Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTUDIOS DE REPETIBILIDAD
Y DE REPRODUCIBILIDAD R&R
H. HERNNDEZ / P. REYES
SEPT. 2007
Pgina 1
Apndices:
Frmulas
Pgina 2
SISTEMAS DE
MEDICIN
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
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.
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
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.
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
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
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
Pgina 7
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
Instrucciones de Minitab
Paso 1: Gage Run Chart con datos GAGEAIAG
1
Seleccionar Stat > Quality Tools > Gage Study > Gage Run Chart.
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 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
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
Seleccionar Stat > Quality Tools > Gage Study > Gage Run Chart.
Gage name:
Date of study :
O perator
1
2
3
600
Response
500
Mean
400
300
200
Operat or
Panel variable: Part
Pgina 10
Partes
1
2
3
4
5
Pgina 11
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)
slida sobre el
a la Reproducibilidad y a la
Ejemplo adaptado de: Statistical Quality Control. Douglas C. Montgomery. Willey. Second Edition
Pgina 13
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
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 :
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:
para 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
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
Fecha:
01/07/2003
Elaborado por:
Caracterstica: Diametro
X Diff = 0.0001000000
Rp = 0.000944444
% Total de Variacin ( TV )
R x K1 =
EV=
0.00127083
% EV = 100 [ EV/TV ]
INTENTOS
K1
2
3
4.56
3.05
% EV = 63.74%
% EV vs Tol. = 21.18%
% AV = 100 [AV/TV]
% 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
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 = 0.001994
Pgina 21
Pgina 22
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
Pgina 24
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
Pgina 25
Gage name:
Date of study :
Components of Variation
Datos by Partes
80
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
UCL= 0.005143
_
X= 0.004717
0.0045
Average
0.0050
0.004
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
Pgina 26
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
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
caractersticas en una misma parte.
Pgina 27
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
Pgina 28
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.
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.
REPR2
%R & R =
R&R
100
6s
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
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)
slida sobre
Pgina 31
a la Reproducibilidad y a la
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
AV =
( Xdif
k 2)
2
DV 2
= .0259
mn
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
%AV
%AV
Pgina 35
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
32,66
17,62
27,50
14,81
23,17
94,52
100,00
Pgina 36
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Operador*Parte Interaction
3
3,0SL=0,8796
X=0,8075
-3,0SL=0,7354
Average
Sample Mean
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
Components of Variation
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
Pgina 38
Pgina 39
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
Components of Variation
100
Percent
Operator
490
3,0SL=555,8
Average
Sample Mean
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 name:
Date of study :
Components of Variation
Datos by Partes
80
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
UCL= 0.005143
_
X= 0.004717
0.0045
Average
0.0050
0.004
5
6
Partes
Datos by Operadores
0.0010
LCL= 0.004290
0.0040
0.0050
2
3
0.0045
0.0040
1
Pgina 41
5
6
Partes
10
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:
Seleccionar Stat > Quality Tools > Gage Study > Gage R&R Study (Nested).
Dar OK.
Pgina 43
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
Pgina 44
Gage name:
Date of study :
Com ponents of Variation
Percent
18
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
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
Pgina 45
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
...
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
Seleccionar Stat > Quality Tools > Gage Study > Gage Linearity and Bias Study.
Pgina 48
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
-1.0
2
6
Reference Value
10
10
5
0
Linearit y
Bias
Pgina 49
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
2.
Seleccionar Stat > Quality Tools > Gage Study > Attribute Gage Study (Analytic Method).
Pgina 51
4.
5.
6.
Resultados:
Gage name:
Date of study :
Bias:
Pre-adj usted Repeatability :
Repeatability :
99
0.0097955
0.0494705
0.0458060
95
80
50
20
1
-0.05
-0.04
-0.03
-0.02
Reference Value of Measured Part
-0.01
Probability of Acceptance
Percent of Acceptance
L Limit
1.0
0.5
0.0
-0.050
-0.025
0.000
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
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.
Pgina 53
Sample
1
2
3
4
5
B
A
A
B
B
A
A
B
B
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
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
# 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
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
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
Assessment Agreement
# Inspected
15
# Matched
6
Percent
40.00
95 % CI
(16.34, 67.71)
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
Chi - Sq
67.6422
DF
14
P
0.0000
Pgina 57
# Matched
6
Percent
40.00
95 % CI
(16.34, 67.71)
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
SE Coef
0.0860663
Z
11.1100
P
0.0000
Pgina 58
Date of study:
Reported by :
Name of product:
Misc:
Assessment Agreement
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