II.

Anlisis de Sistemas de Medicin

II. ANLISIS DE SISTEMAS DE MEDICIN

INTRODUCCIN____________________________________________________

Siempre que registramos o medimos los resultados de un proceso nos encontramos con cierta variacin
en los datos obtenidos. Esta variacin puede provenir de dos fuentes distintas: por un lado, siempre habr
diferencias intrnsecas entre cualquier par de elementos que se pretendan medir (variacin intrnseca); por
otro, ningn mtodo de medicin es perfecto (i.e., si midisemos el mismo elemento en repetidas ocasiones no
obtendramos siempre el mismo dato numrico). El Control Estadstico de Calidad (SPC) tiene como misin
identificar las causas de variaciones intrnsecas en los procesos a fin de poder reducir dicha variacin a
niveles tolerables, pero antes de aplicar las tcnicas del SPC es necesario asegurarnos de que la variacin
registrada no es debida, al menos en su mayor parte, a los sistemas de medicin utilizados.

El objeto de este captulo ser pues presentar herramientas que nos ayuden a precisar qu parte de la
variacin existente en los datos se debe al propio sistema de medida empleado. En concreto, estaremos
interesados en:

Estudios R&R y grficos de rachas de medida: nos permitirn examinar la precisin del sistema.

Medidas lineales y estudio de la exactitud

Los errores en los sistemas de medicin pueden clasificarse en dos categoras: errores de exactitud y
errores de precisin. La exactitud describe la diferencia entre el valor registrado y el real. La precisin
describe la variacin que se observa al medir el mismo elemento de forma repetida y usando el mismo mtodo
de medicin. Podemos encontrarnos con sistemas de medicin que se vean afectados slo por alguno de estos
tipos de errores, y otros que sufran de falta de exactitud y de precisin:

objetivo

exacto y preciso preciso, pero no exacto exacto, pero no preciso ni exacto ni preciso

Podemos descomponer la exactitud de un sistema de medida en tres componentes:

1. Linealidad: Indica cmo vara el nivel de exactitud obtenido en la medicin en funcin del tamao
del objeto medido. Da una idea de cmo el tamao del elemento a medir afecta a la exactitud del
sistema de medida.
2. Exactitud: Es la diferencia entre la medicin media observada y un valor maestro. Da una idea
de lo centrado o ajustado que est el sistema de medida.
3. Estabilidad: Es la variacin total que se obtendra al medir el mismo elemento repetidas veces
usando un mismo aparato de medicin. Nos da una idea de cmo de exacto o estable es el sistema
con el paso del tiempo.

Anlogamente, podemos descomponer la precisin o medida de la variacin en dos partes:

1. Repetibilidad: Es la variacin observada cuando el mismo operario mide el mismo elemento de

forma repetida usando el mismo aparato. Da una idea de la variacin debida a dicho aparato de
medida.
2. Reproductibilidad: Es la variacin observada cuando distintos operarios miden el mismo elemento
usando el mismo aparato. Nos da una idea de la variacin debida al operario.

II - 1
 Control Estadstico de la Calidad con MINITAB

ESTUDIOS R&R____________________________________________________

Los estudios de Repetibilidad y Reproductibilidad de las mediciones determinan qu parte de la

variacin observada en el proceso se debe al sistema de medicin usado.

Minitab proporciona dos mtodos para realizar este tipo de estudios: el mtodo X-barra/R
descompone la variacin total en tres categoras: elemento a elemento, repetibilidad, y reproductibilidad. El
mtodo ANOVA va un paso ms all y descompone la reproductibilidad en dos subcategoras, el operario y el
operario por elemento (por tal motivo este ltimo mtodo es ms exacto que el anterior):

Variacin en el Sistema de Medicin

Elemento a Elemento Variacin debida al Aparato Variacin debida a Operarios

(Repetibilidad) (Reproductibilidad)

Operario Operario por Elemento

Los datos deben estar estructurados en tres columnas: una primera que contenga el nombre o cdigo de
cada elemento medido, una segunda (opcional) que contenga el nombre del operario que ha realizado cada
medicin, y una tercera con el resultado de la medicin.

Ejemplo R&R: Pretendemos realizar un estudio R&R sobre dos conjuntos de datos. En el primero, la
variacin debida al sistema de medicin tiene poco peso dentro de la variacin total observada; por el
contrario, en el segundo, la variacin total observada es causada en gran parte por la variacin debida al
sistema de medicin.

En el primer caso, se eligieron 10 elementos, cada uno de los cuales fue medido dos veces por 3 operarios
siguiendo un orden aleatorio. Los resultados estn contenidos en el archivo medicin1.mtw .

Seleccionar Stat > Quality Tools > Gage R&R Study :

Rellenamos los campos como se indica a continuacin:

II - 2
 II. Anlisis de Sistemas de Medicin

Gage R&R Study - ANOVA Method

Gage R&R for Medicin

Two-Way ANOVA Table With Interaction

Source DF SS MS F P

Elemento 9 2,05871 0,228745 39,7178 0,00000

Operador 2 0,04800 0,024000 4,1672 0,03256
Operador*Elemento 18 0,10367 0,005759 4,4588 0,00016
Repeatability 30 0,03875 0,001292
Total 59 2,24912
Contribucin de cada una de las
partes a la varianza total

Gage R&R
Desviacin Estndar
multiplicada por 5,15
Source VarComp StdDev 5,15*Sigma (nmero de desviaciones
estndar necesarias para
Total Gage R&R 0,004437 0,066615 0,34306 englobar al 99% de las
mediciones). Podemos
Repeatability 0,001292 0,035940 0,18509 interpretar el ltimo nmero
Reproducibility 0,003146 0,056088 0,28885 (el asociado a Total
Operador 0,000912 0,030200 0,15553 Variation) cmo una
Operador*Elemento 0,002234 0,047263 0,24340 estimacin de la amplitud
del intervalo que contendra
Part-To-Part 0,037164 0,192781 0,99282 el 99% de las
Total Variation 0,041602 0,203965 1,05042 observaciones.

Source %Contribution %Study Var Study Var es el cociente entre la

desviacin estndar de cada
Total Gage R&R 10,67 32,66 componente y la desviacin
estndar total.
Repeatability 3,10 17,62
Reproducibility 7,56 27,50
Operador 2,19 14,81
Operador*Elemento 5,37 23,17
Part-To-Part 89,33 94,52 Nmero de categoras distintas que el
Total Variation 100,00 100,00 sistema es capaz de detectar. En este
caso, de los 10 elementos distintos que
hemos medido, el sistema de medicin
utilizado slo sera capaz de distinguir 4.

Number of Distinct Categories = 4

Observamos que slo el 10,67% de la variacin total en los datos se debe al sistema de medicin,
mientras que un 89,33% de dicha variacin es debida a las diferencias entre los elementos medidos.

Respecto al nmero de categoras distintas que el sistema es capaz de distinguir, el valor obtenido de 4
nos indica que el sistema de medicin empleado es aceptable (en general, si el valor obtenido fuese 1 el
sistema no sera til para controlar el proceso; un valor de 4 o superior representa un sistema de
medicin capaz de distinguir un nmero aceptable de categoras).

En el primero de los grficos siguientes se observa que la mayora de los puntos estn situados ms all
de los lmites de control, lo cual refuerza la idea de que la variacin se debe prioritariamente a
diferencias entre elementos. Esta misma conclusin la podemos obtener a partir del diagrama de barras.

En los grficos de la derecha observamos que hay pocas diferencias en las mediciones registradas por los
diferentes operarios (la lnea es prcticamente horizontal), mientras que las diferencias en las mediciones
para los distintos elementos s son considerables (el grfico muestra continuas subidas y bajadas segn el
elemento medido).

II - 3
 Control Estadstico de la Calidad con MINITAB

Gage name:
Date of study:
Gage R&R (ANOVA) for Medicin Reported by:
Tolerance:
Misc:

Xbar Chart by Operador Operador*Elemento Interaction

1,1 1 2 3 1,1 Operador
1,0 1,0 1
Sample Mean

0,9 3,0SL=0,8796 0,9 2

Average
0,8 X=0,8075 0,8
-3,0SL=0,7354 3
0,7
0,7
0,6
0,6
0,5
0,4 0,5
0,3 0,4
0 Elemento 1 2 3 4 5 6 7 8 9 10

R Chart by Operador By Operador

0,15 1 2 3 1,1
3,0SL=0,1252 1,0
Sample Range

0,10 0,9
0,8
0,7
0,05
R=0,03833 0,6
0,5
0,00 -3,0SL=0,00E+00
0,4
0 Operador 1 2 3

Components of Variation By Elemento

1,1
100
%Total Var 1,0
%Study Var 0,9
Percent

0,8
50 0,7
0,6
0,5
0 0,4
Gage R&R Repeat Reprod Part-to-Part Elemento 1 2 3 4 5 6 7 8 9 10

En el segundo conjunto de datos se eligieron 3 elementos, y 3 operarios midieron 3 veces cada uno de
ellos siguiendo un orden aleatorio. Los datos se registraron en el archivo medicin2.mtw .

Seleccionar Stat > Quality Tools > Gage R&R Study :

Rellenamos los campos de forma anloga a la anterior:

II - 4
 II. Anlisis de Sistemas de Medicin

Gage R&R Study - ANOVA Method

Gage R&R for Medicin

Two-Way ANOVA Table With Interaction

Source DF SS MS F P

Elemento 2 38990 19495,2 2,90650 0,16616

Operario 2 529 264,3 0,03940 0,96173
Operario*Elemento 4 26830 6707,4 0,90185 0,48352
Repeatability 18 133873 7437,4
Total 26 200222
Cuando el p-valor asociado a
Operario*Elemento es > 0,25 el programa
reconstruye el modelo esta vez sin la
interaccin Operario*Elemento, y usa este
Two-Way ANOVA Table Without Interaction nuevo modelo reducido para determinar los
estadsticos del estudio R&R.

Source DF SS MS F P

Elemento 2 38990 19495,2 2,66887 0,0917

Operario 2 529 264,3 0,03618 0,9645
Repeatability 22 160703 7304,7
Total 26 200222

Gage R&R

Source VarComp StdDev 5,15*Sigma

Total Gage R&R 7304,7 85,4673 440,157

Repeatability 7304,7 85,4673 440,157
Reproducibility 0,0 0,0000 0,000
Operario 0,0 0,0000 0,000
Part-To-Part 1354,5 36,8036 189,538
Total Variation 8659,2 93,0547 479,232

Source %Contribution %Study Var

Total Gage R&R 84,36 91,85

Repeatability 84,36 91,85
Reproducibility 0,00 0,00
Operario 0,00 0,00
Part-To-Part 15,64 39,55
Total Variation 100,00 100,00

Number of Distinct Categories = 1

Observamos que el 84,36% de la variacin total en los datos se debe al sistema de medicin, mientras
que slo un 15,64% de dicha variacin es debida a las diferencias entre los elementos medidos.

En este caso, el sistema de medicin empleado no es capaz de detectar diferencias entre los elementos
(slo percibe una categora). Ello significa que este sistema no es adecuado.

En el primero de los grficos siguientes se observa cmo la mayora de puntos estn contenidos dentro
de los lmites de control, lo cual nos indica que la variacin observada es principalmente debida al
sistema de medicin usado. La misma conclusin se deduce del diagrama de barras.

En los grficos de la esquina inferior derecha se aprecia que no hay apenas diferencias entre operarios al
hacer la medicin (lnea de nivel horizontal), y que las diferencias entre elementos no son significativas.

II - 5
 Control Estadstico de la Calidad con MINITAB

Gage name:
Date of study:
Gage R&R (ANOVA) for Medicin Reported by:
Tolerance:
Misc:

Xbar Chart by Operario Operario*Elemento Interaction

1 2 3 490
Operario
550 3,0SL=555,8
1
Sample Mean

440 2

Average
450
3
X=406,2
350 390

250 -3,0SL=256,5 340

0 Elemento 1 2 3

R Chart by Operario By Operario

400 1 2 3 600
3,0SL=376,5
Sample Range

300 500

200 400
R=146,3
100 300

0 -3,0SL=0,00E+00 200

0 Operario 1 2 3

Components of Variation By Elemento

100 600
%Total Var
%Study Var 500
Percent

400
50
300

200
0
Gage R&R Repeat Reprod Part-to-Part Elemento 1 2 3

GRFICOS DE RACHAS PARA MEDICIONES____________________________

Un grfico de rachas para mediciones es una representacin de las observaciones por operario y nmero
de elemento. El grfico contiene una lnea de referencia horizontal al nivel de la media (la cual puede
obtenerse a partir de los datos o bien ser ya conocida). Esta representacin nos permitir apreciar de forma
inmediata posibles diferencias en las mediciones entre diferentes operarios y/o elementos: un proceso estable
generara una nube de puntos horizontal, mientras que un efecto operario o un efecto elemento nos dara
algn patrn no aleatorio para los datos.

Ejemplo Grfico de Rachas para Mediciones: Nuevamente usaremos los dos conjuntos de datos
anteriores (en el primero de ellos, medicin1.mtw , la variacin debida al sistema de medicin
supona un porcentaje pequeo de la variacin total; en el segundo, medicin2.mtw , dicha variacin
era la principal causa de la variacin total).

Para cada uno de los dos conjuntos de datos haremos lo siguiente:

Seleccionar Stat > Quality Tools > Gage Run Chart:

Rellenamos los campos como se indica a continuacin:

II - 6
 II. Anlisis de Sistemas de Medicin

El grfico inferior corresponde al primer conjunto de datos. En l se observa:

1. Para cada elemento, podemos comparar tanto las diferencias entre medidas realizadas por cada
uno de los tres operarios como las diferencias entre los distintos operarios.

2. Tambin podemos comparar las medidas obtenidas con la lnea de referencia horizontal (en este
caso, la media de las observaciones).

Gage name:
Date of study:
Runchart of Medicin by Elemento, Operador Reported by:
Tolerance:
Misc:

1,08
1
0,98
2
0,88
3
Medicin

0,78
0,68
0,58
0,48
0,38
Elemento 1 2 3 4 5
1
1,08
0,98
0,88
2
Medicin

0,78
0,68
0,58
0,48
0,38
Elemento 6 7 8 9 10

La mayor parte de la variacin es debida a diferencias entre elementos. Adems, es posible apreciar
algunos ligeros patrones: as, p.e., la segunda medicin del operador 2 es repetidamente menor que la
primera (esto ocurre en 7 de 10 ocasiones); tambin es visible el que las mediciones efectuadas por el

II - 7
 Control Estadstico de la Calidad con MINITAB

segundo operario son repetidamente menores que las realizadas por el primer operario (en 8 de 10
ocasiones).

A continuacin se muestra el grfico correspondiente al segundo conjunto de datos. En l observamos:

1. Para cada elemento, podemos comparar tanto las diferencias entre medidas realizadas por cada uno
de los operarios como las diferencias entre distintos operarios.

2. Tambin podemos comparar las medidas obtenidas con la lnea de referencia horizontal (en este
caso, la media de las observaciones).

Gage name:
Date of study:
Runchart of Medicin by Elemento, Operario Reported by:
Tolerance:
Misc:

1 2

600 1
2
3
500
Medicin

400

300

200

Elemento 1 2 3

El factor dominante en este caso es la repetibilidad (en concreto, las diferencias aumentan cuando el
mismo operario realiza mediciones sobre el mismo elemento). Las oscilaciones parecen sugerir que los
operarios estn ajustando, entre turno y turno, el sistema de medicin.

II - 8
 II. Anlisis de Sistemas de Medicin

LINEALIDAD EN LA MEDICIN Y ESTUDIO DE LA EXACTITUD_____________

Un estudio de la linealidad en la medicin responde a la pregunta: es el sistema de medicin igual de

exacto para todos los tamaos posibles de los objetos que estamos midiendo?.

Un estudio de la exactitud en la medicin examina las diferencias existentes entre el promedio de las
mediciones observadas y un valor de referencia o valor maestro.

Ejemplo Linealidad y Exactitud: Elegimos cinco elementos (cuyos valores maestros son
conocidos), los cuales representan el rango esperado de los tamaos a medir. Un operario mide 12 veces
cada uno de los elementos siguiendo un orden aleatorio, y se realiza un estudio R&R para determinar la
variacin total en el proceso (columna 5,15*Sigma), la cual resulta ser de 14,1941. Las mediciones se
guardan en el archivo exactitud.mtw .

Seleccionar Stat > Quality Tools > Gage Linearity Study:

Rellenamos los campos como se indica a continuacin:

Gage name:
Date of s tudy :
Gage Linearity Study for Medicin Reported by :
Toleranc e:
Mis c :

1 Gage Lineari ty
Linearity: 1,86889
%Linearity: 13,167
R-Squared: 0,978

Gage Accuracy
Accuracy Average

Bias: -5,3E-02
%Bias: 0,376

Percent of Process Vari ati on

14

12

10
Percent

-1 6

2
2 3 4 5 6 7 8 9 10
0
M aster Part M easurem ent
Linearity Accuracy

Observar que, en esta medicin, la variacin debida a la linealidad supone un 13% de la variacin total
del proceso. Por otra parte, la variacin debida a la falta de exactitud es de menos del 1% de la total.

II - 9