Cuando los operarios no confían en los datos: cómo lograr que el IoT se adopte en planta

Por qué los operarios desconfían de las señales de máquina

En una línea brownfield típica, la desconfianza tiene pocas fuentes. Cada una tiene una causa que se puede corregir.

Una implantación IoT es un proyecto de cambio, y es la planta la que decide si funciona. Prosci constató que los proyectos con una gestión del cambio excelente tenían unas siete veces más probabilidades de cumplir sus objetivos que los proyectos con una gestión del cambio deficiente.

Corrija los datos antes de pedir confianza

Las cifras erróneas queman una credibilidad que necesitará más adelante, así que corrija la señal antes de publicar nada.

Una máquina cuenta como "en marcha" porque la corriente del motor supera un umbral, mientras gira en vacío sin material. Un cambio de formato aparece como parada no planificada. Los ciclos lentos quedan invisibles porque solo se lee la baliza luminosa.

Por ejemplo, el sistema podría mostrar 40 minutos de parada en una prensa mientras el operario recuerda 15. La diferencia es una pausa de 25 minutos que nadie introdujo en el calendario de turnos (cifras ilustrativas). Una sola cifra errónea así en un panel hace que todo el sistema parezca poco fiable.

Una rutina breve de validación lo evita:

1. Haga funcionar el sistema de una a dos semanas sin publicar cifras.
2. En cada turno, el operario y el jefe de turno comparan la línea de tiempo de la máquina con lo que ocurrió.
3. Cada discrepancia se convierte en una corrección: un umbral, una entrada en el calendario, una señal que falta.
4. Publique solo cuando los operarios estén de acuerdo en que la línea de tiempo refleja su turno.

Nuestro artículo sobre por qué los datos de máquina no sirven sin contexto explica qué contexto añadir.

Deje que los operarios redacten la lista de motivos

Los motivos de parada redactados en una oficina rara vez coinciden con la realidad de planta. Entonces los operarios eligen "otros" o el primer elemento, y el Pareto se llena de ruido.

Siéntese una hora con dos o tres operarios por tipo de máquina y pregúnteles qué para realmente la máquina. Quédese con 10 a 15 motivos, con sus palabras. "Esperando carretilla" funciona mejor que "Retraso de logística interna".

Hay evidencias de esto fuera del IoT. En un proyecto de cambio de turno descrito por The Keil Centre, las personas que usaban los nuevos registros los diseñaron conjuntamente, y el autor atribuye a esa participación el éxito del sistema (Lardner, 1999).

Revise la lista cada mes. Si "otros" supera aproximadamente el 10 % del tiempo de parada, falta un motivo. En la aplicación para operarios de DBR77 IIoT, el responsable de línea cambia la lista sin abrir un ticket a IT.

Muestre a los operarios los logros de su propia aportación

Los operarios confían mucho antes en el sistema cuando ven que su propia aportación ha llevado a una mejora, y dejan de aportar cuando sus comentarios desaparecen.

Tome una situación típica. Los operarios de una línea de embalaje marcan una y otra vez las paradas cortas como "atasco de film". Al cabo de tres semanas, los datos muestran que es la mayor pérdida de la línea en minutos, aunque cada parada dura menos de dos minutos. Vorne señala que la mayoría de las empresas no registran con precisión estas paradas pequeñas. Mantenimiento cambia la guía del film y las paradas bajan (ejemplo ilustrativo).

Después, cuénteselo al turno. Póngalo en el panel de la línea: "Marcaron 'atasco de film' 140 veces en tres semanas. La guía se cambió el martes. Este es el gráfico desde entonces." Los operarios aprenden que sus dos segundos en la parada valieron la pena. Toyota lo dice sin rodeos: las máquinas se detienen ante una anomalía, pero "solo las personas pueden implantar el kaizen".

Cómo revisar las anulaciones de los operarios

Tarde o temprano, los operarios anulan lo que dice el sistema. Cambian un motivo más tarde, marcan una parada como planificada o confirman una alerta sin actuar. La primera reacción es llamarlo trampa, y esa reacción casi siempre se equivoca.

Una anulación es información sobre una regla que no encaja con el proceso real. El Health and Safety Executive del Reino Unido señala que las desviaciones deliberadas del procedimiento suelen darse cuando la tarea está mal diseñada, y prefiere como solución rediseñar la tarea o el equipo.

Revise las anulaciones cada semana con los jefes de turno:

• Agrúpelas por regla. Diez anulaciones de un mismo umbral de alerta son un solo hallazgo.
• Pregunte al operario por qué. La respuesta suele ser sencilla: la alerta salta durante la limpieza planificada, o falta un caso frecuente.
• Cambie la regla o explíquela. Si es errónea, cámbiela y dígalo al inicio del siguiente turno.
• Siga la tasa de anulaciones. Debería bajar con el tiempo.

Las alertas ruidosas son un desencadenante habitual; consulte por qué fallan las alertas IIoT en planta.

Use los datos para ayudar, no para castigar

La forma más rápida de perder a la planta es usar el primer mes de datos en una conversación disciplinaria. A partir de ahí, los motivos se vuelven más vagos y las anulaciones aumentan.

Además, las personas cambian su comportamiento cuando saben que se les mide. Una revisión sistemática publicada en el Journal of Clinical Epidemiology concluyó que ser objeto de estudio sí afecta al comportamiento estudiado. Los operarios que se sienten vigilados harán que los datos muestren lo que ellos quieren mostrar.

Ponga por escrito unas pocas reglas antes de la puesta en marcha: los datos se revisan por línea y turno, sin clasificar a personas; una parada lleva a una pregunta sobre el proceso; los operarios ven las mismas pantallas que los mandos; los representantes de los trabajadores ven las reglas primero.

Preguntas frecuentes

¿Cuánto tardan los operarios en confiar en los datos IoT?

Cuente con cuatro a ocho semanas en una línea. La confianza llega con una línea de tiempo que coincide con su turno y al menos una mejora visible surgida de su aportación.

¿Se debe permitir a los operarios cambiar un motivo de parada más tarde?

Sí, dentro del mismo turno y con registro del cambio. Bloquear las correcciones empuja a la gente hacia "otros". Los cambios registrados muestran dónde fallan la lista de motivos o la lógica de estados.

¿Debemos mostrar el OEE por operario?

Lo desaconsejamos en los primeros meses. El rendimiento depende tanto del material, el mantenimiento y la planificación como de la persona.

¿Y si un turno sigue rechazando el sistema?

Pase un turno con ellos. Normalmente han encontrado un fallo real en los datos, o las cifras se usaron en su contra. Corrija eso primero.

Conclusión

Cuente con cuatro a ocho semanas hasta que los operarios de una línea confíen en las cifras; la mayor parte de ese tiempo se dedica a dejar bien la línea de tiempo. Elija una línea y haga funcionar el sistema de una a dos semanas sin publicar nada. Al final de cada turno, el operario y el jefe de turno comparan la línea de tiempo de la máquina con lo que ocurrió, y cada discrepancia se convierte en una corrección de umbral, calendario o señal antes de que la primera cifra llegue al panel.

Fuentes

• Prosci, The Correlation Between Change Management and Project Success, 2023
• The Keil Centre (R. Lardner), Safe Communication at Shift Handover: Setting and Implementing Standards, 1999
• Vorne, The Six Big Losses
• Toyota Motor Corporation, Toyota Production System
• UK Health and Safety Executive, Managing human failures, 2024
• McCambridge J., Witton J., Elbourne D., Systematic review of the Hawthorne effect, Journal of Clinical Epidemiology, 2014