Auditoría de calidad de datos de fabricación: cómo descubrir si tus cifras de OEE mienten Puntos clave - Auditoría de calidad de datos = una verificación estructurada de si los datos que alimentan OEE, CMMS y otros informes coinciden con la realidad en el terreno.
- Protocolo de auditoría de un día: elige una línea, compara los datos reportados contra el registro PLC + video + observación en persona durante un solo turno. - La mayoría de las auditorías encuentran un 5-15% de error en los conteos de ciclos, y mucho más en los códigos de motivo.
- La auditoría es incómoda de realizar porque expone problemas. También es la única manera de saber si los números son reales. - Los hallazgos impulsan el programa de mejora de la calidad de datos para el siguiente trimestre.
Respuesta breve: Una auditoría de calidad de datos de fabricación es una verificación estructurada de si los datos reportados coinciden con la verdad en el terreno.
La versión más simple toma un día: elige una línea y compara las entradas de OEE reportadas (conteos de ciclos, tiempos de inactividad, motivos) con los registros PLC, video y observación en persona durante un solo turno. La mayoría de las auditorías encuentran errores significativos.
Los hallazgos impulsan el programa de mejora de la calidad de datos. Véase también Calidad de datos en planta. ¿Por qué realizar una auditoría? Los datos reportados tienen tres riesgos de calidad: - Precisión. ¿El valor reportado coincide con la verdad en el terreno? - Integridad. ¿Se están perdiendo eventos? - Oportunidad.
¿Se captura el dato cuando ocurre el evento o horas después? Sin una auditoría, las plantas asumen que esto está bien. Por lo general no lo está. Protocolo de auditoría de un día 1. Elige una línea. Una línea representativa para un turno. 2. Captura la verdad en paralelo.
Registro bruto del PLC, video del operador/equipo, observador en persona. 3. Compara con los datos reportados. Lo que muestra la plataforma OEE/CMMS para la misma ventana. 4. Identifica discrepancias. Desajustes en conteos de ciclos, tiempos de inactividad faltantes, códigos de motivo incorrectos, marcas de tiempo tardías. 5. Calcula tasas de error.
Por tipo de dato (conteo de ciclos, tiempo de inactividad, motivos, repuestos, mano de obra). 6. Identifica causas raíz. Entrada manual, configuración de umbrales, instrumentación faltante, capacitación. Qué suelen encontrar las auditorías - Conteos de ciclos: 5-15% de error cuando se ingresan manualmente. Menos del 1% cuando provienen del PLC.
- Totales de tiempo de inactividad: 10-30% subreportado. Se pierden microparos; paradas breves no registradas. - Códigos de motivo: 30-50% mal clasificados. Se usa en exceso "Otro"; se seleccionan categorías incorrectas. - Repuestos: 10-20% subreportado. Repuestos retirados sin registro. - Horas de mano de obra: 20-40% de error. Estimadas en lugar de registradas.
Estos son rangos típicos. Las plantas individuales varían. Qué hacer con los hallazgos 1. Ordena los errores por impacto. ¿Qué errores afectan más al OEE, al MTBF y al reporte de costos? 2. Aborda los peores primero. Normalmente automatización de conteo de ciclos o taxonomía de códigos de motivo. 3. Fija objetivos.
Error de conteo de ciclos por debajo del 2%, subregistro de tiempo de inactividad por debajo del 5%. 4. Reaudita trimestralmente. Seguimiento temporal de las tasas de error. Hallazgos comunes 1. Conteos de ciclos ingresados manualmente al final del turno. Casi siempre incorrectos. Automatizar desde el PLC. 2.
Tasa de "Otro" en códigos de motivo por encima del 10%. Falta de categorías en la taxonomía. 3. Umbral de tiempo de inactividad configurado demasiado alto. Se pierden microparos. Bajar el umbral. 4. Mantenimientos preventivos marcados como completados en papel pero no realmente hechos. La métrica de cumplimiento está inflada. 5.
Órdenes de trabajo cerradas con horas de mano de obra relleno. El reporte de costos queda ruidoso. Cómo hacer que la auditoría no resulte intimidatoria La auditoría puede sentirse como una inspección.
Enmarca el proceso como mejora del sistema: - "Estamos auditando el flujo de datos, no a los operadores." - "Los hallazgos nos ayudan a arreglar el sistema que pide a los operadores realizar entradas de datos imposibles." - "El objetivo es tener números más limpios en los que todos confiemos
no buscar culpables." Los operadores a menudo reciben bien la auditoría cuando se presenta así: saben que los datos están sucios y han querido que alguien lo aborde. Errores comunes 1. Auditar sin seguimiento. Hallazgos sin acción generan cinismo. 2. Auditar solo cuando algo ha salido mal.
Las auditorías rutinarias detectan problemas antes de que causen fallos. 3. Auditar solo un tipo de dato. Los conteos de ciclos pueden estar limpios mientras los códigos de motivo son ruido. Audita de forma amplia. 4. Tratar los hallazgos como fracasos personales. El sistema causó la suciedad; el sistema debe corregirse.
Cómo una plataforma OEE moderna apoya la auditoría Una plataforma OEE moderna expone datos amigables para la auditoría: registros PLC brutos disponibles junto a métricas calculadas, marca de tiempo del código de motivo vs. marca de tiempo del evento, detección automatizada de discrepancias entre recuentos del operador y del PLC.
El módulo OEE de Fabrico soporta flujos de trabajo de auditoría: datos brutos frente a datos calculados lado a lado, detección automática de discrepancias e informes de tendencia sobre métricas de calidad de datos a lo largo del tiempo. Vea cómo Fabrico captura esto automáticamente, explora OEE para la fabricación o reserva una demo.
Lecturas relacionadas - Calidad de datos en planta - Lago de datos de fabricación vs almacén de datos - Calidad por diseño vs calidad por inspección - OEE para fabricación por lotes Preguntas frecuentes ¿Con qué frecuencia debo realizar una auditoría de calidad de datos? Trimestral es lo típico.
Después de cambios importantes (nuevo equipo, nuevo producto, nuevos operadores), realiza una auditoría focalizada. ¿Quién debe realizar la auditoría? Equipo multifuncional: operaciones, mantenimiento, TI, calidad. Auditorías de función única pierden problemas transversales. ¿Cuánto error es aceptable? Depende mucho del caso de uso.
Para que el OEE guíe decisiones de mejora: menos del 5% de error en conteos de ciclos y tiempo de inactividad. ¿Qué pasa si la auditoría encuentra problemas mayores de lo esperado? Es habitual. Trátalo como una oportunidad. La auditoría es el camino hacia datos más limpios. ¿Puede el software auditar los datos automáticamente?
En parte. Se puede automatizar la detección de discrepancias entre fuentes. La identificación de causas raíz suele necesitar intervención humana.
Iniciar sesión
Blog
