Cero no conformidad: todo coordinado

El problema

Cuatro líneas de precisión, cuatro flujos de datos y una coordinación que vive en la cabeza de pocos.

- Cada línea especializada (SMT, bobinado, ensamblaje electromecánico, test) genera su propio flujo de datos aislado y su propio riesgo de no conformidad. - Hoy la coordinación entre líneas depende de la memoria y disponibilidad de un puñado de responsables clave.

• Cada línea especializada —SMT, bobinado de estatores y rotores, ensamblaje electromecánico y test— tiene su propio cuello de botella, su propia máquina crítica y su propio flujo de datos aislado.
• Cada una genera además su propio riesgo de no conformidad, y el cliente OEM exige cero en todas a la vez.
• Hoy la coordinación entre líneas depende de la memoria y la disponibilidad de un puñado de responsables clave. Cuando uno está de vacaciones, la planta lo nota.
• Un recall de alternadores o de ECU rara vez nace de un fallo aislado: nace de una señal que una línea tenía y otra no recibió. Y cuando ocurre, reconstruir qué pasó exige juntar datos de cuatro sitios que nunca se hablaron.

Cómo encaja con el sistema IRIS

Connect, Edge y Agents coordinados — con JIDOKA AI y SMED AI.

Connect captura cada señal desde el traveler hasta el aviso de proveedor; Edge controla visualmente cada punto crítico de ensamblaje y cada cambio de referencia; Agents organiza el evidence pack completo; JIDOKA AI bloquea ante anomalía; SMED AI acelera los cambios sin perder control.

Connect captura cada señal, desde el traveler hasta el aviso del proveedor de chips. Edge controla cada punto crítico de ensamblaje y cada cambio de referencia. Agents organiza el evidence pack. JIDOKA AI bloquea ante anomalía y SMED AI acelera los cambios sin perder el control. Todo con firma humana antes de escribir en el ERP.

Ver la arquitectura IRIS completa →

Antes y después

Qué riesgo tiene cada línea y qué lo cierra

Línea	Riesgo propio	Qué lo cierra
SMT de ECU y sensores	Placa con un componente cambiado	Cambio validado (10) + ICT al MES (8)
Bobinado de estatores y rotores	Deriva de la bobinadora sin registro	Lectura de la bobinadora (2) + traveler (1)
Ensamblaje electromecánico	Defecto que pasa el banco eléctrico	Visión Edge (9) + tableta (5)
Laboratorio y test	Resultado que llega tarde al ERP	Excel al ERP (6) + ICT al MES (8)
Suministro de semiconductores	Línea parada o lote mal trazado	Aviso de chips (3) + albarán (7)
Auditoría y cliente OEM	Hueco documental	Pinganillo (4) + evidence pack (11)

Gestión de la complejidad dependiente de personas clave → sistema central con trazabilidad completa, control visual continuo y evidence pack automático.

Estimación de impacto

Estimación de impacto — a validar con dirección de planta y calidad.

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.

• Reducción del riesgo de no conformidad y de recall en un orden de magnitud frente al estado actual. No le ponemos meses de payback al conjunto: cada caso lleva el suyo, y el valor del sistema está en el riesgo que retira.
• De una gestión de la complejidad que depende de personas clave a un sistema central con trazabilidad completa.
• Control visual continuo en cada punto crítico de ensamblaje y en cada cambio de referencia, no solo en el momento de la inspección.
• Y evidence pack automático para la auditoría IATF 16949 y para cualquier reclamación del OEM.

Reducción de riesgo de no conformidad/recall en orden de magnitud frente al estado actual. Estimación a validar en conjunto con dirección de planta y calidad.

Y la duda razonable del responsable de producción

«¿Tenemos que desplegar los doce casos para llegar aquí?» — no, y plantearlo así sería no empezar nunca. El sistema se construye por capas, empezando por lo que menos dependencias tiene. Cada captura que entra es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1], y pasa por la tableta de verificación antes del ERP. JIDOKA AI detiene por discrepancia comprobable entre fuentes, no por incertidumbre de un modelo.

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