Indice

1. Medición MSA
1.1 Gage R&R ………………………………………………..2-3
1.2 ANOVA………………………………………………………4
1.3 Gage R&R expandido
1.4 Control estadístico del proceso
1.4.1 Cartas de control por promedios
1.4.2 Cartas de control por rangos
1.5 Capacidad del proceso
1.5.1 Cp
1.5.2 Cpk
2. Análisis
2.1 Pruebas de hipotesis
MSA (Análisis del sistema de medición)
Analiza y valida un sistema de medición

 Gage R&R (reproducibilidad y repetitividad)

Analiza las variables del operador y del instrumento

Se recomienda tomar 10 partes, para este ejemplo se tomarán 10 mediciones de diferentes partes
de la pieza a medir, además se comparará la interacción del operador y el instrumento de
medición, se recomienda que el operador realice 3 mediciones de cada parte, se recomienda que
sean aleatorias.

En el cuadro de opciones se seleccione aleatorizar

secuencia de operadores

Se analizan más datos para el sistema de

medición, ejemplo: no leen la misma medida al
cambiar de turno ya sea por temperatura que afecta al instrumento, se pueden agregar más
variables

Se ejecuta el gage R&R expandido con los factores de medicion

Para que un estudio Gage R&R sea válido se tiene que cumplir con lo siguiente según AIAG:
Tabla de ANOVA con todos los términos
Fuente GL SC Sec. SC Ajust. MC Ajust. Valor F Valor p
Partes 9 1948.23 1948.23 216.471 3879.47 0.000
Operadores 2 2.76 2.76 1.382 24.77 0.000
Turno 2 0.20 0.20 0.100 1.79 0.173
Repetibilidad 76 4.24 4.24 0.056    
Total 89 1955.44        

α para eliminar el término de interacción = 0.05

Análisis de la Varianza ( ANOVA ) es una fórmula estadística que se utiliza para

comparar las varianzas entre las medias (o el promedio) de diferentes grupos. Una
variedad de contextos lo utilizan para determinar si existe alguna diferencia entre
las medias de los diferentes grupos.
 Se puede observar que en “turno” el valor de p value no es significativa (mayor
que .05) por lo tanto se rechaza esa hipótesis

(Ejemplo de repetibilidad y reproducibilidad)

Z1, Z2 y Z3 miden la variación del promedio de la lectura

del operador repetitibilidad

El promedio de las x mide la variación promedio del

instrumento de medición

Informe de R&R del sistema de medición

(expandido) para Mediciones

En este caso Hugo fuel el que no fue más constante en sus mediciones de acuerdo al rango
respecto a los otros operadores, se tiene que revisar porque está midiendo tan fuera de los rangos

Es normal que los puntos estén fuera o muy fuera de los limites inferior (LCI) y superior (LCS)
además de la media X) de control, ya que se analizan diferentes partes de la pieza
Esta grafica no importa quien mida la pieza si no en que pieza se digficulta para medir, la se traza
una línea de parte a parte mientras los puntos son las mediciones, en este caso tienen buena
linealidad (los puntos)

Se puede observar que Hugo tiene el mayor rango intercuartil (recuadro azul) seguido por Luis,
Hugo tiene medidas muy altas respecto a los demás

Control estadístico de proceso

Una vez que se haya validado el sistema de medición (MSA), se procede a analizar esos mismos
datos, nos ayuda a distinguir de causas especiales de variación a las causas comunes.

Grafica de corrida

Sirve para observar la variación, se puede encontrar el valor de p de significancia, se pueden

observar tendencias positivas, negativas o planas.

 Grafica de control (carta de control) Por promedios

Sirve para analizar si hay causas especiales de variación
Ejemplo:

Se tienen 100 datos divididos en 20 subgrupos, cada punto es un promedio de los cinco datos (se
tienen cinco mediciones y el valor de estas mediciones se divide entre cinco), se puede observar
que todos están dentro de los LSE Y LIE, aun así puede haber causas especiales de variación, se
divide en zonas, Zona A son +/- tres desviaciones estándar, Zona B +/- 2 etc.

Puntos para identificar causas especiales de variación

1. Cualquier punto fuera de los límites de control

2. 9 puntos consecutivos en el mismo lado de línea central
3. 6 puntos consecutivos en orden ascendente o descendente
4. 14 puntos consecutivos en forma alterna a la línea central (a ambos lados en forma
alterna)
5. 2 de 3 puntos en la misma zona A o con un valor mayor
6. 4 de 5 puntos en la misma zona B o de valor mayor
7. 15 puntos consecutivos en las zonas C
8. 8 puntos en línea fuera de la zona C, al mismo lado de la línea central

Nota: Para esta carta de control se recomiendan 20 sub grupos de tamaño cinco
  Cartas de control por rangos
Se resta la medición más pequeña a la más grande de cada subgrupo

Ejemplo para elaboración de la gráfica X y R de forma “manual”

Paso 1. calcular el promedio de cada sub grupo (suma de todas las mediciones entre el número de
mediciones)

Paaso 2. calcular el rango de cada sub grupo (diferencia entre la mayor medición menos la menor
medición)

Paso 3. Promedio de promedios (suma de los promedios de cada subgrupo entre el número de
subgrupos

Paso 4. Promedio de rangos (suma de todos los rangos de los subgrupos entre el número de
subgrupos)

Paso 5. Se saca el promedio de promedios y promedio de rangos y se calculan los límites de las
graficas por promedios y de rangos con las siguientes formulas
Ejemplo Minitab Graficas de control
Se tienen las siguientes mediciones durante 15 días 75 datos

Se ingresan a minitab en forma vertical día por día

Se ejecuta graficas de control

EL tamaño de subgrupos tiene que ser menor a 8

Dentro de las opciones de Opciones de Xbarra-R, se selecciona “Prueba” en donde se mostrarán

las 8 reglas de causas especiales de variación
Se ejecuta la prueba con los siguientes resultados
HOJA DE TRABAJO 1

Gráfica Xbarra-R de Cartas de control

Resultados de la prueba para la gráfica Xbarra de Cartas de control

PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea central.
La prueba falló en los puntos:  8
Resultados de la prueba de la gráfica R de Cartas de control
PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea central.
La prueba falló en los puntos:  8

Se observan las causas especiales de variación para este punto solo se mide, NO SE EJECUTAN
ACCIONES NI SE TOMAN DECICIONES
Ejemplo para presentar un reporte GAGE R&R

CP Y CPK

Tal índice es Cpk o índice de capacidad del proceso, el cual refleja la proximidad de la media actual
del proceso al Límite de Especificación Superior (LES) o al Límite de Especificación Inferior (LEI). Si
el promedio actual es igual al punto medio del rango de especificación, entonces Cpk=Cp.

Nota el CPk= Datos de especificación del cliente entre los datos reales de tu proceso

EL CP evalua la dispersión, no la posicion

Ejemplo Cpk=1.33 es la olgura o las veces que cabe tu proceso entre las especificaciones del
cliente según la IATF proceso de sis sigma debe de ser de 1.6

Se deben de tener datos normales

EL Cpk evalúa la dispersión como la posición

Cp: es la dispersión en tu proceso cuando es bajo hay mucha dispersion

Ejemplo

Se tienen 32 mediciones con una media de 354 cm, una desviación estándar “S” de 91, una
mediana de 16.5 y una moda de 416 (que más se repite)

Se tienen los siguientes datos de nuestro proceso

Calcular la desviación estándar = 91

Se evalúa el proceso en +/-3 desviaciones estándar

LIE (Límite inferior de especificación) = 354-(91x3) =81

LSE (Límite superior de especificación) = 354+(91x3) =627

Ejemplo Cpk

Se tienen las lecturas de Manganeso con subgrupos de 5 durante un mes, se ejecuta es estudio de
capacidad
 Proceso o medidas
fuera de control el LSE y
LIE son de .425 y .625
respectivamente (los
solicitado por el cliente,
hay demasiada
variación el el proceso.

El cpk es de .19

Si no se corrige a largo
plazo será de .11 (Ppk)

Cuando el Cp es menor
al Cpk hay que reducir
variación

Cuando el CP es igual al
Cpk el histograma esta
centrado, se debe
reducir variación (eliminar causas especiales de variacion), por lo tanto, se mejorará el Cpk (que la
campana no este aplanada)

Analizando el estudio en la parte de rendimiento se observa que por debajo del LIE hay 406015
partes por millón (defectos)
Análisis
Hipótesis
Propósito: es una teroria acerca de como una variable afecta un proceso

Hipótesis nula(Ho):
Lo que se esta tratando de refutar, que no hay diferencia, que la variable no afecta al
proceso, se representa como una igualdad entre las variables dentro del proceso

Hipótesis alternativa (Ha):

Lo que se esta tratando de aprobar, que si hay diferencia, que la variable si afecta al
proceso y se representa como una diferencia entre las variables dentro del proceso

Ejemplo:
Pruebas comparativas de Hipótesis
Es un método estadístico para examinar la diferencia entre las muestras y la población, y
poder contar con la evidencia para poder tomar una decisión en relación a la hipótesis
Se pueden comparar uno o más conjuntos de datos.

Ejemplo hipótesis minitab

Si el valor de P > nivel de significancia (0.05) se acepta la hipótesis nula (Ho)
Si el valor de P < nivel de significancia (0.05) se rechaza la hipótesis nila (Ho)
Hipótesis con el estadístico Z
Se utiliza para muestras mayores a 30
Hipótesis con el estadístico T
Se utiliza para muestras menores a 30

Datos
Ho: media poblacional = 200
Ha: media poblacional ≠ 200
Desv. Estándar = 47
P value = 0.05
Se tiene una tienda de ropa cuyos precios varían, la media de precios es de 200 con una
desviación estándar conocida de 47 se toma una muestra de 50 articulos y se ingresan a
minitab
Se ingresan los datos

Se ejecuta y se obtienen los resultados

Z de una muestra: precio

Estadísticas descriptivas
Error
estándar
de la IC de 95% para
N Media Desv.Est. media μ
 50 205.08 45.05 6.65 (192.05, 218.11)
μ: media de precio
Desviación estándar conocida = 47

Prueba
Hipótesis nula H₀: μ = 200
Hipótesis alterna H₁: μ ≠ 200
Valor
Z Valor p

0.76 0.445
Histograma de precio
En este caso se acepta la hipótesis nula ya que P value > al nivel de significancia (0.05)

Ejemplo de Pruebas comparativas 2

1. Se utilizan dos máquinas para llenar botellas de plástico con un volumen neto
de 16.0 onzas. Puede suponerse que el proceso de llenado es normal, con
desviaciones estándar de 0.015 y 0.018. El departamento de ingeniería de
calidad sospecha que ambas maquinas llenan el mismo volumen neto, sin
importar si este volumen es 16.0 onzas o no. Se realiza un experimento
tomando una muestra aleatoria de la producción de cada máquina.

Máquina 1 Máquina 2
16.03 16.01 16.02 16.02
16.04 15.96 15.97 16.04
16.05 15.98 15.96 16.02
16.05 16.02 16.01 16.01
16.02 15.99 15.99 16.00

a) Enunciar las hipótesis que deberán probarse en este experimento.

H0= no hay diferencia en el llenado
HA= el llenado de las maquinas 1 y 2 es diferente
b) Probar estas hipótesis utilizando α=0.05. ¿A qué conclusiones se llega?
Según el análisis de varianza se rechaza la hipótesis nula (H0) ya que el valor de P
value es mayor a la significancia (.05) por lo tanto si hay diferencia significativa en
el llenado de las maquinas 1 y 2
c) Encontrar el valor P para esta prueba.
P value = .384