Cómo reducir mermas y paros de línea con IA

En corto: Para reducir mermas y paros de línea con IA, un agente acorta el tiempo entre la señal que ya está en tus datos y la persona que puede actuar: el técnico antes de la falla, el operador en el arranque. Con el historial de la planta además anticipa: encuentra patrones, simula escenarios y le pone precio a cada uno antes de que ocurra. El resultado se mide en pesos al año contra una línea base, y el primer agente queda en producción en menos de 90 días sobre los sistemas que ya tienes.

No venimos de una consultora. Venimos de una planta: Neurya nació dentro de un grupo industrial con 53 años operando, y la primera empresa que transformamos con IA fue la nuestra. Por eso este artículo va a lo que decide la dirección: cuánto cuesta cada hora de línea detenida y cómo se recupera ese dinero.

Cuánto cuesta de verdad un paro de línea

Más de lo que muestra el reporte de planta, porque el paro y la merma se esconden dentro del costo de producción. Se comparan contra un estándar que ya los trae incluidos, y cumplir el porcentaje de merma presupuestado se celebra aunque sea dinero que se fue a la basura o al reproceso. Mientras se discuta en puntos de OEE (la eficiencia general del equipo), nadie fuera de planta decide sobre ese costo.

El reporte The True Cost of Downtime 2024 de Siemens le pone escala:

• Las 500 empresas más grandes del mundo pierden cerca de 1.4 billones de dólares al año por paros no programados, el 11 % de sus ingresos.
• Una planta grande pierde en promedio 27 horas al mes, más de un día completo de producción, repartidas en 25 paros.
• En consumo masivo, el costo anual del paro por planta se duplicó desde 2019, a poco más de 10 millones de dólares, y es el único sector donde las horas perdidas no bajaron.
• Para un fabricante mediano que surte a otros más grandes, una hora de paro llega a 150 mil dólares en el extremo alto. El costo que más pesa viene después: su cliente mide cuántos pedidos le llegan a tiempo y completos, y quien falla pierde su lugar como proveedor.

Son cifras de una encuesta global hecha por un proveedor de mantenimiento predictivo, así que sirven como escala. El número que importa es el de tu línea, y más abajo está cómo calcularlo.

Tu planta ya tiene el dato; le falta llegar a tiempo

El 87 % de los grandes fabricantes ya recolecta datos que permiten anticipar fallas, según el mismo reporte, y aun así pierde 27 horas al mes. La señal casi siempre existe: una vibración que sube en un rodamiento, una temperatura fuera de rango en el turno de noche. Lo que falla es el camino de esa señal a quien puede actuar: una pantalla que nadie mira a las tres de la mañana, un correo que se abre al día siguiente, una alarma que suena tanto que ya nadie la atiende.

Un agente de IA cierra ese camino. Revisa las lecturas de las máquinas, las cruza con el historial de fallas y de mantenimiento, y le avisa al técnico de turno qué equipo, qué lectura, desde cuándo y qué pasó la última vez que se vio ese patrón. Con eso decide en minutos si para, ajusta o sigue. Cuando el desgaste se ve venir, el agente propone la orden de trabajo para reparar en un paro planeado y el supervisor la aprueba. El agente no toca el control de la máquina: la decisión sigue siendo de tu gente.

Hay dos límites que conviene saber desde el principio. Hay paros que no avisan: una pieza que se rompe por un golpe no deja rastro previo, y ahí el agente no cambia el resultado. Y si la orden de mantenimiento tarda tres días en juntar dos firmas, el aviso llega a tiempo y el paro ocurre igual. Por eso lo primero que se mide es qué paros tuvieron señal y cuánto tarda hoy una orden en llegar al técnico.

De avisar a anticipar: un analista que no duerme

Con el historial de la planta, el agente encuentra los patrones que anteceden a un paro, simula qué puede pasar y le pone precio a cada escenario antes de que ocurra. Un ejemplo: son las 2 de la mañana y la llenadora 2 muestra el mismo patrón que antecedió 3 de los últimos 5 paros, vibración al alza con el lote de un proveedor específico. El agente calcula los dos caminos. Parar ahora 40 minutos para cambiar la pieza tiene un costo conocido. Seguir hasta el cambio de turno trae el riesgo de un paro de 4 horas y de no surtir completo el pedido de mañana de tu cliente principal. El supervisor decide con los dos números enfrente, en pesos.

El mismo análisis compara cada línea contra las demás, cada turno contra los otros y la planta contra el referente de su industria, para que la dirección vea dónde se pierde y cuánto. Así la primera inversión va a la línea donde el dato muestra la pérdida más grande.

Detrás de cada recomendación trabajan varios modelos de frontera, de Anthropic, OpenAI y xAI, que se revisan entre sí antes de que llegue a tu gente. Si no coinciden, la recomendación sale como duda, con las razones de cada uno, y nunca como certeza. Así trabaja en nuestra planta y en muchas otras donde ya opera.

La merma se decide en los primeros minutos del arranque

Si tu merma cambia mucho de un turno a otro, casi siempre se está decidiendo en el arranque de la línea y en el cambio de formato. Son los minutos en que el proceso todavía no es estable y lo que sale se tira o se reprocesa. Tu mejor operador sabe qué ajustar primero y qué lectura vigilar; el turno que no lo sabe lo aprende a costa de material.

El agente compara las primeras lecturas de cada arranque contra las de los arranques que salieron bien, para ese producto y esa máquina, y le avisa al operador en el minuto cinco que algo se está separando. Lo que sabe tu mejor turno queda disponible para todos, incluido el de noche. Así una planta sostiene un turno más o un volumen mayor sin sumar un supervisor por línea: crece sin engordar la estructura.

La condición es que el registro exista. Si hoy los paros se anotan como «falla mecánica», sin causa ni acción, lo primero es ordenar qué se anota. Sobre un proceso desordenado la IA solo acelera el desorden.

Cómo se lleva al consejo: pesos al año contra el día 0

Con una línea base levantada antes de conectar el agente, convertida a pesos al año junto con finanzas y leída por línea y por turno. El promedio mensual esconde lo que importa: si los paros bajan en el turno de día y en el de noche siguen igual, el agregado apenas se mueve.

Costo anual del paro = horas de paro no programado al año × lo que deja de ganar la línea en una hora

Costo anual de la merma = unidades tiradas o reprocesadas al año × lo que ya se había invertido en cada una (material, energía y mano de obra)

Un ejemplo ilustrativo: una línea que para 8 horas al mes sin programarlo y deja de ganar 60 mil pesos por hora pierde 5.76 millones de pesos al año. Si esos paros bajan a 6 horas al mes, regresan 1.44 millones al año. Ese es el número que se presenta en la junta de dirección.

El número también puede decir que no. Si en un trimestre los paros con señal previa no bajaron, el freno estaba en la aprobación de la orden, en las refacciones o en paros que nunca avisan, y el mismo reporte lo muestra. El criterio para presentarlo está en Ingresos recuperados: la métrica que aprueba el CEO.

Tres preguntas para tu siguiente junta de producción

1. ¿Cuánto nos costó el año pasado el paro y la merma de nuestra línea más cara, en pesos y validado por finanzas? Si el dato solo existe como porcentaje de OEE, ya tienes el primer hallazgo.
2. ¿Qué parte de esos paros tuvo una señal previa en los datos? Esa es la parte que un agente puede reducir.
3. ¿Cuánto tarda hoy una orden de mantenimiento en llegar al técnico? Si son días, el freno está en la aprobación y se resuelve con una regla de autorización, antes de cualquier tecnología.

Antes de la siguiente junta de consejo

Lo medimos primero en nuestra planta, sobre nuestro Odoo: hoy el 100 % de las líneas de recepción se revisa contra el costo estándar. Ese método es el que llevamos a tu línea más cara.

Si ya sabes qué proceso quieres mover, vamos directo a la solución. Si todavía no sabes por dónde empezar, la consultoría arranca en 120 mil pesos más IVA. En los dos casos, el primer agente productivo llega en menos de 90 días, sobre los sistemas que ya tienes y medido contra el día 0.

**Empieza con 45 minutos sin costo con dirección. Ahí vemos si vamos directo a la solución o si conviene la consultoría →**

Para ir más a fondo:

• Un agente que anticipa la merma antes de que sea scrap, funcionando: demo de manufactura e ingeniería
• Casos de uso en planta: Manufactura e ingeniería
• Por qué sin línea base no se demuestra nada: Por qué los pilotos de IA no llegan a producción
• Cuando el primer proceso ya está en producción: Implementación de agentes de IA