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

ANOVA. Una amplitud de 99.15 para representar la amplitud total del 99%). Análisis de Regresión Enfoques Alternativos Artículos disponibles en el sitio web de AIAG (www.15 en los cálculos. Linealidad. ANOVA.aiag.org) Capítulo Ill Ill IV III.73% es representada por el multiplicador de 6. usar el 6. Gages ó Stands de Pruebas Misceláneos Otros Métodos MSA Rango. Sesgo. Si el lector elige incrementar el nivel de cobertura o amplitud de una variación total de las mediciones del 99.73%. representado por el factor de multiplicación de 5. El conocimiento del factor multiplicador que se use es crucial en la integridad de las ecuaciones y cálculos resultantes. Históricamente y en forma convencional se ha usado una amplitud del 99% para representar la amplitud “total” del error de las mediciones.0.0 como un multiplicador en lugar de 5. Nota: El enfoque usado en la 4ª. Promedios y Rangos. ANOVA. Esto es especialmente importante si se hace una comparación entre la variabilidad y tolerancia de los sistemas de medición. IV III. IV IV NOTA: En relación al uso de la desviación estándar para RRGs. Pruebas Destructivas) Variables Complejas Sistemas Múltiples. Esto es equivalente a usar el multiplicador de 6 en el enfoque histórico. una declaración como tal debe ser claramente establecida en cualquier resultado ó resumen (particularmente a aquellos ofrecidos a clientes).Guía Rápida de 4ª Edición de MSA Tipo de Sistema de Medición Variables Básicas Atributos Básicos No Replicables (ej.. Consecuentemente.15 (donde σ RRG es multiplicado por 5. Gráficas de Control Detección de Señales. el cual es + 3σ y representa la amplitud total de la curva “normal”. Linealidad. si se usa un enfoque distinto al descrito en este manual. Promedios y Rangos. Gráficas de Control Gráficas de Control. Edición es para comparar desviaciones estándar. iv . Sesgo. Análisis de Pruebas de Hipótesis Enfoques Alternativos Rango.

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

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

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

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

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

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

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

Si la interacción genera demasiada variación.Capítulo I – Sección A Introducción. 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 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. se pretende sean usados principalmente para sistemas de medición en el mundo industrial. 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. El proceso de asignar números es definido como proceso de medición. En tal caso. 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”. Entre otras cosas. Esta sección ofrece un resumen de tales términos que son usados en este manual. entonces la calidad de los datos puede ser muy baja y tal que los datos no sean útiles. Se recomienda que sean consultadas fuentes estadísticas competentes para situaciones más complejas o inusuales no discutidas aquí. Por ejemplo. No se cubre en este manual la aprobación requerida por los clientes para métodos de análisis de sistemas de medición. No se pretende que este documento sea un compendio de análisis para todos los sistemas de medición. la variación de los datos puede ser debida a cambios en el volumen o en la temperatura ambiente. y el valor asignado es definido como valor de medición. Eisenhart (1963). Esta definición se ofreció primero por C. Esto hace la interpretación de datos más difícil y consecuentemente el sistema de medición menos deseable. Muchos de los análisis son útiles con otros tipos de sistemas de medición y el manual contiene referencias y sugerencias. 4 . Propósito El propósito de este documento es presentar los lineamientos para evaluar la calidad de un sistema de medición. Aunque los lineamientos son generales y suficientes para ser usados en cualquier sistema de medición. 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. En este documento. Su enfoque principal es en sistemas de medición donde puedan replicarse lecturas de cada parte. Mucho del trabajo de administrar un sistema de medición es dirigido al monitoreo y control de la variación.

incluye dispositivos pasa / no pasa.Capítulo I – Sección A Introducción. Propósito y Terminología • Gage es cualquier dispositivo usado para obtener mediciones. dispositivos. hoy y mañana. 5 . Equipo Básico • Discriminación. resolución en las mediciones. Sistema de Medición es el conjunto de instrumentos o gages. 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. Sección E para terminología. frecuentemente usado para referirse específicamente a dispositivos usados en el piso de producción. métodos. facilidad de lectura. 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. con el mismo significado ayer. resolución Alias: unidad de lectura más pequeña. definiciones y discusión. el proceso completo usado para obtener mediciones. personal. El ver un sistema de medición de esta manera es útil porque nos permite traer todos los conceptos. patrones. _____________________________________________________________________________________________ Resumen de Términos1 Patrón/Estándar • Bases aceptadas para comparación • Criterios para aceptación • Valor conocido. medio ambiente y supuestos usados para cuantificar una unidad de medida o preparar la evaluación de una característica o propiedad a ser medida. software. operaciones. • 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. filosofía y herramientas que han sido ya demostradas ser útiles en el área de control estadístico de los procesos.

Desconocido e irreconocible.Capítulo I – Sección A Introducción. 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.

.Capítulo I – Sección A Introducción. dependiendo del método usado. ej. el error puede ser el usuario. 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 . 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.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.. 7 . la precisión no puede representarse por un sólo número. el medio ambiente (tiempo) o el método Comúnmente referido como VU . no existe el concepto de precisión de un sistema de medición.Variación de los Evaluadores Variación (condiciones) entre sistemas ASTM E456-96 incluye efectos de repetibilidad. 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. “RRGs” incluyendo gráficas) 2 En documentos de ASTM.

Capítulo I – Sección A Introducción. los componentes de variación pueden incluir cualquier combinación de artículos mostrados en I-B 1. calidad inherente (FEO-Fabricante de Equipo Original). 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.. Propósito y Terminología • Desempeño del Sistema de Medición Estimación en el largo plazo de la variación del sistema de medición (ej. 8 . Por ejemplo. 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.

de forma tal que pueden existir diferencias. 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”.Capítulo I – Sección A Introducción. Por ésto es importante entender por quien son rastreables las mediciones y que tan rastreables son. y éstos ofrecen un alto nivel de normas de metrología o servicios de mediciones para sus respectivos países. 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. Sin embargo. Esto se logra a través de acuerdos de reconocimiento mutuo (MRAs) y ejecutando comparaciones entre laboratorios entre NMIs. como: “la propiedad de las mediciones o valores de un estándar o patrón. 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. La rastreabilidad de una medición es típicamente establecida a través de una cadena de comparaciones hacia un NMI. Propósito y Terminología Estándares. la definición de dónde y cómo una medición sea rastreable es un concepto de evolución permanente. 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. Con los avances en la tecnología de las mediciones y el uso de los sistemas de medición de última tecnología en la industria. La liga en la rastreabilidad de estos patrones de consenso con un NMI puede no siempre ser clara y entendida. 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. 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. NIST. previamente como Consejo Nacional de Patrones (NBS). sirve como la más alta autoridad de metrología en EUA. Institutos Nacionales de Mediciones Rastreabilidad 9 . Las mediciones que son rastreables con los mismos patrones o similares acuerdan muy estrechamente en comparación con aquellos que no son rastreables. 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 ofrece estos servicios directamente a muchos tipos de industrias. el rechazo de producto bueno y la aceptación de producto malo. y finalmente es crítico que las mediciones sean rastreables en un alcance que satisfaga a las necesidades del cliente. en muchos casos en la industria. el cual puede ser relacionado con referencias establecidas. Esto ayuda a reducir la necesidad de repetir pruebas. Es un importante concepto en la negociación de bienes y servicios. La rastreabilidad es definida por el Vocabulario Internacional de ISO de Términos Básicos y Generales de Metrología (VIM).

incluyendo estándares ó patrones. compañías fabricantes de última tecnología. 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. siempre y cuando la habilidad de los laboratorios comerciales / independientes pueda asegurarse a través de procesos. la relación entre un dispositivo de medición y un estándar ó patrón rastreable con un valor de referencia e incertidumbre conocidos.Capítulo I – Sección A Introducción. Sistemas de Calibración Un sistema de calibración es un conjunto de operaciones que establecen. etc. Para asegurar que sus patrones de referencia sena apropiadamente calibrados y directamente rastreables con los patrones mantenidos por el NMI. proveedores de gages. los registros y personal calificado. 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. Reste es un medio aceptable y apropiado de lograr rastreabilidad con NIST. los métodos y procedimientos de calibración. La calibración puede también incluir pasos para detectar. 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. tales como acreditamiento de laboratorios. Cada evento de calibración incluye todos los elementos necesarios. 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 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. equipo de medición y prueba siendo verificado. 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. reportar ó eliminar por ajuste alguna discrepancia en la exactitud del dispositivo de medición que se está comparando. bajo condiciones especificadas. 10 . Las mediciones pueden conectarse hasta NIST a través de esta cadena ininterrumpida de mediciones y la cual se dice ser rastreable con NIST. correlacionar.

Sin embargo. Desafortunadamente.Capítulo I – Sección A Introducción. el sistema de calibración del proveedor de servicios mismo puede (ó pudiera) estar verificado a través del acreditamiento en ISO/IEC 17025. Estos laboratorios internos mantienen un alcance de sus laboratorios mismos y el cual lista las calibraciones específicas que son capaces de ejecutar. 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. 11 . 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. el valor verdadero nunca puede ser conocido con certeza. y usando los resultados de un sistema de medición con una discriminación de alto orden y rastreable con NIST. estos términos se usan comúnmente y en forma intercambiable. 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. Es deseable que cualquier lectura individual esté lo más cerca (y económicamente posible) con este valor. Valor Verdadero La META del proceso de medición es el valor “verdadero” de la parte. 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. Cuando algún laboratorio calificado no esté disponible para un cierto tipo de equipo.3 e ISO 10012 cada una ofrecen modelos para muchos de los elementos de un sistema de calibración. Cuando el evento de calibración es ejecutado por un proveedor independiente. externo ó comercial de servicios de calibración. 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. los servicios de calibración pueden ser ejecutados por el fabricante del equipo mismo. así como el equipo y métodos/procedimientos usados para ejecutar dichas calibraciones. la incertidumbre puede minimizarse usando un valor de referencia basado en la definición operacional bien definida de una característica. Nota: ANSI/NCSL Z540. No se recomienda este uso. 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. Debido a que el valor de referencia es usado como un substituto del valor verdadero.

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

F.S. Heappy. loo más caro de un gage. las partes en proceso. 1978. 3 Análisis Decisión 4 Secciones de este capítulo se adaptaron con el permiso de Análisis de Sistemas de Medición – Un Tutorial por G. 1998. 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. La utilidad de un instrumento. La Tercer Generación. Proceso General Entradas Operación Resultados Proceso de Medición Proceso Administrativo Mediciones Valor Desafortunadamente. Se adquiere o logra conocimiento de lo que el proceso está haciendo evaluando los parámetros o resultados del proceso mismo.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. es la acción de examinar los parámetros de un proceso. Ver Manual de Referencia de Análisis de Modos y Efectos de Fallas Potenciales (AMEF) – 4a Edición. 13 . Sin embargo esta actividad de examen es en sí un proceso. su compatibilidad con el proceso y el medio ambiente y su facilidad de uso fueron raramente cuestionados. 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. El resultado de un AMEFP es transferido a un plan de control. Gruska y M. a menudo llamada como inspección. Esta actividad. 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. Consecuentemente estos gages no fueron usados apropiadamente o simplemente no eran usados.

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

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

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

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.

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

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. el proceso de medición está en control estadístico y tiene un sesgo de cero.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. Posterior a ello existe una sección que aborda el impacto sobre decisiones del proceso. 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 consumidor o proporción perdida) si: NOTA: Proporción de Falsa Alarma + Proporción de Perdida = Proporción de Error. Esto es. RIESGO es la probabilidad de tomar una decision que sera en detrimiento a un individuo ó proceso Esto es. riesgo del productor o falsa alarma) si: y. una parte buena puede algunas veces declararse “mala” (error tipo I. con respecto a los límites de especificación. Esto ofrece tres diferentes áreas: 19 . Por ejemplo. considerar el caso donde toda la variabilidad en las lecturas múltiples de una sola parte es debida a la repetibilidad y reproducibilidad del gage. 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. una parte mala algunas veces puede declararse como “buena” (error tipo II).

Efecto en las Decisiones del Proceso Con el proceso en control. 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. meta y variación de un proceso. las siguientes necesidades deben establecerse: • • • Control estadístico En meta Variabilidad aceptable Como se explicó en la sección previa. Esta discusión asume que el proceso de medición está en control estadístico y en meta.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. 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. 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.

Si el índice Cp del sistema de medición fuera en sí 1. el proceso requeriría no contar con variación si el resultado final tuviera que ser 1.33. los resultados se mantienen también para el índice de desempeño Pp. Para alcanzar un objetivo de habilidad de un proceso específico se requeriría factorizar la variación de las variaciones. 21 . el proceso actual requeriría un índice de Cp mayor o igual que 1. si el índice Cp del sistema de medición fuera 2.33 – que es claramente una situación imposible. el Cp actual del proceso puede compararse gráficamente con el Cp observado.33. Por ejemplo.79 a fin de lograr que el índice calculado (observado) sea 1.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. 9 10 Aunque esta discusión es usando Cp.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. Ver apéndice B para fórmulas y gráficas.

Por ejemplo. 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. se observará una mayor variación (ej.11 Cuando este proceso es estudiado en la producción y con el gage de producción.0 entonces el Cp del proceso observado será de 1. un Cp más pequeño). asuma que no existe variación en el muestreo. si el RRG del gage de producción es del 30% y el Cp del proceso actual es todavía 2.96 versus 1.0. manufactura. entonces puede generarse alguna confusión. Por ejemplo. Si el RRG del sistema de medición es actualmente del 60% (aunque tal hecho no sea conocido) entonces el Cp observado sería de 1..28. 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. Sin este conocimiento puede haber esfuerzos en vano en buscar ver lo que está mal del nuevo proceso. 11 Para esta discusión. 22 . existe a menudo una serie de Proceso Nuevo pasos que tienen que completarse como parte de la actividad de compra misma. maquinado.Capítulo l – Sección B El Proceso de Medición Aceptación de un Cuando un nuevo proceso tal como. La diferencia en el Cp observado de 1.71. tratamiento térmico o ensamble es comprado.96. 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. las partes medidas con una maquina de coordenadas durante la compra y luego con un gage de alturas durante la producción. estampado. En la realidad 1. El peor escenario será que el gage de producción no esté calificado pero sea usado. manejo de material. 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.96 será el valor esperado aunque los resultados actuales varien alrededor de este valor. 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). el Cp observado del proceso durante la compra será de 1.

Regla 4: Ajustar el proceso al punto de la última medición. Deming se refiere a este tipo de mediciones y toma de decisiones como titubeo.10 gr entonces el operador ajusta el proceso otra vez.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. Las instrucciones de operación requieren que el operador verifique el peso y haga ajustes cada hora en base a una muestra. La regla 1 es la mejor opción para provocar una variación mínima.00 gr. En el ajuste. Este es un ejemplo del experimento de embudo que el Dr. Cuando el operador cheque el ajuste ésta vez. suponer que el proceso está operando a 4. Considerar la situación donde el peso del acabado de un metal precioso sobre una pieza esta siendo controlado sobre una meta de 5. De acuerdo a las instrucciones del operador éste debe intentar ajustar el proceso hacia arriba por 0. Edwards.10 gr para una meta.20 gr pero esto no se sabe dado que nunca fue hecho el análisis del sistema de medición.12 El error en las mediciones complica el problema.90 a 5. Cuatro reglas del experimento de embudo son: Regla 1: No hacer ajustes o tomar acciones a menos que el proceso esté inestable. 1986. El Dr. Luego ajustar el proceso en una cantidad igual y en una dirección opuesta de la meta. 1982. Regla 3: Restablecer el proceso hacia la meta. Regla 2: Ajustar el proceso en una cantidad igual y en una dirección opuesta de donde el proceso fue medido al último. 12 Deming. Ahora el proceso está corriendo en 5.95 gr pero por el error en las mediciones el operador observa 4. 23 . Si la pieza medida está fuera de meta. Massachussets of Technology.08 gr. el proceso es entonces ajustado. Más tarde y el algunos casos otra pieza es medida y otra vez el proceso puede ajustarse. Si los resultados están fuera del intervalo de 4. Las instrucciones de ajuste para procesos de metales preciosos es un ejemplo de la regla 3. El sobreajuste del proceso a agregado variación y continuará haciéndolo así. observa 5.15 gr. Las reglas 2. W.85 gr.3 y 4 agregan mayor variación en forma progresiva. Deming usó para describir los efectos del titubeo. Suponer que los resultados de la escala usados para determinar el peso varían en +0. Out of the Crisis. de manera que permita al proceso trabajar.

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

Sentido común es la guía en cualquier caso. Otra guía sería el nivel de tolerancia asignado a una dimensión específica. El grado actual de involucramiento o implementación en muchas de las actividades abajo indicadas debiera ser dirigido por el sistema de medición particular. 25 . 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.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. análisis de sistemas de medición u otra consideración especial para la selección. complejidad y propósito de un sistema de medición puede conducir a diferentes niveles de administración de un programa. cintas para medir. planeación estratégica. Complejidad El tipo. reglas. ¿Cuál es el propósito y cómo será usado el resultado de una medición?. máquinas de coordenadas. la profundidad en el conocimiento del proceso y el sentido común. No todas las características del producto y proceso requieren sistemas de medición y cuyo desarrollo cae en este tipo de escrutinio. etc. planeación o análisis que demanden otros sistemas de medición complejos o críticos (ej. gages de atributos o límites ajustados) pueden no requerir el nivel de administración. La decisión del nivel apropiado debe recaer en el equipo APQP para el proceso de medición y los clientes. Herramientas simples de medición estándar como micrómetro o calibradores pueden no requerir ésta estrategia de planeación a profundidad. 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. stands de prueba. las consideraciones para el control de gages y el sistema de calibración de soporte. 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. masters de referencia. evaluación y control de las mediciones. Cualquier sistema de medición puede requerir mayor o menor planeación estratégica y el escrutinio depende de la situación de un producto o proceso dado. sistemas de gages en línea y automatizados. Instrumentos y dispositivos simples de medición (ej...

Al nivel de mediciones le siguen el nivel de entendimiento del proceso. 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). el método de medición puede cambiar en la medición de una máquina de coordenadas a una forma de gage por atributos. el chequeo dimensional sería difícil y la variación de las mediciones alta. Se hacen consideraciones específicas en relación a auditorias. La misma medición. Desarrolla un diagrame de flujo que muestre los pasos críticos del proceso en la manufactura o ensamble de la parte o subsistema. La mayoría de las mediciones y monitoreos pudieran terminar eventualmente con los proveedores de los materiales de recibo. Identifica las entradas y salidas clave de cada paso en el proceso. 26 . control del proceso. Un método para capturar aspectos clave similares a éstos sería el uso de AMEFPs para analizar áreas de riesgos en el diseño de gages. Esto puede conducir al entendimiento de características críticas para el control del proceso que directamente afecten las características de una parte. 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.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. Por ejemplo. evaluar la capacidad para medir dichas características. un equipo multifuncional de individuos desarrollará un plan y concepto para el sistema de medición requerido para el diseño. Estas se basan en los requerimientos de los clientes y la funcionalidad del subsistema o componente del sistema total. si la característica importante de un componente plástico moldeado por inyección estuviera en una línea de moldeo de partes. Esto ayudaría en el desarrollo de planes de mantenimiento y calibración. tanto de su habilidad para medir la parte como el gage de funcionalidad (AMEFDs y AMEFPs). Un equipo multifuncional organizado en las etapas iniciales del desarrollo del proceso de medición es crítico en el logro de esta tarea. Esto ayudara en el desarrollo de los criterios y requerimientos del equipo de medición afectados por la localización en el proceso. un detallado concepto de ingeniería del proceso de medición es desarrollado. la medición puede iniciar en la característica de un producto para establecer estabilidad y habilidad del proceso. sobre la misma característica. También. Por ejemplo. 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. desarrollo del producto y el proceso y análisis del “Ciclo de Vida de las Mediciones”. 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. Aquí se presentan algunos lineamientos: El equipo necesita evaluar el diseño del subsistema o componente e identificar características importantes. 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. Usando el propósito arriba desarrollado. Si las dimensiones importantes ya han sido identificadas.

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. Uno de los métodos simples a usar es el diagrama de causas y efectos. Esto incluiría el envío de la parte o subsistema a ser medido. etc. calificación. etc. sobre un transportador en movimiento. ¿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. 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.14 Ver el ejemplo en figura 2 como un punto inicial de pensamiento. clasificación. más que tomar decisiones en base a información equivocada y tener un sistema desarrollado que no sea robusto en aspectos clave ambientales. fuera de línea. Luego utiliza algún método de tormenta de ideas con el grupo para desarrollar criterios generales para cada medición requerida. 13 14 Esto puede considerarse en un plan de control preliminar. etc. Kaoru Ishikawa. ¿Por qué debe tomarse la medición y cómo será utilizada? ¿Los datos deberán usados para control. publicado por la organización asiática de productividad. Ver Guía para el Control de Calidad. 27 . se hace un diagrama de flujo del proceso de medición mismo.13 Para sistemas de medición complejos. caliente. con aceite. mantenimiento.? ¿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.? • • • • • • Recordar el uso de datos para sustentar supuestos comunes acerca del proceso de medición.) y qué habilidades básicas del operador son requeridas? ¿Quién realizará el entrenamiento? ¿Cómo son tomadas las mediciones? ¿Serán hechas en forma manual. la medición en sí y el regreso de la parte o subsistema al proceso. en forma automática. 1986. manuales – operación. Es mejor estar seguros y recolectar datos del medio ambiente. etc..? La forma en que las mediciones serán usadas puede cambiar el nivel de sensibilidad del sistema de medición mismo.

) serán realizados estudios experimentales y recolección de datos. cuando se desarrollen y diseñen conceptos y propuestas. 28 . Los métodos de medición probados pueden ofrecer una operación más confiable. documentación. sección D.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. Estos estudios y datos serán usados para entender este proceso de medición de forma tal que dicho proceso y procesos futuros puedan mejorarse. usa equipo de medición que cuente con registros de rastreo probados. Cuando sea posible. etc. Durante y después de la fabricación del equipo de medición y el desarrollo del proceso de medición (métodos. entrenamiento. Hacer referencia a “elementos sugeridos para un checklist de desarrollo de un sistema de medición” al final del 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). El cliente y proveedores necesitan entender totalmente los requerimientos del proyecto. Una vez que se ha acordado un concepto y se ha establecido una relación cliente / proveedor para el proyecto en puerta. 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). Se recomienda fuertemente que este capitulo no sea usado sin la lectura y entendimiento de la discusión completa acerca de los procesos de medición. finalmente. el proyecto del proceso de medición pudiera ser titubeante a aún fallar. lo que se tiene que entregar y los métodos con los cuales debe lograrse. Para obtener el máximo beneficio de un proceso de medición. 15 Ver Capítulo I. fabricación del proceso de medición y desarrollo pueden empezar.15 Este capítulo fue escrito con la filosofía de equipo en mente. desarrollando el proceso de mejoramiento y. Sección B 29 . otorgando el proyecto. las actividades de diseño en detalle. La comunicación entre el cliente y el proveedor en este punto es especialmente importante. No es una descripción de trabajo para el comprador o agente de compras. casando el proceso de medición con el proceso de producción para el cual fue creado. estudiarlo y abordarlo como si fuera un proceso con entradas y salidas. El foro y formato ideal para esta actividad es el proceso APQP. obteniendo respuestas a dicho paquete. el “proceso de adquisición” comienza con la comunicación formal entre el cliente y el proveedor para un proyecto dado. La comunicación anticipada es crucial para el éxito del proyecto. Dado que el trabajo básico y necesario para una efectiva y futura relación se hace en esta etapa. y posibles cambios ambientales así como el potencial de cambio de los miembros del equipo. 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. Dado que puede haber varios niveles de aprobaciones de conceptos a realizarse. 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. Generalmente.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. completando el diseño final. Este entendimiento se deriva de la comunicación oportuna y precisa entre las dos partes.

. La responsabilidad inicial para esto puede dejarse en el ingeniero de diseño del producto. hacerse idénticos) a lo largo del proceso de manufactura y el sistema de medición. cilíndrica o tubular. dependiendo de la organización específica. tal como.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Después de que el proceso de medición ha sido diseñado conceptualmente. puede haber problemas de ajuste. etc. particularmente en los sistemas 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. 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. 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. y esto necesita establecerse muy anticipadamente en el proceso de APQP. conduciendo a un control inefectivo del proceso de manufactura. etc. Por ejemplo. el centrado de un árbol de levas o alguna otra característica de redondeo. 30 . las actividades alrededor de la adquisición del proceso / sistema pueden empezar. Durante este proceso. Cuando los esquemas de datos no cuadren a lo largo del proceso de manufactura. en el control dimensional. Ciertas mercancías presentan propiedades que pueden producir más problemas que otras. pueden medirse cosas equivocadas. esto puede determinarse lo antes posible en el proceso APQP. Cuando tal sea el caso. un árbol de levas debe ser manufacturado sobre centros pero las propiedades importantes del producto están en sus lóbulos. Un método o esquema de datos puede requerirse para la manufactura mientras que otro esquema es requerido para la medición de un producto final.

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. Algunos pueden ser dictados o pesadamente implicados por el diseño del producto. necesita desarrollarse un concepto de ingeniería detallado del proceso de medición mismo. El equipo puede investigar varios aspectos críticos para ayudar a decidir que dirección o camino será seguido para el diseño del proceso de medición. se asume que aspectos críticos tales como. Otros conceptos pueden requerir la pericia de la fuente de gages. Esto puede ser dirigido por la complejidad del sistema de medición y una decisión del equipo acerca de lo que hace sentido. 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. 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. Existe un pequeño traslape en algunas actividades o en el orden de estas actividades dependiendo del programa / proyecto particular u otras restricciones. Se asume que el proveedor del gage será involucrado en el proceso APQP con el enfoque de equipo.Capítulo l – Sección D Desarrollo de las Fuentes de Medición Prerrequisitos y Supuestos Antes de discutir el desarrollo con el proveedor del gage. el equipo de APQP sin muchas entradas de una fuente de gages puede desarrollar ciertos conceptos de gages. 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. 31 . ingeniería.). 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. Para desarrollar mejor este concepto. Por ejemplo. calidad. necesitan responderse varias preguntas. etc. 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. Esto puede ser parte del equipo de APQP.

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

) para el fabricante. reducción de costos y. 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. Las normas o estándares construidos cubren tolerancias en las cuales el sistema de medición debe ser construido. Las normas de diseño detallarán el método de comunicar el diseño mismo (CAD – ej. SAE. La tolerancia construida no debe ser ofrecida solo como un porcentaje de la tolerancia del producto mismo. ASTM u otra organización. El uso de componentes o subensambles estandarizados también conduce a intercambiabilidad. esta decisión puede ser dirigida por costo y criticalidad. 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). copia manual. 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. generalmente amenos errores en las mediciones de largo plazo. 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. ¿Los conceptos promueven simplicidad y facilidad de mantenimiento? APROBACIÓN 33 . CATIA. flexibilidad. etc. 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. Puede involucrar normas de ingeniería seleccionadas de FEOs. Puede también cubrir normas de desempeño para un sistema de medición más complejo. el equipo debe integrarse para revisarlas y evaluarlas. El formato requerido del diseño final puede estar en forma de CAD o dibujos de ingeniería en papel. una apropiada planeación y estandarización pueden conducir a la intercambiabilidad y flexibilidad. Unigrafics.. IGES.

El tema central aquí es comunicación. lógica y software. Manuales de mantenimiento con dibujos de los equipos y los pasos para ensamblar y desensamblar adecuadamente los componentes del equipo mismo. sin embargo no necesariamente incluye todo. Por ejemplo. 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. 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). el equipo y otros deben estar involucrados en cada nivel del desarrollo del paquete de documentación del proceso de medición. el operador del sistema y el personal de mantenimiento. Manuales definiendo los requerimientos de servicios para ajuste. La documentación efectiva de cualquier sistema sirve para el mismo propósito que un buen mapa en un viaje. 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. La significancia que toma la documentación con respecto a cualquier proyecto es a menudo mal entendida. puesta a punto y operación y requerimientos de transporte del equipo. Lista de refacciones sugeridas de uso pesado o de puntos / detalles de desgaste. Esta lista debiera incluir puntos que pueden requerir tiempos de anticipación considerables para adquisición. • • • • • • La lista anterior puede ser usada como un cheklist al organizar un paquete de cotización. sugiere al usuario cómo llegar de un punto a otro (instrucciones del usuario o gage). sugerir posibles áreas problemáticas o describir como usar el proceso. Guías de árboles de diagnóstico y solución de problemas. aunque esta documentación no hace nada con respecto a definir puntos potenciales para el montaje. Reportes de certificación (rastreabilidad con NIST cuando aplique). Instrucciones de calibración. la documentación requerida para cualquier proceso debe incluir más que el ensamble y dibujos detallados del equipo de medición. 34 . Manuales del usuario que puedan ser usados por el personal de soporte técnico.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. Conjunto reproducible del cableado eléctrico. Dado que la documentación es una forma de comunicación. Por tanto. Esto puede satisfacer los requerimientos iniciales de implementación.

Obviamente. Después de un exitoso layout dimensional. 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. 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. debiera hacerse notar que este es meramente preliminar y puede ser necesario un juicio para la aceptabilidad de los resultados. el proveedor seleccionado debe contar con equipo de medición y personal calificado en planta a fin de lograr esto. 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. cuando aplique. conocimientos y experiencia para lograr los análisis apropiados. con el proveedor del sistema de medición antes del envío. Algunos aspectos clave que puedan requerir discusión. debieran hacerse prearreglos para que se haga este trabajo en un laboratorio independiente y externo calificado. 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. el proveedor debiera ejecutar un análisis del sistema de medición preliminar y formal. Esto otra vez requiere nuevamente que el proveedor cuente con personal.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. 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.

el sistema de medición debiera ejecutársele un layout dimensional completo para confirmar que cumple con los requerimientos / normas de construcción. 36 . 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. Manuales del usuario Manual de servicio / mantenimiento Lista de refacciones Guía para solución de problemas • • Instrucciones de calibración Cualquier consideración especial En principio. estándares de aceptación y métodos de análisis usados aquí debieran ser considerados seriamente. si se requieren por el equipo Diagrama de flujo del proceso del sistema. 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. descargador y cuadrilla de instalación? Calificaciones con el Cliente Generalmente. 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. Dado que ésta llega a ser la primera oportunidad real para estudiar el sistema de medición en su ambiente esperado. estar concientes de que es probable alguna diferencia en las mediciones por la diferencia en los sistemas de medición. De hecho. 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. 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. Antes de que cualquier análisis de mediciones comience después del recibo. 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. transportador.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. Envío de Documentación La información que se requiere. como mínimo. La documentación original o reproducible no necesita ser enviada en este tiempo porque puede ser necesaria una revisión potencial después de su implementación. la documentación enviada necesita ser identificada como preliminar. Cuando se comparen los resultados antes y después del envío. cuando aplique.

S.? El medio ambiente llega a ser un aspecto clave con tolerancias bajas y ajustadas y en el nivel de micrones. jets de retroalimentación por aire. MMC vs comparador óptico. El desarrollo del checklist final debiera ser el resultado de la colaboración entre el cliente y el proveedor.W. dispositivos de gages. inspectores. vibración. Esto podría ser un factor de auto-retroalimentación en proceso en los tipos de mediciones. tipo de propiedad. ¿Se requiere que el área esté limpia? Puntos de medición y localización: Define claramente. ej. usando GD&T. Antes de la medición. la localización de los dispositivos y puntos de sujeción y donde las mediciones de la parte sean tomadas. probadores de superficie de contacto total. ingenieros. 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). medio ambiente. etc. etc. tormenta de ideas. diagramas de causas y efectos o matrices. procesamiento de imágenes. mantenimiento. Preparación de la Parte: La parte debiera estar limpia. en los casos en que MMC. tipos de probadores. temperatura. etc. salón de clases. ¿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. Aceite para corte. técnicos. Los gages flexibles serán más caros pero pueden ahorrar dinero en el largo plazo. contaminantes de aire.E.I. También. auditorias de proceso.A. máquinas de medición por coordenadas. Orientación de la Parte: Posición del cuerpo contra otro. el laboratorio. el piso de producción.P. o P. 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.) usando equipos. calibración. Localización del Transductor: Orientación angular. conocimiento profundo del proceso. escombros para corte y temperaturas extremas pudieran llegar también a ser aspectos clave. personal de mantenimiento. etc. Medio Ambiente: ¿Polvo. inspección de embarque e inspección recibo responden a DOEs? ¿Quién usará el proceso? ¿operadores. Contacto vs No Contacto: Confiabilidad.. humedad. tipo de probador. deflexión de las partes. ¿Se han identificado las fuentes de variación? Construir un modelo de errores (S.. costo. plan muestra. monitoreo de la producción. interferencia electromagnética (IEM). los sistemas de visiones. distancia de los localizadores primarios o redes. ingenieros.M.O.I. etc. velocidad. periodo de aprendizaje. Método de Arreglo: En estado libre vs parte sostenida y sujetada.E. estudios de laboratorio. con temperatura estabilizada. etc. gages. aplicación práctica. oficina. compatibilidad. movimiento de aire en el ambiente. ultrasónico.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. 37 . auditores? Entrenamiento requerido: Operador. habilidades del personal requeridas. procesamiento de imágenes. sin aceite. ruido.

Rango Potencial de Medición: Tamaño y rango esperado de las mediciones concebidas. dureza. filtros. etc. Aspectos Clave de Construcción de un Sistema de Medición (equipo. resultados de mediciones de MMC vs manual o ajuste abierto). Mediciones de Pruebas Destructivas vs No Destructivas (PND): Ejemplos: prueba de tensión. fuera de línea. aislamiento. medio ambiente. localización. Facilidad de Servicio: Interno y externo. para capturar. dependencia del operador. discriminación y sensibilidad. torsión. integridad del lote. parámetros. secadores. soporte. archivo. estandar. espesor de cubierta de pintura / acabado. disponibilidad (proximidad). protegido. de errores de medición y de mantenimiento. Automatizado vs Manual: En línea. tiempo de respuesta. personal.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. La sensibilidad se determina por el diseño y calidad (FEO) inherente del gage. operación y entrenamiento. análisis químico. programa. 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. entrenamiento. aspectos clave de ajuste y operación. hidráulicos. Requerimientos de Salidas / Resultados: Análogos o digitales. instrumento): ¿Se han abordado las fuentes de variación identificadas en el diseño del sistema? Revisiones de diseño. almacenamiento. procesamiento de imagen. recuperación. durabilidad. Aspectos clave de cubiertas. ¿Cuál es considerado el estándar? ¿Cómo será calificado cada uno? Aspecto #2 de Correlación. eléctricos. instalación. seguridad. patrón. documentación. disponibilidad de partes para servicio.. prueba de cámara salina. compra. medición dimesnional. estrés. torque. documentación y registros. Frecuencia. medir y devolver la parte? 38 . 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. el mantenimiento en servicio y las condiciones de operación. Consideraciones de Seguridad: Personal. propiedades eléctricas. interno o externo. ¿Habrá alguna interrupción al flujo del proceso. fuerza de soldado. nivel de soporte. neumáticos. impacto. Sistema de Control y Calibración: Programa de calibración recomendado y auditoria al equipo y documentación. costo. verificaciones y validaciones. Almacenamiento y Localización: Establece los requerimientos alrededor del almacenamiento y localización del equipo de medición. Costo: Factores de presupuesto para el desarrollo. operación. chequeos de verificación en proceso. Requerimientos de Entradas: Mecánicos. lista de partes estándar.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. supresores de pico. Ergonomía: Habilidad de cargar y operar el equipo sin daños en el tiempo. 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). Mantenimiento Preventivo: Tipo. medio ambiente.

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

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

que ponen énfasis en mejoramientos estratégicos y continuos del proceso mismo. 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. la cual establece que la discriminación del instrumento debiera dividir la tolerancia o variación del proceso en 10 partes o más. Es esencial para la organización (administración. la variación del sistema de medición es debida solo a causas comunes y no especiales (caóticas). Segundo. Primero. operador de producción y analista de calidad) entender el propósito de las mediciones y aplicar evaluaciones apropiadas. 3) Las propiedades estadísticas (errores) son consistentes sobre un rango esperado y adecuadas para el propósito de las mediciones (control del producto o proceso). Conforme los procesos cambien y mejoren. 2) El sistema de medición debe ser estable. se aplica la regla 10. Típicamente. La tradición de reportar los errores en las mediciones solo como un porcentaje de la tolerancia es inadecuado para los retos del mercado. el sistema de medición debe ser revaluado para su propósito esperado. El analista de las mediciones debe considerar siempre significancias prácticas y estadísticas. Bajo condiciones de repetibilidad. 41 .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. ¿el sistema de medición demuestra una resolución efectiva? En relación a la discriminación. ¿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. planeador de las mediciones.

dado que para el promedio del proceso de producción. repetibilidad. reproducibilidad. Esta información es valiosa. 17 Ver Capítulo V. Una comparación para equipo de medición antes y después de su reparación. y consecuentemente. 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. Una base para evaluar un gage que se sospecha está deficiente. que ofrecer gages extremadamente exactos con una muy alta repetibilidad.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. 42 . El error de un sistema de medición puede ser clasificado en 5 categorías: sesgo. Un individuo puede fallar en determinar si hay variación en el sistema de medición el cual afecta las mediciones individuales. 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. Información necesaria para desarrollar una Curva de Desempeño de un gage (CDG)17. estabilidad y linealidad. de forma tal que cada término sea claramente entendido para discusiones posteriores. el cual indica la probabilidad de aceptar una parte de un valor verdadero. Para cada definición se ofrece una ilustración la cual despliega gráficamente el significado del término en cuestión. Un componente requerido para calcular la variación del proceso y el nivel de aceptabilidad para el proceso de producción. Sección C. y frecuentemente los análisis y conclusiones se basan en esta suposición. Las siguientes definiciones ayudan a describir los tipos de errores o variaciones asociados con un sistema de medición. Una comparación de un dispositivo de medición contra otro.

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

). Estándar de Trabajo Un estándar cuya intención de uso sea ejecutar mediciones de rutina dentro del laboratorio. Los materiales empleados deben reflejar el uso y alcance del sistema de medición. pero que puede ser usado como un estándar de transferencia. no como un estándar de calibración. así como fuentes de variación en base a tiempo tales como. También puede ser definido como estándar de referencia o calibración. factores de montaje y ambientales (temperatura. 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. humedad.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. Se requiere dar una especial consideración a los materiales seleccionados para un estándar. etc.

20 Ver también ASTM: E177-90a. Valores legales: definidos y obligados por la ley. Aunque este valor es desconocido e irreconocible. Valores teóricos: basados en principios científicos. para lograr esto.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. Dado que el valor de referencia es usado como un equivalente como el valor verdadero. No se recomienda este uso20. es el valor de un artefacto o conjunto que sirve como una referencia acordada para comparación. Desafortunadamente. 45 . 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. Valores asignados: basados en el trabajo experimental (y soportados por una teoría razonable) de alguna organización nacional o internacional. • 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. definido por el consenso de usuarios tales como organizaciones profesionales y de negocio y de comercio. comúnmente estos términos son usados en forma intercambiable. el valor verdadero nunca puede ser conocido con certeza. Estar calibrados con estándares rastreables con NIST u otro INM.. Cualquier lectura individual debe estar lo más cerca (y económicamente) posible a este valor. 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. Valor de Referencia Un valor de referencia. 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. Valores por acuerdo: valores expresamente acordados por las partes afectadas. Valores de consenso: basado en trabajo experimental colaborativo y bajo los auspicios de un grupo científico o de ingeniería. Valor Verdadero El valor verdadero es la medida “actual” de una parte. es la meta del proceso de medición. laboratorio de metrología o equipo para layout). también conocido cono valor de referencia aceptable o valor master.

Si el instrumento cuenta con graduaciones “toscas”. Esto es también referido como facilidad de lectura o resolución. el enfoque del proceso es una meta designada por el cliente). Si el sistema de medición no cuenta con una discriminación (sensibilidad o resolución efectiva). Una regla empírica general es que la discriminación del instrumento de medición debe contar con al menos una décima del rango a medir. las características medidas serán agrupadas por los valores medidos en categorías de datos. 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. Tradicionalmente este rango se ha tomado como una especificación del producto. La medida de esta habilidad típicamente es el valor de la graduación más pequeña sobre la escala del instrumento. Esto es consistente con la filosofía de la mejora continua (ej. Debido a las limitaciones económicas y físicas.. puede no ser un apropiado sistema para identificar la variación del proceso o cuantificar los valores de las características individuales de una parte. 46 . el sistema de medición no percibe todas las partes de la distribución de un proceso como si fueran características medidas por separado o diferentes. La discriminación es inaceptable para análisis si no puede detectarse la variación del proceso. e inaceptable para control si no puede detectarse la variación por causas especiales (ver Figura I-E 3). debieran usarse mejores técnicas de medición. Si tal es el caso. En lugar de ello.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. entonces puede usarse media graduación. 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. Todas las partes de la misma categoría de datos tendrán el mismo valor para la característica medida.

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

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. existen solo dos posibles valores para el rango dentro de límites de control (valores de 0. la gráfica de control (b). por supuesto.01). 48 . 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. En estos casos especiales. la regla identifica correctamente la razón de falta de control por la discriminación inadecuada (sensibilidad o resolución efectiva). Eventualmente. la planeación de las mediciones puede requerir técnicas alternativas para el monitoreo del proceso.Capítulo l – Sección E Aspectos Clave de las Mediciones Regresando a la figura I-E 4. 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. Este problema puede ser resuelto. La resolución efectiva puede ser inadecuada y un mejoramiento adicional del sistema de medición llega a ser impráctico. cambiando la habilidad de detectar la variación dentro de los subgrupos incrementando la discriminación de las mediciones.00 y 0.

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. Inc. 49 . SPC Press.. derechos de copia 1989. Tennessee. por Wheeler y Lyday. Knoxville.

50 . El proceso de medición debe estar en estado de control estadístico. Debido a que la “exactitud” tiene varios significados en la literatura. Esta política se seguirá en este texto. 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. no se recomienda su uso como una alternativa para “sesgo”. el método MSA puede sobre estimar el error del sistema medición.Capítulo l – Sección E Aspectos Clave de las Mediciones Variación del Proceso de Medición Para la mayoría de los procesos de medición. de lo contrario la exactitud del proceso no tiene significado. En algunas organizaciones la exactitud se usa en forma intercambiable con el sesgo. Sesgo El sesgo es a menudo referido como “exactitud”. De hecho existen sistemas de medición que no son distribuidos normalmente. Cuando esto pasa. la variación total de las mediciones es usualmente descrita como una distribución normal. 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. y se asume normalidad. 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. El analista de mediciones debe reconocer y corregir evaluaciones para sistemas con mediciones no normales. La probabilidad normal es un supuesto de los métodos estándar para análisis de sistemas de medición.

equipo o dispositivo desgastado Master dañado o desgastado. 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. limpieza Violación a algún supuesto. 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. humedad. Sesgo es la medida del error sistemático del sistema de medición.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. sujeción. carga. conocidas o no conocidas. error en la aplicación de una constante Aplicación – tamaño de la parte. Es la contribución del error total integrado por los efectos combinados de todas las fuentes de variación. fatiga. error de observación (facilidad de lectura. vibración.. técnica Medición de característica equivocada Distorsión (del gage o la parte) Medio ambiente – temperatura. 51 . posición. Posibles causas para un sesgo excesivo son: • • • • • • • • • • El instrumento necesita calibración Instrumento. usando “masters”) debiera ser lo más idéntico posible al procedimiento de medición de la operación normal. paralelismo) • • • El procedimiento de medición empleado en el proceso de calibración (ej. habilidad del operador.

la estabilidad es un cambio en sesgo en el tiempo. oxidación. paralelismo) Linealidad La diferencia de sesgo a través del rango (de medición) de operación esperado del equipo es llamada linealidad. reducir el intervalo de calibración Instrumento. Posibles causas para inestabilidad incluyen: • • • • • • • • • • • • • El instrumento necesita calibración.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. La linealidad puede tomarse como un cambio de sesgo con respecto al tamaño. hidráulico. energía eléctrica. error de observación (facilidad de lectura. limpieza Master desgastado o dañado.temperatura. 52 . sujeción. vibración. habilidad del operador. posición. limpieza Violación a un supuesto. corrosión. filtros. equipo o dispositivo desgastado Desgaste normal u obsolescencia Mantenimiento deficiente – aire. carga. error en la aplicación de una constante Aplicación – tamaño de la parte. técnica Distorsión (del gage o la parte) Cambio ambiental. humedad. fatiga. Esto es. 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.

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

carga. De hecho. técnica Cambios de distorsión (del gage o la parte) con el tamaño de las partes Medio ambiente – temperatura. humedad. gages. repetibilidad es una variación de causa común (error aleatorio) de intentos sucesivos y bajo condiciones definidas de medición. la repetibilidad incluye todas las variaciones internas (ver más adelante) de cualquier condición en el modelo de errores. tal rango puede ser tamaño o tiempo (ej.. 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). gente. El mejor término para repetibilidad es variación dentro del sistema cuando las condiciones de medición están ajustadas y definidas – parte ajustada. habilidad del operador. instrumento. aunque esto puede ser dudoso. Repetibilidad es comúnmente referida como la variación del equipo (EV). ASTM define la precisión en un sentido amplio para incluir la variación de diferentes lecturas. posición. rango y tiempo) del sistema de medición. En algunas organizaciones la precisión se usa en forma intercambiable con la repetibilidad. error en la aplicación de una constante Aplicación – tamaño de la parte. fatiga.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. 54 . Adicional a la variación dentro del equipo. operador. la precisión describe el efecto neto de la discriminación. De hecho. vibración. “un dispositivo es tan preciso en el rango bajo como en el rango alto de medición”. 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. método. paralelismo) • Variación de Amplitud Precisión Tradicionalmente. Repetibilidad Este es tradicionalmente referido como variabilidad “dentro del mismo evaluador”. sujeción. la precisión es muy a menudo usada para describir la variación esperada de las mediciones repetidas sobre el rango de medición. Esta es la variación o habilidad inherente del equipo mismo. laboratorios o condiciones. medio ambiente y supuestos. limpieza Violación a algún supuesto. sensibilidad y repetibilidad sobre un rango de operaciones (tamaño. estándar. o “tan preciso hoy como ayer”). error de observación (facilidad de lectura.

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

Para las mismas partes. Causado por ciclos ambientales. Violación de un supuesto en el estudio. repetibilidad es lo mejor que el equipo estará bajo condiciones actuales (un operador. etc. paralelismo). Falta de robustez en el diseño del instrumento o método. 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. B. C. • • • • • • • • • 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. C. etc. sistemas manuales vs automatizados. Causada por entrenamiento. habilidades y experiencia. Usando el mismo instrumento. Entre el medio ambiente: la diferencia promedio en las mediciones en el tiempo 1. Aplicación – tamaño de la parte. B. este es el estudio más común para sistemas altamente automatizados en la calificación del producto y el proceso. etc. el RRG es la varianza e igual a la suma de las varianzas dentro y entre los sistemas. operadores y medio ambiente. sus definiciones necesitan abarcar estas diferencias. B. C. Entre evaluadores (operadores): la diferencia promedio entre operadores A. métodos de sostenimiento o sujeción. Por normas de ASTM. Este es un estudio recomendado para calificación del producto y el proceso y con un instrumento de medición manual. 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. etc. Como se mencionó en las dos definiciones anteriores. éste a menudo se confunde con el método y/u operador. Por tanto. gages y medio ambiente así como la repetibilidad dentro del laboratorio. Entre instrumentos: el promedio de las diferencias usando instrumentos A. Establecido de otra manera. operadores y método. error de observación (facilidad de lectura. restablecimiento a cero. NOTA: en el estudio de error de reproducibilidad. un gage. etc. técnica. 2. 3. Entre estándares: la influencia promedio de los diferentes estándares de ajuste en el proceso de medición.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. 56 . posición. Efectividad en el entrenamiento del operador. existen diferencias en las definiciones usadas por ASTM y las usadas por este manual.

humedad. La sensibilidad es determinada por el diseño del gage (discriminación). polvo. Siempre es reportada como una unidad de medida.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). Es la respuesta del sistema de medición a cambios en la propiedad medida. Consistencia Consistencia es la diferencia en la variación de las mediciones tomadas en el tiempo. el mantenimiento en servicio y las condiciones de operación del instrumento y estándar. 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. su calidad inherente (FEO). Puede ser vista como repetibilidad en el tiempo. aire. • • • • • • • • • • • 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 .

Otra vez. En el corto plazo pudiera significar: la habilidad sobre una serie de ciclos de mediciones. para decir que la habilidad de un micrómetro de 25 mm es 0.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. un estimativo de la habilidad siempre está asociado con un alcance de las mediciones definido – condiciones. 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. un periodo especificado de producción o el tiempo representado para la frecuencia de 58 . rango y tiempo. Por ejemplo. el cual es una expresión del rango esperado del error o valores asociados con un resultado de medición). es una expresión del error esperado para condiciones definidas. 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. el tiempo para completar la evaluación RRG. alcance y rango del sistema de medición (a diferencia de la incertidumbre en las mediciones. El alcance para un estimativo de habilidad en las mediciones pudiera ser muy específico o una declaración general de operación.1 mm es incompleta sin calificar el alcance y rango de las condiciones de medición. por tanto. esto es porque un modelo de errores para definir un proceso de medición es muy importante. La habilidad simple incluye los componentes de: • • Sesgo o linealidad no corregidos Repetibilidad y reproducibilidad (RRG). Puede considerarse que existe homogeneidad (similitud) de la repetibilidad en el tamaño. Un estimativo de habilidad de las mediciones. incluyendo consistencia de corto plazo Hacer referencia al capítulo III para métodos típicos y ejemplos para cuantificar cada componente.

Una declaración de habilidad en las mediciones no solo necesita ser completo sino replicar en forma razonable las condiciones y rango de medición. Debido a que estos errores se correlacionan no pueden combinarse usando la simple fórmula lineal anteriormente mostrada. 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 . Cuando la linealidad (no corregida). 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. alcance y rango del sistema de medición (a diferencia de la incertidumbre en las mediciones. En este ejemplo. Un plan de control documentado pudiera servir para este propósito. Por tanto. tal como un micrómetro de 25 mm. Desempeño Así como en el desempeño del proceso. el estimativo de habilidad puede incluir el rango completo de las mediciones para múltiples tipos de propiedades y bajo condiciones generales. medio. Los sistemas de mediciones de mayor rango o más complejos (ej.Capítulo l – Sección E Aspectos Clave de las Mediciones calibración. una MMC) pueden demostrar errores en las mediciones de linealidad (no corregida).. uniformidad o consistencia varían significativamente sobre un rango. el desempeño del sistema de medición es el efecto neto de todas las fuentes de variación significativas y determinables en el tiempo. Segundo.. la consistencia y uniformidad (errores de repetibilidad) de corto plazo sobre el rango de las mediciones son incluidos en el estimativo de la habilidad. la cual es una expresión del error esperado del rango o valores asociados con un resultado de medición). rango bajo.. la repetibilidad sobre el rango completo de las mediciones usando operadores con habilidades se espera sea consistente y uniforme. El desempeño cuantifica una evaluación de largo plazo de los errores (aleatorios y sistemáticos) combinados de las mediciones. Para un instrumento simple. 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. alto). Un estimativo del desempeño en las mediciones es una expresión del error esperado para condiciones definidas. uniformidad y consistencia de corto plazo sobre un rango o medida.

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

61 . 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. Sección B. • 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).23 23 Ver también Capítulo I.

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

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. la expresión simple puede ser cuantificada como: u 2 C = σ2desempeño + σ 2 otros 63 . La incertidumbre es una expresión cuantificada de la confiabilidad en las mediciones. Recordar que una distribución normal a menudo se aplica como un supuesto o principio para los sistemas de medición. La incertidumbre expandida es el error estándar combinado (uc).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. dentro de un nivel de confiabilidad definido. el componente de error más significativo puede ser cuantificado por σ2desempeño. Una declaración de incertidumbre debe incluir un alcance adecuado que identifique todos los errores significativos y permita que las mediciones se repliquen. Algunas declaraciones de incertidumbre construyen en el largo plazo. U = kuc El error estándar combinado (uc) incluye todos los componentes significativos de la variación del proceso de medición. En esencia. 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 fuentes de error significativas pueden aplicarse en base a la aplicación de las mediciones mismas. la incertidumbre es el rango asignado a los resultados de las mediciones que describe. En la mayoría de los casos. Esto a menudo se interpreta como k=2. 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. A menudo. Sin embargo. Aún y cuando este término ha sido tradicionalmente reservado para muchas de las mediciones de alta exactitud ejecutadas en laboratorios de metrología o gages. 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. el error del sistema de medición. otras en el corto plazo. el rango esperado para contener los resultados de mediciones verdaderos. 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. medición o prueba. La incertidumbre en las mediciones es normalmente reportada como una cantidad bilateral.

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

estabilidad. la mayoría de los pasos iniciales ya existen. Si el sistema de medición fue desarrollado usando métodos de este manual. 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. Cuando la variación en el sistema de medición excede todas las demás variables. Paso 2 Identifica el Equipo El equipo para solución de un problema. 65 . en este caso. 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. es importante definir claramente el problema o aspecto clave. Por ejemplo. Los miembros del equipo y la función que ellos representan necesitan ser identificados en la hoja de solución de problemas. etc. cuando la variación reportada es actualmente causada por el dispositivo de medición. variación. Cada compañía puede usar un proceso de solución de problemas y el cual el cliente le haya aprobado. 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. Un sistema de medición simple puede requerir solo un par de gente. En el caso de aspectos clave de mediciones. llega a ser necesario analizar y resolver aquellos aspectos clave antes de trabajar con el resto del sistema. como cualquier proceso. un diagrama de causas y efectos puede ya existir ofreciendo lecciones valiosas aprendidas del proceso de medición. En algunos casos la contribución de la variación del sistema de medición es pasada por alto o ignorada. El proceso de graficar el flujo puede identificar miembros adicionales a agregar al equipo. Estos datos deben ser recolectados y evaluados previo a cualquier solución formal de algún problema. La declaración del aspecto clave necesita ser una definición operacional que cualquiera entienda y sea capaz de actuar en el aspecto en cuestión. Paso 1 Identifica los Aspectos Clave Cuando se esté trabajando con sistemas de medición. Esto llevaría a la discusión de información conocida y no conocida a cerca de las mediciones y su interrelación con el proceso. El aspecto importante a ser es tratar de aislar la variación de las mediciones y su contribución.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. 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). esto puede tomar forma de exactitud. de la variación del proceso (la decisión puede ser trabajar en el proceso más que trabajar en el dispositivo de medición).

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

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 .

Verifica los dispositivos y sujeción si aplica. Si la variable equivocada está siendo medida. 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. A fin de determinar esto. 2) Determina que propiedades estadísticas del sistema de medición necesitan determinarse a fin de ser aceptable.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. un experimento estadístico y simple de dos factores pudiera realizarse periódicamente como la prueba de la etapa 2. La etapa 1 prueba los resultados para indicar que el ambiente de operación no contribuya significativamente a la variación global del sistema de medición. si existe un impacto significativo de la repetibilidad y reproducibilidad sobre la variación total del sistema de medición. que sin tal conocimiento. 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. 69 . (Verifica dispositivos y sujeción si aplica) También si existen aspectos ambientales críticos que sean interdependientes con la medición. Después de que las propiedades estadísticas se han determinado. la variación atribuible al sesgo y linealidad del dispositivo de medición debiera ser pequeña comparada con los componentes de repetibilidad y reproducibilidad. Adicionalmente. el sistema de medición debe ser evaluado para saber si actualmente cuenta o no con dichas propiedades. ¿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. repetibilidad y reproducibilidad).. linealidad. 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. Los aspectos ambientales pueden conducir a un cambio en localización o a un ambiente controlado para el dispositivo de medición.Capítulo II . entonces no importa que tan exacto o preciso es el sistema de medición. Por ejemplo. sesgo. Identifica también cualquier aspecto clave y crítico ambiental que sea interdependiente con las mediciones. es importante saber como son usados los datos. y simplemente consumirá recursos sin ofrecer beneficios.

Capítulo Il – Sección A Antecedentes 70 .

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

entonces puede no ser posible. y los clientes de la instalación de un proceso de manufactura que de hecho. 72 . no sea monitoreado debido a que el sistema de medición no esté operando apropiadamente. ¿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. 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. si los sistemas no están trabando bien juntos. otros aspectos clave que son específicos al sistema de medición particular a ser probados pueden ser también importantes. puede ser posible determinar si los dos sistemas de medición están trabajando bien juntos o no. sin el uso de estándares o patrones. • Adicional a estos aspectos clave y generales. Si no se usan estándares o patrones. determinar que sistema necesita mejoramiento.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. 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. Sin embargo.

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

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

Cada evaluador debiera usar el procedimiento – incluyendo todos los pasos – que ellos usen normalmente para obtener las lecturas.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. el número de evaluadores. • ¿Es la calibración del evaluador del equipo de medición muy probable una causa significativa de variación? Si es así. los evaluadores debieran recalibrar el equipo antes de cada grupo de lecturas. Aunque el número de evaluadores. 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. 75 . El mantener condiciones comunes entre programas de pruebas y pruebas secuenciales mejorará las comparaciones entre los diferentes resultados de pruebas. intentos y partes puede ser variable cuando se usen las prácticas recomendadas y discutidas en este manual. los evaluadores que normalmente usen el dispositivo de medición debieran ser incluidos en el estudio. 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. El efecto de las diferencias entre los métodos que los evaluadores usen será reflejado en la reproducibilidad del sistema de medición. • ¿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.

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

puede ser útil establecer prioridades en cuáles sistemas de medición enfocarse. 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. la primer cosa a hacer cuando existe algún aspecto clave aparente en las mediciones es revisar el ensamble y las instrucciones de ajuste. el sistema de medición debiera recalibrarse o aplicarse una corrección de compensación para minimizar este error. los sujetadores/probadores estén correctamente posicionados y tengan la carga correcta. 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. y las gráficas de control indican que el proceso es estable. el sistema de medición puede ser considerado como aceptable para dicho uso y no 77 . cuando el SPC ha sido aplicado para control del proceso ó recolección de datos del proceso mismo. 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. (NOTA: esto no estaría en las instrucciones) y. En tales casos. También. En general. . verificar que el programa sigue el protocolo requerido ó esperado. para estar seguros de que el gage fue apropiadamente ensamblado. para mediciones automatizadas.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. 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. se resetea ó repara el gage y los dispositivos. (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. Si se encuentran problemas en alguna de estas áreas. En general. Esto puede ser debido a variaciones del gage excesivas ó una repetibilidad pobre y valores de RRG pobres. Error de Localización Criterios de Aceptación – Error de Localización El error de la localización es normalmente definido analizando el sesgo y la linealidad. por ejemplo. Un sistema de medición debiera ser estable antes de ser válido cualquier análisis adicional. Dado que la variación final (total) se basa en una combinación de la variación del proceso y las mediciones.

Capítulo Il – Sección D Análisis de Resultados requiere alguna re evaluación por separado 29. 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. Ver Capítulo I. 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. a fin de reducir la variación final en las mediciones. por ejemplo. 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. costos de retrabajos ó reparaciones. 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. Esta condición puede ser abordada por el uso de una estrategia de mediciones apropiada. En ambos casos el proceso está fabricando producto aceptable. especialmente útil cuando se trate de separar ó clasificar partes ó cuando se requiere cerrar el control del proceso. Debiera hacerse todo esfuerzo por mejorar el sistema de medición. entonces puede asumirse que (1) ambas variabilidades actuales del proceso y las mediciones son aceptables. Puede ser acceptable para algunas aplicaciones Comentarios Recomendado. usando el resultado promedio de varias lecturas sobre la misma característica de la parte.. 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. “Aspectos Clave en las Mediciones”. Si alguna condición ó no conformancia fuera de control se encuentra en esta situación. por ejemplo. En el caso (2) la existencia de una no conformancia ó una condición fuera de control podría ser una falsa alarma (ej. 78 . Debiera ser aprobado por el cliente. La decision debiera basarse en. Para sistemas de medición cuyo propósito es analizar un proceso. Este estadístico indica el número de categorias en las cuales el proceso de medición puede dividirse. la primera cosa que debiera hacerse es evaluar el sistema de medición. Este valor debiera ser mayor ó igual a 5. importancia de las mediciones en la aplicación. costos de dispositivos de medición. 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. Sección E.

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

Como se discutió previamente. Las partes no cambian dimensionalmente durante el estudio.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. En muchas situaciones las fuentes principales de medición son debidas al instrumento (gages/equipo). 83 . 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. 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. Los procedimientos son apropiados de usar cuando: Solo dos factores o condiciones de medición (ej. evaluadores y partes) más la repetibilidad del sistema de medición están siendo estudiados. No existe interacción estadística entre los evaluadores y las partes.. El efecto de la variabilidad dentro de cada parte es insignificante. Los procedimientos son simples de usar y pueden aplicarse en un ambiente de producción. 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).

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

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

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. 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. Esta puede compararse con la del proceso para determinar si la repetibilidad del sistema de medición es adecuada para la aplicación.01. 32 Si el proceso de medición es estable. 32 Ver Manual de Referencia del SPC. las gráficas XR son desarrolladas (ver Figura III-B 1). También. no existe un análisis numérico y específico o índice para estabilidad. Después de que todos los datos son recolectados. 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. el equipo de proceso selecciona una parte próxima al punto medio del rango del proceso de producción. los datos pueden usarse para determinar el sesgo del sistema de medición. 86 . Ejemplo – Estabilidad Para determinar si la estabilidad de un nuevo instrumento de medición es aceptable. la desviación estándar de las mediciones puede usarse como una aproximación de la repetibilidad del sistema de medición mismo. Esta parte es enviada al laboratorio de medición para determinar el valor de referencia el cual es 6. El equipo mide esta parte 5 veces una vez al turno por cuatro semanas (20 subgrupos).

cuando se compare con la repetibilidad. Usa este promedio como el “valor de referencia”. 33 Ver Capítulo I. Revisa el histograma. Si esto se hace. Sección E. usando el conocimiento del tema en cuestión. altos y de rango medio de las mediciones esperadas. para una definición operacional y discusión de causas potenciales. analiza los datos usando un estudio de linealidad. Precaución especial debe tenerse para alguna interpretación o análisis cuando n < 30. Puede ser deseable contar con muestras master para valores mínimos. 1) Obtén una muestra y establece su valor de referencia en relación aun estándar o patrón rastreable. Si no existe alguno disponible. Consecuentemente. En general. 2) Cuenta con un solo evaluador para que mida la muestra n >10 veces de una forma normal. 87 . el error del sesgo y la linealidad de un sistema de medición es aceptable si no es significativamente diferente de cero. Mide la parte n >10 veces en el cuarto de herramientas y calcula el promedio de las lecturas n.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). 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. la repetibilidad debe ser aceptable cuando se compare con la variación del proceso a fin de que este análisis sea útil. para determinar si causas especiales o anomalías están presentes. Si no. continúa con el análisis. 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.

la continuación del análisis del sistema de medición con un %EV largo podría conducir a resultados que se malinterpreten ó confusos. Dado que el análisis de sesgo asume que la repetibilidad es aceptable. 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. 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 . Sección D). Método de Rangos. 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).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. mostrado adelante). ó t bias 34 La incertidumbre para el sesgo es dada con σb 88 . Si el %EV es largo (ver Capítulo II. entonces la variación del sistema de medición puede ser inaceptable.

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

2 6.0 0.1 0.1 6.4 0.1 6. el supervisor generaría el histograma y análisis numérico (ver Figura III-B 2 y Tabla III-B 2).0 0.2 5.3 0.6 5.9 5.2 -0.4 6.0 Sesgo -0.3 -0.7 5.0 6.4 0.0 6.0 Tabla III-B 1: Datos de Estudio de Sesgo Usando una hoja de cálculo y software estadístico.1 0.9 6.1 6.1 0.2 -0.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 = 6.8 5. 4 3 Frecuencia 2 1 0 5.8 Valor de las Mediciones 5.00 5.1 6.9 6.4 90 .6 6.1 -0.0 6.1 0.7 5.0 0.0 6.3 6.3 6.

1107.2120 se compare contra la variación del proceso esperada (desviación estándar) de 2.5) = 8.1241). la repetibilidad es aceptable y el análisis de sesgo puede continuar.5. Dado que el %EV = 100(.sesgo (Con H0 y un intervalo de confianza del 95% para t para el promedio) Frecuencia Estudio .Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Histograma del Estudio . Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (-0. 91 .212/2. La repetibilidad de 0. el ingeniero puede asumir que el sesgo de las mediciones es aceptable asumiendo que el uso actual no introduce fuentes adicionales de variación. 0.Histograma del Estudio de Sesgo El histograma no mostraba alguna anomalía ó punto más allá de sus límites que requiriera análisis y revisión adicional.5%.sesgo Tabla III-B 2: Estudio de Sesgo .

1107 0.2120 0.12 Valor de Referencia = 6.14479 0067 -0.0547 Estadístico t Valor Medido 0. Mide la parte n >10 veces en el cuarto de herramientas y calcula el promedio de las n lecturas. σr la Media. 1) Obtén una muestra y establece su valor de referencia en relación a un estándar o patrón rastreable.00. 35 Aun y cuando los datos son ofrecidos con un dígito después del punto decimal. ej. σb 0. α = 0.05 Valor t Intervalo de Confianza del Sesgo df Significativo 95% del Sesgo Promedio (2 – colas) Inferior Superior 14 2. Usa este promedio como el “valor de referencia”. El análisis de la gráfica de control debiera indicar que el sistema d medición es estable antes de que el sesgo se evaluado. los datos pueden también usarse para evaluar el sesgo.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables n Valor Medido 15 Promedio 6.1241 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. 2) Conduce el estudio de estabilidad con g (subgrupos) ≥ 20 subgrupos de tamaño m.. los resultados son mostrados por un programa estadístico típico usando doble precisión.0067 Error Desviación Estándar de Estándar. Si no existe uno disponible. con dígitos decimales múltiples. 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. 92 .

Revisa el histograma. 4) Análisis de Resultados – Numérico 5) 6) Obtén la X de la gráfica de control. el continuar el análisis con un sistema de medición con un %EV grande conduciría a resultados que podrían mal interpretarse ó confusos. Si no.. usando conocimientos del asunto ó tema en cuestión. Dado que el análisis de sesgo asume que la repetibilidad es aceptable. Si el %EV es grande (ver Capítulo II. entonces la variación del sistema de medición puede ser inaceptable. para determinar si están presentes causas especiales ó anomalías. Calcula el sesgo restando el valor de referencia de X . 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). (ver Apéndice C). sección D). 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). Si m ≥ 2. usa el análisis descrito para el método de muestras independientes (ver arriba).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.valor de referencia 7) Calcula la desviación estándar de la repetibilidad usando el promedio de los rangos. mientras que la magnitud absoluta del sesgo excede a los valores aceptables del equipo. continua con el análisis. 93 . el análisis puede indicar que el sesgo es estadísticamente cero. grafica los datos en un histograma relativos al valor de referencia. sesgo = X . ej.

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.021. 94 . El sesgo calculado es por tanto 0. Debiera obtenerse un acuerdo con el cliente si se usa un nivel de α diferente al valor por defaul de 0. 36 La incertidumbre para el sesgo es dada por σb .011.0519).01. 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. 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. Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (-0.1−α ⎞⎤ ≤ cero ≤ Sesgo + ⎡σ b ⎛ tv .1−α ⎞⎤ ⎟ ⎟ ⎢ ⎜ ⎢ ⎜ 2 ⎠⎥ 2 ⎠⎥ ⎣ ⎝ ⎦ ⎣ ⎝ ⎦ donde v se encuentra en el Apéndice C y t α se encuentra usando las tablas estándar para t. Usando una hoja de cálculo y software estadístico. v . El promedio global de todas las muestras (20 subgrupos de tamaño 5 para n = 100 muestras) fue de 6. 0.0299.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 . el supervisor generaría un análisis numérico (Tabla III-B 3).05 (confiabilidad del 95%).

todavía puede usarse a través de un cambio en el procedimiento (ej.. Revisar las instrucciones de medición. Si el sesgo no puede ajustarse a cero. Algoritmo incorrecto para la corrección del instrumento. debiera usarse solo con la concurrencia del consumidor. Instrumento desgastado. Instrumento usado en forma inapropiada por el 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. software o ambos.01. d2 = 2. Revisar el procedimiento de calibración.993 0. α = 0.02048 * Valor de Referencia = 6.011 -0. Instrumento hecho para dimensiones equivocadas. Media 6.05. m=5. 95 . Dado que esto cuenta con un alto riesgo de error del evaluador. investigar las siguientes posibles causas: • • • • • • • Error en el master o valor de referencia. Si el sistema de medición cuenta con un sesgo no cero.334.2048 0.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables n Valor Medido 100 X .326 Intervalo de Confianza del Valor Estadístico Sesgo 95% del Sesgo df Significativo de t t (2 – colas) Inferior Superior Valor Medido 0.0299 0. Procedimiento de chequeo del master. Instrumento midiendo la característica equivocada. ajustando cada lectura por el sesgo). Instrumento no calibrado apropiadamente.5371 72.021 Error Desviación Estándar de Estándar σ la Media σb 0. donde debiera ser posible recalibrarse para lograr un sesgo de cero a través de la modificación del hardware.7 1. g = 20. Esto puede mostrarse en el análisis de estabilidad y sugeriría un programa de mantenimiento o reconstrucción. d 2 = 2.

Sección E. cubren el rango de operación del gage.j – (valor de Referencia)i Sesgoi = ∑ Sesgo j =1 m i. j m 5) Grafica los sesgos individuales y loa promedios de los sesgos con respecto a los valores de referencia sobre una gráfica lineal. Sesgoi. (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. Para el mejor ajuste de la línea.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. para una definición operacional y discusión de causas potenciales. 96 . Selecciona las partes al azar para minimizar algún sesgo del evaluador en las mediciones. 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. 3) Mide cada parte m >10 veces sobre el gage en cuestión por uno de los operadores quien normalmente use el gage mismo. usar: yi = axi + b donde xi = valor de Referencia yi = Promedio de los sesgos y 37 Ver Capítulo I. debido a la variación del proceso. Análisis de Resultados – Gráfico 4) Calcula el sesgo de la parte por cada medición y el promedio de los sesgos para cada parte.j = Xi.

Dado que el análisis de sesgo asume que la repetibilidad es aceptable. Sección D). Sección B.1−α ⎜ + 2 ⎢ ⎜ gm 2 ∑ (x i − x ) ⎟ ⎥ ⎠ ⎥ ⎝ ⎢ ⎦ ⎣ 1 ⎡ 2 ⎛ 1 ⎞ 2 ⎤ (x 0 − x ) ⎟ s ⎥ + superior: b + ax0 + ⎢t gm . (ver ejemplo de la Figura IIIB 3). en Capítulo III. −2. Si el %EV es largo (ver Capítulo II. 8) Graficar la línea de “sesgo = 0” y revisar la gráfica para indicaciones de causas especiales y aceptación de la linealidad.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. 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). la continuación del análisis del sistema de medición con un %EV largo podría conducir a resultados que se malinterpreten ó confusos. −2. 38 Ver la nota para la selección del nivel α en el área de “Guías y Lineamientos para Determinar el Sesgo”.1−α ⎜ 2 ⎢ 2 ⎜ gm ∑ (x j − x ) ⎟ ⎥ ⎝ ⎠ ⎥ ⎢ ⎣ ⎦ 7) La desviación estándar de la variabilidad de la repetibilidad. 97 . 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. entonces la variación del sistema de medición puede ser inaceptable.

Las partes fueron seleccionadas al azar durante el estudio. Se seleccionaron 5 partes alrededor del rango de operación del sistema de medición y en base a la variación del proceso documentado.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 . 2006 98 . 4ª. Como parte de un PPAP 39. Cada parte fue entonces medida 12 veces por el operador titular. Para que la linealidad sea aceptable este sesgo debe ser 0.1 − α 2 Ejemplo . la linealidad del sistema de medición necesitaba ser evaluada. Edición. la línea de “sesgo = 0” debe extenderse totalmente dentro de las bandas de confiabilidad de la línea ajustada.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Para que la linealidad del sistema de medición sea aceptable.Linealidad Un supervisor de planta estaba presentando un nuevo sistema de medición para un proceso. 39 Manual del Proceso de Aprobación de Partes para Producción.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. Cada arte fue medida por una inspección de layout para determinar su valor de referencia. H0 : b = 0 No rechazar si t = b 2 ⎡ 1 ⎤ x ⎢ ⎥s + 2 ⎢ gm ∑ (xi − x ) ⎥ ⎣ ⎦ intersección (sesgo) = 0 ≤ tgm − 2.

10 6.4 -0.61667 Tabla III-B 5: Estudio de Linealidad – Resultados Intermedios 99 .00 9.50 9.30 6.30 9.60 7.80 5.20 5.80 7.1 -0.00 6.5 -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 2.00 1.5 -0.40 Tabla III-B 4: Datos del Estudio de Linealidad Usando una hoja de cálculo y software estadístico.2 1.00 0.60 2.20 9.50 9.70 7.70 2.3 0.50 7.90 6.70 5 10.00 -0.50 9.6 -0.9 -0.1 -0.3 -0.1 -0.90 4.10 4 8.6 0.50 2.30 2. el supervisor generó la gráfica de linealidad (Figura III-B 3).80 7.5 0.4 -0.2 0.00 3.5 -0.40 2.1 -0.8 -0.40 2.2 -0.3 -0.1 0.80 3 6.90 3.125 3 6.2 -0.2 -0.40 6.40 2 4.5 -0.1 0.5 0.4 -0.70 2.6 -0.90 4.491667 2 4.2 -0.70 5.2 -0.40 2.50 2.30 9.00 -0.7 0.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 2.3 -0.70 7.1 0.7 0.3 -0.00 6.00 5.2 -0.50 2.0 0.60 7.0 -0.10 3.29167 5 10.0 0.5 0.50 9.0 0.00 2.30 9.7 -0.90 5.5 0.70 7.80 3.5 -0.1 -0.2 -0.1 -0.80 7.4 0.4 0.4 0.7 -0.40 9.90 3.10 6.90 3.00 6.00 5.4 0.4 0.10 3.80 7.00 7.80 7.10 9.1 0.0 0.00 4.00 -0.025 4 8.50 2.1 -0.7 -0.3 0.1 0.3 -0.60 9.

la línea de “sesgo = 0” intersecta los límites de confiabilidad más que estar contenido dentro de éstos. El valor de R2 indica que un modelo lineal puede no ser un modelo apropiado para estos datos. 100 .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 = -12.4 % 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. 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. dado que el análisis numérico no ofrecerá ningún aspecto adicional. Sin embargo.736667 – 0.975.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Ejemplo de Linealidad Y = 0. el supervisor debe empezar el análisis y resolución del problema del sistema de medición. Aún si los datos para el valor de referencia 4 no fueran considerados.158 Tomando el defaul α = 0. Los datos para el valor de referencia 4 parecen ser bimodales.40 Aún si el modelo lineal fuera aceptado. En este punto.131667X R-Sq = 71.043 tb= 10. el análisis gráfico muestra claramente que este sistema de medición tiene un problema de linealidad. queriendo estar seguro que el trabajo en papel no se deja pendiente.

975 dado que existe un problema de linealidad. el enfoque de ANOVA se prefiere por su flexibilidad si es que el usuario tiene acceso a un apropiado programa de computadora. todos los métodos ignoran las variaciones entre las partes (tales como. 41 Ver Capítulo I. “Variación de la Localización”. 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. etc.. Tres métodos aceptables serán discutidos en detalle en esta sección. software o ambos. Si el sesgo no puede ser ajustado a cero a través del rango del sistema de medición. para una definición operacional y discusión de las causas potenciales. Las posibles causas para problemas de linealidad pueden encontrarse en el capítulo I. Como se presentó.00172 Dado que valor absoluto de t a > t 58. redondeado. Históricamente.. Si no.975 . se hacia el supuesto de que la interacción es cero. 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. pero sin análisis hasta que el sistema de medición llegue a ser estable.. como se discute en el Capítulo IV. en cuyo caso los resultados de ambos enfoques eran equivalentes. necesita ser recalibrado para lograr un sesgo de 0 a través de la modificación del hardware. todavía puede ser usado para control del producto / proceso.975= 2. no importa que relación tenga tb con t58. Dado que esto cuenta con un alto riesgo de error del evaluador. el resultado obtenido del análisis gráfico es reforzado con el análisis numérico. Sección E. En este caso. planicidad. Se prefiere el método ANOVA porque mide el error del gage por la interacción entre el operador y las partes. 101 . adelgazamiento diamétrico. El enfoque de ANOVA puede identificar la interacción entre las partes y el evaluador. el enfoque de X barra y R es apropiado y puede hacerse manualmente ó vía un programa de computadora. Con esto dicho. el diseño de los datos para el estudio es muy similar para cada uno de estos métodos. debiera ser usado solo con la concurrencia del cliente.existe un problema de linealidad con este sistema de medición. 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.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. sección E. Sección D en sus análisis.

05 0.95 0. entonces la reproducibilidad es la variación entre los dispositivos. No secciona la variabilidad en repetibilidad y reproducibilidad. repetibilidad. 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. ambos evaluadores miden cada parte una a la vez..50 Evaluador B 0. con m = 2 y g = número de partes.05 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. todas las técnicas en esta sección están sujetas al prerrequisito de estabilidad estadística. 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. El método de rangos típicamente utiliza dos evaluadores y 5 partes para el estudio.45 0.10 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. sino también puede incluir la variación de las partes a ser checadas.10 42 ej. ajustada y medidas por el mismo equipo.00 0.70 0.80 0. solo es necesario un estudio de repetibilidad.55 0. Si todas las partes son manejadas. Finalmente.. etc. Aunque la reproducibilidad es usualmente interpretada como la variación del evaluador.. si se usan dispositivos múltiples. 1 * donde d 2 es * d2 Partes 1 2 3 4 5 Evaluador A 0. entonces la reproducibilidad es cero.75 1. existen situaciones donde esta variación es debida a otras fuentes de variación misma. ej. el sistema de medición total incluye no solo el gage mismo y su sesgo respectivo.B) 0.Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Sin embargo.60 Rango (A. con algunos sistemas de medición en proceso no existen evaluadores humanos. %RRG > 30% 102 .85 0. Este método ofrece solo una gráfica global del sistema de medición. Por ejemplo. Es típicamente usada como un chequeo rápido para verificar que la RRG no haya cambiado. En este estudio. La variación total de las mediciones es encontrada multiplicando el promedio de los rangos por encontrado en el apéndice C.05 0. La suma de rangos es encontrada y el promedio de rangos R es calculado. Sin embargo.

0777. En la tabla III-B 6. si existe tal.07 ⎞ RRG = ⎜ * ⎟ = ⎜ ⎟ ⎜ d ⎟ ⎜ 1.7% ⎝ DesviaciónEstándar Pr oceso ⎠ Ahora que el porcentaje del RRG para el sistema de medición es determinado. A diferencia del método de rangos.43 Si embargo.0777 del Estudio Previo) RRG ⎞ ⎛ % RRG = 100 * ⎜ ⎟ = 75. 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. por tanto. 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. este enfoque permite que la variación del sistema de medición sea seccionada en dos componentes por separado. repetibilidad y reproducibilidad. RRG ⎞ ⎛ % RRG = 100 * ⎜ ⎟ = 75.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Promedio de los Rangos (R ) = ∑R 5 i = 0. convertir el RRG a un porcentaje multiplicando por 100 y dividiendo entre la desviación estándar del proceso.0588 ⎠ ⎠ ⎝ ⎝ 2⎠ ⎝ (Desviación Estándar del Proceso = 0. debiera darse una interpretación de los resultados.5% y la conclusión es que el sistema de medición necesita mejoramientos.19 ⎟ = 0.07 5 ⎛ R ⎞ ⎛ R ⎞ ⎛ 0. se determina que el porcentaje de RRG es 77.19 ⎟ = ⎜ 1. En el ejemplo (ver tabla III-B 6). la variación debida a la interacción entre el evaluador y las partes/gage no es tomada en cuenta para el análisis.35 = 0. 103 .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.

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

83 -0.55 0.22 0.56 -0.46 -0.27 para 2 intentos y 2.87 -1.75 0.21 -0.41 0.49 0.11 -0.31 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 = 3.45 1.47 0.01 10 -1.47 -1. Identificar las causas y corregirlas.34 1.34 1.16 1 0.29 -0.01 1.68 -0.13 -0.38 -1.46 -1.26 1.27 4 0.08 -0.07 -0.20 0.20 -0.17 1.47 0.92 -0.17 9 2.56 -0.14 0. Notas: Figura III-B 6a: Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages 105 .25 0.02 0.03 0.28 -0.77 1.15 -1.50 0.62 -1.45 -0.84 6 0.22 -0.77 -2.80 2.04 -0.88 1.08 0.20 0.67 -0.36 -1.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 0.49 -1.02 -0.19 -1.63 0.58 para 3 intentos. UCLR representa el límite de las lecturas individuales Rs.09 0.20 -0.34 0.19 0.49 1.64 5 -0.58 3 1.01 0.11 -1.94 1.12 2. 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.21 7 0.68 1.66 8 -0.25 -1.07 -1.31 -0.67 0.59 0.29 0.80 -0.20 -1.11 -0.64 2 -0.06 0.56 -1.68 -1.50 1 Parte 1 0. Circular aquellas que estén fuera de éste límite.99 2.96 0.

El gran promedio y los límites de control determinados usando el promedio de los rangos también son graficados. Las herramientas gráficas específicas usadas dependen del diseño experimental empleado para recolectar los datos. 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 gráfica de promedios resultante ofrece una indicación de la “facilidad de uso” del sistema de medición. 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. (ver también el Método de Análisis de Varianzas). El área dentro de los límites de control representa la sensibilidad (“ruido”) de las mediciones. Para mayor información. 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. Si los datos muestran este patrón. 106 . el sistema de medición debiera ser adecuado para detectar variaciones de parte a parte. aproximadamente una mitad o más de los promedios debiera caer fuera de los límites de control.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. ver referencias y buscar asistencia de fuentes estadísticas competentes. Las siguientes son algunas de las técnicas que se ha probado son útiles. Un esquema sistemático de los datos para variaciones aparentes por causas especiales y usando herramientas gráficas debiera anteceder a un análisis estadístico. Los datos del análisis del sistema de medición pueden ser desplegados gráficamente con gráficas de control. 46 Descripciones detalladas de estos análisis están fuera del alcance de este documento. 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). Dado que el grupo de partes usado en el estudio representa la variación del proceso.

No existen diferencias aparentes entre evaluador a evaluador. Figura III-B 5: Gráfica de Promedios “No Estancada” 47 Con el enfoque ANOVA. esta es también referida como gráfica de interacción de evaluadores – por .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.partes 107 .

La gráfica de rangos puede ayudar a determinar: • • El control estadístico con respecto a la repetibilidad. La consistencia del proceso de medición entre los evaluadores para cada parte. patrones dentro del evaluador o dentro de las partes. el método usado difiere de los otros. Si un evaluador está fuera de control. Si todos los evaluadores están fuera de los rangos de control. Los rangos no son datos ordenados. La razón es que no importa que tan grande sea el error de las mediciones pero los límites de control permitirán tal error. Rango Parte Figura III-B 6: Gráfica de Rangos – “Estancada” 108 . Si todos los rangos están en 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. Ninguna gráfica debiera desplegar patrones en los datos relativos a los evaluadores o partes. Del análisis de datos graficados pueden darse varias interpretaciones. 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. La estabilidad se determina por un punto o puntos fuera de límites de control. 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. los evaluadores están haciendo el mismo trabajo. El análisis de tendencias normales de la gráfica de control no debe usarse aún y cuando los puntos graficados sean conectados por líneas.

.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. 109 . 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.

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. Figura III-B 9: Diagrama de Dispersión 110 .

Esto ofrece detalles de: • • • Consistencia entre evaluadores. Interacciones parte – evaluadores. Indicación de irregularidades. 111 . los valores de datos altos y bajos y el promedio por parte – por – evaluador son graficados (ver Figura III-B 10). 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.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Gráficas de Bigotes En las gráficas de bigotes.

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. 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 .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.

Estas también indican que solo el evaluador B tiene una forma simétrica.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. También muestra su distribución de frecuencia combinada. 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. Figura III-B 12: Histograma Normalizado 48 - 48 Hacer notar que el “0. Esto puede indicar que los evaluadores A y C están introduciendo una fuente de variación sistemática que está resultando en los sesgos.0” de cada uno de los histogramas están alineados cada uno con respecto a los otros. puede identificarse aún antes de que los datos sean analizados. El análisis de los histogramas (Figura III-B 12) refuerza a las gráficas de errores. 113 . Aspectos clave tales como si el sesgo o falta de consistencia existe en las mediciones tomadas por los evaluadores.

La Consistencia en la linealidad entre evaluadores. 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 . 3 3 2 1 0 -1 -2 -3 -3 -2 • • • •• • •• •• • • Ev. 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. Esta gráfica puede ayudar a determinar: • • La Linealidad (sí se usa el valor de referencia).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). A Ev.

Si hubiera un acuerdo perfecto entre proveedores. los puntos graficados describirían una línea recta a través del origen y un eje a 45o. C Figura III-B 14: Comparación de Diagramas X .Y 115 .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. Esta gráfica compara los valores obtenidos por un evaluador contra los demás (ver Figura III-B 14). Ev. A Ev. B Ev.

u otra fuente de referencia estadística para una tabla de factores. 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. 6.27 si se realizan dos intentos.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. 3. R c ) al renglón 17. R b . Formatos en blanco y reproducibles se encuentran disponibles en la sección de formatos muestra. 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. Corrige las causas especiales que generaron la condición fuera de control. y 11. esta condición se habría ya corregido y no ocurriría aquí. Hacer lo mismo para renglones 10 y 15 y obtener R b y R c . 8. y registrar los resultados en los renglones 10 y 15 respectivamente. El valor del Límite Superior de Control (UCLR) de los rangos individuales es registrado en el renglón 19. 116 . La Figura III-B 15 muestra la hoja de recolección de datos en la cual se registran todos los resultados del estudio. Hacer lo mismo para renglones 6. o descarta dichos valores y recalcula el promedio y y el valor del límite UCLR en base al tamaño de muestra revisado. 10 y 15 ( R a . 7. 12 y 13. 10 y 15 son rangos y por tanto siempre ser valores positivos. 5) Registra (valor promedio) en el renglón 19 y multiplícalo por D449 para obtener el límite superior de control. 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. 7 y 8. 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 . NOTA: El valor del Límite Inferior de Control (LCLR) para menos de 7 intentos es igual a cero. registrar el resultado en el renglón 5. 12 y 13). 2 y 3. 1995. Si los datos fueran graficados y analizados usando una gráfica de control como se discutió previamente. 11. Notar que D4 es 3. 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”. 2) Los registros en los renglones 5. Súmalos y divídelos por el número de los evaluadores y registra el resultado (promedio de todos los rangos). 49 Ver Manual de Referencia del Control Estadístico de los Procesos (SPC). 2. 7) Suma los renglones (renglones 1. 4) Transfiere los promedios de los renglones 5.

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 16.7 y 8. 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. (Lo siguiente se refiere a la Figura III-B 16) 12) Transfiere los valores calculados de . respectivamente. Registra esta diferencia en el espacio titulado como X DIFF en el renglón 18. Registra los resultados en el renglón 16 en los espacios provistos para el promedio de las partes. y divide el total por el número de mediciones (número de intentos por número de evaluadores). RP es el rango de los promedios de las partes. 13) Ejecuta los cálculos bajo la columna titulada “Análisis de las Unidades de Medición” en el lado izquierdo del formato. 117 . 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. 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 .Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables 8) Suma los promedios de los renglones 1. Repite esto para los renglones 6. y 11. para cada parte. 14) Ejecuta los cálculos bajo la columna titulada “ % de la Variación Total ” en el lado derecho del formato. 9) Registra los promedios máximo y mínimo de los renglones 4. X DIFF y RP a los espacios en blanco provistos en el reporte adicional.

13 -0.14 -0.0683 10 Rango 11 C 12 2 13 3 14 Promedio 15 Rango 16 Promedio por Parte 1 0.413 -1.01 10 -1.77 -2.28 0.14 0.50 0.16 Rb = 0.29 -0.194 0.256 -0.75 -1.607 1.15 0.2543 0.38 0.571 17 18 19 R = ([(Ra = 0.157 0.089 0.483 0.21 0.34 0.03 0.454 -0.327 0.45 1.27 para 2 intentos y 2.25 0.513] + [Rc = 0.07 -1.80 2.23 -0.18 0.42 -0.08 -0.328]) [# deEvaluadores = 3] = 0.600 X b = 0.3417 X DIFF = X Max = 0.64 5 -0.42 0.42 0.16 0.11 -1.56 -1.166 0.09 0.12 -0.99 2.328 X = .71 -0.34 0.46 -1.3417 × [D 4 = 2.92 -0.099 0.58 para 3 intentos.027 0.27 1.67 1.297 2.45 0.940 -1.09 0.66 8 -0.537 -0.62 -1.18 -1.68 -0.1903 − X Min = −0.851 1.807 X c = -0.87 0.133 -0. Circular aquellas que estén fuera de éste límite.68 -1.59 0.211 0.19 0.80 -0.013 0.04 -0.20 0.07 0.227 2.260 0.36 -1.184 0.72 -1.67 -0.26 1.367 -1.01 1.667 -0.83 0.38 -1.169 -0.100 0.47 0.8816 [ ] * * D 4 = 3.150 -1.513 -0.11 -0.02 0.617 -0.284 -0.22 0.41 0.02 -0.49 0.12 2.88 1.511 R = 0.11 0.17 1.10 0.58] = LCSR = 0.853 0.58 3 1.31 Promedio 0.073 -1.39 0.037 -1. 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.49 0.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 0.447 -0.087 -1.790 1.157 0.08 0.503 1.77 1.0014 Rp = 3.3417 0.47 0.19 0.22 -0.20 -1.84 6 0.880 0.20 0.01 0.17 0.21 7 0.20 0.02 0.34 1.001 0.080 -0.47 -1.223 -0.11 -0.67 Rc = 0.63 0.27 4 0.56 -0.4446 * [ ] [ ] LCSR = R = 0.68 0.29 0.56 -0.697 -1.186 0.1903 Ra = 0.25 -1.184 )] + [Rb = 0.40 0.35 0.19 0.55 0.75 0.06 0.42 0.50 0.2543 = X DIFF = 0.307 X a = 0.49 -1.96 0.64 2 -0.20 0.115 0.36 0. UCLR representa el límite de las lecturas individuales Rs.39 1.064 -0.17 9 2.17 1. Identificar las causas y corregirlas. Notas: Figura III-B 15: Hoja de Recolección de Datos Completada para R&RG 118 .31 -0.46 -0.94 1.342 1.20 -0.12 -0.

20188 Reproducibilidad – Appraiser Variación (AV) AV = = (0.30575) = 5.3146 = 100 [1. De gage: Tipo de Gage: Fecha: Revisado por: Dato : R = 0.14610] 2 0.8862 0.14610] =17.5231 = [0.10456 Variación Total (TV) TV = RRG 2 + PV 2 = (0.7071 3 0.094~5 ( ) Para información sobre la teoría y constantes usadas en el formato ver Manual de Referencia MSA.30575 + 1.3534 0.04% = 100 [0.7071 0.10456/1.201882 (10 × 3)) Evaluadores K2 (X DIFF × K 2 )2 − (EV 2 nr ) =0.38% PV = Pp × K 3 =1.41 (1.62% =0.22963/1.511 % de Variación Total (TV) %EV = 100[EV/TV] Intentos 2 3 K1 0.10456/0. edición Figura III-B 16: Reporte de Repetibilidad y Reproducibilidad de Gages 119 .5231)2 − (0.30575 Variación de Parte (PV) 4 5 6 7 8 0.20188 2 + 0.5908 = 0.3249 0.3417x0.4030 0.5908 %AV =100 [AV/TV] =100 [0.3417 X DIFF = 0.14610] = 26.14610 RRG = 1.Capítulo III – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables Reporte de Repetibilidad y Reproducibilidad de Gages Nombre y No.4446 Análisis de Medición Unitaria Repetibilidad – Variación del Equipo (EV) EV = R × K 1 Rp=3.3742 0.20188/1.14610] =96.22963 Repetibilidad y Reproducibilidad (RRG) RRG = EV 2 + AV 2 = %RRG = 100 [RRG/TV] (0. 4ª. De Parte: Características: Especificaciones: Nombre del gage: No.68% 100 = 0.4446 × 0.229632 ) Partes 2 3 K3 0.5231 = 20.30575/1.3375 0.41 PV = 1.4467 %PV = 100 [PV/TV] 0.104562 ) 9 10 ndc = 1.

los resultados fueron realizados y redondeados a un digito decimal adicional. Dado que la variación del evaluador es contaminada pro la variación del equipo. 120 . 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. K1 depende del número de intentos * aplicados en el estudio del gage y es igual al inverso de d 2 . 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).50 El análisis estima la variación y porcentaje de la variación del proceso para el sistema de medición total. 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. d 2 depende del número de evaluadores (m) y g =1. ofrecen un método para el análisis numérico de los datos de un estudio. existen cuatro diferentes enfoques para determinar la variación del proceso. 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. 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. 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.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. y sacando la raíz cuadrada como sigue: RRG = (EV )2 + ( AV )2 Generalmente. dado que solo existe el cálculo de un rango.. Figuras III-B 15 y III-B 16. reproducibilidad y variación de la parte. 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). Esta información necesita ser comparada y complementada con los resultados del análisis gráfico. 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. ej. la variación de los evaluadores (AV) es cero por defaul. Por tanto. 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. el cual se obtiene del * apéndice C. debe ajustarse restando una fracción de la variación del equipo. La repetibilidad o variación del equipo (EV o σ E ) se determina multiplicando el promedio de los rangos ( ) por una constante (K1).

d 2 depende del número de partes (m) y (g). 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. entonces puede ser usado en lugar de la variación total del estudio (TV) calculada de los datos del estudio del gage. la información debe venir de un proceso que esté en control estadístico. 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. 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. Si la variación del proceso es conocida y su valor se basa en 6σ. En este caso g = 1 dado que solo existe el cálculo de un rango. 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. 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).00 PV = (TV )2 − (RRG )2 121 .

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%. y GM. Los resultados de este porcentaje de variación total necesitan ser evaluados para determinar si el sistema de medición es aceptable para su aplicación esperada. 51 Por ejemplo. 51 Para usar esta opción. 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. Ford. ver Manual de PPAP de Chrysler. puede comparase con la variación total (TV).00. El porcentaje de la variación del equipo (% de EV) consume el total de la variación (TV) y es calculado por 100 [EV / TV ] . Los clientes FEO (Fabricantes de Equipo Original) raramente esperan una variación del proceso tan baja como un Pp(k) de 1. 122 . 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”. 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. esto es lo mismo que compararlo con el proceso de producción con un Pp de 1. 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.00.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. ni aceptan un proceso con tan bajo nivel de desempeño.

52 ndc = 1. Para análisis. %EV. 52 La importancia del número de categorías distintas (ndc) en actividades de análisis y control es discutida en el Capítulo I. el ndc es el máximo de uno ó de los valores calculados.RRG2 entonces ndc = 1. interacción entre las partes y evaluadores y error de replicación debida al gage. lo cual es posible con el truncado en sí. 123 . El paso final en el análisis numérico es determinar el número de categorías distintas que pudieran ser distinguidas confiadamente por el sistema de medición. Sección B. evaluadores. Este es el número de los intervalos de confianza no traslapados en un 97%.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. el cálculo para ndc es: TV2 = PV2 + RRG2 ó PV2 = TV2 . Sección E. Este resultado debiera ser mayor ó igual a 5. En el análisis de varianza.41 PV = 1. la varianza puede ser seccionada en cuatro categorías: partes. la regla empírica para la repetibilidad y reproducibilidad del gage (porcentaje RRG) puede encontrarse en el capítulo II.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. Ambos enfoques pueden tomarse dependiendo del uso esperado de sistema de medición y los deseos del cliente. truncado a un entero. %AV. 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. El cálculo de ndc es revisado en Capítulo II. los cuales se extienden en la variación esperada del producto. “Análisis de Resultados Numéricos”. “Aspectos Clave de Mediciones” (especialmente Figura I-E 3). 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.41 PV ( RRG ) Dado que el análisis gráfico no ha indicado alguna variación por causas especiales. sección D. En tal caso. %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). Para evitar un ndc = 0. algunos programas de computadora redondean el resultado calculado.

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

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

La tabla de ANOVA es usada para seccionar la variación total en cuatro componentes: partes. los componentes de varianzas negativas se fijan en cero. La columna de MS o promedios al cuadrado es la suma de los cuadrados dividido por los grados de libertad. 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 columna de DF que son los grados de libertad asociados con la fuente. La tabla ANOVA aquí se compone de 5 columnas (ver Tabla III-B 7). • • • • • La columna de Fuentes es la causa de la variación. Esta información es usada para determinar las características del sistema de medición como en el Método de Promedios y Rangos. calculada para determinar la significancia estadística del valor de la fuente. La columna de la razón o proporción F. Para propósitos de análisis. La columna de SS o suma de cuadrados es la desviación alrededor del promedio de la fuente.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. 126 . interacción de los evaluadores y las partes y repetibilidad debida al instrumento.

La Tabla III-B 10 muestra el reporte RRG para el método de ANOVA.3590 2.05 Tabla III-B 7: Tabla ANOVA MS 1.44* 213.051455 (Evaluador) γ2 =0 (Interacción) Sistema = 0.9 96.1673 88.6471 *Nivel de Significancia de α=0.042327 TV =1.3619 0.7589 94.302373 PV = 1.2 ( ) σ 2 = 1. La Tabla III-B 9 muestra la comparación del método ANOVA con el método de promedios y rangos.226838 INT = 0 RRG = 0.039973 (Repetibilidad) ω 2 = 0.9 0 27.8 92.52 0. Estimativo de la Varianza 2 τ = 0.09143 τ 2 +γ 2 +ω2 Desviación Estándar (σ) EV = 0.01994 0.81799 0.086446 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 .0 100 % Contribución 3.58363 9.04598 F 34.434 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.199933 AV = 0.4 4.4 20.4 0 7.085 % Variación Total 18.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.

Capítulo IIl – Sección B Guías y Lineamientos – Estudios de Sistemas de Medición de Variables ndc = 1.41 1. las razones pueden ser: • • • • El instrumento necesita mantenimiento. El gage puede requerir ser rediseñado para ser más rígido.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. Por ejemplo. Si la reproducibilidad es grande comparada con la repetibilidad. Las calibraciones del gage no son claras. 128 . La sujeción o localización del gage necesita mejorarse. Existe una variación dentro de la parte excesiva. si la repetibilidad es grande comparada con la reproducibilidad. El dispositivo de algún tipo puede requerir el ayudar al evaluador a usar el gage más consistentemente. entonces las posibles causas podrían ser: • • El evaluador necesita ser mejor entrenado en como usar y leer el instrumento del gage.30237 ) = 4.04233 ( 0.

042 96. Número de categorías distintas de datos (ndc) = 4 Variación Total (TV) = 1.133 -0.200 0.200 18.033 27.4 3.302 1.042 96.9 4.104 LC Superior 90% 0.202 0.06 20.175 0. el componente de interacción no puede estimarse.7 96.266 Desviación Estándar 0.2 El sistema de medición es aceptable para Análisis y Control del Proceso Desviación Estándar Nota: Tolerancia = N.363 % de la Variación Total 17.4 Reproducibilidad (AV) 0.302 27.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. Tabla III-B 9: Comparación de los Métodos ANOVA y Promedios y Rangos Nombre y No.4 ANOVA 0.306 1.9 0. de Gage: Tipo de Gage: Fecha: Hecho por: % de la Variación Porcentaje de Total Contribución Repetibilidad (EV) 0.001 20.9 AV -0 -0 INTERACCIÓN 0.9 7.0 PV * En el método de promedios y rangos.237 RRG 1.129 0.227 20.A.9 Parte – a .016 -0.231 18.230 NA 0.1 NA 26.4 EV 0.0 92. de la Parte: Característica: Especificaciones: Nombre del Gage: No.177 0.Parte (PV) 1.227 1.240 1.085 Tabla III-B 10: Reporte de método ANOVA RRG 55 CL = Límite de Confiabilidad 129 .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 .

(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. Posibles Enfoques Escenario El proceso de producción está en control estadístico y cuenta con índices de desempeño de Pp = Ppk = 0. Como se discutió en el Capítulo I. existe un riesgo cuantificable cuando se estén usando sistemas de medición en la toma de decisiones. Los más comunes de éstos son el gage pasa/no pasa el cual cuenta solo con dos posibles resultados. y el efecto de una decisión incorrecta en los procesos restantes y el cliente final. el análisis más apropiado sería la cuantificación de la variación del sistema de medición con la curva de desempeño de un gage. aceptable. Debido a que el proceso está fabricando producto no conforme. solo debieran usarse bajo consentimiento del cliente.5 el cual es inaceptable. por ejemplo los estándares visuales. La selección y uso de tales técnicas debiera basarse en buenas prácticas estadísticas. pueden resultar en 5 a 7 categorías distintas tales como. Esto es en contraste con los sistemas de medición de variables los cuales pueden resultar en un infinito de valores. Otros sistemas de atributos. 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. pobre y muy pobre. Sección B. 56 Esto incluye la comparación de evaluadores múltiples 131 . En tales casos.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. se requieren acciones de contención para sacrificar las partes no aceptables del flujo de producción. un entendimiento de las fuentes de variación potenciales que afecten el producto y los procesos de medición. muy bueno. Los análisis descritos en los capítulos posteriores no pueden usarse para evaluar tales sistemas. Dado que el riesgo mayor está en los límites de la categoría. bueno. Las fuentes de variación de los sistemas de atributos debieran minimizarse usando los resultados de investigaciones sobre factores humanos y ergonomía.

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

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

566152 0.566575 0.483803 0.493441 0.470832 0.502436 0.454518 0.561457 0.477236 0.547204 0.515573 0.517377 0.521642 0.543077 0.409238 0.599581 0.452310 0.465454 0.520496 0.427687 0.542704 0.446697 + + x x + + + x + x + + + + + + x x + + x + + + x + + + x + x + + + x + + + + - 134 .412453 0.523754 0.501132 0.544951 0.576459 0.503091 0.449696 0.486379 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 0.488184 0.487613 0.488905 0.509015 0.529065 0.484167 0.505850 0.476901 0.514192 0.462410 0.531939 0.559918 0.502295 0.498698 0.437817 0.519694 0.587893 0.570360 0.545604 0.513779 0.

7 El equipo hace estimaciones similares para cada par de categorías y para cada par de observadores para completar las siguientes tablas: 135 .Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos El primer paso es sumarizar los datos observados. Revisando Tabla III-C1. La tabla de abajo se construyó para sumarizar la distribución de los datos para el par de observadores A*B. contando cuando ellos acordaron y desacordaron para cada conjunto de evaluaciones.00 Total 1. ¿Cuál es la probabilidad de que un par de observadores acuerde ó desacuerde en alguna observación.313 PB0= 50/150 = 0.00 1.333 Dado que los dos observadores son independientes. 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. Esto es. 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 = 0.104 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. B . hay 34 veces donde A-1 = 1 y B-1 = 1.00 A 0. la probabilidad de que ellos acuerden el que la parte está mala está dada por: p( A0I B0) = p p A0 B0 = 0. hay 32 veces donde A-2 = 1 y B-2 = 1. par alas 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.

00 42 16. Downey. Fleiss.0 150. J. Un valor de 1 indica que el acuerdo es perfecto. (1980).3 47 47.0 103. Cohen.0 50. John S. Krippendorf. J. R.00 44 15. (1987) 136 .00 5 47 31. Diferentes estadísticos son apropiados para diferentes tipos de mediciones.G. P. B. (1979).L.0 92 100 66.L.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos Tabulación Cruzada A * B B A 0.0 51 51. j. J.0 97 100 68.0 100. y Fleiss. M. Saal.00 6 50 34. K.0 8 34.00 Total 7 50 33.0 94 103 68. (1996). Everitt.E.00 43 17.0 150.0 51 51.7 3 31.A.0 99 150 99.00 150. (1986).G. y Uebersax. 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.00 1. 58 58 Existe un cierto número de estadísticos que puede ser usado para determiner el acuerdo entre evaluadores.3 50.0 Total 1. (2004). Ver la Lista de Referencias incluyendo: Bland. Shrout. M. D. Un valor de 0 indica que el acuerdo no es mejor que una mera probabilidad.7 100 103 150 103.00 1. el equipo utiliza el kappa (de Cohen) el cual mide el acuerdo entre las evaluaciones de dos evaluadores cuando están evaluando el mismo objeto.0 Tabulación Cruzada B * C C B 0.0 9 35.0 Tabla III-C 2: Resultados del Estudio de Tablas Cruzadas Para determinar el nivel de este acuerdo.0 99 150 99.0 Total 1.00 Total Cuenta Cuenta Esperada Cuenta Cuenta Esperada Cuenta Cuenta Esperada 0. F.0 47. (1971).0 1.00 Total Cuenta Cuenta Esperada Cuenta Cuenta Esperada Cuenta Cuenta Esperada 0. (1960).. y Lahey.00 1. y Altman.00 Total Cuenta Cuenta Esperada Cuenta Cuenta Esperada Cuenta Cuenta Esperada 0.0 Tabulación Cruzada A * C C A 0.

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. Entonces Kappa = po − pe 1 − pe Kappa es una medida más que una prueba59. 59 60 Como en todas las evaluaciones por categorías. solo si ellos acuerdan o no. pe= la suma de la proporción esperada en las celdas diagonales. Hacer po= la suma de las proporciones observadas en las celdas diagonales. 60 Calculando las medidas de kappa para los evaluadores.79 -- Tabla III-C 3: Resumen de Kappa Este análisis indica que todos los evaluadores muestran un buen acuerdo cada uno con los otros.75 indican u n acuerdo bueno a excelente (con un máximo de kappa = 1).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. un número grande de partes que cubran el espectro completo de posibilidades es necesario.78 0.78 B 0. Valores menores que 0. Kappa no toma en cuenta el tamaño del desacuerdo entre los estimadores.4 indican un acuerdo pobre. Cuando las observaciones son medidas en una escala ordinaria y por categorías un Kappa ponderado puede usarse para un mejor acuerdo de medición. La medida es juzgada usando un error estándar asintótico para construir el estadístico t. Con esta nueva información otro grupo de tables cruzadas es desarrollado comparando cada evaluador con la decision de referencia. el equipo concluye con lo siguiente: Kappa A B C A -0. 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.86 0.86 -0.79 C 0. 137 . 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.

0 68.0 Total 47 47.00 Cuenta 42 9 51 Cuenta Esperada 16.00 0.00 Cuenta 3 100 Cuenta Esperada 33.0 102.0 Cuenta 48 102 Cuenta Esperada 48.00 0.0 Cuenta 48 102 Cuenta Esperada 48.7 51.88 B .92 C .00 1.00 Cuenta 45 5 Cuenta Esperada 16.0 103 103.0 Cuenta 48 102 150 Cuenta Esperada 48.0 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 34.77 Estos valores pueden interpretarse como que cada uno de los evaluadores tiene un buen acuerdo con el estándar.0 1.0 C Total Tabulación Cruzada C * REF REF 0.0 1.0 34.00 Cuenta 45 2 Cuenta Esperada 15.3 99.0 150 150.00 Total 0.0 150.0 Total 50 50.0 1.0 102.00 1.00 Cuenta 6 93 99 Cuenta Esperada 31.0 B Total Tabulación Cruzada B * REF REF 0. Kappa A .7 67.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos A Total Tabulación Cruzada A * REF REF .00 Cuenta 3 97 Cuenta Esperada 32. 138 .0 32.0 70.0 102.0 100 100 150 150.00 1.

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

el Ppk = . de la Figura III-C 1: USL = . comparar el sistema de medición con el proceso. Identifica los puntos inicial y final de las dos áreas IIs. el RRG del sistema de medición. Esta “regla” toma en cuenta la comparación del sistema de medición con el que sea más estricto. Guías y Lineamientos: • Si Ppk>1. Este valor de referencia es mostrado en la columna de Valor Ref en la Tabla III-C1. • Si Ppk<1. comparar el sistema de medición con la tolerancia. En Tabla III-C 8 esto se muestra en la columna de Code (ó Código): + = aceptado con acuerdo total . y la amplitud promedio de estas zonas es usada para comparar el 3) 61 Ver Lista de Referencia: Baker 1975 143 . En este ejemplo.450 Entonces la Tolerancia = USL-LSL = . Pasos: 1) Determina la Tolerancia (rango de la especificación).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. Nota: esta tabla ha sido dividida en dos columnas para ahorrar espacio.). 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. de manera que el proceso es mayor que la tolerancia y este sistema de medición debiera por tanto compararse con la tolerancia. Tabla III-C 8: Tabla III-C 1 clasificada por Valor de Referencia Para los datos en la Tabla III-C 1. Esto requiere que cada una de las partes de la muestra puedan ser evaluadas fuera de línea por sistemas de medición de variables. Este valor usado es usado para calcular el RRG.100.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. el proceso ó la tolerancia.550 LSL = .

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

calcular: t= = 6.0. La CDG graficada en esta forma se muestra en la Figura III-C 4. 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. Un enfoque sería correr el estudio de la muestra en otro límite de la especificación.0023 La repetibilidad se determina encontrando las diferencias de las mediciones del valor referencia correspondientes a P'a=0.0023 0. El sesgo es igual al límite inferior menos la medición del valor referencia que corresponda a P'a=0. y el valor de XT es igual al límite de la especificación menos el sesgo.00142 and the associated GRR range is 0. La posición correcta de la curva sería definida en el punto donde la P'a = 0. En el ejemplo.0163) 1.078 × 0.5. Como en la Curva de Desempeño de un Gage para variables mostrada en el Capítulo IV.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 4.0023 = 0.995 y P'a=0.093. De la Figura III-C 4: Sesgo = -0.0085 5. el sesgo es significativamente diferente de cero. Sección F.15 Then σ repetibilidad Para determinar si el sesgo es significativamente diferente de cero.5.0123) = 0.08. la única consideración necesaria es la localización de la curva con respecto a los valores XT.(-0.84 Dado que t0. De la Figura III-C 4: R= 0.0077. no sería necesario correr el estudio otra vez.00142 = 9. Graficando una línea de mejor ajuste a través de estos puntos. Esto puede lograrse en una de dos formas. 148 .005 y dividiendo por 1. Esta localización se determina por el sesgo.078 × Sesgo σ repetibilidad 6.010 .010 . pueden determinarse el sesgo y la repetibilidad.0084(0.08 0.19=2. 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. Sin embargo y debido a los supuestos mencionados previamente.025. la CDG de atributos puede también ser graficada en papel de escala normal (ver Figura III-C 5).0073 1. En el ejemplo. este punto sería XT= 0.08 = R = 0.0079 = = 0.

0 ♦ 60.0 99.0 ♦ 90.Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos 99.0 ♦ ♦ 20.0 ♦ ♦ ♦ 10.0 ♦ 80.0 ♦ 95.010 .0 40.0 ♦ 98.0 ♦ ♦ ♦ 50.0 ♦ 30.5 1.0 ♦ ♦ ♦ ♦ ♦ 10.0 60.0 ♦ ♦ 98.0 ♦ ♦ ♦ 2.0 ♦ 95.0123) = 0.5 99.0 70.0 70.01 Sesgo = -0.8 99.0 5.0 ♦ 90.0 30.(-0.5 ♦ 99.0 20.5 0.0 ♦ Repetibilidad = 0.0 1.014 -0.0 ♦ ♦ 99.0 ♦ 5.016 -0.0 40.2 0.0023 Tabla III-C 4: Curva de Desempeño de Gage de Atributos Graficada en Papel de Probabilidad Normal 149 .2 ♦ -0.0 50.012 -0.0 2.0079 Desajustada ♦ 0.0 80.8 0.

0085 Figura III-C 5: Curva de Desempeño de Gages de Atributos 150 .6 0 .4 0 .0 1 0 0 .0 1 5 -0 .0 1 0 -0 .0 0 5 0 .9 Probabilidad de Aceptación 0 .0 0 .3 0 .Capítulo III – Sección C Estudio de Sistemas de Medición de Atributos LSL USL p 1 .8 0 .0 0 .0 0 5 0 .0023 RRG=0.0 2 0 -0 .7 0 .1 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=0.2 0 .5 0 .0 1 5 0 .0 -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 .

. 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”. y donde la parte misma no es dañada por el proceso de medición aunque la característica a ser medida cambia. ej. No todos los sistemas de medición tienen esta característica. la característica medida no cambia dentro de un período esperado de uso. Sistemas donde la parte cambia en el uso/prueba Sin embargo. stands de pruebas de transmisión.. pruebas de impacto (gravelometro) ó de espectrometría de masas y otros procesos de pruebas de características de materiales. incluyendo aquellos no discutidos previamente en este manual. etc. por ejemplo. 2) La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio – ej. pruebas de soldadura destructivas.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. ó 3) Las propiedades dinámicas (cambiantes) pueden ser estabilizadas 153 . pruebas de acabado metálico destructivas. se recomienda ayuda y consulta de fuentes estadísticas competentes. 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. por ejemplo: • • Sistemas de mediciones destructivas Sistemas donde la parte cambia en el uso / prueba. No se pretende que sea una lista completa cubriendo cada tipo de sistema de medición si no solo ejemplos de varios enfoques. existen otros sistemas de medición los cuales son no replicables. Ejemplos de esto son: pruebas de fuga con datos cualitativos. pruebas usando stands de prueba de máquinas. Si un sistema de medición no se ajusta al enfoque del manual. dinamómetros de vehículos. 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 dinamómetro en motores o transmisiones Lo siguiente son ejemplos de enfoques para análisis de sistemas de medición.

. Sistemas de medición destructivos. Otros sistemas de medición no replicables. 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. Otros sistemas de medición no replicables. stands de prueba S1 S2 S3 S4 S5 Estudios de Variabilidad Escenario La parte no cambia por el proceso de medición. 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... 154 . ej. Sistemas de medición con características dinámicas: ej. 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.. ej. Sistemas de medición destructivos. o • Propiedades dinámicas (cambiantes) las cuales han sido estabilizadas Lo anterior con p>2 instrumentos. Sistemas de medición con características dinámicas: ej. lo sistemas de medición que son no destructivos y serán usados con partes (especimenes) con: • Propiedades estáticas. los sistemas de medición que no son destructivos (replicables) y serán usados con partes (especimenes) con: • Propiedades estáticas..

• Determina el sesgo si el valor de referencia es conocido: sesgo = x .. ej.. Las partes (especimenes) cubren el rango esperado de la variación del proceso de la característica.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. Medición Única por Ciclo Aplicación: a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición. sistemas de medición que no son destructivos y serán usados con partes (especimenes) con: Propiedades estáticas. 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. 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).Capítulo IV – Sección B Estudios de Estabilidad Sección B Estudios de Estabilidad S1: Una Parte 66. 155 . ej. Supuestos: • • El sistema de medición es conocido (documentado) para una respuesta lineal sobre un periodo esperado de la característica (propiedad). la característica medida no cambia durante el periodo esperado de uso.

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

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

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

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

Capítulo IV – Sección B Estudios de Estabilidad 160 .

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. ej. es necesaria una conclusión analítica acerca del sistema de medición. • 161 ..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. 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. o 2) Propiedades dinámicas (cambiantes) las cuales han sido estabilizadas. proceso o servicios. V1: Estudios Estándar RRG Estos estudios están contenidos dentro de este manual de referencia. sistemas de medición que son no destructivos y serán basados con partes (especimenes) con: 1) Propiedades estáticas. Aplicación: a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición. Dado que los sistemas de medición son usados para toma de decisiones futuras acerca de los productos. mantenimiento. Analizar los resultados (datos) a la luz del uso esperado. medio ambiente. Estos estudios incluyen análisis gráficos y numéricos. Partes (especimenes) cubren el rango esperado de la variación del proceso de la característica. etc.. Supuestos: • La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio. ej. control.

ej. Los especímenes son divididos en m porciones.V3 con Pares de Partes Consecutivas Este estudio es el mismo que V3 pero usando pares consecutivos de partes más que especimenes divididos.. Grubbs. 162 . 1973. F. la característica medida no cambia durante el periodo esperado de uso y/o almacenamiento. Ver lista de referencias.. Este estudio es usado en situaciones donde la parte no puede ser dividida sin destruir la propiedad a ser medida. este es a menudo llamado estudio de prueba – volver a probar. Las partes (especímenes) cubren el rango esperado de la variación del proceso de la característica (propiedad).. Supuestos: • La vida de anaquel de la característica (propiedad) es conocida y se extiende más allá de la duración esperada del estudio. 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. Jr.A.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. • • 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 . Con m=2 porciones. 1963. Este es un estudio de límites superior: σ E ≤ σ e + σ btwn 71 72 Ver lista de referencias. W. Thompson.E..

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

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

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

704 2.961 3.6 Número de Replicaciones = Tamaño del Subgrupo = r = 2 Estima la Desviación Estándar de las Replicaciones R ˆ = σ e = 6.906 R = σ A = 2.1-102.669 Escribe abajo los promedios de los evaluadores: Evaluadores Promedio Numero de Evaluadores = nA = 3 =n=5 Numero de Muestras 108.178 5.1 ---------- 2.W.078 ERROR DE REPLICACION: Rango Promedio de los Subgrupos = R = 7.237 2.326 2.3 A B .128 1.059 2.534 2.738 d2 CALCULO PARA EFECTO DE LOS EVALUADORES nA 2 3 4 5 6 7 8 9 10 * d2 1.827 2.970 3.693 2.8 108.Capítulo IV – Sección E Método de Promedios y Rangos – Tratamiento Adicional Mediciones Evaluadas LONGITUD DE AJUSTE Hecho por R.hi D E F 103.L.076 3.781 ˆ * d2 Figura IV-E 3: Cálculos Alternativos para Evaluación de un Proceso de Medición (Parte 1 de 2) 174 .477 2.847 2.8 = RA Rango de los Promedios de los Evaluadores = RA = 5.lo C .3 ˆ =σA 1.906 2. Fecha r 2 3 4 5 5 6 7 8 9 10 MM-DD-YY d2 1.1 102.410 1.

178 30.17 113.7806) = 7.38 ˆ * d2 12.17 113.906 2.38 2.289 ˆ ˆ = (6.477 Rp = σ p = 12.410 1.827 2.289 ˆ Por tanto el número de categorías distintas de productos que pueden ser confiablemente distinguidas para estas mediciones es 1.67 --------------------- 1.477 2.698 ˆ ⎛σ ⎞ 1.237 2.961 3.00 102.698 σm 7.41⎜ p ⎟ = 2.7376) + (2.698 = 1.33 83.Lo 4 5 .076 3.0 = Rp Rango para estos Promedios de Muestras = Rp = 30.67 Estima la Desviación Estándar de Muestra a Muestra: Ejemplo Promedio 1 2 3 .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 σp ˆ = 1.669 2. (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).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 1.289 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. Figura IV-E 4: Cálculos Alternativos para Evaluación de un Proceso de Medición (parte 2 de 2) 175 .67 = 12.67 – 83.Hi Proporción Señal a Ruido: 6 7 8 9 10 ó2 111.

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

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

0) = 1.7 Nm ⎛ 1.5 + 0.05 0. Para X T = 0.0 ) − φ (1. 0.05 0. Ejemplo de una Curva de Desempeño de Gages: Para X T = 0.0.7 Nm entonces se rechazará menos de aproximadamente 0.0 − (0.05) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ 0.05 ⎝ ⎠ ⎝ ⎠ Pa = φ (5.84 178 . Usando los datos de un estudio previamente conducido: Especificación Superior Especificación Inferior sesgo = = = = UL LL B 0.05 ⎝ ⎠ ⎝ ⎠ Pa = φ (1.05) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ 0.5 Nm será rechazada aproximadamente 84% del tiempo.7 + 0.84 = 0.1% del tiempo.16 Esto es.6 − (0.0) = 0.999 Si el valor de referencia de la parte es 0.0 − (0.9 Nm.05) ⎞ ⎛ 0.0 Nm 0.6 − (0.0 .05 Nm = = = 1.0) − φ (− 3.05 0.7 Nm.0) = 0.05) ⎞ ⎛ 0.0 − (0.5 Nm.05) ⎞ ⎛ 0.05 ⎝ ⎠ ⎝ ⎠ Pa = φ (9.6 Nm 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. 0.0) − φ (− 7.9 + 0.05) ⎞ Pa = φ ⎜ ⎟ − φ⎜ ⎟ 0. cuando la parte tiene un valor de referencia de 0.9 + 0.7 + 0.9 Nm ⎛ 1.5 + 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.

El RRG es la diferencia entre los dos valores de XT.USL dependiendo de cual límite XT se seleccione. Un estimativo del sesgo se determina encontrando para XT. 76 El rango 6 RRG puede determinarse encontrando el valor de XT que corresponde a Pa = 0. como se muestra en la Figura IV-F 3. una vez desarrollada la CDG. y el valor de XT que corresponde a Pa = 0. puede usarse para calcular el error de repetibilidad y reproducibilidad. la CDG ofrece la probabilidad de aceptar una parte de cualquier tamaño. los límites superior o inferior que correspondan a Pa = 0. 77 76 77 Ver “Estudio de Atributos de Gages”.Capítulo IV – Sección F Curva de Desempeño de Gages Si el valor de referencia de la parte es 0.5 y calculando: B = X T.00135 (z = -3) para los dos límites. y el error del sesgo.LSL o BB = XT . Esta misma curva puede ser graficada más fácilmente en papel de probabilidad normal. como es mostrada en la Figura IV-F 2 se obtendría.9 Nm entonces será rechazado aproximadamente menos del 16% del tiempo. Capítulo III. Esto asume que el sistema de medición es lineal sobre el rango de operación.99865 (z = 3). entonces la curva de desempeño del gage. Si la probabilidad de aceptación es calculada para todos los valores de XT y graficada. Sección C. Además. Una vez graficada. como se muestra gráficamente en la Figura IV-F 3. 179 .

7 0.5 0.8 0.6 0.1 1.2 0.00 Figura IV-F 1: Curva de Desempeño del Gage Sin Error 180 .Capítulo IV – Sección F Curva de Desempeño de Gages LSL USL 1.4 0.0 1.00 Rango RRG = 0.4 0.9 Probabilidad de Aceptación 0.5 0.8 0.9 1.1 0.3 0.6 0.0 0.0 0.3 0.7 0.2 Valor de Referencia de las Partes Medidas Sesgo = 0.

4 0.2 0.Ejemplo 181 .7 0.3 0.6 0.7 0.9 Probabilidad de Aceptación 0.2 Valor Valores de Referencia de las Partes Medidas Sesgo = 0.5 0.05 RRG = 0.4 0.0 0.Capítulo IV – Sección F Curva de Desempeño de Gages LSL USL 1.0 0.8 0.28 Figura IV-F 2: Curva de Desempeño del Gage .9 1.1 0.8 0.5 0.1 1.6 0.0 1.

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 .

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. 183 . Este método.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%). el número de lecturas múltiples requerido puede entonces determinarse. el cual sería un equivalente de amplitud de 6 sigma de 0. El cliente quiere reducir esta figura a al menos 15%. Entendiendo esta relación como se muestra abajo.24 n 76 Ver nota en página vi. (6σ x )2 = (6σ ) n 2 Esto puede aproximarse por (6s ) = (6s ) x n y 0. por supuesto consumirá tiempo.14. primero debe entenderse que la distribución de las medidas individuales y el promedio tienen el mismo valor promedio numérico.14 = 0. 78 Para determinar el número de lecturas múltiples requerido para cumplir el criterio deseado del 15%. existe un método que puede usarse para reducir la variación a un nivel aceptable hasta que puedan hacerse mejoramientos al sistema de medición mismo.24.5%. pero es una alternativa hasta que se hagan mejoramientos al sistema de medición (ej. determinando el promedio de estas mediciones y permitiendo que el valor numérico del resultado sea sustituido por la medición individual. 2) Siga el procedimiento de estudio de gages discutido previamente en estos lineamientos. La variación no aceptable puede reducirse tomando lecturas múltiples y estadísticamente independientes (no correlacionadas) de la característica de la parte a ser evaluada. Segundo. rediseñando o comprando un nuevo sistema).. con una amplitud 6 sigma igual a 0. Ejemplo: En el ejemplo de la corporación XYZ. 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.

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

Estas situaciones pueden manejarse usando un DOE anidado. la mayoría del tiempo (esto es para la mayoría de los materiales) debiera interpretarse como la aplicación de que existen diferencias entre operadores. permite asimismo un enfoque secuencial. Esto no siempre puede ser posible. ej. Si esta es mayor que cero. Esto producirá valores múltiples y por separado de repetibilidad y reproducibilidad.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. pero su promedio ofrecerá un buen estimativo del nivel verdadero de repetibilidad y reproducibilidad similar. Aplicación Secuencial Aunque el enfoque E691 es típicamente usado con una muestra completa. Este es útil cuando todas las muestras no están disponibles al mismo tiempo. sección C.. Un enfoque alternativo es el estudio de la desviación estándar combinada del RRG el cual sigue la metodología discutida en ASTM E691. Si el análisis del sistema de medición incluye localizaciones múltiples puede no ser factible logísticamente el demandar un muestreo aleatorio. Si este enfoque es usado para evaluar un grupo de laboratorios. La siguiente descripción del estudio asume que el estudio mismo será aplicado de una forma secuencial. También puede ser utilizado como parte del proceso de calibración para mantener información de la variabilidad del sistema de medición. Por supuesto nunca serán exactamente los mismos. Conducción del Estudio Debiera tenerse cuidado en seguir la “Preparación para el Estudio de un Sistema de Medición” mostrado en el capítulo II. Dado que las partes son consideradas como esencialmente idénticas. se asume que estos estimativos por separado son efectivamente idénticos. 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. 185 . También algunas muestras. en un programa interlaboratoiros ésto sugeriría que existen diferencias reales entre laboratorios. existe la preocupación de cual sería la naturaleza de la reproducibilidad. 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). 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.

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). 11) Calcule el promedio de promedios ( X ) (incluya los promedios de todos los subgrupos X para todos los evaluadores). Registre los datos en renglones apropiados de la hoja de recolección de datos (ver formatos de ejemplo). 14) Evalúe los parámetros del sistema de medición para cada parte combinando los resultados de los evaluadores. Los valores promedio representan la variación del proceso y la variación de las mediciones. Use el factor B4 con r muestras para calcular el límite superior de control para la gráfica de la desviación estándar. Dibuje este promedio de la desviación estándar sobre la gráfica.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. 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. (Nota: no permita que los evaluadores vean sus lecturas originales al hacer estos chequeos múltiples). 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 . Dibuje la línea de este gran ( ) ( ) promedio ( X ) en la gráfica. ( ) 10) Grafique el promedio X para cada subgrupo para todos los evaluadores sobre la gráfica de promedios (ver Figura IV-H 1). dibuje estos límites en la gráfica de promedios. Dibuje este límite y determine si todos los valores están en control (ver Figura IV-H 1). 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).

por ejemplo diferentes especimenes metalúrgicos o químicos. 187 .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. Si las partes cubren una amplia variedad de los procesos. Estos componentes no pueden separase con este estudio. La Reproducibilidad incluiría variación entre localizaciones así como variación entre evaluadores. la desviación estándar histórica para el proceso debiera usarse.. En este caso. 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. Esto puede evaluarse calculando y comparando la Repetibilidad dentro de cada localización. 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. laboratorios). La Repetibilidad incluiría variación entre los equipo así como variación dentro de los equipos. 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. 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.

Capítulo IV – Sección H Enfoque de la Desviación Estándar Combinada con RRG Gráfica de Respuesta Xbarra-S Promedio de las Muestras Muestra Desv. 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 Tabla IV-H 1: Conjunto de Datos de Análisis de Desviación Estándar Combinada 189 .

07 1.30 0.06 -0.68 0.32 0. Los valores de h se calculan por h= x appr − x parte Sx Para el evaluador A y la parte 1.65 0.32 -1.76 0.20 0.82 0. sean calculadas. La siguiente tabla de h y k´s se listan por evaluador.65 1.14 -0.07 0.22 -1. Por tanto h= 0.50 0.35 0.20 3.10 Parte 5 6 0. el promedio ( x appr anterior) es 0. A B C 1 1.06 0.86 0. h y k.82 0.94 -1.35 1.11 4 0.11 0.80 2.23 1.13 0.80 -1. Aunque en este ejemplo no hay una colección de materiales ampliamente diferentes y los cuales tengan diferentes niveles y posiblemente desviaciones estándar muy diferentes.21 0.12 7 0.24 0.45 1.178 = = 1.24 -1.28 1.83 0.84 “z” -3.14 0.167 0.12 9 0. La desviación estándar entre los evaluadores ( s x anterior) es 0.70 0.447 − 0.262.29 -1.93 2 0.05 0.132 Una razón por la que éstos se calculan es permitir comparaciones entre materiales muy diferentes.20 1.09 3 0.25 1. En este caso (evaluador A y parte 1) es: k= desviación estándar ( EvualuadorA.50 -1.88 0.15 8 0.59 1.35 repetibilidad 0.50 0.40 0.49 1.14 -0.80 0.77 0.08 -3.41 mediana k A B C 1.88 -0. h Ev. Parte1) 0.28 0.46 -1. 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.15 1.84 0.09 -1.65 K 0.69 0.87 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”.278 = = 1.447y el promedio de las partes ( x parte anterior) es 0.17 81 Ver ISO 5725 190 .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.15 10 prom h “z” 1.77 1.169.53 -0.262 0.27 0.42 1.

Las desviaciones estándar de la repetibilidad pueden también ser evaluadas observando los valores k.861 y con una desviación estándar de aproximadamente 0. Las gráficas de h (Figura IV-H 2) y k (Figura IV-H 3) también ayudan a ilustrar estas diferencias.439. Con este estudio. Para hacer esto.2 desviaciones estándar abajo del nivel esperado y el evaluador B es significativamente alto. calcule la mediana k y luego un aproximado del “score z”. Por tanto vemos diferencias muy grandes en el desempeño de solo 3 operadores. Estos ciertamente son aspectos clave a ser examinados acerca del desempeño del método de medición y como es realizado por estos evaluadores. El evaluador C tiene los resultados mucho más bajos que los otros. los valores k muestran que tan abajo la variación del evaluador A es con respecto a la repetibilidad. Figura IV-H 2: Gráfica de Puntos de valores h 191 . Es también esta significativa diferencia lo que genera la desviación estándar del RRG. 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. la mediana esperada es alrededor de 0.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. Similarmente. La mediana k para el evaluador A es entonces alrededor de –3.

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 MS o cuadrado de la media es la suma de cuadrados dividida por los grados de libertad. La columna SS o suma de cuadrados es la desviación alrededor de la media de la fuente. MSE 195 . se asume que todos los componentes de la variación son de efectos aleatorios. 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. La columna EMS o cuadrado de la media esperado determina la combinación lineal de los componentes de varianza para cada MS. La tabla de ANOVA se compone de 6 columnas: • • • • • La columna de fuentes es la causa de variación. se determina por la interacción de la media cuadrada dividida por el error de la media cuadrada. el término de error de ANOVA es equivalente a la variación del equipo MSA. Esto es lo que se le llama Tabla de Análisis de Varianza (ANOVA). evaluadores. En esta aplicación de ANOVA a los análisis de sistemas de medición.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. La columna DF es el grado de libertad asociado con la fuente. La tabla ANOVA sectoriza la fuente total de variación en cuatro componentes: partes. • El estimativo de los componentes de varianza para cada fuente se ofrece en la Tabla A 1. La columna de proporción F se calcula solo por la interacción en una ANOVA de MSA. interacción entre las partes y evaluadores y error replicado debido a la repetibilidad del equipo / gage. 82 83 En esta tabla. entonces son posibles los estimativos de componentes de varianza negativos.

La desviación estándar es más fácil de interpretar que la varianza por que tiene las mismas unidades de medición de la observación original. En la práctica. 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). 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. 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. los componentes de varianza negativos se hacen cero. Ver nota en página vi. la medida básica de amplitud es dada por 6 veces la desviación estándar. Para propósitos de análisis. entonces existe un modelo no adicional y por tanto se ofrece un estimativo de sus componentes de varianza. Por tanto el SS pool será dividido por (nkr − n − k + 1) para calcular MS pool . El RRG en la Tabla A 2 es la variación total del sistema de medición. 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).73%.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. 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.

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

302373 1.6471 MS 1.01994 0.87 ≅ 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 .8 92.58363 9.085 RRG = 1.086447 (Parte) Variación Total Tabla A 5: Resultados Tabulados de ANOVA ndc = 1.042327 1.434) es menor que el valor crítico de Fα .226838 6 (σ) EV = 1.0 100.4 0 7. (σ) 0.09143 Desv.253962 TV = 6.41* 492.2 (τ 2 2 + γ 2 +ω2 ) 0.361028 INT = 0 % de la Variación Total 18. el estimativo de la varianza se basa en el modelo sin interacciones.051455 (Evaluador) γ2 =0 (Interacción) RRG = 0.1673 88.4 4. el término interacción es acumulado ó combinado con el término (de error) del equipo.199598 AV = 1.814238 Pv = 6.41(6.81799 0. Esto es.9 96.434 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 = 0.3590 2.41(PV RRG ) = 1. Std.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 15.51 σ = 1.29* 0.039973 (Equipo) ω 2 = 0.9 0 27.0 % de Contribución 3.199933 0.4 20.25 1.18. 60.05 Tabla A 4: Resultados Tabulados de ANOVA Dado que el valor F calculado para la interacción (0.3619 0. Fuente Evaluador Partes Evaluador por parte DF 2 9 18 60 89 SS 3.04598 F 79.7589 94.81) = 4. Estimativo de la Varianza 2 τ = 0.

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. 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 .

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 .

26 1.29 RRG 20% 30% 40% 50% 60% 70% Cp observado con el Cp en base al Rango del Proceso 1. Actual (basado en el proceso) Actual 10% 1.19 1.57 nada 201 .24 1.99 0.93 Cp observado con el Cp en base a la Tolerancia 1.3 1.81 0.27 1.3 1.13 1.11 0.29 1.04 0.20 1.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.54 Tabla B 1: Comparación del Cp Observado con el Cp Actual 90% 0.

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

valores adicionales de v pueden ser construidos de la diferencia de las constantes. ⎛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. McGraw-Hill.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. . Quality Control and Industrial Statistics. 5a edición. d2 es el valor infinito de d*2 . cd. Nota: La notación usada en esta tabla sigue la de Acheson Duncan.

Apéndice D Estudio R de Gages 204 .

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

Apéndice D Estudio R de Gages 206 .

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

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

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

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

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

Glosario 212 .

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.005. Método estadístico (ANOVA) a menudo usado en el diseño de experimentos (DOE). Bayes’ Theorem (Teorema de Bayes) Bias (Sesgo) Calibration (Calibración) 213 .080. 29. Por ejemplo. bajo condiciones especificadas. Sin embargo.095. La calibración puede también incluir pasos para detectar. 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. a fin de comparar promedios y analizar fuentes de variación. 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. ésto no siempre es verdad (Ver Reproducibilidad) Una formula matemática usada para calcular probabilidades condicionales. reportar o eliminar por ajustes cualquier discrepancia en la exactitud del dispositivo de medición a ser comparado. Este valor es típicamente usado en la literatura como publicidad para clasificar el instrumento de medición. el instrumento puede no tener una resolución de 0.001 sino de 0. El número de categorías de datos puede determinarse dividiendo el tamaño entre la extensión (6σ) de la distribución esperada del proceso.075. son registradas como mediciones de cinco (5) dígitos. Ver nota de la página iv. NOTA: El número de dígitos desplegados o reportados no siempre indican la resolución del instrumento. etc.15 vs 6 σ RRG Multiplying Factor (Factor Multiplicativo 5. 29.Glosario GLOSARIO Ver el Manual de Referencia del Control Estadístico de los Procesos (SPC) para definiciones adicionales del glosario.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. El tamaño del incremento más pequeño en el instrumento de medición es la resolución aparente. 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. históricamente referido como exactitud el sesgo es evaluado y expresado como un solo punto dentro del rango de operación del sistema de medición.. las partes medidas como 29. La probabilidad del condicional G en M es definida como PM(G)=P(GyM)/P(G). La variación del evaluador es comúnmente asumida como “error de reproducibilidad” y asociada con un sistema de medición. para analizar datos de variables de grupos múltiples. la relación entre un dispositivo de medición y un estándar rastreable con un valor de referencia e incertidumbre conocidos. correlacionar. 5. Conjunto de operaciones que establecen.

Ver Montgomery (1997) ó Juran y Godfrey (1999) para métodos de cálculo. 1989. puede determinarse dividiendo el tamaño entre la extensión esperada de la distribución del proceso. 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. o unidad detectable más pequeña del dispositivo de medición y estándar / patrón. 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. llamado el Nivel de Confiabilidad. discriminación es la resolución en las mediciones. Ver ndc. basada en mediciones de una muestra y con un orden en tiempo. límite de escala. α . para una aplicación dada. 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. para una interpretación alternativa. Alias unidad más pequeña y legible. 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 .. Intervalo ó rango de valores. el promedio verdadero de la población. evaluar estabilidad e indicar la dirección del proceso mismo. El número de categorías distintas. El tamaño de la categoría de datos cuando se considere que la variación total del sistema de medición sea la resolución efectiva.α ) grado de certidumbre. calculado de datos de muestras. el parámetro de interés de la población. un estimativo estándar de éste ndc (en un nivel de confiabilidad del 97%) es 1. Es una propiedad inherente del diseño de un gage y reportada como una unidad de medición o clasificación. ej. es la probabilidad de cumplimiento del error Tipo I. usada para desplegar el comportamiento de un proceso.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.). Recolección de observaciones bajo un conjunto de condiciones. • Minimiza la pérdida económica neta de los errores Tipo I y II. identificar patrones de variación del proceso.41 (PV / RRG). que pueden ser variables (un valor cuantificado y unidad de medida) o discretas (atributo o datos de conteo tales como. Ver Wheeler. con un (100 . El tamaño se determina por la longitud del intervalo de confiabilidad y en base a la variación del sistema de medición. bueno / malo. ndc. y para ayuda en el mantenimiento del control estadístico. Para una resolución efectiva. una línea central y uno ó dos límites de control. pasa / no pasa. 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. Gráfica de la característica de un proceso. a fin de determinar la relación de las variables del proceso y mejorar el proceso mismo. aceptado / rechazado. • Despliega los valores graficados de algún estadístico recolectados de una característica. etc. que contienen. • Tiene dos usos básicos: como un juicio para determinar si un proceso está operando en control estadístico.

linealidad expresa la correlación de errores de sesgos múltiples e independientes sobre el rango de operación. medio ambiente y supuestos usados para cuantificar una unidad de medida o una evaluación de la característica a ser medida. Medida estadística de la variación dentro de los subgrupos exhibida para un proceso sobre un periodo largo de tiempo. La varianza de RRGs es igual a la suma de las varianzas dentro del sistema y entre sistemas. Estimativo de la variación combinada de la repetibilidad y reproducibilidad para un sistema de medición. 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. No aditividad entre evaluadores y partes. el coeficiente de correlación y concordancia y la correlación intra-clases. Existe un número de estadísticos que pueden ser usados para determinar la confiabilidad entre evaluadores. asignables o especiales). Algunas opciones son: probabilidad conjunta de acuerdo. 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 . Representación gráfica (gráfica de barras) de la frecuencia de datos agrupados para ofrecer una evaluación visual de la distribución de los datos. La diferencia en errores de sesgos sobre el rango de operación esperado del sistema de medición. dispositivos. y los cuales son apropiados para diferentes tipos de mediciones. el kappa de Cohen y el kappa de Fleiss relacionado. El conjunto de instrumentos o gages. operaciones. 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. software. ó concordancia). estándares o patrones. Un proceso que opere solo con variaciones aleatorias es estadísticamente estable. hay entre evaluaciones ofrecidas por los evaluadores. un conjunto definido de especificaciones par la aplicación de una medición.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. para un conjunto de datos usado para determinar la probabilidad de ocurrencia aleatoria en u nivel de confiabilidad seleccionado. personal. la correlación entre evaluadores. Estado de un proceso cuando solo muestra variaciones por causas aleatorias y comunes (en oposición a las caóticas. el proceso completo y usado para obtener mediciones. Grupo homogéneo de datos que son independientes y distribuidos aleatoriamente en una distribución común. Cantidad o sujeto particular a medir bajo condiciones especificadas. Comúnmente referido como “dii”. Una medida estadística de acuerdo entre evaluadores para artículos ó items cualitativos (categóricos). En otros términos. Toma en cuenta el acuerdo que ocurre por probabilidad. El grado de acuerdo entre evaluadores. ó concenso. (También confiabilidad entre-evaluadores. Esta difiere del desempeño porque no incluye la variación entre los subgrupos. Ofrece un resultado ó score de qué tanta homogeneidad. métodos.

El efecto neto de la discriminación.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. De hecho. sensibilidad y repetibilidad sobre el rango (tamaño. Ver ndc.Glosario Measurement Systerm Error (Error del Sistema de Medición) Metrology (Metrología) ndc (ndc) Non. Precision (Precisión) Probability (Probabilidad) Process Control (Control del Proceso) Product Control (Control del Producto) 216 . 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. El uso de términos componentes y más descriptivos es generalmente preferido sobre el término “precisión”. repetibilidad. la precisión es más a menudo utilizada para describir la variación esperada de mediciones repetidas sobre el rango de medición. el resultado de una medición indica que el proceso es estable y “en control” o “fuera de control”. Los estimativos de probabilidad varían entre 0 (evento imposible) y 1 (algo seguro). la variación de las partes (PV) representa la variación esperada de parte a parte y de tiempo a tiempo para un proceso estable. asignables o especiales. Relativo al análisis de los sistemas de medición. estabilidad y linealidad. 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. Estado de un proceso cuando exhibe variaciones por causas caóticas. el resultado de las mediciones es “dentro de tolerancias” o “fuera de tolerancia”. Un proceso que está fuera de control es estadísticamente no estable. Variaciones pieza-a-pieza debidas a la medición de partes diferentes.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. 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. Conjunto de condiciones o causas trabajando juntas para producir un resultado. sesgo del gage. describiendo la probabilidad de que ocurra un evento específico. El rango puede ser tamaño o tiempo. El algunas organizaciones la precisión se usa en forma intercambiable con la repetibilidad. La ciencia de las mediciones. Número de categorías distintas. incluye todas las fuentes de variación significativas y determinables de variación en el tiempo. rango y tiempo) de operación del sistema de medición. 1. Estimativo (en proporción o fracción) basado en una distribución particular de los datos recolectados.

o para una explicación específica. instrumento. la repetibilidad incluye toda la variación interna de las condiciones en el modelo de errores en las mediciones. usando el mismo instrumento de medición y método y en un medio ambiente estable. valor obtenido y acordad y usando un método de referencia aceptable. cuando no haya un cambio físico significativo de lo que se mide o el ambiente de medición. Además de la variación dentro de los equipos. Típicamente. Cálculo para definir la relación matemática entre dos o más variables. para procesos de medición (ej. operador. NOTA: Otros términos usados como sinónimos del valor referencia. como apropiada para un propósito dado. No es verdad. 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. sistemas automatizados) donde el operador no es una fuente de variación mayor. la reproducibilidad es referida como el promedio de las variaciones entre sistemas o entre condiciones de mediciones. estándar / patrón. Valor consistente con la definición de una cantidad específica y aceptada. se ha definido como la variación en el promedio de las mediciones de la misma parte entre diferentes evaluadores (operadores). valor asignado internacional. 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. método. Esto a menudo es verdad para instrumentos manuales influenciados por habilidades del evaluador. 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.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. algunas veces en forma convencional. El mejor término para repetibilidad es variación dentro de los sistemas cuando las condiciones de las mediciones son arregladas y definidas – parte acordada. La habilidad de tomar mediciones repetidas sobre la misma muestra o componente. medio ambiente y supuestos. Intentos de pruebas múltiples bajo condiciones de repetibilidad (idénticas). 217 . Variación aleatoria y por causas comunes que resulta de intentos sucesivos y bajo condiciones de medición definidas. A menudo referida como variación del equipo (EV) aunque esto es dudoso.. sin embargo. Por esta razón.

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

Lowell W. (1971) “Measuting nominal scale agreement among many raters” in Psychological Buuletin. “Confidence Intervals on Measures of Variability in R&R Studies. Irwin. Dataplot.. 3.E. pp. and Altman..itl. No. 378-382.nist..G. Vol.astm. J. “Signal Detection Theory of Quality Control Inspector Performance”. Standard Practice for Conducting an Interlaboratory Study to determine the Precision of a Test Method. 13. A. “Reliable Data is an Important Commodity. L.. Vol. 20. Statistical Engineering Davison (www. Vol. Inc. y E-Hok. 12. Homewood. W. 5.” University de Wisconsin. y Larsen.. Deming. 2000.. ASQ Newsletter of the Measurement Quality Division. 2. Quality Control and Industrial Statistics. Government. 14. Cohen. J.gov). 6. AT&T Statistical Quality Control Handbook. 5ª ed. Richard D. Vol. April 1975. ASTM E177-90ª. 37-46. Robin Yang. 307-310. 10. Everitt. 16. 1986. Vol. 7.10-14 Ermer. E. Standard Practice for Use of the Terms Precision and Bias in ASTM Test Methods. C.org). 1986 Eagle. Standard Terminology for Relating to Quality and Statistics. 1954. 9. 219 . “A Meted For Handling Errors in Testing and Measuring. ASTM E691-99. 11. No. (1896). National Institute of Standards and Technology. 1993. Winter 1997. J.. Massachusetts Institute of Technology. “Journal of Quality Technology. Journal of Quality Technology. Massachusetts. D. 76. Greg A. Baker. 15. AddisonWesley Publishing Company. Out of the Crisis. 1984. 3.. (1960) “A coefficient for agreement for nominal scales” in Education ans Psychological Measurement. Illinois. M. No. 1982. GEO-METRICS: The Metric Application of Geometric Tolerancing. E. 7. 4.. 97-1. Foster. Donald S. (1996) Making Sense of Statistics in Psychology (Oxford University Press). J. The MIT Press 1994. Bland. pp. Education. W.” Industrial Quality Control. Burdick.Lista de Referencias Lista de Referencias 1. Marzo. Deming. The New Economics for Industry. Statistical methods for assessing agreement between two methods of clinical measurement. Delmar Printing Company. B. Lancet i. 8. pp. Fleiss. 5.. Richard K. A. pp. Duncan. Julio 1997. 17. Charlotte. Madison. ASTM E456-96. 29. N. published in The Standard.2. (www. R:.

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

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

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

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 .Formatos de Muestra El lector cuenta con el permiso de reproducir los formatos de ésta sección para uso interno solamente. No son mutuamente excluyentes de otros tipos de formatos los cuales pueden contener la misma información y lograr los mismos resultados.

LCSR representa el límite de los R’s individuales. 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.27 para 2 intentos y 2. Notas: . 224 .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 = 3.58 para 3 intentos. Identifica las causas y corrígelas. Circular aquellos que estén fuera de éste límite.

2 ) 9 10 = .3742 = 100 [ = % / ] = 100 [ = % / ] = = ( 2 + .7071 0. Repetibilidad y Reproducibilidad (RRG) RRG = EV 2 + AV 2 %RRG = 100 [RRG/TV] Partes 2 3 4 K3 0.3249 0.3146 ndc = 1.4467 0.3534 0.8862 0.Reporte de Repetibilidad y Reproducibilidad de Gages (RRGs) Nombre y No. Cuarta edición. Para información sobre teoría y constantes usadas en este formato.5231 %AV =100 [AV/TV] = 100 [ = % / ] = . ver Manual de Referencia de MSA. 225 . x 5 6 Variación Total (TV) TV = RRG 2 + PV 2 7 8 0.7071 3 0. de Parte: Características: Especificaciones: Nombre del Gage: No. .41 [ ( RRG / ) ] = = ( 2 + .3375 0.4030 0.5908 = 100 [ = % / ] Reproducibilidad – Variación del Evaluador (AV) AV = = (X DIFF × K 2)2 − (EV 2 nr ) × ( )2 − ( 2 ( × )) Evaluadores K2 2 0. 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 .41 PV = 1.5231 0. 2 ) Variación de Partes (PV) %PV = 100 [PV/TV] PV = Pp × K 3 = = . Intentos 2 3 K1 0.

226 .

Índice Índice 227 .

218. 164. 37. 14. 50. 215. 197. 163. 187. 227 False Alarm Rate (Proporción de Falsa Alarma). 192. 141. 125. 35. 7. 75. 121. 125. 156. 45 Consistency (Consistencia). 60. 19. 80. 38. 222. 48. 42. 115. 10. 18. 180. 131. 69. 171. 19 EV (see Equipment Variation) (VE (ver Variación del Equipo). 114. 95. 99. 227 Gage Performance Curve (GPC) (Curva de Desempeño de Gages (CDG)). 211. 26 Measurement system (Sistema de Medición). 217 Linearity (Linealidad). 116. 60. 109. 187. 118. 222 Analysis of Variance (ANOVA) (Análisis de Varianza (ANOVA)). 35. 223 Average (Promedio). 215. 216 Effectiveness (Efectividad). 37. 109. 130. 138. 96. 145. 186. 200. 181. 51. 49 Coordinate Measuring Machine (CMM) (Máquina de Medición por Coordenadas (MMC)). 217. 221 228 . 223 Measurement System Performance (Desempeño del Sistema de Medición). 68 Charts. 125. 227 Guide to the Expression of Uncertainty in Measurement (Guía para la Expresión de la Incertidumbre en las Mediciones). 181. 115. 198. 93. 161. 212. 98. 126. 155. 211 Equipment Variation (EV) (see also Repeatability) (Variación del Equipo (VE) (ver también Repetibilidad)). 221 Attribute (Atributo). 99. 146. 212. 56. 203. 7. 155 weld testing (pruebas de soldadura). 203. 199. 226. 122. 55. 6. 38 Error (Error). 209. 90. 122. 108. 124. 89. 131. 182. 133. 118. 200. 116. 96. 179. 177. 6. 216. 90. 215 Analytic Method (Método Analítico). 215 Appraiser Variation (AV) (Variación de los Evaluadores (AV)). 5. 91. 94. 163. 152. 184 Gage Repeatability (GR) (Repetibilidad de Gages (RG)). 38. 155 material characteristic testing (pruebas de características materiales). 133. 222 Histogram (Histogramas). 17. 222. 42. 223. 79 Maintenance (Mantenimiento). 197. 185. 51. 217 Location Error (Error de Localización). 156 impact testing (gravelometer) (pruebas de impacto (gravelometro)). 233 Designed Experiment (Diseño de Esperimentos). 142 NIST (National Institute of Standards and Technology) (NIST (National Institute of Standards and Technology)). 102. 36. 93. 22. 35. 150. 59. 207. 56. 13. 135 Customer (Cliente). 169. 4. 105. 181 GRR (see Gage Repeatability and Reproducibility) (RRG (ver Repetibilidad y Reproducibilidad de Gages)). 37 FMEA (AMEF). 200. 95. 227 Geometric Dimensioning and Tolerancing (GD&T) (Tolerancias y Dimensionamiento Geométrico (T&DG)). 155 plating testing (pruebas de acabado metálicos). 171. 218 Error Charts (Gráficas de Errores). 179. 63 Miss Rate (Proporción de Pérdida). 79. 5. 6. 221 Calibration (Calibración). 216. 54. 39 Effective Resolution (Resolución Efectiva). 95. 169. 139. 57. 121. 207. 135 Kappa (Kappa). 103. 58. 226 Bias (Sesgo). 201. 227 Gage Repeatability and Reproducibility (GRR) (Repetibilidad y Reproducibilidad de Gages (RRG)). 8. 36. 155. 131. 61. 189. 7. 56. 143. 97. 39. 79. 226. 79. 165. 46. 147 Apparent (Aparente). 41. 129. 6. 176. 34. 161. 179. 61. 223 Gage (Gage). 128. 17. 183. 198. 192 Control Chart Analysis (Análisis de Gráficas de Control). 9. 201 Cause and Effect (Causas y Efectos). 142 Environment (Medio Ambiente). 7. 152. 150. 147. 148. 198. 44. 34. 181. 75. 219. 22. 26. 130. 122. 113. 13. 169 GPC (see Gage Performance Curve) (CDG (ver Curva de Desempeño de Gages)). 212. 212. 16. 151. 183. 136. 125. 124. 189. 169. 54. 39. 133. 31. 187. 37. 38. 123. 212. 223 Destructive Measurement Systems (Sistemas de Medición Destructivos). 180. 155 mass spectroscopy (espectroscopia de masas). 114. 211. 197. 19. 148. 130. 213 Cp (see Capability Index) (Cp (ver Índice de Habilidad)). 68 Cause and Effect Diagram (Diagrama de Causas y Efectos). 64. 213 Measurand (Lo Que se Mide). 131. 114 Error Rate (Proporción de Errores). 226. 54. 124. 187. 1. 184. 80. 105. Error (Gráfica de Errores). 193. 28. 7. 151. 122. 147.50. 165. 107. 105. 103. 134. 213. 129. 100. 121. 90. 42. 129. 213. 92. 125. 127. 188. 91. 90. 8 Measurement Uncertainty (Incertidumbre de las Mediciones) . 152. 202. 106. 217 Hypothesis Test Analyses (Análisis de Pruebas de Hipótesis). 131. 101. 50. 81. 182. 43 Capability Index (Índice de Habilidad). 217 Measurement Life Cycle (Ciclo de Vida de las Mediciones). 216 Calibration Standard (Estándar de Calibración). 18. 39. 216 Drift (see Stability) (Flujo (ver Estabilidad)). 182. 6. 126. 215 ASTM (American Society For Testing And Materials). 204 Cross-Tabulation (Tabulación Cruzada). 150. 131. 125.Índice Acceptability Criteria (Criterios de Aceptabilidad). 5. 115. 67. 200. 112. 43. 118. 7. 161. 161. 62. 99. 122. 87. 128. 38. 21. 209. 8. 129. 81. 217. 122. 79 Accuracy (also see Bias) (Exactitud (ver también Sesgo)). 198. 159. 79.215. 52. 142 Fixturing (Dispositivos). 129. 114 Check Standard (Estándar de Chequeo). 134. 19. 93. 26. 148. 227 Ergonomics (Ergonomía). 213. 107. 179. 110. 201. 198. 197. 199. 45. 68. 104. 181. 120. 76. 150. 97. 33. 107. 103. 217. 105. 125. 131. 222. 38 Master (Master). 225. 88 Control Charts (Gráficas de Control). 17. 119. 155 Discrimination (Discriminación). 151. 147. 51. 25. 212. 37. 31. 83. 56.

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

230 .

Michigan 48033 MSA. 231 . 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.org para emitir su retroalimentación electrónicamente. En conjunto con el concepto de satisfacción de los clientes. sus comentarios de retroalimentación. por escrito. Por favor accese a www. “facilidad hacia el usuario”.. 4a. 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.Retroalimentación Proceso de Retroalimentación del Usuario del Manual MSA Consistente con el proceso de mejoramiento continuo. 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. relativos a la facilidad de entendimiento del manual. 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. Por favor indique los números de páginas específicos del manual cuando sea apropiado. favor de sentirse libre de ofrecer. este manual de análisis de sistemas de medición (msa) de la industria automotriz está siendo sujeto a un proceso de revisiones periódicas y formales. Al mismo tiempo. etc. pros y cons.aiag.

Sign up to vote on this title
UsefulNot useful