Pregunta a cualquiera qué significa «calidad» y seguro que te describirá una experiencia: un producto que funciona bien, que se adapta bien y que dura.
Pero esa experiencia no es fruto de la casualidad. Es el resultado de cientos de decisiones de ingeniería en las fases de diseño, fabricación e inspección, y cada una de esas decisiones se basa en datos.
Cuando las empresas optimizan el coste de la calidad, suelen centrarse en *qué* se produce y *cómo*: menos defectos, procesos más rigurosos, mejor equipamiento. Todo ello es muy valioso.
Sin embargo, la integridad de los datos en los que se basa cada decisión sobre la calidad rara vez se examina con el mismo rigor. Y aquí viene la cruda realidad: los resultados se transcriben a mano. Los datos llegan de diferentes sistemas en distintos formatos. Algunos se registraron mal desde el principio, y el problema suele salir a la luz solo cuando ya ha salido caro.
El problema es que los errores en los datos se van acumulando sin que te des cuenta.
Un simple error de medición o un resultado mal etiquetado casi nunca se queda solo en una parte. Se cuela en los gráficos de SPC y en los análisis de acumulación de tolerancias, donde los equipos toman decisiones con más confianza de la que los datos justifican. Si no se detecta, se tiene en cuenta en la optimización del diseño y da forma a la próxima versión del producto. Un defecto visible supone desperdicio o obliga a hacer ajustes en subsistemas adyacentes; un error invisible en los datos conlleva su propio coste, a veces mucho mayor que el del error original.
Los costes derivados de los fallos suelen ser la parte más importante del coste de la calidad, y la calidad de los datos influye mucho en ese equilibrio. Los datos poco fiables aumentan la probabilidad de que surjan incumplimientos inesperados y de que haya que ir apagando incendios a última hora. Los datos de inspección están ahí, pero ¿hasta qué punto confiamos en ellos? Esta es una de las preguntas clave.
Y los costes no se limitan solo al producto. Cada fábrica tiene un coste oculto que ya se ha convertido en algo habitual en el mundo de la fabricación: los ingenieros altamente cualificados dedican hasta el 80 % de su tiempo a buscar, consolidar y volver a comprobar datos, en lugar de analizarlos. Casi nunca aparece en los informes de coste de la calidad, pero supone un gasto operativo considerable, y cada paso manual supone otra posibilidad de que se produzca un error.
Ser consciente de estas limitaciones hace que los costes se disparen aún más.
Cuando se cuestionan los resultados, se hacen más mediciones. Cuando se hacen ajustes en la planta de producción pero no se reflejan en la gestión del ciclo de vida del producto, los equipos de diseño trabajan partiendo de supuestos que ya no se corresponden con la realidad, mientras que las soluciones manuales aumentan el coste de los productos vendidos. Ninguna función concreta de la cadena de valor de la fabricación tiene una visión global completa, y surge un patrón que se refuerza a sí mismo: más comprobaciones manuales para compensar los datos en los que no confiamos del todo, lo que genera más datos de calidad incierta.
Este círculo vicioso cobra aún más importancia si tenemos en cuenta hacia dónde se dirige el sector. Con la definición basada en modelos, los gemelos digitales y la predicción de calidad respaldada por la IA, la calidad de los datos pasa de ser un tema secundario a convertirse en *el* factor decisivo: unos datos de entrada deficientes ya no solo generan resultados deficientes, sino que permiten que la automatización amplíe de forma eficiente conclusiones erróneas.
Pero lo contrario también es cierto —y ahí está la verdadera oportunidad—. Imagínate una única red digital central en la que los datos se enriquecen en cada etapa, pero siempre contienen toda la información necesaria, desde la idea inicial del diseño hasta la fabricación y la verificación de la calidad. Los traspasos se automatizan. La consolidación manual desaparece. Lo que les queda a las personas es lo que realmente crea valor: la toma de decisiones.
Los fabricantes mejor posicionados para la próxima década no serán los que tengan más equipos de inspección, sino aquellos cuyas decisiones sobre calidad se basen en datos que nunca tengan que cuestionar: datos que fluyan sin interrupciones desde el modelo CAD hasta el informe de medición, con solo alguna intervención manual intencionada. Los datos de medición merecen el mismo rigor que aplicamos a los propios productos: en un mundo basado en modelos, ambos son inseparables.
Así que, antes de la próxima iniciativa de mejora de procesos, planteémonos primero una pregunta más sencilla: ¿hasta qué punto confiamos en nuestros datos? ¿Y por cuántas manos pasan antes de que alguien pueda actuar en función de ellos? Dondequiera que haya dudas, ahí hay un punto de partida —y muy posiblemente una de las inversiones en calidad más rentables que una empresa puede hacer.