Estudios de Repetibilidad Y Reproducibilidad (R&R)

ESTUDIOS DE REPETIBILIDAD Y REPRODUCIBILIDAD (R&R)
ESTUDIOS DE REPETIBILIDAD
Y DE REPRODUCIBILIDAD R&R
H. HERNNDEZ / P. REYES
SEPT. 2007
Pgina 1
R&R CAPACIDAD DE LOS SISTEMAS DE MEDICIN

1. Conceptos bsicos
2. Carta de tendencias de gage minitab
3. Estudios de R&R metodo corto del rango
4. Estudios de R&R mtodo largo (cruzado)
5. Estudios de R&R mtodo largo (anidado)
6. Estudios de linealidad y sesgo
7. Estudios de R&R por atributos mtodo analtico
8. Estudios de R&R por atributos acuerdo entre evaluadores
Apndices:
Frmulas
Pgina 2
1. CONCEPTOS BSICOS R&R CAPACIDAD DE LOS
SISTEMAS DE
MEDICIN
En muchas ocasiones las organizaciones no consideran el impacto de no tener sistemas de

medicin de calidad, el hecho de que las mediciones no sean exactas puede llevar a
cometer errores en el clculo, y en los anlisis y conclusiones de los estudios de
capacidad de los procesos.
Cuando los operadores no miden una pieza de manera consistente, se puede caer en el riesgo de
rechazar artculos que estn en buen estado o aceptar artculos que estn en mal estado. Por otro
lado si los instrumentos de medicin no estn calibrados correctamente tambin se pueden
cometer errores. Cuando sucede lo mencionado anteriormente tenemos un sistema de medicin
deficiente que puede hacer que un estudio de capacidad parezca insatisfactorio cuando en
realidad es satisfactorio. Lo anterior puede tener como consecuencia gastos innecesarios de
reproceso al reparar un proceso de manufactura o de servicios, cuando la principal fuente de
variacin se deriva del sistema de medicin.
Posibles Fuentes de la Variacin del Proceso
Variacin del proceso
Variacin
proceso,
real
Variacin
deldel
proceso,
real
Variacin dentro de la
muestra
Repetibilidad
Variacin de la medicin
Variacin
originada
Equipo
de
medicin
por el calibrador
Reproducibilidad
Estabilidad
Linealidad
Sesgo
Calibracin
DefinicionesDefiniciones
Reproducibilidad: Es la variacin, entre promedios de las mediciones hechas por diferentes
operadores que utilizan un mismo instrumento de medicin cuando miden las mismas
Operador-B
caractersticas en una misma parte.
Operador-C
Pgina 3
Operador-A
Reproducibilidad
Repetibilidad: es la variacin de las mediciones obtenidas con un instrumento de medicin,

cuando es utilizado varias veces por un operador, al mismo tiempo que mide las mismas
REPETIBILIDAD
Valor verdadero:
Valor correcto terico / estndares NIST1
Precisin: Es la habilidad de repetir la misma medida cerca o dentro de una misma zona
.
Exactitud :
Es la diferencia entre el promedio del nmero de medidas y el valor verdadero.
Resolucin: La medicin que tiene exactitud y precisin.
Preciso pero no exacto
Exacto pero no preciso
Exacto y preciso
(resolucin)
En EUA se tiene el NIST (National Institute of Standards ando Technology),En Mxico se tiene el
CENEAM o el Centro Nacional de Metrologa
Preciso
Preciso pero
pero no
no exacto
exacto
Exacto pero no preciso

preciso
Pgina 4
Exacto y preciso
(resolucin)
(resolucin)
- Estabilidad: es la variacin total de las mediciones obtenidas con un sistema de medicin, hechas
sobre el mismo patrn o sobre las mismas partes, cuando se mide una sola de sus caractersticas,
durante un perodo de tiempo prolongado.Exactitud : desviacin respecto del valor verdadero
del promedio de las mediciones
Valor verdadero:
Valor correcto terico / estndares NIST
Sesgo: d
istancia entre el valor promedio de todas las mediciones y el valor verdadero.
Error sistemtico o desviacin

Estabilidad: la variacin total en las mediciones obtenidas durante un perodo de tiempo
prolongado.
Tiempo 2
Tiempo 1
Linealidad: diferencia en los valores de la escala, a travs del rango de operacin esperado del
instrumento de medicin.
Valor
Valor
verdadero
Sesgo
Menor
Valor
Valor
verdadero
Sesgo
mayor
(rango inferior)
inferior)
(rango superior)
superior)
(rango
Rango de Operacin del equipo
Rango
de Operacin del equipo
Sesgo: distancia entre el valor promedio de todas las mediciones y el valor verdadero. Error
sistemtico o desviacin.
Pgina 5
Valor
Verdadero
Sesgo
Calibracin: Es la comparacin de un estndar de medicin con exactitud conocida con otro

instrumento para detectar, reportar o eliminar por medio del ajuste, cualquier variacin en la
exactitud del instrumento.Precisin: medicin de la variacin natural en mediciones repetidas
Posibles Fuentes de la Variacin del Proceso
Variacin del proceso
Variacin
proceso,
real
Variacin
deldel
proceso,
real
Variacin dentro de la
muestra
Repetibilidad
Variacin de la medicin
Variacin originada
por el calibrador
Estabilidad
Reproducibilidad
Linealidad
Sesgo
Importante: para que el equipo de medicin tenga una discriminacin adecuada en la

evaluacin de las partes, su
resolucin debe ser al menos 1/10 de la variabilidad del proceso.
Calibracin
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qu tan crtico es el grado de la medicin.
>30%. Inaceptable!
En cualquier problema que involucre mediciones, algunas de las variaciones observadas son
debidas al proceso y otras son debidas al error o variacin en los sistemas de medicin. La
variacin total es expresada de la siguiente manera:
Pgina 6
2 total = 2 proceso + 2 error medicin
Pgina 7
2. Carta de tendencias de Gage Minitab

Una carta de tendencias es una grfica de todas las observaciones por operador y partes. La lnea
horizontal de referencia es la media, calculada de los datos o proporcionada en base al historial.
Esta carta muestra las diferencias entre los diferentes operadores y las partes. Un proceso estable
mostrar una dispersin aleatoria horizontal; el efecto de un operador o parte mostrar un patrn
definido no aleatorio.
En este ejemplo, se obtienen dos cartas de tendencias con base en dos conjuntos de datos: una
donde la variacin del sistema de medicin contribuye poco a la variacin total observada
(GAGEAIAG.MTW) y otra donde la variacin del sistema de medicin contribuye mucho a la
variacin total observada (GAGE2.MTW).
Para el conjunto AIAG se toman 10 partes que representan el rango esperado de variacin del
proceso. Tres operadores miden las10 partes en tres intentos de manera aleatoria.
Part
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
Oper
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Valor
0.65
0.60
1.00
1.00
0.85
0.80
0.85
0.95
0.55
0.45
1.00
1.00
0.95
0.95
0.85
Part
8
9
9
10
10
1
1
2
2
3
3
4
4
5
5
Oper
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
Valor
0.80
1.00
1.00
0.60
0.70
0.55
0.55
1.05
0.95
0.80
0.75
0.80
0.75
0.40
0.40
Part
6
6
7
7
8
8
9
9
10
10
1
1
2
2
3
Oper Response Valor

2
1.00
3
2
1.05
4
2
0.95
4
2
0.90
5
2
0.75
5
2
0.70
6
2
1.00
6
2
0.95
7
2
0.55
7
2
0.50
8
3
0.50
8
3
0.55
9
3
1.05
9
3
1.00
10
3
0.80
10
Instrucciones de Minitab
Paso 1: Gage Run Chart con datos GAGEAIAG
1
File > Open worksheet > GAGEAIAG.MTW.
Seleccionar Stat > Quality Tools > Gage Study > Gage Run Chart.
En Part numbers, seleccionar Part.
En Operators, seleccionar Operator.
En Measurement data, seleccionar Response. Click OK.
Pgina 8
Oper
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
Valor
0.80
0.80
0.80
0.45
0.50
1.00
1.05
0.95
0.95
0.80
0.80
1.05
1.05
0.85
0.80
Gage Run Chart of Response by Part , Operat or

Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
5
1.0
Mean
0.8
O perator
1
2
3
Response
0.6
0.4
6
10
1.0
Mean
0.8
0.6
0.4
Operat or
Panel variable: Part
Interpretando los resultados

Para cada parte, se puede comparar la variacin entre mediciones hechas por cada operador y las
diferencias entre los operadores.
Se puede comparar la media de referencia con las mediciones especficas.
La mayor parte de la variacin se debe a diferencias entre las partes, algunos patrones menores
aparecen tambin. Por ejemplo el operador 2 en su segunda medicin es consistentemente (7/10)
ms pequea que la primera medicin, y sus mediciones son consistentemente (8/10) ms
pequeas que las del operador 1.
Para el conjunto GAGE2, se miden tres partes que representan el rango esperado de variacin del
proceso. Tres operadores miden las tres partes, en tres intentos de manera aleatoria.
Part Operator Response Trial
3
3
413.75
3
3
3
268.75
2
3
3
420
1
3
2
426.25
3
3
2
471.25
2
3
2
432.5
1
3
1
368.75
3
3
1
270
2
3
1
398.75
1
2
3
386.25
3
2
3
478.75
2
2
3
436.25
1
2
2
406.25
3
Part
2
2
2
2
2
1
1
1
1
1
1
1
1
1
Operator Response
2
531.25
2
435
1
408.75
1
608.75
1
443.75
3
383.75
3
373.75
3
446.25
2
388.75
2
157.5
2
456.25
1
405
1
273.75
1
476.25
Pgina 9
Trial
2
1
3
2
1
3
2
1
3
2
1
3
2
1
Paso 2: Gage Run Chart con datos GAGE2

1
File > Open worksheet > GAGE2.MTW.
Seleccionar Stat > Quality Tools > Gage Study > Gage Run Chart.
En Measurement data, seleccionar Response. Click OK.

Gage Run Chart of Response by Part , Operat or
Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
O perator
1
2
3
600
Response
500
Mean
400
300
200
Operat or
Panel variable: Part

Para cada parte, se puede comparar la variacin entre mediciones hechas por cada operador y las
diferencias entre los operadores.
Se puede comparar la media de referencia con las mediciones especficas.
La mayor parte de la variacin se debe a la repetibilidad grandes diferencias entre mediicones
cuando el mismo operador mide la misma parte. Las oscilaciones pueden sugerir que los
operadores ajustan el mtodo de cmo medir entre mediciones.
Pgina 10
3. Estudios R&R - Mtodo Corto del Rango

Es un mtodo que proporciona un valor aproximado del error R&R sin que muestre las diferencias
entre errores por el equipo y por los operadores.
Se usan dos evaluadores y cinco partes. Cada evaluador mide cada parte una sola vez.
Se calcula el rango de la medicin de cada parte y al final el rango promedio.
La desviacin estndar de R&R se aproxima con la formula de rango medio entre d2*
El % de R&R se calcula comparando la desv. Estndar de R&R con la del proceso
Partes
1
2
3
4
5
Evaluador A Evaluador B Rango A,B

0.85
0.80
0.05
0.75
0.70
0.05
1.00
0.95
0.05
0.45
0.55
0.10
0.50
0.60
0.10
Rango medio = 0.35/5 = 0.07

GRR = Rmedio / d2* = 0.07 / 1.19 = 0.0588
Desv. Estndar del proceso = 0.0722
%GRR = 100 (GRR / Desv. Est. Proceso ) = 81.4%
Por tanto el sistema de medicin requiere mejora
Pgina 11
4. Estudio de R&R Mtodo largo - Cruzado

Los estudios de repetibilidad y reproducibilidad determinan cuanto de la variacin observada como
variacin de proceso es debida a variacin del sistema de medicin. El Minitab permite realizar
estudios de R&R ya sean Cruzados (cada parte es evaluada varias veces por el mismo operador) o
Anidados (cada parte es medida por un nico operador, tal como en pruebas destructivas).
Se proporcionan dos mtodos para evaluar la repetibilidad y la reproducibilidad: Mtodo de cartas
X-R y Mtodo de ANOVA.
El Mtodo X-R divide la variacin total dentro de tres categoras: parte a parte, repetibilidad y
reproducibilidad. El mtodo ANOVA presenta un componente adicional, la interaccin operador
parte.
Realizacin del estudio

Generalmente intervienen de dos a tres operadores
Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.
La resolucin del equipo de medicin debe ser de al menos el 10% del rango
de tolerancia o del rango de variacin del proceso.
Pgina 12
Las partes deben seleccionarse al azar, cubriendo el rango total del proceso .
Es importante que dichas partes sean representativas del proceso total (80%
de la variacin)
10 partes NO son un tamao de muestra significativo para una opinin

equipo de medicin a menos que se cumpla el punto anterior.
slida sobre el
Procedimiento para realizar un estudio de R&R

1. Asegrese de que el equipo de medicin haya sido calibrado.
2. Marque cada pieza con un nmero de identificacin que no pueda ver la persona que realiza la
medicin.
3. Haga que el primer operador mida todas las muestras una sola vez, siguiendo un orden al
azar.
4. Haga que el segundo operador mida todas las muestras una sola vez, siguiendo un orden al
azar.
5. Contine hasta que todos los operadores hayan medido las muestras una sola vez (Este es el
ensayo 1).
6. Repita los pasos 3-4 hasta completar el nmero requerido de ensayos
7. Determine las estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
% R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia
8. Analice los resultados y determine las acciones a seguir si las hay.
Mtodos de estudio del error R&R:
I.
Mtodo de Promedios- Rango
Permite separar en el sistema de medicin lo referente
Repetibilidad.
Los clculos son ms fciles de realizar.
a la Reproducibilidad y a la
II. Mtodo ANOVA

Permite separar en el sistema de medicin lo referente a la Reproducibilidad y a la
Repetibilidad.
Tambin proporciona informacin acerca de las interacciones de un operador y otro en cuanto
a la parte.
Calcula las varianzas en forma ms precisa.
Los clculos numricos requieren de una computadora.
El Mtodo ANOVA es ms preciso
Ejemplo 12: Clculo de la Repetibilidad nicamente

2
Ejemplo adaptado de: Statistical Quality Control. Douglas C. Montgomery. Willey. Second Edition
Pgina 13
Un equipo de mejora de la calidad involucrado en el diseo de CEP (Control Estadstico del

Proceso) , desea realizar un clculo de la capacidad del sistema de medicin. Se tienen veinte
unidades de producto, el operador que toma las mediciones para el diagrama de control usa un
instrumento para medir cada unidad dos veces. Los datos son mostrados en la tabla siguiente:
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Medicin 1
21
24
20
27
19
23
22
19
24
25
21
18
23
24
29
26
20
19
25
19
Medicin 2
20
23
21
27
18
21
21
17
23
23
20
19
25
24
30
26
20
21
26
19
Promedio
Media
20,5
23,5
20,5
27,0
18,5
22,0
21,5
18,0
23,5
24,0
20,5
18,5
24,0
24,0
29,5
26,0
20,0
20,0
25,5
19,0
22,3
Rango
1
1
1
0
1
2
1
2
1
2
1
1
2
0
1
0
0
2
1
0
1
x = 22.3
R =1.0
La desviacin estndar del error de medicin, medicin , es calculada mediante la siguiente

frmula:
medicin =
R
1
=
= 0.887
d 2 1.128
donde:
R = Rango promedio
d2 = Valor de tablas.
Para obtener una buena estimacin de la capacidad del error de medicin utilizamos :
6 medicin = 6(0.887) = 5.32

La proporcin 6 medicin de la banda de tolerancia (rango total de especificacin) es llamada
precisin de tolerancia:
Pgina 14
6 medicin
P
=
T USL LSL
En este ejemplo USL = 60, LSL = 5
P 5.32
=
= 0.097 .
T
55
Como se mencion anteriormente los valores P/T de 0.1 o menores generalmente implican una
capacidad de error de medicin adecuada.
Calculamos la varianza total mediante:
2 Total = S 2 = (3.07) 2 = 9.4249

La desviacin estndar es calculada a partir de los datos de la tabla.
Ya que tenemos un estimado de 2 medicin = .887 2 = .79 , podemos obtener un estimado
para proceso
2 proceso = 2 total 2 medicin =9.4249 - .79 = 8.63

Por lo tanto la desviacin estndar del proceso = 2.93
El error de medicin es expresado como un porcentaje de la variabilidad del proceso:
medicion
.79
=
100 = 25.73%
total
3.07
Al ser el error de medicin mayor al 10%, concluimos que no tenemos un sistema de medicin
confiable, por lo cual tenemos que realizar las acciones correctivas correspondientes.
Pgina 15
Pgina 16

Clculos de R&R con Excel o manual: Introducir los datos en la hoja de coleccin de datos
siguiente por cada operador y hacer los clculos indicados en la zona gris:
No. de Parte y
Nombre:
4600066 PARTE A
Tolerancia
Especificada:
0.0060
No. y Nombre de
Calibrador
GAGE: 8881-H
Digital
RECOLECCIN DE DATOS
OPERADOR
A.columna 1
Muestra
1er Intento
columna 2
2do Intento
columna 3
columna 4
Rango
3er Intento
Promedio
0.0045
0.0045
0.0045
0.0045
0.0055
0.0045
0.0045
0.0045
0.0045
0.0050
0.0050
0.0045
0.0045
0.0045
0.0045
0.0050
0.0055
0.0045
0.0010
0.0050
0.0050
0.0045
0.0045
0.0005
0.0047
0.0050
0.0050
0.0050
0.0050
0.0045
0.0050
10
0.0040
0.0040
0.0040
Totales
0.0470
0.0475
0.0455
Suma
0.1400
XA :
RA
0.0010
0.0005
-
0.0005
0.0035
0.00035
0.004666667
RA :
0.00035
# Intentos
D4
RB :
0.0004
2.58
RC :
0.0005
SUM:
0.00125
LSCR =
0.000416667
LSCR =
R:
Pgina 17
R x D4
0.001075
0.0045
0.0048
0.0045
0.0048
0.0045
0.0050
0.0048
0.0040
0.0467
C.columna 9
1er Intento
columna 10
2do Intento
columna 11
columna 12
Rango
3er Intento
Promedio
Prom. Parte
Xp =
0.0050
0.0045
0.0045
0.0005
0.0047
0.004556
0.0055
0.0045
0.0045
0.0010
0.0048
0.004889
0.0045
0.0045
0.0040
0.0005
0.0043
0.004444
0.0050
0.0050
0.0050
0.0050
0.004944
0.0045
0.0045
0.0040
0.0043
0.004333
0.0050
0.0050
0.0050
0.0050
0.005111
0.0045
0.0050
0.0050
0.0005
0.0048
0.004833
0.0060
0.0050
0.0050
0.0010
0.0053
0.005111
0.0055
0.0045
0.0045
0.0010
0.0048
0.004778
0.0045
0.0045
0.0045
0.0045
0.004167
0.0500
0.0470
0.0460
0.0050
0.0477 Xp=
0.004717
Suma
0.1430
0.0005
Rp=
0.000944
XC :
0.004766667
RC
0.0005
-
X Mx:
0.004766667
LSCX = X + A2 R
X min:
0.004666667
LSCX =
X Diff:
0.0001000000
0.005142917
LICX = X - A2 R
LICX =
0.0043
Pgina 18
A2
=
1.023
RANGOS
LSCR =
0.001075
R=
0.00042
LICR =
LSCR
LICR
Una vez colectados los datos proceder a realizar la carta de rango R y observar que est en
control, de otra forma repetir las mediciones para ese operador y parte especfica erronea:
Pgina 19
LSCX =
0.005143
X=
0.004717
LICX =
0.004290417
LSCX
X
LICX
Ahora revisar la carta X media, debe tener al menos el 50% de puntos fuera de control indicando
que identifica las variaciones en las diferentes partes presentadas:
Se procede posteriormente a determinar los errores o variabilidad del sistema de medicin con la
hoja de trabajo siguiente, calculando los campos con sombra gris:
Pgina 20
ESTUDIO DE REPETIBILIDAD Y REPRODUCIBILIDAD ( R & R )

MTODO LARGO
Aseguramiento de Calidad
No. de Parte y
4600066 PARTE A
Nombre:
Tolerancia
Especificada:
0.0060
No. y Nombre de
Calibrador
GAGE: 8881-H
Digital
Fecha:
01/07/2003
Elaborado por:
Caracterstica: Diametro
RESULTADOS DE LA HOJA DE DATOS AC-008

R= 0.00041667
X Diff = 0.0001000000
Rp = 0.000944444
Anlisis Unitario de Medicin
% Total de Variacin ( TV )
Repetibilidad - Variacin del Equipo (EV)

EV=
R x K1 =
EV=
0.00127083
% EV = 100 [ EV/TV ]
INTENTOS
K1
2
3
4.56
3.05
Reproducibilidad - Variacin del Operador (AV)
% EV = 63.74%
% EV vs Tol. = 21.18%
% AV = 100 [AV/TV]
AV = [(XDiff x K2)2 - (EV2/nr)]1/2
% AV = 6.93%
AV = 0.00027
% AV vs Tol = 2.30%
AV = 7.29E-08
n=partes = 10
AV = 5.3834E-08
r = intentos = 3
AV = 1.9066E-08
OPERADOR
AV = 0.00013808
K2
Repetibilidad y Reproducibilidad ( R & R )

R&R
= [EV2 + AV2]1/2
R & R2
=
1.6341E-06
R&R
=
0.00127831
Variacin de la Parte ( PV )
PV = RP x K3
PV =
0.00153
3.65
2.7
PARTES
K3
2.08
1.93
1.82
1.74
% PV = 100 [ PV/TV ]
1.67
% PV = 76.7403%
10
1.62
VARIACIN TOTAL ( TV )
TV = 3.97E-06
TV = ( R & R2 + PV2 )1/2
TV = 0.001994
Pgina 21
% de R & R = 100 [ R & R /TV ]

% de R & R = 64.1164%
% de R & R vs Tol
= 21.31%
PV / R&R x d2= d2 = 1.693

Categoria de
2.0
Datos
Interpretacin de los resultados

1. El porcentaje de error R&R no debe exceder del 10%, si el equipo se usa para liberar
producto terminado la referencia es la tolerancia del cliente; si el equipo se usa para control
del proceso, la referencia es la variacin total del proceso.
2. El nmero de categor as debe ser de al menos 4 indicando que el equipo distingue las
partes que son diferentes.
Pgina 22
Corrida con MinitabEjemplo 2 (MINITAB)

Mtodo ANOVAX Barra - R
Se seleccionan 10 muestras de un proceso de manufactura, cada parte es medida dos veces por
tres operadores. Realice un estudio R&R mediante el mtodo ANOVA.
Los datos se estructuran de manera que en cada fila se tenga el nmero o nombre de la parte, el
operador y la medicin observada. Las partes y operadores pueden ser textos o nmeros.
PartNum
1
1
2
2
3
3
1
1
...
Operator
Daryl
Daryl
Daryl
Daryl
Daryl
Daryl
Beth
Beth
...
Measure
1.48
1.43
1.83
1.83
1.53
1.38
1.78
1.33
...
Los estudios de R&R equieren diseos balancedos (igual nmero de observaciones por celda) y
rplicas.
Ejemplo 2 (MINITAB)
Mtodo X Barra - R
Se seleccionan 10 muestras de un proceso de manufactura, cada parte es medida dos veces por
tres operadores. Realice un estudio R&R mediante el mtodo ANOVA.
Parte
Operador 1
Parte
Operador 1
OPERADOR
A.1
0,65
1
0,65
2
1,00
columna 11,00
columna 2
2
3
0,85
2do
3
0,85
Muestra
1er Intento 0,85
Intento
4
4
0,85
15
0.0045 0,550.0045
5
0,55
6
1,000.0055
0.00451,00
62
7
0,95
73
0.00450,950.0045
8
0,85
84
0.00500,85
9
1,000.0050
9
1,00
5
0.0045 0,600.0045
10
10
0,60
6
0.0050
0.0055
Operador 2
2
B.- Operador
0,60
0,55
0,60
0,55
1,00
1,05
columna
5 columna 6
1,00 3 columna
1,05
0,80
0,952do
0,80
0,95 Intento
3er0,95
Intento 1er Intento
0,75
0,95
0,75
0.0045
0.0045
0,45
0,75 0.0045
0,45
0,75
1,00
0,40
0.0045
0.0055
1,00
0,40 0.0050
0,95
1,05
0,95
1,05 0.0045
0.0045
0.0045
0,80
0,90
0,80
0,90 0.0050
0.0045
0.0050
1,00
0,70
1,00
0,70
0.0045
0.0040
0,70
0,95 0.0045
0,70
0,95
0.0045
0.0060
0.0050
Operador 3
3
C.-Operador
0,55
0,50
0,55
0,55
0,50
0,55 columna
columna
0,80
1,05
1,00 11
columna 7 columna
10 1,00
0,80
1,05 9
0,80
0,80 2do
0,80
0,80
0,80 Intento 0,803er Intento
3er Intento 1er Intento
0,40
0,80
0,80
0,40
0,80
0,80
0.0045
0.0050
0.00450,50 0.0045
1,00
0,45
1,00
0,45
0,50
0,95
1,00
1,05
0.0045
0.0055
0.0045
0,95
1,00
1,05 0.0045
0,75
0,95
0,95
0,75
0,95
0,95 0.0040
0.0045
0.0045
0.0045
1,00
0,80
0,80
1,00
0,80
0,80 0.0050
0.0050
0.0050
0.0050
0,55
1,05
1,05
0,55
1,05
1,05
0.0040
0.0045
0.00450,80 0.0040
0,50
0,85
0,50
0,85
0,80
0.0050
0.0050
0.0050
0.0050
0.0050
0.0045
0.0045
0.0055
0.0045
0.0050
0.0045
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0060
0.0050
0.0050
0.0050
0.0045
0.0050
0.0045
0.0045
0.0050
0.0055
0.0045
0.0045
10
0.0040
0.0040
0.0040
0.0040
0.0040
0.0040
0.0045
0.0045
0.0045
Totales
0.0470
0.0475
0.0455
0.0485
0.0465
0.0465
0.0500
0.0470
0.0460
Pgina 23
Capture los datos en la hoja de trabajo de Minitab en tres columnas C1, C2, C3
Partes
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
Operadores
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Medicin
0.0045
0.0045
0.0045
0.005
0.0045
0.005
0.005
0.005
0.005
0.004
0.0045
0.0055
0.0045
0.005
0.0045
0.0055
0.0045
0.005
0.0045
0.004
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.005
0.005
0.004
Partes
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
Operadores
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
Medicin
0.0045
0.0055
0.0045
0.005
0.004
0.006
0.0055
0.005
0.0045
0.004
0.0045
0.005
0.0045
0.005
0.0045
0.005
0.0045
0.005
0.0045
0.004
0.0045
0.0045
0.0045
0.005
0.004
0.005
0.005
0.005
0.005
0.004
Partes
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
Operadores Medicin
3
0.005
3
0.0055
3
0.0045
3
0.005
3
0.0045
3
0.005
3
0.0045
3
0.006
3
0.0055
3
0.0045
3
0.0045
3
0.0045
3
0.0045
3
0.005
3
0.0045
3
0.005
3
0.005
3
0.005
3
0.0045
3
0.0045
3
0.0045
3
0.0045
3
0.004
3
0.005
3
0.004
3
0.005
3
0.005
3
0.005
3
0.0045
3
0.0045
Seleccione en el men de la barra de herramientas STAT>QUALITY TOOLS>GAGE STUDY >

Gage R&R (Crossed)
Seleccione C1 (parte), C2 (operador), C3 (Medicin)
Mtodo de Anlisis X Bar and R
En Options Seleccionar: Staudy variation 5.15 Process tolerante 0.006
Pgina 24

Los resultados se muestran a continuacin:
Gage R&R Study - XBar/R Method

%Contribution
(of VarComp)
41.00
40.52
0.48
59.00
100.00
Source
Total Gage R&R
Repeatability
Reproducibility
Part-To-Part
Total Variation
VarComp
0.0000001
0.0000001
0.0000000
0.0000001
0.0000001
Source
Total Gage R&R
Repeatability
Reproducibility
Part-To-Part
Total Variation
StdDev (SD)
0.0002476
0.0002461
0.0000269
0.0002970
0.0003867
Study Var
(5.15 * SD)
0.0012750
0.0012675
0.0001384
0.0015295
0.0019913
%Study Var
(%SV)
64.03
63.65
6.95
76.81
100.00
%Tolerance
(SV/Toler)
21.25
21.12
2.31
25.49
33.19
Number of Distinct Categories = 1
Gage R&R for Datos

Anlisis de los resultados:
El error de R&R vs tolerancia es 64.03% y vs variacin total del proceso es 21.25% lo que hace
que el equipo de medicin no sea adecuado para la medicin.
Por otro lado el nmero de categoras es slo de 1 cuando debe ser al menos 4 indicando que el
instrumento discrimina las diversas partes diferentes.
Pgina 25
Gage R& R ( Xbar/ R) for Dat os

Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
Components of Variation
Datos by Partes
80
% Cont ribut ion
0.006
Percent
% St udy Var
% Tolerance
40
0.005
0.004
Gage R&R
Repeat
Reprod
Par t-to-Part
R Chart by Operadores
Sam ple Range
UCL= 0.001073
0.006
0.0005
_
R= 0.000417
0.005
0.0000
LCL= 0
10
2
Operadores
Operadores * Partes I nteraction
Operadores
UCL= 0.005143
_
X= 0.004717
0.0045
Average
Sam ple Mean
0.0050
0.004
Xbar Chart by Operadores

1
5
6
Partes
Datos by Operadores
0.0010
LCL= 0.004290
0.0040
0.0050
2
3
0.0045
0.0040
1
5
6
Partes
10
La grfica R se mantiene en control indicando que las mediciones se realizaron en forma

adecuada.
La grfica X barra slo presenta 5 de 30 puntos fuera de control, lo cual deber a ser al menos el
50%, indicando que el equipo no discrimina las diferentes partes.
Ejemplo 3: por el Mtodo de ANOVA se tiene:
Seleccione en el men de la barra de herramientas STAT>QUALITY TOOLS>GAGE STUDY >

Gage R&R (Crossed)
Mtodo de Anlisis ANOVA
En Options Seleccionar: Staudy variation 5.15
Process tolerante 0.006 Alfa to remove
interaction 0.25
Los resultados se muestran a continuacin:
Pgina 26
Gage R&R Study - ANOVA Method

Two-Way ANOVA Table With Interaction
Source
Partes
Operadores
Partes * Operadores
Repeatability
Total
DF
9
2
18
60
89
SS
0.0000086
0.0000002
0.0000014
0.0000063
0.0000165
MS
0.0000010
0.0000001
0.0000001
0.0000001
F
12.2885
0.9605
0.7398
P
0.000
0.401
0.757
Los operadores y la interaccin no fueron significativos, slo las partes
Two-Way ANOVA Table Without Interaction

Source
Partes
Operadores
Repeatability
Total
DF
9
2
78
89
SS
0.0000086
0.0000002
0.0000077
0.0000165
MS
0.0000010
0.0000001
0.0000001
Source
Total Gage R&R
Repeatability
Reproducibility
Operadores
Part-To-Part
Total Variation
VarComp
0.0000001
0.0000001
0.0000000
0.0000000
0.0000001
0.0000002
Source
Total Gage R&R
Repeatability
Reproducibility
Operadores
Part-To-Part
Total Variation
StdDev (SD)
0.0003150
0.0003150
0.0000000
0.0000000
0.0003092
0.0004414
F
9.67145
0.75592
P
0.000
0.473
Gage R&R
%Contribution
(of VarComp)
50.93
50.93
0.00
0.00
49.07
100.00
Study Var
(5.15 * SD)
0.0016222
0.0016222
0.0000000
0.0000000
0.0015923
0.0022731
%Study Var
(%SV)
71.36
71.36
0.00
0.00
70.05
100.00
%Tolerance
(SV/Toler)
27.04
27.04
0.00
0.00
26.54
37.88
Definicin de Repetibilidad
Repetibilidad es la variacin de las mediciones obtenidas con un instrumento de medicin,
cuando es utilizado varias veces por un operador, al mismo tiempo que mide las mismas
Pgina 27
Seleccione en el men de la barra de herramientas STAT>QUALITY TOOLS>GAGE R&R

STUDY
Mtodo de Anlisis ANOVA
Definicin de la Reproducibilidad
Reproducibilidad es la variacin, entre promedios de las mediciones hechas por diferentes
operadores que utilizan un mismo instrumento de medicin cuando miden las mismas
caractersticas en una misma parte
Estndares Internacionales
En Mxico se tiene el CENEAM o el Centro Nacional de Metrologa

En EUA se tiene el NIST (National Institute of Standards and Technology)
Un Estndar primario es certificado por NIST o por una organizacin alterna que use
procedimientos de calibracin actualizados
Los Estndares secundarios son calibrados por el departamento de Metrologa de las
empresas en base a los estndares primarios, para efectos de calibracin
Los Estndares secundarios se transfieren a Estndares de trabajo en produccin.
Para determinar la exactitud de los sistemas de medicin se debe conocer su
rastreabilidad a Estndares nacionales e internacionales.
Pgina 28

Resolucin
Para que el equipo de medicin tenga una discriminacin adecuada en la evaluacin de las
partes, su resolucin debe ser al menos 1/10 de la variabilidad del proceso.
(LTNS-LTNI= 6s )
Donde: LTNS = Limite de tolerancia natural superior, LTNI = Limite de tolerancia natural
inferior.
Definicin del Sesgo
Sesgo es la diferencia entre el promedio observado de las mediciones y el valor verdadero
Definicin de la Estabilidad
Estabilidad (o desviacin) es la variacin total de las mediciones obtenidas con un sistema
de medicin, hechas sobre el mismo patrn o sobre las mismas partes, cuando se mide una
sola de sus caractersticas, durante un perodo de tiempo prolongado.
Definicin de la Linealidad
Linealidad es la diferencia en los valores verdadero y observado, a travs del rango de
operacin esperado del equipo.
Estabilidad del calibrador

Cmo Calcularla
Pgina 29
Para calibradores que normalmente se utilizan sin ajuste, durante periodos de tiempo
relativamente largos.
Realizar un segundo estudio R&R del Calibrador justo antes de que venza el tiempo de
recalibracin.
La estabilidad del calibrador es la diferencia entre los promedios sobresalientes de las
mediciones resultantes de los dos estudios.
Causas posibles de poca estabilidad

El calibrador no se ajusta tan frecuentemente como se requiere
Si es un calibrador de aire, puede necesitar un filtro o un regulador
Si es un calibrador electrnico, puede necesitar calentamiento previo.
Error R&R (Repetitibilidad y reproducibilidad)
Error R&R = RPT2
REPR2
Precisin en relacin a la variacin total
%R & R =
R&R
100
6s
Identificar qu porcentaje de la variacin total debe absorberse como error de medicin.

<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qu tan crtico es el grado de la medicin.
>30%. Inaceptable!
Para la fase de control del proyecto, slo substituya la Tolerancia por Variacin Total
TV= R&R + PV
PV= variacin de parte = Rp x K3
El valor R&R es un porcentaje de la variacin total del proceso.
VARIACIN DE PARTE
A PARTE
La dimensin verdadera de
las partes se encuentra en
algn lugar de la la regin
sombreada
Lo que fue
medido
LIE
OBJETIVO
LSE
Mientras ms mayor sea el % del R&R, mayor ser el rea de incertidumbre para conocer la
dimensin verdadera de las partes.
Pgina 30
ERROR TIPO 1: Pueden estarse aceptando partes que estn fuera de especificaciones
ERROR TIPO 2:
Pueden estarse rechazando partes que estn dentro de
especificaciones
Estudio de R&R
Generalmente intervienen de dos a tres operadores
Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.
Las partes deben seleccionarse al azar, cubriendo el rango total del proceso. Es
importante que dichas partes sean representativas del proceso total (80% de la
variacin)
10 partes NO son un tamao de muestra significativo para una opinin

el equipo de medicin a menos que se cumpla el punto anterior.
slida sobre
Procedimiento para realizar un estudio de R&R

9. Ajuste el calibrador, o asegrese de que ste haya sido calibrado.
10. Marque cada pieza con un nmero de identificacin que no pueda ver la persona que
realiza la medicin.
11. Haga que el primer operador mida todas las muestras una sola vez, siguiendo un orden
al azar.
12. Haga que el segundo operador mida todas las muestras una sola vez, siguiendo un
orden al azar.
13. Contine hasta que todos los operadores hayan medido las muestras una sola vez (Este
es el ensayo 1).
14. Repita los pasos 3-4 hasta completar el nmero requerido de ensayos
15. Utilice el formato proporcionado para determinar las estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
%R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del % de tolerancia
16. Analice los resultados y determine los pasos a seguir, si los hay.
Pgina 31

Mtodos de estudio del error R&R:
I.
Mtodo de Promedios- Rango
Permite separar en el sistema de medicin lo referente
Repetibilidad.
Los clculos son ms fciles de realizar.
a la Reproducibilidad y a la
II. Mtodo ANOVA

Permite separar en el sistema de medicin lo referente a la reproducibilidad y a la
Repetibilidad.
Tambin proporciona informacin acerca de las interacciones de un operador y otro en
cuanto a la parte.
Calcula las varianzas en forma ms precisa.
Los clculos numricos requieren de una computadora.
El Mtodo ANOVA es ms preciso
Ejemplo:
Planteamiento del problema:
Las partes producidas en el rea de produccin, fallaron por errores dimensinales 3% del
tiempo.
Caracterstica Crtica de Calidad(CTQ): Mantener una tolerancia 0.125 pulgadas.
Sistema de Medicin: Se miden las partes con calibradores de 2.
Estudio R&R del calibrador: La dimensin A es medida por dos operadores, dos veces en
10 piezas.
Mtodo X-media y Rango:
Repetibilidad y Reproducibilidad de calibrador
Operador A
Serie # 1er. Ensayo 2o. Ensayo
1
9.376
9.358
2
9.372
9.320
3
9.378
9.375
4
9.405
9.388
5
9.345
9.342
6
9.390
9.360
7
9.350
9.340
8
9.405
9.380
9
9.371
9.375
10
9.380
9.368
1. Clculo de las X-medias
Totales
X-barA
R-barA
Operador B
Rango 1er. Ensayo 2o. Ensayo
9.354
9.372
9.278
9.362
9.338
9.386
9.349
9.394
9.384
9.371
Rango
9.361
9.372
9.277
9.370
9.339
9.370
9.349
9.381
9.385
9.376
X-barB
R-barB
Pgina 32
Porcin R
Porcin Xbar
Operador A
Serie # 1er. Ensayo 2o. Ensayo
Operador B
Rango 1er. Ensayo 2o. Ensayo
Rango
Porcin Xbar
1
9.376
9.358
9.354
9.361
2
9.372
9.320
9.372
9.372
3
9.378
9.375
9.278
9.277
4
9.405
9.388
9.362
9.370
5
9.345
9.342
9.338
9.339
6
9.390
9.360
9.386
9.370
de los Rangos
72. Clculo
9.350
9.340
9.349
9.349
8
9.405
9.380
9.394
9.381
9
9.371
9.375
9.384
9.385
Operador A
Operador B
10
9.380
9.368
9.371
9.376
Serie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango
Totales
93.772
93.606
93.588
93.580
1
9.376
9.358
0.018
9.354
9.361
0.007
X-barA
X-barB
9.3689
9.3584
2
9.372
9.320
0.052
9.372
9.372
0.000
R-barA
R-barB
3
9.378
9.375
0.003
9.278
9.277
0.001
Porcin R
4
9.405
9.388
0.017
9.362
9.370
0.008
5
9.345
9.342
0.003
9.338
9.339
0.001
6
9.390
9.360
0.030
9.386
9.370
0.016
7
9.350
9.340
0.010
9.349
9.349
0.000
8
9.405
9.380
0.025
9.394
9.381
0.013
9
9.371
9.375
0.004
9.384
9.385
0.001
10
9.380
9.368
0.012
9.371
9.376
0.005
Totales 93.772
93.606
0.174
93.588
93.580
0.052
X-barA
X-barB
9.3689
9.3584
3. Identificacin de Parmetros del Estudio y Clculos
R-barA 0.0174
R-barB
0.0052
9.362
9.359
9.327
9.381
9.341
9.377
9.347
9.390
9.379
9.374
Porcin Xbar
Porcin R
Totales
93.772
X-barA
93.606
9.3689
R-barA
0.174
93.588
X-barB
0.0174
93.580
9.3584
R-barB
9.362
9.359
9.327
9.381
9.341
9.377
9.347
9.390
9.379
9.374
0.0630
0.052
0.0052
Porcin R 0.0630
Pgina 33

Ancho de tolerancia = 0.25
Nmero de intentos (m) = 2
Nmero de partes (n) =10
Nmero de operadores = 2
X-media mx. = 9.3689
X-media mn. = 9.3584
Diferencia X-media = 0.0105
R-media doble = .0113
K3 = 1.62
K1= 4.56
K2= 3.65
Clculo de R&R
Repetibilidad: La variacin del dispositivo de medicin (VD) se calcula sobre cada grupo de
mediciones tomadas por un operador, en una sola parte.
DV = R x K1 =
0.0515
Reproducibilidad: La variacin en el promedio de las mediciones (AV) se calcula sobre el
rango de los promedios de todas las mediciones, para cada operador, menos
el error del calibrador.
AV =
( Xdif
k 2)
2
DV 2
= .0259
mn
El componente de varianza para repetibilidad y reproducibilidad (R&R) se calcula

combinando la varianza de cada componente.
R&R =
DV 2 + AV 2 = .0577
El componente de varianza para las partes (PV), se calcula sobre el rango de los promedios
de todas las mediciones, para cada parte.
PV = Rpart K 3 = 0.1021
La variacin total (TV) se calcula combinando la varianza de repetibilidad y reproducibilidad
y la variacin de la parte.
Pgina 34
TV =
R % R 2 + PV 2 = 0.1172
Basado en la tolerancia (Especificaciones):

%DV
= 100*DV/Ancho de tolerancia = 20.61
%AV
= 100*AV/Ancho de tolerancia = 10.36
%R&R = 100*R&R/Ancho de tolerancia = 23.07

Basado en la variacin Total de las Partes (Proceso):
%DV
= 100*DV/Variacin total = 43.95
%AV
= 100*AV/ Variacin total = 22.10
%R&R = 100*R&R/ Variacin total = 49.20

%PV
= 100*PV Variacin total = 87.06
El sistema despliega el anlisis de varianza.
Gage R&R Study - ANOVA Method

Gage R&R for Medicin
Pgina 35
Two-Way ANOVA Table With Interaction

Source
DF SS
MS
Parte
9 2,05871 0,228745 39,7178 0,00000
Operador
2 0,04800 0,024000 4,1672 0,03256
Operador*Parte 18 0,10367 0,005759 4,4588 0,00016
Repeatability 30 0,03875 0,001292
Total
59 2,24912
Gage R&R
Source
VarComp StdDev
5,15*Sigma
Total Gage R&R 0,004437 0,066615 0,34306

Repeatability 0,001292 0,035940 0,18509
Reproducibility 0,003146 0,056088 0,28885
Operador
0,000912 0,030200 0,15553
Operador*Parte 0,002234 0,047263 0,24340
Part-To-Part 0,037164 0,192781 0,99282
Total Variation 0,041602 0,203965 1,05042
Source
%Contribution %Study Var
Total Gage R&R 10,67

Repeatability
3,10
Reproducibility 7,56
Operador
2,19
Operador*Parte 5,37
Part-To-Part
89,33
Total Variation 100,00
32,66
17,62
27,50
14,81
23,17
94,52
100,00
Anlisis de la tabla de Anova

En la tabla de Anova observamos que tanto Parte, Operador y la interaccin Operador*parte son significativas
debido a que el P-Value es menor a 0.05 en todos los casos
En la ultima tabla bajo el porcentaje de contribucin, observamos que el porcentaje Parte a Parte = 89.33%
siendo ms grande que el total del sistema de medicin Gage R&R = 10.67%. Esto significa que la mayor
parte de la variacin es debida a la diferencia entre las partes, un porcentaje muy pequeo es debido al error
en el sistema de medicin. Por lo cual concluimos que el sistema de medicin es adecuado.
Pgina 36
Anlisis de los grficos:

La mayora de los puntos en el diagrama Xbar-operador se encuentran fuera de los l imites de control,
indicando que la variacin es principalmente debida a las diferencias entre partes. La interaccin
Operador*Parte es una visualizacin de el p-value = 0.00016 en este caso indica una interaccin significativa.
En los componentes del diagrama de variacin, observamos que el porcentaje de contribucin parte a parte es
ms grande que el sistema de medicin R&R, lo cual nos indica que la mayor parte de la variacin es debida a
las diferencias en las partes, como ya se trato en el anlisis anterior. Un porcentaje muy pequeo es debido al
sistema de medicin.
En el diagrama de operador, existen diferencias pequeas entre los operadores.
En el diagrama de partes, existen diferencias grandes entre las partes.
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Gage R&R (ANOVA) for Medicin
Operador*Parte Interaction
3
3,0SL=0,8796
X=0,8075
-3,0SL=0,7354
Average
Sample Mean
Xbar 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
Parte
R Chart by Operador
Sample Range
0,15
0,05
R=0,03833
0,00
-3,0SL=0,00E+00
0
Operador
Percent
10
By Parte
%Total Var
%Study Var
50
0
Reprod
100
Repeat
By Operador
3,0SL=0,1252
Gage R&R
1,1
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,10
Ejemplo 3
Mtodo: Medias-Rangos
Operador
1,1
1,0
0,9
0,8
0,7
0,6
0,5
0,4
1,1
1,0
0,9
0,8
0,7
0,6
0,5
0,4
Parte
Part-to-Part
10
En un proceso se escogen tres operadores para realizar un estudio de Capacidad R&R, cada operador mide
tres partes tres veces cada una. Obtenga la capacidad del sistema de medicin mediante el Mtodo MediasRangos.
PARTE
OPERADOR 1
OPERADOR 2
OPERADOR 3
1
476,25 273,75
405
456,25 157,5 388,75 446,25 373,75 383,75
2
443,75 608,75 408,75
435
531,25 406,25 436,25 478,75 386,25
3
398,75
270
368,75 432,5 471,25 426,25
420
268,75 413,75
Pgina 37
Capture los datos en la hoja de trabajo de Minitab en tres columnas C1, C2, C3,C4
Seleccione en el men de la barra de herramientas STAT>QUALITY TOOLS>GAGE R&R STUDY

Seleccione el mtodo X-bar and R
Pgina 38
Gage R&R Study - XBar/R Method

Gage R&R for Medicin
Source
Variance StdDev 5,15*Sigma
Total Gage R&R 7229,94 85,0291 437,900

Repeatability 7229,94 85,0291 437,900
Reproducibility 0,00 0,0000 0,000
Part-to-Part
2026,05 45,0116 231,810
Total Variation 9255,99 96,2081 495,471
Source
%Contribution %Study Var
Total Gage R&R

78,111
88,380
Repeatability 78,111
88,380
Reproducibility 0,000
0,000
Part-to-Part
21,889
46,786
Total Variation 100,000
100,000
Anlisis
En la Segunda tabla podemos observar que el porcentaje de contribucin (78.11%) de la variacin en los
datos es debido al sistema de medicin (Total Gage R&R). El porcentaje entre partes (21.889%) es muy
pequeo. Concluimos que el sistema de medicin no es adecuado, por lo cual tenemos que tomar acciones
correctivas.
Analizando los grficos nos damos cuenta de que la mayora de los puntos en el diagrama de operador X-bar,
se encuentran dentro de los limites de control, la mayor parte de la variacin observada es principalmente
debida al sistema de medicin. Tambin vemos que la repetitibilidad tiene un alto porcentaje de variacin
78% que representa la variacin total del sistema de medicin (debido al equipo de medicin).
Pgina 39
La interaccin no es significativa, y los errores de R&R indican que equipo de medicin no es

adecuado, ni el nmero de categoras.
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Gage R&R (Xbar/R) for Response
550
Operator*Part Interaction
3
450
X=406,2
350
-3,0SL=256,5
250
1
2
3
440
390
340
Part
R Chart by Operator
Sample Range
400
Response by Operator
3
600
3,0SL=376,5
300
500
200
400
R=146,3
300
100
0
200
-3,0SL=0,00E+00
Operator
100
Percent
Operator
490
3,0SL=555,8
Average
Sample Mean
Xbar Chart by Operator
Response by Part
%Total Var
%Study Var
600
500
400
50
300
200
0
Gage R&R
Repeat
Reprod
Part
Part-to-Part
Pgina 40
Gage R& R ( ANOVA) for Dat os

Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
Datos by Partes
80
% Cont ribut ion
0.006
Percent
% St udy Var
% Tolerance
40
0.005
0.004
Gage R&R
Repeat
Reprod
Par t-to-Part
R Chart by Operadores
Sam ple Range
UCL= 0.001073
0.006
0.0005
_
R= 0.000417
0.005
0.0000
LCL= 0
10
2
Operadores
Operadores * Partes I nteraction
Operadores
UCL= 0.005143
_
X= 0.004717
0.0045
Average
Sam ple Mean
0.0050
0.004
Xbar Chart by Operadores

1
5
6
Partes
Datos by Operadores
0.0010
LCL= 0.004290
0.0040
0.0050
2
3
0.0045
0.0040
1
Las conclusiones son similares que con el mtodo de X barra R.
Pgina 41
5
6
Partes
10
5. Estudios de R&R Mtodo largo (anidado)

Los estudios de repetibilidad y reproducibilidad determinan cuanto de la variacin observada del
proceso es debida a la variacin del sistema de medicin. Usar la opcin Gage R&R (Nested)
cuando cada parte sea medida por un solo operador, tal como en pruebas destructivas.
El estudio de R&R (anidado) utiliza el mtodo ANOVA para evaluar la repetibilidad y
reproducibilidad, para analizar la reproduciblidad dentro de sus componentes operador y operador
parte.
De ser necesario hacer pruebas destructivas, se debe procurar que todas las partes dentro de un
mismo lote sean lo suficientemente idnticas para considerarlas similares. Si no se puede hacer
sta consideracin entonces la variacin entre parte y parte dentro de un lote enmascarar la
variacin del sistema.
Para el caso de pruebas destructivas si cada lote es medido por cada operador enonces realizar el
estudio R&R (Nested); si todos los operadores miden partes de cada uno de los lotes, entonces
utilizar el estudio R&R (Crossed).
En resumen siempre que cada operador mida partes diferentes se tiene un estudio R&R anidado.
Pgina 42
DATOS
Structure your data so that each row contains the part name or number, operator, and the
observed measurement. Parts and operators can be text or numbers. Part is nested within
operator, because each operator measures unique parts.
Los datos se estructuran de manera que cada fila contenga el nmero o nombre de la parte, el
operador, y la medicin observada. Las partes y operadores pueden ser textos o nmeros. La parte
es anidada dentro del operador, debido a que cada uno de los operadores mide partes nicas.
NOTA: Si se usan pruebas destructivas se debe poder asumir que todas las partes dentro de un
lote singular, son suficientemente iguales como si fueran la misma parte.
En el ejemplo mostrado a continuacin, la PartNum1 para Daryl es diferente de ParNum1 para
Beth.
PartNum
1
1
2
2
3
3
4
4
5
...
Operator
Daryl
Daryl
Daryl
Daryl
Daryl
Daryl
Beth
Beth
Beth
...
Measure
1.48
1.43
1.83
1.83
1.53
1.52
1.38
1.78
1.33
...
PartNum
1
1
2
2
3
3
1
1
2
...
Operator
Daryl
Daryl
Daryl
Daryl
Daryl
Daryl
Beth
Beth
Beth
...
Measure
1.48
1.43
1.83
1.83
1.53
1.52
1.38
1.78
1.33
...
Ejemplo:
En este ejemplo, 3 operadores mide cada uno 5 partes diferentes dos veces, para un total de 20
mediciones. Cada una de las partes es nica al operador; no se presenta el caso de que dos
operadores midan la misma parte.
Las instrucciones de Minitab son las siguientes:
File > Open worksheet > GAGENEST.MTW.
Seleccionar Stat > Quality Tools > Gage Study > Gage R&R Study (Nested).
En Part or batch numbers, poner Part.
En Measurement data, seleccionar Response.
Dar OK.
Pgina 43

Resultados:
Results for: Gagenest.MTW

Gage R&R Study - Nested ANOVA
Gage R&R (Nested) for Response
Source
Operator
Part (Operator)
Repeatability
Total
DF
2
12
15
29
SS
0.0142
22.0552
19.3400
41.4094
MS
0.00708
1.83794
1.28933
F
0.00385
1.42549
P
0.996
0.255
Gage R&R
%Contribution
(of VarComp)
82.46
82.46
0.00
17.54
100.00
Source
Total Gage R&R
Repeatability
Reproducibility
Part-To-Part
Total Variation
VarComp
1.28933
1.28933
0.00000
0.27430
1.56364
Source
Total Gage R&R
Repeatability
Reproducibility
Part-To-Part
Total Variation
StdDev (SD)
1.13549
1.13549
0.00000
0.52374
1.25045
Study Var
(5.15 * SD)
5.84777
5.84777
0.00000
2.69725
6.43984
%Study Var
(%SV)
90.81
90.81
0.00
41.88
100.00
%Tolerance
(SV/Toler)
116.96
116.96
0.00
53.95
128.80

El mtodo no es adecuado ni para control del proceso o liberacin debe logra
Pgina 44
Gage R& R ( Nest ed) for Response

Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
Com ponents of Variation
Response By Part ( Operator )
Percent
18
% Cont ribut ion
100
% St udy Var
% Tolerance
16
50
0
14
Gage R&R
Repeat
Reprod
Part
Operator
Part-to- Par t
R Chart by Operator
Sam ple Range
Billie
Nathan
UCL= 4.290
3 4
Steve
18
16
_
R= 1.313
LCL= 0
14
Xbar Chart by Operator

18
Sam ple Mean
11 12 13 14 15
Nathan
Response by Operator
Steve
8 9 10
Billie
Billie
Nathan
Billie
Nathan
Operat or
Steve
Steve
16
UCL= 17.617
_
X= 15.147
14
LCL= 12.678
Interpretacin de los resultados

Buscar en la columna de % de contribucin el error total de R&R del gage y la variacin parte a
parte. La contribucin para la diferencia entre partes (Part-To-Part) del 17.54% es mucho ms
pequea que la contribucin para la variacin del sistema de medicin (total Gage R&R ) de
82.46%. Esto indica que la mayor parte de la variacin es debida a error del sistema de medicin;
muy poca es debida a variacin entre partes.
Un nmero de categoras de 1 indica que el sistema de medicin no es capaz de distinguir entre
partes.
Minitab calcula el nmero de categoras dividiendo la desviacin estndar para laspartes por la
desviacin estndar para el Gage, y multiplicando por 1.41 y truncando este valor. Este nmero
representa el nmero de de intervalos de confianza no traslapados que forman el rango de
variacin del producto. Se puede pensar como el nmero de grupos dentro de los datos de proceso
que el sistema de medicin puede discernir.
Si se miden 10 partes diferentes, y Minitab reporta que el sistema de medicin puede discernir 4
categoras distintas, significa que algunas de las 10 partes no son lo suficientemente diferentes
para que sean discernidas por el sistema de medicin. Si se desea distinguir un mayor nmero de
categoras es necesario un equipo de medicin mspreciso.
La AIAG (Automobile Industry Action Group) sugiere que cuando el nmero de categoras es
menor a 2, el sistema de medicin no tiene valor para control del proceso, ya que una parte no
puede ser distinguida de otra. Cuando se tienen dos categoras, los datos pueden dividirse en dos
grupos, alto y bajo. Cuando son 3, se dividen en alto, medio y bajo. Un valor de 5 o ms indica un
sistema de medicin aceptable.
Pgina 45

Observar en la grfica de variacin de componentes localizada en la esquina superior izquierda.
La mayor parte de la variacin se debe al error en el sistema de medicin (Gage R&R),y muy poca
a la diferencia entre partes.
Observando la carta X-R en la esquina inferior izquierda. La mayor parte de los puntos en la carta
X estn dentro de los lmites de control cuando la mayor parte de la variacin se debe al error de
medicin.
Pgina 46
6. Estudios de Linealidad
La lienalidad del Gage indica que tan exacto son las mediciones a travs del rango esperado de las
mediciones. Contesta a la pregunta Mi gage tiene la misma exactitud para todos los tamaos de
objetos a medir?.
El bias o exactitud del gage examina la diferencia entre la media de los datos observados y un
valor de referencia o patrn. Constesta a la pregunta, Qu tan exacto es mi gage comparado con
un patrn?.
Datos:
Los datos se estructuran de manera que cada fila contiene una parte, el valor de referencia, y la
medicin observada en esa parte (la respuesta). Las partes pueden ser textos o nmeros.
PartNum
1
1
1
1
1
1
1
1
1
1
1
1
2
2
...
Reference
2
2
2
2
2
2
2
2
2
2
2
2
4
4
...
Response
2.7
2.5
2.4
2.5
2.7
2.3
2.5
2.5
2.4
2.4
2.6
2.4
5.1
3.9
...
Variacin del proceso (opcional): Se ingresa la desviacin estndar del proceso. Se

puede obtener la desviacin estndar del proceso del rengln de la variacin total de la columna
6*SD del estudio Gage R&R Mtodo ANOVA. Este es el nmero asociado con la variacin del
proceso. Si no se conoce la variacin del proceso, se puede introducir en su lugar la tolerancia.
Ejemplo:
Un supervisor selecciona 5 partes que representan el rango esperado de las mediciones. Cada
parte fue medida por inspeccin de Layout para determinar su valor de referencia (patrn). Un
operador mide aleatoriamente cada parte 12 veces. Se obtiene la variacin del proceso (14.1941)
del estudio Gage R&R usando el mtodo ANOVA (rengln Total variation de la columna Study Var
(6*SD)).
Los datos utilizados son los siguientes:
Pgina 47
Part
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
Master
2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
4
4
4
4
4
4
6
6
6
6
6
6
Response
2.7
2.5
2.4
2.5
2.7
2.3
2.5
2.5
2.4
2.4
2.6
2.4
5.1
3.9
4.2
5
3.8
3.9
3.9
3.9
3.9
4
4.1
3.8
5.8
5.7
5.9
5.9
6
6.1
Part
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
Master
6
6
6
6
6
6
8
8
8
8
8
8
8
8
8
8
8
8
10
10
10
10
10
10
10
10
10
10
10
10
Response
6
6.1
6.4
6.3
6
6.1
7.6
7.7
7.8
7.7
7.8
7.8
7.8
7.7
7.8
7.5
7.6
7.7
9.1
9.3
9.5
9.3
9.4
9.5
9.5
9.5
9.6
9.2
9.3
9.4
File > Open worksheet > GAGELIN.MTW.
Seleccionar Stat > Quality Tools > Gage Study > Gage Linearity and Bias Study.
En Reference values, seleccionar Master.
En Measurement data, seleccionar Response.
En Process Variation, teclear 14.1941. Click OK.
Pgina 48
Gage Linearit y and Bias St udy for Response

Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
Predictor
Constant
Slope
Regression
95% CI
1.0
Data
Avg Bias
S
Linearity
0.23954
1.86889
Bias
0.5
0.0
Reference
A v erage
2
4
6
8
10
Gage Linearity
Coef SE Coef
0.73667 0.07252
-0.13167 0.01093
R-Sq
% Linearity
Gage Bias
Bias % Bias
-0.053333
0.4
0.491667
3.5
0.125000
0.9
0.025000
0.2
-0.291667
2.1
-0.616667
4.3
P
0.000
0.000
71.4%
13.2
P
0.040
0.000
0.293
0.688
0.000
0.000
-0.5
Percent
Per cent of Pr ocess Var iation
-1.0
2
6
Reference Value
10
10
5
0
Linearit y
Bias

El porcentaje de linealidad (valor absolute de la pendiente * 100) es 13.2, que significa que la
lienalidad del gage es del 13% de la variacin total.
El porcentaje de sesgo para el promedio de referencia es 0.4, lo que significa que el sesgo del
gage esmenor que 0.4% de la variacin total onservada.
Pgina 49
7. EEstudios de R&R por atributos (Mtodo analtico)

Los estudios de gages por atributos calculan la cantidad de sesgo (desviacin de la media de
mediciones reptidas versus un patrn) y repetibilidad (dispersin de mediciones realizadas por un
mismo operador, parte y equipo) de un sistema de medicin cuando la respuesta es una variable
binaria por atributos. Para obtener estimaciones adecuadas de sesgo y repetibildiad, se deben
seguir las reglas del MSA para seleccionar partes con valores de referencia conocidos.
El mtodo analtico de estudios de gages por atributos es un mtodo para examinar la precisin de
un sistema de medicin por atributos.
Se deben tomar al menos 8 partes para realizar un estudio del gage por atributos. La parte ms
pequea debe tener cero aceptaciones, y la parte ms grande debe tener el nmero mximo de
posibles aceptaciones. Para la AIAG, exactamente 6 partes deben tener un nmero mayor que
cero aceptaciones y menos que 20 (mximo nmero de aceptaciones permitidas). Por el mtodo
de regresin, se pueden tener ms de seis partes entre los extremos de valores de referencia.
Si se especifica el lmite de tolerancia inferior, la parte con el menor valor de referencia debe tener
cero aceptaciones y la parte con la referencia ms alta debe tener el nmero mximo de
aceptaciones posibles. Con un lmite inferior conforme los valores de referencia se incrementan, el
nmero de aceptaciones se incrementa. Si se especifica el lmite de tolerancia superior, la parte
con el menor valor de referencia debe tener el mximo nmero de aceptaciones posible y la parte
con el valor ms alto de referencia debe tener cero aceptaciones. Con un lmite superior, conforme
el valor de referencia se incrementa, el nmero de aceptaciones decrece.
Se puede introducir un nmero constante de intentos o una columna de datos. Cuando el nmero
de intentos no es igual para todas las partes, se introduce una columna indicando los intentos para
cada parte. Los intentos deben ser mayores a 15, en el caso de la AIAG se introducen
exactamente 20 intentos por parte.
Minitab acepta ya sea datos resumidos o datos individuales de estudios de gages por atributos .
Summarized Data
Part
Reference Acceptances
Number
1
1.35
0
2
1.4
3
3
1.45
8
4
1.5
13
5
1.55
15
6
1.6
18
7
1.65
19
8
1.7
20
Estructura de datos resumidos de tal
forma que cada fila contiene el nmero
o nombre de la parte, el valor de
referencia y la cuenta resumida.
Pgina 50
Raw Data
Part
Reference Response
Number
1
1.35
Rechazo
1
1.35
Rechazo
1
1.35
Rechazo
1
1.35
Rechazo
...
...
...
8
1.7
Aceptacin
8
1.7
Aceptacin
8
1.7
Aceptacin
8
1.7
Aceptacin
Estructura de datos individaules de
manera que cada fila contiene el
nmero o nombre de la parte, valor de
referencia y respuesta binaria
(aceptacin o rechazo).
Ejemplo:
Un fabricante de automviles quiere medir el sesgo y repetibilidad de un sistema automatizado de
medicin. El sistema tiene una tolerancia inferior de -0.020 y una tolerancia superior de 0.020. El
fabricante corre 10 partes, a travs del gage 20 veces, las partes tienen valores de referencia en
intervalos de 0.005 desde - 0.05 hasta 0.005.
Los resultados de prueba fueron los siguientes:
Part
number
1
2
3
4
5
6
7
8
9
10
Reference Acceptances
-0.05
0
-0.045
1
-0.04
2
-0.035
5
-0.03
8
-0.025
12
-0.02
17
-0.015
20
-0.01
20
-0.005
20
Las instrucciones de Minitab son las siguientes:

1.
File > Open worksheet > AUTOGAGE.MTW.
2.
Seleccionar Stat > Quality Tools > Gage Study > Attribute Gage Study (Analytic Method).
Pgina 51

3.
En Part numbers, seleccionar Part number.
4.
En Reference values, seleccionar Reference.
5.
Seleccionar Summarized counts y teclear Acceptances. En Number of trials, teclear 20.
6.
Seleccionar Lower limit y teclear -0.020. OK.
Resultados:
Attribute Gage Study ( Analytic Method) for Acceptances

Reported by :
Tolerance:
Misc:
Gage name:
Date of study :
Bias:
Pre-adj usted Repeatability :
Repeatability :
99
0.0097955
0.0494705
0.0458060
95
80
A I A G Test of Bias = 0 v s not = 0

T DF
P-V alue
6.70123 19 0.0000021
50
20
1
-0.05
-0.04
-0.03
-0.02
Reference Value of Measured Part
-0.01
Probability of Acceptance
Percent of Acceptance
Fitted Line: 3.10279 + 104.136 * Reference

R - sq for Fitted Line:
0.969376
L Limit
1.0
0.5
0.0
-0.050
-0.025
0.000
Reference Value of Measured Part
Interpretacin
El Sesgo en el sistema de gage por atributos es de 0.0097955 y la repetibilidad ajustada es de
0.0458060. La prueba de sesgo indica que es significativamente diferente de cero (t = 6.70123, df =
19, p = 0.00), sugiriendo que el sesgo est presente en el sistema de medicin por atributos.
Pgina 52
8. Estudios de R&R por atributos (Mtodo de acuerdo por

atributos)
Usar el anlisis de acuerdo por atributos para evaluar las calificaciones nominales u ordinales
proporcionadas por varios evaluadores. Las mediciones son calificaciones subjetivas de la gente
en vez de mediciones fsicas. Algunos ejemplos incluye
Calificaciones de desempeo de los automviles
Clasificacin de la calidad de las fibras como buena o mala.
Calificaciones de color, aroma y gusto del vino en una escala de 1 a 10.
En estos casos la caracterstica de calidad es difcil de definir y evaluar. Para obtener

clasificaciones significativas, ms de un evaluador debe calificar la medicin de respuesta. Si los
evaluadores estn de acuerdo, existe la posibilidad de que las apreciaciones sean exactas. Si hay
discrepancias, la utilidad de la evaluacin es limitada.
DATOS
Los datos pueden ser texto o numricos. Las calificciones asignadas pueden ser Nominales u
ordinales.
Los datos nominales son variables categricas que tienen dos o ms niveles sin orden
natural. Por ejemplo, los niveles en un estudio de gustacin de comida que puede incluir
dulce, salado o picoso.
Los datos ordinales son variables categricas que tienen tres o ms niveles con
ordenamiento natural, tales como: en desacuerdo total, en desacuerdo, neutral, de
acuerdo, y completamente de acuerdo.
Los datos pueden estar apilados en una sola columna o no apilados en varias columnas, como se
muestra a continuacin.
Attribute column data

Sample
Appraiser
Response
1
A
Good
1
A
Good
1
B
Bad
1
B
Good
2
A
Good
2
A
Good
2
B
Good
2
B
Good
3
A
Bad
3
A
Good
3
B
Bad
Pgina 53

3
4
4
4
4
5
5
5
5
Sample
1
2
3
4
5
B
A
A
B
B
A
A
B
B
Bad
Good
Good
Good
Good
Bad
Bad
Good
Bad
Multiple columns data

Appraiser A Appraiser A Appraiser B Appraiser B
Trial 1
Trial 2
Trial 1
Trial 2
Good
Good
Bad
Good
Good
Good
Good
Good
Bad
Good
Bad
Bad
Good
Good
Good
Good
Bad
Bad
Good
Bad
Nota:
Cuando los datos se encuentra en varias columnas, de deben introducir los intentos para cada
operador juntos, como se indica en la tabla anterior. El orden de los intentos debe ser el mismo
para cada uno de los operadores.
Ejemplo:
Una empresa est entrenando a cinco evaluadores para la porcin escrita de un examen estndar
de doceavo grado. Se requiere determinar la habilidad de los evaluadores para calificar el examen
de forma que sea consistente con los estndares. Cada uno de los evaluadores califica 15
exmenes en una escala de cinco puntos (-2, -1, 0, 1, 2):
1
Abrir el archive ESSAY.MTW.
Seleccionar Stat > Quality Tools > Attribute Agreement Analysis.
En Attribute column, poner Rating.
En Samples, poner Sample.
En Appraisers, poner Appraiser.
En Known standard/attribute, poner Attribute.
Checar Categories of the attribute data are ordered y poner OK
El contenido del archivo es como sigue:

Appraiser
Sample
Simpson
1
Montgomery
1
Rating
2
2
Attribute
2
2
Pgina 54
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5
6
6
6
6
6
7
7
7
7
7
8
8
8
8
8
9
9
9
9
9
10
10
10
10
10
11
11
2
1
2
-1
-1
-1
-2
-1
1
0
0
0
0
-2
-2
-2
-2
-2
0
0
0
-1
0
1
1
1
1
1
2
2
2
1
2
0
0
0
0
0
-1
-1
-1
-2
-1
1
1
1
0
2
-2
-2
2
2
2
-1
-1
-1
-1
-1
0
0
0
0
0
-2
-2
-2
-2
-2
0
0
0
0
0
1
1
1
1
1
2
2
2
2
2
0
0
0
0
0
-1
-1
-1
-1
-1
1
1
1
1
1
-2
-2
Pgina 55
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
11
11
11
12
12
12
12
12
13
13
13
13
13
14
14
14
14
14
15
15
15
15
15
-2
-2
-1
0
0
0
-1
0
2
2
2
2
2
-1
-1
-1
-1
-1
1
1
1
1
1
-2
-2
-2
0
0
0
0
0
2
2
2
2
2
-1
-1
-1
-1
-1
1
1
1
1
1
Gage R&R for Datos

Results for: Essay.MTW
Attribute Agreement Analysis for Rating
Each Appraiser vs Standard
Assessment Agreement
Appraiser
Duncan
Hayes
Holmes
Montgomery
Simpson
# Inspected
15
15
15
15
15
# Matched
8
13
15
15
14
Percent
53.33
86.67
100.00
100.00
93.33
95 % CI
(26.59, 78.73)
(59.54, 98.34)
(81.90, 100.00)
(81.90, 100.00)
(68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the known standard.
Fleiss' Kappa Statistics
Appraiser
Duncan
Hayes
Response
-2
-1
0
1
2
Overall
-2
-1
0
Kappa
0.58333
0.16667
0.44099
0.44099
0.42308
0.41176
0.62963
0.81366
1.00000
SE Kappa
0.258199
0.258199
0.258199
0.258199
0.258199
0.130924
0.258199
0.258199
0.258199
Z
2.25924
0.64550
1.70796
1.70796
1.63857
3.14508
2.43855
3.15131
3.87298
Pgina 56
P(vs > 0)
0.0119
0.2593
0.0438
0.0438
0.0507
0.0008
0.0074
0.0008
0.0001

1
2
Overall
-2
-1
0
1
2
Overall
-2
-1
0
1
2
Overall
-2
-1
0
1
2
Overall
Holmes
Montgomery
Simpson
0.76000
0.81366
0.82955
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
0.81366
0.81366
1.00000
0.91597
0.258199
0.258199
0.134164
0.258199
0.258199
0.258199
0.258199
0.258199
0.131305
0.258199
0.258199
0.258199
0.258199
0.258199
0.131305
0.258199
0.258199
0.258199
0.258199
0.258199
0.130924
2.94347
3.15131
6.18307
3.87298
3.87298
3.87298
3.87298
3.87298
7.61584
3.87298
3.87298
3.87298
3.87298
3.87298
7.61584
3.87298
3.87298
3.15131
3.15131
3.87298
6.99619
0.0016
0.0008
0.0000
0.0001
0.0001
0.0001
0.0001
0.0001
0.0000
0.0001
0.0001
0.0001
0.0001
0.0001
0.0000
0.0001
0.0001
0.0008
0.0008
0.0001
0.0000
Kendall's Correlation Coefficient

Appraiser
Duncan
Hayes
Holmes
Montgomery
Simpson
Coef
0.89779
0.96014
1.00000
1.00000
0.93258
SE Coef
0.192450
0.192450
0.192450
0.192450
0.192450
Z
4.61554
4.93955
5.14667
5.14667
4.79636
P
0.0000
0.0000
0.0000
0.0000
0.0000
Between Appraisers
# Inspected
15
# Matched
6
Percent
40.00
95 % CI
(16.34, 67.71)
# Matched: All appraisers' assessments agree with each other.

Response
-2
-1
0
1
2
Overall
Kappa
0.680398
0.602754
0.707602
0.642479
0.736534
0.672965
SE Kappa
0.0816497
0.0816497
0.0816497
0.0816497
0.0816497
0.0412331
Z
8.3331
7.3822
8.6663
7.8687
9.0207
16.3210
P(vs > 0)
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
Kendall's Coefficient of Concordance

Coef
0.966317
Chi - Sq
67.6422
DF
14
P
0.0000
All Appraisers vs Standard
Pgina 57

# Inspected
15
# Matched
6
Percent
40.00
95 % CI
(16.34, 67.71)
# Matched: All appraisers' assessments agree with the known standard.

Response
-2
-1
0
1
2
Overall
Kappa
0.842593
0.796066
0.850932
0.802932
0.847348
0.831455
SE Kappa
0.115470
0.115470
0.115470
0.115470
0.115470
0.058911
Z
7.2971
6.8941
7.3693
6.9536
7.3383
14.1136
P(vs > 0)
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
Kendall's Correlation Coefficient

Coef
0.958102
SE Coef
0.0860663
Z
11.1100
P
0.0000
* NOTE * Single trial within each appraiser. No percentage of assessment

agreement within appraiser is plotted.
Pgina 58
Date of study:
Reported by :
Name of product:
Misc:
Appraiser vs St andard
100
95.0% CI
Percent
Percent
80
60
40
20
0
Duncan
Hayes
Holmes
Appraiser
Montgomery
Simpson
Interpretacin de resultados
Minitab muestra tres tableas de acuerdo: Cada evaluador vs el estndar, Entre evaluadores y
Todos los evaluadores vs estndar. Los estadsticos de Kappa y Kendall tambin se incluyen en
cada una de las tablas. En general estos estadsticos sugieren buen acuerdo.
El coeficiente de Kendall entre evaluadores es 0.966317 (p = 0.0); para todos los evaluadores vs
estndar es 0.958192 (p = 0.0). Sin emabargo la observacin del desempeo de Duncan y Haues
indica que no se apegan al estndar.
La grfica de Evaluadores vs. Estndar proporciona una vista grfica de cada uno de los
evaluadores vs el estndar, pudiendo comparar fcilmente la determinacin de acuerdos para los
cinco evaluadores.
Se puede concluir que Duncan, Hayes y Simpson requieren entrenamiento adicional.
Mtodo sencillo
Tomar 50 piezas, 40 de las cuales dentro de especificaciones y 10 fuera de especificaciones
Probarlas con dispositivos pasa y no pasa por medio de 3 operadores
Si no coinciden todos los operadores en al menos el 90%, los dispositivos o gages pasa, no
pasa no son confiables
Pgina 59
Apndices: Frmulas
Pgina 60

Estudios de Repetibilidad Y Reproducibilidad (R&R)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estudios de Repetibilidad Y Reproducibilidad (R&R)

Cargado por

Copyright:

Formatos disponibles

ESTUDIOS DE REPETIBILIDAD Y REPRODUCIBILIDAD (R&R)