Dodici mesi dopo: investimento in un MES connesso ai PLC delle macchine, cantieri di lean manufacturing settimanali sulle tre code di produzione pi\u00f9 sature, SMED sui setup dei torni, manutenzione preventiva schedulata invece che a guasto. OEE 71%, OTIF 91%, scarti 1,8%<\/strong>. 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.<\/p>\n Questo articolo \u00e8 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 pi\u00f9 ampio sulla differenza fra ERP e MRP nelle PMI manifatturiere abbiamo dedicato un approfondimento separato<\/a>.<\/p>\n 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 \u00e8 insormontabile.<\/p>\n Cultura della gestione a esperienza.<\/strong> L’imprenditore conosce le macchine una per una, sa quanto produce normalmente ogni centro di lavoro, riconosce a orecchio quando un mandrino non \u00e8 in linea. Questa conoscenza tacita \u00e8 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 \u00e8 scalabile e non si trasferisce ai capireparto.<\/p>\n Sistemi gestionali datati.<\/strong> Molti software in uso nelle PMI italiane sono nati per la fatturazione e la contabilit\u00e0, 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.<\/p>\n Carenza di figure tecniche dedicate.<\/strong> 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 \u00e8 cresciuto in officina e ha il tempo per gestire l’urgenza del giorno, non per costruire un sistema di misurazione strutturato.<\/p>\n Difficolt\u00e0 oggettiva nella raccolta dati.<\/strong> PLC degli anni ’90 senza connettivit\u00e0 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 \u00e8 inevitabilmente parziale e tardivo.<\/p>\n La buona notizia \u00e8 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.<\/p>\n L’Overall Equipment Effectiveness<\/strong> \u00e8 l’indicatore pi\u00f9 potente che una PMI manifatturiera pu\u00f2 adottare, ed \u00e8 anche quello che riserva le sorprese pi\u00f9 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?<\/p>\n L’OEE si calcola come prodotto di tre rapporti, ciascuno espresso in percentuale:<\/p>\n OEE = Disponibilit\u00e0 \u00d7 Performance \u00d7 Qualit\u00e0<\/strong><\/p>\n Prendiamo un tornio CNC sul turno mattutino di 8 ore. Pianifichiamo:<\/p>\n Il tempo pianificato<\/strong> al netto della pausa \u00e8 450 minuti. Il tempo produttivo effettivo<\/strong> \u00e8 450 \u2212 25 \u2212 18 = 407 minuti<\/strong>.<\/p>\n Disponibilit\u00e0 = 407 \/ 480 = 84,8%<\/strong> (se calcolata sul turno lordo) oppure 407 \/ 450 = 90,4% se la pausa pranzo \u00e8 giustamente esclusa dal tempo pianificato. Per coerenza con i benchmark Nakajima usiamo la seconda versione: Disponibilit\u00e0 = 90,4%<\/strong>.<\/p>\n Il tempo ciclo teorico del pezzo che stiamo lavorando \u00e8 12 secondi. Nei 407 minuti produttivi avremmo potuto fare 407 \u00d7 60 \/ 12 = 2.035 pezzi teorici<\/strong>. Realmente l’operatore ne ha prodotti 1.745<\/strong>.<\/p>\n Performance = 1.745 \/ 2.035 = 85,7%<\/strong>. Quel 14% di scostamento \u00e8 tipicamente attribuibile a micro-fermate sotto soglia, leggeri rallentamenti, attese brevi che non vengono registrate come fermi.<\/p>\n Sui 1.745 pezzi usciti dal tornio, il controllo dimensionale ne ha scartati 38 per fuori tolleranza. I pezzi buoni sono 1.707<\/strong>.<\/p>\n Qualit\u00e0 = 1.707 \/ 1.745 = 97,8%<\/strong>.<\/p>\n Risultato finale: OEE = 0,904 \u00d7 0,857 \u00d7 0,978 = 75,7%<\/strong>. Un risultato dignitoso per una lavorazione meccanica generica, ma con margine di miglioramento soprattutto sul fattore Performance: ridurre le micro-fermate vale qui pi\u00f9 del 10% di OEE recuperato.<\/p>\n Senza un riferimento di mercato il numero da solo non dice nulla. Ecco i range realistici osservati nel tessuto manifatturiero italiano:<\/p>\n Il riferimento “world-class” che circola nei testi di TPM \u00e8 85% di OEE<\/strong>, raggiungibile solo con Disponibilit\u00e0 \u2265 90%, Performance \u2265 95% e Qualit\u00e0 \u2265 99,9%. \u00c8 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<\/a> con casi italiani.<\/p>\n Mentre l’OEE racconta come stai usando le tue macchine, l’On Time In Full<\/strong> racconta come ti percepisce il cliente. \u00c8 l’indicatore che finisce nelle vendor scorecard delle grandi committenze, e basta un decimo di punto sotto soglia per perdere posizioni nelle gare.<\/p>\n La definizione \u00e8 apparentemente semplice: OTIF = (consegne complete e on-time \/ consegne totali) \u00d7 100<\/strong>. Diventa interessante quando si scompone in due fattori indipendenti, On Time e In Full, che vanno entrambi rispettati simultaneamente perch\u00e9 la consegna sia considerata buona.<\/p>\n Esempio.<\/strong> Su 100 ordini consegnati nel mese: 89 sono arrivati completi entro la data confermata, 7 sono arrivati nei tempi ma con quantit\u00e0 parziale (mancavano alcuni codici), 4 sono arrivati completi ma in ritardo. OTIF = 89%<\/strong>. La trappola classica \u00e8 dichiarare 96% (escludendo i parziali) o 93% (escludendo i ritardi): OTIF \u00e8 una congiunzione logica, non un’unione.<\/p>\n I benchmark variano molto per settore:<\/p>\n 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<\/a> sui KPI logistici.<\/p>\n Il lead time<\/strong> \u00e8 il tempo che intercorre tra il momento in cui un cliente conferma l’ordine e il momento in cui riceve il prodotto. \u00c8 un KPI cumulativo, somma di tempi che vivono in funzioni diverse dell’azienda, e proprio per questo \u00e8 spesso pi\u00f9 lungo di quanto chi lavora in officina pensi.<\/p>\n Scomporlo \u00e8 il primo passo per ridurlo. Su una commessa meccanica tipica:<\/p>\n Totale: 19 giorni lavorativi<\/strong>, circa 4 settimane di calendario. Il dato interessante \u00e8 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.<\/p>\n Le leve principali di riduzione sono note ma poco applicate sistematicamente: SMED<\/strong> sui cambi formato per ridurre i setup, kanban<\/strong> per dimensionare i buffer di materia prima e tagliare il tempo di riassortimento, parallelizzazione<\/strong> di fasi che vengono ancora fatte in serie per abitudine, integrazione con il fornitore<\/strong> tramite portale EDI o connettore tra ERP per eliminare i giorni di gestione ordine.<\/p>\n Il First Time Through<\/strong> misura la percentuale di pezzi che attraversano l’intera linea produttiva senza rilavorazioni, scarti o richiami a step precedenti. \u00c8 un KPI sottile ma rivelatore: due aziende possono avere la stessa qualit\u00e0 finale a fine linea, ma con un FTT molto diverso significa che una delle due sta lavorando con un costo nascosto enorme.<\/p>\n Esempio.<\/strong> 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.<\/p>\n La qualit\u00e0 finale \u00e8 890 \/ 1.000 = 89% \u2014 apparentemente buona. Ma l’FTT cumulativo<\/strong>, cio\u00e8 la percentuale di pezzi che hanno attraversato tutte e tre le stazioni senza mai essere toccati due volte, \u00e8 890 \/ 1.000 = 89% se assumiamo che i rework siano andati tutti a buon fine, oppure pu\u00f2 scendere notevolmente se contiamo che alcuni rework rientrano in linea da step precedenti.<\/p>\n Il segnale operativo \u00e8 chiaro: se l’azienda dichiara qualit\u00e0 99% ma il FTT \u00e8 85%, vuol dire che c’\u00e8 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.<\/p>\n Lo scrap rate<\/strong> misura la percentuale di pezzi non recuperabili sul totale prodotto. \u00c8 importante distinguere lo scrap (pezzo da buttare) dal rework<\/strong> (pezzo rilavorabile, che torna in ciclo): in molte aziende italiane si fa confusione e si dichiara come “scarto” anche ci\u00f2 che viene rilavorato, alterando entrambi gli indicatori.<\/p>\n Formula:<\/strong> Scrap Rate = (pezzi scartati \/ pezzi totali prodotti) \u00d7 100. Stesso calcolo si pu\u00f2 fare in chilogrammi o in costo industriale, ed \u00e8 proprio questa terza versione la pi\u00f9 interessante.<\/p>\n Benchmark italiani:<\/p>\n Il dato che apre gli occhi \u00e8 il costo totale dello scarto<\/strong>, non il tasso in s\u00e9. Un pezzo scartato non costa solo la materia prima: assorbe tempo macchina, energia, ammortamento utensile, ore uomo e infine costo di smaltimento (se \u00e8 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<\/strong> in una PMI meccanica: \u00e8 la voce pi\u00f9 sottostimata del controllo di gestione.<\/p>\n Affidabilit\u00e0 e velocit\u00e0 di intervento sulla manutenzione sono il prerequisito di un’alta Disponibilit\u00e0 nell’OEE. Due indicatori semplici ne raccontano la salute:<\/p>\n MTBF (Mean Time Between Failures)<\/strong>: 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.<\/p>\n MTTR (Mean Time To Repair)<\/strong>: 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.<\/p>\n I due indicatori si combinano nell’indice di Disponibilit\u00e0: Disponibilit\u00e0 tecnica = MTBF \/ (MTBF + MTTR)<\/strong>. Con MTBF 80 ore e MTTR 4 ore: Disponibilit\u00e0 = 80 \/ 84 = 95,2%.<\/p>\n Misurare MTBF e MTTR per i 3-5 impianti pi\u00f9 critici dell’azienda permette di prendere decisioni economicamente fondate sulla manutenzione: dove il MTBF \u00e8 basso ma il MTTR \u00e8 alto, conviene investire in manutenzione predittiva<\/strong> (sensori di vibrazione, analisi olio, termografie) che intercetti il guasto prima; dove il MTBF \u00e8 alto ma quando capita il MTTR esplode, conviene invece investire in scorta ricambi critici<\/strong> e formazione operatori<\/strong> sul primo livello di intervento.<\/p>\n Nessuno di questi KPI ha valore se non viene misurato in modo affidabile. Esistono quattro livelli di maturit\u00e0 nella raccolta dati, con investimenti molto diversi.<\/p>\n L’operatore segna su modulo cartaceo o file Excel a fine turno: pezzi fatti, scarti, fermi. \u00c8 il punto di partenza per molte PMI ed \u00e8 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 user\u00e0 per valutarlo). Investimento: zero diretto, ma costo nascosto in tempo operatore.<\/p>\n L’operatore registra inizio e fine commessa, scarti, causali di fermo direttamente su un tablet o touch panel collegato al gestionale. \u00c8 un salto enorme rispetto al cartaceo: i dati sono digitali fin dall’origine, le causali sono codificate (niente pi\u00f9 “guasto generico”), il dato \u00e8 disponibile in tempo reale. Investimento tipico: 5.000-15.000 euro<\/strong> per un reparto di 10-15 postazioni, escluso il software MES sottostante.<\/p>\n Il salto qualitativo successivo \u00e8 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<\/strong> a seconda dell’eterogeneit\u00e0 del parco macchine \u2014 i CNC moderni si connettono facilmente, le pressopiegatrici degli anni ’90 richiedono retrofit con kit di interfacciamento.<\/p>\n Il livello target per una PMI strutturata: un Manufacturing Execution System<\/strong> raccoglie dati dal campo, pianifica le commesse, traccia i lotti per requisiti di tracciabilit\u00e0, 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<\/strong> a seconda della complessit\u00e0, ma con un ROI che si misura tipicamente in 18-30 mesi grazie al recupero su OEE e qualit\u00e0.<\/p>\n Su questi investimenti vale ancora il credito d’imposta beni 4.0<\/strong> 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 \u00e8 scesa al 20% sui primi 2,5 milioni, 10% sulla quota fino a 10 milioni, 5% oltre. Per software, sistemi e piattaforme (Allegato B) \u00e8 al 20% fino a 1 milione. Non sono pi\u00f9 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.<\/p>\n Tra i MES e i moduli MRP disponibili sul mercato italiano, Odoo Manufacturing<\/strong> (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:<\/p>\n 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<\/strong>, con tempi di go-live pi\u00f9 rapidi (4-8 mesi vs 12-18 dei progetti SAP S\/4HANA in fascia medio-piccola) e una curva di apprendimento pi\u00f9 gestibile per gli utenti finali. Per i dettagli funzionali di chi \u00e8 gi\u00e0 orientato a una scelta Odoo segnaliamo la pagina Odoo ERP<\/a> e, per chi cerca un confronto strutturato sui gestionali per PMI, la pagina Software gestionale PMI<\/a>.<\/p>\n Strumenti come ChatGPT Plus<\/strong>, 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 \u00e8 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 perch\u00e9) 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 qualit\u00e0 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<\/a>.<\/p>\n S\u00ec, \u00e8 perfettamente normale e, paradossalmente, \u00e8 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 \u00e8 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 \u00e8 il tuo problema, \u00e8 la tua base di partenza. Il vero indicatore di salute manageriale \u00e8 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 \u00e8 gi\u00e0 un’efficienza commercialmente competitiva.<\/p>\n S\u00ec, ma con un adattamento metodologico. Nella produzione di serie il “tempo ciclo teorico” per il calcolo della Performance \u00e8 una costante; nella commessa \u00e8 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 \u00e8 sotto 80%, vuol dire che le offerte sono troppo ottimistiche e il margine reale sta evaporando. Disponibilit\u00e0 e Qualit\u00e0 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.<\/p>\n 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) \u2014 diventa cos\u00ec 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 pi\u00f9 funzionalit\u00e0.<\/p>\n Da OEE su un singolo impianto, quello che \u00e8 il collo di bottiglia della tua produzione. Tre ragioni: \u00e8 l’indicatore con il miglior rapporto fra valore informativo e complessit\u00e0 di rilievo; concentrare lo sforzo su una macchina permette di sperimentare metodo e strumenti senza disperdersi; il collo di bottiglia \u00e8 per definizione la leva che limita il throughput complessivo dell’azienda, quindi ogni punto di OEE recuperato l\u00ec si traduce in fatturato in pi\u00f9. Una volta consolidato il metodo, estendi a OTIF a livello azienda (il dato esiste gi\u00e0 nel gestionale, va solo strutturato) e poi a scrap rate sui tre prodotti pi\u00f9 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.<\/p>\n No, sono cose indipendenti. Puoi misurare OEE, OTIF, scrap e qualunque altro KPI senza avere nessuna certificazione di qualit\u00e0: 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 gi\u00e0 la ISO 9001 e non stai misurando OEE\/OTIF\/scrap, la tua certificazione \u00e8 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.<\/p>\n S\u00ec, e in molti casi \u00e8 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 \u00e8: tre mesi con Excel<\/strong> per capire quali KPI ti servono davvero, quali causali di fermo sono significative, quali soglie sono realistiche; investimento mirato su livello 1 o 2<\/strong> (tablet o connessione PLC) sull’area dove l’analisi Excel ha mostrato il maggior potenziale di recupero; MES integrato<\/strong> quando la maturit\u00e0 organizzativa lo richiede, di solito dopo 12-18 mesi di misurazione strutturata. Saltare le fasi intermedie e comprare subito un MES “perch\u00e9 \u00e8 il futuro” \u00e8 il modo pi\u00f9 rapido per buttare 80.000 euro.<\/p>\n No, e la confusione su questo punto \u00e8 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<\/strong> (beni strumentali tecnologicamente avanzati interconnessi) o nell’Allegato B<\/strong> (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 contabilit\u00e0 separata dei costi. Le aliquote 2023 sono 20% Allegato A fino a 2,5 milioni, 10% da 2,5 a 10 milioni, 5% oltre \u2014 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 conformit\u00e0 alla normativa.<\/p>\n Misurare i KPI di manifattura non \u00e8 un esercizio accademico n\u00e9 un adempimento ISO: \u00e8 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, perch\u00e9 entrano nelle filiere strutturate (automotive, aerospace, pharma) che senza KPI documentati sono inaccessibili, e perch\u00e9 identificano sacche di inefficienza che spesso valgono dal 10% al 25% del fatturato.<\/p>\n Tre azioni concrete da fare nei prossimi 30 giorni, in ordine di priorit\u00e0: identificare il collo di bottiglia<\/strong> della tua produzione (di solito \u00e8 una macchina, raramente \u00e8 “l’azienda intera”); cominciare a misurare OEE su quella macchina<\/strong> anche solo con cronometro e foglio Excel; calcolare OTIF dell’ultimo trimestre<\/strong> dai dati che gi\u00e0 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<\/a> senza impegno: vediamo insieme da dove conviene partire nella tua realt\u00e0 specifica.<\/p>\nPerch\u00e9 tante PMI manifatturiere italiane non misurano i KPI<\/h2>\n
![\"Operatore](\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/inline1-33.jpg\")
OEE – Overall Equipment Effectiveness: il KPI principe<\/h2>\n
La formula in tre fattori<\/h3>\n
\n
Calcolo passo-passo su un caso reale<\/h3>\n
\n
Benchmark italiani per settore<\/h3>\n
\n
OTIF – On Time In Full: il KPI che il cliente guarda<\/h2>\n
\n
Lead Time di produzione: il tempo che fa la differenza commerciale<\/h2>\n
\n
![\"Schermo](\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/inline2-33.jpg\")
FTT – First Time Through: la qualit\u00e0 di processo, non solo di prodotto<\/h2>\n
Scrap Rate e costo della non qualit\u00e0<\/h2>\n
\n
MTBF e MTTR: i KPI della manutenzione<\/h2>\n
Come raccogliere i dati: dal foglio Excel al MES integrato<\/h2>\n
Livello 0 – Raccolta manuale<\/h3>\n
Livello 1 – Tablet o terminale di reparto<\/h3>\n
Livello 2 – Connessione PLC e SCADA<\/h3>\n
Livello 3 – MES integrato con ERP<\/h3>\n
![\"Riunione](\"https:\/\/brentasoft.com\/blog\/wp-content\/uploads\/2026\/06\/inline3-33.jpg\")
Come Odoo Manufacturing supporta la misurazione KPI<\/h2>\n
\n
Una nota sull’AI generativa in manifattura<\/h2>\n
FAQ<\/h2>\n
Se misuro l’OEE per la prima volta e mi esce 45%, \u00e8 normale?<\/h3>\n
L’OEE \u00e8 applicabile alla manifattura su commessa, dove ogni pezzo \u00e8 diverso?<\/h3>\n
I tablet sul reparto: gli operatori non si rifiutano di registrare i dati?<\/h3>\n
Da quale KPI devo cominciare se parto da zero?<\/h3>\n
Devo essere certificato ISO 9001 per misurare i KPI?<\/h3>\n
Un MES costa: posso partire con Excel?<\/h3>\n
Credito d’imposta beni 4.0: tutti gli impianti sono ammessi?<\/h3>\n
Da dove partire concretamente<\/h2>\n