Cómo explicar la caída de un KPI en un turno

Una caída de KPI en un turno describe cuándo se observó una variación. No explica por qué ocurrió. Antes de mirar alarmas, personas o averías, hay que confirmar que el indicador usa la misma fórmula, periodo, unidad, cobertura y versión que la referencia. Si cambia el producto, el tiempo planificado o la forma de tratar el retrabajo, dos valores con el mismo nombre pueden no ser comparables.

El análisis más seguro sigue cuatro movimientos: validar el dato, descomponer el indicador, añadir contexto y probar hipótesis. El orden importa. Empezar por una causa visible empuja al equipo a seleccionar solo los registros que la apoyan. Empezar por el contrato del KPI permite detectar si la caída es matemática, operativa o simplemente un artefacto de definición.

ISO 22400-2 caracteriza los KPI mediante fórmula, elementos, comportamiento temporal, unidad, grupo de usuarios y metodología de producción. La ficha oficial de ISO 22400-2 indica que esta edición está en revisión. No aporta una fórmula universal para el indicador concreto de una planta; sí justifica comprobar esos elementos antes de comparar.

Validar la comparación antes de explicar la diferencia

Seleccione el KPI, la versión de su definición y dos ventanas que deban ser comparables. Registre el valor, numerador, denominador y elementos de entrada. Después compruebe si los dos turnos compartieron producto, orden, velocidad ideal, tiempo planificado, recurso, reglas de exclusión y cobertura del dato.

La revisión mínima incluye:

• Fórmula y fecha de vigencia.
• Zona horaria, inicio, fin y turnos solapados.
• Tiempo incluido y excluido.
• Cantidades buenas, totales, scrap y retrabajo.
• Producto, formato, orden y ruta.
• Equipo o línea y velocidad de referencia.
• Eventos ausentes, tardíos o corregidos.
• Cambios de maestro o configuración.

Si uno de estos elementos cambia, no significa que la comparación sea inútil. Significa que debe segmentarse o explicarse. Un turno que fabrica un producto lento no debería clasificarse como peor mediante unidades por hora sin ajustar el mix. Una línea que ejecuta un cambio de formato planificado no debería compararse con otra ventana de producción estable sin mostrar ese tiempo.

El artículo de NIST sobre estructura jerárquica de KPI trabaja con mediciones directas de tiempo y cantidad, KPI básicos e indicadores integrales, y advierte que la clasificación no es única. A Hierarchical Structure of KPIs documenta ese modelo. Aplicado a un turno, obliga a revisar las entradas antes de interpretar el resultado agregado.

La salida de esta fase puede ser “comparación válida”, “válida con ajuste”, “solo descriptiva” o “no válida”. Detener un análisis porque las ventanas no son comparables evita una conclusión falsa. También indica qué contrato debe corregirse para el siguiente informe.

Descomponer el KPI en contribuyentes observables

Un indicador integral oculta compensaciones. Si una planta usa OEE, por ejemplo, debe revisar cómo define disponibilidad, rendimiento y calidad y qué datos alimentan cada componente. Esta página no sustituye la fórmula local ni afirma que OEE sea el KPI prioritario para cualquier proceso.

La descomposición debe llegar a elementos que puedan conectarse con registros:

NIST señala que los KPI pueden estar relacionados y que existen relaciones estadísticas e intrínsecas. El artículo sobre jerarquía de KPI también advierte que una relación ayuda a investigar; no demuestra causalidad. Si el rendimiento y las microparadas cambian juntos, todavía hay que comprobar secuencia, cobertura y mecanismo.

Una tabla de contribución evita que el análisis termine en “bajó el OEE”. Puede mostrar cuánto cambió cada componente respecto a una base comparable y qué parte del delta sigue sin explicar. Cuando las fórmulas no permiten una atribución aditiva directa, el informe debe decirlo y presentar los componentes sin inventar porcentajes de causalidad.

La descomposición también descubre errores. Si el KPI cae pero sus elementos no cambian de forma compatible, puede existir una diferencia de versión, una transformación no documentada o un problema de datos. En ese caso, hay que volver al contrato o revisar si los sistemas de producción y ERP no están conciliados.

Construir una línea temporal del turno

Después de validar y descomponer, coloque los hechos en el tiempo. La línea debe empezar antes de la variación cuando sea necesario para capturar preparación, relevo, cambio de formato o una condición heredada. Debe terminar después si la recuperación o la confirmación de calidad llega fuera del turno.

NIST identifica tiempo y ubicación como metadatos esenciales para contextualizar series de proceso. NIST AMS 100-65 explica ese marco. La ubicación puede significar planta, línea, equipo o punto de medida según el sistema. Para el análisis por turno, cada evento necesita fuente, timestamp, objeto y relación con la ventana.

La secuencia importa más que una lista de incidencias. Conviene ordenar el relevo, el primer ciclo, los cambios de referencia, las microparadas, los ajustes de velocidad, el abastecimiento y el último producto conforme. Después se marca qué señal apareció antes de la desviación y cuál fue posterior. Una alarma registrada después de la pérdida puede describir una consecuencia, no el desencadenante.

Cuando dos sistemas usan relojes distintos, la línea temporal necesita una regla de sincronización. El análisis debe conservar el timestamp original, la zona horaria, la latencia conocida y la hora normalizada. Corregir las horas en una hoja sin guardar el valor recibido impide revisar la secuencia y puede invertir el orden aparente de los eventos.

Una taxonomía breve evita mezclar fenómenos distintos bajo el código “parada”. No pretende ser universal; cada planta debe adaptarla a sus equipos y reglas. Su utilidad consiste en obligar a buscar una comprobación concreta para cada señal:

La tabla no asigna causas automáticamente. Sirve para preparar preguntas y descartar explicaciones incompatibles con la secuencia observada. Dos señales simultáneas pueden compartir un origen, influirse entre sí o coincidir por azar. El cierre requiere un mecanismo verificable y una prueba posterior dentro del alcance investigado.

La línea puede incluir:

1. Orden activa, producto y objetivo.
2. Inicio y final de setup.
3. Cambios de modo y velocidad.
4. Alarmas y paradas con duración.
5. Materiales, bloqueos o esperas.
6. Resultados de calidad y retrabajo.
7. Intervenciones de mantenimiento.
8. Comentarios del parte y relevo.
9. Recuperación y criterio de normalidad.

No todos los registros tienen la misma autoridad. Una alarma demuestra que una condición fue detectada por el sistema. Un comentario demuestra lo que una persona observó o comunicó. Una orden de mantenimiento demuestra que se solicitó o ejecutó trabajo. Un resultado de calidad demuestra el estado de una muestra o lote dentro de su alcance. La explicación debe conservar esas fronteras.

La secuencia permite descartar narrativas incompatibles. Si la caída comenzó antes de una intervención, la intervención no puede explicar el inicio, aunque influya en la recuperación. Si el dato de calidad llegó después del cierre, puede explicar una revisión posterior del KPI, no necesariamente la decisión tomada durante el turno.

Normalizar producto, orden y condiciones de operación

Comparar turnos “como si todo lo demás fuera igual” suele ser la mayor fuente de error. El mix cambia velocidades, tamaños de lote, frecuencia de limpieza, inspecciones y cambios. Las campañas cortas pueden aumentar setup por unidad. Un material con variabilidad puede reducir velocidad sin producir una alarma clara. Una orden de validación puede tener reglas distintas.

La normalización no exige un modelo complejo. Puede empezar separando por producto, familia, línea y tipo de orden. Después se compara con ventanas que compartan condiciones relevantes. Si hay pocas observaciones, presente el resultado como exploratorio y conserve la incertidumbre.

También hay que revisar la base. Un “turno promedio” puede mezclar meses, productos y versiones del proceso. Una línea base útil declara periodo, población, exclusiones y cambios conocidos. Si hubo una modificación de equipo o fórmula, la tendencia debe marcar la ruptura.

La página de NIST sobre analítica para fabricación inteligente incluye entre sus retos la credibilidad de modelos y resultados, la incertidumbre y la integración con decisiones. Data Analytics for Smart Manufacturing Systems delimita ese trabajo. No obliga a calcular intervalos estadísticos para todo informe descriptivo. Sí impide presentar una comparación pequeña como certeza universal.

La dotación puede formar parte del contexto, pero no debe convertirse en explicación automática. Ausencias, experiencia, formación o distribución de tareas pueden ser relevantes si existe evidencia y un propósito legítimo. Aun así, producto, máquina, material, planificación y calidad deben revisarse. No publique nombres ni rankings individuales mediante un KPI diseñado para una línea o un turno.

Separar hechos, correlaciones, hipótesis y causas

Una explicación defendible indica el nivel de verificación. Puede utilizar cuatro etiquetas:

• Hecho: registro observado dentro de su alcance.
• Correlación: dos cambios aparecen relacionados en el periodo.
• Hipótesis: mecanismo posible que se puede comprobar.
• Causa confirmada: mecanismo respaldado por evidencia y criterio de verificación definido.

Ejemplo: “El rendimiento cayó durante 42 minutos y coincidió con microparadas repetidas” puede ser hecho más correlación si los registros son válidos. “Las microparadas se debieron a un sensor desalineado” es hipótesis hasta revisar intervención, condición física y prueba posterior. “La alineación corrigió el patrón y la condición no reapareció en una ventana comparable” añade verificación, aunque todavía debe respetar las limitaciones del caso.

El hub de MESA sobre analítica de fabricación recoge recursos sobre métricas para diagnóstico y conexión entre operaciones y finanzas. Manufacturing Analytics ofrece contexto de práctica industrial, no una prueba causal ni una fuente de benchmarks. Puede orientar el tipo de pregunta, pero no permite atribuir resultados garantizados.

Cada hipótesis debería tener evidencia a favor, evidencia en contra, dato ausente, responsable y siguiente comprobación. Este formato reduce la presión por escoger una causa en la primera reunión. También permite cerrar una hipótesis descartada y evita que vuelva en cada turno.

Cuando la investigación toca seguridad, liberación de producto o una condición regulada, hay que seguir los procedimientos y responsables competentes. Un KPI puede ayudar a localizar una ventana; no autoriza una decisión crítica ni sustituye una investigación formal.

Preparar una explicación que dirección pueda revisar

La explicación final puede resumirse en cinco bloques: observación, impacto, contribuyentes, límites y acción. Debe mantener enlaces o identificadores hacia el detalle. Un formato posible es:

El rendimiento del turno de tarde fue inferior a la base comparable. La descomposición sitúa la mayor variación en velocidad durante la orden X y en tiempo de cambio de formato. Los eventos muestran microparadas en la misma ventana, pero la relación causal no está confirmada. Falta revisar la condición del sensor y repetir la comparación con la misma familia de producto. Operaciones y mantenimiento revisarán el caso antes del siguiente cierre.

Este ejemplo es hipotético y no contiene porcentajes deliberadamente. Una página general no debe inventar benchmarks ni presentar un delta como universal. En un caso real, el resumen incluiría valores, método y fuente.

Si el objetivo es construir un entregable ejecutivo completo, continúe con cómo preparar un informe de producción para dirección. Esa página sintetiza evidencia ya revisada; no sustituye el análisis por turno. Para entender cómo encaja este diagnóstico en el sistema general, consulte reporting operativo industrial y KPIs.

Trabajar con un ejemplo comparable antes de automatizar

Imagine dos turnos que fabrican la misma familia en la misma línea. El turno A muestra menor producción total, pero tuvo menos tiempo planificado. El turno B produjo más unidades y acumuló más rechazo. Decidir cuál “rindió mejor” exige normalizar el periodo y revisar qué pregunta responde el KPI.

Empiece por una tabla que conserve las entradas, sin calcular todavía una conclusión:

Después calcule el KPI con la definición aprobada y descomponga el delta. Suponga que la mayor diferencia aparece en rendimiento. La siguiente revisión no debería saltar a “operadores más lentos”. Debe comprobar velocidad ideal, producto, microparadas, alimentación, restricciones y periodos de arranque. Si el cambio solo aparece durante una orden, el objeto de investigación es esa ventana, no todo el turno.

Un ejemplo puede terminar sin causa confirmada: “La caída se concentra en 35 minutos de velocidad reducida durante la orden X. Los registros muestran microparadas, pero faltan datos suficientes para distinguir un problema de sensor de una restricción de material. Se revisarán ambos antes del siguiente informe”. Esta salida es útil porque reduce el problema y asigna una comprobación sin fabricar certeza.

No reutilice cifras de este ejemplo en una planta real. Cada valor, fórmula y umbral debe proceder del caso y de la definición vigente. El ejemplo enseña una secuencia de razonamiento, no un benchmark.

Evitar sesgos durante la investigación del turno

Conviene revisar también qué datos no llegaron al análisis. Una parada sin código, una orden corregida después del cierre o un parte que solo existe en papel pueden cambiar la lectura. El informe debe nombrar esas ausencias y explicar si afectan a la comparación, en vez de convertir un registro incompleto en una conclusión sobre el turno.

La revisión debe comparar condiciones y mecanismos, no personas. Si un patrón aparece en un relevo concreto, hay que comprobar primero mezcla de producto, secuencia de órdenes, personal disponible por función, estado del equipo y decisiones heredadas del turno anterior. El nombre del turno sirve para delimitar una ventana; no es una explicación causal.

El análisis por turnos tiene una carga humana que otros cortes no siempre tienen. El nombre del turno puede convertirse en una explicación antes de revisar los registros. Para reducir ese sesgo, el equipo puede analizar primero ventanas anonimizadas o codificadas, siempre que conserve la capacidad de recuperar contexto después.

También conviene registrar hipótesis antes de buscar evidencia. Si una reunión empieza con “seguro que fue mantenimiento”, la búsqueda puede centrarse en órdenes de trabajo e ignorar calidad, producto o planificación. Una tabla con varias hipótesis, evidencias esperadas y señales que las descartarían obliga a mantener alternativas.

Algunos sesgos frecuentes son:

• Confirmación: seleccionar eventos compatibles con la primera explicación.
• Recencia: atribuir la caída al último problema conocido aunque la secuencia no encaje.
• Disponibilidad: escoger una causa porque sus datos son fáciles de consultar.
• Agregación: ocultar productos o ventanas distintas bajo un promedio.
• Supervivencia: estudiar solo turnos con datos completos y asumir que representan al resto.
• Atribución: explicar una señal del sistema mediante conducta individual sin controlar condiciones.

La revisión debe buscar evidencia que contradiga la hipótesis. Si se propone que una avería redujo velocidad, compruebe si el patrón existe en turnos sin la avería. Si se propone falta de material, revise disponibilidad, secuencia y tiempo. Si la hipótesis no puede fallar ante ninguna observación, no está formulada de manera verificable.

Documente las limitaciones del análisis. Puede faltar resolución temporal, cobertura de microparadas o una versión de maestro. Eso no invalida todo el trabajo, pero define cuánto peso merece la conclusión. Dirección puede recopilar más datos, aplicar una medida temporal o aceptar incertidumbre; una causa escrita no hace desaparecer lo que aún no se sabe.

La revisión termina cuando cada afirmación importante puede conectarse con un registro o está marcada como hipótesis. Conserve el criterio que permitiría cerrar la explicación: una inspección, una prueba posterior, la repetición en una ventana comparable o la ausencia del patrón después de una intervención. “El equipo lo comentó” puede orientar la investigación, pero no sustituye ese criterio.

Si varias hipótesis permanecen abiertas, no las reduzca a una puntuación compuesta. Presente qué parte del delta explica cada hecho, qué relaciones siguen sin confirmar y qué comprobación tiene mayor capacidad para distinguir alternativas. Esta transparencia permite priorizar el siguiente trabajo sin confundir prioridad con certeza.

Al repetir el análisis en otro turno, use el mismo contrato y conserve las diferencias de contexto. La repetición puede confirmar un patrón, mostrar que dependía de una orden o revelar que la primera explicación era incompleta. El método debe facilitar esa corrección, no defender la conclusión inicial.

Registre la fecha, el revisor y la versión del análisis para que otra persona pueda reconstruirlo sin depender de memoria o conversaciones posteriores.

El siguiente paso es seleccionar una caída concreta y conservar sus entradas antes de abrir una explicación. Documente fórmula, ventanas, producto, orden y elementos del KPI. Si la comparación no supera esa comprobación, corrija el contrato. Si la supera, descomponga, trace el turno y convierta cada causa propuesta en una prueba que pueda confirmarse o descartarse.

Preguntas frecuentes

¿Por qué puede caer el OEE aunque la producción total sea parecida?

El OEE combina disponibilidad, rendimiento y calidad. El estudio de NIST sobre jerarquías de KPI (2015) permite situar esos componentes, pero la definición local debe revisarse. Un turno puede producir un volumen similar con más tiempo planificado, otra velocidad ideal, diferente mix o más rechazo.

Fuente: NIST, A Hierarchical Structure for Production Performance Indicators, 2015.

¿Cómo se comparan turnos con productos diferentes?

No conviene comparar solo unidades. Segmente por producto u orden, use tiempos ideales y ventanas equivalentes, y explique el mix. Si no existe una base comparable, presente los turnos por separado en lugar de forzar un ranking.

¿Una caída en un turno demuestra un problema de personal?

No. El turno identifica cuándo ocurrió la variación. Producto, orden, equipo, material, calidad, mantenimiento, setup, cobertura del dato y otros factores deben revisarse antes de atribuir una causa humana.

¿Qué fuentes deben revisarse además del dashboard?

La fórmula y su versión, órdenes, MES, historian, alarmas, paradas, partes de turno, mantenimiento, calidad, material y cambios de maestro. Cada fuente respalda hechos diferentes y debe conservar su timestamp.

¿Cómo se comunica una causa todavía no confirmada?

Descríbala como hipótesis, indique la evidencia que la apoya y la contradice, explique qué dato falta y asigne la siguiente comprobación. No use una etiqueta de causa raíz hasta completar el criterio definido.