Cómo revisar y escalar IRIS después de los primeros 90 días
DBR77 Team8 min de lectura
En esta página
Pasados 90 días, revise IRIS en seis aspectos: si la gente lo usa en todos los turnos, si los datos son fiables, con qué rapidez se cierran las incidencias, si la pérdida objetivo se ha movido, cómo trata la gente las recomendaciones de la IA y qué opina la planta. Después tome una de tres decisiones: escalar, corregir primero o parar. Antes de escalar, convierta la configuración del piloto en una plantilla (nombres de activos, motivos de parada, roles, reglas y puntos de aprobación) para que cada nueva línea empiece desde lo que ya funciona.
Noventa días son suficientes para ver cómo se forman los hábitos y pocos como para corregir lo que falla antes de que se extienda.
Por qué importa el punto de los 90 días
Un piloto que funciona en una línea todavía no es un sistema para la planta. El documento de 2023 del Foro Económico Mundial sobre su Global Lighthouse Network señala que incluso estas plantas punteras, que ya no sufren el purgatorio de los pilotos, trabajan para superar un "bache de escalado" al intentar extender su impacto a redes de producción completas.
La revisión de los 90 días es el paso Check (verificar) del PDCA. El Lean Enterprise Institute lo describe como evaluar los resultados en términos de rendimiento, seguido de Act (actuar): estandarizar y estabilizar el cambio, o empezar de nuevo el ciclo. Sin la verificación, la planta copia en la siguiente línea sus errores junto con lo que funcionó.
- Turnos de mañana y tarde
- 96%
- Turno de noche
- 71%
- Turno de día
- 12 min
- Turno de noche
- 31 min
A los 90 días, la línea 2 registra el 96 % de las paradas con motivo en los turnos de mañana y tarde.
La revisión: seis áreas y las pruebas
Traiga datos, la mayoría directamente del sistema.
| Área | Pruebas que aportar | Señal sana | Señal de alarma |
|---|---|---|---|
| Uso | Proporción de órdenes, paradas y órdenes de trabajo registradas, por turno | Similar en todos los turnos | El turno de noche muy por debajo del de día |
| Calidad de los datos | Proporción de paradas con motivo conocido, recuentos frente a la producción real | "Desconocido" pequeño y estable | Se añaden motivos cada semana |
| Velocidad del bucle | Tiempo desde la señal hasta la respuesta, desde la tarea hasta el cierre | Baja y después se estabiliza | Muchas tareas cerradas tarde o como "sin acción" |
| Pérdida objetivo | La pérdida por la que se eligió el piloto, frente a la línea base | Se ha movido en la dirección correcta | Estancada, o movida por motivos ajenos |
| Recomendaciones de la IA | Tasas de aceptación, modificación y rechazo, motivos de anulación | Los rechazos tienen motivo | Todo se acepta sin revisar, o se ignora |
| Personas | Entrevistas breves con operarios, preparadores y jefes de turno | "Me ahorra tiempo" | "Es trabajo extra además de los formularios antiguos" |
La fila de las personas cuenta como prueba: un sistema que el turno de noche ve como trabajo extra también se apagará en la siguiente línea.
Revisar la IA por separado
La IA necesita su propia revisión, porque un modelo que funcionó el primer mes puede desviarse. El AI Risk Management Framework del NIST dice que los sistemas de IA deben probarse antes de su despliegue y con regularidad mientras están en funcionamiento, y señala que pueden necesitar un mantenimiento más frecuente por la deriva de los datos, del modelo o del concepto.
Fíjese en cuatro cosas:
- Tasa de aceptación por tipo. Un tipo de recomendación que se rechaza la mayoría de las veces necesita una regla nueva o debe desactivarse.
- Motivos de anulación. Lea una muestra. A menudo revelan datos que faltan, como un cambio de formato que el modelo no conocía.
- Aceptación a ciegas. Si una persona lo aprueba todo en segundos, el punto de aprobación no está cumpliendo su función.
- Puntos de aprobación. Decida por tipo de recomendación si mantiene la aprobación como está, la endurece o permite que más sugerencias pasen directamente a una lista de tareas. Mantenga a una persona en el circuito para todo lo que afecte a la seguridad o a la liberación de producto.
Escalar, corregir o parar
Ponga la decisión por escrito, con las pruebas que la respaldan.
- Escale cuando el uso sea homogéneo entre turnos, la calidad de los datos sea estable, la pérdida objetivo se haya movido y las recomendaciones de la IA se revisen en lugar de aprobarse de forma automática.
- Corrija primero cuando los resultados sean buenos en unos turnos y flojos en otros, o cuando la calidad de los datos todavía esté cambiando. Corríjalo en la línea piloto y vuelva a revisar a los 30 días.
- Pare o replantee cuando la pérdida objetivo no se haya movido y la planta vea el sistema como trabajo extra. Averigüe por qué antes de gastar más.
Ejemplo ilustrativo: a los 90 días, la línea 2 registra el 96 % de las paradas con motivo en los turnos de mañana y tarde, pero solo el 71 % por la noche, donde no hay superusuario. La respuesta media a una parada es de 12 minutos en el turno de día y de 31 por la noche. Las sugerencias de la IA sobre la prioridad de las órdenes de trabajo se aceptan alrededor del 60 % de las veces, y la mayoría de los rechazos mencionan cambios de formato planificados. La decisión: corregir primero. La planta designa un superusuario de noche, añade el plan de cambios de formato a los datos que lee el modelo, vuelve a revisar a los 30 días y después copia la configuración en las líneas 1 y 4.
Cómo copiar una configuración que funciona en más líneas y plantas
Escale copiando una plantilla de la línea piloto.
- Redacte la plantilla: nomenclatura de activos, lista de motivos de parada, roles, reglas de tareas, escaleras de escalado, puntos de aprobación y un paquete de formación breve.
- Enumere lo que puede variar localmente, por ejemplo los patrones de turnos o los controles específicos de una línea. Todo lo demás se mantiene igual.
- Designe un único responsable de la plantilla. Los cambios pasan por esa persona, para que la línea 6 no invente sus propios códigos de motivo.
- Escale primero dentro de la planta. Las mismas personas, la misma cultura, una retroalimentación más rápida.
- Después añada una segunda planta, con una persona del primer centro en el equipo de puesta en marcha.
Los cambios mayores de distribución o capacidad se pueden probar antes; Cómo convertir un gemelo digital en un proceso de decisión repetible muestra cómo. Para la misma idea en el lado de los datos de máquina, consulte Convertir el IoT en un sistema operativo repetible.
Cómo funciona en DBR77 IRIS
DBR77 IRIS aporta las pruebas de la revisión sin un proyecto aparte. IRIS KPI compara el rendimiento entre turnos, líneas, plantas y periodos, con desglose hasta el nivel de máquina. IRIS Gemba sigue las incidencias abiertas y cerradas por nivel y área. Data & AI guarda cada recomendación con la acción que una persona tomó sobre ella y el resultado de las que se aplicaron, así que las tasas de aceptación y de rechazo salen del registro.
El escalado se hace módulo a módulo y centro a centro. Los módulos se pueden añadir en cualquier momento, y los datos y las configuraciones se conservan, así que la configuración del piloto es el punto de partida de la siguiente línea. Los cambios se pueden probar antes en DBR77 DT. Cómo implantar IRIS módulo a módulo sin alterar la planta describe cómo se planifican las primeras oleadas.
Preguntas frecuentes
¿Son suficientes 90 días?
Para una primera decisión, sí. Abarcan suficientes ciclos de turnos para ver cómo se forman los hábitos. Algunas pérdidas tardan más en moverse, así que siga revisando cada mes.
¿Quién debe participar en la revisión?
El director de planta, el jefe de proyecto, un jefe de turno por cada turno, los responsables de mantenimiento y de calidad, e IT. Limítela a dos horas.
¿Y si los resultados son desiguales?
Es el caso más habitual. Elija "corregir primero", indique qué debe cambiar y fije una fecha para la siguiente revisión.
¿Cuándo debe empezar una segunda planta?
Cuando la plantilla se haya copiado al menos en otra línea de la primera planta sin cambios importantes.
Conclusión
A los 90 días, traiga las pruebas sobre el uso, la calidad de los datos, la velocidad del bucle, la pérdida objetivo, la IA y las personas, y ponga por escrito una sola decisión: escalar, corregir primero o parar. Antes de escalar, convierta lo que funcionó en una plantilla con un único responsable y cópiela en otra línea de la misma planta. Empiece una segunda planta solo cuando esa copia no haya necesitado cambios importantes.
Fuentes
- World Economic Forum, Manufacturing Lighthouses and the Path to Impact: Adopting AI at Speed and Scale, 2023
- Lean Enterprise Institute, PDCA
- NIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0), 2023