Observar capacidad cerca de un cambio de campaña

La curva baja a las 14:12. El cambio de campaña termina, según el parte, a las 14:05. Siete minutos de proximidad invitan a escribir una causa en el informe. Puede ser correcta, pero todavía no es evidencia causal. Tal vez la transición acabó más tarde, hubo una espera de calidad, faltó material o el contador cambió de estado.

Observar capacidad cerca de un cambio de campaña exige tratar la proximidad como una coincidencia temporal. Fije ventanas comparables, separe transición, espera, marcha y otros eventos, preserve identidad y unidades, y enfrente varias explicaciones. El cierre es una hipótesis que dice qué observación futura la apoyaría o la refutaría; no una atribución de pérdida al cambio.

NIST desarrolla métodos para caracterizar sistemas, seleccionar métricas y analizar datos operativos al evaluar mejoras y compensaciones. El programa de NIST aporta ese marco, pero no valida la asociación local.

La preparación de una decisión sobre cuello de botella sirve si la pregunta posterior trata una restricción. La guía de reporting operativo ayuda a documentar definiciones. Esta página tiene una frontera más estrecha: observar un patrón alrededor de un cambio sin diagnosticar paradas.

Escribir primero qué se observó

Empiece con una frase que no contenga una causa: «la salida buena por intervalo descendió después de la marca de fin del cambio C-28». Incluya línea, producto anterior, producto posterior, orden, fecha, zona horaria, unidad y fuente de cada marca.

Evite «el cambio redujo la capacidad», «se perdieron dos horas por campaña» o «el formato provoca inestabilidad». Esas frases mezclan tres objetos: un evento, una medida observada y una explicación. La ficha debe conservarlos por separado hasta que un diseño local permita relacionarlos.

Capacidad tampoco equivale a salida observada. Una menor cantidad producida puede coincidir con menos demanda, material retenido, una velocidad distinta, rechazo, intervalo incompleto o un registro tardío. Llame a la medida por su nombre: unidades buenas, ciclos, tiempo de marcha, velocidad observada o cantidad confirmada.

Defina la población. Un cambio de A a B no es necesariamente comparable con B a A, con otro formato o con otra línea. Producto, receta, utillaje, equipo, turno y condición de arranque pueden modificar el patrón sin que ninguno sea una causa demostrada.

Dibujar una línea temporal sin rellenar huecos

La unidad básica es un intervalo con inicio, fin, tipo, fuente y calidad del dato. Mantenga los eventos originales aunque se solapen. Una categoría analítica puede agruparlos después, pero no debe borrar la marca fuente.

Separe como mínimo:

• marcha estable del producto anterior;
• preparación o transición declarada;
• espera posterior, si existe;
• marcha o estabilización del producto siguiente;
• alarmas, retenciones, material y otros eventos;
• tramos sin cobertura suficiente.

No convierta todo el espacio entre última unidad A y primera unidad B en «cambio». Puede incluir vaciado, limpieza, ajuste, inspección, espera, relevo o una marca que llegó tarde. El nombre de cada tramo depende del catálogo local y de la evidencia disponible.

Si dos fuentes dan horas distintas, conserve ambas. La hora de registro, la hora efectiva y la hora de carga no son sinónimos. Anote la zona horaria y la resolución del dato. Un historiador a un segundo y un parte redondeado a quince minutos no pueden alinearse fingiendo precisión.

Los huecos permanecen como huecos. No interpole el estado del equipo ni copie el anterior. Identifique comienzo y fin de la ausencia, señales afectadas y propietario. La hipótesis puede quedar pendiente si el tramo coincide con el patrón que pretende explicar.

La tabla de observación

Esta estructura es síntesis editorial. No constituye una taxonomía universal ni asigna minutos automáticamente. Su valor está en que permite revisar la secuencia sin convertir un rótulo en causa.

Elegir la ventana antes de buscar el efecto

Una comparación necesita un tramo anterior y otro posterior. Elija su longitud según el proceso: suficiente para observar marcha comparable, pero no tan amplia que mezcle otro producto, turno o cambio. Escriba el criterio antes de calcular resultados.

Puede usar tiempo de reloj, número de ciclos o unidades. Declare la base y manténgala. Comparar veinte minutos antes con dos horas después da más peso a los eventos posteriores. Comparar ciclos puede excluir esperas de forma accidental. Ninguna opción es neutral.

La ventana de transición se conserva aparte. Si la pregunta trata la estabilización posterior, no mezcle dentro de su promedio el tiempo oficialmente clasificado como cambio. Si la frontera es incierta, muestre un intervalo de sensibilidad o deje el tramo sin clasificar.

No pruebe diez ventanas y publique solo la que produce una diferencia grande. Si explora varias, registre el conjunto, sus reglas y resultados. La elección retrospectiva puede crear un patrón conveniente sin añadir evidencia.

Revise también el día de control. Un periodo lejano puede tener otra demanda, mezcla, equipo o criterio de calidad. Es preferible comparar transiciones equivalentes y cercanas, con diferencias visibles, que construir un promedio histórico opaco.

Separar transición, espera y otros eventos

La transición es el intervalo definido por el proceso de cambio y sus eventos autorizados. Puede incluir tareas distintas, pero su alcance debe venir del catálogo local. Esta página no decide si una limpieza o ajuste forma parte del cambio.

La espera describe tiempo sin avance por una condición identificada o pendiente: liberación, material, instrucción, recurso auxiliar. No la absorba en la transición solo porque ocurre después. La espera puede ser una explicación rival de la salida posterior.

La estabilización es una categoría analítica si la planta la define: desde la primera ejecución hasta cumplir una condición de salida, calidad o velocidad. Declare umbral, unidad y versión. Una curva ascendente no demuestra que el cambio sea responsable del tiempo necesario.

Otros eventos necesitan su propio carril. Alarmas, microparadas, rechazos, cambio de operador, falta de demanda o corrección del contador pueden coincidir. La línea temporal acepta solapes; la decisión posterior tendrá que justificar qué comparación es válida.

No ordene los eventos por «importancia» antes de observarlos. La pregunta es temporal: qué ocurrió, cuándo, dónde y con qué cobertura. La prioridad de investigación llegará después, con criterios locales.

Construir explicaciones que compitan

Una hipótesis aislada se vuelve fácil de confirmar. Escriba al menos una explicación alternativa que produzca un patrón parecido. No hace falta inventar una lista larga; basta con las alternativas plausibles que los registros pueden distinguir.

Ejemplo: H1 dice que, en cambios A→B comparables, el periodo hasta alcanzar la condición de marcha es mayor cuando aparece el estado de ajuste X. H2 dice que el retraso corresponde a espera de liberación. H3 señala una señal de salida incompleta. Cada una pide datos distintos.

Para H1 necesitará marcas del ajuste y una condición de marcha definida. H2 exige eventos de solicitud y liberación. H3 requiere cobertura, contador alternativo o conciliación de unidades. Si falta la evidencia discriminante, no elija la explicación que mejor encaja con la intuición.

Incluya una posibilidad sin efecto. La caída aparente puede estar dentro de la variación de transiciones comparables o resultar del tamaño de intervalo. Mostrar ese escenario impide tratar cualquier diferencia como anomalía.

Una hipótesis comprobable nombra población, variable, ventana, patrón esperado y criterio de revisión. Evite «optimizar el cambio mejorará la capacidad». No define medida, magnitud, alternativa ni condición de rechazo.

Medir sin bautizar una pérdida

Describa la salida con medidas observadas. Puede mostrar unidades buenas por intervalo, tiempo entre ciclos, proporción de registros válidos o duración de estados. Cada serie conserva fuente, unidad y cobertura.

No multiplique el tiempo alrededor del cambio por una velocidad nominal y lo llame capacidad perdida. El intervalo puede no haber sido producible, no existir demanda o contener restricciones ajenas. La cuantificación de una oportunidad necesita plan, orden, material, calidad y regla local.

Tampoco reste automáticamente la media anterior a la posterior. El mix, la condición de arranque y la ventana pueden no ser comparables. Si usa una referencia, explique población, exclusiones y dispersión. Muestre casos, no solo un promedio.

Un gráfico útil superpone eventos y medida sin colorear causalidad. Otra tabla lista transiciones equivalentes y diferencias: dirección, producto, turno, ventana, cobertura y eventos rivales. El lector puede ver qué observaciones sostienen la pregunta.

Si hay pocos casos, dígalo. Un caso permite documentar una secuencia y diseñar la siguiente observación; no permite generalizar una relación estable. La decisión puede ser instrumentar o revisar las próximas campañas.

Qué aporta la investigación metodológica

NIST desarrolla métodos para caracterizar sistemas, seleccionar métricas y analizar datos operativos al evaluar mejoras y compensaciones. El programa Operations-driven Performance Measurement respalda la necesidad de definir sistema, medida y datos antes de interpretar una comparación.

El programa se dirige a sistemas de fabricación inteligentes y procesos manufactureros. La página de NIST delimita ese alcance. Es investigación metodológica, no estadística española ni norma obligatoria. No valida una ventana local, no determina qué evento pertenece a un cambio y no promete optimización ni ahorro. Sus resultados dependen de la caracterización y población usadas.

La aplicación aquí es acotada: conservar entidades, seleccionar una medida que corresponda a la pregunta y analizar datos operativos con límites visibles. Es investigación metodológica, no estadística española ni norma obligatoria. El programa de NIST no decide la hipótesis. El test temporal y la taxonomía de eventos son propuestas editoriales que deben adaptarse a la planta.

El Índice de Producción Industrial del INE mide la evolución mensual agregada de la actividad productiva. La publicación consultada corresponde a junio de 2026, puede contener datos provisionales y usa base 2021. No observa campañas, esperas, capacidad de línea, disponibilidad, mix ni OEE.

El IPI puede situar actividad sectorial, pero no sirve como control para esta prueba. Una variación nacional o autonómica no explica la secuencia de una línea. Los dos niveles deben permanecer separados en el informe.

Formular la prueba siguiente

El análisis termina con una observación y un plan de comprobación. Por ejemplo: «en tres cambios A→B, la salida buena tarda más en volver a su rango cuando el evento X aparece después del fin declarado; revisaremos las próximas cinco transiciones con marcas de ajuste y liberación».

La frase no afirma que X cause el patrón. Declara población, medida y evidencia futura. Añada qué resultado debilitaría la hipótesis: que el patrón desaparezca con cobertura completa, que ocurra también sin X o que coincida con espera documentada.

Asigne propietarios separados. Producción confirma el catálogo de eventos; calidad, sus liberaciones; mantenimiento, estados de equipo si corresponden; datos, cobertura y transformaciones. Ninguna función obtiene autoridad causal por custodiar una señal.

Congele la consulta o versión usada. Si el catálogo cambia, mantenga el corte anterior. Una corrección puede mejorar el análisis, pero debe aparecer como nueva versión y explicar qué casos cambia.

Decida cuándo detener la observación. Puede ser después de un número de transiciones comparables, al resolver el hueco crítico o cuando una explicación quede descartada. «Seguir monitorizando» sin criterio produce un pendiente eterno.

Revisar el patrón sin perder cada campaña

Prepare una ficha por transición antes de agregar. Cada ficha conserva dirección del cambio, productos, recurso, orden, turno, marcas de evento, medida, cobertura y explicaciones posibles. El resumen puede agrupar después, pero el lector debe volver al caso sin reconstruirlo desde una media.

No excluya una campaña solo porque rompe el patrón. Registre el motivo de exclusión antes de calcular: producto no comparable, señal ausente, ruta distinta o ventana incompleta. Una observación incómoda puede revelar que la población estaba mal definida. El criterio vale para casos favorables y desfavorables.

Muestre la distribución, no únicamente la media. Dos transiciones muy largas pueden mover el promedio de ocho casos. Una tabla con cada duración, medida posterior y cobertura permite ver dispersión. Si usa mediana o percentiles, explique el conjunto; la estadística no sustituye la línea temporal.

Revise efectos de calendario. Un patrón atribuido a campañas puede concentrarse en un turno, un día o una secuencia particular. Trátelo como explicación rival, no como corrección automática. Compare dentro de poblaciones que conserven producto, ruta y condición suficiente.

Evitar que la categoría nazca de la curva

Defina «transición», «espera» y «marcha» con eventos o reglas conocidas antes de mirar la salida. Si mueve la frontera hasta que la caída quede dentro de una categoría, el análisis deja de ser reproducible. Conserve una zona incierta cuando las marcas no resuelvan el límite.

Una condición de estabilización también debe fijarse por adelantado. Puede usar salida buena, tiempo entre ciclos o un estado de proceso, siempre que la fuente y el umbral estén gobernados. No cambie de métrica entre campañas porque otra produce una historia más limpia.

Cuando dos definiciones sean razonables, publique una sensibilidad. Muestre cómo cambia el patrón con cada frontera y qué decisión depende de elegir una. Si la conclusión desaparece con una variación pequeña, la hipótesis necesita más evidencia antes de orientar una acción.

El registro final debe distinguir análisis previsto y exploración. Una relación descubierta durante la revisión puede ser útil, pero se formula como nueva hipótesis para datos posteriores. No se presenta como confirmación obtenida con los mismos casos que sirvieron para inventarla.

Mantener la frontera con las paradas

Esta página no clasifica paradas ni asigna stop-loss. Un evento de parada puede aparecer en la línea temporal como alternativa, pero su causa, duración imputable e impacto pertenecen a otro expediente.

Si la pregunta evoluciona hacia incumplimiento global, use la guía para responder por qué producción no cumple el plan. Allí se concilian plan y ejecución. Aquí solo se observa un patrón alrededor de campañas.

No cambie el lenguaje al presentar a dirección. «Coincide temporalmente» debe seguir siendo coincidencia. Evite títulos como «pérdida causada por cambios» si la hoja no ha establecido ese vínculo.

El siguiente paso es seleccionar una transición concreta, reconstruir sus intervalos sin rellenar huecos y escribir dos explicaciones distinguibles. Si no puede indicar qué dato separaría ambas, todavía no hay una hipótesis que merezca probarse.

Preguntas frecuentes

¿Una caída inmediatamente posterior demuestra efecto del cambio?

No. La cercanía temporal describe una asociación. Material, calidad, secuencia, demanda, sensor, turno u otro evento pueden explicar el patrón. Hace falta comparar ventanas y explicaciones con registros locales.

¿Qué intervalos debo separar?

Conserve al menos marcha anterior, transición identificada, espera posterior y marcha del producto siguiente. Abra intervalos adicionales para alarmas, retenciones, falta de material o datos ausentes; no los absorba dentro del cambio.

¿Cómo elijo la ventana antes y después?

Defínala según el proceso y déjela escrita antes de comparar. Debe cubrir estabilización y eventos relevantes sin mezclar turnos o productos incomparables. Si prueba varias ventanas, muestre todas y no seleccione solo la que confirma la hipótesis.

¿Puedo sumar el intervalo completo como capacidad perdida?

No. Esta observación no determina tiempo producible, demanda ejecutable ni causa. Mantenga duración de eventos, salida observada y capacidad como campos separados. Una cuantificación de pérdida requiere otro expediente.

¿Qué aspecto tiene una hipótesis comprobable?

Nombra población, medida, ventana y patrón esperado, además de una alternativa. Por ejemplo: en cambios comparables de A a B, la estabilización tarda más cuando aparece el estado X; se revisará con eventos y salida de las próximas campañas.