Applicazione della metodologia Six Sigma e controllo statistico della qualità dei croissant da forno

The pre-proofed and frozen bakery croissant is a flagship product for Forno d’Asolo and Sammontana, representing a balance between artisanal tradition and large-scale industrial production. Its complexity stems from the living nature of the food, which is intrinsically variable in composition and behavior throughout the processing stages, with freezing playing a crucial role in maintaining its biochemical and microstructural characteristics. In industrial production, the goal is to standardize a product subject to natural variations, which poses significant challenges. Within this context, the work is framed in a Total Quality Management (TQM) approach, systematically integrating quality control and process control. Statistical Process Control (SPC) tools and Six Sigma methodologies are applied to monitor critical variables, identify deviations from specification limits, and evaluate process capability indices (Cp, Cpk), aiming to reduce variability and prevent non-conformities. This work presents the development of an automated program in Python, executable in Jupyter Notebook, designed for analyzing historical production data and supporting decision-making. In practical application, it allows for rapid identification of whether deviations concern individual batches or inadequate specification limits, providing actionable information for R&D and quality teams to update production parameters and improve industrial process management. This approach demonstrates how the integration of product knowledge, statistical analysis, and automation can support continuous improvement in food production, ensuring consistent quality and consumer safety.

Il croissant da forno prelievitato e congelato è un prodotto di punta per Forno d’Asolo e Sammontana, rappresentando un equilibrio tra tradizione artigianale e produzione industriale su larga scala. La sua complessità deriva dalla natura viva dell’alimento, intrinsecamente variabile per composizione e comportamento durante le fasi di processo, con la surgelazione che gioca un ruolo cruciale nel mantenimento delle caratteristiche biochimiche e microstrutturali. Nella produzione industriale l’obiettivo è standardizzare un prodotto soggetto a variazioni naturali, e ciò comporta sfide significative. In questo contesto, il lavoro si inserisce in un approccio di Total Quality Management (TQM), che integra in modo sistematico controllo qualità e controllo di processo. Strumenti di controllo statistico e metodologie Six Sigma vengono applicati per monitorare le variabili critiche, identificare deviazioni dai limiti di specifica e valutare gli indici di capacità del processo (Cp, Cpk), con l’obiettivo di ridurre la variabilità e prevenire non conformità. Si presenta lo sviluppo di un programma automatizzato in Python, eseguibile in Jupyter Notebook, finalizzato all’analisi dei dati storici di produzione e al supporto decisionale. L’applicazione pratica consente di distinguere rapidamente se eventuali scostamenti riguardano singole produzioni o limiti di specifica inadeguati, fornendo informazioni utili a R&D e qualità per aggiornare i parametri produttivi e migliorare la gestione dei processi industriali. Questo approccio evidenzia come l’integrazione tra conoscenza del prodotto, analisi statistica e automazione possa sostenere il miglioramento continuo nella produzione alimentare, garantendo qualità costante e sicurezza del consumatore.