Pregunta a cualquiera qu\u00e9 significa \u00abcalidad\u00bb y seguro que te describir\u00e1 una experiencia: un producto que funciona bien, que se adapta bien y que dura.
Cuando las empresas optimizan el coste de la calidad, suelen centrarse en *qu\u00e9* se produce y *c\u00f3mo*: menos defectos, procesos m\u00e1s rigurosos, mejor equipamiento. Todo ello es muy valioso. <\/p>\n\n
Sin embargo, la integridad de los datos en los que se basa cada decisi\u00f3n sobre la calidad rara vez se examina con el mismo rigor. Y aqu\u00ed 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. <\/p>\n\n
Un simple error de medici\u00f3n o un resultado mal etiquetado casi nunca se queda solo en una parte. Se cuela en los gr\u00e1ficos de SPC y en los an\u00e1lisis de acumulaci\u00f3n de tolerancias, donde los equipos toman decisiones con m\u00e1s confianza de la que los datos justifican. Si no se detecta, se tiene en cuenta en la optimizaci\u00f3n del dise\u00f1o y da forma a la pr\u00f3xima versi\u00f3n 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. <\/p>\n\n
Los costes derivados de los fallos suelen ser la parte m\u00e1s importante del coste de la calidad,<\/strong> 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 \u00faltima hora. Los datos de inspecci\u00f3n est\u00e1n ah\u00ed, pero \u00bfhasta qu\u00e9 punto confiamos en ellos? Esta es una de las preguntas clave. <\/p>\n\n Y los costes no se limitan solo al producto. Cada f\u00e1brica tiene un coste oculto<\/strong> que ya se ha convertido en algo habitual en el mundo de la fabricaci\u00f3n: 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. <\/p>\n\n Cuando se cuestionan los resultados, se hacen m\u00e1s mediciones. Cuando se hacen ajustes en la planta de producci\u00f3n pero no se reflejan en la gesti\u00f3n del ciclo de vida del producto, los equipos de dise\u00f1o 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 funci\u00f3n concreta de la cadena de valor de la fabricaci\u00f3n tiene una visi\u00f3n global completa, y surge un patr\u00f3n que se refuerza a s\u00ed mismo: m\u00e1s comprobaciones manuales para compensar los datos en los que no confiamos del todo, lo que genera m\u00e1s datos de calidad incierta. <\/p>\n\n Este c\u00edrculo vicioso cobra a\u00fan m\u00e1s importancia si tenemos en cuenta hacia d\u00f3nde se dirige el sector. Con la definici\u00f3n basada en modelos, los gemelos digitales y la predicci\u00f3n 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 automatizaci\u00f3n ampl\u00ede de forma eficiente conclusiones err\u00f3neas. <\/p>\n\n Pero lo contrario tambi\u00e9n es cierto \u2014y ah\u00ed est\u00e1 la verdadera oportunidad\u2014. Imag\u00ednate una \u00fanica red digital central<\/strong> en la que los datos se enriquecen en cada etapa, pero siempre contienen toda la informaci\u00f3n necesaria, desde la idea inicial del dise\u00f1o hasta la fabricaci\u00f3n y la verificaci\u00f3n de la calidad. Los traspasos se automatizan. La consolidaci\u00f3n manual desaparece. Lo que les queda a las personas es lo que realmente crea valor: la toma de decisiones. <\/p>\n\n Los fabricantes mejor posicionados para la pr\u00f3xima d\u00e9cada no ser\u00e1n los que tengan m\u00e1s equipos de inspecci\u00f3n, 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 medici\u00f3n, con solo alguna intervenci\u00f3n manual intencionada. Los datos de medici\u00f3n merecen el mismo rigor que aplicamos a los propios productos: en un mundo basado en modelos, ambos son inseparables. <\/p>\n\n As\u00ed que, antes de la pr\u00f3xima iniciativa de mejora de procesos, plante\u00e9monos primero una pregunta m\u00e1s sencilla: \u00bfhasta qu\u00e9 punto confiamos en nuestros datos? \u00bfY por cu\u00e1ntas manos pasan antes de que alguien pueda actuar en funci\u00f3n de ellos? Dondequiera que haya dudas, ah\u00ed hay un punto de partida \u2014y muy posiblemente una de las inversiones en calidad m\u00e1s rentables que una empresa puede hacer. <\/p>\n","protected":false},"excerpt":{"rendered":" Pregunta a cualquiera qu\u00e9 significa \u00abcalidad\u00bb y seguro que te describir\u00e1 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 ingenier\u00eda en las fases de dise\u00f1o, fabricaci\u00f3n e inspecci\u00f3n, y cada una de […]<\/p>\n","protected":false},"author":11,"featured_media":19390513,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":"","_members_access_role":[],"_members_access_error":""},"categories":[942,424],"tags":[],"expertise":[],"industry":[],"langue-parlee":[],"class_list":["post-19390516","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articulo-de-experto","category-noticias"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts\/19390516","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/comments?post=19390516"}],"version-history":[{"count":1,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts\/19390516\/revisions"}],"predecessor-version":[{"id":19390517,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts\/19390516\/revisions\/19390517"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/media\/19390513"}],"wp:attachment":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/media?parent=19390516"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/categories?post=19390516"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/tags?post=19390516"},{"taxonomy":"expertise","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/expertise?post=19390516"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/industry?post=19390516"},{"taxonomy":"langue-parlee","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/langue-parlee?post=19390516"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Ser consciente de estas limitaciones hace que los costes se disparen a\u00fan m\u00e1s.<\/strong> <\/h3>\n\n