Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudios R - R en Minitab
Estudios R - R en Minitab
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
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
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):
Elemento a Elemento
Operario
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
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.
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.
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
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
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
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
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
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
Operario*Elemento Interaction
3,0SL=555,8 490
Operario
1 2 3
Sample Mean
Average
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
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
II - 6
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).
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:
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
Gage Lineari ty
Linearity: %Linearity: R-Squared: 1,86889 13,167 0,978
Percent
2 3 4 5 6 7 8 9 10
8 6 4 2 0
-1
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