Standard work con visión IA — el estándar deja de ser un plástico en la pared y vuelve al puesto, vivo.

El problema

El estándar está escrito, plastificado y colgado. Y nadie lo lee desde el segundo día.

El trabajo estándar es una de las mejores ideas del lean: fijar la secuencia mejor conocida para que la calidad no dependa de quién esté ese día en el puesto. La idea sigue siendo buena. Lo que falla es el soporte — una hoja plastificada en la pared — y falla siempre por los mismos cuatro sitios:

1. Nadie lo consulta — el veterano lo tiene en las manos y no necesita mirarlo; el nuevo lo mira dos días y luego copia lo que hace el de al lado, que puede coincidir o no con el estándar escrito.
2. La desviación se descubre tarde — en el control final, en la reclamación del cliente o en la auditoría de proceso. Es decir, cuando ya hay piezas hechas, coste hundido y una investigación que reconstruye a posteriori algo que nadie registró.
3. El estándar envejece en la pared — el equipo mejora el método en un kaizen, la mejora se queda en la cabeza de tres personas y el plástico sigue describiendo cómo se trabajaba hace dos años. Actualizarlo cuesta redactar, aprobar, imprimir, plastificar y sustituir en cada puesto: días. Con ese coste, casi nunca se hace.
4. La deriva es silenciosa — nadie decide un martes saltarse un paso. Los pasos se pierden por acumulación de pequeños atajos razonables, y cada uno por separado parece inofensivo hasta que aparece el defecto que solo se explica combinando tres de ellos.

El resultado es una paradoja conocida en cualquier planta certificada: el estándar está documentado impecablemente para la auditoría y, a la vez, nadie puede afirmar con datos que se esté ejecutando. Documentar el estándar y verificar el estándar son dos problemas distintos, y hasta ahora solo teníamos resuelto el primero.

Cómo encaja con el sistema IRIS

iLEAN no reescribe tu estándar — lo devuelve al puesto y comprueba que se cumple.

El trabajo estándar siempre pidió dos cosas que en la práctica no se sostenían: que la instrucción estuviera donde se trabaja y que alguien comprobara continuamente que la secuencia real coincide con la estándar. iLEAN no cambia la metodología: le pone el soporte que le faltaba. La instrucción vive en la tableta del puesto y se actualiza sola; la comprobación la hace el Edge en cada ciclo, sin cansarse y sin interrumpir a nadie. Connect es la masilla que rellena las grietas entre el MES, el utillaje inteligente y lo que la cámara ve.

Se verifica el proceso, no a la persona. Si un paso se salta sistemáticamente en un puesto, el problema casi nunca está en quien lo ejecuta: está en el estándar, en el utillaje o en la instrucción. Ese es exactamente el hallazgo que buscamos.

Las piezas iLEAN aplicadas al standard work:

• Edge — una cámara sobre el puesto reconoce eventos de proceso (pieza presente, utillaje tomado, componente insertado, apriete completado) y los ordena en una línea de tiempo. Todo el procesamiento ocurre en el propio puesto, y lo que sale del terminal son eventos, no imágenes de personas. Funciona sin red.
• Connect — aporta las señales que la visión no puede ver sola: orden de fabricación en curso, referencia y variante, par del atornillador, peso, lecturas del utillaje inteligente. Con esto el sistema sabe qué estándar toca aplicar en cada ciclo, no solo si el ciclo se parece a alguno.
• Agents — comparan secuencia observada contra secuencia estándar, clasifican la desviación (paso omitido, orden alterado, tiempo fuera de ventana), filtran el ruido normal de la operación y avisan en el momento por el canal del responsable del área. También agregan por puesto y por referencia, para que el equipo vea dónde se resiste el estándar.
• Instrucción viva — el estándar renderizado paso a paso en la tableta del puesto, con la variante correcta cargada automáticamente. Cuando el equipo mejora el método, se publica y está en todos los puestos ese mismo turno: SMED del conocimiento.
• Tres anillos de seguridad — ninguna desviación detiene una línea por decisión de la máquina. El sistema propone; el responsable decide y firma.

Ver la arquitectura IRIS completa →

Antes y después

Estándar plastificado vs. standard work con visión IA

Aspecto	Estándar plastificado en la pared	Standard work con visión IA
Dónde vive la instrucción	Hoja en la pared, la misma para todas las referencias	Tableta en el puesto, con la variante del pedido en curso
Verificación del cumplimiento	Muestral: auditoría de proceso cada X semanas	Continua: comparación contra la secuencia estándar en cada ciclo
Cuándo aparece la desviación	En el control final, la reclamación o la auditoría	En el momento, mientras se corrige con una frase
Actualizar el estándar	Redactar, aprobar, imprimir, plastificar, sustituir: días	Editar y publicar: el mismo turno, versionado y firmado
Formación de un operario nuevo	Acompañamiento continuo de un veterano, duración variable	Instrucción viva + confirmación de secuencia; el veterano interviene donde hace falta
Unidad de análisis	Inexistente, o anotada a mano durante la auditoría	Agregada por puesto y referencia — nunca por individuo
Trazabilidad para auditoría	Reconstruida a posteriori	Historial de versiones y de cumplimiento, ya cocinado

Estimación de impacto

Estimación de impacto para tu planta — a validar con tus números.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Puesto o célula de ensamblaje manual con varias referencias, estándar documentado en papel y defectos de secuencia que hoy se detectan en control final o aguas abajo.
• Piloto Edge sobre 1-2 puestos representativos: carga del estándar como secuencia, instrucción viva en tableta y comparación en cada ciclo. Primer valor esperable en pocas semanas.
• Payback orientativo entre 5 y 10 meses, apoyado en dos palancas: menos defectos de secuencia (menos reproceso, menos scrap, menos reclamación) y formación más rápida de operarios nuevos, que libera horas del personal veterano.
• Reducción del tiempo que tarda un operario nuevo en alcanzar la calidad del veterano del orden de ≥30% (estimación conservadora), y del tiempo de actualización de un estándar de días a minutos.

Y la duda razonable del responsable de producción

«¿Y si el sistema marca desviaciones que no lo son, y acabamos con ruido en el puesto?» — es la objeción correcta, y la respuesta está en el tipo de tarea. La alucinación es un problema de la generación libre, no de las tareas ancladas. Comparar una secuencia observada contra una secuencia estándar declarada es una tarea anclada de manual: hay una lista de pasos, un orden esperado, una ventana de tiempo y una comparación determinista. En este tipo de tareas los mejores modelos están por debajo del 1,5% de error ^[1]. Y donde una comprobación concreta no alcanza fiabilidad suficiente, no se fuerza: se marca como no verificable y no genera aviso. Preferimos un estándar cubierto al 85% con señales sólidas que uno al 100% con falsos avisos que el puesto aprende a ignorar en dos semanas.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.

También te puede interesar: Matriz de polivalencia con IA · Poka-yoke con visión artificial · Yamazumi y balance de línea con IA