Taller repetibilidad y reproducibilidad

2024-04-09

En una compañ ía dedicada a la fabricació n de bombas y vá lvulas, algunos componentes

críticos tienen tolerancias muy estrechas que son difíciles de cumplir. De aquí que sea
necesario estimar el error de medició n con el fin de ver la posibilidad de reducirlo para
cumplir con las especificaciones. El ancho de un componente particular es una
característica de calidad crítica, cuyas especificaciones son 69 ± 0.4 mm. Se seleccionaron
dos inspectores para realizar un estudio R&R, y cada uno midió siete componentes dos
veces con un vernier digital capaz de discriminar entre piezas que difieran en 0.02 mm.
1. cual es la tolerancia de la medida
Los datos se muestran en la siguiente tabla.
## medida insp pza dis
## 1 1 1 1 69.38
## 2 1 1 2 69.72
## 3 1 1 3 69.58
## 4 1 1 4 69.50
## 5 1 1 5 69.48
## 6 1 1 6 69.56
## 7 1 1 7 69.90
## 8 2 1 1 69.60
## 9 2 1 2 69.80
## 10 2 1 3 69.70
## 11 2 1 4 69.50
## 12 2 1 5 69.40
## 13 2 1 6 69.40
## 14 2 1 7 70.02
## 15 1 2 1 69.62
## 16 1 2 2 69.78
## 17 1 2 3 69.70
## 18 1 2 4 69.46
## 19 1 2 5 69.50
## 20 1 2 6 69.68
## 21 1 2 7 69.94
## 22 2 2 1 69.52
## 23 2 2 2 69.90
## 24 2 2 3 69.62
## 25 2 2 4 69.50
## 26 2 2 5 69.42
## 27 2 2 6 69.64
## 28 2 2 7 69.88

2. La siguiente figura relaciona la medida de cada uno delos operarios en cada pieza,
que se puede inferir.
 3. Después de evaluar la significancia de cada una de las variables, escriba el modelo
de efectos fijos asociado a la salida ó ptima del anova, con sus respectivas
restricciones.

4. escriba la prueba de hipó tesis de significancia del modelo

5. Interprete cada uno de los graficos que se ilustran. que se puede afirmar, ¿Cuá l de
los dos componentes, repetibilidad (instrumento) y reproducibilidad (operario), del
error de medició n tiene mayor contribució n?
anova=aov(dis ~ pza*insp)
summary(anova)

## Df Sum Sq Mean Sq F value Pr(>F)

## pza 6 0.7516 0.12526 21.976 2.27e-06 ***
## insp 1 0.0137 0.01373 2.409 0.143
## pza:insp 6 0.0352 0.00586 1.028 0.447
## Residuals 14 0.0798 0.00570
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

library(SixSigma)
#ss.rr(var, part, appr, data, main, sub)
my.rr <- ss.rr(var = dis, part = pza,
appr = insp,
data = datoss,
 main = "Six Sigma Gage R&R Measure",
sub = "Batteries Project MSA")

## Complete model (with interaction):

##
## Df Sum Sq Mean Sq F value Pr(>F)
## pza 6 0.7516 0.12526 21.369 0.000835
## insp 1 0.0137 0.01373 2.342 0.176803
## pza:insp 6 0.0352 0.00586 1.028 0.447141
## Repeatability 14 0.0798 0.00570
## Total 27 0.8803
##
## alpha for removing interaction: 0.05
##
##
## Reduced model (without interaction):
##
## Df Sum Sq Mean Sq F value Pr(>F)
## pza 6 0.7516 0.12526 21.790 8.63e-08
## insp 1 0.0137 0.01373 2.388 0.138
## Repeatability 20 0.1150 0.00575
## Total 27 0.8803
##
## Gage R&R
##
## VarComp %Contrib
## Total Gage R&R 0.006318571 17.46
## Repeatability 0.005748571 15.88
## Reproducibility 0.000570000 1.57
## insp 0.000570000 1.57
## Part-To-Part 0.029878333 82.54
## Total Variation 0.036196905 100.00
##
## StdDev StudyVar %StudyVar
## Total Gage R&R 0.07948944 0.4769367 41.78
## Repeatability 0.07581933 0.4549160 39.85
## Reproducibility 0.02387467 0.1432480 12.55
## insp 0.02387467 0.1432480 12.55
## Part-To-Part 0.17285350 1.0371210 90.85
## Total Variation 0.19025484 1.1415290 100.00
##
## Number of Distinct Categories = 3

## Warning in widths.x[pos.widths[[nm]]] <- widths.settings[[nm]] *

## widths.defaults[[nm]]$x: número de items para para sustituir no es un
múltiplo
## de la longitud del reemplazo
6. que se puede afirmar del nú mero de categorías

7. Calcule el índice P/T e interprete.