Muestreo del trabajo y mejora continua con PDCA
Cómo integrar observaciones en un ciclo PDCA y comprobar los cambios sin confundir asociación con efecto de la intervención.
Actualizado:
Introducción
El ciclo PDCA organiza la mejora en planificar, hacer, verificar y actuar. El muestreo puede aportar estimaciones del reparto de actividades para comparar periodos. No basta por sí solo para atribuir a una intervención un cambio observado.
Esta guía integra diseño, ejecución y comparación con dos ejemplos simulados. La incertidumbre estadística, la comparabilidad y la relevancia práctica se evalúan por separado.
En esta guía exploraremos cómo integrar de forma práctica los estudios de muestreo del trabajo en cada una de las cuatro fases del ciclo de Deming, con un caso de aplicación ilustrativo, fórmulas, errores frecuentes y recomendaciones de implementación.
¿Qué es el Muestreo del Trabajo y por qué encaja con el PDCA?
El Muestreo del Trabajo es una técnica de observación instantánea y aleatoria que permite determinar la proporción de tiempo que los operarios, máquinas o procesos dedican a distintas actividades (productivo, improductivo, demoras, etc.) sin necesidad de cronometrar cada segundo. Su validez descansa sobre tres pilares:
La planificación debe cubrir la población y el periodo objetivo, minimizar clasificación sesgada y considerar dependencia y ponderaciones. Aleatorizar no garantiza independencia. Las fórmulas simples siguientes suponen observaciones Bernoulli independientes y aproximación normal adecuada.
Matemáticamente, el tamaño de muestra necesario se calcula con la fórmula:
N = (Z² · p · q) / S²
Donde:
- Z = valor de la distribución normal asociado al nivel de confianza (1,96 para 95 %, 2,58 para 99 %).
- p = proporción estimada de la actividad de interés (por ejemplo, tiempo productivo).
- q = 1 − p.
- S = error absoluto admisible (precisión).
El muestreo produce un dato estructural: la fotografía estadística de cómo se distribuye el tiempo en un proceso. Esa fotografía es, precisamente, el insumo que el PDCA necesita para que cada iteración sea una decisión informada y no un salto a ciegas.
El ciclo PDCA: por qué falla sin datos
El ciclo PDCA, popularizado por W. Edwards Deming a partir del trabajo de Walter Shewhart, es un método iterativo de cuatro fases:
- Plan (Planificar): diagnosticar el problema y diseñar la mejora.
- Do (Hacer): implementar la mejora a pequeña escala.
- Check (Verificar): medir el efecto de la mejora.
- Act (Actuar): estandarizar si la mejora funcionó, o ajustar y volver a Plan.
El fallo clásico en industria ocurre cuando la fase Check se sustituye por percepciones o por datos sesgados:
- "El operario va más rápido ahora" → percepción subjetiva.
- "El supervisor dice que la línea rinde mejor" → sesgo de confirmación.
- "En el vídeo se ve mejor" → muestra de un único instante.
Un intervalo permite expresar la incertidumbre bajo los supuestos del diseño; no elimina sesgo o variables de confusión.
La estimación con su intervalo informa sobre incertidumbre de muestreo; no convierte una observación antes/después en certeza causal.
1. Plan: la línea base con muestreo
Antes de proponer cualquier mejora, hay que saber dónde se está. Un estudio de muestreo del trabajo ejecutado al inicio del proyecto PDCA proporciona la línea base (baseline) con la que se compararán los resultados.
Procedimiento recomendado:
- Definir la población objetivo (línea, célula, equipo, sección).
- Estimar una proporción piloto p₀ (por ejemplo, p₀ = 0,55 si se cree que el 55 % del tiempo es productivo). Si no se tiene idea, se puede usar p₀ = 0,5 (caso más conservador, que maximiza p·q).
- Calcular N con la fórmula ya indicada, fijando un nivel de confianza (95 % o 99 %) y un error absoluto aceptable (por ejemplo, ±3 o ±5 puntos porcentuales).
- Distribuir las N observaciones a lo largo de los días del estudio, respetando la aleatoriedad (rutas y horarios aleatorios).
- Registrar cada observación en una categoría MECE (Mutuamente Excluyente, Colectivamente Exhaustiva): Productivo, Improductivo, Demora, Setup, etc.
Al finalizar, se obtiene un porcentaje por categoría con su error estándar σₚ = √(p·q/N) y un intervalo de confianza que describe la incertidumbre de la medición.
Ejemplo numérico:
Si tras 800 observaciones se han registrado 480 productivas, entonces:
- p̂ = 480 / 800 = 0,60 (60 % productivo)
- σₚ = √(0,60 · 0,40 / 800) = √(0,0003) = 0,0173 (1,73 %)
- Intervalo al 95 %: 0,60 ± 1,96 · 0,0173 = [0,566; 0,634] → [56,6 % ; 63,4 %]
Para comparar periodos, calcula directamente la diferencia y su incertidumbre. No exijas que la nueva proporción quede fuera del intervalo individual de la primera: no es una regla general para el contraste.
2. Do: implementar la mejora a escala controlada
Durante la implantación también puede observarse si el objetivo incluye aprendizaje o incidencias. Si se excluye un rodaje, justifica y documenta su duración antes de ver resultados, e informa del alcance temporal de la conclusión.
- Documentar la fecha y hora exacta de inicio de la intervención.
- Definir el periodo de "rodaje" (típicamente 1–2 semanas) para evitar medir efectos de aprendizaje.
- Aislar otras variables que puedan confundir el resultado (cambio de lote, personal nuevo, etc.).
Controlar variables y documentar la intervención mejora la interpretación, pero no garantiza causalidad. Considera demanda, mezcla y grupos de comparación, y declara las limitaciones del diseño.
3. Check: validar la mejora con un nuevo muestreo
Aquí es donde el muestreo del trabajo se vuelve a desplegar, esta vez post-intervención. El objetivo es comparar la nueva proporción con la baseline de forma estadísticamente válida.
Procedimiento:
Compara muestras con poblaciones, categorías y condiciones compatibles. Para dos muestras independientes grandes, estima Δ = p̂₁ − p̂₀ y su error estándar sin agrupar:
SE(Δ) = √[p̂₀(1−p̂₀)/n₀ + p̂₁(1−p̂₁)/n₁]
Un intervalo normal aproximado al 95 % es Δ ± 1,96 SE(Δ). Si excluye cero, indica evidencia de diferencia bajo los supuestos. Una prueba de igualdad puede usar la proporción combinada bajo la hipótesis nula. Clústeres, pares o autocorrelación requieren otro análisis.
Ejemplo de continuación:
Tras la intervención, en un nuevo estudio de 800 observaciones se registran 552 productivas:
- p₁ = 552 / 800 = 0,69 (69 %)
- Intervalo al 95 %: [0,658; 0,722] → [65,8 % ; 72,2 %]
En este ejemplo simulado, Δ = 0,69 − 0,60 = 0,09. El intervalo aproximado de la diferencia es de 4,3 a 13,7 puntos porcentuales. Apoya una diferencia entre periodos bajo el modelo; no demuestra que la intervención sea su causa.
4. Act: estandarizar o iterar
Decide si extender, modificar o detener el cambio combinando efecto, incertidumbre, calidad, seguridad, coste y capacidad de implantación. No significación no demuestra ausencia de efecto; puede faltar precisión.
El muestreo informa la decisión, pero no la toma automáticamente ni sustituye el conocimiento del proceso.
Caso práctico simulado: reducción de tiempos muertos en una línea de ensamblaje
Contexto. Una planta de electrodomésticos ejecuta un ciclo PDCA sobre una línea de ensamblaje manual de 8 operarios, con un turno de 8 horas. (Ejemplo construido con fines didácticos; no corresponde a una implantación real de WorkSamp ni a un cliente concreto.) La dirección sospecha que las demoras por búsqueda de material (herramientas, piezas, documentación) están inflando el tiempo improductivo.
Fase Plan – Baseline. Se diseña un estudio de muestreo:
- Nivel de confianza: 95 % → Z = 1,96.
- Estimación piloto: p₀ = 0,50 (caso conservador, sin datos previos).
- Error admisible: S = ±4 % → S² = 0,0016.
N = 0,9604 / 0,0016 = 600,25; redondeando por exceso se planifican 601 observaciones. Supongamos que finalmente se obtienen 600 registros válidos. El margen máximo aproximado del modelo pasa a 4,001 puntos, no exactamente 4; el ejemplo siguiente utiliza esa muestra realizada.
Tras 600 observaciones aleatorias en 5 días (120 por día, con rutas y horarios aleatorizados), se obtienen los siguientes resultados:
| Categoría | Observaciones | Proporción |
|---|---|---|
| Productivo | 306 | 51,0 % |
| Improductivo | 78 | 13,0 % |
| Demoras (búsqueda material) | 144 | 24,0 % |
| Demoras (otras) | 54 | 9,0 % |
| Setup | 18 | 3,0 % |
El intervalo de confianza al 95 % para Demoras por búsqueda es:
- p = 0,24, q = 0,76, N = 600.
- σₚ = √(0,24 · 0,76 / 600) = √(0,000304) = 0,0174.
- IC 95 %: 0,24 ± 1,96 · 0,0174 = [0,206; 0,274] → [20,6 % ; 27,4 %].
Sobre una base compatible de ocho horas, el intervalo equivale aproximadamente a 1 h 39 min–2 h 12 min por persona-turno en promedio agregado. No implica que cada persona tenga ese reparto ni que todo ese tiempo sea ahorro realizable.
Fase Do. Se implementa una mejora acotada:
- Reorganización del puesto con kit de herramientas y piezas en "cajas sombra" (shadow boards).
- Procedimiento de checklist de inicio de turno.
- Etiquetado y ubicación fija de los consumibles.
Periodo de rodaje: 2 semanas (no se mide).
Fase Check – Post-intervención. Se repite el muestreo con las mismas condiciones: N = 600, taxonomía idéntica, 5 días.
| Categoría | Observaciones | Proporción |
|---|---|---|
| Productivo | 366 | 61,0 % |
| Improductivo | 72 | 12,0 % |
| Demoras (búsqueda material) | 90 | 15,0 % |
| Demoras (otras) | 54 | 9,0 % |
| Setup | 18 | 3,0 % |
Comparación de Demoras por búsqueda:
- p₀ = 0,24 → IC [20,6 %; 27,4 %].
- p₁ = 0,15 → σₚ = √(0,15·0,85/600) = 0,0146 → IC [12,1 %; 17,9 %].
La espera por búsqueda cambia de 24 % a 15 %: −9 puntos, con un intervalo aproximado del cambio de −13,5 a −4,5 puntos bajo muestras independientes. El trabajo clasificado como productivo sube de 51 % a 61 %: diez puntos equivalen a 48 minutos sobre ocho horas, no a producción o margen adicionales demostrados. Demanda y otros cambios pueden explicar parte de la diferencia.
Fase Act. El escenario propone un piloto adicional antes de extender a otras cuatro líneas. Comprueba comparabilidad y riesgos, y elige seguimiento según la decisión y la precisión necesaria; 60 días es una opción del caso, no una regla.
Errores comunes al integrar muestreo y PDCA
- Definir el efecto y la precisión necesarios antes de recoger datos.
- Registrar pérdidas y dependencia sin inflar el tamaño efectivo.
- Mantener categorías comparables o documentar una equivalencia validada.
- Investigar cambios de demanda, mezcla y personal.
- Separar significación, causalidad y relevancia económica.
- Documentar también calidad y seguridad, evitando optimizar una proporción aislada.
Frecuencia y diseño de los muestreos de seguimiento
El seguimiento debe dimensionarse para el cambio que importa. Una muestra mensual de 200 puede ser útil, pero no demuestra ausencia de regresión y tendrá menor precisión que 600 registros comparables.
Los gráficos p requieren subgrupos con una definición comparable y un modelo binomial adecuado. Calcula la línea central ponderando por registros y límites distintos si cambia n; las señales invitan a investigar, no identifican automáticamente la causa.
El seguimiento puede activar una nueva hipótesis de mejora cuando exista una señal que merezca investigación.
Conclusiones y recomendaciones
El Muestreo del Trabajo no compite con el PDCA: lo apuntala. Mientras el ciclo Deming aporta el marco iterativo de mejora, el muestreo aporta la evidencia estadística que necesita cada fase para ser algo más que una buena intención.
Las claves para una integración exitosa son:
- Planifica confianza, precisión y cobertura conjuntamente.
- Estima diferencias con un método adecuado al diseño.
- No uses el solapamiento de intervalos individuales como criterio universal.
- Contrasta causas y efectos económicos con datos adicionales.
- Ajusta seguimiento y gráficos al tamaño y dependencia reales.
PDCA y muestreo pueden mejorar la trazabilidad de las decisiones si se comunican sus supuestos y límites. Una diferencia estadística es una parte de la evaluación, no una garantía de éxito.
Recursos y Herramientas
- WorkSamp: Estudios de Muestreo del Trabajo con observación aleatoria y cálculo del tamaño de muestra.
- Cronometras: Análisis de tiempos de las tareas que hay que estandarizar.
- Induly: Control horario y fichaje industrial para contextualizar jornadas y turnos.
- Directorio ASETEMYT: Profesionales y empresas de ingeniería de métodos y tiempos.
- ProdCont: Consultoría de productividad industrial; auditorías operativas integrales (no solo work sampling) para plantas con varios frentes abiertos.