¿Puedes confiar en tus números? Guía práctica del análisis del sistema de medición
En Lean Six Sigma, la fase Medir del DMAIC descansa sobre un supuesto silencioso: que los números que recoges reflejan de verdad la realidad. Si no es así, cada gráfico, índice de capacidad y afirmación de mejora que venga después se construye sobre arena. El análisis del sistema de medición, o MSA, es como pones a prueba ese supuesto antes de confiar en él. Tras dos años en que muchos equipos trabajaron con datos incompletos, esforzándose por leer cadenas de suministro alteradas y operaciones remotas, la disciplina de verificar la medición antes de actuar rara vez ha importado tanto.
La idea central es sencilla. Todo valor que registras es el valor verdadero más un error de medición. El MSA pregunta qué tan grande es ese error, de dónde viene y si es lo bastante pequeño como para decidir con los datos. Si lo omites, puedes pasar semanas «arreglando» una variación que vive en tu instrumento, no en tu proceso.
Las fuentes del error de medición
El MSA descompone la calidad de la medición en un puñado de propiedades. Dominar el vocabulario mantiene honesto un estudio.
Sesgo: la medición lee de forma constante por encima o por debajo frente a una referencia conocida.
Linealidad: el sesgo cambia a lo largo del rango, de modo que el instrumento es exacto en un extremo y se desvía en el otro.
Estabilidad: la medición deriva con el tiempo, a menudo la primera señal de que un instrumento necesita recalibración.
Repetibilidad: una misma persona midiendo dos veces el mismo artículo obtiene resultados distintos (variación dentro del instrumento y del operador).
Reproducibilidad: personas distintas midiendo el mismo artículo obtienen resultados distintos (variación entre operadores).
Cómo realizar un estudio R&R del instrumento
Para datos continuos, el caballo de batalla del MSA es el estudio de repetibilidad y reproducibilidad del instrumento. Un diseño común y defendible reúne a tres operadores midiendo diez piezas, dos o tres veces cada una, con piezas elegidas para abarcar el rango real del proceso y ensayos a ciegas y en orden aleatorio para que nadie quede anclado a una lectura previa.
Selecciona piezas y operadores. Usa unas diez piezas que representen la dispersión que de verdad ves en producción, y a las personas que normalmente miden, no solo a tu técnico más cuidadoso.
Mide a ciegas y al azar. Oculta la identidad de las piezas y baraja el orden para que la memoria y la expectativa no contaminen las lecturas.
Analiza la varianza. El software reparte la variación total entre pieza a pieza, repetibilidad y reproducibilidad. La parte pieza a pieza debe dominar; esa es la señal real que quieres ver.
Júzgalo con las reglas prácticas. Un sistema que consume menos del 10 % de la tolerancia (o de la variación del estudio) suele ser aceptable; del 10 al 30 % es marginal y depende de lo que esté en juego; por encima del 30 % no se puede confiar en él para esta decisión.
Los datos por atributo —pasa/no pasa, categorías de defecto, aceptar/rechazar— necesitan otra herramienta: un análisis de concordancia por atributos. Aquí compruebas si los inspectores coinciden entre sí y con una norma conocida. Resulta aleccionador con qué frecuencia un «pasa» depende de quién sostiene la pieza, y cuánto retrabajo genera ese desacuerdo oculto.
Qué hacer cuando el sistema falla
Un MSA que falla es una buena noticia detectada a tiempo. Si la repetibilidad es mala, mira el instrumento, la fijación y el entorno de medición. Si la reproducibilidad es mala, la brecha suele estar en el método y la formación: la gente mide de forma distinta. Redacta un procedimiento operativo estándar claro e ilustrado, forma con él y repite el estudio. Solo cuando el sistema de medición sea sólido podrás leer los datos de tu proceso como verdad y pasar al análisis.
El MSA no es glamoroso, y es tentador saltárselo cuando un proyecto va con prisa. Pero es el seguro más barato de la caja de herramientas. Una tarde dedicada a probar tu instrumento puede ahorrarte un trimestre persiguiendo un problema que nunca estuvo en el proceso.
Si tus decisiones de mejora dependen de datos de los que no estás del todo seguro, la asesoría estratégica de XNM puede ayudarte a construir una medición y un análisis que puedas defender.