Gap Analysis delle performance produttive e monitoraggio intelligente dei processi industriali: il caso TF500

Abstract

La crescente digitalizzazione dei sistemi produttivi rende necessario adottare strumenti capaci di misurare, interpretare e migliorare le performance industriali in modo sistematico. In questo contesto, la presente tesi analizza il ruolo della Gap Analysis quale metodologia di supporto al processo decisionale, finalizzata all'identificazione degli scostamenti tra le prestazioni effettive dell'impianto e gli obiettivi strategici aziendali. L'elaborato applica tale approccio al caso studio della linea produttiva CNC TF500, seguendo la metodologia DMAIC. Attraverso il calcolo dei principali Key Performance Indicators, l'analisi statistica del processo e il confronto con i corrispondenti Key Performance Objectives, vengono individuate le principali criticità riconducibili alle componenti di Availability e Performance dell'OEE. Sulla base dei risultati ottenuti sono progettati tre scenari migliorativi ispirati ai principi del Total Productive Maintenance, successivamente confrontati mediante un'analisi costo-beneficio-rischio che individua nello scenario integrato la soluzione più efficace per la riduzione del gap prestazionale. Infine, viene proposta un'architettura di monitoraggio continuo basata su tecnologie IIoT, sensori intelligenti, Edge Computing e dashboard digitali, finalizzata al controllo in tempo reale dei KPI e al mantenimento dei miglioramenti conseguiti. La tesi evidenzia come l'integrazione tra misurazione, analisi e monitoraggio costituisca un elemento fondamentale per sostenere il miglioramento continuo delle performance industriali.

The increasing digitalization of production systems makes it necessary to adopt tools capable of systematically measuring, interpreting, and improving industrial performance. In this context, this thesis analyzes the role of Gap Analysis as a decision-making support methodology, aimed at identifying deviations between actual plant performance and corporate strategic objectives. The paper applies this approach to the case study of the TF500 CNC production line, following the DMAIC methodology. Through the calculation of the main Key Performance Indicators, the statistical analysis of the process and the comparison with the corresponding Key Performance Objectives, the main critical issues attributable to the Availability and Performance components of the OEE are identified. Based on the results obtained, three improvement scenarios inspired by the principles of Total Productive Maintenance are designed, subsequently compared through a cost-benefit-risk analysis that identifies the integrated scenario as the most effective solution for reducing the performance gap. Finally, a continuous monitoring architecture based on IIoT technologies, intelligent sensors, edge computing, and digital dashboards is proposed, aimed at real-time control of KPIs and maintaining the improvements achieved. The thesis highlights how the integration of measurement, analysis, and monitoring is a fundamental element in supporting the continuous improvement of industrial performance.