Entrevista con Eduardo García: cuando los datos ya están ahí y solo falta aprender a escucharlos

En una planta de fabricación, las máquinas registran el tiempo de cada subciclo con una precisión de décimas de segundo. Ese dato siempre ha existido. Lo que no existía era el algoritmo capaz de convertirlo en una señal de alerta antes de que el fallo ocurriera. El proyecto Miniterms, desarrollado en la planta de Ford en Valencia, parte de esa premisa: los equipos ya anuncian su deterioro mucho antes de detenerse; el reto es aprender a escucharlos. Con más de 35.000 puntos de control activos, integrado en el concepto I3oT ( Industrial Intelligent Internet of Things) y adoptado como especificación global de Ford, el proyecto representa un cambio de paradigma en la gestión del mantenimiento industrial.

Eduardo García Magraner, Manufacturing Manager Assembly & Battery, ha liderado el desarrollo y despliegue de Miniterms desde su origen en Valencia hasta su adopción mundial. Su experiencia pone de manifiesto algo que los proyectos de innovación industrial suelen silenciar: que los grandes avances rara vez nacen de recursos extraordinarios, sino de mirar con atención lo que ya estaba disponible.

En esta entrevista, Eduardo explica cómo surgió la idea, qué impulsó el salto tecnológico de Miniterm clásico a Miniterm 4.0, cómo se gestiona la fatiga de alarmas a escala y qué significa que una solución construida en España cambie hoy la forma en que Ford gestiona el mantenimiento en todo el mundo.

El origen de la idea

La premisa del proyecto es que las máquinas ya estaban anunciando sus problemas a través de los datos, pero nadie las estaba escuchando. ¿Cómo surgió esa idea y qué evidencias confirmaron que el enfoque era viable?

— Eduardo

La idea surgió de una observación muy simple: los PLCs de nuestras máquinas registran el tiempo de cada subciclo con una precisión de décimas de segundo, pero nadie miraba esos datos. Mirábamos el tiempo de ciclo total, los paros, los defectos — los síntomas — pero no las causas tempranas. La evidencia que nos convenció llegó cuando analizamos retrospectivamente máquinas que habían fallado y comprobamos que los miniterms habían empezado a desviarse semanas antes del fallo. El dato estaba ahí. Solo necesitábamos el algoritmo para escucharlo.

Construir la línea base

El sistema se basa en la variación de tiempos de subciclo. ¿Cómo se estableció la línea base del comportamiento normal de cada máquina y cuánto tardó en ser fiable?

— Eduardo
La línea base se construye observando el comportamiento de la máquina en condiciones normales durante un período suficientemente largo para capturar la variabilidad natural: turnos, temperaturas, distintos operarios, distintos productos. Para la mayoría de tipos de máquina necesitamos entre cuatro y ocho semanas de datos limpios. El reto principal fue distinguir la variabilidad normal de la variabilidad que señala deterioro real. Ahí es donde entra la distribución normal: definimos los límites estadísticos del comportamiento esperado, y todo lo que queda fuera de esa banda de forma sostenida activa la alerta.

El salto tecnológico

El salto de Miniterm clásico a Miniterm 4.0 — software virtual, sin coste adicional, capacidad ilimitada — es un cambio fundamental. ¿Qué lo hizo posible y cómo se gestionó el cambio en los equipos de mantenimiento?

— Eduardo

Lo que habilitó ese salto fue eliminar la dependencia del hardware. El Miniterm clásico requería modificar el código PLC de cada máquina, lo que lo hacía costoso y lento de desplegar. Miniterm 4.0 corre como software virtual sobre los datos que ya existen en la planta, sin tocar el PLC. Eso multiplicó por diez nuestra velocidad de despliegue. El cambio en los equipos de mantenimiento fue gradual: primero lo vieron como una herramienta de diagnóstico adicional que les ayudaba a preparar mejor sus intervenciones. Cuando empezaron a llegar a la máquina con el problema ya identificado en lugar de a investigar qué pasaba, el cambio de actitud fue inmediato.

Gestión de alertas

Con más de 35.000 puntos de control activos, ¿cómo se gestiona el volumen de alertas para que el sistema sea útil y no genere fatiga de alarmas?

— Eduardo

Esa es una de las preguntas más importantes del proyecto y la que más tiempo nos llevó resolver. La respuesta está en la inteligencia del algoritmo: no todas las desviaciones generan alerta. El sistema distingue entre una anomalía puntual — que puede ser ruido — y un patrón de deterioro sostenido. Solo cuando la desviación supera el umbral estadístico durante un número mínimo de ciclos consecutivos se genera la alerta. Además, las alertas están jerarquizadas por criticidad del componente y tienen asociada directamente la orden de trabajo en el sistema MFM, de forma que el técnico recibe no solo la alarma sino también el contexto y la acción recomendada.

Adopción global

Miniterm ha pasado a ser especificación global de Ford. ¿Cómo se produjo ese reconocimiento y qué supone para el equipo que lo desarrolló en España?

— Eduardo

El reconocimiento llegó de forma orgánica. Cuando otras plantas de Ford vieron los resultados que estábamos obteniendo en Valencia — reducción de paros no planificados, mejor uso de los recursos de mantenimiento — empezaron a preguntar cómo replicarlo. La dirección de manufactura global tomó la decisión de convertirlo en especificación estándar después de revisar los resultados de manera sistemática. Para el equipo que lo desarrolló aquí es un momento de gran orgullo. Significa que una solución nacida en España, construida con recursos propios y mucha creatividad, va a cambiar la forma en que se gestiona el mantenimiento en todas las plantas de Ford del mundo.

Reconocimiento externo

Estar entre los finalistas de los Kaizen Awards implica haber sido evaluados frente a algunos de los mejores proyectos de mejora continua de España. ¿Qué significa ese reconocimiento para el equipo y para la organización?

— Eduardo

Para nosotros es mucho más que un premio externo. Es un espejo que le devuelve a la organización la imagen de lo que ha construido. Hay personas en este proyecto que llevan años haciendo cosas extraordinarias en silencio, y este reconocimiento les dice que lo que han hecho importa y que el esfuerzo tiene sentido. Para la compañía es también una señal de que el camino elegido es el correcto.

Sostener el impulso

La mejora continua exige constancia frente a las presiones del corto plazo. ¿Cuál ha sido el mayor obstáculo para mantener el impulso a lo largo del tiempo?

— Eduardo

El mayor obstáculo no ha sido técnico ni de recursos: ha sido la inercia. La tendencia natural de las organizaciones a volver al punto de partida cuando aparece la presión del día a día. Lo que más nos ha ayudado es tener rituales de seguimiento no negociables — reuniones, indicadores, revisiones — que hacen visible cualquier retroceso antes de que se consolide. Cuando el seguimiento forma parte de la rutina, la mejora también lo acaba siendo.

Primeros pasos

¿Qué le diría a una organización que está en los primeros pasos de su camino en mejora continua?

— Eduardo

Que no intente replicar lo que ve hoy, sino que empiece pequeño y con humildad. Nuestro modelo no nació así: tardó años en ser lo que es. El consejo más honesto es: elige un área, forma un equipo comprometido, genera un resultado visible y después replica. La velocidad no es la virtud más importante al principio. La persistencia, sí.

Aprendizajes clave

El proyecto Miniterms demuestra que la innovación industrial no siempre requiere datos nuevos: a veces requiere aprender a leer los que ya existen. Los PLCs de la planta registraban el deterioro de las máquinas con semanas de antelación. El avance fue construir el algoritmo que convirtiera esa señal en acción. Esa lógica — escuchar lo que el sistema ya dice antes de añadir complejidad — es transferible a cualquier entorno de fabricación con infraestructura digital mínima.

Tres lecciones emergen con claridad. La primera: eliminar dependencias de hardware es lo que permite escalar; Miniterm 4.0 multiplicó por diez la velocidad de despliegue precisamente porque dejó de requerir modificaciones en el PLC. La segunda: la fatiga de alarmas no se resuelve filtrando alertas manualmente, sino diseñando algoritmos que distingan el ruido del deterioro real. La tercera: la inercia organizativa es el obstáculo más difícil de gestionar, y los rituales de seguimiento no negociables son la única respuesta duradera.

Mirando adelante

Miniterms no es ya un proyecto de una planta: es la especificación global de mantenimiento predictivo de Ford. Una solución desarrollada en Valencia con recursos propios se convierte en el estándar con el que la compañía gestiona el deterioro de maquinaria en todo el mundo. Para el sector de la automoción, que opera con infraestructuras de alta complejidad y presión constante sobre la disponibilidad de equipos, ese trayecto — de observación local a estándar global — ofrece un modelo de innovación relevante más allá de la tecnología concreta.

El camino desde la primera observación hasta los 35.000 puntos de control activos no fue lineal ni rápido. Fue el resultado de años de iteración, de equipos que trabajaron sin visibilidad externa y de una organización que supo sostener el impulso cuando la presión del corto plazo empujaba en sentido contrario.

Como observó Eduardo García Magraner durante la conversación:

«Nuestro modelo no nació así: tardó años en ser lo que es.»

Para cualquier organización que mire con admiración lo que Ford Valencia ha construido, esa frase es probablemente el punto de partida más honesto.