Relaciona los datos de fábrica con la decisión que alguien necesita tomar.

Empieza por la decisión y retrocede hasta los datos

Define la decisión, quién la toma, cuánto tiempo hay para actuar, cuánto cuesta equivocarse y qué resultado debe cambiar. “Usar los datos de fábrica” no delimita un proyecto.

Este enfoque evita recopilar todo sin propósito o construir un panel de datos que informa cuando la oportunidad de actuar ya pasó.

Ejemplos útiles son priorizar una pérdida recurrente, decidir la liberación de una orden o detectar una condición que eleva el riesgo de defecto; cada caso exige datos y latencia distintos.

Conecta máquinas, pedidos, productos y tiempo

Una variable de PLC necesita equipo, estado, unidad, regla de muestreo y hora. Un resultado de calidad necesita lote, receta, condición de máquina y orden. Conserva fuente, unidad, tiempo, versión de transformación e indicador de calidad del dato.

Mantén separados el hecho observado y la clasificación derivada para poder corregir relojes, reinicios de contador o reglas sin reescribir el historial.

• Estados, alarmas, conteos y ciclos
• Órdenes, rutas, producto y genealogía
• Mantenimiento, fallos confirmados e inspecciones
• Observaciones manuales con autor y hora

Audita los datos alrededor de la decisión

Comprueba cobertura por producto, turno y estado; uniones de identidad; unidades; duplicados; reinicios de contador; relojes y etiquetas confirmadas. Un promedio global puede ocultar que faltan todos los arranques o productos raros.

Comprueba también que las etiquetas representan hechos confirmados; una orden de trabajo vaga o un código elegido bajo presión no es una causa verificada.

Elige el método según la pregunta

Usa descripción para saber qué pasó, diagnóstico para explicar por qué, predicción para estimar qué ocurrirá y simulación para probar qué conviene cambiar. Compara cualquier IA con una regla sencilla y valida en periodos no vistos.

Trata las correlaciones como posibles explicaciones. Revísalas con quienes conocen el proceso, prepara una prueba controlada y usa simulación cuando ayude a comprobar el efecto en el conjunto.

1. Reconstruye el evento

   Reúne estado, producto, orden y hora sin convertir datos ausentes en ceros.

2. Investiga explicaciones

   Compara eventos y condiciones; trata las relaciones estadísticas como hipótesis por comprobar.

3. Evalúa una predicción

   Usa periodos reservados, una referencia sencilla y errores relevantes para la decisión.

4. Compara intervenciones

   Prueba escenarios con supuestos visibles y revisa su efecto en el flujo completo.

5. Comprueba el resultado

   Registra qué decidió una persona autorizada y contrasta después lo ocurrido con la predicción.

Define quién actúa sobre el hallazgo

Define quién recibe el hallazgo, qué evidencia ve, qué acción puede tomar, cuándo caduca y cómo se captura el resultado. Mide decisiones y pérdida evitada, no visitas al panel de datos.

Empieza por una línea y una decisión importante; reutiliza conectores y definiciones solo cuando funcionen la captura, el análisis, la respuesta y la verificación.

Cinco, seis o siete dimensiones: identifica primero el modelo

La guía del Gobierno del Reino Unido sobre calidad de datos utiliza seis dimensiones de DAMA UK: integridad, unicidad, consistencia, oportunidad, validez y exactitud. Sus autores aclaran que la lista no es prescriptiva. Otros modelos emplean categorías distintas. Antes de aplicar cinco estándares o siete componentes a fabricación, identifica qué modelo los define y para qué sirve.

Una marca de tiempo de producción puede respetar el formato exigido y registrar una hora incorrecta. El formato cumple la regla, pero la hora no representa el evento. Un registro completo puede contener duplicados; uno único puede llegar demasiado tarde para decidir el despacho. Si una lista se presenta como «cinco C», identifica su autor y propósito antes de aplicarla. Conserva las comprobaciones que necesita tu decisión.