Contar lo que no es: una historia de muestreo en un año de tensión en el suministro
A inicios de 2022, un departamento de obras públicas que llamaremos el Distrito enfrentó una presión conocida: los proveedores estaban con pedidos atrasados, los materiales costaban más cada mes y la mitad del equipo de mantenimiento volvía al depósito tras una larga etapa de despacho remoto. En ese ambiente, el supervisor de planta lanzó una afirmación alarmante. Las fallas de sellos de bomba, dijo, casi se habían duplicado. Quería un presupuesto aprobado esa misma semana para cambiar de proveedor.
Los números detrás de la afirmación eran reales, pero la forma en que se habían recopilado los volvía casi carentes de sentido. Esta es la trampa silenciosa del muestreo estadístico: una medición puede ser precisa, repetible y completamente engañosa al mismo tiempo. Antes de que el Distrito gastara un dinero que no tenía en un cambio de proveedor del que podría arrepentirse, valía la pena entender qué representaba realmente su muestra.
Qué medía en realidad la muestra
La cifra del supervisor venía de los sellos que su cuadrilla llevaba al depósito para reclamos de garantía. Eso es una muestra de conveniencia, la más fácil de reunir y la más fácil para engañarse a uno mismo. Dos cosas cambiaron a la vez. Con el regreso a la oficina, más cuadrillas pasaban físicamente por el depósito y dejaban piezas falladas que antes habrían desechado en el campo. Y con los precios al alza, el equipo empezó a presentar reclamos por piezas que antes daba por perdidas. El conteo de sellos sobre la mesa subió. La tasa real de fallas en el campo, no.
Una buena muestra responde a una pregunta claramente planteada sobre una población claramente definida. Aquí la población eran todos los sellos de bomba en servicio en el Distrito. La muestra era el subconjunto de sellos fallados que llegaban a una mesa. No son lo mismo, y ningún conteo cuidadoso cierra esa brecha.
Las bases del muestreo que lo habrían detectado
Definir primero la población. Decida qué quiere conocer — todos los sellos en servicio, las instalaciones del trimestre, un lote de fabricación — antes de tomar un solo dato. El Distrito nunca lo anotó, así que no podía saber qué excluían sus números.
Hacer la muestra representativa. Una selección aleatoria o sistemática de toda la población supera lo que resulta cómodo. Tomar uno de cada veinte sellos instalados para inspección en un calendario fijo habría dado una imagen estable, independiente de quién pasara por el depósito.
Mantener un tamaño de muestra honesto. Las muestras pequeñas oscilan mucho. Un salto de 6 a 12 fallas parece una duplicación pero está dentro de la variación normal a ese volumen. Muestras más grandes, o un gráfico de control en el tiempo, separan la señal real del ruido.
Vigilar los cambios en la medición, no en el proceso. Si su método de recolección, el incentivo para reportar o quién registra qué cambian a mitad de camino, su tendencia refleja el cambio en el conteo, no un cambio en el mundo.
Cómo se resolvió
El Distrito pausó el cambio de proveedor y realizó una verificación estructurada de dos semanas: un número fijo de sellos inspeccionados por ruta, registrados de la misma forma sin importar dónde terminara el camión su jornada. La tasa de fallas corregida fue esencialmente estable de un año a otro. El proveedor no era el problema; lo era el hábito de recolección de datos. El costo evitado de un cambio de contrato innecesario pagó el ejercicio muchas veces.
La lección amplia sirve para cualquier año volátil. Cuando los insumos escasean y los presupuestos aprietan, la tentación de actuar rápido ante el primer número que se ve es más fuerte justo cuando ese número es menos confiable. Un buen muestreo no es una sutileza estadística: es la forma de evitar gastar dinero real persiguiendo un fantasma.
Si su equipo toma grandes decisiones sobre mediciones frágiles, la asesoría estratégica de XNM puede ayudarle a construir la disciplina de muestreo que mantiene las decisiones ancladas en lo que de verdad ocurre.