Una distinción importante entre resolución de un problema al azar y un análisis de causa raíz estructurada es la extensión (o la cantidad) de los datos que son recolectados y usados.
Mientras el primero tiende es resultar en “disparos en la oscuridad”, el análisis de la causa raíz estructurado basado en hechos tiene una mayor chance de cumplir con los objetivos.
Así, la recolección sistemática de datos confiables es una actividad importante en el análisis de causa raíz.
Datos representativos
Quiero comentarles una situación real que puede graficar lo que les mencioné antes.
El dueño de un pequeño restaurante recibió una queja de un cliente sobre el sistema de reservas que tenía en uso, dado que cuando el llegaba NO solía haber mesas disponibles, el dueño inmediatamente eliminó el sistema de reservas, pero al poco tiempo pudo comprobar que su negocio comenzó a declinar gradualmente, debido a que muchos de sus antiguos clientes fueron desplazados por dicha medida.
La pregunta es: tuvo el dueño del restaurante datos representativos como para justificar la toma de dicha acción? La respuesta es NO, y por supuesto que podría haber evitado las consecuencias de dicha acción.
Tipos de muestreo
La toma de datos podría llevar largo tiempo, y/o requerir mucho esfuerzo.
El principal objetivo del muestreo es tomar conocimiento de una situación a partir de una serie de muestras o datos representativos de la misma.
Algunos de los tipos más comunes de muestreo incluyen:
• Muestreo al azar: números al azar son usados para determinar cuales unidades serán muestreadas a partir de la población total. Estos números aleatorios pueden ser encontrados en tablas especiales, mediante el uso de una computadora para generarlos, o mediante el lanzamiento de dados.
• Muestreo sistemático: En el muestreo sistemático, mediciones son hechas a intervalos de tiempo fijos, números, longitud, etc. Por ejemplo, control de peso de un comprimido cada 30 minutos.
• Muestreo estratificado: es una herramienta necesaria cuando se conoce que hay diferencias dentro de la población entera.
• Muestreo Cluster: un enfoque adecuado cuando la población es conocida como estable y sin mucha variación. En este caso, un grupo de las unidades es tomada para representar la población entera, por ejemplo, el lote entero de partes producidas durante una hora puede representar la producción entera del día.
Check list para muestreo
• Antes de muestrear, analizar la población de la muestra para asegurar que estamos utilizando un método de muestreo adecuado.
• Recolectar las muestras o datos de acuerdo al enfoque de muestreo elegido.
• Después de un período de muestreo, asegurar que la muestra, de hecho, representa una exacta imagen de la población entera.
Aún después de decidir sobre un tipo de muestreo, es necesario considerar:
• Cuántas muestras necesitan ser colectadas?
• Cuál es el tamaño de las mismas?
No hay una simple manera de responder estas dos preguntas, pero hay algunos factores que impactan en las decisiones, incluyendo:
• Si los datos colectados serán discretos, esto es. Correcto/erróneo, si/no, etc. o continuos, esto es, medible en pulgadas, libras, volts, etc.
• El tamaño de la población total
• La dificultad y lo costoso de la recolección de los datos
• El nivel esperado de variación en la población muestreada
• Cuáles podrían ser las consecuencias de la toma de datos inexactos
Dependiendo del propósito del muestreo, hay además estándares disponibles que especifican el tamaño de la muestra y la frecuencia.
Les dejo algunos estándares disponibles como: Military Standars, ANSI standars, e ISO standars, para su consulta.
Deje una Respuesta