5S sin límites de circulación es puro teatro: gestión visual para la IA

5S, paneles de control, datos de las máquinas, MES: lo tiene todo y, aun así, la automatización no aporta la productividad prometida. La causa rara vez está en el modelo de IA. Está en el suelo. Si en la nave no hay zonas legibles, normas de circulación ni señalización, el sistema analiza un proceso que no es estable. Por eso la gestión visual para la automatización no es un adorno de la implantación: es su condición previa.

Lo que realmente mostró la Hannover Messe 2026

Durante la Hannover Messe 2026, la consultora de análisis IDC planteó una tesis que da la vuelta a la forma habitual de pensar sobre la ventaja de la IA en la producción. La frase clave es: «the data gold mine is not just in the machine data»: la mina de valor no está únicamente en los datos de las máquinas. El contexto más valioso surge donde se encuentran el trabajador y el proceso: en las decisiones del operario, en la forma de desplazarse por la nave, en dónde y cómo se deposita el material.

Es una corrección importante. Durante años, las inversiones se dirigieron a la capa digital: sensores, telemetría, integraciones. Sin embargo, la calidad de las conclusiones que extrae la IA depende de la profundidad del contexto operativo, y no solo de la calidad del modelo. Un rico flujo de datos de la máquina describe la máquina. No describe el caos que la rodea.

En la práctica, esto supone desplazar el centro de gravedad. Antes de añadir otro modelo u otro panel, conviene preguntarse si el proceso que rodea a la máquina está lo bastante ordenado como para que se pueda leer en él un patrón repetible. Si no lo está, cada nueva capa digital mide una variabilidad que sería más fácil eliminar que analizar.

Por qué las 5S sin límites de circulación son solo decoración

Las 5S ordenan el puesto de trabajo: clasificar, ordenar, limpiar, estandarizar y mantener la disciplina. El problema es que las 5S clásicas suelen terminar en la silueta de las herramientas y la etiqueta de la estantería, sin llegar a la capa que decide la repetibilidad de todo el flujo: los límites de circulación. Cuando no hay rutas delimitadas, zonas de depósito señalizadas ni reglas inequívocas sobre quién cede el paso a quién, el «orden» solo existe en la foto de la auditoría.

Para una persona, esa carencia es incómoda. Para un sistema autónomo y para la analítica, es simplemente ruido. La gestión visual para la automatización cierra lo que las 5S aplicadas al puesto no abarcan: traduce las reglas del proceso en señales visibles a varios metros de distancia e idénticas en cada turno.

Cuatro lugares en los que la IA pierde el contexto

Si quiere comprobar por dónde se escapa su proceso antes de añadir otra capa digital, fíjese en cuatro puntos. Es aquí donde con más frecuencia se pierde el contexto necesario para un análisis fiable.

1. La circulación de personas y carretillas

Sin rutas delimitadas, el flujo real solo existe en la cabeza de los operarios. Dos personas harán la misma ruta de dos maneras, y el sistema no tiene forma de distinguir la norma de la desviación. Las vías de circulación delimitadas convierten el «así se va» en una regla que se puede medir.

2. Cómo recibe las decisiones el operario

Cuando el punto de depósito o la zona de material no conforme no están señalizados, aumenta la variabilidad. Un operario deja el palé aquí; otro, dos metros más allá. La analítica registra esa variabilidad como «aleatoriedad del proceso», aunque en realidad es la falta de un estándar visual.

3. La calidad de los datos de proceso

Sin un estándar legible, la causa del suceso desaparece. El sistema verá que el material estuvo parado 40 minutos, pero no sabrá que estuvo en la zona equivocada, porque la zona no existía. Los datos sin contexto espacial describen el efecto, no el origen.

4. La repetibilidad de las operaciones

No hay analítica sin un proceso repetible. Si el mismo paso se realiza cada vez de forma distinta, la IA aprende de un material difuso y devuelve conclusiones difusas. La repetibilidad empieza cuando el espacio impone una única forma de hacer las cosas.

Gestión visual para la automatización: el orden que funciona

De la observación de IDC se desprende una conclusión operativa sencilla: primero un estándar visible, después datos fiables y, solo al final, una IA inteligente. Invertir este orden es el error más costoso de las implantaciones: se añade analítica a un proceso que todavía no se puede medir con rigor.

El estándar visible es una capa que la empresa controla por completo y que puede poner en marcha sin esperar a las integraciones. Las cintas de marcaje de suelo contrastadas delimitan rutas y zonas, y los marcadores de suelo señalan de forma inequívoca los puntos de depósito y los lugares de decisión. A esto se suma el direccionamiento: unas etiquetas de suelo y de estantería legibles hacen que la ubicación sea la misma para la persona y para el sistema. Solo sobre esta base los datos de la nave empiezan a significar algo.

Por dónde empezar en la nave

No necesita revisar toda la distribución en planta para arrancar. Empiece por estos cuatro pasos; cada uno cierra uno de los lugares donde antes se perdía el contexto:

• Delimite las rutas y las vías de circulación. La circulación de personas y carretillas debe tener un único patrón visible, y no varias variantes según el turno.
• Señalice las zonas de depósito y los puntos de decisión. El lugar para el material conforme, la zona de no conformidades, el buffer: cada uno con una señalización propia y repetible.
• Unifique el código de colores y el direccionamiento. Si cada departamento señaliza a su manera, el proceso deja de ser escalable y los datos, comparables.
• Compruebe la legibilidad con poca luz y en ángulo. Un estándar que no se ve a distancia no es un estándar: es una declaración de intenciones.

Una prueba sencilla de preparación: ¿entenderá una persona nueva las normas de circulación de su nave en unos minutos, sin explicaciones? Si es así, tiene una capa en la que la analítica y la automatización pueden apoyarse. Si no, ningún modelo lo compensará: primero hará visible el caos y después lo acelerará.

Preguntas frecuentes

¿Hace falta la gestión visual si los robots tienen una percepción cada vez mejor?

Cuanto más «ve» el sistema, más depende de la calidad de las señales que lee. Una señalización ambigua es una señal de entrada débil, sea cual sea la categoría del sensor. Una mejor percepción eleva las exigencias sobre el entorno, no las reduce.

¿Por dónde empezar si ya hemos implantado las 5S?

Amplíe las 5S del puesto de trabajo al flujo. Compruebe si, además del orden en los puestos, tiene rutas delimitadas, zonas de depósito señalizadas y un direccionamiento uniforme. Suele ser el eslabón que falta entre una «nave limpia» y una «nave preparada para los datos y la automatización».

¿Es una inversión para la IA o para el trabajo diario de las personas?

Para ambas cosas. La misma capa que proporciona al sistema datos fiables acorta a las personas el tiempo de búsqueda y de decisión y reduce los errores. Estar preparado para la automatización y estar preparado para las personas es, en la práctica, el mismo estándar.

Fuentes

• IDC, Hannover Messe 2026: Industrial AI in Manufacturing: https://www.idc.com/resource-center/blog/hannover-messe-2026-industrial-ai-manufacturing/