Los cronómetros amenazan el futuro del resurgimiento manufacturero

Hace casi 25 años, me inicié en la planta de General Motors (GM), trabajando tanto en la tienda de carrocería altamente automatizada como en la línea de ensamblaje centrada en el ser humano. Aprendí rápidamente que los procesos robóticos transmiten datos sin problemas a través de Ethernet, mientras que la actividad humana debía capturarse manualmente por ingenieros industriales usando cronómetros —una técnica pionera de Frederick Taylor en la era del Modelo T. El contraste era marcado: una era industrial moderna chocando con un método de recolección de datos que ya tenía 75 años.

Hoy, sigo recorriendo líneas de ensamblaje y veo a jóvenes ingenieros realizando estudios de tiempos. Las herramientas han evolucionado —de relojes Casio a iPhones— pero la práctica permanece inalterada, y ese método alarmantemente obsoleto sigue obstaculizando el progreso. Los estudios de tiempos y movimientos impulsaron una vez a la manufactura estadounidense a la cima mundial; hoy son profundamente defectuosos en la era del Internet Industrial de las Cosas (IIoT).

Enfoque en el tiempo de comercialización y la productividad

La manufactura estadounidense está experimentando un renacimiento, expandiéndose al ritmo más rápido desde 2004. En 2017, 171,000 empleos regresaron a Estados Unidos gracias al reshoring y la inversión extranjera directa. El acceso al mercado es un factor clave: "El reshoring se trata de tiempo de comercialización", dice Ben Smith, asesor senior en AT Kearney. "Los fabricantes modernos pueden preferir 15 plantas pequeñas en todo el país para un mejor acceso al mercado, cambiando su enfoque de los costos a la productividad".

El consenso de la industria sostiene que el IIoT será el principal motor del crecimiento de la productividad. Accenture lo predice como el mayor impulsor de productividad de la década, mientras que GE Digital estima ganancias anuales de rendimiento de aproximadamente 8.6 billones de dólares. Sin embargo, la mayor parte del valor creado en una fábrica proviene de las personas —Boston Consulting Group informa que los humanos realizan hasta el 90% de las tareas en la planta. Optimizar solo las máquinas captura apenas una fracción de la actividad real.

El tiempo de comercialización choca con el tiempo para obtener datos

Peter Marcotullio, VP de investigación y desarrollo comercial en SRI International, señala que "solo un pequeño porcentaje de tareas son realizadas por máquinas". Por tanto, instrumentar máquinas captura solo una fracción del proceso. Mientras el IIoT puede generar 50 GB de datos de máquinas en el tiempo que toma un estudio de tiempos tradicional, el vínculo entre la optimización de equipos y la productividad general de la planta sigue siendo tenue. Las decisiones que moldean la dotación diaria de personal, las proyecciones de producción, la contabilidad de costos y las cotizaciones dependen de datos generados por humanos, que impulsan tanto la línea superior como la inferior.

Un conjunto de datos incompleto e inconfiable

Los estudios de tiempos sufren dos fallas mayores: volumen limitado de datos y fiabilidad cuestionable. Un ingeniero típico podría muestrear diez operaciones por estación —insuficiente para tener en cuenta la variabilidad del operador o factores contextuales como el día de la semana, el período de pago o la fatiga de la jornada laboral. Este conjunto de datos escaso no puede establecer correlaciones o causalidades robustas.

Además, el acto de observación puede alterar el rendimiento. Inspirados en el principio de incertidumbre de Heisenberg, algunos trabajadores pueden acelerar o desacelerar bajo observación, y definiciones inconsistentes de inicio y fin comprometen aún más la precisión. En consecuencia, los estudios de tiempos producen mediciones dudosas que pueden engañar tanto a operadores como a gerentes.

¿Qué falta en la planta moderna?

A las plantas modernas les faltan datos escalables, en tiempo real y centrados en el ser humano. Aunque los paseos Gemba, cortinas de luz instrumentadas y sistemas poka-yoke pueden capturar cierta actividad humana, el volumen sigue siendo demasiado bajo para análisis significativos. Anik Bose, socio general en Benhamou Global Ventures, explica que "los fabricantes reúnen a trabajadores y gerentes para hacer lluvia de ideas, pero sin datos en tiempo real, dependen de métodos manuales ad-hoc". Sin métricas confiables de productividad humana, las plantas no pueden mejorar el recurso que impulsa la mayor parte del valor.

Marshall Goldsmith dijo famosamente: "Lo que te trajo aquí no te llevará allá". La metodología del estudio de tiempos nos impulsó a nuestro pico manufacturero actual, pero ya no es suficiente para acelerar el tiempo de comercialización mejorando la productividad del trabajo humano. Es hora de retirar el cronómetro y adoptar la colaboración humana basada en datos y mejorada por IA en la planta de fábrica.

Sobre el Autor

El Dr. Prasad Akella lideró el equipo que construyó los primeros robots colaborativos del mundo en GM. Es CEO de Drishti, una empresa que implementa inteligencia artificial para colaborar y potenciar a los humanos en la planta de fábrica.