M Dulo 2 Core Tools Msa

ESTUDIOS DE REPETIBILIDAD Y REPRODUCIBILIDAD (R&R) P.
Reyes / junio 2010
Core tools
de la AIAG
MÓDULO 2. Estudios
de la capacidad de
sistemas de
medición (MSA)
DR. PRIMITIVO REYES AGUILAR

Junio 2010 Mail:
Primitivo_reyes@yahoo.com / Página
Web www.icicm.com Cel. 044
55 52 17 49 12
Página 1
ESTUDIOS DE REPETIBILIDAD Y REPRODUCIBILIDAD (R&R) P. Reyes / junio 2010
Contenido
1. Conceptos básicos...............................................................................................................3
2. Carta de tendencias de Gage – Minitab..............................................................................8
3. Estudios R&R - Método Corto del Rango........................................................................10
4. Estudio de R&R Método largo - Cruzado.........................................................................11
5. Estudios de Linealidad y sesgo.........................................................................................19
6. Método de acuerdo por atributos......................................................................................23
Página 2
1. Conceptos básicos
En muchas ocasiones las organizaciones no consideran el impacto de tener sistemas de medición
de calidad, el hecho de que las mediciones no sean exactas puede llevar a cometer errores en el
cálculo, y en los análisis y conclusiones de los estudios de capacidad de los procesos.
Cuando los operadores no miden una pieza de manera consistente, se puede caer en el riesgo de
rechazar artículos que están en buen estado o aceptar artículos que están en mal estado. Por otro
lado si los instrumentos de medición no están calibrados correctamente también se pueden
cometer errores. Cuando sucede lo mencionado anteriormente tenemos un sistema de medición
deficiente que puede hacer que un estudio de capacidad parezca insatisfactorio cuando en
realidad es satisfactorio. Lo anterior puede tener como consecuencia gastos innecesarios de
reproceso al reparar un proceso de manufactura o de servicios, cuando la principal fuente de
variación se deriva del sistema de medición.
Posibles Fuentes de la Variación del Proceso
Variación del proceso
Variación
Variación deldel proceso,
proceso, real
real Variación de la medición
Variación dentro de la Variación

Equipooriginada
de
muestra mediciòn Reproducibilidad
por el calibrador
Repetibilidad Estabilidad Linealidad Sesgo
Calibración
Definiciones
 Reproducibilidad: Es la variación, entre promedios de las mediciones hechas por diferentes
operadores que utilizan un mismo instrumento de medición cuando miden las mismas
características en una misma parte. Operador-B
Operador-C
Operador-A
Reproducibilidad
Página 3
 Repetibilidad: es la variación de las mediciones obtenidas con un instrumento de medición,

cuando es utilizado varias veces por un operador, al mismo tiempo que mide las mismas
características en una misma parte.
Es referido como variación del equipo.
REPETIBILIDAD
GRR o R&R de Gage o calibre

 Repetibilidad y reproducibilidad de calibre: el estimado combinado de la repetibilidad y
reproducibilidad del sistema de medición; capacidad del sistema de medición;
dependiendo del método utilizado, puede o no incluir los efectos del tiempo.
Valor de referencia
Error de R&R del Gage
Capacidad del sistema de medición: estimado a corto plazo de la variación del sistema de
medición.
Desempeño del sistema de medición: estimado a largo plazo de la variación del sistema de
medición.
Sensibilidad: Respuesta del sistema de medición a cambios en características medidas.
Incertidumbre: un rango estimado de valores alrededor del valor medido en el cual se presume
que se encuentre el valor verdadero.
Página 4
Valor verdadero: Valor correcto teórico / estándares NIST1

Precisión: Es la habilidad de repetir la misma medida cerca o dentro de una misma zona. Error
aleatorio del sistema de medición.
Exactitud: Es la diferencia entre el promedio del número de medidas y el valor verdadero.
Resolución: La medición que tiene exactitud y precisión.
Exacto pero no preciso Exacto y preciso

Preciso pero no exacto
(resolución)
Estabilidad: es la variación total de las mediciones obtenidas con un sistema de medición, hechas
sobre el mismo patrón o sobre las mismas partes, cuando se mide una sola de sus características,
durante un período de tiempo prolongado. Es el cambio de sesgo en el tiempo.
Tiempo 2
Tiempo 1
Linealidad: diferencia en los valores de la escala, a través del rango de operación esperado del
instrumento de medición. Es el cambio de sesgo en el rango de operación normal.
Valor Valor
verdadero verdadero
Sesgo Sesgo
Menor mayor
(rango inferior) (rango superior)

Rango de Operación del equipo
1
·En EUA se tiene el NIST (National Institute of Standards ando Technology),En México se tiene el CENEAM o
el Centro Nacional de Metrología
Página 5
Exactitud: “Cercanía” al valor verdadero, o un valor de referencia aceptado.

Sesgo: distancia entre el valor promedio de todas las mediciones y el valor verdadero. Error
sistemático o desviación.
Valor 
Verdadero
Sesgo
Incertidumbre: es un parámetro, asociado con el resultado de una medición que caracteriza la

dispersión de los valores que razonablemente pueden ser atribuidos al mesurando.
Calibración: Es la comparación de un estándar de medición con exactitud conocida con otro

instrumento para detectar, reportar o eliminar por medio del ajuste, cualquier variación en la
exactitud del instrumento.
 Para que el equipo de medición tenga una discriminación adecuada en la evaluación de las
partes, su
 resolución debe ser al menos 1/10 de la tolerancia.
El error combinado del sistema de medición versus tolerancia debe ser:

<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qué tan crítico es el grado de la medición.
>30%. ¡Inaceptable!
En cualquier problema que involucre mediciones, algunas de las variaciones observadas son
debidas al proceso y otras son debidas al error o variación en los sistemas de medición. La
variación total es expresada de la siguiente manera:
 2 total   2 proceso   2 error mediciòn
Página 6
Trazabilidad
La propiedad de una medición o el valor de un estándar por el que puede ser relacionado a
referencias establecidas, usualmente estándares nacionales o internacionales, mediante una
cadena contnua de comparaciones siendo todas establecidas bajo incertidumbre.
Página 7
Discriminación: La discriminación es la cantidad de cambio de un valor de referencia que un

instrumento puede detectar e indicar. Regla de al menos 1/10 de la tolerancia.
Número de categorías Control Análisis

Puede ser utilizado para - Inaceptable para
control solo si: la estimación de
1 categoría de datos - La variación del parámetros del
proceso es pequeña proceso e índices
al compararla a las - Sólo indica si el
especificaciones proceso está
- La función de pérdida produciendo
es plana sobre la partes conformes
variación del proceso o no conformes
esperado
- La fuente principal de
variación causa un
cambio promedio
- Puede ser utilizado - generalmente no
con técnicas de aceptable para
2 - 4 categorías de datos control semi-variables estimación de
basadas en la parámetros de proceso e
distribución del índices ya que sólo
proceso proporciona estimados
- Puede producir cartas gruesos
de control por
variables insensibles
- Puede ser utilizado Recomendado
con cartas de control
por variables
5 o más categorías de datos
2. Carta de tendencias de Gage – Minitab
Una carta de tendencias es una gráfica de todas las observaciones por operador y partes. La línea
horizontal de referencia es la media, calculada de los datos o proporcionada en base al historial.
Esta carta muestra las diferencias entre los diferentes operadores y las partes. Un proceso estable
mostrará una dispersión aleatoria horizontal; el efecto de un operador o parte mostrará un patrón
definido no aleatorio.
Para el archivo de prueba de la AIAG se toman 10 partes que representan el rango esperado de
variación del proceso. Tres operadores miden las10 partes en tres intentos de manera aleatoria.
Página 8
Part Oper Valor Part Oper Valor Part Oper Response Valor Oper Valor
1 1 0.65 8 1 0.80 6 2 1.00 3 3 0.80
1 1 0.60 9 1 1.00 6 2 1.05 4 3 0.80
2 1 1.00 9 1 1.00 7 2 0.95 4 3 0.80
2 1 1.00 10 1 0.60 7 2 0.90 5 3 0.45
3 1 0.85 10 1 0.70 8 2 0.75 5 3 0.50
3 1 0.80 1 2 0.55 8 2 0.70 6 3 1.00
4 1 0.85 1 2 0.55 9 2 1.00 6 3 1.05
4 1 0.95 2 2 1.05 9 2 0.95 7 3 0.95
5 1 0.55 2 2 0.95 10 2 0.55 7 3 0.95
5 1 0.45 3 2 0.80 10 2 0.50 8 3 0.80
6 1 1.00 3 2 0.75 1 3 0.50 8 3 0.80
6 1 1.00 4 2 0.80 1 3 0.55 9 3 1.05
7 1 0.95 4 2 0.75 2 3 1.05 9 3 1.05
7 1 0.95 5 2 0.40 2 3 1.00 10 3 0.85
8 1 0.85 5 2 0.40 3 3 0.80 10 3 0.80
Instrucciones de Minitab
Paso 1: Gage Run Chart con datos GAGEAIAG
1 File > Open worksheet > GAGEAIAG.MTW.
2 Seleccionar Stat > Quality Tools > Gage Study > Gage Run Chart.
3 En Part numbers, seleccionar Part.
4 En Operators, seleccionar Operator.
5 En Measurement data, seleccionar Response. Click OK.
Gage Run Chart of Response by Part, Operator

Reported by :
G age name: Tolerance:
D ate of study : M isc:
1 2 3 4 5 O perator
1.0 1
2
3
Mean 0.8
0.6
Response
0.4
6 7 8 9 10
1.0
0.8 Mean
0.6
0.4
Operator
Panel variable: Part
Página 9
Interpretando los resultados

Para cada parte, se puede comparar la variación entre mediciones hechas por cada operador y las
diferencias entre los operadores.
Se puede comparar la media de referencia con las mediciones específicas.

La mayor parte de la variación se debe a diferencias entre las partes, algunos patrones menores
aparecen también. Por ejemplo el operador 2 en su segunda medición es consistentemente (7/10)
más pequeña que la primera medición, y sus mediciones son consistentemente (8/10) más
pequeñas que las del operador 1.
3. Estudios R&R - Método Corto del Rango

Es un método que proporciona un valor aproximado del error R&R sin que muestre las diferencias
entre errores por el equipo y por los operadores.
Este método tiene el potencial de detectar un sistema de medición inaceptable 80% de las veces
con un tamaño de muestra de 5 y un 90% con un tamaño de muestra de 10. Este método
normalmente emplea dos evaluadores y cinco partes para el estudio. Ambos evaluadores miden
las mismas partes. 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. La suma de las distancias es
encontrada y la distancia promedio ( R ) es calculada.
1
La variabilidad total de medición se encuentra al multiplicar la distancia promedio por donde
d 2*
d 2* se encuentra en el apéndice C, con m = 2 y g = número de partes.
Estudio de calibre o gage (método del rango)

(Desviación estándar del proceso = 0.0777 de estudio previo)
Rango promedio ( R ) = R i

0.35
 0.07
5 5
 R   R   0.07 
GRR =  *    
  1.19   0.0588
d
 2  1 .19 
Página 10
Para determinar qué porcentaje de la desviación estándar del proceso de la variación consume el
sistema de medición, convierta el GRR en un porcentaje al multiplicarlo por 100 y dividirlo entre la
desviación estándar del proceso. En el ejemplo, la desviación estándar del proceso es 0.0777.
 GRR 
% GRR = 100 *    75.7%
 Desviación estándar del proceso 
Por tanto se requiere mejorar el sistema de medición (error máximo 10%).
4. Estudio de R&R Método largo - Cruzado

Los estudios de repetibilidad y reproducibilidad determinan cuanto de la variación observada
como variación de proceso es debida a variación del sistema de medición. El Minitab permite
realizar estudios de R&R ya sean Cruzados (cada parte es evaluada varias veces por el mismo
operador) o Anidados (cada parte es medida por un único operador, tal como en pruebas
destructivas).
Se proporcionan dos métodos para evaluar la repetibilidad y la reproducibilidad: Método de cartas

X-R y Método de ANOVA.
El Método X-R divide la variación total dentro de tres categorías: parte a parte, repetibilidad y
reproducibilidad. El método ANOVA presenta un componente adicional, la interacción operador –
parte.
Realización del estudio
• Generalmente intervienen de dos a tres operadores

• Generalmente se toman 10 unidades
• Cada unidad es medida por cada operador, 2 ó 3 veces.
Página 11
 La resolución del equipo de medición debe ser de al menos el 10% del rango de tolerancia o
del rango de variación del proceso.
 Las partes deben seleccionarse al azar, cubriendo el rango total del proceso. Es importante que
dichas partes sean representativas del proceso total (80% de la variación)
.
 10 partes NO son un tamaño de muestra significativo para una opinión sólida sobre el equipo
de medición a menos que se cumpla el punto anterior.
Procedimiento para realizar un estudio de R&R
1. Asegúrese de que el equipo de medición haya sido calibrado.

2. Marque cada pieza con un número de identificación que no pueda ver la persona que realiza la
medición.
3. Haga que el primer operador mida todas las muestras una sola vez, siguiendo un orden al azar.
4. Haga que el segundo operador mida todas las muestras una sola vez, siguiendo un orden al
azar.
5. Continúe hasta que todos los operadores hayan medido las muestras una sola vez (Este es el
ensayo 1).
6. Repita los pasos 3-4 hasta completar el número requerido de ensayos
7. Determine las estadísticas del estudio R&R
 Repetibilidad
 Reproducibilidad
 % R&R
 Desviaciones estándar de cada uno de los conceptos mencionados
 Análisis del porcentaje de tolerancia
8. Analice los resultados y determine las acciones a seguir si las hay.
Métodos de estudio del error R&R:
I. Método de Promedios- Rango

 Permite separar en el sistema de medición lo referente a la Reproducibilidad y a la
Repetibilidad.
 Los cálculos son más fáciles de realizar.
II. Método ANOVA

 Permite separar en el sistema de medición lo referente a la Reproducibilidad y a la
Repetibilidad.
 También proporciona información acerca de las interacciones de un operador y otro en cuanto
a la parte.
 Calcula las varianzas en forma más precisa.
 Los cálculos numéricos requieren de una computadora.
Página 12
 El Método ANOVA es más preciso
Método de medias rangos:

Cálculos de R&R con Excel o manual: Introducir los datos en la hoja de colección de datos siguiente
por cada operador y hacer los cálculos indicados en la zona gris:
Página 13
Una vez colectados los datos proceder a realizar la carta de rango R y observar que esté en control,
de otra forma repetir las mediciones para ese operador y parte específica errónea:
RANGOS
LSCR = 0.001075 R= 0.00042 LICR = 0
LSCX = 0.005143 X = 0.004717 LICX = 0.004290417

Ahora revisar la carta X media, debe tener al menos el 50% de puntos fuera de control indicando
que identifica las variaciones en las diferentes partes presentadas:
Se procede posteriormente a determinar los errores o variabilidad del sistema de medición con la
hoja de trabajo siguiente, calculando los campos con sombra gris:
Ahora revisar la carta X media, debe tener al menos el 50% de puntos fuera de control indicando que
identifica las variaciones en las diferentes partes presentadas:
Se procede posteriormente a determinar los errores o variabilidad del sistema de medición con la hoja de
trabajo siguiente, calculando los campos con sombra gris:
LSCX
= 0.005143 X = 0.004717 LICX = 0.004290417
Página 14
ESTUDIO DE REPETIBILIDAD Y REPRODUCIBILIDAD ( R & R )

MÉTODO LARGO
Aseguramiento de Calidad
No. de Parte y
Nombre: 4600066 PARTE A Fecha: 01/07/2003
Tolerancia
Especificada: 0.0060 Elaborado por: 0
No. y Nombre de Calibrador
GAGE: 8881-H Digital Característica: Diametro
RESULTADOS DE LA HOJA DE DATOS AC-008
R= 0.00041667 X Diff = 0.0001000000 Rp = 0.000944444
Análisis Unitario de Medición % Total de Variación ( TV )

Repetibilidad - Variación del Equipo (EV) % EV = 100 [ EV/TV ]
EV= R x K1 = INTENTOS K1 % EV = 63.74%
EV= 0.00127083 2 4.56
3 3.05 % EV vs Tol. = 21.18%
Reproducibilidad - Variación del Operador (AV) % AV = 100 [AV/TV]
2 2 1/2
AV = [(XDiff x K2) - (EV /nr)] % AV = 6.93%
AV = 0.00027 % AV vs Tol = 2.30%
AV = 7.29E-08 n=partes = 10
AV = 5.3834E-08 r = intentos = 3
AV = 1.9066E-08 OPERADOR 2 3
AV = 0.00013808 K2 3.65 2.7
Repetibilidad y Reproducibilidad ( R & R ) PARTES K3 % de R & R = 100 [ R & R /TV ]

2 2 1/2
R & R = [EV + AV ] 5 2.08 % de R & R = 64.1164%
R & R2
= 1.6341E-06 6 1.93 % de R & R vs Tol = 21.31%
R&R= 0.00127831 7 1.82
Variación de la Parte ( PV ) 8 1.74 % PV = 100 [ PV/TV ]
PV = RP x K3 9 1.67 % PV = 76.7403%
PV = 0.00153 10 1.62
VARIACIÓN TOTAL ( TV ) TV = 3.97E-06 PV / R&R x d2= d2 = 1.693
Categoria de
TV = ( R & R2 + PV2 )1/2 TV = 0.001994 2.0 Datos
Página 15
Interpretación de los resultados

1. El porcentaje de error R&R no debe exceder del 10%, si el equipo se usa para liberar
producto terminado la referencia es la tolerancia del cliente; si el equipo se usa para
control del proceso, la referencia es la variación total del proceso.
2. El número de categorías debe ser de al menos 4 indicando que el equipo distingue las
partes que son diferentes.
Corrida con Minitab

Los datos se estructuran de manera que en cada fila se tenga el número o nombre de la parte, el
operador y la medición observada. Las partes y operadores pueden ser textos o números.
PartNum Operator Measure

1 Daryl 1.48
1 Daryl 1.43
2 Daryl 1.83
2 Daryl 1.83
3 Daryl 1.53
3 Daryl 1.38
1 Beth 1.78
1 Beth 1.33
... ... ...
Los estudios de R&R equieren diseños balancedos (igual número de observaciones por celda) y
réplicas.
Se seleccionan 10 muestras de un proceso de manufactura, cada parte es medida dos veces

por tres operadores. Realice un estudio R&R mediante el método ANOVA.
OPERADOR A.- B.- C.-
columna columna columna columna columna columna columna columna columna
1 2 3 5 6 7 9 10 11
1er 2do 3er 1er 2do 3er 1er 2do 3er
Muestra Intento Intento Intento Intento Intento Intento Intento Intento Intento
1 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0050 0.0045 0.0045
2 0.0045 0.0055 0.0045 0.0055 0.0050 0.0045 0.0055 0.0045 0.0045
3 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0040
4 0.0050 0.0050 0.0045 0.0050 0.0050 0.0050 0.0050 0.0050 0.0050
5 0.0045 0.0045 0.0045 0.0040 0.0045 0.0040 0.0045 0.0045 0.0040
6 0.0050 0.0055 0.0045 0.0060 0.0050 0.0050 0.0050 0.0050 0.0050
7 0.0050 0.0045 0.0045 0.0055 0.0045 0.0050 0.0045 0.0050 0.0050
8 0.0050 0.0050 0.0050 0.0050 0.0050 0.0050 0.0060 0.0050 0.0050
9 0.0050 0.0045 0.0050 0.0045 0.0045 0.0050 0.0055 0.0045 0.0045
10 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040 0.0045 0.0045 0.0045
Página 16
Totales 0.0470 0.0475 0.0455 0.0485 0.0465 0.0465 0.0500 0.0470 0.0460
 Capture los datos en la hoja de trabajo de Minitab en tres columnas C1, C2, C3
Partes Operadores Medición Partes Operadores Medición Partes Operadores Medición

1 1 0.0045 1 2 0.0045 1 3 0.005
2 1 0.0045 2 2 0.0055 2 3 0.0055
3 1 0.0045 3 2 0.0045 3 3 0.0045
4 1 0.005 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.004 5 3 0.0045
6 1 0.005 6 2 0.006 6 3 0.005
7 1 0.005 7 2 0.0055 7 3 0.0045
8 1 0.005 8 2 0.005 8 3 0.006
9 1 0.005 9 2 0.0045 9 3 0.0055
10 1 0.004 10 2 0.004 10 3 0.0045
1 1 0.0045 1 2 0.0045 1 3 0.0045
2 1 0.0055 2 2 0.005 2 3 0.0045
3 1 0.0045 3 2 0.0045 3 3 0.0045
4 1 0.005 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.0045 5 3 0.0045
6 1 0.0055 6 2 0.005 6 3 0.005
7 1 0.0045 7 2 0.0045 7 3 0.005
8 1 0.005 8 2 0.005 8 3 0.005
9 1 0.0045 9 2 0.0045 9 3 0.0045
10 1 0.004 10 2 0.004 10 3 0.0045
1 1 0.0045 1 2 0.0045 1 3 0.0045
2 1 0.0045 2 2 0.0045 2 3 0.0045
3 1 0.0045 3 2 0.0045 3 3 0.004
4 1 0.0045 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.004 5 3 0.004
6 1 0.0045 6 2 0.005 6 3 0.005
7 1 0.0045 7 2 0.005 7 3 0.005
8 1 0.005 8 2 0.005 8 3 0.005
9 1 0.005 9 2 0.005 9 3 0.0045
10 1 0.004 10 2 0.004 10 3 0.0045
Ejemplo: por el Método de ANOVA se tiene:

 Seleccione en el menú de la barra de herramientas STAT>QUALITY TOOLS>GAGE STUDY >
Gage R&R (Crossed)
 Seleccione C1 (parte), C2 (operador), C3 (Medición)
 Método de Análisis ANOVA
 En Options Seleccionar: Study variation 5.15 Process tolerance 0.006 Alfa to remove
interaction 0.25
Los resultados se muestran a continuación:
Página 17
Gage R&R Study - ANOVA Method
Two-Way ANOVA Table With Interaction
Source DF SS MS F P
Partes 9 0.0000086 0.0000010 12.2885 0.000
Operadores 2 0.0000002 0.0000001 0.9605 0.401
Partes * Operadores 18 0.0000014 0.0000001 0.7398 0.757
Repeatability 60 0.0000063 0.0000001
Total 89 0.0000165
Los operadores y la interacción no fueron significativos, sólo las partes
Two-Way ANOVA Table Without Interaction
Source DF SS MS F P
Partes 9 0.0000086 0.0000010 9.67145 0.000
Operadores 2 0.0000002 0.0000001 0.75592 0.473
Repeatability 78 0.0000077 0.0000001
Total 89 0.0000165
Gage R&R
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0.0000001 50.93
Repeatability 0.0000001 50.93
Reproducibility 0.0000000 0.00
Operadores 0.0000000 0.00
Part-To-Part 0.0000001 49.07
Total Variation 0.0000002 100.00
Study Var %Study Var %Tolerance

Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler)
Total Gage R&R 0.0003150 0.0016222 71.36 27.04
Repeatability 0.0003150 0.0016222 71.36 27.04
Reproducibility 0.0000000 0.0000000 0.00 0.00
Operadores 0.0000000 0.0000000 0.00 0.00
Part-To-Part 0.0003092 0.0015923 70.05 26.54
Total Variation 0.0004414 0.0022731 100.00 37.88
Number of Distinct Categories = 1
La interacción no es significativa, y los errores de R&R indican que equipo de medición no es

adecuado, el número de categorías es sólo de 1 cuando debe ser al menos 5 indicando que el
instrumento discrimina las diversas partes diferentes.
Página 18
Gage R&R (ANOVA) for Datos

Reported by :
D ate of study : M isc:
Components of Variation Datos by Partes

80 % Contribution
0.006
% Study Var
Percent
% Tolerance
40 0.005
0.004
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Partes
R Chart by Operadores
1 2 3 Datos by Operadores
UCL=0.001073 0.006
0.0010
Sample Range
_ 0.005
0.0005
R=0.000417
0.004
0.0000 LCL=0
1 2 3
Operadores
Xbar Chart by Operadores
1 2 3 Operadores * Partes Interaction
O peradores
UCL=0.005143
Sample Mean
1
0.0050 0.0050
Average
_ 2
X=0.004717 3
0.0045
0.0045
LCL=0.004290
0.0040
0.0040 1 2 3 4 5 6 7 8 9 10
Partes
La gráfica R se mantiene en control indicando que las mediciones se realizaron en forma

adecuada.
La gráfica X barra sólo presenta 5 de 30 puntos fuera de control, lo cual debería ser al menos el
50%, indicando que el equipo no discrimina las diferentes partes.
5. Estudios de Linealidad y sesgo

La linealidad del Gage indica que tan exacto son las mediciones a través del rango esperado de las
mediciones. Contesta a la pregunta ¿mi gage tiene la misma exactitud para todos los tamaños de
objetos a medir?.
El bias o exactitud del gage examina la diferencia entre la media de los datos observados y un valor
de referencia o patrón. Contesta a la pregunta, ¿Qué tan exacto es mi gage comparado con un
patrón?
Datos:
Los datos se estructuran de manera que cada fila contiene una parte, el valor de referencia, y la
medición observada en esa parte (la respuesta). Las partes pueden ser textos o números.
Página 19
Variación del proceso (opcional): Se ingresa la desviación estándar del proceso. Se puede obtener
la desviación estándar del proceso del renglón de la variación total de la columna 6*SD del estudio
Gage R&R – Método ANOVA. Este es el número asociado con la variación del proceso. Si no se
conoce la variación del proceso, se puede introducir en su lugar la tolerancia.
Ejemplo:
Un supervisor selecciona 5 partes que representan el rango esperado de las mediciones. Cada
parte fue medida por inspección de Layout para determinar su valor de referencia (patrón). Un
operador mide aleatoriamente cada parte 12 veces. Se obtiene la variación del proceso (14.1941)
del estudio Gage R&R usando el método ANOVA (renglón Total variation de la columna Study Var
(6*SD)).
Los datos utilizados son los siguientes:
Página 20
Datos para Minitab:
Part Master Response Part Master Response

1 2 2.7 3 6 6
1 2 2.5 3 6 6.1
1 2 2.4 3 6 6.4
1 2 2.5 3 6 6.3
1 2 2.7 3 6 6
1 2 2.3 3 6 6.1
1 2 2.5 4 8 7.6
1 2 2.5 4 8 7.7
1 2 2.4 4 8 7.8
1 2 2.4 4 8 7.7
1 2 2.6 4 8 7.8
1 2 2.4 4 8 7.8
2 4 5.1 4 8 7.8
2 4 3.9 4 8 7.7
2 4 4.2 4 8 7.8
2 4 5 4 8 7.5
2 4 3.8 4 8 7.6
2 4 3.9 4 8 7.7
2 4 3.9 5 10 9.1
2 4 3.9 5 10 9.3
2 4 3.9 5 10 9.5
2 4 4 5 10 9.3
2 4 4.1 5 10 9.4
2 4 3.8 5 10 9.5
3 6 5.8 5 10 9.5
3 6 5.7 5 10 9.5
3 6 5.9 5 10 9.6
3 6 5.9 5 10 9.2
3 6 6 5 10 9.3
3 6 6.1 5 10 9.4
Instrucciones de Minitab:
1 File > Open worksheet > GAGELIN.MTW.

2 Seleccionar Stat > Quality Tools > Gage Study > Gage Linearity and Bias Study.
3 En Part numbers, seleccionar Part.
4 En Reference values, seleccionar Master.
5 En Measurement data, seleccionar Response.
6 En Process Variation, teclear 14.1941. Click OK.
Página 21
Los resultados son los siguientes:
Gage Linearity and Bias Study for Response

Reported by :
Date of study : M isc:
G age Linearity
P redictor C oef S E C oef P
Regression
C onstant 0.73667 0.07252 0.000
95% CI
1.0 Data S lope -0.13167 0.01093 0.000
Avg Bias
S 0.23954 R-S q 71.4%
Linearity 1.86889 % Linearity 13.2
0.5 G age Bias

Reference Bias % Bias P
A v erage -0.053333 0.4 0.040
2 0.491667 3.5 0.000
Bias
0.0 0 4 0.125000 0.9 0.293

6 0.025000 0.2 0.688
8 -0.291667 2.1 0.000
10 -0.616667 4.3 0.000
-0.5
Percent of Process Variation
10
Percent
-1.0 5
2 4 6 8 10
Reference Value 0
Linearity Bias
Interpretando los resultados
El porcentaje de linealidad (valor absoluto de la pendiente * 100) es 13.2, que significa que la
linealidad del gage es del 13% de la variación total.
El porcentaje de sesgo para el promedio de referencia es 0.4, lo que significa que el sesgo del gage
es menor que 0.4% de la variación total observada.
El análisis gráfico indica que causas especiales pudieron haber influenciado el sistema de
medición. Los datos para el valor de referencia 4 aparentan ser bimodal.
Aun si los datos para el valor de referencia 4 no fueran considerados, el análisis gráfico muestra
claramente que este sistema de medición tiene un problema de linealidad. El valor R2 indica que
una muestra lineal puede no ser un modelo apropiado para este tipo de datos. Aun si el modelo
lineal es aceptado, la línea de “sesgo = 0” interseca los límites de confianza más que encontrarse
dentro de ellos.
El supervisor debe iniciar un análisis de problema y una resolución en el sistema de medición, ya

que el análisis numérico no proporcionará cualquier idea adicional.
Si el sistema de medición tiene un problema de linealidad, necesita ser recalibrado para alcanzar el
sesgo cero mediante la modificación del hardware, software o ambos.
Página 22
6. Método de acuerdo por atributos

Usar el análisis de acuerdo por atributos para evaluar las calificaciones nominales u ordinales
proporcionadas por varios evaluadores. Las mediciones son calificaciones subjetivas de la gente en
vez de mediciones físicas. Algunos ejemplos incluye
 Calificaciones de desempeño de los automóviles

 Clasificación de la calidad de las fibras como “buena” o “mala”.
 Calificaciones de color, aroma y gusto del vino en una escala de 1 a 10.
En estos casos la característica de calidad es difícil de definir y evaluar. Para obtener clasificaciones
significativas, más de un evaluador debe calificar la medición de respuesta. Si los evaluadores están
de acuerdo, existe la posibilidad de que las apreciaciones sean exactas. Si hay discrepancias, la
utilidad de la evaluación es limitada.
DATOS
Los datos pueden ser texto o numéricos. Las calificaciones asignadas pueden ser Nominales u
ordinales.
 Los datos nominales son variables categóricas que tienen dos o más niveles sin orden
natural. Por ejemplo, los niveles en un estudio de gustación de comida que puede incluir
dulce, salado o picoso.
 Los datos ordinales son variables categóricas que tienen tres o más niveles con
ordenamiento natural, tales como: en desacuerdo total, en desacuerdo, neutral, de
acuerdo, y completamente de acuerdo.
Los datos pueden estar apilados en una sola columna o no apilados en varias columnas,
como se muestra a continuación.
Attribute column data

Sample Appraiser Response
1 A Good
1 A Good
1 B Bad
1 B Good
2 A Good
2 A Good
2 B Good
2 B Good
3 A Bad
3 A Good
3 B Bad
Página 23
3 B Bad
4 A Good
4 A Good
4 B Good
4 B Good
5 A Bad
5 A Bad
5 B Good
5 B Bad
Multiple columns data

Sample Appraiser A Appraiser A Appraiser B Appraiser B
 Trial 1  Trial 2  Trial 1 Trial 2
1 Good Good Bad Good
2 Good Good Good Good
3 Bad Good Bad Bad
4 Good Good Good Good
5 Bad Bad Good Bad
Nota:
Cuando los datos se encuentran en varias columnas, se deben introducir los intentos para cada
operador juntos, como se indica en la tabla anterior. El orden de los intentos debe ser el mismo
para cada uno de los operadores.
Ejemplo:
Una empresa está entrenando a cinco evaluadores para la porción escrita de un examen estándar
de doceavo grado. Se requiere determinar la habilidad de los evaluadores para calificar el examen
de forma que sea consistente con los estándares. Cada uno de los evaluadores califica 15
exámenes en una escala de cinco puntos (-2, -1, 0, 1, 2):
1 Abrir el archive ESSAY.MTW.

2 Seleccionar Stat > Quality Tools > Attribute Agreement Analysis.
3 En Attribute column, poner Rating.
4 En Samples, poner Sample.
5 En Appraisers, poner Appraiser.
6 En Known standard/attribute, poner Attribute.
7 Checar Categories of the attribute data are ordered y poner OK
El contenido del archivo es como sigue:
Appraiser Sample Rating Attribute

Simpson 1 2 2
Página 24
Montgomery 1 2 2
Holmes 1 2 2
Duncan 1 1 2
Hayes 1 2 2
Simpson 2 -1 -1
Montgomery 2 -1 -1
Holmes 2 -1 -1
Duncan 2 -2 -1
Hayes 2 -1 -1
Simpson 3 1 0
Montgomery 3 0 0
Holmes 3 0 0
Duncan 3 0 0
Hayes 3 0 0
Simpson 4 -2 -2
Montgomery 4 -2 -2
Holmes 4 -2 -2
Duncan 4 -2 -2
Hayes 4 -2 -2
Simpson 5 0 0
Montgomery 5 0 0
Holmes 5 0 0
Duncan 5 -1 0
Hayes 5 0 0
Simpson 6 1 1
Montgomery 6 1 1
Holmes 6 1 1
Duncan 6 1 1
Hayes 6 1 1
Simpson 7 2 2
Montgomery 7 2 2
Holmes 7 2 2
Duncan 7 1 2
Hayes 7 2 2
Simpson 8 0 0
Montgomery 8 0 0
Holmes 8 0 0
Duncan 8 0 0
Hayes 8 0 0
Simpson 9 -1 -1
Montgomery 9 -1 -1
Holmes 9 -1 -1
Duncan 9 -2 -1
Hayes 9 -1 -1
Simpson 10 1 1
Montgomery 10 1 1
Página 25
Holmes 10 1 1
Duncan 10 0 1
Hayes 10 2 1
Simpson 11 -2 -2
Montgomery 11 -2 -2
Holmes 11 -2 -2
Duncan 11 -2 -2
Hayes 11 -1 -2
Simpson 12 0 0
Montgomery 12 0 0
Holmes 12 0 0
Duncan 12 -1 0
Hayes 12 0 0
Simpson 13 2 2
Montgomery 13 2 2
Holmes 13 2 2
Duncan 13 2 2
Hayes 13 2 2
Simpson 14 -1 -1
Montgomery 14 -1 -1
Holmes 14 -1 -1
Duncan 14 -1 -1
Hayes 14 -1 -1
Simpson 15 1 1
Montgomery 15 1 1
Holmes 15 1 1
Duncan 15 1 1
Hayes 15 1 1
Gage R&R for Datos
Results for: Essay.MTW
Attribute Agreement Analysis for Rating
Each Appraiser vs Standard
Assessment Agreement
Appraiser # Inspected # Matched Percent 95 % CI

Duncan 15 8 53.33 (26.59, 78.73)
Hayes 15 13 86.67 (59.54, 98.34)
Holmes 15 15 100.00 (81.90, 100.00)
Montgomery 15 15 100.00 (81.90, 100.00)
Simpson 15 14 93.33 (68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the known standard.
Kendall's Correlation Coefficient
Appraiser Coef SE Coef Z P
Página 26
Duncan 0.89779 0.192450 4.61554 0.0000

Hayes 0.96014 0.192450 4.93955 0.0000
Holmes 1.00000 0.192450 5.14667 0.0000
Montgomery 1.00000 0.192450 5.14667 0.0000
Simpson 0.93258 0.192450 4.79636 0.0000
Between Appraisers
# Inspected # Matched Percent 95 % CI

15 6 40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with each other.
Fleiss' Kappa Statistics
Response Kappa SE Kappa Z P(vs > 0)

-2 0.680398 0.0816497 8.3331 0.0000
-1 0.602754 0.0816497 7.3822 0.0000
0 0.707602 0.0816497 8.6663 0.0000
1 0.642479 0.0816497 7.8687 0.0000
2 0.736534 0.0816497 9.0207 0.0000
Overall 0.672965 0.0412331 16.3210 0.0000
Kendall's Coefficient of Concordance
Coef Chi - Sq DF P
0.966317 67.6422 14 0.0000
All Appraisers vs Standard
# Inspected # Matched Percent 95 % CI

15 6 40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with the known standard.
Kendall's Correlation Coefficient
Coef SE Coef Z P
0.958102 0.0860663 11.1100 0.0000
* NOTE * Single trial within each appraiser. No percentage of assessment

agreement within appraiser is plotted.
Página 27
Date of study :
Reported by :
Name of product:
Misc:
Appraiser vs Standard
100 95.0% C I
P ercent
80
60
Percent
40
20
0
Duncan Hayes Holmes Montgomery Simpson
Appraiser
Interpretación de resultados
Minitab muestra tres tablas de acuerdo: Cada evaluador vs el estándar, Entre evaluadores y Todos
los evaluadores vs estándar. Los estadísticos de Kappa y Kendall también se incluyen en cada una
de las tablas. En general estos estadísticos sugieren buen acuerdo.
El coeficiente de Kendall entre evaluadores es 0.966317 (p = 0.0); para todos los evaluadores vs
estándar es 0.958192 (p = 0.0). Sin embargo la observación del desempeño de Duncan y Haues
indica que no se apegan al estándar.
La gráfica de Evaluadores vs. Estándar proporciona una vista gráfica de cada uno de los evaluadores
vs el estándar, pudiendo comparar fácilmente la determinación de acuerdos para los cinco
evaluadores.
Se puede concluir que Duncan, Hayes y Simpson requieren entrenamiento adicional.
Página 28

M Dulo 2 Core Tools Msa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

M Dulo 2 Core Tools Msa

Cargado por

Copyright:

Formatos disponibles

ESTUDIOS DE REPETIBILIDAD Y REPRODUCIBILIDAD (R&R) P.

Reyes / junio 2010

DR. PRIMITIVO REYES AGUILAR

Posibles Fuentes de la Variación del Proceso

Variación del proceso

Variación dentro de la Variación

Repetibilidad Estabilidad Linealidad Sesgo

 Repetibilidad: es la variación de las mediciones obtenidas con un instrumento de medición,

GRR o R&R de Gage o calibre

Error de R&R del Gage

Valor verdadero: Valor correcto teórico / estándares NIST1

Exacto pero no preciso Exacto y preciso

(rango inferior) (rango superior)

Exactitud: “Cercanía” al valor verdadero, o un valor de referencia aceptado.

Incertidumbre: es un parámetro, asociado con el resultado de una medición que caracteriza la

Calibración: Es la comparación de un estándar de medición con exactitud conocida con otro

El error combinado del sistema de medición versus tolerancia debe ser:

 2 total   2 proceso   2 error mediciòn

Discriminación: La discriminación es la cantidad de cambio de un valor de referencia que un

Número de categorías Control Análisis

5 o más categorías de datos

2. Carta de tendencias de Gage – Minitab

Gage Run Chart of Response by Part, Operator

Interpretando los resultados

Se puede comparar la media de referencia con las mediciones específicas.

3. Estudios R&R - Método Corto del Rango

Estudio de calibre o gage (método del rango)

4. Estudio de R&R Método largo - Cruzado

Se proporcionan dos métodos para evaluar la repetibilidad y la reproducibilidad: Método de cartas

Realización del estudio

• Generalmente intervienen de dos a tres operadores

Procedimiento para realizar un estudio de R&R

1. Asegúrese de que el equipo de medición haya sido calibrado.

Métodos de estudio del error R&R:

I. Método de Promedios- Rango

II. Método ANOVA

 El Método ANOVA es más preciso

Método de medias rangos:

LSCX = 0.005143 X = 0.004717 LICX = 0.004290417

ESTUDIO DE REPETIBILIDAD Y REPRODUCIBILIDAD ( R & R )

RESULTADOS DE LA HOJA DE DATOS AC-008

R= 0.00041667 X Diff = 0.0001000000 Rp = 0.000944444

Análisis Unitario de Medición % Total de Variación ( TV )

Repetibilidad y Reproducibilidad ( R & R ) PARTES K3 % de R & R = 100 [ R & R /TV ]

Interpretación de los resultados

Corrida con Minitab

PartNum Operator Measure

Se seleccionan 10 muestras de un proceso de manufactura, cada parte es medida dos veces

Partes Operadores Medición Partes Operadores Medición Partes Operadores Medición

Ejemplo: por el Método de ANOVA se tiene:

Gage R&R Study - ANOVA Method

Two-Way ANOVA Table With Interaction

Los operadores y la interacción no fueron significativos, sólo las partes

Two-Way ANOVA Table Without Interaction

Study Var %Study Var %Tolerance

Number of Distinct Categories = 1

La interacción no es significativa, y los errores de R&R indican que equipo de medición no es

Gage R&R (ANOVA) for Datos

Components of Variation Datos by Partes

La gráfica R se mantiene en control indicando que las mediciones se realizaron en forma

5. Estudios de Linealidad y sesgo

Los datos utilizados son los siguientes:

Datos para Minitab: