Diagnosi e miglioramento della capacità produttiva mediante metodologia DMAIC e tecniche Lean

Abstract

Il presente elaborato affronta il problema delle inefficienze operative di New Gaucho, azienda tessile peruviana che opera nel settore dell'abbigliamento in denim. La scelta dell'argomento nasce dalla rilevanza che l'approccio data-driven assume oggi nel settore manifatturiero, dove la competitività dipende sempre più dalla capacità di misurare e ottimizzare i processi, e dalla disponibilità di un dataset aziendale dettagliato. Il lavoro applica la metodologia Lean Six Sigma secondo il ciclo DMAIC. Dopo aver definito il contesto e misurato lo scenario attuale (AS-IS) tramite i principali KPI di produzione, l'analisi individua le cause radice delle inefficienze mediante la scomposizione dei costi della non qualità e la matrice di influenza. Gli interventi correttivi vengono poi selezionati e prioritizzati con il modello multicriterio Fuzzy AHP e organizzati in una roadmap di implementazione. La quantificazione dello scenario di miglioramento (TO-BE) evidenzia un incremento dell'OEE dal 39,4% al 63,3% e il recupero di oltre 53.000 unità produttive. Il lavoro si conclude con lo sviluppo di una dashboard di Visual Management come strumento di controllo continuo delle prestazioni.

This thesis addresses the operational inefficiencies of New Gaucho, a Peruvian textile company operating in the denim apparel sector. The topic was chosen because of the growing relevance of the data-driven approach in manufacturing, where competitiveness increasingly depends on the ability to measure and optimise processes, and because of the availability of a detailed company dataset. The work applies the Lean Six Sigma methodology through the DMAIC cycle. After defining the context and measuring the current state (AS-IS) by means of the main production KPIs, the analysis identifies the root causes of inefficiency through the breakdown of the cost of poor quality and the influence matrix. Corrective actions are then selected and prioritised using the Fuzzy AHP multicriteria model and organised into an implementation roadmap. The quantification of the improvement scenario (TO-BE) shows an increase in OEE from 39.4% to 63.3% and the recovery of more than 53,000 production units. The work concludes with the development of a Visual Management dashboard as a tool for continuous performance monitoring.