Diagrama ilustrativo: el operador (exception handler) y la flota de AMR alimentan un único panel de KPI del sistema, no métricas aisladas.
❌ El error clásico: UPH individual con AMR
La métrica heredada más común en un almacén es el Units Per Hour (UPH) individual: cuenta cuántas unidades procesa cada operador por hora. En una operación manual tenía sentido. Con AMR (robots móviles autónomos) en la operación, se vuelve activamente perjudicial: penaliza precisamente a quienes realizan el trabajo más crítico.
🎯 El incentivo perverso
El operador que se detiene para resolver una excepción del robot pierde UPH — pero sin él, toda la flota se detiene. La métrica premia a quien ignora el problema y realiza tareas sencillas, y castiga a quien mantiene el sistema en funcionamiento.
- •Mide la parte, ignora el todo
- •Penaliza a quien gestiona las excepciones — el rol de mayor valor
- •Crea competencia donde debería haber colaboración entre el humano y la flota
✓ Qué DEBE recompensar la métrica
- ✓Mantener la flota en funcionamiento sin interrupciones
- ✓Resolver excepciones rápido y bien
- ✓Resultado total del sistema humano + robots
✗ Qué hace el UPH individual
- ✗Cuenta unidades de UN operador aislado
- ✗Castiga a quien se detiene para salvar la flota
- ✗Premia las tareas simples por encima del trabajo crítico
Conceptos clave
📈 System Throughput: producción de todo el sistema
O System Throughput mide la producción total del sistema humano-robot como una unidad integrada — no la suma de las partes individuales. El valor de la operación moderna no está en cuánto carga cada persona, está en la sinergia entre quien opera y la flota que mantiene.
📊 El dato que cambia la conversación
- •Un operador que mantiene 10 AMR en funcionamiento genera más rendimiento que 10 operadores haciendo picking manual.
- •El beneficio proviene de la sinergia humano-máquina, no del esfuerzo individual sumado.
💡 Consejo práctico
Antes de evaluar a una persona, pregunta: «¿cuál era el resultado del sistema con ella presente frente a cuando estaba ausente?». Si la flota cae sin el operador, su rendimiento es enorme, aunque su UPH individual sea bajo.
Conceptos clave
🔧 Tasa de excepciones: intervenciones por hora
O Exception Rate cuenta el número de intervenciones humanas necesarias por hora de operación robótica. Es la métrica que mide la calidad de la integración entre el humano y el robot — y es la más reveladora de la madurez del sistema.
🔍 Qué te está diciendo una exception rate alta
Una exception rate alta no es culpa del operador: es un síntoma. Apunta a problemas anteriores en el proceso:
- •Configuración deficiente: diseño, señalización o acoplamiento mal configurados
- •Capacitación insuficiente: el operador no previene, solo apaga incendios
- •Diseño del flujo: rutas que provocan colisiones o bloqueos recurrentes
✓ Usa la tasa de excepciones para
- ✓Encontrar la causa raíz de las excepciones recurrentes
- ✓Medir la madurez de la integración a lo largo del tiempo
- ✓Priorizar dónde invertir en configuración y capacitación
✗ NO uses la tasa de excepciones para
- ✗Culpar al operador que resuelve las excepciones
- ✗Ignorar la causa raíz y solo exigir resultados
- ✗Comparar áreas con diseños diferentes sin contexto
Conceptos clave
⏱️ Fleet Uptime y MTTR: responsabilidad del operador
Dos métricas que por fin valoran el papel humano: Fleet Uptime (% del tiempo que la flota opera normalmente) y MTTR — Mean Time to Resolve (cuánto tiempo tarda el operador en resolver cada excepción). El uptime es responsabilidad directa del operador; el MTTR revela competencia y se puede entrenar.
Fleet Uptime %
Porcentaje de tiempo que la flota opera con normalidad
Responsabilidad directa del operador: cuanto más rápido previene y resuelve, más productiva es la flota. Es el KPI central del operador de flota.
MTTR de excepciones
Tiempo promedio para resolver cada excepción
Revela competencia para resolver problemas — y, a diferencia del «talento», se puede entrenar. Un operador capacitado reduce el MTTR y aumenta el uptime simultáneamente.
💡 Consejo práctico
El uptime y el MTTR están vinculados: quien reduce el MTTR casi siempre aumenta el uptime. Entrena la resolución de excepciones específicas (acoplamiento, bloqueo, lectura de código) y ambas métricas mejoran a la vez —ese es el argumento concreto de que la recalificación tiene un retorno medible.
Conceptos clave
🎯 Cero errores en handoffs: transiciones críticas
Transferencias son los puntos de transferencia entre humano y robot — y los momentos de mayor riesgo en operaciones híbridas. La meta es cero fallas (objetivo de cero defectos) en estos puntos específicos, porque es allí donde se concentran los accidentes y las pérdidas.
⚠️ Por qué la transferencia es el punto débil
Ocurren accidentes y pérdidas principalmente en los traspasos — cuando la responsabilidad pasa de una persona a un robot o viceversa. Medir y capacitar en esos puntos específicos de transición reduce drásticamente el riesgo.
Identificar cada transferencia crítica
Mapear todos los puntos donde el control o la carga pasa de una persona a un robot. Cada transferencia es un punto que se debe medir.
Definir el objetivo de cero defectos
Establecer una meta de cero fallas por handoff y contar las desviaciones. A diferencia de una métrica de promedio, aquí cuenta cualquier falla.
Capacitación específica para la transición
Capacita en el gesto exacto de la transferencia, no en el trabajo en general. La práctica enfocada en el punto de riesgo reduce las fallas donde más cuestan.
Conceptos clave
🧠 Framework 92.5%: reconocimiento de intenciones
La próxima generación de métricas HRC (Human-Robot Collaboration) parte de robots que entienden la intención humana. Un framework de investigación (arxiv, 2025) alcanza 92.5% de precisión en el reconocimiento de intenciones humanas en entornos colaborativos — y eso cambia lo que se puede medir.
📊 Datos de investigación
- •92.5% de accuracy en el reconocimiento de la intención humana (arxiv 2025).
- •Robots que anticipan la intención reducen las excepciones antes de que ocurran.
- •Colaboración más natural y segura: menos transferencias fallidas.
🚀 Por qué esto es el futuro de la métrica HRC
Cuando el robot reconoce la intención, las métricas de los temas anteriores mejoran en cascada: menos excepciones (tema 3), más uptime (tema 4) y handoffs más seguros (tema 5). El intent recognition es la palanca que impulsa casi todo lo demás.
- •Reduce las excepciones desde el origen, no solo al resolverlas
- •Aumenta la seguridad en los puntos de transición
- •Hace más natural la colaboración entre humanos y robots
💡 Consejo práctico
Usa el framework como horizonte, no como requisito previo. Empieza midiendo el throughput, la tasa de excepciones, el tiempo de actividad/MTTR y los handoffs actuales. El reconocimiento de intención (92.5%) es el siguiente paso que mejora estructuralmente estas métricas.
Conceptos clave
📌 Resumen del módulo
Próximo módulo:
3.3 - Caso de negocio: vender la recapacitación para la robótica