Ana, la jefa de calidad, revisaba un informe de ensayo de pH que Carlos, su técnico más entusiasta, acababa de completar. El resultado era «pH = 7.02».

—Buen trabajo, Carlos —dijo Ana, con su habitual atención al detalle—. El resultado parece correcto, pero necesito que adjuntes el soporte del cálculo de incertidumbre.

Carlos, con confianza, le pasó una hoja de cálculo simple. Mostraba la desviación estándar de las 10 mediciones que había realizado y la incertidumbre del certificado de calibración del pH-metro.

—Aquí está —respondió—. Calculé la repetibilidad de mis lecturas y sumé la incertidumbre del equipo.

Ana frunció ligeramente el ceño. —¿Y la temperatura? ¿Y la incertidumbre de los buffers de calibración que usaste? ¿Consideraste la resolución del equipo?

Carlos se quedó en silencio por un momento. Había seguido el procedimiento, pero no se había detenido a pensar en todas las pequeñas cosas que podrían influir en ese resultado final de «7.02». Sintió una punzada de inseguridad.

Justo en ese momento, el Dr. Morales, el consultor experto del laboratorio, pasaba por allí. Al notar la pausa en la conversación, se acercó con una sonrisa amable.

—Veo que están en medio de una discusión interesante. ¿Puedo ser de ayuda?

Ana le explicó la situación. —Carlos ha hecho un buen trabajo, pero creo que nos estamos dejando varias fuentes de incertidumbre fuera del análisis. El problema es que, si empezamos a pensar, la lista puede volverse infinita y abrumadora.

El Dr. Morales asintió, su expresión se tornó la de un mentor a punto de revelar un secreto profesional.

—Entiendo perfectamente. No están cometiendo un error, simplemente están en el borde de un descubrimiento crucial. No se puede calcular lo que no se ve. Antes de poner un solo número en una hoja de cálculo, necesitan un mapa. Un mapa completo de todo lo que afecta su medición.

Hoy vamos a aprender a ser cartógrafos de la incertidumbre. Y nuestra principal herramienta no será una calculadora, sino un diagrama.

Carlos y Ana se miraron, intrigados. La idea de un «mapa» sonaba mucho más manejable que una lista interminable de posibles errores. El desafío estaba planteado: ¿cómo crear un mapa completo y organizado para no dejar ninguna fuente de incertidumbre importante fuera del radar?

Capítulo 1: Los Fundamentos – La Teoría Indispensable

Vamos al grano. La estimación de la incertidumbre no empieza con cálculos, empieza con una pregunta fundamental: ¿Qué factores pueden afectar el resultado de mi medición?

Si omites una fuente importante en esta etapa, no importa cuán sofisticada sea tu matemática después, tu resultado final estará incompleto y, seamos sinceros, será incorrecto.

El Modelo de Medición: El Punto de Partida

Toda medición, por simple que parezca, puede ser descrita por un modelo o una ecuación. La Guía para la Expresión de la Incertidumbre de Medida (GUM) nos dice que el resultado de nuestra medición, el mensurando Y, es una función de varias cantidades de entrada Xi.

Desglose de la fórmula:

• Y: Es lo que quieres medir (el resultado final). En el caso de nuestro laboratorio, es el valor de pH.

• f: Significa «es una función de…». Es la relación matemática o el procedimiento que conecta todas tus entradas con tu salida.

• X1,X2,…,XN: Son todas las cantidades de entrada que influyen en Y. Aquí está la clave: cada una de estas cantidades de entrada es una fuente potencial de incertidumbre.

Por ejemplo, en una medición de pH, algunas de estas «X» son obvias: la lectura del equipo, el valor del buffer de calibración, la temperatura. Otras son más sutiles. El objetivo de nuestro «mapa» es identificar todas las X relevantes.

La Herramienta Visual: El Diagrama Causa-Efecto (Ishikawa)

La forma más efectiva y sistemática de identificar y clasificar estas fuentes es usando un Diagrama Causa-Efecto, también conocido como Diagrama de Ishikawa o Diagrama de Espina de Pescado.

¿Por qué es tan útil? Porque te obliga a pensar de forma estructurada, cubriendo todas las áreas posibles de tu proceso de medición. En lugar de una lista desordenada, construyes una representación visual lógica.

Las categorías más comunes en un laboratorio (conocidas como las «5 M») son:

1. Método (Procedimiento): Pasos, tiempos de espera, secuencia de operaciones.

2. Máquina (Equipo): El instrumento de medición, equipos auxiliares.

3. Material (Reactivos/Patrones): Materiales de referencia, reactivos, la propia muestra.

4. Mano de Obra (Operador): La influencia de la persona que realiza la medición.

5. Medio Ambiente (Condiciones): Temperatura, humedad, presión, vibraciones.

El proceso es simple: colocas tu medición (el «efecto») en la «cabeza» del pescado y usas las categorías como las «espinas» principales para empezar a ramificar todas las «causas» o fuentes de incertidumbre que se te ocurran.

Ahora que tienes la teoría indispensable, vamos a aplicarla.

Capítulo 2: Manos a la Obra – El Taller Práctico

El Dr. Morales tomó un rotulador y se acercó a la pizarra blanca del laboratorio. —Muy bien, equipo. Vamos a dibujar el mapa para tu medición de pH. Ana, dime, ¿cuál es el resultado final que buscamos?

—El valor de pH de la muestra a una temperatura definida —respondió ella.

—Perfecto. Ese es nuestro «efecto» —dijo el Dr. Morales mientras lo escribía en el lado derecho de la pizarra y dibujaba una flecha horizontal apuntando hacia él. Acababa de dibujar la «cabeza» y la «columna vertebral» del pescado.

Paso 1: Dibujar las Espinas Principales

El Dr. Morales dibujó cinco líneas diagonales que se conectaban a la columna vertebral. En cada una escribió una de las 5 M: Método, Máquina, Material, Mano de Obra y Medio Ambiente.

Paso 2: Lluvia de Ideas Estructurada (Brainstorming)

—Ahora, vamos a llenar esto. Pensemos en cada categoría, una por una. Carlos, empecemos contigo y la Máquina. ¿Qué equipos usaste y qué aspectos de ellos podrían introducir incertidumbre?

Paso 3: Completar Sistemáticamente cada Categoría

Continuaron de la misma forma para las demás categorías.

Paso 4: El Mapa Completo

Al cabo de quince minutos, la pizarra ya no estaba vacía. Tenían un diagrama detallado.

—Y ahí lo tienen —dijo el Dr. Morales, señalando la pizarra—. Su mapa de incertidumbre. Ahora ya no tienen una lista mental vaga. Tienen un inventario sistemático y organizado. Cada una de estas «espinas menores» es una candidata para su presupuesto de incertidumbre. El siguiente paso será aprender a ponerle números a cada una, pero no podían dar ese paso sin esto.

Carlos miró el diagrama. Ahora entendía. La incertidumbre no eran solo dos números en una hoja de cálculo; era el resultado combinado de todo un sistema.

Capítulo 3: Preguntas Clave y Mitos Comunes

P: ¿Es obligatorio usar un diagrama de Ishikawa? ¿Me lo exigirá un auditor?

R: No, el diagrama en sí no es un requisito obligatorio de la norma ISO/IEC 17025. Lo que sí es obligatorio es demostrar que has realizado un esfuerzo «razonable» para identificar todas las componentes significativas de la incertidumbre.

El diagrama de Ishikawa es, simplemente, una de las mejores herramientas para hacer esto de forma sistemática y poder demostrarlo fácilmente durante una auditoría. Es evidencia de tu debida diligencia.

P: ¿Debo incluir absolutamente todas las fuentes que se me ocurran, por insignificantes que parezcan?

R: En la etapa de lluvia de ideas (brainstorming), sí. La regla es: «identificar primero, evaluar después». Anota todo lo que se te ocurra. Más adelante, en la fase de cuantificación, podrás analizar cada una y justificar técnicamente por qué algunas son insignificantes y pueden ser omitidas del cálculo final.

Por ejemplo, el efecto de las fases de la luna en tu medición de pH es probablemente insignificante. Pero la clave es omitir con justificación, no por olvido.

P: ¿Qué hago si identifico una fuente pero no tengo idea de cómo cuantificarla?

R: ¡Felicidades, has identificado una oportunidad de mejora en tu laboratorio! Este es un escenario muy común. Si no puedes cuantificarla, tienes varias opciones:

1. Diseñar un experimento: Crea un pequeño estudio para estimar su magnitud (por ejemplo, medir a diferentes temperaturas para cuantificar el efecto).

2. Buscar en la literatura: Revisa guías técnicas, artículos científicos o manuales de equipos que a menudo proporcionan datos sobre la magnitud de ciertos efectos.

3. Usar la experiencia: Como último recurso, puedes hacer una estimación basada en la experiencia y el conocimiento del método, pero debe estar bien justificada. Lo importante es no ignorarla. Identificarla ya es el primer paso.

P: ¿Este proceso se hace una sola vez por cada método de ensayo?

R: Se hace una vez a fondo cuando se estima la incertidumbre por primera vez. Sin embargo, este «mapa» es un documento vivo. Deberías revisarlo periódicamente o cada vez que haya un cambio significativo en el método, equipo, personal o materiales.

Un nuevo equipo, por ejemplo, podría introducir nuevas fuentes de incertidumbre o cambiar la magnitud de las existentes.

Capítulo 4: Lecciones Aprendidas y Siguientes Pasos

Al final de la sesión, Ana miró la pizarra con una nueva sensación de claridad. El caos de variables posibles se había transformado en un mapa ordenado y lógico. Ya no sentía que pudieran estar omitiendo algo importante por descuido.

—Esto cambia las cosas, Dr. Morales —dijo Ana—. Ahora tenemos una hoja de ruta clara para cada método. Podemos usar esta herramienta para formar a todo el personal y estandarizar la forma en que pensamos sobre la incertidumbre.

Carlos estaba igual de impresionado. —Nunca volveré a ver un resultado como un simple número. Ahora veo todas las pequeñas contribuciones que se esconden detrás.

Pero… —dijo, señalando la palabra «Repetibilidad» en el diagrama—, ahora que tenemos esta lista, ¿cómo empezamos a ponerle números? ¿Cómo cuantificamos algo como la variabilidad de mis propias lecturas?

El Dr. Morales sonrió. Era la pregunta que estaba esperando.

—Excelente pregunta, Carlos. Has llegado al siguiente paso lógico. Has identificado las fuentes y las has clasificado. Algunas de ellas, como la incertidumbre de los patrones, las leeremos de un certificado. Pero otras, como la repetibilidad, las tendremos que calcular a partir de nuestros propios datos experimentales.

Ese proceso, el de usar la estadística para cuantificar una fuente de incertidumbre, se llama Evaluación Tipo A.

Y esa evaluación es, precisamente, el punto de partida de nuestra siguiente parada.