En la junta del lunes, en una planta de inyección de plástico en Querétaro que fabrica perillas y tapas para electrodomésticos (caso ilustrativo), el gerente de planta y el supervisor de línea llegaron con la misma cifra y con dos explicaciones opuestas. El scrap de la semana había sido de 6%, contra una meta de 3%.
—Es la resina del proveedor nuevo —dijo el gerente—. Desde que cambiamos, el scrap subió.
—Es el tercer turno —respondió el supervisor—. En la noche no hay quien ajuste las máquinas.
Los dos traían datos que les daban la razón: el scrap con la resina B era de 6,2% contra 5,8% con la A; el del tercer turno, 6,4% contra 5,6% del primero. Lo que ninguno de los dos traía era la pregunta que resuelve el desacuerdo: si separamos los datos de todas las formas razonables, ¿cuál separación hace que las diferencias dejen de ser pequeñas? Esa pregunta tiene nombre: estratificación.
¿Qué es la estratificación de datos?
La estratificación de datos es la separación de un conjunto de datos en grupos (estratos) según su origen, como máquina, turno, proveedor, operador o producto, para descubrir si la variación del resultado se concentra en alguno de ellos. Es una de las siete herramientas básicas de la calidad descritas por Kaoru Ishikawa.
Lo que la estratificación no es
No es lo mismo que el muestreo estratificado. En el muestreo estratificado, los estratos se definen antes de recolectar datos, para que la muestra represente bien a cada grupo de una población. En la estratificación como herramienta de calidad, los datos del proceso ya existen (o se recolectan con la etiqueta de origen) y la separación sirve para buscar dónde vive la variación.
Tampoco es «hacer más gráficas». Cortar los datos por diez variables sin una idea previa produce diez gráficas y ninguna conclusión. La estratificación útil parte de una teoría sobre las posibles fuentes de variación y la pone a prueba.
Desde el principio: por qué un total puede engañar
Pensemos desde cero. El scrap total de la planta es un promedio ponderado de los scraps de todo lo que la compone: dos moldes, cuatro cavidades por molde, tres turnos, dos proveedores. Si todas esas partes se comportaran igual, el total describiría bien a cada una. Si una sola parte se comporta muy distinto, el total no describe a ninguna: es una mezcla.
La consecuencia práctica es directa. Cuando una fuente de variación grande está escondida en una mezcla, cualquier otro corte de los datos va a mostrar diferencias pequeñas, y esas diferencias pequeñas alcanzan para alimentar cualquier opinión. Es lo que pasó en la junta: el proveedor y el turno mostraban diferencias de décimas, suficientes para dos discursos, insuficientes para una decisión.
Cómo se hace la estratificación, paso a paso
Primero, defina el resultado que le preocupa y cómo se mide (aquí, piezas rechazadas sobre piezas producidas). Segundo, haga una lista de las posibles fuentes de variación del proceso; un diagrama SIPOC o una lluvia de ideas con la gente de la línea sirve. Tercero, garantice que cada dato lleve su etiqueta de origen: sin la columna «cavidad» en el registro, no hay estratificación por cavidad posible. Cuarto, separe los datos por cada variable y compare los estratos. Quinto, cuando un corte separe claramente, siga cortando dentro del estrato que concentra el problema.

En la planta de Querétaro, el corte que separó fue el molde: 2,1% en el molde A, 9,9% en el molde B. Dentro del molde B, el corte por cavidad mostró que tres cavidades estaban en 2,2% y una, la cavidad 3, en 33%. De las 2.400 piezas rechazadas en la semana, 1.650 venían de esa cavidad. El gerente y el supervisor tenían razón en algo menor y estaban equivocados en lo principal.
La cavidad 3 tenía un canal de enfriamiento parcialmente obstruido. Con el canal limpio, el scrap proyectado de la semana bajaría de 6,0% a cerca de 2,2%, por debajo de la meta, sin cambiar de proveedor ni reorganizar turnos.
Conexiones: dónde entra la estratificación en el método
La estratificación rara vez trabaja sola. Ver los estratos en el tiempo, con una gráfica de tendencia (run chart) por molde, muestra si la diferencia es estable o si apareció en una fecha, lo que orienta la búsqueda de la causa. Los gráficos de control separados por estrato ayudan a distinguir causas comunes y especiales: una cavidad con un desempeño sistemáticamente distinto es una fuente de variación que debe tratarse como tal.
En la metodología DMAIC, la estratificación aparece en las fases Medir y Analizar: en Medir, para planear la recolección de datos con las etiquetas correctas; en Analizar, para localizar el foco del problema antes de buscar la causa raíz. En el Modelo de mejora (Model for Improvement), de Associates in Process Improvement, ayuda a responder la segunda de las tres preguntas fundamentales, «¿Cómo sabremos que un cambio es una mejora?», porque define en qué estrato medir el efecto del cambio. Quien lee portugués encuentra el mismo tema, con otros ejemplos, en estratificação de dados.
La estratificación resumida en una tabla
| Paso | Qué hacer | Señal de que funcionó |
|---|---|---|
| Teoría | Listar las fuentes posibles de variación | Cada fuente tiene un motivo técnico para estar en la lista |
| Registro | Etiquetar cada dato con su origen | Se puede filtrar por máquina, turno, lote, cavidad |
| Corte | Comparar estratos variable por variable | Un corte separa con claridad; los demás no |
| Profundización | Cortar de nuevo dentro del estrato crítico | El problema se concentra en un punto físico del proceso |
| Tiempo | Ver los estratos en una gráfica de tendencia | Se sabe desde cuándo y si la diferencia es estable |
Estratificar es formular una hipótesis sobre la variación
Al final, la estratificación no es una técnica para partir datos; es una forma de preguntar al proceso dónde vive la variación. Cada corte es una hipótesis («el problema está en el proveedor»), y los datos separados la confirman o la descartan. Por eso la junta de Querétaro no necesitaba más opiniones ni más gráficas: necesitaba poner las dos teorías a prueba al mismo tiempo, junto con las que nadie había propuesto.
Vista así, la estratificación es la versión más simple del método científico aplicado a un proceso: hipótesis, datos, comparación y una conclusión que vale hasta que nuevos datos digan lo contrario.
Contenido revisado por el Master Black Belt Marcelo Petenate, estadístico, graduado por la Unicamp, maestría por la USP y especialista en Lean Six Sigma y mejora continua.
Para empezar con las herramientas básicas de calidad y el método de mejora, conozca el White Belt gratuito de la Escuela EDTI.
Preguntas frecuentes sobre la estratificación de datos
¿Para qué sirve la estratificación de datos?
Para descubrir si la variación de un resultado se concentra en algún grupo, como una máquina, un turno o un proveedor, y así enfocar la búsqueda de la causa raíz en el lugar correcto.
¿Cuál es la diferencia entre estratificación y muestreo estratificado?
El muestreo estratificado define grupos antes de recolectar datos para que la muestra represente a la población. La estratificación como herramienta de calidad separa datos del proceso por su origen para localizar dónde está el problema.
¿Qué variables se usan para estratificar?
Las que pueden ser fuente de variación en el proceso: máquina, molde o cavidad, turno, operador, lote o proveedor de materia prima, método, día de la semana. La lista debe salir de una teoría sobre el proceso, no de todas las columnas disponibles.
¿La estratificación forma parte de las siete herramientas de la calidad?
Sí. Kaoru Ishikawa la incluyó entre las siete herramientas básicas, junto con la hoja de verificación, el diagrama de Pareto, el diagrama de causa y efecto, el histograma, el diagrama de dispersión y la gráfica de control.
¿Se puede estratificar en Excel?
Sí, siempre que cada registro tenga la columna de origen. Una tabla dinámica o un filtro por columna permite comparar los estratos; lo importante es planear la recolección para que esas columnas existan.
¿Necesito certificación para aplicar la estratificación de datos?
No para empezar: basta con registrar el origen de cada dato y comparar los estratos. Para usarla dentro de un método completo de mejora, una formación ayuda. La Escuela EDTI forma profesionales en Lean Six Sigma, con más de 50.000 certificados y acreditación CSSC.