P. 1
Manual_MSA.4.2010.Español

Manual_MSA.4.2010.Español

|Views: 8.396|Likes:
Publicado porkaliargo

More info:

Published by: kaliargo on Jun 08, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/21/2013

pdf

text

original

1

ANÁLISIS DE SISTEMAS DE MEDICIÓN
Manual de Referencia
Cuarta Edición

Primera Edición, Octubre 1990 • Segunda Edición, Febrero, 1995; Segunda Impresión, Junio 1998 • Tercera Edición, Marzo, 2002; Segunda Impresión, Mayo, 2003; Cuarta Edición, Junio, 2010 Derechos Reservados © 1990, © 1995, © 2002 © 2010 Chrysler Group LLC, Ford Motor Company, General Motors Corporation

Este documento consiste sólo de una interpretación al español, y es una copia libre del Manual de Referencia de MSA-4: 2010 publicado por AIAG, y sólo debe considerarse como una consulta. El único documento oficial es el publicado originalmente en Ingles por AIAG mismo.

i

ii

PREFACIO
Este manual de referencia fue desarrollado por el Grupo de Trabajo de Análisis de Sistemas de Medición (MSA), autorizado por el grupo de fuerza de trabajo para los Requerimientos de Calidad de Proveedores de Chrysler Group LLC, Ford Motor Company y General Motors Corporation, y bajo los auspicios del Grupo de Acciones de la Industria Automotriz (AIAG). El grupo de trabajo responsable por esta Cuarta edición fue Michael Down (General Motors Corporation), Frederick Czubak (Chrysler Group LLC), Gregory Gruska (Omnex), Steve Stahley (Cummins, Inc.) y David Benham. El manual es una introducción al análisis de sistemas de medición. No tiene la intención de limitar la evolución de métodos de análisis adecuados a procesos o géneros de productos particulares. Aún y cuando estos lineamientos se pretende cubran normalmente situaciones de sistemas de medición que ocurren, puede haber preguntas que surjan. Estas preguntas debieran dirigirse a sus representantes autorizados de los clientes. Este manual cuenta con derechos de copia por Chrysler Group LLC, Ford Motor Company y General Motors Corporation, con todos los derechos reservados, 2010. Manuales adicionales pueden ordenarse en AIAG en www.aiag.org. El permiso para reproducir porciones de este manual para uso dentro de organizaciones proveedores puede obtenerse en AIAG en www.aiag.org.

Junio, 2010

iii

Esto es especialmente importante si se hace una comparación entre la variabilidad y tolerancia de los sistemas de medición. Linealidad. IV IV NOTA: En relación al uso de la desviación estándar para RRGs. el cual es + 3σ y representa la amplitud total de la curva “normal”.15 para representar la amplitud total del 99%). Análisis de Regresión Enfoques Alternativos Artículos disponibles en el sitio web de AIAG (www. usar el 6. ANOVA.0. si se usa un enfoque distinto al descrito en este manual. Gráficas de Control Gráficas de Control. Análisis de Pruebas de Hipótesis Enfoques Alternativos Rango. Una amplitud de 99.aiag. Si el lector elige incrementar el nivel de cobertura o amplitud de una variación total de las mediciones del 99. Sesgo. Sesgo. Gráficas de Control Detección de Señales. Consecuentemente. Promedios y Rangos. El conocimiento del factor multiplicador que se use es crucial en la integridad de las ecuaciones y cálculos resultantes.0 como un multiplicador en lugar de 5. una declaración como tal debe ser claramente establecida en cualquier resultado ó resumen (particularmente a aquellos ofrecidos a clientes). Linealidad..15 en los cálculos. Históricamente y en forma convencional se ha usado una amplitud del 99% para representar la amplitud “total” del error de las mediciones. Nota: El enfoque usado en la 4ª. Promedios y Rangos. IV III. ANOVA.73%.73% es representada por el multiplicador de 6.15 (donde σ RRG es multiplicado por 5.Guía Rápida de 4ª Edición de MSA Tipo de Sistema de Medición Variables Básicas Atributos Básicos No Replicables (ej. representado por el factor de multiplicación de 5. ANOVA. Gages ó Stands de Pruebas Misceláneos Otros Métodos MSA Rango. iv . Edición es para comparar desviaciones estándar. Esto es equivalente a usar el multiplicador de 6 en el enfoque histórico. Pruebas Destructivas) Variables Complejas Sistemas Múltiples.org) Capítulo Ill Ill IV III.

...... 25 Sección D Desarrollo de las Fuentes de Medición................................................................................ 96 Guías y Lineamientos para Determinación de la Repetibilidad y Reproducibilidad...................................................................................................................... iv TABLA DE CONTENIDO .... 151 Sección A Prácticas para Sistemas de Medición No Replicables..... 85 Guías y Lineamientos para Determinación del Sesgo – Método de Muestras Independientes .................... 102 Método de Rangos y Promedios .... 101 Método de Rangos ................. 13 Sistemas de Medición ....................................................................... 153 Sistemas donde las partes cambian en el uso/prueba ....................................................................................................................................................................... v Lista de Tablas......................................................................................................................................................................................................................................................................................................................... 167 Sección E Método de Promedios y Rangos – Tratamiento Adicional ................ 69 Sección B Selección/Desarrollo de Procedimientos de Prueba.. 31 Sección E Aspectos Clave en las Mediciones................................................................................................................................ 4 Tecnología ......... 87 Guías y Lineamientos para Determinación del Sesgo – Método por Gráficas de Control......................................................... 177 Sección G Reducción de Variación a Través de Lecturas Múltiples................................................................................................................................... 145 CAPÍTULO IV – Otras Prácticas y Conceptos de Medición..................................................................................................................................................... 81 Sección A Ejemplos de Procedimientos de Prueba ..................................................................... 143 Método Analítico .............................................................................................................................................................................................................................................................................................................................................................................................................................................................................. 73 Sección D Análisis de Resultados........................................................................................................................................................ 3 Propósito......................... 185 APÉNDICES ............................................................................. 18 Sección C Planeación y Estrategia de las Mediciones ................. Propósito y Terminología........................... 85 Guías y Lineamientos para Determinación de la Estabilidad............ viii CAPÍTULO I – Guías y Lineamientos Generales para Sistemas de Medición .................................................................................................................................................................................................................... 131 Métodos de Análisis de Riesgos ................................................... 103 Método de Análisis de Varianzas (ANOVA) ........................................................................................................................................................................................... 77 CAPÍTULO III – Prácticas Recomendadas para Sistemas de Medición Replicables .................................................................................................................................. 4 Sección B El Proceso de Medición........................................................................................................ 65 CAPÍTULO II – Conceptos Generales para la Evaluación de Sistemas de Medición ............................ 92 Guías y Lineamientos para Determinación de la Linealidad...................................................................................................................................................................................................................................................................................................................................................................... 3 Introducción .................................... 161 Sección D Reconocimiento de los Efectos de una Excesiva Variación Dentro de las Partes ...................................................................................................................................................................... 1 Sección A Introducción...................................... 41 Sección F Incertidumbre en las Mediciones....... 63 Sección G Análisis de Problemas de Mediciones ................................ 123 Sección C Estudio se Sistemas de Medición por Atributos........................................................................................................... 155 Sección C Estudios de Variabilidades............................................................. 183 Sección H Enfoque de la Desviación Estándar Combinada a los GRRs..... 131 Enfoque de Detección de Señales .................... 13 Los efectos de la variabilidad de Sistemas de Medición................................................................................................................................................................................................................................................................................................................................................................ 193 v .......................................................................................TABLA DE CONTENIDO MSA 4th Edition Quick Guide ...................................... 169 Sección F Curva de Desempeño de Gages ............................................................................................................................................................................ 29 Proceso de Selección de Fuentes de Gages ......................................................................................................................................................... 153 Sistemas de medición destructivos ............. 67 Sección A Antecedentes...... 71 Sección C Preparación para un Estudio de Sistemas de Medición ......................... 153 Sección B Estudios de Estabilidad .................................... 83 Sección B Guías y Lineamientos – Estudio de Sistemas de Medición de Variables ............................................ vii Lista de Figuras ......................

...........................................................................A........................... 203 Apéndice D ...............................................M........................................................................................... 223 Índice............................................................................................................................................................................................................................................................ 199 Fórmulas:........... 195 Conceptos de Análisis de Varianza.................................................................................................... 207 Cálculo Alternativo de PV Usando un Término de Corrección de Errores............................................................E................................................................ 205 Apéndice E .. 199 Análisis Gráfico:..................................................................................................................... 209 Glosario .............................................................................................................................. 195 Apéndice B ...................O............................................................................................................. 209 Modelo de Errores P.................. 199 Apéndice C .................................................................................................................................................................................................................................................................................................... 219 Formatos Muestra.................................................. 207 Apéndice F............... 213 Lista de Referencias............................................................................................................................................................ 227 vi ..................................................................................................................................................................I.Apéndice A .......................... 199 Impacto del GRR en el Índice de Habilidad Cp .................................................................... 199 Análisis: ..........................................................S................................................................................................................................................................................................................................................................................................................................................. 205 Estudio R de Gages .....................................................................................................................................................................

...................... 140 Tabla III-C 7: Resumen de Efectividad del Estudio .......... 140 Tabla III-C 8: Tabla III-C 1 clasificada por Valor de Referencia .................... 137 Tabla III-C 4: Comparación de los Evaluadores con la Referencia.................................................................................................................................................................................................. 189 Tabla A 1: Estimativo de los Componentes de la Varianza ............................................................... 139 Tabla III-C 6: Ejemplo de Lineamientos de Criterios de Efectividad ....................................Lista de Tablas Tabla I-B 1: Filosofía de Control e Interés Guía ............................. 99 Tabla III-B 6: Estudio de Gages (Método de Rangos) .... 201 Tabla C 1: Tabla d * 2 .......................... 129 Tabla III-B 10: Reporte del Método ANOVA para GRRs................................................................................................................................................ 195 Tabla A 2: Extensión 6 Sigma ....................................................................... 92 Tabla III-B 3: Estudio de Sesgo – Análisis de un Estudio de Estabilidad para Sesgo................................................... 136 Tabla III-C 3: Resumen Kappa ................ 103 Tabla III-B 6a: Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages............................................................................................................................................................... 197 Tabla A 4: Resultados de ANOVA en Tablas............................ 18 Tabla II-D 1: Criterios de GRRs......................................................................................................................................................... 211 vii ..................................................................................................................................................... 105 Tabla III-B 7: Tabla ANOVA........ 127 Tabla III-B 8: % de Variación y Contribución de un Análisis ANOVA................................ 134 Tabla III-C 2: Resultados de un Estudio con Tablas Cruzadas......................................................................................... 95 Tabla III-B 4: Datos para un Estudio de Linealidad...................................................... 90 Tabla III-B 2: Estudio de Sesgo – Análisis de un Estudio de Sesgo......................................................................................................................................................................... 138 Tabla III-C 5: Tabla de Efectividad del Estudio .. 198 Tabla B 1: Comparación del Cp Observado con el Actual......................................................... 78 Tabla III-B 1: Datos para un Estudio de Sesgo ............................................................................................... 99 Tabla III-B 5: Estudio de Linealidad – Resultados Intermedios ......................................................................................................................................................................................................... 198 Tabla A 5: Resultados de ANOVA en Tablas............................................................................................................................................................................................ 154 Tabla IV-H 1: Conjunto de Datos para Análisis de la Desviación Estándar Combinada ........................................................................................................................................................................................................................................................................................................................................... 196 Tabla A 3: Análisis de Varianzas (ANOVA)........................... 127 Tabla III-B 9: Comparación de los Métodos de ANOVA y Promedios y Rangos ......................... 143 Tabla IV-A 1: Métodos Basados en el Tipo de Sistema de Medición ....... 129 Tabla III-C 1: Conjunto de Datos para un Estudio de Atributos ............................. 203 Tabla F 1: Ejemplo del Modelo PISMOEA ........................................................................................................

.................................................................. 91 Figura III-B 3: Estudio de Linealidad – Análisis Gráfico ........................................................................... 149 Figura III-C 5: Curva de Desempeño de un Gage de Atributos .............................................................................................................................................................. Actual (basado en la tolerancia) ............................................................. 175 Figura IV-F 1: Curva de Desempeño de un Gage Sin Errores..... 113 Figura III-B 13: Gráfica X-Y de Promedios por Medida ......................................................33....... 202 viii .......................................................................... 17 Figura I-E 2: Discriminación.....Ejemplo ........ 181 Figura IV-F 3: Curva de Desempeño de un Gage Graficada en Papel de Probabilidad Normal............................................................... 86 Figura III-B 2: Estudio de Sesgo – Histograma de un Estudio de Sesgo................................................... 114 Figura III-B 14: Comparación de Gráficos X-Y ...................................................................... 107 Figura III-B 6: Gráfica de Rangos – “Estancada” ................. ................................................. 118 Figura III-B 16: Reporte de Repetibilidad y Reproducibilidad de Gages................................... 115 Figura III-B 15: Hoja de Recolección de Datos Completa para R&RG .................................................................. 201 Figura B 2: Cp Observado vs............................................................................... 180 Figura IV-F 2: Curva de Desempeño de un Gage ......................................................................... 10 Figura I-B 1: Diagrama de Causas y Efectos de la Variabilidad de un Sistema de Medición......... 49 Figura I-E 5: Características de la Variación de un Proceso de Medición................................................................................................................................. 109 Figura III-B 8: Gráfica de Corridas por Parte.......................................... 108 Figura III-B 7: Gráfica de Rangos – “No estancada” ........... 132 Figura III-C 3: Proceso Ejemplo con Pp = Ppk = 1......2 .......................................................................................................................................... 172 Figura IV-E 2: Gráfica de Control de Evaluación de Mediciones ( X & R) ..................................................... 132 Figura III-C 2: Las Áreas “Grises” Asociadas con el Sistema de Medición................................................................................ 111 Figura III-B 11: Gráficas de Errores.............................................................. 109 Figura III-B 9: Diagrama de Dispersión .......... 173 Figura IV-E 3: Cálculos Alternativos para la Evaluación de un Proceso de Medición (Parte 1 de 2) ...................50....... 126 Figura III-C 1: Proceso Ejemplo con Pp = Ppk = 0.................................................. 119 Figura III-B 18: Gráfica de Residuales .................................................................................................................................................................................... 110 Figura III-B 10: Gráfica de Whiskers .... Actual (basado en el proceso).........................................................................................................1 .............................................................................................................................................. 188 Figura IV-H 2: Diagrama de Puntos de valores h......................................................................................................................................................................... 192 Figura B 1: Cp Observado vs................................................................................................................................... 182 Figura IV-H 1: Análisis Gráfico de un Estudio de Desviación Estándar Combinada ...................................................................... 62 Figura III-B 1: Análisis de Gráficas de Control para Estabilidad ................. 174 Figura IV-E 4: Cálculos Alternativos para la Evaluación de un Proceso de Medición (Parte 2 de 2) .................................................................................................................. 100 Figura III-B 4: Gráfica de Promedios – “Estancada” ................................................................................................................................................................................................. 50 Figura I-E 6: Relaciones entre Sesgo y Repetibilidad.................................................................Lista de Figuras Figura I-A 1: Ejemplo de una Cadena de Rastreabilidad para la Medición de una Longitud ....... 47 Figura I-E 4: Gráficas de Control de Proceso........... 46 Figura I-E 3: Impacto del Número de Categorías Distintas (NCD) de la Distribución del Proceso en Actividades de Análisis y Control.............................................. 141 Figura III-C 4: Curva de Desempeño de un Gage de Atributos Graficada en Papel de Probabilidad Normal ........ 107 Figura III-B 5: Gráfica de Promedios “No Estancada”.................................................................... 150 Figura IV-E 1: Gráfica de Control de Evaluación de Mediciones ( X & R) ............................. 112 Figura III-B 12: Histograma Normalizado .................................. 191 Figura IV-H 3: Diagrama de Puntos de valores k .....................................

Capítulo I Guías y Lineamientos Generales para Sistemas de Medición Capítulo I Guías y Lineamientos Generales para Sistemas de Medición 1 .

Capítulo I – Sección A Introducción. Propósito y Terminología 2 .

la decisión de ajustar un proceso de manufactura o no. El beneficio de usar un procedimiento basado en datos es ampliamente determinado por la calidad de los datos de medición usados. Una de las razones más comunes para datos de baja calidad es demasiada variación. entonces se dice que la calidad de los datos es “baja”. Propósito y Terminología Sección A Introducción. W. se requiere enfocar atención en la calidad de los datos. y la propiedad llamada varianza se refiere a la dispersión de los datos. operando bajo condiciones estables. De lo contrario. Los estudios que exploren tales relaciones son ejemplos de lo que el Dr. y si loa comparación indica que el proceso está fuera del control estadístico. si la calidad de los datos es alta. entonces se hace un ajuste de algún tipo. es usado para obtener varias mediciones de una cierta característica. La propiedad llamada sesgo se refiere a la localización de los datos en relación al valor de referencia (master). comúnmente se basa ahora en datos de mediciones. Igualmente. puede sospecharse que una dimensión crítica de una parte plástica moldeada se relaciona con la temperatura del material de alimentación. Esa posible relación puede ser estudiada usando un procedimiento estadístico llamado análisis de regresión para comparar las medicines de la dimensión crítica con las mediciones de la temperatura del material de alimentación. suponer que un sistema de medición. Por ejemplo. o alguna estadística calculada de éstos. Calidad de los Datos de Medición La calidad de los datos de medición es definida por las propiedades estadísticas de las múltiples mediciones obtenidas del sistema de medición operando bajo condiciones estables. Para asegurar que el beneficio derivado de los datos de medición usados sea altamente suficiente para garantizar el costo de su obtención. Mucha de la variación en un conjunto de mediciones. es muy probable que el beneficio del procedimiento sea muy bajo. Si la calidad de los datos es baja.E. un estudio analítico es aquel que incrementa el conocimiento del sistema de causas que afectan el proceso. son comparados con los límites de control estadísticos del proceso. Los estudios analíticos son unos de los más importantes que usan datos de mediciones porque se dirigen finalmente a un mejor entendimiento de los procesos. Por ejemplo. Por ejemplo. Los datos de mediciones. Deming llamó estudios analíticos. Por ejemplo. al proceso se le permite trabajar sin ajustes. puede ser debida a la interacción entre el sistema de medición y su medio ambiente. si algunas o todas de las mediciones están “lejos” del valor master. Si las mediciones están todas “cerca” al valor master de la característica. un 3 . entonces se dice que la calidad de los datos es “alta”. En general. Igualmente. Las propiedades estadísticas más comúnmente usadas para caracterizar la calidad de los datos son el sesgo y varianza del sistema de medición. Otro uso de datos de mediciones es para determinar si existe una relación significativa entre dos o más variables.Capítulo I – Sección A Introducción. es muy probable que también el beneficio sea alto. Propósito y Terminología Introducción Los datos de mediciones son usados más a menudo y en más formas que antes.

y el valor asignado es definido como valor de medición. Propósito El propósito de este documento es presentar los lineamientos para evaluar la calidad de un sistema de medición. En este documento. Se recomienda que sean consultadas fuentes estadísticas competentes para situaciones más complejas o inusuales no discutidas aquí. Propósito y Terminología sistema de medición usado para medir el volumen de líquido en un tanque puede ser sensible a la temperatura ambiental del medio ambiente en el cual es usado. esto significa que se requiere énfasis en aprender como los sistemas de medición interactúan con su medio ambiente de forma tal que se generen solo datos de calidad aceptable. El proceso de asignar números es definido como proceso de medición. Eisenhart (1963). Esta sección ofrece un resumen de tales términos que son usados en este manual. Mucho del trabajo de administrar un sistema de medición es dirigido al monitoreo y control de la variación. Esta definición se ofreció primero por C. son usados los siguientes términos: • Medición es definida como “la asignación de números [o valores] a cosas materiales que representen relaciones entre ellas con respecto a propiedades particulares”. En tal caso. Entre otras cosas. entonces la calidad de los datos puede ser muy baja y tal que los datos no sean útiles. Muchos de los análisis son útiles con otros tipos de sistemas de medición y el manual contiene referencias y sugerencias. 4 . Su enfoque principal es en sistemas de medición donde puedan replicarse lecturas de cada parte. No se cubre en este manual la aprobación requerida por los clientes para métodos de análisis de sistemas de medición. un sistema de medición con una gran cantidad de variación puede no ser apropiado para uso en el análisis de un proceso de manufactura porque la variación del sistema de medición puede encubrir la variación del proceso de manufactura. la variación de los datos puede ser debida a cambios en el volumen o en la temperatura ambiente. No se pretende que este documento sea un compendio de análisis para todos los sistemas de medición. se pretende sean usados principalmente para sistemas de medición en el mundo industrial. Si la interacción genera demasiada variación. Terminología La discusión del análisis de los sistemas de medición puede ser confusa y ambigua sino se establece un conjunto de términos para referirse a propiedades estadísticas comunes y elementos relativos a los sistemas de medición. Esto hace la interpretación de datos más difícil y consecuentemente el sistema de medición menos deseable. Aunque los lineamientos son generales y suficientes para ser usados en cualquier sistema de medición.Capítulo I – Sección A Introducción. Por ejemplo.

5 . _____________________________________________________________________________________________ Resumen de Términos1 Patrón/Estándar • Bases aceptadas para comparación • Criterios para aceptación • Valor conocido. dispositivos. límite de escala o límite de detección Propiedad inherente dispuesta por diseño Escala de unidad de medición más pequeña o resultado de un instrumento Siempre reportada como una unidad de medida Regla empírica 10 a 1 • Resolución Efectiva La sensibilidad del sistema de medición con la variación del proceso para una aplicación particular 1 Ver Capítulo I. el proceso completo usado para obtener mediciones. incluye dispositivos pasa / no pasa. resolución en las mediciones. medio ambiente y supuestos usados para cuantificar una unidad de medida o preparar la evaluación de una característica o propiedad a ser medida. Equipo Básico • Discriminación. frecuentemente usado para referirse específicamente a dispositivos usados en el piso de producción. resolución Alias: unidad de lectura más pequeña. hoy y mañana. patrones. El ver un sistema de medición de esta manera es útil porque nos permite traer todos los conceptos. definiciones y discusión. operaciones. métodos. • De estas definiciones se obtiene que un proceso de medición puede ser visto como un proceso de manufactura que produce números (datos) para sus resultados. dentro de límites de incertidumbre establecidos y aceptado como un valor verdadero • Valor de referencia Un patrón debiera tener una definición operacional: una definición que produzca los mismos resultados cuando se aplique por el proveedor o el cliente. con el mismo significado ayer. Sección E para terminología. filosofía y herramientas que han sido ya demostradas ser útiles en el área de control estadístico de los procesos. personal. Propósito y Terminología • Gage es cualquier dispositivo usado para obtener mediciones. Sistema de Medición es el conjunto de instrumentos o gages. software.Capítulo I – Sección A Introducción. facilidad de lectura.

Variación de la localización • Exactitud “Cercanía” con el valor verdadero o con un valor de referencia aceptable ASTM incluye el efecto en los errores de localización y amplitud • Sesgo Diferencia entre el promedio de las mediciones observado y el valor de referencia Un componente de error sistemático del sistema de medición • Estabilidad El cambio de sesgo en el tiempo Un proceso estable de mediciones está en control estadístico con respecto a la localización Alias: cambio • Linealidad El cambio de sesgo sobre el rango de operación normal La correlación de errores de sesgo múltiples e independientes sobre el rango de operación Un componente de error sistemático del sistema de medición 6 . Propósito y Terminología Entrada más pequeña generada de una señal de resultado y útil de medición Siempre reportada como una unidad de medición • Valor de Referencia Valor aceptado de un artefacto Requiere una definición operacional Usado como el equivalente para un valor verdadero • Valor Verdadero Valor actual de un artefacto. Desconocido e irreconocible.Capítulo I – Sección A Introducción.

pueden o no incluirse los efectos del tiempo • Habilidad de los Sistemas de Medición Estimativo en el corto plazo de la variación de los sistemas de medición (ej.Capítulo I – Sección A Introducción.Variación del Equipo Habilidad o potencial de un instrumento (gage) Variación dentro del sistema • Reproducibilidad Variación en el promedio de las mediciones hechas por diferentes usuarios usando el mismo gage y midiendo una característica de una parte Para la calificación del producto y el proceso. no existe el concepto de precisión de un sistema de medición. Propósito y Terminología Variación de la amplitud • Precisión2 “Cercanía” de lecturas repetidas una de otra Un componente de error aleatorio del sistema de medición • Repetibilidad Variación de las mediciones obtenidas con un instrumento de medición cuando se use varias veces por un usuario y midiendo la misma característica y sobre la misma parte La variación sobre intentos sucesivos (en el corto plazo) y bajo condiciones de medición definidas y establecidas Comúnmente referida como VE . “RRGs” incluyendo gráficas) 2 En documentos de ASTM. la precisión no puede representarse por un sólo número. el medio ambiente (tiempo) o el método Comúnmente referido como VU . laboratorios y medio ambiente así como efectos de los evaluadores/usuarios • R&R de Gages o RRGs Repetibilidad y reproducibilidad de gages: estimativo combinado de la repetibilidad y reproducibilidad de un sistema de medición Capacidad de un sistema de medición. el error puede ser el usuario.. dependiendo del método usado. ej.. 7 .Variación de los Evaluadores Variación (condiciones) entre sistemas ASTM E456-96 incluye efectos de repetibilidad.

8 . método de gráficas de control de largo plazo) • Sensibilidad La más pequeña entrada que resulte de una señal o resultado detectable Respuesta de un sistema de medición a cambios en la propiedad medida Determinada por el diseño (discriminación) del gage. calidad inherente (FEO-Fabricante de Equipo Original). mantenimiento en servicio y condición de operación del instrumento y patrón Siempre reportada como unidad de medida LCS • • • • • • • • • • • Consistencia El grado del cambio de la repetibilidad en el tiempo Un proceso de medición consistente está en control estadístico con respecto a la amplitud (variabilidad) • • • • Promedio Rango LCI • Uniformidad El cambio en repetibilidad sobre un rango de operación normal Homogeneidad en la repetibilidad Medic ión1 Medic ión N Variación de los Sistemas La variación de los sistemas de medición puede caracterizarse como • Habilidad Variabilidad en las lecturas tomadas en un periodo de tiempo corto • Desempeño Variabilidad en las lecturas tomadas sobre un periodo de tiempo largo Basado en la variación total • Incertidumbre Un rango estimado de valores acerca del valor medido en el cual el valor verdadero se crea esté contenido El sistema de medición debe ser estable y consistente Todas las caracterizaciones de la variación total de un sistema de medición asumen que el sistema es estable y consistente.Capítulo I – Sección A Introducción. los componentes de variación pueden incluir cualquier combinación de artículos mostrados en I-B 1.. Propósito y Terminología • Desempeño del Sistema de Medición Estimación en el largo plazo de la variación del sistema de medición (ej. Por ejemplo.

NIST ofrece estos servicios directamente a muchos tipos de industrias. el cual puede ser relacionado con referencias establecidas. Una cosa a notar es que las habilidades de estos NMIs varían de país a país y no todos los tipos de mediciones son comparados sobre bases regulares. como: “la propiedad de las mediciones o valores de un estándar o patrón. Institutos Nacionales de Mediciones Rastreabilidad 9 . en muchos casos en la industria. La rastreabilidad es definida por el Vocabulario Internacional de ISO de Términos Básicos y Generales de Metrología (VIM). Sin embargo. Propósito y Terminología Estándares. La responsabilidad Primaria de NIST es ofrecer servicios de medición y mantener patrones de medición que ayuden a la industria en EUA a hacer las mediciones rastreables y que ayuden finalmente en negociaciones de productos y servicios. sirve como la más alta autoridad de metrología en EUA. La liga en la rastreabilidad de estos patrones de consenso con un NMI puede no siempre ser clara y entendida. Las mediciones que son rastreables con los mismos patrones o similares acuerdan muy estrechamente en comparación con aquellos que no son rastreables. y finalmente es crítico que las mediciones sean rastreables en un alcance que satisfaga a las necesidades del cliente. la definición de dónde y cómo una medición sea rastreable es un concepto de evolución permanente. Es un importante concepto en la negociación de bienes y servicios.Capítulo I – Sección A Introducción. previamente como Consejo Nacional de Patrones (NBS). y éstos ofrecen un alto nivel de normas de metrología o servicios de mediciones para sus respectivos países. pero principalmente a aquellas industrias que requieran el más alto nivel de exactitud en sus productos y que incorporen mediciones-de-última-tecnología en sus procesos. La rastreabilidad de una medición es típicamente establecida a través de una cadena de comparaciones hacia un NMI. Esto ayuda a reducir la necesidad de repetir pruebas. Con los avances en la tecnología de las mediciones y el uso de los sistemas de medición de última tecnología en la industria. NIST trabaja y colabora con estos otros NMIs para que las mediciones que se hagan en un país no difieran de aquellas hechas en otro. Esto se logra a través de acuerdos de reconocimiento mutuo (MRAs) y ejecutando comparaciones entre laboratorios entre NMIs. el rechazo de producto bueno y la aceptación de producto malo. la rastreabilidad de las mediciones puede ser ligada hasta un valor de referencia acordado o un “patrón de consenso entre un cliente y un proveedor. NIST. Por ésto es importante entender por quien son rastreables las mediciones y que tan rastreables son. Patrones El Instituto Nacional de Patrones y Tecnología (NIST) es el Instituto Principal y Nacional de Mediciones (NMI) en los Estados Unidos ofreciendo servicios bajo el y Rastreabilidad departamento de comercio de EUA. La mayoría de los países industrializados alrededor del mundo cuentan con su propio NMI y un similar a un NIST. usualmente patrones nacionales o internacionales y a través de una cadena ininterrumpida de comparaciones y todas con incertidumbres establecidas”. de forma tal que pueden existir diferencias.

Capítulo I – Sección A Introducción. etc. incluyendo estándares ó patrones. Cada evento de calibración incluye todos los elementos necesarios. Reste es un medio aceptable y apropiado de lograr rastreabilidad con NIST. tales como acreditamiento de laboratorios. Rastreabilidad es la cadena de eventos de calibración que se crean con estándares ó patrones de calibración de una capacidad metrológica ó incertidumbre en las mediciones apropiados. la relación entre un dispositivo de medición y un estándar ó patrón rastreable con un valor de referencia e incertidumbre conocidos. Sistemas de Calibración Un sistema de calibración es un conjunto de operaciones que establecen. los registros y personal calificado. El sistema de calibración determina la rastreabilidad en las mediciones de los sistemas de medición a través del uso de métodos y estándares ó patrones de calibración. No todas las organizaciones cuentan con laboratorios de metrología o gages dentro de sus instalaciones y dependen de laboratorios externos comerciales / independientes para ofrecer rastreabilidad en los servicios de calibración y mediciones. equipo de medición y prueba siendo verificado. correlacionar. Las organizaciones de gobierno y de industria privadas usan entonces sus patrones para ofrecer calibraciones y servicios de medición a los laboratorios de metrología o gages de sus clientes y calibración de patrones primarios u otros de trabajo. proveedores de gages. Propósito y Terminología Patrón Nacional Patrón de Longitud de Onda Comparador de Interferencias Patrón de Referencia Medidor de Bloque/Comparador de Interferencias Láser Gages de Referencia Patrón de Trabajo MMC Bloques de Gages Gage para Producción Gages para Dispositivos Micrómetros Figura I-A 1: Ejemplo de una Cadena de Rastreabilidad para una Medición de una Longitud Los NMIs trabajan estrechamente con diferentes laboratorios nacionales. bajo condiciones especificadas. los métodos y procedimientos de calibración. 10 . reportar ó eliminar por ajuste alguna discrepancia en la exactitud del dispositivo de medición que se está comparando. compañías fabricantes de última tecnología. Para asegurar que sus patrones de referencia sena apropiadamente calibrados y directamente rastreables con los patrones mantenidos por el NMI. La calibración puede también incluir pasos para detectar. siempre y cuando la habilidad de los laboratorios comerciales / independientes pueda asegurarse a través de procesos. Esta liga o cadena de eventos determina finalmente la forma en la cual se llega al piso de producción y ofrece por tanto las bases para la rastreabilidad de las mediciones. Las mediciones pueden conectarse hasta NIST a través de esta cadena ininterrumpida de mediciones y la cual se dice ser rastreable con NIST.

El sistema de calibraciones es parte del sistema de administración de calidad de una organización y por tanto debiera estar incluido en los requerimientos de auditorias internas. Es deseable que cualquier lectura individual esté lo más cerca (y económicamente posible) con este valor. 11 . estos términos se usan comúnmente y en forma intercambiable. así como el equipo y métodos/procedimientos usados para ejecutar dichas calibraciones. Propósito y Terminología Una organización puede contar con un laboratorio de calibración interno ó una organización que controle y mantenga los elementos de los eventos de calibración. la incertidumbre puede minimizarse usando un valor de referencia basado en la definición operacional bien definida de una característica. Sin embargo.Capítulo I – Sección A Introducción. el valor verdadero nunca puede ser conocido con certeza. Estos laboratorios internos mantienen un alcance de sus laboratorios mismos y el cual lista las calibraciones específicas que son capaces de ejecutar. los servicios de calibración pueden ser ejecutados por el fabricante del equipo mismo. Generalmente los PAMs incluyen la verificación de los resultados de sistemas de medición a través de mediciones independientes y secundarias de la misma propiedad ó parámetro. Desafortunadamente. Cuando el evento de calibración es ejecutado por un proveedor independiente. externo ó comercial de servicios de calibración. Valor Verdadero La META del proceso de medición es el valor “verdadero” de la parte. Debido a que el valor de referencia es usado como un substituto del valor verdadero.3 e ISO 10012 cada una ofrecen modelos para muchos de los elementos de un sistema de calibración. Nota: ANSI/NCSL Z540. y usando los resultados de un sistema de medición con una discriminación de alto orden y rastreable con NIST. No se recomienda este uso. Programas de Aseguramiento en las Mediciones (PAMs) pueden ser usados para verificar la aceptación de los procesos de medición usados a través de los sistemas de calibración. Mediciones independientes implica que la rastreabilidad del proceso de medición secundario se deriva de una cadena a parte de eventos de calibración de aquellos usados para la medición inicial. Los PAMs pueden incluir el uso del control estadístico de los procesos (SPC) para rastrear la estabilidad de largo plazo de un proceso de medición. el sistema de calibración del proveedor de servicios mismo puede (ó pudiera) estar verificado a través del acreditamiento en ISO/IEC 17025. Cuando algún laboratorio calificado no esté disponible para un cierto tipo de equipo.

Propósito y Terminología 12 .Capítulo I – Sección A Introducción.

Se adquiere o logra conocimiento de lo que el proceso está haciendo evaluando los parámetros o resultados del proceso mismo. la industria ha visto tradicionalmente la actividad de análisis y mediciones como una “caja negra” el equipo ha sido el enfoque principal-la característica más “importante. Proceso General Entradas Operación Resultados Proceso de Medición Proceso Administrativo Mediciones Valor Desafortunadamente. 3 Análisis Decisión 4 Secciones de este capítulo se adaptaron con el permiso de Análisis de Sistemas de Medición – Un Tutorial por G. las partes en proceso.Capítulo l – Sección B El Proceso de Medición Sección B El Proceso de Medición3 Sistemas de Medición A fin de administrar efectivamente la variación de cualquier proceso se requiere tener conocimiento de • • • Lo que el proceso debiera estar haciendo Lo que puede estar mal Lo que el proceso está haciendo Los requerimientos de especificaciones e ingeniería definen lo que un proceso debiera estar haciendo.F. Esta actividad. 13 . loo más caro de un gage. El propósito de un Análisis de Modos y Efectos de Fallas de un Proceso4 (AMEFPs) es definir los riesgos asociados con fallas potenciales del proceso mismo y proponer acciones correctivas antes de que estas fallas puedan ocurrir. los subsistemas ensamblados o los productos completos con la ayuda de patrones adecuados y dispositivos de medición que permitan al observador confirmar o negar la premisa de que el proceso está operando en forma estable y con una variación aceptable con respecto a la meta designada por el cliente. Sin embargo esta actividad de examen es en sí un proceso. Consecuentemente estos gages no fueron usados apropiadamente o simplemente no eran usados. Heappy.S. Ver Manual de Referencia de Análisis de Modos y Efectos de Fallas Potenciales (AMEF) – 4a Edición. La utilidad de un instrumento. 1978. a menudo llamada como inspección. 1998. La Tercer Generación. Gruska y M. es la acción de examinar los parámetros de un proceso. El resultado de un AMEFP es transferido a un plan de control. su compatibilidad con el proceso y el medio ambiente y su facilidad de uso fueron raramente cuestionados.

El dueño del proceso en turno tiene la obligación de monitorear y controlar el proceso de medición para asegurar resultados estables y correctos y los cuales incluyan una perspectiva total del análisis de los sistemas de medición – el estudio del gage. facilidad de uso. El dueño del proceso debe saber como usar correctamente dicho equipo y como analizar e interpretar resultados. Los datos obtenidos de tal máquina pueden ser muy útiles para analizar un proceso de manufactura. dueño del proceso. ver Out of the Crisis. etc. ej.. los sistemas de medición con tales propiedades deseables raramente existen. son también importantes y contribuyen a un buen sistema de medición global. 1986. W. La administración debe ofrecer recursos para compra de equipo que sea necesario y suficiente para hacer esto. el sistema de medición que use la MMC puede no ser capaz de hacer un trabajo aceptable de discriminación entre productos buenos y malos debido a fuentes adicionales de variación introducidas por otros elementos del sistema de medición mismo. condiciones normales de operación. Cada medición acordaría siempre con alguna norma ó estándar. y los gerentes de procesos. Propiedades Estadísticas de los Sistemas de Medición Un sistema de medición ideal produciría solo mediciones “correctas” cada vez que se usara.5 Un sistema de mediciones que pudiera producir mediciones como tales sería aquel que tuviera propiedades estadísticas de varianza cero. El cliente. sesgo cero y probabilidad cero de clasificar incorrectamente cualquier producto medido. Aunque la compra de la mejor o más reciente tecnología de medición no necesariamente garantiza correctas decisiones en el control del proceso de producción. La calidad de un sistema de medición es generalmente determinada solo por propiedades estadísticas de los datos que produce en el tiempo. Las propiedades estadísticas que son más importantes para un uso no son las más importantes para otro. 1982. Aunque no importa lo “pequeño” del sesgo y la varianza que la maquina MMC pueda tener. Desafortunadamente. las propiedades estadísticas más importantes son sesgo y varianza “pequeños”. para algunos usos de las máquinas de medición de coordenadas (MMC).. Una MMC con dichas propiedades genera mediciones que son “cercanas” a los valores certificados de patrones rastreables. Edwards Dreaming. generalmente son forzados a usar sistemas de medición que tienen menos propiedades estadísticas deseables. usuario y medio ambiente. p.un proceso de medición. 14 . Alguna o todas las técnicas de administración. Por ejemplo. 279-281. 5 Para una discusión más completa sobre el asunto de estándares ó normas. tales como costo. Aunque son las propiedades estadísticas de los datos producidos lo que determina la calidad del sistema de medición. Otras propiedades. quiere tomar decisiones correctas y con el mínimo de esfuerzo.Capítulo l – Sección B El Proceso de Medición La actividad de mediciones y análisis es un proceso . El equipo es solo una parte del proceso de medición. La administración debe también ofrecer claras definiciones operacionales o patrones así como entrenamiento y soporte. Esto significa que los clientes y sus necesidades deben primero ser definidas. estadísticas y lógicas del control del proceso pueden aplicarse a dicha actividad. procedimiento.

La administración tiene también la responsabilidad de asegurar que dichas propiedades sean usadas como una base para la selección de un sistema de medición. 4) Para control del proceso. 3) Para control del producto. se requieren las definiciones operacionales de las propiedades estadísticas. entonces la variación más grande (peor) del sistema de medición es pequeña en relación a lo más pequeño de la variación del proceso o de los límites de especificación. 15 . 2) El sistema de medición debe estar en control estadístico. el sistema de medición es impactado por fuentes de variación aleatorias y sistemáticas. existen ciertas propiedades fundamentales que definen un “buen” sistema de medición. Los incrementos de medición debieran ser pequeños relativos a la variación del proceso o límites de especificación para propósitos de mediciones. Estas fuentes de variación son debidas a causas comunes y especiales. Esta regla empírica tiene la intención de ser un punto mínimo inicial y práctico para selección de gages. Estas incluyen: 1) Discriminación y sensibilidad adecuados. Si es así.Capítulo l – Sección B El Proceso de Medición La administración tiene la responsabilidad de identificar las propiedades estadísticas más importantes para el uso final de los datos. 6 El analista de mediciones siempre debe considerar significancias prácticas y estadísticas.sigma y/o la variación total del estudio MSA. Las propiedades estadísticas del sistema de medición pueden cambiar conforme los artículos a ser medidos varíen. 2) Elimina (cuando sea posible) o monitorea estas fuentes de variación. Evalúa el sistema de medición con respecto a las tolerancias de la característica. establece que la discriminación del instrumento debiera dividir la tolerancia (o variación del proceso) en 10 partes o más. la variabilidad del sistema de medición debe demostrar una resolución efectiva y ser pequeño comparado con la variación del proceso de manufactura. Fuentes de Variación Similar a todos los procesos. Para lograr esto. Evalúa el sistema de medición con la variación de un proceso 6. así como métodos aceptables de medición de éstas. Aunque cada sistema de medición puede requerir contar con diferentes propiedades estadísticas.6 Esto significa que bajo condiciones repetidas. La variabilidad del sistema de medición debe ser pequeña comparada con los límites de especificación. la variación en el sistema de medición es debida solo a causas comunes y no a causas especiales. La comúnmente conocida como regla 10 o regla 1 a 10. Esto puede referirse como estabilidad estadística y es mejor evaluado por métodos gráficos. A fin de controlar la variación de un sistema de medición: 1) Identifica las fuentes potenciales de variación.

I.E... el laboratorio de metrología Eli Whitney y Bendix Corporation. Ver apéndice F para un modelo alternativo de errores. 16 . parte) Instrumento Persona/Procedimiento Medio Ambiente El acrónimo PPIPM7 es usado para representar los seis elementos esenciales de un sistema de medición en general para asegurar el logro de los objetivos requeridos. 7 8 Este acrónimo fue desarrollado inicialmente por Ms. Este puede tomarse como un modelo de errores para un sistema de medición completo. Pieza de Trabajo. Existen diferentes métodos para presentar y categorizar estas fuentes de variación tales como diagramas de causas y efectos. La figura I-B 1 despliega un diagrama de causas y efectos que muestra algunas de las fuentes de variación potenciales. Dado que las fuentes actuales de variación que afecten un sistema de medición son únicas a dicho sistema esta figura se presenta como un punto inicial para desarrollar las fuentes de variación de un sistema de medición. Persona y Procedimiento y Medio Ambiente. una metrologista asociada con Honeywell.8 Los factores que afectan estas seis áreas necesitan ser entendidos de manera que puedan ser controlados o eliminados.P.O.A. P P I P M Patrón Pieza de Trabajo (ej. P.M. significa Patrón.P.M. Mary Hoskins. pueden identificarse algunas fuentes de variación típicas.I. diagramas de árbol de falla. P. etc.S. Instrumento.Capítulo l – Sección B El Proceso de Medición Aunque las causas especiales dependen de la situación. aunque los lineamientos presentados aquí se enfocan a elementos principales de un sistema de medición.

Repetibilidad Reproducibilidad Variabilidad Estándar Compatibilidad Geométrica Caida deAire Artificial Sol Variabilidad en los Sistemas de Medición Luz 17 Contaminación de Aire Vibración Iluminación Ciclos Educacional Físico Experiencia Entrenamiento Expansión Térmica gente Limitaciones Patrones Visuales Componentes Igualación – Sistema de Componentes Definición Operacional Experiencia Habilidades Procedimiento Actitud Entrenamiento Temperatura Estándar vs Ambiental Estrés Ambiental Ergonómicos Personal (Evaluador) Entendimiento Capítulo l – Sección B El Proceso de Medición .m.Pieza de Trabajo (Parte) Características Interrelacionadas mass Limpieza Instrumentos (Gages) Variación de Construcción Vías Robustercer Estabilidad Diseño Uso Amplificación Contacto Geométrico Figura I-B 1: Diagrama de Causas y Efectos de la Variabilidad de un Sistema de Medición Deformación Elástica Propiedades Elásticas Soportes Futuros Construcción Tolerancia de Construcción Efectos de Deformaciones Linealidad Decuación de Datos Validación del Diseño camping Localización Puntos de Mediciones Pruebas de Mediciones Sensibilidad Consistencia Uniformidad Calibración Estabilidad Geometría Definición Operacional Coeficiente de Expansión Térmica Propiedades Elásticas Mantenimiento Rastreabilidad Calibración p.

El interés se orienta ya sea a la variación de la parte debida a causas comunes o a causas especiales del proceso.. repetibilidad y reproducibilidad. Históricamente. Otras clasificaciones adicionales pueden ser retrabajable. y como un ejemplo.. Aunque. así como el desempeño de un proceso. Filosofía Interés Control del producto Control del proceso ¿Está la parte en una categoría específica? ¿Es la variación del proceso estable y aceptable? Tabla I-B1: Filosofía de Control e Interés Guía 18 . Los efectos de las diferentes fuentes de variación en un sistema de medición debieran evaluarse en periodos de tiempo cortos y largos. Esto incrementa la estabilidad y consistencia a la capacidad de un sistema de medición. recuperable o desperdicio. está sobre meta (sin sesgo) y tiene una variación aceptable (repetibilidad y reproducibilidad de gages) (RRGs)) sobre un rango de resultados esperados. Para el resto de la discusión. La capacidad de un sistema de medición es el error (aleatorio) del sistema de medición mismo en un periodo de tiempo corto. la situación de las dos categorías será usada: fuera de especificación (“malo”) y dentro de especificaciones (“bueno”). lecturas repetidas sobre la misma parte no producen un mismo e idéntico resultado. o algunas veces solo “error”.Capítulo l – Sección B El Proceso de Medición Efectos de la Variabilidad de los Sistemas de Medición Debido a que un sistema de medición puede ser afectado por varias fuentes de variación. tamaños de pistones). variaciones debidas solo a causas comunes). Esto se logra determinando si nuestro proceso está en control estadístico (ej. con la filosofía de control del proceso. estable y consistente. Efectos en las Decisiones Después de medir una parte. una de las decisiones que pueden tomarse es determinar el status de dicha parte. Esto no restringe la aplicación de la discusión a otras actividades de categorización. Las lecturas varían una de otra debido a causas comunes y especiales. es el efecto de todas las fuentes de variación en el tiempo. se determinaría si la parte fue aceptable (dentro de especificaciones) o no aceptable (fuera de especificaciones). El desempeño de un sistema de medición. Otro escenario común es la clasificación de partes en categorías específicas (ej. uniformidad. Debido a que los resultados de un sistema de medición son usados para toma de una decisión acerca del producto y el proceso. La combinación de errores es cuantificada con la linealidad. el efecto acumulativo de todas las fuentes de variación es a menudo error del sistema de medición. Bajo la filosofía de control del producto esta actividad de clasificación sería la razón principal para medir una parte.

Capítulo l – Sección B El Proceso de Medición La siguiente sección trata de los efectos de los errores en las mediciones en la decisión de un producto. Por ejemplo. riesgo del consumidor o proporción perdida) si: NOTA: Proporción de Falsa Alarma + Proporción de Perdida = Proporción de Error. el proceso de medición está en control estadístico y tiene un sesgo de cero. Esto es. Puede tomarse a veces una mala decisión cuando alguna parte de la distribución de la medición arriba indicada se traslape sobre un límite de especificación. el potencial de tomar decisiones equivocadas para una parte existe solo cuando el error de los sistemas de medición interfecta a los límites de especificación. una parte mala algunas veces puede declararse como “buena” (error tipo II). considerar el caso donde toda la variabilidad en las lecturas múltiples de una sola parte es debida a la repetibilidad y reproducibilidad del gage. Efectos en las Decisiones de Productos A fin de entender mejor el efecto de errores en los sistemas de medición sobre las decisiones del producto. riesgo del productor o falsa alarma) si: y. Esto ofrece tres diferentes áreas: 19 . RIESGO es la probabilidad de tomar una decision que sera en detrimiento a un individuo ó proceso Esto es. con respecto a los límites de especificación. Posterior a ello existe una sección que aborda el impacto sobre decisiones del proceso. una parte buena puede algunas veces declararse “mala” (error tipo I.

Efecto en las Decisiones del Proceso Con el proceso en control. existen dos opciones: 1) Mejorar el proceso de producción: reducir la variabilidad del proceso de forma tal que las partes no se fabriquen en las áreas II. meta y variación de un proceso. las siguientes necesidades deben establecerse: • • • Control estadístico En meta Variabilidad aceptable Como se explicó en la sección previa.Capítulo l – Sección B El Proceso de Medición LSL USL I donde: I II III II III Meta II I Partes malas siempre serán declaradas como malas Potencial de tomar una decisión equivocada Partes buenas siempre serán declaradas como buenas Dado que el objetivo es maximizar las CORRECTAS decisiones relativas al status del producto. el error en las mediciones puede generar decisiones incorrectas acerca de un producto. 2) Mejorar el sistema de medición: reducir el error del sistema de medición para reducir el tamaño de las áreas II de tal forma que todas las partes que sean fabricadas caigan dentro del área III y por tanto minimicen el riesgo de tomar una mala decisión. El impacto en las decisiones del proceso sería como sigue: • • Llamar a una causa común como una causa especial Llamar a una causa especial como una causa común La variabilidad de los sistemas de medición puede afectar las decisiones en relación a la estabilidad. Esta discusión asume que el proceso de medición está en control estadístico y en meta. La relación básica entre la variación del proceso actual y observada es: 20 . Si alguno de estos supuestos es violado entonces existe una pequeña probabilidad de que un valor observado conduzca a una correcta decisión.

los resultados se mantienen también para el índice de desempeño Pp.79 a fin de lograr que el índice calculado (observado) sea 1. 9 10 Aunque esta discusión es usando Cp. Si el índice Cp del sistema de medición fuera en sí 1. Ver apéndice B para fórmulas y gráficas. el proceso requeriría no contar con variación si el resultado final tuviera que ser 1.33.33 – que es claramente una situación imposible.33. el Cp actual del proceso puede compararse gráficamente con el Cp observado.Capítulo l – Sección B El Proceso de Medición σ2obs = σ2actual + σ2msa donde σ2obs = varianza observada del proceso σ2actual = varianza del proceso actual σ2msa = varianza del sistema de medición El índice de habilidad9 Cp es definido como Cp = Rango de Tolerancia 6σ La relación entre el índice Cp del proceso observado y los índices Cp del proceso actual y el sistema de medición se deriva sustituyendo en la ecuación por Cp en la ecuación de la varianza observada de arriba: (Cp)-2obs = (Cp)-2actual + (Cp)-2msa Asumiendo que el sistema de medición está en control estadístico y en meta. si el índice Cp del sistema de medición fuera 2.10 Por tanto la habilidad del proceso observada es una combinación de la habilidad del proceso actual más la variación debida al proceso de medición. 21 . Por ejemplo. el proceso actual requeriría un índice de Cp mayor o igual que 1. Para alcanzar un objetivo de habilidad de un proceso específico se requeriría factorizar la variación de las variaciones.

las partes medidas con una maquina de coordenadas durante la compra y luego con un gage de alturas durante la producción. un Cp más pequeño). Sin este conocimiento puede haber esfuerzos en vano en buscar ver lo que está mal del nuevo proceso. existe a menudo una serie de Proceso Nuevo pasos que tienen que completarse como parte de la actividad de compra misma. tratamiento térmico o ensamble es comprado. las muestras medidas (ponderadas) en una escala electrónica o en una escala de laboratorio mecánica durante la compra y luego sobre una escala mecánica simple durante la producción.96 será el valor esperado aunque los resultados actuales varien alrededor de este valor. Por ejemplo.11 Cuando este proceso es estudiado en la producción y con el gage de producción. La situación más común que involucra el uso de instrumentos diferentes es el caso donde el instrumento usado con el proveedor cuenta con un orden de discriminación mayor que el del instrumento de producción (gage). maquinado.96. estampado.0 entonces el Cp del proceso observado será de 1. si el RRG del gage de producción es del 30% y el Cp del proceso actual es todavía 2. Si el RRG del sistema de medición es actualmente del 60% (aunque tal hecho no sea conocido) entonces el Cp observado sería de 1. En la realidad 1. Si el sistema de medición usado en cada localización no es consistente con el sistema de medición con el que el equipo será usado y bajo circunstancias normales. asuma que no existe variación en el muestreo. 22 .. En el caso donde el sistema de medición (de orden mayor) usado durante la compra cuente con un RRG de 10% y el Cp actual del proceso sea de 2. manejo de material.Capítulo l – Sección B El Proceso de Medición Aceptación de un Cuando un nuevo proceso tal como. se observará una mayor variación (ej.28. 11 Para esta discusión. Esto involucra a menudo algunos estudios hechos en el equipo en la localización del proveedor y luego en la localización del cliente.28 es debida al sistema de medición diferente. entonces puede generarse alguna confusión. manufactura. El peor escenario será que el gage de producción no esté calificado pero sea usado.71.96 versus 1. el Cp observado del proceso durante la compra será de 1.0. La diferencia en el Cp observado de 1. Por ejemplo.

el proceso es entonces ajustado. 1986. observa 5. En el ajuste. El sobreajuste del proceso a agregado variación y continuará haciéndolo así.20 gr pero esto no se sabe dado que nunca fue hecho el análisis del sistema de medición. 1982. Luego ajustar el proceso en una cantidad igual y en una dirección opuesta de la meta. Regla 4: Ajustar el proceso al punto de la última medición. Ahora el proceso está corriendo en 5.00 gr. Regla 2: Ajustar el proceso en una cantidad igual y en una dirección opuesta de donde el proceso fue medido al último. 23 . Si la pieza medida está fuera de meta.90 a 5. Las instrucciones de ajuste para procesos de metales preciosos es un ejemplo de la regla 3.12 El error en las mediciones complica el problema. Las reglas 2.10 gr entonces el operador ajusta el proceso otra vez. Massachussets of Technology. Suponer que los resultados de la escala usados para determinar el peso varían en +0. De acuerdo a las instrucciones del operador éste debe intentar ajustar el proceso hacia arriba por 0. La regla 1 es la mejor opción para provocar una variación mínima. Las instrucciones de operación requieren que el operador verifique el peso y haga ajustes cada hora en base a una muestra. Más tarde y el algunos casos otra pieza es medida y otra vez el proceso puede ajustarse.15 gr. Regla 3: Restablecer el proceso hacia la meta. Cuatro reglas del experimento de embudo son: Regla 1: No hacer ajustes o tomar acciones a menos que el proceso esté inestable.95 gr pero por el error en las mediciones el operador observa 4. Si los resultados están fuera del intervalo de 4. Considerar la situación donde el peso del acabado de un metal precioso sobre una pieza esta siendo controlado sobre una meta de 5. Deming se refiere a este tipo de mediciones y toma de decisiones como titubeo. Edwards. Cuando el operador cheque el ajuste ésta vez.3 y 4 agregan mayor variación en forma progresiva. suponer que el proceso está operando a 4.85 gr.10 gr para una meta. Deming usó para describir los efectos del titubeo. El Dr.08 gr. de manera que permita al proceso trabajar. W. Este es un ejemplo del experimento de embudo que el Dr.Capítulo l – Sección B El Proceso de Medición Ajuste / Control del Proceso (Experimento del Embudo) Con frecuencia las operaciones de manufactura utilizan una pieza en el comienzo del día para verificar que el proceso esté sobre meta. Out of the Crisis. 12 Deming.

los límites no reflejan la variabilidad del sistema de medición (regla 3).. Las partes son medidas.. En el entrenamiento del trabajo donde el operador A entrena al operador B y quien más tarde entrena al operador C. y se encuentran fuera de meta.. Similar al juego del “teléfono descompuesto” (regla 4). Autocompensaciones que ajustan al proceso en base a las últimas partes fabricadas (regla 2). Restablecimiento de un patrón para el sistema de medición del control del proceso después de un número arbitrario de usos sin alguna indicación o historia de algún cambio (causa especial) (regla 3). • • • 24 . sin material de entrenamiento estándar. aunque al graficarse sobre la gráfica de control el proceso se muestra estable – luego entonces no se toma ninguna acción (Regla 1).Capítulo l – Sección B El Proceso de Medición Otros ejemplos del experimento de embudo son: • • Recalibración de gages en base a límites arbitrarios – ej.

reglas. No todas las características del producto y proceso requieren sistemas de medición y cuyo desarrollo cae en este tipo de escrutinio. máquinas de coordenadas. Instrumentos y dispositivos simples de medición (ej. La decisión del nivel apropiado debe recaer en el equipo APQP para el proceso de medición y los clientes. complejidad y propósito de un sistema de medición puede conducir a diferentes niveles de administración de un programa. análisis de sistemas de medición u otra consideración especial para la selección. cintas para medir. Complejidad El tipo.. Sentido común es la guía en cualquier caso. evaluación y control de las mediciones. Herramientas simples de medición estándar como micrómetro o calibradores pueden no requerir ésta estrategia de planeación a profundidad. Una regla empírica básica es si la característica a medir en el componente o subsistema ha sido identificada en el plan de control o es importante en la determinación de la aceptación del producto o proceso. Muchas decisiones hechas durante la etapa de planeación pudieran afectar la dirección y selección de un equipo de medición. gages de atributos o límites ajustados) pueden no requerir el nivel de administración. la profundidad en el conocimiento del proceso y el sentido común. En algunos casos y debido al riesgo involucrado en los componentes a ser medidos o por el costo y complejidad del dispositivo de medición el cliente del FEO (Fabricante de Equipo Original) puede usar el proceso APQP y decidir una estrategia de medición con el proveedor. planeación o análisis que demanden otros sistemas de medición complejos o críticos (ej. stands de prueba. Otra guía sería el nivel de tolerancia asignado a una dimensión específica. etc.). ¿Cuál es el propósito y cómo será usado el resultado de una medición?. 25 . Cualquier sistema de medición puede requerir mayor o menor planeación estratégica y el escrutinio depende de la situación de un producto o proceso dado..Capítulo l – Sección C Planeación y Estrategia de las Mediciones Sección C Planeación y Estrategia de las Mediciones La planeación es clave antes de diseñar o comprar un equipo o sistemas de medición. las consideraciones para el control de gages y el sistema de calibración de soporte. La etapa de planeación establecerá el curso y tiene un efecto significativo en qué tan bien el proceso de medición opere y puede reducir posibles problemas y errores de medición en el futuro. El grado actual de involucramiento o implementación en muchas de las actividades abajo indicadas debiera ser dirigido por el sistema de medición particular. sistemas de gages en línea y automatizados. masters de referencia. planeación estratégica.

26 . Esto ayudaría en el desarrollo de planes de mantenimiento y calibración. Por ejemplo. Un método para capturar aspectos clave similares a éstos sería el uso de AMEFPs para analizar áreas de riesgos en el diseño de gages. Aquí se presentan algunos lineamientos: El equipo necesita evaluar el diseño del subsistema o componente e identificar características importantes. Desarrolla un diagrame de flujo que muestre los pasos críticos del proceso en la manufactura o ensamble de la parte o subsistema. La misma medición. sobre la misma característica. un equipo multifuncional de individuos desarrollará un plan y concepto para el sistema de medición requerido para el diseño. control del proceso. Por ejemplo. Si las dimensiones importantes ya han sido identificadas. si la característica importante de un componente plástico moldeado por inyección estuviera en una línea de moldeo de partes. También. Estas se basan en los requerimientos de los clientes y la funcionalidad del subsistema o componente del sistema total. Esto ayudara en el desarrollo de los criterios y requerimientos del equipo de medición afectados por la localización en el proceso.Capítulo l – Sección B El Proceso de Medición Identificación del Propósito de un Proceso de Medición El primer paso es establecer el propósito de las mediciones y cómo serán utilizadas. un detallado concepto de ingeniería del proceso de medición es desarrollado. Al nivel de mediciones le siguen el nivel de entendimiento del proceso. Usando el propósito arriba desarrollado. La dependencia en la información de la característica de una parte llega a ser menor y el plan de muestreo puede reducirse para dar significado a este entendimiento (de 5 parte por hora a una parte por turno). desarrollo del producto y el proceso y análisis del “Ciclo de Vida de las Mediciones”. La mayoría de las mediciones y monitoreos pudieran terminar eventualmente con los proveedores de los materiales de recibo. Ciclo de Vida de las Mediciones Criterios para selección del Diseño de un Proceso de Medición Antes de que un sistema de medición pueda ser comprado. Un equipo multifuncional organizado en las etapas iniciales del desarrollo del proceso de medición es crítico en el logro de esta tarea. evaluar la capacidad para medir dichas características. El concepto de Ciclo de Vida de las Mediciones expresa la creencia de que los métodos de medición pueden cambiar en el tiempo conforme uno aprende y mejora el proceso. tanto de su habilidad para medir la parte como el gage de funcionalidad (AMEFDs y AMEFPs). el método de medición puede cambiar en la medición de una máquina de coordenadas a una forma de gage por atributos. Identifica las entradas y salidas clave de cada paso en el proceso. en la misma área del proceso y sobre un periodo extenso de tiempo es evidencia de una falta de aprendizaje o un proceso de medición estancado. Esto puede conducir al entendimiento de características críticas para el control del proceso que directamente afecten las características de una parte. el chequeo dimensional sería difícil y la variación de las mediciones alta. Se hacen consideraciones específicas en relación a auditorias. la medición puede iniciar en la característica de un producto para establecer estabilidad y habilidad del proceso. Eventualmente puede encontrarse que una pequeña parte del monitoreo puede requerirse siempre y cuando el proceso se mantenga o la medición y monitoreo del mantenimiento y el herramental pueda ser todo lo que se necesite.

etc. etc.? • • • • • • Recordar el uso de datos para sustentar supuestos comunes acerca del proceso de medición. calificación.14 Ver el ejemplo en figura 2 como un punto inicial de pensamiento. manuales – operación. fuera de línea. ¿Qué nivel de sensibilidad se requiere? ¿Cuál es la especificación del producto? ¿Cuál es la variabilidad esperada del proceso? ¿Qué tanta diferencia entre las partes necesitará detectar el gage? ¿Qué tipo de información será ofrecida con el gage (ej. Es mejor estar seguros y recolectar datos del medio ambiente.? ¿La localización de las partes y los posibles dispositivos son fuentes de variación? ¿Es con o sin contacto? ¿Cómo serán calibradas las verificaciones y éstas serán comparadas con otros procesos de medición? ¿Quién será responsable por los patrones de calibración? ¿Cuándo y dónde serán tomadas las mediciones? ¿La parte estará limpia. 1986. sobre un transportador en movimiento. la medición en sí y el regreso de la parte o subsistema al proceso.? La forma en que las mediciones serán usadas puede cambiar el nivel de sensibilidad del sistema de medición mismo.Capítulo l – Sección C Planeación y Estrategia de las Mediciones Un plan de mediciones y una lista de tipos de mediciones se obtendría de esta investigación. Ver Guía para el Control de Calidad. Esto incluiría el envío de la parte o subsistema a ser medido. 13 14 Esto puede considerarse en un plan de control preliminar. Uno de los métodos simples a usar es el diagrama de causas y efectos. mantenimiento.) y qué habilidades básicas del operador son requeridas? ¿Quién realizará el entrenamiento? ¿Cómo son tomadas las mediciones? ¿Serán hechas en forma manual. caliente. etc. con aceite. en forma automática. más que tomar decisiones en base a información equivocada y tener un sistema desarrollado que no sea robusto en aspectos clave ambientales. Luego utiliza algún método de tormenta de ideas con el grupo para desarrollar criterios generales para cada medición requerida. ¿Por qué debe tomarse la medición y cómo será utilizada? ¿Los datos deberán usados para control. Algunas preguntas adicionales a considerar en relación a la planeación de las mediciones: • ¿Quién debe estar involucrado en el análisis de las “necesidades”? el diagrama de flujo y la discusión inicial facilitarán la identificación de los individuos clave.13 Para sistemas de medición complejos. Kaoru Ishikawa. se hace un diagrama de flujo del proceso de medición mismo. publicado por la organización asiática de productividad. etc.. clasificación. 27 .

Durante y después de la fabricación del equipo de medición y el desarrollo del proceso de medición (métodos. cuando se desarrollen y diseñen conceptos y propuestas. Estos estudios y datos serán usados para entender este proceso de medición de forma tal que dicho proceso y procesos futuros puedan mejorarse.Capítulo l – Sección B El Proceso de Medición Investigación de Varios Métodos de Procesos de Medición Diseño y Desarrollo de Conceptos y Propuestas Los métodos de medición actuales debieran investigarse previo a la inversión en nuevo equipo.) serán realizados estudios experimentales y recolección de datos. usa equipo de medición que cuente con registros de rastreo probados. 28 . Cuando sea posible. documentación. Los métodos de medición probados pueden ofrecer una operación más confiable. etc. entrenamiento. Hacer referencia a “elementos sugeridos para un checklist de desarrollo de un sistema de medición” al final del capítulo I. sección D.

Esto puede resultar en un saludable juego entre varias funciones de equipos – conceptos que se deriven del proceso de planeación pueden modificarse antes de que el proveedor de gages llegue al diseño final que satisfaga los requerimientos del sistema de medición.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Sección D Desarrollo de las Fuentes de Medición Introducción PROCESO DE MEDICIÓN ENTRADAS SALIDAS Esta sección aborda el esquema de tiempo para cotizaciones / suministros de la vida de un proceso de medición se ha desarrollado para que sea una discusión acerca del procesos de desarrollar un paquete de cotización del proceso de medición. Una vez que se ha acordado un concepto y se ha establecido una relación cliente / proveedor para el proyecto en puerta. No es una descripción de trabajo para el comprador o agente de compras. completando el diseño final. Dado que el trabajo básico y necesario para una efectiva y futura relación se hace en esta etapa. Se recomienda fuertemente que este capitulo no sea usado sin la lectura y entendimiento de la discusión completa acerca de los procesos de medición. Para obtener el máximo beneficio de un proceso de medición. lo que se tiene que entregar y los métodos con los cuales debe lograrse. Generalmente. La comunicación entre el cliente y el proveedor en este punto es especialmente importante. casando el proceso de medición con el proceso de producción para el cual fue creado. las actividades de diseño en detalle. otorgando el proyecto. Las actividades descritas aquí requieren del involucramiento de un equipo para completarse exitosamente y debiera ser administrado dentro del esquema global de un equipo de Planeaciones Avanzadas de Calidad de Productos (APQPs). La comunicación anticipada es crucial para el éxito del proyecto. El cliente y proveedores necesitan entender totalmente los requerimientos del proyecto. Dado que puede haber varios niveles de aprobaciones de conceptos a realizarse. finalmente. y posibles cambios ambientales así como el potencial de cambio de los miembros del equipo. Este entendimiento se deriva de la comunicación oportuna y precisa entre las dos partes.15 Este capítulo fue escrito con la filosofía de equipo en mente. fabricación del proceso de medición y desarrollo pueden empezar. el proyecto del proceso de medición pudiera ser titubeante a aún fallar. obteniendo respuestas a dicho paquete. El foro y formato ideal para esta actividad es el proceso APQP. estudiarlo y abordarlo como si fuera un proceso con entradas y salidas. Este riesgo se reduce si se mantiene una comunicación detallada y frecuente y documentada entre el cliente y el proveedor y se designa la responsabilidad formal (un individuo)por ambas partes para mantener comunicación. Sección B 29 . desarrollando el proceso de mejoramiento y. el “proceso de adquisición” comienza con la comunicación formal entre el cliente y el proveedor para un proyecto dado. 15 Ver Capítulo I. El proceso de adquisición comienza con la presentación formal del cliente del intento del proyecto en forma de una Solicitud Para Cotización (SPC) seguida por la explicación formal del proveedor de su propuesta para cumplir con este intento (Cotización).

Cuando tal sea el caso. Cuando los esquemas de datos no cuadren a lo largo del proceso de manufactura. esto puede determinarse lo antes posible en el proceso APQP. hacerse idénticos) a lo largo del proceso de manufactura y el sistema de medición. Puede haber ocasiones en que un esquema de datos usado en un ensamble final no pueda cuadrar posiblemente con el usado en un proceso de manufactura de un subcomponente. cilíndrica o tubular. Durante este proceso. dependiendo de la organización específica. las actividades alrededor de la adquisición del proceso / sistema pueden empezar. Ciertas mercancías presentan propiedades que pueden producir más problemas que otras.. puede haber problemas de ajuste. La responsabilidad inicial para esto puede dejarse en el ingeniero de diseño del producto. tal como. etc. en el control dimensional. el centrado de un árbol de levas o alguna otra característica de redondeo. diferentes esquemas de datos pueden necesitar ser explorados a fin de entender el impacto de las diferencias. de forma tal que los miembros del equipo entiendan posibles dificultades y conflictos que puedan aparecer adelante y cuenten con oportunidades para hacer algo al respecto. y esto necesita establecerse muy anticipadamente en el proceso de APQP. un árbol de levas debe ser manufacturado sobre centros pero las propiedades importantes del producto están en sus lóbulos.. conduciendo a un control inefectivo del proceso de manufactura.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Después de que el proceso de medición ha sido diseñado conceptualmente. 30 . particularmente en los sistemas de medición. Por ejemplo. Coordinación de Datos (Datum) Idealmente con la prevalencia actual en el uso de Tolerancias y Dimensionamiento Geométrico (GD&T) los datos necesitan ser coordinados (ej. Un método o esquema de datos puede requerirse para la manufactura mientras que otro esquema es requerido para la medición de un producto final. etc. pueden medirse cosas equivocadas.

diseño (GD&T) de ingeniería del producto “correcto” y el diseño del proceso “correcto” (aquel que permita las mediciones en el tiempo y localización en el proceso apropiados) se hallan resuelto. el equipo de APQP sin muchas entradas de una fuente de gages puede desarrollar ciertos conceptos de gages. Esto puede ser dirigido por la complejidad del sistema de medición y una decisión del equipo acerca de lo que hace sentido. necesita desarrollarse un concepto de ingeniería detallado del proceso de medición mismo. Ejemplos de multitudes de posibles aspectos críticos que necesiten ser abordados por el equipo cuando se desarrolle un concepto detallado pueden encontrarse en los “Elementos Sugeridos por el Checklist del Desarrollo de un Sistema de Mediciones” al final de esta sección. Sin embargo ésto no debiera demeritar la consideración de éstos aspectos críticos con los miembros del equipo apropiados y en forma anticipada en el proceso APQP. Para desarrollar mejor este concepto.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Prerrequisitos y Supuestos Antes de discutir el desarrollo con el proveedor del gage. Algunos pueden ser dictados o pesadamente implicados por el diseño del producto. El equipo puede investigar varios aspectos críticos para ayudar a decidir que dirección o camino será seguido para el diseño del proceso de medición. etc. Es tud io Pl er ce Ha S Proceso de Selección de Fuentes de Gages an ea r A P Concepto de Ingeniería Detallado A Ac rr tua D Desarrollo del Paquete de Cotización Antes de que el paquete de solicitud para cotización de un proceso de medición pueda ser suministrado al proveedor potencial para propuestas formales. Otros conceptos pueden requerir la pericia de la fuente de gages. se asume que aspectos críticos tales como. necesitan responderse varias preguntas. Existe un pequeño traslape en algunas actividades o en el orden de estas actividades dependiendo del programa / proyecto particular u otras restricciones. Por ejemplo. calidad. El proveedor de gages desarrollará una clara apreciación del proceso de producción global y el uso del producto de manera que se rol es entender no solo por él sino por otros en el quipo (manufactura. ingeniería. El equipo de individuos que se emplee y sea responsable por el mantenimiento y mejoramiento continuo del proceso de medición tiene responsabilidades directas para desarrollar el concepto detallado. Esto puede ser parte del equipo de APQP. 31 .). Se asume que el proveedor del gage será involucrado en el proceso APQP con el enfoque de equipo.

lubricado de piezas después de un número designado de horas de operación. Gages simples pueden solo requerir una inspección en intervalos regulares.. lubricación.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Todos los clientes a menudo confían fuertemente en proveedores para soluciones. los fundamentos e intento del proceso necesitan ser totalmente entendidos y anticipados por el equipo que sea dueño del proceso. apoyado y mejorado.)?. análisis de vibraciones. será de menos desperdicio que la conducción del mantenimiento preventivo sobre un sistema con técnicas tradicionales. Especificaciones Las especificaciones sirven como lineamiento pare el cliente y el proveedor en el diseño y construcción de un proceso. Muchas actividades tales como drenado de filtros de aire diariamente. Después de que el proceso de medición es implementado y puesto en uso.. • • Estándares de diseño Estándares construidos El formato de los estándares de diseño puede ser diferente dependiendo de quien está pagando el proyecto. pueden planearse antes de que el sistema de medición se construya totalmente. Las actividades del mantenimiento preventivo planeado debieran coincidir con la iniciación de la planeación del proceso de medición. los datos que pertenezcan a la función del proceso de medición necesitan ser recolectados y graficados en el tiempo. 32 . integridad del medio de prueba. etc. Métodos analíticos simples (gráficas de corridas y análisis de tendencias) pueden realizarse para determinar la estabilidad del sistema. mientras que sistemas más complejos pueden requerir análisis estadísticos detallados y continuos y un equipo de ingenieros para mantenerlos en un estado predictivo. Aspectos clave de costos pueden afectar el formato. etc. Los estándares o patrones aceptables pueden considerarse en dos categorías. Los métodos de recolección de datos y recomendaciones para mantenimiento relacionadas con estas actividades pueden obtenerse del fabricante original o desarrolladas por personal de ingeniería de planta. Muchas de estas actividades dependen de la complejidad del sistema de medición y el dispositivo o aparato. conforme el juicio de la estabilidad del sistema lo dicte. Luego entonces el proceso es propiamente usado. Estos lineamientos sirven para comunicar estándares aceptables. Eventualmente. La conducción del mantenimiento preventivo sobre un sistema estable. pueden programarse rutinas de mantenimiento preventivo. Antes de que un cliente aun proveedor sugiera soluciones para problemas del proceso. y se desarrolle e implemente. reemplazo de partes. manufactura y calidad. Consideraciones de Mantenimiento Preventivo ¿Qué actividades debieran programarse para el mantenimiento preventivo (ej. y en base a información de series de tiempo. De hecho esto se prefiere y mejora la planeación anticipada y los costos en las mediciones.

copia manual. Unigrafics. Puede también cubrir normas de desempeño para un sistema de medición más complejo. ASTM u otra organización. y el proveedor de gages debe tener acceso al más reciente nivel y entender estas normas.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Generalmente es una buena idea contar con un diseño documentado y en detalle suficiente de manera que el diseño mismo pueda ser construido o reparado para su intento original por cualquier constructor calificado – sin embargo. La tolerancia construida no debe ser ofrecida solo como un porcentaje de la tolerancia del producto mismo.) para el fabricante. SAE. Los FEOs pueden requerir el uso de normas particulares en las fases de diseño o construcción y pueden aún requerir aprobaciones formales antes de que el sistema de medición pueda ser liberado para su uso. Las normas o estándares construidos cubren tolerancias en las cuales el sistema de medición debe ser construido. IGES. flexibilidad. reducción de costos y. ¿Los conceptos promueven simplicidad y facilidad de mantenimiento? APROBACIÓN 33 . una apropiada planeación y estandarización pueden conducir a la intercambiabilidad y flexibilidad. El formato requerido del diseño final puede estar en forma de CAD o dibujos de ingeniería en papel. Las normas de diseño detallarán el método de comunicar el diseño mismo (CAD – ej. Puede involucrar normas de ingeniería seleccionadas de FEOs.. Las tolerancias de construcción deben basarse en la combinación de las habilidades del proceso usado para fabricar el gage o componente del gage y la criticalidad de la medición esperada. generalmente amenos errores en las mediciones de largo plazo. Si se requieren dispositivos o sistemas por duplicado. Evaluación de Cotizaciones C O N C E P T O C O T I Z A C I O N Conforme se reciban las cotizaciones. El uso de componentes o subensambles estandarizados también conduce a intercambiabilidad. el equipo debe integrarse para revisarlas y evaluarlas. CATIA. Ciertos puntos pueden hacerse notar: ¿Se cumplen los requerimientos básicos? ¿Existen algunos aspectos sobresalientes? ¿Alguno de los proveedores exhiben una condición excepcional y por qué? (una condición excepcional pudiera ser una disparidad significativa con respecto al precio o envío – esto no necesariamente sería descontado como un factor negativo – un proveedor pudo haber detectado un artículo de otros no previsto). esta decisión puede ser dirigida por costo y criticalidad. etc.

Manuales de mantenimiento con dibujos de los equipos y los pasos para ensamblar y desensamblar adecuadamente los componentes del equipo mismo.Capítulo l – Sección D Desarrollo de las Fuentes de Medición La documentación es algunas veces no-tomada en cuenta cuando se adquiere un proceso de medición. Lista de refacciones sugeridas de uso pesado o de puntos / detalles de desgaste. Reportes de certificación (rastreabilidad con NIST cuando aplique). la documentación requerida para cualquier proceso debe incluir más que el ensamble y dibujos detallados del equipo de medición. La significancia que toma la documentación con respecto a cualquier proyecto es a menudo mal entendida. Dado que la documentación es una forma de comunicación. El tema central aquí es comunicación. Por tanto. puesta a punto y operación y requerimientos de transporte del equipo. aunque esta documentación no hace nada con respecto a definir puntos potenciales para el montaje. el operador del sistema y el personal de mantenimiento. Ofrece al usuario rutas alternativas posibles para alcanzar los puntos de destino deseados (guías de solución de problemas o árboles de diagnóstico) si la ruta principal es bloqueada o cerrada. lógica y software. Esta lista debiera incluir puntos que pueden requerir tiempos de anticipación considerables para adquisición. Guías de árboles de diagnóstico y solución de problemas. • • • • • • La lista anterior puede ser usada como un cheklist al organizar un paquete de cotización. La documentación efectiva de cualquier sistema sirve para el mismo propósito que un buen mapa en un viaje. Un paquete completo de documentación puede incluir: • • • Conjunto reproducible de dibujos de ensamble y mecánicos detallados (CAD o copia en papel) (incluyendo cualquier master requerido). sin embargo no necesariamente incluye todo. Instrucciones de calibración. La estrategia usual atrás de la documentación es ofrecer un conjunto original de diseños mecánicos y eléctricos (CAD o dibujos en papel) para el hardware del proceso de medición en el tiempo del envío. sugerir posibles áreas problemáticas o describir como usar el proceso. el equipo y otros deben estar involucrados en cada nivel del desarrollo del paquete de documentación del proceso de medición. sugiere al usuario cómo llegar de un punto a otro (instrucciones del usuario o gage). Manuales del usuario que puedan ser usados por el personal de soporte técnico. Manuales definiendo los requerimientos de servicios para ajuste. 34 . Por ejemplo. Conjunto reproducible del cableado eléctrico. Esto puede satisfacer los requerimientos iniciales de implementación.

Después de un exitoso layout dimensional. El cliente debiera predeterminar con el proveedor (y quizás con el FEO) exactamente que tipo de análisis se requiere en este punto y debiera estar conciente de algún lineamiento que se requiera para el proveedor. Los resultados de tal layout dimensional y/o de pruebas debieran obtenerse de acuerdo con el diseño del cliente y los estándares construidos y ser completamente documentados y disponibles para revisión por el cliente. conocimientos y experiencia para lograr los análisis apropiados. Envíos CHECKLIST • • • • • • • ¿Cuándo debiera ser enviado el equipo? ¿Cómo debiera enviarse? ¿Quién retira el equipo del camión o vagón? ¿Se requieren seguros? ¿La documentación debiera enviarse con el hardware? ¿El cliente cuenta con el equipo apropiado para descargar el hardware? ¿Dónde será almacenado el sistema hasta el envío? 16 Ver Apéndice D 35 . Si no. el proveedor seleccionado debe contar con equipo de medición y personal calificado en planta a fin de lograr esto.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Calificación con el Proveedor El gage o sistema de medición debiera ofrecer un layout dimensional y pruebas de funcionalidad completas. con el proveedor del sistema de medición antes del envío. Esto otra vez requiere nuevamente que el proveedor cuente con personal. el proveedor debiera ejecutar un análisis del sistema de medición preliminar y formal. debiera hacerse notar que este es meramente preliminar y puede ser necesario un juicio para la aceptabilidad de los resultados. negociación o acuerdo común son: • Objetivo del estudio MSA preliminar: Repetibilidad del Gage (RG16) versus repetibilidad y reproducibilidad (RRG) Evaluación del sesgo y/o linealidad Evaluación del propósito del cliente para las mediciones • Cantidad de piezas. Algunos aspectos clave que puedan requerir discusión. intentos y operadores en estudio Criterios de aceptación • • Uso de personal del proveedor versus personal suministrado por el cliente Entrenamiento necesario para el personal ¿Está calificado? ¿Entiende la intención? ¿Qué software pudiera utilizarse? Cualquier resultado que se logre en este punto en el tiempo. debieran hacerse prearreglos para que se haga este trabajo en un laboratorio independiente y externo calificado. cuando aplique. Obviamente.

La documentación original o reproducible no necesita ser enviada en este tiempo porque puede ser necesaria una revisión potencial después de su implementación. cuando aplique.Capítulo l – Sección D Desarrollo de las Fuentes de Medición • • ¿Dónde será almacenado el sistema hasta su implementación? ¿La documentación de envío está completa y fácilmente entendible para el cargador. La atención a detalle por todas las partes involucradas es vital para el éxito eventual de un sistema de medición y el uso de datos que genere. si se requieren por el equipo Diagrama de flujo del proceso del sistema. como mínimo. es una idea inteligente no tener el paquete de documentación original enviado hasta después de que el sistema completo es implementado – generalmente los proveedores son más eficientes en la actualización de la documentación que los clientes. Cuando se comparen los resultados antes y después del envío. Envío de Documentación La información que se requiere. para ayuda en la implementación y arranque de cualquier sistema es la siguiente: (esta información debe ser enviada al cliente previo al envío) • • • Dibujos de CAD o en papel. El alcance de este layout puede balancearse contra el trabajo de layout hecho previamente con el proveedor del sistema de medición y previo al envío. la documentación enviada necesita ser identificada como preliminar. descargador y cuadrilla de instalación? Calificaciones con el Cliente Generalmente. estándares de aceptación y métodos de análisis usados aquí debieran ser considerados seriamente. De hecho. 36 . y la confiabilidad en la calidad de los resultados de layout hechos con el proveedor así como la falta de algún daño potencial por envío. transportador. lo que se ha hecho para calificar el sistema de medición anteriormente con el proveedor y antes del envío debiera repetirse de alguna forma con el cliente una vez que el envío se ha completado. el sistema de medición debiera ejecutársele un layout dimensional completo para confirmar que cumple con los requerimientos / normas de construcción. Dado que ésta llega a ser la primera oportunidad real para estudiar el sistema de medición en su ambiente esperado. Antes de que cualquier análisis de mediciones comience después del recibo. Manuales del usuario Manual de servicio / mantenimiento Lista de refacciones Guía para solución de problemas • • Instrucciones de calibración Cualquier consideración especial En principio. estar concientes de que es probable alguna diferencia en las mediciones por la diferencia en los sistemas de medición.

personal de mantenimiento. humedad.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Elementos Sugeridos para un Checklist del Desarrollo de un Sistema de Medición Esta lista debiera modificarse en base a la situación y tipo del sistema de medición. diagramas de causas y efectos o matrices. tipos de probadores. en los casos en que MMC. tormenta de ideas. estudios de laboratorio. máquinas de medición por coordenadas.. etc. compatibilidad. ingenieros.. probadores de superficie de contacto total. medio ambiente. ej.I. mantenimiento.P. salón de clases.? El medio ambiente llega a ser un aspecto clave con tolerancias bajas y ajustadas y en el nivel de micrones. deflexión de las partes. procesamiento de imágenes. técnicos. temperatura. Esto podría ser un factor de auto-retroalimentación en proceso en los tipos de mediciones. contaminantes de aire. Preparación de la Parte: La parte debiera estar limpia. 37 . Antes de la medición. El desarrollo del checklist final debiera ser el resultado de la colaboración entre el cliente y el proveedor. etc. ¿Se requiere que el área esté limpia? Puntos de medición y localización: Define claramente. velocidad.M. la localización de los dispositivos y puntos de sujeción y donde las mediciones de la parte sean tomadas. ultrasónico. etc. Esto puede determinarse con los requerimientos del plan de control y la frecuencia de las mediciones (gages de contacto total pueden conseguir ajustes excesivos durante muestreos continuos). inspectores. o P. movimiento de aire en el ambiente. Método de Arreglo: En estado libre vs parte sostenida y sujetada.) usando equipos.O.E. MMC vs comparador óptico. aplicación práctica. inspección de embarque e inspección recibo responden a DOEs? ¿Quién usará el proceso? ¿operadores.I. Los gages flexibles serán más caros pero pueden ahorrar dinero en el largo plazo. auditorias de proceso. usando GD&T. oficina. etc.E. Orientación de la Parte: Posición del cuerpo contra otro. etc. plan muestra. con temperatura estabilizada. Aceite para corte. conocimiento profundo del proceso. Localización del Transductor: Orientación angular.W. el piso de producción. etc. el laboratorio. gages. costo. vibración. Contacto vs No Contacto: Confiabilidad. sin aceite. habilidades del personal requeridas. ingenieros. calibración. dispositivos de gages. tipo de probador. interferencia electromagnética (IEM).A. los sistemas de visiones. ¿Se han identificado las fuentes de variación? Construir un modelo de errores (S. periodo de aprendizaje. ¿Se ha desarrollado un AMEF para el sistema de medición? Sistemas de medición flexibles vs dedicados: Los sistemas de medición pueden ser permanentes y dedicados o pueden ser flexibles y tener la habilidad de medir diferentes tipos de partes. Medio Ambiente: ¿Polvo. escombros para corte y temperaturas extremas pudieran llegar también a ser aspectos clave. auditores? Entrenamiento requerido: Operador. También. tipo de propiedad. monitoreo de la producción. Aspectos clave del diseño y desarrollo de un sistema de medición: ¿Qué es lo qué se mide? ¿Qué tipo de característica es? ¿Es una propiedad mecánica? ¿Es dinámica o estática? ¿Es una propiedad eléctrica? ¿Existe una variación dentro de las partes significativa? ¿Para qué propósito los resultados (salidas) del proceso de medición serán usados? ¿El mejoramiento de la producción.S. jets de retroalimentación por aire. procesamiento de imágenes. ruido. distancia de los localizadores primarios o redes.

torsión. el mantenimiento en servicio y las condiciones de operación. medio ambiente. Sistema de Control y Calibración: Programa de calibración recomendado y auditoria al equipo y documentación. programa. recuperación. durabilidad. medición dimesnional. procesamiento de imagen. lista de partes estándar. aislamiento. de errores de medición y de mantenimiento. torque. Mediciones de Pruebas Destructivas vs No Destructivas (PND): Ejemplos: prueba de tensión. archivo. costo. La sensibilidad se determina por el diseño y calidad (FEO) inherente del gage. patrón. Almacenamiento y Localización: Establece los requerimientos alrededor del almacenamiento y localización del equipo de medición. operación. prueba de cámara salina. fuerza de soldado. filtros. compra. eléctricos. Frecuencia. interno o externo. Aspectos clave de cubiertas. Mantenimiento Preventivo: Tipo. entrenamiento. Facilidad de Servicio: Interno y externo. seguridad. neumáticos. medir y devolver la parte? 38 . personal. parámetros. supresores de pico. medio ambiente. Costo: Factores de presupuesto para el desarrollo. secadores. integridad del lote. operación y entrenamiento. Ergonomía: Habilidad de cargar y operar el equipo sin daños en el tiempo. documentación y registros.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Aspecto # 1 de Correlación – Gages Duplicados: ¿Se requieren los gages por duplicado (o más) dentro o entre plantas para soportar los requerimientos? Consideraciones de construcción. documentación. protegido. Consideraciones de Seguridad: Personal. dependencia del operador. estandar. ¿Cuál es considerado el estándar? ¿Cómo será calificado cada uno? Aspecto #2 de Correlación. estrés. Rango Potencial de Medición: Tamaño y rango esperado de las mediciones concebidas. Resolución Efectiva: ¿La medición es sensible a los cambios físicos (habilidad para detectar variación del proceso o producto) para una aplicación particular y aceptable? Sensibilidad: ¿La señal de entrada es la más pequeña en medida y la cual resulta en una señal de salida detectable (discernible) y aceptable para la aplicación del dispositivo de medición). dureza. localización. fuera de línea. para capturar. soporte. Aspectos Clave de Construcción de un Sistema de Medición (equipo. espesor de cubierta de pintura / acabado. ¿Habrá alguna interrupción al flujo del proceso. aspectos clave de ajuste y operación. propiedades eléctricas. tiempo de respuesta. instrumento): ¿Se han abordado las fuentes de variación identificadas en el diseño del sistema? Revisiones de diseño.Divergencia en Métodos: La variación en las mediciones resulta de diferentes diseños de sistemas de medición ejecutándose en el mismo producto / proceso y dentro de una práctica y límites de operación aceptables (ej. instalación. nivel de soporte. impacto. resultados de mediciones de MMC vs manual o ajuste abierto). disponibilidad de partes para servicio. Requerimientos de Salidas / Resultados: Análogos o digitales. etc. discriminación y sensibilidad. chequeos de verificación en proceso. Automatizado vs Manual: En línea. La necesidad de discusiones sobre los dispositivos de medición para orientarse en aspectos clave en cómo el sistema de medición es interdependiente con el operador. disponibilidad (proximidad). Tiempo de Ciclo de la Medición: ¿Cuánto tiempo llevará medir una parte o característica? Ciclo de medición integrado al control del proceso y el producto. verificaciones y validaciones. Requerimientos de Entradas: Mecánicos. almacenamiento. análisis químico.. hidráulicos.

métodos de revisión. y necesidad de estudios de largo plazo. ¿Se requiere tiempo muerto? Almacenamiento: ¿Se requieren requerimientos o consideraciones especiales relativos al almacenamiento del dispositivo de medición? Cubiertas. solenoides. Disponibles y desplegadas apropiadamente. soporte. switches. gráficas. métodos de resumen. medio ambiente. disponibilidad. etc. mangueras. recursos y costo. esfuerzo. suministros adecuados y un sistema para ordenamiento en piso. cinturones. servicios contratados y externos? Entrenamiento: ¿Qué entrenamiento será necesario para los operadores / inspectores / técnicos. ¿Estos errores de largo plazo pueden ser medidos. fatiga. válvulas. frecuencia de revisiones. procedimientos de limpieza. ¿Existen algunos requerimientos o condiciones de confiabilidad especiales? ¿Se mantiene el equipo en el tiempo? ¿Esto necesita verificarse antes del uso para producción? Refacciones: Lista común. Documentación: Dibujos de ingeniería. almacenamiento. limitaciones físicas o aspectos de salud: ceguera en color. limitaciones. Interpretación de datos. ruido. Calibración: Comparación con patrones aceptables. calidad? ¿Qué métodos de evaluación serán usados? ¿Existe un sistema para identificar mejoramientos necesarios? Estabilidad de Largo Plazo: Métodos de evaluación. ingenieros. ayudas visuales amplias. ¿Quién entrenará? ¿Dónde se realizará el entrenamiento? ¿Requerimientos para tiempos de anticipación? Coordinado con el uso actual del proceso de medición. lenguaje. IEM. Frecuencia recomendada. contaminación. entendidos y pronosticados? Consideraciones Especiales: Atributos del inspector. equipo de transporte u otro equipo de manejo de materiales necesarios para las partes a ser medidas o el sistema de medición mismo? Aspectos Ambientales: ¿Existen algunos requerimientos ambientales especiales. Personal: ¿Se requiere contratar personal para soportar el proceso de medición? Aspectos de costo. uso incorrecto del equipo. dispositivos de sostén. aprueba de fallas o errores Aspectos Clave de Implementación del Sistema de Medición (Proceso): Soporte: ¿Quién dará apoyo al proceso de medición? Técnicos de laboratorio. que afecten el proceso de medición o procesos vecinos? ¿Se requiere que sea exhausto? ¿Es necesario el control de temperatura o humedad? Humedad. Métodos de Mejoramiento: ¿Quién mejorará el proceso de medición en el tiempo? ¿Ingenieros o personal de producción. condiciones. integridad operacional. tiempos de anticipación entendidos y tomados en cuenta.)? Instrucciones del Usuario: Secuencia de sujeción. seguridad para daños / robos. Administración de Datos: ¿Cómo serán administrados los resultados de datos del proceso de medición? Manuales.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Manejo de Materiales: ¿Existen racks especiales. ergonomía. limpieza. tiempo y disponibilidad. árboles de documentación. 39 . etc. seguridad. mantenimiento. visión. requerimientos internos. frecuencia. interpretación de datos. Disponibilidad y costo de patrones aceptables. Actual o nuevo. recuperación. ajustes. ingenieros para usar y mantener el proceso de medición? Aspectos de tiempo. etc. frecuencia en los resúmenes. requerimientos de entrenamiento. requerimientos de los clientes. Disponibilidad. controlados. ¿Es adecuado y seguro el almacenamiento disponible (refacciones. producción mantenimiento. manuales del usuario. computarizados. Cambios. vibración. formato. A Prueba de Errores: ¿Errores del proceso de medición pueden conocerse para ser corregidos fácilmente (muy fácil) por el usuario? Entradas de datos.

Capítulo l – Sección D Desarrollo de las Fuentes de Medición 40 .

¿el sistema de medición demuestra una resolución efectiva? En relación a la discriminación. se aplica la regla 10. 3) Las propiedades estadísticas (errores) son consistentes sobre un rango esperado y adecuadas para el propósito de las mediciones (control del producto o proceso). 41 . el sistema de medición debe ser revaluado para su propósito esperado. Conforme los procesos cambien y mejoren. ¿el instrumento (y patrón) cuentan con una discriminación adecuada? La discriminación (o clase) es arreglada por diseño y sirve como el punto inicial básico para seleccionar un sistema de medición. 2) El sistema de medición debe ser estable. la cual establece que la discriminación del instrumento debiera dividir la tolerancia o variación del proceso en 10 partes o más. Bajo condiciones de repetibilidad.Capítulo l – Sección E Aspectos Clave de las Mediciones Sección E Aspectos Clave en las Mediciones Tres aspectos clave fundamentales deben abordarse en la evaluación de un sistema de medición: 1) El sistema de medición debe demostrar sensibilidad adecuada. Típicamente. El analista de las mediciones debe considerar siempre significancias prácticas y estadísticas. Primero. Es esencial para la organización (administración. planeador de las mediciones. la variación del sistema de medición es debida solo a causas comunes y no especiales (caóticas). La tradición de reportar los errores en las mediciones solo como un porcentaje de la tolerancia es inadecuado para los retos del mercado. que ponen énfasis en mejoramientos estratégicos y continuos del proceso mismo. operador de producción y analista de calidad) entender el propósito de las mediciones y aplicar evaluaciones apropiadas. Segundo. determina si el sistema de medición tiene la sensibilidad para detectar cambios en la variación del producto o proceso para la aplicación y condiciones dadas.

Uno de los objetivos de un estudio de un sistema de medición es obtener información relativa a la cantidad y tipos de variaciones de medición asociadas con un sistema de medición cuando este interactúa con su medio ambiente. las decisiones se basan en datos. que ofrecer gages extremadamente exactos con una muy alta repetibilidad. Sección C. y consecuentemente.Capítulo l – Sección E Aspectos Clave de las Mediciones Tipos de Variaciones de los Sistemas de Medición A menudo se asume que las mediciones son exactas. Un individuo puede fallar en determinar si hay variación en el sistema de medición el cual afecta las mediciones individuales. estabilidad y linealidad. Una comparación para equipo de medición antes y después de su reparación. reproducibilidad. Un componente requerido para calcular la variación del proceso y el nivel de aceptabilidad para el proceso de producción. Esta información es valiosa. Las siguientes definiciones ayudan a describir los tipos de errores o variaciones asociados con un sistema de medición. 42 . el cual indica la probabilidad de aceptar una parte de un valor verdadero. de forma tal que cada término sea claramente entendido para discusiones posteriores. Para cada definición se ofrece una ilustración la cual despliega gráficamente el significado del término en cuestión. es mucho más práctico reconocer la repetibilidad y el sesgo en la calibración y establecer límites razonables para estos. Las aplicaciones de tal estudio ofrecen lo siguiente: • • • • • • Un criterio para aceptar equipo de medición nuevo. y frecuentemente los análisis y conclusiones se basan en esta suposición. repetibilidad. dado que para el promedio del proceso de producción. Una base para evaluar un gage que se sospecha está deficiente. El error de un sistema de medición puede ser clasificado en 5 categorías: sesgo. Información necesaria para desarrollar una Curva de Desempeño de un gage (CDG)17. Una comparación de un dispositivo de medición contra otro. 17 Ver Capítulo V.

personal. confiable o alguna otra [característica]de calidad debe ser comunicable. estándares de medición. Puede ser un artefacto conjunto (instrumentos. un comparador. Una definición operacional con seguridad. Con la intención de que actúe como un pulido entre la carga de calibración y los estándares de referencia del laboratorio. materiales de referencia y aparatos auxiliares que sean necesarios para ejecutar una medición. de si el objeto o material cumplió o no cumplió con el criterio (o criterios)” 18 Estándar / Patrón Un estándar es cualquier cosa que se tome por consenso general como una base para comparación.Capítulo l – Sección E Aspectos Clave de las Mediciones Definiciones y Fuentes Potenciales de Variación Definición Operacional “Una definición Operacional es aquella con la que la gente puede hacer negocios. “un elemento simple de un conjunto sería un grupo para la calibración de blocks de gages que consiste de un block estándar de gages. con el mismo significado al vendedor que al comprador. 3) Una decisión: si o no. peso. redondeo. etc. medio ambiente. Esta definición fue después actualizada como Equipo de Medición y Prueba ó EMyP por Estándares y Normas Militares subsecuentes. E. un operador. alcance. 18 19 W. y el mismo significado que ayer y hoy para el operador de producción. 43 . procedimientos. Ejemplo: 1) Una prueba específica de una pieza de material o ensamble.) ajustado y establecido por una autoridad como una regla para medición de cantidad. Equipo de Medición y Prueba (EMyP) Todos los instrumentos de medición. Este término fue usado para enfatizar el hecho de que todas las influencias que afecten las incertidumbres en las mediciones necesitan tomarse en cuenta. El concepto de conjunto fue formalizado en la norma de ANSI/ASQC M1-1996 19. Deming. Out of the Crisis (1982. medio ambiente y el procedimiento de calibración”. de la cual se derivan las mediciones hechas en dicha localización.. 2) Un criterio (o criterios) para juicio. 1986) pag. ej. 277. etc. Estándar de Calibración Un estándar que sirva como referencia en el desempeño de las calibraciones de rutina. Estándares / Patrones de Referencia Un estándar generalmente de la más alta calidad metrológica disponible en una cierta localización. valor o calidad. procedimiento. un modelo aceptado.

no como un estándar de calibración. Estándar de Trabajo Un estándar cuya intención de uso sea ejecutar mediciones de rutina dentro del laboratorio. PATRON DE REFERENCIA Master Equipo de Medición y Prueba PATRON DE TRANSFERENCIA PATRON DE CALIBRACION Master PATRON DE TRANSFERENCIA PATRON DE TRABAJO Patrón de Chequeo Figura I-E 1: Relación Entre los Diferentes Estándares 44 . Master Un estándar usado como referencia en el proceso de calibración. así como fuentes de variación en base a tiempo tales como. También puede ser definido como estándar de referencia o calibración. Los materiales empleados deben reflejar el uso y alcance del sistema de medición.Capítulo l – Sección E Aspectos Clave de las Mediciones Estándar de Transferencia Un estándar para comparar un estándar por separado de un valor conocido con una unidad que ha sido calibrada. etc. Se requiere dar una especial consideración a los materiales seleccionados para un estándar. pero que puede ser usado como un estándar de transferencia. humedad.). factores de montaje y ambientales (temperatura.

• En todos los casos el valor de referencia requiere ser basado en una definición operacional y en los resultados de un sistema de medición aceptable. el valor verdadero nunca puede ser conocido con certeza. Aunque este valor es desconocido e irreconocible. es el valor de un artefacto o conjunto que sirve como una referencia acordada para comparación. Valores por acuerdo: valores expresamente acordados por las partes afectadas. Desafortunadamente. es la meta del proceso de medición. Valor de Referencia Un valor de referencia. Valores legales: definidos y obligados por la ley. Valores asignados: basados en el trabajo experimental (y soportados por una teoría razonable) de alguna organización nacional o internacional. Valores teóricos: basados en principios científicos. No se recomienda este uso20. Dado que el valor de referencia es usado como un equivalente como el valor verdadero. 45 .. el sistema de medición usado para determinar el valor de referencia debiera incluir: • • Instrumentos con una resolución de mayor orden y con un error del sistema de medición menor que los sistemas usados para evaluaciones normales. El valor de referencia es usado como el mejor aproximado del valor verdadero en todos los análisis. pero que es inherentemente más estable que el proceso de medición a ser evaluado. laboratorio de metrología o equipo para layout). Los valores de referencia aceptables se basan en lo siguiente: • • • • • Se determinan por el promedio de varias mediciones con un equipo de medición de más alto nivel (ej.Capítulo l – Sección E Aspectos Clave de las Mediciones Estándar de Chequeo Un artefacto de medición que reagrupa de una forma muy similar lo que el proceso está diseñado para medir. definido por el consenso de usuarios tales como organizaciones profesionales y de negocio y de comercio. para lograr esto. comúnmente estos términos son usados en forma intercambiable. Cualquier lectura individual debe estar lo más cerca (y económicamente) posible a este valor. Valores de consenso: basado en trabajo experimental colaborativo y bajo los auspicios de un grupo científico o de ingeniería. Estar calibrados con estándares rastreables con NIST u otro INM. Valor Verdadero El valor verdadero es la medida “actual” de una parte. también conocido cono valor de referencia aceptable o valor master. 20 Ver también ASTM: E177-90a.

Esto es también referido como facilidad de lectura o resolución. Tradicionalmente este rango se ha tomado como una especificación del producto. Todas las partes de la misma categoría de datos tendrán el mismo valor para la característica medida. La discriminación es inaceptable para análisis si no puede detectarse la variación del proceso. las características medidas serán agrupadas por los valores medidos en categorías de datos. entonces puede usarse media graduación. el enfoque del proceso es una meta designada por el cliente). En lugar de ello. puede no ser un apropiado sistema para identificar la variación del proceso o cuantificar los valores de las características individuales de una parte.. e inaceptable para control si no puede detectarse la variación por causas especiales (ver Figura I-E 3). debieran usarse mejores técnicas de medición. La medida de esta habilidad típicamente es el valor de la graduación más pequeña sobre la escala del instrumento. Figura I-E 2: Discriminación La regla empírica arriba indicada puede considerarse como un punto inicial para determinar la discriminación dado que no incluye cualquier otro elemento de a variabilidad de un sistema de medición. Una regla empírica general es que la discriminación del instrumento de medición debe contar con al menos una décima del rango a medir. Debido a las limitaciones económicas y físicas. 46 .Capítulo l – Sección E Aspectos Clave de las Mediciones Discriminación Discriminación es la cantidad de cambio de un valor de referencia que un instrumento puede detectar y fielmente indicar. Si el instrumento cuenta con graduaciones “toscas”. Si tal es el caso. Recientemente la regla 10 a 1 se ha interpretado para significar que el equipo de medición es capaz de discriminar al menos una décima de variación del proceso. Esto es consistente con la filosofía de la mejora continua (ej. el sistema de medición no percibe todas las partes de la distribución de un proceso como si fueran características medidas por separado o diferentes. Si el sistema de medición no cuenta con una discriminación (sensibilidad o resolución efectiva).

Una buena indicación de una discriminación adecuada puede verse en la variación del proceso para gráficas de rangos con SPC. • Puede producir gráfica de control de variables no sensibles. 47 . • Puede ser usada con gráficas de control para variables. • Recomendable Figura I-E 3: Impacto del Número de Categorías Distintas (NCD) de la Distribución del Proceso en Actividades de Análisis y Control. entonces las mediciones se han hecho con una discriminación inadecuada. Análisis • No Aceptable para estimar índices y parámetros del proceso. La gráfica de control (a) muestra la medición original con la más cercana milésima de pulgada. En particular. • Puede ser usado con técnicas de control de semivariables basadas en la distribución del proceso. dos o tres posibles valores para el rango dentro de límites de control. Los rangos cero son más un producto de redondeo que una indicación de la variación de un subgrupo. La gráfica de control (b) muestra éstos datos redondeados a la más próxima centésima de una pulgada. • Generalmente no aceptable para estimar parámetro e índices del proceso dado que sólo ofrece estimativos “burdos”. las mediciones se hacen con una discriminación inadecuada. La gráfica de control (b) parece estar fuera de control debido a los supuestos límites ajustados. Otra buena indicación de una discriminación inadecuada es sobre una gráfica de probabilidad normal donde los datos son estancados en paquetes en lugar de fluir a lo largo de la línea de 45 grados. • La función de pérdida es plana sobre la variación del proceso esperada. • La fuente de variación principal provoca un cambio en el promedio. si la gráfica de rangos muestra cuatro posibles valores para el rango dentro de límites de control y más de un cuarto de los rangos son cero. También.Capítulo l – Sección E Aspectos Clave de las Mediciones Numero de Categorías Control Puede ser usado solo para control si: • La variación del proceso es pequeña comparada con las especificaciones. Síntomas de una discriminación inadecuada pueden aparecer en las gráficas de rangos. • Sólo indica si el proceso está fabricando partes conformes o no conformes. La figura I-E 4 contiene dos conjuntos de gráficas de control derivadas de los mismos datos. cuando las gráficas de rangos muestran solo uno.

existen situaciones que llegan a un proceso estable y altamente hábil usando un sistema de medición estable y el “mejor en su clase” y en los límites prácticos de tecnología. Eventualmente. 48 . existen solo dos posibles valores para el rango dentro de límites de control (valores de 0.01). cambiando la habilidad de detectar la variación dentro de los subgrupos incrementando la discriminación de las mediciones. la gráfica de control (b).Capítulo l – Sección E Aspectos Clave de las Mediciones Regresando a la figura I-E 4. Este problema puede ser resuelto. por supuesto. En estos casos especiales. Un sistema de medición cuenta con una discriminación adecuada si la resolución aparente es pequeña relativa a la variación del proceso. La aprobación por el cliente típicamente es requerida en técnicas alternativas para el monitoreo del proceso. la regla identifica correctamente la razón de falta de control por la discriminación inadecuada (sensibilidad o resolución efectiva). la planeación de las mediciones puede requerir técnicas alternativas para el monitoreo del proceso. Por tanto. Por tanto una recomendación para una adecuada discriminación sería para una resolución aparente tener a lo mucho una décima parte de seis sigma de desviación estándar del proceso total en lugar de la regla tradicional la cual con una resolución aparente sería a lo mucho una décima de la extensión de la tolerancia.00 y 0. La resolución efectiva puede ser inadecuada y un mejoramiento adicional del sistema de medición llega a ser impráctico.

Knoxville. SPC Press. Inc. por Wheeler y Lyday..Capítulo l – Sección E Aspectos Clave de las Mediciones Figura I-E 4: Gráficas de Control de Proceso21 21 La figura I-E 4 fue desarrollada usando datos de Evaluación de los Procesos de Medición. derechos de copia 1989. Tennessee. 49 .

la variación total de las mediciones es usualmente descrita como una distribución normal. 50 . De hecho existen sistemas de medición que no son distribuidos normalmente. El proceso de medición debe estar en estado de control estadístico. de lo contrario la exactitud del proceso no tiene significado. y se asume normalidad. Esta política se seguirá en este texto. no se recomienda su uso como una alternativa para “sesgo”. El analista de mediciones debe reconocer y corregir evaluaciones para sistemas con mediciones no normales. Sesgo El sesgo es a menudo referido como “exactitud”. Figura I-E 5: Características de la Variación de un Proceso de Medición Variación de las Instalaciones Exactitud Un concepto genérico de lo exacto en relación a qué tan cerca se ha acordado entre el promedio de uno o más resultados medidos y un valor de referencia. Debido a que la “exactitud” tiene varios significados en la literatura. el método MSA puede sobre estimar el error del sistema medición. La ISO (Organización Internacional para la Estandarización) y la ASTM (American Society for Testing and Materials) se usa el término exactitud para cubrir tanto el sesgo como la repetibilidad. La probabilidad normal es un supuesto de los métodos estándar para análisis de sistemas de medición. A fin de evitar confusión que pudiera resultar del uso de la palabra exactitud ASTM recomienda que se use el término sesgo solo como un descriptor del error de localización. Cuando esto pasa. En algunas organizaciones la exactitud se usa en forma intercambiable con el sesgo.Capítulo l – Sección E Aspectos Clave de las Mediciones Variación del Proceso de Medición Para la mayoría de los procesos de medición.

equipo o dispositivo desgastado Master dañado o desgastado. error en la aplicación de una constante Aplicación – tamaño de la parte. carga. posición. Es la contribución del error total integrado por los efectos combinados de todas las fuentes de variación. Posibles causas para un sesgo excesivo son: • • • • • • • • • • El instrumento necesita calibración Instrumento. habilidad del operador. limpieza Violación a algún supuesto. conocidas o no conocidas. error de observación (facilidad de lectura. paralelismo) • • • El procedimiento de medición empleado en el proceso de calibración (ej.Capítulo l – Sección E Aspectos Clave de las Mediciones Sesgo es la diferencia entre el valor verdadero (valor referencia) y el promedio observado de las mediciones sobre la misma característica y la misma parte. usando “masters”) debiera ser lo más idéntico posible al procedimiento de medición de la operación normal. error en el master Calibración o uso de un master de ajuste inapropiados Instrumento de baja calidad – diseño o conformancia Error de linealidad Gage equivocado para la aplicación Diferente método de medición – ajuste. 51 . vibración. fatiga. cuya contribución al error total tiende a compensar en forma consistente y predecible todos los resultados de aplicaciones repetidas del mismo proceso de medición para el tiempo de las mediciones mismas.. sujeción. humedad. técnica Medición de característica equivocada Distorsión (del gage o la parte) Medio ambiente – temperatura. Sesgo es la medida del error sistemático del sistema de medición.

oxidación. posición. vibración. limpieza Violación a un supuesto. limpieza Master desgastado o dañado. error en el master Calibración o uso del master para ajuste inapropiados Instrumento de calidad deficiente – diseño o conformancia Falta de robustez en el diseño del instrumento o método Método de medición diferente – ajuste.temperatura. equipo o dispositivo desgastado Desgaste normal u obsolescencia Mantenimiento deficiente – aire. reducir el intervalo de calibración Instrumento. habilidad del operador. humedad. técnica Distorsión (del gage o la parte) Cambio ambiental. 52 . hidráulico. error de observación (facilidad de lectura. energía eléctrica. sujeción. Esto es. filtros. error en la aplicación de una constante Aplicación – tamaño de la parte. paralelismo) Linealidad La diferencia de sesgo a través del rango (de medición) de operación esperado del equipo es llamada linealidad. la estabilidad es un cambio en sesgo en el tiempo. corrosión. La linealidad puede tomarse como un cambio de sesgo con respecto al tamaño.Capítulo l – Sección E Aspectos Clave de las Mediciones Estabilidad Estabilidad (o cambio) es la variación total en las mediciones obtenida con un sistema de medición sobre el mismo master o partes cuando se mida una característica misma sobre un periodo de tiempo extenso. fatiga. Posibles causas para inestabilidad incluyen: • • • • • • • • • • • • • El instrumento necesita calibración. carga.

limpieza Masters desgastados o dañados. energía eléctrica. filtros. equipo o dispositivo desgastado Mantenimiento deficiente – aire. reducir el intervalo de calibración Instrumento. hidráulica.Capítulo l – Sección E Aspectos Clave de las Mediciones Notar que la linealidad inaceptable puede venir en una variedad de sabores. No asuma un sesgo constante. corrosión. Posibles causas para errores de linealidad incluyen: • • • • El instrumento necesita calibración. error en los masters – mínimo / máximo 53 . oxidación.

la precisión describe el efecto neto de la discriminación. método. Repetibilidad es comúnmente referida como la variación del equipo (EV). tal rango puede ser tamaño o tiempo (ej. laboratorios o condiciones. la repetibilidad incluye todas las variaciones internas (ver más adelante) de cualquier condición en el modelo de errores.Capítulo l – Sección E Aspectos Clave de las Mediciones • • • • • • • • Calibración (no cubriendo el rango de operación) o uso de los masters de ajuste inapropiados Calidad deficiente del instrumento – diseño o conformancia Falta de robustez del diseño del instrumento o método Gage equivocado para la aplicación Diferente método de medición – ajuste. habilidad del operador. la precisión es muy a menudo usada para describir la variación esperada de las mediciones repetidas sobre el rango de medición. Repetibilidad Este es tradicionalmente referido como variabilidad “dentro del mismo evaluador”. o “tan preciso hoy como ayer”). operador. vibración. “un dispositivo es tan preciso en el rango bajo como en el rango alto de medición”. rango y tiempo) del sistema de medición. sensibilidad y repetibilidad sobre un rango de operaciones (tamaño. De hecho. repetibilidad es una variación de causa común (error aleatorio) de intentos sucesivos y bajo condiciones definidas de medición. carga. gente. Adicional a la variación dentro del equipo. posición. aunque esto puede ser dudoso. sujeción. 54 .. De hecho. paralelismo) • Variación de Amplitud Precisión Tradicionalmente. medio ambiente y supuestos. humedad. limpieza Violación a algún supuesto. instrumento. fatiga. ASTM define la precisión en un sentido amplio para incluir la variación de diferentes lecturas. estándar. Esta es la variación o habilidad inherente del equipo mismo. error de observación (facilidad de lectura. gages. técnica Cambios de distorsión (del gage o la parte) con el tamaño de las partes Medio ambiente – temperatura. Uno podría decir que la precisión es qué tan repetible la linealidad es con respecto al sesgo (aunque el primero es aleatorio y los otros son errores sistemáticos). El mejor término para repetibilidad es variación dentro del sistema cuando las condiciones de medición están ajustadas y definidas – parte ajustada. error en la aplicación de una constante Aplicación – tamaño de la parte. Repetibilidad es la variación en las mediciones obtenida con un instrumento de medición cuando se use varias veces por un evaluador y midiendo la misma característica y sobre la misma parte. En algunas organizaciones la precisión se usa en forma intercambiable con la repetibilidad.

operación apropiada Falta de robustez en el diseño del deficiente Gage equivocado para la aplicación Distorsión (del gage o la parte). Esto a menudo es verdad para instrumentos manuales influenciados por la habilidad del operador. montaje. técnica. uniformidad • • • • • • Reproducibilidad Este tradicionalmente se refiere a la variabilidad “entre evaluadores”..Capítulo l – Sección E Aspectos Clave de las Mediciones Posibles causas para una repetibilidad deficiente incluyen: • • • • • Dentro de la parte (muestra): forma. posición. posición. error de observación (facilidad de lectura. así como el incluir la repetibilidad en el cálculo de la reproducibilidad. Esto no es verdad. fijación. limpieza Violación a algún supuesto – estable. laboratorios y medio ambiente (temperatura. La definición de ASTM v más allá de esto para incluir potencialmente no también diferentes: gages. sujeción. 55 . montaje Dentro del método: variación en ajuste. falta de experiencia. fatiga Dentro del medio ambiente: fluctuaciones de ciclo corto en temperatura. la reproducibilidad se refiere a la variación promedio entre sistemas o entre condiciones de medición. vibración. sin embargo. falta de rigidez Aplicación – tamaño de la parte. calidad o mantenimiento deficiente Dentro del estándar: calidad. sentimiento. restablecimiento a cero. habilidad de manejo o entrenamiento. Por esta razón. paralelismo) instrumento o método. consistencia de la muestra Dentro del instrumento: reparación. iluminación. falla en el equipo o dispositivo. humedad. para procesos de medición (ej. La reproducibilidad es típicamente definida como la variación en el promedio de las mediciones hechas por diferentes evaluadores usando el mismo equipo de medición cuando se mide la misma característica y sobre la misma parte. densidad de punto Dentro del evaluador: técnica. humedad). posición. clase. sistemas automatizados) donde el operador no es una fuente principal de variación. cerilla. acabado en la superficie.

error de observación (facilidad de lectura. Entre evaluadores (operadores): la diferencia promedio entre operadores A. operadores y método. etc. sus definiciones necesitan abarcar estas diferencias. B. Entre estándares: la influencia promedio de los diferentes estándares de ajuste en el proceso de medición. paralelismo). Por normas de ASTM. La literatura de ASTM se enfoca a evaluaciones entre laboratorios con el interés de las diferencias de laboratorio a laboratorio incluyendo el potencial por diferentes operadores. éste a menudo se confunde con el método y/u operador. Este es un estudio recomendado para calificación del producto y el proceso y con un instrumento de medición manual. habilidades y experiencia. Aplicación – tamaño de la parte. etc. un gage. Como se mencionó en las dos definiciones anteriores. Falta de robustez en el diseño del instrumento o método. Entre instrumentos: el promedio de las diferencias usando instrumentos A. B. gages y medio ambiente así como la repetibilidad dentro del laboratorio. Causado por ciclos ambientales.Capítulo l – Sección E Aspectos Clave de las Mediciones Fuentes potenciales de errores en la reproducibilidad incluyen: • Entre las partes (muestras): el promedio de las diferencias cuando se miden tipos de partes A. C. métodos de sostenimiento o sujeción. 56 . repetibilidad es lo mejor que el equipo estará bajo condiciones actuales (un operador. Entre el medio ambiente: la diferencia promedio en las mediciones en el tiempo 1. • • • • • • • • • R&R de Gages o RRGs El R&R de una gage es un estimativo de la variación combinada de la repetibilidad y la reproducibilidad. existen diferencias en las definiciones usadas por ASTM y las usadas por este manual. técnica. operadores y medio ambiente. posición. Violación de un supuesto en el estudio. NOTA: en el estudio de error de reproducibilidad. Efectividad en el entrenamiento del operador. Por tanto. C. etc. Entre métodos: el promedio de las diferencias causado por cambiar las densidades de punto. corto periodo de tiempo) y reproducibilidad representa más típicamente condiciones de operación cuando haya variaciones de fuentes múltiples. Causada por entrenamiento. Usando el mismo instrumento. 2. etc. etc. el RRG es la varianza e igual a la suma de las varianzas dentro y entre los sistemas. C. restablecimiento a cero. Para las mismas partes. B. Establecido de otra manera. 3. este es el estudio más común para sistemas altamente automatizados en la calificación del producto y el proceso. sistemas manuales vs automatizados.

Siempre es reportada como una unidad de medida. su calidad inherente (FEO). el mantenimiento en servicio y las condiciones de operación del instrumento y estándar. Consistencia Consistencia es la diferencia en la variación de las mediciones tomadas en el tiempo. aire. Los factores que afectan la sensibilidad incluyen: • • • • • La habilidad para humedecer un instrumento Habilidad del operador Repetibilidad del dispositivo de medición La habilidad para ofrecer un cambio libre en la operación en el caso de gages electrónicos o neumáticos Condiciones bajo las cuales el instrumento es usado tales como ambiente. Puede ser vista como repetibilidad en el tiempo. La sensibilidad es determinada por el diseño del gage (discriminación). polvo. • • • • • • • • • • • UCL • • • • Promedio Rango LCL Los factores que impactan la consistencia son variaciones de causas especiales tales como: • • • Temperatura de las partes Calentamiento requerido para equipo electrónico Equipo desgastado 57 .Capítulo l – Sección E Aspectos Clave de las Mediciones σ2RRG = σ2reproducibilidad + σ2repetibilidad Sensibilidad Sensibilidad es la entrada más pequeña que resulte en una señal o resultado detectable (usable). humedad. Es la respuesta del sistema de medición a cambios en la propiedad medida.

Puede considerarse que existe homogeneidad (similitud) de la repetibilidad en el tamaño. un periodo especificado de producción o el tiempo representado para la frecuencia de 58 . alcance y rango del sistema de medición (a diferencia de la incertidumbre en las mediciones. En el corto plazo pudiera significar: la habilidad sobre una serie de ciclos de mediciones. el cual es una expresión del rango esperado del error o valores asociados con un resultado de medición). para decir que la habilidad de un micrómetro de 25 mm es 0. La expresión de habilidad de variaciones combinadas (varianza) cuando los errores de las mediciones no están correlacionados (aleatorios e independientes) puede cuantificarse como: σ2habilidad = σ2sesgo (linealidad) + σ2RRG Hay dos puntos esenciales para entender y aplicar correctamente la habilidad de las mediciones: Primero. sobre una porción limitada o un rango entero de medición. Un estimativo de habilidad de las mediciones. esto es porque un modelo de errores para definir un proceso de medición es muy importante. por tanto. el tiempo para completar la evaluación RRG. Los factores que impactan la uniformidad incluyen: • • • El dispositivo permite medidas más pequeñas / grandes para una posición diferente Deficiente facilidad de lectura en la escala Paralelismo en la lectura Variación de los Sistemas de Medición Habilidad / Capacidad La habilidad de un sistema de medición es un estimativo de la variación combinada de los errores de medición (aleatorios y sistemáticos) y basados en una evaluación de corto plazo. La habilidad simple incluye los componentes de: • • Sesgo o linealidad no corregidos Repetibilidad y reproducibilidad (RRG).1 mm es incompleta sin calificar el alcance y rango de las condiciones de medición. rango y tiempo. incluyendo consistencia de corto plazo Hacer referencia al capítulo III para métodos típicos y ejemplos para cuantificar cada componente. Otra vez. es una expresión del error esperado para condiciones definidas. un estimativo de la habilidad siempre está asociado con un alcance de las mediciones definido – condiciones.Capítulo l – Sección E Aspectos Clave de las Mediciones Uniformidad Uniformidad es la diferencia en la variación a lo largo del rango de operación del gage. Por ejemplo. El alcance para un estimativo de habilidad en las mediciones pudiera ser muy específico o una declaración general de operación.

Debido a que estos errores se correlacionan no pueden combinarse usando la simple fórmula lineal anteriormente mostrada. el desempeño del sistema de medición es el efecto neto de todas las fuentes de variación significativas y determinables en el tiempo. uniformidad y consistencia de corto plazo sobre un rango o medida. Para un instrumento simple. la repetibilidad sobre el rango completo de las mediciones usando operadores con habilidades se espera sea consistente y uniforme. Cuando la linealidad (no corregida). el desempeño incluye componentes de error de largo plazo de: • • Habilidad (errores de corto plazo) Estabilidad y consistencia Hacer referencia al capítulo III para métodos y ejemplos típicos para cuantificar cada componente. alcance y rango del sistema de medición (a diferencia de la incertidumbre en las mediciones. Por tanto. La expresión del desempeño de la variación (varianza) combinada cuando los errores de las mediciones no se correlacionan (aleatorios e independientes) puede cuantificarse como: σ2performance = σ2habilidad + σ2estabilidad + σ2consistencia 59 . El desempeño cuantifica una evaluación de largo plazo de los errores (aleatorios y sistemáticos) combinados de las mediciones. el estimativo de habilidad puede incluir el rango completo de las mediciones para múltiples tipos de propiedades y bajo condiciones generales. Los sistemas de mediciones de mayor rango o más complejos (ej. Desempeño Así como en el desempeño del proceso. Una declaración de habilidad en las mediciones no solo necesita ser completo sino replicar en forma razonable las condiciones y rango de medición. medio.. una MMC) pueden demostrar errores en las mediciones de linealidad (no corregida).. uniformidad o consistencia varían significativamente sobre un rango. tal como un micrómetro de 25 mm. Un plan de control documentado pudiera servir para este propósito. el planeador de las mediciones y analista tienen solo dos opciones prácticas: 1) Reportar la habilidad máxima (peor de los casos) para las condiciones completas y definidas y el alcance y rango del sistema de medición o 2) Determinar y reportar evaluaciones múltiples de la habilidad para porciones definidas del rango de medición (ej. la consistencia y uniformidad (errores de repetibilidad) de corto plazo sobre el rango de las mediciones son incluidos en el estimativo de la habilidad. Un estimativo del desempeño en las mediciones es una expresión del error esperado para condiciones definidas. alto).Capítulo l – Sección E Aspectos Clave de las Mediciones calibración.. la cual es una expresión del error esperado del rango o valores asociados con un resultado de medición). rango bajo. En este ejemplo. Segundo.

Cuando la linealidad (no corregida). una evaluación de los registros de calibración o estudios de linealidad múltiple. entonces se piensa incorrectamente que todas las lecturas caerán muy cerca de los valores actuales. un promedio del error de varios estudios RRG sobre la vida y rango del sistema de medición en cuestión.22 Ver capítulo 1. dado que éstos se usan en la vida diaria así como en discusiones técnicas y de ventas. si un gage es certificado por una agencia independiente como exacto. el error promedio en el largo plazo de una gráfica de control de mediciones. rango y tiempo. En el largo plazo pudiera significar: el promedio de evaluaciones de varias habilidades en el tiempo. uniformidad o consistencia de largo plazo varíen significativamente y sobre el rango. el planeador de las mediciones y analista cuentan solo con dos opciones prácticas: 1) Reportar el desempeño máximo (peor de los casos) para las condiciones definidas completas. el desempeño de largo plazo está siempre asociado con un alcance definido de las mediciones – condiciones. sobre una porción limitada o el rango completo de medición. medio. la exactitud y la precisión son las más familiares para el personal de operación. o 2) Determinar y reportar evaluaciones múltiples de desempeño para una porción definida del rango de medición (ej. justo como en la habilidad de corto plazo. Por ejemplo. y el alcance y rango del sistema de medición. asociado con el resultado de una medición.. La consistencia y uniformidad (errores de repetibilidad) de largo plazo sobre un rango de mediciones está incluido en el estimativo de desempeño. Una declaración del desempeño en las mediciones necesita ser lo más completo y razonable para representar las condiciones y rango de la medición. Desafortunadamente.Capítulo l – Sección E Aspectos Clave de las Mediciones Otra vez. Esto depende de cómo los errores componentes fueron determinados. Incertidumbre La incertidumbre de las mediciones es definida por VIM como un “parámetro. que caracteriza la dispersión de los valores que pudieran ser razonablemente atribuibles a lo medido”. o si el instrumento está garantizado para tener una alta precisión por el vendedor. rango bajo. Esta ambigüedad afecta al sesgo y a la repetibilidad (como medidas de exactitud y precisión). Es importante hacer notar que: 22 Lo medido es entonces definido por VIM como “la cantidad particular sujeta a medición”. alto). 60 . estos términos son también los menos claros dado que a menudo se toman como intercambiables. Comentarios De los parámetros de un sistema de medición. El analista de las mediciones debe estar conciente de la correlación potencial de errores a fin de no sobreestimar el estimativo del desempeño. Esto no está conceptualmente equivocado pero sí puede conducir a decisiones equivocadas acerca del producto y proceso. El alcance para un estimativo del desempeño en las mediciones pudiera ser muy específico o una declaración general de operación. sección F. para más detalles.

• El controlar una de estas fuentes de error no garantiza el control de las otras.Capítulo l – Sección E Aspectos Clave de las Mediciones • El sesgo y la repetibilidad son independientes una de otra (ver Figura I-E 6). Consecuentemente los programas de control de los sistemas de medición (tradicionalmente referidos como Programas de Control de Gages) deben cuantificar y rastrear todas las fuentes de variación relevantes.23 23 Ver también Capítulo I. 61 . Sección B.

Capítulo l – Sección E Aspectos Clave de las Mediciones Figura I-E 6: Relación entre Sesgo y Repetibilidad 62 .

Otras fuentes de error significativas pueden aplicarse en base a la aplicación de las mediciones mismas. En la mayoría de los casos. La Guía para la Incertidumbre en las Mediciones de ISO/IEC establece el factor de cobertura como suficiente para reportar la incertidumbre al 95% de una distribución normal. La incertidumbre es una expresión cuantificada de la confiabilidad en las mediciones. Algunas declaraciones de incertidumbre construyen en el largo plazo. Aún y cuando este término ha sido tradicionalmente reservado para muchas de las mediciones de alta exactitud ejecutadas en laboratorios de metrología o gages. A menudo. el rango esperado para contener los resultados de mediciones verdaderos. o desviación estándar de los errores (aleatorios y sistemáticos) combinados en el proceso de medición multiplicado por un factor de cobertura (k) que representa el área de la curva normal para un nivel de confiabilidad deseado. Recordar que una distribución normal a menudo se aplica como un supuesto o principio para los sistemas de medición. La incertidumbre en las mediciones es normalmente reportada como una cantidad bilateral. el componente de error más significativo puede ser cuantificado por σ2desempeño. la incertidumbre es el rango asignado a los resultados de las mediciones que describe. U = kuc El error estándar combinado (uc) incluye todos los componentes significativos de la variación del proceso de medición. Sin embargo. medición o prueba.Capítulo l – Sección F Incertidumbre en las Mediciones Sección F Incertidumbre en las Mediciones La incertidumbre en las mediciones es un término usado internacionalmente para describir la calidad de un valor de medición. el error del sistema de medición. Una expresión simple de este concepto es: Medición verdadera = medición observada (resultado) + U U es el término para la “incertidumbre expandida” de lo medido y el resultado de la medición. otras en el corto plazo. En esencia. Una declaración de incertidumbre debe incluir un alcance adecuado que identifique todos los errores significativos y permita que las mediciones se repliquen. Esto a menudo se interpreta como k=2. la expresión simple puede ser cuantificada como: u 2 C = σ2desempeño + σ 2 otros 63 . La incertidumbre expandida es el error estándar combinado (uc). los métodos de análisis de sistemas de medición ejecutados de acuerdo con este manual pueden ser usados como una herramienta para cuantificar muchas de las fuentes de incertidumbre en las mediciones. muchos clientes y estándares ó normas de sistemas de calidad requieren que la incertidumbre en las mediciones sea conocida y consistente con la habilidad requeridas de las mediciones de cualquier equipo de inspección. dentro de un nivel de confiabilidad definido.

este estimativo usa métodos de MSA y RRG para cuantificar estos errores estándar significativos. por tanto. no un manual tipo “como”. definidos para un intervalo de confiabilidad y asociados con un resultado de medición y esperados para incluir el valor verdadero de las mediciones. que son críticos cuando se evalúan sistemas de medición más complejos y/o de parámetros múltiples. y evaluando la adecuación del sistema de medición para control del producto y proceso. método. Incertidumbre en las Mediciones y MSA La diferencia principal entre incertidumbre y MSA es que el MSA se enfoca a entender el proceso de medición. patrones master. 64 . usualmente patrones nacionales o internacionales. grados de libertad. En muchos casos. MSA promueve el entendimiento y mejoramiento (reducción de la variación). medio ambiente y otros no considerados previamente en el proceso de medición. a través de una cadena ininterrumpida de comparaciones y todas con incertidumbres establecidas. la incertidumbre de las mediciones en le sistema de medición pueden evaluarse asegurando que todos los efectos de rastreabilidad se tomen en cuenta. tal que puede relacionarse con referencias establecidas. etc. Por tanto el entendimiento de la incertidumbre en las mediciones de cada enlace en la cadena es esencial. Rastreabilidad en las Mediciones Guía ISO para la Expresión de la Incertidumbre en las Mediciones La Guía para la Expresión de la Incertidumbre en las Mediciones (GIM) es una guía de cómo la incertidumbre de las mediciones puede evaluarse y expresarse. Este. Aún y cuando ofrece al usuario un entendimiento de la teoría y establece lineamientos de cómo la incertidumbre en las fuentes de medición puede clasificarse y combinarse. La rastreabilidad es la propiedad de una medición o el valor de un estándar. Debiera considerar todas las fuentes significativas de variación en las mediciones en el proceso de medición además de los errores significativos de calibración. puede reducir aspectos clave de correlación en las mediciones. relacionada ésta a un proceso de medición para asegurar la exactitud continua del estimativo. Ofrece una guía o lineamiento al usuario en algunos de los tópicos más avanzados tales como. independencia estadística de las fuentes de variación. y debiera ser considerado un documento de referencia de alto nivel. determinando la cantidad de error en el proceso mismo. Es apropiado re-evaluar periódicamente la incertidumbre. La incertidumbre es el rango de los valores de medición. Incluyendo las fuentes de variación de las mediciones de corto y largo plazo que sean introducidas por el proceso de medición y la cadena de rastreabilidad.Capítulo l – Sección F Incertidumbre en las Mediciones Es importante recordar que la incertidumbre en las mediciones es simplemente un estimativo de que tanto puede variar una medición en el tiempo de la medición misma. análisis de sensibilidad.

cuando la variación reportada es actualmente causada por el dispositivo de medición. Paso 1 Identifica los Aspectos Clave Cuando se esté trabajando con sistemas de medición. de la variación del proceso (la decisión puede ser trabajar en el proceso más que trabajar en el dispositivo de medición). En algunos casos la contribución de la variación del sistema de medición es pasada por alto o ignorada. La declaración del aspecto clave necesita ser una definición operacional que cualquiera entienda y sea capaz de actuar en el aspecto en cuestión. El aspecto importante a ser es tratar de aislar la variación de las mediciones y su contribución. Paso 3 Diagrama de Flujo del Sistema de Medición y el Proceso El equipo revisaría cualquier diagrama de flujo histórico del sistema de medición y el proceso. Esto llevaría a la discusión de información conocida y no conocida a cerca de las mediciones y su interrelación con el proceso. Paso 2 Identifica el Equipo El equipo para solución de un problema. Cuando la variación en el sistema de medición excede todas las demás variables. Los miembros del equipo y la función que ellos representan necesitan ser identificados en la hoja de solución de problemas. Pero conforme el sistema y aspecto clave lleguen a ser más complejos el equipo puede crecer en tamaño (el máximo tamaño de un equipo debe limitarse a diez miembros). llega a ser necesario analizar y resolver aquellos aspectos clave antes de trabajar con el resto del sistema. etc. En el caso de aspectos clave de mediciones. Por ejemplo. El proceso de graficar el flujo puede identificar miembros adicionales a agregar al equipo. esto puede tomar forma de exactitud. 65 . como cualquier proceso. Si el sistema de medición fue desarrollado usando métodos de este manual. un diagrama de causas y efectos puede ya existir ofreciendo lecciones valiosas aprendidas del proceso de medición. Cada compañía puede usar un proceso de solución de problemas y el cual el cliente le haya aprobado. Estos datos deben ser recolectados y evaluados previo a cualquier solución formal de algún problema. depende de la complejidad del sistema de medición y el aspecto clave. Esto puede causar pérdida de tiempo y recursos conforme el enfoque se hace al proceso mismo. estabilidad. la mayoría de los pasos iniciales ya existen. Un sistema de medición simple puede requerir solo un par de gente. En esta sección se hace una revisión a los pasos básicos para solución de problemas y se muestra como se relacionan al entendimiento de aspectos clave en un sistema de medición. en este caso. variación. es importante definir claramente el problema o aspecto clave.Capítulo I – Sección G Análisis de Problemas de Mediciones Sección G Análisis de Problemas de Mediciones El entendimiento de la variación de las mediciones y su contribución a lo que hace una variación total necesita ser un paso fundamental en la solución básica del problema.

Government. Esto puede requerir cambios en procedimientos. También. 1994. se determina la estabilidad. S ea Ha Ha rr c ce r u c ttu Ac a ar D Posible Solución y Prueba de las Corrección Los pasos y solución son documentados para registrar la decisión. se hacen hipótesis y se prueban hasta que se alcance una solución apropiada. Un estudio preliminar es ejecutado para validar la solución. Estudios adicionales pueden hacerse para sustentar las decisiones. pueden ejecutarse estudios adicionales en el tiempo incluyendo variaciones ambientales y de materiales. El equipo utilizaría conocimientos del tema en cuestión para identificar inicialmente aquellas variables con la más grande contribución del aspecto clave.Capítulo I – Sección G Análisis de Problemas de Mediciones Paso 4 Diagrama de Causas y Efectos El equipo revisaría cualquier diagrama de causas efectos histórico sobre el sistema de medición. generar una solución total o parcial. se recolectan datos. el cual es una forma de estudio científico. luego el departamento y funciones apropiadas cambian el proceso de manera que el problema no sea recurrente en el futuro. Education. Esto puede hacerse usando alguna forma de diseño de experimentos para validar la solución. Edwards Deming. en algunos casos. 24 W. La mayoría de los aspectos clave y problemas han ocurrido en algún punto en el tiempo u otro. Paso 5 Plan-Hacer-Estudiar-Actuar (PHEA) 24 dio Es tu Pla n A P Esto llevaría al esquema de planear – hacer – estudiar – actuar. Esto podría. Este es uno de los pasos más importantes en el proceso. Paso 6 Paso 7 Institucionaliza el Cambio La solución final se documenta en un reporte. The MIT Press. Se planean experimentos. 2000 66 . The New Economics for Industry. estándares o patrones y materiales de entrenamiento. Esto también llevaría a una discusión de información conocida y no conocida.

Capítulo II Conceptos Generales para Evaluaciones de Sistemas de Medición Capítulo II Conceptos Generales para Evaluaciones de Sistemas de Medición 67 .

Capítulo II Conceptos Generales para Evaluaciones de Sistemas de Medición 68 .

sesgo. La etapa 1 pudiera usar un experimento diseñado estadísticamente para evaluar el efecto del ambiente operativo en los parámetros del sistema de medición (ej. las propiedades estadísticas apropiadas no puedan determinarse. Adicionalmente.. A fin de determinar esto. Después de que las propiedades estadísticas se han determinado. y simplemente consumirá recursos sin ofrecer beneficios. es importante saber como son usados los datos. ¿El proceso de medición satisface los requerimientos en el tiempo? La prueba de la Etapa 2 ofrece un monitoreo continuo de las fuentes clave de variación para una confiabilidad continua del sistema de medición (y los datos generados) y/o una señal de que el sistema de medición se haya degradado en el tiempo. Identifica también cualquier aspecto clave y crítico ambiental que sea interdependiente con las mediciones. 2) Determina que propiedades estadísticas del sistema de medición necesitan determinarse a fin de ser aceptable. Si la variable equivocada está siendo medida. que sin tal conocimiento. si existe un impacto significativo de la repetibilidad y reproducibilidad sobre la variación total del sistema de medición. el sistema de medición debe ser evaluado para saber si actualmente cuenta o no con dichas propiedades. Verifica los dispositivos y sujeción si aplica. un experimento estadístico y simple de dos factores pudiera realizarse periódicamente como la prueba de la etapa 2. (Verifica dispositivos y sujeción si aplica) También si existen aspectos ambientales críticos que sean interdependientes con la medición. linealidad. Etapa 1 & 2 Entendimiento del proceso de medición y ¿satisface los requerimientos? La prueba de la Etapa 1 es una evaluación para verificar que la variable correcta está siendo medida y en la localización para la característica apropiada con base en la especificación del diseño del sistema de medición. Los aspectos ambientales pueden conducir a un cambio en localización o a un ambiente controlado para el dispositivo de medición. repetibilidad y reproducibilidad). 69 . El conocimiento logrado durante las pruebas e la etapa 1 debiera ser una entrada para el desarrollo del programa de mantenimiento del sistema de medición así como el tipo de prueba que debiera usarse durante la etapa 2.Sección A Antecedentes Sección A Antecedentes Dos áreas importantes que necesitan ser evaluadas son: 1) Verifica que la variable correcta está siendo medida y en la localización apropiada para la característica.Capítulo II . entonces no importa que tan exacto o preciso es el sistema de medición. Por ejemplo. la variación atribuible al sesgo y linealidad del dispositivo de medición debiera ser pequeña comparada con los componentes de repetibilidad y reproducibilidad. La etapa 1 prueba los resultados para indicar que el ambiente de operación no contribuya significativamente a la variación global del sistema de medición.

Capítulo Il – Sección A Antecedentes 70 .

Ver Una Historia de los Experimentos Hawthorne. pueden requerirse pruebas preliminares para determinar si un procedimiento es apropiado o no para un sistema de medición particular. En algunos casos. repetibilidad. Editores El “Efecto Hawthorne” se refiere a los resultados de una serie de experimentos industriales. Los aspectos clave y generales a considerar cuando se seleccione o desarrolle un procedimiento de evaluación incluyen: • ¿Los estándares o normas tales como. ejecutados en los trabajos de Hawthorne de Western Electric entre Noviembre 1924 y Agosto 1932. precisión. Las mediciones a ciegas son mediciones obtenidas en el ambiente de medición actual por un operador que no sepa que tal evaluación del sistema de medición se está conduciendo. los investigadores modifican sistemáticamente las condiciones de trabajo de cinco ensambladores y monitorean los resultados. Pruebas apropiadamente administradas y basadas en mediciones a ciegas generalmente no son contaminadas por el bien conocido Efecto Hawthorne. la producción se incrementa. • • • • 25 26 W. como resultado de ser ellos parte del estudio. Struening y Marcia Guttentag. 71 . debieran ser usados en las pruebas. Se pensó que esto trajo resultados a los trabajadores para desarrollar una actitud mas positiva hacia el trabajo en si.25 Muchos procedimientos apropiados están disponibles para evaluación de sistemas de medición.Capítulo II . El tiempo requerido para las pruebas. aunque puede no ser posible evaluar su exactitud con una credibilidad razonable. los rastreables con NIST. Conforme las condiciones se mejoran. por ejemplo. Para pruebas continuas en la etapa 2. etc. cuando las condiciones de trabajo se degradan. la variabilidad del sistema de medición puede aún ser evaluada. la mayoría de los cuales necesita determinarse sobre la base de caso por caso para cada sistema de medición ase revaluado. 1991. Dichas pruebas preliminares deben ser una parte integral de las pruebas de la etapa 1 discutidas en la sección anterior. puede considerarse el uso de mediciones a ciegas. The Logic of Evaluation. Si no se usan estándares o patrones. mas que el resultado de cambiar las condiciones de trabajo. La selección de cual procedimiento usar depende de muchos factores. Cambridge University Press. qué nivel de estándar o patrón es apropiado? Los estándares son frecuentemente esenciales para evaluar la exactitud de un sistema de medición. reproducibilidad. 1. Edwards Deming. en la intención de resolver una diferencia aparente entre el sistema de medición de un fabricante y el sistema de medición de un cliente. The Handbook of Evaluation Research. Sin embargo. La falta de tal credibilidad puede ser un aspecto clave. la producción continúa mejorándose.Sección B Selección/Desarrollo de Procedimientos de Prueba Sección B Selección / Desarrollo de Procedimientos de Prueba “Cualquier técnica puede ser útil si sus limitaciones son entendidas y observadas”.26 El costo de las pruebas. En los experimentos. Elmer L. Ejemplos de tales términos incluyen exactitud. New York. y si es así. Cualquier otro término para el cual no haya una definición comúnmente aceptada debiera ser definido operacionalmente. por Richard Gillespie. Vol.

y los clientes de la instalación de un proceso de manufactura que de hecho. Si no se usan estándares o patrones. sin el uso de estándares o patrones.Capítulo Il – Sección B Selección/Desarrollo de Procedimientos de Prueba • ¿Las mediciones tomadas por el sistema de medición se comparan con las mediciones tomadas por otro sistema? Si es así. determinar que sistema necesita mejoramiento. entonces puede no ser posible. El encontrar los aspectos clave específicos que sean importantes a un sistema de medición particular es uno de los dos objetivos de las pruebas de la etapa 1. si los sistemas no están trabando bien juntos. ¿Con qué frecuencia debieran ejecutarse las pruebas de la etapa 2? Esta decisión puede basarse en las propiedades estadísticas del sistema de medición individual y en las consecuencias con la instalación. • Adicional a estos aspectos clave y generales. Sin embargo. debiera considerarse el uso de procedimientos de prueba que se soporten en el uso de estándares o patrones tales como los discutidos en la etapa 1 arriba indicada. no sea monitoreado debido a que el sistema de medición no esté operando apropiadamente. puede ser posible determinar si los dos sistemas de medición están trabajando bien juntos o no. otros aspectos clave que son específicos al sistema de medición particular a ser probados pueden ser también importantes. 72 .

determinar usando juicio de ingeniería. si existe la influencia de un evaluador en la calibración o uso del instrumento. 4) La selección de las partes de una muestra es crítico para un análisis apropiado y depende totalmente del diseño del estudio MSA. aunque no necesitan cubrir el rango completo del proceso. “la estabilidad del proceso. 73 . % de RRG con la variación del proceso). “el cumplimiento o incumplimiento con la especificación de una característica” (ej. observaciones visuales o un estudio de un gage. La preparación típica y previa para conducir el estudio es como sigue: 1) El enfoque a usar debiera planearse. deben seleccionarse muestras (o estándares). habilidad y mejoramiento del proceso).. La razón es el grado de confiabilidad deseado para estimaciones del estudio de un gage. cuando se oprime un botón y se imprime un número.Capítulo II Sección C Preparación para un Estudio de un Sistema de Medición Sección C Preparación para un Estudio de un Sistema de Medición Como en cualquier estudio o análisis. la disponibilidad de muestras sobre el rango de operación completo llega a ser muy importante.. SPC. Algunos factores a considerar en esta selección son: (a) Criticalidad de la dimensión – las dimensiones críticas requieren más partes y/o intentos. Existen algunos sistemas de medición donde el efecto de la reproducibilidad puede ser considerado como insignificante.. monitoreo del proceso. % de RRG con la TOLERANCIA). 3) Dado que el propósito es evaluar el sistema de medición total. los evaluadores elegidos debieran ser seleccionados de aquellos que normalmente operen el instrumento. número de partes de la muestra y número de lecturas repetidas debiera determinarse por anticipado. por ejemplo. donde resulten las mediciones y se determinen criterios de decisión. (b) Configuración de la parte – las partes a granel o pesadas pueden determinar el que sean pocas muestras y más intentos. Por ejemplo. Un estimativo independiente de la variación del proceso (estudio de habilidad del proceso) es recomendable al evaluar la adecuación del sistema de medición para control del proceso (ej.. del propósito del sistema de medición y de la disponibilidad de las muestras de las partes que representen el proceso de producción. Para situaciones de control de los productos donde resulten las mediciones y se determinen criterios de decisión. la dirección y cumplimiento con la variación natural del proceso” (ej. 2) El número de evaluadores. la planeación y preparación suficiente debe ser hecha previo a la conducción de un estudio de un sistema de medición. Para situaciones del control del proceso. inspección 100% o muestreo). La evaluación del sistema de medición se basa en las tolerancias de la característica (ej.

Otra vez. parte 1. Los dispositivos análogos debieran registrar en un medio de la graduación más pequeña o el límite de sensibilidad o resolución. Dado que cada parte será medida varias veces. Ver Capítulo III. 6) Asegura que el método de medición (ej. 5) El instrumento debiera contar con una discriminación tal que permita al menos un décimo de la variación del proceso esperado de la característica sea leído directamente. el plan de mediciones debe establecer una política común para registrar el dígito de la derecha más significativo del display.. 27 28 No existe correlación entre las lecturas.Capítulo Il – Sección C Preparación para un Estudio de un Sistema de Medición Cuando un estimativo independiente de la variación del proceso no esté disponible. Si las partes de la muestra NO representan el proceso de producción. la persona que conduce el estudio debiera saber cuál es la parte numerada que está siendo checada y registrar los datos como tales. Sección B. La variación en las partes de la muestra (PV) seleccionadas para el estudio MSA es usada para calcular la Variación Total (TV) del estudio mismo. En índice TV (ej.0001. los valores de mediciones debieran registrarse en un límite práctico con la discriminación del instrumento. Los dispositivos mecánicos deben leerse y registrarse con las unidades más pequeñas de la discriminación de la escala.. Todos los análisis presentados en este manual asumen independencia estadística de las lecturas individuales 27. 2) En la lectura del equipo. esto es necesario porque las partes serán tratadas en el análisis como si representaran el rango de variación de la producción en el proceso. las partes de la muestra deben ser seleccionadas del proceso y representar el rango de operación de producción completo.0001”. cada parte debe numerarse para identificación. Los evaluadores no debieran ser advertidos de cuál número de parte está siendo checada a fin de evitar cualquier posible sesgo por conocimiento. % de RRG del TV) es un indicador de la dirección del proceso y estabilidad continua del sistema de medición para el control del proceso. evaluador e instrumento) está midiendo la dimensión de la característica y siguiendo un procedimiento de medición definido. el equipo debiera ser capaz de “leer” un cambio de 0. etc. Para minimizar la probabilidad de resultados no confiables. entonces los resultados de las mediciones debieran registrarse en 0. Las muestras pueden seleccionarse tomando una muestra por día por varios días. O para determinar la dirección del proceso y la adecuación continua del sistema de medición para el control del proceso.00005”. El ignorar el TV no afecta las evaluaciones usando la tolerancia (control del producto) o un estimativo independiente de la variación del proceso (control del proceso). el TV debe ser ignorado den la evaluación. necesitan tomarse los siguientes pasos: 1) Las mediciones debieran tomarse en un orden aleatorio 28 para asegurar cualquier impulso o cambio que pudiera ocurrir y hacer un estudio totalmente aleatorio. La manera en la cual se conduce un estudio es muy importante. “Aleatoriedad e Independencia Estadística” 74 . Evaluador A. Evaluador B. parte 4. esto es. Para lecturas electrónicas. segundo intento. Sin embargo. Para dispositivos análogos si la más pequeña de la escala es 0. primer intento.001. Por ejemplo. si la variación de la característica es 0.

Cuando se desarrollen programas de pruebas de etapa 1 o etapa 2 existen varios factores que necesitan ser considerados: • ¿Qué efecto tiene el evaluador en el proceso de medición? Si es posible. los evaluadores que normalmente usen el dispositivo de medición debieran ser incluidos en el estudio. El mantener condiciones comunes entre programas de pruebas y pruebas secuenciales mejorará las comparaciones entre los diferentes resultados de pruebas. El efecto de las diferencias entre los métodos que los evaluadores usen será reflejado en la reproducibilidad del sistema de medición. los evaluadores debieran recalibrar el equipo antes de cada grupo de lecturas. Aunque el número de evaluadores. intentos y partes puede ser variable cuando se usen las prácticas recomendadas y discutidas en este manual. el número de evaluadores. • ¿Es la calibración del evaluador del equipo de medición muy probable una causa significativa de variación? Si es así.Capítulo II Sección C Preparación para un Estudio de un Sistema de Medición 3) El estudio debiera ser administrado y observado por una persona que entienda la importancia de conducir un estudio confiable. 75 . Cada evaluador debiera usar el procedimiento – incluyendo todos los pasos – que ellos usen normalmente para obtener las lecturas. • ¿Cuántas partes de la muestra y lecturas repetidas son requeridas? El número de partes requeridas depende de la significancia de la característica a ser medida y del nivel de confiabilidad requerido en el estimativo de variación del sistema de medición. intentos y partes debiera mantenerse constante entre programas de pruebas de etapa 1 y etapa 2 o entre pruebas secuenciales de la etapa 2 para sistemas de medición comunes.

Capítulo Il – Sección C Preparación para un Estudio de un Sistema de Medición 76 .

En general. Dado que la variación final (total) se basa en una combinación de la variación del proceso y las mediciones. el sistema de medición puede ser considerado como aceptable para dicho uso y no 77 . En tales casos. Error por Ensamble ó Dispositivo Criterios de Aceptación – Error por Ensamble ó Dispositivo de Gages Un gage inapropiado en el diseño de sus dispositivos ó ensamblado pobremente incrementa el error en las mediciones. se resetea ó repara el gage y los dispositivos. la primer cosa a hacer cuando existe algún aspecto clave aparente en las mediciones es revisar el ensamble y las instrucciones de ajuste. Si se encuentran problemas en alguna de estas áreas. los sujetadores/probadores estén correctamente posicionados y tengan la carga correcta. . (NOTA: esto no estaría en las instrucciones) y. el sistema de medición debiera recalibrarse o aplicarse una corrección de compensación para minimizar este error. y las gráficas de control indican que el proceso es estable. el sesgo o error de linealidad de un sistema de medición es inaceptable si es significativamente diferente de cero o excede el máximo error permisible establecido por el procedimiento de calibración de gages. Esto se encuentra normalmente cuando las mediciones indican ó despliegan alguna inestabilidad en el proceso ó condiciones fuera de control. por ejemplo. para estar seguros de que el gage fue apropiadamente ensamblado. puede ser útil establecer prioridades en cuáles sistemas de medición enfocarse. verificar que el programa sigue el protocolo requerido ó esperado. Error de Localización Criterios de Aceptación – Error de Localización El error de la localización es normalmente definido analizando el sesgo y la linealidad. Los criterios de aceptación final para sistemas de medición específicos dependen del medio ambiente y propósito del sistema de medición y debieran ser acordados con el cliente. También. En general. para mediciones automatizadas. cuando el SPC ha sido aplicado para control del proceso ó recolección de datos del proceso mismo.Capítulo II Sección D Análisis de Resultados Sección D Análisis de Resultados Los resultados debieran evaluarse para determinar si el dispositivo de medición es aceptable para su aplicación esperada. Un sistema de medición debiera ser estable antes de ser válido cualquier análisis adicional. y entonces se vuelve a correr la evaluación de las mediciones. Error de Amplitud Criterios de Aceptación – Error de Amplitud Los criterios para saber si la variabilidad de un sistema de medición es satisfactoria dependen del porcentaje de la variabilidad del proceso de manufactura / producción o de la tolerancia de la parte que es consumida por la variación del sistema de medición. (Ver Capítulo I Sección B – “Los Efectos en la Variabilidad de los Sistemas de Medición”) Cuando se inicia la evaluación de sistemas de medición por una organización. Esto puede ser debido a variaciones del gage excesivas ó una repetibilidad pobre y valores de RRG pobres.

78 . importancia de las mediciones en la aplicación. Si alguna condición ó no conformancia fuera de control se encuentra en esta situación. costos de retrabajos ó reparaciones. usando el resultado promedio de varias lecturas sobre la misma característica de la parte. Arriba del 30 porciento Se considera inaceptable 29 30 Si el proceso total está en control estadístico por ambas gráficas de promedios y variaciones y la variación total es aceptable. Debiera ser aprobado por el cliente. En ambos casos el proceso está fabricando producto aceptable. Para sistemas de medición cuyo propósito es analizar un proceso. por ejemplo. “Aspectos Clave en las Mediciones”. a fin de reducir la variación final en las mediciones.. la primera cosa que debiera hacerse es evaluar el sistema de medición. Precaución: El uso de guías y lineamientos para RRG como un todo per se NO es una práctica aceptable para determinar la aceptabilidad de un sistema de medición. especialmente útil cuando se trate de separar ó clasificar partes ó cuando se requiere cerrar el control del proceso. Ver Capítulo I. Debiera hacerse todo esfuerzo por mejorar el sistema de medición.Capítulo Il – Sección D Análisis de Resultados requiere alguna re evaluación por separado 29. Este estadístico indica el número de categorias en las cuales el proceso de medición puede dividirse. Puede ser acceptable para algunas aplicaciones Comentarios Recomendado. Sección E. En el caso (2) la existencia de una no conformancia ó una condición fuera de control podría ser una falsa alarma (ej. por ejemplo. Tabla II-D 1: Criterios RRG Métrico Adicional para el Error de Amplitud Otro estadístico de la variabilidad de un sistema de medición es el número de categorías distintas (ndc) 30. Esta condición puede ser abordada por el uso de una estrategia de mediciones apropiada. los lineamientos y guías generales para la aceptación de un sistema de medición son como sigue: GRR Abajo del 10 porciento Del 10 al 30 porciento Decision Generalmente considerado como un sistema de medición aceptable. entonces puede asumirse que (1) ambas variabilidades actuales del proceso y las mediciones son aceptables. ó (2) la variación de las mediciones no es aceptable con respecto a la variación del proceso (la cual es extremadamente pequeña) aunque ambos estén en control estadístico. Este valor debiera ser mayor ó igual a 5. costos de dispositivos de medición. el producto es aceptable pero la evaluación dice que no lo es) y la cual causaría una evaluación de ambos sistema de medición y proceso. La decision debiera basarse en.

El desempeño de largo plazo del sistema de medición debiera ser también revisado usando análisis gráficos en el tiempo. se requiere una más sofisticada medición y control de temperatura. 79 .. Especificando las guías y lineamientos como criterios de inicio pueden llevar a un comportamiento equivocado. para tener un más bajo RRG). Comentarios en la Aplicación y Aceptabilidad de Gages Cuando se ve un RRG y la variación de las mediciones es importante ver cada aplicación en lo individual. produciendo partes fuera de la variación esperada del proceso). Por ejemplo: la precisión requerida de una medición de temperatura puede ser diferente para aplicaciones no similares. Pero en un laboratorio. donde pequeñas variaciones en la temperatura pueden impactar en resultados de pruebas. interacciones de la parte con el gage) ó manipulando el estudio de las mediciones (ej..Capítulo II Sección D Análisis de Resultados La aplicación de guías y lineamientos de inicio asume que la estadística calculada son estimativos determinantes de la variabilidad del sistema de medición (los cuales no lo son).. Por ejemplo. El termostato de un cuarto puede regular la temperatura para confort humano y a un precio muy económico. pero pudiera tener un RRG arriba de 30%. La aceptación final de un sistema de medición no debiera concretarse a un solo conjunto de índices. el proveedor puede ser creativo en lograr un bajo RRG eliminando fuentes de variación en la vida real (ej. Este termostato sería más caro y se requiere que cuente con una menor variabilidad (ej. para ver que se requiere y cómo van a ser usadas las mediciones. Es aceptable para esta aplicación.

Capítulo Il – Sección D Análisis de Resultados 80 .

Capítulo III Prácticas Recomendadas para Sistemas de Medición Replicables Capítulo III PRACTICAS RECOMENDADAS PARA SISTEMAS DE MEDICIÓN REPLICABLES 81 .

Capítulo IIl – Sección A Ejemplos de Procedimientos de Prueba 82 .

Los procedimientos son apropiados de usar cuando: Solo dos factores o condiciones de medición (ej. Los procedimientos son simples de usar y pueden aplicarse en un ambiente de producción. el procedimiento de prueba que debiera usarse para entender un sistema de medición y cuantificar su variabilidad depende de las fuentes de variación que pudieran afectar el sistema de medición mismo. 83 . En muchas situaciones las fuentes principales de medición son debidas al instrumento (gages/equipo). Un diseño estadístico de experimentos puede conducirse y/o conocimientos del tema en cuestión pueden aplicarse para determinar si estos procedimientos son apropiados para cualquier sistema de medición específico. Como se discutió previamente.Capítulo III – Sección A Ejemplos de Procedimientos de Prueba Sección A Ejemplos de Procedimientos de Prueba Ejemplos de procedimientos de prueba específicos son presentados en este capítulo. Las partes no cambian dimensionalmente durante el estudio.. evaluadores y partes) más la repetibilidad del sistema de medición están siendo estudiados. Los procedimientos de prueba en este capítulo son suficientes para este tipo de análisis de sistemas de medición. la persona (evaluador) y el método (procedimiento de medición). El efecto de la variabilidad dentro de cada parte es insignificante. No existe interacción estadística entre los evaluadores y las partes.

Capítulo IIl – Sección A Ejemplos de Procedimientos de Prueba 84 .

2) Sobre una base periódica (diariamente. seleccionar una parte de producción 31 que caiga en el rango medio de las mediciones de producción y desígnala como la muestra master para el análisis de estabilidad.Gráfico 4) Establecer límites de control y evaluar condiciones fuera de control o inestables usando el análisis estándar de gráficas de control. 31 Debiera tomarse precaución cuando el master de producción pudiera experimentar un excesivo desgaste debido al uso. 3) Graficar los datos en una gráfica de control X & R o X & s bajo el orden de tiempo. Se recomiendan por separado las mediciones y gráficas de control. Puede ser deseable contar con muestras master para valores mínimos. Análisis de Resultados . Si no existe alguno disponible. Esto puede requerir el modificar la parte de producción tal como el acabado. El tamaño de la muestra y frecuencia debieran basarse en el conocimiento del sistema de medición. GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DE LA ESTABILIDAD Conducción de un Estudio 1) Obtén una muestra y establece sus valores de referencia en relación a un estándar rastreable.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Sección B Guías y Lineamientos – Estudio de Sistemas de Medición de Variables Esta sección contiene lineamientos de implementación para técnicas de sistemas de medición descritas en el capitulo 1. mide la muestra master de 3 a 5 veces. material o manejo. Una completa revisión de la sección E es recomendable para asegurar una apropiada aplicación de estos lineamientos. para extender la vida del master mismo. que tan frecuente sea usado el sistema de medición y que tan extremas son las condiciones de operación. semanalmente). Algunos factores pudieran incluir que tan frecuente sea requerido la recalibración o reparación. Esto tomará en cuenta calentamientos. 85 . No se requiere un valor de referencia conocido para rastrear la estabilidad del sistema de medición. altos y de rango medio de las mediciones esperadas. sección E. medio ambiente u otros factores que pudieran cambiar durante el día. Las lecturas necesitan tomarse en diferentes tiempos para representar cuando el sistema de medición está realmente siendo usado.

También. Ejemplo – Estabilidad Para determinar si la estabilidad de un nuevo instrumento de medición es aceptable. 86 . los datos pueden usarse para determinar el sesgo del sistema de medición. Gráfica Xbarra/R para Estabilidad Figura III-B 1: Análisis de la Gráfica de Control para Estabilidad El análisis de las gráficas de control indica que el proceso de medición es estable dado que no hay efectos de causas especiales obvias ó visibles. 32 Ver Manual de Referencia del SPC. el equipo de proceso selecciona una parte próxima al punto medio del rango del proceso de producción.01. Esta puede compararse con la del proceso para determinar si la repetibilidad del sistema de medición es adecuada para la aplicación. Después de que todos los datos son recolectados. El diseño de experimentos u otras técnicas analíticas de solución de problemas pueden requerirse para determinar los contribuidores primarios de la falta de estabilidad del sistema de medición. El equipo mide esta parte 5 veces una vez al turno por cuatro semanas (20 subgrupos). la desviación estándar de las mediciones puede usarse como una aproximación de la repetibilidad del sistema de medición mismo. no existe un análisis numérico y específico o índice para estabilidad. 32 Si el proceso de medición es estable. las gráficas XR son desarrolladas (ver Figura III-B 1).Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Análisis de Resultados – Numérico Además del análisis normal de gráficas de control. Esta parte es enviada al laboratorio de medición para determinar el valor de referencia el cual es 6.

selecciona una parte de producción que caiga en el rango medio de las mediciones de producción y desígnala como la muestra master para el análisis de sesgo. Usa este promedio como el “valor de referencia”. cuando se compare con la repetibilidad. Si esto se hace. Si no existe alguno disponible. 87 . analiza los datos usando un estudio de linealidad. altos y de rango medio de las mediciones esperadas. Si no. Sección E. para determinar si causas especiales o anomalías están presentes. Puede ser deseable contar con muestras master para valores mínimos. Precaución especial debe tenerse para alguna interpretación o análisis cuando n < 30. la repetibilidad debe ser aceptable cuando se compare con la variación del proceso a fin de que este análisis sea útil. Revisa el histograma. el error del sesgo y la linealidad de un sistema de medición es aceptable si no es significativamente diferente de cero. 33 Ver Capítulo I. 1) Obtén una muestra y establece su valor de referencia en relación aun estándar o patrón rastreable.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DEL SESGO 33 – Método de Muestras Independientes Conducción del Estudio El método de muestras independientes para determinar si el sesgo es aceptable usa la Prueba de Hipótesis: Ho sesgo = 0 H1 sesgo ≠ 0 El sesgo promedio calculado es evaluado para determinar si el sesgo pudiera ser debido a variaciones aleatorias (muestreo). continúa con el análisis. 2) Cuenta con un solo evaluador para que mida la muestra n >10 veces de una forma normal. para una definición operacional y discusión de causas potenciales. En general. Mide la parte n >10 veces en el cuarto de herramientas y calcula el promedio de las lecturas n. Resultados de Análisis – Gráfico 3) Determina el sesgo de cada lectura: sesgoi = xi – valor Referencia 4) Grafica los datos como histograma en relación al valor de referencia. usando el conocimiento del tema en cuestión. Consecuentemente.

mostrado adelante). σ repetibilidad =σ r = ∑ X i− X i =1 n ( ) 2 n −1 Si está disponible un estudio RRG (y válido) el cálculo de la desviación estándar de la repetibilidad debiera basarse en los resultados del estudio. la continuación del análisis del sistema de medición con un %EV largo podría conducir a resultados que se malinterpreten ó confusos. Nota TF: ¿Qué específicamente suponemos ver en Sección D que ligue con EV? 8) Determina el estadístico t para el sesgo: 34 σ =σ b r n sesgo promedio b estadístic o t = t sesgo = σ 9) El sesgo es aceptable (estadísticamente cero) en un nivel α si • el valor p asociado con es más que α . 7) Determine si la repetibilidad es aceptable calculando el repetibilidad/TV] %EV = 100 [EV/TV] = 100[ σ Cuando la variación total (TV) se base en la variación esperada del proceso (se prefiere) ó el rango de especificación dividido por 6 (ver también el estudio RRG abajo). Dado que el análisis de sesgo asume que la repetibilidad es aceptable.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Resultados de Análisis – Numérico 5) Calcula el sesgo promedio de las n lecturas sesgo promedio = ∑ sesgo i =1 n i n 6) Calcula la desviación estándar de la repetibilidad (ver también Estudios de Gages. Método de Rangos. Sección D). Si el %EV es largo (ver Capítulo II. ó t bias 34 La incertidumbre para el sesgo es dada con σb 88 . entonces la variación del sistema de medición puede ser inaceptable.

1−α ⎞⎤ ⎟ ⎟ ⎢ ⎜ ⎢ ⎜ 2 ⎠⎥ 2 ⎠⎥ ⎣ ⎝ ⎦ ⎣ ⎝ ⎦ donde v = n − 1 y t v .05 (confiabilidad del 95%). el cual es necesario para evaluar / controlar el proceso y es asociado con la función de pérdida (curva de sensibilidad) del producto / proceso.1−α ⎞⎤ ≤ cero ≤ Sesgo + ⎡σ b ⎛ tv . 2 El nivel α usado depende del nivel de sensibilidad. Un análisis del equipo de medición indicó que no debiera ver aspectos clave de linealidad. Debiera obtenerse un acuerdo con el cliente si se utiliza un nivel α diferente al valor por defaul de 0.1−α es encontrado usando las tablas estándar de t. Es seleccionada una sola parte dentro del rango de operación del sistema de medición y basada en la variación documentada del proceso. Esta parte fue medida por una inspección de layout para determinar su valor referencia. La parte fue entonces medida quince veces por el operador líder. 89 . de manera que el ingeniero tuviera solo el sesgo del sistema de medición evaluado.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables • Cero cae dentro de los límites de confiabilidad de 1 − α basados en el valor de sesgo: Sesgo − ⎡σ b ⎛ tv . Ejemplo – Sesgo Un ingeniero de manufactura estaba evaluando un nuevo sistema de medición para monitorear un proceso.

4 0.0 0.7 5.6 6.4 90 .2 -0.1 6.1 0.1 6.0 0.3 6.9 6.3 -0.0 Tabla III-B 1: Datos de Estudio de Sesgo Usando una hoja de cálculo y software estadístico.6 5.0 0.0 6.1 6. 4 3 Frecuencia 2 1 0 5.0 Sesgo -0.2 -0.9 6.4 6.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables I N T E N T O S 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Valor de Referencia = 6.0 6.2 6.9 5.1 6.3 0.2 5.00 5.0 6.0 6.7 5.8 Valor de las Mediciones 5.8 5. el supervisor generaría el histograma y análisis numérico (ver Figura III-B 2 y Tabla III-B 2).1 0.1 -0.4 0.3 6.1 0.1 0.

sesgo (Con H0 y un intervalo de confianza del 95% para t para el promedio) Frecuencia Estudio . Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (-0.1107. el ingeniero puede asumir que el sesgo de las mediciones es aceptable asumiendo que el uso actual no introduce fuentes adicionales de variación.212/2.2120 se compare contra la variación del proceso esperada (desviación estándar) de 2.5%.5) = 8. 91 . 0. Dado que el %EV = 100(. la repetibilidad es aceptable y el análisis de sesgo puede continuar. La repetibilidad de 0.1241).sesgo Tabla III-B 2: Estudio de Sesgo .Histograma del Estudio de Sesgo El histograma no mostraba alguna anomalía ó punto más allá de sus límites que requiriera análisis y revisión adicional.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Histograma del Estudio .5.

92 . σr la Media. Si no existe uno disponible.12 Valor de Referencia = 6.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables n Valor Medido 15 Promedio 6. los resultados son mostrados por un programa estadístico típico usando doble precisión. selecciona una parte de producción que caiga en el rango medio de las mediciones de producción y desígnala como la muestra master para el análisis del sesgo. los datos pueden también usarse para evaluar el sesgo. α = 0. 35 Aun y cuando los datos son ofrecidos con un dígito después del punto decimal.05 Valor t Intervalo de Confianza del Sesgo df Significativo 95% del Sesgo Promedio (2 – colas) Inferior Superior 14 2. 2) Conduce el estudio de estabilidad con g (subgrupos) ≥ 20 subgrupos de tamaño m. ej. Mide la parte n >10 veces en el cuarto de herramientas y calcula el promedio de las n lecturas. Usa este promedio como el “valor de referencia”. 1) Obtén una muestra y establece su valor de referencia en relación a un estándar o patrón rastreable. con dígitos decimales múltiples.14479 0067 -0. σb 0.1107 0. El análisis de la gráfica de control debiera indicar que el sistema d medición es estable antes de que el sesgo se evaluado.2120 0.1241 Tabla III-B 2: Estudio de Sesgo – Análisis del Estudio de Sesgo 35 GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DEL SESGO – Método por Gráficas de Control Conducción del Estudio Si se usa una gráfica X & R para medir la estabilidad..0547 Estadístico t Valor Medido 0.0067 Error Desviación Estándar de Estándar.00.

entonces la variación del sistema de medición puede ser inaceptable. continua con el análisis. Revisa el histograma.. sección D). Si m ≥ 2. Dado que el análisis de sesgo asume que la repetibilidad es aceptable. para determinar si están presentes causas especiales ó anomalías. (ver Apéndice C). grafica los datos en un histograma relativos al valor de referencia. 8) Determina si la repetibilidad es aceptable calculando el %EV = 100[EV/TV] = 100 [ σrepetibilidad /TV] Cuando la variación total (TV) se base en la variación del proceso esperada (preferida) ó el rango de especificación se divida por 6 (ver también el estudio RRG abajo). Si el %EV es grande (ver Capítulo II. Si no. usando conocimientos del asunto ó tema en cuestión.valor de referencia 7) Calcula la desviación estándar de la repetibilidad usando el promedio de los rangos. 4) Análisis de Resultados – Numérico 5) 6) Obtén la X de la gráfica de control. usa el análisis descrito para el método de muestras independientes (ver arriba). Calcula el sesgo restando el valor de referencia de X . mientras que la magnitud absoluta del sesgo excede a los valores aceptables del equipo. el análisis puede indicar que el sesgo es estadísticamente cero. ej. σrepetibilidad = R d 2* donde d*2 se basa en el tamaño (m) de los subgrupos y el número de subgrupos en la gráfica (g). el continuar el análisis con un sistema de medición con un %EV grande conduciría a resultados que podrían mal interpretarse ó confusos.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Análisis de Resultados – Gráfico 3) Si la gráfica de control indica que el proceso es estable y m = 1. 93 . sesgo = X .

el supervisor generaría un análisis numérico (Tabla III-B 3).Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables 9) Determina el estadístico t para el sesgo: 36 σb = σr gm sesgo estadístico t = t sesgo = σb 10) El sesgo es aceptable (estadísticamente cero) en el nivel α si el cero cae dentro de los límites de confiabilidad de 1 – α y alrededor del valor del sesgo: Sesgo − ⎡σ b ⎛ tv .021. Ejemplo – Sesgo En referencia a la Figura III-B 1 el estudio de estabilidad fue realizado sobre una parte que tenía un valor de referencia de 6. 36 La incertidumbre para el sesgo es dada por σb .0299.011. 0.0519). Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (-0. El promedio global de todas las muestras (20 subgrupos de tamaño 5 para n = 100 muestras) fue de 6. Debiera obtenerse un acuerdo con el cliente si se usa un nivel de α diferente al valor por defaul de 0. Usando una hoja de cálculo y software estadístico. El sesgo calculado es por tanto 0.05 (confiabilidad del 95%).1−α ⎞⎤ ⎟ ⎟ ⎢ ⎜ ⎢ ⎜ 2 ⎠⎥ 2 ⎠⎥ ⎣ ⎝ ⎦ ⎣ ⎝ ⎦ donde v se encuentra en el Apéndice C y t α se encuentra usando las tablas estándar para t.01. 94 .1−α ⎞⎤ ≤ cero ≤ Sesgo + ⎡σ b ⎛ tv . el equipo de procesos puede asumir que el sesgo de las mediciones es aceptable asumiendo que el uso actual no introduce fuentes de variación adicionales.1− 2 El nivel de α usado depende del nivel de sensibilidad que sea necesario para evaluar / controlar el proceso y es asociado con la función de pérdida (curva de sensibilidad) del producto / proceso. v .

Media 6. Revisar las instrucciones de medición. software o ambos. 95 .01.2048 0. α = 0.05. Instrumento midiendo la característica equivocada. Instrumento usado en forma inapropiada por el evaluador.011 -0.0299 0. Instrumento hecho para dimensiones equivocadas. m=5. g = 20. Esto puede mostrarse en el análisis de estabilidad y sugeriría un programa de mantenimiento o reconstrucción. d 2 = 2. Instrumento desgastado. d2 = 2.. todavía puede usarse a través de un cambio en el procedimiento (ej.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables n Valor Medido 100 X .334.5371 72.021 Error Desviación Estándar de Estándar σ la Media σb 0. Dado que esto cuenta con un alto riesgo de error del evaluador.0519 Tabla III-B 3: Estudio de Sesgo – Análisis de un Estudio de Estabilidad para Sesgo Análisis de Estudios de Sesgo Si el sesgo es estadísticamente no cero.7 1.326 Intervalo de Confianza del Valor Estadístico Sesgo 95% del Sesgo df Significativo de t t (2 – colas) Inferior Superior Valor Medido 0. Algoritmo incorrecto para la corrección del instrumento. Instrumento no calibrado apropiadamente. Procedimiento de chequeo del master. donde debiera ser posible recalibrarse para lograr un sesgo de cero a través de la modificación del hardware.02048 * Valor de Referencia = 6.993 0. Revisar el procedimiento de calibración. ajustando cada lectura por el sesgo). investigar las siguientes posibles causas: • • • • • • • Error en el master o valor de referencia. debiera usarse solo con la concurrencia del consumidor. Si el sistema de medición cuenta con un sesgo no cero. Si el sesgo no puede ajustarse a cero.

(ver Figura III-B 3) 6) Calcula y grafica la mejor línea ajustada y la banda de confiabilidad de la línea misma usando las ecuaciones siguientes.j – (valor de Referencia)i Sesgoi = ∑ Sesgo j =1 m i. 96 . cubren el rango de operación del gage.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DE LA LINEALIDAD 37 Conducción del Estudio La linealidad puede evaluarse usando los siguientes lineamientos: 1) Selecciona g > 5 partes cuyas mediciones. Sesgoi.j = Xi. debido a la variación del proceso. usar: yi = axi + b donde xi = valor de Referencia yi = Promedio de los sesgos y 37 Ver Capítulo I. 3) Mide cada parte m >10 veces sobre el gage en cuestión por uno de los operadores quien normalmente use el gage mismo. Para el mejor ajuste de la línea. Sección E. para una definición operacional y discusión de causas potenciales. j m 5) Grafica los sesgos individuales y loa promedios de los sesgos con respecto a los valores de referencia sobre una gráfica lineal. 2) Mide cada parte con una inspección de layout para determinar su valor de referencia y confirmar que el rango de operación del gage en cuestión está cubierto. Selecciona las partes al azar para minimizar algún sesgo del evaluador en las mediciones. Análisis de Resultados – Gráfico 4) Calcula el sesgo de la parte por cada medición y el promedio de los sesgos para cada parte.

38 Ver la nota para la selección del nivel α en el área de “Guías y Lineamientos para Determinar el Sesgo”. Dado que el análisis de sesgo asume que la repetibilidad es aceptable.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables a= ∑ xy − ⎜ gm ∑ x∑ y ⎟ ⎜ ⎟ 2 1 ∑ x 2 − gm (∑ x ) ⎛ 1 ⎝ ⎞ ⎠ = pendiente b = y − a x = int ercepción Para un dado x0. entonces la variación del sistema de medición puede ser inaceptable. 8) Graficar la línea de “sesgo = 0” y revisar la gráfica para indicaciones de causas especiales y aceptación de la linealidad. 97 . en Capítulo III. Sección D). Sección B. los límites para el nivel de confianza 38 α son: donde s = ∑y 2 i − b∑ yi − a ∑ xi yi gm − 2 1 ⎡ 2 ⎞ 2 ⎤ ⎛ 1 (x 0 − x ) ⎟ s ⎥ inferior: b + ax0 − ⎢t gm. (ver ejemplo de la Figura IIIB 3). Si el %EV es largo (ver Capítulo II. la continuación del análisis del sistema de medición con un %EV largo podría conducir a resultados que se malinterpreten ó confusos.1−α ⎜ 2 ⎢ 2 ⎜ gm ∑ (x j − x ) ⎟ ⎥ ⎝ ⎠ ⎥ ⎢ ⎣ ⎦ 7) La desviación estándar de la variabilidad de la repetibilidad.1−α ⎜ + 2 ⎢ ⎜ gm 2 ∑ (x i − x ) ⎟ ⎥ ⎠ ⎥ ⎝ ⎢ ⎦ ⎣ 1 ⎡ 2 ⎛ 1 ⎞ 2 ⎤ (x 0 − x ) ⎟ s ⎥ + superior: b + ax0 + ⎢t gm . −2. −2. σ repetibilidad =s Determina si la repetibilidad es aceptable calculando el %EV = 100 [EV/TV] = 100 [ repetibilidad /TV] σ Donde la variación total (TV) se basa en al variación del proceso esperada (preferida) ó el rango de especificación dividido por 6 (ver también el estudio RRG abajo).

2006 98 .1 − α 2 Si la hipótesis anterior es verdad entonces el sistema de medición tiene el mismo sesgo para todos los valores de referencia. Análisis de Resultados .Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Para que la linealidad del sistema de medición sea aceptable. Para que la linealidad sea aceptable este sesgo debe ser 0. 39 Manual del Proceso de Aprobación de Partes para Producción. 4ª. la linealidad del sistema de medición necesitaba ser evaluada. la línea de “sesgo = 0” debe extenderse totalmente dentro de las bandas de confiabilidad de la línea ajustada. H0 : b = 0 No rechazar si t = b 2 ⎡ 1 ⎤ x ⎢ ⎥s + 2 ⎢ gm ∑ (xi − x ) ⎥ ⎣ ⎦ intersección (sesgo) = 0 ≤ tgm − 2. Cada parte fue entonces medida 12 veces por el operador titular. Las partes fueron seleccionadas al azar durante el estudio. Como parte de un PPAP 39. Edición. Se seleccionaron 5 partes alrededor del rango de operación del sistema de medición y en base a la variación del proceso documentado. Cada arte fue medida por una inspección de layout para determinar su valor de referencia.Numérico 9) Si el análisis gráfico indica que la linealidad del sistema de medición es aceptable entonces la siguiente hipótesis debiera ser verdad: H0: a = 0 inclinación = 0 no rechazar si t = a ⎡ ⎢ ⎢ ⎣ ⎤ s ⎥ 2 ⎥ ∑ (x j − x ) ⎦ ≤ tgm − 2.1 − α 2 Ejemplo .Linealidad Un supervisor de planta estaba presentando un nuevo sistema de medición para un proceso.

0 0.40 2.3 -0.00 -0.2 -0.80 3 6.50 9.80 7.70 5.0 0.30 9.5 0.30 6.7 0.40 9.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables I N T E N T O S Valor de Referencia de la Parte 1 2 3 4 5 6 7 8 9 10 11 12 1 2.125 3 6.0 -0.7 -0.4 0.5 -0.5 -0.50 2.50 2.10 6.00 5.50 7.1 0.4 -0.1 -0.3 0.40 Tabla III-B 4: Datos del Estudio de Linealidad Usando una hoja de cálculo y software estadístico.1 0.2 -0.3 -0.3 0.40 6.40 2.90 6.20 9.4 0.90 3. el supervisor generó la gráfica de linealidad (Figura III-B 3).4 0.4 0.60 2.30 9.00 4.61667 Tabla III-B 5: Estudio de Linealidad – Resultados Intermedios 99 .40 2.50 9.4 -0.1 -0.60 7.5 0.60 7.60 9.2 1.00 9.80 7.025 4 8.5 -0.0 0.00 6.00 1.10 3.30 2.20 5.4 0.00 2.5 -0.5 -0.1 -0.40 2 4.80 5.1 -0.2 -0.00 5.2 -0.70 7.1 -0.80 7.30 9.70 2.90 4.29167 5 10.70 7.1 0.80 7.6 -0.7 -0.10 4 8.0 0.00 6.2 -0.80 7.70 2.5 0.00 -0.70 7.50 9.3 -0.3 -0.3 -0.1 -0.6 0.7 0.00 3.00 0.90 3.00 6.70 5 10.50 2.4 -0.90 3.00 7.1 0.9 -0.50 9.10 9.491667 2 4.6 -0.10 6.2 0.7 -0.00 -0.8 -0.10 3.2 -0.80 3.90 5.90 4.2 -0. Parte Valor de Referencia 1 2 3 S 4 5 E 6 7 S 8 9 G 10 11 O 12 Promedio del Sesgo 1 2.5 0.50 2.1 0.1 -0.

queriendo estar seguro que el trabajo en papel no se deja pendiente.158 Tomando el defaul α = 0.40 Aún si el modelo lineal fuera aceptado.975. Sin embargo. Aún si los datos para el valor de referencia 4 no fueran considerados.043 tb= 10. En este punto.131667X R-Sq = 71. dado que el análisis numérico no ofrecerá ningún aspecto adicional. El valor de R2 indica que un modelo lineal puede no ser un modelo apropiado para estos datos.4 % Valores de Referencia Figura III-B 3: Estudio de Linealidad – Análisis Gráfico El análisis gráfico indica que las causas especiales pueden estar influenciando al sistema de medición. 100 . Los datos para el valor de referencia 4 parecen ser bimodales.736667 – 0. la línea de “sesgo = 0” intersecta los límites de confiabilidad más que estar contenido dentro de éstos. el supervisor llega al valor crítico de: 40 Ver textos estándar de estadística sobre el análisis de qué tan apropiado es usar un modelo lineal para describir las relaciones entre dos variables. el supervisor debe empezar el análisis y resolución del problema del sistema de medición.05 y yendo a las tablas t con (gm – 2) = 58 grados de libertad y una proporción de 0. el supervisor calcula el estadístico t para la inclinación e intersección: ta = -12.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Ejemplo de Linealidad Y = 0. el análisis gráfico muestra claramente que este sistema de medición tiene un problema de linealidad.

Si el sistema de medición tiene un problema de linealidad. aunque también puede evaluar otras fuentes de variación lo cual es la razón de porqué se incluyó. pero sin análisis hasta que el sistema de medición llegue a ser estable.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables t58. mientras que los métodos de los Rangos y los Promedios y los Rangos no incluyen esta variación. debiera ser usado solo con la concurrencia del cliente. Como se presentó. etc. Si no. En este caso. Guías y Lineamientos para Determinar la Repetibilidad y Reproducibilidad 41 El Estudio de Gages de variables puede ser ejecutado usando un diferente número de diferentes técnicas..00172 Dado que valor absoluto de t a > t 58. el diseño de los datos para el estudio es muy similar para cada uno de estos métodos. Dado que esto cuenta con un alto riesgo de error del evaluador.975 dado que existe un problema de linealidad. redondeado. el enfoque de X barra y R es apropiado y puede hacerse manualmente ó vía un programa de computadora. Si el sesgo no puede ser ajustado a cero a través del rango del sistema de medición. Sección E. Estos son: • • • Método de los Rangos Método de los Promedios y Rangos (incluyendo el método de las Gráficas de Control) Método de ANOVA Excepto para el método de los Rangos. 101 . Se prefiere el método ANOVA porque mide el error del gage por la interacción entre el operador y las partes.existe un problema de linealidad con este sistema de medición. software o ambos. Sección D en sus análisis. para una definición operacional y discusión de las causas potenciales. Tres métodos aceptables serán discutidos en detalle en esta sección. se hacia el supuesto de que la interacción es cero. El enfoque de ANOVA puede identificar la interacción entre las partes y el evaluador. en cuyo caso los resultados de ambos enfoques eran equivalentes. planicidad. el enfoque de ANOVA se prefiere por su flexibilidad si es que el usuario tiene acceso a un apropiado programa de computadora.975= 2.. 41 Ver Capítulo I. necesita ser recalibrado para lograr un sesgo de 0 a través de la modificación del hardware..975 . “Variación de la Localización”. todavía puede ser usado para control del producto / proceso. Históricamente. no importa que relación tenga tb con t58. sección E. el resultado obtenido del análisis gráfico es reforzado con el análisis numérico. Con esto dicho. adelgazamiento diamétrico. Las posibles causas para problemas de linealidad pueden encontrarse en el capítulo I. todos los métodos ignoran las variaciones entre las partes (tales como. como se discute en el Capítulo IV.

85 0. ej.05 0. si se usan dispositivos múltiples. entonces la reproducibilidad es cero..70 0. existen situaciones donde esta variación es debida a otras fuentes de variación misma. El método de rangos típicamente utiliza dos evaluadores y 5 partes para el estudio. repetibilidad.10 42 ej. %RRG > 30% 102 . ambos evaluadores miden cada parte una a la vez. con algunos sistemas de medición en proceso no existen evaluadores humanos. todas las técnicas en esta sección están sujetas al prerrequisito de estabilidad estadística. La variación total de las mediciones es encontrada multiplicando el promedio de los rangos por encontrado en el apéndice C.75 1. ajustada y medidas por el mismo equipo. sino también puede incluir la variación de las partes a ser checadas.00 0.10 0. Este método ofrece solo una gráfica global del sistema de medición. Por ejemplo. Finalmente.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Sin embargo. Si todas las partes son manejadas. Sin embargo. La determinación de cómo manejar la variación dentro de las partes necesita basarse en un entendimiento racional del uso esperado de la parte y el propósito de las mediciones.. No secciona la variabilidad en repetibilidad y reproducibilidad. El rango para cada parte es la diferencia absoluta entre la medición obtenida por el evaluador A y la medición obtenida por el evaluador B. entonces la reproducibilidad es la variación entre los dispositivos. etc.B) 0. Este enfoque tiene el potencial de detectar un sistema de medición no aceptable 42 el 80% del tiempo con un tamaño de muestra de 5 y el 90% del tiempo con un tamaño de muestra de 10. con m = 2 y g = número de partes. el sistema de medición total incluye no solo el gage mismo y su sesgo respectivo.80 0.. Método de los Rangos El método de rangos es un estudio de gages de variables modificado el cual ofrece una aproximación rápida de la variabilidad de las mediciones. La suma de rangos es encontrada y el promedio de rangos R es calculado.45 0.05 0. Es típicamente usada como un chequeo rápido para verificar que la RRG no haya cambiado.55 0.50 Evaluador B 0. Aunque la reproducibilidad es usualmente interpretada como la variación del evaluador.95 0.60 Rango (A.05 0. En este estudio. 1 * donde d 2 es * d2 Partes 1 2 3 4 5 Evaluador A 0. solo es necesario un estudio de repetibilidad.

convertir el RRG a un porcentaje multiplicando por 100 y dividiendo entre la desviación estándar del proceso. 103 . Métodos de los Promedios y Rangos El método de los promedios y rangos ( X & R) es un enfoque el cual ofrece un estimativo de la repetibilidad y reproducibilidad para un sistema de medición. por tanto.43 Si embargo. En la tabla III-B 6. repetibilidad y reproducibilidad. si existe tal.0777 del Estudio Previo) RRG ⎞ ⎛ % RRG = 100 * ⎜ ⎟ = 75. se determina que el porcentaje de RRG es 77.7% ⎝ DesviaciónEstándardel Pr oceso ⎠ Tabla III-B 6: Estudio de Gages (Método de los Rangos) Para determinar qué porcentaje de la desviación estándar del proceso consume la variación de las mediciones.07 5 ⎛ R ⎞ ⎛ R ⎞ ⎛ 0. A diferencia del método de rangos. RRG ⎞ ⎛ % RRG = 100 * ⎜ ⎟ = 75.19 ⎟ = 0. debiera darse una interpretación de los resultados.7% ⎝ DesviaciónEstándar Pr oceso ⎠ Ahora que el porcentaje del RRG para el sistema de medición es determinado. la desviación estándar del proceso para esta característica es 0. 43 El método ANOVA puede ser usado para determiner la interacción entre el gage y los evaluadores.5% y la conclusión es que el sistema de medición necesita mejoramientos.07 ⎞ RRG = ⎜ * ⎟ = ⎜ ⎟ ⎜ d ⎟ ⎜ 1. En el ejemplo (ver tabla III-B 6).0777.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Promedio de los Rangos (R ) = ∑R 5 i = 0. este enfoque permite que la variación del sistema de medición sea seccionada en dos componentes por separado.35 = 0. la variación debida a la interacción entre el evaluador y las partes/gage no es tomada en cuenta para el análisis.19 ⎟ = ⎜ 1.0588 ⎠ ⎠ ⎝ ⎝ 2⎠ ⎝ (Desviación Estándar del Proceso = 0.

Repite este ciclo y registra los resultados en los renglones 3. 44 45 El número total de “rangos” generados debe ser > 15 para un nivel mínimo de confiabilidad en los resultados. B. 4) Permite a los evaluadores B y C medir las mismas partes n sin ver las lecturas de uno con otro. Luego el mismo evaluador A repite las lecturas en un orden diferente y registra los resultados en los renglones 2 y 3. Ver Capítulo II. Como en cualquier técnica estadística. Luego el evaluador B mide la primer parte y registra la lectura en el renglón 6. 8 y 13. Sección C 3) Calibra el gage si esto es parte de los procedimientos normales del sistema de medición. Hacer referencia a la hoja de datos RRG en III-B 6a. 6) Los pasos 4 y 5 pueden cambiar a lo siguiente cuando el tamaño de las partes es grande o no hay disponibilidad de partes simultáneamente. repite el ciclo y registra los datos en los renglones 3. El procedimiento detallado es como sigue: 1) Obtén una muestra de n > 5 partes de la variación del proceso. Permite al evaluador A medir n partes en un orden aleatorio 45 y registra los resultados en el renglón 1. Ver Capítulo III. Permite que el evaluador A repita la lectura de la primer parte y registren dicha lectura en el renglón 2. C. 5) Repite el ciclo usando un orden aleatorio diferente de las mediciones. etc. Si son necesarios tres intentos. entonces registra los resultaos en los renglones 6 y 11 respectivamente. mientras más grande es el tamaño de muestra. Sección B. y al número de partes 1 hasta n de manera que los números no sean visibles a los evaluadores.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Conducción del Estudio Aunque el número de evaluadores. la discusión subsecuente representa las condiciones óptimas para conducir el estudio. el evaluador B registra la lectura repetida en el renglón 7 y el evaluador C registra la lectura repetida en el renglón 12. Luego el evaluador C mide la primer parte y registra la lectura en el renglón 11. Registra los datos en la columna apropiada. 7) Un método alternativo puede usarse si los evaluadores son de diferentes turnos.7 y 12. este enfoque no se limita a ese número. 44 que represente el rango actual o esperado 2) Haz referencia a los evaluadores como A. 8 y 13 si se aplican 3 intentos. lo cual hace necesario: Permita que el evaluador A mida la primer parte y registre la lectura en el renglón 1. Aunque la forma fue diseñada para un máximo de 10 partes. intentos y partes puede variar. Por ejemplo si la primer pieza media es la parte 7 entonces registra el resultado en la columna etiquetada como parte 7. Permite que el evaluador A mida todas las 10 partes y registre las lecturas en el renglón 1. es menor la variación del muestreo y menor el riesgo resultante será presente. Registra los datos en los renglones 2. Haz lo mismo con los evaluadores B y C. “Aleatoriedad e Independencia Estadística” 104 .

64 5 -0.22 0.17 9 2.75 0.58 3 1.06 0.46 -0.11 -1.50 1 Parte 1 0.50 0.94 1.34 0.07 -0.19 -1.31 Promedio Xa = Ra = Xb = Rb = 14 Promedio 15 Rango Xc = Rc = X= Rp = 16 Promedio por Parte 17 18 19 R = ([(Ra = )] + [Rb = ] + [R ]= c = ]) [# deEvaluadores = ]= ]= R= X DIFF = [X Max = * ] − [X Min = LCSR = R = [ ]× [D 4 = * * D 4 = 3.56 -1. Notas: Figura III-B 6a: Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages 105 .34 1.45 -0.36 -1.29 -0.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages Evaluador /Intento # 1 2 3 4 5 6 7 8 9 10 11 12 13 A 2 3 Promedio Rango B 2 3 Promedio Rango C 2 3 1 0.96 0.27 4 0.49 1.12 2.19 0.63 0.13 -0.67 0.11 -0.14 0.04 -0.88 1.56 -0.27 para 2 intentos y 2.09 0.01 0.01 10 -1.47 0.21 -0.66 8 -0.17 1.87 -1.20 -0.46 -1.45 1.11 -0.31 -0.67 -0.80 -0.68 -1.29 0. UCLR representa el límite de las lecturas individuales Rs.47 -1.64 2 -0.59 0.16 1 0.84 6 0.01 1.08 0.07 -1. Identificar las causas y corregirlas.47 0.21 7 0.62 -1.25 -1.20 0.99 2.34 1.08 -0.02 -0.55 0.92 -0.25 0.56 -0.20 0.80 2.26 1.58 para 3 intentos.20 -1.38 -1.20 -0.68 1.68 -0. Repetir estas lecturas usando el mismo evaluador y unidad como originalmente se usó o descartar los valores y recalcular el promedio y R y el valor del límite de las observaciones restantes. Circular aquellas que estén fuera de éste límite.49 -1.77 1.77 -2.41 0.02 0.28 -0.03 0.83 -0.22 -0.49 0.15 -1.

Las siguientes son algunas de las técnicas que se ha probado son útiles. Para mayor información. aproximadamente una mitad o más de los promedios debiera caer fuera de los límites de control. Las herramientas gráficas específicas usadas dependen del diseño experimental empleado para recolectar los datos. Si los datos muestran este patrón. Un esquema sistemático de los datos para variaciones aparentes por causas especiales y usando herramientas gráficas debiera anteceder a un análisis estadístico. y el sistema de medición mismo puede ofrecer información útil para analizar y controlar el proceso. Esto puede ayudar a determinar la consistencia entre evaluadores. Los datos del análisis del sistema de medición pueden ser desplegados gráficamente con gráficas de control. (ver también el Método de Análisis de Varianzas). el sistema de medición debiera ser adecuado para detectar variaciones de parte a parte. Gráfica de Promedios Los promedios de las lecturas múltiples por cada evaluador y en cada parte son graficados por evaluador con el número de arte como un índice. Dado que el grupo de partes usado en el estudio representa la variación del proceso. El gran promedio y los límites de control determinados usando el promedio de los rangos también son graficados. ver referencias y buscar asistencia de fuentes estadísticas competentes. La gráfica de promedios resultante ofrece una indicación de la “facilidad de uso” del sistema de medición. Si menos de la mitad cae fuera de los límites de control entonces el sistema de medición carece de una resolución efectiva y adecuada o la muestra no representa la variación esperada del proceso. La idea de usar gráficas de control para responder preguntas relativas a un sistema de medición ha sido aplicada por Western Electric (Ver Manual de Control Estadístico de la Calidad de AT&T de la Lista de Referencias). 46 Descripciones detalladas de estos análisis están fuera del alcance de este documento. 106 .Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Análisis de Resultados – Grafico 46 El uso de herramientas gráficas es muy importante. El área dentro de los límites de control representa la sensibilidad (“ruido”) de las mediciones.

No existen diferencias aparentes entre evaluador a evaluador.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Promedio Figura III-B 4: Gráfica de Promedios – “Estancada” 47 Revisar que todas las gráficas indiquen que el sistema de medición parece tener una suficiente discriminación para los procesos con la variación descrita por las partes de la muestra. esta es también referida como gráfica de interacción de evaluadores – por .partes 107 . Figura III-B 5: Gráfica de Promedios “No Estancada” 47 Con el enfoque ANOVA.

Del análisis de datos graficados pueden darse varias interpretaciones. los evaluadores están haciendo el mismo trabajo. el método usado difiere de los otros. El análisis de la estabilidad debiera considerar la significancia practica y estadística. el sistema de medición es sensible a la técnica del evaluador y requiere mejoramientos para obtener datos útiles. Si todos los rangos están en control. Ninguna gráfica debiera desplegar patrones en los datos relativos a los evaluadores o partes. patrones dentro del evaluador o dentro de las partes. La gráfica de rangos puede ayudar a determinar: • • El control estadístico con respecto a la repetibilidad. La razón es que no importa que tan grande sea el error de las mediciones pero los límites de control permitirán tal error. Si un evaluador está fuera de control. La consistencia del proceso de medición entre los evaluadores para cada parte. Los rangos no son datos ordenados. Si todos los evaluadores están fuera de los rangos de control. La estabilidad se determina por un punto o puntos fuera de límites de control.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Graficas de Rangos La gráfica de control de rangos es usada para determinar si el proceso está en control. Esto es porque las causas especiales necesitan ser identificadas y retiradas antes de que el estudio de las mediciones sea relevante. El análisis de tendencias normales de la gráfica de control no debe usarse aún y cuando los puntos graficados sean conectados por líneas. Los rangos de las lecturas múltiples por cada evaluador y en cada parte son graficadas en una gráfica estándar de rangos incluyendo los rangos promedios y los límites de control. Rango Parte Figura III-B 6: Gráfica de Rangos – “Estancada” 108 .

.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Figura III-B 7: Gráfica de Rangos – “No estancada” La revisión de las gráficas anteriores indica que no hay diferencias entre la variabilidad de los evaluadores. Gráfica de Corridas Las lecturas individuales son graficas por parte para todos los evaluadores (ver Figura III-B 8) para obtener detalles de: • • El efecto de las partes individuales sobre la consistencia de la variación La indicación de lecturas irregulares (ej. lecturas anormales) Figura III-B 8: Gráfica de Corridas por Parte La revisión de la gráfica anterior no indica algún punto más allá de los límites o partes inconsistentes. 109 .

Figura III-B 9: Diagrama de Dispersión 110 .Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Diagrama de Dispersión Las lecturas individuales son graficadas por parte y por evaluador (ver Figura III-B 9) para obtener detalles de: • • • Consistencia entre los evaluadores Indicación de posibles anormalidades Interacciones parte – evaluador La revisión de la Figura III-B 9 no indica alguna irregularidad significativa aunque indica que el evaluador C pueda tener lecturas inferiores que los otros evaluadores.

111 . Indicación de irregularidades.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Gráficas de Bigotes En las gráficas de bigotes. Valor Evaluador Parte Figura III-B 10: Gráfica de Bigotes La revisión de la Figura III-B 10 no indica que haya alguna irregularidad significativa aunque muestra que el proveedor B puede contar con a mayor variabilidad. Interacciones parte – evaluadores. los valores de datos altos y bajos y el promedio por parte – por – evaluador son graficados (ver Figura III-B 10). Esto ofrece detalles de: • • • Consistencia entre evaluadores.

Valor de Referencia ó Error = Valor Observado – Promedio de las mediciones de la parte Esto depende de si los valores de referencia de los datos a ser medidos están disponibles o no. Figura III-B 11: Gráficas de Errores La revisión de las gráficas anteriores indica que: • • • El evaluador A cuenta con un sesgo positivo global El evaluador B cuenta con la mayor variabilidad pero sin sesgo aparente El evaluador C cuenta con un sesgo negativo global 112 . La desviación individual o error para cada parte es calculado como sigue: Error = Valor Observado .Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Graficas de Errores Los datos del análisis del sistema de medición pueden ser analizados corriendo “gráficas de errores” (ver Figura III-B 11) de las desviaciones individuales de los valores de referencia aceptados.

Esto puede indicar que los evaluadores A y C están introduciendo una fuente de variación sistemática que está resultando en los sesgos.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Histograma Normalizado La gráfica de histograma (Figura III-B 12) es una gráfica que despliega la distribución de frecuencias del error del gage de los evaluadores que participaron en el estudio. Estas también indican que solo el evaluador B tiene una forma simétrica.0” de cada uno de los histogramas están alineados cada uno con respecto a los otros. 113 . También muestra su distribución de frecuencia combinada. Figura III-B 12: Histograma Normalizado 48 - 48 Hacer notar que el “0. puede identificarse aún antes de que los datos sean analizados. Si los valores de referencia están disponibles: Error = Valor Observado – Valor de Referencia De lo contrario: Valor Normalizado = Valor Observado – Promedio de las Partes La gráfica de los histogramas ofrece un bosquejo visual y rápido de cómo el error es distribuido. Aspectos clave tales como si el sesgo o falta de consistencia existe en las mediciones tomadas por los evaluadores. El análisis de los histogramas (Figura III-B 12) refuerza a las gráficas de errores.

La Consistencia en la linealidad entre evaluadores. A Ev. 3 3 2 1 0 -1 -2 -3 -3 -2 • • • •• • •• •• • • Ev. C 0 -1 -2 -3 -3 -2 • • • •• ••• •• •• •• • • •• • • • • • • -1 0 1 2 3 Referencia Figura III-B 13: Diagramas X-Y de Promedios por Medida 114 . B •• • • • • • 2 1 0 -1 -2 -3 • •• • • • •• •• ••• •• • •• • • •• • • • • -1 0 1 2 3 -3 -2 -1 0 1 2 3 Referencia 3 2 1 Referencia Ev.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Diagrama X-Y de Promedios por Medida Los promedios de las lecturas múltiples por cada evaluador y en cada parte son graficados con el valor de referencia o los promedios globales de las partes como índice (ver Figura III-B 13). Esta gráfica puede ayudar a determinar: • • La Linealidad (sí se usa el valor de referencia).

Y 115 . C Figura III-B 14: Comparación de Diagramas X . Esta gráfica compara los valores obtenidos por un evaluador contra los demás (ver Figura III-B 14). Ev. Si hubiera un acuerdo perfecto entre proveedores. A Ev. los puntos graficados describirían una línea recta a través del origen y un eje a 45o. B Ev.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Comparación de Gráficas X-Y Los promedios de las lecturas múltiples por cada evaluador y en cada parte son graficados uno con otro de los evaluadores como índices.

La Figura III-B 16 despliega un reporte en el cual toda la información identificada es registrada y se hacen todos los cálculos de acuerdo con las fórmulas prescritas. 6. 12 y 13). 2. El valor del Límite Superior de Control (UCLR) de los rangos individuales es registrado en el renglón 19. 2 y 3. El procedimiento para realizar los cálculos después de que los datos se ha recolectado es como sigue: (Lo siguiente se refiere a la Figura III-B 15) 1) Restar la lectura más pequeña de la lectura más larga en los renglones 1. Corrige las causas especiales que generaron la condición fuera de control. 6) Repite las lecturas que se produzcan en un rango mayor que el UCLR calculado usando el mismo evaluador y parte como originalmente se aplicó. u otra fuente de referencia estadística para una tabla de factores. Súmalos y divídelos por el número de los evaluadores y registra el resultado (promedio de todos los rangos). Si los datos fueran graficados y analizados usando una gráfica de control como se discutió previamente. 8. y registrar los resultados en los renglones 10 y 15 respectivamente. 12 y 13. Hacer lo mismo para renglones 10 y 15 y obtener R b y R c . esta condición se habría ya corregido y no ocurriría aquí. NOTA: El valor del Límite Inferior de Control (LCLR) para menos de 7 intentos es igual a cero. 3) Totaliza el renglón 5 y divide el total por el número de las partes muestreadas para obtener el promedio de los rangos para los primeros intentos de los evaluadores R a . 11. 5) Registra (valor promedio) en el renglón 19 y multiplícalo por D449 para obtener el límite superior de control. 7) Suma los renglones (renglones 1. R b . 7. Hacer lo mismo para renglones 6. Divide la suma en cada renglón por el número de partes muestreadas y registra estos valores en la columna que está más a la derecha titulada como promedio”. 7 y 8. R c ) al renglón 17.27 si se realizan dos intentos. 4) Transfiere los promedios de los renglones 5. 2) Los registros en los renglones 5. 116 . Notar que D4 es 3. 3. o descarta dichos valores y recalcula el promedio y y el valor del límite UCLR en base al tamaño de muestra revisado. y 11. 10 y 15 son rangos y por tanto siempre ser valores positivos.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Cálculos Numéricos Los cálculos de la Repetibilidad y Reproducibilidad de Gages son mostrados en las Figuras III-B 15 y III-B 16. 49 Ver Manual de Referencia del Control Estadístico de los Procesos (SPC). La Figura III-B 15 muestra la hoja de recolección de datos en la cual se registran todos los resultados del estudio. Formatos en blanco y reproducibles se encuentran disponibles en la sección de formatos muestra. registrar el resultado en el renglón 5. 1995. 10 y 15 ( R a .

13) Ejecuta los cálculos bajo la columna titulada “Análisis de las Unidades de Medición” en el lado izquierdo del formato. y divide el total por el número de mediciones (número de intentos por número de evaluadores). Registra los resultados en el renglón 16 en los espacios provistos para el promedio de las partes. 10) Suma las mediciones para cada intento. 12 y 13 y registra los resultados en las celdas para X b y X c en los renglones 9 y 14. (Lo siguiente se refiere a la Figura III-B 16) 12) Transfiere los valores calculados de . para cada parte. 14) Ejecuta los cálculos bajo la columna titulada “ % de la Variación Total ” en el lado derecho del formato. Repite esto para los renglones 6. y 11. Registra esta diferencia en el espacio titulado como X DIFF en el renglón 18. respectivamente.7 y 8. 9) Registra los promedios máximo y mínimo de los renglones 4. 117 .Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables 8) Suma los promedios de los renglones 1. 2 y 3 y divide el total por el número de intentos y registra el valor en el renglón 4 en la celda de X a . X DIFF y RP a los espacios en blanco provistos en el reporte adicional. 11) Resta el promedio de las partes más pequeño del promedio de las partes más largo y registra el resultado en el espacio titulado RP en el renglón 16. 9 y 14 en el espacio apropiado en el renglón 18 y determina la diferencia. 15) Checa los resultados para asegurarse de que no haya errores. RP es el rango de los promedios de las partes.

19 0.194 0.42 0.169 -0.18 -1.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Hoja de Recolección de Datos para Repetibilidad y Reproducibilidad de Gages Evaluador /Intento # 1 2 3 4 5 6 7 8 9 A 2 3 Promedio Rango B 2 3 Promedio 1 1 Parte 1 0.62 -1.4446 * [ ] [ ] LCSR = R = 0.20 0.27 1.35 0.38 -1.58] = LCSR = 0.227 2.150 -1.328 X = .513 -0.38 0.8816 [ ] * * D 4 = 3.68 -0.40 0.3417 × [D 4 = 2. Circular aquellas que estén fuera de éste límite.184 0.0014 Rp = 3.073 -1.115 0.87 0.75 -1.88 1.17 9 2.80 2.72 -1.940 -1.12 -0. Repetir estas lecturas usando el mismo evaluador y unidad como originalmente se usó o descartar los valores y recalcular el promedio y R y el valor del límite de las observaciones restantes.089 0.59 0.12 -0.96 0.47 0.77 -2.327 0.42 0.68 0.06 0.02 -0.16 0.513] + [Rc = 0.20 -0.09 0.46 -1.697 -1.851 1.20 0.0683 10 Rango 11 C 12 2 13 3 14 Promedio 15 Rango 16 Promedio por Parte 1 0.1903 − X Min = −0.02 0.16 Rb = 0.92 -0.367 -1.19 0.66 8 -0.29 0.17 0.853 0.77 1.12 2.01 1.307 X a = 0.3417 0.11 0.11 -1.45 1.56 -0.29 -0.80 -0.07 0.36 -1.63 0.03 0.297 2.17 1.807 X c = -0.20 0.157 0.100 0.50 0.027 0.47 0.571 17 18 19 R = ([(Ra = 0.013 0.39 1.256 -0.11 -0.42 -0.01 10 -1.10 0. UCLR representa el límite de las lecturas individuales Rs.83 0.09 0.34 0.454 -0.342 1.31 Promedio 0.42 0.667 -0.21 0.45 0.064 -0.67 1.26 1.166 0.75 0.13 -0.260 0.14 0.50 0.36 0.27 4 0.19 0.20 -1.23 -0.31 -0.22 -0.34 0.20 0.2543 = X DIFF = 0.39 0.08 -0.02 0.17 1.447 -0.413 -1.080 -0.41 0.64 2 -0.94 1.56 -1.27 para 2 intentos y 2.099 0.34 1.04 -0.58 3 1.328]) [# deEvaluadores = 3] = 0. Notas: Figura III-B 15: Hoja de Recolección de Datos Completada para R&RG 118 .037 -1.25 0.47 -1.223 -0.64 5 -0.483 0.49 0.211 0.503 1.67 -0.68 -1.99 2.11 -0.600 X b = 0.07 -1.3417 X DIFF = X Max = 0.14 -0.133 -0.28 0.537 -0.511 R = 0.001 0.71 -0.46 -0.58 para 3 intentos.25 -1.087 -1.1903 Ra = 0. Identificar las causas y corregirlas.607 1.284 -0.84 6 0.21 7 0.15 0.22 0.55 0.01 0.790 1.617 -0.08 0.2543 0.18 0.186 0.67 Rc = 0.880 0.184 )] + [Rb = 0.49 0.157 0.56 -0.49 -1.

20188 2 + 0.14610] = 26.30575/1.3417x0.41 PV = 1.3742 0.10456/1. De gage: Tipo de Gage: Fecha: Revisado por: Dato : R = 0.4467 %PV = 100 [PV/TV] 0.4446 × 0.10456/0.3534 0.5231 = [0.22963 Repetibilidad y Reproducibilidad (RRG) RRG = EV 2 + AV 2 = %RRG = 100 [RRG/TV] (0.38% PV = Pp × K 3 =1.41 (1.5908 = 0.30575) = 5.7071 0.62% =0.5231 = 20.14610 RRG = 1.30575 Variación de Parte (PV) 4 5 6 7 8 0.4446 Análisis de Medición Unitaria Repetibilidad – Variación del Equipo (EV) EV = R × K 1 Rp=3.14610] =96. De Parte: Características: Especificaciones: Nombre del gage: No.14610] 2 0.04% = 100 [0.201882 (10 × 3)) Evaluadores K2 (X DIFF × K 2 )2 − (EV 2 nr ) =0.5908 %AV =100 [AV/TV] =100 [0.4030 0.14610] =17. edición Figura III-B 16: Reporte de Repetibilidad y Reproducibilidad de Gages 119 .094~5 ( ) Para información sobre la teoría y constantes usadas en el formato ver Manual de Referencia MSA.20188/1.68% 100 = 0.8862 0.3417 X DIFF = 0.3249 0.30575 + 1. 4ª.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Reporte de Repetibilidad y Reproducibilidad de Gages Nombre y No.20188 Reproducibilidad – Appraiser Variación (AV) AV = = (0.3146 = 100 [1.104562 ) 9 10 ndc = 1.7071 3 0.511 % de Variación Total (TV) %EV = 100[EV/TV] Intentos 2 3 K1 0.3375 0.229632 ) Partes 2 3 K3 0.10456 Variación Total (TV) TV = RRG 2 + PV 2 = (0.22963/1.5231)2 − (0.

d 2 depende del número de intentos (m) y el número de partes por el número de evaluadores (g) (se asume que es mayor que 15 al calcular el valor de K1). La repetibilidad o variación del equipo (EV o σ E ) se determina multiplicando el promedio de los rangos ( ) por una constante (K1). existen cuatro diferentes enfoques para determinar la variación del proceso. La variación del sistema de medición para repetibilidad y reproducibilidad (RRG o σM) se calcula sumando el cuadrado de la variación del equipo y el cuadrado de la variación de los evaluadores. debe ajustarse restando una fracción de la variación del equipo. 120 . la cual es usada para analizar la aceptación de la variación de las mediciones: 50 Los resultados numéricos en el ejemplo fueron desarrollados como si fueran calculados manualmente. ofrecen un método para el análisis numérico de los datos de un estudio. y sus componentes de repetibilidad. El análisis con programas de computadora debiera mantener los valores intermedios con una máxima precisión con el lenguaje de programación / computadora. ej. Figuras III-B 15 y III-B 16. Los resultados de un programa de computadora válido pueden diferir de los resultados del ejemplo en el lugar del segundo decimal o mayor pero el análisis final se mantendrá igual. dado que solo existe el cálculo de un rango. Dado que la variación del evaluador es contaminada pro la variación del equipo.. reproducibilidad y variación de la parte. los resultados fueron realizados y redondeados a un digito decimal adicional. K1 depende del número de intentos * aplicados en el estudio del gage y es igual al inverso de d 2 . el cual se obtiene del * apéndice C. y sacando la raíz cuadrada como sigue: RRG = (EV )2 + ( AV )2 Generalmente. la variación de los valuadores (AV) es calculada por AV = (X DIFF × K 2 )2 − (EV ) nr 2 Donde n = número de partes y r = número de intentos. d 2 depende del número de evaluadores (m) y g =1. La reproducibilidad o variación de los evaluadores (AV o σA) se determina multiplicando la máxima diferencia promedio entre los evaluadores ( X DIFF ) por una constante (K2). En el lado izquierdo del formato (Figura III-B 16) con Análisis de las Unidades de Medición se calcula la desviación estándar para cada componente de variación. Esta información necesita ser comparada y complementada con los resultados del análisis gráfico. K2 depende del número de evaluadores usados en el estudio del gage y * * es el inverso de d 2 el cual se obtiene del apéndice C. Si se calcula un valor negativo bajo el símbolo de la raíz cuadrada.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Análisis de Resultados Numéricos Los formatos de hoja y reporte de recolección de datos de la repetibilidad y reproducibilidad de gages.50 El análisis estima la variación y porcentaje de la variación del proceso para el sistema de medición total. la variación de los evaluadores (AV) es cero por defaul. Por tanto.

variación de las partes sin variación de las mediciones) (PV o σP) se determina multiplicando el rango de los promedios de las partes (RP) por una constante K3). K3 depende del número de partes usadas en el estudio * * del gage y es el inverso de d 2 el cual se obtiene del apéndice C.0 La variación de las partes (parte – a – parte. entonces puede ser usado en lugar de la variación total del estudio (TV) calculada de los datos del estudio del gage. La variación total (TV o σT) del estudio se calcula entonces sumando el cuadrado de las variaciones de repetibilidad y reproducibilidad y la variación de las partes (PV) y aplicando la raíz cuadrada como sigue: TV = (RRG )2 + (PV )2 Usando Información Histórica de las Variaciones Para usar este enfoque. d 2 depende del número de partes (m) y (g).00 PV = (TV )2 − (RRG )2 121 . Si la variación del proceso es conocida y su valor se basa en 6σ. Esto se logra ejecutando los siguientes dos cálculos: 1) TV = 2) Variación Pr oceso 6.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables 1) usando la variación del proceso o variación del proceso. tomada de las partes en el studio RRG mismo o uso cuando la muestra seleccionada representa la variación del proceso esperada (opción preferida) 2) sustitución de la variación del proceso o uso cuando muestras suficientes para representar el proceso no están disponible aunque un proceso existente con una variación del proceso similiar está disponible 3) valor meta de Pp (ó Ppk) o uso cuando muestras suficientes para representar el proceso no están disponible y un proceso existente con una variación del proceso similiar no está disponible ó se espera que el nuevo proceso cuente con una menor variabilidad que algún proceso existente 4) tolerancia de la especificación o cuando el sistema de medición es usado para clasificar el proceso y el proceso cuenta con Pp < 1. En este caso g = 1 dado que solo existe el cálculo de un rango. la información debe venir de un proceso que esté en control estadístico.

Ford. Los resultados de este porcentaje de variación total necesitan ser evaluados para determinar si el sistema de medición es aceptable para su aplicación esperada. 122 . 51 Para usar esta opción.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Usando el valor meta de Pp (ó Ppk) Para usar la opción de Pp.00. Los clientes FEO (Fabricantes de Equipo Original) raramente esperan una variación del proceso tan baja como un Pp(k) de 1. Los porcentajes de los otros factores de consumo de la variación total pueden ser calculados igualmente como sigue: % AV = 100[AV TV ] % RRG = 100[RRG TV ] % PV = 100[PV TV ] LA SUMA DEL PORCENTAJE CONSUMIDO POR CADA FACTOR NO SERA IGUAL AL 100%. ver Manual de PPAP de Chrysler. Puede hacer más sentido comparar la variación de las mediciones con un nivel de desempeño meta del proceso de producción que cumpla con los requerimientos del cliente. El porcentaje de la variación del equipo (% de EV) consume el total de la variación (TV) y es calculado por 100 [EV / TV ] .00. Esto se logra ejecutando los cálculos del lado derecho del formato de reporte del gage (Figura III-B 16) con el título “Porcentaje de la Variación Total”. ni aceptan un proceso con tan bajo nivel de desempeño. esto es lo mismo que compararlo con el proceso de producción con un Pp de 1. 51 Por ejemplo. usar la siguiente TV en el análisis de RRG: Dado que TV = USL − LSL 6σ = p USL − LSL USL − LSL = 6s 6TV entonces TV = USL − LSL 6p 2 p y PV = (TV ) − (GRR ) 2 Usando la Tolerancia (Rango de la Especificación) Cuando se compara el error de las mediciones de un estudio RRG con la tolerancia. puede comparase con la variación total (TV). use la siguiente TV en el análisis de RRG: TV = USL − LSL 6 2 2 y Índices PV = (TV ) − (GRR ) Una vez que la variabilidad para cada factor en el estudio del gage se determina. y GM.

Este es el número de los intervalos de confianza no traslapados en un 97%. interacción entre las partes y evaluadores y error de replicación debida al gage. Este resultado debiera ser mayor ó igual a 5.RRG2 entonces ndc = 1. En tal caso. truncado a un entero. 52 ndc = 1. Para análisis. Esto puede resultar en diferencias en los reportes finales cuando los mismos datos son evaluados por diferentes programas Cuando se use el enfoque de Pp para TV. Sección B. %AV. los cuales se extienden en la variación esperada del producto. lo cual es posible con el truncado en sí. 52 La importancia del número de categorías distintas (ndc) en actividades de análisis y control es discutida en el Capítulo I. algunos programas de computadora redondean el resultado calculado. la regla empírica para la repetibilidad y reproducibilidad del gage (porcentaje RRG) puede encontrarse en el capítulo II. Para evitar un ndc = 0. %EV. %RRG y %PV son calculados sustituyendo el valor de la tolerancia dividida por seis en el denominador de los cálculos en lugar de la variación total (TV). evaluadores.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Si el análisis se basa en las tolerancias en lugar de la variación del proceso. Ambos enfoques pueden tomarse dependiendo del uso esperado de sistema de medición y los deseos del cliente.41 PV ( RRG ) Dado que el análisis gráfico no ha indicado alguna variación por causas especiales. el cálculo para ndc es: TV2 = PV2 + RRG2 ó PV2 = TV2 . “Aspectos Clave de Mediciones” (especialmente Figura I-E 3). En el análisis de varianza. entonces el formato del Reporte de Repetibilidad y Reproducibilidad de Gages (Figura III-B 16) puede ser modificado de manera que el lado derecho del formato represente el porcentaje de la tolerancia en lugar del porcentaje de la variación total. Sección E. el ndc es el máximo de uno ó de los valores calculados. la varianza puede ser seccionada en cuatro categorías: partes.41 RRG TV − RRG 2 2 RRG Método de Análisis de Varianzas (ANOVA) El análisis de varianzas (ANOVA) es una técnica estadística y estándar y puede ser utilizada para analizar los errores den las mediciones y otras fuentes de variabilidad de los datos en un estudio de sistemas de medición. “Análisis de Resultados Numéricos”. sección D. El cálculo de ndc es revisado en Capítulo II.41 PV = 1. El paso final en el análisis numérico es determinar el número de categorías distintas que pudieran ser distinguidas confiadamente por el sistema de medición. 123 .

y el experimento ha sido ejecutado en forma aleatoria y tres veces por cada combinación parte y evaluador. estas son puestas de regreso en el recipiente y el procedimiento se sigue otra vez. Debiera ponerse cuidado para diferenciar entre el muestreo aleatorio. Segunda Edición. Esto se hace para un total de r veces para determinar el orden de experimentos para cada repetición. Estas combinaciones (A1. Símbolos similares son usados donde B1. Evaluating the Measurement Process. comparadas con los métodos de promedios y rangos. 27. Una forma simple para asegurar un diseño balanceado para (n) partes. Hacer esto hasta A(n) para las mediciones del primer evaluador en las n partes. 124 . B2. Robert R.. Existen enfoques alternativos para generar una muestra aleatoria. son que: • • • Son capaces de manejar cualquier ajuste experimental Pueden estimar las varianzas en forma más exacta Extractan más información (tal como el efecto de la interacción de las partes y los evaluadores) de datos experimentales Las desventajas son que los cálculos numéricos son más complejos y los usuarios requieren un cierto grado de conocimiento estadístico para interpretar los resultados. Coveyou (1915 – 20 Feb 1996) was an American mathematician who was a health physicist with the Manhattan Project from 1943 during WW II. Para nuestro ejemplo. arbitrario y conveniente. esto puede conducir a fuentes de valores de sesgo.” Robert R. 1989. . especialmente si existe disponible una computadora. He became a recognized expert in pseudo-random number generators.. 53 54 Ver Wheeler y Lyday. “La generación de números aleatorios es demasiado importante para dejarlo a la suerte. C1 denotan las mediciones para los evaluadores A y B de la primera parte. Aleatoriedad e Independencia Estadística El método para recolectar los daros es importante en un método ANOVA. (k) evaluadores y (r) intentos es a través de la aleatoriedad.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Las ventajas de las técnicas ANOVA. Sigue el mismo procedimiento para el siguiente evaluador hasta incluir los k evaluadores. Un enfoque común para aleatoriedad es escribir A1 en una tira de papel para denotar las mediciones del primer evaluador sobre la primera parte. Covevou 54 Conducción del Estudio Los datos pueden recolectarse de una forma aleatoria usando una forma similar a la Tabla III-B 6a.) son el orden de medición en el cual el estudio de gages será ejecutado. Una vez que todas las combinaciones nk son escritas. El método ANOVA como se describe en las siguientes secciones es aconsejable. Una tira de papel es seleccionada a la vez. existen 10 partes y 3 evaluadores. Si los datos no son recolectados en forma aleatoria. p. Una vez que todas las combinaciones nk son seleccionadas. 53 En general todos los esfuerzos necesitan tomarse para asegurar independencia estadística dentro del estudio. entonces las tiras de papel son puestas en un recipiente.

son graficados. más grande es la interacción.. Los puntos para el promedio de las mediciones de cada evaluador por parte son conectados a las líneas (número de evaluadores) k del formato. La forma de interpretar la gráfica es que si las líneas k son paralelas no existe interacción. Uno de los supuestos es que el (error del) gage es una variable aleatoria de una distribución normal.. las líneas son cercanamente paralelas. como parte de un estudio ANOVA. la interacción puede ser significativa.. Si los residuos no son dispersos aleatoriamente arriba y abajo de cero (línea horizontal de referencia).) son graficados en la Figura III-B 17. Esta gráfica no es más que un chequeo para la validez de los supuestos. los cuales son las diferencias entre las lecturas observadas y los valores pronosticados. 125 . Estos métodos pueden ser usados para confirmar y ofrecer algún detalle adicional de los datos mismos (ej. El valor pronosticado es el promedio de las lecturas repetidas por cada evaluador y para cada parte. Cuando las líneas son no paralelas. Debieran tomarse medidas apropiadas para eliminar causas de la interacción. indicando que no existe una interacción significativa. el promedio de las mediciones por evaluador por parte vs por número de parte (1. etc. . En esta gráfica de interacción particular. tendencias.) Un método gráfico que se sugiere es el llamado gráfico de interacción. pudiera ser porque los supuestos son incorrectos y lo cual sugiere una investigación adicional de los datos. ciclo. Este gráfico confirma los resultados de la prueba F de si la interacción es o no significativa. 2. En el ejemplo en la Figura III-B 17. Los residales.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Análisis Gráfico Cualquier método gráfico ofrecido en la discusión de análisis gráfico anterior puede ser usado en el análisis gráfico mismo de los datos recolectados. Mientras más grande es el ángulo de intersección. Promedio Figura III-B 17: Gráfico de Interacción Otra gráfica que algunas veces es de interés es la gráfica de residuales. etc.

interacción de los evaluadores y las partes y repetibilidad debida al instrumento. La columna de MS o promedios al cuadrado es la suma de los cuadrados dividido por los grados de libertad. calculada para determinar la significancia estadística del valor de la fuente. Para propósitos de análisis. • • • • • La columna de Fuentes es la causa de la variación. La columna de DF que son los grados de libertad asociados con la fuente. los componentes de varianzas negativas se fijan en cero. La columna de la razón o proporción F. la mayoría de la gente usa programas de computadora para generar lo que se llama tabla de Análisis de Varianzas (ANOVA) (ver apéndice A). La tabla de ANOVA es usada para seccionar la variación total en cuatro componentes: partes. Esta información es usada para determinar las características del sistema de medición como en el Método de Promedios y Rangos. La tabla ANOVA aquí se compone de 5 columnas (ver Tabla III-B 7). 126 .Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Residuales Versus los Valores Ajustados (la respuesta es valor) Residual Valor Ajustado Figura III-B 18: Gráfico de Residuales Cálculos Numéricos Aunque los valores pueden calcularse manualmente. evaluadores. La columna de SS o suma de cuadrados es la desviación alrededor del promedio de la fuente.

4 0 7.3590 2.039973 (Repetibilidad) ω 2 = 0.434 La Tabla III-B 7 muestra los cálculos de ANOVA para los datos del ejemplo de la Figura III-B 15 asumiendo un modelo de efectos arreglados.9 0 27.4 20. La Tabla III-B 9 muestra la comparación del método ANOVA con el método de promedios y rangos.8 92.1673 88.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Fuente Evaluadores Partes Evaluador por Parte Equipo Total DF 2 9 18 60 89 SS 3.81799 0. Estimativo de la Varianza 2 τ = 0.52 0.0 100 % Contribución 3.085 % Variación Total 18.051455 (Evaluador) γ2 =0 (Interacción) Sistema = 0.44* 213.226838 INT = 0 RRG = 0.05 Tabla III-B 7: Tabla ANOVA MS 1.58363 9.086446 Variación Total (Partes) Tabla III-B 8: % de Variación y Contribución del Análisis de ANOVA (El estimativo de la varianza se basa en el modelo sin interacciones) 127 .04598 F 34.09143 τ 2 +γ 2 +ω2 Desviación Estándar (σ) EV = 0.2 ( ) σ 2 = 1.3619 0.4 4.01994 0.042327 TV =1.7589 94.9 96.199933 AV = 0. La Tabla III-B 10 muestra el reporte RRG para el método de ANOVA.6471 *Nivel de Significancia de α=0.302373 PV = 1.

Por ejemplo.04233 ( 0. Si la reproducibilidad es grande comparada con la repetibilidad. La sujeción o localización del gage necesita mejorarse.30237 ) = 4. las razones pueden ser: • • • • El instrumento necesita mantenimiento.861 ≅ 5 Variación Total (VT ) = RRG 2 + PV 2 ⎛ σ (componentes ) ⎞ % de la Variación Total = 100⎜ ⎟ ⎝ σ (total ) ⎠ ⎛ σ 2 (componentes ) ⎞ % de la Contribución (con la Varianza Total) = 100⎜ ⎟ ⎜ σ 2 (total ) ⎟ ⎠ ⎝ Análisis de Estudios RRG Los métodos de promedios y rangos y ANOVA ofrecen información relativa a las causas de la variación de un sistema de medición o gages. Existe una variación dentro de la parte excesiva. si la repetibilidad es grande comparada con la reproducibilidad. Las calibraciones del gage no son claras. El gage puede requerir ser rediseñado para ser más rígido.41 1. entonces las posibles causas podrían ser: • • El evaluador necesita ser mejor entrenado en como usar y leer el instrumento del gage. 128 . El dispositivo de algún tipo puede requerir el ayudar al evaluador a usar el gage más consistentemente.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables ndc = 1.

363 % de la Variación Total 17.227 1.129 0.4 3.237 RRG 1.4 Reproducibilidad (AV) 0.4 ANOVA 0.1 NA 26.227 20.016 -0.06 20.042 96.175 0.240 1.9 0.042 96.9 AV -0 -0 INTERACCIÓN 0.9 7.9 Parte – a .177 0.133 -0. Número de categorías distintas de datos (ndc) = 4 Variación Total (TV) = 1.200 18.4 EV 0. el componente de interacción no puede estimarse.231 18.085 Tabla III-B 10: Reporte de método ANOVA RRG 55 CL = Límite de Confiabilidad 129 .Parte (PV) 1.302 27.7 96. de Gage: Tipo de Gage: Fecha: Hecho por: % de la Variación Porcentaje de Total Contribución Repetibilidad (EV) 0.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Método RRG* EV AV INTERACCIÓN RRG PV LC 55 Inferior 90% 0. de la Parte: Característica: Especificaciones: Nombre del Gage: No.9 4.230 NA 0.A.202 0.001 20. Tabla III-B 9: Comparación de los Métodos ANOVA y Promedios y Rangos Nombre y No.104 LC Superior 90% 0.033 27.0 PV * En el método de promedios y rangos.0 92.266 Desviación Estándar 0.2 El sistema de medición es aceptable para Análisis y Control del Proceso Desviación Estándar Nota: Tolerancia = N.200 0.306 1.302 1.4 Evaluador por Parte (INT) 0 0 0 RRG 0.

Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables 130 .

5 el cual es inaceptable. un entendimiento de las fuentes de variación potenciales que afecten el producto y los procesos de medición. los riesgos en tomar decisiones equivocadas o inconsistentes 56 pueden evaluarse usando: • • Análisis de Pruebas de Hipótesis Teoría de Detección de Señales Dado que estos métodos no cuantifican la variabilidad de los sistemas de medición. y el efecto de una decisión incorrecta en los procesos restantes y el cliente final. Los más comunes de éstos son el gage pasa/no pasa el cual cuenta solo con dos posibles resultados. Las fuentes de variación de los sistemas de atributos debieran minimizarse usando los resultados de investigaciones sobre factores humanos y ergonomía. Posibles Enfoques Escenario El proceso de producción está en control estadístico y cuenta con índices de desempeño de Pp = Ppk = 0. Esto es en contraste con los sistemas de medición de variables los cuales pueden resultar en un infinito de valores. En tales casos. el análisis más apropiado sería la cuantificación de la variación del sistema de medición con la curva de desempeño de un gage. aceptable. Sección B.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Sección C Estudio de Sistemas de Medición de Atributos LSL USL I II III Tarjeta II I Los sistemas de medición de atributos son los tipos de sistemas de medición donde los valores de mediciones mismas son una de un número finito de categorías. por ejemplo los estándares visuales. bueno. pueden resultar en 5 a 7 categorías distintas tales como. solo debieran usarse bajo consentimiento del cliente. Otros sistemas de atributos. Como se discutió en el Capítulo I. pobre y muy pobre. existe un riesgo cuantificable cuando se estén usando sistemas de medición en la toma de decisiones. 56 Esto incluye la comparación de evaluadores múltiples 131 . muy bueno. Los análisis descritos en los capítulos posteriores no pueden usarse para evaluar tales sistemas. Debido a que el proceso está fabricando producto no conforme. La selección y uso de tales técnicas debiera basarse en buenas prácticas estadísticas. (Ver Capítulo IV Sección F) MÉTODOS DE ANÁLISIS DE RIESGOS En algunas situaciones de atributos no es factible obtener suficientes partes con valores de referencia variables. se requieren acciones de contención para sacrificar las partes no aceptables del flujo de producción. Dado que el riesgo mayor está en los límites de la categoría.

para abordar las áreas de riesgo alrededor de los límites de especificación. Si no es posible hacer partes cerca de los límites de especificación. Como en todos los gages. de lo contrario rechaza la parte (conocido como gage pasa / no pasa). Conforme sea apropiado para cada carácterística. el equipo puede decidir usar un porcentaje inferior. el equipo de procesos selecciona un gage de atributos que compare cada parte con un conjunto de límites específicos y acepte la parte si los límites se satisfacen. Cuando se mida un atributo verdadero que no pueda ser medido con un gage de variables. se necesita estudiar el sistema de medición.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Figura III-C 1: Proceso Ejemplo con Pp = Ppk = 0. reconociendo que esto puede incrementar la variabilidad de los resultados. las partes debieran ser medidas en forma independiente con un gage de variables y con una variación aceptable (ej. A diferencia de un gage de variables. 132 . La mayoría de los gages de este tipo son ajustados para aceptar y rechazar en base a un conjunto de partes master. si no solo que la parte se acepta o se rechaza (ej. 2 categorías). Sección B). usense otros medios tales como. Sin embargo.50 Para actividades de contención. este gage de atributos no puede indicar que tan bien o mal está una parte. una CMM). el equipo debiera reconsiderar el uso de gages de atributos para este proceso.. expertos para predeterminar cuáles muestras son buenas ó defectuosas. En algunos casos donde es difícil hacer tales partes. este gage de atributos tiene areas “Grises” donde pueden tomarse decisiones equivocadas (ver Figura III-C 2 abajo y Capítulo II.. Figura III-C 2: Las Áreas “Grises” Asociadas con el Sistema de Medición Dado que esto no se ha documentado por el equipo. el equipo selecciona aproximadamente 25% de las partes en ó cerca del límite superior de especificación.

57 57 Las tabulaciones ó tablas cruzadas están disponibles en muchos paquetes de software de análisis estadísticos y son usadas en tablas de funciones como pivote en hojas de datos. 133 . La tabla también indica en la columna de “Codificado” si la parte está en el area I.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Se usan tres evaluadores. ellos desarrollaron tabulaciones ó tablas cruzadas comparándo cada uno de los evaluadores con los otros. y “+” respectivamente. “x”. con cada evaluador tomando tres decisión en cada parte. Una decision aceptable fué designada con un uno (1) y una decision no aceptable con un cero (0). area II ó area III indicado por “-”. Los resultados – presentados en un formato de una matriz – forman una tabla de contingencia que ilustra la interdependencia entre las variables. Análisis de Pruebas de Hipótesis – Método Tabular Cruzado Dado que el equipo no sabía las decisiones de referencia para las partes. La decision de referencia y los valores de referencia de la variable mostrados en la Tabla III-C 1 inicialmente no fueron determinados. El proceso de tables cruzadas analiza los datos de la distribución para dos ó más variables categóricas.

498698 0.517377 0.523754 0.488184 0.566575 0.542704 0.587893 0.462410 0.476901 0.503091 0.449696 0.502436 0.409238 0.544951 0.412453 0.437817 0.545604 0.570360 0.477236 0.501132 0.502295 0.561457 0.465454 0.446697 + + x x + + + x + x + + + + + + x x + + x + + + x + + + x + x + + + x + + + + - 134 .452310 0.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Parte A -1 A -2 A -3 B -1 B -2 B -3 C -1 C -2 C -3 Referencia Valor de Referencia Código 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 1 1 0 0 0 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 0 0 1 1 1 0 1 1 1 0 1 1 0 1 0 1 1 0 1 1 0 1 1 0 1 0 1 1 0 0 0 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 1 0 1 1 0 1 0 1 1 0 0 1 0 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 1 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 0 0 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 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 0 1 0 1 1 0 1 0 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 0 0 0 0 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 0 0 1 0 1 1 0 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 Tabla III-C 1: Conjunto de Datos para un Estudio de Atributos 0.521642 0.488905 0.470832 0.529065 0.599581 0.513779 0.505850 0.484167 0.514192 0.520496 0.559918 0.509015 0.515573 0.486379 0.454518 0.543077 0.566152 0.483803 0.487613 0.547204 0.576459 0.531939 0.427687 0.493441 0.519694 0.

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos El primer paso es sumarizar los datos observados.104 El número esperado de veces que el Observador A y el Observador B acuerden el que la parte está mala es estima multiplicando la probabilidad combinada por el número de observaciones: 150 x (pA0 pB0) = 150 x (47/150) x (50/150) = 15. el equipo examinó los datos por pares de observadores.00 A 0.313 PB0= 50/150 = 0. par alas evaluaciones. B . contando cuando ellos acordaron y desacordaron para cada conjunto de evaluaciones.00 Total 50 100 150 44 6 (acuerdan) (desacuerdan) 3 97 (desacuerdan) (acuerdan) 47 103 El Segundo paso es estimar la distribución de datos esperada. Revisando Tabla III-C1.7 El equipo hace estimaciones similares para cada par de categorías y para cada par de observadores para completar las siguientes tablas: 135 . Esto es. ¿Cuál es la probabilidad de que un par de observadores acuerde ó desacuerde en alguna observación. puramente por suerte? En 150 observaciones el Observador A rechazó la parte 50 veces y el Observador B rechazó la parte 47 veces: PA0 = 47/150 = 0.333 Dado que los dos observadores son independientes. hay 32 veces donde A-2 = 1 y B-2 = 1. y hay 31 veces donde A-3 = 1 y B-3 = 1 para un acuerdo total de 97. Se prepararon tablas similares para pares de observadores B*C y A*C. La tabla de abajo se construyó para sumarizar la distribución de los datos para el par de observadores A*B. hay 34 veces donde A-1 = 1 y B-1 = 1. la probabilidad de que ellos acuerden el que la parte está mala está dada por: p( A0I B0) = p p A0 B0 = 0.00 1.00 Total 1.

(1996). Everitt.00 42 16. Shrout.0 8 34.3 50. F. Krippendorf.0 9 35. J.0 1.00 Total Cuenta Cuenta Esperada Cuenta Cuenta Esperada Cuenta Cuenta Esperada 0.7 100 103 150 103.00 5 47 31.E. R. Cohen.0 51 51.00 1. B. Fleiss.00 43 17.00 Total Cuenta Cuenta Esperada Cuenta Cuenta Esperada Cuenta Cuenta Esperada 0.L. j.0 94 103 68. (1960).0 99 150 99. Downey.0 50.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Tabulación Cruzada A * B B A 0. Un valor de 1 indica que el acuerdo es perfecto. John S. (1979). (1971).00 44 15.00 6 50 34. M.0 150. y Fleiss. K.L.00 150. y Lahey.0 Total 1.0 47.0 92 100 66. Diferentes estadísticos son apropiados para diferentes tipos de mediciones.0 97 100 68. 58 58 Existe un cierto número de estadísticos que puede ser usado para determiner el acuerdo entre evaluadores.0 99 150 99.A.0 150. D. el equipo utiliza el kappa (de Cohen) el cual mide el acuerdo entre las evaluaciones de dos evaluadores cuando están evaluando el mismo objeto. Ver la Lista de Referencias incluyendo: Bland.0 Total 1.G.00 Total 7 50 33. M. P.0 51 51.3 47 47..00 1. (1986). y Uebersax. y Altman.0 Tabla III-C 2: Resultados del Estudio de Tablas Cruzadas Para determinar el nivel de este acuerdo.7 3 31. J.0 Tabulación Cruzada A * C C A 0.0 Tabulación Cruzada B * C C B 0. J.00 Total Cuenta Cuenta Esperada Cuenta Cuenta Esperada Cuenta Cuenta Esperada 0.00 1. (2004).0 103. Saal. (1980).0 100.G. (1987) 136 . El kappa solo está disponible en las tablas en las cuales ambas variables usen los mismos valores de las categorías y cuenten con el mismo número de categorías mismas. Un valor de 0 indica que el acuerdo no es mejor que una mera probabilidad.

75 indican u n acuerdo bueno a excelente (con un máximo de kappa = 1). solo si ellos acuerdan o no. La medida es juzgada usando un error estándar asintótico para construir el estadístico t.78 B 0. Con esta nueva información otro grupo de tables cruzadas es desarrollado comparando cada evaluador con la decision de referencia. 59 60 Como en todas las evaluaciones por categorías.4 indican un acuerdo pobre. 60 Calculando las medidas de kappa para los evaluadores. el equipo concluye con lo siguiente: Kappa A B C A -0.79 C 0. Kappa no toma en cuenta el tamaño del desacuerdo entre los estimadores. Valores menores que 0. un número grande de partes que cubran el espectro completo de posibilidades es necesario. Hacer po= la suma de las proporciones observadas en las celdas diagonales. Para este análisis el equipo tiene las partes evaluadas usando un sistema de evaluación por variables y usa los resultados para determiner la decision de referencia.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Kappa es una medida de acuerdo entre estimadores que prueba si las cuentas en las celdas diagonales (las partes que reciben la misma estimación) difieren de aquellas esperadas solo por probabilidad. Entonces Kappa = po − pe 1 − pe Kappa es una medida más que una prueba59. pe= la suma de la proporción esperada en las celdas diagonales. Este análisis es necesario para determinar si existen diferencias entre los evaluadores aunque no nos dice que tan bien el sistema de medición clasifica partes buenas de las malas. Una regla empírica general es que los valores de kappa mayores que 0. Cuando las observaciones son medidas en una escala ordinaria y por categorías un Kappa ponderado puede usarse para un mejor acuerdo de medición. El acuerdo entre dos estimadores es tratado como Kappa aunque los desacuerdos son medidos por el número de categorías con los cuales los estimadores difieren. 137 .86 -0.86 0.79 -- Tabla III-C 3: Resumen de Kappa Este análisis indica que todos los evaluadores muestran un buen acuerdo cada uno con los otros.78 0.

0 102.00 1.77 Estos valores pueden interpretarse como que cada uno de los evaluadores tiene un buen acuerdo con el estándar.00 Total 0.0 32.0 Cuenta 48 102 150 Cuenta Esperada 48.0 C Total Tabulación Cruzada C * REF REF 0.0 103 103.00 Cuenta 6 93 99 Cuenta Esperada 31.0 150.3 34.0 70.0 Cuenta 48 102 Cuenta Esperada 48.0 1.7 51.00 Cuenta 42 9 51 Cuenta Esperada 16.0 B Total Tabulación Cruzada B * REF REF 0.0 100 100 150 150.0 Total 47 47.0 102. 138 .00 Cuenta 45 5 Cuenta Esperada 16.00 Cuenta 3 97 Cuenta Esperada 32. Kappa A .0 150 150.00 1.7 67.0 Tabla III-C 4: Comparaciones de los Evaluadores con la Referencia El equipo también calcula la medida kappa para determinar el acuerdo de cada evaluador con el valor de referencia.3 99.00 Cuenta 3 100 Cuenta Esperada 33.00 0.0 34.0 Total 50 50.0 Cuenta 48 102 Cuenta Esperada 48.0 68.00 0.88 B .92 C .00 Cuenta 45 2 Cuenta Esperada 15.0 1.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos A Total Tabulación Cruzada A * REF REF .00 1.0 1.0 102.

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

El equipo de proceso calcula entonces la efectividad del sistema de medición.

Efectividad =

No.DecisionesCorrectas TotaldeOpertunidadesporDecision
% del Score vs Atributo2 Ev. A Ev. B Ev. C 50 50 50 42 0 0 8 93% 84% 71% 45 0 0 5 97% 90% 78% 40 0 0 10 90% 80% 66%

Fuente Total Inspeccionado # Iguales 42 45 Negativos Falsos (Evaluador Sesgado hacia el Rechazo) Positivos Falsos (Evaluador Sesgado hacia la Aceptación) Mezclado 95% del UCI 93% 97% Score 84% 90% Calculado 95% del LCI 71% 78%

% del Evaluador1 Ev. A Ev. B Ev. C 50 50 50 40

90% 80% 66%

Score del % Efectivo del Sistema3
Total Inspeccionado # en Acuerdo 95% del UCI Score Calculado 95% del LCI Notas

50 39 89% 78% 64%

Score del % Efectivo del Sistema vs Referencia4 50 39 89% 78% 64%

(1) El evaluador acuerda con el mismo en todos los intentos. (2) El evaluador acuerda en todos los intentos con el estándar conocido. (3) Todos los evaluadores acuerdan dentro y entre ellos mismos. (4) Todos los evaluadores acuerdan dentro y entre ellos mismos y con la referencia. (5) UCI y LCI son los límites de intervalos de confianza superior e inferior, respectivamente.

Tabla III-C 5: Tabla de Estudio de Efectividad
Las pruebas múltiples de hipótesis entre cada par de evaluadores puede conducirse con la hipótesis nula:

Ho: La efectividad de ambos evaluadores es la misma.
Dado que el score calculado de cada evaluador cae dentro del intervalo de confiabilidad de los otros, el equipo concluye que no pueden rechazar la hipótesis nula. Esto refuerza las conclusiones de las medidas de Kappa. Para análisis adicionales, uno de los miembros del equipo obtiene la siguiente tabla la cual ofrece lineamientos para los resultados de cada evaluador.

139

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

Decisión Sistema de Medición Aceptable para el evaluador Marginalmente aceptable para el evaluador – puede requerirse mejoramiento No aceptable para el evaluador – requiere mejoramiento

Efectividad
≥ 90% ≥ 80%

Proporción Perdida
≤ 2%

Proporción de Falsa Alarma
≤ 5% ≤ 10%

≤ 5%

< 80%

> 5%

> 10%

Tabla III-C 6: Ejemplo de Guías y Lineamientos para Criterios de Efectividad
Resumiendo toda la información que ya se tiene, el equipo concluye con esta tabla.

Efectividad A B C 84% 90% 80%

Proporción Perdida 6.3% 6.3% 12.5%

Proporción de Falsa Alarma 4.9% 2.0% 8.8%

Tabla III-C 7: Resumen del Estudio de Efectividad
Estos resultados muestran que el sistema de medición tenía diferentes niveles de desempeño en Efectividad, Proporción Perdida y Proporción de Falsa Alarma, dependiendo del evaluador. Ningún evaluador contaba con resultados aceptables en todas las tres categorías. Ningún evaluador contaba con resultados inaceptables en todas las tres categorías. ¿Los lineamientos de aceptación necesitaban ser modificados para éste proceso? ¿Son éstos riesgos aceptables? ¿Los evaluadores requerían un mejor entrenamiento? ¿Podría ser mejorado el ambiente de las mediciones? y más importante ¿Qué piensa el cliente acerca del sistema de medición y estos resultados? - ¿Cuáles eran sus expectativas? ¿Los clientes aceptan éstos niveles de riesgo?

Tamaño de Muestra
La pregunta siempre se crea: ¿Cuantas muestras debieran ser usadas en el estudio? Para desmayo de la mayoría de la gente, la respuesta es “suficientes”. El propósito de cualquier estudio de mediciones (variables ó atributos) es entender las propiedades del sistema de medición. Un número suficiente de muestras debiera ser seleccionado para cubrir el rango de operación esperado (ver también Capítulo II Sección C). Con los sistemas de mediciones por atributos, las áreas de interés son las

140

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

áreas Tipo II (ver Capítulo I, Sección B). Si la habilidad inherente del proceso es buena (ej., Cp, Cpk ó Ppk grandes) entonces una muestra aleatoria pequeña puede no tener muchas (ó algunas) muestras en esta área. Esto significa que conforme se mejora la habilidad del proceso, la muestra aleatoria requerida para el estudio de atributos debiera llegar a ser más grande. En el ejemplo anterior, los índices fueron Pp, Ppk = 0.5 (ej., un desempeño de proceso esperado de aproximadamente del 13% de no conformancia), la muestra seleccionada fue 50. Un ejemplo alternativo a las muestras grandes es la “muestra salteada” donde las partes son seleccionadas específicamente de las áreas del Tipo II para incrementar la muestra aleatoria para asegurar que el efecto de la variabilidad del evaluador sea vista.

Aspectos a Considerar
1) No existen criterios de decisión basados en la teoría para un riesgo aceptable. Los lineamientos anteriores son heurísticos y desarrollados en base a “creencias” individuales acerca de lo que pasa como “aceptable”. Los criterios de decisión finales debieran basarse en el impacto (ej., riesgo) de mantener el proceso y el cliente final. Este es un tema de decisiones y no estadístico. El análisis anterior depende de los datos. Por ejemplo, si los índices del proceso son Pp = Ppk = 1.33, entonces todas las decisiones serían correctas dado que ninguna parte caería en la región II (las áreas “grises”) del sistema de medición.

2)

Figura III-C 3: Proceso de Ejemplo con Pp = Ppk = 1.33
Con esta nueva situación, se concluiría que todos los evaluadores son aceptables dado que no habría errores de medición.

141

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

3)

Generalmente existe un concepto equivocado de lo que realmente los resultados de tablas cruzadas significan. Por ejemplo, los resultados del evaluador B de la Tabla III-C 4 son:

B

0.00 1.00

Total

Tablas Cruzadas B* REF REF 0.00 1.00 Cuenta 45 2 % dentro de Ref. 93.8% 2.0% Cuenta 3 100 % dentro de Ref. 6.3% 98.0% Cuenta 48 102 % dentro de Ref. 100.0% 100.0%

Total 47 31.3% 103 68.7% 150 100.0%

Dado que el propósito de la inspección es encontrar todas las partes no conformes, la mayoría de la gente ve la esquina superior izquierda como una medida de la efectividad de encontrar partes malas. Este % es la probabilidad de decir que una parte es mala dado que es mala:

Pr (llamar la parte mala │una parte mala)
Asumiendo que el proceso es mejorado a un Pp = Ppk = 1.00, la probabilidad de interés hacia el fabricante es:

Pr (la parte es mala │es llamada mala)
Para determinar ésto de los datos anteriores, debe usarse el Teorema de Bayes.

Pr (malo llamadomalo ) =

Pr (l lamadomalo malo )* Pr (malo ) Pr (llamadomalo malo ) * Pr (malo ) + Pr (llamadomalo bueno )* Pr (bueno ) .938 * (.0027 ) Pr (malo llamadomalo ) = .938 * (.0027 ) + .020 * (.9973) Pr (malo llamadomalo ) = .11
Estos resultados indican que si la parte es llamada mala existe una probabilidad de 1 en 10 de que sea verdaderamente mala. 4) El análisis no utiliza información de datos de variables ni información de orden relativo, la cual estuviera disponible cuando los valores de referencia de decisiones se determinaron.

142

Este valor usado es usado para calcular el RRG.550 LSL = . comparar el sistema de medición con la tolerancia.100. En Tabla III-C 8 esto se muestra en la columna de Code (ó Código): + = aceptado con acuerdo total . Nota: esta tabla ha sido dividida en dos columnas para ahorrar espacio.5 (ver Figura III-C 1).= rechazado con acuerdo total (en Tabla III-C 1) X = desacuerdo La amplitud estas zonas es lo que estamos tratando de determinar.). • Si Ppk<1. Tabla III-C 8: Tabla III-C 1 clasificada por Valor de Referencia Para los datos en la Tabla III-C 1. Este valor de referencia es mostrado en la columna de Valor Ref en la Tabla III-C1. y la amplitud promedio de estas zonas es usada para comparar el 3) 61 Ver Lista de Referencia: Baker 1975 143 . Esta “regla” toma en cuenta la comparación del sistema de medición con el que sea más estricto.450 Entonces la Tolerancia = USL-LSL = . comparar el sistema de medición con el proceso. de la Figura III-C 1: USL = . el proceso ó la tolerancia. En este ejemplo. de manera que el proceso es mayor que la tolerancia y este sistema de medición debiera por tanto compararse con la tolerancia. 2) Ordenar por rango los datos (y celdas adyacentes) de la más alta a la más baja en base en los Valores de Referencia individuales (ver Tabla III-C 8. el Ppk = . el RRG del sistema de medición.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Enfoque de Detección de Señales Un enfoque alternativo es usar la teoría de Detección de Señales 61 para determinar una aproximación de la amplitud del área de la región II y de esto. Esto requiere que cada una de las partes de la muestra puedan ser evaluadas fuera de línea por sistemas de medición de variables. Identifica los puntos inicial y final de las dos áreas IIs. Pasos: 1) Determina la Tolerancia (rango de la especificación). Guías y Lineamientos: • Si Ppk>1.

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

sistema de medición con la tolerancia de la especificación, ó con la amplitud 6 sigma del proceso (dependiendo de la situación). 4) Haciendo referencia a la gráfica de arriba, hacer que dUSL = distancia entre la última parte aceptada por todos los evaluadores y la primera parte rechazada por todos. Esta distancia es equivalente a la zona II gris alrededor de USL arriba, limitada por la zona I superior a la derecha, y la zona III a la izquierdas. Note los valores circulados en la Tabla III-C 8 arriba.

Zone I = partes acordadas por todos los evaluadores para ser rechazadas. Zone III = partes acordadas por todos los evaluadores para ser aceptadas. Zone II = partes cuestionables sin un 100% de acuerdo, alrededor de cada límite de especificación.

Meta
5) Hacer que dLSL = la distancia entre la última parte aceptada por todos los evaluadores en Zona III y la primer parte rechazada por todos los evaluadores en la Zona I.

Hacer que di = distancia entre la última parte aceptada por todos los evaluadores y la primer parte rechazada por todos (para cada especificación). Entonces, d = promedio (di) es un estimativo 62 de la amplitud de las áreas de la región II y, por tanto, un estimativo de RRG = 6 *σ RRG En este ejemplo (p. 126) donde la tolerancia es 0.100,
dLSL = 0.470832-0.446697 = 0.024135 dUSL = 0.566152-0.542704=0.023448

d = 0.0237915 ó el %RRG estimado es, %RRG = 24% Dado que este ejemplo fue generado por un sistema de medición con un %RRG = 25% actual, este estimativo conduciría a la misma evaluación del sistema de medición. Si solo la información de los datos ordenados estuviera disponible, esta técnica puede todavía usarse aunque requiere conocimiento del asunto ó tema para cuantificar d’s.
62

La “bondad” de este estimativo depende del tamaño de la muestra y de que tan cerca la muestra represente al proceso. Mientras más grande es la muestra, mejor es el estimativo.

144

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

METODO ANALITICO 63
Como en cualquier sistema de medición, la estabilidad del proceso debiera verificarse y, si es necesario, monitorearse. Para sistemas de medición de atributos, las gráficas de control de atributos con muestras constantes en el tiempo es una forma común de verificar la estabilidad. 64 Para un sistema de medición de atributos, el concepto de la Curva de Desempeño de un Gage (ver capítulo V, sección C) es usado para desarrollar un estudio de un sistema de medición, el cual se use para evaluar la cantidad de repetibilidad y sesgo del sistema de medición en cuestión. Este análisis puede usarse en sistemas de medición de 1 y 2 límites. Para un sistema de medición de dos límites, solo un límite necesita ser examinado con los supuestos de linealidad y error de uniformidad. Por conveniencia, el límite inferior es usado para discusión. En general, el estudio de los sistemas de medición de atributos consiste en la obtención de valores referencia para varias partes seleccionadas. Estas partes son evaluadas un cierto número de veces, (m), con el número total de aceptadas (a), para cada parte registrada. De los resultados, puede evaluarse la repetibilidad y el sesgo. La primera etapa de un estudio de atributos es la selección de las partes. Es esencial que el valor de referencia sea conocido para cada parte usada en el estudio. Debieran seleccionarse 8 partes en intervalos equidistantes y lo más cerca y práctico posibles. Los valores máximo y mínimo debieran representar el rango del proceso. Aunque esta selección no afecta la confiabilidad en los resultados, si afecta el número total de partes necesarias para completar el estudio del gage. Las 8 partes deben correrse a través del gage, m = 20 veces y registrarse el número de aceptadas, (a). Para el estudio total, la parte más pequeña debe contar con el valor a = 0; la parte más grande, a = 20; y las otras 6 partes, 1< a < 19. Si estos criterios no son satisfechos, más partes con valores de referencia conocidos, (X) deben correrse a través del gage hasta que las condiciones anteriores se cumplan. Si para el valor más pequeño a ≠ 0, entonces mas y mas partes pequeñas son tomadas y evaluadas hasta que a = 0. Si para el valor más grande a ≠ 20, entonces más y más partes grandes son tomadas hasta que a = 20. Si 6 de las partes no cuentan con 1< a < 19, pueden tomarse partes adicionales en puntos seleccionados a lo largo del rango. Estos puntos son tomados como puntos medios de las mediciones de las partes ya medidas en el estudio. El primer intervalo con el final a = 0 empieza desde la más grande medición donde a = 0. Para el final con a = 20, el primer intervalo comienza en la medición más pequeña donde a = 20. Para mejores resultados, debieran tomarse muestras para finales con a = 0 y a = 20 y trabajarse hacia el punto medio del rango de la parte. Si es necesario, el procedimiento puede repetirse hasta que se cumplan los criterios. Una vez que los criterios de recolección de datos han sido satisfechos, las probabilidades de aceptación deben calcularse para cada parte usando las siguientes ecuaciones:

63 64

Adaptada con el permiso de “Análisis de Sistemas de Gages por Atributos” por J. McCaslin & G.Gruska, ASQC, 1976. Caveat: np > 4

145

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

P’a

a + 0.5 m a − 0.5 m 0.5

if

a < 0.5, m a if > 0.5, m a if = 0.5 m

a≠0 a ≠ 20

Los ajustes cubren los casos donde 1 ≤ a ≤ 19 . Para los casos donde a = 0 fijar P'a =0 excepto para el valor de referencia más grande con a = 0, en el cual P'a =0.025. Para los casos donde a = 20 entonces P'a =1 excepto para el valor de referencia más pequeño con a = 20 y en el cual P'a =0.975. Una vez que el P'a ha sido calculado para cada XT, la Curva de Desempeño del Gage (CDG) puede desarrollarse. Aunque la CDG puede presentarse gráficamente (ver Figura III-C 5), el uso del papel de distribución normal (ver Figura III-C 4) produce estimativos más exactos de la repetibilidad y el sesgo. Las probabilidades calculadas son graficadas en papel de probabilidad normal y una línea de mejor ajuste es trazada a través de estos puntos. El sesgo es igual al límite inferior menos la medición del valor referencia que corresponda a P'a =0.5,

ó
Sesgo = Límite Inferior de Especificación - XT(en P’a = 0.5)
La repetibilidad es determinada encontrando las diferencias de las mediciones del valor referencia correspondientes a P'a=0.995 P'a=0.005 y dividiendo por un factor de ajuste de 1.08. 65

Re petibilidad =

XT (a P' a = 0.995) − XT (a P ' a = 0.005) 1.08

Para determinar si el sesgo es significativamente diferente de cero, el siguiente estadístico es usado:

t=

6.078 × Sesgo

σ Re petibilidad

Si este valor calculado es mayor que 2.093 (t025,19), entonces el sesgo es significativamente diferente de cero. Un ejemplo clarificará la recolección de datos de un estudio de atributos y el cálculo de la repetibilidad y sesgo.
65

El factor de ajuste (sin sesgo) de 1.08 es específico para un tamaño de muestra de 20 y fue determinado a través de una simulación de éste enfoque con un rango de repetibilidad del 99%. Para convertir el resultado a un rango de 6 sigma, se divide por 5.15 y se multiplica por 6.

146

Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos

Ejemplo
Un gage de atributos está siendo usado para medir una dimensión que tiene una tolerancia de + 0.010. El gage es un dispositivo de inspección al 100% automático y de final de línea que es afectado por la repetibilidad y sesgo. Para ejecutar el estudio de atributos, se corren 8 partes con valores de referencia en intervalos de 0.002 desde – 0.016 hasta – 0.002, a través del gage 20 veces cada parte. El número de aceptados para cada parte es

XT -0.016 -0.014 -0.012 -0.010 -0.008 -0.006 -0.004 -0.002

a 0 3 8 20 20 20 20 20

Dado que existen dos valores de referencia con 1 ≤ a ≤ 19 , al menos cuatro partes más deben ser encontradas. Entonces, es necesario correr partes con valores de referencia en los puntos medios de los valores existentes. Estos valores de referencia y el número de aceptados es:

-0.015 -0.013 -0.011

1 5 16

Ahora existen 5 valores de referencia con 1 ≤ a ≤ 19 . El procedimiento requiere que una parte más se encuentre con 1 ≤ a ≤ 19 . Entonces, la siguiente parte es evaluada.

-0.0105

18

Ahora que los criterios de recolección de datos se han satisfecho, las probabilidades de aceptación pueden calcularse usando los ajustes binomiales mostrados abajo.

XT -0.016 -0.015 -0.014 -0.013 -0.012 -0.011 -0.0105 -0.010 -0.008

a 0 1 3 5 8 16 18 20 20

P’a 0.025 0.075 0.175 0.275 0.425 0.775 0.875 0.975 1.000

147

la única consideración necesaria es la localización de la curva con respecto a los valores XT. Sección F. 148 . En el ejemplo.0123) = 0. Esto puede lograrse en una de dos formas.0023 0.08 = R = 0. Esta localización se determina por el sesgo.(-0.0085 5. este punto sería XT= 0.0084(0.15 Then σ repetibilidad Para determinar si el sesgo es significativamente diferente de cero.005 y dividiendo por 1.5.078 × Sesgo σ repetibilidad 6.00142 and the associated GRR range is 0.0023 La repetibilidad se determina encontrando las diferencias de las mediciones del valor referencia correspondientes a P'a=0.00142 = 9. pueden determinarse el sesgo y la repetibilidad.010 .84 Dado que t0. Como en la Curva de Desempeño de un Gage para variables mostrada en el Capítulo IV.19=2.0163) 1. no sería necesario correr el estudio otra vez. calcular: t= = 6. Sin embargo y debido a los supuestos mencionados previamente.0079 = = 0.025.093. La posición correcta de la curva sería definida en el punto donde la P'a = 0.0077. Dado que la forma de la curva en el límite superior debiera ser una “imagen de espejo” de la curva misma en el límite inferior. De la Figura III-C 4: R= 0. y el valor de XT es igual al límite de la especificación menos el sesgo. El sesgo es igual al límite inferior menos la medición del valor referencia que corresponda a P'a=0.0.995 y P'a=0. En el ejemplo.0023 = 0.010 .0073 1.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Estas probabilidades son graficadas en un papel de probabilidad normal como se muestra en la Figura III-C 4. De la Figura III-C 4: Sesgo = -0. el método largo para el estudio de atributos también tendría que conducirse en el límite más alto de la especificación y calcularse los valores graficados. La CDG graficada en esta forma se muestra en la Figura III-C 4.5.08. el sesgo es significativamente diferente de cero. Graficando una línea de mejor ajuste a través de estos puntos. Un enfoque sería correr el estudio de la muestra en otro límite de la especificación.078 × 0.08 0. la CDG de atributos puede también ser graficada en papel de escala normal (ver Figura III-C 5).

0 1.0 60.0 ♦ ♦ ♦ 50.0 ♦ 90.0 5.0079 Desajustada ♦ 0.5 ♦ 99.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos 99.0 2.5 99.0 50.0 ♦ 95.0 40.0 ♦ 90.0 80.8 0.0 ♦ ♦ 99.0 ♦ 98.0 ♦ ♦ ♦ 10.8 99.(-0.0 ♦ ♦ 20.014 -0.5 1.0 ♦ 60.2 ♦ -0.016 -0.0023 Tabla III-C 4: Curva de Desempeño de Gage de Atributos Graficada en Papel de Probabilidad Normal 149 .0 ♦ 95.01 Sesgo = -0.0123) = 0.0 99.0 40.012 -0.0 20.0 70.010 .0 ♦ ♦ 98.0 ♦ 80.0 30.0 ♦ 30.0 ♦ ♦ ♦ ♦ ♦ 10.5 0.0 ♦ ♦ ♦ 2.0 70.2 0.0 ♦ 5.0 ♦ Repetibilidad = 0.

0085 Figura III-C 5: Curva de Desempeño de Gages de Atributos 150 .5 0 .0 1 5 0 .0 2 0 V a lo r d e R e fe re n c ia d e la s P a rte s M e d id a s Sesgo=0.0 0 5 0 .0 1 0 -0 .0 -0 .7 0 .8 0 .9 Probabilidad de Aceptación 0 .0 2 0 -0 .6 0 .0 1 0 0 .0 0 .Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos LSL USL p 1 .0023 RRG=0.0 1 5 -0 .1 0 .0 0 5 0 .4 0 .3 0 .0 0 .2 0 .

Capítulo IV Otras Prácticas y Conceptos de Medición CAPÍTULO IV Otras Prácticas y Conceptos de Mediciones 151 .

Capítulo IV Otras Prácticas y Conceptos de Medición 152 .

No todos los sistemas de medición tienen esta característica. pruebas de acabado metálico destructivas. 2) La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio – ej. pruebas usando stands de prueba de máquinas. El análisis de estos sistemas depende de si 1) Un conjunto de partes homogéneas (variación pequeña entre partes) puede encontrarse para representar una sola parte. Esto incluye la clase completa de sistemas de medición conocidos como “sistemas de medición destructivos”. etc. la característica medida no cambia dentro de un período esperado de uso. por ejemplo. y donde la parte misma no es dañada por el proceso de medición aunque la característica a ser medida cambia. stands de pruebas de transmisión. ej. se recomienda ayuda y consulta de fuentes estadísticas competentes. pruebas de dinamómetro en motores o transmisiones Lo siguiente son ejemplos de enfoques para análisis de sistemas de medición. Estos son los ejemplos “clásicos” de sistemas de medición no replicables dado que lecturas repetitivas no pueden tomarse para una misma parte. pruebas de cámara de humedad/salina. incluyendo aquellos no discutidos previamente en este manual. Sistemas de medición destructivos Cuando la parte (característica) a ser medida es destruida por el acto mismo de medición el proceso es conocido como medición destructivas. pruebas de soldadura destructivas. ó 3) Las propiedades dinámicas (cambiantes) pueden ser estabilizadas 153 . Si un sistema de medición no se ajusta al enfoque del manual. No se pretende que sea una lista completa cubriendo cada tipo de sistema de medición si no solo ejemplos de varios enfoques. por ejemplo: • • Sistemas de mediciones destructivas Sistemas donde la parte cambia en el uso / prueba. existen otros sistemas de medición los cuales son no replicables. Ejemplos de esto son: pruebas de fuga con datos cualitativos.Capítulo IV – Sección A Prácticas para Sistemas de Medición Complejos ó No Replicables Sección A Prácticas para Sistemas de Medición No Replicables El enfoque de este manual de referencia es sistemas de medición donde las lecturas puedan replicarse para cada parte. pruebas de impacto (gravelometro) ó de espectrometría de masas y otros procesos de pruebas de características de materiales... dinamómetros de vehículos. Sistemas donde la parte cambia en el uso/prueba Sin embargo.

stands de prueba Sistemas de medición con características dinámicas con p>3 instrumentos V1 V2 V3 V4 V5 V6 V7 V8 V9 Tabla IV-A 1: Métodos Basados en los Tipos de Sistemas de Medición. Sistemas de medición destructivos. ej. lo sistemas de medición que son no destructivos y serán usados con partes (especimenes) con: • Propiedades estáticas.. Sistemas de medición con características dinámicas: ej. la característica medida no cambia durante el periodo esperado de uso.Capítulo IV Otras Prácticas y Conceptos de Medición El mapeo de los estudios descritos en este capítulo y los diferentes escenarios es como sigue: Estudios de Estabilidad Escenario La parte no cambia por el proceso de medición. Otros sistemas de medición no replicables. los sistemas de medición que no son destructivos (replicables) y serán usados con partes (especimenes) con: • Propiedades estáticas.. 154 .. stands de prueba S1 S2 S3 S4 S5 Estudios de Variabilidad Escenario La parte no cambia por el proceso de medición.. Sistemas de medición con características dinámicas: ej. ej. ej.. Otros sistemas de medición no replicables. o • Propiedades dinámicas (cambiantes) las cuales han sido estabilizadas Lo anterior con p>2 instrumentos. o • Propiedades dinámicas (cambiantes) as cuales han sido estabilizadas La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio. Sistemas de medición destructivos.

Analiza usando las gráficas X & mR • Determina la estabilidad del sistema de medición: Compara los puntos graficados con los límites de control Checa tendencias (solo la gráfica x) • Compara σe = R repetibilidad σE de un estudio de variabilidad (ver siguiente sección). Medición Única por Ciclo Aplicación: a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición. la característica medida no cambia durante el periodo esperado de uso.. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica. ej. o Propiedades dinámicas (cambiantes) que han sido estabilizadas b) La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración del estudio.Capítulo IV – Sección B Estudios de Estabilidad Sección B Estudios de Estabilidad S1: Una Parte 66..valor de referencia * d2 (error total de las mediciones) con el estimativo de la 66 Puede usarse un estándar o patrón de referencia si es apropiado para el proceso. • Determina el sesgo si el valor de referencia es conocido: sesgo = x . sistemas de medición que no son destructivos y serán usados con partes (especimenes) con: Propiedades estáticas. Supuestos: • • El sistema de medición es conocido (documentado) para una respuesta lineal sobre un periodo esperado de la característica (propiedad). 155 . ej.

Medición Única por Ciclo por Parte Aplicación: a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición. Si se involucra a más de un evaluador en la recolección de datos. • • Determine el sesgo si los valores de referencia son conocidos. o Propiedades dinámicas (cambiantes) que han sido estabilizadas. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica. b) La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración del estudio. • Determine la estabilidad del sistema de medición: Compare los puntos graficados con los límites de control Cheque tendencias (solo en gráfica z) • Compare 68 σe = R * d2 con el estimativo de la repetibilidad σE de un estudio de variabilidad. sección B. sesgo = x . R]: donde zi = xi − μi Y μi es el valor estándar (de referencia).Capítulo IV – Sección B Estudios de Estabilidad S2: ≥ 3 Partes n > 3 67.valor de referencia Determina la linealidad si se usan n > 3 partes: Las partes (especimenes) deben cubrir el rango esperado de la propiedad Cada parte (espécimen) debiera ser analizada por separado para el sesgo y la repetibilidad Cuantifica la linealidad usando el análisis de linealidad discutido en el capítulo III. entonces σ E (estimativo de la repetibilidad) es afectada también por la reproducibilidad del sistema de medición. 156 . ej. la característica medida no cambia durante el periodo esperado de uso. 67 68 Puede usarse un estándar o patrón de referencia si es apropiado para el proceso. Cuantifica la reproducibilidad con gráficas de correlación y bigotes e indexadas por evaluador (ver capítulo III. Supuestos: • • El sistema de medición es conocido (documentado) para una respuesta lineal sobre un periodo esperado de la característica (propiedad).. sección B). o determinado por el promedio de un número grande de lecturas sucesivas de la parte (espécimen). sistemas de medición que no son destructivos y serán usados con partes (especimenes) con: Propiedades estáticas. Analiza usando una gráfica [z. ej..

• • Analiza: • Determinando la variabilidad total a través de un estudio de habilidad con n>30 partes... la característica medida no cambia durante el periodo esperado de uso y/o almacenamiento. prueba de Levene 69. Cheque tendencias. todas las partes (especimenes) vienen de una distribución unimodal). cualquier indicación de inestabilidad sería atribuida a un cambio en el sistema de medición. prueba de Bartlett. Las mediciones de las partes individuales (especimenes) no son replicadas por lo que este estudio puede usarse con sistemas de medición destructivos y no replicables.nist. (Si la respuesta es no lineal. S3: Muestra Grande de un Proceso Estable Aplicación: El sistema de medición debe estar evaluando una muestra (recolectada y aislada) homogénea y distribuida e idénticamente independiente (“dii”). use gráficas x & R o x & mR con límites de control determinados por el estudio de habilidad. Compare los puntos graficados con los límites de control. etc. las lecturas deben ajustarse).itl. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica (propiedad). uso de la prueba F. (Este estudio preliminar debiera también ser usado para verificar la consistencia de la muestra: ej. 2 2 2 σ total = σ Pr oceso + σ sistemamediciones • • Midiendo una o más lecturas individuales de la muestra aislada en periodos de tiempo. La linealidad del sistema de medición es conocida (documentada) sobre el rango esperado de la característica (propiedad). Dado que las partes (especimenes) no cambian (una muestra aislada). National Institute of Standars and Technology. • • • 69 Dataplot.. Supuestos: • La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio.gov) 157 . ej.Capítulo IV – Sección B Estudios de Estabilidad Si se usa más de un instrumento es este estudio. determina la consistencia (homogeneidad de la variación) entre los instrumentos. Statistical Engineering División (www. ej.

Supuestos: • La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio. Espécimen Único por Ciclo Aplicación: Las mediciones de pociones de partes (especimenes) individuales no son replicadas de forma tal que el estudio puede ser usado con sistemas de medición destructivos y no replicables. Compara σ e = R variabilidad.. • • 2 2 Este es un estudio de límite superior: σ e2 = σ E + σ btwn * d2 • con el estimativo de la repetibilidad σ E de un estudio de Gráfica para rastrear la consistencia del proceso de producción. este a menudo es llamado estudio de prueba – volver a probar. S4 con Pares de Partes Consecutivas (Homogéneas) de Diferentes Lotes – S4a Este estudio es el mismo que S4 con partes homogéneas de diferentes lotes. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica (propiedad). la característica medida no cambia durante el periodo esperado de uso y/o almacenamiento. • • Analiza usando: • La gráfica de rangos para rastrear la consistencia de las mediciones (confundida con la consistencia “dentro del lote”).Capítulo IV – Sección B Estudios de Estabilidad S4: Especimenes Divididos (General). Es un 2 2 2 estudio de límite superior. Los especimenes son divididos en m porciones. ej. Con m=2 porciones. dado que σ e2 = σ E + σ btwn + σ lots 158 .

1991 159 . AQC transaction. de Bartlett. El flujo del producto es asignado aleatoriamente a stands individuales. Si existe alguna diferencia. etc. aísla los diferentes stands usando.D. S5a: Respuestas de Atributos Analiza usando las gráficas p: • • Determina la consistencia (de las decisiones) entre los stands: una gráfica simple incluyendo los resultados de todos los stands. P. usa la prueba F. “Graphical Displays of Gages R&R Data”. ASQC. Determina la estabilidad dentro de los stands individuales: gráfica x & s por separado para cada stand. instrumentos de medición múltiple (stands de prueba) evalúan las mismas características de un flujo continuo del producto. p es el S5b: Respuestas de Datos de Variables Analiza usando ANOVA y técnicas gráficas: 70 • Calcula x & s para cada stand de prueba (por característica). ej. Analiza la estabilidad total del sistema con una gráfica p & mR. por ejemplo. Cuantifica la consistencia (homogeneidad de variación) entre los stands... donde promedio de todos los stands de prueba en un cierto día.Capítulo IV – Sección B Estudios de Estabilidad S5: Stands de Prueba En esta situación. en el periodo de tiempo. Determina la estabilidad dentro de los stands individuales: gráficas separadas para cada stand. Determina si todos los stands cuentan con la misma meta comparando los promedios de los stands. la prueba T de Tukey. ej. de Levene.. • • • 70 Ver también James. usando un análisis ANOVA de un sentido. • Determina la consistencia entre los stands: una gráfica simple x & s incluyendo los resultados de todos los stands.

Capítulo IV – Sección B Estudios de Estabilidad 160 .

ej. es necesaria una conclusión analítica acerca del sistema de medición.Capítulo IV – Sección C Estudios de Variabilidades Sección C Estudios de Variabilidades Todos los estudios descriptivos son enumerativos por naturaleza y describen el sistema de medición (incluyendo los efectos del medio ambiente) durante el estudio. control. V1: Estudios Estándar RRG Estos estudios están contenidos dentro de este manual de referencia. Aplicación: a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición. ej. sistemas de medición que son no destructivos y serán basados con partes (especimenes) con: 1) Propiedades estáticas. mantenimiento. proceso o servicios.la característica medida no cambia durante el periodo esperado de uso. V1a – Método de Rangos (R&R) V1b – Método de Rangos (R&R y dentro de las partes) V1c – Método ANOVA V1d – Método de Rangos/ANOVA Modificado V2: Lecturas Múltiples con p>2 Instrumentos Esto permite la comparación de instrumentos múltiples. o 2) Propiedades dinámicas (cambiantes) las cuales han sido estabilizadas. Dado que los sistemas de medición son usados para toma de decisiones futuras acerca de los productos. Supuestos: • La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio. Partes (especimenes) cubren el rango esperado de la variación del proceso de la característica. medio ambiente.. • 161 . La transición de resultados enumerativos analíticos requiere conocimientos del tema y pericia para: • • Asegurar que todas las fuentes de variación de las mediciones son consideradas en el diseño y en la ejecución del estudio. etc. Estos estudios incluyen análisis gráficos y numéricos. Analizar los resultados (datos) a la luz del uso esperado..

• • Analiza usando técnicas de regresión: • • Estima la repetibilidad con el término del error: σ E = σ e Linealidad (comparando la línea estimada con la línea a 45º) V3a .A. ej. Las partes (especímenes) cubren el rango esperado de la variación del proceso de la característica (propiedad). W. Supuestos: • La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio. F..V3 con Pares de Partes Consecutivas Este estudio es el mismo que V3 pero usando pares consecutivos de partes más que especimenes divididos. Thompson.. Jr. V3: Especímenes Divididos (m = 2) Aplicación: Las mediciones de porciones individuales de las partes (especimenes) no son replicadas de manera que este estudio puede ser usado en sistemas de medición destructivos y no replicables y puede ser usado para analizar sistemas de medición con características dinámicas. 1963. Grubbs.E. la característica medida no cambia durante el periodo esperado de uso y/o almacenamiento. este es a menudo llamado estudio de prueba – volver a probar. Este es un estudio de límites superior: σ E ≤ σ e + σ btwn 71 72 Ver lista de referencias.Capítulo IV – Sección C Estudios de Variabilidades Analiza usando los estimativos de Grubbs 71 (o Thompson) 72 : • • • La variabilidad del proceso La variabilidad del instrumento = repetibilidad Los cálculos de la región de confiabilidad están disponibles. Ver lista de referencias.. Los especímenes son divididos en m porciones.. 1973. Con m=2 porciones. 162 . Este estudio es usado en situaciones donde la parte no puede ser dividida sin destruir la propiedad a ser medida.

Capítulo IV – Sección C Estudios de Variabilidades

V4: Especimenes Divididos (General)
Aplicación:
Las mediciones de porciones individuales de partes (especimenes) no son replicadas de manera que el estudio puede usarse para sistemas de medición destructivos y no replicables y puede ser usado para analizar sistemas de medición con características dinámicas.

Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio; ej., la característica medida no cambia durante el periodo esperado de uso y/o almacenamiento. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica (propiedad). Dividir los especimenes en m porciones donde m=0 mod 2 o 3; m > 2 (ej., m=3, 4, 6, 9, ...).

• •

Analiza usando:
• • Técnicas RRG estándar incluyendo gráficas ANOVA – Diseño de Bloques Aleatorio (ANOVA en dos sentidos)

V4a - V4 con Pares de Partes Consecutivas (homogéneas) de Diferentes Lotes
Este estudio es el mismo que V4 usando pares consecutivos de partes más que especimenes divididos. Este estudio es usado en situaciones donde la parte no puede ser dividida sin destruir la propiedad a ser medida. Este es un estudio de límite superior: σ E ≤ σ e + σ partes + σ lotes
Los siguientes estudios asumen que la característica (propiedad) de la parte (espécimen) es dinámica.

V5: Igual que V1 con Partes Estabilizadas
Las partes usadas en el estudio son estabilizadas usando un proceso en base a conocimientos de ingeniería y pericia; Ej., motores que son “fracturados” vs motores “verdes”.

163

Capítulo IV – Sección C Estudios de Variabilidades

V6: Análisis de Series de Tiempo
Supuestos:
• • Lecturas repetidas son tomadas sobre periodos especificados de tiempo. La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio; ej., la característica medida no cambia durante el periodo esperado de uso. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica.

Analiza determinando el modelo de degradación para cada parte de la muestra:
• •

σE = σe
Consistencia de degradación (si n>2)

V7: Análisis Lineal
Supuestos:
• • • Lecturas repetidas son tomadas en periodos de tiempo especificados. Degradación en el sistema de medición es conocida (documentada) para contar con una respuesta lineal en periodos de tiempo especificados. La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio; ej., la característica medida no cambia durante el periodo esperado de uso. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica.

Analiza por regresión lineal: • σE = σe
• Consistencia de degradación (si n>2)

V7a - V7 con una Muestra Homogénea Analiza por regresión lineal: Este es un estudio de límite superior: σ E ≤ σ e + σ btwn

V8: Tiempo vs Degradación de la Característica (Propiedades)
V6 & V7 Pueden modificarse para determinar si la degradación es tiempo (ej., vida de anaquel) o depende de la actividad.

164

Capítulo IV – Sección C Estudios de Variabilidades

V9: V2 con Lecturas Múltiples Simultaneas y p>3 Instrumentos
Analiza igual como V2 (ver también Lipson & Sheth, sec. 13.2).

165

Capítulo IV Sección C Estudios de Variabilidades

166

Capítulo IV – Sección D Cuantificando el Efecto de Variación Excesiva Dentro de las Partes

Sección D Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes
El entendimiento de las fuentes de variación de un sistema de medición es importante para todas las aplicaciones de las mediciones pero llega a ser más crítico cuando existe una variación significativa dentro de las partes. La variación dentro de las partes puede causar que la evaluación del sistema de medición ofrezca resultados erróneos. Esto es porque la variación dentro de las partes no tomada en cuenta afecta el estimativo de repetibilidad, reproducibilidad o ambos. Esto es, la variación dentro de las partes puede aparecer como un componente significativo de la variación del sistema de medición. El entendimiento de la variación dentro de las partes presente en el producto resultará en un entendimiento más significativo de la adecuación del sistema de medición para la tarea en cuestión. Ejemplos de variaciones dentro de las partes las cuales pueden encontrarse son: redondeado, concentricidad, planicidad, perfil, cilindricidad, etc. 73 Es posible que más de una de estas características pueda estar presente al mismo tiempo dentro de la misma parte (error compuesto). La fuerza de cada característica y sus interdependencias pueden componer los datos y el entendimiento resultante del sistema de medición. El reconocimiento y análisis de estas fuentes de variación adicionales durante el estudio de un sistema de medición es importante para entender la variación actual del sistema de medición mismo. Un DOE, ANOVA u otra técnica estadística más sofisticada puede requerirse para analizar esta situación. Cual sea la metodología usada debiera ser aprobado por el representante de la calidad del proveedor cliente. También, las decisiones que los ingenieros de diseño de producto tomen pueden inconcientemente afectar como una parte es medida, como un dispositivo puede ser diseñado, y el resultado puede afectar los resultados del error en las mediciones. Un ejemplo puede ser una parte plástica que tenga una característica crítica sobre una línea de partido (una línea de partido típicamente tiene exceso de material plástico y donde dos mitades de un molde se juntan, y por tanto es una superficie no controlada). Estos factores deben ser considerados durante un AMEF de diseño. Una vez que los componentes de variación dentro de las partes son entendidos, puede ser posible controlar estos factores dentro del sistema de medición (ej., rediseñando el gage, o usando diferentes métodos / equipo de dispositivos) de manera que los datos futuros no sean confundidos.

73

Muchas de estas propiedades son controladas en el diseño a través de tolerancias y dimensionamiento geométrico (T&DG). T&DG ofrece un método definido operacionalmente para checar partes de una manera funcional. Generalmente, un chequeo funcional es un chequeo de atributos. Cuando se requieren datos de variables, aspectos clave pueden derivarse como el usar un gage diseñado para un chequeo funcional que produzca datos de variables. Esto algunas veces puede hacerse usando un gage funcional como un dispositivo de fijación para un estudio en MMC. Sin embargo, cuando esto se hace es crítico que el dispositivo sostenga la parte firmemente y repetidamente en la misma localización (si no, el estudio MSA resultante debiera generar este error).

167

Capítulo IV – Sección D Cuantificando el Efecto de Variación Excesiva Dentro de las Partes

Una vez que los componentes de variación dentro de las partes son entendidos, puede ser posible controlar estos factores dentro del sistema de medición (ej., rediseñando el gage ó usando diferentes métodos/equipo para dispositivos) de manera que datos futuros no sean confundidos.

168

Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional

Sección E
Método de Promedios y Rangos – Tratamiento Adicional
Existe una consideración inicial que vale la pena mencionar relativa al método de Promedios y Rangos en la evaluación de un sistema de medición. 74 El propósito principal de este enfoque gráfico es el mismo que el de otros análisis de sistemas de medición bien diseñados: para determinar si el proceso de medición es adecuado para medir la variación del proceso de manufactura y/o evaluar el cumplimiento del producto. • • • • ¿Todos los gages están haciendo el mismo trabajo? ¿Todos los evaluadores están haciendo el mismo trabajo? ¿La variación del sistema de medición es aceptable con respecto a la variación del proceso? ¿Qué tan buenos son los datos obtenidos del proceso de medición o en cuántos grupos o categorías no traslapados pueden los datos ser divididos?

Pasos del Procedimiento

1) Debiera tenerse cuidado en seguir la “Preparación para el Estudio de los Sistemas de Medición”, capítulo II, sección C. 2) Hacer que cada evaluador cheque cada muestra para la característica a ser estudiada. Registre los primeros chequeos en el renglón superior de los datos de la gráfica de control (ver Figura IV-E 1 y 2). 3) Repetir los chequeos y registrar los datos en el segundo renglón de los datos de la gráfica de control. (Nota: no permita que los evaluadores vean sus lecturas originales cuando estén haciendo este segundo chequeo). Los datos debieran mostrar ahora dos chequeos sobre la misma parte por cada evaluador. 4) Analice los datos calculando el promedio subgrupo.

(X )

y el rango (R) para cada

5) Grafique los valores de los rangos en la grafica de rangos y calcule el promedio de rangos (R ) (incluya todos los rangos de los subgrupos (R) para
todos los evaluadores). Dibuje este rango promedio sobre la gráfica. Use el factor D4 para n=2 para calcular el límite de control para la gráfica de rangos. Dibuje este límite y determine si todos los valores están en control. Si todos los rangos están en control, todos los evaluadores están haciendo el mismo trabajo. Si un evaluador está fuera de control, su método difiere de los otros. Si todos los evaluadores cuentan con rangos fuera de control, el sistema de medición es sensible a la técnica del evaluador y se requiere mejoramiento para obtener datos útiles.

74

El ejemplo de la gráfica de control es tomado con el permiso de “Evaluación del Proceso de Medición” por Wheeler y Lyday (ver Lista de Referencias).

169

Ejemplo de Hoja de Trabajo La pregunta de “¿Qué tan buenos son los datos recolectados por el sistema de medición?” puede responderse completando el ejemplo de la hoja de trabajo. Los valores promedio representan la variación y la variación en las mediciones. indica que las señales del proceso de manufactura son mayores que la variación de las mediciones. Calcule ahora los límites de control para esta gráfica usando el factor A2 para n=2 y el rango promedio R de la gráfica de rangos y dibuje estos limites sobre la gráfica de promedios. el área entre los límites de control de los promedios representa la cantidad de la variación de las mediciones en el sistema. 5) Inserte el número de evaluadores (nA) en el espacio provisto. 6) Inserte el número de muestras (n) en el espacio provisto. Nótese en este estudio que la grafica de rangos contiene solo la variación de las mediciones. el sistema de medición es inadecuado para el control del proceso. 3) El número de replicaciones (r) es el número de veces en que cada evaluador checa la misma parte. Dibuje este gran promedio ( X ) en la gráfica. En otras palabras. Todos los datos necesarios para la hoja de trabajo pueden encontrarse en las gráficas de promedios y rangos descritas anteriormente. Si menos de la mitad de los promedios cae fuera de los límites. Figura IV-E 3 y 4. grafique el promedio para cada subgrupo X para todos los evaluadores en la gráfica de promedios (ver Figura IV-E 1 y 2). 4) Calcule la desviación estándar estimada de la repetibilidad ( σ e ). la variación de las mediciones eclipsa la variación del proceso. Los siguiente pasos son usados para completar el ejemplo de la hoja de trabajo (Figura IV-E 3 y 4): 1) Identifique las mediciones y la característica a ser evaluada. ( ) ( ) ( ) Si todos lo promedios caen dentro de los límites de control. si la mayoría de los promedios cae fuera de los límites de control. Este sistema de medición puede ofrecer datos útiles para el control del proceso. el proceso de mediciones tiene mayor variación que el proceso de manufactura. 2) El promedio de los rangos de los subgrupos R se obtiene directamente de la gráfica de control. Calcule el promedio de promedios ( X ) (Incluya todos los promedios de los subgrupos X para todos los evaluadores. ( ) 170 . Por tanto. Por otro lado. como se ˆ muestra en la Figura IV-E 3 y usando el valor d 2 para el correspondiente r.Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional 6) Luego. y no es de valor en el monitoreo o control de dicho proceso. quién está haciendo el estudio y la fecha del estudio mismo.

Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional 7) Calcule el promedio de cada evaluador promediando todas las muestras obtenidas por cada evaluador y registre estos promedios en el espacio provisto para cada evaluador (A. 2. 12) Estime la desviación estándar muestra .a . (promedio de la muestra 1 del evaluador A + promedio de la muestra 1 del evaluador B + promedio de la muestra 1 del último evaluador y divida esta suma por el número de evaluadores). SN = σp σ RRG 14) Determine el número de categorías distintas de producto que pudieran distinguirse por estas mediciones. 13) Calcule la “Razón Señal . 171 .. Se puede decir que todo el ruido y una parte no son diferentes uno de otro. significa que los datos pueden dividirse solo en grupos alto y bajo. Si el número de categorías es dos (2). 3. 9) Calcule la desviación estándar estimada de los proveedores ( σ A ) como se ˆ * muestra usando el valor d 2 para el valor correspondiente a n .9.a . B. Inserte este valor en el espacio provisto. Multiplique SN por 1. Solo la parte entera de este número necesita considerarse dado que está definiendo categorías distintas. C) y determine el rango de los promedios de los evaluadores restando el mínimo del máximo e insértelo en el espacio para (RA). 3. sin embargo éste es solo el equivalente de datos de atributos. 2. 11) Observe los promedios de las muestras (1.muestra ( σ P ) como se muestra ˆ * usando el valor d 2 para el valor correspondiente de n.41 e inserte en el espacio provisto (Figura IV-E 4). C).Ruido” (SN) dividiendo la desviación estándar de la muestra por la desviación estándar de las mediciones e inserte en el espacio provisto.. A 10) Calcule los promedios de las muestras promediando el valor obtenido de todos los proveedores para cada muestra. Un sistema de medición conteniendo cuatro (4) o más categorías será mucho mejor que los primeros tres ejemplos. 8) Examine los promedios de cada evaluador (A. B. el sistema de medición no tiene valor en el control del proceso. Coloque el valor para cada muestra en el espacio provisto (1. Este es ligeramente un mejor sistema de medición.. Por ejemplo. los datos pueden dividirse en grupos alto. 10) y calcule el rango de los promedios de las muestras (RP) restando el mínimo del máximo. Si el número de categorías es menor que dos (2). 10) en la Figura IV-E 4. (Elimine todas las fracciones decimales) (ver figura 34b). medio y bajo.. Si el número de categorías es tres (3).9. Este es el mejor estimativo del valor verdadero de la muestra.

1 para Evaluación de las Mediciones 172 .Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional Figura IV-E 1: Gráfica de Control ( X y R) .

2 para Evaluación de las Mediciones 173 .Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional Figura IV-E 2: Gráfica de Control ( X -R) .

076 3.6 Número de Replicaciones = Tamaño del Subgrupo = r = 2 Estima la Desviación Estándar de las Replicaciones R ˆ = σ e = 6.128 1.693 2.178 5.847 2.3 A B .961 3.059 2. Fecha r 2 3 4 5 5 6 7 8 9 10 MM-DD-YY d2 1.3 ˆ =σA 1.hi D E F 103.1 ---------- 2.827 2.8 108.lo C .738 d2 CALCULO PARA EFECTO DE LOS EVALUADORES nA 2 3 4 5 6 7 8 9 10 * d2 1.326 2.8 = RA Rango de los Promedios de los Evaluadores = RA = 5.669 Escribe abajo los promedios de los evaluadores: Evaluadores Promedio Numero de Evaluadores = nA = 3 =n=5 Numero de Muestras 108.078 ERROR DE REPLICACION: Rango Promedio de los Subgrupos = R = 7.Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional Mediciones Evaluadas LONGITUD DE AJUSTE Hecho por R.410 1.L.534 2.906 R = σ A = 2.W.1 102.781 ˆ * d2 Figura IV-E 3: Cálculos Alternativos para Evaluación de un Proceso de Medición (Parte 1 de 2) 174 .970 3.704 2.1-102.237 2.477 2.906 2.

906 2.67 – 83.0 = Rp Rango para estos Promedios de Muestras = Rp = 30.00 102.237 2.67 --------------------- 1.961 3.7806) = 7.698 σm 7.669 2.076 3.7376) + (2.17 113.289 ˆ ˆ = (6.289 2 2 CALCULOS PARA PROPORCIONES SEÑALES A RUIDO: n 2 3 4 5 6 7 8 9 10 * d2 Escribe el promedio de cada pieza de la muestra o lote abajo: 113.41⎜ p ⎟ = 2.698 ˆ ⎛σ ⎞ 1.17 113.33 83.Hi Proporción Señal a Ruido: 6 7 8 9 10 ó2 111.827 2.67 = 12.Lo 4 5 .289 ˆ Por tanto el número de categorías distintas de productos que pueden ser confiablemente distinguidas para estas mediciones es 1.67 Estima la Desviación Estándar de Muestra a Muestra: Ejemplo Promedio 1 2 3 .477 2.698 = 1.38 σp ˆ = 1.395 ⎜σ ⎟ ⎝ ˆm ⎠ Este es el número de intervalos de confiabilidad del 97% no traslapados que extenderán el rango de la variación del producto.41 x 1. (Un intervalo de confiabilidad del 97% y centrado en una medición única contendría el valor actual del producto que es representado por dicha medición el 97% del tiempo).38 2.178 30.477 Rp = σ p = 12.410 1. Figura IV-E 4: Cálculos Alternativos para Evaluación de un Proceso de Medición (parte 2 de 2) 175 .Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional CALCULOS PARA LA DESVIACIÓN ESTANDAR DEL ERROR DE LAS MEDICIONES El Estimativo de la desviación estándar del error en las mediciones es: ˆ ˆ ˆ2 σ m = σ e2 + σ A Escribe el valor apropiado para σ m aquí: σ m = 7.38 ˆ * d2 12.

Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional 176 .

ASQC. σ 2 dx ) Usando la tabla estándar normal ⎛ UL − ( X T + b ) ⎞ ⎛ LL − ( X T + b ) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ σ σ ⎝ ⎠ ⎝ ⎠ donde ⎛ UL − ( X T + b ) ⎞ 2 φ⎜ ⎟ = ∫ N X T + b. la repetibilidad y reproducibilidad son consideradas con una distribución normal con una varianza σ 2 . Idealmente. es posible calcular la probabilidad de aceptar una parte de algún valor de referencia cuando se use un sistema.Capítulo IV – Sección F Curva de Desempeño de Gages Sección F Curva de Desempeño de Gages 75 El propósito de desarrollar una Curva de Desempeño de Gages (CDG) es determinar la probabilidad de aceptar o rechazar una parte a partir de un valor de referencia. Sin embargo. Una vez que la cantidad de error ha sido determinada. Además. se hace el supuesto de que el error del sistema de medición consiste principalmente de falta de repetibilidad. 177 . el valor de referencia. y cuenta con una varianza. σ dx σ ⎝ ⎠ LL ∞ ( ) 75 Adaptado con el permiso de “Análisis de Sistemas de Atributos de Gages” por J.McCaslin & G. Consecuentemente. el error del gage está distribuido normalmente con una media de XT. σ 2 . la CDG para una medición sin errores es mostrada en la Figura IV-F 1. reproducibilidad y sesgo. En otras palabras: Valor Actual del Gage = N X T + b. σ dx σ ⎝ ⎠ −∞ UL ( ) φ⎜ ⎛ LL − ( X T + b ) ⎞ 2 ⎟ = ∫ N X T + b. 1976. más el sesgo. esto es para sistemas de medición ideales más que lo que ocurra normalmente.Gruska. Para lograr esto. σ 2 ( ) La probabilidad de aceptar una parte de algún valor de referencia es ofrecida por la relación UL Pa = LL ∫ N (X T + b.

05) ⎞ ⎛ 0.9 Nm ⎛ 1. 0. 0.9 Nm. cuando la parte tiene un valor de referencia de 0.7 + 0.7 Nm.6 − (0.0) − φ (− 7.05) ⎞ ⎛ 0.0 − (0.05 ⎝ ⎠ ⎝ ⎠ Pa = φ (1.05) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ 0. Para X T = 0.9 + 0.05 0.0 − (0.Capítulo IV – Sección F Curva de Desempeño de Gages Ejemplo: Determine la probabilidad de aceptar una parte cuando el valor de referencia del torque es 0.05 ⎝ ⎠ ⎝ ⎠ Pa = φ (5.5 + 0.05) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ 0.6 Nm 0.05) ⎞ ⎛ 0.05 ⎝ ⎠ ⎝ ⎠ Pa = φ (9.05 0.999 Si el valor de referencia de la parte es 0.05) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ 0.1% del tiempo.84 178 . Usando los datos de un estudio previamente conducido: Especificación Superior Especificación Inferior sesgo = = = = UL LL B 0.05 0.5 Nm.7 Nm entonces se rechazará menos de aproximadamente 0.0 Nm 0.5 + 0.0.7 Nm ⎛ 1.9 + 0.0 .0) = 0.05 Nm σ RRG Aplicando lo anterior a las fórmulas de la página anterior: ⎛ UL − ( X T + b ) ⎞ ⎛ LL − ( X T + b ) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ σ σ ⎝ ⎠ ⎝ ⎠ ⎛ 1.6 − (0.16 Esto es.0) = 0.0 − (0.0) = 1.5 Nm será rechazada aproximadamente 84% del tiempo.0) − φ (− 3.05 Nm = = = 1.0 ) − φ (1. Ejemplo de una Curva de Desempeño de Gages: Para X T = 0.7 + 0.84 = 0.6 − (0.

Sección C. 76 El rango 6 RRG puede determinarse encontrando el valor de XT que corresponde a Pa = 0. y el valor de XT que corresponde a Pa = 0. la CDG ofrece la probabilidad de aceptar una parte de cualquier tamaño. Capítulo III. los límites superior o inferior que correspondan a Pa = 0. 77 76 77 Ver “Estudio de Atributos de Gages”. y el error del sesgo. Además. como se muestra en la Figura IV-F 3.5 y calculando: B = X T.Capítulo IV – Sección F Curva de Desempeño de Gages Si el valor de referencia de la parte es 0. Esta misma curva puede ser graficada más fácilmente en papel de probabilidad normal. puede usarse para calcular el error de repetibilidad y reproducibilidad.LSL o BB = XT . una vez desarrollada la CDG. Un estimativo del sesgo se determina encontrando para XT. como es mostrada en la Figura IV-F 2 se obtendría. El RRG es la diferencia entre los dos valores de XT.9 Nm entonces será rechazado aproximadamente menos del 16% del tiempo. Esto asume que el sistema de medición es lineal sobre el rango de operación.00135 (z = -3) para los dos límites. Una vez graficada.USL dependiendo de cual límite XT se seleccione. Si la probabilidad de aceptación es calculada para todos los valores de XT y graficada. 179 . entonces la curva de desempeño del gage.99865 (z = 3). como se muestra gráficamente en la Figura IV-F 3.

0 0.0 0.9 1.5 0.3 0.2 Valor de Referencia de las Partes Medidas Sesgo = 0.7 0.4 0.5 0.4 0.6 0.6 0.00 Rango RRG = 0.2 0.8 0.1 1.7 0.00 Figura IV-F 1: Curva de Desempeño del Gage Sin Error 180 .0 1.9 Probabilidad de Aceptación 0.8 0.3 0.Capítulo IV – Sección F Curva de Desempeño de Gages LSL USL 1.1 0.

6 0.8 0.28 Figura IV-F 2: Curva de Desempeño del Gage .2 0.3 0.05 RRG = 0.7 0.6 0.5 0.9 1.Ejemplo 181 .0 1.8 0.2 Valor Valores de Referencia de las Partes Medidas Sesgo = 0.0 0.1 1.4 0.4 0.1 0.7 0.9 Probabilidad de Aceptación 0.5 0.Capítulo IV – Sección F Curva de Desempeño de Gages LSL USL 1.0 0.

Capítulo IV – Sección F Curva de Desempeño de Gages Figura IV-F 3: Curva de Desempeño del Gage Graficada en Papel de Probabilidad Normal 182 .

(6σ x )2 = (6σ ) n 2 Esto puede aproximarse por (6s ) = (6s ) x n y 0.Capítulo IV – Sección G Reducción de la Variación a Través de Lecturas Múltiples Sección G Reducción de la Variación a Través de Lecturas Múltiples Si la variación del presente sistema de medición no es aceptable (arriba del 30%). pero es una alternativa hasta que se hagan mejoramientos al sistema de medición (ej. con una amplitud 6 sigma igual a 0. que la varianza de la distribución de los promedios es igual a la varianza de la distribución de las lecturas individuales dividida por el tamaño de la muestra. el porcentaje de la variación de la tolerancia del RRG es 25.14 = 0. Este método. rediseñando o comprando un nuevo sistema)..24 n 76 Ver nota en página vi.24.14. determinando el promedio de estas mediciones y permitiendo que el valor numérico del resultado sea sustituido por la medición individual. el número de lecturas múltiples requerido puede entonces determinarse. Ejemplo: En el ejemplo de la corporación XYZ. por supuesto consumirá tiempo. 2) Siga el procedimiento de estudio de gages discutido previamente en estos lineamientos.5%. primero debe entenderse que la distribución de las medidas individuales y el promedio tienen el mismo valor promedio numérico. El procedimiento para este método alternativo es como sigue: 1) Determine el número de lecturas múltiples requeridas para cumplir con un nivel de variación aceptable. La variación no aceptable puede reducirse tomando lecturas múltiples y estadísticamente independientes (no correlacionadas) de la característica de la parte a ser evaluada. El cliente quiere reducir esta figura a al menos 15%. Segundo. 183 . existe un método que puede usarse para reducir la variación a un nivel aceptable hasta que puedan hacerse mejoramientos al sistema de medición mismo. el cual sería un equivalente de amplitud de 6 sigma de 0. 78 Para determinar el número de lecturas múltiples requerido para cumplir el criterio deseado del 15%. Entendiendo esta relación como se muestra abajo.

184 .714 y n = 3(redondeado al entero más próximo) Por tanto.Capítulo IV – Sección G Reducción de la Variación a Través de Lecturas Múltiples de manera que n = 1.14 y el %RRG a 15%. Este debiera usarse solo con concurrencia del cliente. 3 lecturas múltiples sobre la característica de la parte reducirían la variación total del sistema de medición a aproximadamente 0. Este método debiera ser considerado como un paso temporal hasta que se hagan mejoramientos al sistema de medición.

Este es útil cuando todas las muestras no están disponibles al mismo tiempo. ej. la mayoría del tiempo (esto es para la mayoría de los materiales) debiera interpretarse como la aplicación de que existen diferencias entre operadores. Si este enfoque es usado para evaluar un grupo de laboratorios. También algunas muestras. Dado que las partes son consideradas como esencialmente idénticas. en un programa interlaboratoiros ésto sugeriría que existen diferencias reales entre laboratorios. existe la preocupación de cual sería la naturaleza de la reproducibilidad. 185 . Esto no siempre puede ser posible. Este enfoque ve a cada parte como un material por separado y entonces calcula las desviaciones estándar de la repetibilidad y reproducibilidad como en E691. se asume que estos estimativos por separado son efectivamente idénticos. Estas situaciones pueden manejarse usando un DOE anidado. Esto producirá valores múltiples y por separado de repetibilidad y reproducibilidad.. Si el análisis del sistema de medición incluye localizaciones múltiples puede no ser factible logísticamente el demandar un muestreo aleatorio. La siguiente descripción del estudio asume que el estudio mismo será aplicado de una forma secuencial. Si esta es mayor que cero. permite asimismo un enfoque secuencial. Por supuesto nunca serán exactamente los mismos. Continúe del paso 6 de la página 74: 79 Partes de esta sección incluyen todo lo de “Estadísticas de Consistencia” es contribución de Neil Ullman de la American Society for Testing and Materials (ASTM International). Conducción del Estudio Debiera tenerse cuidado en seguir la “Preparación para el Estudio de un Sistema de Medición” mostrado en el capítulo II. Aplicación Secuencial Aunque el enfoque E691 es típicamente usado con una muestra completa. pero su promedio ofrecerá un buen estimativo del nivel verdadero de repetibilidad y reproducibilidad similar. También puede ser utilizado como parte del proceso de calibración para mantener información de la variabilidad del sistema de medición. sección C.Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG Sección H Enfoque de la Desviación Estándar Combinada con RRG 79 El análisis de un sistema de medición generalmente asume que los datos replicados de todas las partes / especimenes pueden obtenerse de todos los evaluadores en un forma aleatoria. Un enfoque alternativo es el estudio de la desviación estándar combinada del RRG el cual sigue la metodología discutida en ASTM E691. análisis notablemente químicos y metalúrgicos (estudios entre e intra laboratorios) pueden requerir una sección cruzada de las diversas muestras que no sean parte de un proceso homogéneo y pueden no estar disponibles al mismo tiempo.

11) Calcule el promedio de promedios ( X ) (incluya los promedios de todos los subgrupos X para todos los evaluadores). Dibuje este límite y determine si todos los valores están en control (ver Figura IV-H 1). dibuje estos límites en la gráfica de promedios. 8) Calcule el promedio X y la desviación estándar (s) para la nueva parte para cada evaluador. 13) Analice los daros usando las gráficas de control y otras técnicas gráficas discutidas en el método de promedios y rangos (ver Capítulo III). Registre los datos en renglones apropiados de la hoja de recolección de datos (ver formatos de ejemplo).Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG 7) Hacer que cada uno de los m ≥ 2 evaluadores evalúen la parte para r ≥ 3 lecturas. Dibuje la línea de este gran ( ) ( ) promedio ( X ) en la gráfica. 12) Calcule los límites de control para esta gráfica usando el factor A2 para un r y una desviación estándar de los promedios (s ) de la gráfica de desviación estándar. 9) Grafique los valores de desviación estándar sobre la gráfica de desviación estándar y calcule el promedio de la desviación estándar misma (s ) (incluya la desviación estándar de todos los subgrupos y para todos los evaluadores). Los valores promedio representan la variación del proceso y la variación de las mediciones. sx = g ∑s i =1 m 2 xi m Re petibilidad g = s E g = ∑s i =1 m 2 si m 2 s Eg 2 Re producibilidad g = s A g = s x g − m RRGg = s RRG g = s + s 2 Eg 2 Ag 186 . Use el factor B4 con r muestras para calcular el límite superior de control para la gráfica de la desviación estándar. ( ) 10) Grafique el promedio X para cada subgrupo para todos los evaluadores sobre la gráfica de promedios (ver Figura IV-H 1). (Nota: no permita que los evaluadores vean sus lecturas originales al hacer estos chequeos múltiples). 14) Evalúe los parámetros del sistema de medición para cada parte combinando los resultados de los evaluadores. Dibuje este promedio de la desviación estándar sobre la gráfica.

la evaluación del porcentaje de la variación total debiera basarse en la variación del proceso de los especimenes específicos y no de la variación total sobre todos los especimenes. la desviación estándar histórica para el proceso debiera usarse. En este caso. laboratorios).Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG E691 sigue el convencionalismo de que la reproducibilidad del MSA se refiera como la variación de los evaluadores y el RRG del MSA es llamado reproducibilidad.. La Repetibilidad incluiría variación entre los equipo así como variación dentro de los equipos. Debiera darse cuidado a la interpretación de los parámetros del sistema de medición en el caso donde los evaluadores estén localizados en diferentes instalaciones (ej. Esto puede evaluarse calculando y comparando la Repetibilidad dentro de cada localización. Si las partes cubren una amplia variedad de los procesos. 2 sappr = s x − sr2 3 2 s R = sr2 + sappr donde sr = sE = Repetibilidad y sR = RRG = Reproducibilidad ASTM 15) Evalúe los parámetros globales del sistema de medición combinando o acumulando los resultados de las partes donde g = número de partes. La Reproducibilidad incluiría variación entre localizaciones así como variación entre evaluadores. Estos componentes no pueden separase con este estudio. por ejemplo diferentes especimenes metalúrgicos o químicos. 187 . Re petibilidad = s E = ∑s i =1 g 2 Ei g Re producibilidad = s A = ∑s i =1 g 2 Ai g RRG = s RRG = ∑s i =1 g 2 RRGi g Cuando se calcula el porcentaje de la variación total.

Est. de las Muestras Muestra Figura IV-H 1: Análisis Gráfico del Estudio de la Desviación Estándar Combinada 80 80 Límites de control basados en la desviación estándar combinada ó acumulada y ajustada por una constante de no sesgo 188 .Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG Gráfica de Respuesta Xbarra-S Promedio de las Muestras Muestra Desv.

Capítulo iV – Sección H Enfoque de la Desviación Estándar Combinada con RRG Tabla IV-H 1: Conjunto de Datos de Análisis de Desviación Estándar Combinada 189 .

12 7 0.50 -1.09 3 0.06 -0. Aunque en este ejemplo no hay una colección de materiales ampliamente diferentes y los cuales tengan diferentes niveles y posiblemente desviaciones estándar muy diferentes.86 0.88 -0.27 0.93 2 0.262 0.84 “z” -3.59 1.88 0.169.262.35 0.07 0.17 81 Ver ISO 5725 190 .13 0.09 -1. h y k.10 Parte 5 6 0.30 0.25 1.178 = = 1.35 repetibilidad 0.132 Una razón por la que éstos se calculan es permitir comparaciones entre materiales muy diferentes.22 -1.87 0. En este caso (evaluador A y parte 1) es: k= desviación estándar ( EvualuadorA.94 -1. sean calculadas.20 0. Los valores de h se calculan por h= x appr − x parte Sx Para el evaluador A y la parte 1.40 0.14 0.20 3.32 -1.06 0.Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG Estadísticas de Consistencia Los métodos de ASTM e ISO 81 sugieren que dos estadísticas de “consistencia”.167 0.08 -3. A B C 1 1.46 -1.23 1.65 1.20 1.45 1.15 1.28 0.80 2.70 0. los cálculos h y k de E691 pueden todavía usarse para comparar la desviación estándar de la repetibilidad y los valores respuesta por los evaluadores. h Ev.82 0.50 0.50 0.07 1.15 8 0.14 -0.77 0.24 -1.76 0.65 0.15 10 prom h “z” 1.80 0.32 0.49 1.21 0.11 4 0.65 K 0.80 -1.262 El valor de k es la razón de la desviación estándar para cada parte y cada evaluador con la desviación estándar de la repetibilidad.41 mediana k A B C 1.447 − 0. Parte1) 0.29 -1.68 0.12 9 0.278 = = 1.35 1.83 0. el promedio ( x appr anterior) es 0.69 0. La siguiente tabla de h y k´s se listan por evaluador.447y el promedio de las partes ( x parte anterior) es 0.24 0.84 0. La desviación estándar entre los evaluadores ( s x anterior) es 0.77 1.42 1.28 1. Por tanto h= 0.53 -0.14 -0.05 0.82 0.11 0.

Similarmente. calcule la mediana k y luego un aproximado del “score z”. Por tanto vemos diferencias muy grandes en el desempeño de solo 3 operadores. Para hacer esto. Es también esta significativa diferencia lo que genera la desviación estándar del RRG. Las desviaciones estándar de la repetibilidad pueden también ser evaluadas observando los valores k. Los valores de h indican que el evaluador A es significativamente alto y el evaluador C es significativamente bajo en sus lecturas del tamaño de las partes.861 y con una desviación estándar de aproximadamente 0. La mediana k para el evaluador A es entonces alrededor de –3. Con este estudio.2 desviaciones estándar abajo del nivel esperado y el evaluador B es significativamente alto. Estos ciertamente son aspectos clave a ser examinados acerca del desempeño del método de medición y como es realizado por estos evaluadores. Figura IV-H 2: Gráfica de Puntos de valores h 191 . Las gráficas de h (Figura IV-H 2) y k (Figura IV-H 3) también ayudan a ilustrar estas diferencias.Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG En las últimas dos columnas están los promedios y el valor de “el valor – z” para ver si los evaluadores son significativamente diferentes. los valores k muestran que tan abajo la variación del evaluador A es con respecto a la repetibilidad. la mediana esperada es alrededor de 0.439. El evaluador C tiene los resultados mucho más bajos que los otros.

Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG Figura IV-H 3: Gráfica de Puntos de valores k 192 .

Apéndices APENDICES 193 .

194 .

La columna de proporción F se calcula solo por la interacción en una ANOVA de MSA. Esto es lo que se le llama Tabla de Análisis de Varianza (ANOVA). La columna SS o suma de cuadrados es la desviación alrededor de la media de la fuente. • El estimativo de los componentes de varianza para cada fuente se ofrece en la Tabla A 1. se determina por la interacción de la media cuadrada dividida por el error de la media cuadrada. La columna MS o cuadrado de la media es la suma de cuadrados dividida por los grados de libertad. interacción entre las partes y evaluadores y error replicado debido a la repetibilidad del equipo / gage. La columna DF es el grado de libertad asociado con la fuente. evaluadores. La columna EMS o cuadrado de la media esperado determina la combinación lineal de los componentes de varianza para cada MS. el término de error de ANOVA es equivalente a la variación del equipo MSA. La tabla ANOVA sectoriza la fuente total de variación en cuatro componentes: partes. 82 83 En esta tabla. MSE 195 . En esta aplicación de ANOVA a los análisis de sistemas de medición. La tabla de ANOVA se compone de 6 columnas: • • • • • La columna de fuentes es la causa de variación.Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Apéndice A Análisis de Conceptos de Varianza El análisis numérico de las RRGs puede hacerse siguiendo las fórmulas de la Tabla A 3. se asume que todos los componentes de la variación son de efectos aleatorios. entonces son posibles los estimativos de componentes de varianza negativos. 82 Estimativo de Varianza Equipo (EV) Interacción (INT) Evaluador (AV) Parte (PV) τ 2 = MSe83 MS AP − MSe r MS A − MS AP ω2 = nr MS P − MS AP σ2 = kr γ2 = Tabla A 1: Estimativo de los Componentes de Varianza Dado que cada media cuadrada es una cantidad muestra sujeta a la variación del muestreo y los cálculos involucran diferencias de promedios al cuadrado.

Los límites de extensión 6 sigma serán EV = 6 MS pool AV = 6 RRG = PV = 6 MS A − MS pool nr entonces: (EV ) 2 + ( AV ) 2 MS p − MS pool kr 84 Este es el rango de 99. El RRG en la Tabla A 2 es la variación total del sistema de medición. Ver nota en página vi. 196 . se agrega a la suma del cuadrado de la interacción del evaluador por parte ( SS AP de la Tabla A 3) y el cual es igual a la suma de cuadrados acumulados (SS combinado ) con RRG = PV = 6 (EV )2 + ( AV )2 + (I AP )2 MS p − MS AP kr (nkr − n − k + 1)85 grados de libertad. Para propósitos de análisis.73%. 84 La Tabla A 2 muestra la extensión de 6 sigma para una medida de repetibilidad llamada variación del equipo (EV) y una medida de reproducibilidad llamada variación del evaluador (AV). En la práctica. La desviación estándar es más fácil de interpretar que la varianza por que tiene las mismas unidades de medición de la observación original. EV = 6 MS e AV = 6 I AP MS A − MS AP nr MS AP − MS e =6 r Variación del Equipo = Repetibilidad Variación del Evaluador = Reproducibilidad Interacción del Evaluador por Parte R&R del Gage Variación de las Partes Tabla A 2: Amplitud de 6 Sigma En el modelo aditivo la interacción no es significativa y los componentes de varianza para cada fuente se determinan como sigue: Primero. Por tanto el SS pool será dividido por (nkr − n − k + 1) para calcular MS pool . la medida básica de amplitud es dada por 6 veces la desviación estándar. entonces existe un modelo no adicional y por tanto se ofrece un estimativo de sus componentes de varianza. los componentes de varianza negativos se hacen cero. Si la interacción entre las partes y los evaluadores es significativa. la suma de l cuadrado del error del gage ( SS e de la Tabla A 3).Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Este es un pequeño problema dado que los estimativos componentes de la varianza “master” son iguales o tienden a cero o cuentan con un tamaño de muestra pequeño.

⎞ k ⎛ x.. ⎞ n ⎛ xi2. ⎜ ⎟ − ∑⎜ ⎟ − ∑⎜ ⎟+ = ∑∑ ⎜ ⎟ i =1 ⎜ kr ⎟ j =1 ⎜ nr ⎟ nkr i =1 j =1 ⎝ r ⎠ ⎝ ⎠ ⎝ ⎠ SS e = TSS − SS A + SS P + SS Ap Fuente Evaluador DF k −1 n −1 [ ] F EMS τ 2 + rγ 2 + nrω 2 SS SS A SS P SS AP MS MS A = MS P = SS A (k − 1) SS P (n − 1) SS AP (n − 1)(k − 1) MS AP MS e Partes τ 2 + rγ 2 + krσ 2 τ 2 + rγ 2 Evaluador por parte Equipo Total (n − 1)(k − 1) nk (r − 1) nkr − 1 MS AP = MS e = SS E TSS SS e nk (r − 1) τ 2 Evaluador ∼N(0.. A fin de determinar si la interacción es significativa. j . Una vez que el RRG sea determinado entonces el porcentaje del RRG puede calcularse en relación al desempeño del proceso...2j .. Comparar este estadístico F en un punto de porcentaje alto con la distribución F como numerador y grado de libertad como denominador tomado de ANOVA (Tabla A 3). ⎜ ⎟ nkr i =1 ⎝ kr ⎠ 2 k ⎛ x2 ⎞ ⎜ . SS A = ∑ ⎜ ⎟ nkr j =1 ⎝ nr ⎠ 2 TSS = ∑∑∑ xijm − i =1 j =1 m =1 n k n k r ( ) 2 x.85 Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Donde n = número de partes. calcular el estadístico F de la interacción del evaluador por parte (ver Tabla A 3). γ 2 ) Equipo ∼N( 0. A fin de reducir el riesgo de concluir falsamente de que no hay efectos de interacción... nkr SS AP 2 2 ⎛ xij . ⎞ x...ω2) Partes ∼N(0. k = número de evaluadores y r = número de intentos.σ2) Evaluador por parte ∼N(0. n ⎛ x2 ⎞ x2 SS p = ∑ ⎜ i. ⎟ − .. ⎟ − x. τ 2 ) Tabla A 3: Análisis de Varianza (ANOVA) 197 . seleccionar un nivel de significancia alto.

253962 TV = 6.4 20.434 EMS τ 2 + 3γ 2 + 30ω 2 τ 2 + 3γ 2 + 9σ 2 τ 2 + 3γ 2 Equipo Total τ 2 * Nivel de Significancia a α = 0.226838 6 (σ) EV = 1.87 ≅ 4 Variación Total (TV) = RRG 2 + PV 2 ⎛ 6σ ( componentes ) % de la Variación Total = 100⎜ ⎜ 6σ ( total ) ⎝ ⎛ ⎞ ⎞ ⎟ = 100⎜ σ ( componentes ) ⎟ ⎟ ⎜ σ ⎟ ( total ) ⎠ ⎝ ⎠ ⎛ 2 ⎛ 6σ 2 ( componentes ) ⎞ σ (componentes ) ⎞ ⎟ ⎟ = 100⎜ % de Contribución (de la Varianza Total) = 100⎜ ⎜ 6σ 2 ( total ) ⎟ ⎜ ⎟ ⎜ σ2 ⎟ ⎝ ⎠ ( total ) ⎝ ⎠ 198 .302373 1.2 (τ 2 2 + γ 2 +ω2 ) 0.9 0 27.0 100. el estimativo de la varianza se basa en el modelo sin interacciones.Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Tablas A 4 y A 5 muestran los cálculos de ANOVA para los datos de nuestro ejemplo de la Figura III-B 15.81799 0.0 % de Contribución 3.51 σ = 1.042327 1.086447 (Parte) Variación Total Tabla A 5: Resultados Tabulados de ANOVA ndc = 1.4 4.814238 Pv = 6.25 1.41(6.09143 Desv.01994 0.051455 (Evaluador) γ2 =0 (Interacción) RRG = 0. Std.3590 2. Esto es.81) = 4.41(PV RRG ) = 1.199598 AV = 1.199933 0. Fuente Evaluador Partes Evaluador por parte DF 2 9 18 60 89 SS 3.05 Tabla A 4: Resultados Tabulados de ANOVA Dado que el valor F calculado para la interacción (0. el término interacción es acumulado ó combinado con el término (de error) del equipo.6471 MS 1.1673 88.18. Estimativo de la Varianza 2 τ = 0.361028 INT = 0 % de la Variación Total 18.8 92. (σ) 0.58363 9.29* 0.4 0 7.9 96.085 RRG = 1.3619 0.434) es menor que el valor crítico de Fα .039973 (Equipo) ω 2 = 0.41* 492. 60.04598 F 79.7589 94.

Análisis: Cp Obs = Cp Act * σ Act σ Obs usando (1) = Cp Act * 2 2 σ Obs − σ Meas σ Obs con el RRG basado en la variación del proceso Cp Obs σ Obs 1 − RRG 2 = Cp Act * usando (4) σ Obs (6) = Cp Act * 1 − RRG 2 199 .L son los valores de especificación superior e inferior x = 0bs o Act conforme es definido en (1) % RRG = RRG p *100% con base en la variación del proceso ⑶ RRG p = kσ Meas 6σ Obs (4) 2 2 Nota: RRG p ≤ 1 dado que desde σ Obs ≥ σ Meas por la ecuación (1) con base en el rango de tolerancia: RRG p = kσ Meas U −L (5) En (4) y (5).Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Fórmulas: 2 2 2 σ Obs = σ Act + σ Meas ⑴ Donde Obs = la variación del proceso observada Act = la variación del proceso actual Meas = la variación del sistema de medición Cp x = U −L 6σ x ⑵ donde U. normalmente k se toma como 6.

Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp ó Cp Act = Cp Obs 1 − RRG 2 (6’) con RRG basado en el rango de tolerancia RRG = σ 1 * Meas usando (2) y (5) Cp Obs σ Obs consecuentemente Cp Obs = Cp Act * 1 − (Cp Obs * RRG ) 2 (7) (7’) y Cp Act = 1 − (Cp Obs * RRG ) Cp Obs 2 200 .

29 RRG 20% 30% 40% 50% 60% 70% Cp observado con el Cp en base al Rango del Proceso 1.29 1.81 0.24 1.57 nada 201 .20 1.99 0.54 Tabla B 1: Comparación del Cp Observado con el Cp Actual 90% 0.Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Análisis Gráfico Con base en (6) la familia de líneas para Cpobs con respecto a CpAct es: Figura B 1: Cp Observados vs.11 0.27 1.93 Cp observado con el Cp en base a la Tolerancia 1.3 1.3 1.13 1.26 1.19 1. Actual (basado en el proceso) Actual 10% 1.04 0.

Actual (en base a la tolerancia) 202 . la familia de líneas para CpAct con respecto a CpObs es: Figura B 2: Cp Observado vs.Apéndice B Impacto de RRG sobre el Índice de Habilidad Cp Con base en (7’).

cd. . Nota: La notación usada en esta tabla sigue la de Acheson Duncan. d2 es el valor infinito de d*2 . Quality Control and Industrial Statistics. valores adicionales de v pueden ser construidos de la diferencia de las constantes. 5a edición. ⎛R ⎞ ⎜ *⎟ d2 ⎠ v⎝ 2 * Apéndice C Tabla d2* σ t2 es distribuida aproximadamente como una distribución χ 2 con v grados de libertad y donde R es el rango promedio de los g subgrupos de tamaño m. 1986.Tabla de Apéndice C Table C 1: d 2 Table 203 Entradas de la Tabla: 1er línea de cada celda son los grados de libertad (v) y la 2a línea de cada celda es d*2. McGraw-Hill.

Apéndice D Estudio R de Gages 204 .

Este método NO PUEDE ser usado para aceptación final de un gage sin otros métodos MSA más completos y detallados. Puede ser usado para chequeo antes de envío por el proveedor del gage. El propósito es enfocarse solo a la repetibilidad del gage. calcular el sigma de las lecturas individuales con s para todas * las lecturas o MR / d 2 . dividir este valor por la tolerancia de la característica. por un operador. evaluar la estabilidad. o usarlo para propósitos comparativos durante el desarrollo del gage. ya que 10 subgrupos de datos individuales son insuficientes para determinar la estabilidad. Puede ser usado en preproducción cuando la disponibilidad de partes es mínima. La reproducibilidad no se considera aquí. para una comparación rápida de las diferentes localizaciones de sujeción. La linealidad y el sesgo no son aspectos críticos. colocar la parte en el dispositivo. Puede ser usado durante el desarrollo del gage – ej. aplicar acciones correctivas. repetir esto 9 veces más con la misma parte y el mismo operador. quitar la parte del dispositivo. obvias inestabilidades pueden todavía estimarse y ofrecer un valor para el análisis.Apéndice D Estudio R de Gages Apéndice D Estudio R de Gages Aplicación: • • • • Ofrece una determinación preliminar de la repetibilidad de un gage de corto plazo solamente. sin embargo. comparación de diferentes metodologías. Si los datos aparecen no estables.. La gráfica I/MR (Lecturas Individuales/Rangos Móviles) ofrece una evaluación mínima de la estabilidad. Revisar el %Repetibilidad contra patrones de aceptabilidad del gage previamente establecidos. multiplicar por 100%. • Supuestos: • • • • • La variación y estabilidad del proceso no pueden ser conocidas hasta este punto en el tiempo. multiplicar por 6. 86 Si aparecen estables. medir. Análisis a través de: Tomar una parte. Graficar los datos con una gráfica IRM. 205 . 86 Algo de juicio puede requerirse aquí.

Apéndice D Estudio R de Gages 206 .

Ermer y Robin Yang E-Hok. . 87 Este método se presenta aquí como la alternativa estadísticamente más correcta para la definición aceptada común e históricamente de PV usada en este manual. 207 . Apéndice E Calculo Alternativo de PV Usando el Término de Corrección de Errores PV ha sido definido aquí como TV 2 − RRG 2 . Invierno. Donald S. ASQ Newsletter of the Measurement Quality División. Vol 97-1. PV = (R ⎡ EV 2 ⎤ 2 ×K 3 ) − ⎢ p ⎥ ⎣k ×r ⎦ donde RP = rango de los promedios entre partes. lo hace en un alcance de solo un punto o dos porcentuales. Generalmente. r = # de intentos. University of Wisconsin.Apéndice E Calculo Alternativo de PV Usando el Término de Corrección de Errores. Madison publicado en The Standard. Dado que esta definición de las partes puede incluir EV. Esto puede hacerse con la fórmula siguiente (nótese la similitud con la fórmula de AV dónde las influencias de EV son extractadas). k = # de evaluadores. puede haber ocasiones en que sea importante extraer la influencia de EV sobre PV. cuando EV contamina a PV. 87 “Datos Confiables es un Servicio ó Producto Importante”. El reconocimiento de este método para calcular PV fue publicado en 1997. 1997.

Apéndice E Calculo Alternativo de PV Usando el Término de Corrección de Errores. 208 .

valor de referencia o criterios de aceptación Cómo Quién Condiciones de la medición. artefacto y estándar de Parte chequeo. El acrónimo P.I.S.A.M. plan de control. valores de manuales.M. Evaluador. el efecto de los parámetros y características siempre es el mismo.O. Gordon Skattum. humedad. 88 representa otro modelo útil para definir un sistema de medición por sus fuentes de variación básicas. un sistema de medición es impactado por fuentes de variación aleatorias y sistemáticas. Sin embargo. Estas fuentes de variación son debidas a causas comunes y especiales (caóticas).A. 88 P. Gage.M.Apéndice F Modelo de Errores P. tiempo. módulos de elasticidad.A.O. fue originalmente desarrollado por Mr. técnico de pruebas o calibraciones. aire. constantes. A fin de entender. metrologista y Director de Manufactura Integrada en Rock Valley College Technology Center.M. estabilidad Supuestos térmica. programa de partes.I. Existen varios métodos para presentar y categorizar estas fuentes de variación. muestra lo que se mide. constantes o suposiciones para una medición confiable * Los valores verdaderos actuales o físicos son desconocidos.S. ruido. Entrenamiento en el trabajo. clase. orden y limpieza. Factor o Parámetro Desconocido Medios de comparación Valor conocido aceptado como verdadero*. energía Medio Ambiente eléctrica. ASQ CQE Senior. Operador auditor. operacionales. Escala. Apéndice F Modelo de Errores P.A.I. artefacto.E. plan de inspección. leyes de la ciencia. controlar y mejorar un sistema de medición. stand de prueba. Aunque las causas específicas dependen de la situación. estándar de chequeo. matrices o diagramas de árbol. Estos son ejemplos comunes.E. instrucciones de trabajo. unidad de M&TE. Temperatura. Fuente de Error P I S M O E A Alias o Componente Parte de producción. No es solo un modelo sino que representa una aplicación de apoyo universal. ruido Criterios. inspector. Método programa de pruebas. las fuentes potenciales de variación deben ser primero identificadas. de calibración. Similar a todos los procesos. usando simples causas y efectos. vibración. iluminación. contaminación. un modelo general de errores puede ser usado para categorizar las fuentes de variación de un sistema de medición.E.E.S. La fuente de error del alias varía con la aplicación de las mediciones y la industria. 209 .O.S. referencia. criterios de aceptación. posición. estándar intrínseco. gage master máquina de Instrumento medición.O. Unidad Bajo Prueba (UBP). Interferencia Electromagnética (IEM). verbal. Materiales Estándar Estándar/Patrón de Referencia (MER). consenso.I. Estadísticos.

controlar. El planeador de las mediciones debe considerar híbridos apropiados. Todas las herramientas de calidad se basan en supuestos. arrastres o deslizamientos u otros supuestos en el proceso de medición. intentos aleatorios e independientes. diseños de experimentos. Todos los métodos de Análisis de Sistemas de Medición son herramientas de calidad. Los supuestos tienden a contribuir en una mayor proporción a la variación total de las mediciones cuando: 1) se usen métodos o herramientas más poderosos (ej. coeficientes y proporciones de expansión.M. la herramienta llega a ser impredecible al máximo y pudiera conducir a una conclusión falsa en lo peor. Existen también supuestos no estadísticos en relación a los sistemas de medición (ej. proceso de medición no normal.E. estabilidad y criterios de pruebas – repruebas. El gran peligro para un analista de calidad o planeador de las mediciones en relación a los supuestos es que se asuma que sean insignificantes o constantes y por tanto ignorados. y 2) se incremente la precisión de las mediciones. predicciones de probabilidad y gráficas de control).. confusa y dudosa. Las aplicaciones de mediciones de alta precisión deben a menudo planearse para la corrección de coeficientes y expansión térmica.S. corregir o modificar el método MSA para ajustar violaciones significativas de los supuestos en el proceso de medición. Los supuestos estadísticos típicos de un estudio R&R de gages incluyen: proceso normal. análisis de regresión. sesgo del operador) la herramienta y análisis llega a ser finalmente no estable. deformación.. Si se violan los supuestos. La violación de los criterios de prueba – reprueba siempre es una consideración para las pruebas destructivas o los sistemas de medición en proceso donde la característica está cambiando. 210 . con modificaciones o técnicas alternativas para el estudio del sistema de edición estándar.. Las evaluaciones del porcentaje de RRGs para el control del producto y el proceso pueden ser sobreestimadas.Apéndice F Modelo de Errores P. operacional.O.I. leyes físicas y constantes. Cuando uno o más supuestos se violen (ej. ANOVA. El planeador de las mediciones debiera ser capaz de identificar.A. La Tabla F 1 demuestra ejemplos del modelo PISMOEA para tres diferentes situaciones de medición. calibración.

lo que se mide Gage y equipo master Master. Un estudio de mediciones es un experimento planeado que sigue los siguientes conceptos: DEFINE las fuentes de error significativas. estándar master.Apéndice F Modelo de Errores P. de prueba.M. estándares de cumple con “la regla 1 a 10” referencia de prueba Procedimientos Operativos Sop documentado. procedimiento formal de calibración Técnico calificado. referencia. o clase. causas y efectos o diagrama de árbol de fallas será una herramienta útil para identificar y entender las fuentes dominantes de la variación de las mediciones para control y mejoramiento. muestras Partes de producción aleatorias. artefactos Tipo único para el gage de CCD. Una matriz. estándares rango completo del proceso de chequeo.S.I. fuentes de error principales Control del producto.E. a menudo verbales. Todas las fuentes de errores caóticas y no legítimas deben ser retiradas. MIDE intentos múltiples. Estándar (sop). permite uno o más factores de CONTROL a cambiar. plan de ciclo de prueba control automatizado Operador de pruebas restringido. UBP. programa de CCD o pueden ser documentados.A. artefacto Documentado. entrenados. stand de pruebas producción Escala y geometría. Fuente de Error P I S M O Automatización del Proceso o Stand de Pruebas Unidades de producción.O. fuentes de error principales No puede asumirse. evidencia de competencia en ISO 17025 Límites de control optimizados. ANALIZA resultados y TOMA ACCIONES. y con Típicos (2-3). quienes entrenamiento normalmente operan especializado y habilidades Producción y condiciones de operación estables Estadísticos. ARREGLA algo. MMC. 211 . con aplicación específica Control del producto. tolerancias de calibración E A Propósito Control Del Proceso (SPC) Tabla F 1 Ejemplos del Modelo PISMOEA El grado de influencia y contribución a las variaciones de las mediciones para fuentes de errores específicas depende de la situación. a menudo ignorados A menudo controlado Estadísticos. El análisis de los sistemas de medición empieza entendiendo el propósito y proceso de las mediciones mismas. inspección 100% Producción típica. muestra de prueba. intrínseca o por consenso. MSA Automotriz Calibración Gages. Escala.

Glosario 212 .

etc. Este valor es típicamente usado en la literatura como publicidad para clasificar el instrumento de medición.Glosario GLOSARIO Ver el Manual de Referencia del Control Estadístico de los Procesos (SPC) para definiciones adicionales del glosario. Ver nota de la página iv.075. la relación entre un dispositivo de medición y un estándar rastreable con un valor de referencia e incertidumbre conocidos. Método estadístico (ANOVA) a menudo usado en el diseño de experimentos (DOE). Conjunto de operaciones que establecen. El número de categorías de datos puede determinarse dividiendo el tamaño entre la extensión (6σ) de la distribución esperada del proceso.001 sino de 0. históricamente referido como exactitud el sesgo es evaluado y expresado como un solo punto dentro del rango de operación del sistema de medición. reportar o eliminar por ajustes cualquier discrepancia en la exactitud del dispositivo de medición a ser comparado. Por ejemplo. El tamaño del incremento más pequeño en el instrumento de medición es la resolución aparente. son registradas como mediciones de cinco (5) dígitos.080. 29. 29. para analizar datos de variables de grupos múltiples. correlacionar. 5. Sin embargo.095. ésto no siempre es verdad (Ver Reproducibilidad) Una formula matemática usada para calcular probabilidades condicionales.15 vs 6 σ RRG ) Accuracy (Exactitud) Analysis of Variance (Análisis de Varianza) Apparent Resolution (Resolución Aparente) Cercanía por acuerdo entre el valor observado y el valor aceptado como referencia. La variación del evaluador (AV) es una de las fuentes comunes de la variación (error) de los sistemas de medición que resulta de las diferencias en las habilidades del operador o la técnica usando el mismo sistema de medición.15 vs 6 σ RRG Multiplying Factor (Factor Multiplicativo 5. La calibración puede también incluir pasos para detectar. NOTA: El número de dígitos desplegados o reportados no siempre indican la resolución del instrumento. a fin de comparar promedios y analizar fuentes de variación. Bayes’ Theorem (Teorema de Bayes) Bias (Sesgo) Calibration (Calibración) 213 . Appraiser Variation (Variación del Evaluador) La variación en las mediciones promedio de la misma parte (lo medido) entre los diferentes evaluadores (operadores) usando el mismo instrumento de medición y método y en un ambiente estable. La probabilidad del condicional G en M es definida como PM(G)=P(GyM)/P(G). las partes medidas como 29. bajo condiciones especificadas.005. La probabilidad de una hipótesis condicional G en un cuerpo de datos M dado es la razón de la probabilidad incondicional de la conjunción de la hipótesis con los datos de la probabilidad incondicional de los datos mismos. La variación del evaluador es comúnmente asumida como “error de reproducibilidad” y asociada con un sistema de medición. siempre y cuando ambos términos de esta razón existan y P(G)>0 La diferencia entre el promedio de las mediciones observadas (intentos sobre condiciones de repetibilidad) y el valor referencia.. el instrumento puede no tener una resolución de 0.

aceptado / rechazado. Ver Wheeler. El número de categorías de datos es a menudo referido como razón de discriminación dado que describe cuantas clasificaciones pueden distinguirse confiablemente dada la variación observada del proceso. El tamaño se determina por la longitud del intervalo de confiabilidad y en base a la variación del sistema de medición. con un (100 . usada para desplegar el comportamiento de un proceso. un estimativo estándar de éste ndc (en un nivel de confiabilidad del 97%) es 1. o unidad detectable más pequeña del dispositivo de medición y estándar / patrón. • Despliega los valores graficados de algún estadístico recolectados de una característica. pasa / no pasa. Estudio planeado que involucra análisis estadísticos de una serie de pruebas en el cual se hacen cambios a propósito a factores del proceso y a los efectos observados. para una aplicación dada. llamado el Nivel de Confiabilidad. Control Chart (Gráfica de Control) Data (Datos) Designed Experiment (Experimento Diseñado) Discrimination (Discriminación) Distinct Data Categories (Categorías de Datos Distintas) Effective Resolution (Resolución Efectiva) 214 .41 (PV / RRG). etc. Recolección de observaciones bajo un conjunto de condiciones. evaluar estabilidad e indicar la dirección del proceso mismo. Gráfica de la característica de un proceso. que pueden ser variables (un valor cuantificado y unidad de medida) o discretas (atributo o datos de conteo tales como. para una interpretación alternativa.α ) grado de certidumbre. basada en mediciones de una muestra y con un orden en tiempo. identificar patrones de variación del proceso. Intervalo ó rango de valores. Ver ndc. El número de categorías distintas. calculado de datos de muestras. es la probabilidad de cumplimiento del error Tipo I. Para una resolución efectiva. a fin de determinar la relación de las variables del proceso y mejorar el proceso mismo. Alias unidad más pequeña y legible. Número de clasificaciones de datos o categorías que pueden ser distinguidas confiablemente y determinadas por una resolución efectiva del sistema de medición y la variación de las partes de un proceso observado. 1989. • Minimiza la pérdida económica neta de los errores Tipo I y II.). El tamaño de la categoría de datos cuando se considere que la variación total del sistema de medición sea la resolución efectiva. que contienen. una línea central y uno ó dos límites de control. límite de escala. discriminación es la resolución en las mediciones. y para ayuda en el mantenimiento del control estadístico. α . el promedio verdadero de la población. ej. puede determinarse dividiendo el tamaño entre la extensión esperada de la distribución del proceso. Es una propiedad inherente del diseño de un gage y reportada como una unidad de medición o clasificación. ndc. • Tiene dos usos básicos: como un juicio para determinar si un proceso está operando en control estadístico.Glosario Calibration Interval (Intervalo de Calibración) Capability (Capacidad) Confidence Interval (Intervalo de Confiabilidad) Cantidad especificada de tiempo o conjunto de condiciones entre calibraciones durante las cuales los parámetros de calibración de un dispositivo de medición son considerados como válidos.. el parámetro de interés de la población. bueno / malo. Estimativo de la variación combinada de los errores (aleatorios y sistemáticos) de las mediciones y en base a evaluaciones de corto plazo del sistema de medición. Ver Montgomery (1997) ó Juran y Godfrey (1999) para métodos de cálculo.

ó concordancia). el coeficiente de correlación y concordancia y la correlación intra-clases. ó concenso. Esta difiere del desempeño porque no incluye la variación entre los subgrupos.F ratio (Razón/Proporción F) Glosario Estadístico que representa la proporción matemática del error del cuadrado de los promedios entre grupos y el error del cuadrado de los promedios dentro de los grupos. Un proceso que opere solo con variaciones aleatorias es estadísticamente estable. Kappa (Cohen’s) (El Kappa de Cohen) Linearity (Linealidad) Long-Term Capability (Habilidad de Largo Plazo) Measurand (Lo que se Mide) Measurement System (Sistema de Medición) 215 . Algunas opciones son: probabilidad conjunta de acuerdo. para un conjunto de datos usado para determinar la probabilidad de ocurrencia aleatoria en u nivel de confiabilidad seleccionado. dispositivos. asignables o especiales). personal. La varianza de RRGs es igual a la suma de las varianzas dentro del sistema y entre sistemas. software. Ofrece un resultado ó score de qué tanta homogeneidad. operaciones. Gage R&R (GRR) (R&R de Gages (RRG)) Histogram (Histograma) In Control (En Control) Independent (Independiente) Independent and Identically Distributed (Distribuido en forma Independiente e Idéntica) Interaction (Interacción) Inter-Rater Agreement (Acuerdo EntreEvaluadores) El efecto combinado o resultados de dos o más variables que es significativo. Medida estadística de la variación dentro de los subgrupos exhibida para un proceso sobre un periodo largo de tiempo. No aditividad entre evaluadores y partes. El grado de acuerdo entre evaluadores. Comúnmente referido como “dii”. hay entre evaluaciones ofrecidas por los evaluadores. La ocurrencia de un evento variable que no tiene efecto sobre la probabilidad de otro evento variable que ocurra. Las diferencias de los evaluadores dependen de la parte a ser medida. linealidad expresa la correlación de errores de sesgos múltiples e independientes sobre el rango de operación. En otros términos. La diferencia en errores de sesgos sobre el rango de operación esperado del sistema de medición. (También confiabilidad entre-evaluadores. Estimativo de la variación combinada de la repetibilidad y reproducibilidad para un sistema de medición. Una medida estadística de acuerdo entre evaluadores para artículos ó items cualitativos (categóricos). métodos. la correlación entre evaluadores. Existe un número de estadísticos que pueden ser usados para determinar la confiabilidad entre evaluadores. Toma en cuenta el acuerdo que ocurre por probabilidad. Grupo homogéneo de datos que son independientes y distribuidos aleatoriamente en una distribución común. Cantidad o sujeto particular a medir bajo condiciones especificadas. estándares o patrones. un conjunto definido de especificaciones par la aplicación de una medición. el proceso completo y usado para obtener mediciones. el kappa de Cohen y el kappa de Fleiss relacionado. Representación gráfica (gráfica de barras) de la frecuencia de datos agrupados para ofrecer una evaluación visual de la distribución de los datos. El conjunto de instrumentos o gages. Estado de un proceso cuando solo muestra variaciones por causas aleatorias y comunes (en oposición a las caóticas. medio ambiente y supuestos usados para cuantificar una unidad de medida o una evaluación de la característica a ser medida. y los cuales son apropiados para diferentes tipos de mediciones.

Variaciones pieza-a-pieza debidas a la medición de partes diferentes. la precisión es más a menudo utilizada para describir la variación esperada de mediciones repetidas sobre el rango de medición. asignables o especiales. El rango puede ser tamaño o tiempo. Ver ndc. repetibilidad. el resultado de una medición indica que el proceso es estable y “en control” o “fuera de control”. Un estimativo de la variación combinada de los errores (aleatorios y sistemáticos) en las mediciones y basados en evaluaciones de largo plazo del sistema de medición. Un proceso que está fuera de control es estadísticamente no estable. 1. Estado de un proceso cuando exhibe variaciones por causas caóticas. describiendo la probabilidad de que ocurra un evento específico.41 PV ( RRG ) Inhabilidad de tomar mediciones repetidas sobre la misma muestra o componente y debido a la naturaleza dinámica de lo que se mide. Estimativo (en proporción o fracción) basado en una distribución particular de los datos recolectados. rango y tiempo) de operación del sistema de medición. sesgo del gage. El uso de términos componentes y más descriptivos es generalmente preferido sobre el término “precisión”.Glosario Measurement Systerm Error (Error del Sistema de Medición) Metrology (Metrología) ndc (ndc) Non. la variación de las partes (PV) representa la variación esperada de parte a parte y de tiempo a tiempo para un proceso estable. Estado operacional donde el propósito de las mediciones y los criterios de decisión son evaluar lo que se mide o las propiedades para cumplir con una especificación. el resultado de las mediciones es “dentro de tolerancias” o “fuera de tolerancia”. De hecho. Estado operacional donde el propósito de las mediciones y los criterios de decisión aplican a la producción de tiempo real para evaluar la estabilidad del proceso y lo que se mide o propiedad de la variación del proceso natural. sensibilidad y repetibilidad sobre el rango (tamaño. Número de categorías distintas.repicable (No Replicable) Number of Distinct Categories (Número de Categorías Distintas) Out-of-Control (Fuera de Control) Part Variation (Variación de las Partes) Part-to-Part Variation (Variación de Parte a Parte) Performance (Desempeño) Variación combinada y debida al reproducibilidad. La ciencia de las mediciones. Relativo al análisis de los sistemas de medición. Los estimativos de probabilidad varían entre 0 (evento imposible) y 1 (algo seguro). Precision (Precisión) Probability (Probabilidad) Process Control (Control del Proceso) Product Control (Control del Producto) 216 . incluye todas las fuentes de variación significativas y determinables de variación en el tiempo. El algunas organizaciones la precisión se usa en forma intercambiable con la repetibilidad. estabilidad y linealidad. Conjunto de condiciones o causas trabajando juntas para producir un resultado. El efecto neto de la discriminación.

Por esta razón. algunas veces en forma convencional. valor obtenido y acordad y usando un método de referencia aceptable. sin embargo. usando el mismo instrumento de medición y método y en un medio ambiente estable. Valor referencia aceptable Valor aceptable Valor convencional Valor verdadero y convencional Valor asignado El mejor estimativo del valor Valor master Medición del master Regression Analysis (Análisis de Regresión) Repeatibility (Repetibilidad) Estudio estadístico de la relación entre dos o más variables. El mejor término para repetibilidad es variación dentro de los sistemas cuando las condiciones de las mediciones son arregladas y definidas – parte acordada. Esto a menudo es verdad para instrumentos manuales influenciados por habilidades del evaluador. La habilidad de tomar mediciones repetidas sobre la misma muestra o componente. método. Replicable (Replicable) Replication (Replicado) Reproducibility (Reproducibilidad) La variación en el promedio de las mediciones causada por un cambio en las condiciones normales del proceso de medición. instrumento. se ha definido como la variación en el promedio de las mediciones de la misma parte entre diferentes evaluadores (operadores). 217 . y basado en alguna organización nacional o valor por consenso y basado en trabajo experimental colaborativo y bajo los auspicios de un grupo científico o de ingeniería. No es verdad. medio ambiente y supuestos. Además de la variación dentro de los equipos. la reproducibilidad es referida como el promedio de las variaciones entre sistemas o entre condiciones de mediciones. A menudo referida como variación del equipo (EV) aunque esto es dudoso.Reference Value (Valor de Referencia) Glosario Valor de lo que se mide que sea reconocido y sirva como un valor master o de referencia acordado para comparaciones: • • • • valor teórico o establecido y basado en principios científicos. Variación aleatoria y por causas comunes que resulta de intentos sucesivos y bajo condiciones de medición definidas. NOTA: Otros términos usados como sinónimos del valor referencia. valor asignado internacional.. como apropiada para un propósito dado. la repetibilidad incluye toda la variación interna de las condiciones en el modelo de errores en las mediciones. o para una explicación específica. estándar / patrón. Típicamente. operador. para procesos de medición (ej. Valor consistente con la definición de una cantidad específica y aceptada. Intentos de pruebas múltiples bajo condiciones de repetibilidad (idénticas). sistemas automatizados) donde el operador no es una fuente de variación mayor. cuando no haya un cambio físico significativo de lo que se mide o el ambiente de medición. Cálculo para definir la relación matemática entre dos o más variables.

dentro de un nivel de confiabilidad definido. La resolución de un sistema de medición es δ si existe una probabilidad igual de que el valor indicado de cualquier parte y el cual difiera de una parte de referencia por menos que δ será el mismo que el valor indicado de la parte de referencia. La habilidad o capacidad de un sistema de medición para detectar e indicar fielmente si existen pequeños cambios sobre la característica medida. el mantenimiento en servicio y las condiciones de operación. Un instrumento debiera ser al menos tan sensible como sus unidades de discriminación. adecuación y forma. Se refiere a la estabilidad estadística de un proceso de medición y a la estabilidad en las mediciones en el tiempo. La resolución de un sistema de medición es impactada por el instrumento de medición así como otras fuentes de variación del sistema de medición total. Ambas son vitales para un sistema de medición y adecuadas para su propósito esperado. (Ver también discriminación). La estabilidad de las mediciones (alias rumbo o dirección) aborda el cumplimiento necesario del estándar o referencia de las mediciones sobre una vida (tiempo) de operación del sistema de medición.Glosario Resolution (Resolución) Puede aplicarse a la resolución de las mediciones o a la resolución efectiva. Desviación permitida a partir de un valor estándar o nominal que mantiene la función. expresado como el riesgo alfa ( α ). La sensibilidad es reportada en unidades de medición. Tolerance (Tolerancia) Uncertainty (Incertidumbre) Unimodal (Unimodal) 218 . Significance Level (Nivel de Significancia) Stability (Estabilidad) Nivel estadístico y seleccionado para probar la probabilidad de resultados aleatorios. Estabilidad estadística implica un proceso predecible y bajo mediciones. que representa la probabilidad de un error en las decisiones. Ver también Especificación Parámetro asociado con el resultado de una medición. operando dentro de variaciones de causas comunes (en control). que caracteriza la dispersión de los valores que pudiera estar razonablemente atribuida a los que se mide (VIM). Incertidumbre es una expresión cuantificada de la confiabilidad de las mediciones. Grupo de datos contiguos que cuentan con una moda. Scatter Diagram (Diagrama de Dispersión) Sensitivity (Sensibilidad) Gráfica X -Y de daros para evaluar la relación entre dos variables. también asociado con el riesgo. el rango asignado a un resultado de medición que describe. los límites esperados que contienen los resultados de mediciones verdaderos. Señal de entrada más pequeña que resulta de la señal de un resultado detectable (discernible) para un dispositivo de medición. La sensibilidad se determina por el diseño y calidad inherentes del gage.

GEO-METRICS: The Metric Application of Geometric Tolerancing. The New Economics for Industry. Charlotte. Journal of Quality Technology. 6.G. 37-46. (1896). 15. published in The Standard. 5.astm. C. 14. 1993. and Altman. 8.” University de Wisconsin. 5. Out of the Crisis. 97-1. y E-Hok. 9. Standard Terminology for Relating to Quality and Statistics. “Signal Detection Theory of Quality Control Inspector Performance”. B. M. Quality Control and Industrial Statistics. A. 12. Robin Yang.org). 3. Standard Practice for Conducting an Interlaboratory Study to determine the Precision of a Test Method. 1954. ASTM E691-99.. Richard D.. AT&T Statistical Quality Control Handbook. Vol. “Confidence Intervals on Measures of Variability in R&R Studies. pp. J. “Journal of Quality Technology.10-14 Ermer.nist. National Institute of Standards and Technology. 1986 Eagle. Everitt... L. Statistical methods for assessing agreement between two methods of clinical measurement.. 10. J. 2. Cohen. 17. E. 5ª ed.. 16. Fleiss. 29.. Vol.. 2000. Vol. Marzo. Foster. Donald S. y Larsen.” Industrial Quality Control. 13.Lista de Referencias Lista de Referencias 1. Julio 1997. No.. Lowell W. (1996) Making Sense of Statistics in Psychology (Oxford University Press). Deming. pp. Bland. ASQ Newsletter of the Measurement Quality Division. Lancet i. E. N. 76. AddisonWesley Publishing Company. 1982. Delmar Printing Company.. 7. Burdick. Duncan. 1984. W. 11. No. 307-310. Statistical Engineering Davison (www. Deming. No.itl. Massachusetts Institute of Technology. 219 . Government. ASTM E456-96. Greg A. A. 20. 378-382. Vol. Vol. pp. R:. 4. ASTM E177-90ª. Education. (1960) “A coefficient for agreement for nominal scales” in Education ans Psychological Measurement. “Reliable Data is an Important Commodity. Winter 1997. 3.E. pp. Standard Practice for Use of the Terms Precision and Bias in ASTM Test Methods. Massachusetts.gov).2. Richard K. Baker. 7. Madison. J. Irwin. 1986. (www. Illinois. “A Meted For Handling Errors in Testing and Measuring. J. Dataplot. The MIT Press 1994. D. W. Inc. April 1975. Homewood. (1971) “Measuting nominal scale agreement among many raters” in Psychological Buuletin.

VIM). No. “Errors of Measurement.E. and Rostogi. 32. 220 19. Krippendorff.. 77-89. and Turner K. 1987.. Vol.” Journal of Quality Technology. “Measurement Systems Parameters.Lista de Referencias 18. 26.S. Gillespie. 33. F. Communication Methods ans Measures. S. and Sheth. 20. pp. 35. McGrawHill. 24. “Repeatability and Reproducibility.. 2. 25. 1970. 27. Heaphy. Lipson. 15.. CA: Sage. Michaeln and Weerahandi. 1986. 28. Answering the call for a standard reliability measure for coding data. Gruska. 22.” Technometrics. Statistical Design & Analysis of Engineering Experiment. 26.. Fundamental Concepts in the Design of Experiments. Kaoru. Julio 2000. 1. M. P. D. Hicks.” Journal of Quality Technology. J. Jr. Hahn. Osford University Press.. 43. and Heaphy.” Journal of the American Statistical Association. 3. December. 32.” Biometrics. 1.. F. Richard. pp. Vol. Sam. 27. 1981. (2007). & Krippendorff. Charles R. 30.” Society of Manufacturing Engineering-IQ81-154. Michigan.. Maloney. 31. “Further Tests of Significance for Grubbs’ Estimators.” Biometrics. Hayes. pp. Jaech. 95-102. 1999. M. (2004). 1972. A History of the Hawthorne Experiments. 21. Hamada. Cambridge University Press. H. 1097-1101. “On Estimating Precision of Measuring Instruments and Product Variability. International Vocabulary of Basic and General Terms in Metrology (abbr. 12. G. “A Problem in the Statistical Comparison of Measuring Devices. “Graphical Displays of Gages R&R Data. . and Nelson. April. A. Vol.. Michigan. Detroit. New York . J. Grubbs. Febrero 1970. Thousand Oaks. James.V. S. 219-250. K.. New York. 53-66. No.” TMI Conference Workshop. et. Vol. Guidance to the Expression of Uncertainty in Measurement. Precision. December. Grubbs.. E.. F. 34. K. 74-85. C. Mandel. J. 1991. ISO/IEC Guide 98: 1995. pp. N. Asian Productivity Organization. “Significance Test for Grubbs’ Estimators. 29. pp. 1991. ASQC. February 1973. 1973. 23. pp.” AQC Transaction. C.. C. J.” Technometrics. “Measurement Systems Analysis. No. ISO/IEC Guide 99: 2007. Accuracy and the Statistical Comparison of Measuring Instruments. W. Ishikawa.. Guidance to Quality Control. F. 1948. Detroit. 671-676. al. Content analysis: And introduction to its methodology. Vol. pp.L. 1971. “Measurement System Assesment Via Generalized Inference. J. New York. 243-264. 4.

“Evaluating the Measurement Process When the Testing is Destructive. Quality Engineering. Jr. 47.” Journal of Quality Technology.G. Ford. W. D. L. J.” TAPPI. L.A (1980) “Rating the Ratings: Assessing the Psychometric Quality of Rating Data” in Psycholgical Bulletin. 7. (www. No. 41. and Fleiss. 88.. Part II: Experimental Design Models and Variance Component Estimation.. 413-428. Production Part Approval Process (PPAP). 2005.tappi. No. pp. 46-48. January. Vol. 48. Vol. “Diversity of Decision making models and the measurement of interrater agreement” in Psychological Bulletin. “Precision of Simultaneous Measurement Procedures”. Fourth Edition. Jr. J.” Quality Engineering. W. 86. Toronto. Ford. Chrysler. Chrysler. 101. Inc. 38. 1988. Part I: Basic Methods. G. 2008. 41. 1989. J. “Use of the Range to Estimate Variability. Traver. 2007... P. 49. pp. 3. No. M. Marcel Dekker. Thompson. 44. August 1999. Montgomery. Ford. 474-479. Saal. 1993.. R. 43. pp. Second Edition. “Measuring Equipment Repeatability – The Rubber Ruler. Statistical Process Control Reference Manual (SPC). 39.” Annals Mathematical Statistics. and Runger. Douglas C. “Gauge Capability and Designed Experiments. W. Thompson. Uebersax.. Pingfang. pp.E. 2. 53. GM. No. Shrout. 392-399. Minitab User’s Guide: Guide to Minitab: Release 15 .Lista de Referencias 36. GM. Vol. pp. Measurement Systems Analysis Reference Manual. 1976. 1. No. 51. Vol. 2002. “ ASQC Technical Conference Transactions. “Analysis of Destructive Measuring Systems”. and Lahey. Inc. 1975. 1962. Vardeman. and Van Valkenburg. American Statistical Association Journal. (1979) “Intraclass correlation: uses in assessing rater reliability” in Psychological Bulletin. (1987). “Variable Gauge Repeatability and Reproducibility Study Using the Analysis of Variance Method. Potential Failure Mode and Effects Analysis (FMEA) Reference manual. Third Edition. pp. June. 1963. F. Tsai. Nelson.” Technometrics. Ford. Fourth Edition. Vol. Stephen B. 50.. Marcel Dekker. John S. A.” 1962 ASQC Convention Transactions. R. 25-32.. A. 46. Downey. A. GM. Enid S..Minitab. Spiers. and Gruska. 45. McCaslin.. Beryl. Minitab. ASQC Quality Congress Transactions. Third Printing. 52. 37. 1990 Polymers Lamination & Coatings Conference Proceedings. 40. “Analysis of Attribute Gage Systems. DaimlerChrysler. “The Problem of Negative Estimates of Variance Components.. 33. George C. F. 42. DaimlerChrysler.. 140-146. 2008. pp. 221 .. GM. 2. “Two-Way Random-Effects Analyses and Gauge R&R Studies... pp. 420-428. 273-289. Inc.org search for document plc90905).. Wheeler.

SPC Press. and Lyday. D. Tennesse. W. Inc.. Wheler.. 2006. 222 .J. Knoxville.Lista de Referencias 54. R.. Evaluating the Measurement Process.

No son mutuamente excluyentes de otros tipos de formatos los cuales pueden contener la misma información y lograr los mismos resultados.Formatos de Muestra El lector cuenta con el permiso de reproducir los formatos de ésta sección para uso interno solamente. y no para uso comercial ó reventa Los formatos de ésta sección cada uno representa un posible formato para la recolección y reporte datos de RRG. 223 .

27 para 2 intentos y 2. Repite estas lecturas usando el mismo evaluador y * unidad como se originalmente o descarta los valores y recalcula el promedio y R y el valor límite de las observaciones restantes. 224 . Circular aquellos que estén fuera de éste límite. LCSR representa el límite de los R’s individuales.58 para 3 intentos.Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages Evaluador/ Intento # 1 A 1 2 3 Promedio Rango B 1 2 3 Promedio Rango C 1 2 3 Promedio Rango Promedio de Parte 2 3 4 5 PARTE 6 7 8 9 10 PROMEDIO Xa = Ra = Xb = Rb = Xc = Rc = X = Rp = b ([(R a = )] + [R = ] + [R c = ]) [# DE EVALUADORE S = ]= R= X DIFF = [X Max = * ] − [X Min = ]= X DIFF = LCS R = R = [ ]× [D 4 = ]= D 4 = 3. Notas: . Identifica las causas y corrígelas.

2 ) 9 10 = . Repetibilidad y Reproducibilidad (RRG) RRG = EV 2 + AV 2 %RRG = 100 [RRG/TV] Partes 2 3 4 K3 0. Cuarta edición. 2 ) Variación de Partes (PV) %PV = 100 [PV/TV] PV = Pp × K 3 = = . 225 .3249 0.5908 = 100 [ = % / ] Reproducibilidad – Variación del Evaluador (AV) AV = = (X DIFF × K 2)2 − (EV 2 nr ) × ( )2 − ( 2 ( × )) Evaluadores K2 2 0.4467 0.41 PV = 1. x 5 6 Variación Total (TV) TV = RRG 2 + PV 2 7 8 0.3534 0.5231 %AV =100 [AV/TV] = 100 [ = % / ] = . ver Manual de Referencia de MSA. de Gage: Tipo de Gage: Fecha: Hecho por: Dato : R = X DIFF = Análisis de las Unidades de Medición Repetibilidad – Variación del Equipo (EV) Rp = % de Variación Total (TV) %EV = 100[EV/TV] EV = R × K 1 = R ×K 1 = = x . Para información sobre teoría y constantes usadas en este formato.41 [ ( RRG / ) ] = = ( 2 + .7071 0. de Parte: Características: Especificaciones: Nombre del Gage: No. .7071 3 0.3146 ndc = 1.5231 0.3375 0.4030 0.8862 0.Reporte de Repetibilidad y Reproducibilidad de Gages (RRGs) Nombre y No. Intentos 2 3 K1 0.3742 = 100 [ = % / ] = 100 [ = % / ] = = ( 2 + .

226 .

Índice Índice 227 .

68. 125. 207. 44. 181 GRR (see Gage Repeatability and Reproducibility) (RRG (ver Repetibilidad y Reproducibilidad de Gages)). 90. 7. 107. 218 Error Charts (Gráficas de Errores). 48. 122. 79. 8. 115. 14. 118. 152. 75. 118. 36. 114 Check Standard (Estándar de Chequeo). 87. 161. 89. 7. 209. 216. 54. 181. 211 Equipment Variation (EV) (see also Repeatability) (Variación del Equipo (VE) (ver también Repetibilidad)). 125. 19 EV (see Equipment Variation) (VE (ver Variación del Equipo). 164. 108. 42. 128. 197. 217. 184 Gage Repeatability (GR) (Repetibilidad de Gages (RG)). 102. 199. 209. 76. 39. 211. 26. 17. 99. 88 Control Charts (Gráficas de Control). 9. 183. 186. 122. 179. 45. 226. 109. 42. 93. 69. 98. 93. 212. 216 Calibration Standard (Estándar de Calibración). 156. 138. 212. 133. 95. 222. 213 Cp (see Capability Index) (Cp (ver Índice de Habilidad)). 200. 22. 103. 189. 226. 207. 134. 169. 213. 223 Measurement System Performance (Desempeño del Sistema de Medición). 10. 58. 197. 75. 215 ASTM (American Society For Testing And Materials). 227 Guide to the Expression of Uncertainty in Measurement (Guía para la Expresión de la Incertidumbre en las Mediciones).50. 198. 142 Fixturing (Dispositivos). 112. 182. 95. 233 Designed Experiment (Diseño de Esperimentos). 37. 217 Linearity (Linealidad). 187. 17. 13. 38. 131. 38 Master (Master). 133. 152. 49 Coordinate Measuring Machine (CMM) (Máquina de Medición por Coordenadas (MMC)). 42. 122. 62. 8 Measurement Uncertainty (Incertidumbre de las Mediciones) . 155. 25. 212. 56. 155 mass spectroscopy (espectroscopia de masas). 21. 105. 8. 79. 203. 52. 56. 33. 126. 125. 124. 171. 217 Measurement Life Cycle (Ciclo de Vida de las Mediciones). 130. 54. 226. 216. 90. 31. 39 Effective Resolution (Resolución Efectiva). 4. 80. 38 Error (Error). 181. 131. 212. 125. 161. 5. 227 Ergonomics (Ergonomía). 59. 201. 129. 151. 217. 131. 19. 187. 63 Miss Rate (Proporción de Pérdida). 127. 6. 193. 226 Bias (Sesgo). 221 Calibration (Calibración). 176. 161. 227 Gage Repeatability and Reproducibility (GRR) (Repetibilidad y Reproducibilidad de Gages (RRG)). 31. 124. 217 Hypothesis Test Analyses (Análisis de Pruebas de Hipótesis). 79 Maintenance (Mantenimiento). 147 Apparent (Aparente). 106. 126. 96. 180. 55. 45 Consistency (Consistencia). 165. 26. 184. 61. 83. 41. 148. 68 Charts. 19. 6. 155 weld testing (pruebas de soldadura). 50. 199. 101. 130. 36. 131. 179. 39. 169 GPC (see Gage Performance Curve) (CDG (ver Curva de Desempeño de Gages)). 99. 213 Measurand (Lo Que se Mide). 150. 120. 125. 225. 215 Analytic Method (Método Analítico). 129. 197. 1. 129. 6. 212. 5. 131. 107. 103. 182. 200. 60. 142 NIST (National Institute of Standards and Technology) (NIST (National Institute of Standards and Technology)). 146. 79. 16. 37. 119. 161. 136. 35. 39. 61. 147. 37. 115. 97. 37 FMEA (AMEF). 201 Cause and Effect (Causas y Efectos). 204 Cross-Tabulation (Tabulación Cruzada). 131. 96. 93. 134. 103. 179. 189. Error (Gráfica de Errores). 192. 38. 6. 223 Average (Promedio). 38. 81. 182. 169. 19. 130. 94. 219. 80. 121. 198. 215. 68 Cause and Effect Diagram (Diagrama de Causas y Efectos). 223 Destructive Measurement Systems (Sistemas de Medición Destructivos). 163. 43 Capability Index (Índice de Habilidad). 200. 198. 115. 114 Error Rate (Proporción de Errores). 155 Discrimination (Discriminación). 13. 125. 7. 217 Location Error (Error de Localización). 105. 100. 142 Environment (Medio Ambiente). 151. 148. 152. 203.Índice Acceptability Criteria (Criterios de Aceptabilidad). 222. 92. 122. 165. 7. 222 Histogram (Histogramas). 7. 129. 183. 217. 35. 187. 122. 223 Gage (Gage). 141. 201. 150. 159. 139. 95. 50. 155 plating testing (pruebas de acabado metálicos). 155. 51.215. 222 Analysis of Variance (ANOVA) (Análisis de Varianza (ANOVA)). 227 Geometric Dimensioning and Tolerancing (GD&T) (Tolerancias y Dimensionamiento Geométrico (T&DG)). 51. 116. 5. 188. 145. 185. 221 228 . 122. 222. 211. 181. 169. 46. 198. 109. 81. 215 Appraiser Variation (AV) (Variación de los Evaluadores (AV)). 6. 198. 123. 124. 213. 227 Gage Performance Curve (GPC) (Curva de Desempeño de Gages (CDG)). 90. 133. 213. 107. 125. 118. 99. 64. 56. 57. 187. 17. 43. 177. 110. 37. 79 Accuracy (also see Bias) (Exactitud (ver también Sesgo)). 51. 227 False Alarm Rate (Proporción de Falsa Alarma). 28. 34. 116. 35. 34. 135 Customer (Cliente). 7. 147. 181. 197. 91. 113. 150. 202. 114. 155 material characteristic testing (pruebas de características materiales). 171. 148. 216 Drift (see Stability) (Flujo (ver Estabilidad)). 60. 105. 221 Attribute (Atributo). 143. 215. 212. 200. 180. 218. 179. 150. 105. 121. 26 Measurement system (Sistema de Medición). 135 Kappa (Kappa). 67. 18. 104. 79. 216 Effectiveness (Efectividad). 163. 151. 56. 114. 223. 54. 38. 22. 192 Control Chart Analysis (Análisis de Gráficas de Control). 128. 121. 97. 18. 131. 129. 147. 90. 156 impact testing (gravelometer) (pruebas de impacto (gravelometro)). 91.

220 Signal Detection Approach (Enfoque de Detección de Señales). 183. 95. 10. 113 Width Error (Error de Amplitud). 185. 37 Scatter Plot (Gráfico de Correlación). 106 Range (Rango). 103 Variation (Variación). 7. 217. 64.I. 171. 216 Risk Analysis Methods (Métodos de Análisis de Riesgos).S. 223. 220 Resolution Apparent (Resolución Aparente). 131. 16.M. 125. 222. 215. 160. 216. 221. 223 Process Control (Control de Procesos). 191. 9. 99. 211 Performance Curve (Curva de Desempeño). 215. 227 Observed Value (Valor Observado).E. 45 Non. 38. 56. 218. 161 Tolerance (Tolerancia). 47. 49.Índice NIST (see National Institute of Standards and Technology) (NIST (ver National Institute of Standards and Technology)).P. 171. 222. 179. 227 Resolution (Resolución). 92. 38. 156.A. 45. 211. 180. 118. 79. 177. 45. 218. 103. 216. 76. 198. 145. 213. 218 Number of Distinct Categories (ndc) (Número de Categorías Distintas (ncd)).E. 75. 43 P. 222. 114. 129. 207. 115 Operational Definition (Definición Operacional). 118. 103. 75. 124. 213. 191 Precision (Precisión). 111. 15. 65. 155. 50.Transfer (Transferencia Estándar). 45 Uncertainty (see Measurement Uncertainty) (Incertidumbre (ver Incertidumbre en las Mediciones)). 133 Rule of Tens (Regla de Diez). 148. 90. 145 Standard (Estándar). 218 R&R (see Gage Repeatability and Reproducibility or GRR) R&R (ver Repetibilidad y Reproducibilidad de Gage o RRG). 218.E. 190. 218. 54. 105. 187. 43 Standard. 34. 123. 151. 107. 43. 80.. 43 Standard. 207. 90. 221 Standard. 121.).A.O.S. 227 Whiskers Chart (Gráfica de Bigotes) . 112 Sensitivity (Sensibilidad). 115. 111 Range Method (Método de Rangos). 79. 215. 223. 13 Product Control (Control del Producto). 213. 44 Statistical Process Control (SPC) (Control Estadístico de los Procesos (SPC)). 198.I. 203. 163. 125. 77. 131. 63. 128. 11. 111 S. 131. 226. 223 Random (Aleatorio). 119. 57. 125. 44 229 . 131. 130.M. 76.O. 105. 209. 163. 88. 16. 212. 7. 44 Standard. 103. 131. 8. 215 Resolution Effective (Resolución Efectiva). 75. 219 Reproducibility (Reproducibilidad). 114. 38. 184 Pooled Standard Deviation (Desviación Estándar Acumulada ó Combinada). Check (Chequeo Estándar).S. 80 Working Standard (Estándar de Trabajo). 110. 155. 221. 49. 198. 165. 176. 131.O. 8. 44. 104. 163. 129. 187. 7. 101. 73 NMI (National Measurement Institute) (INM (Instituto Nacional de Mediciones)). Error Model (Modelo de Errores P. 11. Reference (Referencia Estándar). 215. 7. 169.M. 8. 105. 163. 124. 219 Replicable (Replicable). 220. Calibration (Calibración Estándar). 188 Reference Value (Valor de Referencia). 90.replicable (No replicable). 198. 110. 131. 128. 15. 219. 55. 122. 44 True Value (Valor Verdadero). 129. 152.. 76. 150. 177. 215. 41 Run Chart (Gráfica de Corridas). 15. 124. 181. 189. 104.E.I. 126. 119. 123.W.A. 203. 131. 223 Proces Failure Mode Effects Analysis (PFMEA) (Análisis de Modos y Efectos de Fallas de Proceso (AMEFP)). 226 Range Chart (Gráfica de Rangos). Working (Trabajo Standar). 223. 83. 188. 200. 224 Test Stands (Stands de Prueba).I. 16. 9. 190. 60. 95. 147. 37. 10. 145. 45 Standard. 45. 222 Uniformity (Uniformidad). 176. 9. 220 Total Variation (TV) (Variación Total (VT)). 223 Randomization (Aleatoriedad) . 47. 200. 38. 211 P. 182. 227 Traceability (Rastreabilidad). 5. 42. 10. 58 Variable Gage Study (Estudio de Gages de Variables). 64 Transfer Standard (Estándar de Transferencia).

230 .

etc. este manual de análisis de sistemas de medición (msa) de la industria automotriz está siendo sujeto a un proceso de revisiones periódicas y formales. sus comentarios de retroalimentación. Localización del Cliente Localización del Cliente Localización del Cliente Comentarios de Retroalimentación (anexar hojas adicionales si es necesario) Enviar Comentarios a: Automotive Industry Action Group Suite 200 26200 Lahser Road Southfield. 4a.. Por favor indique los números de páginas específicos del manual cuando sea apropiado. en las áreas indicadas abajo. estas revisiones no solo acarrean consideraciones sobre cambios en requerimientos que apliquen de fabricantes de vehículos y de año a año. En conjunto con el concepto de satisfacción de los clientes. Michigan 48033 MSA. por escrito.aiag. 231 .org para emitir su retroalimentación electrónicamente. favor de sentirse libre de ofrecer. Enviar su retroalimentación a la dirección indicada abajo: Su Nombre Representando Nombre de la Compañía/División Dirección Teléfono ( ) Por favor liste sus tres clientes automotrices mas importantes y su localización. relativos a la facilidad de entendimiento del manual. “facilidad hacia el usuario”. pros y cons. Por favor accese a www. Al mismo tiempo.Retroalimentación Proceso de Retroalimentación del Usuario del Manual MSA Consistente con el proceso de mejoramiento continuo. sino también de retroalimentación de usuarios del manual para propósitos de hacerlo de más valor agregado y efectivo a la industria automotriz y a las comunidades de usuarios.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->