La planta mide. Eso no es el problema.
El problema es que los números llegan tarde, viven en planillas distintas y nadie los cruza de la misma manera. Cuando el gerente de operaciones consolida el informe del lunes, ya tomó decisiones el viernes con la información que tenía disponible — no con la que necesitaba.
En más de 15 años trabajando con empresas industriales, de energía y manufactura —entre ellas Pan American Energy y Acciona— vemos la misma situación con pocas variaciones: tableros de Excel bien construidos, revisados una vez por semana, desconectados entre áreas. Y una pregunta recurrente que nadie puede responder en el momento: “¿por qué bajó la producción esta semana?”
Este artículo no es un listado de definiciones. Es una guía práctica sobre qué medir, qué decisiones habilita cada métrica y, sobre todo, qué errores de medición convierten los datos en ruido en lugar de señal.
Las decisiones que una operación industrial necesita habilitar
Antes de hablar de KPIs, conviene preguntarse qué decisiones tiene que poder tomar una planta en tiempo real — o al menos, con datos del día anterior:
- ¿Cuál es la línea que más me está costando producir y por qué?
- ¿Voy a cumplir el plan de producción de la semana o tengo que redistribuir turnos?
- ¿El scrap viene de una línea en particular o de un insumo específico?
- ¿Puedo confirmarle al cliente que el pedido sale en fecha y completo?
- ¿Cuántos días de stock me quedan de materia prima crítica?
Esas preguntas definen los KPIs. No al revés.
Los KPIs que de verdad importan
OEE — Eficiencia Global de los Equipos
El OEE (Overall Equipment Effectiveness) es el producto de tres factores: disponibilidad × rendimiento × calidad. Mide qué porcentaje del tiempo productivo disponible se usa de forma efectiva.
Un OEE del 75% puede significar tres cosas completamente distintas:
- La máquina para seguido (problema de disponibilidad).
- La máquina funciona, pero más lento de lo que debería (problema de rendimiento).
- La máquina produce, pero parte de lo que sale es scrap (problema de calidad).
La decisión que dispara es siempre la misma: dónde atacar primero. Y eso solo se responde si el tablero desagrega los tres factores por turno, línea y equipo.
Costo unitario de producción
El costo por unidad producida integra mano de obra, energía, insumos y overhead asignado. Es el indicador financiero de la eficiencia operativa.
La decisión que dispara: si el costo sube, ¿es por volumen menor (el denominador baja), por insumos más caros o por ineficiencia en el proceso? Un tablero que cruza el costo unitario con el volumen y el OEE responde esa pregunta en segundos.
Scrap y retrabajo
El porcentaje de unidades producidas que no cumplen la especificación —ya sea porque se descartan (scrap) o porque requieren procesamiento adicional (retrabajo).
La decisión que dispara: si el scrap sube, ¿en qué línea, en qué turno, con qué insumo? Sin esa apertura, el número es un costo que se absorbe sin atacarlo. Con esa apertura, es una acción de mejora concreta.
Cumplimiento del plan de producción
Qué porcentaje del plan semanal o mensual se ejecutó en tiempo. También se lo conoce como Schedule Adherence.
La decisión que dispara: si el cumplimiento está por debajo del objetivo, ¿qué lo causó? ¿Un equipo parado, falta de insumo, cambio de prioridad comercial? El seguimiento diario —no el informe del lunes— permite reaccionar mientras todavía hay margen.
OTIF — On-Time In-Full
El OTIF mide si el pedido llegó al cliente en la fecha comprometida y con la cantidad completa. Es el KPI de servicio que conecta la planta con el cliente.
La decisión que dispara: un OTIF bajo puede venir de un problema de producción (no se terminó), de logística (se produjo pero no salió) o de planificación (se prometió algo que no era ejecutable). El tablero tiene que mostrar qué parte de la cadena falló.
Lead time y ciclo de producción
El tiempo entre que ingresa una orden y sale la unidad terminada. El ciclo es la parte productiva de ese tiempo; el lead time incluye esperas, preparación y movimientos.
La decisión que dispara: si el lead time es más largo que el prometido al cliente, hay que identificar dónde está el tiempo muerto — no en qué paso se produce, sino en qué paso se espera.
Rotación y cobertura de inventario
Tres inventarios distintos, tres problemas distintos:
- Materia prima (MP): ¿cuántos días de producción te cubre el stock actual?
- Work in process (WIP): ¿cuánto trabajo está “atascado” en proceso?
- Producto terminado (PT): ¿cuántos días de venta te cubre?
La decisión que dispara: cobertura baja de MP es riesgo de parada; cobertura alta de PT es capital inmovilizado. La rotación baja de WIP señala un cuello de botella en el proceso.
Los errores que vemos en empresas que ya miden mucho
1. El OEE global esconde el factor que falla
Un OEE de 68% parece aceptable. Pero si la disponibilidad es 95%, el rendimiento 71% y la calidad 99%, el problema es casi exclusivamente de rendimiento — la máquina está funcionando, pero lenta. Eso tiene una solución completamente diferente a si la calidad estuviera por debajo del 80%.
Lo que vemos: el OEE se reporta como un número único, consolidado por planta o por semana. Nadie puede decir cuál de los tres factores lo está arrastrando. La acción de mejora, entonces, es vaga o directamente incorrecta.
Lo que cambia con visibilidad: atacar el factor exacto. Si es disponibilidad, el foco va a mantenimiento preventivo y tiempos de setup. Si es rendimiento, va a velocidad de línea y eficiencia de operadores. Si es calidad, va a control de proceso e insumos. Son tres planes de acción distintos.
2. Se mide el on-time y se olvida el in-full
El OTIF sin el “full” es media promesa. Una empresa puede tener un 90% de cumplimiento en fecha y al mismo tiempo entregar el 30% de los pedidos incompletos. Si solo se mide si llegó a tiempo, ese 30% de pedidos cortos pasa invisible.
Lo que vemos: el indicador de servicio es “% pedidos entregados en fecha”. Cuando bajan las ventas o sube la queja de clientes, nadie tiene los datos para relacionarlo con la completitud de las entregas.
Lo que cambia con visibilidad: el OTIF completo expone problemas de planificación, de stock de PT y de coordinación comercial-producción que el “on-time” solo no detecta.
3. El scrap se contabiliza como costo general, no por línea ni causa
“El scrap del mes fue $X” es una cifra que no sirve para decidir nada. No dice en qué línea ocurrió, en qué turno, con qué insumo ni en qué etapa del proceso. Se contabiliza, se absorbe como costo y el mes siguiente se repite.
Lo que vemos: el scrap se registra en el ERP como un centro de costo general. El área de calidad tiene sus propios registros, el área de producción los suyos, y no se cruzan sistemáticamente.
Lo que cambia con visibilidad: cuando el scrap se desagrega por línea, turno, causa y operador, aparece el Pareto real: el 80% del desperdicio suele concentrarse en el 20% de las causas. Eso convierte un costo general en una acción puntual con impacto cuantificable.
Cómo se ve en un tablero en tiempo real
Un tablero de manufactura bien construido no es una colección de números. Es un sistema de alertas visuales que hace que la anomalía salte antes de que se convierta en problema.
Tablero de ejemplo con datos de muestra. Muestra OEE desagregado por línea y factor, OTIF, scrap por causa y cobertura de inventario. Los valores son ilustrativos.
En la práctica, el tablero tiene tres niveles de lectura:
Nivel ejecutivo: OEE consolidado, cumplimiento del plan, OTIF y costo unitario del período. Una pantalla, cuatro decisiones posibles.
Nivel operativo: OEE por línea y turno con apertura de los tres factores, scrap por causa y línea, tiempos de parada. El jefe de turno lo ve en tiempo real.
Nivel de análisis: tendencias semanales y mensuales, comparación contra objetivo, análisis de causa raíz de paradas y scrap. Lo usa el área de mejora continua y gerencia de planta.
Con Power BI conectado a las fuentes del ERP y de los sistemas de producción, estos tres niveles se actualizan automáticamente. No hay un proceso de consolidación manual. No hay una persona que exporta planillas.
De los KPIs a la acción: qué cambia cuando se ve a tiempo
La diferencia entre medir y gestionar no es cuántos indicadores tenés. Es qué tan rápido podés actuar sobre ellos.
Con datos del lunes, las decisiones del viernes ya son historia. Con datos del día anterior —o del turno anterior— todavía podés intervenir: redistribuir un turno, adelantar un mantenimiento, priorizar una orden, avisar a un cliente antes de que reclame.
En los proyectos que implementamos en empresas industriales, los cambios más frecuentes después de instalar un tablero de gestión en tiempo real son:
- Reducción de scrap: porque por primera vez se puede ver dónde se concentra y atacar la causa, no el síntoma.
- Mejora de OEE: porque el equipo de mantenimiento y producción tiene la misma foto del rendimiento por línea, no versiones distintas.
- Mejora de OTIF: porque el área comercial y de planificación ven el mismo estado de los pedidos y coordinan sin depender de correos o reuniones de seguimiento.
No son mejoras abstractas. Son el resultado de acortar el tiempo entre el dato y la decisión.
El siguiente paso
Si en tu planta se mide pero la información llega tarde o fragmentada, el problema no es la cantidad de KPIs — es la arquitectura de cómo fluyen los datos hasta quienes deciden.
Descargá gratis la guía “Tableros de gestión por industria” con los KPIs clave, ejemplos de tablero y criterios de implementación para manufactura, energía, logística y más sectores:
Descargar la guía →
Si ya sabés que necesitás un tablero de manufactura y querés entender qué haría falta en tu caso específico, pedí un diagnóstico sin costo. En una reunión de 45 minutos evaluamos tus fuentes de datos, tus KPIs actuales y qué tan lejos estás de tener visibilidad en tiempo real:
Pedir diagnóstico →
¿También te interesa mejorar tu forecast de ventas o integrar IA conversacional a tu BI? Leé los otros artículos del cluster:
- Forecast de ventas: cuándo Excel ya no alcanza y qué viene después
- Chateá con tu BI: cómo Copilot responde tus preguntas de negocio en lenguaje natural
Lo que dicen los datos
- El estándar de OEE “clase mundial” es 85% (≈90% disponibilidad × 95% rendimiento × 99% calidad), concepto originado en el TPM de Seiichi Nakajima; el promedio de la industria ronda el 60%. (Lean Production – OEE)
Fuentes y referencias
- Lean Production — Overall Equipment Effectiveness (OEE)
- InfluxData — OEE (glosario técnico)
- ASCM (APICS) — métricas de cadena de suministro y OTIF
Fuentes consultadas en junio de 2026. Los datos de los tableros de ejemplo son ilustrativos.
