II.

Anlisis de Sistemas de Medicin

II. ANLISIS DE SISTEMAS DE MEDICIN

INTRODUCCIN____________________________________________________
Siempre que registramos o medimos los resultados de un proceso nos encontramos con cierta variacin en los datos obtenidos. Esta variacin puede provenir de dos fuentes distintas: por un lado, siempre habr diferencias intrnsecas entre cualquier par de elementos que se pretendan medir (variacin intrnseca); por otro, ningn mtodo de medicin es perfecto (i.e., si midisemos el mismo elemento en repetidas ocasiones no obtendramos siempre el mismo dato numrico). El Control Estadstico de Calidad (SPC) tiene como misin identificar las causas de variaciones intrnsecas en los procesos a fin de poder reducir dicha variacin a niveles tolerables, pero antes de aplicar las tcnicas del SPC es necesario asegurarnos de que la variacin registrada no es debida, al menos en su mayor parte, a los sistemas de medicin utilizados. El objeto de este captulo ser pues presentar herramientas que nos ayuden a precisar qu parte de la variacin existente en los datos se debe al propio sistema de medida empleado. En concreto, estaremos interesados en: Estudios R&R y grficos de rachas de medida: nos permitirn examinar la precisin del sistema. Medidas lineales y estudio de la exactitud

Los errores en los sistemas de medicin pueden clasificarse en dos categoras: errores de exactitud y errores de precisin. La exactitud describe la diferencia entre el valor registrado y el real. La precisin describe la variacin que se observa al medir el mismo elemento de forma repetida y usando el mismo mtodo de medicin. Podemos encontrarnos con sistemas de medicin que se vean afectados slo por alguno de estos tipos de errores, y otros que sufran de falta de exactitud y de precisin: objetivo

exacto y preciso

preciso, pero no exacto

exacto, pero no preciso

ni exacto ni preciso

Podemos descomponer la exactitud de un sistema de medida en tres componentes: 1. 2. 3. Linealidad: Indica cmo vara el nivel de exactitud obtenido en la medicin en funcin del tamao del objeto medido. Da una idea de cmo el tamao del elemento a medir afecta a la exactitud del sistema de medida. Exactitud: Es la diferencia entre la medicin media observada y un valor maestro. Da una idea de lo centrado o ajustado que est el sistema de medida. Estabilidad: Es la variacin total que se obtendra al medir el mismo elemento repetidas veces usando un mismo aparato de medicin. Nos da una idea de cmo de exacto o estable es el sistema con el paso del tiempo.

Anlogamente, podemos descomponer la precisin o medida de la variacin en dos partes: 1. 2. Repetibilidad: Es la variacin observada cuando el mismo operario mide el mismo elemento de forma repetida usando el mismo aparato. Da una idea de la variacin debida a dicho aparato de medida. Reproductibilidad: Es la variacin observada cuando distintos operarios miden el mismo elemento usando el mismo aparato. Nos da una idea de la variacin debida al operario. II - 1

Control Estadstico de la Calidad con MINITAB

ESTUDIOS R&R____________________________________________________
Los estudios de Repetibilidad y Reproductibilidad de las mediciones determinan qu parte de la variacin observada en el proceso se debe al sistema de medicin usado. Minitab proporciona dos mtodos para realizar este tipo de estudios: el mtodo X-barra/R descompone la variacin total en tres categoras: elemento a elemento, repetibilidad, y reproductibilidad. El mtodo ANOVA va un paso ms all y descompone la reproductibilidad en dos subcategoras, el operario y el operario por elemento (por tal motivo este ltimo mtodo es ms exacto que el anterior):

Variacin en el Sistema de Medicin

Elemento a Elemento

Variacin debida al Aparato (Repetibilidad)

Variacin debida a Operarios (Reproductibilidad)

Operario

Operario por Elemento

Los datos deben estar estructurados en tres columnas: una primera que contenga el nombre o cdigo de cada elemento medido, una segunda (opcional) que contenga el nombre del operario que ha realizado cada medicin, y una tercera con el resultado de la medicin. Ejemplo R&R: Pretendemos realizar un estudio R&R sobre dos conjuntos de datos. En el primero, la variacin debida al sistema de medicin tiene poco peso dentro de la variacin total observada; por el contrario, en el segundo, la variacin total observada es causada en gran parte por la variacin debida al sistema de medicin. En el primer caso, se eligieron 10 elementos, cada uno de los cuales fue medido dos veces por 3 operarios siguiendo un orden aleatorio. Los resultados estn contenidos en el archivo medicin1.mtw . Seleccionar Stat > Quality Tools > Gage R&R Study : Rellenamos los campos como se indica a continuacin:

II - 2

II. Anlisis de Sistemas de Medicin

Gage R&R Study - ANOVA Method

Gage R&R for Medicin

Two-Way ANOVA Table With Interaction

Source Elemento Operador Operador*Elemento Repeatability Total DF 9 2 18 30 59 SS 2,05871 0,04800 0,10367 0,03875 2,24912 MS 0,228745 0,024000 0,005759 0,001292 F 39,7178 4,1672 4,4588 P 0,00000 0,03256 0,00016

Contribucin de cada una de las partes a la varianza total

Gage R&R
Source Total Gage R&R Repeatability Reproducibility Operador Operador*Elemento Part-To-Part Total Variation Source Total Gage R&R Repeatability Reproducibility Operador Operador*Elemento Part-To-Part Total Variation VarComp 0,004437 0,001292 0,003146 0,000912 0,002234 0,037164 0,041602 StdDev 0,066615 0,035940 0,056088 0,030200 0,047263 0,192781 0,203965 5,15*Sigma 0,34306 0,18509 0,28885 0,15553 0,24340 0,99282 1,05042

Desviacin Estndar multiplicada por 5,15 (nmero de desviaciones estndar necesarias para englobar al 99% de las mediciones). Podemos interpretar el ltimo nmero (el asociado a Total Variation) cmo una estimacin de la amplitud del intervalo que contendra el 99% de las observaciones. Study Var es el cociente entre la desviacin estndar de cada componente y la desviacin estndar total.

%Contribution 10,67 3,10 7,56 2,19 5,37 89,33 100,00

%Study Var 32,66 17,62 27,50 14,81 23,17 94,52 100,00

Nmero de categoras distintas que el sistema es capaz de detectar. En este caso, de los 10 elementos distintos que hemos medido, el sistema de medicin utilizado slo sera capaz de distinguir 4.

Number of Distinct Categories = 4

Observamos que slo el 10,67% de la variacin total en los datos se debe al sistema de medicin, mientras que un 89,33% de dicha variacin es debida a las diferencias entre los elementos medidos. Respecto al nmero de categoras distintas que el sistema es capaz de distinguir, el valor obtenido de 4 nos indica que el sistema de medicin empleado es aceptable (en general, si el valor obtenido fuese 1 el sistema no sera til para controlar el proceso; un valor de 4 o superior representa un sistema de medicin capaz de distinguir un nmero aceptable de categoras). En el primero de los grficos siguientes se observa que la mayora de los puntos estn situados ms all de los lmites de control, lo cual refuerza la idea de que la variacin se debe prioritariamente a diferencias entre elementos. Esta misma conclusin la podemos obtener a partir del diagrama de barras. En los grficos de la derecha observamos que hay pocas diferencias en las mediciones registradas por los diferentes operarios (la lnea es prcticamente horizontal), mientras que las diferencias en las mediciones para los distintos elementos s son considerables (el grfico muestra continuas subidas y bajadas segn el elemento medido). II - 3

Control Estadstico de la Calidad con MINITAB

Gage R&R (ANOVA) for M edicin

X bar Chart by Operador
1,1 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0
1 2 3

Gage name: Date of study: Reported by: Tolerance: Misc:

Operador*Elemento Interaction
1,1 1,0 3,0SL=0,8796 X=0,8075 -3,0SL=0,7354 0,9 0,8 0,7 0,6 0,5 0,4

Operador
1 2 3

Sample Mean

Average

Elemento

10

R Chart by Operador
0,15
1 2 3

By Operador
1,1 3,0SL=0,1252 1,0 0,9 0,8 0,7 0,6 0,5 0,4

Sample Range

0,10 0,05 0,00 0

R=0,03833 -3,0SL=0,00E+00

Operador

Components of Variation
100 % Total Var % Study Var 1,1 1,0 0,9 0,8 0,7 0,6 0,5 0,4

By Elemento

Percent

50

0 Gage R&R Repeat Reprod Part-to-Part

Elemento

10

En el segundo conjunto de datos se eligieron 3 elementos, y 3 operarios midieron 3 veces cada uno de ellos siguiendo un orden aleatorio. Los datos se registraron en el archivo medicin2.mtw . Seleccionar Stat > Quality Tools > Gage R&R Study : Rellenamos los campos de forma anloga a la anterior:

II - 4

II. Anlisis de Sistemas de Medicin

Gage R&R Study - ANOVA Method

Gage R&R for Medicin

Two-Way ANOVA Table With Interaction

Source Elemento Operario Operario*Elemento Repeatability Total DF 2 2 4 18 26 SS 38990 529 26830 133873 200222 MS 19495,2 264,3 6707,4 7437,4 F 2,90650 0,03940 0,90185 P 0,16616 0,96173 0,48352

Two-Way ANOVA Table Without Interaction

Source Elemento Operario Repeatability Total DF 2 2 22 26 SS 38990 529 160703 200222 MS 19495,2 264,3 7304,7 F

Cuando el p-valor asociado a Operario*Elemento es > 0,25 el programa reconstruye el modelo esta vez sin la interaccin Operario*Elemento, y usa este nuevo modelo reducido para determinar los estadsticos del estudio R&R.

P 0,0917 0,9645

2,66887 0,03618

Gage R&R
Source Total Gage R&R Repeatability Reproducibility Operario Part-To-Part Total Variation Source Total Gage R&R Repeatability Reproducibility Operario Part-To-Part Total Variation VarComp 7304,7 7304,7 0,0 0,0 1354,5 8659,2 StdDev 85,4673 85,4673 0,0000 0,0000 36,8036 93,0547 5,15*Sigma 440,157 440,157 0,000 0,000 189,538 479,232

%Contribution 84,36 84,36 0,00 0,00 15,64 100,00

%Study Var 91,85 91,85 0,00 0,00 39,55 100,00

Number of Distinct Categories = 1

Observamos que el 84,36% de la variacin total en los datos se debe al sistema de medicin, mientras que slo un 15,64% de dicha variacin es debida a las diferencias entre los elementos medidos. En este caso, el sistema de medicin empleado no es capaz de detectar diferencias entre los elementos (slo percibe una categora). Ello significa que este sistema no es adecuado. En el primero de los grficos siguientes se observa cmo la mayora de puntos estn contenidos dentro de los lmites de control, lo cual nos indica que la variacin observada es principalmente debida al sistema de medicin usado. La misma conclusin se deduce del diagrama de barras. En los grficos de la esquina inferior derecha se aprecia que no hay apenas diferencias entre operarios al hacer la medicin (lnea de nivel horizontal), y que las diferencias entre elementos no son significativas. II - 5

Control Estadstico de la Calidad con MINITAB

Gage name: Date of study: Reported by: Tolerance: Misc:

Gage R&R (ANOVA) for Medicin

Xbar Chart by Operario
550
1 2 3

Operario*Elemento Interaction
3,0SL=555,8 490

Operario
1 2 3

Sample Mean

450 X=406,2 350 250 0 -3,0SL=256,5

Average

440 390 340

Elemento

R Chart by Operario
400
1 2 3

By Operario
3,0SL=376,5 600 500 400 R=146,3 300 200

Sample Range

300 200 100 0 0 -3,0SL=0,00E+00

Operario

Components of Variation
100 %Total Var %Study Var 600 500 400 300 200 0 Gage R&R Repeat Reprod Part-to-Part

By Elemento

Percent

50

Elemento

GRFICOS DE RACHAS PARA MEDICIONES____________________________

Un grfico de rachas para mediciones es una representacin de las observaciones por operario y nmero de elemento. El grfico contiene una lnea de referencia horizontal al nivel de la media (la cual puede obtenerse a partir de los datos o bien ser ya conocida). Esta representacin nos permitir apreciar de forma inmediata posibles diferencias en las mediciones entre diferentes operarios y/o elementos: un proceso estable generara una nube de puntos horizontal, mientras que un efecto operario o un efecto elemento nos dara algn patrn no aleatorio para los datos. Ejemplo Grfico de Rachas para Mediciones: Nuevamente usaremos los dos conjuntos de datos anteriores (en el primero de ellos, medicin1.mtw , la variacin debida al sistema de medicin supona un porcentaje pequeo de la variacin total; en el segundo, medicin2.mtw , dicha variacin era la principal causa de la variacin total). Para cada uno de los dos conjuntos de datos haremos lo siguiente: Seleccionar Stat > Quality Tools > Gage Run Chart: Rellenamos los campos como se indica a continuacin:

II - 6

II. Anlisis de Sistemas de Medicin

El grfico inferior corresponde al primer conjunto de datos. En l se observa: 1. 2. Para cada elemento, podemos comparar tanto las diferencias entre medidas realizadas por cada uno de los tres operarios como las diferencias entre los distintos operarios. Tambin podemos comparar las medidas obtenidas con la lnea de referencia horizontal (en este caso, la media de las observaciones).

Runchart of Medicin by Elemento, Operador

Gage name: Date of study: Reported by: Tolerance: Misc:

1,08 0,98 0,88 Medicin 0,78 0,68 0,58 0,48 0,38 Elemento 1,08 0,98 0,88 Medicin 0,78 0,68 0,58 0,48 0,38 Elemento 6 7 8 9 10 1 2 3 4 5

1 2 3

La mayor parte de la variacin es debida a diferencias entre elementos. Adems, es posible apreciar algunos ligeros patrones: as, p.e., la segunda medicin del operador 2 es repetidamente menor que la primera (esto ocurre en 7 de 10 ocasiones); tambin es visible el que las mediciones efectuadas por el

II - 7

Control Estadstico de la Calidad con MINITAB segundo operario son repetidamente menores que las realizadas por el primer operario (en 8 de 10 ocasiones).

A continuacin se muestra el grfico correspondiente al segundo conjunto de datos. En l observamos: 1. 2. Para cada elemento, podemos comparar tanto las diferencias entre medidas realizadas por cada uno de los operarios como las diferencias entre distintos operarios. Tambin podemos comparar las medidas obtenidas con la lnea de referencia horizontal (en este caso, la media de las observaciones).
Gage name: Date of study: Reported by: Tolerance: Misc:

Runchart of Medicin by Elemento, Operario 1

600 500 Medicin 400 300 200

1 2 3

Elemento

El factor dominante en este caso es la repetibilidad (en concreto, las diferencias aumentan cuando el mismo operario realiza mediciones sobre el mismo elemento). Las oscilaciones parecen sugerir que los operarios estn ajustando, entre turno y turno, el sistema de medicin.

II - 8

II. Anlisis de Sistemas de Medicin

LINEALIDAD EN LA MEDICIN Y ESTUDIO DE LA EXACTITUD_____________

Un estudio de la linealidad en la medicin responde a la pregunta: es el sistema de medicin igual de exacto para todos los tamaos posibles de los objetos que estamos midiendo?. Un estudio de la exactitud en la medicin examina las diferencias existentes entre el promedio de las mediciones observadas y un valor de referencia o valor maestro. Ejemplo Linealidad y Exactitud: Elegimos cinco elementos (cuyos valores maestros son conocidos), los cuales representan el rango esperado de los tamaos a medir. Un operario mide 12 veces cada uno de los elementos siguiendo un orden aleatorio, y se realiza un estudio R&R para determinar la variacin total en el proceso (columna 5,15*Sigma), la cual resulta ser de 14,1941. Las mediciones se guardan en el archivo exactitud.mtw . Seleccionar Stat > Quality Tools > Gage Linearity Study: Rellenamos los campos como se indica a continuacin:

Gage Linearity Study for Medicin

Gage name: Date of s tudy : Reported by : Toleranc e: Mis c :

Gage Lineari ty
Linearity: %Linearity: R-Squared: 1,86889 13,167 0,978

Gage Accuracy Accuracy Average

Bias: %Bias: -5,3E-02 0,376

Percent of Process Vari ati on

14 12 10

Percent
2 3 4 5 6 7 8 9 10

8 6 4 2 0

-1

M aster Part M easurem ent

Linearity

Accuracy

Observar que, en esta medicin, la variacin debida a la linealidad supone un 13% de la variacin total del proceso. Por otra parte, la variacin debida a la falta de exactitud es de menos del 1% de la total. II - 9