Un indicador global puede parecer estable y, al mismo tiempo, ocultar diferencias entre turnos, máquinas, proveedores o tipos de producto. Cuando todos los registros se analizan como un solo conjunto, esas diferencias pueden mezclarse hasta volverse difíciles de detectar. La estratificación de datos consiste en separar las observaciones según su origen o condición para comprobar si determinados grupos presentan comportamientos distintos. Esta técnica ayuda a pasar de una visión agregada del proceso a preguntas más específicas sobre dónde aparece la variación y qué factores conviene investigar.
¿Qué es la estratificación de datos?
La American Society for Quality (ASQ), en su explicación sobre estratificación, la define como la acción de ordenar datos, personas u objetos en grupos o capas diferenciadas. En análisis de calidad, se utiliza junto con otras herramientas para separar datos que proceden de distintas fuentes o condiciones y facilitar la identificación de patrones.
La lógica es sencilla: si los datos provienen de condiciones diferentes, analizarlos únicamente como un conjunto puede ocultar esas diferencias. Al conservar información sobre el origen de cada observación, es posible comparar grupos y comprobar si un comportamiento está concentrado en una parte específica del proceso.
ASQ menciona como posibles criterios de estratificación el equipo utilizado, el turno, el departamento, el material, el proveedor, el día de la semana, la hora y el producto. La variable adecuada depende del problema que se intenta comprender y de la información disponible para cada registro.
Qué patrones puede revelar
Un patrón oculto aparece cuando el comportamiento de los grupos es diferente, pero esa diferencia queda diluida al combinar todos los registros. Esto puede suceder con tiempos de ciclo, defectos, temperaturas, costos, reclamaciones, paradas de equipo u otras variables de proceso.
La documentación de Minitab para Graphical Summary explica que una distribución con varios picos puede indicar que existen variables relevantes todavía no consideradas. Cuando se dispone de información para clasificar las observaciones, puede incorporarse una variable de agrupación y comprobar si los grupos explican esos picos.
La estratificación también puede utilizarse con distintos gráficos. Por ejemplo, el NIST describe el box plot como una técnica para evaluar diferencias de ubicación y variación entre grupos. Comparar cajas por máquina, turno o proveedor puede mostrar diferencias que un único resumen general no permite apreciar.
| Variable analizada | Posible estrato | Pregunta que ayuda a responder |
|---|---|---|
| Tiempo de ciclo | Máquina | ¿Algún equipo presenta tiempos diferentes? |
| Defectos | Turno | ¿El tipo de defecto cambia entre turnos? |
| Rechazos de material | Proveedor | ¿Los rechazos se concentran en algún origen? |
| Reclamaciones | Familia de producto | ¿El problema aparece con mayor frecuencia en un grupo? |
Cómo estratificar los datos
La estratificación funciona mejor cuando se planifica desde la recolección. Si una observación registra únicamente el resultado y no conserva información sobre su procedencia, después puede resultar imposible reconstruir los grupos que interesa comparar. ASQ recomienda considerar antes de recopilar los datos qué características de la fuente podrían afectar el resultado.
- Define la pregunta. Determina qué comportamiento necesitas explicar: variación, defectos, tiempos, costos u otro resultado.
- Identifica posibles fuentes de diferencia. Revisa factores como turno, máquina, proveedor, material, producto, fecha o condición de operación.
- Conserva el identificador de cada observación. Cada registro debe poder asociarse con el grupo al que pertenece.
- Representa primero el conjunto completo. Un histograma, box plot, diagrama de dispersión u otro gráfico puede mostrar la situación agregada.
- Separa y compara los grupos. Mantén la misma variable de respuesta y observa cómo cambia su distribución entre los estratos.
- Investiga las diferencias encontradas. Utiliza el patrón como punto de partida para buscar condiciones del proceso que puedan explicar el comportamiento.
La separación puede realizarse de distintas formas. En un gráfico pueden utilizarse grupos o paneles; en una tabla pueden aplicarse filtros; y en un análisis estadístico una variable categórica puede identificar cada estrato. La documentación de Minitab para un Individual Value Plot con grupos permite definir los grupos mediante variables categóricas para comparar las observaciones.
Ejemplo hipotético en un proceso
El siguiente escenario es hipotético y se utiliza únicamente con fines didácticos. Supongamos que un equipo analiza defectos registrados en una línea de producción. Al revisar todos los registros juntos, el comportamiento no permite identificar con claridad dónde concentrar la investigación.
1. Datos agregados
Los defectos de todas las condiciones se observan como un solo conjunto.
2. Separación por origen
El equipo compara los registros por máquina, turno, tipo de material y proveedor.
3. Patrón para investigar
Si uno de los grupos presenta un comportamiento distinto, esa diferencia orienta la revisión hacia las condiciones específicas de ese estrato.
El resultado de la estratificación no demuestra por sí mismo cuál es la causa del defecto. Si una máquina presenta una distribución diferente, todavía debe investigarse qué cambia en esa máquina: ajuste, herramienta, materia prima, método de trabajo, sistema de medición u otra condición. La estratificación reduce el campo de búsqueda; no sustituye el análisis de causa.
Cómo interpretar los estratos
Una comparación útil debe revisar más que el promedio de cada grupo. Dos estratos pueden tener centros similares y diferencias importantes en dispersión, forma de la distribución o presencia de valores alejados. El NIST, en su explicación del box plot, señala que esta técnica permite evaluar diferencias entre grupos respecto a su ubicación y variación.
También debe considerarse cuántas observaciones contiene cada estrato. Un grupo con pocos registros puede mostrar un patrón inestable o poco representativo. Separar demasiadas variables al mismo tiempo puede producir grupos tan pequeños que la comparación pierda utilidad.
- Diferencias de centro. Comprueba si determinados grupos tienden a registrar valores mayores o menores.
- Diferencias de dispersión. Revisa si un estrato presenta mayor variabilidad que los demás.
- Formas distintas. Busca asimetrías, varios picos o concentraciones que no aparezcan en otros grupos.
- Observaciones alejadas. Determina si los valores inusuales pertenecen principalmente a una condición específica.
Errores frecuentes al estratificar
Separar los datos sin un criterio definido puede generar más gráficos sin mejorar el diagnóstico. Los errores más habituales aparecen antes de la comparación o durante su interpretación.
- No registrar durante la recolección la máquina, turno, proveedor u otra variable que después se necesita analizar.
- Crear estratos sin relación con la pregunta que se intenta resolver.
- Dividir los datos hasta obtener grupos con muy pocas observaciones.
- Comparar grupos que fueron medidos con métodos o unidades diferentes sin revisar esa diferencia.
- Interpretar una asociación entre un estrato y un resultado como prueba suficiente de causalidad.
Una práctica útil es comenzar con pocos criterios técnicamente plausibles, comparar los grupos y profundizar únicamente donde aparezcan diferencias que justifiquen una investigación adicional. De esta forma, la estratificación mantiene su función: organizar la variación para hacerla más comprensible.
Conclusión
La estratificación ayuda a descubrir si una variación que parece aleatoria en los datos agregados está asociada con condiciones específicas del proceso. Para que el análisis sea útil, es necesario registrar el origen de cada observación, comparar grupos con criterios coherentes y tratar cualquier diferencia encontrada como una señal para investigar, no como una causa demostrada.
Aprende a aplicar la estratificación en control de calidad
En Herramientas de Control de Calidad aprenderás formas de estratificar datos, el procedimiento de estratificación, sus usos y recomendaciones. El contenido también desarrolla casos prácticos y otras herramientas para analizar problemas de calidad.
Comprar Herramientas de Control de CalidadFuentes consultadas
American Society for Quality (ASQ). What is Stratification?. Página consultada en agosto de 2026.
National Institute of Standards and Technology (NIST). Box Plot. NIST/SEMATECH e-Handbook of Statistical Methods. Página consultada en agosto de 2026.
Minitab, LLC. Interpret the key results for Graphical Summary. Página consultada en agosto de 2026.
Minitab, LLC. Create an individual value plot of one Y variable with groups. Página consultada en agosto de 2026.
MayuGo. Herramientas de Control de Calidad. Página consultada en agosto de 2026.
