Parte de nuestra serie Manufacturing in the AI Era
Leer la guía completaPanel de control de KPI de fabricación: OEE, rendimiento, tiempo de ciclo y rendimiento
La observación de Peter Drucker de que no se puede gestionar lo que no se mide se aplica a la fabricación más que a cualquier otra función empresarial. Una línea de producción genera cientos de puntos de datos por hora: estados de la máquina, recuentos de producción, resultados de calidad, consumo de materiales, uso de energía y actividad laboral. El desafío no es la escasez de datos. Es la relevancia de los datos. Un panel de KPI de fabricación debe mostrar el puñado de métricas que impulsan las decisiones y suprimen el ruido que causa la parálisis.
Los mejores paneles de control de fabricación responden a tres preguntas a los pocos segundos de verlos: ¿Estamos produciendo lo suficiente? ¿La calidad es aceptable? ¿Estamos utilizando nuestros recursos de manera eficiente? OEE (Eficacia general del equipo) combina los tres en un solo porcentaje. Los KPI de respaldo, como el rendimiento del primer paso, el tiempo del ciclo, el rendimiento y la tasa de desechos, brindan el detalle de diagnóstico necesario cuando la OEE indica un problema.
Este artículo es parte de nuestra serie Fabricación en la era de la IA.
Conclusiones clave
- OEE (Disponibilidad x Rendimiento x Calidad) es el KPI de fabricación más importante, con un rendimiento de clase mundial del 85 % y la mayoría de los fabricantes operando al 60-75 %.
- La OEE en tiempo real revela patrones que los promedios de cambios ocultan, como un rendimiento consistentemente deficiente en la primera hora después de los cambios.
- Los puntos de referencia de la industria brindan contexto, pero su propia tendencia es la comparación más importante, ya que un fabricante que mejora del 55 % al 70 % está superando a un competidor que se estanca en el 80 %.
- El módulo de fabricación de Odoo captura los datos sin procesar para todos los KPI críticos cuando se configura correctamente con el seguimiento del centro de trabajo y los puntos de control de calidad.
Eficacia general del equipo (OEE)
La fórmula OEE
OEE es el producto de tres componentes, cada uno de los cuales mide un aspecto diferente del rendimiento del equipo:
OEE = Disponibilidad x Rendimiento x Calidad
Disponibilidad mide el porcentaje del tiempo de producción planificado en el que el equipo está realmente funcionando:
Availability = (Planned Production Time - Downtime) / Planned Production Time
El tiempo de inactividad incluye fallas de equipo, cambios, escasez de material y cualquier otro evento que detenga la máquina durante el tiempo de producción planificado. El mantenimiento planificado y las pausas programadas están excluidos del tiempo de producción planificado.
El rendimiento mide la velocidad de producción real en comparación con la velocidad máxima posible:
Performance = (Actual Output x Ideal Cycle Time) / Available Run Time
Las pérdidas de rendimiento provienen de ciclos lentos (funcionamiento por debajo de la velocidad nominal) y pequeñas paradas (breves interrupciones que no cuentan como tiempo de inactividad pero reducen la producción).
Calidad mide el porcentaje de unidades producidas que cumplen con las especificaciones en el primer intento:
Quality = Good Units / Total Units Produced
Las pérdidas de calidad incluyen desechos y retrabajos. Las unidades que requieren reelaboración antes de cumplir con las especificaciones cuentan como pérdidas de calidad incluso si finalmente se venden.
Ejemplo de cálculo de OEE
| factor | Valor | Cálculo |
|---|---|---|
| Tiempo de producción previsto | 480 minutos (turno de 8 horas) | |
| Tiempo de inactividad (averías + cambios) | 52 minutos | |
| Tiempo de ejecución disponible | 428 minutos | 480 - 52 |
| Disponibilidad | 89,2% | 428/480 |
| Tiempo de ciclo ideal | 0,5 minutos por unidad | |
| Unidades totales producidas | 752 | |
| Máximo posible en el tiempo de ciclo ideal | 856 | 428/0,5 |
| Rendimiento | 87,9% | 752/856 |
| Buenas unidades (primera pasada) | 722 | |
| Calidad | 96,0% | 722/752 |
| OEE | 75,3% | 89,2% x 87,9% x 96,0% |
Este ejemplo muestra una máquina que individualmente obtiene una puntuación razonablemente buena en cada factor pero alcanza sólo el 75,3% de OEE cuando los factores se multiplican. La naturaleza multiplicativa de la OEE significa que pequeñas mejoras en cada factor se combinan para generar ganancias significativas de la OEE.
Puntos de referencia OEE
| Nivel OEE | Interpretación | Situación típica |
|---|---|---|
| >85% | Clase mundial | Mejora ajustada, bien mantenida y enfocada |
| 75-85% | Bueno | Mejora sistemática en marcha |
| 65-75% | Promedio | Margen de mejora significativa |
| 55-65% | Por debajo del promedio | Pérdidas importantes en uno o más factores OEE |
| <55% | Pobre | Problemas fundamentales con equipos o procesos |
Las seis grandes pérdidas
El análisis de pérdidas de OEE clasifica todas las pérdidas en seis categorías:
| Categoría de pérdida | Factor OEE afectado | Ejemplos |
|---|---|---|
| Fallo del equipo | Disponibilidad | Averías, fallos de componentes |
| Configuración/Cambio | Disponibilidad | Cambios de producto, cambios de material, ajustes |
| Ralentí/Paradas menores | Rendimiento | Atascos, problemas de alimentación, disparos de sensores, limpieza |
| Velocidad reducida | Rendimiento | Herramientas desgastadas, precaución del operador, ajustes deficientes |
| Defectos de proceso | Calidad | Chatarra y reelaboración durante la producción en estado estacionario |
| Pérdidas iniciales | Calidad | Chatarra y reelaboración durante el calentamiento, primeros artículos |
El análisis de Pareto de las seis grandes pérdidas identifica dónde el esfuerzo de mejora tendrá el mayor impacto. Las técnicas de fabricación ajustada como SMED abordan las pérdidas de configuración, mientras que el mantenimiento predictivo aborda las fallas de los equipos.
Rendimiento de primer paso (FPY)
Definición y cálculo
El rendimiento del primer paso mide el porcentaje de unidades que pasan correctamente por un paso del proceso la primera vez, sin ningún retrabajo, reparación o reinspección.
FPY = Good Units (no rework) / Total Units Started
Rendimiento de rendimiento rodado (RTY) extiende FPY a través de múltiples pasos del proceso:
RTY = FPY(Step 1) x FPY(Step 2) x FPY(Step 3) x ... x FPY(Step N)
El efecto multiplicativo es espectacular. Un proceso de 5 pasos con un 95 % de FPY en cada paso tiene un RTY de sólo el 77,4 %. Mejorar cada paso al 99% produce un RTY del 95,1%.
| Pasos | FPY = 90% | FPY = 95% | FPY = 99% |
|---|---|---|---|
| 3 | 72,9% | 85,7% | 97,0% |
| 5 | 59,0% | 77,4% | 95,1% |
| 8 | 43,0% | 66,3% | 92,3% |
| 10 | 34,9% | 59,9% | 90,4% |
Seguimiento de FPY en Odoo
El módulo de calidad de Odoo rastrea los resultados de la inspección en cada operación de fabricación. FPY se calcula a partir de:
- Resultados de los puntos de control de calidad (apto/rechazo) en cada operación.
- Registros de chatarra vinculados a operaciones específicas.
- Órdenes de trabajo de reelaboración creadas para operaciones específicas.
El seguimiento de FPY por operación, no solo por producto terminado, revela qué paso específico del proceso genera mayor desperdicio de calidad. Estos son datos esenciales para proyectos de mejora Six Sigma y programas de gestión de calidad.
Tiempo de ciclo
Definición
El tiempo de ciclo es el tiempo necesario para completar una unidad a través de un paso específico del proceso o durante todo el proceso de producción.
Tiempo de ciclo de la máquina: El tiempo que tarda la máquina en procesar una unidad (o un lote). Este es el límite técnico de la capacidad de la máquina.
Tiempo de ciclo efectivo: Tiempo del ciclo de la máquina más carga, descarga y tareas del operador. Esto determina el rendimiento real.
Tiempo total del ciclo: la suma de todos los tiempos de ciclo efectivos en todos los pasos del proceso. Este es el tiempo de entrega mínimo posible si no hay colas ni esperas.
Análisis de tiempo de ciclo
| Componente de tiempo de ciclo | Descripción | Enfoque de mejora |
|---|---|---|
| Tiempo de procesamiento | Máquina trabajando activamente en la pieza | Optimización de parámetros de corte, actualizaciones de herramientas |
| Tiempo de carga/descarga | Operador cargando y retirando piezas | Instalaciones, automatización, mejoras ergonómicas |
| Máquina inactiva (en ciclo) | Esperando dentro del ciclo automático | Optimizar programa, reducir cortes de aire |
| Tiempo de cola | Esperando entre operaciones | Programación mejorada, tamaños de lote reducidos |
| Tiempo de transporte | Desplazamiento entre centros de trabajo | Optimización del diseño, manipulación de materiales |
| Tiempo de inspección | Controles de calidad | Inspección en línea, medición automatizada |
En la mayoría de los procesos de fabricación, el tiempo de procesamiento real es sólo del 5 al 15% del tiempo total de entrega. El 85-95% restante es tiempo de cola y tiempo de transporte. Esta idea, revelada sistemáticamente por mapeo del flujo de valor, muestra que las mayores mejoras en los plazos de entrega provienen de la reducción de las esperas, no de hacer que las máquinas sean más rápidas.
Monitoreo en Odoo
Odoo captura datos de tiempo de ciclo a través de órdenes de trabajo de fabricación:
- Tiempo de ciclo planificado: Configurado en la ruta de fabricación para cada operación
- Tiempo de ciclo real: registrado cuando los operadores inician y finalizan las operaciones de la orden de trabajo.
- Variación del tiempo del ciclo: diferencia entre lo planificado y lo real, destacando las operaciones que constantemente tardan más de lo esperado.
Rendimiento
Definición y contexto
El rendimiento es el número de unidades buenas producidas por unidad de tiempo.
Throughput = Good Units Produced / Time Period
La palabra clave es "bueno". El rendimiento cuenta solo las unidades que cumplen con las especificaciones. Los productos que se desechan o requieren reelaboración no cuentan para el rendimiento aunque hayan consumido recursos.
Rendimiento y teoría de restricciones
En el marco de Teoría de Restricciones, el rendimiento es la principal medida operativa. La restricción determina el rendimiento máximo y mejorar cualquier recurso sin restricciones no aumenta el rendimiento.
El rendimiento se puede expresar en términos financieros:
Throughput Dollar Value = Revenue - Truly Variable Costs (materials only)
Esta métrica de rendimiento financiero impulsa las decisiones sobre la combinación de productos, los precios y la inversión de capital de manera diferente a la contabilidad de costos tradicional, que asigna costos fijos a los productos y puede llevar a una priorización incorrecta.
Análisis de tasa de desechos y tiempo de inactividad
Tasa de desecho
Scrap Rate = Scrapped Units / Total Units Produced
La tasa de desperdicio debe ser rastreada por:
- Producto (¿qué productos tienen mayor desperdicio?)
- Operación (¿qué paso del proceso genera más chatarra?)
- Máquina (¿qué máquina produce más chatarra?)
- Tiempo (¿la tasa de desperdicio tiene una tendencia ascendente, descendente o estacional?)
- Operador (¿la tasa de desperdicio depende del operador?)
- Material (¿la tasa de desperdicio varía según el lote de material o el proveedor?)
Análisis del tiempo de inactividad
Realice un seguimiento del tiempo de inactividad por código de motivo para identificar prioridades de mejora:
| Categoría de tiempo de inactividad | Acción típica | Enfoque de mejora |
|---|---|---|
| Fallo del equipo | 25-35% | Mantenimiento predictivo |
| Cambio/configuración | 20-30% | SMED, técnicas lean |
| Escasez de material | 10-20% | Gestión de inventarios, confiabilidad de proveedores |
| Problemas de calidad | 5-15% | SPC, análisis de causa raíz |
| Ausencia del operador | 5-10% | Formación cruzada, planificación laboral |
| Mantenimiento planificado | 10-15% | Optimización de la programación |
Puntos de referencia de la industria
Puntos de referencia de KPI de fabricación por industria
| KPI | Automotriz | Electrónica | Alimentos y bebidas | Farmacéutica | Mecanizado general |
|---|---|---|---|---|---|
| OEE | 80-90% | 75-85% | 65-80% | 50-70% | 60-75% |
| Rendimiento del primer paso | >98% | >95% | >97% | >99% | >93% |
| Tasa de desecho | <1% | <2% | <1,5% | <0,5% | <3% |
| Cumplimiento del horario | >95% | >90% | >92% | >95% | >85% |
| MTBF (horas) | >500 | >300 | >200 | >400 | >250 |
| MTTR (horas) | <1 | <2 | <2 | <1,5 | <3 |
| Hora de cambio | <10 minutos | <30 minutos | <15 minutos | <60 minutos | <30 minutos |
| Turnos de inventario | >20 | >8 | >15 | >4 | >6 |
Estos puntos de referencia representan un desempeño de clase buena a nivel mundial. Utilícelos como objetivos direccionales, no como estándares absolutos. El subsegmento de su industria, la complejidad del producto y la antigüedad del equipo influyen en los objetivos realistas.
Construyendo el panel en Odoo
Principios de diseño del panel
Jerarquía de información: el panel debe responder las preguntas en orden de importancia:
- ¿Cómo está el rendimiento general en este momento? (OEE, rendimiento)
- ¿Qué está causando los problemas de rendimiento? (Motivos de tiempo de inactividad, chatarra por tipo)
- ¿Cuáles son las tendencias? (OEE histórico, rendimiento, tiempo de ciclo)
- ¿Qué necesita atención? (Alertas, condiciones fuera de especificaciones)
Diseño de panel recomendado
Fila superior: KPI resumidos (turno o día actual)
- OEE con indicador de tendencia (arriba/abajo/estable)
- Rendimiento frente a objetivo
- Tasa de chatarra
- Porcentaje de cumplimiento del cronograma
Sección intermedia: Análisis detallado
- Desglose de factores OEE (disponibilidad, rendimiento, gráfico de barras de calidad)
- Tiempo de inactividad Pareto (5 razones principales)
- Scrap Pareto (5 tipos de defectos principales)
- Rendimiento por hora (gráfico de líneas que muestra el ritmo de producción)
Sección inferior: profundización
- OEE por máquina o línea (tabla comparativa)
- Alertas activas y problemas de calidad.
- Próximo mantenimiento programado
- Órdenes de trabajo en curso con estado.
Fuentes de datos en Odoo
| Elemento del tablero | Fuente de datos de Odoo |
|---|---|
| Disponibilidad | Horas de inicio/parada de órdenes de trabajo, registros de tiempo de inactividad |
| Rendimiento | Recuento de producción real versus capacidad teórica |
| Calidad | Tasas de aprobación/rechazo de inspección de calidad |
| Rendimiento | Cantidades de pedidos de fabricación completados |
| Tasa de chatarra | Ajustes de desperdicio de inventario vinculados a órdenes de trabajo |
| Razones del tiempo de inactividad | Solicitudes de mantenimiento con códigos de motivo |
| Tiempo de ciclo | Registros de duración de operaciones de órdenes de trabajo |
| Cumplimiento de horarios | Fechas de finalización de órdenes de trabajo planificadas versus reales |
Vistas en tiempo real frente a vistas históricas
El tablero debe respaldar ambas perspectivas:
Vista en tiempo real: rendimiento del turno actual, estado de la máquina en vivo, problemas activos que requieren respuesta. Se actualiza cada 1 a 5 minutos a partir de los datos de IoT y el estado de la orden de trabajo de Odoo.
Vista histórica: Tendencias durante días, semanas y meses. Comparación de turnos, máquinas, productos y periodos de tiempo. Esta vista respalda la identificación de proyectos de mejora y el seguimiento del desempeño a largo plazo.
Errores comunes de los KPI
| Escollo | Problema | Solución |
|---|---|---|
| Demasiados KPI | Sobrecarga de información, sin prioridad clara | Limite el panel a 5-7 KPI principales |
| Medición de la utilización en lugar de OEE | Fomenta la sobreproducción y construye WIP | Centrarse en OEE que incluye calidad y rendimiento |
| Usando promedios que ocultan la variación | Enmascara problemas que ocurren en turnos o máquinas específicas | Mostrar distribución y desgloses, no sólo promedios |
| Fijación de objetivos sin planes de mejora | Los objetivos se vuelven aspiracionales en lugar de alcanzables | Vincular cada objetivo con una acción de mejora específica |
| Ignorando el tiempo de cambio en OEE | Exagera la disponibilidad, subestima la oportunidad de mejora | Incluir el cambio como una categoría de tiempo de inactividad con seguimiento |
| Entrada de datos manual | Carga de cumplimiento retrasada e inexacta | Automatizar mediante sensores IoT y escaneo de códigos de barras |
Preguntas frecuentes
¿Cuál es una buena puntuación OEE para mi fábrica?
La respuesta honesta es que su OEE actual comparado con su OEE de hace seis meses es más significativo que compararlo con puntos de referencia abstractos. Dicho esto, la mayoría de los fabricantes operan entre un 60% y un 75% de OEE. Se considera clase mundial el 85%. Si su OEE actual está por debajo del 65 %, es probable que existan importantes oportunidades de mejora en uno o más de los tres factores de OEE. Comience por identificar qué factor (disponibilidad, rendimiento o calidad) tiene la brecha más grande y enfoque la mejora allí.
¿Con qué frecuencia se deben actualizar los KPI de fabricación?
En tiempo real (cada 1 a 5 minutos) para el panel de control del taller que los operadores y supervisores utilizan para responder a las condiciones actuales. Cada hora para revisión de gestión de producción. Diariamente para el manejo de la planta. Semanal para informes ejecutivos. El principio clave es que las personas más cercanas al trabajo necesitan los datos más actualizados, porque son ellos quienes pueden actuar en consecuencia de inmediato.
¿Todas las máquinas deberían tener seguimiento OEE?
No necesariamente. El seguimiento de OEE tiene mayor valor en recursos limitados (cuellos de botella) y equipos de alto valor. Para máquinas sin restricciones con exceso de capacidad, una OEE alta no es beneficiosa ya que conduce a una sobreproducción. Centrar el seguimiento y la mejora de OEE en el 20% de las máquinas que determinan el 80% de la producción de la fábrica. Utilice métricas más simples (tiempo de actividad, calidad) para otros equipos.
¿Cómo se relaciona la OEE con el costo por unidad?
La OEE impacta directamente el costo por unidad porque los costos fijos (depreciación, gastos generales, administración) se distribuyen entre la cantidad de unidades de bienes producidas. Una OEE más alta significa más unidades buenas producidas a partir de la misma base de costos fijos, lo que reduce el costo por unidad. Una mejora del 10% en la OEE de una máquina con $500 000 en costos fijos anuales reduce el costo fijo por unidad en aproximadamente un 10%, lo que se traduce directamente en una mejora del margen.
¿Qué sigue?
Los KPI de fabricación no son sólo números en un tablero. Son el mecanismo de retroalimentación que impulsa la mejora continua. Cuando la OEE, el rendimiento, el tiempo del ciclo y el rendimiento son visibles, precisos y oportunos, los equipos de producción toman mejores decisiones cada hora de cada turno.
ECOSIRE implementa sistemas de fabricación Odoo con paneles de KPI integrales que brindan a los fabricantes visibilidad en tiempo real del desempeño de la producción. Desde la configuración del centro de trabajo hasta el desarrollo de paneles personalizados, nuestro equipo ayuda a los fabricantes a construir la infraestructura de medición que respalda operaciones de clase mundial.
Explore nuestras guías relacionadas sobre fabricación eficiente y mejora de procesos Six Sigma, o contáctenos para analizar sus necesidades de análisis de fabricación.
Publicado por ECOSIRE: ayuda a las empresas a escalar con soluciones impulsadas por IA en Odoo ERP, Shopify eCommerce y OpenClaw AI.
Escrito por
ECOSIRE TeamTechnical Writing
The ECOSIRE technical writing team covers Odoo ERP, Shopify eCommerce, AI agents, Power BI analytics, GoHighLevel automation, and enterprise software best practices. Our guides help businesses make informed technology decisions.
ECOSIRE
Transforme su negocio con Odoo ERP
Implementación, personalización y soporte experto de Odoo para optimizar sus operaciones.
Artículos relacionados
Comparación de Odoo y NetSuite para el mercado medio: guía completa del comprador 2026
Odoo vs NetSuite para el mercado medio en 2026: puntuación característica por característica, TCO de 5 años para 50 usuarios, cronogramas de implementación, adaptación a la industria y orientación sobre migración bidireccional.
Tally to Odoo Migration 2026: guía paso a paso para pymes indias
Guía de migración de Tally a Odoo para pymes indias en 2026: mapeo de modelos de datos, plan de 12 pasos, manejo de GST, traducción de COA, ejecución paralela, UAT y transición.
Segmentación de clientes impulsada por IA: del RFM a la agrupación predictiva
Descubra cómo la IA transforma la segmentación de clientes desde el análisis RFM estático hasta la agrupación predictiva dinámica. Guía de implementación con Python, Odoo y datos reales de ROI.
Más de Manufacturing in the AI Era
ERP para moda y confección: PLM, tallas y colecciones de temporada
Cómo los sistemas ERP gestionan el ciclo de vida de los productos de moda, las matrices de tallas y colores, las colecciones de temporada, el abastecimiento de telas, la gestión de muestras y los canales B2B más DTC.
ERP para fabricación de muebles: lista de materiales, pedidos personalizados y entrega
Descubra cómo los sistemas ERP manejan muebles configurados bajo pedido, listas de materiales complejas, inventarios de madera y telas, dimensiones personalizadas, programación de entregas y puntos de venta en salas de exposición.
Odoo vs Epicor: Comparación de ERP de fabricación 2026
Comparación de ERP de fabricación Odoo vs Epicor Kinetic que cubre MRP, planta de producción, control de calidad, programación, IoT, precios y cronogramas de implementación.
Estudio de caso: Implementación de ERP de fabricación con Odoo 19
Cómo un fabricante paquistaní de autopartes redujo el tiempo de procesamiento de pedidos en un 68 % y redujo la variación del inventario a menos del 2 % con la implementación de Odoo 19 de ECOSIRE.
Gemelos digitales en la fabricación: conectando lo físico y lo digital
Comprenda cómo la tecnología de gemelos digitales está transformando la fabricación, desde el mantenimiento predictivo a nivel de máquina hasta la simulación completa de la fábrica y las estrategias de integración de ERP.
ERP para automoción: gestión de piezas, servicio y fabricación
Guía completa de ERP para la industria automotriz: gestión de piezas, operaciones de concesionarios, servicio de vehículos, fabricación y cadena de suministro para 2026.