APLICACIONES ESTADÍSTICAS
¿Por qué el análisis de tus datos es importante para mejorar el rendimiento de tu producción? María Zamora Cereza1, Sergio Nadal Zuferri1, Alberto Morillo Alujas1, Daniel Villalba Mata2 y Emilio López Cano3. Tests and Trials SLU. Universidad de Lleida. 3 Universidad Rey Juan Carlos. 1 2
Animamos a todos los lectores a repasar nuestros anteriores artículos en los números 93, 94, 118, 119, 120 y 121, para ver más casos de uso de los gráficos que presentamos a continuación. Muchas empresas del sector necesitan evidencia para creer en los datos como imprescindibles para tomar decisiones basadas en evidencia (irónico, ¿no?). Sigue pendiente en esta industria concienciar a los profesionales de que analizar datos es clave para aumentar la competitividad y conquistar el mercado. Todavía son muchas las empresas que no recurren a la Estadística para tomar decisiones, sino que salen “a pescar”, a ver qué pasa. Un operario puede tener asignados para dos días diferentes las mismas tareas y, aun así, enfrentarse a escenarios completamente distintos. De esto trata la variabilidad, parte inherente y parte que estadísticamente puede ser controlada y reducida. Estar preparado para actuar ante cualquier circunstancia es vital, y aunque podemos tener suerte si actuamos en base a sensaciones, esto no ocurre en sucesivas ocasiones. Si partimos de una metodología de trabajo donde los datos no se registran correctamente por una falta de pautas o de sistematización, su posterior análisis es imposible: o nos encontramos ante datos irrelevantes por no registrar información suficiente, o porque están desordenados y/o mal registrados (además, será difícil averiguar su origen para anotarlo correctamente). Por ello, concienciar a los profesionales de tratar este tema de raíz debe ser visto como una inversión en tiempo y no como un gasto a evitar. Mejorar hoy para ver resultados mañana.
EL VALOR DE LOS DATOS ES INCALCULABLE PARA LA TOMA DE DECISIONES Lord Kelvin fue un físico y matemático británico autor de la cita “Lo que no se define, no se puede medir. Lo que no se mide, no se puede mejorar. Lo que no se mejora, se degrada siempre”. La medición es parte de la gestión y no debe verse como algo opcional. Establecer indicadores de control y analizar su impacto nos ayuda a conocer nuestras debilidades y fortalezas. Definir los factores que influyen en la producción, para cuantificarlos y priorizarlos según el contexto, nos permite actuar eficiente y
32 ■ SUIS Nº 182 Noviembre 2021
Figura 1. Interfaz de Síagro.
proactivamente ante numerosas situaciones, porque habremos realizado un análisis con el que hemos descubierto el origen de cada desviación.
INVESTIGANDO NUESTROS DATOS, RESPONDEMOS A PREGUNTAS DIARIAS SOBRE EL RENDIMIENTO DE LOS PROCESOS Supongamos que queremos controlar un proceso en el que la variable de interés es el número de lechones destetados (NWP). Nuestro objetivo es comprobar si este proceso está bajo control, en el sentido en el que cualquier variación (un mayor o menor NWP) en este dato y en el tiempo sea debido a “causas naturales” que no podamos controlar (generadas por variaciones naturales en la temperatura o humedad de la granja, por ejemplo, al estar cambiando la época del año como puede ser otoño). Ahora que tenemos un contexto, y comprobado que durante los últimos 12 meses el NWP ha mantenido una variación normal, supongamos que hemos aplicado un cambio: se ha introducido un nuevo protocolo de vacunación. Muchos profesionales esperarían “ver” si este cambio está generando unos mayores rendimientos productivos, y sacar conclusiones en base a impresiones. El sesgo al que se están enfrentando es tal, que podrían cometer dos tipos de errores, que estadísticamente tienen un término determinado: ■ Error tipo I: Actuar cuando no deben (dejar de seguir ese protocolo que realmente está funcionando, pero pensamos que no). ■ Error tipo II: No actuar cuando deben (seguir bajo la nueva metodología cuando está afectando negativamente a la productividad) Pero la sistemática a seguir debería ser otra, más exacta e incluso sencilla (una vez implementada): definir objetivos, registrar datos, almacenarlos y realizar un análisis de Control Estadístico de Procesos (Statistical Process Control, SPC).
