Lean Sigma BB Medicion A

Programa de certificacin
de Black Belts
V. Seis Sigma Medicin

Parte A
P. Reyes / Abril 2010
1
Fase de medicin
Propsitos:
Determinar req. de informacin para el proyecto
Definir las Mtricas de los indicadores del Proceso
Identificar los tipos, fuentes y causas de la variacin
en el proceso
Desarrollar un Plan de Recoleccin de Datos
Realizar un Anlisis del Sistema de Medicin (MSA)
Llevar a cabo la recoleccin de datos
Salidas
Diagnstico de la situacin actual del problema
2
V. Seis Sigma - Medicin
A. Caractersticas del proceso

1. Variables de entrada y de salida
2. Mtricas de flujo de proceso
3. Herramientas de anlisis de proceso
B. Coleccin de datos
1. Tipos de datos
2. Escalas de medicin
3. Mtodos de muestreo
4. Mtodos de coleccin
3
V. Seis Sigma - Medicin
C. Sistemas de medicin
1. Mtodos de medicin
2. Anlisis de sistemas de medicin
1. Errores en la medicin
2. Carta de tendencias de gage Minitab
3. Estudios de R&R metodo corto del rango
4. Estudios de R&R mtodo largo (cruzado)
5. Estudios de R&R mtodo largo (anidado)
6. Estudios de linealidad y sesgo
7. Estudios de R&R por atributos mtodo analtico
8. Estudios de R&R por atributos acuerdo entre eval.
3. Sistemas de medicin en la empresa
4. Metrologa
4
V.A Caractersticas del proceso
5
V.A Caractersticas del proceso
1. Variables de entrada y de salida
2. Mtricas de flujo de proceso
3. Herramientas de anlisis de proceso
6
V.A.1 Variables de entrada y salida
7
Variables de entrada y de salida
La medicin de estas variables se puede utilizar para
optimizar los procesos medidos
Las variables de entrada pueden ser cuantificables
tales como materias primas, recursos humanos o
servicios
Una vez conocidas las capacidades del proceso, las
mediciones de variables de salida se utilizan para su
monitoreo y control
Se utiliza la retroalimentacin de procesos posteriores
para mejorar los procesos anteriores
8
Diagrama SIPOC
Es un despliegue simple de las actividades
Proporciona una perspectiva panormica
Es un marco re referencia para todas las
organizaciones
Construccin:
Involucrar
El proceso puede tener 4 o 5 etapas clave
Listar las entradas y salidas del proceso
Listar los clientes del proceso y sus requisitos
Listas los proveedores del proceso
9
Mapa de procesos SIPOC
Mapa de proceso SIPOC (Proveedores, Entradas, Salidas, Clientes)
Procesos y sistemas Salidas
Entradas
Provee-
dores
Clientes
Retroalimentacin Retroalimentacin
10
Banco de informacin
Elementos de procesos - SIPOC
Un cambio en la Salida debe estar relacionado con
algn cambio en los pasos anteriores SIPs. Esto
forma un ciclo cerrado entre SIPs y Os.
Modelo SIPOC
Procesos,
Salidas, Clientes,
Proveedores Entradas, actividades
producto o reciben el
de recursos insumos que agregan
servicio producto
valor
11
Matriz de causa efecto
Relacin entre entradas y salidas de procesos
La matriz lista variables clave de salida del proceso
en forma horizontal y las de entrada en forma
vertical
Para cada variable de salida se le asigna una
prioridad
Dentro de la matriz se asignan nmeros que indican
el efecto que tiene cada variable de entrada en las
variables de salida
Se obtiene la suma producto de estos nmeros
internos por la prioridad de salida como resultados y
se saca el porcentaje relativo
12
Matriz de causa efecto
Entradas y salidas del proceso Matriz de causa efecto
Antes de mejorar un proceso, primero debe medirse,
identificando sus variables de entrada y de salida, y
documentando su relacin en diagramas de causa efecto,
matrices de relacin, diagramas de flujo, etc.
Salidas
A B C D E
Impor- 3 1 6 10 4 Res %
tancia
Ent 1 2 3 6 84 35
Ent 2 7 4 2 3 63 27
Ent 3 5 1 25 11
Ent 4 6 4 22 9
Ent 5 2 3 42 18
Totales 236 100 13
VI.A.2 Mtricas de flujo de proceso
14
Mtricas de flujo
Trminos Lean
Panel Andon dispositivo de control visual en un rea
productiva
Flujo de manufactura continua (CFM) proceso donde

hay un flujo de una pieza, sin WIP de acuerdo a la
demanda del cliente
Tiempo de ciclo tiempo para completar un ciclo de

una operacin
15
Mtricas de flujo
Trminos Lean
Vueltas de inventario nmero de veces que se
consume el inventario en un periodo de tiempo
JIT sistema para producir los artculos correctos en el

momento y en la cantidad requerida
Nivelacin de carga balanceo de las cargas de

trabajo en todos los pasos del proceso
16
Mtricas de flujo
Trminos Lean
Muda cualquier actividad que consuma recursos pero
no cree valor al cliente
Sin valor agregado cualquier actividad que no

agregue valor al producto o al servicio
Perfeccin eliminacin completa de muda
Punto de uso del inventario inventario surtido

directamente donde ser consumido
17
Mtricas de flujo
Trminos Lean
Poka Yoke dispositivo o procedimiento a prueba de
error para prevenir o detectar un error
Diagrama de flujo del proceso Diagrama del flujo o la

secuencia de eventos en un proceso
Jalar (Pull) sistema en que el proveedor anterior no

produce nada hasta que el siguiente cliente indica la
necesidad
18
Mtricas de flujo
Trminos Lean
Tiempo en cola el tiempo de espera de un producto
antes de su siguiente proceso
SMED (Single Minute Exchange of Die) tcnicas para

cambios rpidos en las mquinas de produccin. SU
objetivo es cero tiempo de ajuste y preparacin
Flujo de una sola pieza una situacin donde un

producto pasa por las diferentes operaciones sin
interrupciones o desperdicios
19
Mtricas de flujo
Trminos Lean
Matriz de habilidades control visual de celda de
trabajo describiendo todas las actividades, para
visualizar el estatus del entrenamiento de miembros
del equipo
Principio de lotes pequeos reduccin efectiva de

tamao de lote hasta que se llega al flujo de una sola
pieza
Trabajo estandarizado descripcin de cada actividad

de trabajo, indicando tiempo de ciclo, takt time,
secuencia de trabajos, e inventario mnimo 20
Mtricas de flujo
Trminos Lean
Takt Time tiempo disponible de produccin dividido
por la tasa de demanda del cliente
Cadena de valor actividades especficas requeridas

para proporcionar un producto desde su pedido hasta
su entrega
Control visual colocacin a la vista de todas las

herramientas, partes, actividades de produccin, e
indicadores del desempeo del sistema de produccin
21
Mtricas de flujo
Trminos Lean
Muda toda la sobreproduccin, esperas, transportes
innecesarios, inventarios excesivos, movimientos
innecesarios, y partes defectivas de produccin
Celda de trabajo o manufactura acomodo de

diferentes mquinas o procesos de negocio, realizadno
diferentes operaciones en una secuencia estricta, con
forma tpica en U o L
Centro de trabajo estacin de trabajo en una celda

de manufactura
22
Pensamiento Lean
Womack sugiere convertir la planta de produccin
masiva a una organizacin esbelta, con los siguientes
principios gua:
Especificar valor por producto
Identificar la cadena de valor para cada producto
Hacer el flujo de valor
Permitir que el cliente jale valor del proveedor
Perseguir la perfeccin
23
Valor
El valor es definido por el cliente
En EUA los gerentes no tienen contacto con clientes
En Alemania se hace nfasis en el producto y proceso
En Japn se enfocan a crear valor desde la

manufactura
24
Valor
El valor es definido por el cliente
El cliente quiere productos especficos, con
capacidades especficas a precios especficos, su
definicin es el primer paso para el pensamiento
Lean
El costo objetivo es una mezcla de los precios de

venta de la competencia y de la eliminacin de muda
por mtodos Lean
25
Cadena de Valor
Se pueden maximizar los beneficios de reducir Muda
al concentrarse en las actividades que ligan los
procesos, deben considerarse:
La solucin de problemas (nuevos productos)

La gestin de informacin (pedidos a entregas)
La transformacin fsica (materias primas a productos)
En Lean se analiza un solo producto, para reduccin

de Muda, tiempo de ciclo y mejora de calidad
26
Cadena de Valor
El mapa de cadena de valor se crea para identificar
las actividades involucradas en el producto. Incluye
proveedores, actividades preoductivas y clientes. Se
consideran los criterios siguientes:
Agrega valor de acuerdo a la percepcin del cliente

No agrega valor, pero es encesaria por el proceso
No agrega valor y puede eliminarse
27
Cadena de Valor
Lean sugiere cambiar de proceso en lotes a flujo
continuo, algunos obstculos son:
Siempre se ha trabajado en lotes
La planta tiene una multitud de funciones
La planta no puede soportar cambios de herramental
rpidos
La planta tiene maquinaria con gran inercia e inflexible
Mover la maquinaria tiene un alto costo
28
Flujo de Valor
Para un flujo continuo o flujo de una pieza se
requiere lo siguiente:
Usar celdas de manufactura en U, el operador debe ser
confiable en su operacin
Con el TPM se esperan cero fallas en mquinas
El nivel de calidad es muy alto con Poka Yokes
La programacin de la produccin es suave, de flujo

continuo, sin movimientos innecesarios ni WIP
29
Valor de jalar
El producto se fabrica solo cuando el cliente lo
demanda, resultando en:
Tiempo de ciclo reducido
Inventario terminado reducido
WIP reducido
Cliente con pedidos estables
El precio se estabiliza
En una planta de produccin masiva, cada operacin

trata de tener la mxima eficiencia creando
inventarios
30
Perfeccin
Se logra con:
Equipos que trabajan con el cliente para especificar
valor, mejorar el flujo y lograr Jalar
Colaboracin entre socios de la cadena de valor para

descubrir un mayor valor
Usar tecnologa para eliminar Muda
Desarrollar nuevos productos
31
Takt time
Es el tiempo neto disponible de produccin dividido
entre la tasa de demanda del cliente en un cierto
periodo
Ejemplo: si se tienen 430 minutos por da y la
demanda es de 300 unidades por da. TT = 1.433 m/d
Se sugiere revisar la distribucin de la celda para:

Mejorar los tiempos de ciclo
Reducir los defectos
Reducir los tiempos de cambio
Atender problemas de confiabilidad de los equipos
32
Lotes vs flujo de una pieza
33
Mtricas de Lean
Las mtricas de TPM incluyen:
Disponibilidad, tasa de velocidad de operacin (OSR),
tasa neta de operacin (NOR), eficiencia de
desempeo (PE), y efectividad total del equipo (OEE)
Tasa de thoughput = 1 / Tiempo de ciclo
La ley de Little estable que:
Inventario WIP = Throughput * Tiempo de flujo

Tiempo de flujo = WIP * Tiempo de ciclo
34
Mtricas de Lean
Tiempo total de espera (Lead) = No. Artculos en proceso /
Tasa promedio de terminacin
Eficiencia del ciclo de proceso = Tiempo de valor agregado /

Tiempo total de espera
Si hay 30,000 unidades planeadas, y se pueden producir

3,000 por da, Cul es el tiempo de espera total?
TLT = 30,000 / 3,000 = 10 das
35
Mtricas de Lean
Se tienen 21 cotizaciones pendientes, ofrecen tres das de
tiempo de respuesta a sus clientes. Cul es la tasa de
terminacin para cumplir con la meta?
Tasa de terminacin = WIP / TLT = 21 / 3 = 7 cotiz./da
36
Ejemplos
Se requieren 8 semanas para surtir un pedido. El
tiempo de valor agregado es de 18 hrs. Si la empresa
trabaja 24 hrs. al da, 7 das a la semana, cul es la
eficiencia del ciclo de proceso expresada como
porcentaje?
PCE = VAT / TLT = 18 / 1,344 *100% = 1.34%
Si la tasa de throughput de una operacin es de 7,200

unidades por hora, cul es el tiempo de ciclo en
segundos? CT = 1/ Thr = 1/7,200*3,600 = 0.5 seg
37
V.A.3 Herramientas de anlisis de
procesos
38
Anlisis y documentacin del
proceso
Un proceso es un conjunto de recursos y
actividades que transforman entradas en salidas
agregando valor. Las actividades deben ser
documentadas y controladas.
Se analizan los tpicos siguientes:
1. Herramientas
2. Entradas y salidas del proceso
39
Anlisis y documentacin del
proceso - Herramientas
Diagramas de flujo
Mapas de proceso
Procedimientos escritos
Instrucciones de trabajo
Anlisis de proceso
Documentacin del proceso
40
Diagrama de flujo
Un diagrama de flujo o mapa de proceso es til para
comprender el proceso. Puede describir la secuencia
del producto, contenedores, papeleo, acciones del
operador o procedimientos administrativos.
Es el paso inicial para la mejora de procesos, ya que

facilita la generacin de ideas.
41
Diagrama de flujo
Organizar un equipo para examinar el proceso
Construir un mapa de proceso para representar los

pasos del proceso
Discutir y analizar cada paso en detalle
Preguntarse Por qu lo hacemos de esta manera?

Comparar el proceso actual a un proceso imaginario
perfecto
42
Diagrama de flujo
Hay complejidad innecesaria?
Existe duplicacin o redundancia?
Hay puntos de control para evitar errores y

rechazos?
Se realiza el proceso de acuerdo a como est
planeado?
Puede realizarse el proceso de manera diferente?

las ideas de mejora pueden venir de procesos muy
diferentes?
43
Diagrama de flujo
Smbolos de Diagramas de flujo
44
Diagrama de flujo
Diagramas de flujo - Ejemplo
45
Diagrama de flujo
Beneficios
Permiten visualizar el proceso que se est
describiendo
Describen el proceso con smbolos, flechas y palabras
sin necesidad de oraciones
La mayora usa simbologa estandarizada (ANSI
Y15.3)
Si se usa software el nmero de smbolos puede
llegar a 500
46
Diagrama de flujo
Diagramas de flujo o mapas de proceso
Permiten comprender la operacin del proceso
Normalmente representan el punto de inicio para la mejora
Pasos para elaborarlo (Smbolos ANSI Y15.3)

Organizar un equipo para examinarlo
Construir un diagrama de flujo representando cada paso
Discutir y analizar detalladamente cada paso
Preguntarse Porqu lo hacemos de esta forma?
Comparar esta forma con la del proceso perfecto
Existe demasiada complejidad, duplicidad o redundancia
Se opera el proceso como est planeado y puede mejorarse?
47
Smbolos de diagrama de flujo
Proceso Desicin Documento Datos
Proceso Preparacin Operacin Entrada

Predefinido Manuales
Conector Con. pgina Display Almacen Terminador 48

Smbolos para Diagramas de Flujo
Iniciar/Detener Transmisin
Operaciones Almacenar
(Valor agregado)
Decisin Entrada/Salida
Inspeccin /Medicin
Retraso
Transportacin Lneas de Flujo

49
Diagrama de flujo del Proceso:
Es el diagrama de flujo de un proceso
que muestra cmo se realiza un trabajo.
Inicio Paso 1
Paso 2A Paso 2B Paso 2C
Paso 3
Retrabajo No Bueno? S Fin
50
Diagrama de flujo / Anlisis del valor
Actividades con valor agregado
Actividades sin valor agregado
51
Cmo Ayuda un Mapa de Proceso?
Una vez que podemos ver las
cosas -podemos hablar de ellas.
Los pasos que no agregan valor
se hacen ms evidentes.
El retrabajo y las reparaciones
son obvias.
Se puede llegar a acuerdos.
52
Diagramas de Flujo Existentes
Creados para un propsito

diferente.
Con frecuencia no reflejan
los puntos de inicio y Fin
adecuados.
No son cmo es.
Quieren ser
No sealan el desperdicio.
53
Aprovecha al Equipo
Haz recorridos, entrevistas y

revisiones de los diagramas
de flujo y los estndares
existentes.
54
Haz el Mapa del Proceso lo ms
Pronto Posible!
El mapa de un proceso...
seala con claridad la regin
en la que el equipo se debe
enfocar.
evita que el equipo salga de los

lmites del proyecto.
55
El Inicio y el Fin Se Deben Poder
Medir
Selecciona los puntos de

Inicio y Fin donde se
llevan a cabo acciones
que se pueden medir.
56
Ejercicio Rpido - Inicio y Fin
Proceso Inicio Fin
Ensamble de
Asiento
Dibujos de
Ingeniera
Manufactura en
Riel de Asientos
Cuentas por
Pagar
57
Ejemplos - Inicio y Fin
Proceso Inicio Fin
Ensamble de Marco de metal Inspeccin Final
Asiento puesto en lnea
Dibujos de Requerimientos Cliente Recibe
Ingeniera del Cliente el Archivo CAD
Manufactura en Operacin de Inspeccin Final
Riel de Asiento Prfiles
Estampados
Cuentas por Recepcin de la Depsito
Pagar Factura del Electrnico
Proveedor
58
Permite que la Gente vea el Mapa del
Proceso
De ser posible, la
gente que trabaja en
el proceso debe poder
ver una copia grande a
escala del mapa del
proceso.
Las revisiones,
sugerencias y
correcciones son
bienvenidas!
59
Herramientas de un Mapa de Proceso
Rotafolios y
Marcadores.
Hojas para Rotafolio y

Notas Autoadheribles.
60
Pasos para Elaborar un Mapa de
Como equipo...
Proceso
1. Establezcan los puntos de 5. Discutan, revisen y
Inicio y Fin del proceso. modifiquen.
2. Hagan una lista de los 6. Hagan un segundo recorrido
pasos del proceso y entrevistas.
mediante una tormenta de
ideas. 7. Aadan pasos de inspeccin,
retrabajo, reparacin y
3. Realicen el primer desperdicio en las notas
recorrido y entrevistas. autoadheribles.
4. Elaboren una lista de los 8. Elaboren un mapa de proceso
proceso clave en las notas cmo es.
autoadheribles.
61
Hazlo fcil!
En este momento, el mapa

de proceso cmo es debe
ser de alto nivel, pero debe
incluir todos los pasos
primarios necesarios para
obtener la mejora deseada
(es decir, los pasos con valor
agregado relativos a los CTQ,
CTC, CTD).
Idealmente, muestra de cinco
a diez pasos.
Agrega ms detalles
posteriormente. 62
Paso 1: Puntos de Inicio y Fin
Declaracin del Problema:
El cliente espera los dibujos
Revisen la declaracin del modificados demasiado
problema. tiempo.
Proceso:
Describan los procesos Proceso de revisin de
que causan el problema. dibujos.
Pregunta:
Comenten los puntos de
Cul podra ser el punto
Inicio y Fin que se pueden
de Inicio?
medir.
Pregunta:
Pnganse de acuerdo y Cul podra ser punto de
regstrenlos. Fin? 63
Puntos de Inicio y Fin
Declaracin del Problema:
El Cliente espera demasiado tiempo los dibujos
modificados.
Proceso:
Proceso de revisin de dibujos.
Inicio:
El Cliente solicita un formato de cambio de dibujos.
Fin:
Se entrega el archivo de dibujos (CAD) al Cliente. 64
Paso 2: Tormenta de Ideas sobre los
Pasos del Proceso
Inicio:
El Cliente solicita un
Escriban Inicio y Fin formato de cambio de
donde todos lo puedan dibujos.
ver.
Pregunta:
El equipo aporta ideas Cules son algunos de
sobre los pasos del los probables pasos del
proceso que existen proceso entre los puntos
entre el inicio y el fin. de inicio y fin?
Fin:
El archivo CAD se entrega
al Cliente.
65
Pasos del Proceso
Inicio:
El Cliente solicita un formato de cambio de dibujos.
Pasos a seguir:
Bosquejar el cambio requerido.
Calcular el impacto del cambio.
Determinar cules dibujos necesitan cambiarse.
Cambiar los dibujos apropiados.
Fin:
El archivo CAD se entrega al Cliente.
66
Paso 3: Primer Recorrido y
Entrevistas
El equipo recorre el proceso
existente.
Observen cmo se hace el
trabajo.
Platiquen con la gente
(entrevisten).
Tomen notas.
Enfquense en los pasos del
proceso.
67
Paso 4: Notas Autoadheribles
Escriban los pasos del
Crear
proceso en notas Boceto
Reunin
con el
autoadheribles. grupo
Encontrar
Localizar
Especif. Archivos
Coloquen las notas CAD Cambiar
Dibujos
sobre la pared. Hacer Calcular
Caf Impacto
Crear Enviar al
Por ahora slo dejen las Paquete Cliente
de
notas. Archivos
68
Paso 5:Comentar, Revisar, Modificar
Comenten, repasen y
modifiquen el mapa del
proceso en las notas
autoadheribles.
Pnganse de acuerdo en
los pasos que se deben
conservar.
Pnganse de acuerdo en
los pasos que se deben
eliminar.
Retengan solo los pasos
importantes del proceso. 69
Pasos Importantes del Proceso
Informacin suficiente
para facilitar la mejora.
Resultados que se
puedan medir.
Podran producirse
defectos (CTQ, CTC,
CTD).
Un inicio y un fin
definidos.
70
Pasos Importantes
Crear
Reunin
Bsquejo con el
grupo
Qu pasos podran Encontrar
ser importantes en el
Localizar
Especif. Archivos
mapa del proceso CAD Cambiar
Dibujos
que aparece a la Hacer Calcular
derecha? Caf Impacto
Crear Enviar al
Paquete Cliente
de
Archivos
71
Paso 6: Segundo Recorrido y
Entrevistas
Vuelvan a recorrer el
proceso.
Busquen pasos que hayan
pasado por alto.
Revisen pasos de
inspeccin, retrabajo,
reparacin y desperdicio.
Tomen notas.
72
Paso 7: Aadir Cambios
Solicitud de
Cambio del Reunin
Cliente con Ventas
Agreguen notas
autoadheribles. No
Crear
Aadan inspecciones. Bsquejo
Calcular
Impacto
Impacto
OK?
Aadan retrabajo y S
reparaciones.
Aadan desperdicio. Cambiar
Dibujo
Dibujo
OK?
Por ahora dejen todas No S
las notas.
Crear Enviar a Cliente recibe
paquete de Cliente archivos CAD
archivos
73
Paso 8: Mapa del Proceso Cmo Es
Solicitud de
cambio del Reunin
Cliente con Ventas
El equipo establece un No
mapa del proceso tal
cual. Crear Calcular Impacto
Bsquejo Impacto OK?
Tiene el detalle S
suficiente para incluir

los pasos importantes. Cambiar Dibujo
Dibujo OK?
Sin demasiado detalle No S
para que se entienda

rpidamente. Crear Cliente recibe
Enviar a
paquete de Cliente archivos CAD
archivos
74
Cundo Recolectar Datos
Durante la elaboracin del mapa de proceso.
Identifica los puntos para la recoleccin de datos,

pero
no recopiles los datos!
Despus de haber creado el Mapa Cmo Es

planea la recoleccin de datos sobre los pocas
salidas vitales.
Generalmente, cuando se recolectan datos durante la
elaboracin del mapa, se toman datos sobre puntos
equivocados.
La recoleccin de datos se debe planear y enfocar sobre los
factores de alta prioridad que son crticos para el cliente!
(consulta el mdulo Planeacin de la Recoleccin de Datos)

75
Mapa del Proceso Cmo Es
Solicitud Reunin
de cambio con Ventas
del Cliente
No
Crear Calcular Impacto Es la condicin base

Bsquejo Impacto OK? del proceso.
Si
Es el inicio de tu viaje
hacia la mejora.
Cambiar Dibujo
Dibujo OK? Es la oportunidad para
S
No
la estrategia de
impacto de Six Sigma.
Crear
Enviar al Cliente recibe
paquete de
Cliente archivos CAD
archivos
76
El Mapa de Proceso Cmo Debe Ser
Una vez que se identifiquen las soluciones durante la
fase de MEJORA
Crea el nuevo mapa de proceso.
El nuevo mapa muestra el flujo de trabajo mejorado que

ahora tiene
- menos pasos
- menos actividades sin valor agregado
Este nuevo mapa muestra el proceso cmo debe

ser que ser una vez que se implementen
todas las soluciones.
77
78
La cadena de valor
Son todas las actividades que la empresa debe
realizar para disear, ordenar, producir, y entregar
los productos o servicios a los clientes.
La cadena de valor tiene tres partes principales:

El flujo de materiales, desde la recepcin de
proveedores hasta la entrega a los clientes.
La transformacin de materia prima a producto

terminado.
El flujo de informacin que soporta y dirige tanto

al flujo de materiales como a la transformacin de
la materia prima en producto terminado. 79
La cadena de valor
Beneficios del Mapeo de la cadena de valor
Ayuda a visualizar el flujo de produccin; las fuentes
del desperdicio o Muda
Suministra un lenguaje comn sobre los procesos de
manufactura y Vincula los conceptos ytcnicas Lean
Forma la base del plan de ejecucin, permitiendo
optimizar el diseo del flujo de puerta a puerta
Muestra el enlace entre el flujo de informacin y el
flujo de material
Permite enfocarse en el flujo con una visin de un
estado ideal o al menos mejorado
80
Flujo de informacin
Adems del flujo de materiales en el proceso de
produccin, se tiene otro flujo que es el de
informacin que indica a cada proceso lo que debe
producir o hacer en el paso siguiente. Son dos caras
de la misma moneda y se deben trazar ambos.
81
82
Simbologa utilizada
83
Simbologa utilizada
84
Simbologa utilizada
85
Proceso de mapeo
de la cadena de valor
86
Identificando mapa actual
87
Tips para la cadena de valor
Recolecte siempre informacin del estado actual
mientras se realizan las operaciones normales tanto
en flujos de informacin como de materiales.
Inicie con una caminata rpida a travs de la cadena

de valor completa puerta a puerta, para obtener un
sentido del flujo y secuencia de procesos. Despus
regrese y colecte informacin en cada proceso.
Inicie desde el final de embarque y de ah para atrs.

As se iniciar el mapeo con los procesos que estn
ms ligados directamente al cliente, el cual debe
establecer los pasos para otros procesos.
88
Utilice el cronmetro y no dependa de tiempos
estndar o informacin que no obtenga
personalmente.
Trazar uno mismo la cadena de valor completa.

Entendiendo que el flujo completo lo encierra el
mapeo de la cadena de valor.
Siempre trace a mano y a lpiz. Ir al piso de

produccin al realizar el anlisis de estado actual, y
afinarlo ms tarde. Se debe resistir la tentacin de
usar la computadora.
89
90
Informacin para
la cadena de valor
Tiempo de valor agregado (VAT) para transformar el
producto
Tiempo de espera (L/T), que toma un producto para
moverse en todo el proceso
Tiempo del ciclo (C/T tiempo que transcurre entre
la salida de dos partes consecutivas)
Tiempo de cambio o de preparacin (C/O para
cambiar de un producto a otro)
Tiempo disponible de mquina (De acuerdo a la

demanda)
Tamao de lote de produccin (EPE every part
every..)
Nmero de operadores 91
Informacin para
la cadena de valor
Nmero de productos diferentes
Contenido de la unidad de empaque o contenedor
Tiempo de trabajo (sin los descansos obligatorios)

Tasa de desperdicio
Capacidad del proceso (tiempo disponible/ tiempo de

ciclo * porcentaje de disponibilidad del equipo), sin
tiempos de cambio de tipo.
Takt time (tiempo disponible para cubrir la demanda

de productos). 92
Ejemplo de aplicacin:
Empresa Guden
93
Mapa del estado actual
Proceso de manufactura
94
Mapa incluyendo informacin
95
Mapa incluyendo tiempos de ciclo y
tiempo de entrega
96
Mapa de estado futuro
Se trata de hacer un proceso Lean, con creatividad y
equipo de trabajo, algunas preguntas a hacer son:
Cul es el Takt Time?
Los productos terminados se envan directamente a
embarque?
Se envan artculos a un supermercado de artculos?
Se puede aplicar el flujo continuo de proceso?
Cul es el proceso marcapasos?
Qu incremento de trabajo ser liberado?
Qu mejoras al proceso se pueden hacer?
97
Mapa de estado futuro
El paso final en el proceso de VSM es un plan con
metas medibles y puntos de control para medir los
avances, esto puede tomar meses o aos
A continuacin se muestran ejemplos del mapa de

estado futuro
98
Mapa futuro reduciendo tiempos de
entrega
99
Mapa futuro reduciendo tiempos de
entrega
100
Beneficios
101
Beneficios
102
Mapa de proceso de la
Empresa ABC - final
103
Documentacin
104
Procedimientos escritos
Los procedimientos deben ser desarrollados por los
que tienen la responsabilidad del proceso de inters
La documentacin del proceso en un procedimiento

facilita la consistencia en el proceso.
Los procedimientos crticos deben tener su diagrama

de flujo correspondiente
105
Material
no
conforme
106
Instrucciones de trabajo
Las instrucciones de trabajo proporcionan los pasos
detallados de la secuencia de actividades
Los diagramas de flujo pueden usarse con las

instrucciones de trabajo para mostrar las relaciones
de los pasos del proceso.
Las copias controladas de estas instrucciones se

guardan en el rea de trabajo
107
Diagrama de espaguetti
Se pueden usar para describir el flujo de personas,
informacin, o material en casi cualquier tipo de
proceso. La mayora de las acpliaciones considera
flujos de personas, informacin y materiales.
108
Diagramas de Venn
Se pueden utilizar para analizar las cargas de trabajo, por
ejemplo:
El tiempo de ocupacin es 0.30+0.20+0.25+0.10-0.06-0.04 =

0.75, es decir de cada turno de 8 horas tiene 2 horas disp.
109
V.B Coleccin de datos
110
V.B Coleccin de datos
1. Tipos de datos
2. Escalas de medicin
3. Mtodos de muestreo
4. Mtodos de coleccin de datos
111
V.B.1 Tipos de datos
112
V.B.1 Tipos de datos
Datos por atributos
Son datos contables discretos enteros, por ejemplo 3,
45, 2032. Cuenta, unidades, ocurrencias, bueno
malo.
Datos por variables

Las variables son datos continuos medibles con
instrumentos con nmeros reales, por ejemplo 1.037,
4.69, etc. Longitud, tiempo, volumen, tensin.
Es preferible tener informacin por variables,

proporcionan mayor informacin.
113
Tipos de datos
Datos de localizacin
Contestan a la pregunta Dnde?. Las cartas que
utilizan datos de localizacin de defectos se denominan
Measles charts o Cartas de concentracin. Por
ejemplo mapas con oficinas de distribucin; defectos
de pintura en un automovil.
Conversin de datos por atributos a variables

10 despostilladuras se pueden reportar como una
longitud total de 8.37; 25 rayas de pintura como 3.2
cuadradas de rayones de pintura.
Tambin se deben considerar los cosos de coleccin
114
V.B.2 Escalas de medicin
115
Escalas de medicin
En funcin de la deseabilidad estadstica se tiene:
Escala Descripcin Ejemplo

Nominal Datos como nombres o Bolsa con dulces de colores:
categoras. No hay orden 15 amarillos, 10 rojos, 7
verdes
Ordinal Los datos estn ordenados pero Defectos A ms crticos que los
(rango) sus diferencias no pueden defectos D se tabulan como:
determinarse ni tienen sentido A 16, B 32, C 42, D 30
Intervalo Los datos se arreglan por orden La temperatura de 3 lingotes
y diferencia. No hay punto de es de 200C, 400C y 600C.
inicio de ref. y la razn no tiene Notar que 3 veces 200C no
significado es lo mismo que 600C en T.
Razn Similar al anterior con un punto El producto A cuesta $300 y el
cero inicial. Tanto las diferencias B $600. Notar que $600 es
como las razones son tanto como dos veces $300
significativas
116
Escalas de medicin
Medidas estadsticas para las escalas de medicin
Escala Localizacin Dispersin Prueba de

central significancia
Nominal Moda Solo informativa Chi cuadrada
Ordinal Mediana Pocentajes Prueba de signos o

(rango) rachas
Intervalo Media aritmtica Desviacin Prueba t, Prueba F,

media o estndar Anlisis de correlacin
Razn Media geomtrica Variacin Similar al anterior

o media armnica pocentual
117
V.B.3 Mtodos de muestreo
118
Ventajas del Muestreo
Se economizan recursos
Se reduce el tiempo
Confiabilidad
Se pueden proyectar resultados
119
Conceptos bsicos de Muestreo
Muestreo: Proceso mediante el cual hacemos
inferencia a toda una poblacin observando solo una
parte de esta (muestra).
Mtodos de muestreo:
Es un procedimiento cientfico mediante el cual
obtenemos los componentes de una muestra, tratando
que la muestra nos de informacin acerca de un
parmetro poblacional, y tambin nos permite medir
el grado de incertidumbre de equivocarnos en la
inferencia.
Mtodos de muestreo
Muestreo aleatorio
En este caso cada parte tiene la misma oportunidad de
ser seleccionada
Muestreo secuencial
Se toman piezas de una lnea continua y se muestrea
hasta que se hayan inspeccionado ms de 3 veces el
tamao de muestra de un plan de muestreo simple
Muestreo estratificado
Se seleccionan muestras aleatorias de cada uno de los
grupos o procesos diferentes, deben reflejar la frecuencia
de los grupos 121
Muestreo Simple Aleatorio
Cada uno de los elementos de una poblacin tiene la

misma probabilidad de salir en una muestra.
La seleccin se hace generalmente usando nmeros
aleatorios.(de la uniforme 0,1).
Ejemplo: Se tiene una poblacin de 100 artculos. Se
desean seleccionar 5. Para obtener la muestra se
deben enumerar los 100 artculos y se saca una lista
de 5 nmeros al azar entre 1 y 100. ( Usando la
computadora generamos una lista de 5 nmeros de la
uniforme 0,1 y los multiplicamos por 100 y solo
tomamos las primeras dos decimales)
Muestreo Sistemtico
En este mtodo enumeramos los elementos de la
poblacin de 1 a N. La muestra es tomada en intervalos
de N/n. (con n= tamao de la muestra).
Ejemplo: de los 100 artculos anteriores si
muestreamos sistemticamente para n=5. Tomaremos
la muestra cada 100/5=20 objetos. (i.e. Tomamos el
1er. Articulo , luego el 20esimo., etc..).
Muestreo con probabilidades desiguales.

til en poblaciones con mucha variabilidad.
Hacemos que aparezcan con mayor los datos
grandes o pequeos.
Exactitud e integridad de los datos
Los datos malos corrompen el proceso de toma de
decisiones
Evitar sesgo emocional respecto a tolerancias
Evitar redondeo innecesario
Si una caracterstica cambia con el tiempo, registrar

la medicin inicial y la posterior a la estabilizacin
Filtrar los datos para identificar y eliminar errores de

captura
124
Exactitud e integridad de los datos
Los datos malos corrompen el proceso de toma de
decisiones
Si los datos siguen una distribucin normal,
determinar si la dispersin de los datos puede ser
representada por al menos 8 o 10 incrementos de
resolucin. Si no puede ser mejor contar las
observaciones.
Usar pruebas estadsticas objetivas para identificar

outliers o puntos aberrantes, no eliminar datos por
juicio propio
Cada identificacin de clasificacin importante debe
ser registrada junto con los datos
125
V.B.4 Mtodos de
coleccin de datos
126
Mtodos de coleccin de datos
Incluye mtodos manuales y automticos. Guas:
Formular una clara descripcin del problema
Definir de manera precisa lo que se va a medir
Listar todas las caractersticas importantes a medir
Cuidadosamente seleccionar la tcnica de

medicin
127
Mtodos de coleccin de datos
Incluye mtodos manuales y automticos. Guas:
Construir un formato sencillo de registro
Decidir quin colectara los datos
Establecer un mtodo de muestreo apropiado
Decidir quien analizar e interpretar los

resultados
Decidir quien reportar los resultados

128
Tipos de informacin para proyectos
Atributos Variables
Caliper
PASA NO PASA
ORDEN DE ENVIO
CIUDAD UNIDAD DESCRIPCION TOTAL

1 $10.00 $10.00
3 $1.50 $4.50
10 $10.00 $10.00
2 $5.00 $10.00 Error Tiempo
FALLA PASA
TEMPERATURE
Termmetro
Circuito Elctrico
129
Plan de recoleccin de datos
Un plan de Recoleccin de Datos relacionada con
las CTQs de inters es la documentacin de:
Qu informacin se va a recolectar
Por qu se necesita
Quin es responsable
Cmo se va a recolectar
Cundo se va a recolectar
Dnde se va a recolectar
130
Definiciones operativas
El Plan de Recoleccin de Datos debera de basarse
en las Definiciones Operativas medibles:
Definiciones Operativas ya desarrolladas para los
clientes CTQs las Ys
Se necesita desarrollar Definiciones Operativas para el
proceso Xs
Y = (X1, X2, X3, X4Xn)
CTQ Proveedor/Entrada/Proceso
131
Mediciones automatizadas
(sistemas digitales y de visin)
A Prueba de error de un proceso
Evitar errores humanos
Seleccionar partes aceptables
Detectar defectos superficiales o material extrao
Mediciones dimensionales
Inspecciones a alta velocidad
Marcado e identificacin de partes
Inspeccin de soldaduras
Inspeccin de empaques, etc.
132
Codificacin de datos
Codificar al agregar o restar una constante o
multiplicar o dividir por un factor:
Facilitan el llenado de formatos con espacio reducido
Reducen el error al ingresar grandes cadenas de
nmeros
133
Codificacin de datos
Codificacin por substitucin
Para una observacin de 32-3/8, los datos
pueden codificarse como enteros expresando el

nmero de incrementos de 1/8 de desviacin vs
el valor nominal.
Codificacin por truncamiento o valores decimales

repetitivos:
Las mediciones como 0.55303, 0.55310, 0.55308
pueden ser registradas como los dos ltimos dgitos,
3, 10, 8.
134
Hoja de registro
Evaluacin de la productividad de una junta
Lista de verificacin del supermercado

measles chart muestra la distribucin de defectos
en un esquema del producto
135
V.C Sistemas de medicin
136
Contenido
1. Mtodos de medicin
2. Anlisis de sistemas de medicin
3. Sistemas de medicin en la empresa
4. Metrologa
137
V.C.1 Mtodos de medicin
138
Mtodos de medicin
Cuidado de instrumentos de medicin
Los instrumentos de medicin son costosos y deben
tratarse con cuidado, deben calibrarse en base a un
programa as como despus de sospecha de dao
Superficies de Medicin / Referencia

Es la superficie de referencia para realizar las
mediciones.
Herramientas de transferencia
No tienen escala de lectura, por ejemplo, los
calibradores de resorte. La medicin es transferida a
otra escala de medicin para lectura directa.
139
Mtodos de medicin
Gages o escantillones por atributos
Son gages fijos para inspeccin pasa no pasa. Por
ejemplo gages maestros, plug gages, gages de
contorno, thread gages, gages de lmite de longitud,
gages de ensamble. Slo indican si el producto es
bueno o malo.
Gages o escantillones por variables

Proporcionan una dimensin fsica. Por ejemplo reglas
lineales, calibradores verniers, micrmetros,
indicadores de profundidad, indicadores de
excentricidad, etc. Indican si el producto es bueno o
malo respecto a las especificaciones para capacidad.
140
Ejemplos
141
Ejemplos
142
Ejemplos
143
Mtodos de medicin
Seleccin por atributos
Son pruebas de seleccin realizadas en una muestra

con dos resultados posibles, aceptable o no aceptable.
Como se realiza a toda la poblacin o a una proporcin

grande de la misma, debe ser de naturaleza no
destructiva.
144
Mtodos de medicin
Seleccin por atributos, caractersticas principales:
Un propsito claramente definido
Alta sensibilidad al atributo evaluado. Equivale a una
tasa baja de negativos falsos.
Alta especificidad al atributo que est siendo medido.

Esto equivale a una baja tasa de positivos falsos.
Los beneficios del programa sobrepasan los costos
Los atributos medidas identifican problemas

importantes (series y comunes)
Los resultados guan a acciones tiles
145
Bloques patrn
Gages (gauges) bloques patrn:
Carl Johansson desarroll bloques de acero como
estndares de medicin con exactitud de unas pocas
millonsimas de pulgada
Los bloques patrn o Jo se hacen de acero con

aleacin al alto carbn y cromo, carburo de tungsteno,
carburo de cromo o cuarzo fundido
Se usan para establecer una dimensin de longitud de

referencia para una medicin de transferencia, y para
calibracin de varios instrumentos de medicin
146
Bloques patrn
Bloques patrn grado 0.5 o 1; inspeccin 1 o 2; de
trabajo grado 3
147
Bloques patrn
Se deben manejar siempre del lado no pulido
Se deben limpiar antes de apilarse con keroseno,

benceno o tatracloruro de carbono con un trapo suve
o gamuza
Se usa una capa delgada de aceite residual cuando

se desean apilar
148
Bloques patrn
Se pueden apilar con la ayuda de una capa delgada
de aceite que expulsa el aire. Usar poca presin en el
proceso
149
Mtodos de medicin
Juegos de Gages (gauges) de bloques patrn:
El contenido de un juego de 81 piezas son:
Bloques de diezmilsimas (9): 0.1001, 1002,..,0.1009
Bloques de una milsima (49): 0.101, 0.1020.149
Bloques de 50 milsimas (19): 0.050, 0.1000.950
Bloques de una pulgada (4): 1.000, 2.000,, 4.000
150
Mtodos de medicin
Calibradores:
Los calibradores se utilizan para medir dimensiones de

longitud, internas, externas, de altura, o profundidad.
Son de los siguientes tipos: Calibradores de resorte,

calibradores de reloj, verniers y calibradores,
calibradores digitales
151
Mtodos de medicin
Calibradores de resorte:
Los calibradores proporcionan una exactitud de
aproximadamente 1/16 al transferir a una regla de
acero
152
Mtodos de medicin
Calibradores verniers:
Usan una escala para indicar la medicin de longitud.
Ahora se han reemplazados con reloj o indicador
digital.
Para el caso de una longitud de 1.069 se leera como
sigue:
153
Mtodos de medicin
Calibradores de reloj:
La lectura se hace en la escala con resolucin cercana
a 0.1 y un reloj con resolucin de 0.001.
Calibradores digitales
Usan un display digital con lectura en pulgadas o en
milmetros y un cero que puede ser puesto en
cualquier punto del viaje. La resolucin es del orden de
0.0005
154
Mtodos de medicin
Comparadores pticos
Usan un haz de luz dirigido hacia la parte a ser
inspeccionada, y la sombra resultante es amplificada y
proyectada en una pantalla.
La imagen puede medirse al comparar con una plantilla

maestra o medir la silueta en la pantalla o tomando las
lecturas. Para pasar la inspeccin, la silueta de la
sombra debe encontrarse entre los lmites de
tolerancia predeterminados.
155
Mtodos de medicin
Micrmetros
Los mics se pueden adquirir con tamaos de cuerpo
para 0.5 a 48. La mayora tiene una exactitud de
0.001 y con un vernier o indicador puede llegar a
0.0001. En cuartos con temperatura y humedad
controlada se pueden hacer medidas lineales de hasta
millonsimas de pulgada
Pueden hacer mediciones de interiores, exteriores,

porfundidad, cuerdas, etc. Las dos escalas utilizadas
son la del cuerpo y la del tambor, a continuacin se
muestra un ejemplo:
156
Mtodos de medicin
Micrmetros
157
Mtodos de medicin
Mediciones de resistencia a la tensin
La resistencia a la tensin es la habilidad de un metal a
resistir su rotura. Se aplica una carga a una barra de
prueba y se incrementa gradualmente hasta que la
barra se rompa. Se pueden analizar los datos de
tensin usando curvas de esfuerzo deformacin, que
muestra la carga vs la elongacin.
Prueba de corte
Es la habilidad para resistir un esfuerzo de cuchilla
cortante cuando se aplican fuerzas paralelas
ligeramente fuera de eje.
158
Mtodos de medicin
Prueba de compresin
La comprensin es el resultado de fuerzas actuando
unas contra otras. Se aplica una carga y se registra la
deformacin. Se puede obtener una curva de esfuerzo
deformacin con los datos
Prueba de fatiga
La fatiga es la habilidad del material a resistir cargas
repetitivas. En varios niveles de esfuerzo, se cuenta el
nmero de ciclos hasta que ocurre la falla
159
Mtodos de medicin
Titulacin
Es un mtodo de anlisis que permite la determinacin
de cantidades precisas de reactivos en el matraz. La
solucin a ser analizada se prepara en el matraz
Erlenmeyer. Un indicador como el azul de metileno es
adicionado a la solucin. Se usa una bureta para liberar
el segundo reactivo al matraz y un indicador o medidor
de pH se utiliza para determinar el punto final de la
reaccin. El indicador cambia de color cuando se llega
al punto final.
160
Mtodos de medicin
Medicin de dureza
La medicin de dureza se realiza al crear una marca
en la superficie del material con un baln duro o una
pirmide de diamante y despus se mide la
profundidad de penetracin
161
Mtodos de medicin
Medicin de dureza
162
Mtodos de medicin
Medicin de torque
Esta medicin se requiere cuando el producto se sujeta
con tornillos y tuercas. El torque es una fuerza que
produce rotacin alrededor de un eje
(Torque = fuerza x Distancia)
Prueba de impacto
La resistencia al impacto es la habilidad del material
para resistir el impacto. Las pruebas de Charpy e Izod
usan muestras que son golpeadas por un pndulo
calibrado
163
Mtodos de medicin
La regla de acero
La regla de acero se utiliza para lecturas directas. Sus
divisiones estn en fracciones de pulgada milmetros
Placas de medicin (mrmol)

Son planos de referencia para mediciones
dimensionales. Usualmente son utilizados con
accesorios planos, angulares, paralelos, bloques en V y
bloques cilndricos apilados
164
Mtodos de medicin
Indicadores de reloj
Son instrumentos mecnicos para medir variaciones de
distancia. Muchos indicadores de reloj amplifican la
lectura de un punto de contacto por medio de un
mecanismo interno de engranes. Tienen resoluciones
de 0.00002 a 0.001 con un rango amplio de
mediciones.
165
Mtodos de medicin
Ring gages o gages de cuerdas
Se usan para inspeccionar dimensiones cilndricas
externas y frecuentemente se denominan gages go no
go. Un ring gage de cuerdas se usa para checar
cuerdas macho
166
Mtodos de medicin
Plug gages o gages de dimetros
Se usan para inspeccionar dimensiones cilndricas
internas y frecuentemente se denominan gages go no
go o gages pasa no pasa. Un plug gage de cuerdas
se usa para checar cuerdas hembra. En lado se indica
en verde la seccin de Pasa y en el otro lado se indica
en roja la No Pasa.
Go No go
167
Mtodos de medicin
Gages neumticos
Los tipos de gages de amplificacin neumtica incluyen
unos accionados variando la presin de aire y otros al
variar la velocidad del aire con presin constante. Las
mediciones pueden ser ledas en millonsimas de
pulgada.
Interferometra
Se forma interferencia cuando dos o ms haces de luz
monocromtica de la misma longitud de onda se
defasan 180 viajando en diferentes distancias. Las
irregularidades se evidencian alternando las bandas
obscura y de luz
168
Mtodos de medicin
Gages diseados con Laser
El haz de luz Laser se transmite a un receptor del lado
puesto del gage. Las mediciones se realizan cuando el
haz es obstaculizado por un objeto y el receptor
registra esta dimensin.
Mquina de Medicin por Coordenadas (CMM)

Las partes a medir se colocan en la placa de mrmol y
un sensor se manipula para tener varios puntos de
contacto usando el sistema de mediciones controlado
por computadora tomados en tres ejes perpendiculares
entre s.
169
Mtodos de medicin
Pruebas no destructivas (NDT) y evaluaciones no destructivas
(NDE)
Son tcnicas para evaluar las propiedades de los materiales
sin afectar la utilidad futura de los artculos probados.

Incluyen el uso de automatizacin, prueba al 100% del
producto y la garanta de adecuacin interna. Algunos
resultados requieren considerable habilidad para su
interpretacin.
Inspeccin visual
La inspeccin visual de color, textura y apariencia
proporciona informacin valiosa. EL ojo humano es apoyado

por lentes de aumento u otros instrumentos. Esta inspeccin
tambin se denomina inspeccin de exploracin (scanning)
170
Mtodos de medicin
Pruebas ultrasnicas
Las ondas ultrasnicas se generan en un transductor y
se transmiten a travs de un material que puede tener
defectos. Parte de las ondas chocan en el defecto y se
reflejan como ecos a la unidad receptora, que las
convierte en picos en la pantalla. Para pruebas no
destructivas se utiliza un rango de frecuencias de 200
a 250,000 Khz.
171
Mtodos de medicin
Pruebas con partculas magnticas
La inspeccin con partculas magnticas es un mtodo
no destructivo de detectar la presencia de defectos o
poros ya sean superficiales o internos en metales o
aleaciones ferromagnticos.
Se magnetiza la parte y despus se aplican partculas

de acero en la superficie de la parte bajo prueba. Las
partculas se alinean con el campo magntico y se
concentran en lugares donde las lneas entran o salen
de la parte.
172
Mtodos de medicin
Pruebas con partculas magnticas
La parte bajo prueba se examina en las reas de
concentracin de partculas magnticas que indicaran
presencia de discontinuidades
Se usa corriente alterna para descubrir la presencia de

defectos superficiales, mientras que con corriente
directa proporciona mayor sensibilidad para la
localizacin de defectos internos. Se cuenta con
mtodos secos y hmedos
173
Mtodos de medicin
Pruebas con lquidos penetrantes
La inspeccin con lquidos penetrantes es un mtodo
rpido para detectar defectos en la superficie en todo
tipo de materiales. El lquido aplicado contiene una
tinta que penetra en el defecto por capilaridad
contrastado por una limpieza. Requiere observacin
cuidadosa.
Pruebas con corrientes parsitas de Eddy

Las corrientes parsitas son inducidas en un objeto
bajo prueba al pasar una corriente alterna en una
bobina colocada cerca de la superficie del objeto bajo
prueba.
174
Mtodos de medicin
Pruebas con corrientes parsitas de Eddy
Un campo electromagntico es producido en el objeto
bajo prueba que puede ser comparado con un
estndar.
Defecto 175
Mtodos de medicin
Pruebas con Radiografa
Se pueden dirigir Rayos X o Rayos Gama a travs de
un objeto bajo prueba sobre una placa fotogrfica y las
caractersticas internas de la parte pueden ser
reproducidas y analizadas.
Para un anlisis adecuado, se deben establecer

estndares de referencia para evaluar los resultados.
Una radiografa puede mostrar poros, inclusiones, y
fracturas si se encuentran en el plano adecuado y son
suficientemente grandes.
176
Mtodos de medicin
Pruebas con Radiografa de neutrones
Los neutrones son partculas atmicas sin carga que se
mueven por los materiales sin afectar su densidad. Son
dispersados o absorbidos por partculas en el nucle
atmico en vez de los electrones. El objeto se coloca
en un haz de neutrones en frente de un detector de
imagen.
Otras tcnicas relacionadas

Aplicaciones recientes incluyen fluoroscopia,
radiografa gama, rayos X televisados, pruebas con
microondas e inspeccin hologrfica
177
V.C.2 Anlisis de Sistemas
de Medicin
178
Contenido
2. Carta de tendencias de gage Minitab
3. Estudios de R&R metodo corto del rango
4. Estudios de R&R mtodo largo (cruzado)
5. Estudios de R&R mtodo largo (anidado)
6. Estudios de linealidad y sesgo
7. Estudios de R&R por atributos mtodo analtico
8. Estudios de R&R por atributos acuerdo entre
evaluadores
179
Anlisis de Sistemas de Medicin
180
Metrologa
Metrologa es la ciencia de las mediciones
Apoya a la organizacin en la evaluacin cuantitativa

de las variables del proceso (longitudes, dimensiones,
pesos, presiones, etc.)
Factores considerados para determinar el periodo de

calibracin de los equipos de medicin
Intensidad de uso del equipo
Posibles desgastes por el uso o degradacin
Errores identificados durante las calibraciones peridicas
181
Correlacin de mediciones
Es la comparacin o correlacin de las mediciones de un
sistema de medicin con los valores reportados por uno o
ms sistemas de medicin diferentes
Un sistema o dispositivo de medicin puede usarse para

comparar valores contra un estndar conocido, a su vez
puede compararse a la media y desviacin estndar de
otros dispositivos similares
Todas las mediciones reportadas de artefactos iguales o

similares, son referidos como prueba de proficiencia o
prueba de Round Robin.
182
Correlacin de mediciones
Tambin se pueden comparar valores obtenidos de
diferentes mtodos de medicin usados para medir
diferentes propiedades. Por ejemplo la medicin de dureza
y resistencia de un metal, temperatura y expansin lineal
de un artculo al ser calentado, y peso y nmero de
pequeas partes
El manual MSE de la AIAG clasifica los errores del sistema

de medicin en cinco categoras:
Sesgo o exactitud
Repetibilidad
Reproducibilidad
Estabilidad
Linealidad

183
Porcentaje de acuerdo
El porcentaje de acuerdo ya sea entre el sistema de
medicin y los valores de referencia o el valor verdadero
de la variable medida
Puede estimarse con el coeficiente de correlacin, r, con

valores r=1 100% de acuerdo y r= 0 sin acuerdo.
184
Precisin a Tolerancia P/T
Es la razn (P/T) entre el error estimado de la medicin
(precisin) y la tolerancia de la caracterstica medida.
6 e
Re l P / T
Tolerancia
Donde 6 sigma es la variabilidad de las mediciones. Los

supuestos son:
Las mediciones son independientes
Los errores de medicin se distribuyen normalmente
Los errores de medicin son independientes de la

magnitud de las mediciones
185
Precisin a Variacin Total P/TV
Es la razn (P/TV) entre el error estimado de la medicin

(precisin) y la variacin total de la caracterstica medida.
6 e Variacion Medicion
Re l P / TV
Variacion Total Variacion Pr oducto Variacion Medicion
Se debe minimizar P/TV para reducir el efecto de la

variacin de las mediciones en la evaluacin de la
variacin del proceso
Conforme P/T y P/TV se incrementan, la habilidad de

discriminar un cambio en el proceso disminuye, en todo
caso utilizar un sistema de medicin con variacin ms
pequea
186
Definiciones
Exactitud
Desviacin respecto del valor verdadero del promedio
de las mediciones
Valor verdadero:
Valor correcto terico / estndares NIST
Sesgo
Distancia entre el valor promedio de todas las
mediciones y el valor verdadero.
Error sistemtico o desviacin
187
Definiciones
Estabilidad
La variacin total en las mediciones obtenidas durante
un perodo de tiempo prolongado
Linealidad
Diferencia en los valores de la escala, a travs del
rango de operacin esperado del instrumento de
medicin.
Precisin
Medicin de la variacin natural en mediciones
repetidas
188
Definiciones
Datos,
Proceso de Proceso de informacin,
Transformacin Medicin observaciones
+ =
Variabilidad Variabilidad Variabilidad
del producto del Sist. De total
Medicin (Observada)
2

producto
2

Sistema de medicin
2
total
mproducto eSistema de medicin m total

189
Errores en la medicin
Todo proceso tiene variabilidad y los procesos de
medicin no son la excepcin;
Los valores observados son el resultado del

comportamiento verdadero ms el ruido de la
medicin, por lo que es necesario evaluar el sistema
de medicin de la variable de respuesta para
determinar si este es aceptable para la necesidad.
190
Promedios Determinada por un

estudio de calibracin
mObservada = mproceso + mmedicin
Variabilidad
Determinada
por un estudio
R&R
Observada
2
= proceso
2
+ medicin
2
191
Posibles Fuentes de la
Variacin del Proceso
Variacin del proceso, observado (Zlp/Zlt y/ DPMO)
Variacin del proceso, real Variacin de la medicin
Variacin Variacin originada

dentro de la Reproducibilidad
muestra por el calibrador
Repetibilidad Estabilidad Linealidad Sesgo
Calibracin
La Repetibilidad y reproducibilidad (R&R), son los errores ms relevantes en la medicin.

192
Sensibilidad
El gage debe ser suficientemente sensible para

detectar diferencias en las mediciones en al menos un
dcimo de la tolerancia especificada o de la dispersin
del proceso
193
Definicin del Sesgo o exactitud
Valor
Verdadero
Sesgo es la diferencia entre el
promedio observado de las
Sesgo
mediciones y el valor
verdadero (patrn).
si Exactitud > 10% :

Ajustar el equipo de medicin
Utilizar factores de correccin
% Exactitud =| Exactitud |* 100

Tolerancia
194
Definicin de la Repetibilidad
o precisin
Repetibilidad: Es la variacin de
las mediciones obtenidas con un
instrumento de medicin,
cuando es utilizado varias veces por
un operador, al mismo tiempo que
mide las mismas caractersticas en
una misma parte
REPETIBILIDAD
195
Definicin de la Reproducibilidad
Reproducibilidad: Es la Operador-B
variacin, entre promedios
de las mediciones hechas
por diferentes operadores
que utilizan un mismo
instrumento de medicin Operador-C
cuando miden las mismas
caractersticas en una
misma parte en diferentes
tiempos Operador-A
Reproducibilidad 196
Preciso pero Exacto pero Exacto y

No exacto no preciso preciso
197
Definicin de la Estabilidad
Estabilidad (o desviacin) es la variacin

Patrn
total de las mediciones obtenidas con un
sistema de medicin, hechas sobre el mismo
patrn o sobre las mismas partes, cuando se
mide una sola de sus caractersticas, durante
Tiempo 2
un perodo de tiempo prolongado.
Tiempo 1
Estabilidad= x1-x2=Exactitud1 - Exactitud2
% Estabilidad = | Estabilidad |* 100

Tolerancia
5% > Recomendacin si Estabilidad > 10%
Modificar frecuencias de calibracin (Programa)
< 5% espaciar periodos de uso entre calibracin
>10% acortar periodos entre calibraciones 198
Definicin de la Linealidad
Graficar el sesgo versus los valores de exactitud de la parte
en todo el rango de operacin del instrumento. El porcentaje de
Linealidad es igual a la pendiente, b, de la lnea de regresin
Multiplicada por la variacin del proceso.
L = b Vp
El sesgo en cualquier punto se puede estimar de la pendiente y
La interseccin con eleje Y (Yo) de la mejor lnea de ajuste
B = Yo + b X
Valor Valor
Linealidad es la diferenciaverdadero verdadero
en los valores real y Sesgo Sesgo
observado, mayor menos Menor mayor
menor a travs del rango de
operacin esperado del (rango inferior) (rango superior)
equipo.
Rango de Operacin del equipo
| Linealidad | * Recomendacin si Linealidad > 10% :
% Linealidad = Tolerancia 100
Restringir su uso
Aplicar factores de correccin
199
Estabilidad del Calibrador
Cmo Calcularla
Para calibradores que normalmente se utilizan sin ajuste, durante periodos

de tiempo relativamente largos.
Realizar un segundo estudio R&R del Calibrador justo antes de que

venza el tiempo de re calibracin.
La estabilidad del calibrador es la diferencia entre los promedios

sobresalientes de las mediciones resultantes de los dos estudios.
Causas posibles de poca estabilidad

El calibrador no se ajusta tan frecuentemente como se requiere
Si es un calibrador de aire, puede necesitar un filtro o un regulador
Si es un calibrador electrnico, puede necesitar calentamiento previo.

200
Estudios de incertidumbre
Para evaluar la desviacin estndar poblacional del sistema de
medicin de los pocos vitales, haremos un ajuste a la desviacin
estndar muestral con la t-student, por lo que se requiere :
No out-liers : De tener presentes, proceder a investigarlos y

eliminarlos o sustituirlos.
Normalidad de los datos : de no haber normalidad se puede

aplicar el teorema de lmite central utilizando da desviacin
estndar de las medias grupos de tamao m
201
Estudios de incertidumbre
Incertidumbre = Desv.Std.Sist.medic.
Incertidumbre estandar :
Incertidumbre
u = sistema de medicion = s*(t0.005,n-1) m /(2.575)
Incertidumbre expandida :
99.02%
U = 5.15*u= k*s*(t0.005,n-1)m
5.15 med
Incertidumbre
Donde : k= factor de cobertura (Generalmente k=2)
%U = U*100/Tolerancia
202
Estudios de R&R
Los mtodos para estudios de Repetibilidad y Reproducibilidad
pueden clasificarse por la naturaleza de las mediciones en :
Mtodos para mediciones de datos continuos
Para pruebas no destructivas
Mtodo Corto Rangos (Mediciones cruzadas)

Mtodo Largo Medias y Rangos (Clculos manuales)
Mtodo ANOVA (Exacto, pero recomendable software)
Para pruebas destructivas
ANOVA modificado (Diseos anidados)
Mtodos para mediciones de atributos o datos discretos.
Indice Kappa (Pruebas binarias)
ndice Kendall (Multiples caracteristicas)
203
Estudios de R&R
Todos ellos generalmente consideran un nivel de
confianza del 99.02%, esto es :
GR&R = 5.15 sigma de la medicin
204
Estudios R&R Datos continuos
Estudios de GR&R Documentar estudio
Estudios sobre la varianza
datos continuos y definir siguiente
fecha de evaluacin.
Ho:
NO SI
El sistema de medicin es aceptable para
la necesidad.
Se cuenta GR&R Mtodo
SI de Rangos (Corto)
con software
estadstico
Mtodo Anlisis de NO Mtodo Medias NO %GR&R SI

Varianzas (ANOVA) y Rangos (Largo) aceptable
Reproducibilidad NO Estandarizar mtodos,

aceptable operaciones, equipos y/o
% GR&R NO procedimientos utilizados.
aceptable SI
Repetibilidad NO Estudios de Incertidumbre

SI
aceptable y/o caracterizacin.
205
Error R&R = RPT2 + REPR2
Precisin en relacin a la variacin

Para la fase de control del
total proyecto, slo substituya la
Tolerancia por Variacin Total
%R&R = R&R
.
*100 TV= R&R + PV
Var Total PV= variacin de parte = Rp x K3
Identificar qu porcentaje de la variacin total debe absorberse
como error de medicin.
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qu tan
crtico es el grado de la medicin.
>30%. Inaceptable!
206
EL VALOR DEL R&R ES UN PORCENTAJE DE LA VARIACION
TOTAL DEL PROCESO:
VARIACIN DE PARTE A
La dimensin verdadera de
PARTE
las partes se encuentra en
algn lugar de la la regin
sombreada
Lo que
fue
medido
LSL OBJETIVO USL

Mientras ms mayor sea el % del R&R, mayor ser el rea de
incertidumbre para conocer la dimensin verdadera de las partes.
ERROR TIPO 1: Pueden estarse aceptando partes que estn fuera
de especificaciones
ERROR TIPO 2: Pueden estarse rechazando partes que estn
dentro de especificaciones
207
Estudios de
Repetibilidad y Reproducibilidad
Carta de Tendencias
Mtodo del Rango (corto)
Mtodo de Medias Rangos
Mtodo de ANOVA
208
I. Mtodo de Medias - Rango
Permite separar en el sistema de medicin lo

referente a la reproducibilidad y a la Repetibilidad.
Los clculos son ms fciles de realizar.
209
I. Mtodo de Medias - Rango
Un modelo matemtico de este mtodo con r

rplicas, con K evaluadores en n partes, el rango
medio encontrado es:
k Rij
R i 1
n
j 1 nk
210
Mtodo de ANOVA
II. Mtodo ANOVA
Permite separar en el sistema de medicin lo
referente a la reproducibilidad y a la Repetibilidad.

Tambin proporciona informacin acerca de las
interacciones de un operador y otro en cuanto a la
parte.
Calcula las varianzas en forma ms precisa.
Los clculos numricos requieren de una

computadora.
El Mtodo ANOVA es Ms Preciso

211
Mtodo de ANOVA
II. Mtodo ANOVA
El valor observado usando el mtodo ANOVA es:
Valor observado = Promedio + sesgo + Efecto de la

parte + Efecto del evaluador + Error de rplica o
Valor observado = Valor de referencia + Desviacin
Yijm xi e ijm
212
Mtodo de ANOVA
II. Mtodo ANOVA
Con Yijm como la m-sima medicin tomada por el

evaluador J en la parte j-sima. Si las Xi son
independientes y normalmente distribuidas con media
m y varianza 2, la varianza total est dada por:
VAR(Yijm ) 2 2 2 2
Donde 2
, 2
, 2
son las varianzas debidas al efecto de
la parte, el efecto del evaluador, y el error de rplica
213
Mtodo de ANOVA
Ejemplo de Corrida: 5 partes, 3 tcnicos y 2 rplicas
La repetibilidad es la varianza del error contribuye

con 50.85% del total de variacin de los datos.
214
Mtodo de ANOVA
Ejemplo de Corrida:
La reproducibilidad es la variacin entre tcnicos que

contribuye con el 2.34% de la variacin
La variacin del proceso contribuye con un 46.81%

de la variacin total de los datos
Se usa la prueba F para determinar las diferencias

significativas
215
2. Carta de tendencia de
gages
216
Carta de tendencias de gages
Una carta de tendencias es una grfica de todas las
observaciones por operador y partes. La lnea
horizontal de referencia es la media, calculada de los
datos o proporcionada en base al historial.
Esta carta muestra las diferencias entre los diferentes

operadores y las partes.
Un proceso estable mostrar una dispersin aleatoria

horizontal; el efecto de un operador o parte mostrar
un patrn definido no aleatorio.
217
Gage Run Chart of Response by Part, Operator
1 File > Open worksheet
Reported by : > GAGEAIAG.MTW.
G age name: 2 Tolerance:
Stat > Quality Tools > Gage Study > Gage Run Chart.
Date of study : M isc:
3 En Part numbers, seleccionar Part.
4 En Operators, seleccionar Operator.
5 En Measurement data, seleccionar Response. Click OK.
1 2 3 4 5 O perator
1.0 1
2
3
Mean 0.8
0.6
Response
0.4
6 7 8 9 10
1.0
0.8 Mean
0.6
0.4
Operator
Panel variable: Part 218
Interpretando los resultados

Para cada parte, se puede comparar la variacin entre
mediciones hechas los operadores y sus diferencias
Se puede comparar la media de referencia con las mediciones
especficas.
La mayor parte de la variacin se debe a diferencias entre las

partes, algunos patrones menores aparecen tambin.
Por ejemplo el operador 2 en su segunda medicin es
consistentemente (7/10) ms pequea que la primera, y sus
mediciones son consistentemente (8/10) ms pequeas que las
del operador 1.
219
3. Estudios R&R
Mtodo del rango
220
Mtodo del rango
Requiere pocas muestras pero no proporciona
informacin detallada de las fuentes de variacin, se
usa cuando:
Diagnostico para identificar los sistemas de medicin con

mayor variabilidad.
Monitoreo/control peridico de sistemas de medicin

aceptables para asegurar que se mantiene su confiabilidad
Cuando solo participa una persona (Operador, auditor,

inspector, analista) en el sistema de medicin, entonces se
busca otra fuente de informacin o auditoria a la medicin
para realizar una medicin cruzada.
221
Mtodo del rango
Es un mtodo que proporciona un valor aproximado del
error R&R sin que muestre las diferencias entre errores
por el equipo y por los operadores.
Se usan dos evaluadores y cinco partes. Cada evaluador
mide cada parte una sola vez.
Se calcula el rango de la medicin de cada parte y al final

el rango promedio.
La desviacin estndar de R&R se aproxima con la

formula de rango medio entre d2*
El % de R&R se calcula comparando la desv. Estndar de
R&R con la del proceso
222
Mtodo del rango
Partes Evaluador A Evaluador B Rango A,B
1 0.85 0.80 0.05
2 0.75 0.70 0.05
3 1.00 0.95 0.05
4 0.45 0.55 0.10
5 0.50 0.60 0.10
Rango medio = 0.35/5 = 0.07
GRR = Rmedio / d2* = 0.07 / 1.19 = 0.0588 Error mximo 10%

Desv. Estndar del proceso = 0.0722
%GRR = 100 (GRR / Desv. Est. Proceso ) = 81.4%
Por tanto el sistema de medicin requiere mejora
223
Mtodo del rango
Contra tolerancia:
Determine la Tolerancia total de variacin permitida para la
variable :
Para Especificaciones bi-laterales :

Tolerancia = LSE - LIE
Para Especificaciones uni-laterales :

Tolerancia = 2* |y LIE| Tolerancia = 2* |LSE y|
Donde : LSE = Lmite Superior de Especificacin
LIE = Lmite Inferior de Especificacin
y= Media histrica de la variable bajo estudio valor
promedio objetivo
224
Mtodo del rango
Calcular los rangos de cada par de lecturas por parte/muestra.
Calcular el rango promedio de dichos rangos.
Calcular el GR&R mediante: GR&R = (5.15) x (rango promedio)
Clculo del %GR&R: %GR&R = GR&R*100/Tolerancia
Determinar si el sistema de medicin es confiable para la

necesidad:
%R&R <10% es aceptable
%R&R >30% es inaceptable
10%<%R&R<30% dependiendo la variacin de proceso

225
Mtodo del rango
Pieza Inspector 1 Inspector 2 Rango
Formato 5.1
1
2
3
4
5
Rango promedio ( R ) =
GR&R = 5.15*R/d2* = 5.15 * ( )/( )=

GR&R*100 ( )*100
%GR&R = = =
Tolerancia ( )
226
4. Estudios R&R (cruzado)

Mtodo largo
227
Determinacin slo
de la repetibilidad
Se tienen veinte unidades de producto, el operador
que toma las mediciones para el diagrama de control
usa un instrumento para medir cada unidad dos
veces. Los datos son mostrados en la tabla siguiente
228
Determinacin slo
de la repetibilidad
Parte Medicin 1 Medicin 2 Media Rango
1 21 20 20,5 1
2 24 23 23,5 1
3 20 21 20,5 1
4 27 27 27,0 0
5 19 18 18,5 1
6 23 21 22,0 2
7 22 21 21,5 1
8 19 17 18,0 2
9 24 23 23,5 1
10 25 23 24,0 2
11 21 20 20,5 1
12 18 19 18,5 1
13 23 25 24,0 2
14 24 24 24,0 0
15 29 30 29,5 1
16 26 26 26,0 0
17 20 20 20,0 0
18 19 21 20,0 2
19 25 26 25,5 1
20 19 19 19,0 0
Promedio 22,3 1 229
Determinacin slo
de la repetibilidad
La desviacin estndar del error de medicin,, es
= calculada mediante la siguiente frmula:
R 1 R= Rango promedio
0.887 d2 = Valor de tablas.
d 2 1.128
Para obtener una buena estimacin de la capacidad del error de

medicin utilizamos: y vs Tolerancia
6 medicin 6(0.887) 5.32 P 6 medicin

T USL LSL
230
Determinacin slo
de la repetibilidad
En este ejemplo USL = 60, LSL = 5
=
P 5.32
0.097
T 55
Los valores P/T de 0.1 o menores generalmente implican una

capacidad de error de medicin adecuada.
La varianza total observada es: 2 Total S 2 (3.07) 2 9.4249
Y la sigma del proceso es:

2 proceso = 2 total 2 medicin =9.4249 - .79 = 8.63
Por lo tanto la desviacin estndar del proceso = 2.93
231
Determinacin slo
de la repetibilidad
El error de medicin es expresado como un porcentaje de la
= variabilidad del proceso:
medicion .79
100 25.73%
total 3.07
Al ser el error de medicin mayor al 10%, concluimos que no

tenemos un sistema de medicin confiable, por lo cual tenemos
que realizar las acciones correctivas correspondientes.
232
R&R - Mtodo de medias rangos
Los estudios de repetibilidad y reproducibilidad
determinan cuanto de la variacin observada como
variacin de proceso es debida a variacin del sistema de
medicin.
Se proporcionan dos mtodos para evaluar la repetibilidad

y la reproducibilidad: Mtodo de cartas X-R y Mtodo de
ANOVA.
El Mtodo X-R divide la variacin total dentro de tres

categoras: parte a parte, repetibilidad y reproducibilidad.
El mtodo ANOVA presenta un componente adicional, la
interaccin operador parte. 233
Mtodo de medias rangos
234
Estudio de R&R Medias Rangos
Generalmente intervienen de dos a tres operadores

Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.
235
Estudio R&R Medias rangos
La resolucin del equipo de medicin debe ser de al
menos el 10% del rango de tolerancia o del rango de
variacin del proceso.
Las partes deben seleccionarse al azar, cubriendo el

RANGO TOTAL DEL PROCESO . Es importante que
dichas partes sean representativas del proceso total
(80% DE LA VARIACION)
10 partes NO son un tamao de muestra significativo

para una opinin slida sobre el EQUIPO DE
MEDICIN a menos que
236
Procedimiento para realizar un estudio de R&R
1. Ajuste el calibrador, o asegrese de que ste haya sido

calibrado.
2. Marque cada pieza con un nmero de identificacin

que no pueda ver la persona que realiza la medicin.
3. Haga que el primer operador mida todas las muestras

una sola vez, siguiendo un orden al azar.
237
4. Haga que el segundo operador mida todas las

muestras una sola vez, siguiendo un orden al azar.
5. Contine hasta que todos los operadores hayan

medido las muestras una sola vez (Este es el ensayo
1).
6. Repita los pasos 3-4 hasta completar el nmero

requerido de ensayos
238
7. Utilice el formato proporcionado para determinar las

estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
%R&R
Desviaciones estndar de cada uno de los

conceptos mencionados
Anlisis del % de tolerancia
8. Analice los resultados y determine los pasos a

seguir, si los hay.
239
Ejemplo:
Planteamiento del problema:
Las partes producidas en el rea de produccin, fallaron por
errores dimensionales 3% del tiempo.
CTQ: Mantener una tolerancia 0.125 pulgadas
Sistema de Medicin: Se miden las partes con calibradores de 2.
Estudio R&R del La dimensin A es medida por dos

Calibrador: operadores, dos veces en 10 piezas.
240
Mtodo X-media y Rango:
Repetibilidad y Reproducibilidad de calibrador
Operador A Operador B
Serie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porcin Xbar
1 9.376 9.358 9.354 9.361
2 9.372 9.320 9.372 9.372
3 9.378 9.375 9.278 9.277
4 9.405 9.388 9.362 9.370
5 9.345 9.342 9.338 9.339
6 9.390 9.360 9.386 9.370
7 9.350 9.340 9.349 9.349
8 9.405 9.380 9.394 9.381
9 9.371 9.375 9.384 9.385
10 9.380 9.368 9.371 9.376
Totales
X-barA X-barB
R-barA R-barB
Porcin R
241
Clculo de las X-medias
1 9.376 9.358 9.354 9.361 9.362
2 9.372 9.320 9.372 9.372 9.359
3 9.378 9.375 9.278 9.277 9.327
4 9.405 9.388 9.362 9.370 9.381
5 9.345 9.342 9.338 9.339 9.341
6 9.390 9.360 9.386 9.370 9.377
7 9.350 9.340 9.349 9.349 9.347
8 9.405 9.380 9.394 9.381 9.390
9 9.371 9.375 9.384 9.385 9.379
10 9.380 9.368 9.371 9.376 9.374
Totales 93.772 93.606 93.588 93.580
X-barA 9.3689 X-barB 9.3584
R-barA R-barB
Porcin R
242
Clculo de los Rangos
1 9.376 9.358 0.018 9.354 9.361 0.007 9.362
2 9.372 9.320 0.052 9.372 9.372 0.000 9.359
3 9.378 9.375 0.003 9.278 9.277 0.001 9.327
4 9.405 9.388 0.017 9.362 9.370 0.008 9.381
5 9.345 9.342 0.003 9.338 9.339 0.001 9.341
6 9.390 9.360 0.030 9.386 9.370 0.016 9.377
7 9.350 9.340 0.010 9.349 9.349 0.000 9.347
8 9.405 9.380 0.025 9.394 9.381 0.013 9.390
9 9.371 9.375 0.004 9.384 9.385 0.001 9.379
10 9.380 9.368 0.012 9.371 9.376 0.005 9.374
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052
Porcin R
243
0.0630
Identificacin de Parmetros del Estudio
y Clculos
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052
Porcin R 0.0630
X-media mx.=> 9.3689

Ancho de tolerancia====> 0.25
X-media mn. => 9.3584
Nmero de intentos (m)=> 2
Nmero de partes (n)==> Diferencia X-dif 0.0105
10
Nmero de operadores 2
K1 ========> 4.56 R-media doble 0.0113

(=4.56 para 2 ensayos, 3.05 para 3 ensayos)
K2 =========> 3.65 K3 ======> 1.62

(=3.65 para 2 operadores; 2.7 para 3 operadores)
244
Clculo de R&R
Repetibilidad: La variacin del dispositivo de medicin (VD) se calcula
sobre cada grupo de mediciones tomadas por un operador, en una
sola parte.
DV = R x K1 = 0.0515
Reproducibilidad: La variacin en el promedio de las mediciones (AV) se

calcula sobre el rango de los promedios de todas las mediciones, para
cada operador, menos el error del calibrador (vale si la raz es negativa)
AV = (Xdif * K2)2 - (DV2/(r*n)) = 0.03655
245
Clculo de R&R
El componente de varianza para repetibilidad y reproducibilidad
(R&R) se calcula combinando la varianza de cada componente.
R&R = DV2 + AV2 = 0.05277
El componente de varianza para las partes (PV), se calcula sobre el

rango de los promedios de todas las mediciones, para cada parte.
PV = Rpart x K3 = 0.1021
La variacin total (TV) se calcula combinando la varianza de repetibilidad y

reproducibilidad y la variacin de la parte.
TV = R&R2 + PV2 = 0.1142 246

Clculo de R&R
Basado en la tolerancia:
%DV = 100*DV/Ancho de tolerancia= 20.61
%AV = 100*AV/Ancho de tolerancia= 14.62
%R&R = 100*R&R/Ancho de tolerancia = 21.108
Basado en la variacin Total de las Partes:

45.09
%DV = 100*DV/Variacin total=
32.00
%AV = 100*AV/ Variacin total =
%R&R = 100*R&R/ Variacin total = 46.20
%PV = 100*PV /Variacin total = 89.40 247

Ejercicios
Para un estudio de R&R 2 operadores midieron con el mismo equipo de

medicin 10 partes en 3 intentos cada uno,obteniendo:
Mediciones Mediciones
Nmero de operador A de operador B
de parte 1 2 3 1 2 3
1 50 49 50 50 48 51
2 52 52 51 51 51 51
3 53 50 50 54 52 51
4 49 51 50 48 50 51
5 48 49 48 48 49 48
6 52 50 50 52 50 50
7 51 51 51 51 50 50
8 52 50 49 53 48 50
9 50 51 50 51 48 49
10 47 46 49 46 47 48
248
R&R por Medias Rangos
Calculo con Excel
(usar la hoja de trabajo R&R.xls)
249
Datos del operador 1
No. de Parte y
Nombre: 4600066 PARTE A
Tolerancia
Especificada: 0.0060
No. y Nombre de Calibrador
GAGE: 8881-H Digital
RECOLECCIN DE DATOS
OPERADOR A.-
columna 1 columna 2 columna 3 columna 4 Promedio
Muestra 1er Intento 2do Intento 3er Intento Rango X

1 0.0045 0.0045 0.0045 - 0.0045
2 0.0045 0.0055 0.0045 0.0010 0.0048
3 0.0045 0.0045 0.0045 - 0.0045
4 0.0050 0.0050 0.0045 0.0005 0.0048
5 0.0045 0.0045 0.0045 - 0.0045
6 0.0050 0.0055 0.0045 0.0010 0.0050
7 0.0050 0.0045 0.0045 0.0005 0.0047
8 0.0050 0.0050 0.0050 - 0.0050
9 0.0050 0.0045 0.0050 0.0005 0.0048
10 0.0040 0.0040 0.0040 - 0.0040
Totales 0.0470 0.0475 0.0455 0.0035 0.0467
Suma 0.1400 RA : 0.00035
XA : 0.004666667
RA : 0.00035 # Intentos D4
RB : 0.0004 3 2.58
RC : 0.0005
SUM: 0.00125 LSCR = R x D4
R: 0.000416667 LSCR = 0.001075
250
Datos del operador 2
C.-
columna 9 columna 10 columna 11 columna 12 Promedio Prom. Parte
1er Intento 2do Intento 3er Intento Rango X Xp=
0.0050 0.0045 0.0045 0.0005 0.0047 0.004556
0.0055 0.0045 0.0045 0.0010 0.0048 0.004889
0.0045 0.0045 0.0040 0.0005 0.0043 0.004444
0.0050 0.0050 0.0050 - 0.0050 0.004944
0.0045 0.0045 0.0040 0.0005 0.0043 0.004333
0.0050 0.0050 0.0050 - 0.0050 0.005111
0.0045 0.0050 0.0050 0.0005 0.0048 0.004833
0.0060 0.0050 0.0050 0.0010 0.0053 0.005111
0.0055 0.0045 0.0045 0.0010 0.0048 0.004778
0.0045 0.0045 0.0045 - 0.0045 0.004167
0.0500 0.0470 0.0460 0.0050 0.0477 Xp= 0.004717
Suma 0.1430 RC : 0.0005 Rp= 0.000944
XC : 0.004766667
A2
X Mx: 0.004766667 LSCX = X + A2 R = 1.023
X min: 0.004666667 LSCX = 0.005142917
X Diff: 0.0001000000 LICX = X - A2 R

LICX = 0.0043
251
Carta de Rangos en control
RANGOS
LSCR = 0.001075 R= 0.00042 LICR = 0
LSCR
LICR
Los rangos deben estar en control indicando que

Las mediciones se hicieron adecuadamente, de otra
Forma se debe repetir la medicin en la parte
252
Carta de Medias fuera de control
LSCX = 0.005143 X = 0.004717 LICX = 0.004290417
LS
CX
X
LICX
Al menos el 50% de los puntos debe salir

De control para validar la discriminacin de
Las partes
253
Resultados (AIAG)
MTODO LARGO
Aseguramiento de Calidad
No. de Parte y
Nombre: 4600066 PARTE A Fecha: 01/07/2003
Tolerancia
Especificada: 0.0060 Elaborado por: 0
No. y Nombre de Calibrador
GAGE: 8881-H Digital Caracterstica: Diametro
RESULTADOS DE LA HOJA DE DATOS AC-008
R= 0.00041667 X Diff = 0.0001000000 Rp = 0.000944444
Anlisis Unitario de Medicin % Total de Variacin ( TV )

Repetibilidad - Variacin del Equipo (EV) % EV = 100 [ EV/TV ]
EV= R x K1 = INTENTOS K1 % EV = 63.74%
EV= 0.00127083 2 4.56
3 3.05 % EV vs Tol. = 21.18%
Reproducibilidad - Variacin del Operador (AV) % AV = 100 [AV/TV]
2 2 1/2
AV = [(XDiff x K2) - (EV /nr)] % AV = 6.93%
AV = 0.00027 % AV vs Tol = 2.30%
AV = 7.29E-08 n=partes = 10
AV = 5.3834E-08 r = intentos = 3
AV = 1.9066E-08 OPERADOR 2 3
AV = 0.00013808 K2 3.65 2.7
Repetibilidad y Reproducibilidad ( R & R ) PARTES K3 % de R & R = 100 [ R & R /TV ]

R & R
2 2 1/2
= [EV + AV ] 5 2.08 % de R & R = 64.1164%
2
R & R % de R & R vs Tol
= 1.6341E-06 6 1.93 = 21.31%
R & R
= 0.00127831 7 1.82
Variacin de la Parte ( PV ) 8 1.74 % PV = 100 [ PV/TV ]
PV = RP x K3 9 1.67 % PV = 76.7403%
PV = 0.00153 10 1.62
254
VARIACIN TOTAL ( TV ) TV = 3.97E-06 PV / R&R x d2= d2 = 1.693
Categoria de
2 2 1/2
TV = ( R & R + PV ) TV = 0.001994 2.0 Datos
Resultados AIAG
Para los clculos e utilizan 5.15 sigmas para un 99%
de nivel de confianza
El porcentaje de error R&R no debe exceder del

10%, si el equipo se usa para liberar producto
terminado la referencia es la tolerancia del cliente;
Si el equipo se usa para control del proceso, la

referencia es la variacin total del proceso.
El nmero de categoras debe ser de al menos 4
indicando que el equipo distingue las partes que son
diferentes.
255
R&R por Medias Rangos
Calculo con Minitab
(se puede usar la hoja de trabajo Gageaiag.mtw)
256
R&R Medias Rangos
Minitab :Datos originales
OPERADOR A.- B.- C.-
columna columna
columna 1 columna 2 columna 3 columna 5 columna 6 columna 7 columna 9 10 11
2do 2do 2do
Muestra 1er Intento Intento 3er Intento 1er Intento Intento 3er Intento 1er Intento Intento 3er Intento
1 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0050 0.0045 0.0045

2 0.0045 0.0055 0.0045 0.0055 0.0050 0.0045 0.0055 0.0045 0.0045
3 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0040
4 0.0050 0.0050 0.0045 0.0050 0.0050 0.0050 0.0050 0.0050 0.0050
5 0.0045 0.0045 0.0045 0.0040 0.0045 0.0040 0.0045 0.0045 0.0040
6 0.0050 0.0055 0.0045 0.0060 0.0050 0.0050 0.0050 0.0050 0.0050
7 0.0050 0.0045 0.0045 0.0055 0.0045 0.0050 0.0045 0.0050 0.0050
8 0.0050 0.0050 0.0050 0.0050 0.0050 0.0050 0.0060 0.0050 0.0050
9 0.0050 0.0045 0.0050 0.0045 0.0045 0.0050 0.0055 0.0045 0.0045
10 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040 0.0045 0.0045 0.0045
Totales 0.0470 0.0475 0.0455 0.0485 0.0465 0.0465 0.0500 0.0470 0.0460
257
R&R Medias Rangos
Minitab :Datos cargados (3 cols.)
Partes Operadores Medicin Partes Operadores Medicin Partes Operadores Medicin
1 1 0.0045 1 2 0.0045 1 3 0.005
2 1 0.0045 2 2 0.0055 2 3 0.0055
3 1 0.0045 3 2 0.0045 3 3 0.0045
4 1 0.005 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.004 5 3 0.0045
6 1 0.005 6 2 0.006 6 3 0.005
7 1 0.005 7 2 0.0055 7 3 0.0045
8 1 0.005 8 2 0.005 8 3 0.006
9 1 0.005 9 2 0.0045 9 3 0.0055
10 1 0.004 10 2 0.004 10 3 0.0045
1 1 0.0045 1 2 0.0045 1 3 0.0045
2 1 0.0055 2 2 0.005 2 3 0.0045
3 1 0.0045 3 2 0.0045 3 3 0.0045
4 1 0.005 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.0045 5 3 0.0045
6 1 0.0055 6 2 0.005 6 3 0.005
7 1 0.0045 7 2 0.0045 7 3 0.005
8 1 0.005 8 2 0.005 8 3 0.005
9 1 0.0045 9 2 0.0045 9 3 0.0045
10 1 0.004 10 2 0.004 10 3 0.0045
1 1 0.0045 1 2 0.0045 1 3 0.0045
2 1 0.0045 2 2 0.0045 2 3 0.0045
3 1 0.0045 3 2 0.0045 3 3 0.004
4 1 0.0045 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.004 5 3 0.004
6 1 0.0045 6 2 0.005 6 3 0.005
7 1 0.0045 7 2 0.005 7 3 0.005
8 1 0.005 8 2 0.005 8 3 0.005
258
9 1 0.005 9 2 0.005 9 3 0.0045
10 1 0.004 10 2 0.004 10 3 0.0045
R&R Medias Rangos
Minitab : Instrucciones
Seleccione en el men de la barra de herramientas

STAT>QUALITY TOOLS>GAGE STUDY > Gage R&R
(Crossed)
Seleccione C1 (parte), C2 (operador), C3 (Medicin)
Mtodo de Anlisis X Bar and R
En Options Seleccionar: Staudy variation 5.15

Process tolerante 0.006
259
R&R Medias Rangos
Minitab : Resultados
Gage R&R Study - XBar/R Method
%Contribution % Error R&R debe ser menor
Source VarComp (of VarComp) Al 10% ya sea para control del
Total Gage R&R 0.0000001 41.00 Proceso o para producto final.
Repeatability 0.0000001 40.52
Reproducibility 0.0000000 0.48 Repetibilidad Instrumento
Part-To-Part 0.0000001 59.00 Reproducibilidad - Operador
Total Variation 0.0000001 100.00
Study Var %Study Var %Tolerance

Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler)
Total Gage R&R 0.0002476 0.0012750 64.03 21.25
Repeatability 0.0002461 0.0012675 63.65 21.12
Reproducibility 0.0000269 0.0001384 6.95 2.31
Part-To-Part 0.0002970 0.0015295 76.81 25.49
Total Variation 0.0003867 0.0019913 100.00 33.19
Number of Distinct Categories = 1 Nmero mnimo 4

260
R&R Medias Rangos
Minitab : Interpretacin de Resultados
Interpretacin de los resultados:
El error de R&R vs tolerancia es 64.03% y vs

variacin total del proceso es 21.25% lo que hace
que el equipo de medicin no sea adecuado para la
medicin.
Por otro lado el nmero de categoras es slo de 1

cuando debe ser al menos 4 indicando que el
instrumento discrimina las diversas partes diferentes.
261
R&R Medias Rangos Grficas
La grfica R se mantiene en control indicando
que las mediciones se realizaron en forma adecuada.
Gage R&R (Xbar/R) for Datos La grfica X barra slo presenta 5 de 30 puntos fuera
G age name:
de control, Reported
debera by : ser al menos el 50%, indicando
T olerance:
D ate of study : que el equipo
M isc: no discrimina las diferentes partes.
Components of Variation Datos by Partes

80 % Contribution
0.006
% Study Va r
Percent
% Tolerance
40 0.005
0.004
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Partes
R Chart by Operadores
1 2 3 Datos by Operadores
UCL=0.001073 0.006
0.0010
Sample Range
_ 0.005
0.0005
R=0.000417
0.004
0.0000 LCL=0
1 2 3
Operadores
Xbar Chart by Operadores
1 2 3 Operadores * Partes Interaction
O peradores
UCL=0.005143
Sample Mean
1
0.0050 0.0050
Average
_ 2
X=0.004717 3
0.0045
0.0045
LCL=0.004290
0.0040
0.0040 1 2 3 4 5 6 7 8 9 10
Partes
262
R&R por ANOVA
Calculo con Minitab
(con los datos del ejemplo anterior)
263
R&R por ANOVA
Instrucciones de Minitab
Seleccione en el men de la barra de herramientas
STAT>QUALITY TOOLS>GAGE STUDY > Gage R&R
(Crossed)
Seleccione C1 (parte), C2 (operador), C3 (Medicin)
Mtodo de Anlisis ANOVA
En Options Seleccionar: Study variation 5.15

Process tolerance 0.006 Alfa to remove interaction
0.25
264
R&R por ANOVA
Resultados de Minitab
Gage R&R Study - ANOVA Method
Two-Way ANOVA Table With Interaction
Source DF SS MS F P
Partes 9 0.0000086 0.0000010 12.2885 0.000
Operadores 2 0.0000002 0.0000001 0.9605 0.401
Partes * Operadores 18 0.0000014 0.0000001 0.7398 0.757
Repeatability 60 0.0000063 0.0000001
Total 89 0.0000165
Los operadores y la interaccin no fueron significativos, slo las partes
Gage R&R La interaccin no es significativa,

%Contribution y los errores de R&R indican que
Source VarComp (of VarComp)
Total Gage R&R 0.0000001 50.93 equipo de medicin no es adecuado
Reproducibility 0.0000000 0.00 ni el nmero de categoras.
Operadores 0.0000000 0.00
Part-To-Part 0.0000001 49.07

Total Gage R&R 0.0003150 0.0016222 71.36 27.04
Repeatability 0.0003150 0.0016222 71.36 27.04
Operadores 0.0000000 0.0000000 0.00 0.00
Part-To-Part 0.0003092 0.0015923 70.05 26.54
Total Variation 0.0004414 0.0022731 100.00 37.88
Number of Distinct Categories = 1 265

R&R por ANOVA
Gage R&R (ANOVA) for Datos
Reported by :
Las conclusiones son similares
G age name: Tolerance: que con el mtodo de X barra R.
No hay interaccin parte - operador
Components of Variation Datos by Partes
80 % Contribution
0.006
% Study Var
Percent
% Tolerance
40 0.005
0.004
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Partes
R Chart by Operadores
Datos by Operadores
1 2 3
UCL=0.001073 0.006
0.0010
Sample Range
_ 0.005
0.0005
R=0.000417
0.004
0.0000 LCL=0
1 2 3
Operadores
Xbar Chart by Operadores
1 2 3 Operadores * Partes Interaction
Operadores
UCL=0.005143
Sample Mean
1
0.0050 0.0050
Average
_ 2
X=0.004717 3
0.0045
0.0045
LCL=0.004290
0.0040
0.0040 1 2 3 4 5 6 7 8 9 10
Partes
266
4. Estudios R&R (anidado)

Mtodo largo
267
R&R Anidado
Los estudios de repetibilidad y reproducibilidad
determinan cuanto de la variacin observada del
proceso es debida a la variacin del sistema de
medicin.
Usar la opcin Gage R&R (Nested) cuando cada parte
sea medida por un solo operador, tal como en
pruebas destructivas.
El estudio de R&R (anidado) utiliza el mtodo ANOVA

para evaluar la repetibilidad y reproducibilidad, para
analizar la reproduciblidad dentro de sus
componentes operador y operador
268
R&R Anidado
269
R&R Anidado
De ser necesario hacer pruebas destructivas, se debe procurar
que todas las partes dentro de un mismo lote sean lo
suficientemente idnticas para considerarlas similares. Si no se
puede hacer sta consideracin entonces la variacin entre
parte y parte dentro de un lote enmascarar la variacin del
sistema.
Para el caso de pruebas destructivas si cada lote es medido por

cada operador entonces realizar el estudio R&R (Nested); si
todos los operadores miden partes de cada uno de los lotes,
entonces utilizar el estudio R&R (Crossed).
En resumen siempre que cada operador mida partes diferentes
se tiene un estudio R&R anidado.
270
R&R Anidado - datos
Ejemplo: Archivo gagenest.mtw de Minitab
En este ejemplo, 3 operadores mide cada uno 5 partes
diferentes dos veces, para un total de 30 mediciones. Cada una
de las partes es nica al operador; no se presenta el caso de
que dos operadores midan la misma parte.
PartNum Operator Measure PartNum Operator Measure
1 Daryl 1.48 1 Daryl 1.48
4 Beth 1.38 1 Beth 1.38
4 Beth 1.78 1 Beth 1.78
5 Beth 1.33 2 Beth 1.33
... ... ... ... ... ...
271
R&R Anidado
1 File > Open worksheet > GAGENEST.MTW.
2 Seleccionar Stat > Quality Tools > Gage Study

> Gage R&R Study (Nested).
3 En Part or batch numbers, poner Part.
4 En Operators, seleccionar Operator.
5 En Measurement data, seleccionar Response.

6 Dar OK.
272
R&R Anidado
Gage R&R (Nested) for Response
Source DF SS MS F P
Operator 2 0.0142 0.00708 0.00385 0.996
Part (Operator) 12 22.0552 1.83794 1.42549 0.255
Repeatability 15 19.3400 1.28933
Total 29 41.4094
La contribucin de diferencia entre partes del 17.54% es << que
la variacin del sistema de medicin (total Gage R&R ) de 82.46%.
Gage R&R Indica un alto error del sistema de medicin.
Con categoras de 1 el sistema de medicin no distingue las partes.
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 1.28933 82.46
Reproducibility 0.00000 0.00
Part-To-Part 0.27430 17.54

Total Gage R&R 1.13549 5.84777 90.81 116.96
Repeatability 1.13549 5.84777 90.81 116.96
Part-To-Part 0.52374 2.69725 41.88 53.95
Total Variation 1.25045 6.43984 100.00 128.80
Number of Distinct Categories = 1
El mtodo no es adecuado ni para control del proceso o liberacin debe logra 273
R&R Anidado
Resultados grficos de Minitab
Gage R&R (Nested) for Response
Reported by :
G age name: Tolerance:
Components of Variation Response By Part ( Operator )

% Contribution 18
100 % Study Var
Percent
% Tolerance
16
50
14
0
Gage R&R Repeat Reprod Part-to-Part Part 6 7 8 9 10 11 12 13 14 15 1 2 3 4 5
Operator Billie Nathan Steve
R Chart by Operator
Response by Operator
Billie Nathan Steve
UCL=4.290 18
4
Sample Range
16
2 _
R=1.313 14
0 LCL=0
Billie Nathan Steve
Operator
Xbar Chart by Operator
Billie Nathan Steve
18
UCL=17.617
Sample Mean
16 _
X=15.147
Sistema de medicin inadecuado
14
LCL=12.678
274
6. Estudios de Linealidad y sesgo
275
Estudios de linealidad y sesgo
La Linealidad del Gage indica que tan exacto son las
mediciones a travs del rango esperado de las
mediciones. Contesta a la pregunta Mi gage tiene la
misma exactitud para todos los tamaos de objetos a
medir?.
El bias o exactitud del gage examina la diferencia

entre la media de los datos observados y un valor de
referencia o patrn. Contesta a la pregunta, Qu tan
exacto es mi gage comparado con un patrn?.
276
Datos y ejemplo
Los datos se estructuran de manera que cada fila contiene una parte,
el valor de referencia, y la medicin observada en esa parte (la
respuesta). Las partes pueden ser textos o nmeros
Ejemplo:
Un supervisor selecciona 5 partes que representan el rango
esperado de las mediciones. Cada parte fue medida por
inspeccin de Layout para determinar su valor de referencia
(patrn). Un operador mide aleatoriamente cada parte 12
veces.
Se obtiene la variacin del proceso (14.1941) del estudio Gage

R&R usando el mtodo ANOVA (rengln Total variation de la
columna Study Var (6*SD)).
277
Part Master
Datos y ejemplo
Response Part Master Response
1 2 2.7 3 6 6
1 2 2.5 3 6 6.1
1 2 2.4 3 6 6.4
1 2 2.5 3 6 6.3
1 2 2.7 3 6 6
1 2 2.3 3 6 6.1
1 2 2.5 4 8 7.6
1 2 2.5 4 8 7.7
1 2 2.4 4 8 7.8
1 2 2.4 4 8 7.7
1 2 2.6 4 8 7.8
1 2 2.4 4 8 7.8
2 4 5.1 4 8 7.8
2 4 3.9 4 8 7.7
2 4 4.2 4 8 7.8
2 4 5 4 8 7.5
2 4 3.8 4 8 7.6
2 4 3.9 4 8 7.7
2 4 3.9 5 10 9.1
2 4 3.9 5 10 9.3
2 4 3.9 5 10 9.5
2 4 4 5 10 9.3
2 4 4.1 5 10 9.4
2 4 3.8 5 10 9.5
3 6 5.8 5 10 9.5
3 6 5.7 5 10 9.5
3 6 5.9 5 10 9.6
3 6 5.9 5 10 9.2
3 6 6 5 10 9.3
3 6 6.1 5 10 9.4 278
1 File > Open worksheet > GAGELIN.MTW.
2 Seleccionar Stat > Quality Tools > Gage Study

> Gage Linearity and Bias Study.
3 En Part numbers, seleccionar Part.

4 En Reference values, seleccionar Master.
5 En Measurement data, seleccionar Response.

6 En Process Variation, teclear 14.1941. Click OK.
279
Gage Linearity and Bias Study for Response
Reported by :
D ate of study : M isc:
G age Linearity
P redictor C oef S E C oef P
Regression
C onstant 0.73667 0.07252 0.000
95% CI
1.0 Data S lope -0.13167 0.01093 0.000
Avg Bias
S 0.23954 R-S q 71.4%
Linearity 1.86889 % Linearity 13.2
0.5 G age Bias

Reference Bias % Bias P
A v erage -0.053333 0.4 0.040
2 0.491667 3.5 0.000
Bias
0.0 0 4 0.125000 0.9 0.293

6 0.025000 0.2 0.688
8 -0.291667 2.1 0.000
10 -0.616667 4.3 0.000
-0.5
Percent of Process Variation
Percent 10
-1.0 5
2 4 6 8 10
Reference Value 0
Linearity Bias
280
Interpretando los resultados
El porcentaje de linealidad (valor absoluto de la

pendiente * 100) es 13.2, que significa que la
Linealidad del gage es del 13% de la variacin total.
El porcentaje de sesgo para el promedio de

referencia es 0.4, lo que significa que el sesgo del
gage es menor que 0.4% de la variacin total
observada.
281
7. Estudios R&R por atributos-

Mtodo analtico
282
R&R por Atributos
- Mtodo analtico
Se deben tomar al menos 8 partes para realizar un
estudio del gage por atributos.
La parte ms pequea debe tener cero aceptaciones, y la

parte ms grande debe tener el nmero mximo de
posibles aceptaciones. Para la AIAG, exactamente 6 partes
deben tener un nmero mayor que cero aceptaciones y
menos que 20 (mximo nmero de aceptaciones
permitidas).
Por el mtodo de regresin, se pueden tener ms de seis

partes entre los extremos de valores de referencia.
283
R&R por Atributos
- Mtodo analtico: Datos
Summarized Data Raw Data
Partes Referencia Aceptaciones Partes Referencia Respuesta
1 1.35 Rechazo
1 1.35 0 1 1.35 Rechazo
2 1.4 3 1 1.35 Rechazo
3 1.45 8 1 1.35 Rechazo
4 1.5 13 ... ... ...
5 1.55 15 8 1.7 Aceptacin
8 1.7 Aceptacin
6 1.6 18
8 1.7 Aceptacin
7 1.65 19
8 1.7 Aceptacin
8 1.7 20
Estructura de datos individaules de
Estructura de datos resumidos de tal
manera que cada fila contiene el nmero
forma que cada fila contiene el nmero o o nombre de la parte, valor de referencia
nombre de la parte, el valor de referencia y respuesta binaria (aceptacin o
y la cuenta resumida. rechazo).
284
R&R por Atributos
Ejemplo:
Un fabricante de automviles quiere medir el
sesgo y repetibilidad de un sistema automatizado

de medicin.
El sistema tiene una tolerancia inferior de -0.020 y

una tolerancia superior de 0.020.
El fabricante corre 10 partes, a travs del gage 20
veces, las partes tienen valores de referencia en
intervalos de 0.005 desde - 0.05 hasta 0.005.
285
R&R por Atributos
Ejemplo: Cada parte se prueba 20 veces con el Gage
(Dimensin 0.020 a 0.020)
Partes Referencia Aceptaciones
1 -0.05 0
2 -0.045 1
3 -0.04 2
4 -0.035 5
5 -0.03 8
6 -0.025 12
7 -0.02 17
8 -0.015 20
9 -0.01 20
10 -0.005 20 286
R&R por Atributos
- Mtodo analtico: Instr. Minitab
1. File > Open worksheet > AUTOGAGE.MTW.
2. Seleccionar Stat > Quality Tools > Gage Study >

Attribute Gage Study (Analytic Method).
3. En Part numbers, seleccionar Part number.

4. En Reference values, seleccionar Reference.
5. Seleccionar Summarized counts y teclear
Acceptances. En Number of trials, teclear 20.
6. Seleccionar Lower limit y teclear -0.020. OK.

287
R&R por Atributos
- Mtodo analtico: Resultados
Attribute Gage Study (Analytic Method) for Acceptances
Reported by :
Bias: 0.0097955
99 P re-adjusted Repeatability : 0.0494705
Repeatability : 0.0458060
95
F itted Line: 3.10279 + 104.136 * Reference
R - sq for F itted Line: 0.969376
80
Percent of Acceptance
A IA G Test of Bias = 0 v s not = 0

T DF P -V alue
50 6.70123 19 0.0000021
L Limit
Probability of Acceptance
20 1.0
5 0.5
1 0.0
288
-0.05 -0.04 -0.03 -0.02 -0.01 -0.050 -0.025 0.000
Reference Value of Measured Part Reference Value of Measured Part
R&R por Atributos
- Mtodo analtico: Resultados
Interpretacin
El Sesgo en el sistema de gage por atributos es de

0.0097955
La repetibilidad ajustada es de 0.0458060.
La prueba de sesgo indica que es significativamente

diferente de cero (t = 6.70123, df = 19, p = 0.00),
sugiriendo que el sesgo est presente en el sistema
de medicin por atributos.
289
8. Estudios R&R por atributos-

Mtodo de acuerdo por atributos
290
Mtodo GR&R por atributos
Estudios sobre la varianza Estudios de GR&R Documentar estudio
datos discretos y definir siguiente
fecha de evaluacin.
Varios Cuntos atributos Uno

Se evalan ?
Tcnica Kendall Tcnica Kappa

(Clasificacin (Clasificacin
Multi-nominal) Nominal)
SI ndice
Kappa > 0.7
NO
Estandarizar criterios de evaluacin, ayudas

(visuales, estandares, etc.), tips, Capacitacin,
Prctica, entrenamiento, etc.
291
Estudios R&R por atributos
Usar el anlisis de acuerdo por atributos para evaluar las
calificaciones nominales u ordinales proporcionadas por
varios evaluadores.
Las mediciones son calificaciones subjetivas de la gente

en vez de mediciones fsicas. Algunos ejemplos incluyen:
Calificaciones de desempeo de los automviles
Clasificacin de calidad de las fibras como buena o
mala.
Calificaciones de color, aroma y gusto del vino en una
escala de 1 a 10.
292
En estos casos la caracterstica de calidad es difcil de
definir y evaluar.
Para obtener clasificaciones significativas, ms de un

evaluador debe calificar la medicin de respuesta.
Si los evaluadores estn de acuerdo, existe la posibilidad

de que las apreciaciones sean exactas.
Si hay discrepancias, la utilidad de la evaluacin es

limitada.
293
Acuerdo por atributos - Datos
Los datos pueden ser texto o numricos. Las
calificaciones asignadas pueden ser Nominales u
ordinales.
Los datos nominales son variables categricas que
tienen dos o ms niveles sin orden natural. Por
ejemplo, los niveles en un estudio de gustacin de
comida que puede incluir dulce, salado o picoso.
Los datos ordinales son variables categricas que
tienen tres o ms niveles con ordenamiento natural,
tales como: en desacuerdo total, en desacuerdo,
neutral, de acuerdo, y completamente de acuerdo.
294
Los datos pueden estar apilados o en diferentes columnas
Attribute column data
Sample Appraiser Response Multiple columns data
1 A Good
1 A Good Sample Appraiser A Appraiser A Appraiser B Appraiser B
1 B Bad
1 B Good Trial 1 Trial 2 Trial 1 Trial 2
2 A Good
2 A Good 1 Good Good Bad Good
2 B Good
2 B Good 2 Good Good Good Good
3 A Bad
3 A Good 3 Bad Good Bad Bad
3 B Bad
3 B Bad 4 Good Good Good Good
4 A Good
4 A Good 5 Bad Bad Good Bad
4 B Good
4 B Good
5 A Bad
5 A Bad
5 B Good
5 B Bad
295
Mtodo Kappa
Una tcnica utilizada para evaluar la confiabilidad de
mediciones de datos discretos es el ndice Kappa, el
cual est dado por la siguiente formula :
Pobservada- P chance
K= 1 - P chance
Suponga que se evalan 12 muestras por 2 inspectores

obteniendo los siguientes resultados :
296
Mtodo Kappa
Parte Inspector A Inspector B
Tabla de Contingencia
1 Buena Buena
Inspector A Buena Buena
2
Buena Mala Buena Buena
3
Buena 0.667 0.000 0.667 4 Buena Mala
Inspector B Buena Buena
Mala 0.080 0.250 0.333
5
6 Mala Mala
0.750 0.250 7 Buena Buena
8 Buena Buena
9 Buena Buena
Pobservada = S xii = xbb + xmm = 0.667 + 0.25 = 0.917 10 Mala Mala
11 Buena Buena
Pchance = SS Pcci*Pccj = PbbA*PbbB + PmmA*PmmB 12 Mala Mala
Pchance = (0.75)(0.667) + (0.25)(0.33) = 0.5835

0.917 - 0.5835
K= = 0.8
1- 0.5835
297
Mtodo Kappa
Determine si el sistema de medicin es confiable:
El valor mximo posible de Kappa es 1.0, cuanto ms

cercano est a este valor el sistema de medicin es
confiable. En trminos generales se puede decir que
si K es menor a 0.7, el sistema de medicin no es
aceptable.
298
Mtodo Kendall
Cuando se tienen varios inspectores y la clasificacin de
la muestra puede ser multi-nominal, se puede utilizar
el ndice de Kendall
Para explicarlo consideraremos el siguiente ejemplo, en

el cual participan 5 inspectores y analizan 10
muestras las cuales clasifican en 5 categoras
distintas.
299
Mtodo Kendall
5
Sx
Costura Costura Costura Costura Costura 2
ancha angosta incompleta dispareja perfecta ij
i=1
M 1 0 0 1 0 4 17
u 2 2 0 1 0 2 9
3 3 0 0 2 0 13
e 4 5 25
0 0 0 0
s 5 0 2 3 0 0 13
t 6 4 0 0 0 1 17
7 0 4 1 0 0 17
r 8 0 0 25
0 0 5
a 9 0 0 0 0 5 25
10 3 2 0 0 0 13
8 6 7
F 12 17 174
0.24 0.16 0.12 0. 14 0. 34 F
pq p =
0.76 0. 84 0.88 0. 86 0. 66 50
300
Mtodo Kendall
El indice Kappa para cada categora est dado por:
S
n
2
x ij (m- x ij)
i=1
KCategora j= 1-
nm(m-1) pj qj
Donde :
Kcategoria j = ndice Kappa de la Categora j
n = Nmero de unidades
m = Nmero de inspectores
k = Nmero de categoras
pi = evaluacin dentro de la categora i/(n x m)
qi = 1 - pi
301
Mtodo Kendall
El numerador del ndice Kappa para la categora
Costura ancha sera entonces :
[0 x (5-0)] + [2 x (5-2)] + [3 x (5-3)] + [0 x (5-0)] + [0 x (5-0)]
+ [4 x (5-4)] + [0 x (5-0)] + [0 x (5-0)] + [0 x (5-0)] + [3 x (5-3)] =22
El denominador del ndice Kappa para la categora

Costura ancha sera entonces :
10 x 5 x (5-1) x 0.24 x 0.76 = 36.48
Por lo tanto, el ndice Kappa para la categora Costura

ancha sera :
KCostura = 1- 22
= 0.4
ancha 36.48
302
Mtodo Kendall
El ndice Kendall de todo el estudio est dado por la siguiente
frmula::
S Sx
n k
2
nm2 - ij
i=1
K total =1 - j=1
Sp
k
nm(m-1) j
qj
Donde :
j=1
Ktotal = ndice Kendall

n = Nmero de unidades
m = Nmero de inspectores
k = Nmero de categoras
pi = evaluacin dentro de la categora i/(n x m)
qi = 1 - pi
303
Mtodo Kendall
El ndice Kendall para el ejemplo dado es:
10 x (5)2 -174
K total = 1- =1- (76/153.44) = 0.5
10 x 5 x 4
[( (0.24 X 0.76) + (0.16 X 0.84) +
(0.12 X 0.88) + (0.14 X 0.86) +
(0.34 X 0.66)
)]
El valor mximo posible de Kendall es 1.0, cuanto ms
cercano est a este valor el sistema de medicin es
confiable. En trminos generales se puede decir que
si K es menor a 0.7, el sistema de medicin no es
aceptable.
304
Ejemplo:
Una empresa est entrenando a cinco evaluadores para la
porcin escrita de un examen estndar de doceavo grado.
Se requiere determinar la habilidad de los evaluadores para

calificar el examen de forma que sea consistente con los
estndares.
Cada uno de los evaluadores califica 15 exmenes en una

escala de cinco puntos (-2, -1, 0, 1, 2):
305
Appraiser Sample Rating Attribute Holmes 8 0 0
Simpson 1 2 2 Duncan 8 0 0
Montgomery 1 2 2 Hayes 8 0 0
Holmes 1 2 2 Simpson 9 -1 -1
Duncan 1 1 2 Montgomery 9 -1 -1
Hayes 1 2 2 Holmes 9 -1 -1
Simpson 2 -1 -1 Duncan 9 -2 -1
Montgomery 2 -1 -1 Hayes 9 -1 -1
Holmes 2 -1 -1 Simpson 10 1 1
Duncan 2 -2 -1 Montgomery 10 1 1
Hayes 2 -1 -1 Holmes 10 1 1
Simpson 4 -2 -2 Duncan 11 -2 -2
Montgomery 4 -2 -2 Hayes 11 -1 -2
Holmes 4 -2 -2 Simpson 12 0 0
Duncan 4 -2 -2 Montgomery 12 0 0
Hayes 4 -2 -2 Holmes 12 0 0
Simpson 5 0 0 Duncan 12 -1 0
Holmes 5 0 0 Simpson 13 2 2
Duncan 5 -1 0 Montgomery 13 2 2
Hayes 5 0 0 Holmes 13 2 2
Simpson 7 2 2 Duncan 14 -1 -1
Montgomery 7 2 2 Hayes 14 -1 -1
Holmes 7 2 2 Simpson 15 1 1
Duncan 7 1 2 Montgomery 15 1 1
306
Hayes 7 2 2 Holmes 15 1 1
Acuerdo por atributos Instr. Minitab
1 Abrir el archive ESSAY.MTW.
2 Seleccionar Stat > Quality Tools > Attribute
Agreement Analysis.
3 En Attribute column, poner Rating.
4 En Samples, poner Sample.

5 En Appraisers, poner Appraiser.
6 En Known standard/attribute, poner Attribute.
7 Checar Categories of the attribute data are
ordered y poner OK
8 In Addition seleccionar coeficientes Kappa y Kendall
307
Resultados
Each Appraiser vs Standard
Assessment Agreement
Appraiser # Inspected # Matched Percent 95 % CI

Duncan 15 8 53.33 (26.59, 78.73)
Hayes 15 13 86.67 (59.54, 98.34)
Holmes 15 15 100.00 (81.90, 100.00)
Montgomery 15 15 100.00 (81.90, 100.00)
Simpson 15 14 93.33 (68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the known

standard.
308
Resultados
Between Appraisers
# Inspected # Matched Percent 95 % CI

15 6 40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with each other.

All Appraisers vs Standard

15 6 40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with the known standard.

309
Resultados
Date of study :
Reported by :
Name of product:
Misc:
Appraiser vs Standard
100 95.0% C I
P ercent
80
60
Percent
40
20
0
Duncan Hayes Holmes Montgomery Simpson
Appraiser
310
Resultados
ndice Kappa de Cohen

Un estadstico popular para medir el nivel de acuerdo entre dos
personas calificadoras con un intento o dentro de un calificador
con dos intentos.
El ndice Kappa de Cohen Kappa es calculado de manera

diferente que el ndice de Kappa de Fleiss.
Los rangos de Kappa van de -1 a +1. Entre mayor sea el valor

de Kappa, es ms fuerte el acuerdo. Si Kappa = 1, existe un
acuerdo perfecto. Si Kappa = 0, el acuerdo es similar a lo que
pudiera ser esperado por el azar.
311
Resultados
Minitab muestra tres tablas de acuerdo: Cada evaluador

vs el estndar, Entre evaluadores y Todos los evaluadores
vs estndar.
Los estadsticos de Kappa y Kendall tambin se incluyen

en cada una de las tablas. En general estos estadsticos
sugieren buen acuerdo.
El coeficiente de Kendall entre evaluadores es 0.966317 (p

= 0.0); para todos los evaluadores vs estndar es
0.958192 (p = 0.0). Sin embargo la observacin del
desempeo de Duncan y Haues indica que no se apegan
al estndar.
312
Resultados
La grfica de Evaluadores vs. Estndar proporciona

una vista grfica de cada uno de los evaluadores vs
el estndar, pudiendo comparar fcilmente la
determinacin de acuerdos para los cinco
evaluadores.
Se puede concluir que Duncan, Hayes y Simpson

requieren entrenamiento adicional.
313
Sistema de Medicin de Atributos
Ejemplo comparacin pasa no pasa
Un sistema de medicin de atributos compara

cada parte con un estndar y acepta la parte si
el estndar se cumple.
La efectividad de la discriminacin es la habilidad

del sistema de medicin de atributos para
discriminar a los buenos de los malos.
314
Ejemplo comparacin pasa no pasa
1. Selecciona un mnimo de 20 unidades del proceso. Estas

unidades deben representar el espectro completo de la
variacin del proceso (buenas, erroneas y en lmites).
2. Un inspector experto realiza una evaluacin de cada
parte, clasificndola como Buena o No Buena.
3. Cada persona evaluar las unidades, independientemente
y en orden aleatorio, y las definir como Buenas o No
Buenas.
4. Ingresa los datos en el archivo Attribute Gage R&R.xls
para cuantificar la efectividad del sistema de medicin.
315
GR&R de Atributos - Ejemplo
Legenda de Atributos REPORTE
G =1 Bueno FECHA:
NOMBRE:
NG =2No Bueno PRODUCTO:
SBU:
Esta es la
COND. DE PRUEBA: medida
Poblacin Conocida Persona #1 Persona #2 Acuerdo Acuerdo
Muestra # Atributo #1 #2
general de
#1 #2 Y=S N=No Y=S N=No
1 G G G G G Y Y consistencia
2 G G G G G Y Y
3 G G G G G Y Y entre los
4
5
G
G
G G G G Y Y operadores
G G G G Y Y
6 G NG G G G N N y el experto.
7 G G G G G Y Y
8 G G G G G Y Y 90% es lo
9 NG G G NG NG N N
10 NG NG NG G G N N mnimo!
11 G G G G G Y Y
12 G G G G G Y Y
13 NG NG NG NG NG Y Y
14 G G G G G Y Y
15 G G G G G Y Y
16 G G G G G Y Y
17 NG NG NG NG NG Y Y
18 G G G G G Y Y
19 G G G G G Y Y
20 G G G G G Y Y
(1)
% DEL EVALUADOR -> 95.00% 100.00%
(2)
% VS. EL ATRIBUTO -> 90.00% 95.00%
(3)
% DE EFECTIVIDAD DE DISCRIMINACION -> 85.00%
(4)
% DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO -> 85.00%
316
Pasa no pasa Datos en Minitab
Muestra Atributo Persona 1A Persona 1B Persona 2A Persona 2B
1 G G G G G
2 G G G G G
3 G G G G G
4 G G G G G
5 G G G G G
6 G NG G G G
7 G G G G G
8 G G G G G
9 NG G G NG NG
10 NG NG NG G G
11 G G G G G
12 G G G G G
13 NG NG NG NG NG
14 G G G G G
15 G G G G G
16 G G G G G
17 NG NG NG NG NG
18 G G G G G
19 G G G G G
20 G G G G G 317
Pasa no pasa Instrucciones en Minitab
1 Usar los datos anteriores.
2 Seleccionar Stat > Quality Tools > Attribute
Agreement Analysis.
3 En Multiple columns, con Persona 1 - Persona 2B.

4 En Number of appraisers, 2.
5 En Number of trials, 2.
6 En Known standard/attribute, poner Atributo

7 no Checar Categories of the attribute data are
ordered y poner OK
318
Pasa no pasa Resultados de Minitab
Attribute Agreement Analysis Persona 1A, Persona 1B, Persona 2A,
Persona 2B
Within Appraisers
1 20 19 95.00 (75.13, 99.87)
2 20 20 100.00 (86.09, 100.00)
# Matched: Appraiser agrees with him/herself across trials.
Fleiss' Kappa Statistics
Appraiser Response Kappa SE Kappa Z P(vs > 0)
1 G 0.82684 0.223607 3.69774 0.0001
NG 0.82684 0.223607 3.69774 0.0001
2 G 1.00000 0.223607 4.47214 0.0000
NG 1.00000 0.223607 4.47214 0.0000
Each Appraiser vs Standard
1 20 18 90.00 (68.30, 98.77)
2 20 19 95.00 (75.13, 99.87)
Between Appraisers
20 17 85.00 (62.11, 96.79)
Response Kappa SE Kappa Z P(vs > 0)
G 0.663222 0.0912871 7.26524 0.0000
NG 0.663222 0.0912871 7.26524 0.0000
All Appraisers vs Standard
20 17 85.00 (62.11, 96.79)
# Matched: All appraisers' assessments agree with the known standard.
Response Kappa SE Kappa Z P(vs > 0)
G 0.792005 0.111803 7.08391 0.0000
NG 0.792005 0.111803 7.08391 0.0000 319
Pasa no pasa Resultados de Minitab
Date of study:
Reported by:
Name of product:
Misc:
Within Appraisers Appraiser vs Standard

100 95.0% C I 100 95.0% C I
P ercent P ercent
95 95
90 90
Percent
85 Percent 85
80 80
75 75
70 70
1 2 1 2
Appraiser Appraiser 320
Interpretacin de Resultados
1. % del Evaluador es la consistencia de una persona.
2. % Evaluador vs Atributo es la medida de el acuerdo
que hay entre la evaluacin del operador y la del
experto.
3. % de Efectividad de Seleccin es la medida de el
acuerdo que existe entre los operadores.
4. % de Efectividad de Seleccin vs. el Atributo es una
medida general de la consistencia entre los
operadores y el acuerdo con el experto.
321
Estudio de Repetibilidad y
Reproducibilidad de Atributos -
Guas de Aceptabilidad
Aunque el 100% es el resultado que deseamos obtener,
en un estudio de repetibilidad y reproducibilidad de
atributos, la siguiente gua se usa frecuentemente:
Porcentaje Gua
De 90% a 100% Aceptable
De 80% a 90% Marginal
Menos de 80% Inaceptable
322
Mtodo sencillo
Tomar 50 piezas, 40 de las cuales dentro de

especificaciones y 10 fuera de especificaciones
Probarlas con dispositivos pasa y no pasa por

medio de 3 operadores
Si no coinciden todos los operadores en al menos el

90%, los dispositivos o gages pasa, no pasa no
son confiables
323
V.C.3 Sistemas de medicin
en la empresa
324
Medicin de desempeo
en la empresa
Contadores automticos
Reportes generados por computadora
Auditoras internas y externas

Evaluacin de proveedores
Reportes gerenciales
Encuestas internas y externas

Reportes diversos
325
Medicin de desempeo
en la empresa - Aspectos
Proveedores
No. De desviaciones
Porcentaje de entregas a tiempo
Porcentaje de entregas anticipadas
Costo de embarque por unidad
Porcentaje de cumplimiento en especificaciones
Costo unitario actual vs costo unitario histrico
Monto de lo rechazado vs monto de las compras
Oportunidad de la asistencia tcnica
326
Medicin de desempeo
Ventas y mercadotecnia
Crecimiento en ventas por periodo de tiempo
Porcentaje de participacin de mercado
Monto de ventas / mes
Monto promedio de ventas por transaccin
Tiempo promedio de clientes en visita al sitio Web
Efectividad de eventos de ventas
Monto vendido vs monto gastado en publicidad
327
Medicin de desempeo
Satisfaccin de cliente externo
Comparacin ponderada vs competencia
Valor percibido medido por el cliente
Rango de satisfaccin del producto / servicio
Evaluacin de la competencia tcnica
Porcentaje de clientes retenidos
328
Medicin de desempeo
Satisfaccin de cliente interno
Tasa de satisfaccin del empleado
Tasa de satisfaccin en el puesto
Indicador de efectividad de la capacitacin
Evaluacin de avance en imparcialidad
Retroalimentacin sobre principales polticas y
procedimientos
Conocimiento de metas y avances de la empresa
329
Medicin de desempeo
Investigacin y desarrollo
No. De proyectos en desarrollo
Porcentaje de proyectos dentro del presupuesto
No. De proyectos fuera de programa
Gastos de desarrollo vs ingresos por ventas
Confiabilidad de solicitudes de cambios al diseo
330
Medicin de desempeo
Ingeniera
Evaluacin del desempeo del producto
No. De requerimientos de accin correctiva
Porcentaje de acciones correctivas cerradas
Evaluacin de control de mediciones
Disponibilidad de asistencia tcnica
331
Medicin de desempeo
Manufactura
Capacidad de proceso de mquinas y procesos clave
Porcentaje de tiempos muertos de mquina
Tiempos de ciclo promedio (lneas clave)
Medicin del control de orden y limpieza
Adecuacin de la capacitacin a operadores
332
V.C.4 Metrologa
333
Metrologa
Metrologa. Es la ciencia de las mediciones. Deriva del griego
metrn medida y logos lgica. Sus elementos clave son:
El establecimiento de estndares de medicin que sean

internacionalmente aceptados y definidos
El uso de equipo de medicin para correlacionar la

extensin que los datos del producto y proceso estn
conforme a especificaciones
La calibracin regular de equipos de medicin,
rastreables a estndares internacionales establecidos
334
Metrologa
Unidades de medicin
El sistema internacional de unidades SI clasifica las

mediciones en 7 categoras:
Longitud (metro)
Tiempo (segundo)
Masa (kilogramo)
Corriente elctrica (ampere)
Temperatura (Kelvin)
Iluminacin (candela)
Cantidad de sustancia (mole)
335
336
Metrologa
Temperatura
Temperatura en F = 1.8 (Temp C) +32
Temperatura en C = (Temp F 32) / 1.8
Temperatura en K = Temp C + 273.15
337
Metrologa
Calibracin
Es la comparacin de un estndar de medicin o
instrumento de exactitud conocida con otro
instrumento para detectar, correlacionar, reportar o
eliminar por ajuste, cualquier variacin en la exactitud
del instrumento que se est comparando.
La eliminacin del error es la meta primaria del sistema

de calibracin
338
Metrologa
Variabilidad total del producto
La variabilidad total en el producto incluye la
variabilidad del proceso de medicin.
2 total 2 proceso 2 medicin
Errores de medicin
El error del instrumento de medicin es el valor del
instrumento de medicin menos el valor verdadero.
2 error 2 medicion 2 patron
2 medicion 2 patron 2 error

339
Metrologa
Errores de medicin
El intervalo de confianza para la media de las
mediciones se reduce tomando mediciones mltiples
de acuerdo al teorema del lmite central con la
siguiente relacin:
lecturas
medicion
n
340
Metrologa
Errores de medicin
Hay muchas razones para que un equipo de medicin genere
variaciones por error, incluyendo las categoras siguientes:
Variacin por el operador
Variacin de operador a operador
Variacin del equipo
Variacin de los materiales
Variacin en procedimientos
Variacin en el software
Variacin de laboratorio a laboratorio
341
Metrologa
Intervalo de calibracin
Es aceptado generalmente que el intervalo de

calibracin del equipo de medicin se base en la
estabilidad, propsito y grado de uso.
La estabilidad se refiere a la habilidad de un

instrumento de medicin para manejar de manera
consistente sus caractersticas metrolgicas durante el
tiempo.
342
Metrologa
Intervalo de calibracin
El propsito es importante, en general las aplicaciones
crticas incrementan la frecuencia y las aplicaciones
menores disminuyen la frecuencia.
El grado de utilizacin o uso se refiere a que tan
frecuentemente se utiliza el instrumento y a que
condiciones ambientales se expone.
El equipo de medicin y prueba debe ser trazable a
registros que indiquen la fecha de la ltima calibracin,
por quin fue calibrado y cuando est planeada su
prxima calibracin. Algunas veces se usa la
codificacin.
343
Metrologa
Estndares de calibracin
El valor verdadero reconocido de acuerdo al SI se
denomina Estndar
Los estndares primarios de referencia son copias del

kilogramo internacional y los sistemas de medicin que
responden a definiciones de las unidades
fundamentales a las unidades derivadas de la tabla SI.
Los estndares nacionales se toman como la autoridad

central para evaluar la exactitud, y todos los niveles de
estndares de trabajo son trazables a este gran
estndar
344
Estndares internacionales
En Mxico se tiene el CENEAM o el Centro
Nacional de Metrolgia
En EUA se tiene el NIST (National Institute of

Standards and Technolog)
Un Estndar primario es certificado por NIST o

por una organizacin alterna que use
procedimientos de calibracin actualizados
Los Estndares secundarios son calibrados por

el depto. de Metrologa de las empresas en base
a los estndares primarios, para efectos de
calibracin.
345
Estndares internacionales
Los Estndares secundarios se transfieren

a Estndares de trabajo en produccin.
Para determinar la exactitud de los

sistemas de medicin se debe conocer su
rastreabilidad a Estndares nacionales e
internacionales.
Resolucin: Para que el equipo de medicin tenga

una discriminacin adecuada en la evaluacin de las
partes, su resolucin debe ser al menos 1/10 de la
variabilidad del proceso ( LTNS - LTNI = 6 )
346
Metrologa
Estndares de calibracin
La trazabilidad hacia debajo de la trazabilidad se
muestra a continuacin
National Institute Standards and Technology

Laboratorios de Estndares
Laboratorios de Metrologa
Laboratorios de Sistema de Control de Calidad
Centros de Trabajo
347
Resumen del ISO 10012
Quality assurance requirement for measuring

euipment Part 1: Metrological confirmation system
for measuring equipment.
Contiene requerimientos de aseguramiento de calidad

para asegurar que las mediciones sean hechas con la
exactitud intencionada.
348
Resumen del ISO 10012 Elementos clave
Todos los equipos de medicin deben ser identificados,

controlados, y calibrados. Deben mantenerse los
registros de la calibracin y trazabilidad a estndares
nacionales
El sistema para evaluar el equipo de medicin a que

cumpla con la sensibilidad, exactitud y confiabilidad
requerida, debe estar definida en procedimientos
El sistema de calibracin debe ser evaluado de forma

peridica por auditoras y revisiones
349
Las acciones que involucren al sistema de medicin
general deben ser planeadas
Se debe determinar la incertidumbre de la medicin
Los mtodos utilizados para confirmar el equipo y los

dispositivos de medicin deben estar documentados
Se deben mantener registros sobre los mtodos

usados para calibrar el equipo de medicin y prueba
350
Se deben establecer procedimientos adecuados para

asegurar que no sea utilizado el equipo de medicin
no conforme
Debe establecerse un sistema de etiquetado que

muestre la identificacin nica y su estado
Se debe establecer y documentar la frecuencia de

recalibracin de cada dispositivo de medicin
351
Los ajustes deben sellarse para evitar su movimiento
Los procedimientos deben definir controles cuando se

use una fuente externa en relacin a la calibracin o
surtimiento de equipo de medicin
Las calibraciones deben ser trazables a estndares

nacionales. Si no hay estndares nacionales
disponibles, se debe documentar el mtodo para
establecer y mantener los estndares
352
Se debe especificar el mtodo de clculo de la

incertidumbre, cuando se acumulen las incertidumbres
Los gages, equipos de medicin y equipos de prueba

se usarn, calibrarn y almacenarn en condiciones
que aseguren la estabilidad del equipo
Se requieren procedimientos documentados para la

calificacin y entrenamiento del personal que realiza
las mediciones
353

Lean Sigma BB Medicion A

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lean Sigma BB Medicion A

Cargado por

Copyright:

Formatos disponibles

Programa de certificacin

V. Seis Sigma Medicin

A. Caractersticas del proceso

2. Mtricas de flujo de proceso

3. Herramientas de anlisis de proceso

Flujo de manufactura continua (CFM) proceso donde

Tiempo de ciclo tiempo para completar un ciclo de

JIT sistema para producir los artculos correctos en el

Nivelacin de carga balanceo de las cargas de

Sin valor agregado cualquier actividad que no

Perfeccin eliminacin completa de muda

Punto de uso del inventario inventario surtido

Diagrama de flujo del proceso Diagrama del flujo o la

Jalar (Pull) sistema en que el proveedor anterior no

SMED (Single Minute Exchange of Die) tcnicas para

Flujo de una sola pieza una situacin donde un

Principio de lotes pequeos reduccin efectiva de

Trabajo estandarizado descripcin de cada actividad

Cadena de valor actividades especficas requeridas

Control visual colocacin a la vista de todas las

Celda de trabajo o manufactura acomodo de

Centro de trabajo estacin de trabajo en una celda

Identificar la cadena de valor para cada producto

Hacer el flujo de valor

Permitir que el cliente jale valor del proveedor

En Alemania se hace nfasis en el producto y proceso

En Japn se enfocan a crear valor desde la

El costo objetivo es una mezcla de los precios de

La solucin de problemas (nuevos productos)

En Lean se analiza un solo producto, para reduccin

Agrega valor de acuerdo a la percepcin del cliente

Con el TPM se esperan cero fallas en mquinas

El nivel de calidad es muy alto con Poka Yokes

La programacin de la produccin es suave, de flujo

En una planta de produccin masiva, cada operacin

Colaboracin entre socios de la cadena de valor para

Usar tecnologa para eliminar Muda

Desarrollar nuevos productos

Se sugiere revisar la distribucin de la celda para:

Tasa de thoughput = 1 / Tiempo de ciclo

La ley de Little estable que:

Inventario WIP = Throughput * Tiempo de flujo

Eficiencia del ciclo de proceso = Tiempo de valor agregado /

Si hay 30,000 unidades planeadas, y se pueden producir

TLT = 30,000 / 3,000 = 10 das

Tasa de terminacin = WIP / TLT = 21 / 3 = 7 cotiz./da

PCE = VAT / TLT = 18 / 1,344 *100% = 1.34%

Si la tasa de throughput de una operacin es de 7,200

Se analizan los tpicos siguientes:

Es el paso inicial para la mejora de procesos, ya que

Construir un mapa de proceso para representar los

Discutir y analizar cada paso en detalle

Preguntarse Por qu lo hacemos de esta manera?

Hay puntos de control para evitar errores y

Puede realizarse el proceso de manera diferente?

Pasos para elaborarlo (Smbolos ANSI Y15.3)

Proceso Desicin Documento Datos

Proceso Preparacin Operacin Entrada

Conector Con. pgina Display Almacen Terminador 48

Transportacin Lneas de Flujo

Paso 2A Paso 2B Paso 2C

Retrabajo No Bueno? S Fin

Actividades con valor agregado