Muestreo del trabajo y Six Sigma: integración en DMAIC
Cómo integrar muestreo del trabajo en DMAIC sin confundir proporciones observadas con capacidad del proceso o causalidad.
Actualizado:
El muestreo del trabajo puede aportar datos sobre estados y utilización del tiempo a un proyecto DMAIC: definir, medir, analizar, mejorar y controlar. No sustituye la medición de defectos, tiempos de ciclo o requisitos del cliente. La técnica se elige según la variable que necesita la decisión, no por una supuesta superioridad frente a sensores o registros existentes.
Define: formular una pregunta medible
Un objetivo útil sería reducir esperas por material en una línea concreta, manteniendo calidad y seguridad. Define población, periodo, recurso, categorías y resultado esperado. “Porcentaje del tiempo en espera” no es lo mismo que duración de cada espera, tiempo de entrega o productividad en unidades por hora.
Un piloto puede revelar dónde investigar, pero no confirma una causa. Si 35 de 100 lecturas simuladas muestran espera, informa 35/100 y su incertidumbre; no conviertas el porcentaje en una descripción exacta del año ni en un ahorro.
Measure: diseño y sistema de clasificación
Planifica n=ceil(z²p₀(1−p₀)/e²) para una proporción bajo independencia aproximadamente binomial. Con z=1,96, p₀=0,30 y e=0,03:
n=ceil(3,8416×0,30×0,70/0,0009)=ceil(896,3733)=897.
Con p₀=0,5 y e=0,05 serían 385. DMAIC no impone un margen universal del 2–3%: acuerda la precisión necesaria para decidir. Los intervalos de cada turno necesitan sus propios datos; un total suficiente no garantiza precisión por segmento.
Comprueba cobertura de turnos, días, productos y zonas. Si las observaciones se agrupan en rondas, examina dependencia y ponderaciones antes de usar fórmulas independientes.
Repetibilidad y reproducibilidad
Para clasificación por atributos, examina si un observador clasifica consistentemente las mismas situaciones (repetibilidad), si distintos observadores coinciden (reproducibilidad) y si coinciden con una referencia defendible cuando existe. Los ejemplos deben representar estados frecuentes, raros y ambiguos. No hay un 95% de acuerdo que por sí solo valide todo sistema: la prevalencia y los errores por categoría importan.
La linealidad de un instrumento cuantitativo no equivale a comparar principio y fin del turno. En ese caso estudia deriva o fatiga. Una evaluación por atributos debe corresponder al tipo de dato; no copies un Gage R&R de medidas continuas sin adaptación.
Analyze: distinguir asociación de causa
Para comparar dos proporciones independientes bajo H₀:p₁=p₂:
z=(p̂₁−p̂₂)/√(p̂(1−p̂)(1/n₁+1/n₂)),
con p̂=(x₁+x₂)/(n₁+n₂).
El contraste requiere supuestos y suficientes recuentos; con pocos casos considera métodos adecuados. Un valor-p pequeño no cuantifica importancia económica ni demuestra qué produjo la diferencia. Si se comparan muchos turnos, categorías y días, considera multiplicidad y análisis preespecificado.
Una tabla de contingencia puede mostrar asociación entre día y estado; no descubre por sí sola una causa raíz. Revisa mezcla de producto, personal, mantenimiento y demanda.
Un Pareto ordena categorías por un denominador explícito. Si 32%, 18% y 12% son porcentajes de las demoras, suman 62% de las demoras, no del turno. Una actividad necesaria no se vuelve evitable por aparecer arriba.
Improve: un ejemplo simulado reproducible
Supongamos dos muestras independientes comparables, antes y después de una intervención:
| Periodo | Lecturas | Espera de material | Proporción |
|---|---|---|---|
| Antes | 385 | 108 | 28,05% |
| Después | 385 | 42 | 10,91% |
La reducción es 17,14 puntos porcentuales, aproximadamente 61,1% respecto al valor inicial. El contraste bilateral agrupado da z≈6,01 y p<0,001 bajo los supuestos indicados. Un intervalo normal no agrupado del 95% para la diferencia es aproximadamente 11,68–22,61 puntos.
Esto demuestra una diferencia en los datos del escenario, no que el kanban sea su única causa. Un antes/después puede confundirse con carga, estacionalidad u otros cambios. Cuando sea viable, un experimento aleatorizado o un diseño comparativo adecuado ayuda a estimar el efecto causal. Muestrear turnos existentes no convierte un estudio observacional en DOE.
Tampoco una reducción del porcentaje de espera demuestra automáticamente más unidades o ahorro monetario. Comprueba cuello de botella, demanda, horas pagadas y costes modificables.
Control: seguimiento sin inventar funciones
Define qué variable se seguirá, cuándo, con qué muestra, responsable y respuesta a incidencias. Cincuenta lecturas semanales pueden ser un presupuesto de ejemplo, no un tamaño que asegure sensibilidad a cualquier cambio.
En un gráfico p, utiliza p̄=Σxᵢ/Σnᵢ y límites por subgrupo max(0,p̄−3√(p̄(1−p̄)/nᵢ)) y min(1,p̄+3√(p̄(1−p̄)/nᵢ)). Son límites de control, no el intervalo de confianza de la media ni un objetivo de negocio. La independencia, estabilidad de referencia y agrupación racional deben evaluarse. Un punto fuera solicita investigación; no identifica una causa ni invalida todo el estudio.
WorkSamp ayuda a preparar y registrar visitas y dispone de informes avanzados con intervalos Wilson. No debe suponerse que incluye gráficos p automáticos, alertas SPC, integración Minitab o dashboards ERP. El guardado local pendiente debe verificarse antes de dar por confirmada la sincronización.
Escoge Cronometras si necesitas analizar duraciones de elementos; Induly aporta contexto de jornada. El directorio ASETEMYT permite localizar recursos de métodos y tiempos.