Studio della potenzialita’ di stadio e dei buffer interoperazionali di una linea di confezionamento di lattine. Caso Coca-Cola HBC.

Questa tesi si pone l’obbiettivo di trattare lo stato dell’arte del dimensionamento ottimale dei buffer interoperazionali e analizzare all’interno di una linea automatizzata di confezionamento di lattine, mediante modello simulativo, lo stato “AS IS” di risposta alle micro-fermate della zona compresa tra due stadi (riempitrice e codificatori) in cui sono presenti nastri trasportatori che collegano le due stazioni. Gli output della simulazione saranno la dimensione ottimale del buffer e le performance dello stadio a valle (codificatori). Successivamente verrà effettuata un’altra simulazione andando ad utilizzare una distribuzione di TTF e TTR migliorata secondo alcune assunzioni e i cui output saranno sempre la capacità ottimale del buffer e le performance dei codificatori. Uno dei principali focus nel mondo produttivo è quello di ridurre sempre di più le inefficienze dei processi, attraverso la misurazione degli stessi, utilizzando indicatori chiamati Key Performance Indicators (KPI). Verificando l’andamento di questi KPI rispetto al loro target, è possibile individuare le aree di miglioramento e implementare soluzioni ottimizzate, che permettano di incrementare l’efficienza dei processi e ridurre i costi. Il principale KPI utilizzato nelle aziende produttive è l’Overall Equipment Effectiveness (OEE) che fornisce informazioni riguardanti la disponibilità, le performance e la qualità degli impianti produttivi (Nakajima 1988). Per determinare correttamente questo indicatore è importante analizzare non solo i downtime ma, anche le micro-fermate che, molto spesso vengono ignorate, perché difficili da individuare e quindi, considerate parte del normale funzionamento del processo produttivo (Ljungberg,1998). All’interno del caso studio verranno prese in considerazione le micro-fermate presenti tra due stadi della linea, determinando le distribuzioni di Time to Failure (TTF) e Time To Repair (TTR) che, saranno analizzate con Minitab®, per determinare la migliore distribuzione che si adatta ai dati raccolti. Le distribuzioni scelte saranno inserite nel modello per simulare il comportamento AS IS del sistema e, in un secondo step verranno migliorate in base ad alcune ipotesi, per simulare due stati TO BE.