En una línea de envasado, varias mediciones del peso pueden quedar muy juntas y, aun así, dejar dudas sobre si el lote cumple. El margen de error expresa cuánto puede apartarse una estimación estadística, aunque su valor aceptable depende de qué decisión se tomará con ella.
El margen estadístico y la incertidumbre de medida responden a preguntas distintas
- Margen de error: indica el radio de un intervalo de confianza para una estimación obtenida de una muestra.
- Más datos: suelen reducir el margen de error, pero no corrigen un instrumento mal calibrado ni un muestreo sesgado.
- Medición industrial: la incertidumbre describe la dispersión de valores que pueden atribuirse al mensurando.
- Decisión de conformidad: cerca de un límite de tolerancia, considera la incertidumbre antes de aceptar o rechazar una pieza.
El margen de error acota una estimación, no el fallo de cada pieza
Si tomas una muestra de producción para estimar el peso medio de un lote, el margen de error indica cuánto se extiende el intervalo de confianza alrededor de esa media. Según los Fundamentos de estadística de la Universidad Autónoma de Madrid, su amplitud depende del tamaño muestral, del nivel de confianza y de la variabilidad observada.
La distinción es práctica: un margen pequeño puede dar una estimación precisa de la media, pero no demuestra que todas las unidades cumplan las especificaciones. Para eso hacen falta datos sobre las piezas individuales y un sistema de medición fiable. Media del lote y conformidad individual no son intercambiables.
En un cálculo sencillo para una media, con desviación típica conocida, se usa \(E=z\cdot\sigma/\sqrt{n}\). Si la desviación poblacional es desconocida, suele estimarse con la desviación de la muestra y puede corresponder usar la distribución t de Student; elegir la fórmula sin revisar esas condiciones puede estrechar artificialmente el intervalo.
Con 25 mediciones, una media puede parecer más segura de lo que es
Supón que se mide 25 veces el peso de unidades producidas en condiciones comparables. La media observada es 500 g y la desviación típica de la muestra, 4 g; para ilustrar el cálculo, se usa un intervalo bilateral del 95 % con el valor t aproximado de 2,064 para 24 grados de libertad.
El margen resulta de aproximadamente 1,65 g, así que el intervalo para la media va de 498,35 g a 501,65 g. Eso describe la incertidumbre estadística de la media bajo los supuestos del modelo, no el rango donde caerán todas las unidades ni el error del instrumento.
Si las mediciones proceden de un turno, una máquina o un único operador, la muestra quizá no represente el proceso completo. Repetir mediciones en el mismo contexto reduce la incertidumbre sobre ese contexto, pero no revela por sí solo diferencias entre turnos, equipos o condiciones de trabajo.
La incertidumbre de medida puede dejar una pieza en zona dudosa
Una lectura cercana al límite de tolerancia plantea otra pregunta: ¿la pieza cumple, o la incertidumbre impide afirmarlo con seguridad? La ISO 14253-1:2017 establece reglas para verificar conformidad o no conformidad considerando la incertidumbre de medición, también cuando el resultado queda cerca del límite.
Imagina una cota con límite superior de 10,10 mm. Una lectura de 10,08 mm con incertidumbre expandida de 0,04 mm alcanza, en su extremo superior, 10,12 mm; por tanto, el valor medido queda dentro de la tolerancia, pero el intervalo rebasa el límite. La lectura, por sí sola, no permite declarar conformidad con la regla de decisión aplicable.
La incertidumbre expandida es un intervalo asociado al resultado con un factor de cobertura declarado. No equivale automáticamente al margen estadístico de una muestra. Considero más prudente tratar la zona próxima al límite como una decisión metrológica que exige una regla acordada, en vez de convertir cualquier lectura puntual en un aprobado o un rechazo.
El tipo de variación determina qué conviene revisar primero
Una serie dispersa puede deberse a cambios reales del proceso, al método de medición o a ambos. La guía del NIST sobre incertidumbre de medición explica que la incertidumbre caracteriza la dispersión de valores que pueden atribuirse al mensurando a partir de la información disponible. En planta, eso obliga a distinguir repetibilidad, calibración, resolución y condiciones de uso, no a resumir todo como «error».
| Situación observada | Causa posible | Qué hacer |
|---|---|---|
| Lecturas muy juntas, pero desplazadas frente al patrón | Sesgo o calibración inadecuada; la repetibilidad no garantiza exactitud | Verifica el equipo con un patrón adecuado y revisa el ajuste antes de aumentar la muestra |
| Resultados distintos entre operadores | Diferencias de procedimiento, posicionamiento o lectura | Unifica el método y compara operadores bajo las mismas condiciones |
| Lecturas próximas al límite con incertidumbre que lo cruza | Zona de decisión ambigua | Aplica la regla de conformidad definida para el producto y el cliente; documenta el resultado |
| Margen estadístico grande pese a mediciones estables | Muestra insuficiente para la precisión buscada | Calcula el tamaño muestral necesario y comprueba que el muestreo represente turnos y equipos |
La tabla ayuda a evitar una reacción frecuente: tomar más datos cuando el problema real es un desplazamiento del instrumento. Si el equipo está sesgado, una muestra mayor puede dar una media muy precisa y, aun así, equivocada.
Fija la precisión según el coste de una decisión equivocada
No existe un margen universalmente aceptable para cualquier medición industrial. En una comprobación de tendencia puede bastar una precisión distinta a la exigida para liberar un lote, porque cambian el riesgo de aceptar producto no conforme, el coste del rechazo y la tolerancia del proceso.
Una pauta útil es definir primero la decisión y después la precisión necesaria. Si el intervalo estadístico cambia la clasificación del lote, amplía la muestra o mejora el diseño del muestreo; si la incertidumbre del instrumento se acerca a la tolerancia, revisa el método, el equipo y la regla de decisión. Más observaciones no sustituyen una medición trazable.
Una cifra útil necesita contexto antes de llegar al informe
Al comunicar un resultado, indica qué se estimó, cuántas observaciones se usaron, el nivel de confianza y el método de cálculo; para una medición, añade la incertidumbre y las condiciones relevantes. Así, quien recibe el dato puede distinguir una estimación de la media de una declaración de conformidad.
Si el número final parece tranquilizador, vuelve a la pregunta inicial: ¿habla del proceso, del lote o de una pieza concreta? Esa diferencia evita que un margen estadístico bien calculado se use para responder una pregunta que nunca midió.