Una planta casi nunca paga la búsqueda de información en una partida visible. La paga en fragmentos de cinco minutos: un planificador esperando respuesta de un técnico, una ingeniera reabriendo órdenes antiguas, calidad comprobando si un lote coincide con una ventana de producción, un supervisor repasando notas de turno mientras la línea ya va tarde.
Por eso el coste se camufla tan bien. El trabajo parece responsable. Nadie está parado. La gente comprueba el registro antes de actuar. McKinsey Global Institute estimó que los trabajadores de interacción dedican casi el 20 por ciento de la semana laboral a buscar información interna o localizar compañeros que puedan ayudar (McKinsey Global Institute). APQC da una forma más reciente al mismo drenaje: el trabajador del conocimiento medio dedica 8,2 horas semanales a buscar, recrear y duplicar información y experiencia (APQC).
No son mediciones de una planta concreta. Son una etiqueta de advertencia. Si una fábrica no mide localmente el tiempo de búsqueda, el coste suele quedarse enterrado en el triaje de mantenimiento, las reuniones diarias, la revisión de desviaciones y la resolución repetida de problemas.
El coste se esconde entre sistemas de planta
El desperdicio por búsqueda aparece entre sistemas que nunca se diseñaron para responder juntos a la misma pregunta. El historian guarda valores de proceso. El CMMS conserva registros de mantenimiento. El MES o el sistema de producción registra output, paradas, órdenes y a veces códigos de motivo. Calidad mantiene inspecciones, desviaciones, retenciones y estados de liberación. Los repositorios documentales almacenan manuales, procedimientos, planos y revisiones aprobadas. Cada sistema puede hacer bien su trabajo. La fricción empieza cuando una pregunta de planta cruza todos ellos.
Por eso “tenemos los datos” es una respuesta floja. Un supervisor que pregunta por qué ayer no se cumplió el objetivo no necesita un eslogan sobre lagos de datos. Necesita la ventana de producción correcta, eventos de parada, comentarios de operarios, contexto de alarmas, histórico de mantenimiento, excepciones de calidad y la revisión vigente del procedimiento. ISA-95 existe porque los sistemas empresariales y de control necesitan integración estructurada entre capas de negocio y fabricación, no porque un único sistema pueda contener toda la verdad operativa (ISA). NIST plantea algo parecido en su trabajo sobre medición de rendimiento orientada a operaciones: los problemas de rendimiento requieren caracterización del sistema y análisis de datos que definan el marco de referencia para mejorar (NIST).
La parte cara es el traspaso. Una revisión de pérdida de producción puede empezar en un panel OEE, pasar a tendencias del historian, saltar a órdenes de trabajo y terminar en un mensaje de chat porque el registro dice “sensor ajustado”, pero no indica qué tolerancia se comprobó. Un ingeniero de mantenimiento puede buscar por número de activo en un sistema, apodo de línea en otro y tag ID en un tercero. Calidad puede necesitar el mismo evento vinculado a lote, partida, inspección, decisión de liberación y tiempo operativo.
Nada de eso se siente como un fallo. Se siente como diligencia. El problema práctico es la capacidad. El casi 20 por ciento de McKinsey sirve como prueba de tensión para trabajos con mucha interacción (McKinsey Global Institute). El benchmark de 8,2 horas de APQC resulta útil porque incluye buscar, recrear, duplicar y pedir experiencia, algo muy cercano a cómo se desarrollan las revisiones reales en planta (APQC).
Los benchmarks ayudan, pero la planta necesita su número
Los benchmarks externos deben abrir la conversación, no cerrarla. Las cifras de McKinsey y APQC son lo bastante fuertes para justificar la medición, pero no prueban que una planta concreta pierda exactamente un día por persona cada semana. Un planificador de mantenimiento en una planta regulada, una supervisora de envasado y un ingeniero de calidad cerrando desviaciones no buscan de la misma manera.
Usa los benchmarks como límites de referencia. McKinsey habla de casi un 20 por ciento de la semana en búsqueda interna o localización de compañeros (McKinsey Global Institute). APQC informa de 8,2 horas semanales dedicadas a buscar, recrear y duplicar conocimiento y experiencia (APQC). Si tu medición local muestra solo 45 minutos por persona y semana en roles que usan CMMS, historian, registros de calidad y notas de turno a diario, probablemente estás midiendo demasiado poco. Si muestra 12 horas, puede que estés contando análisis como búsqueda.
La primera medición debería ser sencilla:
Coste semanal de búsqueda =
personas afectadas
x horas por persona y semana dedicadas a encontrar, preguntar, recrear o repetir información
x coste horario totalDespués prueba tres escenarios. Un caso prudente puede usar 2 horas por persona y semana. Una estimación de trabajo puede usar 4 horas. Un caso de benchmark puede usar las 8,2 horas de APQC, con una nota clara: es una referencia externa para trabajadores del conocimiento, no el resultado de una auditoría de planta (APQC).
Un ejemplo moderado: 12 personas afectadas, 4 horas semanales por persona y 65 dólares de coste horario total. El cálculo da 3.120 dólares por semana, o 156.000 dólares en 50 semanas laborables. La cifra se queda corta. Solo cuenta mano de obra. No cuenta liberaciones retrasadas, paradas repetidas, cierre lento de desviaciones, relevos débiles ni el riesgo de elegir una causa porque era el registro más fácil de encontrar. El trabajo de NIST sobre garantía de rendimiento entiende el rendimiento de fabricación como una cadena que incluye operación, evaluación, análisis, toma de decisiones y control (NIST). La búsqueda está antes de esas decisiones. Si es lenta o incompleta, toda la revisión empieza torcida.
Mide flujos, no frustración vaga
El primer error es preguntar a la gente cuánto tiempo pierde buscando. Nadie lo sabe. La pregunta invita a estimaciones y la palabra “perder” hace que un trabajo cuidadoso suene perezoso. Pregunta por flujos recurrentes.
Elige una pregunta que cruce al menos tres fuentes. Buenos candidatos: por qué esta línea no cumplió objetivo ayer, qué evidencia existe sobre este fallo repetido, qué cambió antes de esta desviación de calidad, qué registros importan antes de aprobar esta mejora o qué contexto debe entrar en el próximo relevo. Cada pregunta obliga al equipo a moverse por capas operativas, justo el problema de integración que ISA-95 ayuda a ordenar (ISA).
Durante dos semanas, registra solo los datos necesarios para ver el arrastre:
Pregunta que se está respondiendo
Rol que realiza la búsqueda
Sistemas o personas consultadas
Minutos hasta encontrar evidencia útil
Registros recreados o duplicados
Nombres, ventanas temporales o versiones en conflicto
Decisión retrasada: sí/noNo conviertas la medición en una burocracia nueva. Una hoja de cálculo basta. El objetivo es separar búsqueda y análisis. La búsqueda termina cuando el equipo tiene evidencia citada suficiente para revisar. El análisis empieza cuando personas cualificadas deciden qué significa esa evidencia. Esa frontera importa porque un asistente debería reducir la primera parte sin fingir que posee la segunda.
El desglose de APQC ayuda porque nombra los comportamientos: buscar información, encontrar a la persona correcta, recrear trabajo existente y proporcionar información duplicada (APQC). MESA encaja aquí porque su trabajo sobre analítica de fabricación se centra en conectar medidas operativas y financieras, la misma traducción que necesita dirección cuando el tiempo de búsqueda se convierte en capacidad y coste (MESA International).
Tras las dos semanas, agrupa los minutos: encontrar registros, encontrar a la persona adecuada, mapear nombres de activos, lotes, tags o ventanas temporales, recrear un resumen que ya existía y esperar porque la evidencia falta o no está clara. El punto incómodo: mejorar la búsqueda no siempre es la primera corrección. A veces la respuesta real es capturar mejor la evidencia en el momento en que se hace el trabajo.
El peor coste es una decisión débil
El tiempo de búsqueda duele, pero el riesgo mayor es la falsa velocidad. Un equipo deja de buscar porque la investigación cansa, no porque la evidencia esté completa. La alarma visible se convierte en explicación. La orden de trabajo reciente pasa a ser causa sospechosa. Una historia familiar rellena los huecos.
Aquí la búsqueda industrial se separa del trabajo de oficina. En una planta, el contexto que falta puede afectar a paradas, calidad, seguridad, cumplimiento, prioridad de mantenimiento y decisiones de inversión. El trabajo de NIST sobre medición de rendimiento orientada a operaciones insiste en métodos y normas para identificar y analizar problemas de rendimiento mediante caracterización de sistemas y análisis de datos (NIST). El listón es alto. Un resumen pulido que esconde registros ausentes no lo alcanza.
Según Lauren Trees, ex Principal Research Lead for Knowledge Management en APQC, la gestión del conocimiento mejora la productividad cuando documenta conocimiento crítico y facilita encontrarlo y acceder a él, de modo que los especialistas dedican más tiempo a aplicar su experiencia y menos a buscar en lugares desconectados (perfil de APQC; investigación de APQC).
En una revisión de planta, eso significa que el paquete de evidencia debe mostrar la incertidumbre. Si una nota de orden de trabajo es pobre, hay que decirlo. Si el nombre del activo no coincide con el tag del historian, muestra ambos. Si la ventana de lote y la ventana de parada solo se solapan parcialmente, marca la discrepancia. Si una revisión de procedimiento cambió después del evento, separa la revisión usada en ese momento de la última aprobada.
El coste de una evidencia floja aparece más tarde: el fallo repetido vuelve, una desviación de calidad tarda más, la prioridad de mantenimiento cambia cuando un técnico senior recuerda un detalle que no estaba en el CMMS, o un paquete de mejora se cuestiona por trazabilidad incompleta. La publicación de NIST sobre garantía de rendimiento une operación, evaluación, análisis, toma de decisiones y control en una cadena (NIST). La calidad de la búsqueda afecta a esa cadena antes de que nadie tome la decisión.
Qué contiene un paquete de evidencia revisable
Un paquete revisable no es un informe largo. Es una tabla compacta de registros que personas cualificadas pueden inspeccionar, cuestionar y usar. Debe responder cuatro preguntas: qué ocurrió, de dónde sale la evidencia, qué no demuestra esa evidencia y quién debe verificar el siguiente paso.
Para una parada repetida de envasado, el paquete podría verse así:
Pregunta:
¿Esta parada de línea había ocurrido antes en condiciones operativas parecidas?
Ventana operativa:
Línea 3, producto WM-42, 13:10-14:05, ritmo estándar antes de la parada.
Evidencia encontrada:
Registro de parada MES, tendencia de historian, secuencia de alarmas,
tres órdenes relacionadas, nota de turno, instrucción vigente de ajuste
y comentarios de inspección de calidad.
Lagunas:
Dos órdenes dicen "sensor ajustado" sin tolerancia ni lectura antes/después.
El nombre del tag de historian no coincide con la etiqueta del activo en CMMS.
No hay retención de calidad, pero inspección menciona desviación tras el reinicio.El formato encaja con la forma en que las preguntas de rendimiento de fabricación cruzan fuentes. ISA-95 ofrece un lenguaje para pensar entre capas empresariales y de control (ISA). El trabajo de MESA sobre analítica refuerza la necesidad de conectar medidas operativas con decisiones de gestión, no dejarlas como métricas aisladas (MESA International).
El paquete también protege la reunión de un fallo silencioso: cada persona llega con una versión distinta del mismo evento. Una trae la última orden de trabajo. Otra trae una tendencia exportada. Calidad tiene una decisión de retención, pero no el contexto operativo. El paquete no tiene que resolver la causa. Tiene que alinear la evidencia antes de gastar tiempo experto debatiendo significado.
Ese alineamiento debe incluir criterio de aceptación. Si el paquete se usa para mantenimiento, necesita identificar qué registros cambian la hipótesis y cuáles solo describen síntomas. Si se usa para calidad, debe distinguir entre evidencia de proceso, evidencia de inspección y evidencia de liberación. Si se usa para ingeniería, debe conservar la relación entre condición operativa, restricción de control y ventana temporal. La disciplina de ISA-95 ayuda a no mezclar capas de información; la perspectiva de analítica de MESA recuerda que las métricas solo importan cuando sostienen una decisión concreta (ISA; MESA International).
También debe conservar procedencia. Enlaces a fuentes, marcas temporales, nombres de sistemas, revisiones documentales y límites de confianza no son decoración. Un revisor humano nunca debería preguntar “¿de dónde salió esa frase?”. NIST mantiene decisión y control dentro de la cadena de garantía de rendimiento; el asistente apoya esa cadena haciendo la evidencia más revisable, no sustituyendo el juicio de planta (NIST).
Dónde WizeeMind debería reducir búsqueda evitable
WizeeMind no debería prometer eliminar la búsqueda en planta. Parte de esa búsqueda es sana. Ingeniería debe inspeccionar registros. Operaciones debe cuestionar supuestos. Calidad debe verificar evidencias de liberación. Mantenimiento debe comprobar si la causa aparente encaja con el activo físico.
El objetivo mejor es la búsqueda evitable: volver a perseguir registros que ya existen, pedir contexto al mismo experto porque el registro no se encuentra, rehacer resúmenes para cada audiencia y perder tiempo mapeando nombres que deberían estar conectados.
El caso de negocio también debe ser honesto. Una estimación laboral de 156.000 dólares es útil, pero no es un ahorro garantizado. La ganancia medible es ensamblar evidencia más rápido, duplicar menos resúmenes, atascar menos revisiones y depender menos de la memoria. Por eso el baseline debe seguir un flujo, no una promesa amplia de productividad. Los benchmarks de McKinsey y APQC justifican medir; los registros locales deciden por dónde empezar (McKinsey Global Institute; APQC).
Empieza con un flujo recurrente y fija una línea base:
Antes:
Supervisor, mantenimiento, ingeniería y calidad dedican 90 minutos
a montar contexto para una parada repetida de línea.
Objetivo:
El equipo recibe en 15-25 minutos un paquete citado con registros,
enlaces, lagunas y pasos de verificación humana.El objetivo es deliberadamente moderado. No promete una decisión autónoma. Promete evidencia reunida antes. APQC sostiene esa dirección: los programas de conocimiento reducen tiempo perdido en buscar, recrear y duplicar información cuando el conocimiento crítico está documentado y es accesible (APQC). El benchmark de McKinsey da a dirección una razón para tratar el problema como capacidad, no como molestia (McKinsey Global Institute).
La primera medición de WizeeMind debería seguir minutos medios para montar un paquete, número de sistemas o personas consultadas, resúmenes duplicados evitados, lagunas detectadas antes de la reunión y revisiones retrasadas por evidencia ausente, dispersa o contradictoria. No todo minuto ahorrado se convierte en producción. Parte se convierte en mejor análisis, relevos más rápidos y menos preguntas repetidas a las mismas personas senior. Sigue siendo capacidad real.
El coste oculto que merece medirse no es que “la gente busque demasiado”. Es que los especialistas de planta dedican demasiada semana a llegar a la evidencia necesaria para empezar su trabajo real. Reduce esa búsqueda evitable y el equipo podrá dedicar más tiempo a los problemas que solo las personas de la planta pueden resolver.
Fuentes
- McKinsey Global Institute: The social economy: Unlocking value and productivity through social technologies
- APQC: KM Makes Knowledge Workers More Productive and Less Stressed Out
- APQC: Lauren Trees
- NIST: Operations-driven Performance Measurement for Smart Manufacturing Systems
- ISA: ISA-95 Standard: Enterprise-Control System Integration
- MESA International: Manufacturing Analytics
- NIST: Methods and Tools for Performance Assurance of Smart Manufacturing Systems