Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual MSA.3.2002 Espanol PDF
Manual MSA.3.2002 Espanol PDF
MSA
Tercera Edición
ANÁLISIS DE SISTEMAS DE MEDICIÓN
Manual de Referencia
Tercera Edición
Copia para:
Primera Edición, Octubre 1990 • Segunda Edición, Febrero, 1995; Segunda Impresión, Junio 1998 • Tercera Edición,
Marzo, 2002, Derechos Reservados © 1990, © 1995, © 2002 DaimlerChrysler Corporation, Ford Motor Company,
General Motors Corporation
Este documento consiste sólo de una interpretación al español, y es una copia libre del Manual de Referencia de MSA-3: 2002
publicado por AIAG, y sólo debe considerarse como una consulta. El único documento oficial es el publicado originalmente en Ingles
por AIAG mismo.
i
ii
PREFACIO
Este manual de referencia fue desarrollado por el grupo de trabajo de análisis de sistemas de
medición (MSA), autorizado por el grupo de trabajo para requerimientos de calidad de proveedores
de DaimlerChrysler Corporation/Ford Motor Company/General Motors Corporation, y bajo los
auspicios de la Sociedad Americana para la Calidad (ASQ) y el Grupo de Acciones de la Industria
Automotriz (AIAG). El grupo de trabajo responsable por esta tercera edición fue David Benham
(DaimlerChrysler Corporation), Michael Down (General Motors Corporation), Peter Cvetkovski (Ford
Motor Company), Gregory Gruska (Tirad Generation, Inc.), Tripp Martín (Federal Mogul) and Steve
Stahley (SRS Technical Services).
En el pasado, Chrysler, Ford y General Motors tenían cada uno sus propios lineamientos y formatos
para asegurar cumplimiento de los proveedores. Las diferencias entre estos lineamientos
generaban demandas adicionales sobre los recursos de los proveedores mismos. Para mejorar esta
situación, el grupo de trabajo determinó estandarizar manuales de referencia, procedimientos,
formatos de reportes y nomenclatura técnica usada por Chrysler, Ford y General Motors.
Al mismo tiempo, Chrysler, Ford y General Motors acordaron en 1990 desarrollar y, a través de
AIAG, distribuir el manual de MSA. La primera edición fue muy bien recibida por la comunidad de
proveedores quienes ofrecieron datos valiosos en base a las experiencias de aplicación. Estos
datos han sido incorporados en la segunda y esta tercera edición. Este manual, el cual es aprobado
y endosado por DaimlerChrysler Corporation, Ford Motor Company, y General Motors Corporation,
es un documento de referencia y suplemento a QS 9000.
Este manual cuenta con derechos de copia por DaimlerChrysler Corporation, Ford Motor Company
y General Motors Corporation, con todos los derechos reservados, 2002. Manuales adicionales
pueden ordenarse y/o permiso para copiar secciones de este manual para uso dentro de las
organizaciones proveedoras puede obtenerse de AIAG en 248-358-3570.
Marzo, 2002
iii
iv
PREFACIO
Este manual de referencia fue desarrollado por el grupo de trabajo de análisis de sistemas de
medición (MSA), y autorizado por el grupo de trabajo de requerimientos de calidad de proveedores
de Chrysler/Ford/General Motors, y bajo los auspicios de la división automotriz de la Sociedad
Americana para el Control de Calidad (ASQC) y el Grupo de Acciones de la Industria Automotriz
(AIAG). El grupo de trabajo responsable por esta segunda sección fue Ray Daugherty (Chrysler),
Victor Lowe, Jr. (Ford), Chaqirperson Michael H. Down (General Motors), y Gregory Gruska (The
Third Generations, Inc.).
En el pasado, Chrysler, Ford y General Motors tenían cada uno sus propios lineamientos y formatos
para asegurar cumplimiento de los proveedores. Las diferencias entre estos lineamientos
generaban demandas adicionales en los recursos de los proveedores. Para mejorar esta situación,
el grupo de trabajo determinó estandarizar los manuales de referencia, procedimientos, formatos de
reportes y la nomenclatura técnica usada por Chrysler, Ford y General Motors.
Al mismo tiempo, Chrysler, Ford y General Motors acordaron en 1990 desarrollar y, a través de
AIAG, distribuir el manual de MSA. La primera edición fue muy bien recibida por la comunidad de
proveedores quienes ofrecieron datos valiosos en base a las experiencias de aplicación. Estos
datos han sido incorporados en esta segunda edición. Este manual, el cual es aprobado y endosado
por Chrysler, Ford, y General Motors, debiera usarse por proveedores que implementen técnicas de
MSA en sus procesos de manufactura y en la satisfacción de los requerimientos de QS 9000.
El manual debiera ser considerado como una introducción al análisis de sistemas de medición. No
se pretende limite la evolución de métodos de análisis adecuados a procesos o instalaciones
particulares. Aún y cuando se pretende que estos lineamientos cubran situaciones donde
normalmente ocurren sistemas de medición, puede haber preguntas que surjan. Estas preguntas
debieran dirigirse al área de aseguramiento de calidad de proveedores (SQA) de los clientes. Si
usted no está seguro en como contactar al área apropiada de SQA, el comprador en la oficina de
compras de sus clientes puede ofrecerle ayuda.
Este manual cuenta con derechos de copia por AIAG, y todos los derechos reservados, 1994.
Manuales adicionales pueden ordenarse de AIAG y/o permiso para copiar secciones de este
procedimiento para uso dentro de las organizaciones de los proveedores puede obtenerse de AIAG
en 810-358-3570.
Febrero, 1995
v
Guía Rápida de 3ª Edición de MSA
Tipo de Sistema de
Métodos MSA Capítulo
Medición
Rango, Promedios y Rangos, ANOVA, Sesgo,
Variable Básica Ill
Linealidad, Gráficas de Control
Detección de Señales, Análisis de Pruebas de
Atributos Básicos Ill
Hipótesis
Sin Replicas (ej., Pruebas
Gráficas de Control IV
No Destructivas)
Rango, Promedios y Rangos, ANOVA, Sesgo,
Variables Complejas III, IV
Linealidad, Gráficas de Control
Sistemas Múltiples, Gages
Gráficas de Control, ANOVA, Análisis de Regresión III, IV
y Stands de Pruebas
Procesos Continuos Gráficas de Control III
Históricamente y en forma convencional se ha usado una amplitud del 99% para representar la
amplitud “total” del error de las mediciones, representado por el factor de multiplicación de 5.15
(donde σ RRG es multiplicado por 5.15 para representar la amplitud total del 99%).
Si el lector selecciona el nivel de cobertura o amplitud de una variación total en las mediciones de
99.73%, favor de usar el 6 como un multiplicador en lugar de 5.15 en los cálculos.
vi
TABLA DE CONTENIDO
CAPITULO I - GUÍAS Y LINEAMIENTOS GENERALES PARA SISTEMAS DE MEDICIÓN.. 1
CAPÍTULO I – Sección A........................................................................................................................................ 3
Introducción, Propósito y Terminología................................................................................................................. 3
Calidad de los Datos de Medición...................................................................................................................... 3
Propósito............................................................................................................................................................... 4
Terminología......................................................................................................................................................... 4
Resumen de Términos...................................................................................................................................... 5
Valor Verdadero................................................................................................................................................. 10
CAPITULO I – Sección B........................................................................................................................................ 11
El Proceso de Medición......................................................................................................................................... 11
Propiedades Estadísticas de Sistemas de Medición......................................................................................... 12
Fuentes de Variación......................................................................................................................................... 13
Los Efectos de la Variabilidad de Sistemas de Medición...................................................................................... 16
Efectos en las Decisiones.................................................................................................................................. 16
Efectos en las Decisiones de Productos............................................................................................................ 17
Efectos en las Decisiones de Procesos............................................................................................................. 18
Aceptación de un Proceso Nuevo...................................................................................................................... 20
Ajuste/Control del Proceso (Experimento del Embudo)..................................................................................... 21
CAPITULO I – Sección C........................................................................................................................................ 23
Planeación y Estrategia de las Mediciones........................................................................................................... 23
Complejidad....................................................................................................................................................... 23
Identificación del Propósito de un Proceso de Medición................................................................................... 24
Ciclo de Vida en las Mediciones........................................................................................................................ 24
Criterios para Selección del Diseño de un Proceso de Medición...................................................................... 24
Investigación de Varios Métodos de Procesos de Medición.............................................................................. 26
Diseño y Desarrollo de Conceptos y Propuestas............................................................................................... 26
CAPITULO I – Sección D........................................................................................................................................ 27
Desarrollo de las Fuentes de Medición................................................................................................................. 27
Coordinación de Datos....................................................................................................................................... 28
Prerrequisitos y Supuestos................................................................................................................................ 29
Proceso de Selección de Fuentes de Gages........................................................................................................ 29
Concepto de Ingeniería Detallado...................................................................................................................... 29
Consideraciones de Mantenimiento Preventivo................................................................................................. 30
Especificaciones................................................................................................................................................. 30
Evaluación de Cotizaciones............................................................................................................................... 31
Liberación de Documentos................................................................................................................................ 32
Calificación con el Proveedor............................................................................................................................. 33
Envíos................................................................................................................................................................ 34
Calificaciones con los Clientes........................................................................................................................... 34
Envío de Documentación................................................................................................................................... 34
Elementos Sugeridos para un Checklist de Desarrollo de Sistemas de Medición............................................. 36
CAPÍTULO I – Sección E........................................................................................................................................ 39
Aspectos Clave en las Mediciones........................................................................................................................ 39
Tipos de Variaciones de los Sistemas de Medición........................................................................................... 40
Definiciones y Fuentes Potenciales de Variación.............................................................................................. 40
Variación del Proceso de Medición.................................................................................................................... 48
Variación de las Instalaciones............................................................................................................................ 48
Variación de Amplitud........................................................................................................................................ 52
Variación de los Sistemas de Medición............................................................................................................. 56
Comentarios....................................................................................................................................................... 59
CAPÍTULO I – Sección F........................................................................................................................................ 61
Incertidumbre en las Mediciones........................................................................................................................... 61
Generalidades.................................................................................................................................................... 61
vii
Incertidumbre en las Mediciones y MSA............................................................................................................ 62
Rastreabilidad en las Mediciones...................................................................................................................... 62
Guía ISO para la Expresión de la Incertidumbre en las Mediciones.................................................................. 63
CAPITULO I – Sección G........................................................................................................................................ 65
Análisis de Problemas de Mediciones.................................................................................................................. 65
CAPITULO II – CONCEPTOS GENERALES PARA LA ESTIMACIÓN DE SISTEMAS DE
MEDICIÓN................................................................................................................................... 67
CAPÍTULO II – Sección A....................................................................................................................................... 69
Fundamentos......................................................................................................................................................... 69
CAPÍTULO II – Sección B....................................................................................................................................... 71
Selección/Desarrollo de Procedimientos de Prueba............................................................................................. 71
CAPÍTULO II – Sección C....................................................................................................................................... 73
Preparación para un Estudio de un Sistema de Medición..................................................................................... 73
CAPÍTULO II – Sección D....................................................................................................................................... 77
Análisis de Resultados.......................................................................................................................................... 77
CAPÍTULO III – PRÁCTICAS RECOMENDADAS PARA SISTEMAS DE MEDICIÓN
SIMPLES.................................................................................................................................. 79
CAPÍTULO III – Sección A...................................................................................................................................... 81
Ejemplos de Procedimientos de Prueba............................................................................................................... 81
CAPÍTULO III – Sección B...................................................................................................................................... 83
Guías y Lineamientos – Estudio de Sistemas de Medición de Variables.............................................................. 83
Guías y Lineamientos para Determinación de la Estabilidad............................................................................. 83
Guía y Lineamiento para Determinación del Sesgo – Métodos de Muestras
Independientes................................................................................................................................................... 85
Guías y Lineamientos para Determinación del Sesgo – Método por Gráficas de Control................................. 88
Guías y Lineamientos para Determinación de la Linealidad.............................................................................. 92
Guías y Lineamientos para Determinación de la Repetibilidad y Reprodusibilidad........................................... 97
Método de Rangos................................................................................................................................................ 97
Método de Rangos y Promedios........................................................................................................................... 99
Gráfica de Promedios......................................................................................................................................... 102
Gráfica de Rangos............................................................................................................................................. 104
Grafica de Corridas............................................................................................................................................ 105
Diagrama de Dispersión..................................................................................................................................... 106
Gráficas de Bigotes............................................................................................................................................ 107
Gráfica de Error.................................................................................................................................................. 108
Histograma Normalizado.................................................................................................................................... 109
Diagrama X – Y de Promedios por Medida........................................................................................................ 110
Comparación de Gráficas X – Y......................................................................................................................... 110
Cálculos Numéricos........................................................................................................................................... 111
Análisis de Resultados Numéricos..................................................................................................................... 115
Método de Análisis de Varianzas (ANOVA)....................................................................................................... 117
Aleatoriedad e Independencia Estadística......................................................................................................... 117
CAPÍTULO III – Sección C...................................................................................................................................... 125
Estudio de Sistemas de Medición de Atributos..................................................................................................... 125
Métodos de Análisis de Riesgos........................................................................................................................ 125
Método Analítico................................................................................................................................................. 135
CAPÍTULO IV – PRÁCTICAS PARA SISTEMAS DE MEDICIÓN COMPLEJOS................................................... 141
CAPÍTULO IV – Sección A...................................................................................................................................... 143
Prácticas para Sistemas de Medición Complejos y Sin Replicas.......................................................................... 143
CAPÍTULO IV – Sección B...................................................................................................................................... 145
Estudios de Estabilidad......................................................................................................................................... 145
S1: Una Parte, Medición Única por Ciclo........................................................................................................... 145
S2: n>3 Partes Medición Única por Ciclo por Parte........................................................................................... 146
S3: Muestra Larga de un Proceso Estable........................................................................................................ 147
S4: Especimenes Divididos (General), Espécimen Único por Ciclo.................................................................. 148
S5: Estantes de Prueba..................................................................................................................................... 178
CAPITULO IV – Sección C...................................................................................................................................... 151
Estudios de Variabilidad........................................................................................................................................ 151
V1: Estudios Estándar RRG....................................................................................................................... ....... 151
viii
V2: Lecturas Múltiples con p>2 Instrumentos.................................................................................................... 151
V3: Especimenes Divididos (m=2)..................................................................................................................... 152
V4: Especimenes Divididos (General)............................................................................................................... 153
V5: Igual que V1 con Partes Estabilizadas........................................................................................................ 153
V6: Análisis de Series de Tiempos.................................................................................................................... 154
V7: Análisis lineales........................................................................................................................................... 154
V8: Tiempo contra Degradación de Características (Propiedades)................................................................... 155
V9: V2 con Lecturas Múltiples Simultaneas y p>3 Instrumentos....................................................................... 155
CAPITULO V – OTROS CONCEPTOS DE MEDICIÓN.......................................................................................... 157
CAPÍTULO V – Sección A....................................................................................................................................... 159
Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes....................................................... 159
CAPÍTULO V – Sección B...................................................................................................................................... 161
Método de Promedios y Rangos – Tratamiento Adicional.................................................................................... 161
CAPÍTULO V – Sección C....................................................................................................................................... 169
Curva de Desempeño de Gages........................................................................................................................... 169
CAPÍTULO V – Sección D....................................................................................................................................... 175
Reducción de Variación a Través de Lecturas Múltiples...................................................................................... 175
CAPÍTULO V – Sección E....................................................................................................................................... 177
Enfoque de la Desviación Estándar Combinada con RRG................................................................................... 177
APENDICES............................................................................................................................................................. 185
APÉNDICE A............................................................................................................................................................ 187
Análisis de Conceptos de Variación...................................................................................................................... 187
APÉNDICE B............................................................................................................................................................ 191
Impacto de RRG sobre Índice de Habilidad Cp..................................................................................................... 191
Fórmulas............................................................................................................................................................... 191
Análisis.................................................................................................................................................................. 191
Análisis Gráfico...................................................................................................................................................... 193
APÉNDICE C............................................................................................................................................................ 195
*
Tabla d 2 ................................................................................................................................................................ 195
APÉNDICE D............................................................................................................................................................ 197
Estudio R de Gages.............................................................................................................................................. 197
APÉNDICE E............................................................................................................................................................ 199
Cálculo Alternativo de VP Usando Términos de Corrección de Errores............................................................... 199
APÉNDICE F............................................................................................................................................................ 201
Modelo de Errores P.I.S.M.O.E.A.......................................................................................................................... 201
GLOSARIO............................................................................................................................................................... 205
LISTA DE REFERENCIA......................................................................................................................................... 211
FORMAS MUESTRA............................................................................................................................................... 215
INDICE...................................................................................................................................................................... 219
Proceso de Retroalimentación del Usuario del Manual MSA............................................................................. 225
ix
x
LISTA DE TABLAS
xi
LISTA DE FIGURAS
xii
RECONOCIMIENTOS
Se ha contado con muchos individuos responsables para la creación de este documento en años. Los siguientes han sido
algunos cuantos que han ofrecido mucho de su tiempo y esfuerzo en el desarrollo de este manual.
ASQ y AIAG han contribuido en tiempo e instalaciones para ayuda en el desarrollo de esta publicación. Greg Gruska,
como representante de la división automotriz de ASQ y John Katona como presidente anterior del grupo de trabajo de
revisión han sido contribuidores principales en el desarrollo y publicaciones pasadas de este manual.
Las técnicas descritas en el capítulo 3 de este documento fueron investigadas y desarrolladas primero por Kazem
Mirkhani de aseguramiento del producto de Chevrolet y bajo la dirección y motivación de Barney Flynn. Los estudios
de variables de gages, basados en el artículo por R.W. Traver de General Electric (anuario de ASQC de 1962) fueron
validados por Jim McCaslin.
Los conceptos fueron extendidos para estudios de atributos y curvas de desempeño de gages por Jim McCaslin, Gregory
Gruska y Tom Bruzell de Chevrolet (anuario de ASQC de 1976). Estas técnicas fueron consolidadas y editadas por Bill
Wiechec en Junio de 1978 generando la publicación del libro de análisis de sistemas de medición de Chevrolet.
En años previos se desarrollaron materiales suplementarios. En particular, Sheryl Hansen y Ray Benner de Olds Mobile
documentaron el enfoque e intervalos de confiabilidad de ANOVA. En 1980 Larry Marruffo y John Lazur de Chevrolet
actualizaron el manual de Chevrolet. John Lazur y Kazem Mirkhani han organizado las secciones del manual y
mejoraron algunos de los conceptos tales como estabilidad, linealidad y ANOVA. Jothi Shanker de EDS contribuyó a la
preparación de la actualización para el staff de desarrollo de proveedores. Actualizaciones adicionales incluidas en el
concepto de identificación y calificación de variaciones en las partes, así como una descripción más completa de
estabilidad estadística, ambos de los cuales fue contribución del comité de revisión estadística del corporativo de GM.
Los mejoramientos más recientes fueron actualización del formato para cumplir con la documentación actual de QS
9000, mayor clarificación y ejemplos para hacer el manual más fácil al usuario, discusión del concepto de incertidumbre
en las mediciones y áreas adicionales que no fueron incluidas o no existieron cuando fue escrito el manual original. Esta
actualización incluye también el concepto de ciclo de vida de los sistemas de medición y se dirige al análisis de
mediciones similar al análisis convencional de procesos. Secciones del manual interno de power train de GM procesos
de medición: planeación, uso y mejoramiento, impreso en Abril 28, 1993, se incluyeron en esta revisión.
El subcomité actual de reescritura es dirigido por Mike Down de General Motors Corporation y se integra con David
Benham de DaimlerChrysler Corporation, Peter Cvetkovski de Ford Motor Company, Greg Gruzka, como representante
de la división automotriz de ASQ, Tripp Martín de Federal Mogul y Steve Stahley de Servicios Técnicos SRS. También
hubo contribuciones significativas de Yanling Zuo de Minitab, Neil Ullman de ASTM International y Gordon Skattum
de la división de tecnología de la Universidad Rock Valley. AIAG contribuyó en tiempo e instalaciones para apoyar en
el desarrollo de esta publicación.
Finalmente el consenso conjunto del contenido de este documento tuvo efecto a través de los miembros representantes
del grupo de trabajo de MSA de General Motors Corporation, DaimlerChrysler Corporation y Ford Motor Company.
xiii
xiv
Capítulo I
Guías y Lineamientos Generales para Sistemas de Medición
Capítulo 1
1
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
2
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
CAPÍTULO I – Sección A
Introducción Los datos de mediciones son usados más a menudo y en más formas que antes. Por
ejemplo, la decisión de ajustar un proceso de manufactura o no, comúnmente se basa
ahora en datos de mediciones. Los datos de mediciones, o alguna estadística calculada
de éstos, son comparados con los límites de control estadísticos del proceso, y si loa
comparación indica que el proceso está fuera del control estadístico, entonces se hace
un ajuste de algún tipo. De lo contrario, al proceso se le permite trabajar sin ajustes.
Otro uso de datos de mediciones es para determinar si existe una relación significativa
entre dos o más variables. Por ejemplo, puede sospecharse que una dimensión crítica de
una parte plástica moldeada se relaciona con la temperatura del material de
alimentación. Esa posible relación puede ser estudiada usando un procedimiento
estadístico llamado análisis de regresión para comparar las medicines de la dimensión
crítica con las mediciones de la temperatura del material de alimentación.
Los estudios que exploren tales relaciones son ejemplos de lo que el Dr. W.E. Deming
llamó estudios analíticos. En general, un estudio analítico es aquel que incrementa el
conocimiento del sistema de causas que afectan el proceso. Los estudios analíticos son
unos de los más importantes que usan datos de mediciones porque se dirigen finalmente
a un mejor entendimiento de los procesos.
Para asegurar que el beneficio derivado de los datos de medición usados sea altamente
suficiente para garantizar el costo de su obtención, se requiere enfocar atención en la
calidad de los datos.
Calidad de los Datos La calidad de los datos de medición es definida por las propiedades estadísticas de las
de Medición múltiples mediciones obtenidas del sistema de medición operando bajo condiciones
estables. Por ejemplo, suponer que un sistema de medición, operando bajo condiciones
estables, es usado para obtener varias mediciones de una cierta característica. Si las
mediciones están todas “cerca” al valor master de la característica, entonces se dice que
la calidad de los datos es “alta”. Igualmente, si algunas o todas de las mediciones están
“lejos” del valor master, entonces se dice que la calidad de los datos es “baja”.
Las propiedades estadísticas más comúnmente usadas para caracterizar la calidad de los
datos son el sesgo y varianza del sistema de medición. La propiedad llamada sesgo se
refiere a la localización de los datos en relación al valor de referencia (master), y la
propiedad llamada referencia se refiere a la amplitud de los datos.
Una de las razones más comunes para datos de baja calidad es demasiada variación.
Mucha de la variación en un conjunto de mediciones, puede ser debida a la interacción
entre el sistema de medición y su medio ambiente. Por ejemplo, un sistema de
medición usado para medir el volumen de líquido en un tanque puede ser sensible a la
temperatura ambiental del medio ambiente en el cual es usado. En tal caso, la variación
1
Ver capítulo 1, Sección E para definiciones y discusión de la terminología.
3
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
de los datos puede ser debida a cambios en el volumen o en la temperatura ambiente.
Esto hace la interpretación de datos más difícil y consecuentemente el sistema de
medición menos deseable.
Si la interacción genera demasiada variación, entonces la calidad de los datos puede ser
muy baja y tal que los datos no sean útiles. Por ejemplo, un sistema de medición con
una gran cantidad de variación puede no ser apropiado para uso en el análisis de un
proceso de manufactura porque la variación del sistema de medición puede encubrir la
variación del proceso de manufactura. Mucho del trabajo de administrar un sistema de
medición es dirigido al monitoreo y control de la variación. Entre otras cosas, esto
significa que se requiere énfasis en aprender como los sistemas de medición interactúan
con su medio ambiente de forma tal que se generen solo datos de calidad aceptable.
Propósito El propósito de este documento es presentar los lineamientos para evaluar la calidad de
un sistema de medición. Aunque los lineamientos son generales y suficientes para ser
usados en cualquier sistema de medición, se pretende sean usados principalmente para
sistemas de medición en el mundo industrial. No se pretende que este documento sea un
compendio de análisis para todos los sistemas de medición. Su enfoque principal es en
sistemas de medición donde puedan replicarse lecturas de cada parte. Muchos de los
análisis son útiles con otros tipos de sistemas de medición y el manual contiene
referencias y sugerencias. Se recomienda que sean consultadas fuentes estadísticas
competentes para situaciones más complejas o inusuales no discutidas aquí. No se
cubre en este manual la aprobación requerida por los clientes para métodos de análisis
de sistemas de medición.
La discusión del análisis de los sistemas de medición puede ser confusa y ambigua sino
se establece un conjunto de términos para referirse a propiedades estadísticas comunes
y elementos relativos a los sistemas de medición. Esta sección ofrece un resumen de
Terminología tales términos que son usados en este manual.
4
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
De estas definiciones se obtiene que un proceso de medición puede ser visto como un
proceso de manufactura que produce números (datos) para sus resultados. El ver un
sistema de medición de esta manera es útil porque nos permite traer todos los
conceptos, filosofía y herramientas que han sido ya demostradas ser útiles en el área de
control estadístico de los procesos.
Resumen de Términos1
Patrón
• Valor de referencia
Equipo Básico
1
Ver capítulo 1, Sección E para definiciones y discusión de la terminología.
5
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
•Valor de Referencia
• Valor Verdadero
Variación de la Localización
• Exactitud
SESGO
9 “Cercanía” con el valor verdadero o con un valor de referencia aceptable
9 ASTM incluye el efecto en los errores de localización y amplitud
Tiempo
• Estabilidad
SESGO • Linealidad
SESGO
6
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
Variación de la Amplitud
• Precisión2
• Repetibilidad
• Reproducibilidad
Valor Referencia
• R&R de Gages o RRGs
2
En documentos de ASTM, no existe el concepto de precisión de un sistema de medición; ej., la precisión no
puede representarse por un simple número.
7
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
• Sensibilidad
•
LCS
• Consistencia
• •
• • • Promedio
• Rango
• • • 9 El grado del cambio de la repetibilidad en el tiempo
• •
• • LCI
9 Un proceso de medición consistente está en control estadístico con respecto
a la amplitud (variabilidad)
• Uniformidad
• Habilidad
9 Variabilidad en las lecturas tomadas en un periodo de tiempo corto
• Desempeño
• Incertidumbre
8
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
Institutos Nacionales La mayoría de los países industrializados alrededor del mundo cuentan con su propio
de Mediciones NMI y un similar a un NIST, y éstos ofrecen un alto nivel de normas de metrología o
servicios de mediciones para sus respectivos países. NIST trabaja y colabora con estos
otros NMIs para que las mediciones que se hagan en un país no difieran de aquellas
hechas en otro. Esto se logra a través de acuerdos de reconocimiento mutuo (MRAs) y
ejecutando comparaciones entre laboratorios entre NMIs. Una cosa a notar es que las
habilidades de estos NMIs varían de país a país y no todos los tipos de mediciones son
comparados sobre bases regulares, de forma tal que pueden existir diferencias. Por ésto
es importante entender por quien son rastreables las mediciones y que tan rastreables
son.
“la propiedad de las mediciones o valores de un estándar o patrón, el cual puede ser
relacionado con referencias establecidas, usualmente patrones nacionales o
internacionales y a través de una cadena ininterrrumpida de comparaciones y todas
con incertidumbres establecidas”.
La rastreabilidad de una medición es típicamente establecida a través de una cadena de
comparaciones hacia un NMI. Sin embargo, en muchos casos en la industria, la
rastreabilidad delas mediciones puede ser ligada hasta un valor de referencia acordado o
un “patrón de consenso entre un cliente y un proveedor. La liga en la rastreabilidad de
estos patrones de consenso con un NMI puede no siempre ser clara y entendida, y
finalmente es crítico que las mediciones sean rastreables en un alcance que satisfaga a
las necesidades del cliente. Con los avances en la tecnología de las mediciones y el uso
de los sistemas de medición de última tecnología en la industria, la definición de dónde
y cómo una medición sea rastreable es un concepto de evolución permanente.
9
Capítulo I – Sección A
Guías y Lineamientos Generales para Sistemas de Medición
Patrón de Comparador
Patrón Longitud de de
Nacional Onda Interferencias
Medidor de
Interferencias Bloque/Comparador
Patrón de Referencia de Gages Referencia
Laser
MMC Bloques de
Patrón de Trabajo Gages
No todas las organizaciones cuentan con laboratorios de metrología o gages dentro de sus
instalaciones y dependen de laboratorios externos comerciales / independientes para
ofrecer rastreabilidad en los servicios de calibración y mediciones. Reste es un medio
aceptable y apropiado de lograr rastreabilidad con NIST, siempre y cuando la habilidad
de los laboratorios comerciales / independientes pueda asegurarse a través de procesos,
tales como acreditamiento de laboratorios.
Valor Verdadero La META del proceso de medición es el valor “verdadero” de la parte. Es deseable que
cualquier lectura individual esté lo más cerca (y económicamente posible) con este valor.
Desafortunadamente, el valor verdadero nunca puede ser conocido con certeza. Sin
embargo, la incertidumbre puede minimizarse usando un valor de referencia basado en la
definición operacional bien definida de una característica, y usando los resultados de un
sistema de medición con una alota discriminación de orden y rastreable con NIST.
Debido a que el valor de referencia es usado como un equivalente del valor verdadero,
éstos términos se usan comúnmente como intercambiables. No se recomienda este uso.
10
Capítulo l – Sección B
El Proceso de Medición
CAPÍTULO I – Sección B
El Proceso de Medición3
A fin de administrar efectivamente la variación de cualquier proceso se requiere tener
conocimiento de
Proceso General
Entradas Operación Resultados
Proceso de Medición
Proceso Decisión
Mediciones Análisis
Administrativo
Valor
3
Partes de este capítulo adaptadas con el permiso de Análisis de Sistemas de Medición un tutorial por
G.F.Gruska y MS Heaphy, The Tirad Generation, 1987, 1998.
4
Ver el manual de referencia de análisis de modos y efectos de fallas potenciales (AMEF)-tercera edición.
11
Capítulo l – Sección B
El Proceso de Medición
Esto significa que los clientes y sus necesidades deben primero ser definidas. El cliente,
dueño del proceso, quiere tomar decisiones correctas y con el mínimo de esfuerzo. La
administración debe ofrecer recursos para compra de equipo que sea necesario y
suficiente para hacer esto. Aunque la compra de la mejor o más reciente tecnología de
medición no necesariamente garantiza correctas decisiones en el control del proceso de
producción.
El equipo es solo una parte del proceso de medición. El dueño del proceso debe saber
como usar correctamente dicho equipo y como analizar e interpretar resultados. La
administración debe también ofrecer claras definiciones operacionales o patrones así
como entrenamiento y soporte. El dueño del proceso en turno tiene la obligación de
monitorear y controlar el proceso de medición para asegurar resultados estables y
correctos y los cuales incluyan una perspectiva total del análisis de los sistemas de
medición – el estudio del gage, procedimiento, usuario y medio ambiente; ej.,
condiciones normales de operación.
Propiedades Un sistema de medición ideal produciría solo mediciones “correctas” cada vez que se
Estadísticas de usara. Cada medición acordaría siempre con un patrón.5 Un sistema de mediciones que
pudiera producir mediciones como tales sería aquel que tuviera propiedades estadísticas
Sistemas de Medición de varianza cero, sesgo cero y probabilidad cero de clasificar incorrectamente
cualquier producto medido. Desafortunadamente, los sistemas de medición con tales
propiedades deseables raramente existen, y los gerentes de procesos, generalmente son
forzados a usar sistemas de medición que tienen menos propiedades estadísticas
deseables. La calidad de un sistema de medición es generalmente determinada solo por
propiedades estadísticas de los datos que produce en el tiempo. Otras propiedades, tales
como costo, facilidad de uso, etc., son también importantes y contribuyen a un buen
sistema de medición global. Aunque son las propiedades estadísticas de los datos
producidos lo que determina la calidad del sistema de medición.
Las propiedades estadísticas que son más importantes para un uso no son las más
importantes para otro. Por ejemplo, para algunos usos de las máquinas de medición de
coordenadas (MMC), las propiedades estadísticas más importantes son sesgo y varianza
“pequeños”. Una MMC con dichas propiedades genera mediciones que son “cercanas”
a los valores certificados de patrones rastreables. Los datos obtenidos de tal máquina
pueden ser muy útiles para analizar un proceso de manufactura. Aunque no importa lo
“pequeño” del sesgo y la varianza que la maquina MMC pueda tener, el sistema de
medición que use la MMC puede no ser capaz de hacer un trabajo aceptable de
discriminación entre productos buenos y malos debido a fuentes adicionales de
variación introducidas por otros elementos del sistema de medición mismo.
5
Para una discusión más completa del tema de patrones o normas, ver fuera de crisis, W.Edwards Deming, 1982,
1986, p. 279-281
12
Capítulo l – Sección B
El Proceso de Medición
2) El sistema de medición debe estar en control estadístico.6 Esto significa que bajo
condiciones repetidas, la variación en el sistema de medición es debida solo a
causas comunes y no a causas especiales. Esto puede referirse como estabilidad
estadística y es mejor evaluado por métodos gráficos.
3) Para control del producto, La variabilidad del sistema de medición debe ser
pequeña comparada con los límites de especificación. Evalúa el sistema de
medición con respecto a las tolerancias de la característica.
6
El analista de las mediciones siempre debe considerar significancias prácticas y estadísticas.
4) Para control del proceso, la variabilidad del sistema de medición debe demostrar
una resolución efectiva y ser pequeño comparado con la variación del proceso de
manufactura. Evalúa el sistema de medición con la variación de un proceso 6-
sigma y/o la variación total del estudio MSA.
Fuentes de Variación Similar a todos los procesos, el sistema de medición es impactado por fuentes de
variación aleatorias y sistemáticas. Estas fuentes de variación son debidas a causas
comunes y especiales. A fin de controlar la variación de un sistema de medición:
6
El analista de las mediciones siempre debe considerar significancias prácticas y estadísticas.
13
Capítulo l – Sección B
El Proceso de Medición
P Patrón El acrónimo PPIPM7 es usado para representar los seis elementos esenciales de un
P Pieza de Trabajo sistema de medición en general para asegurar el logro de los objetivos requeridos.
I Instrumento P.P.I.P.M. significa Patrón, Pieza de Trabajo, Instrumento, Persona y Procedimiento y
P Persona/Procedimiento Medio Ambiente. Este puede tomarse como un modelo de errores para un sistema de
Medio Ambiente medición completo.8
M
Los factores que afectan estas seis áreas necesitan ser entendidos de manera que puedan
ser controlados o eliminados.
7 Este acrónimo fue desarrollado inicialmente por Ms. Mary Hoskins, una metrologista asociada con Honeywell, el
laboratorio de metrología Eli Whitney y Bendix Corporation.
8 Ver apéndice F para un modelo alternativo de errores, P.I.S.M.O.E.A.
14
Pieza de Trabajo
(Parte) Instrumentos Diseño
Vías
Figura 2: Diagrama de Causas y Efectos de la Variabilidad de los Sistemas de Medición
(Gages) Uso
Características Amplificación
Interrelacionadas Variación de Robustercer
Construcción Contacto Geométrico
El Proceso de Medición
Capítulo l – Sección B
Personal
Ambiental (Evaluador)
Ergonómicos
Capítulo l – Sección B
El Proceso de Medición
Efectos en las Después de medir una parte, una de las decisiones que pueden tomarse es determinar el
Decisiones status de dicha parte. Históricamente, se determinaría si la parte fue aceptable (dentro
de especificaciones) o no aceptable (fuera de especificaciones). Otro escenario común
es la clasificación de partes en categorías específicas (ej., tamaños de pistones).
16
Capítulo l – Sección B
El Proceso de Medición
Filosofía Interés
Control del producto ¿Está la parte en una categoría
específica?
Control del proceso ¿Es la variación del proceso estable y
aceptable?
Tabla 1: Filosofía de Control e Interés Central
La siguiente sección trata de los efectos de los errores en las mediciones en la decisión
de un producto. Posterior a ello existe una sección que aborda el impacto sobre
decisiones del proceso.
Efectos en las A fin de entender mejor el efecto de errores en los sistemas de medición sobre las
Decisiones de decisiones del producto, considerar el caso donde toda la variabilidad en las lecturas
múltiples de una sola parte es debida a la repetibilidad y reproducibilidad del gage. Esto
Productos es, el proceso de medición está en control estadístico y tiene un sesgo de cero.
Puede tomarse a veces una mala decisión cuando alguna parte de la distribución de la
medición arriba indicada se traslape sobre un límite de especificación. Por ejemplo, una
parte buena puede algunas veces declararse “mala” (error tipo I, riesgo del productor o
falsa alarma) si:
LSL USL
y, una parte mala algunas veces puede declararse como “buena” (error tipo II), riesgo
del consumidor o proporción perdida) si:
LSL
USL
17
Capítulo l – Sección B
El Proceso de Medición
Esto es, con respecto a los límites de especificación, el potencial de tomar malas
decisiones para una parte existe solo cuando el error de los sistemas de medición
intersectan los límites de especificación. Esto ofrece tres diferentes áreas:
LSL USL
I II III II I
Tarjeta
donde:
Dado que el objetivo es maximizar las CORRECTAS decisiones relativas al status del
producto, existen dos opciones:
1) Mejorar el proceso de producción: reducir la variabilidad del proceso de forma tal
que las partes no se fabriquen en las áreas II.
2) Mejorar el sistema de medición: reducir el error del sistema de medición para
reducir el tamaño de las áreas II de tal forma que todas las partes que sean
fabricadas caigan dentro del área III y por tanto minimicen el riesgo de tomar una
mala decisión.
Esta discusión asume que el proceso de medición está en control estadístico y en meta.
Si alguno de estos supuestos es violado entonces existe una pequeña probabilidad de
que un valor observado conduzca a una correcta decisión.
Efecto en las Con el proceso en control, las siguientes necesidades deben establecerse:
Decisiones del • Control estadístico
Proceso • En meta
• Variabilidad aceptable
18
Capítulo l – Sección B
El Proceso de Medición
La variabilidad de los sistemas de medición puede afectar las decisiones en relación a la
estabilidad, meta y variación de un proceso. La relación básica entre la variación del
proceso actual y observada es:
donde
Rango de Tolerancia
Cp = 6σ
Esto puede sustituirse en la ecuación de arriba para obtener la relación entre los índices
del proceso observados y actuales,:
Por tanto la habilidad del proceso observada es una combinación de la habilidad del
proceso actual más la variación debida al proceso de medición. Para alcanzar un
objetivo de habilidad de un proceso específico se requeriría factorizar la variación de
las variaciones.
9
Aunque esta discusión es usando Cp, los resultados se mantienen también para el índice de desempeño Pp.
10
Ver apéndice B para fórmulas y gráficas.
19
Capítulo l – Sección B
El Proceso de Medición
Aceptación de un Cuando un nuevo proceso tal como, maquinado, manufactura, estampado, manejo de
Proceso Nuevo material, tratamiento térmico o ensamble es comprado, existe a menudo una serie de
pasos que tienen que completarse como parte de la actividad de compra misma. Esto
involucra a menudo algunos estudios hechos en el equipo en la localización del
proveedor y luego en la localización del cliente.
En el caso donde el sistema de medición (de orden mayor) usado durante la compra
cuente con un RRG de 10% y el Cp actual del proceso sea de 2.0, el Cp observado del
proceso durante la compra será de 1.96.11
El peor escenario será que el gage de producción no esté calificado pero sea usado. Si el
RRG del sistema de medición es actualmente del 60% (aunque tal hecho no sea
conocido) entonces el Cp observado sería de 1.28. La diferencia en el Cp observado de
1.96 versus 1.28 es debida al sistema de medición diferente. Sin este conocimiento
puede haber esfuerzos en vano en buscar ver lo que está mal del nuevo proceso.
11
Para esta discusión, asuma que no existe variación en el muestreo. En la realidad 1.96 será el valor esperado
aunque los resultados actuales varien alrededor de este valor.
20
Capítulo l – Sección B
El Proceso de Medición
Ajuste / Control del Con frecuencia las operaciones de manufactura utilizan una pieza en el comienzo del
Proceso (Experimento día para verificar que el proceso esté sobre meta. Si la pieza medida está fuera de meta,
el proceso es entonces ajustado. Más tarde y el algunos casos otra pieza es medida y
del Embudo) otra vez el proceso puede ajustarse. El Dr. Deming se refiere a este tipo de mediciones
y toma de decisiones como titubeo.
Considerar la situación donde el peso del acabado de un metal precioso sobre una pieza
esta siendo controlado sobre una meta de 5.00 gr. Suponer que los resultados de la
escala usados para determinar el peso varían en +0.20 gr pero esto no se sabe dado que
nunca fue hecho el análisis del sistema de medición. Las instrucciones de operación
requieren que el operador verifique el peso y haga ajustes cada hora en base a una
muestra. Si los resultados están fuera del intervalo de 4.90 a 5.10 gr entonces el
operador ajusta el proceso otra vez.
En el ajuste, suponer que el proceso está operando a 4.95 gr pero por el error en las
mediciones el operador observa 4.85 gr. De acuerdo a las instrucciones del operador
éste debe intentar ajustar el proceso hacia arriba por 0.15 gr. Ahora el proceso está
corriendo en 5.10 gr para una meta. Cuando el operador cheque el ajuste ésta vez,
observa 5.08 gr. de manera que permita al proceso trabajar. El sobreajuste del proceso a
agregado variación y continuará haciéndolo así.
Este es un ejemplo del experimento de embudo que el Dr. Deming usó para describir
los efectos del titubeo.12 El error en las mediciones complica el problema.
Regla 1: No hacer ajustes o tomar acciones a menos que el proceso esté inestable.
12
Deming, W. Edwards, Out of the Crisis, Massachussets of Technology, 1982, 1986.
21
Capítulo l – Sección B
El Proceso de Medición
Regla 2: Ajustar el proceso en una cantidad igual y en una dirección opuesta de donde
el proceso fue medido al último.
• Las partes son medidas, y se encuentran fuera de meta, aunque al graficarse sobre
la gráfica de control el proceso se muestra estable – luego entonces no se toma
ninguna acción (Regla 1).
22
Capítulo l – Sección C
Planeación y Estrategia de las Mediciones
CAPÍTULO I – Sección C
23
Capítulo l – Sección B
El Proceso de Medición
Identificación del El primer paso es establecer el propósito de las mediciones y cómo serán utilizadas. Un
Propósito de un equipo multifuncional organizado en las etapas iniciales del desarrollo del proceso de
medición es crítico en el logro de esta tarea. Se hacen consideraciones específicas en
Proceso de Medición relación a auditorias, control del proceso, desarrollo del producto y el proceso y análisis
del “Ciclo de Vida de las Mediciones”.
Ciclo de Vida de las El concepto de Ciclo de Vida de las Mediciones expresa la creencia de que los métodos
Mediciones de medición pueden cambiar en el tiempo conforme uno aprende y mejora el proceso.
Por ejemplo, la medición puede iniciar en la característica de un producto para
establecer estabilidad y habilidad del proceso. Esto puede conducir al entendimiento de
características críticas para el control del proceso que directamente afecten las
características de una parte. La dependencia en la información de la característica de
una parte llega a ser menor y el plan de muestreo puede reducirse para dar significado a
este entendimiento (de 5 parte por hora a una parte por turno). También, el método de
medición puede cambiar en la medición de una máquina de coordenadas a una forma de
gage por atributos. Eventualmente puede encontrarse que una pequeña parte del
monitoreo puede requerirse siempre y cuando el proceso se mantenga o la medición y
monitoreo del mantenimiento y el herramental pueda ser todo lo que se necesite. Al
nivel de mediciones le siguen el nivel de entendimiento del proceso.
Criterios para Antes de que un sistema de medición pueda ser comprado, un detallado concepto de
selección del Diseño ingeniería del proceso de medición es desarrollado. Usando el propósito arriba
desarrollado, un equipo multifuncional de individuos desarrollará un plan y concepto
de un Proceso de para el sistema de medición requerido para el diseño. Aquí se presentan algunos
Medición lineamientos:
Un método para capturar aspectos clave similares a éstos sería el uso des AMEFPs para
analizar áreas de riesgos en el diseño de gages, tanto de su habilidad para medir la parte
como el gage de funcionalidad (AMEFDs y AMEFPs). Esto ayudaría en el desarrollo
del mantenimiento y plan de calibración.
24
Capítulo l – Sección C
Planeación y Estrategia de las Mediciones
Desarrolla un diagrame de flujo que muestre los pasos críticos del proceso en la
manufactura o ensamble de la parte o subsistema. Identifica las entradas y salidas clave
de cada paso en el proceso. Esto ayudara en el desarrollo de los criterios y
requerimientos del equipo de medición afectados por la localización en el proceso. Un
plan de mediciones y una lista de tipos de mediciones se obtendría de esta
investigación.13
Luego utiliza algún método de tormenta de ideas con el grupo para desarrollar criterios
generales para cada medición requerida. Uno de los métodos simples a usar es el
diagrama de causas y efectos.14 Ver el ejemplo en figura 2 como un punto inicial de
pensamiento.
• ¿Por qué debe tomarse la medición y cómo será utilizada? ¿Los datos deberán
usados para control, clasificación, calificación, etc.? La forma en que las
mediciones serán usadas puede cambiar el nivel de sensibilidad del sistema de
medición mismo.
• ¿Qué tipo de información será ofrecida con el gage (ej., manuales – operación,
mantenimiento, etc.) y qué habilidades básicas del operador son requeridas?
¿Quién realizará el entrenamiento?
• ¿Cómo son tomadas las mediciones? ¿Serán hechas en forma manual, sobre un
transportador en movimiento, fuera de línea, en forma automática, etc.? ¿La
localización de las partes y los posibles dispositivos son fuentes de variación? ¿Es
con o sin contacto?
• ¿Cómo serán calibradas las verificaciones y éstas serán comparadas con otros
procesos de medición? ¿Quién será responsable por los patrones de calibración?
• ¿Cuándo y dónde serán tomadas las mediciones? ¿La parte estará limpia, con
aceite, caliente, etc.?
Investigación de Los métodos de medición actuales debieran investigarse previo a la inversión en nuevo
Varios Métodos de equipo. Los métodos de medición probados pueden ofrecer una operación más
confiable. Cuando sea posible, usa equipo de medición que cuente con registros de
Procesos de Medición rastreo probados.
Diseño y Desarrollo Hacer referencia a “elementos sugeridos para un checklist de desarrollo de un sistema
de Conceptos y de medición” al final del capítulo I, sección D, cuando se desarrollen y diseñen
conceptos y propuestas.
Propuestas
Durante y después de la fabricación del equipo de medición y el desarrollo del proceso
de medición (métodos, entrenamiento, documentación, etc.) serán realizados estudios
experimentales y recolección de datos. Estos estudios y datos serán usados para
entender este proceso de medición de forma tal que dicho proceso y procesos futuros
puedan mejorarse.
26
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
CAPÍTULO I – Sección D
Introducción Esta sección aborda el esquema de tiempo para cotizaciones / suministros de la vida de
un proceso de medición se ha desarrollado para que sea una discusión acerca del
procesos de desarrollar un paquete de cotización del proceso de medición, obteniendo
PROCESO DE respuestas a dicho paquete, otorgando el proyecto, completando el diseño final,
MEDICIÓN
desarrollando el proceso de mejoramiento y, finalmente, casando el proceso de
ENTRADAS SALIDAS
medición con el proceso de producción para el cual fue creado. Se recomienda
fuertemente que este capitulo no sea usado sin la lectura y entendimiento de la
discusión completa acerca de los procesos de medición. Para obtener el máximo
beneficio de un proceso de medición, estudiarlo y abordarlo como si fuera un proceso
con entradas y salidas.15
Este capítulo fue escrito con la filosofía de equipo en mente. No es una descripción de
trabajo para el comprador o agente de compras. Las actividades descritas aquí requieren
del involucramiento de un equipo para completarse exitosamente y debiera ser
administrado dentro del esquema global de un equipo de Planeaciones Avanzadas de
Calidad de Productos (APQPs). Esto puede resultar en un saludable juego entre varias
funciones de equipos – conceptos que se deriven del proceso de planeación pueden
modificarse antes de que el proveedor de gages llegue al diseño final que satisfaga los
requerimientos del sistema de medición.
13
Ver capítulo I, SECCION B
27
Capítulo l – Sección B
El Proceso de Medición
Después de que el proceso de medición ha sido diseñado conceptualmente, las
actividades alrededor de la adquisición del proceso / sistema pueden empezar.
Ciertas mercancías presentan propiedades que pueden producir más problemas que
otras, tal como, el centrado de un árbol de levas o alguna otra característica de
redondeo, cilíndrica o tubular. Por ejemplo, un árbol de levas debe ser manufacturado
sobre centros pero las propiedades importantes del producto están en sus lóbulos. Un
método o esquema de datos puede requerirse para la manufactura mientras que otro
esquema es requerido para la medición de un producto final.
28
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Prerrequisitos y Antes de discutir el desarrollo con el proveedor del gage, se asume que aspectos críticos
Supuestos tales como, diseño (GD&T) de ingeniería del producto “correcto” y el diseño del
proceso “correcto” (aquel que permita las mediciones en el tiempo y localización en el
proceso apropiados) se hallan resuelto. Sin embargo ésto no debiera demeritar la
consideración de éstos aspectos críticos con los miembros del equipo apropiados y en
forma anticipada en el proceso APQP.
Se asume que el proveedor del gage será involucrado en el proceso APQP con el
solo por él sino por otros en el quipo (manufactura, calidad, ingeniería, etc.).
an
tua
Pl
r
ce
S D
r
Es
equipo de APQP sin muchas entradas de una fuente de gages puede desarrollar ciertos
conceptos de gages. Otros conceptos pueden requerir la pericia de la fuente de gages.
Esto puede ser dirigido por la complejidad del sistema de medición y una decisión del
equipo acerca de lo que hace sentido.
Concepto de Antes de que el paquete de solicitud para cotización de un proceso de medición pueda
Ingeniería Detallado ser suministrado al proveedor potencial para propuestas formales, necesita desarrollarse
un concepto de ingeniería detallado del proceso de medición mismo. El equipo de
individuos que se emplee y sea responsable por el mantenimiento y mejoramiento
continuo del proceso de medición tiene responsabilidades directas para desarrollar el
concepto detallado. Esto puede ser parte del equipo de APQP. Para desarrollar mejor
este concepto, necesitan responderse varias preguntas.
El equipo puede investigar varios aspectos críticos para ayudar a decidir que dirección
o camino será seguido para el diseño del proceso de medición. Algunos pueden ser
dictados o pesadamente implicados por el diseño del producto. Ejemplos de multitudes
de posibles aspectos críticos que necesiten ser abordados por el equipo cuando se
desarrolle un concepto detallado pueden encontrarse en los “Elementos Sugeridos para
el Checklist del Desarrollo de un Sistema de Mediciones al Final de esta Sección”
29
Capítulo l – Sección B
El Proceso de Medición
• Estándares de diseño
• Estándares construidos
El formato de los estándares de diseño puede ser diferente dependiendo de quien está
pagando el proyecto. Aspectos clave de costos pueden afectar el formato.
30
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Las normas de diseño detallarán el método de comunicar el diseño mismo (CAD – ej.,
CATIA, Unigrafics, IGES, copia manual, etc.) para el fabricante. Puede también cubrir
normas de desempeño para un sistema de medición más complejo.
Evaluación de Conforme se reciban las cotizaciones, el equipo debe integrarse para revisarlas y
Cotizaciones evaluarlas. Ciertos puntos pueden hacerse notar:
APROBACIÓN
31
Capítulo l – Sección B
El Proceso de Medición
Liberación de La documentación es algunas veces no-tomada en cuenta cuando se adquiere un
Documentos proceso de medición. La significancia que toma la documentación con respecto a
cualquier proyecto es a menudo mal entendida. La estrategia usual atrás de la
documentación es ofrecer un conjunto original de diseños mecánicos y eléctricos (CAD
o dibujos en papel) para el hardware del proceso de medición en el tiempo del envío.
Esto puede satisfacer los requerimientos iniciales de implementación, aunque esta
documentación no hace nada con respecto a definir puntos potenciales para el montaje,
sugerir posibles áreas problemáticas o describir como usar el proceso. Por tanto, la
documentación requerida para cualquier proceso debe incluir más que el ensamble y
dibujos detallados del equipo de medición.
• Manuales de mantenimiento con dibujos de los equipos y los pasos para ensamblar
y desensamblar adecuadamente los componentes del equipo mismo.
• Instrucciones de calibración.
• Manuales del usuario que puedan ser usados por el personal de soporte técnico, el
operador del sistema y el personal de mantenimiento.
32
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Calificación con el El gage o sistema de medición debiera ofrecer un layout dimensional y pruebas de
Proveedor funcionalidad completas, cuando aplique, con el proveedor del sistema de medición
antes del envío. Obviamente, el proveedor seleccionado debe contar con equipo de
medición y personal calificado en planta a fin de lograr esto. Si no, debieran hacerse
prearreglos para que se haga este trabajo en un laboratorio independiente y externo
calificado. Los resultados de tal layout dimensional y/o de pruebas debieran obtenerse
de acuerdo con el diseño del cliente y los estándares construidos y ser completamente
documentados y disponibles para revisión por el cliente.
9 Criterios de aceptación
Cualquier resultado que se logre en este punto en el tiempo, debiera hacerse notar que
este es meramente preliminar y puede ser necesario un juicio para la aceptabilidad de
los resultados.
16 Ver apéndice D
33
Capítulo l – Sección B
El Proceso de Medición
Envíos CHECKLIST
Calificaciones con los Generalmente, lo que se ha hecho para calificar el sistema de medición anteriormente
Clientes con el proveedor y antes del envío debiera repetirse de alguna forma con el cliente una
vez que el envío se ha completado. Dado que ésta llega a ser la primera oportunidad
real para estudiar el sistema de medición en su ambiente esperado, estándares de
aceptación y métodos de análisis usados aquí debieran ser considerados seriamente. La
atención a detalle por todas las partes involucradas es vital para el éxito eventual de un
sistema de medición y el uso de datos que genere.
Antes de que cualquier análisis de mediciones comience después del recibo, el sistema
de medición debiera ejecutársele un layout dimensional completo para confirmar que
cumple con los requerimientos / normas de construcción. El alcance de este layout
puede balancearse contra el trabajo de layout hecho previamente con el proveedor del
sistema de medición y previo al envío, y la confiabilidad en la calidad de los resultados
de layout hechos con el proveedor así como la falta de algún daño potencial por envío.
Cuando se comparen los resultados antes y después del envío, estar concientes de que
es probable alguna diferencia en las mediciones por la diferencia en los sistemas de
medición.
34
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
• Instrucciones de calibración
35
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Elementos Sugeridos para un Checklist del Desarrollo de un Sistema de
Medición
Esta lista debiera modificarse en base a la situación y tipo del sistema de medición. El desarrollo
del checklist final debiera ser el resultado de la colaboración entre el cliente y el proveedor.
Entrenamiento requerido: Operador, personal de mantenimiento, ingenieros; salón de clases, aplicación práctica,
periodo de aprendizaje.
¿Se han identificado las fuentes de variación? Construir un modelo de errores (S.W.I.P.E. o P.I.S.M.O.E.A.)
usando equipos,, tormenta de ideas, conocimiento profundo del proceso, diagramas de causas y efectos o matrices.
Sistemas de medición flexibles vs dedicados: Los sistemas de medición pueden ser permanentes y dedicados o
pueden ser flexibles y tener la habilidad de medir diferentes tipos de partes; ej., gages, dispositivos de gages,
máquinas de medición por coordenadas, etc. Los gages flexibles serán más caros pero pueden ahorrar dinero en el
largo plazo.
Contacto vs No Contacto: Confiabilidad, tipo de propiedad, plan muestra, costo, mantenimiento, calibración,
habilidades del personal requeridas, compatibilidad, medio ambiente, velocidad, tipos de probadores, deflexión de las
partes, procesamiento de imágenes. Esto puede determinarse con los requerimientos del plan de control y la
frecuencia de las mediciones (gages de contacto total pueden conseguir ajustes excesivos durante muestreos
continuos). probadores de superficie de contacto total, tipo de probador, jets de retroalimentación por aire ,
procesamiento de imágenes, MMC vs comparador óptico, etc.
Medio Ambiente: ¿Polvo, humedad, temperatura, vibración, ruido, interferencia electromagnética (IEM),
movimiento de aire en el ambiente, contaminantes de aire, etc. el laboratorio, el piso de producción, oficina, etc.? El
medio ambiente llega a ser un aspecto clave con tolerancias bajas y ajustadas y en el nivel de micrones. También, en
los casos en que MMC, los sistemas de visiones, ultrasónico, etc. Esto podría ser un factor de auto-retroalimentación
en proceso en los tipos de mediciones. Aceite para corte, escombros para corte y temperaturas extremas pudieran
llegar también a ser aspectos clave. ¿Se requiere que el área esté limpia?
Puntos de medición y localización: Define claramente, usando GD&T, la localización de los dispositivos y puntos
de sujeción y donde las mediciones de la parte sean tomadas.
Preparación de la Parte: La parte debiera estar limpia, sin aceite, con temperatura estabilizada, etc. Antes de la
medición.
36
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Localización del Transductor: Orientación angular, distancia de los localizadores primarios o redes.
Aspecto # 1 de Correlación – Gages Duplicados: ¿Se requieren los gages por duplicado (o más) dentro o entre
plantas para soportar los requerimientos? Consideraciones de construcción, de errores de medición y de
mantenimiento. ¿Cuál es considerado el estándar? ¿Cómo será calificado cada uno?
Aspecto #2 de Correlación- Divergencia en Métodos: La variación en las mediciones resulta de diferentes diseños
de sistemas de medición ejecutándose en el mismo producto / proceso y dentro de una práctica y límites de operación
aceptables (ej., resultados de mediciones de MMC vs manual o ajuste abierto).
Mediciones de Pruebas Destructivas vs No Destructivas (PND): Ejemplos: prueba de tensión, prueba de cámara
salina, espesor de cubierta de pintura / acabado, dureza, medición dimesnional, procesamiento de imagen, análisis
químico, estrés, durabilidad, impacto, torsión, torque, fuerza de soldado, propiedades eléctricas, etc.
Resolución Efectiva: ¿La medición es sensible a los cambios físicos (habilidad para detectar variación del proceso o
producto) para una aplicación particular y aceptable?
Sensibilidad: ¿La señal de entrada es la más pequeña en medida y la cual resulta en una señal de salida detectable
(discernible) y aceptable para la aplicación del dispositivo de medición). La sensibilidad se determina por el diseño y
calidad (FEO) inherente del gage, el mantenimiento en servicio y las condiciones de operación.
¿Se han abordado las fuentes de variación identificadas en el diseño del sistema? Revisiones de diseño;
verificaciones y validaciones.
Facilidad de Servicio: Interno y externo, localización, nivel de soporte, tiempo de respuesta, disponibilidad de
partes para servicio, lista de partes estándar.
Ergonomía: Habilidad de cargar y operar el equipo sin daños en el tiempo. La necesidad de discusiones sobre los
dispositivos de medición para orientarse en aspectos clave en cómo el sistema de medición es interdependiente con el
operador.
Consideraciones de Seguridad: Personal, operación, medio ambiente, protegido.
Almacenamiento y Localización: Establece los requerimientos alrededor del almacenamiento y localización del
equipo de medición. Aspectos clave de cubiertas, medio ambiente, seguridad, disponibilidad (proximidad).
Tiempo de Ciclo de la Medición: ¿Cuánto tiempo llevará medir una parte o característica? Ciclo de medición
integrado al control del proceso y el producto.
37
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
¿Habrá alguna interrupción al flujo del proceso, integridad del lote, para capturar, medir y devolver la parte?
Manejo de Materiales: ¿Existen racks especiales, dispositivos de sostén, equipo de transporte u otro equipo de
manejo de materiales necesarios para las partes a ser medidas o el sistema de medición mismo?
Aspectos Ambientales: ¿Existen algunos requerimientos ambientales especiales, condiciones, limitaciones, que
afecten el proceso de medición o procesos vecinos? ¿Se requiere que sea exhausto? ¿Es necesario el control de
temperatura o humedad? Humedad, vibración, ruido, IEM, limpieza.
Refacciones: Lista común, suministros adecuados y un sistema para ordenamiento en piso, disponibilidad, tiempos
de anticipación entendidos y tomados en cuenta. ¿Es adecuado y seguro el almacenamiento disponible (refacciones,
mangueras, cinturones, switches, solenoides, válvulas, etc.)?
Instrucciones del Usuario: Secuencia de sujeción, procedimientos de limpieza, interpretación de datos, gráficas,
ayudas visuales amplias. Disponibles y desplegadas apropiadamente.
Documentación: Dibujos de ingeniería, árboles de documentación, manuales del usuario, lenguaje, etc.
Calibración: Comparación con patrones aceptables. Disponibilidad y costo de patrones aceptables. Frecuencia
recomendada, requerimientos de entrenamiento. ¿Se requiere tiempo muerto?
Almacenamiento: ¿Se requieren requerimientos o consideraciones especiales relativos al almacenamiento del
dispositivo de medición? Cubiertas, medio ambiente, seguridad para daños / robos, etc.
A Prueba de Errores: ¿Errores del proceso de medición pueden conocerse para ser corregidos fácilmente (muy
fácil) por el usuario? Entradas de datos, uso incorrecto del equipo, aprueba de fallas o errores
Soporte: ¿Quién dará apoyo al proceso de medición? Técnicos de laboratorio, ingenieros, producción
mantenimiento, servicios contratados y externos?
Entrenamiento: ¿Qué entrenamiento será necesario para los operadores / inspectores / técnicos, ingenieros para usar
y mantener el proceso de medición? Aspectos de tiempo, recursos y costo. ¿Quién entrenará? ¿Dónde se realizará el
entrenamiento? ¿Requerimientos para tiempos de anticipación? Coordinado con el uso actual del proceso de
medición.
Administración de Datos: ¿Cómo serán administrados los resultados de datos del proceso de medición? Manuales,
computarizados, métodos de resumen, frecuencia en los resúmenes, métodos de revisión, frecuencia de revisiones,
requerimientos de los clientes, requerimientos internos. Disponibilidad, almacenamiento, recuperación, soporte,
seguridad. Interpretación de datos.
Personal: ¿Se requiere contratar personal para soportar el proceso de medición? Aspectos de costo, tiempo y
disponibilidad. Actual o nuevo.
Métodos de Mejoramiento: ¿Quién mejorará el proceso de medición en el tiempo? ¿Ingenieros o personal de
producción, mantenimiento, calidad? ¿Qué métodos de evaluación serán usados? ¿Existe un sistema para identificar
mejoramientos necesarios?
Estabilidad de Largo Plazo: Métodos de evaluación, formato, frecuencia, y necesidad de estudios de largo plazo.
Cambios, ajustes, contaminación, integridad operacional. ¿Estos errores de largo plazo pueden ser medidos,
controlados, entendidos y pronosticados?
Consideraciones Especiales: Atributos del inspector, limitaciones físicas o aspectos de salud: ceguera en color,
visión, esfuerzo, fatiga, ergonomía.
38
Capítulo l – Sección E
Aspectos Críticos de Mediciones
CAPÍTULO I – Sección E
39
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Tipos de Variaciones A menudo se asume que las mediciones son exactas, y frecuentemente los análisis y
de los Sistemas de conclusiones se basan en esta suposición. Un individuo puede fallar en determinar si
hay variación en el sistema de medición el cual afecta las mediciones individuales, y
Medición consecuentemente, las decisiones se basan en datos. El error de un sistema de medición
puede ser clasificado en 5 categorías: sesgo, repetibilidad, reproducibilidad, estabilidad
y linealidad.
40
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Estándar / Patrón
Un estándar es cualquier cosa que se tome por consenso general como una base para
comparación, un modelo aceptado. Puede ser un artefacto conjunto (instrumentos,
procedimientos, etc.) ajustado y establecido por una autoridad como una regla para
medición de cantidad, peso, alcance, valor o calidad.
Estándar de Calibración
Estándar de Transferencia
Un estándar para comparar un estándar por separado de un valor conocido con una
unidad que ha sido calibrada.
Master
Estándar de Trabajo
Un estándar cuya intención de uso sea ejecutar mediciones de rutina dentro del
laboratorio, no como un estándar de calibración, pero que puede ser usado como un
estándar de transferencia.
19
Esta definición fue actualizada posteriormente como Equipo de Medición y Prueba o M&TE por estándares
militares.
41
Capítulo l – Sección E
Aspectos Críticos de Mediciones
PATRON DE TRANSFERENCIA
PATRON DE TRABAJO
Patrón de Chequeo
Estándar de Chequeo
Un artefacto de medición que reagrupa de una forma muy similar lo que el proceso está
diseñado para medir, pero que es inherentemente más estable que el proceso de
medición a ser evaluado.
Valor de Referencia
42
Capítulo l – Sección E
Aspectos Críticos de Mediciones
• Valores por acuerdo: valores expresamente acordados por las partes afectadas.
En todos los casos el valor de referencia requiere ser basado en una definición
operacional y en los resultados de un sistema de medición aceptable; para lograr ésto, el
sistema de medición usado para determinar el valor de referencia debiera incluir:
• Instrumentos con una resolución de mayor orden y con un error del sistema de
medición menor que los sistemas usados para evaluaciones normales.
Valor Verdadero
Discriminación
21
Ver También ASTM: E177-90ª.
43
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Figura 4: Discriminación
La regla empírica arriba indicada puede considerarse como un punto inicial para
determinar la discriminación dado que no incluye cualquier otro elemento de a
variabilidad de un sistema de medición.
44
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Figura 5: Impacto del Número de Categorías Distintas (NCD) de la Distribución del Proceso
en Actividades de Análisis y Control.
45
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Regresando a la figura 6, la gráfica de control (b), existen solo dos posibles valores para
el rango dentro de límites de control (valores de 0.00 y 0.01). Por tanto, la regla
identifica correctamente la razón de falta de control por la discriminación inadecuada
(sensibilidad o resolución efectiva).
Este problema puede ser resuelto, por supuesto, cambiando la habilidad de detectar la
variación dentro de los subgrupos incrementando la discriminación de las mediciones.
Un sistema de medición cuenta con una discriminación adecuada si la resolución
aparente es pequeña relativa a la variación del proceso. Por tanto una recomendación
para una adecuada discriminación sería para una resolución aparente tener a lo mucho
una décima parte de seis sigma de desviación estándar del proceso total en lugar de la
regla tradicional la cual con una resolución aparente sería a lo mucho una décima de la
extensión de la tolerancia.
46
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Gráfica Xbarra/R
Discriminación = .001
0.145 LCS = 0.1444
• •
• •
Media Simple
• • •
• • • •
0.140 • • • • Media = 0.1397
• • • • • •
• •
• •
0.135 LCI = 0.1350
Subgrupo 0 5 10 15 20 25
• • • • • •
0.01 • Media = 0.00812
• • • • • •
• • • • • • •
• • •
0.00 LCI = 0
Gráfica Xbarra/R
Discriminación = .01
0.145 LCS = 0.1444
* *
• • •
Media Simple
• • • • • • • • • • • • • • Media = 0.1398
0.140 •
• • •
• LCI = 0.1359
0.135
*
Subgrupo 0 5 10 15 20 25
0.02
* * *
LCS = 0.01717
Rango Simple
• • • • • • •
0.01 • • • •
Media = 0.00812
0.00 • • • • • • • • • • • LCI = 0
22
La figura 6 fue adaptada de Evaluación de los Procesos de Medición, por Wheeler y Lidia, derechos de copia 1989, SPC
47
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Variación del Proceso Para la mayoría de los procesos de medición, la variación total de las mediciones es
de Medición usualmente descrita como una distribución normal. La probabilidad normal es un
supuesto de los métodos estándar para análisis de sistemas de medición. De hecho
existen sistemas de medición que no son distribuidos normalmente. Cuando esto pasa, y
se asume normalidad, el método MSA puede sobre estimar el error del sistema
medición. El analista de mediciones debe reconocer y corregir evaluaciones para
sistemas con mediciones no normales.
Localización
Amplitud
48
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Sesgo
• Error de linealidad
49
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Estabilidad
Tiempo
Valor Referencia
50
Capítulo l – Sección E
Aspectos Críticos de Mediciones
SESGO
SESGO
Medición 1 Medición N
Notar que la linealidad inaceptable puede venir en una variedad de sabores. No asuma
un sesgo constante.
Se
ro
Ce
de
ea
Lín
Valores de Referencia
Observado - Referencia
Sesgo Positivo
Sesgo Cero
Sesgo Negativo
Valores de Referencia
Posibles causas para errores de linealidad incluyen:
51
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Repetibilidad
52
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Posibles causas para una repetibilidad deficiente incluyen:
Reproducibilidad
53
Capítulo l – Sección E
Aspectos Críticos de Mediciones
• Entre las partes (muestras): el promedio de las diferencias cuando se miden tipos de
partes A, B, C, etc. Usando el mismo instrumento, operadores y método.
• Entre métodos: el promedio de las diferencias causado por cambiar las densidades
de punto, sistemas manuales vs automatizados, restablecimiento a cero, métodos de
sostenimiento o sujeción, etc.
54
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Valor Referencia
A C B
Sensibilidad
RRG
Sensibilidad es la entrada más pequeña que resulte en una señal o resultado detectable
(usable). Es la respuesta del sistema de medición a cambios en la propiedad medida. La
sensibilidad es determinada por el diseño del gage (discriminación), su calidad
inherente (FEO), el mantenimiento en servicio y las condiciones de operación del
instrumento y estándar. Siempre es reportada como una unidad de medida.
• Condiciones bajo las cuales el instrumento es usado tales como ambiente, aire,
polvo, humedad.
55
Capítulo l – Sección E
Aspectos Críticos de Mediciones
•
UCL Consistencia
• •
• • • • Promedio
•
• • • Rango Consistencia es la diferencia en la variación de las mediciones tomadas en el tiempo.
• •
• •
LCL
Puede ser vista como repetibilidad en el tiempo.
Los factores que impactan la consistencia son variaciones de causas especiales tales
como:
• Equipo desgastado
Uniformidad
• El dispositivo permite medidas más pequeñas / grandes para una posición diferente
• Paralelismo en la lectura
56
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Desempeño
• Estabilidad y consistencia
57
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Un estimativo del desempeño en las mediciones es una expresión del error esperado
para condiciones definidas, alcance y rango del sistema de medición (a diferencia de la
incertidumbre en las mediciones, la cual es una expresión del error esperado del rango
o valores asociados con un resultado de medición). La expresión del desempeño de la
variación (varianza) combinada cuando los errores de las mediciones no se
correlacionan (aleatorios e independientes) puede cuantificarse como:
Incertidumbre
58
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Comentarios De los parámetros de un sistema de medición, la exactitud y la precisión son las más
familiares para el personal de operación, dado que éstos se usan en la vida diaria así
como en discusiones técnicas y de ventas. Desafortunadamente, estos términos son
también los menos claros dado que a menudo se toman como intercambiables. Por
ejemplo, si un gage es certificado por una agencia independiente como exacto, o si el
instrumento está garantizado para tener una alta precisión por el vendedor, entonces se
piensa incorrectamente que todas las lecturas caerán muy cerca de los valores actuales.
Esto no está conceptualmente equivocado pero sí puede conducir a decisiones
equivocadas acerca del producto y proceso.
24
Lo medido es definido por VIM como “la cantidad particular sujeta a medición”.
25
Ver también Capítulo I, Sección B.
59
Capítulo l – Sección E
Aspectos Críticos de Mediciones
Repetibilidad
Aceptable No Aceptable
Aceptable
• • •
•••• • •
• • •
•• • • •
• •
Sesgo
•
•
• • • •
• •• • •
•• • • • •
No Aceptable
• • •
•
60
Capítulo I – Sección F
Incertidumbre en las Mediciones
Capítulo I – Sección F
Incertidumbre en las Mediciones
U = kuc
26
QS-9000 3ª edición, Sección 4.11.1
61
Capítulo l – Sección F
Incertidumbre en las Mediciones
2
U2C = σ2performance + σ Otros
Incertidumbre en las La diferencia principal entre incertidumbre y MSA es que el MSA se enfoca a entender
Mediciones y MSA el proceso de medición, determinando la cantidad de error en el proceso mismo, y
evaluando la adecuación del sistema de medición para control del producto y proceso.
MSA promueve el entendimiento y mejoramiento (reducción de la variación). La
incertidumbre es el rango de los valores de medición, definidos para un intervalo de
confiabilidad y asociados con un resultado de medición y esperados para incluir el valor
verdadero de las mediciones.
Rastreabilidad en las La rastreabilidad es la propiedad de una medición o el valor de un estándar, tal que
Mediciones puede relacionarse con referencias establecidas, usualmente patrones nacionales o
internacionales, a través de una cadena ininterrumpida de comparaciones y todas con
incertidumbres establecidas. Por tanto el entendimiento de la incertidumbre en las
mediciones de cada enlace en la cadena es esencial. Incluyendo las fuentes de variación
de las mediciones de corto y largo plazo que sean introducidas por el proceso de
medición y la cadena de rastreabilidad, la incertidumbre de las mediciones en le sistema
de medición pueden evaluarse asegurando que todos los efectos de rastreabilidad se
tomen en cuenta. Este, por tanto, puede reducir aspectos clave de correlación en las
mediciones.
62
Capítulo I – Sección F
Incertidumbre en las Mediciones
Guía ISO para la La Guía para la Expresión de la Incertidumbre en las Mediciones (GIM) es una guía de
Expresión de la cómo la incertidumbre de las mediciones puede evaluarse y expresarse. Aún y cuando
ofrece al usuario un entendimiento de la teoría y establece lineamientos de cómo la
Incertidumbre en las incertidumbre en las fuentes de medición puede clasificarse y combinarse, y debiera
Mediciones ser considerado un documento de referencia de alto nivel, no un manual tipo “como”.
Ofrece una guía o lineamiento al usuario en algunos de los tópicos más avanzados tales
como, independencia estadística de las fuentes de variación, análisis de sensibilidad,
grados de libertad, etc. que son críticos cuando se evalúan sistemas de medición más
complejos y/o de parámetros múltiples.
63
Capítulo l – Sección F
Incertidumbre en las Mediciones
64
Capítulo I – Sección G
Análisis de Problemas de Mediciones
Capítulo I – Sección G
Análisis de Problemas de Mediciones
En esta sección se hace una revisión a los pasos básicos para solución de problemas y
se muestra como se relacionan al entendimiento de aspectos clave en un sistema de
medición. Cada compañía puede usar un proceso de solución de problemas y el cual el
cliente le haya aprobado.
65
Capítulo l – Sección F
Incertidumbre en las Mediciones
n
Pla
tu
ce
tu
S D
r
Es
27
W. Edwards Deming, The New Economics for Industry, Government, Education, The MIT Press, 1994, 2000
27
W. Edwards Deming, The New Economics for Industry, Government, Education, The MIT Press, 1994, 2000
66
Capítulo II
Conceptos Generales para la Estimación de Sistemas de Medición
Capítulo II
CONCEPTOS GENERALES PARA ESTIMACIONES DE
SISTEMAS DE MEDICIÓN
67
Capítulo Il – Sección A
Fundamentos
68
Capítulo II - Sección A
Fundamentos
Capítulo II – Sección A
Fundamentos
Etapa 1 & 2 La prueba de la Etapa 1 es una evaluación para verificar que la variable correcta está
siendo medida y en la localización para la característica apropiada con base en la
especificación del diseño del sistema de medición. (Verifica dispositivos y sujeción si
aplica) También si existen aspectos ambientales críticos que sean interdependientes con
Entendimiento del
la medición. La etapa 1 pudiera usar un experimento diseñado estadísticamente para
proceso de medición y evaluar el efecto del ambiente operativo en los parámetros del sistema de medición (ej.,
¿satisface los sesgo, linealidad, repetibilidad y reproducibilidad). La etapa 1 prueba los resultados
requerimientos? para indicar que el ambiente de operación no contribuya significativamente a la
variación global del sistema de medición. Adicionalmente, la variación atribuible al
sesgo y linealidad del dispositivo de medición debiera ser pequeña comparada con los
componentes de repetibilidad y reproducibilidad.
El conocimiento logrado durante las pruebas e la etapa 1 debiera ser una entrada para el
desarrollo del programa de mantenimiento del sistema de medición así como el tipo de
prueba que debiera usarse durante la etapa 2. Los aspectos ambientales pueden conducir
a un cambio en localización o a un ambiente controlado para el dispositivo de
medición.
¿El proceso de La prueba de la Etapa 2 ofrece un monitoreo continuo de las fuentes clave de variación
medición satisface los para una confiabilidad continua del sistema de medición (y los datos generados) y/o una
requerimientos en el señal de que el sistema de medición se haya degradado en el tiempo.
tiempo?
69
Capítulo Il – Sección A
Fundamentos
70
Capítulo II - Sección B
Selección/Desarrollo de Procedimientos de Prueba
Capítulo II – Sección B
Selección / Desarrollo de Procedimientos de Prueba
“Cualquier técnica puede ser útil si sus limitaciones son entendidas y observadas”.28
• ¿Los estándares o normas tales como, los rastreables con NIST, debieran ser
usados en las pruebas, y si es así, qué nivel de estándar o patrón es apropiado? Los
estándares son frecuentemente esenciales para evaluar la exactitud de un sistema de
medición. Si no se usan estándares o patrones, la variabilidad del sistema de
medición puede aún ser evaluada, aunque puede no ser posible evaluar su exactitud
con una credibilidad razonable. La falta de tal credibilidad puede ser un aspecto
clave, por ejemplo, en la intención de resolver una diferencia aparente entre el
sistema de medición de un fabricante y el sistema de medición de un cliente.
28
W. Edwards Deming, The Logic of Evaluation, The Handbook of Evaluation Research, Vol. 1, Elmer L. Struening and Marcia
Guttentag, Editors
29 El “Efecto Hawthorne” se refiere a los resultados de una serie de experimentos industriales, ejecutados en los trabajos de
Hawthorne de Western Electric entre Noviembre 1924 y Agosto 1932. En los experimentos, los investigadores modifican
sistemáticamente las condiciones de trabajo de cinco ensambladores y monitorean los resultados. Conforme las condiciones
se mejoran, la producción se incrementa. Sin embargo, cuando las condiciones de trabajo se degradan, la producción
continua mejorándose. Se pensó que esto trajo resultados a los trabajadores para desarrollar una actitud mas positiva hacia
el trabajo en si, como resultado de ser ellos parte del estudio, mas que el resultado de cambiar las condiciones de trabajo.
Ver Una Historia de los Experimentos Hawthorne, por Richard Gillespie, Cambridge University Press, New York, 1991.
71
Capítulo Il – Sección B
Selección/Desarrollo de Procedimientos de Prueba
• Cualquier otro término para el cual no haya una definición comúnmente aceptada
debiera ser definido operacionalmente. Ejemplos de tales términos incluyen
exactitud, precisión, repetibilidad, reproducibilidad, etc.
• ¿Con qué frecuencia debieran ejecutarse las pruebas de la etapa 2? Esta decisión
puede basarse en las propiedades estadísticas del sistema de medición individual y
en las consecuencias con la instalación, y los clientes de la instalación de un
proceso de manufactura que de hecho, no sea monitoreado debido a que el sistema
de medición no esté operando apropiadamente.
Adicional a estos aspectos clave y generales, otros aspectos clave que son específicos al
sistema de medición particular a ser probados pueden ser también importantes. El
encontrar los aspectos clave específicos que sean importantes a un sistema de medición
particular es uno de los dos objetivos de las pruebas de la etapa 1.
72
Capítulo II Sección C
Preparación para un Estudio de un Sistema de Medición
Capítulo II – Sección C
Preparación para un Estudio de un Sistema de Medición
Como en cualquier estudio o análisis, la planeación y preparación suficiente debe ser
hecha previo a la conducción de un estudio de un sistema de medición. La preparación
típica y previa para conducir el estudio es como sigue:
Para situaciones del control del proceso, donde resulten las mediciones y se
determinen criterios de decisión, “la estabilidad del proceso, la dirección y
cumplimiento con la variación natural del proceso” (ej., SPC, monitoreo del
proceso, habilidad y mejoramiento del proceso), la disponibilidad de muestras
sobre el rango de operación completo llega a ser muy importante. Un
estimativo independiente de la variación del proceso (estudio de habilidad del
proceso) es recomendable al evaluar la adecuación del sistema de medición
para control del proceso (ej., % de RRG con la variación del proceso).
73
Capítulo Il – Sección C
Preparación para un Estudio de un Sistema de Medición
Las muestras pueden seleccionarse tomando una muestra por día por varios días. Otra
vez, esto es necesario porque las partes serán tratadas en el análisis como si
representaran el rango de variación de la producción en el proceso. Dado que cada parte
será medida varias veces, cada parte debe numerarse para identificación.
5) El instrumento debiera contar con una discriminación tal que permita al menos un
décimo de la variación del proceso esperado de la característica sea leído
directamente. Por ejemplo, si la variación de la característica es 0.001, el equipo
debiera ser capaz de “leer” un cambio de 0.0001.
30
No existe correlación entre las lecturas.
31
Ver Capítulo III, Sección B, “Aleatoriedad e Independencia Estadística”
74
Capítulo II Sección C
Preparación para un Estudio de un Sistema de Medición
3) El estudio debiera ser administrado y observado por una persona que entienda la
importancia de conducir un estudio confiable.
• ¿Es la calibración del evaluador del equipo de medición muy probable una causa
significativa de variación? Si es así, los evaluadores debieran recalibrar el equipo
antes de cada grupo de lecturas.
75
Capítulo Il – Sección D
Análisis de Resultados
76
Capítulo II Sección D
Análisis de Resultados
Capítulo II – Sección D
Análisis de Resultados
Los resultados debieran evaluarse para determinar si el dispositivo de medición es
aceptable para su aplicación esperada. Un sistema de medición debiera ser estable
antes de ser válido cualquier análisis adicional.
Para sistemas de medición cuyo propósito es analizar un proceso, una regla empírica y
general para la aceptación de un sistema de medición es como sigue:
• Arriba del 30% - considerado como no aceptable – debieran hacerse esfuerzos por
mejorar el sistema de medición.
32
Ver Capítulo III, Sección B, “Análisis de Resultados – Numérico”.
77
Capítulo Il – Sección D
Análisis de Resultados
78
Capítulo III
Prácticas Recomendadas para Sistemas de Medición Simple
Capítulo III
PRACTICAS RECOMENDADAS PARA SISTEMAS DE
MEDICIÓN SIMPLES
79
Capítulo IIl – Sección A
Ejemplos de Procedimientos de Prueba
80
Capítulo III – Sección A
Ejemplos de Procedimientos de Prueba
81
Capítulo IIl – Sección A
Ejemplos de Procedimientos de Prueba
82
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Conducción de un Estudio
Puede ser deseable contar con muestras master para valores mínimos, altos y de
rango medio de las mediciones esperadas. Se recomiendan por separado las
mediciones y gráficas de control.
3) Graficar los datos en una gráfica de control X & R o X & s bajo el orden de
tiempo.
33
Debiera tomarse precaución cuando el master de producción pudiera experimentar un excesivo desgaste debido
al uso, material o manejo. Esto puede requerir el modificar la parte de producción tal como el acabado, para
extender la vida del master mismo.
83
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Si el proceso de medición es estable, los datos pueden usarse para determinar el sesgo
del sistema de medición.
También, la desviación estándar de las mediciones puede usarse como una aproximación
de la repetibilidad del sistema de medición mismo. Esta puede compararse con la del
proceso para determinar si la repetibilidad del sistema de medición es adecuada para la
aplicación.
Ejemplo – Estabilidad
• • •
6.1 • • •
• • • Media = 6.021
6.0 • • • •
• • •
5.9 •
5.8 •
LCI = 5.746
5.7
0 10 20
• • • • •
0.5 • • • Media = 0.4779
• • • • •
• • •
•
•
LCI = 0
0.0
Puede ser deseable contar con muestras master para valores mínimos,
altos y de rango medio de las mediciones esperadas. Si esto se hace,
analiza los datos usando un estudio de linealidad.
2) Cuenta con un solo evaluador para que mida la muestra n >10 veces de una forma
normal.
n
5) Calcula la desviación estándar de la repetibilidad (ver también Estudios de Gages,
Método de Rangos, mostrado adelante.
max( xi ) − min( xi )
σ repetibilidad =
d *2
35
Ver Capítulo I, Sección E, para una definición operacional y discusión de causas potenciales.
85
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
sesgo
t=
σb
⎡ d 2σb ⎤ ⎡ d 2σb ⎤
Sesgo − ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥ ≤ 0 ≤ sesgo + ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥
⎣ d2 ⎝ 2⎠
⎦ ⎣ d2 ⎝ 2⎠
⎦
Ejemplo – Sesgo
36
Este enfoque utiliza el promedio de rangos para obtener un aproximado de la desviación estándar del proceso
de medición. Debido a que la eficiencia de éste uso del rango cae rápidamente conforme el tamaño de muestra
se incrementa, se recomienda que si el tamaño de muestra total excede en 20, seccionar la muestra en
subgrupos múltiples y usar el enfoque de las gráficas de control, o usar el cálculo de la raíz de los promedios al
cuadrado (RMS) de la desviación estándar con la prueba tradicional de t de una muestra.
37
La incertidumbre para el sesgo es dada con σ b
86
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
3
Frecuencia
Dado que el 0 cae dentro del intervalo de confiabilidad del sesgo (menos 0.1185,
0.1319), el ingeniero puede asumir que el sesgo de las mediciones es aceptable
asumiendo que el uso actual no introduce fuentes adicionales de variación).
87
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
σr σb Error
n(m) X , Media Desviación Estándar de
Estándar la Media
Valor Medido 15 6.0067 0.22514 0.05813
Si se usa una gráfica X & R o X & s para medir la estabilidad, los datos
pueden también usarse para evaluar el sesgo. El análisis de la gráfica de control
debiera indicar que el sistema d medición es estable antes de que el sesgo se
evaluado.
88
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
sesgo
t=
σb
⎡ d 2σb ⎤ ⎡ d 2σb ⎤
Sesgo − ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥ ≤ 0 ≤ sesgo + ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥
⎣ d2 ⎝ 2⎠
⎦ ⎣ d2 ⎝ 2⎠
⎦
Ejemplo – Sesgo
En referencia a la figura 9 el estudio de estabilidad fue realizado sobre una parte que
tenía un valor de referencia de 6.01. El promedio global de todas las muestras (20
subgrupos) fue de 6.021. El sesgo calculado es por tanto 0.011.
Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (menos 0.0800,
0.1020), el equipo de procesos puede asumir que el sesgo de las mediciones es aceptable
asumiendo que el uso actual no introduce fuentes de variación adicionales.
Error
Desviación
n X , Media Estándar de
Estándar σ
la Media σb
Valor Medido 100 6.021 0.2048 0.0458
90
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Si el sistema de medición cuenta con un sesgo no cero, donde debiera ser posible
recalibrarse para lograr un sesgo de cero a través de la modificación del hardware,
software o ambos. Si el sesgo no puede ajustarse a cero, todavía puede usarse a través
de un cambio en el procedimiento (ej., ajustando cada lectura por el sesgo). Dado que
ésto cuenta con un alto riesgo de error del evaluador, debiera usarse solo con la
concurrencia del consumidor.
91
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
2) Mide cada parte con una inspección de layout para determinar su valor de
referencia y confirmar que el rango de operación del gage en cuestión está
Medición 1 Medición N
cubierto.
3) Mide cada parte m >10 veces sobre el gage en cuestión por uno de los operadores
quien normalmente use el gage mismo.
9 Selecciona las partes al azar para minimizar algún sesgo del evaluador en las
mediciones.
4) Calcula el sesgo de la parte por cada medición y el promedio de los sesgos para
cada parte.
∑ Sesgo
j =1
i, j
Sesgoi =
m
5) Grafica los sesgos individuales y loa promedios de los sesgos con respecto a los
valores de referencia sobre una gráfica lineal. (Ver figura 11)
yi = axi + b
donde
xi = Valor de Referencia
39
Ver Capítulo I, Sección E, para una definición operacional y discusión de causas potenciales.
92
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
⎛ 1 ⎞
∑ xy − ⎜⎜ gm ∑ x∑ y ⎟⎟
a= ⎝ ⎠=
∑ x 2 − gm (∑ x )
1 2
b = y − a x = int erceptado
donde s = ∑y 2
i − b∑ yi − a ∑ xi yi
gm − 2
⎡ 2 ⎞ 2 ⎤
1
⎛ 1
inferior: b + ax0 − ⎢⎢t gm, −2,1−α ⎜ +
(x 0 − x ) ⎟ s ⎥
⎜
∑ (xi − x ) ⎟⎠ ⎥⎥⎦
2
2 gm
⎢⎣ ⎝
⎡ ⎞ 2 ⎤
1
Para que la linealidad del sistema de medición sea aceptable, la línea de “sesgo =
0” debe extenderse totalmente dentro de las bandas de confiabilidad de la línea
ajustada.
H0: a = 0 inclinación = 0
no rechazar si
a
t = ≤ tgm − 2,1 − α 2
⎡ ⎤
⎢ s ⎥
⎢
∑ (x j − x ) ⎦
2 ⎥
⎣
40
Ver la nota para la selección del nivel α en el área de “Lineamientos para Determinar el Sesgo” en Capítulo III,
Sección B.
93
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
H0 : b = 0 intersección (sesgo) = 0
No rechazar si
b
t = ≤ tgm − 2,1 − α 2
⎡ 1 x
2 ⎤
⎢ + ⎥s
⎢⎣ gm ∑ (xi − x ) ⎥⎦
2
Ejemplo - Linealidad
Valor de 1 2 3 4 5
Referencia de
la Parte 2.00 4.00 6.00 6.00 8.00
1 2.70 5.10 5.80 7.60 9.10
I 2 2.50 3.90 5.70 7.70 9.30
N 3 2.40 4.20 5.90 7.80 9.50
T 4 2.50 5.00 5.90 7.70 9.30
E 5 2.70 3.80 6.00 7.80 9.40
N 6 2.30 3.90 6.10 7.80 9.50
T 7 2.50 3.90 6.00 7.80 9.50
O 8 2.50 3.90 6.10 7.70 9.50
S 9 2.40 3.90 6.40 7.80 9.60
10 2.40 4.00 6.30 7.50 9.20
11 2.60 4.10 6.00 7.60 9.30
12 2.40 3.80 6.10 7.70 9.40
41
Manual del Proceso de Aprobación de Partes para Producción , 3ª. Edición, 2000
94
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Parte 1 2 3 4 5
Valor de
Referencia 2.00 4.00 6.00 6.00 8.00
1 0.7 1.1 -0.2 -0.4 -0.9
2 0.5 -0.1 -0.3 -0.3 -0.7
S 3 0.4 0.2 -0.1 -0.2 -0.5
4 0.5 1.0 -0.1 -0.3 -0.7
E 5 0.7 -0.2 -0.0 -0.2 -0.6
6 0.3 -0.1 0.1 -0.2 -0.5
S 7 0.5 -0.1 0.0 -0.2 -0.5
8 0.5 -0.1 0.1 -0.3 -0.5
G 9 0.4 -0.1 0.4 -0.2 -0.4
10 0.4 0.0 0.3 -0.5 -0.8
O 11 0.6 0.1 0.0 -0.4 -0.7
12 0.4 -0.2 0.1 -0.3 -0.6
Promedio del 0.491667 0.125 0.025 -0.29167 -0.61667
Sesgo
Tabla 6: Estudio de Linealidad – Resultados Intermedios
Ejemplo de Linealidad
Y=0.736667-0.131667X
R-Sq=71.4%
1 ••
•
• ••
*••
•
Sesgo
0 • • *• Sesgo = 0
*•• •
•• •
• *• •
• •• •
• Regresión
*•
• CI 95%
-1 •
Sesgo Promedio
*
2 3 4 5 6 7 8 9 10
Valores de Referencia
Figura 11: Estudio de Linealidad – Análisis Gráfico
95
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
El análisis gráfico indica que las causas especiales pueden estar influenciando al
sistema de medición. Los datos para el valor de referencia 4 parecen ser bimodales.
En este punto, el supervisor debe empezar el análisis y resolución del problema del
sistema de medición, dado que el análisis numérico no ofrecerá ningún aspecto
adicional. Sin embargo, queriendo estar seguro que el trabajo en papel no se deja
pendiente, el supervisor calcula el estadístico t para la inclinación e intersección:
ta = -12.043
tb= 10.158
Tomando el defaul α = 0.05 y yendo a las tablas t con (gm – 2) = 58 grados de libertad
y una proporción de 0.975, el supervisor llega al valor crítico de:
t58,.975= 2.00172
Dado que valor absoluto de t a > t 58,,975 , el resultado obtenido del análisis gráfico es
reforzado con el análisis numérico- existe un problema de linealidad con este sistema
de medición.
En este caso, no importa que relación tenga tb con t58,.975 dado que existe un problema de
linealidad. Las posibles causas para problemas de linealidad pueden encontrarse en el
capítulo I, sección E, “Variación de la Localización”.
Si el sesgo no puede ser ajustado a cero a través del rango del sistema de medición,
todavía puede ser usado para control del producto / proceso, pero sin análisis hasta que
el sistema de medición llegue a ser estable.
Dado que ésto cuenta con un alto riesgo de error del evaluador, debiera
ser usado solo con la concurrencia del cliente.
42
Ver textos estadísticos estándar sobre análisis de lo apropiado en usar el modelo lineal para describir la relación
entre dos variables.
96
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
A C B
RRG • Método de rangos
• Método ANOVA
Excepto para el método de rangos, el diseño de los datos de estudio es muy similar para
cada uno de estos métodos. Como se presentan, los métodos ignoran la variación dentro
de las partes (tal como, redondeo, planicidad, etc., como es discutido en el capítulo V,
sección A) en sus análisis.
Sin embargo, el sistema de medición total incluye no solo el gage mismo y su sesgo
respectivo, repetibilidad, etc., sino también puede incluir la variación de las partes a ser
checadas. La determinación de cómo manejar la variación dentro de las partes necesita
basarse en un entendimiento racional del uso esperado de la parte y el propósito de las
mediciones.
43
Ver Capítulo I, Sección E, para una definición operacional y discusión de las causas potenciales.
44
Ej., % de RRG > 30%
97
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
El método de rangos típicamente utiliza dos evaluadores y 5 partes para el estudio. En
este estudio, ambos evaluadores miden cada parte una a la vez. 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 rangos es encontrada y el promedio de rangos
R es calculado. La variación total de las mediciones es encontrada multiplicando el
1
promedio de los rangos por *
donde d 2* es encontrado en el apéndice C, con m = 2 y
d2
g = número de partes.
⎛ RRG ⎞
% RRG = 100 * ⎜ ⎟ = 75.7%
⎝ DesviaciónEstándar Pr oceso ⎠
⎛ RRG ⎞
% RRG = 100 * ⎜ ⎟ = 75.7%
⎝ DesviaciónEstándar Pr oceso ⎠
Ahora que el porcentaje del RRG para el sistema de medición es determinado, debiera
darse una interpretación de los resultados. En la tabla 7, se determina que el porcentaje
de RRG es 77.5% y la conclusión es que el sistema de medición necesita mejoramientos.
98
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
1) Obtén una muestra de n > 5 partes46 que represente el rango actual o esperado de la
variación del proceso.
4) Permite a los evaluadores B y C medir las mismas partes n sin ver las lecturas de
uno con otro; entonces registra los resultaos en los renglones 6 y 11
respectivamente.
5) Repite el ciclo usando un orden aleatorio diferente de las mediciones. Registra los
datos en los renglones 2,7 y 12. Registra los datos en la columna apropiada. Por
ejemplo si la primer pieza media es la parte 7 entonces registra el resultado en la
columna etiquetada como parte 7. Si son necesarios tres intentos, repite el ciclo y
registra los datos en los renglones 3, 8 y 13.
45
El método ANOVA puede usarse para determinar la interacción entre el gage y los evaluadores, si existe tal.
46
El número total de “rangos” generado debe ser > 15 para un nivel mínimo de confiabilidad en los resultados.
Aunque la forma fue diseñada para un máximo de 10 partes, este enfoque no se limita a ese número. Como en
cualquier técnica estadística, mientras más grande es el tamaño de muestra, es menor la variación del muestreo
47
y menor el riesgo resultante será presente.
Ver Capítulo III, Sección B, “Aleatoriedad y Independencia Estadística”.
99
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
100
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Evaluador Parte
Promedio
/Intento # 1 2 3 4 5 6 7 8 9 10
1 A 1 0.29 -0.56 1.34 0.47 -0.80 0.02 0.59 -0.31 2.26 -1.36
2 2 0.41 -0.68 1.17 0.50 -0.92 -0.11 0.75 -0.20 1.99 -1.25
3 3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31
4 Promedio
Xa =
5 Rango
Ra =
6 B 1 0.08 -0.47 1.19 0.01 -0.56 -0.20 0.47 -0.63 1.80 -1.68
7 2 0.25 -1.22 0.94 1.03 -1.20 0.22 0.55 0.08 2.12 -1.62
8 3 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50
9 Promedio
Xb =
10 Rango Rb =
11 C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49
12 2 -0.11 -1.13 1.09 0.20 -1.07 -0.67 0.01 -0.56 1.45 -1.77
13 3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16
14 Promedio
Xc =
15 Rango
Rc =
16 Promedio X=
por Parte
Rp =
17
R = ([(Ra = )] + [Rb = ] + [R c = ]) [# deEvaluadores = ]= R=
18
X DIFF = [X Max = ] − [X Min = ]=
19 *
[
LCSR = R = ]× [D 4 = ]=
* * D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. UCLR representa el límite de las lecturas
individuales Rs. Circular aquellas que estén fuera de éste límite. Identificar las causas y
corregirlas. Repetir estas lecturas usando el mismo evaluador y unidad como originalmente
se usó o descartar los valores y recalcular el promedio y R y el valor del límite de las
observaciones restantes.
Notas:
Figura 12: Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages
101
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Las siguientes son algunas de las técnicas que se ha probado son útiles. (ver también el
Método de Análisis de Varianzas).
Los datos del análisis del sistema de medición pueden ser desplegados gráficamente con
gráficas de control. La idea de usar gráficas de control para responder preguntas
relativas a un sistema de medición ha sido aplicada por Western Electric (Ver Manual
de Control Estadístico de la Calidad de AT&T en la lista de referencias).
Gráfica de Los promedios de las lecturas múltiples por cada evaluador y en cada parte son
Promedios graficados por evaluador con el número de arte como un índice. Esto puede ayudar a
determinar la consistencia entre evaluadores.
48
Descripciones detalladas de estos análisis están fuera del alcance de este documento. Para mayor información,
ver referencias y buscar asistencia de fuentes estadísticas competentes.
102
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Promedio
Revisar que todas las gráficas indiquen que el sistema de medición parece tener una
suficiente discriminación para los procesos con la variación descrita por las partes de la
muestra. No existen diferencias aparentes entre evaluador a evaluador.
2
1
Promedio
UCL
0
LCL
-1
-2
Ev. A Ev. B Ev. C
49
Con el enfoque ANOVA, esta es también referida como gráfica de interacción del evaluador-por-parte
103
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Graficas de Rangos La gráfica de control de rangos es usada para determinar si el proceso está en control. La
razón es que no importa que tan grande sea el error de las mediciones pero los límites de
control permitirán tal error. Esto es porque las causas especiales necesitan ser
identificadas y retiradas antes de que el estudio de las mediciones sea relevante.
Los rangos de las lecturas múltiples por cada evaluador y en cada parte son graficadas en
una gráfica estándar de rangos incluyendo los rangos promedios y los límites de control.
Del análisis de datos graficados pueden darse varias interpretaciones. Si todos los rangos
están en control, los evaluadores están haciendo el mismo trabajo.
Si todos los evaluadores están fuera de los rangos de control, el sistema de medición es
sensible a la técnica del evaluador y requiere mejoramientos para obtener datos útiles.
Parte
Figura 15: Gráfica de Rangos – “Estancada”
104
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
1.0
UCL
Rango
0.5
0.0
La revisión de las gráficas anteriores indica que no hay diferencias entre la variabilidad de
los evaluadores.
Gráfica de Corridas Las lecturas individuales son graficas por parte para todos los evaluadores (ver figura 17)
para obtener detalles de:
Parte
105
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Diagrama de Las lecturas individuales son graficadas por parte y por evaluador (ver figura 18) para
Dispersión obtener detalles de:
g
1 g
g
g
g
Valor
g
0 g g
g
g
g g
-1 g
g g
-2
3 4 5
Parte 1 2
g
2
g
g
1
g
g
g
Valor
g g
0
g
g
g
g g
-1
g
g
-2
8 9 10
Parte 6 7
Evaluador
A g B C
Figura 18: Diagrama de Dispersión
106
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Gráficas de Bigotes En las gráficas de bigotes, los valores de datos altos y bajos y el promedio por parte – A
– evaluador son graficados (ver figura 19). Esto ofrece detalles de:
• Indicación de irregularidades.
2 2
1 1
Ev. A
Ev. B
0 0
-1 -1
-2 -2
-3 -3
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Parte Parte
3
1
Ev. C
-1
-2
-3
1 2 3 4 5 6 7 8 9 10
Parte
Figura 19: Gráfica de Bigotes
107
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Graficas de Errores Los datos del análisis del sistema de medición pueden ser analizados corriendo “gráficas
de errores” (ver figura 20) de las desviaciones individuales de los valores de referencia
aceptados. La desviación individual o error para cada parte es calculado como sigue:
Esto depende de si los valores de referencia de los datos a ser medidos están disponibles
o no.
g
0.5 g
g
g g
Error
0.0
g g
g g
g
g g g g
-0.5 g
Parte 1 2 3 4 5
0.5 g g
g g
g
g
g
Error
0.0
g g
g
g
g g
g
g
-0.5
Parte 1 2 3 4 5
Evaluador A g B C
108
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Histograma La gráfica de histograma (figura 21) es una gráfica que despliega la distribución de
Normalizado frecuencias del error del gage de los evaluadores que participaron en el estudio.
También muestra su distribución de frecuencia combinada.
De lo contrario:
El análisis de los histogramas (figura 21) refuerza a las gráficas de errores. Estas
también indican que solo el evaluador B tiene una forma
7 simétrica. Esto puede indicar que los evaluadores A y C
6 están introduciendo una fuente de variación sistemática
5
que está resultando en los sesgos.
Frecuencia
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45
Ev. A
5
Frecuencia
-0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 0.5 0.6
Ev. B
7
5
Frecuencia
50
Hacer notar que el “0.0” de cada uno de los histogramas están alineados cada uno con respecto a los otros.
109
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Diagrama X-Y de Los promedio de las lecturas múltiples por cada evaluador y en cada parte son
Promedios por Medida graficados con el valor de referencia o los promedios globales de las partes como índice
(ver figura 22). Esta gráfica puede ayudar a determinar:
3 3
2 •• 2 ••
•• • •
• • ••
1 1
•
•• •• •
• • •• •• •• •
Ev. B
0 0
Ev. A
• •• •• ••
-1 •• • -1 • •• •
• • ••
-2 -2
-3 -3
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
Referencia Referencia
3
2
••
1 •
••
•
Ev. C
0
•• •• ••
•
• •• • ••
-1
••
-2
••
-3
•
-3 -2 -1 0 1 2 3
Referencia
110
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Ev. A
1.25 ••
• • ••
• ••• ••• •• • •
•
Ev. B
-1.25 • ••••• •••
••
•••
1.25
• •• • •
••
• •• •• • • • •• • •
•••••••••••• ••••••• • •••••
•• •• • • • Ev. C
-1.25
•
••••• • •••• •
•
••
••• •••
.25
.25
5
5
1.2
1.2
-1
-1
Figura 23: Comparación de Gráficas X-Y
Cálculos Numéricos
Los cálculos de la RRG son mostrados en las figuras 24 y 25. La figura 24 muestra la
hoja de recolección de datos en la cual se registran todos los resultados del estudio. La
figura 25 despliega un reporte en el cual toda la información identificada es registrada y
se hacen todos los cálculos de acuerdo con las fórmulas prescritas.
111
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
51
Ver Manual de Referencia del Control Estadístico de los Procesos (SPC), 1995, u otra fuente de referencia
estadística para una tabla de factores.
112
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Notas:
113
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
= (0.20188 2
+ 0.229632 ) Partes K3
=
[0.30575/1.14610]
100
TV = RRG 2 + PV 2 8 0.3375
Para información sobre la teoría y constantes usadas en el formato ver Manual de Referencia MSA, 3ª. Edición
Figura 25: Reporte de Repetibilidad y Reproducibilidad de Gages
114
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Análisis de Los formatos de hoja y reporte de recolección de datos de la repetibilidad y
Resultados - reproducibilidad de gages, figuras 24 y 25, ofrecen un método para el análisis
numérico de los datos de un estudio.52 El análisis estima la variación y porcentaje de la
Numéricos variación del proceso para el sistema de medición total, y sus componentes de
repetibilidad, reproducibilidad y variación de la parte. Esta información necesita ser
comparada y complementada con los resultados del análisis gráfico.
En el lado izquierdo del formato (figura 25) con Análisis de las Unidades de Medición
se calcula la desviación estándar para cada componente de variación.
(X DIFF × K 2 )2 − (EV )
2
AV =
nr
RRG = (EV )2 + ( AV )2
52
Los resultados numéricos en el ejemplo fueron desarrollados como si fueran calculados manualmente; ej., los
resultados fueron realizados y redondeados a un digito decimal adicional. El análisis con programas de
computadora debiera mantener los valores intermedios con una máxima precisión con el lenguaje de
programación / computadora. Los resultados de un programa de computadora pueden diferir de los resultados
del ejemplo en el lugar del segundo decimal o mayor pero el análisis final se mantendrá igual.
115
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
La variación total (TV o σT) del estudio se calcula sumando el cuadrado de las
variaciones de repetibilidad y reproducibilidad y la variación parte a parte (PV) y
aplicando la raíz cuadrada como sigue:
TV = (RRG )2 + (PV )2
Si la variación del proceso es conocida y su valor se basa en 6σ, entonces puede ser
usado en lugar de la variación total del estudio (TV) calculada de los datos del estudio
del gage. Esto se logra ejecutando los siguientes dos cálculos:
Variación Pr oceso
1) TV =
6.00
2) PV = (TV )2 − (RRG )2
Ambos valores (TV y PV) reemplazarían a los calculados previamente.
Una vez que la variabilidad para cada factor en el estudio del gage se determina, puede
comparase con la variación total (TV). Esto se logra ejecutando los cálculos del lado
derecho del formato de reporte del gage (figura 25) con el título “Porcentaje de la
Variación Total”.
% AV = 100[AV TV ]
% RRG = 100[RRG TV ]
% PV = 100[PV TV ]
Los resultados de este porcentaje de variación total necesitan ser evaluados para
determinar si el sistema de medición es aceptable para su aplicación esperada.
Si el análisis se basa en las tolerancias en lugar de la variación del
proceso, entonces el formato del reporte RRG (figura 25) puede modificarse
!
de manera que el lado derecho del formato mismo represente el porcentaje
de la tolerancia en lugar del porcentaje de la variación total. En tal caso,
los %EV, %AV, %RRG y %PV son calculados sustituyendo el valor de la
tolerancia dividida por 6 en el denominador de los cálculos en lugar de la
variación total (TV).
116
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Ambos enfoques pueden tomarse dependiendo del uso
esperado de sistema de medición y los deseos del cliente.
Las ventajas de las técnicas ANOVA, comparadas con los métodos de promedios y
rangos, son que:
• Extractan más información (tal como el efecto de la interacción de las partes y los
evaluadores) de datos experimentales
Las desventajas son que los cálculos numéricos son más complejos y los usuarios
requieren un cierto grado de conocimiento estadístico para interpretar los resultados. El
método ANOVA como se describe en las siguientes secciones es aconsejable,
especialmente si existe disponible una computadora.
Aleatoriedad e El método para recolectar los daros es importante en un método ANOVA. Si los datos
Independencia no son recolectados en forma aleatoria, esto puede conducir a fuentes de valores de
sesgo. Una forma simple para asegurar un diseño balanceado para (n) partes, (k)
Estadística evaluadores y (r) intentos es a través de la aleatoriedad. Un enfoque común para
aleatoriedad es escribir A1 en una tira de papel para denotar las mediciones del primer
evaluador sobre la primera parte.
53
Ndc es lo mismo que “Razón / Proporción de Clasificación” de Wheeler, definida en la 1ª. Edición de Evaluación
de los Procesos de Medición, Wheeler and Lidia, 1984. Para un método alternativo (“Razón de Discriminación”)
para determinar la resolución efectiva ver la segunda edición de este libro publicada en 1989.
117
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Hacer esto hasta A(n) para las mediciones del primer evaluador en las n partes. Sigue el
mismo procedimiento para el siguiente evaluador hasta incluir los k evaluadores.
Símbolos similares son usados donde B1, C1 denotan las mediciones para los
evaluadores A y B de la primera parte. Una vez que todas las combinaciones nk son
escritas, entonces las tiras de papel son puestas en un recipiente. Una tira de papel es
seleccionada a la vez. Estas combinaciones (A1, B2, ...) son el orden de medición en el
cual el estudio de gages será ejecutado. Una vez que todas las combinaciones nk son
seleccionadas, estas son puestas de regreso en el recipiente y el procedimiento se sigue
otra vez. Esto se hace para un total de r veces para determinar el orden de experimentos
para cada repetición.
Existen enfoques alternativos para generar una muestra aleatoria. Debiera ponerse
cuidado para diferenciar entre el muestreo aleatorio, arbitrario y conveniente.54
Los datos pueden recolectarse de una forma aleatoria usando una forma similar a la
figura 12. Para nuestro ejemplo, existen 10 partes y 3 evaluadores, y el experimento ha
sido ejecutado en forma aleatoria y tres veces por cada combinación parte y evaluador.
Análisis Gráfico
Cualquier método gráfico ofrecido en la discusión de análisis gráfico anterior puede ser
usado en el análisis gráfico mismo de los datos recolectados, como parte de un estudio
ANOVA. Estos métodos pueden ser usados para confirmar y ofrecer algún detalle
adicional de los datos mismos (ej., tendencias, ciclo, etc.)
54
Ver Wheeler y Lyday, Evaluación del Proceso de Medición, 2ª. Edición, 1989, pag. 27
118
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Otra gráfica que algunas veces es de interés es la gráfica de residuos. Esta gráfica
no es más que un chequeo para la validez de los supuestos. Uno de los supuestos
es que el (error del) gage es una variable aleatoria de una distribución normal. Los
residuos, los cuales son las diferencias entre las lecturas observadas y los valores
pronosticados, son graficados. El valor pronosticado es el promedio de las lecturas
repetidas por cada evaluador y para cada parte. Si los residuos no son dispersos
aleatoriamente arriba y abajo de cero (línea horizontal de referencia), pudiera ser
porque los supuestos son incorrectos y lo cual sugiere una investigación adicional
de los datos.
Valores
Valores ...
vs Residual
(Valores de Respuesta)
(Es r...
0.5
Residual
0.0
-0.5
Operador -2 -1 0 1 2
Subgrupo
Valores
Valor ...
Figurade
Figura 27: Gráfica 27:Residuales
119
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Cálculos Numéricos
Aunque los valores pueden calcularse manualmente, la mayoría de la gente usa
programas de computadora para generar lo que se llama tabla de Análisis de Varianzas
(ANOVA) (ver apéndice A).
Esta información es usada para determinar las características del sistema de medición
como en el Método de Promedios y Rangos.
La tabla 8 muestra los cálculos de ANOVA para los datos del ejemplo de la figura 24
asumiendo un modelo de efectos arreglados. La tabla 10 muestra la comparación del
método ANOVA con el método de promedios y rangos. La tabla 11 muestra el reporte
RRG para el método de ANOVA.
Fuente DF SS MS F
Evaluadores 2 3.1673 1.58363 34.44*
Total 89 94.6471
120
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
(
ndc = 1.41 1.04233
0.30237
) = 4.861 ≅ 4
Variación Total (VT ) = RRG 2 + PV 2
⎛ σ (componentes ) ⎞
% de la Variación Total = 100⎜ ⎟
⎝ σ (total ) ⎠
⎛ σ 2 (componentes ) ⎞
% de la Contribución (con la Varianza Total) = 100⎜⎜ ⎟⎟
⎝ σ (total ) ⎠
2
121
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
LC55 Desviación LC % de la
Método
Inferior 90% Estándar Superior 90% Variación Total
RRG* 0.202 0.240 17.06
EV 0.175 0.230 1.016 20.1
AV 0.133 NA -- NA
INTERACCIÓN -- 0.306 0.363 26.7
RRG 0.266 1.104 96.4
PV
ANOVA
EV 0.177 0.200 0.231 18.4
AV 0.129 0.227 1.001 20.9
INTERACCIÓN -- 0 -- 0
RRG 0.237 0.302 1.033 27.9
PV 1.042 96.0
* En el método de promedios y rangos, el componente de interacción no puede estimarse.
Tabla 10: Comparación de los Métodos ANOVA y Promedios y Rangos
55
CL = Límite de Confiabilidad
122
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
• El evaluador necesita ser mejor entrenado en como usar y leer el instrumento del
gage.
El dispositivo de algún tipo puede requerir el ayudar al evaluador a usar el gage más
consistentemente.
123
Capítulo IIl – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
124
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
Las fuentes de variación de los sistemas de atributos debieran minimizarse usando los
resultados de investigaciones sobre factores humanos y ergonomía.
Posibles Enfoques Escenario
El proceso de producción está en control estadístico y cuenta con índices de
desempeño de Pp = Ppk = 0.5 el cual es inaceptable. Debido a que el proceso está
fabricando producto no conforme, se requieren acciones de contención para sacrificar
las partes no aceptables del flujo de producción.
56
Esto incluye la comparación de evaluadores múltiples.
57
Ver Lista de Referencias.
125
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
LSL USL
Se utilizan tres evaluadores, y cada evaluador toma tres decisiones sobre cada parte.
58
Dado que la variación del proceso es mayor que la tolerancia, es apropiado comparar el sistema de medición
con la tolerancia más que con la variación del proceso.
126
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
Valor de
Parte A -1 A -2 A -3 B -1 B -2 B -3 C -1 C -2 C -3 Referencia Código
Referencia
1 1 1 1 1 1 1 1 1 1 1 0.476901 +
2 1 1 1 1 1 1 1 1 1 1 0.509015 +
3 0 0 0 0 0 0 0 0 0 0 0.576459 -
4 0 0 0 0 0 0 0 0 0 0 0.566152 -
5 0 0 0 0 0 0 0 0 0 0 0.570360 -
6 1 1 0 1 1 0 1 0 0 1 0.544951 x
7 1 1 1 1 1 1 1 0 1 1 0.465454 x
8 1 1 1 1 1 1 1 1 1 1 0.502295 +
9 0 0 0 0 0 0 0 0 0 0 0.437817 -
10 1 1 1 1 1 1 1 1 1 1 0.515573 +
11 1 1 1 1 1 1 1 1 1 1 0.488905 +
12 0 0 0 0 0 0 0 1 0 0 0.559918 x
13 1 1 1 1 1 1 1 1 1 1 0.542704 +
14 1 1 0 1 1 1 1 0 0 1 0.454518 x
15 1 1 1 1 1 1 1 1 1 1 0.517377 +
16 1 1 1 1 1 1 1 1 1 1 0.531939 +
17 1 1 1 1 1 1 1 1 1 1 0.519694 +
18 1 1 1 1 1 1 1 1 1 1 0.484167 +
19 1 1 1 1 1 1 1 1 1 1 0.520496 +
20 1 1 1 1 1 1 1 1 1 1 0.477236 +
21 1 1 0 1 0 1 0 1 0 1 0.452310 x
22 0 0 1 0 1 0 1 1 0 0 0.545604 x
23 1 1 1 1 1 1 1 1 1 1 0.529065 +
24 1 1 1 1 1 1 1 1 1 1 0.514192 +
25 0 0 0 0 0 0 0 0 0 0 0.599581 -
26 0 1 0 0 0 0 0 0 1 0 0.547204 x
27 1 1 1 1 1 1 1 1 1 1 0.502436 +
28 1 1 1 1 1 1 1 1 1 1 0.521642 +
29 1 1 1 1 1 1 1 1 1 1 0.523754 +
30 0 0 0 0 0 1 0 0 0 0 0.561457 x
31 1 1 1 1 1 1 1 1 1 1 0.503091 +
32 1 1 1 1 1 1 1 1 1 1 0.505850 +
33 1 1 1 1 1 1 1 1 1 1 0.487613 +
34 0 0 1 0 0 1 0 1 1 0 0.449696 x
35 1 1 1 1 1 1 1 1 1 1 0.498698 +
36 1 1 0 1 1 1 1 0 1 1 0.543077 x
37 0 0 0 0 0 0 0 0 0 0 0.409238 -
38 1 1 1 1 1 1 1 1 1 1 0.488184 +
39 0 0 0 0 0 0 0 0 0 0 0.427687 -
40 1 1 1 1 1 1 1 1 1 1 0.501132 +
41 1 1 1 1 1 1 1 1 1 1 0.513779 +
42 0 0 0 0 0 0 0 0 0 0 0.566575 -
43 1 0 1 1 1 1 1 1 0 1 0.462410 x
44 1 1 1 1 1 1 1 1 1 1 0.470832 +
45 0 0 0 0 0 0 0 0 0 0 0.412453 -
46 1 1 1 1 1 1 1 1 1 1 0.493441 +
47 1 1 1 1 1 1 1 1 1 1 0.486379 +
48 0 0 0 0 0 0 0 0 0 0 0.587893 -
49 1 1 1 1 1 1 1 1 1 1 0.483803 +
50 0 0 0 0 0 0 0 0 0 0 0.446697 -
Tabla 12: Conjunto de Datos para un Estudio de Atributos
127
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
Una decisión aceptable es designada con un uno (1) y una decisión no aceptable con un
cero (0). La decisión de referencia y los valores de referencia de la variable en la tabla
12 no fueron determinados inicialmente. La tabla también indica en la columna de
“codificado” si la parte es área I, área II ó área III y es indicada por “-“, “x” y “+”
respectivamente.
Dado que el equipo no conocía las decisiones de referencia para las partes,
desarrollaron tablas cruzadas comparando cada uno de los evaluadores con otro.
Tabulación Cruzada A * B
B
0.00 1.00 Total
A 0.00 Cuenta 44 6 50
Cuenta Esperada 15.7 34.3 50.0
1.00 Cuenta 3 97 100
Cuenta Esperada 31.3 68.7 100.0
Total Cuenta 47 103 150
Cuenta Esperada 47.0 103.0 150.0
Tabulación Cruzada B * C
C
0.00 1.00 Total
B 0.00 Cuenta 42 5 47
Cuenta Esperada 16.0 31.0 47.0
1.00 Cuenta 9 94 103
Cuenta Esperada 35.0 68.0 103.0
Total Cuenta 51 99 150
Cuenta Esperada 51.0 99.0 150.0
Tabulación Cruzada A * C
C
0.00 1.00 Total
A 0.00 Cuenta 43 7 50
Cuenta Esperada 17.0 33.0 50.0
1.00 Cuenta 8 92 100
Cuenta Esperada 34.0 66.0 100.0
Total Cuenta 51 99 150
Cuenta Esperada 51.0 99.00 150.0
128
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
Kappa es una medida de acuerdo entre estimadores que prueba si las cuentas en las
celdas diagonales (las partes que reciben la misma estimación) difieren de aquellas
esperadas solo por probabilidad.
Hacer
Entonces
po − pe
Kappa =
1 − pe
Kappa es una medida más que una prueba59. La medida es juzgada usando un error
estándar asintótico para construir el estadístico t. Una regla empírica general es que los
valores de kappa mayores que 0.75 indican u n acuerdo bueno a excelente (con un
máximo de kappa = 1). Valores menores que 0.4 indican un acuerdo pobre.
Calculando las medidas de kappa para los evaluadores, el equipo concluye con lo
siguiente:
Kappa A B C
A -- 0.86 0.78
B 0.86 -- 0.79
C 0.78 0.79 --
Este análisis indica que todos los evaluadores muestran un buen acuerdo uno con otro.
Este análisis es necesario para determinar si existen diferencias entre los evaluadores
aunque no nos dice que tan bien el sistema de medición clasifica partes buenas de las
malas.
59
Como en todas las evaluaciones por categorías, un número grande de partes que cubran el espectro completo
de posibilidades es necesario.
60
Cuando las observaciones son medidas en una escala ordinaria y por categorías un Kappa ponderado puede
usarse para un mejor acuerdo de medición. El acuerdo entre dos estimadores es tratado como Kappa aunque
los desacuerdos son medidos por el número de categorías con los cuales los estimadores difieren.
129
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
Para este análisis el equipo cuenta con las partes evaluadas usando u sistema de
medición de variables y usa los resultados para determinar la decisión de referencia.
Con esta nueva información otro grupo de tablas cruzadas es desarrollado comparando
cada evaluador con la decisión de referencia.
130
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
El equipo también calcula la medida kappa para determinar el acuerdo de cada
evaluador con el valor de referencia.
A B C
Kappa 0.88 0.92 0.77
Estos valores pueden interpretarse como que cada uno de los evaluadores tiene un buen
acuerdo con el estándar.
Score del % Efectivo del Sistema3 Score del % Efectivo del Sistema vs
Referencia4
Total Inspeccionado 50 50
# en Acuerdo 39 39
95% del UCI 89% 89%
Score Calculado 78% 78%
95% del LCI 64% 64%
Notas
(1) El evaluador acuerda con el mismo en todos los intentos.
(2) El evaluador acuerda en todos los intentos con el estándar conocido.
(3) Todos los evaluadores acuerdan dentro y entre ellos mismos.
(4) Todos los evaluadores acuerdan dentro y entre ellos mismos y con la referencia.
(5) UCI y LCI son los límites de intervalos de confianza superior e inferior, respectivamente.
Las pruebas múltiples de hipótesis entre cada par de evaluadores puede conducirse con
la hipótesis nula:
131
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
Dado que el score calculado de cada evaluador cae dentro del intervalo de confiabilidad
de los otros, el equipo concluye que no pueden rechazar la hipótesis nula. Esto refuerza
las conclusiones de las medidas de Kappa.
Para análisis adicionales, uno de los miembros del equipo obtiene la siguiente tabla la
cual ofrece lineamientos para los resultados de cada evaluador.
Decisión
Proporción Proporción de
Sistema de Efectividad
Perdida Falsa Alarma
Medición
Aceptable para el ≥ 90% ≤ 2% ≤ 5%
evaluador
Marginalmente ≥ 80% ≤ 5% ≤ 10%
aceptable para el
evaluador – puede
requerirse
mejoramiento
No aceptable para < 80% > 5% > 10%
el evaluador –
requiere
mejoramiento
Resumiendo toda la información que ya se tiene, el equipo concluye con esta tabla.
Proporción Proporción de
Efectividad
Perdida Falsa Alarma
A 84% 6.3% 4.9%
B 90% 6.3% 2.0%
C 80% 12.5% 8.8%
Estos resultados muestran que el sistema de medición tenía diferentes niveles de
desempeño en Efectividad, Proporción Perdida y Proporción de Falsa Alarma,
dependiendo del evaluador. Ningún evaluador contaba con resultados aceptables en
todas las tres categorías. Ningún evaluador contaba con resultados inaceptables en todas
las tres categorías. ¿Los lineamientos de aceptación necesitaban ser modificados para
éste proceso? ¿Son éstos riesgos aceptables? ¿Los evaluadores requerían un mejor
entrenamiento? ¿Podría ser mejorado el ambiente de las mediciones? y mas importante
¿Qué pensaba el cliente acerca del sistema de medición y estos resultados? - ¿Cuáles
eran sus expectativas?
¿Los clientes aceptan éstos niveles de riesgos?.
Aspectos a Considerar
1) No existen criterios de decisión basados en la teoría para un riesgo aceptable. Los
lineamientos anteriores son heurísticos y desarrollados en base a “creencias”
individuales acerca de lo que pasa como “aceptable”. Los criterios de decisión
finales debieran basarse en el impacto (ej., riesgo) de mantener el proceso y el
cliente final. Este es un tema de decisiones y no estadístico.
132
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
2) El análisis anterior depende de los datos. Por ejemplo, si los índices del proceso
son Pp = Ppk = 1.33, entonces todas las decisiones serían correctas dado que
ninguna parte caería en la región II (las áreas “grises”) del sistema de medición.
Con esta nueva situación, se concluiría que todos los evaluadores son aceptables
dado que no habría errores de medición.
Para determinar ésto de los datos anteriores, debe usarse el teorema de Bayes.
133
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
Estos resultados indican que si la parte es llamada mala existe una probabilidad de 1 en
10 de que sea verdaderamente mala.
Valor de Referencia Código Valor de Referencia Código Un enfoque alternativo es el uso de la teoría de
0.599581 - 0.503091 + detección de señales para determinar una
0.587893 - 0.502436 + aproximación de la amplitud del área de la región II, y
0.576459 - 0.502295 + de esto, el RRG del sistema de medición.
0.570360 - 0.501132 +
0.566575 - 0.498698 + Hacer di = la distancia entre la última parte aceptada por los
0.566152 - 0.493441 + evaluadores y la primera parte rechazada por todos (para
0.561457 x 0.488905 + cada especificación).
0.559918 x 0.488184 +
0.547204 x 0.487613 + Entonces, d= Promedio (di)
0.545604 x 0.486379 +
0.544951 x 0.484167 + Es un estimativo61 de la amplitud de las áreas de la región II
0.543077 x 0.483803 +
0.542704 + 0.477236 + y, por tanto, un estimativo de RRG = 5.15 * σ RRG
0.531939 + 0.476901 +
0.529065 + 0.470832 + En este ejemplo,
0.523754 + 0.465454 x
0.521642 + 0.462410 x dLSL = 0.470832 − 0.446697 = 0.024135
0.520496 + 0.454518 x
0.519694 + 0.452310 x dUSL = 0.566152 − 0.542704 = 0.023448
0.517377 + 0.449696 x d = 0.0237915
0515573 + 0.446697 -
0.514192 + 0.437817 - O el %RRG estimado es,
0.513779 + 0.427687 -
0.509015 + 0.412453 - %RRG = 29%
0.505850 + 0.409238 -
El %RRG actual = 25%, de manera que este estimativo
conduciría a la misma evaluación del sistema de medición.
Si solo información de datos ordenados estuviera
disponible, esta técnica puede aún ser usada aunque
requiere conocimientos del tema para cuantificar las d´s.
61
La “bondad” de este estimativo depende del tamaño de muestra y que tan cerca la muestra representa al
proceso. Mientras más grande es la muestra, es mejor el estimativo.
134
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
METODO ANALITICO62
Como en cualquier sistema de medición, la estabilidad del proceso debiera verificarse
y, si es necesario, monitorearse. Para sistemas de medición de atributos, las gráficas de
control de atributos con muestras constantes en el tiempo es una forma común de
verificar la estabilidad.63
Para el estudio total, la parte más pequeña debe contar con el valor a = 0; la parte más
grande, a = 20; y las otras 6 partes, 1< a < 19. Si estos criterios no son satisfechos, más
partes con valores de referencia conocidos, (X) deben correrse a través del gage hasta
que las condiciones anteriores se cumplan. Si para el valor más pequeño a ≠ 0,
entonces mas y mas partes pequeñas son tomadas y evaluadas hasta que a = 0. Si para
el valor más grande a ≠ 20, entonces más y más partes grandes son tomadas hasta que
a = 20. Si 6 de las partes no cuentan con 1< a < 19, pueden tomarse partes adicionales
en puntos seleccionados a lo largo del rango. Estos puntos son tomados como puntos
medios de las mediciones de las partes ya medidas en el estudio. El primer intervalo
con el final a = 0 empieza desde la más grande medición donde a = 0. Para el final con
a = 20, el primer intervalo comienza en la medición más pequeña donde a = 20. Para
mejores resultados, debieran tomarse muestras para finales con a = 0 y a = 20 y
trabajarse hacia el punto medio del rango de la parte. Si es necesario, el
62
Adaptada con el permiso de “Análisis de Sistemas de Gages por Atributos” por J. McCaslin & G.Gruska, ASQC,
1976.
63
Caveat: np > 4
135
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
procedimiento puede repetirse hasta que se cumplan los criterios. Una vez que los
criterios de recolección de datos han sido satisfechos, las probabilidades de aceptación
deben calcularse para cada parte usando las siguientes ecuaciones:
a + 0.5 a
if < 0.5, a≠0
m m
P’a a − 0.5 a
if > 0.5, a ≠ 20
m m
a
0.5 if = 0.5
m
Los ajustes cubren los casos donde 1 ≤ a ≤ 19 . Para los casos donde a = 0 fijar P'a =0
excepto para el valor de referencia más grande con a = 0, en el cual P'a =0.025. Para los
casos donde a = 20 entonces P'a =1 excepto para el valor de referencia más pequeño con
a = 20 y en el cual P'a =0.975.
Una vez que el P'a ha sido calculado para cada XT, la Curva de Desempeño del Gage
(CDG) puede desarrollarse. Aunque la CDG puede presentarse gráficamente (ver figura
32), el uso del papel de distribución normal (ver figura 31) produce estimativos más
exactos de la repetibilidad y el sesgo.
31.3 × Sesgo
t=
Re petibilidad
63
El factor de ajuste de 1.08 es específico para un tamaño de muestra de 20 y fue determinado a través de una
simulación de éste enfoque.
136
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
Si este valor calculado es mayor que 2.093 (t025,19), entonces el sesgo es
significativamente diferente de cero.
Un ejemplo clarificará la recolección de datos de un estudio de atributos y cálculo de la
repetibilidad y sesgo.
Ejemplo
Un gage de atributos está siendo usado para medir una dimensión que tiene una
tolerancia de + 0.010. El gage es un dispositivo de inspección al 100% automático y de
final de línea que es afectado por la repetibilidad y sesgo. Para ejecutar el estudio de
atributos, se corren 8 partes con valores de referencia en intervalos de 0.002 desde –
0.016 hasta – 0.002, a través del gage 20 veces cada parte. El número de aceptados para
cada parte es
XT a
-0.016 0
-0.014 3
-0.012 8
-0.010 20
-0.008 20
-0.006 20
-0.004 20
-0.002 20
Dado que existen dos valores de referencia con 1 ≤ a ≤ 19 , al menos cuatro partes más
deben ser encontradas. Entonces, es necesario correr partes con valores de referencia en
los puntos medios de los valores existentes. Estos valores de referencia y el número de
aceptados es:
-0.015 1
-0.013 5
-0.011 16
-0.0105 18
Ahora que los criterios de recolección de datos se han satisfecho, las probabilidades de
aceptación pueden calcularse usando los ajustes binomiales mostrados abajo.
XT a P’a
-0.016 0 0.025
-0.015 1 0.075
-0.014 3 0.175
-0.013 5 0.275
-0.012 8 0.425
-0.011 16 0.775
-0.0105 18 0.875
-0.010 20 0.975
-0.008 20 1.000
137
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
De la figura 31:
0.0084(0.0163)
R=
1.08
0.0079
= = 0.0073
1.08
31.3 × Sesgo
t=
R
×
31.3 0.0023
= = 9.86
0.0073
La posición correcta de la curva sería definida en el punto donde la P'a = 0.5, y el valor
de XT es igual al límite de la especificación menos el sesgo. En el ejemplo, este punto
sería XT= 0.010 - 0.0023 = 0.0077. La CDG graficada en esta forma se muestra en la
figura 31.
138
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos
Repetibilidad = 0.0079
♦
Desajustada ♦
99.8 0.2
99.5 0.5
♦ ♦
99.0 1.0
98.0 ♦ ♦ 2.0
♦
95.0 5.0
♦ ♦
90.0 10.0
♦
♦ ♦
80.0 20.0
♦
70.0 ♦ ♦ 30.0
60.0 40.0
♦
50.0 50.0
♦
40.0 60.0
♦ ♦
30.0 70.0
♦
20.0 80.0
♦ ♦ ♦
10.0 90.0
♦ ♦ ♦
5.0 95.0
2.0 ♦ ♦ ♦ 98.0
1.0 99.0
♦ ♦
0.5 99.5
0.2 ♦ ♦ 99.8
139
Capítulo IIl – Sección C
Estudio de Sistemas de Medición de Atributos
0.9
Probabilidad de Aceptación
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
-0.020 -0.015 -0.010 -0.005 0.0 0.005 0.010 0.015 0.020
140
Capítulo IV
Prácticas para Sistemas de Medición Complejos
Capítulo IV
PRACTICAS PARA SISTEMAS DE MEDICIÓN
COMPLEJOS
141
Capítulo IV – Sección A
Prácticas para Sistemas de Medición Complejos
142
Capítulo IV – Sección A
Prácticas para Sistemas de Medición Complejos y Sin Replicas
Capítulo IV – Sección A
Introducción El enfoque de este manual de referencia es sistemas de medición donde las lecturas
puedan replicarse para cada parte. No todos los sistemas de medición tienen esta
característica; por ejemplo:
143
Capítulo IV – Sección A
Prácticas para Sistemas de Medición Complejos
El mapeo de los estudios descritos en este capítulo y los diferentes escenarios es como
sigue:
Estudios de Estabilidad
Escenario S1 S2 S3 S4 S5
La parte no cambia por el proceso de medición, ej., los sistemas de
medición que no son destructivos (replicables) y serán usados con
partes (especimenes) con:
• Propiedades estáticas, o
• Propiedades dinámicas (cambiantes) as cuales han sido
estabilizadas
La vida de anaquel de la característica (propiedad) es conocida y se
extiende más allá de la duración esperada del estudio; ej., la
característica medida no cambia durante el periodo esperado de uso.
Stands de prueba.
Estudios de Variabilidad
Escenario V1 V2 V3 V4 V5 V6 V7 V8 V9
La parte no cambia por el proceso de
medición; ej., lo sistemas de medición
que son no destructivos y serán
usados con partes (especimenes) con:
• Propiedades estáticas, o
• Propiedades dinámicas
(cambiantes) las cuales han sido
estabilizadas
144
Capítulo IV – Sección B
Estudios de Estabilidad
Capítulo IV – Sección B
Estudios de Estabilidad
9 Propiedades estáticas, o
9 Propiedades dinámicas (cambiantes) que han sido estabilizadas
Supuestos:
• El sistema de medición es conocido (documentado) para una respuesta lineal sobre
un periodo esperado de la característica (propiedad).
65
Puede usarse un estándar o patrón de referencia si es apropiado para el proceso.
145
Capítulo IV – Sección B
Estudios de Estabilidad
Aplicación:
a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición;
ej., sistemas de medición que no son destructivos y serán usados con partes
(especimenes) con:
9 Propiedades estáticas, o
9 Cada parte (espécimen) debiera ser analizada por separado para el sesgo y la
repetibilidad
66
Puede usarse un estándar o patrón de referencia si es apropiado para el proceso.
67
Si se involucra a más de un evaluador en la recolección de datos, entonces (estimativo de la
repetibilidad) es afectada también por la reproducibilidad del sistema de medición. Cuantifica la
reproducibilidad con gráficas de correlación y bigotes e indexadas por evaluador (ver capítulo III,
sección B).
146
Capítulo IV – Sección B
Estudios de Estabilidad
Aplicación:
El sistema de medición debe estar evaluando una muestra (recolectada y aislada)
homogénea y distribuida e idénticamente independiente (“dii”). Las mediciones de las
partes individuales (especimenes) no son replicadas por lo que este estudio puede
usarse con sistemas de medición destructivos y no replicables.
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más
allá de la duración esperada del estudio; ej., la característica medida no cambia
durante el periodo esperado de uso y/o almacenamiento.
Analiza:
• Determinando la variabilidad total a través de un estudio de habilidad con n>30
partes. (Este estudio preliminar debiera también ser usado para verificar la
consistencia de la muestra: ej., todas las partes (especimenes) vienen de una
distribución unimodal).
• σ total
2
= σ Pr2 oceso + σ sistemamed
2
iciones
• Cheque tendencias.
• Dado que las partes (especimenes) no cambian (una muestra aislada), cualquier
indicación de inestabilidad sería atribuida a un cambio en el sistema de medición.
68
Dataplot, National Institute of Standars and Technology, Statistical Engineering División (www.itl.nist.gov)
147
Capítulo IV – Sección B
Estudios de Estabilidad
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más
allá de la duración esperada del estudio; ej., la característica medida no cambia
durante el periodo esperado de uso y/o almacenamiento.
• Los especimenes son divididos en m porciones. Con m=2 porciones, este a menudo
es llamado estudio de prueba – volver a probar.
Analiza usando:
148
Capítulo IV – Sección B
Estudios de Estabilidad
Analiza la estabilidad total del sistema con una gráfica p & mR, donde p es el
promedio de todos los stands de prueba en un cierto día.
• Determina la consistencia entre los stands: una gráfica simple x & s incluyendo los
resultados de todos los stands.
• Determina si todos los stands cuentan con la misma meta comparando los
promedios de los stands; ej., usando un análisis ANOVA de un sentido. Si existe
alguna diferencia, aísla los diferentes stands usando, por ejemplo, la prueba T de
Tukey.
69
Ver también James, P.D., “Graphical Displays of Gages R&R Data”, AQC transaction, ASQC, 1991
149
Capítulo IV – Sección C
Estudios de Variabilidad
150
Capítulo IV – Sección C
Estudios de Variabilidad
Capítulo IV – Sección C
Estudios de Variabilidad
Todos los estudios descriptivos son enumerativos por naturaleza y describen el sistema
de medición (incluyendo los efectos del medio ambiente) durante el estudio. Dado que
los sistemas de medición son usados para toma de decisiones futuras acerca de los
productos, proceso o servicios, es necesaria una conclusión analítica acerca del sistema
de medición. La transición de resultados enumerativos analíticos requiere
conocimientos del tema y pericia para:
• Asegurar que todas las fuentes de variación de las mediciones son consideradas en
el diseño y en la ejecución del estudio.
• Analizar los resultados (datos) a la luz del uso esperado, medio ambiente, control,
mantenimiento, etc.
Estos estudios están contenidos dentro de este manual de referencia. Estos estudios
incluyen análisis gráficos y numéricos.
Aplicación:
a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición;
ej., sistemas de medición que son no destructivos y serán basados con partes
(especimenes) con:
1) Propiedades estáticas, o
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más
allá de la duración esperada del estudio; ej.,la característica medida no cambia
durante el periodo esperado de uso.
151
Capítulo IV – Sección C
Estudios de Variabilidad
Aplicación:
Las mediciones de porciones individuales de las partes (especimenes) no son replicadas
de manera que este estudio puede ser usado en sistemas de medición destructivos y no
replicables y puede ser usado para analizar sistemas de medición con características
dinámicas.
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más
allá de la duración esperada del estudio; ej., la característica medida no cambia
durante el periodo esperado de uso y/o almacenamiento.
Este estudio es el mismo que V3 pero usando pares consecutivos de partes más que
especimenes divididos. Este estudio es usado en situaciones donde la parte no puede ser
dividida sin destruir la propiedad a ser medida.
70
Ver lista de referencias, no. 15.
71
Ver lista de referencias, no. 38.
152
Capítulo IV – Sección C
Estudios de Variabilidad
V4: Especimenes Divididos (General)
Aplicación:
Las mediciones de porciones individuales de partes (especimenes) no son replicadas de
manera que el estudio puede usarse para sistemas de medición destructivos y no
replicables y puede ser usado para analizar sistemas de medición con características
dinámicas.
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más
allá de la duración esperada del estudio; ej., la característica medida no cambia
durante el periodo esperado de uso y/o almacenamiento.
• Dividir los especimenes en m porciones donde m=0 mod 2 o 3; m > 2 (ej., m=3, 4,
6, 9, ...).
Analiza usando:
Este estudio es el mismo que V4 usando pares consecutivos de partes más que
especimenes divididos. Este estudio es usado en situaciones donde la parte no puede ser
dividida sin destruir la propiedad a ser medida.
153
Capítulo IV – Sección C
Estudios de Variabilidad
Supuestos:
• Lecturas repetidas son tomadas sobre periodos especificados de tiempo.
• σE = σe
Supuestos:
• Lecturas repetidas son tomadas en periodos de tiempo especificados.
• σE = σe
154
Capítulo IV – Sección C
Estudios de Variabilidad
155
Capítulo IV – Sección C
Estudios de Variabilidad
156
Capítulo V
Otros Conceptos de Medición
Capítulo V
OTROS CONCEPTOS DE MEDICIÓN
157
Capítulo V
Otros Conceptos de Medición
158
Capítulo V – Sección A
Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes
Capítulo V – Sección A
Ejemplos de variaciones dentro de las partes las cuales pueden encontrarse son:
redondeado, concentricidad, planicidad, perfil, cilindricidad, etc.72 Es posible que más
de una de estas características pueda estar presente al mismo tiempo dentro de la misma
parte (error compuesto). La fuerza de cada característica y sus interdependencias
pueden componer los datos y el entendimiento resultante del sistema de medición. El
reconocimiento y análisis de estas fuentes de variación adicionales durante el estudio de
un sistema de medición es importante para entender la variación actual del sistema de
medición mismo. Un DOE, ANOVA u otra técnica estadística más sofisticada puede
requerirse para analizar esta situación. Cual sea la metodología usada debiera ser
aprobado por el representante de la calidad del proveedor cliente.
También, las decisiones que los ingenieros de diseño de producto tomen pueden
inconcientemente afectar como una parte es medida, como un dispositivo puede ser
diseñado, y el resultado puede afectar los resultados del error en las mediciones. Un
ejemplo puede ser una parte plástica que tenga una característica crítica sobre una línea
de partido (una línea de partido típicamente tiene exceso de material plástico y donde
dos mitades de un molde se juntan, y por tanto es una superficie no controlada). Estos
factores deben ser considerados durante un AMEF de diseño.
Una vez que los componentes de variación dentro de las partes son entendidos, puede
ser posible controlar estos factores dentro del sistema de medición (ej., rediseñando el
gage, o usando diferentes métodos / equipo de dispositivos) de manera que los datos
futuros no sean confundidos.
72
Muchas de estas propiedades son controladas en el diseño a través de tolerancias y dimensionamiento
geométrico (T&DG). T&DG ofrece un método definido operacionalmente para checar partes de una manera
funcional. Generalmente, un chequeo funcional es un chequeo de atributos. Cuando se requieren datos de
variables, aspectos clave pueden derivarse como el usar un gage diseñado para un chequeo funcional que
produzca datos de variables. Esto algunas veces puede hacerse usando un gage funcional como un dispositivo
de fijación para un estudio en MMC. Sin embargo, cuando ésto se hace es crítico que el dispositivo sostenga la
parte firmemente y repetidamente en la misma localización (si no lo hace, el estudio MSA resultante debiera
generar este error).
159
Capítulo V – Sección A
Reconocimientos de Efectos de Variaciones Excesivas dentro de las Partes
160
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
Capítulo V – Sección B
Introducción Existe una consideración inicial que vale la pena mencionar relativa al método de
promedios y rangos en la evaluación del sistema de medición. El ejemplo de la gráfica
de control se toma con el permiso de “Evaluación del Proceso de Medición” por
Wheeler y Lyday (ver lista de referencias).
• ¿La variación del sistema de medición es aceptable con respecto a la variación del
proceso?
• ¿Qué tan buenos son los datos obtenidos del proceso de medición o en cuántos
grupos o categorías no traslapados pueden los datos ser divididos?
Pasos del 1) Debiera tenerse cuidado en seguir la “Preparación para el Estudio de los Sistemas
Procedimiento de Medición”, capítulo II, sección C.
2) Hacer que cada evaluador cheque cada muestra para la característica a ser
estudiada. Registre los primeros chequeos en el renglón superior de los datos de la
gráfica de control (ver figura 33).
3) Repetir los chequeos y registrar los datos en el segundo renglón de los datos de la
gráfica de control. (Nota: no permita que los evaluadores vean sus lecturas
originales cuando estén haciendo este segundo chequeo). Los datos debieran
mostrar ahora dos chequeos sobre la misma parte por cada evaluador.
( )
4) Analice los datos calculando el promedio X y el rango (R) para cada subgrupo.
9 Si todos los rangos están en control, todos los evaluadores están haciendo el
mismo trabajo.
9 Si en evaluador está fuera de control, su método difiere de los otros.
9 Si todos los evaluadores cuentan con rangos fuera de control, el sistema de
medición es sensible a la técnica del evaluador y se requiere mejoramiento para
obtener datos útiles.
161
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
( )
6) Luego, grafique el promedio para cada subgrupo X para todos los evaluadores en
la gráfica de promedios (ver figura 33). Los valores promedio representan la
variación y la variación en las mediciones.
Si menos de la mitad de los promedios cae fuera de los límites, el sistema de medición
es inadecuado para el control del proceso. Por otro lado, si la mayoría de los promedios
cae fuera de los límites de control, indica que las señales del proceso de manufactura
son mayores que la variación de las mediciones. Este sistema de medición puede
ofrecer datos útiles para el control del proceso.
La pregunta de “¿Qué tan buenos son los datos recolectados por el sistema de
medición?” puede responderse completando el ejemplo de la hoja de trabajo, figura 34.
Todos los datos necesarios para la hoja de trabajo pueden encontrarse en las gráficas de
promedios y rangos descritas anteriormente.
Los siguiente pasos son usados para completar el ejemplo de la hoja de trabajo (figura
34):
( )
2) El promedio de los rangos de los subgrupos R se obtiene directamente de la
gráfica de control.
162
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
11) Observe los promedios de las muestras (1, 2, 3...9, 10) y calcule el rango de los
promedios de las muestras (RP) restando el mínimo del máximo. Inserte este valor
en el espacio provisto.
Si el número de categorías es menor que dos (2), el sistema de medición no tiene valor
en el control del proceso. Se puede decir que todo el ruido y una parte no son diferentes
uno de otro.
Si el número de categorías es dos (2), significa que los datos pueden dividirse solo en
grupos alto y bajo; sin embargo éste es solo el equivalente de datos de atributos.
Si el número de categorías es tres (3), los datos pueden dividirse en grupos alto, medio
y bajo. Este es ligeramente un mejor sistema de medición.
Un sistema de medición conteniendo cuatro (4) o más categorías será mucho mejor que
los primeros tres ejemplos.
163
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
164
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
165
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
Mediciones Hecho
Evaluadas LONGITUD DE AJUSTE por R.W.L. Fecha MM-DD-YY
r d2
ERROR DE REPLICACION: Rango Promedio de los Subgrupos = R = 7.6 2 1.128
Número de Replicaciones = Tamaño del Subgrupo = r = 2 3 1.693
R
Estima la Desviación Estándar de las Replicaciones = σˆ e = 6.738 4 2.059
d2
5 2.326
6 2.534
7 2.704
8 2.847
9 2.970
10 3.078
Figura 34a: Cálculos para Métodos de Gráficas de Control para Evaluación de un Proceso de
Medición (Partes 1 de 2)
166
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
= 7.289
Escribe el valor apropiado para σˆ m aquí: σˆ m = 7.289
CALCULOS PARA PROPORCIONES SEÑALES A RUIDO:
30.67 Rp 3 - Lo 83.00
5 2.477
= 12.38 = σˆ p = 12.38
6 2.669
2.477 d 2* 4 102.17
5 - Hi 113.67
7 2.827
Proporción Señal a Ruido: 6 -----
8 2.961
Por tanto el número de categorías distintas de productos que pueden ser confiablemente 9 -----
distinguidas para estas mediciones es 1.41 x 1.698
10 -----
⎛ σˆ ⎞
1.41⎜⎜ p ⎟⎟ = 2.395 o2
⎝ σˆ m ⎠
Este es el número de intervalos de confiabilidad del 97% no traslapados que extenderán el rango de la variación del
producto. (Un intervalo de confiabilidad del 97% y centrado en una medición única contendría el valor actual del
producto que es representado por dicha medición el 97% del tiempo).
167
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
168
Capítulo V – Sección C
Curva de Desempeño de Gages
Capítulo V – Sección C
(
Valor Actual del Gage = N X T + b, σ 2 )
La probabilidad de aceptar una parte de algún valor de referencia es
ofrecida por la relación
UL
Pa = ∫ N (X
LL
T + B, σ 2 )dx
⎛ UL − ( X T + b ) ⎞ ⎛ LL − ( X T + b ) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ σ ⎠ ⎝ σ ⎠
donde
⎛ UL − ( X T + b ) ⎞
UL
σ⎜
σ
( )
⎟ = ∫ N X T + b, σ 2 dx
⎝ ⎠ −∞
⎛ LL − ( X T + b ) ⎞
∞
σ⎜ ⎟ = ∫ N (X T + b,σ )dx
2
⎝ σ ⎠ LL
73
Adaptado con el permiso de “Análisis de Sistemas de Atributos de Gages” por J.McCaslin & G.Gruska, ASQC,
1976.
169
Capítulo V – Sección C
Curva de Desempeño de Gages
Ejemplo:
Determine la probabilidad de aceptar una parte cuando el valor de
referencia del torque es 0.5 Nm, 0.7 Nm, 0.9 Nm.
⎛ UL − ( X T + b ) ⎞ ⎛ LL − ( X T + b ) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ σ ⎠ ⎝ σ ⎠
⎛ 1.0 − (0.5 + 0.05) ⎞ ⎛ 0.6 − (0.5 + 0.05) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ 0.05 ⎠ ⎝ 0.05 ⎠
Pa = φ (9.0) − φ (1.0)
= 1.0 - 0.84
= 0.16
Para X T = 0.7 Nm
⎛ 1.0 − (0.7 + 0.05) ⎞ ⎛ 0.6 − (0.7 + 0.05) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ 0.05 ⎠ ⎝ 0.05 ⎠
Pa = φ (5.0) − φ (− 3.0)
= 0.999
Para X T = 0.9 Nm
⎛ 1.0 − (0.9 + 0.05) ⎞ ⎛ 0.6 − (0.9 + 0.05) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ 0.05 ⎠ ⎝ 0.05 ⎠
Pa = φ (1.0) − φ (− 7.0)
= 0.84
Esta misma curva puede ser graficada más fácilmente en papel de probabilidad normal,
como se muestra en la figura 37. Una vez graficada, la CDG ofrece la probabilidad de
aceptar una parte de cualquier tamaño.
Además, una vez desarrollada la CDG, puede usarse para calcular el error de
repetibilidad y reproducibilidad, y el error del sesgo.74
Un estimativo del sesgo se determina encontrando para XT, los límites superior o
inferior que correspondan a Pa = 0.5 y calculando:
B=XT-LL o BB=XT-UL
74
Ver “Estudio de Atributos de Gages”, Capítulo III, Sección C.
75
Esto asume que el sistema de medición es lineal sobre el rango de operación.
171
Capítulo V – Sección C
Curva de Desempeño de Gages
1.0
0.9
0.8
Probabilidad de Aceptación
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 0.2
Valor de Referencia de las Partes Medidas
Sesgo = 0.00 Rango RRG = 0.00
Figura 35: Curva de Desempeño del Gage Sin Error
172
Capítulo V – Sección C
Curva de Desempeño de Gages
0.9
Probabilidad de Aceptación
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 0.2
Valor Valores de Referencia de las Partes Medidas
Sesgo = 0.05 RRG = 0.24
Figura 36: Curva de Desempeño de Gage - Ejemplo
173
Capítulo V – Sección C
Curva de Desempeño de Gages
99.5 0.5
? ?
99.0 1.0
98.0 ? ? 2.0
95.0 5.0
? ?
90.0 10.0
? ?
80.0 20.0
70.0 ? ? 30.0
60.0 40.0
?
50.0 50.0
40.0 60.0
? ?
30.0 70.0
20.0 80.0
? ?
10.0 90.0
? ?
5.0 95.0
2.0 ? ? 98.0
1.0 99.0
? ?
0.5 99.5
0.2 ? ? 99.8
Sesgo = 0.05
Figura 31: Curva de Desempeño del Gage Graficada en
Papel de Probabilidad Normal
174
Capítulo V – Sección D
Reducción de Variación a Través de Lecturas Múltiples
Capítulo V – Sección D
Ejemplo:
(6σ x )2 = (6σ )
2
(6s ) = (6s )
x
n
Y
76
Ver nota en página vi.
175
Capítulo V – Sección D
Reducción de Variación a Través de Lecturas Múltiples
0.24
0.14 =
n
de manera que
n = 1.714
y
n = 3(redondeado al entero más próximo)
Este método debiera ser considerado como un paso temporal hasta que se hagan
mejoramientos al sistema de medición. Este debiera usarse solo con concurrencia del
cliente.
176
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
Capítulo V – Sección E
Este enfoque ve a cada parte como un material por separado y entonces calcula las
desviaciones estándar de la repetibilidad y reproducibilidad como en E691. Esto
producirá valores múltiples y por separado de repetibilidad y reproducibilidad. Dado
que las partes son consideradas como esencialmente idénticas, se asume que estos
estimativos por separado son efectivamente idénticos. Por supuesto nunca serán
exactamente los mismos, pero su promedio ofrecerá un buen estimativo del nivel
verdadero de repetibilidad y reproducibilidad similar.
Aplicación Secuencial Aunque el enfoque E691 es típicamente usado con una muestra completa, permite
asimismo un enfoque secuencial. Este es útil cuando todas las muestras no están
disponibles al mismo tiempo. También puede ser utilizado como parte del proceso de
calibración para mantener información de la variabilidad del sistema de medición.
La siguiente descripción del estudio asume que el estudio mismo será aplicado de una
forma secuencial.
77
Partes de esta sección incluyen todo lo de “Estadísticas de Consistencia” es contribución de Neil Ullman de la
American Society for Testing and Materials (ASTM International).
177
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
( )
8) Calcule el promedio X y la desviación estándar (s) para la nueva parte para cada
evaluador.
( )
10) Grafique el promedio X para cada subgrupo para todos los evaluadores sobre la
gráfica de promedios (ver figura 38). Los valores promedio representan la variación
del proceso y la variación de las mediciones.
12) Calcule los límites de control para esta gráfica usando el factor A2 para un r y una
desviación estándar de los promedios (s ) de la gráfica de desviación estándar;
dibuje estos límites en la gráfica de promedios.
13) Analice los daros usando las gráficas de control y otras técnicas gráficas discutidas
en el método de promedios y rangos (ver capítulo 3).
14) Evalúe los parámetros del sistema de medición para cada parte combinando los
resultados de los evaluadores.
m
∑s 2
xi
sx = i =1
g
m
m
∑s 2
si
Re petibilidad g = s E g = i =1
m
s E2 g
Re producibilidad g = s A g = s − 2
xg
m
RRGg = s RRG g = s E2 g + s A2g
178
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
E691 sigue el convencionalismo de que la reproducibilidad del
MSA se refiera como la variación de los evaluadores y el RRG del
MSA es llamado reproducibilidad. En este caso,
sr2
sappr = s x2 −
3
s R = sr2 + sappr
2
15) Evalúe los parámetros globales del sistema de medición combinando o acumulando
los resultados de las partes.
g
∑s 2
Ei
Re petibilidad = s E = i =1
g
g
∑s 2
Ai
Re producibilidad = s A = i =1
g
g
∑s 2
RRGi
RRG = s RRG = i =1
g
179
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
Medición Simple
1 1 *
1 * 1
* •
* •
UCL= 0.3492
0 • •
• • • Media = 0.001444
•
*1 *1 LCL = 0.3463
*1 1*
-1 *1 *1
*1 *1
-2 *1•
*1
Operador 0 10 20 30
Subgrupo
1 2 3
0.6 1
*
Desviación Estandar Simple
0.3 •
•
• • • • • • s = 0.1780
0.2 •
•
• •
• • •
• •
0.1 •
•
•
• •
•
•
•
0.0 LCL = 0
180
CrucedePartes
Trial 1 2 3 4 5 6 7 8 9 10
A 1 0.29 -0.56 1.34 0.47 -0.8 0.02 0.59 -0.31 2.26 -1.36
2 0.41 -0.68 1.17 0.5 -0.92 -0.11 0.75 -0.2 1.99 -1.25
3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31
Tabla 15: Conjunto de Datos de Análisis de
x 0.4467 -0.6067 1.2600 0.5367 -0.8533 -0.1000 0.6667 -0.2267 2.0867 -1.3067 xdbbar 0.19033333
σ 0.1779 0.0643 0.0854 0.0907 0.0611 0.1153 0.0802 0.0737 0.1504 0.0551 appr sd 0.10289153
Desviación Estándar Combinada
B 1 0.08 -0.47 1.19 0.01 -0.56 -0.2 0.47 -0.63 1.8 -1.68
2 0.25 -1.22 0.94 1.03 -1.2 0.22 0.55 0.08 2.12 -1.62
3 0.07 -0.68 1.34 0.2 -1.28 0.06 0.83 -0.34 2.19 -1.5
x 0.1333 -0.7900 1.1567 0.4133 -1.0133 0.0267 0.6167 -0.2967 2.0367 -1.6000 xdbbar 0.06833333
σ 0.1012 0.3869 0.2021 0.5424 0.3946 0.2120 0.1890 0.3570 0.2079 0.0917 appr sd 0.3017394
181
sdxbar 0.26182 0.28005 0.19648 0.19751 0.24077 0.26555 0.32524 0.14385 0.21221 0.25125 Pooledsd's
Sistema de Medición
Resultados por
Repetibilidad 0.13153 0.25721 0.17534 0.31863 0.26388 0.17736 0.13524 0.21252 0.19494 0.20385
Partes
pooled 0.204274 0.195107 0.23223 0.238896 0.229787 0.218795 0.218021 0.215578 0.21443466
Capítulo V – Sección E
Reproducibilidad 0.25056 0.23743 0.16839 0.07191 0.18644 0.24501 0.31573 0.07508 0.17991 0.22198
pooled 0.244086 0.221744 0.195372 0.193619 0.203089 0.222696 0.209998 0.206871 0.20843064
RRG 0.28299 0.35004 0.24310 0.32664 0.32310 0.30247 0.34347 0.22540 0.26527 0.30138
pooled 0.318285 0.295359 0.303481 0.307505 0.306671 0.312194 0.302708 0.29878 0.29904106
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
Estadísticas de Consistencia
x appr − x parte
h=
Sx
las partes ( x parte anterior) es 0.169. La desviación estándar entre los evaluadores ( s x
anterior) es 0.262. Por tanto
El valor de k es la razón de la desviación estándar para cada parte y cada evaluador con
la desviación estándar de la repetibilidad. En este caso (evaluador A y parte 1) es:
Una razón por la que éstos se calculan es permitir comparaciones entre materiales muy
diferentes.
h Parte
Ev. 1 2 3 4 5 6 7 8 9 10 avg h “z”
A 1.06 0.87 0.82 0.86 0.88 0.32 0.65 0.80 0.69 1.05 0.80 2.53
B -0.14 0.22 0.29 0.24 0.21 0.80 0.50 0.32 0.46 -0.11 0.28 0.88
C -0.93 -1.09 -1.11 -1.10 -1.09 -1.12 -1.15 -1.12 -1.15 -0.94 -1.08 -3.41
mediana
“z”
k K
A 1.35 0.25 0.49 0.28 0.23 0.65 0.59 0.35 0.77 0.27 0.42 -3.20
B 0.77 1.50 1.15 1.70 1.50 1.20 1.40 1.68 1.07 0.45 1.30 3.14
C 0.76 0.82 1.20 0.14 0.84 1.07 0.83 0.24 1.13 1.65 0.84 -0.17
78
Ver ISO 5725.
182
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
En las últimas dos columnas están los promedios y el valor de “el valor – z” para ver si
los evaluadores son significativamente diferentes. Los valores de h indican que el
evaluador A es significativamente alto y el evaluador C es significativamente bajo en
sus lecturas del tamaño de las partes. Es también esta significativa diferencia lo que
genera la desviación estándar del RRG.
183
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
184
Apéndices
APENDICES
185
Apéndice A
Análisis de Conceptos de Varianza
186
Apéndice A
Análisis de Conceptos de Varianza
Apéndice A
Estimativo de Varianza
Dado que cada media cuadrada es una cantidad muestra sujeta a la variación del muestreo y
los cálculos involucran diferencias de promedios al cuadrado, entonces son posibles los
estimativos de componentes de varianza negativos.
79
En esta tabla, se asume que todos los componentes de variación son de efectos aleatorios.
80
En esta aplicación de ANOVA a los análisis de sistemas de medición, el término de error de ANOVA es
equivalente a la variación del equipo MSA, MSE
187
Apéndice A
Análisis de Conceptos de Varianza
Este es un pequeño problema dado que los componentes de varianza “master” son
iguales o tienden a cero o cuentan con un tamaño de muestra pequeño. Para propósitos
de análisis, los componentes de varianza negativos se hacen cero.
La desviación estándar es más fácil de interpretar que la varianza por que tiene las
mismas unidades de medición de la observación original. En la práctica, la medida
básica de amplitud es dada por 5.15 veces la desviación estándar.81 La tabla 17 muestra
la extensión 5.15 sigma para una medida de repetibilidad llamada variación del equipo
(EV) y una medida de reproducibilidad llamada variación del evaluador (AV). Si la
interacción entre las partes y los evaluadores es significativa, entonces existe un modelo
no adicional y por tanto se ofrece un estimativo de sus componentes de varianza. El
RRG en la tabla 17 es la variación total del sistema de medición.
EV = 5.15 MS pool
MS A − MS pool
AV = 5.15
nr
RRG = (EV ) 2
+ ( AV )
2
MS p − MS pool
PV = 5.15
kr
81
Este es el rango del 99%. Ver nota en página vi.
82
Donde n = número de partes, k = número de evaluadores y r = número de intentos.
188
Apéndice A
Análisis de Conceptos de Varianza
A fin de determinar si la interacción es significativa, calcular el
estadístico F de la interacción del evaluador por parte (ver tabla 18).
Comparar este estadístico F en un punto de porcentaje alto con la
distribución F como numerador y grado de libertad como denominador
tomado de ANOVA (tabla 18).
n
⎛ x2 ⎞ x2
SS p = ∑ ⎜⎜ i.. ⎟⎟ − ...
i =1 ⎝ kr ⎠ nkr
k ⎛ x2 ⎞ 2
SS A = ∑ ⎜
. j.
⎟ − x...
⎜
j =1 ⎝ nr ⎠
⎟ nkr
( ) x...2
n k r
TSS = ∑∑∑ xijm
2
−
i =1 j =1 m =1 nkr
n ⎛ xij2. ⎞ n ⎛ xi2.. ⎞ k ⎛ x.2j . ⎞ x...2
k
SS AP = ∑∑ ⎜ ⎟ − ∑ ⎜⎜ ⎟⎟ − ∑ ⎜ ⎟+
⎜ r ⎟ kr ⎜ nr ⎟ nkr
i =1 j =1 ⎝ ⎠ i =1 ⎝ ⎠ j =1 ⎝ ⎠
[
SS e = TSS − SS A + SS P + SS Ap ]
Fuente DF SS MS F EMS
Evaluador k −1 SS A SS A τ 2 + rγ 2 + nrω 2
MS A =
(k − 1)
Partes n −1 SS P SS P τ 2 + rγ 2 + krσ 2
MS P =
(n − 1)
Evaluador por (n − 1)(k − 1) SS AP SS AP MS AP τ 2 + rγ 2
MS AP =
parte (n − 1)(k − 1) MS e
Equipo nk (r − 1) SS E SS e 2
MS e = τ
nk (r − 1)
Total Tabla 18: TSS
Análisis de
Varianza Evaluador ∼N(0,ω2)
(ANOVA) Partes ∼N(0,σ2)
nkr − 1 Evaluador por parte
∼N(0, γ 2 )
Equipo ∼N( 0, τ 2 )
189
Apéndice A
Análisis de Conceptos de Varianza
Tablas 19a y 19b muestran los cálculos de ANOVA para los datos del
ejemplo de la figura 24.
Fuente DF SS MS F EMS
Evaluador 2 3.1673 1.58363 79.41* τ 2 + 3γ 2 + 30ω 2
Partes 9 88.3619 9.81799 492.29* τ 2 + 3γ 2 + 9σ 2
Evaluador por parte 18 0.3590 0.01994 0.434 τ 2 + 3γ 2
2
Equipo 60 2.7589 0.04598 τ
Total 89 94.6471
* Nivel de Significancia a α=0.05
Tabla 19a: Resultados Tabulados de ANOVA
⎛ 5.15σ componentes ⎞
% de la Variación Total = 100⎜⎜ ⎟⎟
⎝ 5.15σ total ⎠
⎛ 5.15σ componente
2
⎞
% de Contribución (de la Varianza Total) = 100⎜⎜ ⎟
s
5 .15 σ 2 ⎟
⎝ total ⎠
190
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Apéndice B
Fórmulas:
σ O2 = σ A2 + σ M2 ⑴
Donde O = la variación del proceso observado
A = la variación del proceso actual
M = la variación del sistema de medición
U −L
Cp x = ⑵
6σ x
kσ M
RRG p =
6σ O
kσ M
RRG p =
U −L
En (4) y (5), normalmente k se toma como 5.15. Sin embargo, sin pérdida de generalidad este análisis toma k
como 6 para simplificar la aritmética.
Análisis:
σA
CpO = Cp A *
σO
σ O2 − σ M2
= Cp A * Usando (1)
σO
con el RRG basado en la variación del proceso
σ O 1 − RRG 2
CpO = Cp A * usando (4)
σO
= Cp A * 1 − RRG 2 (6)
o
191
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
CpO
Cp A = (6’)
1 − RRG 2
1 σM
RRG = * usando (2) y (5)
CpO σ O
Consecuentemente
192
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Análisis Gráfico
Con base en (6) la familia de líneas para Cpo con respecto a CpA es:
3.5
3 10%
30%
2.5 50%
70%
Cp Observado
1.5
90%
1
0.5
0
0.5 1 1.5 2 2.5 3
Cp Actual
Figura 39: Cp Observado vs. Actual (basado en proceso)
Actual RRG
10% 20% 30% 40% 50% 60% 70% 90%
Cp observado con el Cp en base al Rango del Proceso
1.3 1.29 1.27 1.24 1.19 1.13 1.04 0.93 0.57
Cp observado con el Cp en base a la Tolerancia
1.3 1.29 1.26 1.20 1.11 0.99 0.81 0.54 nada
Tabla 20: Comparación del Cp Observado con el Cp Actual
193
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Con base en (7’), la familia de líneas para CpA con respecto a Cpo es:
5.0
4.0
Cp Actual
40%
3.0
30%
2.0
10%
1.0
0.0
0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
Cp Observado
Figura 40: Cp Observado vs. Actual (en base a la tolerancia)
194
Apéndice C
Tabla de Apéndice C – d2* Tabla d2*
195
Apéndice D
Estudio R de Gages
196
Apéndice D
Estudio R de Gages
Apéndice D
Estudio R de Gages
Aplicación:
• Puede ser usado para chequeo antes de envío por el proveedor del gage.
• Puede ser usado durante el desarrollo del gage – ej., para una comparación rápida
de las diferentes localizaciones de sujeción; comparación de diferentes
metodologías.
• Este método NO PUEDE ser usado para aceptación final de un gage sin otros
métodos MSA más completos y detallados.
Supuestos:
• La variación y estabilidad del proceso no pueden ser conocidas hasta este punto en
el tiempo.
Tomar una parte, por un operador; colocar la parte en el dispositivo, medir; quitar la
parte del dispositivo; repetir esto 9 veces más con la misma parte y el mismo operador.
Graficar los datos con una gráfica IRM; evaluar la estabilidad. Si los datos aparecen no
estables, aplicar acciones correctivas.83
Si aparecen estables, calcular el sigma de las lecturas individuales con s para todas las
lecturas o MR / d 2* ; multiplicar por 6; dividir este valor por la tolerancia de la
característica; multiplicar por 100%. Revisar el %Repetibilidad contra patrones de
aceptabilidad del gage previamente establecidos, o usarlo para propósitos comparativos
durante el desarrollo del gage.
83
Algo de juicio puede requerirse aquí, ya que 10 subgrupos de datos individuales son insuficientes para
determinar la estabilidad; sin embargo, obvias inestabilidades pueden todavía estimarse y ofrecer un valor para
análisis.
197
Apéndice D
Estudio R de Gages
198
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores.
Apéndice E
⎡ EV 2 ⎤
PV = (R p × K 3 )2
− ⎢ ⎥
⎣k × r ⎦
.
84
“Datos Confiables es una Mercancía Importante”, Donald S. Ermer y Robin Yang E-Hok, University of
Wisconsin, Madison publicado en The Standard, ASQ Newsletter of the Measurement Quality División, Vol 97-
1, invierno, 1997.
199
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores.
200
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
Similar a todos los procesos, un sistema de medición es impactado por fuentes de
variación aleatorias y sistemáticas. Estas fuentes de variación son debidas a causas
comunes y especiales (caóticas). A fin de entender, controlar y mejorar un sistema de
medición, las fuentes potenciales de variación deben ser primero identificadas. Aunque
las causas específicas dependen de la situación, un modelo general de errores puede ser
usado para categorizar las fuentes de variación de un sistema de medición. Existen
varios métodos para presentar y categorizar estas fuentes de variación, usando simples
causas y efectos, matrices o diagramas de árbol.
La fuente de error del alias varía con la aplicación de las mediciones y la industria. Estos
son ejemplos comunes. Sin embargo, el efecto de los parámetros y características
siempre es el mismo.
85
P.I.S.M.O.E.A. fue originalmente desarrollado por Mr. Gordon Skattum, Señor ASQ CQE, metrologista y
Director de Manufactura Integrada en Rock Valley College Technology Center.
201
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
Todos los métodos de Análisis de Sistemas de Medición son herramientas de calidad.
Todas las herramientas de calidad se basan en supuestos. Si se violan los supuestos, la
herramienta llega a ser impredecible al máximo y pudiera conducir a una conclusión
falsa en lo peor.
La violación de los criterios de prueba – reprueba siempre es una consideración para las
pruebas destructivas o los sistemas de medición en proceso donde la característica está
cambiando. El planeador de las mediciones debe considerar híbridos apropiados, con
modificaciones o técnicas alternativas para el estudio del sistema de edición estándar.
Los supuestos tienden a contribuir en una mayor proporción a la variación total de las
mediciones cuando: 1) se usen métodos o herramientas más poderosos (ej., ANOVA,
análisis de regresión, diseños de experimentos, predicciones de probabilidad y gráficas
de control), y 2) se incremente la precisión de las mediciones. Las aplicaciones de
mediciones de alta precisión deben a menudo planearse para la corrección de
coeficientes y expansión térmica, deformación, arrastres o deslizamientos u otros
supuestos en el proceso de medición.
La tabla abajo muestra ejemplos del modelo P.I.S.M.O.E.A. para tres diferentes
situaciones de medición.
202
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
Fuente Producción típica, MSA Automotriz Automatización del Calibración
de Error Proceso o Stand de
Pruebas
P Partes de producción aleatorias, rango Unidades de Gages, UBP, muestra
completo del proceso producción, muestras de prueba, lo que se
de prueba, estándares mide
de chequeo, artefactos
I Tipo único para el gage de producción CCD, MMC, stand de Gage y equipo master
pruebas
S Escala, estándar master, o clase; Escala y geometría, Master, referencia,
cumple con “la regla 1 a 10” estándares de intrínseca o por
referencia de prueba consenso, artefacto
M Procedimientos Operativos Estándar Sop documentado, Documentado,
(sop), a menudo verbales, pueden ser programa de CCD o procedimiento formal
documentados; plan de control ciclo de prueba de calibración
automatizado
O Típicos (2-3), entrenados, quienes Operador de pruebas Técnico calificado,
normalmente operan restringido, y con evidencia de
entrenamiento competencia en ISO
especializado y 17025
habilidades
E Producción y condiciones de operación A menudo controlado Límites de control
estables optimizados, fuentes
de error principales
A Estadísticos, a menudo ignorados Estadísticos, con No puede asumirse,
aplicación específica fuentes de error
principales
Propósito Control Del Proceso (SPC) Control del producto, Control del producto,
inspección 100% tolerancias de
calibración
203
Glosario
204
Glosario
GLOSARIO
Ver el Manual de Referencia del Control Estadístico de los Procesos (SPC) para definiciones adicionales del
glosario.
Diagrama de Dispersión Gráfica X -Y de daros para evaluar la relación entre dos variables.
205
Glosario
206
Glosario
Parámetro asociado con el resultado de una medición, que caracteriza la
dispersión de los valores que pudiera estar razonablemente atribuida a
los que se mide (VIM); el rango asignado a un resultado de medición que
describe, dentro de un nivel de confiabilidad definido, los límites
Incertidumbre esperados que contienen los resultados de mediciones verdaderos.
Incertidumbre es una expresión cuantificada de la confiabilidad de las
mediciones.
ndc
(
Número de categorías distintas. 1.41 PV
RRG
)
Nivel estadístico y seleccionado para probar la probabilidad de resultados
aleatorios; también asociado con el riesgo, expresado como el riesgo alfa
Nivel de Significancia ( α ), que representa la probabilidad de un error en las decisiones.
207
Glosario
Valor de lo que se mide que sea reconocido y sirva como un valor master
o de referencia acordado para comparaciones:
Valor de Referencia • valor teórico o establecido y basado en principios científicos;
210
Lista de Referencias
LISTA DE REFERENCIAS
1. ASTM E691-99, Standard Practice for Conducting an Interlaboratory Study to determine the
Precision of a Test Method, (www.astm.org).
2. ASTM E177-90ª, Standard Practice for Use of the Terms Precision and Bias in ASTM Test
Methods.
4. AT&T Statistical Quality Control Handbook, Delmar Printing Company, Charlotte, NC, 1984.
5. Burdick, Richard K., y Larsen, Greg A., “Confidence Intervals on Measures of Variability in
R&R Studies, “Journal of Quality Technology, Vol. 29, No. 3, Julio 1997.
7. Deming, W. E., Out of the Crisis, Massachusetts Institute of Technology, 1982, 1986.
8. Deming, W.E., The New Economics for Industry, Government, Education, The MIT Press
1994, 2000.
9. Duncan, A. J., Quality Control and Industrial Statistics, 5ª ed., Richard D. Irwin, Inc.,
Homewood, Illinois, 1986
10. Eagle, A. R:, “A Meted For Handling Errors in Testing and Measuring.” Industrial Quality
Control, Marzo, 1954, pp.10-14
11. Ermer, Donald S., y E-Hok, Robin Yang, “Reliable Data is an Important Commodity,”
University de Wisconsin, Madison; published in The Standard, ASQ Newsletter of the
Measurement Quality Division, Vol. 97-1, Winter 1997.
12. Foster, Lowell W., GEO-METRICS: The Metric Application of Geometric Tolerancing, Addison-
Wesley Publishing Company, Massachusetts, 1974.
13. Gillespie; Richard, A History of the Hawthorne Experiments, Cambridge University Press, New
York , 1991.
14. Grubbs, F.E., “On Estimating Precision of Measuring Instruments and Product Variability,”
Journal of the American Statistical Association, Vol. 43, 1948, pp. 243-264.
15. Grubbs, F. E., “Errors of Measurement, Precision, Accuracy and the Statistical Comparison of
Measuring Instruments,” Technometrics, Vol. 15, February 1973, pp. 53-66.
16. Gruska, G. F., and Heaphy, M.S., “Measurement Systems Analysis,” TMI Conference
Workshop, Detroit, Michigan, 1987.
18. Hicks, Charles R., Fundamental Concepts in the Design of Experiments, Holt, Rinehart and
Winston, New York, 1973.
19. Hahn, J. H. and Nelson, W., “A Problem in the Statistical Comparison of Measuring Devices,”
Technometrics, Vol. 12., No. 1, Febrero 1970, pp. 95-102.
20. Hamada, Michaeln and Weerahandi, Sam, “Measurement System Assesment Via Generalized
Inference,” Journal of Quality Technology, Vol. 32, No. 3, Julio 2000.
21. Heaphy, M. S., et. al., “Measurement Systems Parameters,” Society of Manufacturing
Engineering-IQ81-154, Detroit, Michigan, 1981.
22. International Vocabulary of Basic and General Terms in Metrology (abbr. VIM),
ISO/ISE/OIML/BIPM (1993).
23. Ishikawa, Kaoru, Guidance to Quality Control, Asian Productivity Organization, 1986.
24. Jaech, J.L., “Further Tests of Significance for Grubbs’ Estimators,” Biometrics, 27, December,
1971, pp. 1097-1101.
25. James, P. D. “Graphical Displays of Gages R&R Data,” AQC Transaction, ASQC, 1991.
26. Lipson, C., and Sheth, N. J., Statistical Design & Analysis of Engineering Experiment, McGraw-
Hill, New York, 1973.
27. Maloney, C. J., and Rostogi, S. C., “Significance Test for Grubbs’ Estimators,” Biometrics, 26,
December, 1970. pp. 671-676.
28. Mandel, J., “Repeatability and Reproducibility,” Journal of Quality Technology, Vol. 4, No. 2,
April, 1972, pp. 74-85.
29. McCaslin, J. A., and Gruska, G. F., “Analysis of Attribute Gage Systems, “ ASQC Technical
Conference Transactions, 1976, pp. 392-399.
30. Measurement Systems Analysis Reference Manual, Second Edition, Chrysler, Ford, GM,
Second Printing, 1998.
31. Minitab User’s Guide 2: Data Analysis and Quality Tools, Release 13 for Windows, Minitab,
Inc., February 2000.
32. Montgomery, Douglas C., and Runger, George C., “Gauge Capability and Designed
Experiments. Part I: Basic Methods; Part II: Experimental Design Models and Variance
Component Estimation,” Quality Engineering, Marcel Dekker, Inc., 1993.
33. Nelson, L., “Use of the Range to Estimate Variability,” Journal of Quality Technology, Vol. 7,
No. 1, January, 1975, pp. 46-48.
212
Lista de Referencias
34. Potential Failure Mode and Effects Analysis (FMEA) Reference manual, Third Edition,
DaimlerChrysler, Ford, GM, 2001.
35. Production Part Approval Process (PPAP), Third Edition, DaimlerChrysler, Ford, GM, 2000.
36. Statistical Process Control Reference Manual (SPC), DaimlerChrysler, Ford, GM, Second
Printing, 1995.
37. Thompson, W. A., Jr., “The Problem of Negative Estimates of Variance Components,” Annals
Mathematical Statistics, No. 33, 1962, pp. 273-289.
39. Traver, R. W., “Measuring Equipment Repeatability – The Rubber Ruler,” 1962 ASQC
Convention Transactions, pp. 25-32.
40. Tsai, Pingfng, “Variable Gauge Repeatability and Reproducibility Study Using the Analysis of
Variance Method, Quality Engineering, Marcel Dekker, Inc. 1988.
41. Vardeman, Stephen B., and Van Valkenburg, Enid S., “Two-Way Random-Effects Analyses
and Gauge R&R Studies,” Technometrics, Vol. 41, No. 3, August 1999.
42. Wheeler, D. J., “Evaluating the Measurement Process When the Testing is Destructive,”
TAPPI, 1990 Polymers Lamination & Coatings Conference Proceedings, pp. 805-807
(www.tappi.org; plc90905.PDF).
43 Wheeler, D. J., and Lyday, R. W., Evaluating the Measurement Process, SPC Press, Inc.
Knoxville, Tennessee, 1989.
213
214
Formatos de Muestra
El lector cuenta con el permiso de reproducir los formatos de ésta sección
Los formatos de ésta sección cada uno representa un posible formato para la recolección y reporte
datos de RRG. No son mutuamente excluyentes de otros tipos de formatos los cuales puedan
contener la misma información y se logren los mismos resultados.
215
Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages
Evaluador/ PARTE
PROMEDIO
Intento No. 1 2 3 4 5 6 7 8 9 10
A1
2
3
Promedio Xa =
Rango Ra =
B1
2
3
Promedio Xb =
Rango Rb =
C1
2
3
Promedio Xc =
Rango Rc =
Promedio X =
de Parte Rp =
R = ([(Ra = )] + [R
b = ] + [R c = ]) [# deEvaluadores = ]= R=
X DIFF =
X DIFF = [X Max = ] − [X Min = ]=
*
[
LCS R = R = ]× [D 4 = ]=
*
D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. LCSR representa el límite de los R’s individuales. Circular aquellos
que estén fuera de éste límite. Identifica las causas y corrígelas. Repite estas lecturas usando el mismo evaluador y
unidad como se originalmente o descarta los valores y recalcula el promedio y R y el valor límite de las observaciones
restantes.
Notas: .
216
Reporte de Repetibilidad y Reproducibilidad de Gages (RRGs)
Nombre y No. de Parte: Nombre del Gage: Fecha:
Características: No. de Gage: Hecho por:
Especificaciones:
Tipo de Gage:
Dato : R = X DIFF = Rp =
Análisis de las Unidades de Medición % de Variación Total (TV)
Repetibilidad – Variación del Equipo (EV)
EV = R × K 1 %EV = 100[EV/TV]
= R ×K 1 Intentos K1 = 100 [ / ]
= x . 2 0.8862 = %
= . 3 0.5908
Reproducibilidad – Variación del Evaluador (AV)
AV = (X DIFF × K 2 )2 − (EV 2 nr ) %AV =100 [AV/TV]
= ( × )2 − ( 2
( × )) = 100 [ / ]
= . Evaluadores 2 3 = %
K2 0.7071 0.5231
Repetibilidad y Reproducibilidad (RRG)
RRG = EV 2 + AV 2 %RRG = 100 [RRG/TV]
= ( 2
+
2
) Partes K3 = 100 [ / ]
= . 2 0.7071 = %
3 0.5231
Variación de Partes (PV) 4 0.4467 %PV = 100 [PV/TV]
PV = Pp × K 3 5 0.4030 = 100 [ / ]
= x = . 6 0.3742 = %
TV = RRG 2 + PV 2 8 0.3375
= ( 2
+
2
) 9 0.3249 (
ndc = 1.41 PV
RRG
)
= 1.41 [ / ]
= . 10 0.3146
= .
Para información sobre teoría y constantes usadas en este formato, ver Manual de Referencia de MSA, Tercera Edición
217
Índice
218
Índice
Índice
219
Índice
Índice
A
Acuerdo por Reconocimiento Mutuo (ARM o MRA) – 8.
Aleatoriedad – 116.
Aleatorio – 6, 16, 53, 57, 73, 88, 95, 116, 171.
AMEF – 11, 24.
Análisis de Varianza (ANOVA) – 116.
Artefacto- 5, 42.
ASTM (American Society for Testing and Materials) – ii, 6, 31, 49, 55.
Atributo – 122, 132, 146.
B, C
Calibración – 25, 37, 38 y 42.
Causas y Efectos – 15, 65.
Ciclo de Vida de las Mediciones – 24.
Complejidad – 23.
Conjunto – 42.
Consistencia – 7, 57.
Control del Proceso – 4, 12, 13, 16, 18, 22, 24,40, 48, 63, 72, 73, 92, 156, 196..
Control Estadístico – 2, 5, 14, 16, 18, 49, 100, 122.
Curva de Desempeño – 41, 132, 133, 135, 135-138, 163-168.
D
Definición Operacional – 4, 5, 9, 12, 13, 41, 44, 65.
Desempeño (de las Mediciones) – 8, 16, 31, 41, 59-60, 76.
Diagrama de Flujo – 24, 25.
Diseño de Experimentos – 68.
Dispositivos – 36, 68.
E
Estándar de Calibración – 42.
Estándar de Chequeo – 43.
Estándar (Patrón) de Trabajo – 4.
Estándar de un Master – 63.
Estable –4, 5, 7, 11, 12, 16, 21, 22, 13, 40, 43, 47, 76, 81, 85, 92, 143, 197.
Estándar (Patrón o Norma) – 4, 8, 11,12, 30, 31, 34, 39, 42-43, 53, 63, 70-71.
Estándar (Patrón) de Transferencia – 42.
Ergonomía – 38.
Error Tipo I – 17.
Error Tipo II – 17.
Exactitud – 5, 49 (ver también Sesgo)
220
Índice
Experimento del Embudo – 21.
F
Facilidad de Lectura (ver Discriminación o Resolución) – 5, 44, 50, 51, 54.
Flexibilidad – 31.
G
Gages – 4.
Gráfica de Bigote – 104, 143 (nota en pie).
Gráficas:
Corridas – 101.
Errores – 105.
Promedios – 98.
Rangos – 46, 100.
Gráfica de Correlación – 103.
Gráfica de Corridas – 30, 101.
Gráficas de Control – 7, 48, 81, 85.
Gráficas de Errores – 105.
Gráficas X-Y – 107, 108.
Guía para la Expresión de la Incertidumbre de las Mediciones (GIM) – 63.
H
Habilidad (de un Sistema de Medición) – 6, 7, 16.
Habilidad de Largo Plazo – 198.
Histograma – 82, 84, 106, 198.
I
Impulso (cambio) (ver Estabilidad) – 5, 50.
Incertidumbre – 4, 8, 9, 42, 57, 60, 62-63.
Interacciones – 2, 3, 79, 103-4, 115-120, 180-184, 198.
J,K
L
Límites de especificación – 14, 17.
Límite Inferior de Control (LCL o LIC) – 109.
Límite Inferior – 132, 133, 135, 165.
Límite Superior de Control (LSC o UCL) – 109, 171.
Linealidad – 6, 16, 50, 52, 76, 82, 88-91, 148, 198.
Lo Medido – 60, 62, 198.
221
Índice
M
Mantenimiento – 7, 24, 25, 29, 30, 32, 35, 37, 51, 54, 56, 69, 87.
Master – 2, 23, 25, 29, 30, 32, 35, 42, 51, 54, 56, 68, 80, 82, 194.
Meta – 9, 18, 21.
Medio Ambiente – 36.
Método Analítico – 132
MMC – 13, 23, 58.
Modelo Aditivo – 181
Método de Análisis de Riesgos – 122.
Modelo de Errores P.I.S.M.O.E.A. – Apéndice F- 193.
N
NBS (Oficina Nacional de Estándares) – 8.
NIST (Instituto nacional de Estándares) – 8, 9, 32, 44.
NMI (Instituto Nacional de Mediciones) – 8, 9, 44.
No Replicable - 140, 141, 144, 145, 148, 199.
O, P
Planear-Hacer-Estudiar-Actuar (PHEA) – 66.
Precisión – 6, 53, 60, 70, 199.
Promedio – 95, 98, 107, 155.
Proporción o Razón de Error, 17, 127, 129.
Prueba Destructiva – 140 – 141.
Q, R
R&R (ver Repetibilidad y Reproducibilidad de Gages o RRG).
Rango – 47.
Rango de Operación – 5, 7, 51, 53, 72, 73, 84, 88, 90.
Rango de Tolerancia – 185, 189.
Rastreabilidad – 8, 9, 63.
Regla 10 a 1 (10 a 1) – 44.
Regla del 10 – ver Regla 10 a 1.
Repetibilidad – 6, 49, 53, 57, 60, 61 (y Sesgo), 81, 83, 92-115, 137, 142, 148, 173, 199.
Repetibilidad de Gages (RG) – Apéndice D, 190.
Repetibilidad y Reproducibilidad de Gages (RRGs) – 6, 33, 56, 57, 63, 120, 147, 171.
Replicable – 140, 199.
Reproducibilidad – 6, 16, 54, 55, 56, 92-115, 163, 173, 200.
Resolución – 5, 14, 40, 44, 45, 46, 74, 88, 200.
Resolución:
Aparente – 47, 200.
Efectiva – 5, 14, 37, 40, 45, 47, 200.
Riesgo del Consumidor – 17.
222
Índice
S
Sensibilidad – 5, 7, 13, 37, 40, 45, 47, 53, 83, 87, 201.
Sesgo – 5, 49, 52, 61, 82 – 87.
Sistema de Medición – iii, 2, 3, 4, 5, 7.
S.W.I.P.E. – 14.
T
Tolerancia – 13, 23, 31, 40, 47, 72, 76, 115, 123, 201.
Tolerancias y Dimensionamiento Geométrico (T&DG) – 29, 153.
U
Uniformidad – 7, 16, 53, 57, 58, 59.
V
Valor de un Master – 3, 43.
Valor Observado – 18, 105, 106.
Valor de Referencia – 4, 5, 8, 10, 43, 44, 49, 80, 81, 82, 105, 132-136, 142, 163, 201.
Valor Verdadero – 4, 5, 7, 10, 41, 44, 63, 157, 201.
Variación – 5, 6, 7, 11, 13, 16, 18, 19, 24, 40, 46, 49, 51, 57, 65, 72.
Variación del Equipo (VE) – 6, 53 (ver Repetibilidad).
Variación Dentro de las Partes – 54, 93, 121, 153.
Variación de los Evaluadores (VU) – 6, 107, 181.
Varianza Observada del Proceso – 18.
VIM (Vocabulario Internacional de Términos Básicos y Generales de Metrología) – 8, 58.
W, X, Y, Z
223
Índice
224
Retroalimentación
Proceso de Retroalimentación del Usuario del Manual MSA
Consistente con el proceso de mejoramiento continuo, este manual de análisis de sistemas de
medición (msa) de la industria automotriz está siendo sujeto a un proceso de revisiones periódicas y
formales. En conjunto con el concepto de satisfacción de los clientes, estas revisiones no solo
acarrean consideraciones sobre cambios en requerimientos que apliquen de fabricantes de
vehículos y de año a año, sino también de retroalimentación de usuarios del manual para propósitos
de hacerlo de mas valor agregado y efectivo a la industria automotriz y a las comunidades de
usuarios. Al mismo tiempo, favor de sentirse libre de ofrecer, por escrito, sus comentarios de
retroalimentación, pros y cons, relativos a la facilidad de entendimiento del manual, “facilidad hacia
el usuario”, etc., en las áreas indicadas abajo. Por favor indique los números de páginas específicos
del manual cuando sea apropiado. Enviar su retroalimentación a la dirección indicada abajo:
Su Nombre
Representando
Nombre de la Compañía/División
Dirección
Teléfono ( )
Por favor liste sus tres clientes automotrices mas importantes y su localización.
Enviar Comentarios a:
Automotive Industry Actino Group
Suite 200
26200 Lahser Road
Southfield, Michigan 48034
MSA, 3a Revisión.
225