Contenido

Análisis del Sistema de Medición MSA

• Relación de MSA con APQP y PPAP
• Terminología e Introducción al Análisis de los Sistemas de Medición.
• Lineamientos de la AIAG
• Análisis de Discriminación
• Análisis de Estabilidad
• Análisis de Exactitud
• Análisis de Linealidad
• Análisis de Repetibilidad y Reproducibilidad
• Análisis por el Método de Promedio y Rango
• Análisis por el Método de ANOVA
• Análisis de Pruebas destructivas y Procesos Continuos
• Análisis por Atributos
• Ejercicios e interpretación de resultados mediante lineamientos de la
AIAG 2
 ¿Qué es MSA?
El MSA resume técnicas estadísticas para el análisis de datos
obtenidos de mediciones, hace recomendaciones para la
administración de las áreas encargadas de las mediciones,
propone métodos, etc.
En realidad, el MSA no propone innovaciones en el campo de
la estadística. Todas las técnicas utilizadas han sido propuestas
y probadas desde hace bastante tiempo.

Su principal mérito está en

presentar el consenso alcanzado por
los “tres grandes” de la industria
automotriz sobre el tema de
técnicas estadísticas aplicadas al
análisis de datos.
3
 El propósito del MSA
El propósito del Manual para el Análisis de Sistemas de
Medición (MSA) es presentar una guía general para asegurar la
calidad de un sistema de medición. Aunque es lo suficientemente
general para cubrir cualquier sistema de medición, su objetivo son
los sistemas de medición del medio industrial.
El MSA no pretende ser un compendio de análisis para todos
los sistemas de medición. Su principal objeto de estudio son los
sistemas de medición en los que puedan realizarse mediciones
repetidas.
La calidad de los datos obtenidos de
mediciones es definida por sus
características estadísticas. Si las
mediciones se aproximan al valor
verdadero entonces se dice que la
calidad de los datos es “alta”. Si las
mediciones se alejan del valor
verdadero, entonces la calidad de los
datos es “baja”. 4
 MSA en IATF 16949:2016

7.1.5.1.1 Análisis de sistemas de medición

Estudios estadísticos deben (MSA#01) ser conducidos para analizar
variaciones presentes en los resultados de cada tipo de sistema de equipo
de inspección, medición, y prueba, identificado en los planes de
control(APQP). Los métodos analíticos y criterios de aceptación usados
deben (MSA#02) cumplir con los de los manuales de referencia sobre
análisis de sistemas de medición. Otros métodos analíticos y criterios de
aceptación pueden ser usados si se aprueban por los clientes.
Los registros de aceptación de los clientes para métodos alternativos
deben (MSA#03) ser retenidos junto con resultados de análisis de
sistemas de medición alternativos (ver Sección 9.1.1.1)
NOTA La priorización de estudios MSA(MSA#04) debiera enfocarse en
características críticas o especiales de los productos o procesos.
5
Fases del APQP

6

ENTRADAS
3.1 Estándares de Empaque
3.2 Revisión del Sistema de
Calidad
3.3 Diagrama de Flujo del Proceso
3.4 Plan de Layout de Piso
3.5 Matriz de Características
3.6 AMEF´s de Proceso
3.7 Plan de Control de Prelanzamiento
3.8 Instrucciones de Proceso
3.9 Plan de Análisis de los
Sistemas de Medición
3.10 Estudio inicial de
habilidad de Proceso
3.11 Apoyo de la Dirección`
Fases del Proceso APQP
FASE 4
Validación del Producto
y Proceso
En esta etapa el Proceso de
manufactura es validado por
medio de la evaluación de una
corrida significativa
El Equipo de planificación
avanzada de la calidad debe
verificar que el plan del control y
el diagrama de flujo del proceso
son seguidos y que aseguran el
cumplimiento de los requisitos del
cliente
SALIDAS
4.1 corrida significativa de
Producción
4.2 Evaluación del Sistema de
Medición
4.3 Estudio inicial de habilidad
de Proceso
4.4 Aprobación de Partes de
Producción
4.5 Pruebas de Validación de
Producción
4.6 Evaluación de Empaque
4.7 Plan de Control de Proceso
(Producción)
4.8 Aprobación del plan de calidad
y apoyo de la Dirección
7
 Relación de MSA con APQP

4.1.- Corrida significativa de producción

• La corrida significativa de producción debe ser conducida

usando herramental de producción, equipo, medio ambiente
(incluyendo operadores de producción), instalaciones y tasa de
producción.
• La validez de la efectividad del proceso de manufactura inicia
con la corrida significativa de producción.
• La cantidad mínima para una corrida significativa de
producción generalmente es establecida por el cliente pero
puede ser excedida por el equipo de planeación de la calidad
del producto.
8
 Relación de MSA con APQP

4.1.- Corrida significativa de producción

• El resultado de la corrida significativa de producción se usa para:
– El estudio inicial de habilidad del proceso
– Análisis del sistema de medición
– Demostración de la tasa de producción
– Revisión del proceso
– Pruebas de validación de producción
– Aprobación de partes de producción
– Evaluación del empaque
– Habilidad de primera vez
– Aprobación de la planeación de la calidad
– Partes de muestra de producción
– Muestra maestra
9
 Relación de MSA con APQP

4.1.- Evaluación de los Sistemas de Medición

• Los instrumentos y métodos especificados deberían ser usados
para verificar las características identificadas en el plan de
control contra las especificaciones de ingeniería y ser sujetas ala
evaluación del sistema de medición antes o durante la corrida
significativa de producción

• Manual de referencia MSA de Ford, Chrysler y General Motors

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

2.2.8.- Estudios de análisis del sistema de medición

• El proveedor debe tener estudios aplicables de análisis de

sistema de medición (Gage R&R, sesgo, linealidad, estabilidad)
de todos los equipos nuevos y modificados utilizados para las
mediciones y equipos de prueba

Nota 1: Los criterios de aceptación de R&R están definidos en el

manual de referencia.

Nota 2: Para materiales a granel, el análisis del sistema de

medición puede no aplicar. Se debe acordar con el cliente los
requisitos actuales
12
 Prioridades de análisis

• Al empezar a evaluar los sistemas de medición de una

compañía, puede ser útil establecer prioridades en cuales
sistemas de medición enfocarse inicialmente. Dado que la
variación total se basa en una combinación de la variación del
proceso y medición.
• (TV)2 = (PV)2 + (GRR)2

• Cuando se aplica SPC para control de proceso o recolectar

información del proceso, si la grafica de control indica que el
proceso es estable y que la variación total es aceptable para la
aplicación y no requiere reevaluación por separado. Si se
encuentra una condición fuera de control o no conformidad,
lo primero que debería hacerse es evaluar el sistema de
medición.
13
 Concepto de MSA

• MSA significa Análisis del Sistema de Medición

(Measurement System Analysis)

• La evaluación de los sistemas de medición consiste en

determinar la capacidad y estabilidad de los sistemas
de medición por medio de estudios de:

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

• Medición: La asignación de números (o valores) a cosas

materiales para representar las relaciones entre ellas
con respecto a propiedades particulares.

• Instrumento es cualquier dispositivo usado para

obtener mediciones.

• Sistema de medición es el conjunto de instrumentos,

estándares, operaciones, métodos, plantillas, software,
personal, medio ambiente y suposiciones usadas para
cuantificar una unidad de medida.

16
 Terminología

• Estándar
– Base aceptada para comparación

– Criterio de aceptación

– Valor conocido, con límites establecidos de

incertidumbre, aceptado como valor verdadero

– Valor de referencia

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010 17

 Propiedades de un buen Sistema de
Medición
1. Discriminación y sensibilidad adecuadas. Los incrementos de medición deberían
ser pequeños en relación a la variación del proceso o límites de especificación.

2. El sistema de medición debe estar en control estadístico. Bajo condiciones

repetibles, la variación en el sistema de medición se debe solamente a causas
comunes y no a causas especiales. Esto se conoce como estabilidad estadística y
se evalúa por métodos gráficos.

3. Para control de producto, la variabilidad del sistema de medición debe ser

pequeña comparada con los límites de especificación. Evaluar el sistema de
medición contra la tolerancia de la característica.

4. Para control de proceso, la variabilidad del sistema de medición debe

demostrar resolución efectiva y ser pequeña comparada con la variación del
proceso de manufactura. Evaluar el sistema de medición contra las 6 sigmas de
variación del proceso y/o la variación total del estudio MSA.
18
 Error del Sistema de Medición

• El error del sistema de medición puede clasificarse

en 5 categorías:

1. Sesgo
2. Repetibilidad
3. Reproducibilidad
4. Estabilidad
5. Linealidad

19
 Concepto de MSA

• La evaluación de los sistemas de medición consiste en

determinar la capacidad y estabilidad de los sistemas
de medición por medio de estudios de:

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

La unidad mas pequeña del

Tolerancia
instrumento debe dividir en 10 o
más partes la tolerancia o
variación del proceso (lo que sea
menor)

Variación del proceso

LIE LSE ≥ 10
Variación del proceso Discriminación
Tolerancia

Tolerancia del producto

≥ 10
Discriminación

LIE Variación del proceso

LSE 23
 Discriminación
• Uno de los problemas de medición mas sencillos y comunes es
el uso de unidades de medición que son muy grandes para la
variación

• Se detecta con las gráficas de control de rangos

• Con subgrupos de 3 o mas, debe haber 5 o mas valores posibles

dentro de los límites de control

• Se corrige usando unidades de medición mas pequeñas,

evitando el redondeo o usando piezas que representen la
variación total del proceso.
24
 Discriminación
Subgrupo x1 x2 x3 x4 x5
1 0.140 0.143 0.137 0.134 0.135
2 0.138 0.143 0.143 0.145 0.146
3 0.139 0.133 0.147 0.148 0.149
4 0.143 0.141 0.137 0.138 0.140
5 0.142 0.142 0.145 0.135 0.136
6 0.136 0.144 0.143 0.136 0.137
7 0.142 0.147 0.137 0.142 0.138
8 0.143 0.137 0.145 0.137 0.138
9 0.141 0.142 0.147 0.140 0.140
10 0.142 0.137 0.134 0.140 0.132
11 0.137 0.147 0.142 0.137 0.135
12 0.137 0.146 0.142 0.142 0.146
13 0.142 0.142 0.139 0.141 0.142
14 0.137 0.145 0.144 0.137 0.140
15 0.144 0.142 0.143 0.135 0.144
16 0.133 0.132 0.144 0.145 0.141
17 0.137 0.137 0.142 0.143 0.141
18 0.137 0.142 0.142 0.145 0.143
19 0.142 0.142 0.143 0.140 0.135
20 0.136 0.142 0.140 0.139 0.137
21 0.142 0.144 0.140 0.138 0.143
22 0.139 0.146 0.143 0.140 0.139
23 0.140 0.145 0.142 0.139 0.137
24 0.134 0.147 0.143 0.141 0.142
25 0.138 0.145 0.141 0.137 0.141
26 0.140 0.145 0.143 0.144 0.138
Redondeo.xls 27 0.145 0.145 0.137 0.138 0.140 25
 Discriminación

Estadísticas>Gráficas de control> Gráficas de variables para

subgrupos > Xbarra-R

26
 Discriminación

Estadísticas>Gráficas de control>Gráficas de variables para

subgrupos>Xbarra-R

27
 Discriminación

Gráfica Xbarra-R de x1, ..., x5

U C L=0.14556
0.1450
M edia de la muestr a

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

x = Promedio de promedios = 0.1406

R = Promedio de rangos de subgrupos = 0.0085629

 Gráfica de rangos R

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

UCL R = 2 . 114 * 0 . 00856 = 0 . 01809

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

Estadísticas>Gráficas de control>Gráficas de variables para

subgrupos>Xbarra-R

32
 Discriminación

Estadísticas>Gráficas de control>Gráficas de variables para

subgrupos>Xbarra-R

33
 Discriminación

Gráfica Xbarra-R de x1, ..., x5

U C L=0.14581
0.1450
M edia de la muestr a

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

G r áfica Xbar r a-R de x1 , ..., x5

U C L= 0 .1 458 1
0.14 50
M edia de la muestr a

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

R = Promedio de rangos de subgrupos = 0.00815

UCL x = X + A2 R
UCLx = 0.1411+ (0.577 * 0.00815) = 0.1458

x = Promedio de promedios = 0.1411

LCL x = X − A2 R
LCLx = 0.1411− (0.577 * 0.00815) = 0.1364
35
 Gráfica de rangos R
1 1 1
0.020
Rango de la muestr 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

R = Promedio de rangos de subgrupos = 0.00815

36
 Estabilidad

• Estabilidad es la cantidad de variación en exactitud

sobre cierto periodo de tiempo.

• La manera de determinar la estabilidad es a través de

una gráfica de control de medias y rangos.

• 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

Variación por causas comunes

? ?

Variación por causas especiales

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

Cómo seleccionar la gráfica de control

co
ito
t
ci
u
in
o
óu
s
na
a

Constante Constante Constante Constante Constante Constante Constante

o variable o variable

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

Minitab (Nelson) 1. Cualquier punto fuera de los límites

de control

UCL 2. 9 puntos consecutivos en el mismo

C lado de la línea central
B
3. 6 puntos consecutivos aumentando
A o disminuyendo
6s 4s 2s
A 4. 14 puntos consecutivos alternando
B aumentando y disminuyendo

C 5. 2 de 3 puntos en la misma zona C o

LCL mas lejos
6. 4 de 5 puntos en la misma zona B o
Nota: mas lejos
Las pruebas 1-8 aplican a gráficas de control 7. 15 puntos consecutivos en cualquier
de centramiento por variables (xbar, I) zona A
Las pruebas 1-4 aplican a gráficas de control 8. 8 puntos seguidos fuera de la zona
de dispersión por variables (R, s, MR) y por A, cualquier lado de la línea central
atributos (p, np, c, u) 43
 Prueba 1 de Nelson

UCL
C

C
LCL

Regla 1: Cualquier punto fuera de los límites

de control

44
 Prueba 2 de Nelson

UCL
C

C
LCL

Regla 2: 9 puntos consecutivos en el mismo lado de la

línea central
Nota: La AIAG considera 7 puntos consecutivos en el mismo
lado de la línea central 45
 Prueba 3 de Nelson

UCL
C

C
LCL

Regla 3: 6 puntos consecutivos aumentando o disminuyendo

46
 Prueba 4 de Nelson

UCL
C

C
LCL

Regla 4: 14 puntos consecutivos alternando aumentando y

disminuyendo

47
 Prueba 5 de Nelson

UCL
C

C
LCL

Regla 5: 2 de 3 puntos en la misma zona C o más lejos

48
 Prueba 6 de Nelson

UCL C

C
LCL

Regla 6: 4 de 5 puntos en la misma zona B o más lejos

49
 Prueba 7 de Nelson

UCL
C

C
LCL

Regla 7: 15 puntos consecutivos en cualquier zona A

50
 Prueba 8 de Nelson

UCL
C

C
LCL

Regla 8: 8 puntos consecutivos fuera de cualquier zona A

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
• Ejemplo: Se desea evaluar
cierto instrumento de
medición de diámetro de
tubos. Se cuenta con una
medición de referencia de
0.25 pulgadas, la cual se usa
para efectuar 100
mediciones por un solo
operador durante cinco días,
cuatro veces por día y cinco
veces en cada ocasión.
Evaluar la estabilidad del
instrumento. Los límites de
especificación del proceso
son 0.28 y 0.22 pulgadas.
Mediciones
Dia Hora M1 M2 M3 M4 M5
1 1 0.249 0.246 0.248 0.247 0.249
2 0.25 0.248 0.247 0.248 0.249
3 0.249 0.25 0.25 0.25 0.252
4 0.248 0.25 0.248 0.25 0.244
2 1 0.246 0.251 0.252 0.249 0.251
2 0.252 0.245 0.252 0.249 0.247
3 0.251 0.249 0.253 0.247 0.248
4 0.252 0.249 0.247 0.249 0.25
3 1 0.251 0.249 0.25 0.251 0.25
2 0.248 0.255 0.25 0.252 0.252
3 0.25 0.25 0.253 0.249 0.248
4 0.251 0.25 0.247 0.249 0.25
4 1 0.249 0.252 0.249 0.25 0.251
2 0.252 0.247 0.25 0.248 0.251
3 0.252 0.25 0.252 0.248 0.253
4 0.248 0.25 0.251 0.254 0.25
5 1 0.25 0.25 0.252 0.249 0.248
2 0.251 0.248 0.247 0.247 0.248
3 0.249 0.246 0.25 0.248 0.252
4 0.249 0.249 0.253 0.251 0.25
Estabilidad.xls
53
 Estabilidad

Estadísticas>Gráficas de control>Gráficas de variables para

subgrupos>Xbarra-R

54
 Estabilidad

Estadísticas>Gráficas de control>Gráficas de variables para

subgrupos>Xbarra-R

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

R = Promedio de rangos de subgrupos = 0.0047

UCL x = X + A2 R
UCLx = 0.2496 + (0.577 * 0.0047) = 0.2523

x = Promedio de promedios = 0.2496

LCL x = X − A2 R
LCLx = 0.2496 − (0.577 * 0.0047) = 0.2469 57
 Gráfica de rangos R

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

UCL R = 2 . 114 * 0 . 0047 = 0 . 00994

LCLR = D3 R = 0 * 0.0047 = 0

R = Promedio de rangos de subgrupos = 0.0047

58
 Incertidumbre

• La desviación estándar del proceso de medición es:

R 0.0047
σˆe = = = 0.00202
d2 2.326

• La incertidumbre es:

U = 2σˆ e = 2 * 0.00202 = 0.00404

• La medición verdadera es:

Medida observada ± U = Medida observada ± 0.00404

59
 Estabilidad

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

Estadísticas>Gráficas de control>Gráficas de variables para

individuos>I-MR

61
 Estabilidad

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 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

x = Promedio de mediciones individual es = 7.75

No se puede mostrar la imagen en este momento.

 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

• La desviación estándar del proceso de medición es:

MR 1.273
σˆ e = = = 1.13
d 2 1.128

• La incertidumbre es:
U = 2σˆ e = 2 * 1 .13 = 2 .26

• La medición verdadera es:

Medida observada ± U = Medida observada ± 2.26
65
 Exactitud
• Exactitud o sesgo es la diferencia entre el promedio de lecturas y
el valor de referencia

1 operador
1 calibrador
1 pieza medida varias veces
VR VP
1 lectura del patrón

Exactitud o sesgo

Los problemas de falta de exactitud pueden deberse a:

1. Calibración inadecuada
2. Error en el master
3. Instrumento desgastado
4. El calibrador no esta hecho para medir esa característica
5. Se esta midiendo la característica equivocada
6. El calibrador se usa de manera incorrecta 66
 Linealidad

• Linealidad se define como la diferencia en exactitud (sesgo)

entre el master y el promedio observado sobre todo el rango de
operación del instrumento.

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

La linealidad puede evaluarse usando las siguientes guías:

1. Seleccionar g>= 5 partes cuyas mediciones, debido a

variación del proceso, cubran el rango operativo del
instrumento.
2. Medir cada parte mediante layout de inspección para
determinar su valor de referencia y para confirmar que se
abarca el rango de operación del instrumento.
3. Medir cada parte m>=10 veces en el instrumento analizado
por uno de los operadores que normalmente usa el
instrumento.

1. Seleccionar las partes al azar para minimizar el recordar el

sesgo por el operador en las mediciones
69
 Linealidad

Análisis de resultados- Gráfico

• Calcular el sesgo de las partes para cada medición y el sesgo
promedio para cada parte:

sesgo ij = xij − ( valor de referencia ) i

• Graficar los sesgos individuales y los sesgos promedios con

respecto a los valores de referencia en una gráfica lineal.
m

∑ sesgo
j =1
i, j

sesgo i =
m
70
 Linealidad

6. Calcular y graficar la línea de mejor ajuste y la banda de

confianza de la línea usando las siguientes ecuaciones:

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

7. Gráficar la línea “sesgo=0” y revisar la gráfica para indicaciones

de causas especiales y la aceptación de la linealidad.
Para que la linealidad del sistema sea aceptable, la linea
“sesgo=0” debe estar completamente dentro de las bandas de
confianza de la linea ajustada.

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

Piezas Referencia M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12

P1 0,60 0,593 0,624 0,632 0,590 0,580 0,610 0,603 0,595 0,600 0,602 0,598 0,608
P2 0,70 0,681 0,711 0,720 0,694 0,700 0,691 0,710 0,723 0,691 0,700 0,700 0,704
P3 0,80 0,795 0,810 0,791 0,814 0,800 0,788 0,798 0,796 0,800 0,810 0,798 0,802
P4 0,90 0,933 0,940 0,910 0,880 0,892 0,887 0,913 0,891 0,874 0,882 0,905 0,895
P5 1,00 0,992 0,990 0,990 0,980 1,000 1,000 1,014 1,022 1,010 0,990 1,010 0,988

Datos MSA.xls 74
 Linealidad
Copiar Teclear

Datos>Apilar>Columnas

75
 Linealidad

Estadísticas>Herramientas de calidad>Estudio de medición >

Estudio de linealidad y sesgo del sistema de medición
 Linealidad
Ecuación de regresión
Resultado yi = −0,01xi + 0,0089
Estudio del sesgo y de la linealidad del sistema de medición para Valor
N otificado por:
Nombre del sistema de medición : Tolerancia:
F echa del estudio: M isc:
La línea sesgo=0 debe estar dentro Pendiente=0
del Intervalo de Confianza CI Linealidad del sistema de medición
P redictor C oef E E del C oef. P
Regresión
0.04 IC 95%
C onstante 0.00890 0.01026 0.389
Datos P endiente -0.01008 0.01263 0.428
Sesgo prom.
0.03
S 0.0138342 R-cuad. 1.1%
Linealidad 0.0040333 % Linealidad 1.0

0.02 S esgo del sistema de medición

Referencia S esgo % S esgo P
P romedio 0.0008333 0.2 0.645
0.01
Sesgo

0.6 0.0029167 0.7 0.531

0.7 0.0020833 0.5 0.579
0.00 0 0.8 0.0001667 0.0 0.942
0.9 0.0001667 0.0 0.977
1 -0.0011667 0.3 0.755
-0.01
Sesgo=0

Porcentaje de la variación del proceso

-0.02 1.0
Porcentaje

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

La Variación Total es igual a la variación del producto

más la variación del sistema de
medición

Sistema de medición = Repetibilidad + Reproducibilidad

( GRR ) 2 = ( EV ) 2 + ( AV ) 2

La Variación del Sistema de Medición es igual a la

variación por repetibilidad más la
variación por reproducibilidad
78
 Índice de Medición - % GR & R

GRR GRR
%GRR= x100 %GRR= x100
TV Tolerancia

▲ Reconoce qué porcentaje de la variación total proviene del error de medición.

▲ Incluye tanto la repetibilidad como la reproducibilidad

GRR= (EV) + ( AV) 2 2

79
 Índice de Medición - % GR & R

Reglas de Decisión

%GR&R Criterio

<10% Aceptable

10-30% Puede ser aceptable para algunos usos

>30% No es aceptable

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010 80

 Cálculos de Repetibilidad y Reproducibilidad

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

( GRR ) 2 = ( EV ) 2 + ( AV ) 2 Repetibilidad y Reproducibilidad

81
 Cálculos a partir de Pp o Ppk

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

• Es el número de divisiones que el sistema de medición puede

medir a través de la variación del proceso.
• Indica qué tan bien se puede detectar la variación del proceso
(corrimientos y mejoras).
• Debe haber 5 o más categorías distintas para que el sistema de
medición sea aceptable.

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

Causas probables de problemas de repetibilidad pueden ser:

• Suciedad
• Fricción
• Desajuste
• Desgaste 86
 Reproducibilidad

• Reproducibilidad es la variación entre las medias de las mediciones

hechas por varios operarios con las mismas piezas y con el mismo
instrumento de medición.

Valor Mala
Buena Maestro reproducibilidad
Reproducibilidad

Operador 1 Operador 2 Operador 3 Operador 1 Operador 2

Operador 3
87
 Repetibilidad y Reproducibilidad

Métodos aceptables:
• Método del Rango
• Método del Promedio y Rango (incluyendo el método de gráfica
de control)
• Método ANOVA

Todas estas técnicas están sujetas al prerrequisito de estabilidad

estadística.

88
 Método del Promedio y Rango
Método de estudio.

1. Obtener una muestra de n>5 partes que representan el rango actual o

esperado de la variación del proceso.

2. Referir los operadores como A, B, C, etc. y numerar las partes de 1 a n

de tal forma que los números no sean visibles a los operadores.

3. Calibrar el instrumento si esto es parte del procedimiento normal del

sistema de medición. Hacer que el operador A mida n partes en orden
aleatorio y anotar los resultados en el renglón 1.

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.

6. Los pasos 4 y 5 pueden cambiarse como sigue cuando se hace

necesario debido a partes de gran tamaño o falta de disponibilidad
simultanea de partes:

1. Hacer que el operador A mida la primera parte y registrar la lectura en el

renglón 1. Hacer que el operador B mida la primera parte y registre la
lectura en el renglón 6. Hacer que el operador C mida la primera parte y
registrar la lectura en el renglón 11.
2. Hacer que el operador A repita la lectura en la primera parte y registrar
la lectura en el renglón 2, el operador B registra la lectura de repetición
en el renglón 12. Repetir este ciclo y anotar los resultados en los
renglones 3, 8 y 13 si se usan 3 pruebas.
90
 Método del Promedio y Rango

7. Un método alternativo puede usarse si los operadores están en

diferentes turnos. Hacer que el operador A mida todas las 10 partes y
anotar las lecturas en el renglón 1. Luego hacer que el operador A
repita las lecturas en diferente orden y anotar los resultados en los
renglones 2 y 3. Hacer lo mismo con los operadores B y C.

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.

Replica Operador P1 P2 P3 P4 P5 P6 P7 P8 P9 P10

1 A 0,65 1,00 0,85 0,85 0,55 1,00 0,95 0,85 1,00 0,60
2, A 0,60 1,00 0,80 0,95 0,45 1,00 0,95 0,80 1,00 0,70
1 B 0,55 1,05 0,80 0,80 0,40 1,00 0,95 0,75 1,00 0,55
2, B 0,55 0,95 0,75 0,75 0,40 1,05 0,90 0,70 0,95 0,50
1 C 0,50 1,05 0,80 0,80 0,45 1,00 0,95 0,80 1,05 0,85
2, C 0,55 1,00 0,80 0,80 0,50 1,05 0,95 0,80 1,05 0,80

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

Ndc debe ser 5 o más

96
 Resultado

R&R del sistema de medición (ANOVA) para Valor

La barra mayor debe ser la N otificado por:
Nombre del sistema de medición : Tolerancia:
F echa del estudio:
variación de pieza a pieza M isc:

Componentes de variación Valor por Pieza

Porcentaje

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

Valor por Operador

A B C
control 0.10
LCS=0.1252
1.00
_
0.05 0.75
R=0.0383
0.00 LCI=0
0.50
P1P10 P2 P3 P4 P5 P6 P7 P8 P 9P P1 10 P2 P3 P4 P5 P6 P7 P8 P9 P1P10 P2 P3 P 4P 5 P6 P7 P8 P9

Pieza A B C
Operador
mas del 50% Gráfica Xbarra por Operador
Media de la muestra

de los A B C Interacción Pieza * Operador

1.00
puntos debe _
_
LCS=0.8796 1.00 O perador
A
X=0.8075
Promedio

estar fuera 0.75 LCI=0.7354 B

0.75 C
de los límites 0.50

de control P1P10 P2 P3 P4 P5 P6 P7 P8 P 9P P1 10 P2 P3 P4 P5 P6 P7 P8 P9 P1P10 P2 P3 P 4P 5 P6 P7 P8 P9

0.50

Pieza P1 P10 P2 P3 P4 P5 P6 P7 P8 P9
Pieza

97
 Método Gráfico GR&R

No debe haber puntos fuera de control UCLR = D4 R = (3.267)(0.0383) = 0.1252

D4 = 3.267 Para 2 réplicas

Los puntos representan el rango de cada pieza

98
 Método Gráfico GR&R

UCL = X + A2 R = 0.8075 + (1.88)(0.0383) = 0.8796

A2 = 1.88 Para 2 réplicas

Debe haber más de la mitad

de los puntos fuera de los
límites de control

LCL = X − A2 R = 0.8075 − (1.88)(0.0383) = 0.7354

Los puntos representan
el promedio de cada A2 = 1.88 Para 2 réplicas
pieza
99
 Método Gráfico GR&R

Las líneas paralelas indican que no

hay interacción pieza-operador

Los puntos representan el promedio

de cada pieza

100
 Método Gráfico GR&R

Buscar puntos atípicos

(outliers)

Las líneas unen los

promedios de cada
pieza

Los puntos representan

las lecturas individuales
de cada pieza
101
Estadísticas > Herramientas de calidad > Estudio de medición >
Estudio R&R del sistema de medición (cruzado)

102
 Resultado

<10=Aceptable
10-30=Marginal
>30=No aceptable

Ndc debe ser 5 o más

103
 MSA por atributos
Se tomaron 50 piezas para hacerles una inspección visual y llevar a
cabo un análisis de Reproducibilidad y Repetibilidad.
Tres operadores inspeccionaron tres veces cada pieza cada uno.

Operador A Operador B Operador C

Pieza A1 A2 A3 B1 B2 B3 C1 C2 C3 Referencia 26 0 1 0 0 0 0 0 0 1 0
1 1 1 1 1 1 1 1 1 1 1 27 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1 1 1 28 1 1 1 1 1 1 1 1 1 1
3 0 0 0 0 0 0 0 0 0 0 29 1 1 1 1 1 1 1 1 1 1
4 0 0 0 0 0 0 0 0 0 0 30 0 0 0 0 0 1 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0 31 1 1 1 1 1 1 1 1 1 1
6 1 1 0 1 1 0 1 0 0 1 32 1 1 1 1 1 1 1 1 1 1
7 1 1 1 1 1 1 1 0 1 1 33 1 1 1 1 1 1 1 1 1 1
8 1 1 1 1 1 1 1 1 1 1 34 0 0 1 0 0 1 0 1 1 0
9 0 0 0 0 0 0 0 0 0 0 35 1 1 1 1 1 1 1 1 1 1
10 1 1 1 1 1 1 1 1 1 1 36 1 1 0 1 1 1 1 0 1 1
11 1 1 1 1 1 1 1 1 1 1 37 0 0 0 0 0 0 0 0 0 0
12 0 0 0 0 0 0 0 1 0 0 38 1 1 1 1 1 1 1 1 1 1
13 1 1 1 1 1 1 1 1 1 1 39 0 0 0 0 0 0 0 0 0 0
14 1 1 0 1 1 1 1 0 0 1
40 1 1 1 1 1 1 1 1 1 1
15 1 1 1 1 1 1 1 1 1 1
41 1 1 1 1 1 1 1 1 1 1
16 1 1 1 1 1 1 1 1 1 1
42 0 0 0 0 0 0 0 0 0 0
17 1 1 1 1 1 1 1 1 1 1
43 1 0 1 1 1 1 1 1 0 1
18 1 1 1 1 1 1 1 1 1 1
19 1 1 1 1 1 1 1 1 1 1 44 1 1 1 1 1 1 1 1 1 1
20 1 1 1 1 1 1 1 1 1 1 45 0 0 0 0 0 0 0 0 0 0
21 1 1 0 1 0 1 0 1 0 1 46 1 1 1 1 1 1 1 1 1 1
22 0 0 1 0 1 0 1 1 0 0 47 1 1 1 1 1 1 1 1 1 1
23 1 1 1 1 1 1 1 1 1 1 48 0 0 0 0 0 0 0 0 0 0
24 1 1 1 1 1 1 1 1 1 1 49 1 1 1 1 1 1 1 1 1 1
25 0 0 0 0 0 0 0 0 0 0 50 0 0 0 0 0 0 0 0 0 0
26 0 1 0 0 0 0 0 0 1 0 0 = No Pasa
1 = Pasa

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

Asistente>Análisis del sistema de medición

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:

Exactitud: Si 267 evaluaciones coinciden con el estándar, el % de exactitud general es:

(267/300) x 100 = 89.0%
Error: Si 33 evaluaciones no coinciden con el estándar, la tasa de error general es:
(33/300) x 100 = 11.0%
Buenos calificados como Malos: Si los evaluadores califican un objeto Bueno como Malo 13 veces, la
tasa de clasificación incorrecta es:
(13/162) x 100 = 8.0%
Malos calificados como Buenos: Si los evaluadores califican un elemento Malo como Bueno 26 veces,
la tasa de clasificación incorrecta es:
(26/138) x 100 = 43.5%
Calificados de ambas maneras: Si los evaluadores califican 42 elementos de manera discrepante en
las pruebas, la tasa de clasificación incorrecta es:
(42/150) x 100 = 28.0%

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

Tasas de clasificación incorrecta por evaluador

1 calificados como 0 0 calificados como 1 % calificados 2 modos

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.

% por evaluador % por evaluador y estándar

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)

% de exactitud por evaluador Comentarios

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