Impianti Industriali M

• Studio di fattibilità del prodotto

Fase 1 Studio del prodotto

L’obiettivo è andare a definire il prodotto da metter sul mercato.
Vengono inserite competenze impiantistiche.

Fase 2 Studio del ciclo produttivo (impianto tecnologico)

Si studiano i passaggi che descrivono il ciclo produttivo dell’impianto che dalle materie prime
produce il prodotto finito.

Fase 3 Studio dei servizi (impianti ausiliari)

Studio degli impianti ausiliari senza i quali non può funzionare l’impianto produttivo.
Es: distribuzione en.elettrica; en.termica; acqua; alimentazione…

Fase 4 Analisi di redditività e definizione della quantità ottimale.

• Definizioni
Impianti tecnologici o di produzione Impianti volti a trasformare la materia prima (o
semilavorato) in prodotto finito.

Impianti ausiliari Impianti il cui compito è garantire la funzionalità dell’impianto

tecnologico.

Sistemi di produzione:
• Lineari
• Convergenti Da più materie prime ottengo un solo prodotto finito
• Divergenti Da una materia prima ottengo più prodotti finiti. (Es. legno;
petrolio)

Industria di processo Trasforma la materia prima in p.f senza che si riescano a

distinguere le diverse parti del p.f, a meno di una analisi chimico-fisica.

Industria manifatturiera Produce un prodotto finito costituito da tante parti ben

definite (assemblaggio)
Produzione su commessa Produciamo un prodotto che è già stato venduto

Produzione a magazzino Prodotti realizzati prima della vendita

Produzione continua Impianto lavora h24 e produce in modo continuativo

(es.acciaieria)

Produzione per cariche (intermittente) Es: carico una quantità di m.p!, la lavoro
e poi svuoto il contenitore. Non lavoro in maniera continuativa perché ho lo
scarico ed il successivo lavaggio del contenitore.
Es: riciclo acciaio

Produzione a lotti (intermittente) Si producono determinati prodotti a lotti.

Quindi prima un determinato tipo di prodotto e successivamente si produce un
diverso tipo di prodotto.

Analisi di mercato

Previsioni della domanda di mercato.

Componenti della domanda (D):

• Trend componente della domanda che descrive il suo andamento nel

medio-lungo periodo e presenta un andamento tendenzialmente lineare.

• Congiuntura Componente oscillatoria, con oscillazioni nel tempo con

periodo di tipo pluriennale.
Le oscillazioni delle congiunture le vediamo nei dati storici.
La congiuntura ha il compito di flettere il trend verso l’alto o verso il basso.
La congiuntura rappresenta la tendenza del mercato a contrarsi o espandersi.
Una congiuntura con coefficiente angolare positivo rappresenta un mercato che
si espande, viceversa rappresenta un mercato che si contrae. Tutto ciò lo si vede
in un periodo di tempo pluriennale.

La congiuntura è legata a fenomeni concorrenti (esogeni) al mercato, e non

necessariamente a fenomeni di mercato: es. aumento costo materie prime

• Stagionalità Fa oscillare la domanda con un orizzonte temporale di 12 mesi

Nel grafico vado a sommare la stagionalità alla congiuntura.

• Casuale Si somma alle precedenti , genera oscillazioni e fa variare

notevolmente il grafico.

Noi conosciamo la somma di tutte e quattro le componenti ma non esse prese

singolarmente.
La previsione della domanda ha lo scopo di metterle in luce tutte e 4.
Tipologie di previsione

• Lungo periodo (10-15 anni) Nuovi impianti

• Medio periodo (1-5 anni) Nuovi prodotti
• Breve periodo (1 mese - 1 anno) Gestione operativa (es. aziende
pianificano annualmente la loro produzione.)

Metodi di previsione

• Indagini campionarie Analisi basate sulla individuazione di un campione

sulla base del suo comportamento vengono decise le scelte di mercato.
(Breve periodo)

• Metodi di correlazione cercano di prevedere l’andamento della domanda di un

mercato, cercando un legame tra l’andamento di quel mercato legandolo
all’andamento di un indicatore economico noto.

• Metodi di estrapolazione Cercano di prevedere la domanda andando a

ricostruire l’andamento passato e analizzando solo quello.
(Medio - breve periodo)

Indagini campionarie

1. Modello Gaussiano: uso statistica Gaussiana e la applico quando l’analisi è

rivolta ad un parametro di mercato che può variare tra un minimo ed un
massimo con continuità. (Es: ramo alimentare)

2. Modello Binomiale: in uso quando la risposta all’analisi di mercato è un

veri/falso compro/non compro.

Se il modello è Gaussiano, l’universo è caratterizzato da un valore medio M è

una deviazione standard

Quando si effettuano indagini campionarie l’obiettivo è trovare M dell’universo.

Più grande è sigma, più allargata sarà la nostra campana.
Sigma più grande significa avere una distribuzione più concentrata verso il valore
medio.
Proprietà della gaussiana:

Assegnata una distribuzione gaussiana qualsiasi, si dimostra che:

Con questa proprietà noi stimiamo M

Più n è grande più la nostra indagine è affidabile. Ovviamente non può essere
troppo grande perché stiamo facendo una indagine campionaria. È
superiormente limitata dai limiti di indagine.

Il valore del parametro K è una scelta dell’ analista, non è calcolabile ed influenza
affidabilità dell’analisi campionaria (%).
Questa proprietà ci dice con quale probabilità la nostra analisi ricade
dell’intervallo.

Aumentare K ha lo stesso effetto di ridurre il numero degli intervistati, per questo

non si supera il valore di 3. Aumenterei troppo l’intervallo di confidenza e quindi
ridurrei la precisione dell’analisi. Non posso scendere sotto 1 perché ridurrei
troppo l’affidabillità dell’analisi.
Distribuzione binomiale

Risposta di tipo vero/falso

Es: lancio dado è puntata su 1, numero da 1 a 6, per esempio il n 3.

Evento positivo= esce il 3

Evento negativo= tutti gli altri numeri
Probabilità che su 10 lanci esca 6 volte il 3?

Proprietà: legame tra distribuzione binimiale e gaussiana.

Una distribuzione qualsiasi binomiale è ben approssimata da una distribuzione

gaussiana avente come media P e come relative alla binomiale di partenza,
a patto che P sia lontano dai suoi estremi naturali, ovvero 0 e 1.
Se la gaussiana descrive bene la binomiale, tutte le,proprietà della binomiale valgono
anche per la gaussiana.

Indagine campionaria binomiale

Obiettivo: stimare media P dell’universo.

Sfrutto la stessa proprietà della gaussiana nella binomiale,

si dimostra che:
Es: sviluppo nuovo prodotto
Utensile per idraulico

Domanda: prendo o no il nuovo utensile?

Forbice tra i due valori molto ampia. Se prendo una probabilità più alta non aiuto a
ridurre la forbice. Per ridurre la forbice posso aumentare il numero di persone
intervistate.
Tipo di indagine per programmare una produzione, ed in generale si utilizza per
previsioni di breve periodo.
 Metodi di correlazione

Dobbiamo conoscere i dati storici.

La correlazione cerca un legame tra la domanda di mercato (y) in analisi, è un indicatore economico
(x).
Indicatore di mercato è noto sia per gli avvenimenti storici che per quelli futuri.
Tutti i punti formano una nuvola di punti.
Si cerca un legame matematico che lega la domanda di mercato e l’indicatore economico, il quale si
traduce in una funzione, chiamata funzione di correlazione che avrà un andamento influenzato dalle
scelte dell’analista.

Correlazione lineare

La funzione è una retta espressa come:

Variando a e b variamo il temine noto ed il coefficiente angolare.

Una volta che conosciamo la retta, se abbiamo disponibili una o più informazioni relative
all’indicazione economico ci possiamo trovare il corrispettivo valore della domanda di mercato che
sarà la nostra previsione.
Un volta prodotta la nuvola cerco i valori di a e b tali che la retta di correlazione stia all’interno della
nuvola e che abbia errore quadratico minimo.

Poiché la posizione reciproca dei due non è nota, potrò avere un errore positivo o negativo.
Il mio obiettivo è minimizzare questo errore.
R si dimostra essere sempre compreso tra 0 e 1 in modulo.

Esempio:

Domanda: vendita di kg di gelato al giorno

Indicatore economico: temperatura prevista per il giorno dopo

Correlazione funziona per breve ma anche per medio-lungo periodo.

Analisi della serie storica

Componenti domanda

• Sistematiche: componenti il cui andamento nel tempo che seguono una determinata legge (non per
forza individuata).
Possono essere Tendenziali(lineari), ed oscillatorie le quali a sua volta possono distinguersi in
congiuntura e stagionalità.
• Casuali: componenti non prevedibili e descrivibili in alcun modo

Metodo i.s.t.a.t

Modelli matematici possibili

Questo modello prevede che x e z abbiano la stessa unità di misura.

Y adimensionale
Quindi y è un numero nell’interno di 1, ovvero a volte maggiore di 1 ed a volte minore di uno.

Analisi serie storica (4 fasi)

Correzione indice grezzo (1)

In base ai giorni lavorativi effettivi.

Medie mobili (2)
Sono una prima stima del trend.

Osservazione: calcolando medie ripetute su un orizzonte temporale ampio annullo l’effetto della
componente casuale.

Se io non avessi media nulla della componente z vuol dire che c’è della sistematicità all’interno di
questa componente.

Rapporti di stagionalità (3)

Destagionalizzazione (4)
Bisogna eliminare la componente stagionale dall’indice grezzo.

Con Udestag nel periodo storico in nostro possesso , vado a proiettare il trend nel lungo periodo
futuro.
Estrapolazione
Basa la propria funzione unicamente sui dati storici.

Coefficienti di errore:
Metodi delle medie mobili

Media mobile su n periodi

Più n aumenta (prendo più dati storici), più noi mitighiamo eventuali fenomeni di stagionalità.
Più riduciamo n, più ci esponiamo a problemi dovuti a fluttuazioni del mercato.
N preso in base all’esperienza e osservando i coefficienti di errore.

Media mobile su n periodi pesata

Si adottano pesi decrescenti per dare maggiore valore ai dati più recenti e quindi più attuali.

Metodo dell’ultimo periodo

In sostanza consiglia di pianificare la settimana/mese successivo sulla base dei dati della settima/
mese attuale.
Modello che insegue esattamente il mercato.
Nel lungo periodo ci permette di produrre esattamente quello che richiede il mercato, con pero uno
sfasamento temporale che potrebbe essere compensato da un magazzino.
Usato bene anche per un mercato regolare.
Es: media mobile

Smorzamento esponenziale
Esempio smorzamento esponenziale

Nell’esercizio la cella che contiene D1 va riempita in modo arbitrario. Scelgo la prima in modo
arbitrario poiché le ultime hanno peso sulla mia previsione più marcato.
La posso ipotizzare come uguale al dato vero nel periodo 1 o come combinazione dei dati veri.

Ipotizzo i primi valori perché avendo uno smorzamento esponenziale la nostra approssimazione avrà
meno peso sul totale.

Studio di fattibilità
1) studio del prodotto
Studio del mercato:
Indagini campionarie
Correlazione
Estrapolazione

Ciclo di vita del prodotto:

1= introduzione del pezzo nel mercato: la curva ha generalmente un andamento crescente con
pendenza non troppo elevata ed ha un orizzonte temporale di massimo un anno. Ho vendite basse
che crescono lentamente ed è influenzata pesantemente dalle campagne di marketing dell’azienda.
Più la fase di sponsorizzazione e buona più questa fase sarà breve.

Possono verificarsi dei flop di mercato.

2= fase di crescita
3= maturità : la buona diffusione del prodotto alimenta la vendita del prodotto stesso.
4= declino: la fase di maturità non può durare per sempre e si verificherà una fase di declino del
prodotto.

Si cerca di contrastare la fase di declino facendo uscire ade scempio una nuova versione del
prodotto, il quale non avrà più la fase di introduzione ma partirà già con un numero di vendite
considerevole.

La durata di tutte e 4 le fasi insieme è di circa tre/quattro anni in media nel settore manifatturiero.

Strategie di prodotto

• Leader di mercato: ricerca, sviluppo, ingegnerizzazione (R+S+I)

si parla di aziende che quando immettono nel mercato un prodotto, innovano.

• Segui il leader: sfrutta le innovazioni di altri per sviluppare la sua tecnologia e ingegnerizzarla.
Fanno solamente sviluppo ed ingegnerizzazione. (S,I)

• Produzione efficiente: solo ingegnerizzazione

• orientata/applicata: copiano altre aziende o lavorano per conto di altre.
sopravvivono per scarsa lungimiranza delle aziende sopra citate.
Potenzialità di stadio

A noi ci interessa Q in quanto è ciò che influenza maggiormente la produttività.

Infatti esistono altre inefficienze all’interno del mio sistema produttivo.

K2,3,4 generano fermo macchina quindi mancata produzione.

K1 genera un flusso fisico di pezzi che poi seguono un iter dedicato (li butto o li rilavoro)

Esempio:
Se voglio ridurre i costi dei macchinari ( a parità di mercato), devo calare q facendo aumentare il
numero dei turni. Questo porta un aumento della manodopera che però influisce molto meno sui miei
costi.

Linee produttive
Insieme di macchine una in serie all’altra che devono garantire la formazione del prodotto finito al
termine delle fasi produttive .

• Linea sincrona: macchine una in serie all’altra dove se si ferma una parte della linea blocca tutta la
linea
• Linea asincrona: tra una fase produttiva e l’altra presenta una riserva (buffer) di pezzi, in modo tale
che se si ferma una parte della produzione, non si ferma tutto l’impianto
La linea sincrona si dimensiona come:
Linee produttive si usano quando abbiamo un sistema di produzione in linea

Aziende di tipo 1(produzione in linea): organizzate in linea (famiglie di prodotti), sono grandi aziende
generalmente che producono pochi prodotti in grande quantità.
Aziende di tipo 2 (produzione per reparti): non limitata sulla quantità di prodotti, dove producono
molti prodotti in poche quantità. Aziende organizzate per reparti e sono generalmente di piccole
dimensioni.
Aziende di tipo 3 (produzione mista): numero di prodotti limitato con quantità annue intermedie.
Produzione mista o per famiglie.

• Dimensionamento reparti
Influenza del tempo sui costi

Quando attualizzo una somma di denaro futuro, la sto riducendo in funzione del tasso di interesse.
Maggiore è il tasso di interesse, più la somma di denaro vale meno nel futuro.

Ammortamento
Vita utile impianto industriale “n”
Se sommo le 4 rate di ammortamento ottengo un valore in euro molto più alto del prezzo iniziale,
questo perché ho applicato un tasso di interesse.
Se il denaro è nostro, il tasso di interesse è l’ O.C.C (opportunity cost of capital) che rappresenta il
rendimento medio di ciascun investimento della nostra azienda.
Se il denaro non è nostro (prestito), il tasso di interesse sarà uguale al tasso applicato dal creditore
(banca).

L’ammortamento trasforma l’investimento iniziale (costo iniziale), in un costo equivalente annuo.

Es: costi di produzione

Studio di fattibilità:
1. Studio prodotto
2. Studio ciclo produttivo
3. Studio servizi
4. Analisi economica

Ora analizziamo l’analisi economica.

Costi di un sistema produttivo

1. Costi fissi
2. Costi variabili

q= livello di produzione (pz/anno)

La curva caratteristica ci dice che allaumentare di q, dopo certe soglie bisogna aumentare le
macchine. Uguale per i costi fissi, i quali aumentano a gradini all’aumento della produzione

Costi variabili
• Manodopera somministrata
• Materie prime
• Energia
• Trasporti
• Ecc

I costi variabili sono una funzione del livello produttivo

Principio dei rendimenti DECRESCENTI: aumentare la produzione di un sistema produttivo aumenta

le inefficienze, quindi i costi.
Ricavi ( mercato concorrenziale)

I prezzi dipendono dal mercato:

Duagrammma di redditività ( costi vs ricavi)

Costo medio ( o unitario)
Margine di contribuzione

Analisi redditività
Flussi di cassa= bilancio di ciò che entra con ciò che esce.
Disponibilità = differenza tra ricavi e costi
Costi= somma di costi operativi e tasse
Programmazione lineare (linear programming)

È un metodo, basato sulla risoluzione di problemi di tipo lineare.

Devono ottimizzare la funzione obiettivo F.O

F.O è da massimizzare o minimizzare

Il dominio identificato da vincoli di disequazione è sempre convesso!

In questi casi qualsiasi F.O. Lineare che descrive il problema è massimizzata ( minimizzata) sul
confine del dominio ed in punti di massimo o minimo ricadono sempre su un unico vertice (pto di
ottimo) o su un intero segmento ( infiniti pti. di ottimo).
Valore economico attrezzatura
• attrezzatura nuova
Es programmazione lineare azienda
Linee di assemblaggio manuali
Linea deputata a comporre un prodotto finito attraverso l’unione di diversi prodotti finiti.

• B.O.M.= Bill of material: lista dei componenti che costituisce un componente assemblato
distinta base stato di input

• Elenco dei Task di montaggio: operazioni manuali/automatiche da eseguire al fine del

completamento del prodotto finito.

• Richieste di mercato: Q(pz/anno)

Tipi di linee:
• Mono-prodotto (single model)
• Multi-prodotto (multi model): produzione a lotti
• Mixed-model (lotti anche unitari)

• Singolo operatore per stazione

• Multi manned Lines

Oss: all’aumentare della produttività richiesta dal mercato, q, aumenta la lunghezza della linea.

Parametri noti:
• Tc= tempo di ciclo
• J= indice del task 1……N
• K= indice della stazione 1……m
• Tj= durata del task j-esimo
• Tk = durata di tutti i task assegnati alla stazione k-esima

• Diagramma delle precedenze: di solito “nodi-archi”

• Coefficiente di saturazione

• Line efficiency

• Balance of delay

• Smoothness index