M7029 Spanish A

M7029_Spanish
Manual Edición : A
Análisis del Sistema de Medición, Gage

R&R
<SUMMARY_BEGIN>SUMM ARY :
OBJETIVO :
El presente Manual describe las características de Sistemas de medición robustos, cómo detectar algunas
desviaciones de dichas características a través del muestreo y de pruebas estadísticas, qué hacer en caso
de que los Sistemas de medición analizados necesiten mejoras, además de contener funciones y
responsabilidades adecuadas para este enfoque.
ÁMBITO DE APLICACION :
El presente Manual es aplicable a todas las funciones que utilizan mediciones o evaluaciones (por ejemplo,
las inspecciones) con objeto de garantizar que las características de su producto cumplen los requisitos
especificados, el proceso se encuentran bajo control o cualquier otro objetivo en el que las mediciones
sean un componente clave de los procedimientos de gestión de la calidad de dichas funciones.
<SUMMARY_END>
Aprobación del Titular : Autorización :
Nombre : KERAULT Jacques Nombre : ALBIAC MURILLO Pilar

Función : M&P Process Maturity - TMDAZ Función : Head of Quality and Lean
Improvement - Q
© AIRBUS S.A.S. 2012. TODOS LOS DERECHOS RESERVADOS. DOCUMENTO EXCLUSIVO Y CONFIDENCIAL.
Q10_Manual_FM0400730_v2.3_Spanish Las Copias Impresas no están controladas. Confirmar que esta es la última edición disponible a través del Portal.
Página 1 de 94

Análisis del Sistema de Medición, M7029_Spanish

Gage R&R Edición : A
INDICE
1 Preámbulo - Prerrequisitos de Conocimiento para MSA GR&R ...........................................4
2 Introducción .........................................................................................................................5
2.1 Motivos ................................................................................................................................5
2.2 Definición .............................................................................................................................5
2.3 Objetivos ..............................................................................................................................6
2.4 Ventajas ...............................................................................................................................6
2.5 Alcance ................................................................................................................................6
3 Condiciones de Uso .............................................................................................................7
3.1 Metodología .........................................................................................................................7
3.2 Cuándo Realizar un MSA GR&R..........................................................................................7
4 El Sistema de Medición ........................................................................................................8
4.1 Variación del Proceso ..........................................................................................................8
4.2 Sistemas de Medición Continuos y Discretos .......................................................................9
4.3 Sistemas de Medición Válidos .............................................................................................9
5 Análisis del Sistema de Medición, Método de Calibre R&R ................................................11
5.1 Roles y Responsabilidades ................................................................................................11
5.2 Paso 1 - Plan para MSA GR&R .........................................................................................14
5.3 Paso 2 - Comunicar los Objetivos para el MSA GR&R Actual ............................................15
5.4 Paso 3 - Comprender el Proceso y el Dispositivo de Medición ...........................................15
5.5 Paso 4 - Diseñar la Prueba MSA GR&R ............................................................................17
5.5.1 Selección de Piezas y Número de Piezas .....................................................................17
5.5.2 Selección del Operario ..................................................................................................18
5.5.3 Ensayos y Recopilación de Datos .................................................................................19
5.6 MSA Gage R&R de Variable y Atributos ............................................................................20
5.7 MSA Gage R&R para Datos Variables ...............................................................................20
5.7.1 Paso 5 - Ejecutar la Prueba MSA Gage R&R ................................................................20
5.7.2 Paso 6 - Analizar los Resultados de MSA Gage R&R ...................................................21
5.7.3 Paso 7 - Identificar Posibles Causas, Traducir Resultados en Decisiones
Apropiadas ....................................................................................................................40
5.8 MSA GR&R para Atributos .................................................................................................43
5.8.1 Paso 5 - Ejecutar la Prueba MSA Gage R&R ................................................................43
5.8.2 Estudio Binario : Analizar los Resultados de MSA Gage R&R .......................................44
5.8.3 Estudio Binario : Paso 7 - Identificar Posibles Causas, Traducir Resultados en
Decisiones Apropiadas ..................................................................................................50
Las Copias Impresas no están controladas. Confirmar que esta es la última edición disponible a través del Portal.
Página 2 de 94


5.9 Paso 8 - Evaluar los Riesgos .............................................................................................51

5.10 Paso 9 - Preparar un Análisis de Costes y Beneficios ........................................................51
5.11 Paso 10 - Mejorar el Sistema de Medición y volver a realizar la prueba .............................52
5.12 Paso 11 - Registrar el MSA GR&R.....................................................................................53
6 MSA Gage R&R Reactivo ..................................................................................................54
7 Referencias Estadísticas ....................................................................................................55
8 Documentos de Referencia ................................................................................................56
9 Glosario .............................................................................................................................56
Apéndice A. Mapa de Proceso de MSA Gage R&R ....................................................................61
Apéndice B. Constantes para Gráficos de Control ......................................................................64
Apéndice C. Bases Matemáticas para Xbar y Rango y ANOVA GR&R ......................................69
Apéndice D. Ejemplos en Minitab ...............................................................................................78
Apéndice E. Causas Raiz Raíz Típicas en la Variabilidad de los Sistemas de Medición .............93
Colaboradores ...............................................................................................................................94
Traducción Aceptable para Despliegue en la Lengua Local ..........................................................94
Registro de las Revisiones ............................................................................................................94
Página 3 de 94


1 Preámbulo - Prerrequisitos de Conocimiento para MSA GR&R

Conocimiento en los siguientes temas es un prerrequisito para comprender los métodos
explicados en las siguientes secciones :
Estadística
− Estadística básica (concepto de desviación típica, media y rango)
− Distribuciones estadísticas del proceso
− Datos continuos y discretos
− Variación del proceso
− Capacidad de proceso
− Recopilación de datos
− Tamaño de la muestra
− Aleatoriedad
− Método de rango para estimación de parámetros
− Concepto de diseño de experimentos
− Concepto de grados de libertad
− Intervalos de confianza
− SPC : Gráficos de control
Teoría del proceso
− Plan de control
− Mapeo básico de procesos
− Mejora del proceso básica (Resolución práctica de problemas - "PPS")
− Kepner Tregoe
− Gestión de proyectos básica
Página 4 de 94


2 Introducción
El objetivo del presente documento es proporcionar una metodología de referencia para la
evolución de la estabilidad, repetibilidad y la reproducibilidad del error del sistema de
medición, y proporcionar una guía para la resolución de las desviaciones respecto del
comportamiento aceptable del sistema de medición, en caso de hallarse.
2.1 Motivos
La cultura de la calidad ha evolucionado alrededor de la consciencia de "El Proceso" :
Supervisión del proceso, Mejora del proceso y Control estadístico del proceso, por ejemplo.
Las mediciones son un componente importante de cualquiera de estas acciones o
evaluaciones basadas en el proceso.
A pesar de ello, con frecuencia no se presta atención en la industria al comportamiento de los

procesos de medición. Normalmente se asumen que son estables, exactos y precisos de
forma constante y de facto, y se tiende a olvidar que los instrumentos de medición disponen
también de piezas que necesitan un mantenimiento, y muy importante : las personas que
llevan a cabo las mediciones necesitan también tener sus conocimientos actualizatos y contar
con métodos de medición equivalentes.
Las mediciones son componentes de importancia crítica de cualquier evaluación de la calidad,

son la base para la toma de decisiones sobre las piezas y los procesos que las producen. Si
las mediciones se toman con sistemas de medición inadecuados, el impacto sobre el
comportamiento comercial puede resultar drástico. Piezas aceptables pueden resultar
rechazadas o reparadas, mientras que piezas que no cumplen con los requisitos del cliente
podrían ser aceptadas. Además, podrían tomarse decisiones erróneas y costosas que
derivaran en actividades de mejora del proceso innecesarias ; o podrían ocultarse o pasar
desapercibidas las causas raiz raiz críticas de un esfuerzo de mejora del proceso.
2.2 Definición
El manual de MSA GR&R (Measurement System Analyis Gage R&R o Análisis del sitema de
medición, estudio de repetibilidad y reproducibilidad) es una colección de herramientas
estadísticas que proporcionan los medios necesarios para evaluar la estabilidad, la
repetibilidad, la reproducibiliad, así como el sesgo del operario. Está vinculado a un plan MSA
GR&R en el que se da prioridad a las pruebas MSA a realizar, e incluye la identificación de las
causas raiz y la ejecución de un plan de acción reactivo cuando se encuentran desviaciones
respecto a los niveles aceptables de error del sistema de medición.
Un sistema de medición es el proceso de medición y consta principalmente de la combinación

de herramientas (dispositivos de medición) y personas. Al igual como con cualquier proceso
incluye entradas, salidas, defectos y variación.
Página 5 de 94


2.3 Objetivos
Los objetivos de análisis del sistema de medición R&R son :
− Garantizar que las mediciones reunidas representen el comportamiento verdadero
del proceso medido y garantizar una toma de decisiones sólida basada en las
mediciones realizadas mediante sistemas de medición capaces, mediante :
• el aislamiento y la cuantificación de fuentes de variación en un proceso de
medición,
• identificación y eliminación de las causas raiz de los promotores de la variación
inaceptable de la medición.
2.4 Ventajas
Una validación temprana y periódica del sistema de medición proporciona las siguientes
ventajas :
− información fidedigna y fácil de entender acerca del comportamiento del sistema de
medición,
− la reducción de riesgos y costos en la toma de decisiones errónea acerca de
productos conformes o no conformes,
− mayor satisfacción en el cliente (gracias a la reducción del "riesgo del cliente", y los
retrasos debido al "riesgo del productor"),
− enfoque preventivo sobre el correctivo (para un plan proactivo de MSA GR&R),
− mayor conocimiento sobre los sistemas de medición existentes y de última
generación.
2.5 Alcance
El enfoque propuesto en el presente documento es proactivo : El Plan de Control menciona
las características a controlar en un producto y su proceso de fabricación asociado ; desde él
el Plan de MSA GR&R establece para cuál de estas puede y debe llevarse a cabo una prueba
de capacidad de medición, y luego cada prueba GR&R concreta se lleva a cabo y se aplica.
Sin embargo, este material también puede usarse para otras pruebas del sistema de medición
(proactivas o reactivas), incluso cuando una operación no cuenta con todos los actores del
proceso, o algunas de las herramientas mencionadas en este Manual (por ejemplo, plan de
control, Plan de MSA GR&R o Montaje asistido por medición - MAA).
Los ejemplos utilizados para ilustrar la metodología proceden de un entorno de fabricación,

pero la metodología en sí también puede aplicarse en entornos transaccionales o
comerciales.
Página 6 de 94


3 Condiciones de Uso
3.1 Metodología
Los métodos explicados en el presente documento se aplican a procesos de medición
definidos (a punto de implementarse o totalmente aplicados). Intentar validar procesos de
medición que no hayan sido totalmente definidos y acordados por todas las partes que
normalmente tienen algo que decir sobre la definición de un proceso de medición (es decir,
Ingeniería de diseño, Gestión de medición, Especialistas en medición, así como las áreas de
fabricación y Calidad), sólo llevaría a costes innecesarios y resultados inestables (ya que un
proceso no totalmente definido ni estandarizado es, por inevitablemente inestable a corto y
largo plazo).
Los prerrequisitos de los enfoques estadísticos utilizados aquí son que todas las variables que
desempeñan un papel en la variación de medición son aleatorias, independientes y
normalmente distribuidas ; las mediciones puede repetirse en una misma pieza varias veces
(no adecuado para ensayos destructivos) ; y dentro de la parte la variación es despreciable
(es decir que, las características de la pieza son constantes a lo largo del tiempo y en todas
las dimensiones de las piezas). Si el sistema de medición está sujeto a situaciones más
complejas o inusuales no discutidas en este material, se recomienda consultar los recursos
estadísticos avanzados aplicables (consulte la lista de referencias).
Se asume también que no está disponible ninguna información histórica sobre los parámetros
de variación del proceso de producción natural (desviación típica, media o comportamiento
estadístico a lo largo del tiempo). Estos parámetros se calculan a partir de los datos de
muestra utilizados para los estudios.
3.2 Cuándo Realizar un MSA GR&R

• Cada vez que se haya diseñado o modificado un sistema de medición (la prueba puede
verse como la acción piloto para este nuevo Sistema de medición) (por ejemplo en
condiciones de laboratorio).
• Cuando se incorpora a la producción un nuevo proceso de medición.
• Cuando las medidas acumuladas apuntan a problemas recurrentes que activan acciones
de corrección y administrativas costosas (es decir, no conformidades en fabricación y
diseño, con impacto de la cadena de aprovisionamiento o socios).
• Periódicamente para los sistemas de medición de pruebas funcionales clave que, en caso
de realizarse inadecuadamente podría suponer un reproceso masivo en fases posteriores
(por ejemplo GTIs).
• Periódicamente para afrontar la rotación de personal de medición (es decir, operarios de
medición experimentados que se cambian a organización).
Página 7 de 94


4 El Sistema de Medición
4.1 Variación del Proceso

Una medida describe la cantidad, capacidad o comportamiento de un producto, proceso o
transacción, con base en datos observables.
Las mediciones registradas a la o largo del tiempo mostrarán cierta variación. La variación se
clasifica en tres categorías generales : variación aleatoria simple diaria (variación esperada),
un cambio en el proceso que cambia la distribución de las salidas (variación del proceso), o
cambios en el sistema de medición (variación del sistema de medición).
Variación del Variación de la Variación
proceso medición total
+ =
Figura 1
Si, tal como se muestra en la Figura 1 la mayor parte de la variación en el resultado de un

proceso proviene del proceso principal, y la variación del sistema de medición es marginal,
entonces el proceso necesita corregirse.
Variación del Variación de la Variación
proceso medición total
+ =
Figura 2
Sin embargo, si, tal como se ilustra en la Figura 2, la mayor parte de la variación se debe al
sistema de medición, pueden activarse costosas acciones correctoras para el proceso que no
son necesarias en absoluto.
La variación del proceso de medición, como la de todos los demás procesos, debe conocerse
para poder controlarse y mantenerse en su nivel más bajo posible.
Página 8 de 94


4.2 Sistemas de Medición Continuos y Discretos

Las mediciones de salida de un sistema de medición serán datos de tipo continuo o discreto.
Los valores continuos pueden medirse en cualquier valor de resolución (son posibles infinitas
subdivisiones). Los ejemplos son, tiempo, dinero, peso y longitud ; y sus instrumentos de
medición "variables" podrían ser el cronómetro, el contador de billetes, la balanza y una regla.
Los datos discretos solo pueden disponer de un número pequeño de valores. Entre los
ejemplos podríamos incluir : aprobado o no aprobado, realizado o no realizado, muy mal, mal,
bueno o muy bueno, tipo de defecto 1, tipo de defecto 2 o tipo de defecto 3. En resumen, los
datos discretos no pueden refinarse a una resolución infinita. Los instrumentos discretos o de
"atributos" normalmente son piezas "maestras" que se supone que presentan dimensiones
esperadas de la pieza y que se emplean para "ajustarlas" en ella para una rápida decisión de
"aceptado" o "rechazado". Entre los ejemplos de este tipo están los instrumentos cilíndricos
con extremo Pasa/No pasa. Los atributos pueden ser también cosas menos tangibles, tales
como criterios escritos, instrucciones o acuerdos que establezcan las bases para la
comparación de piezas de acuerdo con ciertas características (por ejemplo si existen más de
tres arañazos, el producto será desechado).
Los calibres de variable disponen de mayor resolución y por ello sus datos de salida son más
valiosos para los análisis estadísticos, de modo que siempre que el presupuesto lo permita, el
sistema de medición implementado deberá ser continuo ; es decir en lugar de realizar un
seguimiento de las entregas de piezas "a tiempo" o "retrasadas", la operación debería medir
exactamente el periodo de entrega (días, horas, minutos).
El tipo de Análisis del sistema de medición a llevar a cabo depende del tipo de datos que se
midan, tal como se explicará en la sección 5.6.
4.3 Sistemas de Medición Válidos

Las medidas reunidas a través del sistema de medición deben representar, con la mayor
fidelidad posible, la pieza o proceso que se mide. Para que un sistema de medición sea capaz
de hacer esto, y así considerarse válido, debe cumplir con las siguientes características :
− Disponer de una recopilación de mediciones oportunas y lógicas : La mediciones se
toman en un momento significativo, de una forma que tiene sentido para la
operación.
− Fiabilidad : Las mediciones capturadas no sufren cambios debido a la transcripción
de los datos, transferencias, procesado, extracción o extrapolación (es decir, no se
pierde ni cambian los datos si la información se migra de un sistema al otro).
− Control estadístico : Si consideramos que un sistema de medición es un proceso
cuyas salidas son las mediciones, debe estar bajo control estadístico, al igual que
cualquier otro proceso. Su comportamiento debe ser predecible y estable.
− Exactitud (linealidad y sin sesgos) : El promedio de mediciones/evaluaciones (o la
mayoría de evaluaciones si se emplea un calibre de atributos) representa el valor
verdadero (maestro o estándar conocido) de lo que se mide a lo largo del tiempo. La
exactitud es lineal cuando la diferencia promedio en la exactitud a lo largo del
dominio del calibre es la misma.
− Repetibilidad (componente de la precisión) : Las sucesivas mediciones/evaluaciones
de la misma característica realizadas por la misma persona o equipo producen el
mismo valor, todas las veces.
Página 9 de 94


− Reproducibilidad (componente de la precisión) : Las sucesivas mediciones/

evaluaciones de la misma característica realizadas por personas o equipos diferentes
producen el mismo valor, todas las veces.
− Resolución adecuada : Los incrementos en el sistema de medición deben ser una
décima parte de la variación de la especificación del producto o el proceso en el caso
de calibres de variables. Para calibres de atributo, las categorías deben ajustarse lo
suficiente como para representar características claramente identificables y
separadas.
Si el sistema de medición cumple satisfactoriamente dichas características, éstas se
convierten en origen de variación no deseada. Debido a que pueden presentarse
simultáneamente muchos problemas, existen varios métodos estadísticos que ayudan a aislar
y cuantificar los orígenes de la variación. Estos métodos confían en los datos de muestra y en
cierto grado de experimentación (variación de las fuentes más comunes de variación para los
sistemas de medición).
De entre las características enumeradas, el presente manual explica cómo evaluar el control
estadístico, la repetibilidad y la reproducibiliad y vierte algo de luz sobre la lo adecuado de la
resolución del sistema de medición. Los métodos para evaluar y garantizar la exactitud a corto
y largo plazo frente a las normas conocidas, las directrices procesos de calibración, las
normas de calibración a usar y otros temas relacionados con la exactitud, quedan fuera del
ámbito del presente manual, pero pueden consultarse en la documentación relativa a la
Calibración.
Página 10 de 94


5 Análisis del Sistema de Medición, Método de Calibre R&R

Según lo indicado anteriormente, el proceso para MSA G&G es mucho más que una simple
calibración y Gage R&R. Una estrategia funcional para garantizar una capacidad sostenida
del sistema de medición debe incluir :
− Un plan oportuno sobre los sistemas de medición prioritarios para cada producto y su
proceso de producción apropiado,
− la familiarización con las mediciones tomadas, el proceso de medición y los
instrumentos de medición,
− una ejecución de la prueba muy atenta y limpia,
− un análisis e interpretación robustos
− y algo de importancia crítica : formas definidas de actuar en función de los hallazgos
y de garantizar la mejora continua del sistema de medición. Unos análisis muy
buenos son un desperdicio si el conocimiento generado no se traduce en planes de
acción de mejoras, y las acciones no se llevan a cabo.
Los pasos metodológicos para lograr los objetivos anteriormente mencionados son los
siguientes :
Paso 1 - Plan para MSA GR&R
Paso 2 - Comunicar los objetivos para el MSA GR&R actual
Paso 3 - Comprender el proceso y el dispositivo de medición
Paso 4 - Diseñar la prueba MSA GR&R
Paso 5 - Ejecutar la prueba MSA Gage R&R
Paso 6 - Analizar los resultados de MSA Gage R&R
Paso 7 - Identificar posibles causas, traducir resultados en decisiones apropiadas
Paso 8 - Evaluar riesgos (si MS no es conforme)
Paso 9 - Preparar un análisis de costes y beneficios
Paso 10 - Mejorar el sistema de medición y volver a realizar la prueba
Paso 11 - Registrar el MSA GR&R
5.1 Roles y Responsabilidades

Los siguientes roles y responsabilidades que cubren los pasos anteriormente mencionados
deben compartirse entre los equipos de Fabricación, Ingeniería de Fabricación, Calidad,
Gestión de la medición, Ingeniería y finalmente Compras (si el sistema de medición debe
cambiarse):
Líder del MSA Gage R&R
Este es el actor del proceso a cargo de la coordinación del estudio en marcha, de reunir los
objetivos, diseñar las pruebas, analizar los resultados, moderar indentifición de causas raiz y
la identificación de las acciones, y es el dueño de la del informe GR&R (FM1104083). Esta
persona debe disponer de un robusto conocimiento de metrología, estar formado en los
conceptos y habilidades estadísticas básicas mencionadas al inicio del presente manual, así
como en las metodologías explicadas en el mismo.
Página 11 de 94


Su principal responsabilidad es garantizar la calidad de los resultados de la prueba y de las

decisiones tomadas a partir de los datos analizados, y debe poder identificar, controlar,
corregir o modificar la prueba con objeto de evitar violaciones de los prerrequisitos
estadísticas y no estadísticas que hacen válidos los estudios MSA GR&R (por ejemplo,
mestadísticas : pruebas aleatorias e independientes, estabilidad estadística, asunciones
acerca de El manuallidad ; no estadísticas : calibración, restricciones operativas, leyes
físicas).
También debe identificar si el método Gage R&R es el adecuado para situaciones complejas
no descritas en este manual y debe poder adaptar las partes del método si fuera posible.
Equipo multifuncional (Equipo MFT)
El equipo está compuesto por diversos actores a cargo del proceso de medición, trabajan en
él, prestan de los equipos de medición, toman de decisiones sobre su diseño, o están a cargo
de su validación. Está compuesto por miembros de todas las organizaciones descritas en esta
sección. Cualquier otra persona ajena a estas áreas, pero relevante para una prueba concreta
deberá estar incluida.
La responsabilidad del equipo es decidir sobre el plan MSA Gage R&R, proporcionar o buscar
información para la prueba, participar en las reuniones de planificación, análisis de causas
raiz, y decidir y tomar acciones en referencia al plan de acción.
Dueño de la operación (de producción)
El duenó de de la operación es el principal responsable de la sede en la que se producen las

piezas (o transacciones) medidas. Su principal interés es que los sistemas de medición que
sirven para controlar y evaluar la calidad de sus productos (resultantes de sus procesos de
producción) sean válidos, y que se mejoren los sistemas de medición incapaces.
Es responsable de apoyar la ejecución de las pruebas GR&R, la completa implementación de

las mejoras identificadas y el cumplimiento de los procesos de medición mejorados.
Operarios, evaluadores o inspectores
Los tres nombres se utilizan en el presente manual y en los materiales estadísticos de

referencia para las personas que miden las piezas y rellenan los protocolos de medición. En
algunos casos son inspectores de calidad (por ejemplo, para las pruebas GTI), Especialistas
en medición, operarios de fabricación, u otras funciones.
Su responsabilidad consiste en proporcionar información para el mapeo de del proceso del

sistema de medición, ejecutar las mediciones durante la prueba y proporcionar información
para el análisis de las causas raiz y sus soluciones.
Ingeniería de diseño
Ingeniería o Diseño es la organización responsable del diseño, certificación, prueba de vuelo

y justificación de los productos. Sus representantes proporcionan a las áreas de fabricación
las especificaciones de las piezas y además definen algunos de los procedimientos de
medición que deben seguir con objeto de garantizar el cumplimiento de las especificaciones.
Su participación en la Prueba Gage R&R es colaborar, si fuera necesario, en la recopilación

de información sobre el proceso y la familiarización con el instrumento de medición, así como
proporcionar soporte si el sistema de medición necesita mejoras.
Página 12 de 94


Calidad de fabricación (Quality Line Side)
Calidad de fabricación son aquellas áreas que ayudan a garantizar la calidad del producto en
las plantas, y también participan en la decisión de si un producto es aceptable o no. También
entra dentro de sus funciones que los instrumentos empleados para garantizar la calidad del
producto sean funcionales. En algunas plantas (por ejemplo pruebas GTI).
Gestión de medición
Este equipo se encuentra a cargo de garantizar que el equipo de medición esté conforme a
los requisitos del uso previsto. Generalmente, esto incluye la calibración y la verificación,
cualquier ajuste o reparación necesario, la posterior recalibración, la comparación con los
requisitos metrológicos para el uso previsto de los equipos, así como cualquier sellado y
etiquetado necesario. Este equipo también puede enviar dispositivos de medición a otros
usuarios (por ejemplo Especialistas de medición) para que ellos mismos realicen mediciones.
Son responsables de ayudar al líder de Gage R&R, proporcionándole información y

experiencia acerca de los equipos y los sistemas de medición, soportando en la mejora y
rediseño de un sistema de medición defectuoso, así como garantizando que las soluciones
recomendadas sean las más actualizadas y respeten normas existentes en Airbus.
Especialistas en medición
El especialista en medición lleva a cabo actividades e investigaciones específicas de

metrología, y se encuentra al cargo de la definición y establecimiento de nuevos sistemas de
medición y de la actualización de los existentes.
Son responsables de ayudar al líder de Gage R& en el diseño de la prueba MSA GR&R, así
como en la mejora y rediseño de un sistema de medición defectuoso, garantizando que las
soluciones recomendadas sean las más actualizadas y respeten normas existentes en Airbus.
Los equipos de gestión de medición y especialistas en medición están genéricamente

definidos conforme a EN ISO 10012:2003. Las tareas definidas para estas funciones pueden
encontrarse divididas en papeles secundarios, o consolidados, y pueden tener diferentes
nombres en cada NatCo (por ejemplo, Metrología, Control de equipo de medición, Ingeniería
de metrología).
Para obtener información detallada sobre la de interacción de cada función en los pasos
explicados en las siguientes secciones, consulte el mapa del proceso MSA Gage R&R en el
Apéndice A.
Página 13 de 94


5.2 Paso 1 - Plan para MSA GR&R

Si se tiene en cuenta que las pruebas MSA interrumpen las operaciones, son costosas e
implican a una cantidad importante de personas de diferentes funciones, se necesita crear un
plan con objeto de programar las pruebas en aquellos momentos en los que la producción no
se vea gravemente afectada. Además, deben asegurarse los recursos necesarios por
anticipado y los procesos de medición similares a los de otras operaciones deben estar
identificados con objeto de economizar y poder intercambiar conocimientos.
Debe crearse para cada operación un plan proactivo, al menos al inicio de cada año, en el que
se enumeren los procesos de medición críticos a verificar. Debe formar parte de este plan una
justificación válida de la necesidad de llevar a cabo diferentes pruebas, su prioridad, fechas
planificadas, así como la periodicidad y otra información relevante (fecha de finalización, fecha
de aplicación, nombre de la operación, ubicación, prueba de atributo frente a variable...). Esta
información quedará recogida en la Plantilla de planificación Gage R&R (FM1104084).
Un buen comienzo es llevar a cabo un inventario de todas las mediciones realizadas en las
operaciones (o previstas, si la operación se hubiera establecido recientemente). Para cada una de
ellas se preguntará qué hace la medición para la operación. Si algunas de las características a
medir no son importantes para ninguna decisión, la necesidad de las mismas debe reconsiderarse
(es decir, detenerse) en lugar de invertir más recursos en la planificación de las mismas. ¿Son
necesarias todas estas mediciones (por ejemplo, para garantizar la calidad del producto, para la
declaración o certificación, u otros objetivos)? ¿Se olvida alguna medición crítica?
Algunas áreas dispondrán de las mediciones de valor añadido ya incluidas en sus Planes de
control y en los Planes de montaje asistido por medición. Si ninguno de estos planes estuviera
disponible aún, debe garantizarse en cualquier caso que las mediciones del proceso están en
línea con los objetivos clave del negocio, las características clave, la voz del cliente, o el la
voz del proceso.
Para cada métrica crítica del proceso, debe existir un sistema de medición. El MFT debe
reunirse acordar cuáles de aquellos procesos de medición necesitan pruebas, el tipo de
pruebas necesarias y la frecuencia de realización de las mismas.
No todas las métricas críticas y sus sistemas de medición serán buenos candidatos para un
Gage R&R. Si se encuentra una situación particular no descrita en el presente Manual, el
equipo multifuncional para el plan GR&R debe evaluar el tipo de prueba que resulte aplicable,
si se necesitan adaptaciones a la metodología explicada aquí, o si deben considerarse
alternativas más avanzadas (es decir, diseños de experimento).
El objetivo de cada una de estas pruebas debe quedar claro a todos los implicados en la
realización del plan y también debe establecerse con claridad en el plan MSA GR&R. Entre
las posibles necesidades podrían estar, por ejemplo el área que desea saber cómo se
comportan los diferentes equipos de medición (por ejemplo, para decidir implementar la
mejor) ; o si el sistema de medición actual puede rechazar o aceptar piezas ; o el nivel de
detección de cambios del proceso ; o si existen diferencias relevantes en el comportamiento
en los diferentes turnos, plantas y países. También puede resultar que un área sufra un
problema repetitivo y desee saber si los valores de no conformidad se crean debido a
mediciones defectuosas. Todos estos ejemplos son fuentes potenciales de necesidad de
pruebas que podrían enumerarse como objetivos en la Plantilla de planificación Gage R&R
(FM1104084).
Página 14 de 94


Este plan deben completarlo todos los participantes mencionados anteriormente, por ejemplo
al inicio de cada año. La responsabilidad principal de su realización es del dueño de la
operación cuya calidad se evalúa mediante dichos sistemas de medición. Todas las áreas
afectadas por el plan deben ser notificadas tan pronto como termine.
Una vez completado el plan, se aplicarán los pasos 2 a 11 a cada una de estas pruebas
previstas cuando llegue el periodo asignado a cada una.
5.3 Paso 2 - Comunicar los Objetivos para el MSA GR&R Actual

En el paso previo se garantizó que cualquier sistema de medición a analizar sea uno que
ofrezca mediciones críticas para la operación, y que el objetivo de cada estudio esté
justificado. El objetivo de este paso es afinar o actualizar el objetivo, informar a todos los
miembros del equipo de pruebas y clarificar más las decisiones a las que se lleguen a través
del conocimiento generado por la prueba.
La clarificación y el refinamiento de los objetivos ayudarán a identificar las personas que

deben participar en la prueba. Estas personas deberán ser informadas de los objetivos de la
misma.
El líder de Gage R&R moderará la comunicación de los objetivos (por ejemplo, reunión inicial)
con el equipo multifuncional apropiado y registrará toda la información apropiada en la
Sección I de la Plantilla de Informe R&R (FM1104083).
5.4 Paso 3 - Comprender el Proceso y el Dispositivo de Medición

Los objetivos de este paso son comprender totalmente el proceso de medición y el dispositivo
o dispositivos de medición utilizados en el mismo, así como eliminar las fuentes evidentes de
variación, en caso de detectarlas.
Comprender el proceso de medición implica un mapeo detallado de las tareas normalmente

realizadas para obtener las mediciones apropiadas. Las preguntas críticas a responder
mientras se "lleva a cabo" el proceso son:
− ¿Qué se mide?
− ¿Son datos continuos o discretos?
− ¿Qué decisiones se toman actualmente con el sistema de medición estudiado?
− ¿Cuántas personas llevan a cabo las mediciones?
− ¿Existen registros históricos de dichas mediciones? ¿Dónde se almacenan las
mediciones?
− ¿Dónde se toman las mediciones? ¿Los métodos de recogida de mediciones se
ajustan a la necesidad de saber qué ocurre con el proceso o el producto? ¿Se
recogen apropiadamente los datos de medición habituales? (Comprobación de
oportunidad y lógica)
− ¿Cuál es el comportamiento del personal de medición?
− ¿Dispone este sistema de un plan de control implantado?
− ¿Existen procedimientos escritos sobre el proceso de medición?
Página 15 de 94


− ¿Existen muchas transferencias de datos? ¿Cómo de bien se mantiene la integridad

de los datos a través de las transferencias? (Comprobación de fiabilidad)
− ¿Los operarios registran todas las resoluciones disponibles (si los datos son
continuos)? (En general, deben capturarse toda la resolución disponible en el
sistema de medición : para lecturas digitales, deben recogerse todos los dígitos
disponibles, y para escalas analógicas, debe estimarse el incremento ½ más
próximo)
Las fuentes obvias de variación de la medición (por ejemplo, malas preparaciones para las
mediciones, falta de normas para colocar las referencias de medición, información perdida
entre las transcripciones de los datos de medición, etc…) deben corregirse de inmediato, de
lo contrario los resultados de los siguientes análisis gráficos y numéricos podrían conducir a
errores.
El equipo necesita también familiarizarse con los dispositivos de medición. Las preguntas
críticas a realizarse en referencia a los equipo de medicións son:
− ¿Cuáles son los equipos de medición utilizados?
− ¿Es adecuada la resolución del equipo de medición para su objetivo?
− ¿Están disponibles para su uso los manuales del dispositivo?
− ¿Están disponibles informes de investigación relevantes acerca de la herramienta?
− ¿Está calibrado el equipo de medición?
− ¿Cuáles son las políticas de calibración para los dispositivos (si los datos son
continuos)?
− ¿Cuáles son las políticas de formación para los inspectores (si los datos son
discretos)?
Los problemas de exactitud o sesgo generalmente se solucionan mediante la calibración. Si
no existe un plan de calibración para el dispositivo de medición o el existente no está apoyado
por normas de calibración reconocidas, se recomienda calibrar el equipode medición antes de
lanzar el MSA Gage R&R. Debe evitarse la calibración durante el Gage R&R, a menos que
forme parte del procedimiento de medición normal entre distintas mediciones. La falta de un
plan normal de calibración y de una norma de calibración rastreable es una fuente obvia de
variación del sistema de medición que debe solucionarse lo antes posible.
En algunos casos puede decidirse realizar un Gage R&R con equipo de medicións no
calibrados. Si esto fuera deseable, o es la única posibilidad disponible, debe tenerse en
cuenta que un MSA Gage R&R no puede detectar un sesgo que sea constante en el tiempo,
sino solo cierto sesgo entre operarios para la muestra tomada.
Todos los problemas observados durante la asignación del proceso deben formar parte del
análisis de la causa original final para la que debe encontrarse una solución sostenible y
permanente. No es suficiente con resolver esos problemas tan solo para el análisis estadístico
a realizar.
El proceso de medición debe asignarse en la Sección I "Descripción actual" de la Plantilla de

informe R&R (FM1104083). El resto de la información del equipo de medición apropiada
(incluida las Observaciones) deben documentarse en esta sección de la plantilla de informe
principal. Un ejemplo de la Asignación del Proceso de Airbus se encuentra en el Apéndice A
Mapa de Proceso de MSA Gage R&R.
Página 16 de 94


5.5 Paso 4 - Diseñar la Prueba MSA GR&R

Con la información procedente de la familiarización del proceso y del equipo de medición, la
prueba puede planificarse e identificarse las áreas clave de análisis con objeto de garantizar
que se representan los valores correctos. Por ejemplo al usar un instrumento 3D ¿deben
analizarse las magnitudes X, Y, Z o D?
La prueba debe diseñarse de tal forma que respete el "proceso tal como es" lo más posible.
Esto significa que : la configuración del útil de medición deben realizarla los operarios que
normalmente realicen dicha configuración, las mediciones deben realizarlas las personas que
normalmente las llevan a cabo, en las condiciones ambientales originales, siguiendo los
pasos que habitualmente realizan, con los equipo de medicións que normalmente utilizan,
pero manteniendo todos los demás factores que representan el entorno de producción normal
(a menos que durante el reconocimiento del proceso se encuentren fuentes de variación
obvias, que deban ser solucionadas de inmediato).
Si el proceso de medición aún no estuviera en marcha, o se hubiera modificado

recientemente, la prueba debe buscar simular las características de "ejecución" previstas de
dicho proceso (por ejemplo, la prueba puede llevarse a cabo usando piezas y ajustes de las
operaciones o programas establecidos). El líder de Gage R&R deben asegurarse de que el
futuro proceso a simular se haya definido totalmente y haya sido aceptado por todas las
partes relacionadas. Si el proceso aún no se encuentra en una fase de definición madura, se
recomienda invertir los esfuerzos en llevar a cabo esta definición completa, en lugar de
realizar una prueba en condiciones inestables.
Las siguientes secciones describen cómo seleccionar las piezas, el operario, las pruebas y
cómo recopilar los datos. Se tienen en cuenta dos subsecciones : prueba de estabilidad, y
repetibilidad, reproducibilidad y discriminación. Las pruebas de estabilidad se aplican solo al
tipo continuo de datos y a la correspondiente Variable GR&R.
El número de pruebas, operarios y piezas enumeradas en los siguientes párrafos pueden

variar pero las reglas mencionadas representan el mínimo óptimo para llevar a cabo los
estudios.
5.5.1 Selección de Piezas y Número de Piezas

El término "pieza" en los siguientes puntos, se refiere a componentes pequeños (o
relativamente pequeños) que pueden estar aislados para la prueba para mediciones
individuales a ciegas, pero también pueden ser elementos individuales de un componente
mayor que no son desmontables del mismo (por ejemplo, piezas montadas como flaps en un
ala, o perforaciones en una sección del fuselaje). El MSA GR&R para piezas más complejas
que las consideradas aquí debe diseñarse caso por caso, ya que no todos los pasos de la
metodología explicados aquí podrían ser aplicables.
i. Prueba de estabilidad
Se selecciona una de las piezas de las producidas mediante la operación cuyo sistema de
medición se analiza, idealmente esta pieza es una "pieza maestra" (sus medidas se
evalúan mediante un útil recién calibrado frente a un estándar válido, y se son conocidas
por el líder de GR&R). Si una pieza maestra o una parte de "referencia" no estuviera
disponible, puede usarse otra pieza, siempre que pueda medirse respetando el proceso
"tal como es".
Página 17 de 94


ii. Repetibilidad, reproducibiliad y discriminación
Elegir las piezas para el R&R es un ejercicio importante. Para ambos tipos de datos deben
identificarse los rangos de tolerancia y los tamaños reales normalmente producidos (si los
atributos no se basan en dimensiones, entonces debe identificar qué son dichos atributos
en la práctica). Las piezas seleccionadas deben ser una mezcla adecuada de dichos
rangos de variación. En algunos casos, deben producirse piezas realizadas
específicamente para pruebas que cubren el rango de tamaño/dimensional encontrado.
Si los datos medidos son continuos, debe buscarse una muestra de al menos n ≥ 10 piezas
que represente el rango real o esperado de la variación del proceso. Gage R&R calcula la
variación de la medición en base a una variación entre piezas. Por este motivo, esta
seleccion debe ser muy consciente. Deben añadirse algunos componentes límite.
Si los datos analizados son discretos, se requieren más datos debido a la menor
resolución. Debe prepararse una muestra de al menos ≥ 20 piezas. Debe estar presente un
número más o menos similar de cada categoría y además, algunos productos límite que
desafíen las capacidades de apreciación de los inspectores.
La cantidad de piezas para las pruebas de variable y atributos es una referencia tomada
del manual AIAG (consulte la sección con referencias) y las pruebas Gage R&R con reglas
comúnmente aceptadas.
La prueba debe estar diseñada para garantizar que las pruebas se midan aleatoriamente
en cada ensayo, y que la medición sea ciega (el inspector no debería poder advertir por
anticipado si la pieza pertenece al espectro inferior de la especificación, o al superior). Esto
tiene como objetivo evitar el sesgo (es decir, las piezas en el espectro de variación bajo se
miden todas juntas).
5.5.2 Selección del Operario

El operario u operarios de la prueba dependen mucho del objetivo de la comparación. Si

deben compararse tres operarios, entonces algunas mediciones podrían tomarla un
operario, otras el segundo, y así sucesivamente.
ii. Repetibilidad, reproducibiliady discriminación
Para llevar a cabo la prueba normalmente se solicitan tres operarios. Estas personas, que
realizan las mediciones durante la prueba, deberían proceder de la misma operación a
cargo de la toma habitual de mediciones. Debe estar presente una buena mezcla de
personas experimentadas y recién llegados. Su nivel de experiencia debe reflejarse en la
situación "real". Formar específicamente a las personas sobre el proceso de medición
antes de la prueba no representa la realidad de la operación.
Página 18 de 94


5.5.3 Ensayos y Recopilación de Datos

Deben tomarse al menos 20 lecturas de la pieza seleccionada. El diseño de esta prueba

debe considerar de nuevo los objetivos de la comparación. Si deben compararse tres
turnos, las mediciones deben dividirse entre los tres turnos.
Para evitar cualquier tipo de sesgo, los valores de referencia (si estuvieran disponibles) no
deben ser conocidos por los inspectores a cargo de la medición para la prueba.
ii. Repetibilidad, reproducibilidad y discriminación
Normalmente se utilizan tres ensayos para cada prueba (cada uno de los tres operarios
miden o evalúan cada una de las n piezas tres veces).
Las hojas de recopilación de datos entregadas a los operarios deben estar diseñadas de tal
forma que permitan el registro de piezas medidas aleatoriamente, y las pruebas a ciegas.
Los inspectores no deben ser capaces de ver los números de identificación de la pieza, sus
lecturas anteriores de la misma pieza, las lecturas de otros operarios, ni de detectar
observando el papel, si la pieza que se mide se encuentra en la escala de variación inferior o
superior. El líder de Gage R&R debe garantizar, sin embargo, que cada pieza es rastreable
para él, con objeto de que pueda cotejarla debidamente para la fase de análisis.
Plantillas de recopilación de datos (FM1104243) para el Jefe de Gage R&R para la Prueba
de estabilidad, para datos variables, ypor atributos pueden encontrarse entre las plantillas
que acompañan al presente manual.
Las diferencias entre los operarios, los errores de ingreso de datos, errores en el uso del
equipo de medición o cualquier otra observación durante el estudio que merezca la pena
mencionarse, deben ponerse por escrito en la Plantilla de informe R&R (FM1104083),
sección III "Resultados".
Nota : La sección IIIa debe completarse para los datos variables.

La sección IIIb debe completarse para los datos por atributos.
Cuando la pieza es de gran tamaño o no es posible una disponibilidad simultánea de las

piezas, el diseño debe considerar los siguientes puntos :
El primer evaluador debe medir la primera pieza, entonces el evaluador 2, y finalmente el

evaluador 3 mide la primera pieza, luego la segunda, y así sucesivamente hasta n.
Un método alternativo puede usarse si los operarios se encuentran en turnos diferentes. El

evaluador 1 medirá las 10 piezas. El mismo repetirá la lectura en un orden diferente. Lo
mismo debe realizarse con los operarios 2 y 3.
Finalmente se recomienda que al menos tres operarios midan las 10 (o 20 para atributos)
piezas, tres veces (tres réplicas). Si no están disponibles tres operarios, deben
seleccionarse las muestras suficientes de forma que (n° de muestras) x (n° de operarios)
≥ 14. Otras consideraciones organizativas a considerar : La prueba debe programarse
considerando la disponibilidad de los operarios (turnos y restricciones horarias),
disponibilidad del las herramientas y la logística (por ejemplo, horarios de aperturas y
centros de herramientas), y con un impacto mínimo en la producción (aunque esto no
siempre es posible).
Página 19 de 94


Debe estar claro para todos los implicados en el estudio quién va a registrar los datos,
quién tomará notas, quién medirá (qué operarios) y quién realizará el seguimiento de las
piezas (o transacciones) medidas. Esto requiere la preparación y formación de las partes
implicadas.
El diseño de la prueba y el calendario de cada una de sus fases debe quedar por escrito
en la Sección II "Diseño de la prueba" de la Plantilla de informe R&R (FM1104083) por el
líder de Gage R&R, el cual estará apoyado por el equipo multifuncional adecuado al
estudio en marcha.
5.6 MSA Gage R&R de Variable y Atributos

Para los datos continuos el MSA G&R de variable proporciona material suficiente para varios
análisis visuales y numéricos. Con el control estadístico de los datos muestreados, en la
sección MSA GR&R para datos variables se explorarán las diferencias en el comportamiento
del personal a cargo de las mediciones, el sesgo entre los operarios y dispositivos y el grado
de variación en el proceso medido y el sistema de medición.
Para los datos discretos, el MSA GR&R de atributo es menos espectacular pero sigue
proporcionando información sobre la repetibilidad, la reproducibiliad, la exactitud de las
categorizaciones y la discriminación.
En la sección 5.7 los pasos 5 (Ejecutar MSA Gage R&R) al paso 7 (Identificar causas
posibles, traducir resultados en decisiones apropiadas) estarán cubiertos por MSA GR&R
para datos variables, y la sección 5.8 se centrará en los mismos pasos para Gage R&R de
atributo. Dos ejemplos prácticos ilustrarán las herramientas estadísticas.
5.7 MSA Gage R&R para Datos Variables

El análisis para MSA GR&R variable presenta cuatro niveles de prioridad. El primero tras la
calibración del útil es evaluar y asegurarse de que el sistema de medición se encuentra bajo
control estadístico. Si el dispositivo de medición es inconsistente, y no se corrigen las causas
originales, el sistema estará viciado desde el inicio. Los resultados del R&R numérico pueden
no resultar significativos debido a que otras fuentes de variación que no pueden identificarse
por medio del GR&R siguen estando ocultas, no importa qué se haga para mejorar el R&R, el
sistema puede no mejorar de forma satisfactoria y mensurable.
La segunda es la precisión (Reproducción y Repetibilidad), la tercera precisión respecto a la

tolerancia y finalmente la resolución.
Estos análisis pueden dividirse en análisis gráficos y análisis numéricos para R&R. Este
enfoque se explicará con el siguiente ejemplo (se han utilizado datos ficticios):
5.7.1 Paso 5 - Ejecutar la Prueba MSA Gage R&R

Ejemplo Fibra óptica : Este análisis del sistema de medición fue necesario para evaluar la
capacidad del equipo usado tras la instalación eléctrica para los equipos de entretenimiento
de una aeronave. Los pasos 6 y 7 se explican con los conjuntos de datos obtenidos de los
datos medidos para el presente análisis.
Página 20 de 94


El objetivo de este MSA fue comprobar la capacidad de un sistema de medición eléctrico para
medir correctamente la pérdida de inserción en cables de fibra óptica. Se seleccionaron
10 cables de fibra óptica para la medición y tres operarios se eligieron al azar de entre los
operarios activos que normalmente realizan esta prueba. Cada operario midió la pérdida
lumínica usando los siguientes equipos :
− Medidor de potencia RIFOCS 556MT S/N 118164 Siguiente calibración 05/11
− Fuente lumínica RIFOCS 1300nm 255A-M90 S/N 119256 Siguiente calibración 05/11
− Cables de prueba : Euromicron de acuerdo con los requisitos de AIPS07-11-005
− Enlaces ópticos : Escogidos en la producción
− Adaptadores : del laboratorio de fabricación de A30 Airbus
Cada operario midió las piezas en su turno normal. Se realizó en verano, y los ensayos se
realizaron durante los descansos. Todos los ensayos se completaron en una semana.
El Líder Gage R&R siguió la prueba diseñada, y formó al equipo en el procedimiento y el uso
del equipo de recogida de datos, y especialmente en la importancia de realizar buenas
observaciones durante la prueba. Se nombraron tres personas como responsables de tomar
notas acerca de las condiciones ambientales y otras observaciones valiosas.
5.7.2 Paso 6 - Analizar los Resultados de MSA Gage R&R
5.7.2.1 Prueba de Estabilidad
Al investigar cualquier problema que afecte al comportamiento de un sistema de medición o

evaluarse un dispositivo nuevo, la pregunta fundamental debe ser siempre : ¿El dispositivo o el
sistema de medición es estable? La estabilidad se define como la capacidad del dispositivo de
producir mediciones repetidas del mismo objeto de forma predecible, sin mostrar lecturas
erráticas o inexplicables. Los gráficos de control utilizados para el análisis son los gráficos ImR.
El objetivo último de una estrategia de calidad robusta es disponer de procesos que siempre
se encuentren bajo control estadístico. Los gráficos de control explicados en las siguientes
secciones no son un substituto para una estrategia de Control de proceso estadístico para los
sistemas de medición.
i. Cotejo de datos
Las 20 mediciones que usan el sistema de medición definido para las pérdidas de inserción
luminosa de una fibra óptica conocida se cotejan como sigue (consulte los resultados en la
Tabla 1):
1. Enumere las mediciones de observaciones en orden de realización.
2. Calcule la media de todas las mediciones X
3. Calcule los rangos móviles (Mr) que son el valor absoluto de la diferencia entre la
lectura siguiente y la actual:
Mri = X i − X i−1
Mr2 = X2 − X1 = 0,17 − 0,22 = 0,050…
4. Cuando todos los valores de Mri estén calculados, se obtiene una media MR de los
mismos.
Página 21 de 94


Tabla 1
Observaciones Valor Mr
1 0,22 -
2 0,17 0,050
3 0,15 0,020
4 0,15 0,000
5 0,14 0,010
6 0,18 0,040
7 0,17 0,010
8 0,19 0,020
9 0,24 0,050
10 0,26 0,020
11 0,25 0,010
12 0,20 0,050
13 0,21 0,010
14 0,23 0,020
15 0,23 0,000
16 0,20 0,030
17 0,16 0,040
18 0,22 0,060
19 0,23 0,010
20 0,22 0,010
21 0,20 0,020
Medias X = 0,2010 MR = 0,024
ii. Valores individuales y gráfico de rangos móviles (gráfico ImR)
Los gráficos ImR son los preferidos para los datos que presentan un número cada vez : los
valores individuales se marcan en secuencia continua y se usa un rango móvil de dos
puntos para medir la dispersión.
La media de los valores individuales se utilizará como línea central para el Gráfico de valor
individual, y las mediciones individuales se marcarán en el gráfico a su alrededor. Los
límites de control para el gráfico de valor individual se calculan de la siguiente forma :
3
UCL = X + MR
d
2
3
= 0,201 + x 0,024
1,128
= 0,2648
3
LCL = X + MR
d
2
3
= 0,201 + x 0,024
1,128
= 0,1371
Página 22 de 94


La línea central para el Gráfico de rango móvil será el Rango móvil medio MR , y los rangos
móviles Mr se marcan a su alrededor. De forma parecida, el Límite de control para el rango se
calculan de acuerdo con las fórmulas:
UCL = D4 MR
= 3,267 x 0,024
= 0,07841
LCL = D3 MR
= 0
d2, d3 y D4 son constantes que dependen de los subgrupos de los rangos n (para esta prueba
n será siempre 2 ya que se utilizan dos valores para el cálculo de Mr). Son iguales a 1.128, 0,
y 3.267 respectivamente.
Estos valores, y otros para otras pruebas no exploradas en este manual, pueden encontrarse
en las tablas de constantes para la construcción de gráficos de control en cualquiera de las
referencias estadísticas mencionadas al final del presente manual (por ejemplo, Montgomery
2009, pp. 702 "Factors for constructing Variables Control Charts").
I-MR Chart
UCL=0,2648
0,250
Individual Value
0,225
_
0,200 X=0,2010
0,175
0,150
LCL=0,1371
1 3 5 7 9 11 13 15 17 19 21
Observation
0,08 UCL=0,07841
0,06
Moving Range
0,04
__
MR=0,024
0,02
0,00 LCL=0
1 3 5 7 9 11 13 15 17 19 21
O bser vation
Figura 3 - Gráficos ImR
Página 23 de 94


Los resultados de los gráficos se interpretan usando la Figura 4 lo que ilustra diferentes zonas
determinadas por las distancias de 1, 2 y 3 desviaciones típicas - o sigma - de la línea central:
Origen : Oakland, John S. (2003), "Statistical Process Control", Butterworth Heimann, Fifth Edition, pp. 110.
Figura 4
Si los valores trazados cumplen cualquiera de los siguientes criterios, el proceso de medición
se considerará inestable:
1. En el gráfico mR existe un único punto fuera de los Límites naturales del proceso (tres
sigma) computados o el Límite natural del rango.
2. En el gráfico I : dos de cada tres valores sucesivos quedan más de dos sigmas por
encima o por debajo de la línea central (Zona 2).
3. En el gráfico I : cuatro de cada cinco valores sucesivos quedan más de un sigma por
encima o por debajo de la línea central (Zona 1).
4. En el gráfico I : Ocho valores sucesivos queden en el mismo lado de la línea central.
Si el equipo de medición no es estable, entonces todas las mediciones tomadas

posteriormente con él deben tratarse como sospechosas. Al igual que con las causas obvias
de variación detectadas durante el reconocimiento del proceso, en este caso las causas de
inestabilidad deben encontrase y eliminarse o aislarse, antes de pasar al muestreo para
establecer la precisión. Finalmente, una solución sostenible y permanente para dichas causas
debe encontrarse para el proceso (debe escribirse una acción en el plan de acción para la
eliminación de las causas raiz que dan lugar a la inestabilidad).
Debe probarse de nuevo la estabilidad del sistema de medición hasta que demuestre que se
encuentra dentro del control estadístico.
Si consideramos el ejemplo de la fibra óptica, ninguna de las condiciones de inestabilidad se

cumple, de forma que las conclusión es que el proceso de medición es estable, lo que permite
al líder de Gage R&R y al equipo continuar al siguiente paso del proceso MSA.
Página 24 de 94


5.7.2.2 Precisión : Repetibilidad y Reproducibilidad (R&R)
i. Cotejo de datos
Una vez estabilizado el proceso de medición, pueden realizarse los cálculos apropiados
para la preparación del análisis gráfico y numérico sobre la Repetibilidad y la
Reproducibiliad, tal como sigue (ilustrado para el ejemplo de fibra óptica recogido en el
Formulario 1):
1. Las diez piezas medidas en tres ensayos por tres operarios, que fueron reunidas
aleatoriamente y con protocolo ciego, se reorganizan tal como se ilustra (consolidadas
por operario, y ensayos cronológicos) en los campos grises del Formulario 1.
2. Calcule el rango para cada medición de cada pieza, de todos los evaluadores al restar
la lectura menor de la lectura mayor para cada pieza en valor absoluto (los rangos
representan distancias, de modo que no pueden ser negativos), tal como se muestra
en las filas 5, 10 y 15 respectivamente.
3. Obtenga el rango medio por evaluador, tal como se registra en los espacios para R a ,
R b y R c (son un total de 5, 10 y 15 divididos por el número de piezas de la muestra).
4. Añada R a , R b y R c y divida entre el número de evaluadores para obtener la media de

todos los rangos R (consulte la fila 17).
5. Calcule las medias por pieza, por operario según lo observado en las filas 4, 9 y 14,
luego calcule la media total por operario X a , X b , X c .
6. Calcule la media de las 10 piezas medidas para cada ensayo (filas 1, 2, 3, 6, 7, 8, 11,
12 y 13) (Consulte la columna más a la derecha llamada "Media").
7. Calcule la diferencia entre las medias máxima y mínima como X a , X b , X c de ( X DIFF

en la fila 18).
8. Sume las mediciones para cada ensayo, para cada parte y divida el total por el
número de mediciones (número de veces de ensayo por número de evaluadores)
(consulte los resultados en la fila 16 en los espacios para la media de la pieza).
9. Calcule la diferencia entre la media de la pieza mayor y la pieza menor ( R p en la fila

16) R p es el rango de los valores de la pieza.
10. UCLR representa el límite de las R individuales. Marque las que queden fuera de este
límite, identifique la causa y corríjala (esta es otra indicación de falta de estabilidad
estadística, esta vez durante la ejecución del GR&R). Repita estas lecturas empleando
el mismo evaluador y unidad que se utilizaron originalmente, o descarte aquellos
valores y vuelva a realizar la media y a calcular R y el valor límite para el resto de las
observaciones. Asegúrese de que se escribe un plan de acción en la Plantilla de
informe R&R (FM1104083) en la Sección VII "Mejora - Gestión de la acción" para
lograr una solución a largo plazo de la causa original.
Página 25 de 94


ii. Análisis gráfico : Gráfico de rangos
Este es una análisis ampliado sobre la estabilidad que considera nuevas variables
potenciales del sistema de medición : diferentes operarios o equipos. El gráfico es un
Gráfico de control de rango típico que representa la variación del proceso en el tiempo
(equivalente al gráfico Mr para la prueba de estabilidad).
En este caso la variación representada es el rango (la diferencia entre los valores mayores
y menores medidos) entre mediciones sucesivas de la misma pieza, por parte de la misma
persona. La línea en el centro, llamada Rbar, representa la media de todos rangos de
muestra, y los límites de control se calculan de forma similar al gráfico mR :
UCLr = D4 R
= 2,574 x 0,04267
= 0,1098
LCLr = D3 R
= 0 x 0,04267
= 0
Donde D3 y D4 dependen del tamaño del subgrupo n (tal como hemos visto anteriormente),
que en este caso es de 3. Para n = 3, D4 = 2,574, y D3 = 0.
Existe un espacio en el Formulario 1 fila 19 para el Límite de control superior de los rangos
individuales (UCLr). Cualquier lectura con un valor superior a UCLr serán puntos fuera de
control. Lo primero que hay que hacer con ellas es rastrear el motivo de dichas lecturas
anómalas, y anotar cualquier observación. Cuando se encuentren las causas originales,
deben formar parte del plan de acción contra los problemas que deben corregirse. Estos
puntos son las representaciones fuera de control en los gráficos en la Figura 5).
Página 26 de 94


Formulario 1
Evaluador/
PIEZA Media
Nº ensayo
LUT1 LUT2 LUT3 LUT4 LUT5 LUT6 LUT7 LUT8 LUT9 LUT10
1 Op1 1 -0,49 -0,40 -0,26 -0,21 -0,42 -0,30 -0,43 -0,41 -0,31 -0,35 -0,358
2 2 -0,49 -0,45 -0,26 -0,22 -0,42 -0,29 -0,41 -0,38 -0,31 -0,35 -0,358
3 3 -0,45 -0,40 -0,30 -0,25 -0,39 -0,32 -0,44 -0,40 -0,30 -0,35 -0,360
4 Media -0,477 -0,417 -0,273 -0,227 -0,410 -0,303 -0,427 -0,397 -0,307 -0,350 Xa = -0,3587
5 Rango 0,04 0,05 0,04 0,04 0,03 0,03 0,03 0,03 0,01 0,00 Ra = 0,030
6 Op2 1 -0,43 -0,34 -0,23 -0,34 -0,45 -0,37 -0,42 -0,4 -0,38 -0,44 -0,380
7 2 -0,42 -0,38 -0,28 -0,22 -0,44 -0,39 -0,42 -0,37 -0,26 -0,43 -0,361
8 3 -0,45 -0,4 -0,31 -0,24 -0,4 -0,3 -0,41 -0,39 -0,3 -0,35 -0,355
9 Media -0,433 -0,373 -0,273 -0,267 -0,430 -0,353 -0,417 -0,387 -0,313 -0,407
Xb = -0,3653
10 Rango 0,03 0,06 0,08 0,12 0,05 0,09 0,01 0,03 0,12 0,09 Rb = 0,068
11 Op3 1 -0,46 -0,33 -0,25 -0,25 -0,41 -0,42 -0,43 -0,39 -0,31 -0,37 -0,362
12 2 -0,41 -0,32 -0,27 -0,24 -0,38 -0,34 -0,42 -0,39 -0,26 -0,39 -0,342
13 3 -0,43 -0,34 -0,26 -0,25 -0,41 -0,37 -0,42 -0,4 -0,31 -0,37 -0,356
14 Media -0,433 -0,330 -0,260 -0,247 -0,400 -0,377 -0,423 -0,393 -0,293 -0,377 Xc = -0,3533
15 Rango 0,05 0,02 0,02 0,01 0,03 0,08 0,01 0,01 0,05 0,02 Rc = 0,030
-0,3591
Media de -0,448 -0,373 -0,269 -0,247 -0,413 -0,344 -0,422 -0,392 -0,304 -0,378 X =
16
pieza
Rp = 0,201
17
([R a ] [
= 0.030 + Ra = 0.068 + Ra = 0.030 )] [
= 0,0427
] 0,0427
R =
[núm. de evaluadores = 3]
18 [Máx X = - 0,353] - [Mín X = - 0,365] = X DIFF = 0,012 XDIFF = 0,0120
19 * [ R = 0,0427] x [3,267] = UCLR = 0,1098 UCLR = 0,1098
Observaciones:
Existe un proceso de limpieza de la fibra óptica antes de las mediciones. Parece que existen ligeras
diferencias entre los operarios sobre cómo proceder con la limpieza
* D4 = 3,267 para 2 ensayos y 2,574 para 3 ensayos. UCLR Representa el límite de los R
individuales. Marque las que queden fuera de este límite, identifique la causa y corríjala. Repita
estas lecturas empleando el mismo evaluador y unidad que se utilizaron originalmente, o descarte
aquellos valores y vuelva a realizar la media y calcular R y el valor límite para el resto de la
observación.
Origen : Adaptado de "Measurement System Analysis", AIAG, 4ª edición.
Página 27 de 94


Figura 5
Análisis del gráfico de rangos :
El Gráfico de rango debe ser estable : Ningún punto debe quedar fuera de los límites de
control. Si el gráfico de rango se encuentra bajo control, el proceso de medición es
consistente. Si un punto del rango se encuentra fuera del límite de control ese operario está
usando un método diferente. Identifique qué está haciendo, corrija el comportamiento y repita
las mediciones con el mismo operario en las mismas piezas.
Si dos o más operarios presentan algunos puntos fuera de control, el sistema de medición es
sensible a la técnica del operario y necesita mejoras para que el muestreo proporcione datos
útiles.
Si no existen diferencias importantes de media en los rangos en el gráfico de un operario,

esto significa que su repetibilidad es buena. Cuando el sistema de medición es estable, todos
los puntos se encuentran dentro de los límites de control del gráfico de rango.
Los gráficos en la Figura 5 anteriores indican que existen diferencias entre la variabilidad de
los operarios. El operario 2 parece tener un método de medición diferente a los otros dos
operarios, sus rangos muestran valores más altos y dos de sus rangos están fuera de control
(LUT 4 y LUT9). La repetibilidad general no es óptima, los rangos parecen muy diferentes
entre los operarios. La razón podría radicar en los diferentes métodos de limpieza usados por
los operarios y observados por el líder de Gage R&R (consulte el Formulario 1).
Página 28 de 94


iii. Análisis gráfico : Gráfico de medias
Los gráficos en la Figura 6 representan la media de las mediciones de la pieza por

operario. La línea central es la gran media, y los límites de control se determinan por el
rango de la media y se calculan tal como sigue (estos límites son diferentes a los del
gráfico I, ya que en este caso las mediciones no se representan individualmente, sino que
las medias están subagrupadas):
R
UCLx = X + 3
d2 n
0.04267
= 0,3591 + 3
d2 3
= - 0,3155
R
LCLx = X - 3
d2 n
0.04267
= - 0,3591 - 3
d2 3
= - 0,4028
Donde d2 depende del tamaño del subgrupo 3. Para n = 3, d2 = 1,693.
Average Chart (Stacked)
-0,20
-0,25
-0,30
UCL = -0,3155
Average
-0,35
Xbar bar = -0,3591
-0,40 LCL = -0,4028
-0,45
-0,50
Operators
T1 10 T 2 UT 3 UT 4 T 5 UT 6 UT 7 T 8 UT 9
LU LUT
1.Operator
LU L L LU L L LU L 2.Operator
Parts 3.Operator
Figura 6
Página 29 de 94


Análisis del gráfico de medias :
El gráfico de medias debe ser inestable : el 50 % de los puntos debe quedan fuera de los
límites de control. Los límites de control representan el error de medición (prueba-
repetición) también definido como ruido del sistema. Si más de la mitad de las medias
quedan dentro de los límites de control, el sistema de medición puede tener una
resolución insuficiente o la muestra tomada no representa la variación del proceso. Las
causas deben solucionarse para que el Análisis del sistema de medición sea válido.
Los patrones en la gráfica de promedios (Xbar) de cada operador deben ser

razonablemente paralelos. Indican la variación entre operarios. Generalmente, debe existir
un acuerdo en las zonas altas y bajas de los datos entre los operarios. Siempre resulta
ventajoso mirar los puntos fuera de los límites ya que no están oscurecidos por el error de
medición.
En el ejemplo de la fibra óptica más del 50 % de los puntos quedan fuera de los límites de
control, de forma que puede concluirse que la variación entre piezas es mayor que la
variación del sistema de medición, y el sistema de medición puede considerarse adecuado.
Si observamos la Xbar y los gráficos de rango, pueden sospecharse diferencias entre los
operarios. El operario 2 muestra un comportamiento más errático que los otros (tiene dos
puntos fuera de control en el gráfico de rango). El gráfico de Xbar muestra que los
operarios 1 y 3 siguen un patrón similar en las mediciones de LUT 4 a LUT 10. Sin
embargo, el operario 1 sigue un patrón diferente entre LUT 1 a LUT 3. Esas diferencias
aparentes puede o no ser significativas.
Las diferencias en el comportamiento del operario solo pueden confirmarse cuando las
mediciones de sus medias y rangos prueben a ser estadísticamente diferentes. Wheeler
(2006) propuso los dos gráficos siguientes para aceptar o rechazar las diferencias en las
medias y extensión por operador.
iv. Análisis gráfico : Gráficos de efecto principal para diferencias de sesgo detectables
Una herramienta que ayuda a detectar si los operarios tienen o no un sesgo relativo entre
ellos, o si las diferencias detectadas son solo debidas al error de medición se llama
Gráfico de efecto principal para el sesgo, también conocido como Análisis de Efectos
Principales o ANOME (A-NOM-E) (por ejemplo, observe estas diferencias aparentes en
los patrones destacados entre el operador 2 y el resto en la Figura 6).
El gráfico ANOME representa las medias por pieza, por operario y sus límites de control
se basan en la gran media X y R , (consulte las filas 4, 9 y 14 ; así como X y R , en el
Formulario 1) la línea central es la gran media X :
UCLp = X + ANOMEα x R
= - 0,3591 + (0,192 x 0,0427)
= - 0,3509
LCLp = X + ANOMEα x R
= - 0,3591 + (0,192 x 0,0427)
= - 0,3673
Página 30 de 94


ANOMEα es un factor de escala que depende del tamaño del subgrupo n, el número de
subgrupos k y el número de operarios m. Consulte la tabla de factores de escala de
ANOME en la tabla "Análisis de efecto principal ANOME0.05 Valores críticos" en el
Apéndice B. Se recomienda usar ANOME0.05 ya que ofrece un 5 % de probabilidad de
error, o una tasa de éxito de 19 veces de 20 de recogida de un problema de sesgo
importante.
En el caso de la fibra óptica, para n = 3, k = 30 y m = 3, ANOME0.05 = 0,192 (consulte el

Apéndice B, segunda página para ver los valores de ANOME).
Figura 7
ANOME prueba si las medias entre los operarios difieren de forma notable con respecto a
la gran media. Si un punto queda fuera de los límites de control, entonces existe la prueba
de que la media representada por ese punto es notablemente diferente de la gran media,
y puede confirmarse el sesgo de un operario.
Si existen puntos fuera de los límites de control, debe investigarse la causa original. El
equipo debe responder la pregunta de qué diferencias existen en el método entre ese
operario y el resto. De nuevo, las observaciones durante el desarrollo de la prueba
proporcionará información útil para responder a esa cuestión.
En el ejemplo, las medias de los operarios se encuentran bien dentro de los límites de
control, lo que significa que no existen pruebas de un sesgo significativas entre operarios.
v. Análisis gráfico : Gráficos de efecto principal para diferencias de rango detectables
Será necesaria la representación de los rangos del operario para ayudar a detectar si
existen o no diferencias reales entre los operarios respecto al rango (recuerde, el gráfico
de rango representa la estabilidad estadística), o si las diferencias aparentes son debidas
principalmente al error de medición. La herramienta de gráfico recomendada para evaluar
este aspecto es el Gráfico de efecto principal para rangos de media, también conocido
como el análisis de Rangos de media o ANOMR (A-NOM-R).
Página 31 de 94


La línea central R y los límites de control superior e inferior de ANOMR0.05 se calculan de

la siguiente forma:
UMR = UMR0.05 x R
= 1,315 X 0,0427
= 0,056
LMR = LMR0.05 x R
= 0,699 X 0,0427
= 0,02985
Donde UMR0.05 y LMR0.05 son factores de escala dependientes del tamaño del subgrupo n,
número de subgrupos k y número de operarios m. Se recomienda usar 0,05 ya que ofrece un
5 % de probabilidad de error, o una tasa de éxito de 19 veces de 20 de recogida de un
problema de sesgo importante. La tabla para ANOMR puede encontrarse en el Apéndice B.
En el caso de la fibra óptica para n = 3, k = 30 y m = 3, UMR0.05 y LMR0.05 es igual a 1,315 y

0,699 respectivamente.
ANOMR prueba si existe inconsistencia entre las técnicas de medición de los operadores
al observar la extensión de los datos (desviación típica) alrededor de sus media individual.
Siempre que existe una inconsistencia existirá un cambio significativo destacado.
En el ejemplo puede observarse que existe un cambio significativo que se aleja de la Gran
media de los datos medidos. Esto indica que existen pruebas de inconsistencia detectable
del operador 2. Deben investigarse los motivos para esa falta de estabilidad.
Figura 8
Página 32 de 94


vi. Análisis numérico
Una vez que el proceso de medición ha demostrado ser estable, o se han identificado y
corregido, o aislado las causas de la inestabilidad, pueden estimarse numéricamente los
parámetros de las diferentes variables de un sistema de medición. Los resultados de estas
estimaciones no pueden considerarse válidos si se mantienen para los cálculos las
observaciones fuera de control.
Los parámetros de equipo de medición variable pueden obtenerse con diferentes técnicas.
En esta sección el método Media y Rango (o Xbar y método rango), el método de Análisis
de varianza (ANOVA) se introducen y ejemplifican con el caso de la fibra óptica. Puede
consultar explicaciones matemáticas más detalladas acerca de los métodos Xbar, Rango y
ANOVA en el Apéndice C. El ejemplo se ejecutó también en Minitab para ambos
enfoques. El Apéndice D incluye comandos Minitab e imágenes de sus resultados.
El diseño del estudio es muy similar para estos dos métodos (siguiendo la descripción en
la sección 5.5). El método Media y Rango calcula los parámetros de variación para
repetibilidad, reproducibilidad GR&R, variación por pieza y variación total mediante el uso
de rangos para cada cálculo de la desviación típica de cada variable.
El método ANOVA utiliza sumas de cuadrados para calcular la variación de cada variable
de medición, y ofrece valores para los mismos parámetros que el método de Xbar y
Rango, aunque además proporciona un valor numérico para la variable de interacción
entre el operario y las piezas.
Gracias al moderno software informático se prefiere el cálculo de los parámetros utilizando

sumas de estimadores cuadrados (usados en ANOVA), ya que los cálculos de la
desviación típica son más sofisticados y se consideran más precisos.
Por último, resulta importante mencionar que ambos métodos ignoran la variación intra
pieza. Si la geometría o las características de la pieza llevan a resultados de medición
variable cada vez debido a la propia pieza (por ejemplo paneles de revestimiento muy
largos y flexible cuyas dimensiones medidas dependan notablemente de la fijación de la
pieza), se recomienda consultar a los expertos en Diseño, Metrología, e incluso Materiales
para saber cómo enfrentarse a esas situaciones. Si la pieza no puede fijarse siempre de la
misma forma mientras se mide en el proceso de medición normal, deben usarse sistemas
de medición y pruebas de medición especiales.
vii. Análisis numérico : Método Xbar y Rango
El empleo de rangos para estimar desviaciones típicas procede de los primeros días del
control de proceso estadístico y se utilizó con bastante profusión ya que resulta fácil de
estimar (adecuado para el cálculo manual). Si el tamaño de la muestra n es pequeño, este
método funciona muy bien.
Generalmente la desviación típica de una muestra aleatoria de n observaciones puede

calcularse al dividir el rango por una constante d2 que depende del tamaño de la muestra
n. La constante d2 es la media esperada de una distribución bien conocida W, para las
cuales las tablas d2 han sido creadas (esta lógica se aplicó para los gráficos de control
presentados en la parte de análisis gráfico de esta sección).
Página 33 de 94


Para los estudios de Reproducibilidad y Repetibilidad se utiliza más comúnmente una

variación de este concepto : En lugar de d2, se utiliza una constante d *2 dependiente del
número de subgrupos g y en el tamaño del subgrupo m:
σ̂2 = R /d *2
Se encuentra disponible una tabla para la constante d *2 en el Apéndice B.
Para evitar confusiones con los valores diferentes que toma d *2 para los cálculos de la
desviación típica de las diferentes variables del sistema de medición (debido a sus
respectivas referencias de subgrupo), la inversa de los valores aplicables de d *2 se refieren
como constantes K1, K2 y K3 en el Formulario 2 y en las ecuaciones en el Apéndice C.
Las fórmulas de rango para cada variable que se considere que desempeña un papel en la
variación del sistema de medición se resumen y solucionan para el ejemplo en el
Formulario 2.
Los índices de variabilidad de cada factor se calculan en la columna de la derecha del

formulario (% Variación total).
Finalmente la "adecuación al propósito" de un sistema de medición o la adecuación de la

tolerancia, se evalúa al cambiar la variación total de las ecuaciones en la columna %
Variación total por la variación de tolerancia TolV, la cual es la diferencia del Límite de
especificación superior menos el Límite de especificación inferior, dividido por 6, tal como
sigue:
TolV = (USL - LSL)/6
La diferencia de valores entre TV y TolV derivará necesariamente a valores diferentes

cuando GRR se divide por cualquiera de ellos. Lo que puede resultar un error del sistema
de medición aceptable considerando la variación natural del proceso, puede resultar
inaceptable para los límites de especificación dados. Los objetivos del estudio ayudarán a
determinar si el análisis numérico debe realizarse frente a la variación total, la variación de
tolerancia, o ambas.
Finalmente, el número de categorías distintas que pueden distinguirse con fiabilidad por el
sistema de medición es el número de intervalos de confianza al 97 % no solapados que
abarcará la variación esperada del producto:
 PV 
ndc = 1,41  
 GRR 
Página 34 de 94


Formulario 2
Informe de Repetibilidad y Reproducibiliad del equipo de medición
R = 0,04267 X DIFF = 0,012 Rp = 0,201
% Variación total (TV)

Análisis de la unidad de medición
% Variación de tolerancia
(TolV)
Repetibilidad
σRepetibilidad = % Repetibilidad
= R x K1 = 100 (σRepetibilidad/σT)
= 0,04267 x 0,5908 Ensayos K1 = 36,94 %
= 0,0252 2 0,8862 Frente a TolV
3 0,5908 = 37,81 %
Reproducibilidad
σReproducibilidad = % Reproducibilidad
 σ 2

(
= √  X DIFF x K 2 − 
 ) Repetibilidad
 

= 100 (σReproducibiliad/σT)
  nr 
  0.025 2 2   = 6,26 %
= √  (0,012 x 0,5231) −  
  10 * 3  
  
= 0,0043 Evaluadores 2 3 Frente a TolV
n = piezas r = ensayos K2 0,7071 0,5231 = 6,40 %
Repetibilidad y Reproducibilidad (GRR)
%GRR
GRR = √(σ2ReproducibiliadReproducibilidad+ σ2Repetibilidad) = 100 (σM/σT)
= √(0,2522 + 0,00432) = 37,47 %
= 0,0256 Frente a TolV

= 38,35 %
Página 35 de 94


Variación de pieza (PV)

Piezas K3 %PV
= 100 (σP/σT)
PV = Rp x K3 2 0,7071
= 92,72 %
= 0,0633 3 0,5231 Frente a TolV
4 0,4467 = 94,90 %
Variación total (TV) 5 0,4030
6 0,3742
Número de categorías
TV = √(σ M2 + σ P2 ) 7 0,3534
distintas
 PV 
= √(0,02562 + 0,06332) 8 0,3375 = 1,41  
 GRR 
= 0,0682 9 0,3249 = 3,49
10 0,3146
Variación de tolerancia
TolV = (USL - LSL)/6
= 0,4/6
= 0,0667
viii. Análisis numérico : Análisis del método de varianza
En este método, las varianzas resultantes de un proceso de medición se encuentran a

través de un experimento con diseño factorial. Brevemente, el diseño de experimentos es
una prueba realizada en datos con muestreo peculiar con objeto de determinar las
diferentes fuentes de variación en el resultado de un proceso dado. La "peculiaridad" de
la muestra es que se llevan a cabo diferentes ensayos, variando conscientemente los
factores sospechosos de contribuir a la variación del resultado, mientras que el resto de
las condiciones permanecen constantes. Debido a que se controlan las modificaciones, la
se puede deducir lacantidad en la que contribuyen dichas variables en el resultado. En el
diseño de experimentos GR&R, los factores que se modifican son los operarios o los
dispositivos de medición, dependiendo del objetivo de la prueba de capacidad de
medición.
Para que este método ofrezca resultados fiables, la condición de aleatoriedad del
muestreo y la medición ciega de la pieza debe respetarse totalmente. El líder de Gage
R&R tiene que asegurarse de que se cumple esta condición.
Las fuentes de variación que se identifican con el método ANOVA son las piezas, los
operarios, la interacción de los operarios y las piezas y el error debido a repetibilidad del
equipo de medición.
Página 36 de 94


La cascada de ecuaciones para calcular las varianzas respectivas se presentan en el

Apéndice C. La suma de los cuadrados de los operarios, piezas, su interacción y el error
de medición se convierten en medias cuadráticas al dividir los resultados por los grados
de libertad de la fuente asociada, luego los componentes de la varianza pueden
estimarse al identificar los valores numéricos calculados de las medias cuadráticas con
sus valores esperados y resolver los componentes de la varianza, tal como se observa en
la columna σ 2x en el Formulario 3.
Los valores de varianza negativa calculados se igualan a cero y el componente se

considera irrelevante para la variación del equipo de medición analizado.
El componente de varianza de la repetibilidad sería σ2 y la reproducibilidad del equipo de

medición es la suma de los componentes de la varianza del operario y la pieza x el
operario. Entonces, por definición, la variación de Gage R&R es la suma de la
Reproducibilidad y la Repetibilidad y la Variación total es la suma de la variación de Gage
R&R y la variación de pieza (consulte las ecuaciones en la columna σ 2x ).
De igual manera, la contribución de cada fuente de variación a la variación total se

calcula de la misma forma que para el método Xbar y Rango (consulte la columna %
Variación total).
Debido a que la variación calculada a través del método ANOVA se ofrece en términos de
varianzas (desviaciones típicas cuadráticas), la división debería realizarse con la raíz
cuadrada (columna σ 2x ) y el % Variación total.
Finalmente la precisión respecto a la tolerancia se calcula como en el método Xbar y

Rango.
Las medias cuadráticas para el ejemplo de la fibra óptica calculadas con un programa
informático estadístico son las siguientes :
Tabla 2
Fuente Grados de libertad Sumas de los Medias cuadráticas
(DF) cuadrados (SS) (MS)
Piezas 9 0,363773 0,040419
Operarios 2 0,002169 0,001084
Piezas * Operarios 18 0,031187 0,001733
Repetibilidad 60 0,047000 0,000783
Total 89 0,444129
Página 37 de 94


Y estas se utilizan para calcular los parámetros de cada variable potencial tal como se
muestra en el Formulario 3 :
Formulario 3
Repetibilidad y Reproducibilidad de ANOVA

% Variación % Variación
Fuente σ 2x σ 2x total de tolerancia
Repetibilidad σ 2 = MSE
= 0,000783 0,027987 38,09 % 41,98 %
Operarios* 2 MS PO - MS E
Piezas
σ̂ PO =
n
0,001733 - 0,000783
=
3
= 0,000316 0,017789 24,21 % 26,68 %
MS O - MS PO
Operarios σ̂ O2 =
pn
0,001084 - 0,001733
=
(10 * 3)
= - 2.161E-05 0 0,00 %
2 2 2
Reproducibilidad σReproducib ility = σ O + σPO
= 0 + 0,000316
= 0,000316 0,017789 24,21 % 26,68 %
2 2
Gage R&R σ M2 = σReproducib ility + σ Repeatability
= 0,000316 + 0,000783
= 0,001100 0,033162 45,14 % 49,74 %
2 MS PO - PS E
Piezas σ̂ PO =
n
0,040419 - 0,001733
=
(3 * 3)
= 0,004299 0,065563 89,23 % 98,34 %
Variación total σ 2T = σ M
2
+ σ P2
= 0,001100 + 0,004299
= 0,005398 0,073473
TolV =
Tolerancia (USL - LSL)
6
= 0,0667
Página 38 de 94


La contribución de operarios*piezas no es desdeñable (24,21 %) (para obtener más

detalles consulte la prueba F en el Apéndice C). Este es un factor que no puede
evaluarse y se asume que es cero, en el método Xbar y Rango. En términos prácticos
significa que los operarios puede estar "cambiando" las piezas en el proceso de medirlas.
Esto podría explicar la baja consistencia del operario 2.
El equipo debería investigar cómo pueden los operarios estar interactuando con la pieza.
En el caso de la fibra óptica, el material de las piezas es muy sensible a la suciedad. El
operario 2 quizás no esté siguiendo los últimos procedimientos de limpieza.
ix. Análisis numérico : Criterios de aceptación
La relación de la variación de Gage R&R respecto a la variación total, la tolerancia del

cliente (si está disponible) y el número de categorías distintas son índices numéricos que
determinan si el sistema de medición eds aceptable para su aplicación prevista:
Tabla 3
Criterios de aceptación de Marginal Bueno Excelente
GR&R :
GR&R/Variación total*100 < 30 < 20 < 10
GR&R/Tolerancia*100 < 30 < 20 < 10
Tabla 4
Categorías distintas Marginal Bueno Excelente
Número de categorías
> 0-3 >4 >5
distintas
Para el ejemplo de la fibra óptica, los valores para %GR&R/Variación total (37,47 % Xbar
y R, 45,14 % ANOVA), y %GR&R/Variación de tolerancia (32,92 % Xbar y R, 42,70 %
ANOVA) son mayores del 30 %. La repetibilidad es mucho peor que la reproducibilidad.
El número de categorías distintas de 3,49 indica que el sistema de medición es

marginalmente adecuado en términos de discriminación. Debe revisarse si los operarios
están redondeando valores, algo que resulta obvio durante las observaciones mientras se
asigna el proceso de medición. El dispositivo de medición para la pérdida de fibra óptica
era un dispositivo especial diseñado para Airbus. En el mercado no existe ningún equipo
superior a éste para ese propósito, así que la operación y sus clientes decidieron
mantener esta configuración al tiempo que se controlaba estrechamente cómo se
recopilaban los datos.
Página 39 de 94


Considerando que la fibra óptica es un componente caro, la prueba se realiza en una fase
muy avanzada de la instalación de la aeronave (las correcciones toman un tiempo largo), y
las implicaciones de una avería en los dispositivos alimentados por los mismos podría
afectar a la satisfacción del cliente notablemente, una variación del 25 % sería el mínimo
aceptable. De acuerdo con los expertos de Ingeniería y Operaciones, las causas raiz para
un comportamiento inaceptable del sistema de medición debería encontrarse y eliminarse.
El líder de Gage R&R estaría al cargo de completar el análisis y de registrar los

resultados en la Sección IIIa "Resultados" de la Plantilla de Informe R&R (FM1104083).
Toda la información de análisis adjunta, incluidos los gráficos y cálculos, debe guardarse
en la sección X1.
Nota: La sección IIIa debe completarse para los Datos de variable.
La sección IIIb debe completarse para los Datos de atributo.
Al final del análisis debe tomarse una decisión en referencia al propio análisis y los
resultados. La sección V "Decisión" de la Plantilla de informe R&R (FM1104083) deberá
estar firmada por el líder de Gage R&R y el Titular del equipo de medición. Esta decisión
se comunicará a las partes interesadas.
5.7.3 Paso 7 - Identificar Posibles Causas, Traducir Resultados en

Decisiones Apropiadas
Una vez que han sido calculados los valores para las diferentes fuente de variación, deben
identificarse y confirmarse las causas raiz que llevan a un comportamiento inaceptable. Es
realmente importante no comenzar a pensar en implementar soluciones, o peor aún en
implementarlas, cuando no existe aún claridad acerca de cuáles son exactamente los
problemas, y hasta qué grado cada uno de ellos contribuye al error de medición total.
Las formas habituales de recopilar causas raíz potenciales son las reuniones de de lluvia de
ideas y la creación de diagramas causa-efecto. A continuación sigue la confirmación de la
probabilidad de cada una de estas ideas (para priorizar y solucionar las causas raiz reales :
aquellas en las que la evidencia confirma su existencia). El conocimiento reunido sobre el
proceso de medición y las observaciones durante el desarrollo de la prueba, así como la
experiencia de las personas que desempeñan la medición, son fuentes clave para recopilar
una buena recopilación de causas raiz.
El diagrama causa efecto del Apéndice E puede servir de inspiración al equipo multifuncional que
reúne causas raiz que normalmente afectan al comportamiento de los sistemas de medición
El enfoque a seguir para este ejercicio es la resolución de problemas prácticos (PPS). La

plantilla para este ejercicio está disponible en el informe principal de Gage R&R). Allí un
enfoque Kepner Trigoe causa-efecto está disponible para la identificación de la causa original.
El análisis y hallazgo de la solución de la causa raiz se verá facilitada por alguien a cargo de
los análisis PPS en las operaciones. El líder de Gage R&R, y los operarios implicados en la
prueba deben ser parte integral de las sesiones de resolución de problemas. Otros miembros
de MFT en las reuniones pueden ser otros actores del proceso de medición, personas de las
áreas en las que los útiles de medición y sus manuales de funcionamiento se mantienen y
conservan, así como elementos de toma de decisiones en caso de surgir potenciales
necesidades de inversión, entre otros (por ejemplo, Ingeniería).
Página 40 de 94


Las soluciones generadas y acordadas deben registrarse, con responsabilidades y fecha de

vencimiento para su realización en la Sección VII de la Plantilla de informe R&R
(FM1104083). La gestión y el seguimiento de las acciones debe recaer en las
responsabilidades del Dueño de la operación afectada.
Los siguientes puntos proporcionan algunas causas raiz típicas, así como las soluciones para
cada problema evaluado por la prueba MSA GR&R.
i. Falta de estabilidad
Las lecturas impredecibles señalan eventos inusuales en algunas observaciones, tales

como entrada/transposición de datos incorrecta, error parte del operario al leer el equipo de
medición, cambios de técnica durante el MSA, redondeo, inestabilidad real, suciedad en la
pieza, u otras.
Para el ejemplo de la fibra óptica, no existen puntos fuera de control.
ii. Repetibilidad insatisfactoria:
Si la repetibilidad es grande en comparación con la reproducibilidad, los motivos pueden

ser :
− el instrumento necesita mantenimiento,
− la fijación de la pieza o el dispositivo necesita mejorarse,
− existe una excesiva variación intra-pieza,
− cambio en las técnicas del operario,
− condiciones ambientales (que cambian la respuesta del equipo de medición o la
pieza).
Si un operario presentó una repetibilidad particularmente buena, puede usarse un mapa de
proceso para el operador más repetible con objeto de desarrollar el nuevo procedimiento
estándar. Si los equipos de medición son muy sensibles a cambios ambientales que no son
fácilmente controlables en el entorno de la prueba, podría utilizarse equipos de medición
más robustos para sustituirlos.
Para el ejemplo de la fibra óptica, la repetibilidad fue el mayor problema (38,09 %). Los
cables de fibra óptica son muy sensibles a la suciedad. El análisis de la causa original
mostró que no se siguieron los procedimientos de limpieza estándar antes de la prueba de
cada pieza, las instrucciones escritas para ello estaban desfasadas. Los procedimientos de
limpieza se mejoraron y todos los operarios recibieron formación en la nueva norma.
iii. Reproducibilidad insatisfactoria o pieza detectada*interacción del operario
Cuando existe un claro sesgo del operario, resulta valioso observar qué realiza este
operario consistentemente de forma diferente a los otros. Por ejemplo :
− leer la escala del sistema de medición desde un ángulo contrario al resto de los
operarios (para dispositivos analógicos),
− interactuar con la pieza de forma diferente,
− un operario redondea al alza mientras los otros lo hacen a la baja,
− cada operario mide la mismas característica en un lugar diferente,
Página 41 de 94


− inversión del signo/olvido del signo, deformación de la pieza bajo carga de la

medición, u otras,
− el equipo de medición es muy sensible a condiciones ambientales no identificadas,
− el dial del equipo de medición no es muy claro o permite la interacción equipo de
medición/operario.
Algún tipo de solución debe desarrollarse para garantizar que el equipo de medición se utilice
de forma muy consistente. Por ejemplo : formar al operario en el uso del equipo de medición,
cambiar el equipo de medición por otro menos sensible al entorno de producción, o controlar
mejor las condiciones ambientales relevantes cuando se lleven a cabo las mediciones.
Con 24,21 %, la Reproducibilidad también fue baja en el caso de la fibra óptica. El problema
detectado fue un ligero cambio en la temperatura en una de las rondas que mantuvo
consistentemente el resultado del valor bajo.
iv. Pieza insatisfactoria frente a variación de la medición
Si en el gráfico Xbar más del 50 % de los valores representados quedan dentro de los
límites de control, esto podría implicar una mala preparación de la pieza para el estudio
Gage R&R, o las piezas podrían no representar la verdadera variación del producto, o
quizás sus el valor de las dimensiones medidad dependen de las coordenadas de la pieza
en la que se está midiendo (variación excesiva dentro de la pieza).
Las causas raiz aquí deben centrarse en una evaluación de las piezas usadas para el
estudio : ¿se seleccionaron bien? ¿Su geometría o propiedades corresponen a la supuesto
de que las piezas son siempre constantes entre los ensayos?
Los resultados para el ejemplo de la fibra óptica fueron buenos, más del 50 % de los
puntos medidos quedaron fuera de los límites de control en el gráfico Xbar.
v. Precisión a la tolerancia insatisfactoria
Un valor insatisfactorio de tolerancia/GR&R puede deberse a unos límites muy estrictos de

la especificación del cliente o a una amplia variación de la medición (la interpretación si
esto último es el caso, es la misma que en los puntos iii, y iv). También puede dar a
entender lo inadecuado del sistema de medición para medir las tolerancias
proporcionadas. Quizás la técnica de medición no pueda ser tan precisa como es
necesario para poder ofrecer datos de valor acerca del comportamiento del proceso
respecto a los requisitos.
La solución más sencilla, pero no la más viable es comprobar los requisitos de los límites
de especificación y solicitar unas tolerancias menos estrictas. Sin embargo, en la mayoría
de los casos, la solución sería reducir la variación del proceso de medición con
herramientas avanzadas de resolución de problemas.
En el ejemplo no se encontró un comportamiento notablemente diferente de Precisión

frente a Variación total y de Precisión frente a Tolerancia.
Página 42 de 94


vi. Discriminación insatisfactoria
Las causas de una mala discriminación son un equipo de medición insuficiente y el

redondeo de las mediciones por el equipo de medición o por el operario.
Este problema puede solucionarse al indicarle al operario cómo usar el equipo de medición
completo e interpolar, usando toda la resolución del equipo de medición o sustituir el
equipo de medición por uno que pueda medir unidades más pequeñas.
5.8 MSA GR&R para Atributos

El GR&R para atributos ayuda a asegurarse que el trabajo de los inspectores es consistente
consigo mismos, en los diferentes turnos o plantas y con los requisitos del cliente o reglas
estándar conocidas y aceptadas (es decir, criterios documentados).
En la mayoría de las sedes de producción de piezas los atributos son binarios (superado/no
superado, encaja/no encaja), pero existen también otros sistemas de atributos con más de
dos rutas de decisión. Por ejemplo, también perteneciente al entorno de fabricación es la
gestión de las piezas entrantes o conjuntos producidos no conformes. La decisión de qué
hacer con las piezas depende de que sean calificadas como "residuo", "rechazar", "repasar",
"reparar", "aceptar tal cual", entre otras.
5.8.1 Paso 5 - Ejecutar la Prueba MSA Gage R&R

Ejemplo de panales de piso : El sistema de medición consiste en la inspección visual de los
paneles de piso tras la instalación. El criterio para decidir si es residuo o es bueno se basa en
el número de arañazos "profundos" y zonas rotas. Este análisis del sistema de medición fue
necesario para analizar la habilidad de los inspectores para evaluar correctamente los
paneles no conformes. Los paneles no conformes se envían de vuelta a los proveedores,
quienes a su vez mencionan paneles conformes les son constantemente devueltos.
Se seleccionaron 30 paneles de piso y tres inspectores se eligieron al azar de entre los

operarios activos que normalmente realizan esta prueba. Cada operario revisó el panel de
piso mediante inspección visual y evaluó si resultaban adecuados para su uso en el avión o si
debían devolverse como residuo.
Se realizaron dos Gage R&Rs ya que se puso a disposición información adicional. La primera
prueba fue solo una comparación de los tres operarios, y posteriormente con valores "reales"
encontrados por el cliente y expertos internos. El primer ejercicio dejó claro que una
categorización más detallada haría que la inspección y la toma de decisiones fuera más
sencilla, de forma que se creó un nuevo sistema de medición con cuatro categorías : Bueno,
Residuo, Aceptable como está y Aceptable con repaso local.
Nota : La cantidad de ensayos, piezas y operarios a usar para una prueba fiable depende
mucho de cada operación. En la siguiente sección se explicarán los intervalos de
confianza. En general, dichos intervalos de confianza deben permanecer "lo
suficientemente pequeños". Desafortunadamente no existe un regla que nos indique
qué significa "lo suficientemente pequeño" en todas las situaciones, pero se harán más
pequeños a medida que la cantidad de piezas en la muestra aumente. La experiencia
en las operaciones y la perspectiva del cliente será de mucha utilidad aquí.
Página 43 de 94


5.8.2 Estudio Binario : Analizar los Resultados de MSA Gage R&R

En este primer caso el estudio se llevó a cabo en una situación binómica de atributos (solo
dos posibilidades : los paneles estaban bien o debían considerarse desecho). Si estaban bien
podían permanecer en el avión, si no debían quedar en cuarentena, abrirse una no
conformidad y derivarse a calidad, quienes a su vez los derivarían al proveedor si se
sospechara que la causa original se encontrara allí. La parte se desinstala, se declara no
utilizable y se devuelve al proveedor.
Las mediciones de los tres operarios incluyeron 30 piezas en los tres ensayos, y el valor
estándar "verdadero" o "maestro" se resumieron tal como se muestra en el Formulario 4.
"Valoraciones verdaderas" para las piezas seleccionadas pueden o no estar disponibles. Si no

lo están, sigue siendo posible extraer algunas conclusiones acerca del comportamiento del
operario y la homogeneidad de las reglas básicas para las valoraciones, pero no serán
identificables los sesgos hacia la aceptación de piezas malas o el rechazo de piezas buenas.
Se recomienda encarecidamente reunir la valoración verdadera ; el ejercicio de buscar esta

información en sí revelará varias causas raiz potenciales de lo inadecuado del sistema de
medición. Anote cualquier dificultad experimentada en el camino (por ejemplo, resultó difícil
encontrar una única fuente de información para las reglas escritas, fue difícil para los expertos
internos y los representantes del cliente alcanzar un acuerdo).
i. Cotejo de datos
El R&R basado en atributo esbozado aquí proporciona 2 grupos de resultados : Los

Marcadores efectivos del evaluador y los Marcadores efectivo frente a atributos. El término
efectividad se utiliza a lo largo del estudio de atributos y se define de la siguiente forma:
Número de decisiones correctas

Efectividad =
Oportunidades totales de una decisión
1. % del marcador efectivo del evaluador : Este es el número de veces que el evaluador
está de acuerdo consigo mismo indicado como un porcentaje del número de muestras
medidas. Por ejemplo : El operario 1 evalúa 30 muestras tres veces y está de acuerdo
consigo mismo en 26 de dichas muestras, el Marcador de eficacia del evaluador será
de (26/30) x 100 = 86,7 %.
Página 44 de 94


Formulario 4
Pieza Op 1 - 1 Op 1 - 2 Op 1 - 3 Op 2 - 1 Op 2 - 2 Op 2 - 3 Op 3 - 1 Op 3 - 2 Op 3 - 3 Maestra
1 Bien Bien Bien Bien Bien Bien Bien Bien Bien Bien
2 Desecho Desecho Desecho Desecho Desecho Desecho Desecho Desecho Desecho Desecho
3 Bien Desecho Desecho Bien Bien Bien Bien Bien Bien Bien
4 Bien Bien Bien Bien Bien Desecho Bien Bien Bien Bien
5 Desecho Desecho Desecho Bien Bien Bien Bien Bien Bien Bien
8 Desecho Desecho Desecho Desecho Bien Desecho Desecho Desecho Desecho Desecho
13 Desecho Desecho Desecho Bien Bien Bien Bien Bien Bien Bien
14 Bien Bien Bien Bien Desecho Bien Bien Bien Bien Bien
18 Bien Bien Bien Bien Bien Bien Desecho Bien Bien Bien
21 Desecho Desecho Desecho Bien Desecho Desecho Desecho Desecho Desecho Desecho
22 Desecho Bien Desecho Desecho Desecho Desecho Desecho Desecho Desecho Bien
25 Desecho Desecho Desecho Desecho Desecho Desecho Desecho Desecho Bien Bien
26 Desecho Bien Desecho Desecho Desecho Bien Desecho Desecho Desecho Desecho
28 Bien Bien Bien Bien Bien Bien Desecho Bien Bien Bien
29 Desecho Desecho Desecho Bien Bien Bien Bien Desecho Desecho Bien
30 Desecho Bien Desecho Bien Bien Bien Bien Bien Bien Bien
Origen : Conjunto de datos adaptado de Six Sigma y Minitab, Quentin Brook, QSB Consulting
Página 45 de 94


2. % Marcador efectivo del estudio : Este toma la idea del Marcador efectivo del
evaluador y observa con qué frecuencia cada evaluador acuerda consigo mismo y los
otros evaluadores. Por ejemplo : Los operarios 2 y 3 valoran las mismas 30 muestras
tres veces cada uno. El operario 2 acuerda consigo mismo en 26 de dichas muestras,
mientras que el operario acuerda consigo mismo en 25 de las 30 muestras. Cuando se
tienen en cuenta los tres evaluadores solo están todos de acuerdo en 16 de las
30 muestras. De aquí que el marcador de eficacia del estudio sea del 53,3 %.
3. Marcador de eficacia de los evaluadores frente a atributo : Cuando se busca cómo

detecta el sistema de medición el estado real de superado o no superado del atributo,
solo cuentan los resultados que concuerdan consigo mismo y el atributo. En las
muestras anteriores los % Marcadores de eficacia de los evaluadores serían los
siguientes : Operario 1 = 73,3 %, operario 2 = 76,7 %, operario 3 = 83,3 %.
4. Marcador de eficacia frente a atributo : Esto coteja todos los resultados del evaluador
que concuerdan entre sí y el Atributo, en el caso del estudio anterior este sería del
53,3 % En la forma más simple de valoraciones esto se consideraría el Marcador de
medición general del sistema R&R.
5. A partir de los datos en un R&R basado en atributo, pueden identificarse útiles

tendencias adicionales que proporcionen una indicación de la naturaleza del riesgo del
productor creado por un sistema con un pobre comportamiento :
− Falsos positivos : las incidencias en las que el evaluador está de acuerdo
consigo mismo pero aprueba una muestra que debería haber rechazada.
− Falsos negativos : las incidencias en las que el evaluador está de acuerdo
consigo mismo pero no aprueba una muestra que debería haber aprobada.
− Mixto : las incidencias en las que el evaluador no está de acuerdo consigo
mismo.
6. Intervalos de confianza superior e inferior :
El intervalo de confianza superior e inferior representa el rango de cada operario y el

cálculo basado en una proporción modificada P1 :
(S + 2)
P1 =
(N + 4)
En dónde N es el número de ensayos y S el número de Éxitos
P1 (1 − P1 )
UCI = P1 + 1,96
(N + 4)
P1 (1 − P1 )
LCI = P1 - 1,96
(N + 4)
Un breve recordatorio acerca de los intervalos de confianza : Los porcentajes de
efectividad muestran el valor calculado para los datos muestreados. Los intervalos de
confianza de un nivel de confianza dado representan el comportamiento probable a
largo plazo para la población. Por ejemplo, podemos estar un 95 % seguros de que el
evaluador 1 puede obtener un marcador de repetibilidad del 69,28 % o uno del 96,24
% con cualquier conjunto de datos de la población completa, y para la muestra tomada
para la prueba, el resultado fue del 86,7 %.
Página 46 de 94


Los resultados en la prueba sobre los paneles de piso se muestran en Formulario 5.
Formulario 5
Notas :
(1) El evaluador está de acuerdo consigo mismo en todos los ensayos#
(2) El evaluador está de acuerdo en todos los ensayos con el valor conocida
(3) Todos los evaluadores están de acuerdo consigo mismos y entre ellos
(4) Todos los evaluadores están de acuerdo consigo mismo y entre ellos Y de acuerdo con la referencia
(5) UCI y LCI son, respectivamente, los intervalos de confianza superior e inferior
Página 47 de 94


ii. Resultado gráfico
Este cálculo puede representarse en los siguientes gráficos ; el lado "Intra evaluador"
muestra la repetibilidad de los operarios como un índice porcentual, y el lado "Evaluador
frente a la norma" muestra la efectividad frente a lanorma. El punto indica el cálculo real, y
las líneas que se extienden en ambas direcciones indican los intervalos de confianza (95
%) para el resultado:
Assessment Agreement
Within Appraisers Appraiser vs Standard
93 95,0% C I 93
95,0% C I
P ercent P ercent
87 87
81 81
Percent
Percent
75 75
69 69
63 63
57 57
1 2 3 1 2 3
Appraiser Appraiser
En el ejemplo del panel del piso, ninguno de los operarios aceptó piezas que los expertos
consideraran desecho (Falsos positivos = 0). La mayoría de los desacuerdos se dan en las
valoraciones mixtas y en piezas rechazadas que los expertos consideran buenas. Todos los
operarios, especialmente el operario 1 presenta un "sesgo del cliente", que significa una
tendencia a rechazar piezas buenas, lo cual es seguro para el cliente, pero caro para la
empresa. Esto explica la queja de los proveedores de que reciben rechazos sobre piezas
buenas. Finalmente, el acuerdo entre operarios es mejor que los acuerdos entre los operarios
y la norma.
iii. Criterios de aceptación

El Sistema de medición Efectividad Tasa de Tasa de
de decisión fallo falsa alarma
Aceptable para el evaluador ≥ 90 % ≤2% ≤5%
Marginalmente aceptable para el evaluador
≥ 80 % ≤5% ≤ 10 %
- quizás necesite mejora
Inaceptable para el evaluador
< 80 >5% > 10 %
- necesita mejora
Origen : "Measurement System Analysis", AIAG, 4ª edición.
Página 48 de 94


Donde la Tasa de fallo y la Tasa de falsa alarma son:
Falsos positivos
Tasa de fallo = x 100
Oportunidades totales para negativos
Falso negativo
Tasa de falsa alarma = x 100
Oportunidades totales para positivos
Las "Oportunidades totales para positivos" más "Oportunidades totales para negativos" son
todos valoraciones que cada evaluador realizó sobre las piezas (en este caso las
90 valoraciones). La suma de todas las veces que el operario consideró buena una pieza
que la referencia consideraba buena se incluye en el cuadrante "Bien, Recuento bien".
Cada vez que el operario consideró desecho una pieza buena, el recuento aparece en el
cuadrante "Bien, Recuento desecho", y de igual forma, la suma de las veces que el
operario consideró mala una pieza de desecho, se incluye en el cuadrante "Desecho,
Recuento desecho". Finalmente, el recuento de los ensayos que el operario consideró
mala una pieza buena, aparece en el cuadrante "Desecho, Recuento bien".
Para el ejemplo del panel de piso:

Referencia
Desecho Bien Total
Operario 1 Recuento desecho 23 18 41
Recuento bien 1 48 49
Total operario 1 24 66 90
1 3 0
Tasa de fallo1 = x 100, Tasa de fallo2 = x 100, Tasa de fallo3 = x 100
24 24 24
18 8 9
Falsa alarma1 = x 100, Falsa alarma2 = x 100, Falsa alarma3 = x 100
66 64 66
Decisión Tasa de
Efectividad Tasa de fallo
Sistema de medición falsa alarma
Operario 1 73,3 % 4,2 % 27,3 %
Operario 2 76,7 % 12,5 % 12,5 %
Operario 3 83,3 % 0% 13,6 %
Página 49 de 94


Ninguno de los operarios presenta un comportamiento satisfactorio de acuerdo a los tres

criterios. Se comparan mejor entre ellos mismos que con respecto al valor de referencia. El
operario 3 presenta un comportamiento ligeramente mejor que el resto en términos de
efectividad y tasa de fallo (tiende a identificar mejor las piezas malas que sus colegas).
Todos ellos muestran una tendencia general a dar como desecho piezas buenas, lo que
podría explicar las quejas del proveedor. Todo ello podría dar a entender normas
caducadas o presión de los clientes internos que coinciden con las opiniones de los
clientes externos y los proveedores.
El líder de Gage R&R estará al cargo de completar el análisis y de registrar los resultados
en la Sección IIIa "Resultados" de la Plantilla de Informe R&R (FM1104083).
Toda la información de análisis adjunta, incluidos los gráficos y cálculos, debe guardarse
en la sección XI de la Plantilla de informe R&R (FM1104083).
Al final del análisis debe tomarse una decisión en referencia al propio análisis y los
resultados. La sección V "Decisión" de la Plantilla de informe R&R (FM1104083) deberá
estar firmada por el líder de Gage R&R y el Titular del equipo de medición. Esta decisión
se comunicará a las partes interesadas.
5.8.3 Estudio Binario : Paso 7 - Identificar Posibles Causas, Traducir

Resultados en Decisiones Apropiadas
El primer indicador que debe observarse es el % Marcador de eficacia de los evaluadores
(repetibilidad). Si un evaluador no lo hace bien frente a sí mismo, debe comprobarse cómo
utiliza el equipo de medición y su nivel de conocimiento de la característica medida. Si Todos
los evaluadores no hacen bien frente a sí mismos, pero no entre sí, compruebe qué criterios
de referencia para la evaluación de cada uno de ellos están usando, podrían ser tres fuentes
diferentes. Si todos ellos presentan un comportamiento inferior al 90 %, revise si las
instrucciones para llevar a cabo la evaluación son claras y no dejan lugar a la interpretación.
Si los operarios están de acuerdo entre sí, pero no con respecto a El manual, entonces quizás
ésta necesite mejoras o el cliente ha cambiado sus requisitos y se necesita "calibración".
Observe las diferencias entre el mejor y el peor evaluador ; investigue el motivo de esos
comportamientos diferentes. Estandarice las mejores prácticas y lleve a cabo periodos de
formación.
El sesgo hacia el cliente sería evidente en la diferencia entre falsos negativos y falsos positivos de
los grupos incluidos en las muestras. Esta asume que el sesgo no fue creado por otros factores
humanos, tales como el nivel de habilidad.
Los estudios R & R de atributo deben tomarse con precaución ya que el uso de estas técnicas
presenta, naturalmente pocas probabilidades de confianza. En general, los sistema de
medición de atributos rara vez son adecuados. Resulta difícil para mantener su
comportamiento por encima del 80 % durante largos periodos ya que son mucho más
sensibles que los equipo de medicións de variables a un gran número de factores humanos y
ambientales : el error humano, las opiniones sesgadas de todos los implicados, la vista, las
condiciones de iluminación, la disponibilidad de normas visuales, la frecuencia de la
formación, la facturación, los cambios del producto no implementados correctamente, el
cambio de los puntos de vista del cliente acerca de lo que es aceptable y lo que no.
Página 50 de 94


Por este motivo, según lo indicado anteriormente, siempre que sea posible se prefiere utilizar
equipos variables de medición, pero si es necesario utilizarlos, entonces debe asegurarse de
que siempre esté homologados.
Incluso si durante la prueba los evaluadores obtienen el 100 % de efectividad, debe tenerse
en cuenta que este comportamiento ciertamente será peor a al larga, de forma que los
criterios de aceptación deben mantenerse muy estrictos.
5.9 Paso 8 - Evaluar los Riesgos

En el caso de sistema de medición con resultados de prueba por debajo del comportamiento
esperado "la organización evaluará un registro de los resultados de medición anteriores... y
tomará las acciones apropiadas respecto a cualquier producto afectado" (EN 9100 2010 7.6).
La valoración del riesgo debe llevarse a cabo de acuerdo con el Manual FMEA UG1001150.
El conocimiento obtenido a través de un entendimiento profundo del proceso del sistema de

medición, será la base para identificar los riesgos forma y función del producto que se ha
producido durante un periodo de tiempo anterior a la prueba en la operación analizada
(potencialmente, también en otros). También deben tenerse en cuenta las ventajas de evitar
incurrir en gastos en una operación en la que los rechazos injustificados resultaban
habituales, o el riesgo de rechazos potenciales adicionales una vez mejorado el proceso de
medición.
Esto no debe impedir la implementación del proceso mejorado, pero la persona al cargo de la
evaluación de riesgos debe informar a todos los participantes adecuados de que podría existir
un aumento de la tasa de fallo, e inicialmente trabajo adicional en las operaciones.
El titular del proceso de la operación que produce las piezas medidas es responsable del
seguimiento de la persona a cargo de la evaluación de riesgos. La información debe estar
disponible para la misma a través de la Sección Vb de la Plantilla de informe R&R
(FM1104083), documentada por el Jefe de Gage R&R, y el equipo multifuncional que
acompaña a las pruebas debe participar en dichas sesiones.
5.10 Paso 9 - Preparar un Análisis de Costes y Beneficios

Este paso justifica formalmente cualquier trabajo a ser llevado a cabo para ajustar el sistema
de medición en beneficio del producto.
La información obtenida del estudio MSA GR&R y la evaluación de riesgos servirá para
detallar y calcular potenciales beneficios de implementación de las mejoras o tareas de
reducción de riesgos en el nuevo proceso. Un factor importante en este paso es asignar un
valor a la mejora de calidad. La previsión de beneficios no debe limitarse a la operación en la
que se utiliza el sistema de medición, deben tenerse en cuenta los costes de otras áreas (por
ejemplo, el coste de la operación del cliente cuando encuentran una pieza defectuosa que no
hubiera sido detectada anteriormente, el coste de la gestión de no conformidades u otras
actividades ajenas a la gestión de la calidad, los costes del retraso de los pasos de
producción, la insatisfacción del cliente, etc…). Este cálculo debe expresarse
monetariamente.
Cuando los cambios necesarios en el sistema de medición son considerables : es decir, se

necesita adquirir equipos muy caros, que requieren un presupuesto, el análisis de costes y
beneficios activará un Caso empresarial (Business Case).
Página 51 de 94


El análisis debe recogerse en la Plantilla de informe R&R (FM1104083) Sección VII b

"Análisis de costes y beneficios" y deberá cumplimentarlo alguien designado por el Titular del
proceso.
Si se requiere un caso empresarial, debe identificarse en la Plantilla de informe R&R

(FM1104083) Sección VIIb - "Análisis de costes y beneficios". Deben anotarse el número del
caso empresarial, la fecha de inicio y la fecha de vencimiento para la respuesta y adquisición.
5.11 Paso 10 - Mejorar el Sistema de Medición y volver a realizar la prueba

Todas las acciones correctoras derivadas del punto 7 deben asignarse y controlarse hasta
obtener una solución. En la Plantilla de informe R&R (FM1104083), en la Sección VII
"Soluciones a largo plazo", el líder de Gage R&R incluirá las acciones, los responsables y la
fecha de finalización de la tarea, pero el esfuerzo de coordinar las tareas es responsabilidad
del Titular de proceso afectado, apoyado por el Equipo multifuncional.
Al igual que en cualquier otro esfuerzo de mejora del proceso, las mejoras llevadas a cabo
deben ser mensurables : Una vez fijados el MS (sistema de medición), deben confirmarse la
efectividad de los cambios a través de una repetición del Gage R&R, idealmente con las
mismas piezas. El resultado de la repetición de la prueba deben documentarse también en la
Plantilla de informe R&R (FM1104083) sección VIII - "Resultados de la repetición de la
prueba".
Nota : La sección V111a debe completarse para los datos variables.

La sección V111b debe completarse para los datos por atributo.
Además, las soluciones implementadas debe ser sostenibles y duraderas. Los procesos
mejorados deben mantenerse actualizadas en la documentación oficial del proceso de cada
operación (por ejemplo, AIPS)
Los siguientes principios básicos de buenas prácticas de medición garantizan mejoras

sostenibles en los sistemas de medición y deben tenerse en cuenta para el diseño del
proceso mejorado:
− Las Herramientas correctas : las mediciones solo deben realizarse empleando
equipos y métodos que hayan demostrado su adecuación al propósito.
− Las Personas correctas : el personal de medición debe ser competente, debidamente
cualificado y correctamente informado.
− Revisión habitual : deben existir evaluaciones, tanto internas como independientes
del comportamiento técnico de todas las instalaciones y procedimientos de medición.
− Consistencia demostrable : las mediciones llevadas a cabo en un lugar deben ser
consistentes con las realizadas en cualquier otro lugar.
− Los procedimientos correctos : deben instaurarse procedimientos bien definidos,
consistentes con las normas nacionales o internacionales para todas las medidas.
− Estos principios básicos deben cumplirse cuando se implemente o revise un proceso
de medición a través de un estudio MSA.
Página 52 de 94


5.12 Paso 11 - Registrar el MSA GR&R

Deben conservarse los registros de todos los útiles y herramientas y los equipos de pruebas
sujetos a la prueba MSA GR&R, incluidos : todos los hallazgos del estudio, la fecha de
comprobación, el tipo de equipo, la ubicación, la frecuencia de las comprobaciones, el método
de comprobación, la identificación única, los criterios de aceptación, y la persona
responsable ; Además, también deben conservarse todas las entradas realizadas en cada
uno de los pasos.
Las plantilla "Planificación de Gage R&R" (FM1104084) e "Informe R&R" (FM1104083) son
los informes estándar para el registro (y repositorio).
Además, debe asegurase de que los registros se documentan con la definición sobre los
controles necesarios para su identificación, almacenaje, protección, recuperación, retención y
disposición ; y permanecerán legibles y listos para su identificación y recuperación.
(EN 9100 2010 4.2.4, POM A30 § 5.7)
Idealmente, el registro debería conservarse en una base de datos global para permitir que
todo NatCos pudiera visualizar posibilidades de economías de de escala y compartir
conocimientos.
Página 53 de 94


6 MSA Gage R&R Reactivo

En algunas ocasiones se creará la necesidad de la verificación del sistema de medición
debido a problemas repetitivos, iniciativas de mejora, u otras prioridades, no consideradas en
la Plantilla de planificación Gage R&R original (FM1104084).
Incluso si la prueba se lleva a cabo para otros propósitos y usando otra metodología que la
explicada en el presente documento (por ejemplo, como parte de un proyecto de certificación
Shainin, u otro), el líder de Gage R&R debe estar informado de cualquier prueba prevista para
los sistemas de medición en su ámbito. Esto tiene como objetivo evitar confusiones en las
operaciones afectadas, la duplicación (una prueba para el mismo sistema de medición podría
estar ya hecha, o estar a punto de realizarse), y para garantizar la alineación.
Página 54 de 94


7 Referencias Estadísticas
1. (2010), "Measurement System Analysis", 4th Edition, AIAG
2. Brook, Quentin (2008) "Six Sigma and Minitab", 2nd Edition, QSB Consulting
3. Montgomery, Douglas C. (2009), "Statistical Quality Control", 6th edition, Wiley
4. Gitlow, Howard S. et all (2006), "Design for Six Sigma for Green Belts and Champions", PH
Professional Business
5. Oakland, John S. (2003),"Statistical Process Control", 5th Edition, Butterworth Heinemann
6. Wheeler, Donald J. (2006), "EMP III Evaluating The Measurement Process & Imperfect
Data", SPC Press
7. Yang, Kai ; El-Haik, Basem (2003), "Design for Six Sigma", McGraw Hill
Página 55 de 94


8 Documentos de Referencia
Ref. del Documento Título
Several Modules: AM2016.1 to AM2016.7
Key Characteristics and Tolerances
AM2016
(Varios Módulos : AM2016.1 a AM2016.7
Características Clave y Tolerancia)
Airbus Process Instruction (AIP) Management (Gestión de Instrucción de
AM2531
Proceso de Airbus (API))
AP2655 Managing Nonconforming Items (Gestión de Artículos No Conformes)
Quality Management Systems
Requirements for Aviation, Space and Defense Organizations
DIN EN 9100:2009
(Sistemas de Gestión de la Calidad
Requisitos para Organizaciones de Aviación, Espacio y Defensa)
Quality management systems
Variation management of key characteristics
DIN EN 9103:2005
(Sistemas de Gestión de Calidad
Gestión de la variación de características clave)
Measurement management systems
Requirements for measurement processes and measuring equipment
EN ISO 10012:2003
(Sistemas de Gestión de la Medición
Requisitos para procesos y equipos de medición)
FM1104083 R&R Report Template (Plantilla de Informe R&R)
FM1104083 Gage R&R Planning (Planificación Gage R&R)
Variable Data Collection (Stability Test) (Recopilación de Datos de Variable
FM1104243
(Prueba de Estabilidad))
M2222 Produce Routings and Production BoM's (Crear Rutas y BOM de Producción)
Airbus Standard Document Numbering (Numeración de Documento de Norma
M2280.3
Airbus)
Rules for Design Data Sets Created for Structure Design, Mechanical and
Electrical System Installation, Cabin Installation (Reglas para Conjuntos de
M2943
Datos de Diseño Creadas por Diseño Estructural, Instalación de Sistemas
Eléctricos y Mecánicos, Instalación de Cabina)
COMMISSION REGULATION (EC) No. 1702/2003 (REGLAMENTO DE LA
Parte 21
COMISIÓN (CE) n° 1702/2003)
POM Production Organisation Manual (Production Organisation Manual)
UG1001150 FMEA Handbook (Manual FMEA)
UG1100295 Control Plan Handbook (Manual del Plan de Control)
9 Glosario
Referirse siempre a AP2080 - LEXINET
Exactitud La proximidad de acuerdo entre el valor observado y el valor de referencia
aceptado (AIAG)
Plan de Acción Una lista de acciones que garantiza la eliminación permanente de las causas raiz
que afectan negativamente a la variación de un proceso. El Plan de acción
contiene las acciones a realizar, el responsable de su ejecución y la fecha de
vencimiento para la implementación (como mínimo)
Análisis de Un método estadístico a menudo utilizado en los experimentos diseñados (DOE)
varianza (ANOVA) para analizar datos variables procedentes de varios grupos con objeto de
comparar las medias y analizar las fuentes de variación (AIAG)
Evaluador Estas son las personas que miden las piezas y rellenan los protocolos de
(operario, medición. En algunos casos son Inspectores de calidad (por ejemplo, para las
inspector) pruebas GTI), Especialistas en medición, trabajadores manuales, u otros
Página 56 de 94


Variación del La variación en las mediciones promedio de la misma parte entre diferentes
evaluador evaluadores usando el mismo instrumental y método de medición en un entorno
estable (AIAG)
Sesgo La diferencia entre el promedio de mediciones observadas y un valor de
referencia, históricamente hace referencia a la exactitud (AIAG)
Caso empresarial El Caso empresarial es el documento formal para demostrar la viabilidad del
proyecto, el cual apoya la decisión de lanzar un Proyecto y ofrece una base de
acuerdo y fija para la valoración continua de los objetivos del proyecto. Lo
establece el Jefe del proyecto, el cual manifiesta las asunciones sobre las que
basa sus estimaciones de los costes y beneficios del proyecto, con objeto de lograr
el compromiso de todas las funciones contribuyentes
Calibración Un conjunto de operaciones que establece, bajo condiciones específicas, la
relación entre un dispositivo de medición y una norma rastreable de valor de
referencia e incertidumbre conocidas. La calibración también puede incluir pasos
para detectar, cotejar, informar o eliminar mediante ajustes cualquier discrepancia
en la exactitud del dispositivo de medición que se compara (AIAG)
Intervalo de Un intervalo o rango de valores, calculados a partir de datos de muestra que
confianza contiene con un grado de certeza 100- α, el parámetro de intereses de la
población, por ejemplo, la verdadera desviación típica de la población. α es el Nivel
de significación (consulte a Montgomery para conocer los métodos de cálculo)
(AIAG)
Producto Una parte que es conforme a los requisitos aceptados
conforme
Gráfico de control Un gráfico de característica de proceso, empleado para mostrar el comportamiento
de un proceso, identificar patrones de variación del proceso, evaluar la estabilidad,
e indicar la dirección del proceso
Muestra los valores representados de cierta estadística recopilada de esa
característica, una línea, y uno o dos límites de control (AIAG)
Enfoque corrector Enfoque para eliminar la causa original de una no conformidad u otras situaciones
no deseables (ISO 9000:2005)
Análisis de costes El análisis de costes y beneficios al que se hace referencia en el presente manual
y beneficios es un documento menos formal que el Caso empresarial y se utiliza cuando no se
necesitan inversiones masivas para cambiar un sistema de medición. Sirve
también para demostrar la viabilidad del proyecto, al tiempo que ayuda a lograr el
compromiso de todas las funciones contribuyentes
Ingeniería de Ingeniería o Diseño es la organización responsable del diseño, certificación,
diseño prueba de vuelo y justificación de los productos. Sus representantes proporcionan
a las áreas de fabricación las especificaciones de las piezas y además definen
algunos de los procedimientos de medición que deben seguir con objeto de
garantizar el cumplimiento con las especificaciones
Diseño de Un estudio planificado que implica el análisis estadístico de una serie de pruebas
experimentos en las cuales se llevan a cabo cambios determinados con objeto de procesar
factores, y observarse los efectos, con objeto de determinar las relaciones de las
variables del proceso y mejorar éste (AIAG)
Discriminación Discriminación es la resolución de la medición, el límite de escala o la unidad
(resolución) menor detectable del dispositivos de medición (AIAG)
Categorías de El número de clasificaciones o categorías de datos que pueden distinguirse con
datos definida fiabilidad mediante la resolución del sistema de medición y la variación de la pieza
(ndc) del proceso observado para una aplicación dada (AIAG)
Página 57 de 94


Relación F Una estadística que representa la relación matemática del error cuadrático medio
inter grupo respecto al error cuadrático medio inter grupo para un conjunto de
datos utilizados para valorar la probabilidad de ocurrencia aleatoria en un nivel de
confianza seleccionado (AIAG)
Equipo de Un instrumento de medición para medir e indicar una cantidad
medición
Variable Una variable cuyos valores son independiente de los cambios en los valores de
independiente otras variables
Interacción Un efecto combinado o resultado derivado de dos o más variables que resulta
significativo. En el caso de la interacción entre Pieza y Operario detectada en
ANOVA, significa que las diferencias del Evaluador dependen de la parte que se
mide, es decir debido a la variación intrapieza u otras características que dan lugar
a mediciones no homogéneas (AIAG)
Linealidad La diferencia en los errores de sesgo a lo largo del rango operativo esperado del
sistema de medición. En otros términos, la linealidad expresa la correlación de
diversos errores de sesgo independientes a lo largo del rango operativo (AIAG)
Gestión de Equipo a cargo de garantizar que el equipo de medición esté conforme a los
medición requisitos del uso previsto. Generalmente, esto incluye la calibración y la
verificación, cualquier ajuste o reparación necesario, la posterior recalibración, la
comparación con los requisitos metrológicos para el uso previsto de los equipos,
así como cualquier sellado y etiquetado necesario. Este equipo también puede
enviar dispositivos de medición a otros usuarios para realizar mediciones ellos
mismos
Especialistas en El especialista en medición lleva a cabo actividades e investigaciones específicas
medición de metrología, y se encuentra al cargo de la definición y establecimiento de
nuevos sistemas de medición y de la actualización de los existentes
Sistema de Un conjunto de instrumentos o equipo de medicións, normas, operaciones,
medición (o métodos, herramientas, programas, personal, elementos ambientales y asunciones
Proceso de utilizadas para cuantificar una unidad de medida o valoración fija a la característica
medición) de función que se mide ; el proceso completo utilizado para obtener mediciones
(AIAG)
Análisis del Un Análisis del sistema de medición es una serie de acciones orientadas a evaluar
sistema de la fidelidad con la que un sistema de medición representa las características
medición medidas de un proceso o un producto. Da derecho al aislamiento y calificación de
diferentes fuentes de variación de medición (es decir, sesgo, mala repetibilidad o
reproducibilidad - R&R -, falta de linealidad, etc…), y ayuda a valorar si el sistema
de medición es competente (es decir, es adecuado para la aplicación prevista)
Análisis del El manual MSA GR&R, Análisis del sistema de medición, Gage R&R es una
sistema de colección de herramientas estadísticas que proporcionan los medios necesarios
medición, Gage para evaluar la estabilidad, la repetibilidad, la reproducibiliad, así como el sesgo
R&R del operario
Error del sistema La variación combinada debido al sesgo, la repetibilidad, reproducibilidad,
de medición estabilidad y linealidad del equipo de medición (AIAG)
Metrología La ciencia de la medición (AIAG)
Jefe de MSA Es el actor del proceso a cargo de la coordinación del estudio MSA GR&R en
Gage R&R marcha, de reunir los objetivos, diseñar las pruebas, analizar los resultados,
moderar la causa original y la identificación de las acciones y que tiene la
propiedad del "informe principal". Esta persona debe disponer de un robusto
conocimiento de metrología, estar formado en los conceptos y habilidades
estadísticas básicas mencionadas al inicio del presente manual, así como en las
metodologías explicadas en el mismo
Página 58 de 94


Equipo Es el equipo responsable de decidir sobre el plan MSA Gage R&R, proporcionar o
Multifunción buscar información para la prueba, participar en las reuniones de planificación,
(MFT) análisis de causas de origen, y de tomar acciones en referencia al plan de acción
Producto no Una parte que presenta desviaciones respecto a los requisitos aceptados
conforme
Titular del proceso El Titular del proceso de operación es el principal responsable de la sede en la que
de operación se producen las piezas (o transacciones) medidas. Es responsable de apoyar la
ejecución de las pruebas GR&R, el desarrollo completo de las mejoras
identificadas y el cumplimiento de los procesos de medición mejorados
Fuera del control Estado de un proceso en el que se exhibe una variación caótica, asignable o
estadístico variación por causa especial. Un proceso que está fuera de control es
estadísticamente inestable (AIAG)
Variación inter Variación de pieza a pieza debido a la medición de piezas diferentes (AIAG)
pieza
Variación de pieza En relación al análisis de los sistemas de medición, la variación de la pieza
representa la variación entre piezas y entre periodos esperada para un proceso
estable (AIAG)
Precisión El efecto neto de la discriminación, sensibilidad y repetibilidad a lo largo del rango
operativo (tamaño, rango y tiempo) del sistema de medición. Precisión se emplea
con mucha frecuencia para describir la variación esperada de las mediciones
repetidas a lo largo de un rango de mediciones, dicho rango puede ser tamaño o
tiempo (AIAG)
Enfoque Enfoque para eliminar la causa original de potenciales no conformidades u otras
preventivo situaciones potencialmente no deseables (ISO 9000:2005)
Proceso Conjunto de actividades interrelacionadas o que interactúan que transforman
elementos de entrada en resultados.
Los elementos de entrada de un proceso son normalmente resultados de otros
procesos.
Los procesos en una organización, generalmente se planifican y se llevan a cabo
normalmente bajo condiciones controladas para añadir valor (ISO 9000:2002)
Variación de Es la variación en las características medidas del producto de salida de un proceso
salida del proceso dado. Esta variación puede ser una variación aleatoria, natural o esperada, o
puede ser la variación debida a causas especiales. La variación por causas
especiales debe eliminarse con objeto de lograr un estado de control estadístico
sostenible y cercanía al valor objetivo para la pieza
Jefe del proyecto El jefe del proyecto tiene la responsabilidad directa ante el cliente (Cliente o
patrocinador o Comité directivo) de la consecución de los objetivos del proyecto.
Debe asegurarse de que se logran todos los objetivos técnicos, de coste y de
tiempo.
Cuando debe sustituirse un sistema de medición el jefe del proyecto debe
nombrarlo el Titular del proceso de operación
Calidad de Calidad de fabricación es el área que ayuda a garantizar la calidad del producto en
fabricación las plantas, y también participa en la decisión de si un producto es aceptable o no.
En algunas plantas están también al cargo de llevar a cabo las mediciones para
ciertos artículos a entregar (esto es, pruebas GTI)
MSA GR&R Es una prueba MSA Gage R&R no necesariamente considerada en la
reactivo Planificación de MSA Gage R&R que se activa a través de problemas repetitivos,
iniciativas de mejora u otras prioridades. Los métodos explicados en el presente
manual deben usarse también en aquellos casos, incluso si los papeles y
responsabilidades establecidas en el mismo no se hubieran formalizado en la
operación afectada
Página 59 de 94


Valor de Un valor medido que se reconoce y sirve como referencia de consenso o valor
referencia maestro para una comparación. Puede ser un valor teórico o establecido en base
a principios científicos ; un valor basado en normas nacionales o internacionales ;
un valor basado en el trabajo experimental colaborativo ; un valor de consenso que
utilice un método de referencia aceptado ; o un valor a veces aceptado por
convención, según lo apropiado para un propósito dado. Otros términos
empleados para valor de referencia son : valor maestro o (erróneamente) valor
estándar (AIAG)
Fiabilidad La característica de un proceso de medición de tener un riesgo mínimo de que las
mediciones sufran cambios a través de las transcripciones, transferencias,
proceso, extracción o extrapolación de los datos
Repetibilidad A menudo se hace referencia a la variación dentro del sistema cuando las
condiciones de la medición están fijas y definidas. Además de la variación dentro
del equipo, la repetibilidad incluirá toda la variación interna de las condiciones en
el modelo de error de medición (es decir, incertidumbre) (AIAG)
Replicable La capacidad de llevar a cabo mediciones repetidas en la misma muestra o
componente en las que no existe un cambio físico significativo respecto a lo
medido o al entorno de medición (AIAG)
Reproducibilidad Normalmente se ha definido como la variación en las mediciones promedio de la
misma parte entre diferentes evaluadores (operarios) usando el mismo
instrumental y método de medición en un entorno estable. Sin embargo, para los
sistemas automatizados en los que el operario no es una fuente principal de
variación, la reproducibilidad puede hacer referencia a la variación promedio entre
sistemas o entre condiciones de medición (AIAG)
Nivel de Un nivel estadístico seleccionado para probar la probabilidad de resultados
significado aleatorios, también asociado con lo que se expresa como riesgo alfa que
representa la probabilidad de un error de decisión (AIAG)
Prueba de La prueba de estabilidad se define en este texto como la primera evaluación del
estabilidad sistema de medición tras la calibración con objeto de evaluar la capacidad del
dispositivo para producir mediciones repetidas del mismo objeto de forma
predecible, sin mostrar lecturas erráticas o inexplicables
Tolerancia La desviación permitida de una norma o valor nominal que se mantiene fija, en
forma y función. También llamada Especificación de diseño (AIAG)
Ensayos Réplicas múltiples de pruebas en condiciones repetibles (idénticas) (AIAG)
Incertidumbre Un parámetro asociado con el resultado de una medición que caracteriza la
dispersión de los valores que podrían, razonablemente, ser atribuidos a la pieza.
El rango asignado a un resultado de medición que describe, dentro de un nivel
definido de confianza, los límites esperados que se espera contengan el resultado
de medición verdadero. La incertidumbre es una expresión cuantificada de la
fiabilidad de la medición (AIAG)
Página 60 de 94


Apéndice A. Mapa de Proceso de MSA Gage R&R
Página intencionadamente en blanco

(Consulte el Mapa de corrientes del valor de MSA Gage R&R en las
siguientes página sin numeración)
Página 61 de 94

M7029_Spanish
Análisis del Sistema de Medición, Gage R&R
Edición : A
Abreviaturas y términos :
Proceso de Airbus MSA Gage R&R (página 1 de 2) MD - Dispositivos de medición
MAA - Conjunto del sistema de medición
R&R - Repetibilidad y Reproducibilidad
PO - Titular del proceso
Inspector : Persona que realiza las mediciones
- Equipo del jefe de Gage R&R
- Equipo de inspectores
Actor del
proceso
- Titular de Proceso de
Jefe de MSA Gage Jefe de MSA Jefe de MSA Jefe de MSA - Jefe de MSA Jefe de MSA Jefe de MSA - Jefe de MSA
fabricación
Gage R&R Gage R&R
- MFT (Calidad de ingeniería, R&R Gage R&R Gage R&R Gage R&R Gage R&R Gage R&R
- Equipo MFT - Equipo MFT
Titular del MD, otro)
- Ingeniería - Fabricación - Fabricación - Fabricación - Fabricación - Fabricación

- Titular del Plan de control - Calidad
Provee-
- Calidad - Calidad - Calidad - Calidad

dores
- Titular del MAA - Titular del MD - Titular del MD Jefe de MSA - Titular del MD - Titular del MD Jefe de MSA Jefe de MSA - Titular del MD
- Potenciadores del - Jefe de Gage R&R - Jefe de Gage R&R Gage R&R - Jefe de Gage R&R - Jefe de Gage R&R Gage R&R Gage R&R - Jefe de Gage R&R
proceso - Diseño - Inspectores - Inspectores - Inspectores - Inspectores
- Jefe de Gage R&R - Diseño
- Otra - Otra - Otra - Otra
- Otra
- Documentación de - Seminarios
Fabricación - Autoridades nacionales
Necesario debido a: - Nuevo proveedor - Especificaciones - Manual de Usuario de la
- Plan de Control
- Rotación del personal en de equipos de - Proceso actual (Ir, Mirar, Ver) herramienta de medición - Número de operaciones
Entradas
- Mediciones críticas de - Plan de prueba - Capacidad del MS

- Aplicación de nuevo medición - Idoneidad de las condiciones - Calificación de los - Plan de muestreo Resultados de la
MAA Diagrama de flujo - Piezas - Otras - Informe de prueba
proceso - Nuevos ambientales para las operarios de medición - Condiciones prueba (por
- Experiencia de informe del MS, - Calendario de planta características del - Problemas de
- Nuevo programa dispositivos de mediciones - Para MS con software, medioambientales ejemplo, % R&R
- Necesidades de mejora Características y - Útiles necesarios MS analizadas producción
- Transferencia producto medición - Ajustes amb. durante la comprobar versión - Información de diseño por tolerancia o %
(proyectos, problemas) calibración del MS - Operarios (por ejemplo, - Otra
de fabricación - Mejora del medición instalada, fuentes del - Análisis de informe variación de pieza)
- Referencia cruzada con - Otra estabilidad)
- Problema de fab. proyecto - Capacidad de proceso actual software - Especificaciones de utillaje
otras plantas
- Plan de prueba periódico - Otra - Artículos científicos - Registros de calibración
o sello
- Otra
S A S Fin
Identifique
Paso del
proceso
C Comprenda el ¿Existen causas

A
Ajuste los objetivos proceso y el fuentes de Programe y ¿Es el MS potenciales y
Plan para MSA para el estudio MSA dispositivo de variación obvias N Diseño de Prueba Analizar los N traduzca los
ejecute la prueba conforme? 1
GR&R en el proceso MSA Gage R&R resultados de la resultados en
GR&R actual medición MSA Gage R&R
del MS? prueba decisiones
apropiadas
- Diagrama de flujo "tal cual"

proceso MS - Resultados de la prueba
- Plan MSA Gage - Capacidad del MS
Resulta-
Necesidad de - Valoración acerca de las (por ejemplo, % R&R

R&R (Necesidades Confirmación de - Otras - Actualizar en - Causas raiz
MSA GR&R características del MS por tolerancia o %
validadas, necesidad de características del el informe identificadas
dos
formalizada observadas en el proceso (es Plan de prueba variación de pieza)

periodicidad dónde mejorar el MS analizadas (por (conforme - Plan de acción
Qué acuerdo decir, exactitud, oportunidad, - Observaciones
y cuándo) proceso de MS ejemplo, S/N) correctora
incertidumbre…) relevantes del proceso
- Acuerdo estabilidad)
- Dispositivo de medición durante la prueba
calibrado
- Titular de Proceso - Originador - Originador - Originador - Originador - Originador

Clientes
de fabricación - Titular de Proceso - Titular de Proceso - Titular de Proceso - Titular de Proceso - Titular de Proceso
Jefe de MSA de fabricación de fabricación Jefe de MSA Jefe de MSA de fabricación
- Jefe de Gage R&R de fabricación Gage R&R Gage R&R Gage R&R de fabricación
- Otras personas - Otras personas - Inspectores - Inspectores - Inspectores - Otras personas
interesadas interesadas - Otras personas - Otras personas - Otras personas interesadas
interesadas interesadas interesadas
Informe : Solicitud Informe : Diagrama de flujo Informe : Necesidad de Informe : Plantilla Informe : Plantilla Informe : Plantilla Informe : Plantilla
estructurada c PPS en e nforme
Plantilla de plan
Plan-
tillas
de validación de del MS, Características y mejorar proceso MS estructurada con estructurada con estructurada con
MSA GR&R prueba y objetivos calibración del MS antes de otras pruebas plan de pruebas plan de pruebas resultados/conclusiones
Página 62 de 94

M7029_Spanish
Edición : A
Proceso de Airbus MSA Gage R&R (página 2 de 2)

Abreviaturas y términos :
MD - Dispositivos de medición
MAA - Conjunto del sistema de medición
R&R - Repetibilidad y Reproducibilidad
PO - Titular del proceso
Actor del
Inspector : Persona que realiza las mediciones

proceso
- Titular de Proceso de - Titular de Proceso de

- Titular de Proceso de - Titular de Proceso de - Titular de Proceso de
Jefe de MSA Gage fabricación fabricación Jefe de MSA
fabricación fabricación fabricación
R&R - Originador - Originador Gage R&R
- Originador - Originador - Originador
- Finanzas - Finanzas del med.
- PO de fabricación - PO de fabricación
- Fabricación
Provee-
- MFT - PO de fabricación - MFT - Jefe de MSA Gage R&R

- Calidad
dores
Jefe de MSA - Titular del MD - MFT - Titular del MD - Responsable Jefe de MSA
- Jefe de Gage R&R Gage R&R Gage R&R
- Jefe de Gage R&R - Originador - Jefe de Gage R&R presupuestario
- Diseño
- Diseño - Otra - Diseño - Otra
- Otra
- Otra - Otra
- NC - Causas originales - Causas originales

Entradas
- Informar de
- Impacto en el - Acciones necesarias - Informede - Acciones necesarias - Informe (nombre,
Informe de acciones
cliente pruebas para corregir pruebas con PPS para corregir fecha, …)
- Cuantificación - Datos financieros - Datos financieros correctoras
con PPS - Caso empresarial - Metadatos para
del fallo - Evaluación de costes - Evaluación de - Presupuesto
trazabilidad
- Otra de variación costes de variación - Otra
S
Paso del
proceso
¿Puede Mejorar el sistema de

solucionarse el Preparar medición (resolver Volver a ejecutar
Evaluación del riesgo N Preparar
1 Actividad del proyecto C Análisis de costes y causas raiz Registro C
para piezas anteriores MS localmente? Caso empresarial la prueba
beneficios local apropiadas)
- Acción de contención
- MS retirado necesita - MS mejorado
Resulta-
verificación Análisis de - Instrucciones MS Registrado

- Informe actualizado Caso detalladas
dos
Decisión Nuevo MS costes y MSA GR&R

con Evaluación de empresarial - Proceso
beneficios
riesgo realizada S/N mejorado en SOI
- Originador - Originador - Titular del presupuesto - Originador - Originador - Originador

Clientes
- Titular de Proceso de - Titular de Proceso de - Originador - Titular de Proceso de - Titular de Proceso de - Titular de Proceso de
- Titular de Proceso de Jefe de MSA fabricación fabricación
fabricación fabricación fabricación
fabricación Gage R&R - Elemento de toma de - Inspectores
- Otras personas - Otras personas - Otras personas
interesadas interesadas - Otras personas decisiones - Otras personas interesadas
interesadas - Otras personas interesadas interesadas
Informe : Plantilla Plantilla de Caso Plantilla de Caso Informe : Plantilla

estructurada con empresarial empresarial
Plan-
estructurada con lista

tillas
Evaluación de riesgo Informe : con Caso Informe : con CBA

de mejoras
realizada S/N empresarial realizado S/N realizado S/N
Página 63 de 94


Apéndice B. Constantes para Gráficos de Control
Tabla ANOME
Página 64 de 94


Fuente : Wheeler, Donald J. (2006), "EMP III Using Imperfect Data", Wheeler, pp. 277, 278.
Página 65 de 94


Tabla ANOMR
Página 66 de 94


Fuente : Wheeler, Donald J. (2006), "EMP III Using Imperfect Data", Wheeler, pp. 281, 282.
Página 67 de 94

M7029_Spanish
*2 Edición : A
d Tabla
Fuente : Adaptado de "Measurement System Analysis", AIAG, 4ª edición. pp.203.
Página 68 de 94


Apéndice C. Bases Matemáticas para Xbar y Rango y ANOVA GR&R
Método de Xbar y Rango1
Generalmente la desviación típica de una muestra aleatoria de n observaciones puede

calcularse al dividir el rango por una constante d2 que depende del tamaño de la muestra n.
Las constante d2 es la media esperada de una distribución bien estudiada W, para la cual se
han creado las tablas d2.
Para los estudios de Reproducibilidad y Repetibilidad se utiliza más comúnmente una

variación de este concepto : En lugar de d2, se utiliza una constante d *2 que depende del
número de subgrupos g y del tamaño del subgrupo m (capítulo 6 del material de apoyo
Montgomery):
σ̂ 2 = R /d *2
*
El Apéndice E se encuentra disponible en una tabla para la constante d 2 .
Para evitar confusiones con los valores diferentes que toma d *2 para los cálculos de la
desviación típica de las diferentes variables del sistema de medición (debido a sus
respectivas referencias de subgrupo), la inversa de los valores aplicables de d *2 se refieren
como constantes K1, K2 y K3 en el Formulario 2 y en las ecuaciones de esta sección.
En consecuencia las desviaciones típicas en la columna "Análisis de la unidad de medición"

se calculan de la siguiente forma:
1. Repetibilidad : la variación en la capacidad del evaluador para repetir sus propias

mediciones se calcula usando los rangos de las mediciones de cada pieza. La
variación de la repetibilidad o σRepetibilidad es el resultado del rango promedio R
multiplicado por K1, la cual depende del número de ensayos, y es la inversa de un
valor d *2 , que depende del número de ensayos m y del número de veces de piezas por
el número de evaluadores g.
σRepetibilidad = R x K1
En el ejemplo de la fibra óptica, el número de ensayos es 3, el número de piezas es

(10) veces el número de evaluadores (3) es 30 - cálculos del rango 30 -. Para un
número de subgrupo superior a 20, d *2 presenta un valor de 1,69257. El Formulario 2
tiene valores K1 para estudios GR&R con 2 y 3 ensayos.
Página 69 de 94


2. Repetibilidad : la variación en las mediciones consolidadas del evaluador se calcula

usando el rango de los promedios totales por evaluador. La reproducibilidad o
σReproducibilidad se determina al multiplicar la diferencia promedio máxima del evaluador
X DIFF por una constante K2. K2 depende del número de evaluadores. Su inversa, d *2
depende del número de evaluadores m, y de un g = 1 uno ya que solo existe un
cálculo de rango. La variación del evaluador se contamina con la variación de la
repetibilidad, de forma que debe ajustarse con la resta de una fracción de la misma:
  σ Repetibili
2


(
σReproducibilidad =√  X DIFF x K 2 −  ) 
dad 


  nr 
donde n = número de piezas y r = número de ensayos
Si se obtiene un valor negativo bajo el signo de raíz cuadrada, la variación del

evaluador toma como valor predeterminado cero.
En el ejemplo de la fibra óptica el número de evaluadores m es 3 y g es 1, de forma

que d *2 es 1,91155. El formulario 5.7.1.2.2 tiene valores K2 para estudios GR&R con 2
y 3 ensayos.
3. La variación del sistema de medición GGR o σM es la variación combinada de

Reproducibilidad y Repetibilidad, y se calcula al añadir sus (varianzas) cuadrados y
tomando la raíz cuadrada tal como sigue:
2 2
σM = √(σ Reproducibilidad + σ Repetibilidad )
4. La variación de las piezas PV o σP se determina al multiplicar el rango de los

promedios de piezas RP por una constante K3. K3 depende del número de piezas
usadas en el estudio y es la inversa de un d *2 que depende del número de piezas m y
una g = 1 ya que solo existe un cálculo de rango:
σP = RP x K3
Esta variación se considera la variación del proceso. Debido a que contiene solo las
piezas medidas para el estudio, resulta importante recordar que la selección de la
pieza debe ser muy deliberada, de tal forma que represente la variación del proceso
esperada.
En el ejemplo de la fibra óptica el número de piezas es 10, g = 1, y para esta

combinación d *2 tiene un valor de 3,17905. El Formulario 2 tiene valores K3 para
estudios GR&R con 2 a 10 piezas.
5. La variación total TV o σT es la variación combinada de la variación del sistema de

medición GRR y la variación de las piezas PV, y se calcula al sumar sus respectivas y
tomando la raíz cuadrada de la suma, tal como sigue:
σT = √(σ M2 + σ P2 )
Página 70 de 94


6. Los índices de variabilidad de cada factor se calculan en la columna de la derecha del

formulario (% Variación total), tal como sigue:
%Repetibilidad = 100 (σRepetibilidad/σT)
%Reproducibilidad = 100 (σReproducibilidad/σT)
%GRR = 100 (σM/σT)
%PV = 100 (σP/σT)
7. Para evaluar la "adecuación al propósito" de un sistema de medición o la adecuación
de la tolerancia, se sustituye la variación total de las ecuaciones en el punto 6) por la
variación de tolerancia TolV, la cual es la diferencia del Límite de especificación
superior menos el Límite de especificación inferior, dividido por 6, tal como sigue:
(USL − LSL )
TolV =
6
Observe que la diferencia de valores entre TV y TolV derivará necesariamente a
valores diferentes cuando GRR se divide por cualquiera de ellos. Lo que puede
resultar un error del sistema de medición aceptable considerando la variación natural
del proceso, puede resultar inaceptable para los límites de especificación dados. Los
objetivos del estudio ayudarán a determinar si el análisis numérico debe realizarse
frente a la variación total, la variación de tolerancia, o ambas.
8. "El número de categorías distintas que pueden distinguirse con fiabilidad por el
sistema de medición es el número de intervalos de confianza al 97 % no sobrepuestos
que abarcará la variación esperada del producto":
 PV 
ndc = 1.41  
 GRR 
Nota : La suma del % Repetibilidad y % Reproducibilidad no será igual al %GRR, y de

igual forma la suma de %GRR y % PV no será el 100 %.
Las ecuaciones para calcular GRR y la Variación total pueden representarse como
funciones pitagóricas. Son las varianzas de Reproducibilidad, Repetibilidad ; GR&R y
Variación de piezas las que se usan para obtener GR&R y la Variación total, no las
desviaciones típicas.
z
y
Variación de
pieza
Repetibilidad
Reproducibilidad x
Página 71 de 94


2 2
σ M2 = (σ Reproducibilidad + σ Repetibilidad )
σ 2T = (σ M2 + σ P2 )
Las relaciones propuestas por el AIAG se calculan mediante divisiones de las

desviaciones típicas, en lugar de con divisiones de las varianzas (lo cual es más
común en estadísticas al comparar la variación de dos variables independientes).
Algún programa estadístico ofrece las relaciones en términos de varianzas en lugar de

en términos de desviación típica. Las varianzas sumarán el 100 %. El criterio de
aceptación también debe elevarse al cuadrado.
1. El enfoque explicado en el presente documento se basa principalmente en el método

propuesto por "Measurement System Analysis", AIAG, 4ª edición, pp. 120-121.
Página 72 de 94


Análisis del método de varianza (ANOVA)2

En este método, las varianzas resultantes de un proceso de medición se encuentran a través
de un experimento con diseño factorial. Brevemente, el diseño experimentos es una prueba
realizada en datos con muestreo peculiar con objeto de determinar las diferentes fuentes de
variación en el resultado de un proceso dado. La "peculiaridad" de la muestra es que se llevan
a cabo diferentes ensayos, variando conscientemente los factores sospechosos de contribuir
a la variación del resultado, mientras que el resto de las condiciones permanecen constantes.
Debido a que se controlan las modificaciones, la cantidad en la que contribuyen dichas
variables a la variable completa del resultado puede deducirse de dichos resultados. En el
experimento diseñado GR&R, los factores que se modifican son los operarios o los
dispositivos de medición, dependiendo del objetivo de la prueba de capacidad de medición.
Las fuentes de variación que se identifican con el método ANOVA son las piezas, los
operarios, la interacción de los operarios y las piezas y el error debido a repetibilidad del
calibre.
Para que este método ofrezca resultados fiables, la condición de aleatoriedad del muestreo y
la medición ciega de la pieza debe respetarse totalmente. El líder de Gage R&R tiene que
asegurarse de que se cumple esta condición.
Teniendo esto en cuenta, para a piezas seleccionadas aleatoriamente, y b operarios
seleccionados aleatoriamente y cada operario midiendo las piezas n veces, cada medición
puede representarse por el siguiente modelo :
i = 1, 2,..., p
Yijk = Pi + Oj + POij + εijk =  j = 1, 2,..., o
k = 1, 2,..., n
"donde los parámetros del modelo Pi, Pj, Pij y εijk son todas variables aleatorias independientes
que representan los efectos de las piezas, operarios, la interacción de los efectos conjuntos
de piezas y operarios, y el error aleatorio. Esto se llama "análisis de varianza (ANOVA) del
modelo de efectos aleatorios" (Montgomery 2009, pp 374) : Asumiendo que dichas variables
aleatorias se distribuyan normalmente con una media centrada en cero, y las varianzas dadas
por V (Pi) = σ P2 , V (Oj) = σ O2 , V (POij) = σ PO
2
y V (εijk) = σ2 la varianza de cualquier observación
sería :
V (Yijk) = σ P2 + σ O2 + σ PO
2
+ σ2
El análisis de los métodos de varianza implica la partición de la variabilidad total en las

mediciones entre las siguientes sumas de cuadrados de los componentes de la variación, la
cual es la desviación alrededor de la media de cada componente (o fuente):
SSTotal = SSPiezas + SSOperarios + SSPO + SSError
Donde las sumas de los cuadrados se calculan como sigue:

n  x i2..  x ...2
SSP = ∑ 

i=1  kr
 -
 nkr

 x .2j.  x 2
k
SSA = 
∑
j=1  nr 
 - ...
 nkr
Página 73 de 94


n k r
x ...2
TSS = ∑∑∑ x
i=1 j=1 m =1
2
ijm -
nkr
n k  x ij2.  n
x i2... k x .2j. x ...2
SSAP = ∑∑ 

j=1  r
 -
 ∑ kr
- ∑ nr +
nkr
i=1  i=1 j=1
SSE = TSS - [SSA + SSP + SSAP]
Estas ecuaciones muestran cuánto tiempo puede llevar el cálculo manual de las
90 mediciones para la configuración básica de GR&R. Por esta razón, normalmente se utiliza
el software informático para calcular las sumas de cuadrados.
Cada suma de cuadrados se divide por sus grados de libertad para producir medias
cuadráticas:
SS Partes
MSP =
DFP
SSOperadores
MSO =
DFO
SS PO
MSPO =
DFPO
SS Error
MSE =
DFE
Donde los grados de libertad son :
DFP = P - 1
DFO = O - 1
DFPO = (P - 1) (O - 1)
DFE = po(n - 1)
Los valores esperados para las medias cuadráticas son los siguientes:
E(MSP) = σ2 + nσ PO
2
+ bnσ p2
E(MSO) = σ2 + nσ PO
2
+ bnσ o2
E(MSPO) = σ2 + nσ PO
2
E(MSE) = σ2
Página 74 de 94


"Los componentes de la varianza pueden estimarse al igualar los valores numéricos

calculados de las medias cuadráticas a sus valores esperados y resolviendo para los
componentes de la varianza" (Montgomery 2009, pp 375):
σ̂ 2 = MSE
2 MS PO − M SE
σ̂ PO =
n
2 MS O − MS PO
σ̂ PO =
pn
MS P − MPO
σ̂ P2 =
on
En ocasiones, estas ecuaciones proporcionarán valores negativos de la varianza. No es
razonable, ya que las varianzas no pueden ser valores negativos. La convención es ajustar dichas
varianzas a cero y considerar el componente irrelevante para la variación del sistema de medición
analizado.
El componente de varianza de la repetibilidad sería σ2 y la reproducibilidad del calibre es la

suma de los componentes de la varianza del operario y la pieza x el operario :
σ Repetibili
2
dad = MSE
σ Reproducib
2 2 2
ilidad = σ O + σ PO
Tal como se observó anteriormente en el método Xbar y Rango:
= σ Reproducibilidad + σ Repetibilidad
2 2 2
σM
2
σ 2T = σ M + σ P2
De igual forma, las contribuciones se calculan de la siguiente forma:
%Repetibilidad = 100 (σRepetibilidad/σT)
%Reproducibilidad = 100 (σReproducibilidad/σT)
%GRR = 100 (σM/σT)
%PV = 100 (σP/σT)
Y como la variación calculada a través del método ANOVA se ofrece como varianzas, las
ecuaciones resultantes son:
 σ2 
%Repetibilidad= 100 
Repetibilidad 
 σ Total
2 
 
Página 75 de 94


 σ2 
%Reproducibilidad = 100 
Reproducibilidad 
 σ Total
2 
 
 σ2 
%GRR = 100  
M
 σ2 
 Total 
 σ2 
%PV = 100  
P
 σ2 
 Total 
Y el bono del método ANOVA : interacción pieza*operario:
 σ2 
%POV = 100  
PO
 σ2 
 Total 
Los datos del ejemplo de la fibra óptica (calculados con software informático) muestran los
siguientes valores:
Grados de Sumas de los Medias

Fuente F
libertad (DF) cuadrados (SS) cuadráticas (MS)
Piezas 9 0,363773 0,040419
Operarios 2 0,002169 0,001084
Piezas * Operarios 18 0,031187 0,001733 5,886
Repetibilidad 60 0,047000 0,000783
Total 89 0,444129
2. La explicación se basa en Montgomery, Douglas C, "Statistical Quality Control", Wiley, 6ª

edición, pp. 372-376.
Página 76 de 94


Observe la columna añadida para los valores F. La distribución F se utiliza para realizar
inferencias acerca de las varianzas de dos distribuciones normales. Para el método ANOVA la
estadística F para la interacción evaluador por pieza se calcula con objeto de ver si la
interacción es significativa. Un nivel de significado alto (es decir α = 0,05 o menor) se elige
con objeto de evitar el riesgo de concluir erróneamente que no existe interacción significativa.
El valor F para la interacción es la relación de la varianza piezas*operario dividida por la

varianza de la repetibilidad. Cuando dicho valor es menor que un valor crítico de F
(dependiente de los Grados de libertad para piezas y operarios), entonces se concluye que la
interacción no es significativa (tablas para la distribución de F para encontrar valores críticos
de F están disponibles en cualquiera de las referencias estadísticas citadas al final del
presente manual).
Para este ejemplo, la F0.05 tabulada para la DF 18,60 es igual a 2,02. En la tabla anterior, el
valor F para piezas*operarios es 5,886 el cual es superior. Esto significa que la interacción del
operario y la pieza es significativa ; un factor que no se consideraba en el método Xbar y
Rango. En términos prácticos significa que el operario puede estar "cambiando" las piezas en
el proceso de medirlas. Esto podría explicar la baja consistencia del operario 2.
Los programas informáticos estadísticos normalmente proporcionarán el valor porcentual si la

interacción es significativa o igual a cero si la contribución de piezas* operario no lo es (de
forma que no se preste atención especial a los valores F). En este último caso, los resultados
para el método ANOVA y el método Xbar y rango, serán muy similares.
Página 77 de 94


Apéndice D. Ejemplos en Minitab
Gage R&R en Minitab
Existen una serie de programas informáticos estadísticos "recientes" que permiten ejecutar
Análisis del sistema de medición y otras pruebas estadísticas. Una de estas herramientas es
Minitab, el cual se encuentra disponible en cada una de las NatCo (con licencias limitadas).
Los ejemplos que ilustran el manual se encuentran también en Minitab en este apéndice.
Minitab proporciona algunos de los gráficos explicados en el Capítulo 5 y la ventana de sesión

ofrece los resultados numéricos para las diferentes fuentes de variación.
I. Variable MSA GR&R, Pérdida de la fibra óptica
Los datos recopilados según se explica en la sección 5.7 se copiaron a Minitab de la siguiente
forma:
Página 78 de 94


Posteriormente, los datos se tratan:
Comandos : → Stat → Quality Tools → Gage Study → Gage R&R Study (Crossed)
En al primera ventana, se introducen las columnas para las piezas, operarios y valores a
analizar En esta ventana puede elegirse entre Xbar (Promedio) y el método R o ANOVA.
Según lo mencionado en el capítulo 5, el método ANOVA es preferible ya que evalúa la

contribución de la variación de interacción pieza*operario, y los cálculos de la varianza se
aceptan ampliamente como de mayor exactitud.
Página 79 de 94


Si la tolerancia es un valor conocido y se desea un análisis frente a la tolerancia, entonces

debe ejecutarse de la siguiente forma:
Los límites de especificación superior e inferior pueden anotarse en los campos indicados, o
en el campo diferencia debajo de los mismos. En "Study variation" si no se proporciona
ningún número, se aplica 6 por defecto.
En este caso, la pérdida máxima permitida por Ingeniería es de 0,4 dB, si la pérdida es mayor,
se sospecha que el cable de fibra óptica esté dañado y es necesario cambiarlo para evitar
averías en los equipos.
Página 80 de 94


Analizar los resultados : Resultado gráfico
El resultado gráfico es prácticamente el mismo en el método Xbar y Rango que en el método

ANOVA:
Gage R&R (Xbar/R) for Results (dB)

C omponents of V ar iation Results ( dB) by P ar ts
100
% Contribution
-0,24
% Study Var
% Tolerance
Percent
50 -0,36
-0,48
0
Gage R&R Repeat Reprod Part-to-Part LUT1 LUT10 LUT2 LUT3 LUT4 LUT5 LUT6 LUT7 LUT8 LUT9
Parts
R C har t by O per ator s
1.Operator 2.Operator 3.Operator Results ( dB) by O per ator s
UCL=0,1098 -0,24
0,10
Sample Range
_ -0,36
0,05
R=0,0427
-0,48
0,00 LCL=0
1.Operator 2.Operator 3.Operator
Operators
Xbar C har t by O per ator s
1.Operator 2.Operator 3.Operator O per ator s * P ar ts Inter action
Operators
Sample Mean
-0,3 1.Operator
Average
-0,3
UCL=-0,3155
_
_
2.Operator
3.Operator
X=-0,3591 -0,4
-0,4 LCL=-0,4028
-0,5
T1 10 T2 T 3 T 4 T 5 T 6 T7 T 8 T9
-0,5 LU LUT LU LU LU LU LU LU LU LU
Parts
El Gráfico de rango por operario, el Gráfico Xbar por operario y la Interacción

Operarios*Piezas son completamente equivalentes a los gráficos explicados en la
sección 5.7.
Otros gráficos disponibles en el informe Minitab son:
Los Resultados por piezas con gráficos de promedio, que son un Gráfico de ejecución con el
promedio de la pieza representado. Este gráfico muestra al extensión por pieza y puede
ayudar a identificar mediciones inusuales de piezas, y si la extensión es muy amplia, podría
ser una indicación de "variación dentro de la pieza".
Run Chart with Averages Line
-0,20
-0,25
-0,30
-0,35
-0,40
-0,45
-0,50
LUT1 LUT10 LUT2 LUT3 LUT4 LUT5 LUT6 LUT7 LUT8 LUT9
Parts
Página 81 de 94


Resultados por operarios : Este gráfico muestra las lecturas por operario. La línea conecta el
promedio de dichas lecturas. En el caso ideal no habría una diferencia significativa en los
promedios de los operarios, o en su variabilidad.
Gage R&R (Xbar/R) for Results (dB)
Results (dB) by Operators

-0,20
-0,25
-0,30
-0,35
-0,40
-0,45
-0,50
1.Operator 2.Operator 3.Operator
Operators
Componentes de la variación : Los valores numéricos de los diferentes componentes de la

variación en el MSA se colocan en un gráfico de barras. En este caso habría algunas
diferencias entre los valores al usar el método XBar y Rango o el método ANOVA. Si el
sistema de medición era válido, este gráfico debe mostrar un grupo menor de columnas en el
lado Gage R&R que en el lado Entre piezas. La barra de contribución no se explicará más en
este texto.
Página 82 de 94


Análisis numérico: Ventana de sesión
Resultados para: Gage R&R continuo
Estudio Gage R&R - Método XBar/R

%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0,0006534 14,04
Repeatability 0,0006351 13,65
Reproducibility 0,0000183 0,39
Part-To-Part 0,0039996 85,96
Total Variation 0,0046530 100,00
Process tolerance = 0,4
Study Var %Study Var %Tolerance

Source StdDev (SD) (6 * SD) (%SV) (SV/Toler)
Total Gage R&R 0,0255623 0,153374 37,47 38,34
Repeatability 0,0252018 0,151211 36,95 37,80
Reproducibility 0,0042780 0,025668 6,27 6,42
Part-To-Part 0,0632425 0,379455 92,71 94,86
Total Variation 0,0682132 0,409279 100,00 102,32
Number of Distinct Categories = 3
Estudio Gage R&R - Método ANOVA
Tabla ANOVA bidireccional con interacción
Source DF SS MS F P
Parts 9 0,363773 0,0404193 23,3288 0,000
Operators 2 0,002169 0,0010844 0,6259 0,546
Parts * Operators 18 0,031187 0,0017326 2,2118 0,011
Repeatability 60 0,047000 0,0007833
Total 89 0,444129
Alpha to remove interaction term = 0,25
Gage R&R
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0,0010998 20,37
Repeatability 0,0007833 14,51
Reproducibility 0,0003164 5,86
Operators 0,0000000 0,00
Operators*Parts 0,0003164 5,86
Part-To-Part 0,0042985 79,63
Total Variation 0,0053983 100,00
Process tolerance = 0,4
Página 83 de 94


Study Var %Study Var %Tolerance

Source StdDev (SD) (6 * SD) (%SV) (SV/Toler)
Total Gage R&R 0,0331625 0,198975 45,14 49,74
Repeatability 0,0279881 0,167929 38,09 41,98
Reproducibility 0,0177882 0,106729 24,21 26,68
Operators 0,0000000 0,000000 0,00 0,00
Operators*Parts 0,0177882 0,106729 24,21 26,68
Part-To-Part 0,0655631 0,393379 89,23 98,34
Total Variation 0,0734729 0,440838 100,00 110,21
Number of Distinct Categories = 2
Página 84 de 94


II. Atributo MSA GR&R, Paneles de piso
Binomial
i. Solo comparación entre operarios sin referencia a una norma conocida
Los datos recopilados según se explica en la sección 2.9 se copiaron a Minitab de la siguiente
forma:
Origen : Conjunto de datos adaptado de Six Sigma y Minitab, Quentin Brook, QSB Consulting
(Datos ficticios, no basados en ningún dato real de Airbus)
Stat → Quality Tools → Attribute Agreement Analysis
Página 85 de 94


Ventana de sesión
Análisis de acuerdo de atributo para Operario 1 - ; Operario 1 - ; Operario 1- ; ...
Dentro de los evaluadores
Appraiser # Inspected # Matched Percent 95 % CI

1 30 26 86,67 (69,28; 96,24)
2 30 25 83,33 (65,28; 94,36)
3 30 26 86,67 (69,28; 96,24)
# Matched: Appraiser agrees with him/herself across trials.
Fleiss' Kappa Statistics
Appraiser Response Kappa SE Kappa Z P(vs > 0)

1 Good 0,820806 0,105409 7,78685 0,0000
Scrap 0,820806 0,105409 7,78685 0,0000
2 Good 0,745619 0,105409 7,07356 0,0000
Scrap 0,745619 0,105409 7,07356 0,0000
3 Good 0,808612 0,105409 7,67117 0,0000
Scrap 0,808612 0,105409 7,67117 0,0000
Página 86 de 94


Entre evaluadores
# Inspected # Matched Percent 95 % CI

30 16 53,33 (34,33; 71,66)
# Matched: All appraisers' assessments agree with each other.
Resultado gráfico
Los gráficos intra evaluador muestra la repetibilidad de los operarios como un valor
porcentual. El punto indica el cálculo real, y las líneas que se extienden en ambas direcciones
indican el 95 % de los intervalos de confianza para el resultado:
100
Within Appraisers
95,0% C I
P ercent
90
Percent
80
70
60
1 2 3
Appraiser
Página 87 de 94


ii. Comparaciones de operarios con normas conocidas
Un grupo de expertos de diferentes disciplinas se reunieron con el objetivo de evaluar la

aceptación o rechazo de los mismos paneles de piso. Una vez alcanzado un consenso, los
resultados de los operarios se compararon con esa norma.
Los comandos son los mismos, sin embargo, aquí debe añadirse la columna para la norma:
Página 88 de 94


Ventana de sesión:
Cada evaluador frente a a la norma
Appraiser # Inspected # Matched Percent 95 % CI

1 30 22 73,33 (54,11; 87,72)
2 30 23 76,67 (57,72; 90,07)
3 30 25 83,33 (65,28; 94,36)
# Matched: Appraiser's assessment across trials agrees with the known standard.
Assessment Disagreement
# Scrap / # Good /
Appraiser Good Percent Scrap Percent # Mixed Percent
1 4 18,18 0 0,00 4 13,33
2 2 9,09 0 0,00 5 16,67
3 1 4,55 0 0,00 4 13,33
# Scrap / Good: Assessments across trials = Scrap / standard = Good.

# Good / Scrap: Assessments across trials = Good / standard = Scrap.
# Mixed: Assessments across trials are not identical.
Appraiser Response Kappa SE Kappa Z P(vs > 0)

1 Good 0,541947 0,105409 5,14136 0,0000
Scrap 0,541947 0,105409 5,14136 0,0000
2 Good 0,706280 0,105409 6,70036 0,0000
Scrap 0,706280 0,105409 6,70036 0,0000
3 Good 0,770068 0,105409 7,30551 0,0000
Scrap 0,770068 0,105409 7,30551 0,0000
Entre evaluadores

30 16 53,33 (34,33; 71,66)
# Matched: All appraisers' assessments agree with each other.
Response Kappa SE Kappa Z P(vs > 0)

Good 0,682141 0,0304290 22,4174 0,0000
Scrap 0,682141 0,0304290 22,4174 0,0000
Página 89 de 94


Todos los evaluadores frente a la norma

30 16 53,33 (34,33; 71,66)
# Matched: All appraisers' assessments agree with the known standard.
Response Kappa SE Kappa Z P(vs > 0)

Good 0,672765 0,0608581 11,0547 0,0000
Scrap 0,672765 0,0608581 11,0547 0,0000
Análisis de acuerdo de atributo
Y el resultado gráfico es similar al anterior, pero existe una comparación de los operarios con
la norma (consulte la sección 5.8).
Within Appraisers Appraiser vs Standard

95,0% C I 95,0% C I
P ercent P ercent
90 90
80 80
Percent
Percent
70 70
60 60
1 2 3 1 2 3
Appraiser Appraiser
Página 90 de 94


iii. Más de dos categorías : Coeficiente de Kendall
Los operarios y un equipo multifuncional se reúnen y acuerdan reducir el número de rechazos

de los paneles de piso al refinar las categorías y añadir "aceptable tal como está" para
defectos muy pequeños en los paneles de piso y "repaso local menor".
Los datos se almacenaron como sigue:
Los comandos son los mismos, sin embargo aquí la columna para la norma debe añadirse y
la casilla "Categorías de los datos de atributo están ordenadas" debe marcarse (esto activa el
Coeficiente de Kendal).
El gráfico Acuerdo de valoración no es diferente del anterior. Sin embargo, los intervalos de
confianza parecerán más amplios, debido a que aumenta la categorización, se necesitan más
datos para mejorar las predicciones basadas en este análisis.
La Repetibilidad y Reproducibilidad se observan y se miden de la misma forma que en los

dos ejemplos anteriores.
Página 91 de 94


Lo nuevo es el Coeficiente de Kendall (KCC). En general, el KCC puede variar de 0,0 a 1,0.
Cuanto mayor el valor, mayor grado de asociación entre las valoraciones realizadas por los
operarios. Las directrices generales son las siguientes:
0-0,7 - Grado bajo de asociación, el sistema de medición necesita atención
0,7-1,0 - Generalmente aceptable
El valor p para KCC también debe ser bajo, generalmente inferior a 0,05. Esto reduce el
riesgo de obtener un KCC aceptable por mera coincidencia.
Las estadísticas Kappa

aún se muestran en esta
sección, pero no se
utilizarán aquí
El acuerdo entre operarios

mejoró con la incorporación de
categorías y además su acuerdo
con lanorma.
Incluso cuando los intervalos de
confianza son más amplios, el
Valor P de 0,0000, implica que
la cantidad de datos es
suficiente para alcanzar la
conclusión de que el sistema de
medición mejoró
Página 92 de 94

M7029_Spanish
Edición : A
Apéndice E. Causas Raiz Raíz Típicas en la Variabilidad de los Sistemas de Medición
Fuente : "Measurement System Analysis", AIAG, 4ª edición, pp. 17.

Página 93 de 94


Colaboradores
Nombre Función
TISNADO GONZALEZ I.
Quality Lean Expert
Carolina - Redactora
JONES Geraint - Co-redactor
EGL Metrology
(Métodos Wheeler)
SARCEVIC Nenad - Co-
MFG Metrology
redactor (GR&R Atributo)
CARNELL Amanda - Co-
Manufacturing Engineering Quality
redactora (Plantillas)
KLEIN Ralf - Ejemplo de fibra
Conformity Attestation
óptica
Traducción Aceptable para Despliegue en la Lengua Local

Función Nombre Fecha
Traducción en Español Aprobada TISNADO-GONZALEZ Irma 30/06/12
Registro de las Revisiones

Edición Fecha Resumen y razones para cambios
A Oct 2011 Edición Inicial.
Jul 2012 La versión traducida en español está a disposición.
Si tiene alguna pregunta en relación con la implantación o actualización de este documento, le

rogamos se ponga en contacto con el titular indicado en la página 1
Para preguntas o información general, contacte :

airbus.documentation-office@airbus.com
Este documento y toda la información contenida en el mismo es propiedad exclusiva de AIRBUS S.A.S. La entrega
de este documento o la divulgación de su contenido no otorga ningún derecho de propiedad intelectual a su
receptor. Este documento no podrá será utilizado para ningún otro propósito distinto que para el que ha sido
entregado ni puede ser reproducido ni divulgado a terceras personas sin la autorización expresa de AIRBUS
S.A.S. Las manifestaciones expresadas en este documento no constituyen una oferta comercial. Están basadas en
las premisas mencionadas en el mismo y han sido realizadas de buena fe. Para cualquier aclaración dirijase a
AIRBUS S.A.S.
Página 94 de 94

M7029 Spanish A

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

M7029 Spanish A

Cargado por

Copyright:

Formatos disponibles

Análisis del Sistema de Medición, Gage

Aprobación del Titular : Autorización :

Nombre : KERAULT Jacques Nombre : ALBIAC MURILLO Pilar

Análisis del Sistema de Medición, M7029_Spanish

Análisis del Sistema de Medición, M7029_Spanish

5.9 Paso 8 - Evaluar los Riesgos .............................................................................................51

Análisis del Sistema de Medición, M7029_Spanish

1 Preámbulo - Prerrequisitos de Conocimiento para MSA GR&R

Análisis del Sistema de Medición, M7029_Spanish

A pesar de ello, con frecuencia no se presta atención en la industria al comportamiento de los

Las mediciones son componentes de importancia crítica de cualquier evaluación de la calidad,

Un sistema de medición es el proceso de medición y consta principalmente de la combinación

Análisis del Sistema de Medición, M7029_Spanish

Los ejemplos utilizados para ilustrar la metodología proceden de un entorno de fabricación,

Análisis del Sistema de Medición, M7029_Spanish

3.2 Cuándo Realizar un MSA GR&R

Análisis del Sistema de Medición, M7029_Spanish

4.1 Variación del Proceso

Si, tal como se muestra en la Figura 1 la mayor parte de la variación en el resultado de un

Análisis del Sistema de Medición, M7029_Spanish

4.2 Sistemas de Medición Continuos y Discretos

4.3 Sistemas de Medición Válidos

Análisis del Sistema de Medición, M7029_Spanish

− Reproducibilidad (componente de la precisión) : Las sucesivas mediciones/

Análisis del Sistema de Medición, M7029_Spanish

5 Análisis del Sistema de Medición, Método de Calibre R&R

5.1 Roles y Responsabilidades

Líder del MSA Gage R&R

Análisis del Sistema de Medición, M7029_Spanish

Su principal responsabilidad es garantizar la calidad de los resultados de la prueba y de las

Equipo multifuncional (Equipo MFT)

Dueño de la operación (de producción)

El duenó de de la operación es el principal responsable de la sede en la que se producen las

Es responsable de apoyar la ejecución de las pruebas GR&R, la completa implementación de

Operarios, evaluadores o inspectores

Los tres nombres se utilizan en el presente manual y en los materiales estadísticos de

Su responsabilidad consiste en proporcionar información para el mapeo de del proceso del

Ingeniería o Diseño es la organización responsable del diseño, certificación, prueba de vuelo

Su participación en la Prueba Gage R&R es colaborar, si fuera necesario, en la recopilación

Análisis del Sistema de Medición, M7029_Spanish

Calidad de fabricación (Quality Line Side)

Son responsables de ayudar al líder de Gage R&R, proporcionándole información y

El especialista en medición lleva a cabo actividades e investigaciones específicas de

Los equipos de gestión de medición y especialistas en medición están genéricamente

Análisis del Sistema de Medición, M7029_Spanish

5.2 Paso 1 - Plan para MSA GR&R

Análisis del Sistema de Medición, M7029_Spanish

5.3 Paso 2 - Comunicar los Objetivos para el MSA GR&R Actual

La clarificación y el refinamiento de los objetivos ayudarán a identificar las personas que

5.4 Paso 3 - Comprender el Proceso y el Dispositivo de Medición

Comprender el proceso de medición implica un mapeo detallado de las tareas normalmente

Análisis del Sistema de Medición, M7029_Spanish

− ¿Existen muchas transferencias de datos? ¿Cómo de bien se mantiene la integridad

El proceso de medición debe asignarse en la Sección I "Descripción actual" de la Plantilla de

Análisis del Sistema de Medición, M7029_Spanish

5.5 Paso 4 - Diseñar la Prueba MSA GR&R

Si el proceso de medición aún no estuviera en marcha, o se hubiera modificado

El número de pruebas, operarios y piezas enumeradas en los siguientes párrafos pueden

5.5.1 Selección de Piezas y Número de Piezas

Análisis del Sistema de Medición, M7029_Spanish

ii. Repetibilidad, reproducibiliad y discriminación

5.5.2 Selección del Operario

El operario u operarios de la prueba dependen mucho del objetivo de la comparación. Si