“Con Dribia hemos desarrollado un proyecto que utiliza la IA para mejorar procesos del departamento de calidad, que no solo nos permitirá mejorar la gestión de las desviaciones, sino que nos abre la puerta a continuar optimizando nuestros procesos utilizando la IA y la ciencia de datos”.
CARACTERÍSTICAS
Asistente de IA generativa para dar soporte al equipo de calidad durante la gestión de desviaciones.
IMPACTO
Mejorar la eficiencia en la gestión de desviaciones, la calidad de la información de la documentación y reducir el número de desviaciones, sobre todo de recurrentes.
ÉXITOS
Creación de una herramienta que permite expandir el conocimiento de desviaciones y sus investigaciones y CAPAs asociadas, entre el equipo de calidad y los operarios.
PROBLEMA EMPRESARIAL
En Cloverty, la detección de desviaciones en el proceso de producción implica la creación manual de documentos detallados y planes de acción, sin un acceso estructurado a información de planes anteriores. Al no contar con herramientas para analizar el histórico de datos —actualmente disperso en PDFs con formatos heterogéneos y TrackWise—, se invierte un tiempo considerable en buscar y comprender los antecedentes. Esto hace que el proceso dependa críticamente del conocimiento experto y la experiencia individual de cada empleado, generando disparidad en la resolución según quién gestione la incidencia. Esta falta de acceso a la información dificulta el seguimiento de las desviaciones, y podría provocar incidentes recurrentes y una comprensión limitada de la frecuencia, tipología y correcta implementación de los planes de acción.
LA SOLUCIÓN DE DRIBIA
Conjuntamente con el personal del equipo de calidad de Cloverty, se ha diseñado una herramienta basada en inteligencia artificial generativa para dar soporte en el análisis de desviaciones pasadas y en la generación de documentación para las nuevas. Por un lado, se ha desarrollado un proceso de preprocesado que extrae la información de los documentos existentes, la estructura en campos relevantes y estandarizados, clasifica el tipo de desviación y almacena estos datos en una base de conocimiento centralizada. Por otro lado, se ha creado un asistente conversacional que aprovecha toda esta información estructurada para responder preguntas concretas sobre el histórico y asistir en la redacción de nuevas desviaciones y CAPAs, basándose en las soluciones previas, descripciones pasadas y los protocolos de la fábrica.
