Análisis de Sistemas de

Medición (ASM)

Marcos Buestán B. Ph.D.

 Objetivos Principales
– La meta principal del ASM es determinar cuanto de la variación presente
en los datos es generada por el sistema empleado para su medición.
– Minimizar los factores controlables que pueden exagerar la variación en los
datos.
– Fuentes de variación
• Variación parte a parte (la que nos interesa observar)
• Variación inherente al sistema de medición
 Análisis de Sistemas de Medición
Qué esperamos de un sistema de medición ?

• Valores Exactos
• Valores Precisos
“Recordemos que nuestro proyecto se basa en datos”
 Problemas comunes con las
mediciones
Exactitud
– Inexactos: Las mediciones tiene un valor promedio diferente al valor
patrón.
Precisión
– No repetible: Lecturas repetidas sobre la misma muestra tienen una
variación excesiva.
– No reproducible: Se obtienen diferentes medidas para diferentes
operadores, laboratorios.
 Exactitud y Precisión
alta

Exactitud

baja

alta Precisión baja

 ¿ Qué confianza tenemos en lo que medimos ?

Valores estándar Valor observado

Exactitud

Offset de la medición
 Sesgo
• Exactitud

Linealidad
 Sesgo
• Sesgo: Diferencia entre el promedio observado de
mediciones y el promedio maestro de las partes.
• Se lo llama en algunos casos “exactitud”

Sesgo
Valor de referencia
 Sesgo
• Si midiera una misma pieza 10 veces y si el
promedio de esas diez mediciones es igual al valor
objetivo (Patrón) podría afirmar que no existe sesgo
(bias).

Sesgo=0
Promedio No diferencia
mediciones

Valor de referencia
 Exactitud-Sesgo (Bias)
MINITAB
Stat>Quality Tools > Gage Study > Gage Lineariy and Bias Study
 Exactitud-Linealidad
• Es la diferencia en los valores del
sesgo de un instrumento, a través del
rango esperado del mismo.
Mayor Sesgo
Sesgo Valor observado

Valor observado
Valor de referencia

Valor de referencia
Parte inferior del rango Parte superior del rango
 Sesgo-linealidad (Bias)
MINITAB
Stat>Quality Tools > Gage Study > Gage Linearity and Bias Study

• Part numbers: Se coloca la columna que contiene los nombres o

números de las partes.
• Reference values: Se coloca la columna que contiene los valores de
referencia.
• Mesaurement data: Se coloca la columna que contiene las mediciones
observadas.
• Variación de Procesos (Opcional): Se ingresa la desviación estándar del
proceso.
 Sesgo-linealidad
Emplear la herramienta de análisis usando para ello el archivo GAGEBIAS
Gage Linearity and Bias Study for Response
Reported by :
G age name: Tolerance:
D ate of study : M isc:

G age Linearity
P redictor C oef S E C oef P
Regression
0.7 C onstant 0.52917 0.03996 0.000
95% CI
Data
S lope -0.003750 0.006025 0.536
Avg Bias
0.6 S 0.131999 R-S q 0.7%

0.5
G age Bias
Reference Bias P
0.4 A v erage 0.506667 0.000
2 0.491667 0.000
Bias

4 0.516667 0.000
0.3 6 0.541667 0.000
8 0.541667 0.000
0.2 10 0.441667 0.000

0.1

0.0 0

2 4 6 8 10 Ho: Bias = 0
Refer ence V alue
 Exactitud-Sesgo
• ¿Para cada medida patrón se rechazó la
hipótesis que afirmaba que no existía Sesgo ?
• ¿El sesgo se mantiene constante para cada
nivel de la medida patrón ?
Problema de Sesgo pero no Linealidad
Problema de Sesgo y Linealidad
Problema de Sesgo y Linealidad
 Causas de Sesgo y linealidad
• Instrumento no calibrado apropiadamente.
• Error en una o más de las partes patrón.
• Instrumento equivocado para desarrollar la
medición.
• Características de diseño del instrumento.
Precisión

Variabilidad observada
es real o producto del
sistema de medición
 Repetibilidad
• Precisión

Reproducibilidad
 R&R
Repetibilidad: Variación inherente al sistema de
medición. Ocurre cuando medidas sucesivas
son tomadas bajo las mismas condiciones por
el mismo operador y equipo.
Reproducibilidad: Variación en el promedio de
las mediciones entre diferentes operadores
usando el mismo instrumento.
¿ Qué confianza tenemos en lo que medimos ?
Repetibilidad

Datos repetidos de un
mismo ítem Una buena repetibilidad posee variación
pequeña
¿ Qué confianza tenemos en lo que medimos ?

Datos ítem A operario 1

Datos ítem A operario 2

Reproducibilidad

Buena reproducibilidad si variación es pequeña

 R&R - Precisión
Valores Reales (Variación de piezas o proceso)

Varianza del sistema de medición

Valores Observados

s2total= s2 proceso+ s2sistema de medición

s2total= s2 piezas+ s2sistema de medición

 Precisión
Variación Total

Variación Entre Piezas Generada por el sistema de medición

Variación debida al instrumento (gage) Variación debida a los operadores

Repeatability Reproducibility

Operador
Operador x Pieza
 R&R
Procedimiento para el desarrollo de un R&R:
1. Identifique los elementos del sistema de medición (Equipo, operadores, partes)
2. Seleccione las partes, asegúrese que representan el rango total de la variación del proceso.
3. Seleccione 2 o 3 operadores
4. Marque las partes de modo que no puedan ser notadas por el operador
5. Cada operador medirá cada parte 2 o 3 veces, de manera aleatoria sin saber que mide las
mismas más de una vez
6. Recoja los datos y analícelos
 R&R
AIAG Standards
§ Forma corta: 2 operadores midiendo 5 partes
2 veces cada una (20 mediciones)
§ Forma larga: 3 operadores midiendo 10
partes 3 veces cada una (90 mediciones)
 R&R
MINITAB
Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)
 Métodos de Análisis R&R

• Xprom-R
• ANOVA: Análisis de Varianza

ANOVA es un método más completo considera la interacción

Operador x Parte
 Método Xprom-R

s2total= s2 proceso+ s2sistema de medición

s2sistema de medición = s2 Repetibilidad+ s2 Reproducibilidad

Constante R&R
d2
Constante R&R continuación
d2
 Caso R&R
• Considere un proceso
donde se desea elaborar
un R&R para evaluar un
equipo de medición.
• Se consideran 3 operarios
donde cada uno realiza 3
mediciones de cada una de
las 20 piezas consideradas
en el estudio.
Estimadores de la varianza
 Repetibilidad

Reproducibilidad
Repetibilidad
 ¿Cómo determinar d2 ?
d2 depende de m y g donde:
m=número de valores considerados en el cálculo del rango
g= # de partes (n)* # de operadores (r)
g = se puede considerar el número de veces que se calculan rangos para la estimación desarrollada
m

g
 ¿Cómo determinar d2 ?

m=3
g= 20*3 = 60
d2=1,693
Constante R&R
d2
Constante R&R continuación
d2
Varianza de distribución muestral
• La varianza de la
distribución muestral es
igual a la varianza de la
población dividida por
el tamaño de la
muestral
REPRODUCIBILIDAD

Reproducibilidad
 Reproducibilidad

Se debe restar el error

m= 3 repeticiones usadas para el cálculo de rangos. por repetibilidad
g= 1 (número de rangos)
d2= 1,91
n= número de partes 𝜎𝑒 2
r= repeticiones 𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = ( /d2 )2 - 𝑛∗𝑟
0,006 0.00762 2
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = 2 −
1,91 20 ∗ 3
−8
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = 0,003141 2 − (7,74 ∗ 10 )
Si el valor es negativo
se considera 0 𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 0,00298
Variación de las piezas (proceso)

Rp=Xprommax-Xprommin= 10,045-9,975= 0,07

 Variación de las piezas
Rp=Xprommax-Xprommin= 10,045-9,975= 0,07
Para el cálculo de d2 𝜎𝑝 = 𝑅𝑝/𝑑2
m= 20, g=1
d2= 3,55
0,07
𝜎𝑝 = = 0,01971
3,55
 Variación total
𝜎2𝑡𝑜𝑡𝑎𝑙 = 𝜎2𝑝 + 𝜎2𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛

𝜎2𝑡𝑜𝑡𝑎𝑙 = 𝜎2𝑝 + 𝜎2𝑟𝑒𝑝𝑒𝑡𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 + 𝜎2𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑

𝜎2𝑡𝑜𝑡𝑎𝑙 = 0,0197 2 + 0,0762 2 + 0,00298 2

𝜎2𝑡𝑜𝑡𝑎𝑙 = 0,0197 2 + 𝟎, 𝟎𝟎𝟓𝟖

𝜎2𝑡𝑜𝑡𝑎𝑙 = 0,0062
𝜎𝑡𝑜𝑡𝑎𝑙 = 0,0788
Caso 2
Xprom-R
Caso 2 Xprom-R
 Repetibilidad
d2 depende de m y g donde:
m=número de valores consideradas en el cálculo del rango
g= [# de partes (n)* # de operadores (r)] (se puede considerar el número de rangos)
m=2
g= 5*3 = 15
d2=1,15
7,6
𝜎𝑟𝑒𝑝𝑒𝑎𝑡𝑖𝑏𝑖𝑙𝑖𝑡𝑦 = = 6,60
1,15
 Reproducibilidad
d2 depende de m y g donde:
m=número de valores consideradas en el cálculo del rango
g= [# de partes (n)* # de operadores (r)] (se puede considerar el número de rangos)
m=3
g= 1
d2=1,91 𝜎𝑒 2
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = ( /d2 )2 - 𝑛∗𝑟
5,3 6,6 2
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = 2 −
1,91 5∗2
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = 2,77 2 − 4,356

𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑2 = 3,34

𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 1,829
 Variación de las piezas
Rp=Xprommax-Xprommin= 113,67-83= 30,67
Para el cálculo de d2 𝜎𝑝 = 𝑅𝑝/𝑑2
m= 5, g=1
d2= 2,48
30,67
𝜎𝑝 = = 12,365
2,48
 Variación total
𝜎2𝑡𝑜𝑡𝑎𝑙 = 𝜎2𝑝 + 𝜎2𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛

𝜎2𝑡𝑜𝑡𝑎𝑙 = 𝜎2𝑝 + 𝜎2𝑟𝑒𝑝𝑒𝑡𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 + 𝜎2𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑

𝜎2𝑡𝑜𝑡𝑎𝑙 = 12,365 2 + 43,56 + 3,317

𝜎2𝑡𝑜𝑡𝑎𝑙 = 152,89 + 𝟒𝟔, 𝟖𝟕𝟕

𝜎2𝑡𝑜𝑡𝑎𝑙 = 199,77

𝜎𝑡𝑜𝑡𝑎𝑙 = 14,13
 Métricos ASM
% Contribución: Porcentaje en que contribuye el sistema
de medición con respecto a la variación total

%Cont.=(s2MS/s2 )*100 TOTAL

% Contribución
<1% 1–9% >9%

Excelente Marginalmente Inaceptable. No

aceptable debe ser utilizado
 Métricos ASM
% Contribución: Porcentaje en que contribuye el sistema
de medición con respecto a la variación total

%Cont.=(46,877/ 199,77)*100= 23,46%

% Contribución
<1% 1–9% >9%

Excelente Marginalmente Inaceptable. No

aceptable debe ser utilizado
 Métricos ASM
% Study Var: Porcentaje en que contribuye el sistema de
medición con respecto a la desviación estándar total

%Study Var=(sMS/s TOTAL )*100

% Contribución
< =20 % 20 – 30% > 30 %

Excelente Marginalmente Inaceptable. No

aceptable debe ser utilizado
 Métricos ASM
% Study Var: Porcentaje en que contribuye el sistema de
medición con respecto a la variación total

%Study Var.=(6,84/ 14,13)*100= 48,45%

% Contribución
< =20 % 20 – 30 % > 30 %

Excelente Marginalmente Inaceptable. No

aceptable debe ser utilizado
 % Tolerancia (P/T)
• (P/T): Precisión/Tolerancia
• Compara la precisión de la medición con respecto a la tolerancia requerida.
• Me permite establecer si el sistema está en capacidad de clasificar las muestras de la
producción
• Usualmente se lo expresa en porcentaje

%Tolerancia=(6sMS/(LSE-LIE))*100
% P/T
< =10 % 10 – 30 % > 30 %

Excelente Marginalmente Inaceptable. No

aceptable debe ser utilizado
 % Tolerancia (P/T)
LSE: 60
LIE: 120

%Tolerancia=(6(6,84)/(60))*100 = 68,4%
% P/T
< =10 % 10 – 30 % > 30 %

Excelente Marginalmente Inaceptable. No

aceptable debe ser utilizado
 Número de Categorías
• Es el número de categorías distintas entre los
datos del proceso que el sistema de medición
puede percibir.
• Es una medición de la resolución
• Para el cálculo (spartes/sMS)x√2
 Número de categorías

DC#1 DC#2 DC#3 DC#4

A mayor número de categorías mayor resolución:

Si el número de categorías es menor a 2 el sistema de medición no agrega valor en controlar
el proceso.
2 categorías: El sistema únicamente podría ubicar las piezas en dos grupos (Buenas/malas)
Control por atributos
3 categorías: El sistema podría dividir en solo tres grupos (altas, bajas, medias)
La AIAG sugiere que un sistema adecuado debe poseer 5 o más categorías
 Número de Categorías
Número de categorías=(spartes/sMS)x√2
Número de categorías=(12,365/6,84)x√2= 2,549
2 categorías
Solo podría distinguir entre piezas buenas y
malas
 R&R MINITAB
Utilizando los datos del
archivo DatosR&RCaso2
desarrolle un análisis R&R
de tipo Xprom-R en
MINITAB
Análisis Gráficos R&R
 Análisis Resultados Gráficos
MINITAB genera 6 gráficos cuando se realiza un análisis de tipo R&R.
 1. Componentes de variación
Es una representación gráfica de los métricos de contribución del sistema de medición, sus componentes
y el proceso (partes) con respecto a la variación total. Se esperaría de un buen sistema de medición
barras parte a parte muchísimo más grandes que las relacionadas con el sistema de medición

• %Contribución <9%
• %Study Var <30%
• Tolerancia<30%
 2. Gráfica Xprom
Si se posee un buen sistema de medición esperaríamos que la gráfica se encontrara fuera de control, es
decir los puntos deberían estar por arriba del UCL (LSC) o abajo del LCL (LIC) en más del 50% de los puntos
graficados.

Gage R&R (ANOVA) for Respuesta

Reported by :
G age name: Tolerance:
D ate of study : M isc:

Xbar Chart by Operadores

1 2 3
1,0
Sample Mean

_
_ L=0,8796
UC
0,8 X=0,8075
LCL=0,7354
0,6

0,4

R Chart by Operadores
1 2 3
0,12 UC L=0,1252
Sample Range

0,08
_
0,04 R=0,0383

0,00 LCL=0
 2. Gráfica Xprom
Gráfica Xprom (Esperada)
Error de medición Variación del
UCL
𝜎𝑟𝑒𝑝𝑒𝑎𝑡𝑖𝑏𝑖𝑙𝑖𝑡𝑦 Producto
LCL (Proceso)

Gráfica Xprom (Inaceptable) UCL

Variación del
Error de
𝜎𝑟𝑒𝑝𝑒𝑎𝑡𝑖𝑏𝑖𝑙𝑖𝑡𝑦 medición
Producto
(Proceso)

LCL
 2. Gráfica Xprom
Esta gráfica también nos permite comparar patrones entre operadores, si estos no son similares podría haber
problemas de reproducibilidad.

Gage R&R (ANOVA) for Respuesta

Reported by :
G age name: Tolerance:
D ate of study : M isc:

Xbar Chart by Operadores

1 2 3
Sample Mean 1,0
_
_ L=0,8796
UC
0,8 X=0,8075
LCL=0,7354
0,6

0,4

R Chart by Operadores
1 2 3
0,12 UC L=0,1252
Sample Range

0,08
_
0,04 R=0,0383

0,00 LCL=0
 3. Gráfica R
En este caso si esperamos que la gráfica se encuentre dentro de control. Esta evalúa que no exista mayor diferencia
entre las medidas tomadas en una misma pieza por un mismo operador y usando el mismo instrumento. En caso de
existir puntos fuera de los límites nos mostraría existe un importante componente de Repetibilidad.

Gage R&R (ANOVA) for Respuesta

Reported by :
G age name: Tolerance:
D ate of study : M isc:

Xbar Chart by Operadores

1 2 3
1,0
Sample Mean

_
_
UC L=0,8796
0,8 X=0,8075
LCL=0,7354
0,6

0,4

R Chart by Operadores
1 2 3
0,12 UC L=0,1252
Sample Range

Gráfica R 0,08
_
0,04 R=0,0383

0,00 LCL=0
 4. Gráfica por partes
Esta gráfica muestra las mediciones tomadas por cada operador en sus diferentes réplicas, para cada una de
las partes empleadas en las pruebas así como sus promedios. La gráfica nos permite identificar las partes
donde hubo mayor diferencia en sus mediciones repetidas o reproducidas entre operadores.

Gage R&R (ANOVA) for Respuesta

Reported by :
G age name: Tolerance:
D ate of study : M isc:

Respuesta by Partes
1,1

1,0

0,9

0,8

0,7

0,6

0,5

0,4

1 2 3 4 5 6 7 8 9 10
Partes
 4. Gráfica por partes
• Las partes deberían presentar un consistente
rango de variación.
• Si una parte muestra una enorme variación,
esta no podría ser candidata para la prueba,
su característica de medición puede no estar
clara, o puede deberse al sistema de medición
 5. Gráfica por operador
Resalta la diferencia de operador a operador, en caso de no existir o tener una muy baja
reproducibilidad los Diagramas de Pareto deberían ser similares y una línea horizontal debería
graficarse entre sus medianas.

Gage R&R (ANOVA) for Respuesta

Reported by :
G age name: Tolerance:
D ate of study : M isc:

Respuesta by Operadores
1,1

1,0

0,9

0,8

0,7

0,6

0,5

0,4

1 2 3
Operadores
 5. Gráfica por operador
• Si las mediciones entre los operadores fueran
consistentes la línea que conecta las medianas
sería horizontal.
• Cualquier pendiente indicaría que al menos un
operador posee un sesgo positivo o negativo
con respecto a otro operador.
 6.Gráfica PartexOperador
Es la mejor manera de exponer interacciones entre las partes u operadores. Podría por ejemplo darse el
caso de que cierto operario mide de manera diferente las partes grandes con respecto a las partes
pequeñas (Interacción partesxoperador) esto se nota a través de líneas no paralelas o que se cruzan.

Gage R&R (ANOVA) for Respuesta

Reported by :
G age name: Tolerance:
D ate of study : M isc:

Operadores * Partes Interaction

1,1 Operadores
1
1,0 2
3

0,9

0,8
A verage

0,7

0,6

0,5

0,4

1 2 3 4 5 6 7 8 9 10
Partes
 6.Gráfica Partexoperador
• Si las líneas que conectan los puntos promedios
divergen significativamente lo más probable es que
exista una relación entre el operador y la parte siendo
medida.
• De acuerdo a la gráfica los operadores presentan cierto
problema al medir la parte 10, se sugiere realizar un
análisis de la misma y establecer si debe mantenerse
como parte de los datos de análisis.
 Métodos de Análisis R&R

• Xprom-R
• ANOVA: Análisis de Varianza

ANOVA es un método más completo considera la interacción

Operador x Parte
Métodos de Análisis de varianza R&R
s2total= s2 partes+s2operador + s2operador*parte +s2repetibilidad
Métodos de Análisis R&R
s2total= s2 partes+s2operador + s2operador*parte +s2repetibilidad
Métodos de Análisis R&R
s2total= s2 partes+s2operador + s2operador*parte +s2repetibilidad
Métodos de Análisis R&R
s2total= s2 partes+s2operador + s2operador*parte +s2repetibilidad
Métodos de Análisis R&R
s2total= s2 partes+s2operador + s2operador*parte +s2repetibilidad
Métodos de Análisis R&R

réplicas
 Resultados R&R

•P es la probabilidad de que la fuente asociada es o no significativa estadísticamente

como una causa de variación de los datos medidos
•Si P<0.05, se puede afirmar que la fuente asociada Si es una causa de variación con
un Nivel de confianza del 95%
•En este caso todas las fuentes (Partes, Operadores, Operadoresxpartes) son
significativas.
 Resultados R&R

Reproducibilidad

Repetibilidad Ho: No existe influencia

Porcentaje de contribución

Study Var
Métrico P/T
P/T
6*sSM

Tolerancia= 20
Ejercicio R&R

LIE=30
LSE=70
Tolerancia=40