: dove sta davvero la concorrenza<\/h2>\n
\n
Come raccogliere i dati: manuale, MES o IoT?<\/h2>\n
![\"Tecnico](\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/oee-tecnico-tablet-fabbrica.jpg\")
<\/p>\nSoftware OEE 2022: quale stack scegliere<\/h2>\n
TPM: il framework che fa funzionare l’OEE nel tempo<\/h2>\n
SMED, 5S e i mattoni Lean dell’OEE<\/h2>\n
ROI realistico e payback: cosa aspettarsi davvero<\/h2>\n
\n
Errori comuni di misurazione: i sette piu’ tossici<\/h2>\n
![\"Operatori](\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/oee-linea-produzione-team.jpg\")
<\/p>\n\n
TEEP e Transizione 4.0: oltre l’OEE<\/h2>\n
Roadmap di implementazione in 90 giorni<\/h2>\n
\n