Cero desviación de inventario, CCC protegido

El problema

La desviación de inventario se descubre cuando ya es dinero perdido.

Todo eso se traduce, mes a mes, en un Cash Conversion Cycle deteriorado y en provisiones de inventario excedente y obsoleto que se descubren en el cierre contable, cuando ya es tarde.

• El ERP declara lo que un work order debería consumir. La línea consume otra cosa: reels a medias, componentes de setup, scrap de changeover, placas retrabajadas que vuelven a pasar.
• Nadie cruza ambas cosas mientras el work order corre, porque hacerlo a mano exigiría un recuento físico por orden. El WIP real y el WIP del sistema se separan poco a poco, work order a work order, sin que salte ninguna alarma.
• Cada mes, esa separación aparece en el cierre contable como desviación de inventario y como provisión de excedente y obsoleto. Cuando se ve, ya es dinero perdido.
• En un EMS eso ataca directamente al Cash Conversion Cycle, que es el indicador con el que se juzga la cuenta de cada cliente y la salud del negocio entero.

Cómo encaja con el sistema IRIS

Cuatro anillos coordinados — es todo lo anterior, orquestado.

4 anillos coordinados:

Ningún anillo por separado cierra el problema: el ERP declara, la línea consume y la planta produce, y las tres cosas ya se miden hoy de alguna forma en cualquier EMS serio. La fuerza está en el cruce, porque lo que delata una desviación pequeña y repetida es que tres fuentes independientes dejen de concordar sobre el mismo work order, mientras todavía se puede corregir.

• el ERP declara BOM y consumo esperado por work order;
• la AOI/placement reportan consumo real vía API;
• Edge cruza lo físicamente producido en changeover y box-build, con JIDOKA AI señalando desviaciones;
• cada work order cierra con un dossier de evidencia. SMED AI acelera el changeover para proteger el tiempo de línea.

Ver la arquitectura IRIS completa →

Antes y después

El inventario de hoy frente al inventario cruzado

Aspecto	Hoy	Con iLEAN
Desviación de inventario	Aparece en el cierre contable	Señalada work order a work order
Provisión de E&O	Reactiva, al descubrirla	Prevención proactiva
Consumo real de componentes	Se deduce del backflush	Reportado por AOI y placement vía API
WIP en planta	Recuento físico periódico	Cruzado con changeover y box-build
Cierre del work order	Papeles sueltos	Dossier de evidencia completo
Tiempo de changeover	Come tiempo de línea	SMED AI lo acorta

Desviaciones de inventario descubiertas en el cierre contable mensual → señaladas en tiempo real, work order a work order. Provisión de E&O reactiva → prevención proactiva.

Estimación de impacto

Estimación de impacto — a validar con vuestros 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.

• Payback estimado 6-12 meses, y el retorno dominante es financiero, no de productividad.
• Protección del Cash Conversion Cycle de la cuenta: la desviación se señala mientras el work order corre, no en el cierre del mes.
• Provisión de inventario excedente y obsoleto: deja de ser reactiva y descubierta en el cierre para convertirse en prevención proactiva sobre la parte evitable.
• Y SMED AI acorta el changeover, que en un EMS multicliente es la operación que más tiempo de línea consume y la que más veces se repite en un turno.

Protege el CCC de la cuenta · payback 6-12 meses. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Hay que desplegar los doce casos para tener esto?» — no, y plantearlo así sería la forma de no empezar nunca. Los anillos se construyen por capas y cada caso paga solo desde el primer mes. Con la recepción de reels y el changeover de feeders ya tenéis el anillo de entrada y medio anillo de línea, que es donde nace la mayor parte de la desviación. La extracción de cada capa es tarea anclada, con los mejores modelos por debajo del 1,5% de error [1], y todo pasa por verificación humana antes del ERP.

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