El estudio piloto: Refinando la muestra
Cómo usar un piloto para probar categorías, cobertura y viabilidad del estudio sin atribuirle garantías estadísticas automáticas.
Actualizado:
El piloto prueba si el estudio puede responder la pregunta de negocio. Permite revisar categorías, recorrido, acceso, registro y cobertura antes de invertir en la campaña principal. No garantiza eliminar sesgos ni medir exactamente el tamaño de muestra «real».
Qué probar
Comprueba si dos observadores aplican la misma regla; si las personas y equipos pueden verse de forma segura; cuánto dura una ronda; qué estados quedan ocultos y si se pierden más lecturas en algún turno. Define ejemplos y una categoría de no observable sin inventar actividad.
No hay porcentajes universales de pilotos con categorías solapadas o reactividad. Un estado raro no debe eliminarse por ser inferior al 5 %: puede ser importante para seguridad, calidad o interrupciones.
Ajustar p₀ sin confundirlo con certeza
La referencia simple es:
n = techo[z²p₀(1−p₀)/e²]
Con confianza del 95 %, e=0,05 y p₀=0,5, n=385. Si el piloto sugiere p₀=0,30, el cálculo da 323; con p₀=0,20, 246. No significa que los 385 fueran un error: 0,5 protege frente a la incertidumbre inicial sobre p.
Los tamaños sin redondear con 0,5 son un 19,0 % mayores que con 0,3 y un 56,25 % mayores que con 0,2. El piloto también cuesta tiempo y su estimación puede ser inestable. Si se reduce la muestra usando una estimación demasiado extrema, la precisión puede empeorar.
No hay un mínimo universal de 20, 30 o 50 lecturas que estabilice todas las categorías. La regla de producto de WorkSamp que actualiza p tras 20 visitas y la acota a 0,05–0,95 es una decisión de planificación de la aplicación, no una prueba matemática de estabilidad o independencia.
Ejemplo didáctico
Un piloto obtiene 20 esperas entre 100 registros: p̂=0,20. El margen normal aproximado al 95 % es 7,8 puntos; Wilson da aproximadamente 13,3–28,9 %. Para planificar cinco puntos, el valor central sugiere n=246 bajo el modelo simple. Valora conservar un p₀ prudente si la espera cambia entre turnos o el piloto no cubre la mezcla futura.
Si limpiezas y supervisión se solapan, define un estado principal y atributos secundarios separados. No sumes los atributos como si fueran tiempos distintos.
Incorporar o excluir el piloto
Decide antes si los registros servirán para análisis final. Pueden combinarse si población, selección, categorías y protocolo son compatibles y el análisis respeta el diseño. Si cambian definiciones, conserva trazabilidad y justifica reclasificación o separación; no borres datos porque cambie el resultado.
Comparar primera y segunda mitad no cuantifica por sí solo efecto Hawthorne: puede haber mezcla, demanda o aprendizaje. No apliques un factor de corrección automático. Comunica el propósito y documenta familiarización sin prometer que desaparezca la reactividad.
Cierre del piloto
Entrega categorías versionadas, incidencias, duración real de rondas, cobertura prevista, muestra y parámetros, tratamiento de pérdidas y plan de análisis. Revisa acceso seguro y protección de datos con responsables competentes. El piloto no certifica legalidad ni una evaluación ergonómica.
WorkSamp apoya planificación y registro. Una proporción de actividad no calcula por sí sola OEE: también se necesitan ciclo ideal y unidades totales/buenas.