Contesto
Uno studio di caso pubblicato da Ferreira, Silva e Mesquita esamina un produttore di apparecchiature per il riscaldamento dell'acqua ad uso domestico che ha sviluppato un progetto DMAIC su uno dei suoi processi logistici interni. L'articolo presenta uno studio di caso che evidenzia come un produttore di apparecchiature per il riscaldamento dell'acqua ad uso domestico abbia utilizzato la metodologia Six Sigma Define-Measure-Analyze-Improve-Control (DMAIC) per migliorare uno dei suoi processi logistici interni, il riassortimento dei supermarket nelle linee di produzione. Questo è il classico tipo di processo interno, poco appariscente, che viene spesso affidato ai Green Belt in ambito logistico: non un percorso di consegna rivolto al cliente finale, ma il milk-run che mantiene i componenti in movimento dai magazzini alla linea di produzione all'interno dello stabilimento.
Un milk-run è un sistema di consegna interna a percorso fisso: un trattorino o un piccolo veicolo segue un tragitto prestabilito a intervalli regolari, lasciando i componenti nei "supermarket" a bordo linea in modo che gli operatori non rimangano mai sprovvisti di materiale. Quando un percorso milk-run richiede più tempo del previsto, si rischia di mandare la linea in rottura di stock oppure l'azienda deve aggiungere personale e veicoli per compensare. È stato proprio questo divario tra il tempo di percorrenza pianificato e quello effettivo a dare il via al progetto.
Il problema
Il problema era incentrato sull'incertezza relativa ai tempi di consegna su queste rotte, un'incertezza che generava scorte polmone e grattacapi di pianificazione per le linee servite. L'articolo descrive come un produttore di apparecchiature per il riscaldamento dell'acqua ad uso domestico abbia utilizzato la metodologia Six Sigma DMAIC per migliorare uno dei suoi processi logistici interni, il riassortimento dei supermarket nelle linee di produzione, portandolo verso un livello di qualità di classe mondiale. In parole semplici: esistevano tre percorsi milk-run e nessuno era in grado di dire con certezza quanto avrebbe impiegato ciascuno di essi in un determinato ciclo. Alcune corse terminavano in orario, altre si prolungavano al punto da minacciare l'approvvigionamento a bordo linea, e l'azienda non aveva alcun modo di prevedere quali giorni sarebbero stati problematici.
Come il Belt ha definito l'ambito di applicazione
Un progetto Green Belt deve essere sufficientemente circoscritto da poter essere gestito part-time nell'arco di pochi mesi, il che significa che il perimetro deve essere delimitato prima di avviare qualsiasi raccolta dati. In questo caso, l'ambito era un processo chiaramente definito: il ciclo di riassortimento milk-run a servizio delle linee di produzione, misurato in base al tempo di completamento del percorso. Il progetto non ha cercato di riprogettare l'intera supply chain interna, né di rinegoziare i contratti con i fornitori o toccare i trasporti esterni. Ha individuato un unico output misurabile, il tempo di percorrenza, caratterizzato da un sintomo specifico e critico: una quota significativa di corse che superava l'obiettivo dei 30 minuti.
Questa scelta di perimetrazione è fondamentale per chiunque studi questo caso come modello. Un charter Green Belt dovrebbe indicare il processo, i confini (in questo caso, punto d'inizio e di fine del percorso), la metrica primaria e la criticità espressa in numeri, laddove possibile, anziché una generica lamentela sulla "logistica lenta".
Strumenti applicati, fase per fase
Define
Il team ha definito il processo come il ciclo milk-run a percorso fisso dai magazzini ai supermarket di bordo linea, identificando il tempo di completamento del percorso come Y. In questa fase si inserirebbe tipicamente una mappa di tipo SIPOC: driver, veicolo, percorso, fermate e le linee di produzione come clienti del processo.
Measure
Il team ha raccolto i dati sui tempi di percorrenza attraverso i vari cicli e rotte per stabilire una baseline. La definizione della distribuzione di baseline è esattamente il passaggio in cui un Green Belt condurrebbe uno studio di capacità del processo rispetto all'obiettivo di 30 minuti, verificando l'affidabilità del sistema di misurazione prima di ritenere attendibili i dati.
Analyze
Una volta ottenuti i dati di baseline, la fase di analisi è quella in cui un allievo Green Belt applicherebbe il toolkit statistico insegnato a questo livello: confrontare i tempi di percorrenza tra diversi driver, turni o rotte tramite t-test o ANOVA per verificare se le differenze siano dovute a cause attribuibili o a variabilità comune, e utilizzare strumenti di root cause analysis come i diagrammi a lisca di pesce e la stratificazione per separare i problemi di progettazione del percorso dal comportamento del driver o dalla sequenza delle fermate. Il resoconto pubblicato si concentra sul risultato piuttosto che su ogni singolo test statistico intermedio, ma la struttura del progetto — che passa da una baseline variabile a un insieme di cause chiaramente diagnosticate — segue esattamente questa logica.
Improve
I miglioramenti si sono concentrati sulle sorgenti di variazione e sul tempo in eccesso identificati nella fase Analyze, verosimilmente ottimizzando la sequenza dei percorsi, il consolidamento delle fermate e la standardizzazione della preparazione dei carichi. Il risultato è stato un cambiamento non solo nel tempo medio, ma anche nella dispersione dei tempi: il segno distintivo di un effettivo intervento di riduzione della variabilità e non di una singola giornata fortunata.
Control
Per mantenere i risultati ottenuti, un Green Belt inserirebbe il nuovo standard di percorso in una carta di controllo per monitorare il tempo di percorrenza ad ogni ciclo, con limiti legati all'obiettivo di 30 minuti e un piano di reazione per i punti fuori controllo. Questo è il meccanismo che impedisce al progetto di regredire verso i valori di baseline sei mesi dopo che il Belt è passato ad occuparsi di altro.
Qual è stato il risultato
Il risultato documentato è concreto. L'applicazione della metodologia Six Sigma ha portato a una riduzione delle rotte che richiedevano più di 30 minuti per essere completate dal 25 al 3 percento, a una riduzione del coefficiente di variabilità del tempo di percorrenza dal 40 al 14 percento e a una riduzione del tempo medio di percorrenza da 31 a 24 minuti. Questi risultati hanno avuto un impatto finanziario significativo, consentendo l'eliminazione di una delle tre rotte esistenti senza alcun impatto negativo sul processo di riassortimento dei supermarket, portando a una riduzione delle ore uomo e dei costi grazie all'eliminazione di due milk-run.
Su quest'ultimo punto vale la pena soffermarsi. Il ritorno economico in questo caso non è derivato da un singolo intervento spettacolare. È derivato dalla riduzione della variabilità a un livello tale da consentire all'azienda di accorpare in sicurezza le tre rotte riducendone il numero, il che ha tagliato veicoli e ore di lavoro senza mai intaccare il lato operativo rivolto al cliente finale. Questa è una dinamica tipica per i progetti Green Belt nella logistica interna: il successo risiede nella capacità liberata, non nella semplice riduzione del numero di difetti.
Cosa dovrebbe imparare un corsista da questo caso
| Insegnamento | Perché è importante a livello Green Belt |
|---|---|
| Circoscrivere il perimetro a un unico processo misurabile | Il progetto è rimasto all'interno di un singolo sistema di rotte interne, senza estendersi all'intera supply chain, mantenendosi così gestibile in modalità part-time. |
| Monitorare la variabilità, non solo la media | È stata la riduzione della variabilità, e non solo del tempo medio, a permettere all'azienda di eliminare una rotta in piena sicurezza. |
| Lasciare che siano i dati a giustificare i cambiamenti strutturali | L'accorpamento delle rotte è diventato sostenibile solo dopo che i dati hanno dimostrato che i percorsi rimanenti potevano assorbire il carico in modo affidabile. |
| I piani di controllo preservano i risultati ottenuti | Qualsiasi miglioramento dei tempi di percorrenza richiede una carta di controllo continua e regole di risposta chiare, altrimenti la vecchia variabilità si ripresenterà. |
Per un allievo che studia le applicazioni del DMAIC in ambito logistico, il valore di questo caso sta nel mostrare come un progetto a misura di Green Belt possa generare un risultato operativo concreto — meno veicoli e meno ore uomo — a partire da quello che in apparenza sembrava un ordinario problema di consegne interne. È un promemoria del fatto che il rigore della mappatura dei processi, l'analisi di capacità, lo studio delle cause radice e il piano di controllo si applicano a un percorso con carrello elevatore dentro uno stabilimento esattamente come si applicano a una spedizione verso il cliente finale.
