Data-Driven lean management at VMF spa: production KPIs as a decision-aking too - a case study

This thesis examines how operational data in an Industry 4.0 context can be transformed into decision‑oriented information through a Lean Management perspective. Developed at VMF S.p.A., a producer of magnetic laminations for electric motors, it addresses a typical paradox: data systems generate large amounts of data, yet data‑driven management is limited by inconsistent definitions, fragmented sources and unclear ownership. MES is treated as an enabler, because it increases traceability and timeliness of shop‑floor signals, but also as a challenge, since partial coverage and misaligned rules prevent trusted indicators. The core issue is framed as a Lean governance problem: in the absence of KPIs and relative standards, organisations spend effort reconciling figures instead of using common metrics to prioritise actions and improve flow. The study adopts an A3 Thinking approach to structure analysis and countermeasures on the operational side. A set of production KPIs was designed to support periodic reviews with clear accountability and more robust visual management. In the inventory stream, warehouse data made hidden waste visible, and tools were implemented to link each class emerged to targeted strategies. Findings show that people and routines are primary performance enablers: data become meaningful only when stakeholders share definitions and consistently record and validate events. Where review mechanisms are established, teams coordinate faster and translate numbers into actions. Strengthening shared standards, ownership and recurring review practices supports continuous improvement in operational processes.

Questa tesi analizza come i dati in un contesto di Industria 4.0 possano essere trasformati in KPI a supporto delle decisioni attraverso Lean Management. Sviluppata presso VMF S.p.A., produttore di lamierini magnetici per motori elettrici, affronta un paradosso tipico: i sistemi digitali generano grandi quantità di dati, ma definizioni incoerenti, fonti frammentate e responsabilità poco chiare rendono i dati inutilizzabili. Il MES è trattato come un abilitatore, perché aumenta tracciabilità e tempestività dei segnali di fabbrica, ma anche come una sfida, poiché copertura parziale e regole non allineate impediscono la costruzione di indicatori affidabili. La questione centrale è inquadrata come problema di governance: in assenza di standard, le organizzazioni investono energie nel riconciliare i numeri invece di usare metriche comuni per prioritizzare le azioni e migliorarne il flusso. Lo studio adotta l’approccio A3 Thinking per strutturare analisi e contromisure sul piano operativo. Lungo il flusso produttivo, viene progettato un set di KPI a supporto di revisioni periodiche, con chiare responsabilità e una visual management più robusta. Sul fronte delle scorte, i dati di magazzino hanno reso visibile lo spreco nascosto in articoli a lunga giacenza e capitale immobilizzato, e sono stati implementati strumenti per collegare ciascuna classe emersa a strategie mirate. I risultati mostrano che persone e routine sono i principali abilitatori di performance: i dati diventano significativi solo quando gli attori condividono le definizioni, registrando e validando gli eventi in modo coerente. Dove esistono meccanismi strutturati di revisione, i gruppi si coordinano più rapidamente e traducono i numeri in azioni concrete. Il rafforzamento di standard condivisi, titolarità e revisioni ricorrenti sostiene un percorso di miglioramento continuo nei processi operativi.