La gestión del conocimiento es el proceso por el cual una organización facilita la trasmisión de información, conocimientos, experiencias y habilidades a sus empleados, de una manera sistemática y eficiente. El presente artículo relaciona la aplicación de la metodología Commonkads en la gestión de la calidad, al interior de la organización Bavaria en la ciudad de Medellín. La aplicación de la metodología mencionada permite evidenciar la importancia del análisis organizacional y estratégico en la introducción y desarrollo de tecnologías de la información, así como demostrar que dicha metodología soporta aplicaciones de ingeniería y de gestión del conocimiento a la hora de construir los sistemas basados en el conocimiento; necesarios para solucionar problemas de control de procesos, monitorización, diagnóstico y mantenimiento de fallos, entre otras, es decir aspectos relacionados con la calidad del proceso.

Objetivo: Proponer un procedimiento metodológico que sirva de guía para aplicar técnicas en la evaluación de la incertidumbre de medida, como son: GUM, MMC y Bayes; además, de desarrollar una aplicación en un caso de estudio no trivial. Materiales y métodos: En el presente artículo, se proponen un conjunto de pasos que permiten validar la evaluación de incertidumbre de medida a partir de técnicas como GUM, MMC y Bayes; estas se aplicaron como estrategia para evaluar la incertidumbre de un proceso de medición indirecta, donde el experimento de pruebas consistió en determinar el nivel de un fluido a través de la medición de presión hidrostática que genera el fluido en estado estacionario sobre la base de un contenedor. Se compararon los resultados obtenidos con cada técnica. Resultados y discusión: se encontró que el uso de la GUM es válido en el fenómeno caso de estudio, sin embargo, los resultados obtenidos aplicando el enfoque Bayesiano y el MMC ofrecieron información complementaria de mucha utilidad, como es la función de densidad de probabilidad (FDP) del mensurando, que permitió una mejor descripción del fenómeno. Asimismo, las FDP a posteriori obtenidas con Bayes permitieron aproximar a valores más cercanos en torno de los verdaderos valores del mensurando, y los intervalos de los posibles valores fueron más amplios que los que ofrecieron el MMC y la GUM. Conclusiones: En el contexto del caso de estudio se tiene que el enfoque bayesiano presenta resultados más realistas que GUM y MMC; además de la ventaja conceptual que presenta Bayes, de la posibilidad de actualizar los resultados de la evaluación de incertidumbre ante la presencia de nueva evidencia.