INTEGRANTES:

MARÍA VALENTINA MARRUGO GÓMEZ

JUAN SEBASTIAN GUARDO MUÑOZ
PROGRAMA DE INGENIERÍA INDUSTRIAL

QUALITY CONTROL – STUDY R&R

1. IDENTIFICACION DE PRODUCTO ( ñame)

En este experimento, se realizó la búsqueda de un producto que alguno de los estudiantes tuviera en
su casa y que se repitiera 10 veces, por lo cual se seleccionó el ñame diamante. La variable que se
utilizara es la anchura en la parte central del ñame.

1
Área medida

Ilustración 1 - Área a medir del ñame (Imagen propia)

2. INSTRUMENTO DE MEDICIÓN
Para esta medida se utiliza un metro con cinta blanda, y la unidad es cm, lo que
facilita la adaptación a la forma del ñame , por lo que tiene una mayor eficiencia y
precisión en la medida

Ilustración 2 - Cinta métrica (Imagen propia)

3. OPERARIOS
Operario 1: (Marja) Mujer adulta con 45 años , no sufre de la vista pero comenta que tenia
dificultad al medir.
Operario 2: ( Valentina ) Mujer de 20 años, sufre de la vista con miopía y astigmatismo. 2

Operario 3: (Luz elena) Mujer de 36 años, sin problemas de la vista.

PROCESO
Luego de tener los 10 ñames se procedió a un proceso de enumeración del 1-10 marcando los
ñames encima con marcador permanente. Se llamo a los operarios y se les explico lo que debían
hacer , posterior a este se organizaron aleatoriamente e inicio la medición del operador 1, es
necesario decir que el proceso debía repetirse 3 veces.
Al finalizar la primera medición de los 10 plátanos se reorganizó el orden de estos de forma
aleatoria, para que el operador 2 y 3 no se dieran cuenta, cada uno volvió a medir realizando el
debido procedimiento 3 veces para así poder analizar las diferentes medidas y comportamientos.

4. ANALISIS DE RESULTADOS
 Gage Repeatability and Reproducibility Data Collection Sheet
Part No. & Name: 123456, Shaft Gage Name: Shaft Gage Date: 1/1/80
Characteristics: Outside Diameter Gage Number: 1234 Performed by: BOB
Specifications: 25 plus or minus 5 Gage Type: Indicator

Upper Spec 30 # of Trials = 3 K 1 = 0,5908 Xbar diff = 0,316667 D4= 2,58

Lower Spec 20 # of appraisers = 3 K 2 = 0,5231 Rbarbar = 1,24 R p = 0,6333333
Total Tol 10 # of parts = 10 K 3 = 0,3146

Part
Appraiser/Trial # Average
1 2 3 4 5 6 7 8 9 10
A 1 13,3 13 12,5 12,5 12 11,8 13,5 13,2 11,8 12 12,56
2 13,5 13 12,9 12,3 12,5 11,3 13 14,5 12 11,8 12,68
3 13,3 13,4 12,1 13 11 13,2 12,7 12,8 13 12,4 12,69
Average 13,36667 13,13333 12,5 12,6 11,83333 12,1 13,06667 13,5 12,26667 12,06667 Xbar a = 12,64333
Range 0,2 0,4 0,8 0,7 1,5 1,9 0,8 1,7 1,2 0,6 Rbar a = 0,98
B 1 13,2 12,4 11,6 12 12,5 13 12,8 11 12,4 13,2 12,41
2 12 12,7 13,2 12,5 12,3 11,3 12 11,4 12,7 12,4 12,25
3 11 12,9 12,8 12,6 13,4 12,6 11 11,5 12,4 13 12,32
Average 12,06667 12,66667 12,53333 12,36667 12,73333 12,3 11,93333 11,3 12,5 12,86667 Xbar b = 12,32667
Range 2,2 0,5 1,6 0,6 1,1 1,7 1,8 0,5 0,3 0,8 Rbar b = 1,11
C 1 12 11,3 13 13,6 12,1 13,2 11 13,2 12,4 12,9 12,47
2 13,5 12,9 11,4 11,6 12,5 11.5 12 11,3 13,5 11 12,18888889
3 12,2 13,7 11,9 12,7 13,5 12,4 12,6 11,9 13,2 10,9 12,5
Average 12,56667 12,63333 12,1 12,63333 12,7 12,8 11,86667 12,13333 13,03333 11,6 Xbar c = 12,40667
Range 1,5 2,4 1,6 2 1,4 0,8 1,6 1,9 1,1 2 Rbar c = 1,63
Xbarbar = 12,4521
Part Average 12,66667 12,81111 12,37778 12,53333 12,42222 12,35 12,28889 12,31111 12,6 12,17778
Rp = 0,633333 3
[(Rbar a = 0,98 + Rbar b = 1,11 + Rbar c = 1,63) / # of appraisers = 3] = Rbarbar Rbarbar = 1,24
(Max Xbar = 12,6433333333333) - Min Xbar = 12,3266666666667) = Xbar diff Xbar diff = 0,316667
(Rbarbar = 1,24) x (D4 = 2,58) = UCL R UCL R = 3,1992

Ilustración 3 - Recopilación de datos (Repetibilidad y Reproducibilidad)

El ñame es ampliamente conocido, es un producto agrícola que se consume en grandes

cantidades en Colombia, el cual no tiene una medida ni forma definida, lo que nos
demuestra que en cada prueba, nos saldrán medidas diferentes, sin embargo se observa
que la medida máxima del intervalo de medición es de 13,7 cm y el valor mínimo es de 11
cm.
Ahora bien, si observamos los resultados de “Xbar” por operario, parecería que los 10 plátanos
tienen medidas de 5,5 cm (Aprox. 6 cm) de ancho en su centro, puesto que el operador 2 y 3
tuvieron medidas similares a comparación del operador 1, que posiblemente tuvo errores de
medición por el problema de visión que presenta. Más adelante podremos observar con claridad en
la carta de control R la variabilidad del proceso.
 Measurement Unit Analysis % Total Variation
Repeatability - Equipment Variation (EV) Percent Equipment Variation
EV = (Rbarbar) x (K1) %EV = 100 [ EV / TV ]
= (1,24) x (0,5908) Trials K1 = 100 [0,7326 / 0,7655 ]
= 0,7326 2 0,8862 = 95,702 %
3 0,5908
Reproducibility - Appraiser Variation (AV) Percent Appraiser Variation
AV = SQRT{(Xbar diff x K 2)^2 - (EV/[(# parts) x (# trials)])} %AV = 100 [ AV / TV ]
= SQRT(0,0274 - 0,0179) = 100 [0,0977 / 0,7655 ]
= 0,0977 Appraisers 2 3 = 12,763 %
K2 0,7071 0,5231
Repeatability & Reproducibility (GRR) Percent Gage Repeatability & Reproducibility Variation
GRR = SQRT[ (EV^2) + (AV^2) ] %GRR = 100 [ GRR / TV ]
= SQRT [ 0,5367 + 0,0095 ] = 100 [0,7391 / 0,7655 ]
= 0,7391 = 96,551 %

Part Variation (PV) Parts K3 Percent Part Variation

PV = Rp x K3 2 0,7071 %PV = 100 [ PV / TV ]
= 0,1992 3 0,5231 = 100 [0,1992 / 0,7655 ]
4 0,4467 = 26,022 %
Total Variation (TV) 5 0,403
TV = SQRT[ (GRR^2) + (PV^2) ] 6 0,3742 Number of Distinct Categories that can be Distinguished
= SQRT [0,5463 + 0,0397 ] 7 0,3534 ndc = 1.41( PV / GRR )
= 0,7655 8 0,3375 = 1.41 (0,1992 / 0,7391 )
9 0,3249 = 0,380 or approximately: 0
10 0,3146

Ilustración 4 - Reporte de % de variación (Repetibilidad y Reproducibilidad)

Este reporte observado en la (Ilustración 4) muestra que existe una variabilidad baja de 29,128%,
pero de igualmente evidente si es evaluada por operador. Por lo tanto, para un estudio de
repetibilidad este sistema no seria del todo eficiente. Si hablamos de la reproducibilidad del 4
experimento las dos últimas personas son quienes más tienen resultados similares, es decir, que para
un futuro estudio lo mejor sería mantener estas dos personas para que realicen las mediciones.

Ilustración 5 - Carta de rango por operario

 Ilustración 6 - Carta Xbar por operario

Ilustración 7 - Interacción entre operarios

De acuerdo con las gráficas observadas, según la (Ilustración 5) notamos una mayor variación entre
el operario 1 contra los operarios 2 y 3. Como se ha mencionado desde el inicio del estudio, el
primer operario tiene una condición que le dificulta ver correctamente y sumado a eso su edad, son
dos características que no le favorecen al momento realizar el experimento con la menor cantidad
de errores posibles. La (Ilustración 7) soporta la primera premisa, puesto que se nota que el
experimento fue demasiado similar entre los operarios 2 y 3 (A pesar de que el operario 2 trabajó
con incomodidades).
Si nos dirigimos a la carta Xbar (Ilustración 6), se logra ver la definición de los limites aproximados
a la forma en como se habían planteado desde el inicio del trabajo y que fue rectificada con los
resultados de la (Ilustración 3). Además, vemos que varios puntos estan fuera de las
especificaciones, esto se debe a que son causas asignables del experimento como por ejemplo el 2
operario estuvo trabajando de manera incomoda y el 1 no logró realizar la tarea correctamente por
su condición.
Para el presente estudio los resultados arrojados puede que no sean un problema, ya que los
plátanos tenían no un estándar prefijado para determinar que estaban cumpliendo con las
especificaciones del ancho en su centro. No obstante, si movemos el tema a un ámbito comercial,
puede que las especificaciones de los clientes cambien y se tengan que cumplir ciertos parámetros
para realizar un proceso con menos variabilidad y que cumpla con las especificaciones.

CONCLUSIÓN
Este estudio demostró la importancia que tienen algunas de las cartas de control para determinar si
un proceso en específico está desarrollándose de forma correcta o si en su defecto, se estan
presentando altas variaciones e imprevistos que hacen que un producto no cumpla con las
especificaciones. Se observó y se logró demostrar que el experimento de medir el area central de
varios plátanos verdes no solo están sujetos a condiciones implícitas del producto sino también del
operador.
Estás condiciones causan variabilidad en el proceso y proporcionan información para la resolución
de problemas relacionados con el desarrollo de este. De igual forma, el producto escogido no tenía
un estándar prefijado para determinar si estaba cumpliendo con las especificaciones, pero se logra
recrear la idea de como funcionaría este proceso de replicabilidad.
Hay que tener claro que todo proceso estadístico relacionado con el control de la calidad siempre
tendrá un margen de error, ningún proceso es perfecto y por lo tanto se debe dejar la puerta abierta
ante circunstancias irregulares. También, todo experimento debe tener muy clara la variable de
estudio y los parámetros estadísticos a calcular, ya que estos servirán para recolectar datos y 6
analizarlos y así proporcionar ideas de lo que sucedería en situaciones de la vida real.