Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Medición
Análisis del Sistema de Medición
Introducción
Bienvenida al curso
Primer tema
Segundo tema
Tercer tema
En el tercer tema, nos enfocaremos en el MSA para atributos, estos datos son
recolectados a través de un conteo de clasificación. Las evaluaciones que se realicen
al MSA podrán ser aplicadas al proyecto que desees realizar.
Recuerda que la importancia del MSA radica en que nos permite evaluar o certificar la
calidad de los datos, esta confiabilidad nos permitirá tomar mejores decisiones
basadas en herramientas estadísticas a solo tomarlas sin ningún sustento o por
corazonada.
Elementos de competencia
Temario
Contexto
¡Litros de a litro!
Imaginemos que son los primeros días del 2019… El Gobierno Federal ha anunciado
que ha emprendido una lucha contra el huachicoleo (robo de combustible).
Vez que la gente empieza a hacer largas colas en las gasolineras por las que sueles
pasar. Piensas que más tarde, cuando regreses del trabajo podrías cargar gasolina ya
que las filas bajen, aunque son pequeñas no amerita que te formes porque traes un
cuarto de tanque y es martes 8 de enero, por lo que decides continuar tu camino.
Pides que te llenen el tanque no sin antes mirar el indicador del tanque de la gasolina
y darte cuenta que apenas está por encima de la reserva. Cuando terminan de
llenarte el tanque preguntas -¿cuánto es? y te informan del monto, haces un cálculo
rápido y te das cuenta que te están cobrando más de lo que le cabe a tu auto.
A pesar de tu indignación tienes que pagar, y piensas que los despachadores se están
aprovechando de la escasez de combustible que aqueja al Valle de México, pero al
final de cuentas agradeces que al menos tu vehículo ya tiene combustible para
circular, una semana más, esperando que se normalice la situación en los días
subsecuentes.
Para finalizar tu día, haces una estimación promedio del ingreso extra de forma legal
que el Gobierno permite a los empresarios y resulta que por cada pipa de 10,000
litros pueden llenarse 200 vehículos de 50 litros cada uno en promedio. Sin embargo,
dado el margen tolerado máximo se pueden llenar casi 5 vehículos más por pipa
(10,000*.024), lo opuesto también sería cierto, que se despachara gasolina de más sin
que se le cobre al cliente.
Análisis del Sistema de Medición
A continuación se muestran los elementos que integran la fase MEDIR, así como
algunas de las principales herramientas empleadas para su desarrollo, en esta
ocasión nos enfocaremos en la Evaluación del Sistema de Medición, cuyas principales
características se presentan en el siguiente esquema.
Hasta principios de la década de 1990, el Análisis del Sistema de Medición (MSA por
sus siglas en inglés) se usaba principalmente en los laboratorios de medición y era
poco conocido en el mundo industrial. A partir de la difusión de las normas de calidad
de la industria automotriz, se ha permeado en distintos sectores, por lo que ahora es
común su uso en muchos sectores de la economía. De hecho, los expertos del Control
Estadístico de Procesos, han sugerido iniciar con el MSA cuando se quiere tener un
proceso bajo control. A continuación, se detallará qué es el Análisis de Sistema de
Medición y su importancia.
¿Qué es el MSA?
La importancia del MSA radica en garantizar la calidad de los datos usados, pues para
mejorar los procesos de una empresa, se deben recopilar datos sobre las
características "críticas", las variables X, las causas que hemos seleccionado, así como
para los CTQs que hemos definido. Cuando existe una variación en los datos,
podríamos suponer que se debe a la característica o propiedad que se está midiendo
o bien a la forma en que se están tomando las mediciones, lo que origina un error de
medición que nos conduce a tomar decisiones no apropiadas. Este error de medición
es el efecto de todas las fuentes de variabilidad de la medición que hacen que un
valor observado se aleje del valor de referencia (o valor verdadero como se le conocía
anteriormente, porque ha caído en desuso).
Los usos o aplicaciones del MSA en cada una de las etapas de la Metodología Lean Six
Sigma, sirven para corroborar la evidencia estadística, manteniendo que los análisis
realizados servirán para tomar decisiones razonadas y no meras corazonadas.
• Fase DEFINIR:
o En la validación de las métricas primarias o CTQ.
• Fase Medir:
o En el mapa de procesos cuando nos encontramos con los elementos
decisores en esta fase.
o Al momento de medir las variables críticas del proceso.
• Fase ANALIZAR:
o Antes de llevar una prueba de hipótesis.
• Fase MEJORAR:
o Antes de la planificación de los diseños experimentales.
• Fase CONTROLAR:
o Al momento de monitorear o controlar variables críticas.
o Antes y después de los cambios realizados al proceso.
• Calibración
o Es la comparación de un estándar de medición con exactitud conocida con
otro instrumento para detectar, reportar o eliminar por medio del ajuste,
cualquier variación en la exactitud del instrumento. Ajustando los
instrumentos para que marquen 0.0000 ya sea digital o analógico.
• Dato
o Es la observación recogida bajo un conjunto de condiciones, que puede ser
variable (obtenido de una medición) o discreto (obtenido de un conteo).
o También puede ser entendido como, el valor que le asigna el usuario a una
situación o acontecimiento.
Análisis del Sistema de Medición
• Gage
o Es cualquier dispositivo, instrumento o mecanismo usado para obtener
mediciones. Por ejemplo: El vernier utilizado para cuando se miden piezas
con hasta 4 decimales de exactitud.
• Medición
o Es la asignación de números o valores a objetos materiales que representen
relaciones entre ellas con respecto a propiedades particulares.
o Equipos que se utilizan para las mediciones. Una vez que se mide, se asigna
el valor a la pieza.
• Patrón / Estándar
o Es el valor conocido, dentro de límites de incertidumbre establecidos y
aceptado como un valor de referencia, incluso puede ser cualquier objeto
que se tome por consenso general como una base para comparación, un
modelo aceptado. También puede ser algo establecido por una autoridad
como una regla para medición de cantidad, peso, alcance, valor o calidad.
Por ejemplo: El nuevo patrón para calcular el peso. El anterior estándar
funcionaba desde 1889, pero ya no se emplea más porque ha perdido 50
microgramos de masa (el equivalente a una pestaña).
• Resolución
o Es la capacidad de detectar en la característica incluso cambios pequeños.
Es la escala de unidad de medición más pequeña o resultado de un
instrumento. Se suele usar la regla empírica 10 a 1, esto es, la discriminación
del instrumento debiera dividir la tolerancia (o variación del proceso) en 10
partes o más. También se le conoce como discriminación y sensibilidad
adecuados. Otra manera de operacionalizarla es mediante el valor de la
graduación más pequeña sobre la escala del instrumento, por ejemplo, una
regla de 30 centímetros es capaz de medir milímetros.
o Diferentes instrumentos para medir piezas dan diferentes resultados. A
medida que se quiera mayor exactitud se debería emplear instrumentos
más sofisticados capaces de detectar una diferencia de una décima parte. Si
nos interesa conocer con mayor detalle la medida de un tornillo, podríamos
utilizar en lugar de una regla, un micrómetro que nos dará con mayor
exactitud la medida de la pieza.
• Sistema de medición
o Es el sistema completo usado para obtener mediciones; consiste en los
instrumentos o gages, patrones, operaciones, métodos, dispositivos,
software, personal, medio ambiente y supuestos usados para cuantificar
una unidad de medida o preparar la evaluación de una característica o
Análisis del Sistema de Medición
propiedad a ser medida. Por ejemplo: El proceso empleado para medir una
pieza utilizando un vernier sujeto a las condiciones ambientales, el
evaluador, la forma en que es tomada la pieza y que pueden impactar el
valor asignado en la medición y para evitarlo se recurre a un sistema de
medición.
• Valor Kappa de Cohen y Kappa de Fleiss
o Es una medida estadística de acuerdo entre evaluadores para artículos o
ítems cualitativos (categóricos) empleado en el MSA para datos discretos.
Toma en cuenta el acuerdo que ocurre por probabilidad.
o El valor Kappa de Cohen se utiliza para cuando hay sólo 2 evaluadores, a
diferencia del valor Kappa de Fleiss para cuando hay más evaluadores
o En la siguiente tabla de valores se define el grado de concordancia entre los
evaluadores de piezas, en la que se establecen los valores y nivel de
acuerdo, que cada uno de ellos representa.
o Es importante mencionar que la AIAG, establece solo 3 valores:
o Kappa = 1: concordancia perfecta
o Kappa = 0: misma concordancia que se esperaría en virtud de las
probabilidades que existen (los resultados son al azar)
o Kappa < 0: la concordancia es más débil que lo esperado en virtud de las
probabilidades (el acuerdo es más débil que al azar). Casi nunca sucede.
medición que está integrada por precisión y exactitud. Como podrás darte
cuenta estos dos términos son los principales causantes de un error en el
sistema de medición y los cuales explicaremos a continuación.
Precisión
Por ejemplo.
Repetibilidad
Por ejemplo:
Reproducibilidad
Por ejemplo:
Exactitud
Por ejemplo:
Estabilidad
Por ejemplo:
Sesgo
Lineabilidad
Por ejemplo:
Diferencia de los valores de sesgo de un instrumento a través del rango esperado del
instrumento.
En los sistemas de medición se busca que tenga poca variabilidad y que las
mediciones sean lo más cercanas posibles al valor de referencia (valor verdadero). En
las gráficas se aprecia la importancia de medir con precisión y exactitud.
Situación
Un eje estándar conocido (valor de referencia) tiene un diámetro de 5.00 cm. Cuando
se mide varias veces, las mediciones son:
5.01 cm
4.99 cm
4.97 cm
5.03 cm
5.01 cm
En esencia, las preguntas obligadas son:
¿Por qué a veces se obtienen mediciones más grandes o más pequeñas con relación
al valor de referencia?
Análisis del Sistema de Medición
Gráfica
Una gráfica que nos puede ayudar a visualizar el ejemplo se muestra en seguida:
Conclusión
• Al error humano
• Al método de medición
• Al instrumento utilizado para la medición
Método de rangos
Es un método que se aplica para variables medibles, el cual ha sido modificado para
ofrecer aproximación rápida de la variabilidad de las mediciones.
Ofrece:
Normalmente se emplea como una verificación rápida de que el Gage R&R no haya
cambiado. Generalmente este método utiliza 2 evaluadores y 5 partes para el estudio.
El potencial de tomar decisiones equivocadas para una pieza existe solo cuando el
error de los sistemas de medición se traslapa o se superpone con los límites de
especificación. Esto puede explicarse con ayuda del siguiente esquema.
Maximizar las decisiones correctas respecto a la evaluación del producto. Por lo que,
o se mejora el proceso de producción, para subsanar la variación del sistema de
medición o se mejora el sistema de medición, siendo evidente que es mucho más
viable esforzarse por obtener mejores mediciones, en vez de subsidiar los errores de
las mediciones mediante la reducción de la variación del proceso de fabricación.
Análisis del Sistema de Medición
La manera en la que se lleva acabo el análisis del sistema de medición puede variar
dependiendo de la variable o la característica y el equipo empleado, los aspectos
generales se enlistan a continuación:
• Paso 1 Define el propósito o empleo del sistema de medición, esto es, para qué te
servirá, estás optimizando un proceso o resolviendo un problema de la compañía.
Es importante que tomes en cuenta lo que se medirá o el tipo de característica que
quieres evaluar.
• Paso 2 Establece la cantidad de evaluadores, de partes y lecturas.
Tradicionalmente se definen los siguientes:
que puedan afectar las mediciones, por ejemplo, que esté limpia, sin rebabas, sin
aceite, etc.
• Paso 7 Establece la resolución del instrumento. El instrumento debe contar con
una discriminación de al menos 10 a 1, de manera que permita al menos un
décimo de la variación del proceso esperado con la característica y que sea leído
directamente. Un ejemplo de la regla 10 a 1 es que si deseas medir la variación de
la característica en 0.01, tu instrumento debe ser capaz de detectar o leer un
cambio de 0.001.
• Paso 8 Asegura que el método de medición, sea el evaluador o el instrumento,
esté midiendo la dimensión de la característica y sigues un procedimiento de
medición definido.
Una vez que has definido los pasos generales, también debes evaluar la idoneidad de
un sistema de medición, a través de considerar los criterios o pautas de aceptación.
Estos criterios te permitirán concluir si el MSA es aceptable, satisfactorio o inaceptable
y con base en ello emprender las acciones correspondientes.
Se puede valorar qué tan bueno es un MSA cuando se realiza un estudio R&R de
cuatro maneras, cuyos criterios se describen a continuación.
Análisis del Sistema de Medición
% de la Tolerancia
% de la Variación del Decisión sobre el
% VarComp Comentarios
proceso sistema de medición
% StudyVar
debería mejorarse.
indica cuántos grupos separados de partes puede distinguir el sistema, a partir de los
Decisión
Número de
sobre el
categoría Figura Comentarios
sistema de
distintas
medición
En la compañía de café se instala un nuevo sistema de medición para las tazas de 240
mililitros debido a que las quejas de los clientes han ido en aumento porque no
reciben la cantidad de mililitros estipulados.
Análisis del Sistema de Medición
Para estimar la repetibilidad se debe asegurar que cada parte se mide por lo menos
dos veces y cuando se quiera valuar la reproducibilidad por lo menos dos operadores
deberán de medir las partes.
Cada uno de ellos realizará 3 mediciones para cada café preparado, por lo que el total
de mediciones que se realizarán son 90 (10 * 3 * 3 = 90).
Se ha diseñado el estudio de manera tal que exista aleatoriedad de las partes (cafés),
de los operadores y de las mediciones (es decir, que no existe un orden secuencial
para ninguna de las partes medidas).
Análisis de gráfico
Componentes de la variación
Análisis del Sistema de Medición
Muestra gráficamente la tabla del estudio R&R del sistema de medición. Cada
conjunto de barras representa una fuente de variación en primer lugar, aparece el
Gage R&R, luego la repetibilidad, enseguida la reproducibilidad y finalmente parte a
parte. Cada una de estas opciones tiene dos barras que muestran el %Contribution y
el %Study. En un sistema de medición bueno, como es nuestro caso, el componente
de variación más grande es la variación parte a parte (recordemos que contribuye con
el 98.83). En caso de que existiera una alta variación atribuible al sistema de medición,
sería necesario hacer algunas correcciones.
Gráfica R
Si hubiera algún punto fuera de los límites de control, sabríamos que el operador no
está midiendo las partes uniformemente, ya que, si lo hicieran, los rangos serían
pequeños en relación con los datos y los puntos estarían graficados dentro de los
límites de control. Podemos observar que Gaby mide más uniformemente que Danna
y Zareth, porque sus diferencias en las mediciones tienden a 0.
Gráfica R Por otra parte, la gráfica Xbar, compara la variación parte a parte con el
componente de repetibilidad. La gráfica está compuesta por los puntos graficados
que son la medición promedio de cada operador cuando midió las 3 partes. En el
caso de Danna que midió la pieza 1 tres veces, los valores fueron 228.6, 228.5 y 228.5
y por tanto su media es 228.53, este es el valor que se gráfica. La línea central es el
promedio general de todas las mediciones hechas por Gaby, Danna y Zareth. Los
límites de control superior e inferior se basan en el número de mediciones en cada
promedio y en el estimado de repetibilidad. Como vemos, hay muchos puntos fuera
de los límites de control, lo que nos indica que existe mayor variación en parte a parte
que en el dispositivo de medición, lo cual es una vez más muy bueno para el sistema
de medición porque es capaz de detectar la variación.
Análisis del Sistema de Medición
Muestra cada una de las 9 mediciones que se hicieron por cada una de las 10 partes.
Minitab muestra cada una de las mediciones con círculos sólidos y los promedios
para cada una de las partes con círculos en color azul (versión 18). Como verás, la
línea conecta los promedios de cada una de las partes. Idealmente debe existir poca
variación en las mediciones cuando se mide la misma parte (los círculos sólidos muy
cerca unos de otros) y los promedios deben variar lo que existen entre cada una de
las partes sea claro. Por ejemplo, el promedio de las 9 mediciones de la parte 1 es
228.58 (punto graficado en azul) es mientras que el de la parte 2 es 226.511 (punto
graficado en azul) y así sucesivamente. En la gráfica se puede apreciar que la parte
más pequeña es la parte 2 y la más grande es la parte 8. También se puede apreciar
que la pieza 1 es la que tiene menor variación que las demás (sus puntos están más
cercanos unos de otros) en tanto que la 9 tiene más variabilidad.
indica que el 25% de los datos de Danna están por debajo de esa medición (227.28) y
el 75% restante por encima. El Q2 también llamado mediana es la línea que divide en
dos partes iguales al conjunto de las mediciones, en este caso podemos decir que el
50% de los datos están por debajo de ese valor (228.50) y el 50% por encima. De la
misma manera sucede con el Q3 (229.30) que nos indica que el 75% está por debajo
de esa medición (229.30) y el 25% restante por encima.
La gráfica también te muestra las medias de cada una de las mediciones de Gaby,
Danna y Zareth y están unidas con una línea. Esta línea es importante porque si es
paralela al eje de la “X”, podrías decir que operadores están midiendo las partes de
forma similar (casi igual), en promedio, en tanto que cualquier variación de esta con
respecto a ese eje, te diría que los operadores están midiendo las partes de forma
diferente, en promedio. Como puedes ver, los operadores casi están midiendo las
partes de manera uniforme, esto es, casi miden con la misma variación (las 3 medias
son 228.12, 228.16, 228.28 para Gaby, Danna y Zareth respectivamente).
Muestra las mediciones promedio por cada operador para cada una de las piezas.
Cada línea conecta los promedios del operador consigo mismo cuando midió cada
una de las partes. Se espera que las líneas sean casi idénticas y los promedios de
partes varíen suficientemente para que las diferencias entre las partes sean
evidentes. Si las líneas son casi idénticas puedes esperar que los operadores miden
Análisis del Sistema de Medición
de forma similar. Si una es claramente más baja o alta que las otras, es evidencia de
que el operador mide ya sea más o sea menos con respecto a los demás. Si las líneas
no son paralelas o se cruzan, la habilidad del operador al medir cierta parte depende
de la que esté midiendo, por lo que aquí es cuando podemos decir que existe una
interacción entre operador y parte, por ello, debe eliminarse desde esta interacción
del ANOVA como ocurrió cuando se inició la explicación del Método ANOVA, cuando
comentaba la imagen mostrada continuación.
Ahora bien, en nuestro caso, podemos ver las líneas están muy cerca entre sí y las
diferencias entre las partes son claras, por lo que podemos concluir de alguna
manera que los operadores están midiendo las partes de forma muy parecida unos
de otros. Podemos también apreciar que los operadores Gaby y Danna miden las
partes de forma muy parecida y se corrobora con la gráfica Xbar.
Análisis numérico
Aquí podemos ver que hemos seleccionado 10 piezas (tazas), que serán medidas por
3 operadores (baristas) y cada pieza será medida 3 veces por cada uno de ellos
(réplicas) haciendo un total de 90 mediciones (10 * 3 * 3 = 90 corridas).
Method
Parts: 10 Operators: 3
Esta es información con respecto al Método que utilizaremos (ANOVA), el nombre del
gage (Calibrador-01), la fecha del estudio, la persona responsable, si existe alguna
tolerancia especificada (en nuestro caso no se proporcionó) e información extra que
puede ser de utilidad, por ejemplo, que el estudio que se lleva a cabo en la Línea 1 de
la sucursal MEX.
Date of study:
Tolerance:
La tabla de ANOVA de dos factores con interacción, también llamada de dos vías,
incluye términos para la parte (Taza), operador (Barista) y la interacción operador por
Análisis del Sistema de Medición
Source DF SS MS F P
Parts *
Operators 18 0.200 0.0111 1.25 0.256
Source DF SS MS F P
Total 89 111.145
En nuestro caso la fuente parte por operador es ≥ 0.05 (0.256 ≥ 0.05), como se
medida y el operador, por lo que se debe eliminar como lo hizo Minitab y se puede
Source DF SS MS F P
Total 89 111.145
En nuestro caso, podemos ver que el %Contribución para el Gage R&R es de apenas
1.17%, compuesto por la Repetibilidad en 0.68% y la reproducibilidad en 0.48%
(aunque la suma da 1.16, Minitab tiene más decimales y lo que ha hecho es utilizarlos
para darnos 1.17%) y ésta a su vez está compuesta ahora ya solo por el operador con
el 0.48% de contribución (recordemos que se ha eliminado la interacción parte por
operador). Para bien de nosotros la mayor variabilidad se observa entre las partes
medidas (parte a parte), representando un 98.83% de la contribución total de la
variación, por lo que podemos tener una primera conclusión de que nuestro sistema
de medición es medianamente aceptable, ya que, siguiendo los criterios de la AIAG,
debería estar por debajo de 1%.
Análisis del Sistema de Medición
Gage R&R
Variance Components
Ejemplo para el Total Gage R&R: 0.01602 / 1.37295 * 100 = 1.1668, que
redondeado a dos dígitos decimales nos da 1.17.
Gage R&R
Variance Components
De la tabla anterior, también nos interesa evaluar la fuente parte a parte, donde
podemos ver que 1.35693 / 1.37295 * 100 = 98.8331, que redondeado a dos dígitos
Análisis del Sistema de Medición
decimales nos da 98.83). Esto nos indica que el 98.83% de la variación total en las
mediciones se debe a las diferencias entre las partes (contienen diferente volumen o
cantidades de líquido). Cuando él %Contribución de Parte a parte es alto, podemos
decir que el sistema es capaz de distinguir entre las partes. Cabe resaltar que como él
%Contribution se basa en la varianza total, la suma de esa columna es 100%.
Gage Evaluation
Utiliza %Sudy Var para comparar la variación del sistema con la variación total.
Minitab calcula el %Study Var dividiendo cada fuente entre la variación total y
multiplicando por 100. Por ejemplo, Total Gage R&R: 0.75933 / 7.03037 * 100 =
10.8007, que redondeado a dos dígitos decimales nos da 10.80%. Este valor de
10.80% significa que el sistema de medición explica apenas el 10.80% de la variación
general del estudio, que en estricto sentido se debe considerar como marginal de
acuerdo a los criterios establecidos, aunque apenas rebase el 10%, no obstante, la
diferencia puede no ser significativa y pudiera ser que el gerente de operaciones lo
establezca como aceptable.
Gage Evaluation
En este caso, el número de categorías distintas es 12, lo que indica que el sistema
puede distinguir entre las partes de muy buena, porque de acuerdo a los criterios
mostrados en la, se necesitan 5 o más para considerar que el sistema es aceptable,
por tanto, al distinguir 12 categorías podríamos decir que es excelente.
Análisis del Sistema de Medición
Gage Evaluation
estándar de las partes (parte a parte) entre la desviación estándar del sistema de
que se toma el piso del dato, esto es, el número entero igual o menor al número
Inside MSA
Para conocer los procesos y atribuciones del MSA es necesario que revises la
siguiente información.
Clasificación
Evaluaciones
Las evaluaciones que se emiten pueden ser del tipo binario (pasa o no pasa, bueno o
malo, correcto o incorrecto, cumple o no cumple), ordinales (valores emitidos en una
escala, por ejemplo del 1 al 10) y nominales (por ejemplo con base en colores, azul,
rojo, rosa, morado, verdes, etc. También puede incluir sus intensidades, por ejemplo,
azul fuerte, azul medio y azul claro).
Análisis del Sistema de Medición
Delimitación de criterios
En las siguientes imágenes conoce los criterios de aplicación MSA para pedir café.
Para el proceso en el ejemplo de Pedir Café, una de las variables que se considera
para llevar analizar es: si tiene o no impacto en la determinación de la reducción del
porcentaje de café mal preparado, el motivo principal es la mala identificación de
ingredientes.
En el ejercicio se aplicará con el café tipo Chiapas (de grano), podría considerarse con
la intensidad, molienda, lo tostado, u otras características que nos interesaría
evaluar y que puedan contribuir a que no se entregue el café como el cliente lo
espera.
Resultados
Method
Aquí se observa, que se han seleccionado 30 muestras, que serán clasificadas por 3
operadores (baristas) y cada muestra será evaluada 3 veces por cada uno de ellos
Gage Information
En este caso se puede apreciar la información del Gage realizado, se deberá capturar
Esta gráfica muestra información sobre qué tanta concordancia existe entre cada uno
de los operadores consigo mismos (lado izquierdo) y con respecto al estándar,
reflejando también un intervalo de confianza al 95%.
La gráfica del lado izquierdo, misma que no indica si la clasificación fue correcta o no
con respecto al estándar, solo que el operario fue consistente consigo mismo. En el
caso de Danna se encuentra que es 100% consistente con su decisión en cada una de
las 3 veces que evaluó las 30 muestras, como se señala con el punto azul del lado
izquierdo. En el caso de Gaby, es consistente cerca del 90% y Zareth poco menos de
100%.
En la gráfica de la derecha muestra que Danna clasificó poco menos del 100% de las
muestras con respecto al estándar, Gaby cerca del 80% y Zareth alrededor del 95%.
Por lo anterior destaca que Danna es la operaria más capacitada para poder discernir
entre los tipos de café.
Análisis del Sistema de Medición
De acuerdo al estadístico de Kappa de Fleiss, se puede apreciar que Danna tiene una
concordancia perfecta consigo misma, en tanto que Zareth está la tiene muy buena y
Gaby en términos generales como buena. Cabe recordar que de acuerdo al AIAG se
esperan valores por encima de 0.75 para considerar la concordancia como adecuada,
aunque se prefiere arriba de 0.90.
Análisis del Sistema de Medición
Por su parte Gaby, no clasificó ninguna como buena siendo mala, pero sí consideró
que había 3 muestras siendo malas cuando en realidad eran buenas (digamos que
Análisis del Sistema de Medición
desechó o rechazó 3 muestras buenos, las 3 réplicas que evaluó de cada una de las
muestras) y en 3 ocasiones mezcló la decisión de aceptar muestras buenas cuando en
realidad eran malas y de considerar muestras malas cuando en realidad eran buenas.
Con relación a Zareth, tampoco tuvo ningún inconveniente con clasificar como
muestras buenas cuando eran malas, pero sí consideró como mala una muestra que
era buena y en otra ocasión alternó su decisión.
El Estadístico nos indica que tanto Danna como Zareth tienen una concordancia
buena con el estándar según lo indica el AIAG, en tanto Gaby tiene algunos
inconvenientes para lograr el mínimo necesario, por lo que es necesario apoyarle,
quizá, a través de un programa de capacitación o puede tener otro tipo de problemas,
por ejemplo, necesita lentes o las condiciones medioambientales le fueron adversas,
por mencionar algunas consideraciones a indagar más a profundidad.
Análisis del Sistema de Medición
El Estadístico de Kappa de Cohen, nos proporciona casi los mismos datos, aunque
sus valores son diferentes por la forma en que se obtienen, se llega a la misma
conclusión.
Aquí se puede ver que los 3 operadores coinciden en 25 ocasiones entre sí, es decir,
si uno de ellos clasificaba como correcto el café, los otros dos también lo hacían. En
caso de que uno dijera que no era el tipo de café, los otros dos también lo clasificaban
de la misma manera. Por tanto, en 5 de las 30 muestras no hubo concordancia entre
ellos. Esta concordancia arroja un 83% lo que puede decirse que es aceptable de
acuerdo al AIAG.
You must have two appraisers and single trial per appraiser to compute
Kappa.
Como se muestra en el Estadístico de Kappa de Fleiss, confirma una vez más que la
concordancia de los operadores con el estándar no es una coincidencia, que el
programa de capacitación que recibieron en su momento para clasificar el tipo de
café aún funciona pero convendría dar un refuerzo para incrementar su valor a por lo
menos un 0.90. Del valor de 0.822198 del Kappa de Fleiss se puede corroborar, una
vez más, que la concordancia con el estándar no es circunstancial.
Reflexión final
contar con datos confiables para continuar con la recolección de datos que
que tu MSA para variables medibles es confiable, lo que estás diciendo es que
entre las partes medidas. Para el caso de cuando realices el MSA para atributos y
Referencias
Bibliografía
Materiales de apoyo
Créditos
Aviso legal