La Evidencia el Camino a la Causa

Las hipótesis de un análisis causan raíz no se aceptan sin pruebas. Los datos son la referencia objetiva que las valida o las descarta.

Resumen

Durante el RCA se generan hipótesis sobre las posibles causas del problema, pero ninguna debe aceptarse sin pruebas. Los datos son la referencia objetiva que las valida o las descarta, de modo que el análisis se apoye en hechos y no en suposiciones, y la causa identificada resulte técnicamente sustentable. Este artículo reúne los argumentos que sostienen el enfoque basado en evidencia dentro del RCA.

Palabras clave. Análisis Causa Raíz, Hipótesis, Evidencia, Datos, Validación, Causa Raíz, Confiabilidad.

Introducción

En un Análisis de Causa Raíz (RCA), recopilar y gestionar la evidencia es lo que permite validar las hipótesis propuestas. Un RCA efectivo se sustenta en pruebas tangibles, verificables y relacionadas con el evento investigado, de manera que las conclusiones no dependan de interpretaciones subjetivas ni de percepciones individuales. Como mencionó W. Edwards Deming, «sin datos, solo eres otra persona con una opinión» (Deming, 1986).

La experiencia orienta la búsqueda, pero hay una diferencia fundamental entre formular una hipótesis de causa y demostrar que explica el evento. Una causa propuesta puede parecer razonable y no ser la que originó la falla, y por eso la evidencia se emplea como contrastación durante todo el proceso.

Tipos de evidencia en el RCA

Para garantizar la rigurosidad de la investigación hay que considerar distintas fuentes de evidencia que permitan reconstruir qué ocurrió, cómo y por qué.

•           Registros de variables. Datos históricos del proceso y del equipo, como temperatura, presión, vibración, velocidad, niveles, amperaje y voltaje.

•           Componentes afectados. La inspección física de cojinetes, rodamientos, acoplamientos, ejes, sellos, tuberías, mangueras, bandas y válvulas informa sobre el mecanismo físico de falla.

•           Fotografías y videos. Una imagen tomada inmediatamente después del evento conserva información que más tarde ya no estará disponible.

•           Pruebas y ensayos. Las destructivas y las no destructivas confirman o descartan hipótesis.

•           Análisis de laboratorio. Los estudios químicos, metalográficos, tribológicos y estructurales identifican mecanismos que no se reconocen a simple vista.

•           Documentación y registros de mantenimiento. Órdenes de trabajo, inspecciones, reparaciones y cambios de componentes revelan patrones y condiciones que contribuyeron al evento.

La evidencia no se limita a lo obtenido después de la falla. También está en el historial del activo, en sus condiciones operacionales y en los componentes afectados. Como lo mencioné en un artículo anterior titulado El RCA y la cultura del dato, «durante el desarrollo de un RCA, las hipótesis sobre las posibles causas deben ser contrastadas con evidencia. Los datos actúan como el punto de referencia que confirma o refuta estas teorías».

Validación basada en evidencia frente a opiniones

La opinión de expertos es valiosa para establecer líneas de investigación y generar hipótesis iniciales, aunque la validación debe fundamentarse en evidencia concreta. Karl Popper, en su teoría sobre la falsabilidad, afirmó que «el conocimiento científico progresa refutando hipótesis con evidencia empírica» (Popper, 1959).

Llevada al RCA, la pregunta no debería ser solo qué evidencia confirma la hipótesis, sino también cuál podría demostrar que es incorrecta. Esa segunda obliga a refutar las propias hipótesis antes de aceptarlas como causas y reduce el riesgo de sesgos y conclusiones erróneas.

La evidencia en el enfoque de RCA

Esa disciplina está también en la metodología de Mark A. Latino, Robert J. Latino y Kenneth C. Latino. En Root Cause Analysis. Improving Performance for Bottom-Line Results, los autores plantean el RCA como un proceso ordenado de pensamiento, orientado a identificar las causas físicas, humanas y latentes de un evento. El objetivo no es dar rápido con una explicación razonable, sino construir una explicación causal respaldada por evidencia. La diferencia se ordena así.

•           Opinión. «Creo que esta es la causa».

•           Hipótesis. «Esta podría ser una causa».

•           Evidencia. «Estos hechos respaldan o contradicen la hipótesis».

•           Causa técnicamente defendible. «La evidencia disponible demuestra que esta condición explica el evento dentro de los límites de la investigación».

La experiencia del especialista y la metodología de RCA no compiten con los datos. Orientan dónde buscar, y la evidencia determina qué puede sostenerse.

El rol de los expertos en el RCA

Los especialistas aportan casos previos, conocimientos técnicos y un entendimiento profundo de los procesos, pero su papel no es imponer una explicación, sino formular hipótesis, orientar la investigación e interpretar la evidencia.

Como señaló Sherlock Holmes, el detective creado por Arthur Conan Doyle, «es un error capital teorizar antes de tener datos» (Doyle, 1892). Fijar una causa demasiado pronto abre el riesgo de seleccionar los datos para que se ajusten a ella. El proceso funciona al revés: los hechos conducen a la explicación y no la explicación a la selección de los hechos.

Conclusión

El éxito de un Análisis de Causa Raíz depende en gran medida de la capacidad para recopilar, analizar y gestionar la evidencia con objetividad y disciplina. Una hipótesis no se convierte en causa raíz porque sea plausible ni porque la proponga alguien con experiencia. La validación debe apoyarse en evidencia verificable, como expresa la máxima atribuida a Galileo Galilei, «mide lo que sea medible, y haz medible lo que no lo sea» (Galilei, 1623). Solo así se construyen conclusiones sólidas y sostenibles, que mejoran la confiabilidad y la seguridad de los procesos industriales.

Ratifico, para cerrar, que la evidencia es el mecanismo mediante el cual una hipótesis de causa se transforma en una causa técnicamente defendible dentro de un proceso de RCA.

Referencias bibliográficas

•           Deming, W. E. (1986). Out of the crisis. Massachusetts Institute of Technology, Center for Advanced Engineering Study.

•           Doyle, A. C. (1892). The adventures of Sherlock Holmes. George Newnes.

•           Galilei, G. (1623). Il saggiatore. Giacomo Mascardi.

•           Latino, M. A., Latino, R. J., & Latino, K. C. (2019). Root cause analysis. Improving performance for bottom-line results (5.a ed.). CRC Press.

•           Popper, K. R. (1959). The logic of scientific discovery. Hutchinson.