Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6
Fases del Proceso APQP
ENTRADAS SALIDAS
7
Relación de MSA con APQP
10
Relación de MSA con PPAP
1.- Registros de diseño
2.- Documentos de cambio de ingeniería
3.- Aprobación por parte de ingeniería del cliente
4.- AMEF de diseño
5.- Diagrama de Flujo de Proceso.
6.- AMEF de Proceso.
7.- Plan de Control.
8.- Estudios de Análisis de Sistemas de Medición.
9.- Resultados Dimensionales.
10.- Resultados de Pruebas de Materiales, Comportamiento.
11.- Estudio Inicial de Desempeño/Habilidad del Proceso.
12.- Documentación de Laboratorios Calificados.
13.- Reporte de Aprobación de Apariencia (si aplica).
14.- Muestra(s) del Producto.
15.- Muestra Maestra.
16.- Ayudas para verificación
17.- Requisitos específicos del cliente
11
18.- Garantías de presentación de la parte PSW
Relación de MSA con PPAP
1. Estabilidad
2. Exactitud
3. Linealidad
4. Repetibilidad
5. Reproducibilidad
14
Usos de la evaluación MSA
1. Aceptar equipo nuevo
2. Comparar dos equipos entre si
3. Evaluar un calibrador sospechoso
4. Evaluar un calibrador antes y después de repararlo
5. Antes de implantar gráficos de control
6. Cuando disminuya la variación del proceso
7. De manera continua de acuerdo con la frecuencia de
medición recomendada en los estudios
15
Terminología
16
Terminología
• Estándar
– Base aceptada para comparación
– Criterio de aceptación
– Valor de referencia
1. Sesgo
2. Repetibilidad
3. Reproducibilidad
4. Estabilidad
5. Linealidad
19
Concepto de MSA
1. Estabilidad
2. Exactitud
3. Linealidad
4. Repetibilidad
5. Reproducibilidad
20
Exactitud y Precisión
Exacto No Exacto
x xxx
xx xx x
x xx
Preciso x xx
xxx
x
x x
No Preciso x x
x x x x x
x
x x x
x x
x x
21
Discriminación
• Unidad más pequeña que se puede leer, resolución de la medida,
límite de detección
• Una propiedad inherente fija por diseño
• Unidad de escala más pequeña de un instrumento
• Siempre se reporta como una unidad de medida
• Regla empírica de 10 a 1
Menor Discriminación
Rango de variación del
producto puede escribirse
solamente como enteros
Mayor Discriminación
Rango de la variación del
producto puede escribirse
con un decimal
22
Regla empírica de 10 a 1
26
Discriminación
27
Discriminación
0.1425
_
_
X=0.14063
0.1400
0.1375
LC L=0.13569
0.1350
1 4 7 10 13 16 19 22 25
M uestr a
0.020
U C L=0.01809
Rango de la muestr a
0.015
0.010 _
R=0.00856
0.005
0.000 LC L=0
1 4 7 10 13 16 19 22 25
M uestr a
28
Gráfica de promedios X
G r á f i c a X b a r r a -R d e x 1 , . . . , x 5
U C L= 0 . 1 4 5 5 6
0 .1 4 5 0
M edia de la muestr a
0 .1 4 2 5
_
_
X= 0 .1 4 0 63
0 .1 4 0 0
0 .1 3 7 5
LC L= 0 . 1 3 5 6 9
0 .1 3 5 0
1 4 7 10 13 16 19 22 25
M u e str a
UCL x = X + A2 R
UCLx = 0.1406 + (0.577 * 0.00856) = 0.1455
LCL x = X − A2 R
Valores de A2 LCLx = 0.1406 − (0.577 * 0.00856) = 0.1356
0.020
U C L= 0.01809
Rango de la muestr a
0.015
0.010 _
R= 0.00856
0.005
0.000 LC L= 0
1 4 7 10 13 16 19 22 25
M ue str a
UCL R = D 4 R
Valores para D3 y D 4
LCLR = D3 R = 0 * 0.00856= 0
R = Promedio de rangos de subgrupos = 0.00856
30
Discriminación
Subgrupo x1 x2 x3 x4 x5
1 0.14 0.14 0.14 0.13 0.14
2 0.14 0.14 0.14 0.15 0.15
3 0.14 0.13 0.15 0.15 0.15
4 0.14 0.14 0.14 0.14 0.14
5 0.14 0.14 0.15 0.14 0.14
6 0.14 0.14 0.14 0.14 0.14
7 0.14 0.15 0.14 0.14 0.14
8 0.14 0.14 0.15 0.14 0.14
9 0.14 0.14 0.15 0.14 0.14
10 0.14 0.14 0.13 0.14 0.13
11 0.14 0.15 0.14 0.14 0.14
12 0.14 0.15 0.14 0.14 0.15
13 0.14 0.14 0.14 0.14 0.14
14 0.14 0.15 0.14 0.14 0.14
15 0.14 0.14 0.14 0.14 0.14
16 0.13 0.13 0.14 0.15 0.14
17 0.14 0.14 0.14 0.14 0.14
18 0.14 0.14 0.14 0.15 0.14
19 0.14 0.14 0.14 0.14 0.14
20 0.14 0.14 0.14 0.14 0.14
21 0.14 0.14 0.14 0.14 0.14
22 0.14 0.15 0.14 0.14 0.14
23 0.14 0.15 0.14 0.14 0.14
24 0.13 0.15 0.14 0.14 0.14
25 0.14 0.15 0.14 0.14 0.14
26 0.14 0.15 0.14 0.14 0.14
27 0.15 0.15 0.14 0.14 0.14
Redondeo.xls 31
Discriminación
32
Discriminación
33
Discriminación
0.1425 _
_
X=0.14111
0.1400
0.1375
LC L=0.13641
1
0.1350
1 4 7 10 13 16 19 22 25
M uestr a
1 1 1
0.020
Rango de la muestr a
U C L=0.01723
0.015
0.010 _
R=0.00815
0.005
0.000 LC L=0
1 4 7 10 13 16 19 22 25
M uestr a
34
Gráfica de promedios X
0.14 25 _
_
X= 0 .14 11 1
0.14 00
0.13 75
LC L= 0.13 641
1
0.13 50
1 4 7 10 13 16 19 22 25
M u e s tr a
UC L=0.01723
0.015
0.010 _
R=0.00815
0.005
0.000 LC L=0
1 4 7 10 13 16 19 22 25
Muestra
Valores para D3 y D 4
UCL R = D 4 R
UCL R = 2 . 114 * 0 . 00815 = 0 . 01723
LCLR = D3 R = 0 * 0.00815= 0
• Interpretación
1. Si existe una situación fuera de control en los rangos, significa
que la repetibilidad no es estable
2. Si existe una situación fuera de control en las medias, significa
que la exactitud ha cambiado.
37
Estabilidad
1 operador
1 calibrador
Estabilidad
Una pieza de referencia
Varias mediciones de la
misma pieza en diferentes
tiempos
VR Tiempo 1 Tiempo 2
1 lectura del patrón
38
Tipos de variación
? ?
39
Estabilidad de Procesos
Un proceso estable muestra una gráfica de control sin puntos fuera de control
Longitud de perno
UCL=3.4728
3.46
Sample M ean
3.44
_
_
3.42 X=3.4227
3.40
3.38
LCL=3.3726
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
0.20
UCL=0.1838
0.15
Sample Range
0.10 _
R=0.0869
0.05
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
40
db tn
e
Ielr:
Xd fn
-e in
-e = >
p
u
c
Mm cb p
2
RfS c18
Reo u-
e t
dn t8
Tamaño de
muestra 41
Realización del MSA
Para llevar a cabo un estudio de MSA:
1. Verificar la calibración del instrumento
2. Definir y documentar el procedimiento de medición
3. Entrenar a los operadores del sistema de medición
4. Planear la cantidad de operadores, piezas y réplicas
5. Seleccionar los operadores para el estudio
6. Seleccionar y numerar las piezas del estudio
7. Estar presente durante el estudio
8. Realizar las mediciones ciegas y en orden aleatorio
9. Verificar captura correcta de datos
10.Registrar posibles fuentes de variación
11.Analizar los datos
12.Obtener conclusiones
13.Tomar acciones
14.Documentar el estudio 42
Pruebas para gráficas de control
UCL
C
C
LCL
44
Prueba 2 de Nelson
UCL
C
C
LCL
UCL
C
C
LCL
46
Prueba 4 de Nelson
UCL
C
C
LCL
47
Prueba 5 de Nelson
UCL
C
C
LCL
48
Prueba 6 de Nelson
UCL C
C
LCL
49
Prueba 7 de Nelson
UCL
C
C
LCL
50
Prueba 8 de Nelson
UCL
C
C
LCL
51
Estabilidad
Estudio de estabilidad
1. Obtener una parte de producción en el rango medio de las
mediciones como muestra patrón para el análisis de estabilidad.
2. Medir la muestra patrón 3-5 veces en una base periódica
(diaria, semanal) a diferentes horas.
3. Graficar la información en una gráfica de control Promedios-
Rangos o Promedios-Sigmas.
4. Establecer límites de control y
evaluar condiciones inestables
o fuera de control mediante
análisis estándar de gráficas de
control
52
Estabilidad
Mediciones
• Ejemplo: Se desea evaluar Dia Hora M1 M2 M3 M4 M5
cierto instrumento de 1 1 0.249 0.246 0.248 0.247 0.249
2 0.25 0.248 0.247 0.248 0.249
medición de diámetro de 3 0.249 0.25 0.25 0.25 0.252
tubos. Se cuenta con una 4 0.248 0.25 0.248 0.25 0.244
2 1 0.246 0.251 0.252 0.249 0.251
medición de referencia de 2 0.252 0.245 0.252 0.249 0.247
3 0.251 0.249 0.253 0.247 0.248
0.25 pulgadas, la cual se usa 4 0.252 0.249 0.247 0.249 0.25
para efectuar 100 3 1 0.251 0.249 0.25 0.251 0.25
2 0.248 0.255 0.25 0.252 0.252
mediciones por un solo 3 0.25 0.25 0.253 0.249 0.248
operador durante cinco días, 4 0.251 0.25 0.247 0.249 0.25
4 1 0.249 0.252 0.249 0.25 0.251
cuatro veces por día y cinco 2 0.252 0.247 0.25 0.248 0.251
veces en cada ocasión. 3 0.252 0.25 0.252 0.248 0.253
4 0.248 0.25 0.251 0.254 0.25
Evaluar la estabilidad del 5 1 0.25 0.25 0.252 0.249 0.248
instrumento. Los límites de 2 0.251 0.248 0.247 0.247 0.248
3 0.249 0.246 0.25 0.248 0.252
especificación del proceso 4 0.249 0.249 0.253 0.251 0.25
son 0.28 y 0.22 pulgadas. Estabilidad.xls
53
Estabilidad
54
Estabilidad
55
Estabilidad
Resultado
Gráfica Xbarra-R de M1, ..., M5
U C L=0.252311
0.252
M edia de la muestr a
0.250 _
_
X=0.2496
0.248
LC L=0.246889
1 3 5 7 9 11 13 15 17 19
M uestr a
0.0100 U C L=0.00994
Rango de la muestr a
0.0075
_
0.0050 R=0.0047
0.0025
0.0000 LC L=0
1 3 5 7 9 11 13 15 17 19
M uestr a
56
Gráfica de promedios X
Gráfica Xbarra-R de M1 , ..., M5
U C L= 0.252311
0.252
M edia de la muestr a
0.250 _
_
X= 0.2496
0.248
LC L= 0.246889
1 3 5 7 9 11 13 15 17 19
M ue s tr a
0.0100 UC L=0.00994
Rango de la muestr a
0.0075
_
0.0050 R=0.0047
0.0025
0.0000 LC L=0
1 3 5 7 9 11 13 15 17 19
Muestra
UCL R = D 4 R
Valores para D3 y D 4
LCLR = D3 R = 0 * 0.0047 = 0
R 0.0047
σˆe = = = 0.00202
d2 2.326
• La incertidumbre es:
Hora Medida
• Ejemplo: 1 7
Se desea evaluar cierto instrumento 2 9
automático de medición de alturas. 3 8
Se cuenta con una medición de 4 7
referencia de 7.75 pulgadas, la cual se 5 7
usa para efectuar 1 medición cada 2 6 8
horas por un solo operador. 7 9
Evaluar la estabilidad del instrumento. 8 7
9 9
10 7
11 8
12 7
Estabilidad.xls
60
Gráfica I-MR
61
Estabilidad
10
_
8 X=7.75
LC L=4.365
4
1 2 3 4 5 6 7 8 9 10 11 12
O bser vación
U C L=4.158
4
3
Rango móvil
2
__
M R=1.273
1
0 LC L=0
1 2 3 4 5 6 7 8 9 10 11 12
O bser vación
62
Gráfica de datos individuales I
Gráfica I-MR de Medida
12
U C L= 11.135
V alor individual
10
_
8 X= 7.75
LC L= 4.365
4
1 2 3 4 5 6 7 8 9 10 11 12
O bse r v a ció n
− MR
UCL x = x + 3
d2
1 . 273
UCL x = 7 . 75 + 3 = 11 . 135
1 . 128
MR = Promedio de rangos móviles = 1.273
1 . 273
LCL x = 7 . 75 − 3 = 4 . 365
1 . 128
63
Gráfica de Rango móvil MR
UC L=4.158
4
3
Rango móvil
2
__
MR=1.273
1
0 LC L=0
1 2 3 4 5 6 7 8 9 10 11 12
Observación
Valores para B3 y B4
UCL MR = D 4 MR
UCLMR = 3.267*1.273= 4.158
LCL MR = D 3 MR
LCL MR = 0 * 1 . 273 = 0
MR = Promedio de rangos móviles = 1.273
64
Incertidumbre
MR 1.273
σˆ e = = = 1.13
d 2 1.128
• La incertidumbre es:
U = 2σˆ e = 2 * 1 .13 = 2 .26
1 operador
1 calibrador
1 pieza medida varias veces
VR VP
1 lectura del patrón
Exactitud o sesgo
Sesgo 2 1 operador
Sesgo 1 1 calibrador
Varias piezas que cubran el
rango del calibrador
Varias mediciones de la misma
pieza
VR Parte baja Parte alta
del rango del rango 1 lectura del patrón
67
Linealidad
• Si un instrumento no presenta linealidad las posibles
causas son:
1.- Instrumento no calibrado en el rango operativo
2.- Error en el mínimo o máximo del patrón
3.- Instrumento desgastado
4.- Características internas del diseño del instrumento
68
Linealidad
∑ sesgo
j =1
i, j
sesgo i =
m
70
Linealidad
yi = axi + b
x i = valor de referencia
y i = sesgo promedio
1
∑ gm ∑ ∑
xy - x y
a= = pendiente
∑ x 2
−
1
gm
(∑ x )2
b = y − a x = int ercepcion
71
Linealidad
• Para una x0 dada, las bandas del intervalo de confianza a nivel
alfa son:
− 2
1
2
x0 − x
1
b + ax 0 − t gm − 2 ,1 − α + s
Inferior: 2 gm − 2
∑ x0 − x * m
− 2
1
2
x0 − x
1
b + ax 0 + t gm − 2 ,1− α + s
− 2
Superior: 2 gm
∑ x i − x * m
s =
∑ y i2 − b ∑ y i − a ∑ x i y i
gm − 2
72
Linealidad
73
Linealidad
Ejemplo: Un operador midió el espesor de cinco piezas, 12 veces
cada una, con el calibrador a probar, y una vez con el patrón
(instrumento maestro).
Las piezas se seleccionaron de tal forma que cubrieran el rango de
operación del calibrador (instrumento de medición).
La especificación de la pieza es de 0.6 a 1 mm. La información se
muestra en la siguiente tabla. Determinar la linealidad y exactitud
del calibrador
Datos MSA.xls 74
Linealidad
Copiar Teclear
Datos>Apilar>Columnas
75
Linealidad
0.5
-0.03
0.6 0.7 0.8 0.9 1.0
Valor de referencia 0.0
Linealidad Sesgo
77
Modelo Básico de variación del sistema de medición
Total = Producto + Sistema de medición
( TV ) 2 = ( PV ) 2 + ( GRR ) 2
( GRR ) 2 = ( EV ) 2 + ( AV ) 2
GRR GRR
%GRR= x100 %GRR= x100
TV Tolerancia
79
Índice de Medición - % GR & R
Reglas de Decisión
%GR&R Criterio
<10% Aceptable
>30% No es aceptable
EV
%EV = x100 % de Repetibilidad
TV
AV % de Reproducibilidad
%AV = x100
TV
GRR
%GRR= x100 % de Repetibilidad y Reproducibilidad
TV
( TV ) 2 = ( PV ) 2 + ( GRR ) 2 Variación total
LSE − LIE
Pp =
6σ p
LSE− LIE
TV = σ p =
6Pp
PV = (TV )2 − (GRR)2
82
Cálculos a partir de la tolerancia
LSE − LIE
TV =
6
PV = (TV )2 − (GRR)2
83
Número de Categorías Distintas
PV
Número de categorías distintas = 1.41
GRR
84
Número de Categorías Distintas
1 Categoría de Datos
3 Categorías
10 Categorías
85
Repetibilidad (precisión)
• Repetibilidad o precisión es la variación en las mediciones hechas
por un solo operador en la misma pieza y con el mismo
instrumento de medición.
VR
1 operador
1 calibrador
1 pieza medida varias veces
Repetibilidad
Valor Mala
Buena Maestro reproducibilidad
Reproducibilidad
Métodos aceptables:
• Método del Rango
• Método del Promedio y Rango (incluyendo el método de gráfica
de control)
• Método ANOVA
88
Método del Promedio y Rango
Método de estudio.
4. Hacer que los operadores B y C midan las mismas n partes sin ver las
lecturas del otro. Anotar los resultados en los renglones 6 y 11,
respectivamente.
89
Método del Promedio y Rango
5. Repetir el ciclo usando un orden aleatorio diferente de medición.
Anotar los resultados en los renglones 2, 7 y 12. Registrar los datos en
la columna apropiada. Si se requieren 3 pruebas, repetir el ciclo y
anotar la información en los renglones 3, 8 y 13.
91
Número de Categorías Distintas
▲ El número de categorías distintas de datos dentro del proceso que el
sistema de medición pueda detectar
▲ Representa el número de intervalos de confidencia que no se
empalman dentro del rango de la variación del producto y es una
indicación de la Discriminación del Sistema de Medición
▲ Si el número de categorías es menor que 2, el sistema de medición es
de valor mínimo ya que puede ser difícil de distinguir entre uno y otro
▲ Si el número de categorías es 2, el sistema de medición puede
solamente dividir los datos en 2 grupos – alto y bajo
▲ Si el número de categorías es 3, el sistema de medición puede dividir
los datos en 3 grupos – alto, medio, bajo
▲ Un sistema de medición que es aceptable y útil para las actividades de
mejora de un proceso deben tener al menos 5 categorías – 10 o mas
es ideal 92
Ejemplo: Se desea realizar un estudio de repetibilidad y
reproducibilidad, para lo cual se seleccionaron 3 operarios y un
calibrador para medir el espesor de cierto empaque, cuya
especificación es de 0.25-1.25 mm. Dichos empaques fueron
medidos dos veces por cada operario. Ver tabla de datos.
Datos MSA
93
Copiar Teclear
Datos>Apilar>Columnas
94
Estadísticas>Herramientas de calidad>Estudio de medición>Estudio
R&R del sistema de medición (cruzado)
95
Resultado
<10=Aceptable
10-30=Marginal
>30=No aceptable
100 % Contribución
1.00
50 % Var. del estudio
% Tolerancia
0
0.75
n ti r od r te
ció e pr pa
e di R ep Re a
m te 0.50
r
de Pa
a
m P1 P10 P2 P3 P4 P5 P6 P7 P8 P9
te
is s Pieza
No debe haber de
l
R Gráfica R por Operador
puntos fuera de R&
Rango de la muestra
Pieza A B C
Operador
mas del 50% Gráfica Xbarra por Operador
Media de la muestra
Pieza P1 P10 P2 P3 P4 P5 P6 P7 P8 P9
Pieza
97
Método Gráfico GR&R
98
Método Gráfico GR&R
100
Método Gráfico GR&R
102
Resultado
<10=Aceptable
10-30=Marginal
>30=No aceptable
104
MSA por atributos
Se tomaron 50 piezas para hacerles una inspección visual y llevar a
cabo un análisis de MSA por atributos.
Tres operadores inspeccionaron tres veces cada pieza cada uno.
Estadísticas>Herramientas de calidad>Análisis de concordancia de atributos
105
MSA por atributos
Resultado Efectividad
Acuerdo de evaluación Fecha del estudio: ≥90% Aceptable
Notificado por:
Nombre del producto: ≥80% Marginal
Misc:
<80% No aceptable
Individual por evaluador Evaluador vs. el estándar
95.0% de IC 95.0% de IC
95 P orcentaje 95 P orcentaje
90 90
Porcentaje
Porcentaje
85 85
80 80
75 75
70 70
65 65
1 2 3 1 2 3
Evaluador Evaluador
106
MSA por atributos
Efectividad
≥90% Aceptable
≥80% Marginal
<80% No aceptable
Kappa (AIAG)
<0.4 No aceptable
>0.75 Bueno a excelente
107
MSA por atributos
Efectividad
≥90% Aceptable
≥80% Marginal
<80% No aceptable
Kappa (AIAG)
<0.4 No aceptable
>0.75 Bueno a excelente
108
MSA por atributos
Efectividad
≥90% Aceptable
≥80% Marginal
<80% No aceptable
Kappa (AIAG)
<0.4 No aceptable
>0.75 Bueno a excelente
109
Asistente de MSA por atributos
110
Asistente de MSA por atributos
111
Asistente de MSA por atributos
112
Asistente de MSA por atributos
Análisis de concordancia de atributos para Resultados
Tarjeta de informe
Verificar Estado Descripción
Mezcla de Es una buena práctica tener una mezcla bastante balanceada de elementos 1 y 0. Sus datos indican
elementos i que usted tiene 68% elementos 1 y 32% elementos 0. Si usted tiene un porcentaje pequeño de
elementos de un tipo, se reduce su capacidad para evaluar qué tan adecuadamente los evaluadores
califican ese tipo de elemento.
Exactitud Las tasas de exactitud y error se calculan en todas las evaluaciones. Supongamos que está probando
y tasas i 50 elementos, 27 buenos y 23 malos, y tres evaluadores prueban cada elemento dos veces, para un
de error total de 300 evaluaciones (50 x 3 x 2 = 300). Para calcular las tasas de error para los elementos
Buenos, usted tendría 162 evaluaciones (27 x 3 x 2); para los elementos Malos, tendría 138 (23 x 3 x
2). Para calcular el error para los elementos calificados de ambas maneras, usted tendría 150 valores
(50 elementos x 3 evaluadores = 150). Las tasas de exactitud y error son:
113
Asistente de MSA por atributos
Análisis de concordancia de atributos para Resultados
Informe de clasificación incorrecta
Tasa de error general = 6.2%
Elementos clasificados incorrectamente con más frecuencia
1 calificados como 0 0 calificados como 1
6 22
21 34
14 26
36 12
43 30
0 10 20 30 40 0 10 20 30 40
A A A
B B B
C C C
0 10 20 0 10 20 0 10 20
114
Asistente de MSA por atributos
Análisis de concordancia de atributos para Resultados
Informe de exactitud
Todas las gráficas muestran intervalos de confianza de 95% para las tasas de exactitud.
Es probable que los intervalos que no se superponen sean diferentes.
1
A
A
B
C
B
80 90 100
% por estándar
C
1
0 0
80 90 100
A
% por ensayo
1
B
C
3
80 90 100 80 90 100
115
Asistente de MSA por atributos
Análisis de concordancia de atributos para Resultados
Informe de resumen
¿Es aceptable el % de exactitud general? Tasas de clasificación incorrecta
< 50% 100% Tasa de error general 6.2%
No Sí 1 calificados como 0 5.2%
0 calificados como 1 8.3%
93.8%
Las evaluaciones de los elementos de la prueba Calificaciones mixtas (mismo 15.3%
elemento calificado de ambas
coincidieron correctamente con el estándar 93.8% del
tiempo. maneras)
120
Considere lo siguiente al evaluar cómo puede mejorarse el
sistema de medición:
-- Bajas tasas de exactitud: Si algunos evaluadores
100 96.7
94.7 registran tasas de exactitud bajas, puede significar que esos
90.0 93.8% evaluadores necesitan capacitación adicional. Si todos los
evaluadores registran tasas bajas, es posible que existan
80 problemas más sistemáticos, como definiciones de
operación deficientes, capacitación inadecuada o estándares
incorrectos.
-- Altas tasas de clasificación incorrecta: Puede indicar que
60
se están rechazando demasiados elementos 1 o que se
están aprobando demasiados elementos 0 para su envío al
consumidor (o ambos).
40 -- Alto porcentaje de calificaciones mixtas: Puede indicar
que los elementos incluidos en el estudio eran casos que se
encontraban en la línea divisoria entre 1 y 0 y, en
20 consecuencia, eran muy difíciles de evaluar.
0
A B C
116