EJEMPLOS CAPITULO 11

EJERCICIO 11.1
En una compañía que fabrica el polímetro PVC (cloruro de polivinilo) se realiza
un estudio R&R para evaluar el proceso de medición del tamaño de partícula,
que es una propiedad crítica de la resina. Las especificaciones inferior y
superior son EI = 25, ES = 40, respectivamente, por lo que el rango de
especificación o tolerancia para la partícula es igual a 15.0. Justo antes del
embarque se obtienen de los vagones de ferrocarril 10 muestras de resina de
PVC. Cada muestra de resina se mide dos veces por cada operador y los datos
obtenidos se muestran en la tabla siguiente:

Operador A Operador B Operador C

Número de
vagón 1 2 1 2 1 2
1 36,2 36,3 35,8 35 36,1 34,8
2 35,3 35 35,6 35,1 35,7 34,7
3 30,8 30,6 30,4 28,9 30,2 29,2
4 29,8 29,6 30,2 29,9 28,3 30,1
5 32 31,7 31,1 31,7 30,1 31,7
6 30,7 29,7 30,9 30,4 29,8 29,5
7 33,4 32,4 32,9 32,1 33,4 31,2
8 37,1 36,5 36,7 36,2 36 35,5
9 30,1 30,5 30 29,7 29,1 30,2
10 34,6 34,2 34,1 33,7 33,6 34,2

Para analizar los resultados del estadio R&R, primero se debe hacer una
inspección visual de los datos. En la tabla anterior se ve que hay diferencias
entre el ensayo uno y dos de cada operador, y también entre los resultados de
cada operador para una misma pieza. Estas diferencias se pueden comprender
mejor con las gráficas apropiadas. Por ejemplo, en la fi gura 11.6 se muestra un
par de gráficas: en a) se compara la medición promedio que cada operador
obtiene para cada pieza. De aquí se observa que hay cierta discrepancia entre
lo que reporta cada operador, y que el operador C tiende a reportar mediciones
más pequeñas, mientras que las del A son ligeramente mayores. El razonable
paralelismo que mantienen las líneas a lo largo de las piezas indica que el efecto
de interacción operador × pieza no es significativo. Mientras que en la fi gura
11.6 b se muestran los errores de cada operador, junto con qué tanto se alejan
de la medición promedio. De aquí destaca que el operador C tiende a tener
mayores errores y, como ya se había dicho, registra mediciones más pequeñas.
Para ver si estos errores y diferencias son suficientemente grandes hay dos
métodos: el de rangos y medias, y el de ANOVA. El primero es más sencillo,
pero el segundo es más efectivo.
1. Calcular para cada operador el rango de las mediciones que hizo de cada
pieza. Este rango es una información directa sobre el error de las
mediciones (repetibilidad), ya que son sobre la misma pieza y las realiza
el mismo operador.
ESTUDIO DE CAPACIDAD DEL INSTRUMENTO
(MÉTODO LARGO)
Persona responsable: Fecha:
Especificaciones: EI= 25 ES= 40 Estudio:
Tolerancia: 25 40 15 Departamento:
Número de gage:
Tipo de gage:
Operador A Operador B Operador C
Número de partes
Ensayo 1 Ensayo 2 Ensayo 3 Rango Ensayo 1 Ensayo 2 Ensayo 3 Rango Ensayo 1 Ensayo 2 Ensayo 3 Rango
1 36,2 36,3 0,1 35,8 35 0,8 36,1 34,8 1,3
2 35,3 35 0,3 35,6 35,1 0,5 35,7 34,7 1
3 30,8 30,6 0,2 30,4 28,9 1,5 30,2 29,2 1
4 29,8 29,6 0,2 30,2 29,9 0,3 28,3 30,1 1,8
5 32 31,7 0,3 31,1 31,7 0,6 30,1 31,7 1,6
6 30,7 29,7 1 30,9 30,4 0,5 29,8 29,5 0,3
7 33,4 32,4 1 32,9 32,1 0,8 33,4 31,2 2,2
8 37,1 36,5 0,6 36,7 36,2 0,5 36 35,5 0,5
9 30,1 30,5 0,4 30 29,7 0,3 29,1 30,2 1,1
10 34,6 34,2 0,4 34,1 33,7 0,4 33,6 34,2 0,6
Total 330 𝑅 0,45 327,7 𝑅 0,62 322,3 𝑅 1,14

Suma 656,5 Suma 650,4 Suma 643,4

𝑋 32,82 𝑋 32,52 𝑋 32,17

𝑅 0,45
𝑅 0,62
𝑅 1,14
Suma 2,21
𝑅 0,736
Máx 𝑋̅ 32,82
Mín 𝑋̅ 32,17
𝑋̅ Dif 0,65
LCS=(𝑅 ̅̅̅ )(𝐷4 )
LCS=0,736*3,27=2,4
𝐷4 Ensayos
2 3,27
3 2,57

Marque aquellos rangos que se encuentran arriba de LCS. Identifique la

causa y corríjala. Repita esas mediciones usando el mismo operador y la
misma unidad. Recalcule R y LCS.
Partes
a) Comparación de la medición de los operadores

Operador
b) Comparación de los errores de cada operador
2. Calcular el promedio de los rangos de cada operador y la media de todas las
mediciones realizadas por un mismo operador. En el ejemplo, las medias por
operador son

y los promedios de sus rangos resultan ser

3. Obtener la media de los rangos promedio
y el rango de las medias
4. Calcular el límite superior de la carta de rangos (vea el capítulo 7) mediante
D4R – = 3.27 × 0.736 = 2.41, donde D4 es una constante que depende del
número de ensayos utilizados para calcular cada rango. Si algún rango es
mayor que este límite, será señal de que el error de medición correspondiente
está fuera de lo usual, por lo que es preciso identificar la causa; además, se
deben repetir las mediciones involucradas utilizando el mismo operador y la
misma pieza.
5. Calcular la variación expandida del equipo (VE), que resulta de multiplicar
por 5.15 veces la desviación estándar del error del equipo.1 La razón de esta
expansión se debe a las propiedades de la distribución normal, en la que el
intervalo μ ± 2.575σ abarca 99% del área bajo una curva normal (vea el
capítulo 3); luego, como en el caso de los errores de medición μ = 0; entonces
± 2.575σ tiene una amplitud de 5.15σ. Así, de acuerdo con la nota de pie de
página, este error expandido es
donde k1 es una constante que depende del número de
ensayos, y S
Es importante señalar que algunos autores sugieren que VE = 6σˆ repeti, con lo
cual se logra una cobertura de 99.73%. Por ello, en los softwares normalmente
se puede elegir si la expansión se da con el factor 5.15 o si se hace con 6.
6. Determinar la variación expandida del operador (VO) como

donde k2 es una constante2 que depende del número de operadores, n es el

número de partes o piezas y t es el número de ensayos.
Además,
7. La variación combinada o error de medición expandido (EM) debido a
repetibilidad y reproducibilidad se calcula como:

y, por lo tanto,
De esta manera el error máximo de medición está dado por ± 2.575σˆ R&R; por
lo que si se mide una pieza y se obtiene como resultado un valor X, entonces el
verdadero valor de la medición para esa pieza está entre X ± 2.575σˆ R&R, con
una confianza de 99 por ciento. Por ejemplo, si se mide una partícula y se
reporta que su valor es 24, entonces se rechazaría porque es menor que la
especificación inferior (EI = 25). Sin embargo, esta partícula puede estar dentro
de especificaciones, ya que su verdadero valor está en 24 ± 2.575 × 0.72; es
decir, en el rango (22.14, 25.86).
8. Calcular el índice precisión/tolerancia. En este ejemplo la tolerancia para el
tamaño de partícula es de 15 unidades, entonces el índice P/T se define por:

Nótese que este índice expresa en porcentaje la comparación entre el error de

medición expandido (EM) y la variabilidad tolerada (ES − EI) para la
característica de calidad que se está midiendo. De aquí que es deseable que el
EM sea más pequeño que la tolerancia, a fin de asegurar que la calidad del
proceso de medición es aceptable para discriminar entre piezas buenas y
malas. Además, este índice hace evidente que un instrumento de medición
será preciso en función de la característica de calidad que se pretende medir
(no es lo mismo en términos de la precisión exigida, pesar oro que pesar
hojalata). De manera específica, el índice P/T se interpreta como sigue:
P/T ≤ 10%, excelente proceso de medición
10% < P/T ≤ 20%, bueno
20% < P/T ≤ 30%, marginal (casi inaceptable)
P/T ≥ 30%, inaceptable y debe corregirse
En el ejemplo P/T = 24.73%; de manera que, con respecto a este criterio, el
proceso de medición del tamaño de partícula tiene calidad marginal. El que sea
marginal significa que el proceso de medición está cerca de no tener la
capacidad adecuada para discriminar entre tamaños de partícula buenos y
malos, por lo que debe buscarse su mejora. En el formato de la figura 11.5 se
resume de manera ordenada toda la información generada en el estudio R&R,
desde la obtención de los datos hasta la interpretación del error de medición y
sus componentes. Al final del presente capítulo se proporciona este formato en
blanco para facilitar la aplicación del mismo. 9. Calcular el índice
precisión/variación total (EM/VarTot). Un criterio adicional para evaluar la
calidad de un proceso o sistema de medición es comparar la magnitud del error
de medición expandida (EM) con la variación total observada (VarTot). Esto es
particularmente necesario cuando la variable que se está midiendo no tiene
doble especificación (EI y ES); asimismo, cuando el proceso es muy capaz o
para fines de control y mejora de procesos. Para hacer este cálculo primero se
necesita calcular la variación de las partes, que por el método de rangos se
estima como σˆ parte = Rparte/d * 2, donde para obtener Rparte primero se
saca el promedio de la medición para cada parte, considerando todas las
mediciones realizadas sobre esa parte por los distintos operadores. Por
ejemplo, en el caso de las piezas del ejemplo 1, el promedio para cada pieza
es:

PIEZA 1 2 3 4 5 6 7 8 9 10
MEDICIÓN 35.70 35.23 30.02 29.65 31.38 30.17 32.57 36.33 29.93 34.07
PROMEDIO

de aquí se ve que la medición máxima es 36.33 y la mínima es 29.65. Por lo

que Rparte = 36.33 − 29.65 = 6.68. Por otro lado, d*2 es una constante que
depende del tamaño de muestra, que en este caso es la cantidad de piezas
(ver nota de pie de página anterior). Los valores de la constante d*2 para
rangos “promedio” basados en una sola muestra de tamaños entre 6 y 10 son:
2.67, 2.83, 2.96, 3.08 y 3.18, respectivamente; los valores para muestras de
tamaños entre 2 y 5 se pueden obtener del formato de la figura 11.5, donde los
operadores hacen las veces de tamaño de muestra. Por lo tanto, la variación
de las partes es σˆ parte = 6.68/3.18. La variación total se obtiene con:
10. Calcular el número de categorías distintas o distinguibles, nc . Este
estadístico se calcula con nc = ⎯2 ( √ σˆ parte/σˆ R&R) y se interpreta como el
número de intervalos de confianza al 97% no traslapados, y basados en el error
de medición, que caben en el ancho de la variación de las partes. Por esto el
valor de nc indica el número de grupos diferentes de piezas que el sistema de
medición es capaz de distinguir, lo cual tiene relación directa con la resolución
con la que éste mide la característica de interés. La interpretación de la calidad
del sistema de medición en términos del valor de nc se hace de acuerdo con:
• Si nc > 4, la resolución del sistema de medición es adecuada.
• Si nc < 2, la resolución del sistema de medición es claramente inadecuada.
• ≤ Si 2 nc ≤ 4, tiene una resolución poco adecuada.
En el caso del ejemplo 11.1 se tiene que nc = 1.41 × (2.1/0.72) = 4.1. Por lo
tanto, el sistema de medición para medir la partícula apenas tiene la resolución
adecuada.

11. Tomar una decisión. Con base en los tres criterios de calidad del sistema
de medición que se comentaron antes, se toma una decisión acerca de lo que
se debe hacer. En caso de que se decida mejorar el sistema de medición es
importante ver cuál de los componentes de ORaR es el que más contribuye al
error de medición, ya que en primera instancia puede ser el instrumento, los
operadores o ambos. De acuerdo con esto se tienen las siguientes
posibilidades de acción:
• Si la fuente dominante de variación es la repetibilidad se deben investigar las
posibles causas, algunas de las cuales pudieran ser: la suciedad del
instrumento, componentes gastados, variabilidad dentro del mensurando,
instrumento mal diseñado, funcionamiento inadecuado, método inadecuado,
condiciones ambientales o que de plano el instrumento de medición utilizado no
sea adecuado para realizar tal medición. En este caso se debe evaluar la
posibilidad de sustituirlo.
• Cuando la reproducibilidad es la fuente principal de variabilidad, los esfuerzos
se deben enfocar a estandarizar los procedimientos de medición y entrenar.a
los operadores para que se apeguen a ellos. Esto se debe a que, por lo
general, se encontrará que los operadores usan métodos distintos, carecen de
entrenamiento en el uso del equipo o se tiene un diseño inapropiado del
instrumento que permite evaluaciones subjetivas. Si existieran otras fuentes de
variación (como temperatura, tiempo, instrumento, etc.) con posible impacto en
la reproducibilidad, su contribución se puede estudiar mediante técnicas de
diseño de experimentos (vea Gutiérrez y De la Vara, 2012).
• Si a pesar de la mala calidad de las mediciones la capacidad del proceso de
producción es adecuada (C. > 1.33 y centrado en el valor nominal), entonces el
desempeño inadecuado del sistema de medición no necesariamente es un
problema crítico, pero en caso de mejorar la precisión se observaría un C,
todavía mejor. Por el contrario, si el proceso de producción es incapaz (C, ‹ 1),
los resultados inaceptables del estudio R&R
pueden ser la diferencia entre reportar o no el proceso como capaz.
La variación excesiva del proceso de medición se puede reducir haciendo más
de una medición independiente sobre la misma pieza y reportar el promedio de
estas mediciones como la magnitud de la misma. Si bien esta estrategia
incrementa el tiempo y los recursos invertidos, es una alternativa que puede ser
viable mientras se logra llevar el sistema de medición a resultados aceptables.
En el caso del ejemplo 11.1, toda la información obtenida se resume en la
figura 11.5 y en a tabla 11.2, donde se destaca que:

Ejemplo 11.2
En el ejemplo 1.1 utilizaron igual 10 parte o igual operadores hicieron de igual
dos ensayos aplica el método anova no va a dichos datos obtiene la siguiente
tabla ANova

El estadístico F para la interacción resulta de dividir

CM. opera x parte/ CM.
error = 0.17/0.40 = 0.41. Se concluye que
la interacción operador × parte no contribuye de manera significativa al error de
medición dado su valor-p = 0.974
> 0.05, y se puede mandar al error este renglón del ANOVA.
§?
CM opera - CM are
2.148-0.314
opera =
= 0.092
tp
2x10
à?
porte =
(M seme - CM eme =
41.622-0.314
= 6.885
to
2×3
Si se considera la tabla de ANOVA sin la interacción opera-
dor X parte, la suma de cuadrados del error es 2.99 + 12.09 La variación total
(62.) está dada por la suma 0.314
= 15.08, y los grados de libertad correspondientes son 18 +
+ 0.092 + 6.885 = 7.29. Así que Oroal = 2.7, por lo que la
30 = 48, con lo que el cuadrado medio del error está dado
variación total expandida es 5.15 o.
•= 13.905. En la tabla
por (15.08/48) = 0.314. De esta manera, los componentes
11.3 se expresan repetibilidad, reproducibilidad y el error
de varianza estimados resultan ser.
de medición (ORgA) como porcentajes de la variación total
g?
r90 = @2
(5.15 8,
Total = 14.02) y de la tolerancia que es igual a 15.
= 0.314

VE/VarTor dados en la tabla 11.3 para cada componente de variación en el

estudio. El porcentaje de contribución es el cociente de cada componente de
varianza con respecto a la varianza
total (8?
' oral), indice que provee una interpretación en la escala de las varianzas: si la
contribución es menor que 10% el sistema de medición es aceptable, pero se
requiere una contribución máxima de 1% para que sea excelente. De acuerdo
con este criterio, como este ejemplo tiene 5.56% de contribución, se considera
que el sistema de medición no es excelente. En la tabla 11.3 se muestra que n,
= 5.82 > 4, por lo que el instrumento de medición para medir la partícula tiene
la resolución adecuada. Esto no significa que el error de medición sea peque
no, pues como se aprecia en la tabla 11.3, el error de medición cubre 21.87%
de la tolerancia y representa 23.60% de la variación total observada. De
acuerdo con la interpretación de estos indices, el sistema de medición del
tamaño de partícula tiene una calidad marginal (es decir, su error de medición
es alto); por lo tanto, de momento puede utilizarse en el trabajo, pero con el
tiempo se debe mejorar la precisión de este sistema. Sobre esto, el
componente de R&R donde con el tiempo hay una mayor oportunidad de
repetibilidad (tabla 11.3).
Es importante notar que las estimaciones a las que se llegan mediante los dos
métodos
(ANOVA, medias y rangos), no coinciden de manera exacta. Esto queda claro
al comparar las tablas 11.2 y 11.3. Sin embargo, en esencia, con ambos
métodos se llega a las mismas conclu-siones.
En la figura 11.7 se muestran las cartas X y R clasificando los puntos por
operador en el orden de las piezas. La carta R representa variación debida a la
repetibilidad, a la que contribu-ve más el operador C dada su mayor
inconsistencia. La carta de medias que representa reproducibilidad se ve
bastante bien, ya que los operadores reportan valores en promedio similares
para cada pieza. Pero la repetibilidad más alta impacta en que los límites de
control sean relativamente anchos en comparación con la dispersión de los
puntos.
El gráfico que representa las mediciones por parte permite ver la consistencia
de las mismas sin considerar al operador, mientras que la gráfica por operador
muestra la dispersión y localización de cada operador sin considerar las piezas;
se nota una leve tendencia del operador A de reportar las mediciones más altas
y del operador C a generar las más bajas. Por último, la gráfica de interacción
operador × parte nos muestra si el desempeño de los operadores depende de
la pieza que se mide, que como sabemos de la tabla de ANOVA, dicha
interacción no es signi-ficativa, lo cual se refleja en que las líneas que
representan los operadores se mantienen cerca de ser paralelas.
En un laboratorio del área de alimentos de una empresa se utiliza un
potenciómetro para medir el pH de diferentes sustancias. Se desea evaluar la
calidad del proceso de medición correspondiente. Para hacer una exploración
inicial se decide hacer una estudio R&R corto. Se seleccionaron 10 muestras
de sustancias para medirles su pH, con el criterio de que cubrieran el rango de
pH con que normalmente se trabaja el equipo en el laboratorio. Se
seleccionaron tres
operadores, y se aleatorizó
el orden de medición de las
muestras para cada
operador. Los datos se
despliegan a continuación:

El análisis de estos datos se hace con el apoyo del formato de la figura 11.8,
donde se resalta que el rango promedio es igual a 0.32. Para calcular la
expansión del error de medición (EM) que resulta de multiplicar 5.15 veces la
desviación estándar del error de inedición,' se tiene que de acuerdo con la nota
de pie de página, el error de medición
expandido esEM = 5.15 GR&R = Kz X R = 2.99 x 0.32 = 0.9568,
donde k, depende del número de operadores y de pie-zas, y su valor se lee en
la figura 11.8. Además,@RER =
EM
= 0.1858.
5.15Por lo que el error máximo con el que se mide el pH de las sustancias es
de #2.575 Op&R = ‡0.4784.
4. Parece que el error de medición es mucho. Para saberlo con mayor certeza
habría que establecer la tolerancia de algunas de las sustancias que se miden
sistemáticamente con este potenciómetro. Por ejemplo, una de ellas es el
yogur, cuyo nivel de pH debe estar entre 4.0 y 5.0, de aquí que la tolerancia es
de ES - El = 1.0, y por lo tanto el índice precisión/tolerancia, P/T, está dado
por:0.9568× 100
× 100% =
=95.68%
Este índice para un estudio corto se interpreta de forma similar al obtenido en
el estudio largo como se sintetiza en la parte inferior de la figura 11.8. De ahí
que este valor de 95.68% es inaceptable debido a que el proceso de medición
contribuye demasiado a la variación observada, por lo que debe ser corregido o
sustituido por otro con mejor precisión. Desafortunadamente en este caso no
es posible saber si el problema se debe al equipo o a los operadores, esto
debido a que los operadores sólo hicieron un ensayo por cada muestra.

EJEMPLO 11.4
Para monitorear un sistema de medición, cada día du rante algún momento de
la jornada laboral se agrega una pieza patrón para que sea medida junto con
otras piezas de la producción. Las mediciones son realizadas por el mismo
operador con el equipo de medición a evaluar. Los datos obtenidos durante un
mes para la pieza patrón se muestran en la tabla 11.4, en donde se agregó el
rango móvil de orden 2 (la diferencia entre las mediciones de dos días
consecutivos). Con estos datos se obtienen las correspondientes cartas de
individuales y de rango móvil (vea el capítulo 7). Para el ejemplo, estas cartas
se muestran en la figura 11.9. Ambas cartas muestran un proceso de medición
en control estadístico, lo cual significa que el error de medición que se comete
tiende a ser el mismo en términos estadísticos, independientemente de que
este error sea poco o mucho. Si hubiera alguna causa especial debe
investigarse y eliminarse, como se hace en la aplicación tradicional de las
cartas al proceso de producción.
Por ejemplo, una tendencia ascendente o descendente mostraría que el
sistema de medición ciene una deriva, que con el tiempo lo puede llevar a
condiciones de inexactitud graves. En principio, el objetivo inicial del estudio ya
se ha cumplido (monitorear), pero de modo adicional es posible estimar el error
de medición, ya que la desviación estándar estimada para el error de medición
es \= 0.096, que resulta de dividir R/d, = (0.108/1.128), de aquí que:
DEM = @ instr= 0.096
La expansión del error de medición es 5.15 x 0.096 =
0.4944. Por lo tanto, el error de medición máximo que genera este sistema de
medición es # 2.575 x 0.096 = 0.2472, Con ung confianza de 99%.
Supongamos que las especifi-ФЕм = ô,
instr = 0.096
La expansión del error de medición es 5.15 x 0.096 =
0.4944. Por lo tanto, el error de medición máximo que genera este sistema de
medición es ‡ 2.575 x 0.096 = 0.2472, con una confianza de 99%.
Supongamos que las especificaciones para la característica de calidad de la
pieza son
El = 8.5, El = 11.5, entonces el índice P/T resulta ser,
0.4944
PIT =
×100 = 16.48%
11.5-8.5De acuerdo con la regla de interpretación mencionada en la sección
anterior, el error del sistema está en un nivel todavía aceptable. Es importante
comentar que esta conclusión se debe ver con reserva, ya que en el estudio
sólo se consideró un operador y una sola pieza, por lo que la variabilidad
obtenida subestima la variabilidad del proceso de medición, pues en la realidad
operativa del instrumento siempre se miden piezas diferentes y es posible tener
varios operadores.

EJEMPLO 11.5
Una planta elabora un producto en forma de polvo. Un parámetro importante es
el tamaño promedio de partícula del producto, que se mide con un analizador
automático cuyo desempeño se quiere monitorear a lo largo del tiem-po. La
tolerancia para dicho parámetro es ES - El = 100. Se selecciona en forma
aleatoria una muestra del producto de cada lote de producción, se mezcla bien
y se divide en dos mitades que se numeran como #1 y #2 antes de someterse
al analizador de partículas. Note que cada muestra extraída hace las veces de
una pieza de la producción. Los resulta dos obtenidos para 30 lotes
consecutivos se muestran en la tabla 11.5, en donde se reportan la media y el
rango de las dos mediciones.
Para analizar los datos de la tabla 11.4 es necesario ob. tener las cartas (X - R)
con tamaño de subgrupo n= 2 (ver capítulo 7), para analizar las medias y el
rango, respectiva-mente. En la figura 11.10 se muestran estas cartas. La carta
R se interpreta de manera convencional, y en ella se observa que la
variabilidad de la diferencia entre las dos mediciones a cada muestra se
encuentra en control estadístico, es decir, el proceso de medición es estable en
cuanto a su error de medición. Por su parte, la carta X no se interpreta de
manera convencional, ya que aquí, mientras más puntos caigan fuera de los
límites de control, significa que el proceso de medición detectó que se midieron
piezas diferentes. Por lo que en general, si las muestras realmente son
tomadas al azar, entonces entre más preciso sea el instrumento de medición la
carta X mostrará más puntos fuera de los límites. La razón de que los límites de
la carta X tiendan a ser estrechos es que los límites de control se basan en el
estimador de la desviación estándar dado por
R
=
d
1.128
el cual subestima la verdadera desviación estándar del proceso o, ya que cada
rango es la diferencia de mediciones sobre la misma unidad (dentro de
muestra) y no toma en cuenta la variación debida al producto (de muestra a
mues-tra).
Como la carta de rangos de la figura 11.10 se encuentra en control estadístico,
de ella se puede estimar la variabilidad debida al instrumento de medición
mediante,
R
@instr =.
7.0333
= 6.235
d
1.128la carta X mostrará más puntos tuera de los limites. La a zón de que los
límites de la carta X tiendan a ser estrechos es que los límites de control se
basan en el estimador de la desviación estándar dado por
R
öd2
R
1.128
el cual subestima la verdadera desviación estándar del proceso o, ya que cada
rango es la diferencia de mediciones sobre la misma unidad (dentro de
muestra) y no toma en cuenta la variación debida al producto (de muestra a
mues-tra).
Como la carta de rangos de la figura 11.10 se encuentra en control estadístico,
de ella se puede estimar la variabilidad debida al instrumento de medición
mediante,
R
O instr
7.0333
=6.235
o. Un
Por lo que el índice P/T resulta ser,
y como el resultado es mayor que 30%, se concluye que el proceso de
medición tiene un error muy grande y se deben procurar alternativas para
reducir este error en la medición del tamaño de partícula.

EJEMPLO 11.6
En un proceso de manufactura se aplica un recubrimiento de plástico para
proteger los componentes de un producto.
La calidad de la apariencia de este recubrimiento es inspeccionada
visualmente. Si se detectan manchas se rechaza el producto. Con el interés de
evaluar la consistencia de este sistema de evaluación (medición) de la calidad,
se decide hacer un estudio R&R para datos binarios. Para ello, se seleccionan
50 piezas de todo tipo de calidad de la apariencia del recubrimiento: desde
piezas con calidad aceptable, inaceptable y algunas de calidad marginal. En el
estudio se incluye a los cinco operadores que normalmente evalúan el
recubrimiento, y cada uno evalúa cada pieza dos veces o en orden aleatorio.
Se dio una semana de diferencia entre
0. una medición y otra. Los datos obtenidos se muestran en la figura 11.11, en
la cual, en cada juicio de un operador

(Op) se anota O si rechazó la pieza, o 1 si la aceptó. Se puede ver que los

operadores no fueron consistentes, por ejemplo, si se analiza lo que pasó en la
pieza 5, se ve que no todos los operadores emitieron el mismo juicio, además,
el operador dos aceptó la pieza en el primer ensayo, pero en el segundo
ensayo la rechazó. Para ver qué tan graves son estas inconsistencias de
criterios es necesario hacer un
análisis más detallado, lo cual se lleva a cabo con el método de análisis de
riesgo.

ra: con suma igual 10 o 0 hay cero desacuerdos; mientras TABLA 11.6 Análisis
de desacuerdos para el ejemplo 11.6 que si la suma fue 9, como en el caso de
la pieza 20, esto implica que hay nueve unos y un cero, y que un operador (el
uno) estuvo en desacuerdo con nueve juicios, por lo
Nivel de acuerdo (columna suma)
Número de pares en desacuerdo
tanto el número de pareias de juicios en descuerdo son nueve (9 × 1). Algo
similar ocurre cuando la suma es uno. Si la suma es ocho, debido a que hay
ocho unos y dos ceros, por lo tanto hay 16 pares de juicios en desacuerdo (8 x
2). Nótese que tomar en cuenta el número de pares en desacuerdo es una
forma de penalizar el nivel de desacuerdo, ninguna penalización para cuando
hay
Desacuerdos
totales
acuerdo (O o 10) y hasta 25 para cuando la mitad de los

juicios deciden una cosa y la otra mitad lo contrario

(suma 5), lo cual implica que en ese caso hay 5 x 5 pares de desacuerdo.
Como se muestra en la tabla 11.6, el número de desacuerdos totales resulta de
multiplicar el número de piezas por el número de pares en desacuerdo en cada
nivel. Al final, sumando los desacuerdos se obtiene el número total de
desacuerdos en el estudio,
D, = 463.
4. Calcular el nivel de desacuerdo del estudio (ND). Al dividir el total de
desacuerdos en el estudio, De entre el número total de posibles desacuerdos a,
se obtiene,463
ND. =.
De x100 = 2250
-× 100 = 20.6%
que indica el nivel de desacuerdo en el estudio. Éste resulta parcialmente
aceptable aunque con oportunidad de mejora. En general, ND, no tiene el
mismo significado que el porcentaje R&R para datos continuos (%R&R, vea la
figura 11.5); sin embargo, si da una idea de la consistencia del sistema de
medición por atributos, ya que los valores posibles de ND van de 0 a 100. En
este caso 100 corresponde al peor sistema de medición posible. Los siguientes
pasos permitirán hacer un diagnóstico más detallado del sistema de medición.
5. Determinar la repetibilidad. En este tipo de sistemas de medición el papel del
instrumento de medición lo desempeña el criterio del operador; por lo tanto. los
desacuerdos por repetibilidad se calculan a partir de la consistencia entre los
ensayos de un mismo operador (en el ejemplo entre las dos semanas de
prucha). Por ello, a los resultados originales del estudio que se muestran en la
figura 11.11 se les agregó el grupo de columnas de repetiollidad, donde para
cada operador y cada pieza se analiza si hay coincidencias en sus juicios de un
ensayo al otro (de una semana a otra). Si hay coinciden-dia se anota 0 y si no
la hay se anota 1. Por ejemplo, en la columna de repetibilidad del operador 1
para la pieza uno está un cero, porque este operador en los dos ensayos
aceptó la pieza 1, es decir, fue consistente; en cambio, en la pieza 20, en el
primer ensayo aceptó mientras que en el segundo la rechazó, por eso la
repetibilidad en el región 20 del operador
, Una vez determinada la repetibilidad para todas las piezas y todos los
operadores se suma el número de inconsistencias o desacuerdos de cada
operador, como se muestra al final de la figura 11.11. En la tabla 11.7 se
anotaron estos resultados, junto con el número de oportunidades que tuvo cada
operador de equivocarse, que en el ejemplo es igual al
total de piezas. de oportunidades, O
En la tabla 11.7, el número total de desacuerdos fue Drop - 35, y al dividirlos
entre el total
ND.
тер
rep) es decir,
- 250 se obtiene el nivel de desacuerdos atribuibles a repetibilidad,Este
porcentaje no se interpreta de manera idéntica al de repetibilidad para datos
continuos (%VE, vea la figura 11.5). Sin embargo, ND,
Trep sí da una medida de la consistencia de
cada operador.
Los valores posibles de ND
rey van de 0 a 100 y entre más alto, peor es la repetibilidad de
los operadores. Aunque 14% no parece demasiado alto, de la tabla 11.7 se
desprende que los operadores 1, 2 y 3 tuvieron un número de discrepancias
visiblemente más grande que los operadores 4 y 5. Por lo tanto, aquí habría
una oportunidad de mejora del sistema de medición.
medición.
6. Reproducibilidad (diferencia sistemática entre operadores). En este rubro se
evalúan grosso modo las diferencias sistemáticas entre operadores,
comparando el total de piezas aceptadas por cada operador en los dos
ensayos. A partir de la figura 11.11 se cuenta el total de piezas aceptadas para
cada operador y los resultados se sintetizan en la tabla 11.8, donde para cada
operador se agregó el porcentaje de aceptación que resulta de dividir el total de
piezas aceptadas entre el número de piezas evaluadas. En el ejemplo, el
número de piezas evalua-
das por cada operador fue igual a 100, ya que se evaluaron 50 piezas dos
veces. Con respecto a los porcentajes
silidad, ejemolo 11.6
de aceptación recordemos que las piezas utilizadas no son una muestra
aleatoria de la producción, sino una muestra dirigida en la que deliberadamente
se incluye-
entaie
ron piezas de todas las calidades.
En la tabla 11.8 se observa que el operador 4 es el que ne un criterio más
exigente, puesto que su porcentaje de aceptación (42%) es sensiblemente más
bajo que los demás, mientras que los operadores 2 y 3 tienen criterios más
relajados (66 y 69% de aceptación). Lo anterior es un indicativo de que los
operadores no evalúan las partes de la misma forma. Por ello, aqui habria una
oportu-
57.4
nidad de mejora en cuanto el entrenamiento de los operadores y al método que
siguen.
La diferencia entre el número total de piezas aceptadas en cada ensavo
(semana) no es un indicador confiable de la consistencia de cada operador, ya
que con el total se pierde detalle. Por ejemplo, el operador 1 acepta la misma
cantidad de piezas cada semana del estudio, pero no es consistente en las
piezas que está aceptando, lo cual se refleja en el ana-lisis de repetibilidad
(tabla 11.7) donde este operador tuvo ocho desacuerdos. Por ello diria-mos
que una diferencia grande para un operador entre el total de aceptados en un
ensayo y otro, si es indicativo de problemas, pero un número pequeño no
necesariamente es indicativo de no problemas con la consistencia de tal
operador. En todo caso la consistencia interna de cada operador es
precisamente lo que mide la repetibilidad, que se reportó en la
tabla 11.7
7. Calcular la reproducibilidad (interacción parcial de operador). Un análisis
más minucioso de la consistencia de criterios entre los operadores resulta de
investigar el número de desacuerdos por reproducibilidad, a partir de comparar
Desacuer los resultados o desacuerdos por pareja de operadores, de lo cual se
obtiene
Sirve par
la tabla 11.9. En ésta también se agregó el porcentaje de desacuerdos, que se
dad de un obtiene dividiendo el número observado de desacuerdos por pareja
de ~
dores entre el número de oportunidades en que se puede estar en de por
pareja de operadores. Este último número de oportunidades multiplicando el
número de piezas, por dos, por el número de ensayos (en el ejemplo 50 x 2 x 2
= 200).
TABLA 11 9 N
De aquí que si la pareja de operadores 1 y 2 tuvieron 38 desacuerdos, esto
corresponde a un porcentaje de
19 (38/200).
En la tabla 11.9 se nota que entre el operador 3 y 4 hubo más desacuerdos
(66) que corresponden a 33% de las veces, lo cual evidentemente es mucho:
una de cada tres veces juzgaron diferente. El que haya resultado esta pareja es
razonable, pues de acuerdo con la tabla 11.8, el operador 4 es el más exigente
mientras que el 3 es el menos estricto, de ahi la discrepancia de su juicio.
Un nivel total de desacuerdos debidos a reproduci-bilidad, ND,
'repro se obtiene dividiendo el número de
desacuerdos de la tabla 11.9, D.
repro» entre el total de
oportunidades de desacuerdo debido a reproducibilidad, O.
reno. que es igual al (número de
piezas) x (el número de parejas de operadores) × (número de ensayos) × 2. En
el cjemplo.
O romo = 50 x 10 × 2 × 2 = 2000. Por lo tanto:
ND repro =
Depro x 100 = 428
× 100 = 21.4%
2000
21.4%
О герто
ZUUU
Aunque este indice no se interpreta exactamente igual como el porcentaje de
reproducibilidad para datos continuos (%VO, vea la figura 11.5), si provee una
evaluación del sistema de medición debido a reproducibilidad, ya que entre
más desacuerdos entre parejas de operadores
mayor será el ND
Trepro El porcentaje 21.5 es un valor relativamente alto.
A lo largo del análisis se enfatizaron los aspectos más relevantes que se
concluyen del estudio R&R para los datos del ejemplo 11.6, pero a manera de
resumen en la tabla 11.10 se muestran los aspectos más relevantes. De ahí se
concluye que la problemática mayor está en la reproducibilidad (concordancia
entre los criterios de los operadores). El operador 5 puede considerarse como
el estándar. Por lo tanto hay oportunidad de mejora, ya que si este operador
puede ser consistente, entonces los otros operadores (con el entrenamiento
debido) pueden mejorar su capacidad para detectar adecuadamente los
problemas de calidad. Se debe mejorar la consistencia de los operadores 2 y 3,
y lograr que sean más exigentes. Aun cuando es consistente, El operador
cuatro parece ser más estricto para el resto por lo que ahora canalizar y
orientar esfuerzos para lograr un criterio más parejo