Il presente lavoro di tesi analizza il monitoraggio delle prestazioni produttive presso BAWER S.p.A., azienda specializzata nella produzione di componenti in acciaio inossidabile, con particolare attenzione al legame tra qualità del dato e affidabilità degli indicatori. Dopo un inquadramento dell’Industria 4.0 e dell’architettura di integrazione verticale PLC–MES–ERP, vengono introdotti i KPI di produzione, l’OEE e gli strumenti di Business Intelligence. Nella parte applicativa, i dati del sistema MES aziendale sono stati elaborati in Microsoft Excel tramite tabelle pivot e campi calcolati, per costruire una dashboard interattiva di OEE e Utilizzo. La dashboard ha fatto emergere valori fisicamente impossibili, con un Utilizzo di stabilimento pari al 131%: l’analisi svolta con l’Ufficio IT ha ricondotto le anomalie a errori di dichiarazione degli operatori, all’attribuzione dei tempi al turno anziché alla singola macchina e a ricette MES sottostimate, e la correzione dei dati ha riportato l’Utilizzo al 91,3%. Il confronto tra piegatura automatica e manuale, condotto a parità di sistema e regole di calcolo, ha mostrato un OEE del 77,1% contro il 52,2%, confermando che la precisione dei KPI dipende dalla modalità di raccolta del dato. Il lavoro dimostra che la Data Quality è la condizione necessaria per un monitoraggio efficace e propone interventi per migliorare la rilevazione alla fonte.
INDUSTRIA 4.0 E DATA QUALITY: KPI E DASHBOARD PER IL MONITORAGGIO DELLE PRESTAZIONI PRODUTTIVE. IL CASO STUDIO BAWER S.P.A.
VITALE, VITANTONIO
2025/2026
Abstract
Il presente lavoro di tesi analizza il monitoraggio delle prestazioni produttive presso BAWER S.p.A., azienda specializzata nella produzione di componenti in acciaio inossidabile, con particolare attenzione al legame tra qualità del dato e affidabilità degli indicatori. Dopo un inquadramento dell’Industria 4.0 e dell’architettura di integrazione verticale PLC–MES–ERP, vengono introdotti i KPI di produzione, l’OEE e gli strumenti di Business Intelligence. Nella parte applicativa, i dati del sistema MES aziendale sono stati elaborati in Microsoft Excel tramite tabelle pivot e campi calcolati, per costruire una dashboard interattiva di OEE e Utilizzo. La dashboard ha fatto emergere valori fisicamente impossibili, con un Utilizzo di stabilimento pari al 131%: l’analisi svolta con l’Ufficio IT ha ricondotto le anomalie a errori di dichiarazione degli operatori, all’attribuzione dei tempi al turno anziché alla singola macchina e a ricette MES sottostimate, e la correzione dei dati ha riportato l’Utilizzo al 91,3%. Il confronto tra piegatura automatica e manuale, condotto a parità di sistema e regole di calcolo, ha mostrato un OEE del 77,1% contro il 52,2%, confermando che la precisione dei KPI dipende dalla modalità di raccolta del dato. Il lavoro dimostra che la Data Quality è la condizione necessaria per un monitoraggio efficace e propone interventi per migliorare la rilevazione alla fonte.| File | Dimensione | Formato | |
|---|---|---|---|
|
VITALE_tesi.pdf
non disponibili
Dimensione
1.97 MB
Formato
Adobe PDF
|
1.97 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/111161