Contexto
Un sensor puede quedarse fijo, derivar lentamente, cambiar de escala o registrar con retraso sin producir un error técnico. La serie sigue pareciendo válida hasta compararla con el proceso físico.
Eliminar outliers de forma automática puede borrar precisamente el evento importante. Primero se clasifica la causa y se conserva la lectura original.
Ejemplo didáctico · situación inventada
Una lectura constante durante una maniobra
Un caudalímetro mantiene exactamente el mismo valor mientras cambian la posición de una válvula y la lectura de un sensor redundante.
Qué decisión cambia. Marca la serie como sospechosa y conserva el original. Contrasta alimentación, comunicaciones y mantenimiento antes de imputar: la persistencia aislada no permite distinguir un sensor bloqueado de un proceso estable.
Qué comprobar antes de empezar
- Identificador, modelo, ubicación y unidad de cada sensor.
- Fecha de calibración, mantenimiento y cambios de firmware.
- Rangos físicos, velocidad máxima de cambio y balances entre variables.
- Redundancia disponible y calidad histórica de cada fuente.
- Consecuencia operativa de usar un dato dudoso o ausente.
Método de trabajo
Conservar el crudo
La lectura original permanece inmutable junto a sus metadatos y a la hora de recepción.
Aplicar controles
Rango, persistencia, derivada, coherencia entre variables y retraso producen banderas separadas.
Contrastar
Comparamos con sensores vecinos, redundantes, inspecciones y restricciones físicas.
Propagar incertidumbre
Paneles y modelos reciben valor, procedencia y confianza; la imputación queda explícita.
Señales para detener la prueba
- No se conoce la unidad o la fecha de calibración de una fuente principal.
- El pipeline sobrescribe lecturas originales al corregirlas.
- Un dato imputado se presenta como observado.
- La decisión automática continúa cuando desaparece la redundancia necesaria.
Fuentes
Para seguir con esta decisión
- ¿Cómo distinguir un cambio operativo de un cambio en los datos?
- ¿Puede un documento convertirse en una geometría?
- ¿Por qué el problema de los datos públicos no termina al encontrarlos?
Servicio de Ciencia e ingeniería de datos: alcance y entregables
Probar las reglas en Data Quality Lab
Publicado por Ordantis el .