El estudio de largas series de precipitación constituye un tema importante en la investigación climática y la evaluación de riesgos. Sin embargo, los conjuntos de datos largos se ven afectados por inhomogeneidades que pueden llevar a resultados sesgados. Un problema frecuente, pero a veces subestimado, es la definición del día climatológico. La elección de diferentes horarios de inicio puede llevar a inhomogeneidad dentro de la misma estación y desalineación con otras estaciones. En este trabajo, se analiza el problema de la desalineación temporal entre conjuntos de datos de precipitación caracterizados por diferentes horarios de inicio del día de observación. Se evalúan los métodos de ajuste más utilizados (ajuste de 1 día y desplazamiento uniforme) y dos nuevos métodos basados en reanálisis (NOAA y ERA5) en términos de alineación temporal, estadísticas de precipitación y distribuciones percentiles. Como series de prueba, se seleccionan las series de precipitación horaria de Padua y estaciones cercanas en el período de 1993-2022. Los resultados muestran que los métodos basados en reanálisis, en particular ERA5, superan a los otros en alineación temporal, independientemente de la estación. Pero, para los períodos en los que los datos de reanálisis no están disponibles, los métodos de ajuste de 1 día y desplazamiento uniforme pueden considerarse alternativas viables. Por otro lado, los métodos basados en reanálisis no siempre son la mejor opción en términos de estadísticas de precipitación, ya que aumentan la frecuencia de precipitación y reducen el valor medio en días húmedos, NOAA mucho más que ERA5. El uso de la serie de una estación cercana a la objetivo, que es obligatorio en caso de datos faltantes, puede a veces dar resultados comparables o incluso mejores que cualquier método de ajuste. Para la serie de Padua, el análisis se repite a resoluciones mensuales y estacionales. En las series probadas, los métodos de ajuste no proporcionan buenos resultados en verano y otoño, las dos estaciones principalmente afectadas por fuertes lluvias en Padua. Finalmente, la distribución percentil indica que cualquier método de ajuste subestima los valores percentiles, excepto ERA5, y que solo la estación cercana más correlacionada con Padua da resultados comparables a ERA5.