MSA 3th Ed

ANLISIS DE LOS SISTEMAS DE MEDICIN (MSA) P. Reyes / Sept.
2007
Pgina 1 de 158

Anlisis de los
Sistemas de Medicin
(MSA)

Dr. Primitivo Reyes Aguilar
Septiembre 2007

ANLISIS DE LOS SISTEMAS DE MEDICIN (MSA) P. Reyes / Sept. 2007
Pgina 2 de 158
CONTENIDO

Captulo 1. Guas generales de sistemas de medicin
A. Introduccin, propsito y terminologa
B. El proceso de medicin
C. Los efectos de la variabilidad de los sistemas de medicin
D. Desarrollo de proveedores de sistemas de medicin
E. Variabilidad en las mediciones
F. Medicin de la incertidumbre
G. Anlisis del problema de las mediciones

Captulo 2. Conceptos generales para evaluar sistemas de medicin
A. Antecedentes
B. Desarrollo / Seleccin de procedimientos de prueba
C. Preparacin para el estudio de sistemas de medicin
D. Anlisis de los resultados criterios de aceptacin

Captulo 3. Prcticas recomendadas para sistemas de medicin simple
A. Ejemplo de procedimientos de prueba
B. Guas para la realizacin de estudios de sistemas de medicin por variables
C. Estudios de sistemas de medicin por atributos

Captulo 4. Prcticas para sistemas de medicin complejas
A. Prcticas para sistemas de medicin complejos o no replicables
B. Estudios de estabilidad
C. Estudios de variabilidad V1 a V9

Pgina 3 de 158
Captulo 5. Otros conceptos de mediciones
A. Reconociendo el efecto de la variacin dentro de las partes
B. Tratamiento adicional para la media y el rango
C. Curva de desempeo del escantilln (Gage)
D. Reduccin de la variacin a travs de lecturas mltiples
E. Mtodo de la desviacin estndar conjunta para los estudios de R&R

Apendices
Pgina 4 de 158
CAPITULO I.
Lineamientos del sistema general de
medicin
1

Seccin A. Introduccin, propsito y terminologa

Introduccin

La medicin de datos es utilizada, por ejemplo, para tomar la decisin a ajustar o no un
proceso de manufactura. La medicin de datos, o alguna estadstica derivada de ellos, se
compara con los lmites de control estadsticos del proceso, y si la comparacin indica que
el proceso est fuera de control, entonces se realiza algn tipo de ajuste. Otro uso de la
medicin de datos es determinar si existe una relacin significativa entre dos o ms
variables. Por ejemplo, puede resultar sospechoso que una dimensin crtica en una parte
plstica moldeada est relacionada a la temperatura de la materia prima. Esa posible
relacin pudiera ser estudiada mediante la utilizacin de un procedimiento estadstico
llamado anlisis de regresin para comparar las mediciones de la dimensin crtica con
las dimensiones de la temperatura de la materia prima.

Un estudio analtico es aquel que incrementa conocimiento acerca del sistema de causas
que afecta el proceso. El beneficio de utilizar un procedimiento basado en datos est
determinado por la calidad de la medicin de los datos utilizados. Si la calidad de los
datos es baja, el beneficio del procedimiento ser bajo, si la calidad de los datos es alto, el
beneficio parecer ser alto tambin.

Calidad de la medicin de datos

La calidad de la medicin de datos est definida por las propiedades estadsticas de
mediciones mltiples obtenidas de un sistema de medicin que opera bajo condiciones

1
Se tom como referencia: Daymler Chrysler Corporation, Ford Motor Company, General Motors
Corporation, Measurement System Analysis, Reference Manual, Third Edition, AIAG, EUA, Mayo 2003
Pgina 5 de 158
estables. Si las mediciones son todas cercanas al valor dominante para las
caractersticas, entonces la calidad de los datos ser alta.

Las propiedades estadsticas comnmente utilizadas para caracterizar la calidad de los
datos son el sesgo y variacin del sistema de medicin. La propiedad de sesgo se refiere
a la localizacin de los datos relativos a un valor de referencia (dominante), la propiedad
llamada variacin se refiere a la dispersin de los datos.

Una de las razones ms comunes para datos de baja calidad es mucha variacin debido a
la interaccin entre el sistema de medicin y su ambiente. As, un sistema de medicin
utilizado para medir el volumen de lquido en un tanque puede ser sensible a la
temperatura ambiente en el cual es utilizado.

Si la interaccin genera mucha variacin, la calidad de los datos tal vez son tan gajos que
los datos no son tiles. Mucho del trabajo de administrar un sistema de medicin es un
monitoreo directo y control de la variacin.

Propsito

El propsito de este documento es presentar una gua para evaluar la calidad de un
sistema de medicin. Este material se enfoca no en un compendio de anlisis para todos
los sistemas de medicin, se enfoca principalmente en sistemas de medicin donde sus
lecturas puedan ser repetidas en cada parte. Se recomienda que sean consultadas
fuentes estadsticas competentes para situaciones ms complejas o inusuales.

Terminologa

Medicin: asignacin de nmeros [o valores] a cosas materiales para representar las
relaciones entre ellos con respecto a propiedades particulares. Esta definicin fue dada
por C. Eisenhart (1963). El proceso de asignacin de nmeros es definido como el
proceso de medicin, y el valor asignado es definido como valor de medicin.

Pgina 6 de 158
Calibre o escantilln (gage): dispositivo utilizado para obtener mediciones; utilizado
frecuentemente para referirse especficamente a los dispositivos utilizados en el piso de
manufactura.

Sistema de medicin: es el grupo de instrumentos o calibres, estndar, operaciones,
mtodos, dispositivos, software, personal, medio ambiente y supuestos utilizados para
cuantificar una unidad de medida o valoracin determinada al rasgo de la caracterstica
medida; proceso completo utilizado para obtener mediciones.

De estas definiciones podemos decir que un proceso de medicin puede ser visto como
un proceso de manufactura que produce nmeros (datos) para sus producciones.

Resumen de trminos

Estndar
Base aceptada para comparacin
Criterio de aceptacin
Valor conocido, dentro de lmites establecidos de incertidumbre, aceptado como
un valor verdadero
Valor de referencia

Un estndar debe ser una definicin operacional: una definicin la cual produce los
mismos resultados cuando es aplicado por el proveedor o cliente, con el mismo
significado ayer, hoy y maana

Equipo bsico
Discriminacin, legibilidad, resolucin
o Alias: unidad legible ms pequea, medicin de resolucin, lmite de escala
o deteccin del lmite
o Una propiedad inherente fija por diseo
o Unidad de escala ms pequea de medida o produccin para un
instrumento
o Reportado siempre como unidad de medida
Pgina 7 de 158
o 10 a 1 de modo emprico

Pgina 8 de 158
Resolucin efectiva
o La sensibilidad de un sistema de medicin a una variacin del proceso para
una aplicacin particular.
o Insumo ms pequeo que resulta en una produccin utilizable seal de
medicin.
o Reportado siempre como una unidad de medida

Valor de referencia
o Valor aceptado de un artefacto
o Requiere una definicin operacional
o Utilizado como el sustituto para el valor verdadero

Valor verdadero
o Valor actual de un artefacto
o Desconocido y incognoscible

Variacin de localizacin

Variacin del proceso, real Variacin de la medicin
Variacin del proceso
Reproducibilidad
Repetibilidad Estabilidad Linealidad
Sesgo
Variacin originada
por el calibrador
Calibracin
Variacin del proceso, real
Reproducibilidad
Repetibilidad
Variacin dentro de la
muestra
Estabilidad Linealidad
Sesgo
Equipo de
medicin
Calibracin
Pgina 9 de 158
Exactitud
o cercana al valor verdadero, o un valor de referencia aceptado
o ASTM incluye el efecto de posicin y amplitud de error

Sesgo
o Diferencia entre el promedio de mediciones observadas y el valor de
referencia
o Un componente de error sistemtico del sistema de medicin

Estabilidad
o El cambio en sesgo en el tiempo
o Un proceso de medicin estable est en control estadstico con
respecto a la localizacin
o Alias: desplazamiento

Linealidad
o El cambio en sesgo sobre el rango de operacin normal

Valor
Verdadero
Sesgo

Tiempo 1
Tiempo 2
Tiempo 1
Tiempo 2
De referencia
Pgina 10 de 158
o La correlacin de errores de sesgos mltiples e independientes sobre el
rango de operacin.
o Componente de error sistemtico del sistema de medicin

Amplitud de variacin
Precisin
o Cercana a lecturas repetidas unas a otras
o Componente de error aleatorio del sistema de medicin

Repetibilidad
o Variacin en mediciones obtenidas con un instrumento de medicin cuando
es utilizado varias veces por un evaluador mientras se mide la
caracterstica idntica en la misma parte.
o La variacin en pruebas sucesivas (corto plazo) bajo condiciones de
medicin fijas y definidas.
o Referido comnmente como variacin en equipo

Rango de Operacin del equipo
Valor
verdadero
Valor
verdadero
(rango inferior) (rango superior)
Sesgo
Menor
Sesgo
mayor

Preciso pero no exacto Exacto pero no preciso
Exacto y preciso
(resolucin)
Pgina 11 de 158
o Capacidad o potencial de instrumento (calibre)
o Variacin dentro del sistema

Reproducibilidad
o Variacin en el promedio de las mediciones hechas por diferentes
evaluadores utilizando el mismo calibre en la medicin de la caracterstica
de una parte.
o Para la calificacin de un producto y proceso, el error puede ser el
evaluador, ambiente (tiempo), o mtodo.
o Comnmente referido a variacin por evaluador
o Variacin entre el sistema (condiciones)
o ASTM E456-96 incluye la repetibilidad, laboratorio, y efectos del medio
tanto como efectos del evaluador.

GRR o R&R de Gage o calibre
o Repetibilidad y reproducibilidad de calibre: el estimado combinado de la
repetibilidad y reproducibilidad del sistema de medicin
o Capacidad del sistema de medicin; dependiendo del mtodo utilizado,
puede o no incluir los efectos del tiempo

REPETIBILIDAD

Reproducibilidad
Operador-A
Operador-C
Operador-B
Pgina 12 de 158

Valor de referencia

Error de R&R del Gage

Capacidad del sistema de medicin
o Estimado a corto plazo de la variacin del sistema de medicin (ej. GRR
incluyendo grficas)

Desempeo del sistema de medicin
o Estimado a largo plazo de la variacin del sistema de medicin (ej. Mtodo
de grficas de control a largo plazo).

Sensibilidad
o Entrada ms pequea que resulta en una seal detectable de salida.
o Respuesta del sistema de medicin a cambios en caractersticas medidas.
o Determinada por el diseo (discriminacin) de calibre, calidad inherente
(OEM), mantenimiento en servicio, y condicin de operacin del
instrumento y estndar.
o Siempre reportada como unidad de medida

Consistencia
o Grado de cambio de repetibilidad con el tiempo
o Un proceso de medicin consistente es en control estadstico con respecto
a la amplitud (variabilidad)

Reproducibilidad
Operador-A
Operador-C
Operador-B
Pgina 13 de 158
Uniformidad
o El cambio en repetibilidad sobre el rango normal de operacin
o Homogeneidad de repetibilidad

Variacin del sistema
La variacin del sistema de medicin es caracterizado como:
Capacidad
o Variabilidad en lecturas tomadas sobre un periodo de tiempo corto.

Desempeo
o Variabilidad en lecturas tomadas sobre un periodo de tiempo largo
o Basado en la variacin total

Incertidumbre
o Un rango estimado de valores alrededor del valor medido en el cual se
presume que se encuentre el valor verdadero.

Todas las caracterizaciones del sistema de medicin asumen que el sistema es estable y
consistente.

Estndares y trazabilidad

El Instituto Nacional de Estndares y Tecnologa (NIST) es el principal Instituto Nacional
de Mediciones (NMI) en los Estados Unidos. NIST, formalmente, el Bur Nacional de
Estndares (NBS) sirve como la mayor autoridad para metrologa en Estados Unidos.
Tiene como responsabilidades proporcionar servicios de medicin y mantenimiento de
estndares de medicin que asisten a la industria norteamericana en la elaboracin de
mediciones trazables.

Institutos Nacionales de Medicin

Trabajan en colaboracin con otras NMIs para asegurar que mediciones hechas en un
pas no difieran de otras realizadas en otro pas. De acuerdo a los Arreglos de
Pgina 14 de 158
reconocimiento mutuo (MRAs) y ejecutando comparaciones interlaboratorio entre las
NMIs. En Mxico se tiene como equivalente al Centro Nacional de Metrologa (CENAM).

Trazabilidad

Es un concepto importante en el comercio de bienes y servicios. La trazabilidad es
definida por el ISO Internacional Vocabulary of Basic and General Terms in Metrology
(VIM) como:

La propiedad de una medicin o el valor de un estndar por el que puede ser relacionado
a referencias establecidas, usualmente estndares nacionales o internacionales, mediante
una cadena continua de comparaciones siendo todas establecidas bajo incertidumbre.

Con los avances en tecnologas de medicin y el uso de sistemas de medicin en estado
del arte en la industria la definicin de cmo y dnde una medicin es trazable.

Ejemplo de una cadena
de trazabilidad para
una medicin de
longitud:

NMIs trabaja de cerca con varios laboratorios nacionales, proveedores, compaas de
manufactura de estado del arte para asegurar que sus estndares de referencia son
calibrados apropiadamente y trazables directamente a los estndares mantenidos por el
NMI.

No todas las organizaciones tienen metrologa o laboratorios de calibre en sus
instalaciones y dependen de laboratorios externos o independientes para proporcionar
calibracin de trazabilidad y servicios de medicin.

Estndar
Nacional
Estndar de
referencia
Estndar de trabajo
Calibre de produccin
Estndar
Nacional
Estndar de
referencia
Estndar de trabajo
Calibre de produccin
Pgina 15 de 158
Valor verdadero

El objetivo del proceso de medicin es el valor verdadero de la parte. Es deseado que
cualquier lectura individual sea tan cercana a este valor como (econmicamente) sea
posible. Desafortunadamente, el valor verdadero no puede conocerse con certeza. La
incertidumbre puede ser minimizada utilizando un valor de referencia basado en una
definicin operacional bien definida de la caracterstica, y uso de resultados de un sistema
de medicin con un mayor orden de discriminacin y trazabilidad al NIST.

Pgina 16 de 158
Captulo I. Seccin B
Proceso de medicin

Para administrar efectivamente la variacin de cualquier proceso, es necesario tener
conocimiento de:

Qu debera estar haciendo el proceso
Qu puede estar mal
Qu est haciendo el proceso

Las especificaciones y requerimientos de ingeniera definen lo que debera estar haciendo
el proceso.

El propsito de un anlisis del modo y efecto de falla del Proceso (PFMEA) es definir el
riesgo asociado con las fallas potenciales del proceso y proponer acciones correctivas
antes de que esta falla pueda ocurrir. La produccin del PFMEA es transferido al plan de
control.

La inspeccin, es el acto de examinar los parmetros del proceso, partes en proceso,
subsistemas ensamblados y productos completos terminados con la ayuda de estndares
y dispositivos de medicin que ayudan al observador a confirmar o negar la premisa de
que el proceso est operando de una manera estable con variacin aceptable del cliente
designado.

Pgina 17 de 158

La industria ha visualizado tradicionalmente la medicin y la actividad de anlisis como
una caja negra. El equipo era el principal enfoque la caracterstica ms importante, la
ms cara el calibre. La utilidad del instrumento, su compatibilidad con el proceso y
ambiente, fueron raramente cuestionados.

La medicin y la actividad de anlisis es un proceso un proceso de medicin. Pueden
ser aplicadas a este, cualquiera de las tcnicas de control de proceso, administracin,
estadsticas y lgicas. Esto significa que primero deben ser identificados los clientes y sus
necesidades. El cliente, dueo del proceso quiere tomar la decisin correcta con el
mnimo de esfuerzo.

El equipo es slo una parte del proceso de medicin. El dueo del proceso debe saber
cmo utilizar correctamente este equipo y como analizar e interpretar los resultados. El
dueo del proceso tiene la obligacin de monitorear y controlar el proceso de medicin
para asegurar los resultados correctos y estables.

Propiedades estadsticas de los sistemas de medicin

Un sistema ideal de medicin debera producir slo mediciones correctas cada vez que
fuera utilizado. Cada medicin debera estar de acuerdo al estndar. La calidad de un
sistema de medicin est usualmente determinado rara vez por las propiedades
Operacin
Anlisis Medicin
Valor
Proceso
a ser
administrado
o
Decisin
Entrada Salida
Proceso
General
Proceso de medicin
Pgina 18 de 158
estadsticas de los datos lo que produce tiempo extra. Son las propiedades estadsticas
de los datos producidos que determinan la calidad del sistema de medicin.

Las propiedades estadsticas que pueden ser ms importantes para un uso, pueden no
ser importantes para otro uso. Una mquina de medicin por coordenadas (CMM) tienen
como propiedades estadsticas sesgos y varianzas pequeos. Con esas propiedades
generara mediciones que se encuentran cerca a los valores certificados de estndares
que son trazables. Los datos obtenidos de esa mquina pueden ser muy tiles para
analizar un proceso de manufactura. No importa que tan pequea sea la desviacin y
variacin del CMM, el sistema de medicin que utiliza la CMM tal vez no realice un trabajo
aceptable de discriminacin entre un producto bueno y malo debido a las fuentes
adicionales de variacin introducidas por el sistema de medicin.

La administracin tiene la responsabilidad de identificar las propiedades estadsticas que
son ms importantes para el uso ltimo de los datos. Para esto se requieren las
definiciones operacionales de las propiedades estadsticas, as como los mtodos de
medicin aceptables para medirlas. Existen ciertas propiedades fundamentales que
definen un buen sistema de medicin. Esto incluye:

1) Discriminacin y sensibilidad adecuada. Los incrementos de medida deberan ser
pequeos en relacin a la variacin del proceso o lmites de especificacin para el
propsito de medicin. La regla de 10 a 1, establece que la discriminacin del
instrumento deber dividir la tolerancia (variacin del proceso) en diez partes o
ms.
2) El sistema de medicin debera estar en control estadstico, la variacin en el
sistema de medicin se deba a causas comunes y no debido a causas especiales.
Esto puede conocerse como estabilidad estadstica y se evala mejor por mtodos
grficos.
3) Para control de producto, la variabilidad del sistema de medicin debe ser
pequeo comparado a los lmites de las especificaciones.
4) Para el control del proceso, la variabilidad del sistema de medicin trata en algo de
demostrar una resolucin efectiva y de ser pequea comparada a la variacin del
proceso de manufactura.

Pgina 19 de 158
Fuentes de variacin

Estas fuentes de variacin son debido a causas comunes y especiales. En orden a
controlar la variacin del sistema de medicin:

1) Identificar las fuentes potenciales de variacin
2) Eliminar (cuando sea posible) o monitorear estas fuentes de variacin.

Las causas especficas dependern de la situacin. Existen varios mtodos de
presentacin y categorizacin de estas fuentes de variacin tales como los diagramas de
causa y efecto, diagramas de rbol, pero los lineamientos presentados aqu se enfocarn
en los principales elementos del sistema de medicin.

Las siglas S.W.I.P.E. son utilizadas para representar los seis elementos esenciales de un
sistema de medicin generalizado para asegurar la obtencin de los objetivos requeridos.
Las siglas significan S: estndar, W: parte o pieza de trabajo, I: instrumento, P: persona y
procedimiento y E: medio ambiente.

La siguiente figura representa un diagrama de causa y efecto que muestra algunas de las
fuentes potenciales de variacin.

Escanear la figura 2 de la pg. 15

Los efectos de variabilidad del sistema de medicin

El efecto de varias fuentes de variacin en el sistema de medicin deberan ser evaluadas
sobre un periodo de tiempo corto y uno largo. La capacidad del sistema de medicin es el
error (al azar) del sistema de medicin sobre un periodo de tiempo corto. Es la
combinacin de los errores de linealidad, repetibilidad y reproducibilidad. El desempeo
del sistema de medicin, como con el desempeo de un proceso, es el efecto de todas las
fuentes de variacin sobre el tiempo. Esto es realizado mediante la determinacin si el
proceso est en control estadstico, en el objetivo o media de las especificaciones (sin
sesgo), y tiene una variacin aceptable de GRR sobre el rango de los resultados
esperados.
Pgina 20 de 158

Efectos en las decisiones

Despus de medir una parte, una de las acciones que pueden ser tomadas es determinar
el estatus de esa parte. Histricamente, esto podra ser determinado si la parte fuera
aceptable o buena (dentro de especificaciones) o inaceptable mala (fuera de
especificaciones).

Bajo la filosofa de control del producto la razn principal de medir la parte es si pasa o no
pasa. Con la filosofa de control del proceso el inters se enfoca en si la variacin de la
parte se debe a causas comunes o a causas especiales en el proceso.

Filosofa Inters
Control del producto Est la parte en una categora especfica?
Control del proceso Es aceptable y estable la variacin del
proceso?

Tabla 1: Filosofa del control e impulsor del inters

Efectos de las decisiones sobre el producto

Para entender mejor el efecto del error en el sistema de medicin sobre las decisiones del
producto, considere el caso donde toda la variabilidad en lecturas mltiples de una parte
se debe a la repetibilidad de calibre y reproducibilidad. Esto es, el proceso de medicin se
encuentra en control estadstico y tiene cero de sesgo.

En ocasiones se toma una mala decisin cuando una parte de la distribucin de la
medicin sobrepasa un lmite. Por ejemplo, una parte buena algunas veces puede
decirse que es mala (riesgo del fabricante o falsa alarma),

Pgina 21 de 158
L

y una parte mala algunas veces ser llamada buena (riesgo del consumidor o ndice de
error).

Nota: ndice de falsa alarma + ndice de error = Tasa de error

Esto es, con respecto a los lmites de la especificacin, el potencial para tomar la decisin
errnea sobre la parte existe slo cuando el error del sistema de medicin intercepta el
lmite de la especificacin.

Donde:

I Partes malas siempre sern llamadas malas

I I I I I I I I I
LSL
USL
USL
LSL
USL
LS
L

Pgina 22 de 158
II Toma de una decisin errnea Potencial

III Partes buenas siempre sern llamadas buenas

Siendo que el objetivo es maximizar las decisiones CORRECTAS respecto al estatus de
los productos, se tienen dos opciones:

1) mejorar el proceso de produccin: reducir la variabilidad del proceso para no
producir partes en el rea II
2) Mejorar el sistema de medicin: reducir el error del sistema de medicin para
reducir el tamao del rea II para que todas las partes que sean producidas
caigan dentro del rea III y as minimizar el riesgo de tomar malas decisiones.

Efectos de las decisiones sobre el proceso

Con el control del proceso, se necesita tener establecido lo siguiente:
control estadstico,
en el objetivo,
variabilidad aceptable.

El impacto de la medicin del error sobre el proceso de decisiones puede ser:
llamar a una causa comn una causa especial,
llamar a una causa especial una causa comn.

La variabilidad del sistema de medicin puede afectar la decisin respecto a la
estabilidad, objetivo y variacin de un proceso. La relacin bsica entre la variacin actual
y la observada del proceso es:

2 2 2
msa actual obs
o o o + =

Donde:

2
obs
o = variacin observada del proceso
Pgina 23 de 158
2
actual
o = variacin real del proceso
2
msa
o = variacin del sistema de medicin

El ndice de capacidad Cp es definido como

o 6
tolerancia de Rango
Cp =

Puede realizarse tambin la siguiente ecuacin para obtener la relacin entre los ndices
del proceso observado y del proceso actual:

2 2 2
+ =
msa actual obs
Cp Cp Cp

Asumiendo que el sistema de medicin se encuentra en control estadstico y en el
objetivo, el Cp del proceso real puede ser grficamente comparado al Cp observado.

Por ejemplo, si el ndice del sistema de medicin Cp fuera 2, el proceso actual requerira
un ndice Cp mayor o igual a 1.79 de acuerdo a lo calculado (observado) el ndice es 1.33.
Si el ndice Cp del sistema de medicin fuera por el mismo 1.33, el proceso requerira no
variacin si el resultado final fuera de 1.33 claramente una situacin imposible.

Aprobacin de un proceso nuevo

La situacin ms comn que involucra el uso de diferentes instrumentos es el caso donde
el instrumento utilizado por el proveedor tiene un orden de discriminacin mayor que el
instrumento de produccin (calibre).

En el caso donde el (mayor orden) sistema de medicin utilizado al haber comprado tiene
un GRR de 10% y el Cp del proceso actual es 2.0, el Cp observado del proceso durante la
compra ser de 1.96 asumiendo que no existe variacin en el muestreo.

Cuando este proceso es estudiado en produccin con el calibre de produccin, se
observar ms variacin (ej. Un Cp menor). Por ejemplo, si el GRR del calibre de
Pgina 24 de 158
produccin es 30% y el Cp del proceso actual es 2.0 entonces el Cp del proceso
observado ser de 1.71

Variacin real de la parte
Variacin observada

Variacin de la CMM

El peor escenario sera si el calibre de la produccin no ha sido calificado pero es
utilizado. Si el GRR del sistema de medicin es actualmente 60% (pero ese hecho no es
conocido) entonces el Cp observado sera 1.28. La diferencia en el Cp observado de 1.96
contra 1.28 se debe al sistema de medicin diferente.

Variacin real del proceso
Variacin observada

Variacin del Gage
De produccin

Ajuste/control del Proceso (Experimento del cono)

La mayora de las operaciones de manufactura utilizan slo una parte al principio del da
para verificar que el proceso es adecuado. Si la parte medida est fuera del objetivo,
entonces se ajusta el proceso. Despus en algunos casos otra parte es medida y otra vez
el proceso debe ser ajustado. El Dr. Deming llam a este tipo de medicin y toma de
decisin como amaado (tampering).
Pgina 25 de 158
Considere una situacin donde el peso de la capa de un metal precioso en una parte est
siendo controlado a un objetivo de 5.00 gramos. Suponga que los resultados de la escala
utilizada para determinar el peso vara s0.20 gramos pero este es desconocido ya que
nunca se hizo el sistema de medicin. Las instrucciones de operacin requieren que el
operador verifique el peso y ajuste cada hora basado en una muestra. Si los resultados
van ms all del intervalo de 4.90 a 5.10 gramos entonces el operador debe ajustar el
proceso nuevamente.

Suponga, que al ajuste el proceso est operando a 4.95 gramos pero debido a un error de
medicin el operador observa 4.85 gramos. De acuerdo a las instrucciones, el operador
trata de ajustar el proceso incrementando 0.15 gramos. A hora el proceso est corriendo a
5.10 gramos para lograr el objetivo. Cuando el operador checa el ajuste, se observa 5.08
gramos por lo que se permite ajustar el proceso. Un sobre ajuste del proceso ha aadido
variacin y continuar as.

Este es un ejemplo del experimento amaado que el Dr. Deming utiliz para describir los
efectos de amaar.

Existen cuatro reglas del Experimento amaado:

Regla 1: No realizar ajustes o no tomar accin a menos que el proceso est inestable.
Regla 2: Ajustar el proceso en un monto igual y en una direccin opuesta a la cual el
proceso se encontraba cuando fue medido.
Regla 3. Reajustar el proceso al objetivo. Entonces ajuste el proceso en un monto igual y
en direccin opuesta desde el objetivo.
Regla 4: Ajustar el proceso al punto de la ltima medicin.

Pgina 26 de 158
Captulo I. Seccin C
Planeacin y estrategia de medicin

La planeacin es clave antes del diseo y compra del equipo o sistema de medicin. La
etapa de planeacin establecer el curso y tienen un efecto significativo en qu tan bien
opera un proceso de medicin y si puede reducir posibles problemas y error de medicin
en el futuro.

No todas las caractersticas del proceso y producto requieren sistemas de medicin.
Herramientas simples de medicin estndar como micrmetros o calibrador no requieran
esta planeacin y estrategia profunda. Otra gua podra ser el nivel de tolerancia asignado
a una dimensin especfica.

Complejidad

El tipo, complejidad y propsito de un sistema de medicin puede tener varios niveles de
administracin del programa, planeacin estratgica, anlisis del sistema de medicin u
otra consideracin especial para la seleccin de medicin, evaluacin y control. Las
herramientas simples de medicin y los dispositivos (como escalas, limite fijo, gages o
calibres por atributo, etc.) puede que no requieran el nivel de administracin planeacin o
anlisis que una sistema de medicin ms complejo o crtico demanda (ej. Patrn de
referencia, CMM, calibracin en lnea automatizada, etc.). Cualquier sistema de medicin
puede requerir ms o menos planeacin estratgica y escrutinio dependiendo de la
situacin del producto o proceso dado. La decisin como el nivel apropiado se dejar al
equipo APQP asignado al proceso de medicin y al cliente.

Identificacin del propsito del proceso de medicin

El primer paso es establecer el propsito para la medicin y como la medicin ser
utilizada. Un equipo multifuncional organizado a tiempo en el desarrollo del proceso de
medicin es crtico en el cumplimiento de esta tarea. Se hacen consideraciones
especficas en relacin a la auditora, control de procesos, desarrollo de producto y
proceso y anlisis del ciclo de vida de la medicin.
Pgina 27 de 158

Ciclo de vida de la Medicin

El concepto del ciclo de vida de la medicin explica la creencia de que los mtodos de
medicin pueden cambiar con el tiempo cuando uno aprende y mejora el proceso. Esto
conduce a un entendimiento de las caractersticas crticas del control del proceso que
afectan directamente las partes del proceso.

La dependencia en la informacin de las caractersticas de la parte es menor y el plan de
muestreo puede ser reducido de acuerdo a esta comprensin. Eventualmente, ser
encontrado que se requiere muy poco monitoreo de las partes siempre que se controle el
proceso o se mida y moniteree el mantenimiento y el herramental. La misma medicin, en
la misma caracterstica, en la misma rea del proceso, sobre un periodo de tiempo
extenso es evidencia de una falta de aprendizaje.

Criterio para la seleccin del diseo de un proceso de medicin

Antes de que un sistema de medicin pueda ser comprado, se desarrolla un proceso de
medicin detallado por parte de ingeniera. Un equipo multifuncional de personas
desarrollar un plan y concepto para el sistema de medicin requerido por el diseo.

El equipo necesita evaluar el diseo del subsistema o componente e identificar las
caractersticas importantes. Estas estn basadas en los requerimientos del cliente y la
funcionalidad del subsistema o componente hacia el sistema total. Si las dimensiones
importantes han sido identificadas, evaluar la habilidad para medir las caractersticas.

Un mtodo para capturar problemas en la medicn es el uso de un FMEA para analizar
reas de riesgo en diseo de calibres o gages, desde la habilidad para medir la parte,
hasta la funcionalidad del gage (DFMEA y PFMEA), esto ayudar en el desarrollo y
mantenimiento del plan de calibracin.

Desarrolle un diagrama de flujo que muestre los pasos crticos del proceso en la
manufactura o ensamble de la parte o subsistema. Identificar las entradas y salidas clave
para cada paso del proceso. Esto ayudar en el desarrollo del criterio del equipo de
Pgina 28 de 158
medicin y requerimientos afectados por la localizacin en el proceso. Un plan de
medicin, una lista de tipos de medicin, no vienen en esta investigacin.

Para sistemas de medicin complejas, se hace un diagrama de flujo del proceso de
medicin. A continuacin se utilizarn algunos mtodos de lluvia de ideas con el grupo
para desarrollar un criterio general para cada medicin requerida. Uno de los mtodos
simples a utilizar es el diagrama de causa-efecto.

Preguntas adicionales a considerar en relacin a la planeacin de la medicin

Qu estar involucrado en el anlisis de necesidades? el diagrama de flujo y
una discusin inicial facilitarn la identificacin de los individuos clave.
Por qu deber tomarse la medicin y cmo ser utilizada? Ser utilizada la
informacin para control, seleccin, calificacin, etc.? La manera en que se utilice
la medicin puede cambiar el nivel de sensibilidad del sistema de medicin.
Qu nivel de sensibilidad ser requerida?, Cul es la especificacin del
producto? Cul es la variabilidad esperada del proceso? Qu tanta diferencia
entre partes necesitar detectar el calibre?
Qu tipo de informacin se proporcionar con el calibre (ej. Manuales
operacin, mantenimiento, etc.) y qu habilidades bsicas se requieren para el
operador?, Cmo se realizar la capacitacin?
Cmo se toman las mediciones? Sern hechas manualmente, con la lnea
parada, automticamente, etc.?
Cmo sern calibradas las mediciones y sern comparadas con otros procesos
de medicin? Quin ser responsable por los patrones de medicin?
Cundo y dnde se tomarn las mediciones? Estarn las partes limpias,
aceitadas, calientes, etc.?

Investigar varios mtodos del proceso de medicin

Los mtodos actuales deberan ser investigados antes de invertir en equipo nuevo.
Mtodos de medicin probados pueden proporcionar ms operacin confiable.

Pgina 29 de 158
Desarrollo y diseo de conceptos y propuestas

Sern realizados estudios experimentales y actividades de recoleccin de datos durante y
despus de la fabricacin del equipo de medicin y desarrollo del proceso de medicin
(mtodos, entrenamiento, documentacin, etc.). Estos estudios y datos sern utilizados
para comprender que este proceso de medicin y los procesos futuros sean mejorados.

Pgina 30 de 158
Captulo I. Seccin D
Desarrollo de fuentes de medicin

Introduccin

Esta seccin atiende la estructura de tiempo de la cotizacin/surtimiento de la vida del
proceso de medicin. Respecto al proceso de desarrollo de un proceso de medicin que
incluye el paquete de cotizacin, obtencin de respuestas a ese paquete, reconocer el
proyecto, terminacin del diseo final, desarrollo del proceso de medicin, y finalmente el
casamiento del proceso de medicin al proceso de produccin para el cual fue creado.
Para obtener el mayor beneficio del proceso de medicin, estudiar y atender esto como un
proceso con insumos y produccin final.

Generalmente el proceso de adquisicin inicia con la comunicacin formal entre el
cliente y el proveedor para un proyecto dado. La comunicacin frente a frente es crucial
para el xito del proyecto. Como ya se mencion, el proceso de adquisicin inicia con la
presentacin formal de la intencin del proyecto en la forma de un requerimiento para
cotizacin (RFQ) seguido por la explicacin formal del proveedor de su propsito para
cumplir su intencin. Este entendimiento es derivado de una adecuada comunicacin
entre las dos partes.

Una vez que el concepto ha sido acordado y que la relacin cliente/proveedor ha sido
establecida para el proyecto en mano, los diseos a detalle, fabricacin del proceso de
medicin y las actividades de desarrollo pueden iniciar. Es importante mantener una
comunicacin y documentacin detallada entre cliente y proveedor y una responsabilidad
formal (e individual).

Coordinacin de datos

Con la permanencia actual en el uso de la dimensionalidad y tolerancia geomtrica
(GD&T) los datums necesitan ser coordinados a travs del proceso de manufactura y el
sistema de medicin y necesida ser establecido rpidamente en el proceso APQP
(Planeacin Avanzada de la Calidad del Producto). La responsabilidad inicial debera
Pgina 31 de 158
recaer en el ingeniero de diseo del producto, control dimensional, etc. dependiendo de la
Organizacin.

Hay veces en los que el esquema de datums utilizado en el ensamble final no es posible
que cuadre al usado en la manufactura del sub-componente. Por lo que debe ser
establecido de manera temprana en el proceso APQP, para que el equipo identifique el
conflicto y pueda hacer algo.

Prerrequisitos y supuestos

Antes de acudir a un proveedor de gages, se asume que se han resuelto los problemas
de diseo del producto (GD&T) y diseo del proceso (mediciones en el momento oprtuno
y localizacin en el proceso).

Se asume que el proveedor de gages o calibres estar involucrado con el proceso APQP,
un enfoque de equipo. El proveedor de gages desarrollar una apreciacin clara del
proceso de produccin completo y el uso del producto por lo que su rol es comprendido
no solo por l, sino por los dems miembros del equipo (manufactura, calidad, ingeniera,
etc.)

El equipo APQP sin muchas entradas de un proveedor de gages puede desarrollar ciertos
conceptos del calibre. Otros conceptos puede requerir la experiencia del proveedor del
gage o calibre.

Proceso de seleccin del proveedor de calibre
Desarrollo del paquete de cotizacin

Concepto detallado de ingeniera
Antes de que el proceso de requisicin del paquete de cotizacin pueda proporcionarse a
un proveedor potencial para propsitos formales, necesita ser desarrollado un concepto
detallado de ingeniera del proceso de medicin. El equipo de trabajo que emplear y ser
responsable del mantenimiento y mejora continua del proceso de medicin tiene
responsabilidad directa por el desarrollo del concepto detallado.

Pgina 32 de 158
El equipo puede investigar varios puntos para ayudar a decidir qu direccin o patrn
debe ser seguido para el diseo del proceso de medicin. Ejemplos de la multitud de
posibles puntos que necesitan ser atendidos por el equipo cuando el desarrollo de este
concepto detallado, puede ser encontrado en la lista de verificacin de elementos
sugeridos para el desarrollo de un sistema de Medicin al final de esta seccin

Consideraciones de mantenimiento preventivo

Qu actividades deberan ser programadas para mantenimiento preventivo (ej.
Lubricacin, anlisis de vibracin, reemplazo de partes, etc.) ? Muchas de estas
actividades dependern de la complejidad del sistema de medicin, dispositivo o aparato.

La planeacin de actividades de mantenimiento preventivo debera coincidir con la
iniciacin de la planeacin del proceso de medicin. Muchas actividades pueden
planearse antes de que el sistema de medicin est completamente construido,
desarrollado e implementado. Los mtodos de recoleccin de datos y recomendaciones
de mantenimiento relativas a estas actividades pueden ser obtenidos del fabricante
original, o desarrollado por ingeniera de planta, manufactura y personal de calidad.
Despus que el proceso de medicin es implementado y en uso, perteneciente a la
funcin del proceso de medicin necesita ser recolectado.

Eventualmente, se puede establecer una rutina de mantenimiento preventivo, acorde a lo
que dicta la estabilidad del sistema.

Especificaciones

Las especificaciones sirven como guas tanto para el cliente como el proveedor en el
diseo y construccin del proceso, adems de que sirven para comunicar estndares
aceptables los cuales pueden considerarse en dos categoras:
diseo de estndares,
construccin de estndares.

El formato del diseo de estndares puede ser diferente dependiendo en quin est
pagando el proyecto. Las cuestiones de costos pueden afectar el formato. Es una buena
Pgina 33 de 158
idea tener suficientes detalles documentados del diseo que el diseo puede ser reparado
o construido de acuerdo a la intencin original por cualquier constructor calificado. El
formato requerido del diseo final puede ser alguna forma de CAD o dibujos de ingeniera.

Los diseos estndar detallarn el mtodo de comunicacin del diseo (CAD- ej. CATIA,
unigrficos, IGES, etc.) al proveedor. Las tolerancias de diseo debern basarse en una
combinacin de las capacidades del proceso utilizado para fabricar el calibre o el
componente del calibre. El uso de componentes estandarizados o sub ensamblados
tambin ayudan a la Intercambiabilidad, flexibilidad, costos reducidos, y menos error de
medicin a largo plazo.

Evaluacin de cotizaciones

C C
O O
N T
C I
E Z
P A
T C
O I
O
N

APROBACIN

Una vez recibidas las cotizaciones, el equipo se rene para revisarlas y evaluarlas. Para
lo cual se pueden considerar las siguientes preguntas:

Los requerimientos bsicos se cumplen?
Hay algn asunto destacado a tratar?
Algn proveedor ofrece una condicin excepcional y por qu (Una condicin
excepcional puede ser una disparidad significativa con respecto al precio o entrega
Pgina 34 de 158
esto no necesariamente debe ser considerado como un factor negativo un
proveedor pudo haber descubierto un artculo que otros dejaron pasar?
Los conceptos contribuyen a la simplicidad y mantenabilidad?

Entregables de documentacin

La documentacin algunas veces no es observada cuando se adquiere un proceso de
medicin. El significado que la documentacin toma con cualquier proyecto exitoso es
muchas veces malinterpretado. La estrategia usual detrs de la documentacin es
proporcionar un juego original de diseos tanto mecnico como elctrico (CAD o dibujos)
para el hardware del proceso de medicin al tiempo de entrega. Esto puede satisfacer los
requerimientos iniciales de implementacin, pero esta documentacin no tiene nada que
ver con la definicin de puntos de uso potenciales, sugerir posibles reas problemticas o
describir como utilizar el proceso.

Un paquete completo de documentacin debe incluir:

- Un juego replicable de montaje y dibujos mecnicos detallados (CAD o hardcopy)
(incluyendo cualquier Patrn requerido).
- Juego de arneses elctricos, hardware y software.
- Lista de refacciones sugerida para partes de uso frecuente o con desgaste,
incluyendo los tiempos de entrega.
- Manuales de mantenimiento con cortes de dibujos industriales y pasos para
ensamblar apropiadamente y desensamblar componentes de mquina.
- Manuales que definan los requerimientos de servicios (agua, electricidad, gas)
para ajuste y operacin y requerimientos de transporte de mquina.
- rboles de diagnstico y una gua de localizacin de averas.
- Certificados de calibracin (con trazabilidad a NIST donde sea aplicable)
- Instrucciones de calibracin
- Manuales de usuario que puedan ser utilizados por el personal de soporte tcnico,
el operador del sistema y el personal de mantenimiento.

Pgina 35 de 158
El tema central aqu es la comunicacin, el equipo y otros deberan estar involucrados
en cada nivel del desarrollo del paquete de documentacin del proceso de medicin

Calificacin con el proveedor

El proveedor escogido debe tener un equipo de medicin capaz y personal en sitio
para realizar la prueba funcional previa antes de embarque. Si no deben hacerse
arreglos para tener este trabajo realizado en un laboratorio externo capacitado.

Despus de la evaluacin dimensional exitosa, el proveedor debera ejecutar un
anlisis formal preliminar del sistema de medicin. Esto nuevamente prerrequiere que
el proveedor tenga el personal, conocimiento y experiencia para cumplir el anlisis
apropiado. El cliente debe predeterminar con el proveedor exactamente que clase de
anlisis es requerido hasta este punto y debe estar consciente de cualquier gua que
el proveedor pudiera necesitar.

Algunos puntos que necesitan discusin, negociacin o un acuerdo comn son:

- Objetivo de el estudio preliminar MSA:
o Repetibilidad de calibre (GR
16
) contra la repetibilidad y reproducibilidad
(GRR)
o Evaluacin de sesgos y/o linealidad
o Evaluacin del propsito del cliente para la medicin.

- Cantidad de piezas, pruebas y operadores en el estudio
o Criterio de aceptacin

- Uso de personal del proveedor contra el personal proporcionado por el cliente

- Capacitacin necesaria para el personal
o Estn calificados?
o Entienden el propsito?
o Qu software deber ser utilizado?
Al final se requiere la experiencia y juicio del cliente para la aceptacin del equipo.
Pgina 36 de 158
Embarque

Lista de verificacin

- Cundo debera ser embarcado el equipo?
- Cmo debera ser embarcado?
- Quin mover el equipo del camin o tren?
- Es necesario un seguro?
- Debera ser embarcada la documentacin con el hardware?
- El cliente tiene el equipo apropiado para descargar el hardware?
- Dnde debe ser almacenado el sistema hasta su implementacin?
- Est completa la documentacin de embarque y entendible para el que enva,
transportista, descargador y el personal de instalacin

Calificacin con el cliente

Lo que fue realizado para calificar el sistema de medicin arriba mencionado al proveedor
antes del embarque debera ser repetido de alguna manera al cliente una vez que la
entrega sea completada. Los estndares de aceptacin y los mtodos de anlisis
utilizados aqu deberan ser considerados seriamente. La atencin al detalle sobre la parte
de todos los grupos.

Antes de que cualquier anlisis de medicin haya comenzado despus de la recepcin, el
sistema de medicin debera experimentar un trazado de dimensin completo para
confirmar si cumple los requerimientos de construccin/estndares. Cuando se comparan
los resultados del antes y despus del embarque encontrar algunas diferencias en estas
mediciones debido a diferencias en los sistemas de medicin.

Entrega de documentacin

La informacin que es requerida como mnimo, para ayudar a la implementacin y
arranque de cualquier sistema es el siguiente:

Pgina 37 de 158
- CAD o copia impresa, si es requerido por el equipo de trabajo
- Diagrama de flujo del proceso del sistema, cuando aplique
- Manuales de usuario
o Manual de servicio y mantenimiento
o Lista de partes disponibles
o Gua de localizacin de averas
- Instrucciones de calibracin
- Cualquier consideracin especial

La documentacin original o replicable no necesita ser entregada en este momento
debido a la revisin potencial que pueda ser necesaria despus de la implementacin. Es
bueno no haber entregado el paquete de la documentacin original hasta despus de que
el sistema completo sea implementado. los proveedores generalmente son ms
eficientes con la actualizacin de la documentacin que los clientes.

Pgina 38 de 158
Elementos sugeridos para el desarrollo de la lista de verificacin de un sistema de
medicin

Esta lista deber modificarse de acuerdo a la situacin y tipo de sistema de medicin. El
desarrollo de la lista de verificacin final debe ser el resultado de la colaboracin entre el
cliente y el proveedor.

Diseo del sistema de medicin y desarrollo de puntos:

- Qu necesita ser medido?
- Para qu propsito sern utilizados los resultados (produccin) del sistema de
medicin?
- Quin utilizar el proceso?
- Capacitacin requerida
- Han sido identificadas las fuentes de variacin?
- Se ha desarrollado un FMEA para el sistema de medicin?
- Flexibilidad versus dedicacin del sistema de medicin
- Contacto versus no contacto
- Medio ambiente
- Puntos de medicin y localizacin
- Mtodo de instalacin
- Orientacin de parte
- Preparacin de parte
- Localizacin de transductor
- Correlacin de punto #1. Duplicado de calibracin
- Correlacin de punto #2. Divergencia de mtodos
- Automatizado versus manual
- Destructivo versus no destructivo
- Alcance de medicin potencial
- Resolucin efectiva
- Sensibilidad

Pgina 39 de 158
Puntos de construccin del sistema de medicin (equipo, estndar, instrumento)

- Las fuentes de variacin identificadas en el diseo del sistema han sido
atendidas?
- Sistemas de calibracin y control
- Requerimientos de insumos
- Requerimientos de salida
- Costo
- Mantenimiento preventivo
- Serviciabilidad
- Ergonoma: habilidad para cargar y operar la mquina sin daos en el tiempo
- Consideraciones de seguridad
- Almacenaje y localizacin
- Tiempo del ciclo de medicin
- Existir alguna interrupcin al flujo del proceso, integridad del lote, para capturar
medir y regresar la parte?
- Manejo del material
- Aspectos ambientales:
- Existen algunos requerimientos o consideraciones de confiabilidad?
- Partes de refaccin
- Instrucciones para el usuario
- Documentacin
- Calibracin
- Almacenaje
- Dispositivos A prueba de error (Poka Yokes)

Puntos de implementacin del sistema de medicin (proceso)
- Apoyo
- Capacitacin
- Administracin de datos
- Personal
- Mtodos de mejora
- Estabilidad a largo plazo
- Consideraciones especiales
Pgina 40 de 158

CAPITULO I SECCIN E
Puntos de medicin

Tres puntos fundamentales deben ser considerados cuando se evala un sistema de
medicin:

1) El sistema de medicin debe demostrar sensibilidad adecuada
a. Primero, El instrumento (y estndar) tiene una discriminacin adecuada?
Discriminacin (o clase) es fijada por el diseo y sirve como el punto de
inicio para la seleccin de un sistema de medicin
b. Segundo, El sistema de medicin demuestra una resolucin efectiva?
Relativa a la discriminacin, determine si el sistema de medicin tiene la
sensibilidad para detectar cambios en variacin del producto o proceso.

2) El sistema de medicin debe ser estable
a. Bajo condiciones de repetibilidad, la variacin del sistema de medicin se
debe a causas comunes y no a causas especiales (caticas)
b. El anlisis de medicin debe considerar siempre el significado prctico y
estadstico.

Como los procesos cambian y mejoran, un sistema de medicin debe ser reevaluado para
su propsito proyectado.

Tipos de variacin del sistema de medicin

Es asumido que las mediciones son exactas, y frecuentemente el anlisis y conclusiones
estn basados en estas aseveraciones. El error en un sistema de medicin puede ser
clasificado dentro de cinco categoras: sesgos, repetibilidad, reproductividad, estabilidad y
linealidad.

Uno de los objetivos del estudio del sistema de medicin es obtener informacin relativa al
monto y tipos de variaciones de medicin asociados con el sistema de medicin cuando
Pgina 41 de 158
este interacta con su medio ambiente. Es mucho ms prctico reconocer la repetibilidad
y sesgos de calibracin as como establecer lmites razonables para estas que
proporcionar indicadores exactos con muy alta repetibilidad.

Esto proporciona un:
criterio para aceptar un nuevo equipo de medicin,
la comparacin de un dispositivo de medicin contra otro,
un sesgo para evaluar un gage sospechoso de ser deficiente,
una comparacin de equipo de medicin antes y despus de ser reparado,
un componente requerido para calcular la variacin del proceso, y el nivel de
aceptabilidad de un proceso de produccin
informacin necesaria para desarrollar una curva de desempeo del gage (GPC),
que indica la probabilidad de aceptar una parte de algn valor verdadero.

Las siguientes definiciones describen los tipos de error o variacin asociados con un
sistema de medicin.

Definiciones y fuentes potenciales de variacin

Definicin operacional

Una definicin operacional es una con la cual las personas pueden hacer negocio. Una
definicin operacional de seguridad, redondeo, confiable, o cualquier otra caracterstica de
calidad debe ser comunicable, con el mismo significado tanto para el vendedor como para
el comprador. Ejemplo:

1. Prueba especfica de una pieza de material o ensamble
2. Criterio de juicio
3. Decisin: si o no, el objeto o el material cumple o no con el criterio.

Estndar
Un estndar es la base para una comparacin definida en consenso, un muestra
aceptado. Puede ser un artefacto o conjunto ensemble (instrumentos, procedimientos,
Pgina 42 de 158
etc.) establecido por una autoridad como regla para la medicin de cantidad, peso, valor o
calidad.

Estndares de referencia

Un estndar, generalmente de la ms alta calidad metrolgica disponible en una
localizacin dada, de la cual son derivadas las mediciones hechas en esa localizacin.

Equipo de medicin y prueba (M&TE)

Todos los instrumentos de medicin, estndares de medicin, materiales de referencia, y
aparatos auxiliares que son necesarios para desempear una medicin.

Estndar de calibracin

Un estndar que sirve como referencia en el desarrollo de las calibraciones de rutina.

Estndar de transferencia

Un estndar utilizado para comparar un estndar separado de un valor conocido a la
unidad que est siendo calibrada.

Patrn

Un estndar que es utilizado como una referencia en el proceso de calibracin.

Estndar de trabajo

Un estndar cuyo uso intencionado es realizar mediciones de rutina dentro del laboratorio,
no proyectado como un estndar de calibracin sino ms bien utilizado como un estndar
de transferencia.

Pgina 43 de 158

Figura 3. Relacin entre varios estndares

Verificacin de estndar

Un artefacto de medicin que de manera cercana simula lo qu el proceso esta diseado
para medir, pero inherentemente ms estable que el proceso de medicin que est siendo
evaluado.

Valor de referencia

Un valor de referencia, conocido tambin como un valor de referencia aceptado o valor
Patrn, es el valor de un artefacto o conjunto que sirve de acuerdo como referencia para
comparacin. Los valores de referencia aceptados estn basados en lo siguiente:

- Determinadas por el promedio de varias mediciones con un equipo de alto nivel de
medicin (v. gr., laboratorio de metrologa, o equipo de layaout)
Equi
po
de
Medi
cin
y
prue
ba
Estndar de referencia
Estndar de calibracin
Estndar de trabajo
Patrn
Patrn
Verificacin de
estndar
Pgina 44 de 158
- Valores legales: definidos y mandados por ley
- Valores tericos: basados en principios cientficos.
- Valores asignados: basados en trabajo experimental de alguna organizacin
nacional o internacional (soportados por la teora adecuada)
- Valores de Consenso: basados en el trabajo experimental colaborativo bajo el
auspicio de un grupo de cientficos o ingenieros, definido por un consenso de
usuarios tales como organizaciones profesionales y de negocios.
- Valores acordados: valores expresamente acordados por las partes afectadas

En todos los casos, el valor de referencia necesita estar basado en una definicin
operacional y los resultados de un sistema de medicin aceptable. Para alcanzar esto, el
sistema de medicin utilizado para determinar el valor de referencia puede incluir:

- Instrumentos con un mayor orden de discriminacin y un menor error del sistema
de medicin que el sistema utilizado para una evaluacin normal.
- Estar calibrados con estndares rastreables al NIST u otro NMI

Valor verdadero

El valor verdadero es la medida real de la parte. Aunque este valor es desconocido, es
el objetivo del proceso de medicin. Desafortunadamente el valor verdadero nunca puede
ser conocido con certeza. El valor de referencia es utilizado como la mejor aproximacin
del valor verdadero en todos los anlisis.

Discriminacin

La discriminacin es la cantidad de cambio de un valor de referencia que un instrumento
puede detectar e indicar. Esto tambin es referido como resolucin o legibilidad. La
medida de esta habilidad es el valor de la graduacin ms pequea de la escala del
instrumento. La regla 10 a 1 se interpreta como que el equipo de medicin tiene la
capacidad para discriminar al menos un dcimo de la variacin del proceso. Esto es
consistente con la filosofa de mejoramiento continuo.

Pgina 45 de 158
Debido a las limitaciones fsicas y econmicas, el sistema de medicin no nota todas las
partes de la distribucin de un proceso teniendo caractersticas separadas o de diferente
medida. En lugar de eso la caracterstica medida ser agrupada por los valores medidos
dentro de categoras de datos. Todas las partes de la misma categora de datos tendrn
el mismo valor para las caractersticas medidas.

Regla

Intervalo medio

Si al sistema de medicin no tiene discriminacin (sensibilidad de una resolucin efectiva),
puede no ser un sistema apropiado para identificar la variacin del proceso o cuantificar
los valores de una caracterstica individual de la parte. En este caso se deben utilizar
mejores tcnicas de medicin.

La discriminacin es inaceptable para anlisis si este no puede detectar la variacin del
proceso, e inaceptable para el control si no puede detectar la variacin de causas
especiales.

Nmero de categoras Control Anlisis

Puede ser utilizado para control
solo si:
- La variacin del proceso
es pequea al
compararla a las
especificaciones
- La funcin de prdida es
plana sobre la variacin
del proceso esperado
- La fuente principal de
variacin causa un
cambio promedio
- Inaceptable para la
estimacin de
parmetros del
proceso e ndices
- Slo indica si el
proceso est
produciendo partes
conformes o no
conformes

- Puede ser utilizado con
tcnicas de control
semi-variables basadas
en la distribucin del
proceso
- Puede producir cartas
de control por variables
insensibles
- generalmente no aceptable
para estimacin de
parmetros de proceso e
ndices ya que slo
proporciona estimados
gruesos
2 - 4 categoras de datos
1 categora de datos
Pgina 46 de 158

- Puede ser utilizado con
cartas de control por
variables

Recomendado

Figura 3. Impacto del nmero de categoras distintas (ndc) de la distribucin del proceso en actividades de
control y anlisis

Los sntomas de discriminacin inadecuada pueden aparecer en la carta de rangos.
Las siguientes grficas contienen dos juegos de cartas de control derivadas de los
mismos datos. La carta de control (a) muestra la medicin original a la milsima de
pulgada ms cercana. La carta de control (b) muestra estos datos redondeados a la
centsima de pulgada ms cercana. La Carta de control (b) parece estar fuera de control
debido a los lmites artificiales de control estrechos.

La mejor indicacin de discriminacin se puede observar en el la carta de rangos para la
variacin del proceso. Cuando la amplitud de la carta muestra slo uno, dos o tres
posibles valores para el rango dentro de los lmites de control, las mediciones estn
siendo hechas con una discriminacin inadecuada. Si la carta de rangos muestra cuatro
posibles valores para el rango dentro de los lmites de control y ms de un cuarto de los
rangos son cero, entonces las mediciones estn siendo hechas con una discriminacin
inadecuada. En la figura 6, en la carta de rangos hay solo dos valores posibles para el
rango dentro de los lmites de control (0.00 y 0.01). Por tanto, la regla identifica de manera
correcta que la falta de control se debe a una discriminacin inadecuada (sensibilidad o
resolucin efectiva).

Este problema puede ser remediado, cambiando la habilidad para detectar la variacin
dentro de subgrupos incrementando la discriminacin de las mediciones. Un sistema de
medicin tendr una discriminacin adecuada si su resolucin aparente es relativamente
pequea con respecto a la variacin del proceso. As una recomendacin para una
discriminacin adecuada para la resolucin aparente sera a lo mucho una dcima del
total de seis veces la desviacin estndar del proceso, en lugar de la regla tradicional en
donde la resolucin aparente debe ser al menos un dcimo del rango de tolerancia.

5 o ms categoras de datos
Pgina 47 de 158

Poner la figura 6: Cartas de control de proceso (pg. 47 de copias)

Pgina 48 de 158
Variacin del proceso de medicin

Para la mayora de los procesos de medicin, la variacin total de medicin est descrita
como una distribucin normal. La probabilidad normal es una suposicin de los mtodos
estndar del anlisis del sistema de medicin. Cuando los sistemas de medicin no estn
distribuidos normalmente, el anlisis de medicin debe reconocer y corregir las
evaluaciones para los sistemas de medicin no normales.

Figura. 7 Caractersticas de variacin del proceso de medicin

Variacin de localizacin

Exactitud

Un concepto genrico de exactitud se relaciona con la cercana de acuerdo entre el
promedio de uno o ms resultados medidos y un valor de referencia. El proceso de
medicin debe estar en un estado de control estadstico, de otra forma la precisin del
proceso no tiene significado.

La ISO (Organizacin Internacional para la Estandarizacin y ASTM (Asociacin
Americana para Prueba y Materiales) utiliza el trmino de precisin para abarcar tanto el
sesgo como la repetibilidad. La ASTM recomienda que el trmino de sesgo sea utilizado
como un descriptor del error de localizacin.

Localizacin
Amplitud
Pgina 49 de 158
Sesgo

El sesgo es la diferencia entre el valor verdadero (valor de referencia) y el promedio de
mediciones observadas en la misma caracterstica en la misma parte. El sesgo es la
medida del error sistemtico del sistema de medicin. Es la contribucin al error total
comprendido de los efectos combinados de todas las fuentes de variacin, conocidas o
desconocidas, cuyas contribuciones al error total tiende a compensar consistentemente y
de manera predecible todos los resultados de las aplicaciones repetidas del mismo
proceso de medicin en el tiempo de las mediciones.

Promedio de
mediciones

Causas posibles del sesgo excesivo:

- El instrumento necesita calibracin
- Instrumento, equipo o dispositivo desgastado
- Patrn desgastado o daado, error en Patrn
- Calibracin inapropiada o uso de colocacin del Patrn
- Baja calidad del instrumento diseo o conformidad
- Error de linealidad
- Diferente medida para la aplicacin
- Diferente mtodo de medicin
- Medicin de la caracterstica incorrecta
- Distorsin (medida o parte)
- Medio ambiente
- Violacin de un supuesto, error en una constante aplicada
- Aplicacin tamao de parte, posicin, habilidad del operador

Valor
Verdadero
Sesgo
De referencia
Pgina 50 de 158

El procedimiento de medicin empleado en el proceso de calibracin debe ser tan idntico
como sea posible al procedimiento de medicin de la operacin normal.

Estabilidad

Estabilidad (o desplazamiento) es la variacin total en las mediciones obtenidas con un
sistema de medicin sobre el mismo Patrn o partes cuando se mide una caracterstica
individual sobre un periodo de tiempo prolongado.

Estabilidad

Valor de referencia

Causas posibles para la inestabilidad:

- El instrumento necesita calibracin, reduce el intervalo de calibracin
- Instrumento, equipo o dispositivo daado
- Mantenimiento pobre
- Diferente mtodo de medicin
- Distorsin (medida o parte)
- Arrastre por el medio ambiente
- Violacin de un supuesto, error en una constante aplicada
- Aplicacin tamao de parte, posicin, habilidad del operador

Pgina 51 de 158
Linealidad

La diferencia de sesgo a travs del rango (medicin) de operacin esperada del equipo
es llamada linealidad. La linealidad puede ser pensada como un cambio de sesgo con
respecto al tamao.

Note que una linealidad inaceptable puede venir en una variedad de sabores. No asumir
un sesgo constante.

O
b
s
e
r
v
a
d
o

-

r
e
f
e
r
e
n
c
i
a

Linealidad sesgo no constante
Valores de referencia
Sesgo constante
Sesgo
positiva
Sesgo
cero
Sesgo
negativa
O
b
s
e
r
v
a
d
o

Linealidad sesgo no constante
Valores de referencia

Valor 1
Sesgo
Valor N
Sesgo
L
n
e
a

d
e

s
e
s
g
o

c
e
r
o

Pgina 52 de 158
Posibles causas para error de linealidad:

- El instrumento necesita calibracin, reducir el intervalo de calibracin
- Instrumento, equipo o dispositivo daado
- Mantenimiento deficiente
- Equipo inadecuado para la aplicacin
- Falta de robustes en el diseo del instrumento o mtodo
- Mtodo de medicin diferente
- Cambios de distorsin con el tamao de la parte (o gage)
- Medio ambiente
- Violacin de un supuesto
- Aplicacin tamao de parte, posicin habilidad del operador, fatiga, error de
observacin.

Ancho de la variacin

Precisin

La precisin describe el efecto neto de discriminacin, sensibilidad y repetibilidad sobre el
rango de operacin (tamao, rango y tiempo) del sistema de medicin. La precisin se
utiliza comnmente para describir la variacin esperada de mediciones repetidas sobre el
rango de medicin, ese rango puede ser tamao o tiempo (v. gr., un dispositivo es tan
preciso en su rango bajo como en su rango de medicin alto; o tan preciso hoy como
ayer). El ASTM define precisin en un sentido amplio para incluir la variacin desde
diferentes lecturas, medidas, gente, laboratorios o condiciones.

Repetibilidad

La repetibilidad se relaciona con la variabilidad dentro de los evaluadores (within
appraiser). Es la variacin en mediciones obtenidas con un instrumento de medicin
Pgina 53 de 158
mientras se mide la caracterstica idntica en la misma parte. Esta es la variacin
inherente o capacidad del equipo por si mismo (Equipment Variation). La repetibilidad es
variacin de causas comunes (Error al azar) de pruebas sucesivas bajo condiciones
definidas de medicin. El mejor trmino para la repetibilidad es la variacin dentro del
sistema (Within) cuando las condiciones de medicin son fijas y definidas parte fija,
instrumento, estndar, mtodo, operador, medio ambiente. La repetibilidad tambin
incluye toda la variabilidad dentro del sistema de cualquier otra condicin en el muestra de
error.

Causas posibles para una pobre repetibilidad:

- Dentro (within) de parte (muestra): forma, posicin, superficie, terminado,
consistencia de muestra
- Dentro de instrumento: reparacin, uso, falla de equipo o dispositivo, pobre
callidad o mantenimiento
- Dentro de estndar: calidad, clase, desgaste
- Dentro de mtodo: variacin en ajuste, tcnica, ajuste a cero, sujecin, punto de
densidad
- Dentro de evaluador: tcnica, posicin, falta de experiencia, habilidad de
manipulacin o capacitacin, sentimiento, fatiga
- Dentro del ambiente: ciclo corto, fluctuaciones en temperatura, humedad,
vibracin, iluminacin, limpieza
- Violacin de un supuesto estable, operacin apropiada
- Diseo de instrumento o falta de fortaleza en mtodo, pobre uniformidad
- Gage inadecuado para la aplicacin
- Distorsin, ausencia de rigidez
- Aplicacin tamao de parte, posicin, observacin de error

Reproducibilidad

La reproducibilidad se relaciona con la variabilidad entre evaluadores (between
appraisers). Es definida como la variacin en el promedio de mediciones hechas por
varios evaluadores utilizando el mismo instrumento de medicin cuando se mide la
caracterstica idntica en la misma parte. Es verdadero para instrumentos manuales
Pgina 54 de 158
influenciados por la habilidad del operador. No es verdadero para procesos de medicin
(sistemas automatizados) donde el operador no es la mayor fuente de variacin. Por esta
razn, la reproducibilidad es referida como el promedio de variacin entre sistemas o
entre condiciones de medicin.

La definicin del ASTM va ms all de esto para incluir no slo diferentes evaluadores
sino tambin diferentes: gages, laboratorios y medio ambiente (temperatura, humedad)
as como incluir repetibilidad en el clculo de la reproducibilidad.

Fuentes potenciales de error en reproducibilidad:

- Entre (between) partes (muestras): diferencia de promedio cuando se miden tipos
de partes A, B, C, etc. utilizando el mismo instrumento, operadores y mtodo.
- Entre instrumentos: diferencia de promedio utilizando instrumentos A, B, C, etc.
para las mismas partes, operadores y medio ambiente.
- Entre estndares: influencia promedio de diferentes estndares establecidos en el
proceso de medicin
- Entre mtodos: diferencia de promedio causada por cambios en punto de
densidades, sistema manual versus automatizado
- Entre evaluadores (operadores): diferencia de promedio entre evaluadores A, B, C,
etc. causado por la capacitacin, tcnica, habilidad y experiencia.
- Entre medio ambiente: diferencia de promedio en mediciones sobre tiempo 1, 2, 3,
etc. causado por los ciclos ambientales, este es el estudio ms comn para
sistemas altamente automatizados en restricciones de producto y proceso
- Violacin de un supuesto en el estudio
- Diseo de instrumento o falta de fortaleza en mtodo
Reproducibilidad
A C B Evaluador
Pgina 55 de 158
- Efectividad de capacitacin del operador
- Aplicacin tamao de parte, posicin, error de observacin (lectura)

La ASTM se enfoca a estudiar las diferencias entre laboratorios, incluyendo las
diferencias entre sus operadores locales, gages y medio ambiente as como la
repetibilidad dentro del laboratorio.

R&R o GRR del calibre, escantilln o gage

Es un estimado de variacin combinada de repetibilidad y reproducibilidad. Dicho de otra
forma, GRR es la varianza igual a la suma de las varianzas dentro del sistema y entre
sistema.

2 2 2
dad repetitivi ilidad reproducib GRR
o o o + =

Sensibilidad

Es la entrada ms pequea que resulta en una seal de salida detectable (utilizable). Es
la respuesta del sistema de medicin a cambios en la caracterstica medida. La
sensibilidad est determinada por el diseo del calibre o gage (discriminacin) calidad
inherente (OEM), mantenimiento en servicio, y condicin de operacin del instrumento y
estndar. Reportado siempre como unidad de medida.

Valor de referencia
A C B
GRR
Pgina 56 de 158
Factores que afectan la sensibilidad:

- Habilidad para amortiguar un instrumento
- Habilidad del operador
- Repetibilidad del dispositivo de medicin
- Habilidad para proporcionar una operacin sin corrimientos en el caso de calibres
electrnicos o neumticos
- Condiciones bajo las cuales el instrumento est siendo usado tales como aire del
ambiente, suciedad, humedad.

Consistencia

Es la diferencia en la variacin de las mediciones tomadas durante el tiempo. Puede ser
vista como repetibilidad en el tiempo.

Factores que impactan la consistencia y son causas especiales de variacin:
- temperatura de partes
- Calentamiento requerido para equipo electrnico
- Equipo desgastado

Uniformidad

Es la diferencia en la variacin a travs del rango de operacin del calibre. Considerado a
ser la homogeneidad de la repetibilidad sobre el tamao.

Factores que impactan la uniformidad:

- El dispositivo permite posicionar de manera diferente los distintos tamaos
pequeos/grandes
- Pobre lectura en la escala
- Paralaje en lectura

Pgina 57 de 158
Variacin en el sistema de medicin

Capacidad
Es un estimado de la variacin combinada de errores de medicin con base en una
evaluacin a corto plazo. La capacidad simple incluye los componentes de (ver captulo III
para los mtodos especficos utilizados para cuantificar los componentes):

- Sesgo o linealidad sin corregir
- Repetibilidad y reproducibilidad (GRR), incluyendo consistencia a corto plazo

Un estimado de la capacidad de medicin es una expresin del error esperado para
condiciones definidas, rango y mbito del sistema de medicin (defiere de la
incertidumbre, que una expresin del rango esperado de error o valores asociados con el
resultado de una medicin). La expresin de la capacidad de variacin combinada
(varianza) cuando los errores de medicin no son correlacionados pueden ser
cuantificados como:

2 2
) (
2
GRR linealidad tendencia capacidad
o o o + =

Hay dos puntos esenciales que entender y aplicar correctamente la capacidad de
medicin:

Primero, un estimado de capacidad esta asociado siempre con un mbito de medicin
condiciones, rango y tiempo. El mbito para un estimado de la capacidad de medicin
podra ser muy especfico o una declaracin general de operacin, sobre una porcin
limitada o un rango completo de medicin. El corto plazo puede significar: la capacidad
sobre series de ciclos de medicin, el tiempo para completar la evaluacin del GRR, un
periodo especificado de produccin, o tiempo representado por la frecuencia de
calibracin. Una declaracin de la capacidad de medicin necesita ser slo tan completo
como razonablemente replique las condiciones y rango de medicin. Un plan de control
documentado sirve para este propsito.

Segundo, la consistencia y uniformidad (repetibilidad de errores) a corto plazo sobre el
rango de medicin estn incluidas en el estimado de la capacidad. Un mayor rango o un
Pgina 58 de 158
sistema de medicin ms complejo pudiera demostrar los errores de medicin de
linealidad, uniformidad, y consistencia corto plazo sobre el rango o tamao. Debido a que
estos errores estn correlacionados no pueden correlacionarse utilizando la frmula lineal
arriba mencionada. Cuando la linealidad, uniformidad o consistencia (no correlacionadas)
varan significativamente sobre el rango, el analista tienen dos opciones:

1) reportar la mxima capacidad (peor caso) para todas las condiciones definidas,
alcance y rango del sistema de medicin, o
2) Determinar y reportar mltiples evaluaciones de capacidad para porciones
definidas del rango de medicin (v. gr., rango bajo, medio y alto).

Desempeo

Es el efecto neto de todas las fuentes significativas y determinantes de variacin sobre el
tiempo. El desempeo cuantifica la evaluacin a largo plazo de errores de medicin
combinados. El desempeo incluye los componentes de error a largo plazo:

- Capacidad (errores a corto plazo)
- Estabilidad y consistencia

El estimado del desempeo de la medicin es una expresin del error esperado para
condiciones definidas, alcance y rango del sistema de medicin (defiere de la
incertidumbre, que una expresin del rango esperado de error o valores asociados con el
resultado de una medicin). La expresin de desempeo de la variacin combinada
(varianza) cuando los errores de medicin no son correlacionados (aletorios e
independientes) pueden cuantificarse como:

2 2 2 2
ia consistenc d estabilida capacidad desempeo
o o o o + + =

El desempeo a largo plazo siempre es asociado con un alcance definido de medicin
condiciones, rango y tiempo. El mbito para un estimado de desempeo de medicin
podra ser muy especfico o una declaracin general de operacin sobre una porcin
limitada o un rango completo de medicin. El largo plazo puede significar, el promedio de
varias evaluaciones de capacidad en el tiempo, el error promedio a largo plazo de una
Pgina 59 de 158
carta de control de mediciones, una evaluacin de los rangos de calibracin o estudios
mltiples de linealidad, o un promedio de error de varios estudios GRR sobre la vida y
rango del sistema de medicin. La definicin del desempeo de la medicin solo es
completa en la medida en razonablemente represente la condiciones y rango de las
mediciones.

La consistencia y uniformidad (errores de repetibilidad) a largo plazo sobre el rango de
medicin son incluidas en un estimado de desempeo. El analista de medicin debe estar
consciente de la correlacin potencial de errores, para no sobrestimar el estimado del
desempeo. Cuando la linealidad, uniformidad o consistencia a largo plazo vara
significativamente sobre el rango, el analista tienen slo dos opciones prcticas.

1) reportar el desempeo mximo (peor caso) para todas las condiciones definidas,
alcanceo y rango del sistema de medicin, o
2) determinar y reportar mltiples evaluaciones de desempeo para una porcin
definida del rango de medicin

Incertidumbre

Es un parmetro, asociado con el resultado de una medicin que caracteriza la dispersin
de los valores que razonablemente pueden ser atribuidos al mesurando.

Pgina 60 de 158
Captulo I Seccin F
Incertidumbre en la medicin

General

Incertidumbre de la medicin es un trmino que es utilizado internacionalmente para
describir la calidad de un valor de medicin, los estndares del sistema de calidad tales
como el QS-9000 o ISO/IEC TS16949 requieren que, la incertidumbre en la medicin
debe ser conocida y consistente con la capacidad de medicin requerida de cualquier
inspeccin, medicin o equipo de prueba.

La incertidumbre es el rango asignado al resultado de la medicin que describe, dentro de
un nivel de confianza definido, el rango esperado que contenga el resultado de medicin
verdadero. La incertidumbre de la medicin es normalmente reportada como una cantidad
bilateral. La incertidumbre es una expresin cuantificable de la confiabilidad de la
medicin. Una expresin simple de este concepto es:

Medicin verdadera = medicin observada (resultado) s U

U es el trmino para incertidumbre ampliada del resultado de la medicin. La
incertidumbre ampliada es el error combinado estndar (u
c
) o desviacin estndar de los
errores combinados (al azar y sistemtico), en el proceso de medicin multiplicado por un
factor de proteccin (k) que representa el rea de la curva normal para un nivel de
confianza deseado. Una distribucin normal es aplicada como principio de suposicin
para los sistemas de medicin. La gua para la incertidumbre en la medicin del ISO/IEC
establece el factor de proteccin suficiente para reportar la incertidumbre al 95% de la
distribucin normal. Esto es interpretado como k = 2.

C
ku U =

El error combinado estndar (u
c
) incluye todos los componentes significantes de variacin
en el proceso de medicin. En la mayora de los casos el anlisis de los sistemas de
Pgina 61 de 158
medicin realizado de acuerdo con este manual puede ser utilizado como una
herramienta para cuantificar muchas de las fuentes de incertidumbre en la medicin. El
componente del error ms significativo puede ser cuantificado por
2
desempeo
o . Se pueden
aplicar otras fuentes de error significativas con base en la aplicacin de las mediciones.
Una declaracin de incertidumbre debe incluir un alcance adecuado que identifique todos
los errores significativos y permita que la medicin sea replicada. La expresin puede ser
cuantificada como:

2 2 2
otro desempeo c
u o o + =

Es importante recordar que la incertidumbre de la medicin es un estimado de qu tanto
una medicin puede variar al momento de la medicin. Debe considerar todas las fuentes
significativas de variacin de medicin en el proceso de medicin adems de errores
significativos de calibracin, estndares Patrn, mtodo, medio ambiente y otros no
considerados previamente en el proceso de medicin. Este estimado utilizar los mtodos
de MSA y GRR para cuantificar aquellos errores estndar significativos. Se recomienda
reevaluar peridicamente la incertidumbre relacionada con el proceso de medicin para
asegurar la continua exactitud del estimado.

Incertidumbre de la medicin y MSA

La mayor diferencia entre incertidumbre y el MSA es que el MSA se enfoca en la
comprensin del proceso de medicin, determinando la cantidad de error en el proceso, y
evaluando la adecuacin del sistema de medicin para el control del producto y del
proceso. El MSA promueve la comprensin y mejora (reduccin de variacin). La
incertidumbre es el rango de valores de medicin, definido por un intervalo de confianza,
asociado con un resultado de medicin y esperando que incluya el valor verdadero de
medicin.

Trazabilidad de Medicin

La trazabilidad es la caracterstica de medicin o el valor de un estndar por medio del
cual este puede ser relacionado a referencias establecidas, usualmente estndares
Pgina 62 de 158
nacionales o internacionales, mediante una cadena intacta de comparaciones teniendo
todas establecidas la incertidumbre. Al incluir tanto el trmino de las fuentes de variacin
de la medicin a corto y largo plazo que son presentados por el sistema de medicin y la
cadena de trazabilidad, la incertidumbre de medicin del sistema de medicin puede ser
evaluada asegurando que todos los efectos de trazabilidad son tomados en cuenta.

Gua ISO para la expresin de incertidumbre en la medicin

La gua a la expresin de incertidumbre en la medicin (GUM) es una gua para saber
cmo la incertidumbre de una medicin debera ser evaluada y expresada. Mientras esto
proporciona al usuario un entendimiento de la teora y lineamientos de cmo la
incertidumbre de las fuentes de medicin pueden ser clasificadas y combinadas, esto
debera ser considerado en el documento de referencia de alto nivel, no un manual como
hacer. Proporciona una gua para la independencia estadstica de las fuentes de
variacin, anlisis de sensibilidad, grado de libertad, etc., que son crticos cuando se
evalan sistemas de medicin multi parmetros ms complejos.

Pgina 63 de 158
Captulo I Seccin G
Anlisis del problema de medicin

Introduccin

Una comprensin de la variacin de la medicin y su contribucin a la variacin total es un
paso fundamental en la solucin de problemas. Cuando la variacin en el sistema de
medicin excede todas las otras variables, ser necesario analizar y resolver aquellas
cuestiones antes de trabajar en el resto del sistema. En algunos casos la contribucin de
la variacin del sistema de medicin es ignorado. Esto puede causar perdida de tiempo y
recursos, si el enfoque es el proceso de manufactura, cuando la variacin es del sistema
de medicin.

Si el sistema de medicin fue desarrollado utilizando los mtodos de este manual, la
mayora de los pasos iniciales existirn.

Paso 1 Identificar los aspectos de preocupacin en la medicin

Es importante definir el problema o preocupaciones. En el caso de preocupaciones de
medicin, pueden tomar la forma de exactitud, variacin, estabilidad, etc. Lo importante a
hacer es tratar de aislar la variacin de la medicin y su contribucin, de la variacin del
proceso (la decisin podra ser trabajar en el proceso ms que trabajar en el dispositivo
de medicin). La exposicin de los aspectos de preocupacin necesita tener una
definicin operacional adecuada que cualquiera pueda entender y sea capaz de actuar en
el punto.

Paso 2 Identificar el equipo

El equipo de solucin de problemas, depender de la complejidad del sistema de
medicin y el problema. Un sistema de medicin simple slo requerir unas cuantas
personas pero si se vuelve ms complejo la cantidad aumentar (el tamao mximo del
equipo deber limitarse a 10 miembros). Los miembros el equipo y la funcin que
representen deben ser identificados en la hoja de solucin de problemas.
Pgina 64 de 158

Paso 3 Diagrama de flujo del sistema y del proceso de medicin

El equipo revisar cualquier diagrama de flujo histrico del sistema de medicin y del
proceso. Tambin puede provocar una discusin sobre informacin conocida y
desconocida sobre la medicin y su interrelacin con el proceso. El proceso del diagrama
de flujo puede identificar miembros adicionales para agregarse al equipo.

Paso 4 Diagrama Causa Efecto

El equipo debe revisar cualquier diagrama histrico de causa- efecto del sistema de
medicin. Esto puede resultar en la solucin final o en una solucin parcial. Deben tener
un conocimiento en ese punto para identificar inicialmente aquellas variables con la mayor
contribucin a ese punto.

Paso 5 Planear-Hacer-Estudiar-Actuar (PDSA)

Esto es una forma de estudio cientfico. Se planean experimentos, se recolectan datos, es
establecida la estabilidad, se realizan hiptesis y se prueban hasta que se encuentra una
solucin apropiada.

Paso 6 Posible solucin y prueba de la correccin

Los pasos y la solucin son documentados para rango de la decisin. Se ejecuta un
estudio preliminar para validar la solucin. Puede ser hecho utilizando alguna forma de
diseo de experimento para validar la solucin. Tambin pueden realizarse estudios
adicionales sobre el tiempo incluyendo variacin en materiales y ambiente.

Paso 7 Institucionalizar el cambio

La solucin final es documentada en el reporte, entonces el departamento y funciones
apropiadas cambian el proceso para que no se repita el problema en el futuro. Esto tal vez
requiera cambios en procedimientos, estndares, y materiales de capacitacin. Este es
uno de los pasos ms importantes en el proceso.
Pgina 65 de 158
CAPTULO II
Conceptos generales para la
evaluacin de los sistemas de
medicin

Captulo II seccin A

Antecedentes

Introduccin

Deben evaluarse dos reas importantes:

a) Verificar que se mida la variable correcta en la localidad apropiada de la
caracterstica. Verificar instalacin y sujecin si aplica. Identificar tambin puntos
crticos ambientales que son interdependientes con la medicin. Si se mide la
variable errnea, no importa que tan exacto o preciso es el sistema de medicin,
simplemente se consumirn recursos sin obtencin de beneficios.
b) Determinar que propiedades estadsticas necesita tener el sistema de medicin
para ser aceptable. Es importante saber cmo son utilizados los datos, porque sin
ese conocimiento, las propiedades estadsticas apropiadas no pueden ser
determinadas. Despus de que estas propiedades han sido determinadas, el
sistema de medicin debe ser evaluado para ver si realmente posee estas
propiedades o no.

Fase 1 y 2 Entender el proceso de medicin y si este satisface los requerimientos

Fase 1. La prueba es una evaluacin para verificar que se mida la variable correcta en la
localizacin apropiada de la caracterstica por especificacin de diseo del sistema de
medicin. Tambin si existen algunos puntos crticos de medio ambiente que son
interdependientes con la medicin. En la fase 1 se puede utilizar un experimento diseado
Pgina 66 de 158
estadsticamente para evaluar el efecto del ambiente en los parmetros del sistema de
medicin. Los resultados de prueba en la fase 1 pueden indicar que el ambiente en el que
opera no contribuye significativamente a la variacin total del sistema de medicin. De
manera adicional la variacin atribuida al sesgo y linealidad del dispositivo deben ser
pequeas en relacin con los componetes de repetibilidad y reproducibilidad.

El conocimiento obtenido durante la fase 1 puede ser utilizada como una entrada al
desarrollo del programa de mantenimiento del sistema de medicin as como al tipo de
prueba que deber ser utilizada durante la fase 2. Cuestiones de medio ambiente pueden
conducir a un cambio en la localizacin o a un ambiente controlado por el dispositivo de
medicin.

Por ejemplo, si hay un impacto significativo de la repetibilidad y la reproducibilidad en la
variacin total del sistema de medicin, se puede realizar peridicamente un diseo de
experimentos de dos factores como prueba de la fase 2.

Fase 2 El proceso de medicin satisface los requerimientos con el tiempo?

Las pruebas proporcionan un monitoreo actual de las fuentes clave de variacin para
tener confianza en el sistema de medicin (y los datos generados) y/o una seal de que el
sistema de medicin se ha degradado con el tiempo.

Pgina 67 de 158
CAPTULO II SECCIN B
Seleccin/Desarrollo de procedimientos de prueba

En algunos casos, una prueba preliminar podr ser requerida para determinar si un
procedimiento es apropiado para un sistema de medicin en particular o no. Esa prueba
preliminar ser una parte integral de la fase 1 anteriormente mencionada.

Puntos generales a considerar cuando se selecciona o desarrolla un procedimiento de
evaluacin son:

- Los estndares son esenciales para la evaluacin de exactitud de un sistema de
medicin. Si los estndares no son utilizados, la variabilidad del sistema de
medicin todava puede ser evaluado, pero no ser posible evaluar su exactitud
con una credibilidad razonable. Esa falta de credibilidad puede intentar resolver
una diferencia aparente entre el sistema de medicin del fabricante y el sistema de
medicin del cliente.
- Para la prueba en curso de la fase 2, el uso de mediciones ciegas pueden ser
consideradas. Las mediciones ciegas son mediciones obtenidas en el ambiente de
medicin actual por un operador que no sabe est realizando una evaluacin del
sistema de medicin.
- El costo de la prueba
- El tiempo requerido para realizar la prueba
- Cualquier trmino para el cual no es aceptado por lo que debera definirse una
definicin operacional.
- Las mediciones realizadas por el sistema de medicin se compararn con las
mediciones hechas por otro sistema? Si es as, se debe considerar el uso de
procedimientos de prueba que se apoyen en el uso de estndares como los
discutidos en la fase 1. Si los estndares no son utilizados, puede ser posible
determinar donde o donde no los dos sistemas de medicin trabajan bien juntos.
- Qu tan seguido debe ser realizada la fase 2 de prueba? Esta decisin pudiera
estar basada en las propiedades estadsticas del sistema de medicin individual y
en consecuencia en las instalaciones.

Pgina 68 de 158
CAPITULO II SECCIN C
Preparacin para un estudio del sistema de medicin

Como en cualquier estudio deben hacerse una planeacin y preparacin antes de realizar
un estudio de un sistema de medicin. La preparacin primordial para la conduccin de un
estudio es la siguiente:

1) El enfoque a ser utilizado debe ser planeado. Determinar utilizando el juicio de
ingeniera, observaciones visuales, o un estudio de calibre, si existe influencia del
evaluador en la calibracin o uso del instrumento.
2) El nmero de evaluadores, nmero de muestras de partes, y un nmero de
lecturas repetidas debe ser determinado por adelantado. Algunos factores a ser
determinados en esta seleccin son:
a. Criticismo de dimensin dimensiones crticas requieren ms partes y/o
pruebas.
b. Configuracin de parte partes a granel o pesadas pueden dictar un
menor muestreo y ms pruebas.
3) Debido a que el propsito es evaluar el sistema de medicin total, los evaluadores
escogidos deben ser seleccionados de aquellos que normalmente operan el
instrumento.
4) La seleccin de muestras de la parte es crtica para un anlisis apropiado y
depende completamente del diseo del estudio MSA, del propsito del sistema de
medicin y de la disponibilidad de muestras de la parte que representa el proceso
de produccin

Cuando un estimado independiente de la variacin del proceso no se encuentra
disponible, O para determinar la direccin del proceso y adecaucin continua del sistema
de medicin para el control del proceso, la muestra de las partes debe ser
seleccionada del proceso y representa todo el rango de operacin de produccin.
La variacin en la muestra de las partes (PV) seleccionada para el estudio MSA es
utilizada para calcular la Variacin Total (TV) del estudio. El ndice TV es un indicador de
la direccin del proceso y adecuacin continua del sistema de medicin para el control del
Pgina 69 de 158
proceso. Si la muestra de las partes NO representa la produccin del proceso, el TV debe
ser ignorado en la evaluacin.

Las muestras pueden ser seleccionadas tomando una muestra por da para varios das.
Esto es necesario porque las partes sern tratadas en el anlisis como si representaran el
rango de la variacin de produccin en el proceso.

5) El instrumento debera tener una discriminacin que permita al menos una dcima
de la variacin del proceso esperado de la caracterstica a leerse directamente.
6) Asegrese que el mtodo de medicin est midiendo la dimensin de la
caracterstica y est siguiendo un procedimiento definido de medicin.

La manera en la cual se realiza un estudio es muy importante. Todos los anlisis
presentados asumen independencia estadstica de las lecturas individuales. Para
minimizar la posibilidad de equivocarse en los resultados, deben considerarse los
siguientes casos:

1) Las mediciones deberan ser hechas en un orden al azar para asegurar que
cualquier desplazamiento o cambios que pudieran ocurrir se expandan al azar
durante el estudio. Los evaluadores deberan permanecer inconscientes de cules
partes numeradas estn siendo revisadas con el fin de evitar cualquier posible
influencia de conocimiento. La persona que dirija el estudio debera saber cual
parte numerada est siendo medida y registrar el dato como corresponde.
2) En el equipo de medicin, los valores medidos debern ser registrados al lmite
prctico de la discriminacin del instrumento. Los dispositivos mecnicos deben
ser ledos y registrados a la unidad ms pequea de la escala de discriminacin.
3) El estudio debera ser administrado y observado por una persona que entienda la
importancia de conducir un estudio confiable.

Pgina 70 de 158
CAPTULO II SECCIN D
Anlisis de los resultados

Los resultados deben ser evaluados para determinar si el dispositivo de medicin es
aceptable para la aplicacinintencionada. Un sistema de medicin debe ser estable antes
de que cualquier anlisis adicional sea vlido.

Error de localizacin

Criterio de aceptacin Localizacin de error

La localizacin del error est definida normalmente por el anlisis de sesgo y linealidad.

El sesgo o linealidad del error de un sistema de medicin es inaceptable si este es
significativamente diferente de cero o excede el error mximo permisible establecido por
el procedimiento de calibracin del calibre o gage. En esos casos el sistema de medicin
debera ser recalibrado o aplicar un factor de correccin para minimizar este error.

Amplitud de error

Criterio de aceptacin Amplitud de error

El criterio final de aceptacin para un sistema de medicin depende del ambiente y
propsito del sistema de medicin y deber ser acordado por el cliente.

Para los sistemas de medicin cuyo propsito es analizar un proceso, la regla general
para la aceptabilidad de un sistema de medicin es:

- Error menor al 10 por ciento, aceptable
- Error de 10 a 30 por ciento puede ser aceptable basado en la importancia de
aplicacin, costo del dispositivo de medicin, costo de reparacin, etc.
- ms de 30 por ciento considerado no aceptable se deben hacer esfuerzos para
mejorar el sistema de medicin.
Pgina 71 de 158
Adems, el nmero de categoras distintas (ndc) en que el proceso se divide por el
sistema de medicin debera ser al menos de 5.

La aceptacin final de un sistema de medicin no debe realizarse por una serie de
ndices. El desempeo a largo plazo del sistema de medicin tambin debe ser revisado
utilizando un anlisis grfico a travs del tiempo.

Pgina 72 de 158
Captulo III
Prcticas recomendadas para un
sistema de medicin simple

CAPTULO III SECCIN A
Ejemplo de procedimientos de prueba

Introduccin

Ejemplos de procedimientos especficos de prueba son presentados en este captulo. Los
procedimientos son simples de utilizar y pueden ser aplicados en un ambiente de
produccin. El procedimiento de prueba que deber ser utilizado para entender un
sistema de medicin y para cuantificar su variabilidad, depende de las fuentes de
variacin las cuales pueden afectar el sistema de medicin. Las principales fuentes de
variacin se dan debido al instrumento (medida/equipo), persona (evaluador), y mtodo
(procedimiento de medicin).

Los procedimientos son apropiados cuando:

- Estn siendo estudiados slo dos factores, o condiciones de medicin (v. gr.,
evaluadores y partes) ms la repetibilidad del sistema de medicin.
- El efecto de variabilidad dentro de cada parte es insignificante.
- No existe interaccin estadstica entre los evaluadores y las partes.
- Las partes no cambian dimensionalmente durante el estudio.

Se puede realizar un diseo de experimentos y/o conocimientos y experiencia para
determinar si estos procedimientos son adecuados para cualquier sistema de medicin
especfico.
Pgina 73 de 158
CAPTULO III SECCIN B
Gua del estudio del sistema de medicin por variables

Lineamientos para determinar la estabilidad

Conduccin del estudio

1) Obtener una muestra y establecer su valor(es) de referencia relativa al estndar
trazable. Si una no est disponible, seleccione una parte de produccin que cae en
el rango medio de las mediciones de produccin y designe esta como la muestra
maestra para el anlisis de estabilidad.

Es conveniente tener muestras maestras para la escala inferior, escala superior y
el rango medio de las mediciones esperadas. Se recomienda separar las
mediciones y cartas de control para cada uno.

2) En una base peridica (diaria, semanal), medir la muestra maestra de tres a cinco
veces. El tamao y frecuencia de la muestra debern basarse en el conocimiento
del sistema de medicin. Los factores pueden incluir que tan seguido se requiere
la recalibracin o reparacin, con qu frecuencia el sistema de medicin es
utilizado, y qu tan estresantes son las condiciones de operacin. Las lecturas
deben ser tomadas en diferentes tiempos para representar cuando el sistema de
medicin est siendo utilizado. Esto incluye calentamientos, ambiente y otros
factores que pueden cambiar durante el da.
3) Graficar los datos en una grfica de control X & R o X & s por orden de tiempo.

Anlisis de resultados Grfico

4) Establecer los lmites de control y evaluar si hay puntos fuera de control o
condiciones inestables utilizando un anlisis de cartas de control estndar.

Pgina 74 de 158
Anlisis de resultados Numrico

Si el proceso de medicin es estable, los datos pueden ser utilizados para determinar el
sesgo del sistema de medicin.

La desviacin estndar de las mediciones puede ser utilizada como aproximacin para la
repetibilidad del sistema de medicin. Esto puede ser comparado con la desviacin
estndar del proceso para determinar si la repetibilidad del sistema de medicin es
conveniente para la aplicacin.

Ejemplo - Estabilidad

Para determinar si la estabilidad de un nuevo instrumento de medicin fue aceptada, el
equipo de proceso seleccion una parte cerca de la mitad del rango del proceso de
produccin. Esta parte fue enviada al laboratorio de medicin para determinar el valor de
referencia que es 6.01. El equipo midi esta parte 5 veces un turno por cuatro semanas
(20 subgrupos). Despus que todos los datos se colectaron, se realizaron cartas X-R (fig.
9).

Poner figura 9 de pgina 84
Pgina 75 de 158
El anlisis de grficas de control indica que el proceso de medicin es estable, ya que no
se ven causas especiales visibles.

Lineamiento para determinar sesgo Mtodo de muestra independiente

Desarrollo del estudio

1) Obtener una muestra y establecer su valor de referencia en relacin a un estndar
trazable. Si uno no est disponible, seleccione una parte de produccin que caiga
en el rango medio de las mediciones de produccin y desgnelo como la muestra
maestra para el anlisis de sesgo. Medir la parte n u10 veces en el cuarto de
herramientas y compute el promedio de las lecturas n. Utilice ese promedio como
valor de referencia.

2) Tenga un solo evaluador mida la muestra n u10 veces de manera normal.


3) Grafique los datos como un histograma relativo al valor de referencia. Revisar el
histograma, para determinar si se presentan causas especiales o anomalas. Si no
contine con el anlisis. Debe tener precaucin para cualquier interpretacin del
anlisis cuando n < 30.


4) Clcular el promedio de las lecturas n

Promedio del
Sistema de
medicin
Sesgo
Valor de
referencia
Pgina 76 de 158

X =
n
x
n
i
i
=1

5) Compute la desviacin estndar de la repetibilidad

*
2
min max
d
x x
i i
dad repetitivi
= o

Donde d
*
2
es tomado del apndice C
Con g = 1 y m = n

Si un estudio GRR est disponible (y vlido), el clculo de la desviacin estndar de
repetibilidad debera estar basado en los resultados del estudio.

6) Determinar la t estadstica para el sesgo

Sesgo = promedio de medicin observado valor de referencia

n
r
b
o
o =

t =
b
Sesgo
o

7) El sesgo es aceptable al nivel E si cero cae dentro de los lmites de confianza
alrededor del valor de sesgo:

sesgo -

2
1
,
2
1
,
E E
o o
v
b
v
b
t tendencia cero t

donde v es encontrado en el apndice c con g = 1 y m = n y
Pgina 77 de 158
t
2
1
,
E
v
t se encuentra utilizando las tablas t estndar

El nivel E en el cual es utilizado depende del nivel de sensibilidad que es necesitado para
evaluar/controlar el proceso y est asociado con la funcin de prdida (curva de
sensibilidad) del producto/proceso. El acuerdo del cliente debe ser obtenido si se utiliza
otro nivel que no es el establecido de 0.05 (95% de confiabilidad).

Ejemplo Sesgo

Un ingeniero de manufactura estaba evaluando un nuevo sistema de medicin para
monitorear un proceso. El anlisis del equipo de medicin indic que no deberan existir
problemas de linealidad, as el ingeniero tena slo el sesgo del sistema de medicin
evaluada. Una sola parte fue escogida dentro del permetro de operacin del sistema de
medicin con base en la variacin documentada del proceso. La parte fue medida por
inspeccin de layout para determinar su valor de referencia. La parte fue medida entonces
15 veces por el operador lder.

Tabla. Estudio de datos de sesgo

Valor de
referencia
= 6.00
Tendencia
1 5.8 -0.2
2 5.7 -0.3
3 5.9 -0.1
4 5.9 -0.1
5 6.0 0.0
6 6.1 0.1
7 6.0 0.0
8 6.1 0.1
9 6.4 0.4
10 6.3 0.3
11 6.0 0.0
12 6.1 0.1
13 6.2 0.2
14 5.6 -0.4
15 6.0 0.0
P
R
U
E
B
A
S
Sesgo
Pgina 78 de 158

Figura 10. Histograma de valores del estudio

Tabla 3. Estudio de sesgo Anlisis de estudio de sesgo

Como el cero cae dentro del intervalo de confianza del sesgo (-0.1215, 0.1349), el
ingeniero puede asumir que la medicin de el sesgo es aceptable asumiendo que el uso
real no introducir fuentes adicionales de variacin.

Gua para determinar el sesgo Mtodo de grfica de control


Si se usan cartas X & R o X & s para medir la estabilidad, los datos pueden ser
utilizados para evaluar el sesgo. El anlisis de la carta de control debe indicar que el
sistema de medicin es estable antes de que el sesgo sea evaluado.

6.50 6.25 6.00 5.75 5.50
9
8
7
6
5
4
3
2
1
0
Valores
F
r
e
q
u
e
n
c
y
Histogram of Valores

menor mayor
Valor medido
0.1153 10.8 2.206 0.0067 -0.1215 0.1349
Valor
significativo
t
Tendencia
Intervalo de confianza de
la tendencia de 95%
Valor de referencia = 6.00, E = .05, g=1, d2=3.55
t estadstico df
Pgina 79 de 158
1) obtener una muestra y establecer su valor relativo de referencia a un estndar
trazable. Si uno no es vlido seleccione una parte de produccin que caiga en el
rango medio de las mediciones de produccin y asgnela como la muestra maestra
para el anlisis de sesgo. Mida la parte 10 u n veces en el cuarto de herramientas,
y calcule el promedio de las lecturas n. Utilice este promedio como el valor de
referencia.


2) grafique los datos como un histograma en relacin al valor de referencia. Revise el
histograma, para determinar si se presentan causas especiales o anormales. Si
no, contine con el anlisis.


3) obtenga la X de la grfica de control.

4) Calcule el sesgo mediante la resta del valor de referencia de X .

Sesgo = X - valor de referencia

5) Compute la desviacin estndar de repetibilidad utilizando el rango promedio

*
2
d
R
dad repetitivi
= o
donde
*
2
d est basado en el tamao del subgrupo (m) y el nmero de subgrupos en la
tabla (g)

6) Determine la t estadstica para el sesgo

gm
r
b
o
o =

Pgina 80 de 158
b
Sesgo
t
o
=

7) el sesgo es aceptable en el nivel E si cero cae dentro de los lmites de confianza
1-E alrededor del valor de sesgo:

2
1
,
2
1
,
E E
o o
v
b
v
b
t Sesgo cero t Sesgo

donde v es encontrado en el apndice C y
2
1
,
E
v
t es encontrado al utilizar las tablas
estndar t.

El nivel E que es utilizado depende del nivel de sensibilidad al cual es necesario
evaluar/controlar el proceso y est asociado con la funcin de prdida (curva de
sensibilidad) del producto/proceso.

Ejemplo Sesgo

Utilizando una hoja de Excel y un software estadstico, el supervisor gener el anlisis
numrico.

Tabla 4. Estudio de sesgo Anlisis de sensibilidad de un estudio de sesgo

n media,
Desviacin
estndar,
Error
estndar de
la media,
Valor medido
100 6.021 0.2048 0.02048
menor mayor
Valor medido
0.5371 72.7 1.993 0.011 -0.0299 0.0519
Valor de referencia = 6.01, E = .05, m= 5, g=20, d2= 2.334,d2= 2.326
t estadstico df
Valor
significativo
Tendencia
Intervalo de confianza de
Pgina 81 de 158
Debido a que el cero cae dentro del intervalo de confianza de el sesgo (-0.0299,
0.0519) el equipo del proceso puede asumir que el sesgo de la medicin es aceptable
asumiendo que el uso actual no introducir fuentes adicionales de variacin.

Anlisis de estudios de sesgo

Si el sesgo estadsticamente no es cero, tal vez sea por:

- error en el Patrn o valor de referencia. Verificar el procedimiento del Patrn
- Instrumento con desgaste. Esto puede verse en el anlisis de estabilidad y
sugerir el mantenimiento
- Instrumento hecho a una dimensin errnea
- Instrumento que mide la caracterstica incorrecta
- Instrumento no calibrado apropiadamente. Revise el procedimiento de calibracin.
- Instrumento utilizado de forma no apropiada por el evaluador. Revisar
instrucciones de medicin.
- Correccin de algoritmo en el instrumento errnea.

Gua para determinar la linealidad


La linealidad puede ser evaluada utilizando la siguiente gua:

1) seleccione g u5 partes cuyas mediciones, debido a una variacin en el proceso,
cubren el rango de operacin del calibre.
2) Tenga cada parte medida mediante una inspeccin layout para determinar su valor
de referencia y confirmar que el rango de operacin del calibre dominante est
abarcado.
3) Tomar medidas de cada parte 10 u m veces en el calibre bajo prueba por uno de
los operadores que normalmente lo utilizan.

Pgina 82 de 158

4) calcule el sesgo de la parte para cada medicin y el promedio de sesgo para cada
parte.

i j i j i
referencia de valor x Sesgo =
, ,

=
i
Sesgo
m
Sesgo
m
j
j i
=1
,

5) grafique las sesgos individuales y los promedios de sesgos con respecto a los
valores de sesgo en una grfica lineal
6) calcule y grafique la mejor lnea y la banda de confianza de la lnea utilizando las
siguientes ecuaciones.

Para la mejor lnea utilice:
i
y = b ax
i
+

Donde: x
i
= valor de referencia

i
y = promedio de sesgo

pendiente
x
gm
x
y x
gm
xy
a =
=

2
2
1
1

cin er ax y b sec int = = x
0
, el nivel E de bandas de confianza son:

donde
2
2

=

gm
y x a y b y
s
i i i i

Pgina 83 de 158

ms bajo:

+ +
s
x x
x x
gm
t ax b
i
gm
2
1
2
2
0
2
1
, 2
0
1
E

ms alto:

+ + +
s
x x
x x
gm
t ax b
i
gm
2
1
2
2
0
2
1
, 2
0
1
E

7) grafique la lnea sesgo = 0 y revise la grfica para indicaciones de causas
especiales y la aceptabilidad de la linealidad

Para que la linealidad del sistema de medicin sea aceptable, la lnea de
sesgo = 0 debe caer completamente dentro de las bandas de confianza de la
lnea ajustada.


8) si el anlisis de grfica indica que la linealidad del sistema de medicin es
aceptable entonces la siguiente hiptesis debe ser verdadera.

H
0
= a = 0 pendiente = 0

No rechazar si

2
1
, 2
2
E
gm
j
t
x x
s
a
t

Si esa hiptesis es verdadera entonces el sistema de medicin tiene el mismo sesgo
para todos los valores de referencia. Para que la linealidad sea aceptable el sesgo
debe ser cero.
Pgina 84 de 158

H
0
: b = 0 k interseccin (sesgo) = 0

No rechace si

2
1
, 2
2
2
1
E
+
=
gm
i
t
s
x x
x
gm
b
t

Ejemplo Linealidad

Un supervisor de planta fue entrenado a un nuevo sistema de medicin para el proceso.
Como parte del PPAP la linealidad del sistema de medicin requera ser evaluada. Cinco
partes fueron escogidas a travs del rango de operacin del sistema de medicin con
base en la variacin proceso del documentada. Cada parte fue medida por inspeccin de
layout para determinar su valor de referencia. Cada parte fue medida doce veces por el
operador. Las partes fueron seleccionadas al azar durante el estudio.

Tabla. Estudio de datos de linealidad

1 2 3 4 5
2.00 4.00 6.00 8.00 10.00
1 2.70 5.10 5.80 7.60 9.10
2 2.50 3.90 5.70 7.70 9.30
3 2.40 4.20 5.90 7.80 9.50
4 2.50 5.00 5.90 7.70 9.30
5 2.70 3.80 6.00 7.80 9.40
6 2.30 3.90 6.10 7.80 9.50
7 2.50 3.90 6.00 7.80 9.50
8 2.50 3.90 6.10 7.70 9.50
9 2.40 3.90 6.40 7.80 9.60
10 2.40 4.00 6.30 7.50 9.20
11 2.60 4.10 6.00 7.60 9.30
12 2.40 3.80 6.10 7.70 9.40
P
R
U
E
B
A
S
Valor de
referencia
de parte
Pgina 85 de 158
Utilizando una hoja de Excel y software estadstico, el supervisor gener la grfica de
linealidad.

Tabla: estudio de linealidad Resultados intermedios

Hacer figura 11 pg. 95

1 2 3 4 5
2.00 4.00 6.00 8.00 10.00
1 0.7 1.1 -0.2 -0.4 -0.9
2 0.5 -0.1 -0.3 -0.3 -0.7
3 0.4 0.2 -0.1 -0.2 -0.5
4 0.5 1.0 -0.1 -0.3 -0.7
5 0.7 -0.2 0.0 -0.2 -0.6
6 0.3 -0.1 0.1 -0.2 -0.5
7 0.5 -0.1 0.0 -0.2 -0.5
8 0.5 -0.1 0.1 -0.3 -0.5
9 0.4 -0.1 0.4 -0.2 -0.4
10 0.4 0.0 0.3 -0.5 -0.8
11 0.6 0.1 0.0 -0.4 -0.7
12 0.4 -0.2 0.1 -0.3 -0.6
Promedio de
tendencias 0.491667 0.125 0.025 -0.29167 -0.61667
T
e
n
d
e
n
c
i
a
Valor de
referencia
de parte

Reference Value
B
i
a
s
10 8 6 4 2
1.0
0.5
0.0
-0.5
-1.0
0
Regression
95% CI
Data
Avg Bias
P
e
r
c
e
n
t
Bias Linearity
10
5
0
Gage Linearity
Slope -0.13167 0.01093 0.000
Predictor C oef SEC oef P
C onstant 0.73667 0.07252 0.000
S 0.23954 R-Sq 71.4%
Linearity 1.86889 %Linearity 13.2
Gage Bias
2 0.491667 3.5 0.000
4 0.125000 0.9 0.293
6 0.025000
Reference
0.2 0.688
8 -0.291667 2.1 0.000
10 -0.616667 4.3 0.000
Bias %Bias P
A v erage -0.053333 0.4 0.040
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Percent of Process Variation
Gage Linearity and Bias Study for Response
Pgina 86 de 158
El anlisis grfico indica que causas especiales pudieron haber influenciado el sistema de
medicin. Los datos para el valor de referencia 4 aparentan ser bimodal.

Aun si los datos para el valor de referencia 4 no fueran considerados, el anlisis grfico
muestra claramente que este sistema de medicin tiene un problema de linealidad. El
valor R
2
indica que un muestra lineal puede no ser un muestra apropiado para este tipo de
datos. Aun si el muestra lineal sea aceptado, la lnea de sesgo = 0 intersecta los lmites
de confianza ms que encontrarse dentro de ellos.

El supervisor debe iniciar un anlisis de problema y una resolucin en el sistema de
medicin, ya que el anlisis numrico no proporcionar cualquier idea adicional.

El supervisor calcula el t-estadstico para la inclinacin e interseccin:

T
a
= -12.043
T
b
= 10.158

Tomando el E establecido de 0.05 y yendo a las tablas t con (gm-2) = 58 grados de
libertad y una proporcin de .975, el supervisor da con el valor crtico de:

T
58,.975
= 2.00172

Si el sistema de medicin tiene un problema de linealidad, necesita ser recalibrado para
alcanzar el sesgo cero mediante la modificacin del hardware, software o ambos. Si el
sesgo no puede ser ajustado a una sesgo cero mediante el rango del sistema de
medicin, aun as puede ser utilizado para el control del producto/proceso pero no como
anlisis tan largo como el sistema de medicin permanezca estable.

Pgina 87 de 158
Lineamientos para determinar la repetibilidad y reproducibilidad

El estudio de medida variable puede ser ejecutado utilizando un nmero de tcnicas
diferentes. Se discutirn tres mtodos:

- Mtodo del rango
- Mtodo de promedio y rango (incluyendo el mtodo de grfica de control)
- Mtodo ANOVA

El sistema de medicin total incluye no solo el calibre en s y su sesgo relativo,
repetibilidad, etc. sino tambin la variacin de las partes que han sido verificadas. La
determinacin de cmo lidiar con la variacin existente dentro (within) de la parte necesita
basarse en una comprensin racional del uso intencionado de la parte y el propsito de la
medicin.

Mtodo del rango

Es un estudio modificado de calibre o gage que proporciona una rpida aproximacin de
la variabilidad de la medicin. Este mtodo proporcionar nicamente el panorama
completo del sistema de medicin. No analiza la variabilidad en la repetibilidad y
reproducibilidad. Es utilizado como un chequeo rpido para verificar que el GRR no ha
cambiado.

Este mtodo tiene el potencial de detectar un sistema de medicin inaceptable 80% de las
veces con un tamao de muestra de 5 y un 90% con un tamao de muestra de 10. Este
mtodo normalmente emplea dos evaluadores y cinco partes para el estudio. Ambos
evaluadores miden las mismas partes. El rango para cada parte es la diferencia absoluta
entre la medicin obtenida por el evaluador A y la medicin obtenida por el evaluador B.
La suma de las distancias es encontrada y la distancia promedio ( R ) es calculada.

La variabilidad total de medicin se encuentra al multiplicar la distancia promedio por
*
2
1
d

donde
*
2
d se encuentra en el apndice C, con m = 2 y g = nmero de partes.
Pgina 88 de 158

Rango promedio ( R ) = 07 . 0
5
35 . 0
5
= =
i
R

GRR = 0588 . 0
19 . 1
07 . 0
19 . 1
*
2
=
R
d
R

(Desviacin estndar del proceso = 0.0777 de estudio previo)

% GRR = 100 * % 7 . 75 =
proceso del estndar Desviacin

GRR

Tabla 7. Estudio de calibre o gage (mtodo del rango)

Para determinar qu porcentaje de la desviacin estndar del proceso de la variacin
consume el sistema de medicin, convierta el GRR en un porcentaje al multiplicarlo por
100 y dividirlo entre la desviacin estndar del proceso. En el ejemplo, la desviacin
estndar del proceso es 0.0777,

% GRR = 100 * % 7 . 75 =
proceso del estndar Desviacin

GRR

Se concluye que el sistema de medicin necesita mejora.

Partes Tasador A Tasador B Distancia (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
Pgina 89 de 158

Mtodo de promedio y rango

Es un enfoque que proporcionar un estimado de la repetibilidad y reproducibilidad para
un sistema de medicin.


El procedimiento detallado es:

1) Obtener una muestra de n>5 partes que representen la distancia actual o
esperada de variacin del proceso.
2) Referirse a los evaluadores como A, B, C, etc. y numerar las partes 1 a n as los
nmeros no son visibles para el evaluador.
3) Calibre el gage, escantilln o calibre si esto es parte del procedimiento normal del
sistema de medicin. Permita que el evaluador A mida n partes al azar e ingrese
los resultados en la fila 1.
4) Permita que el evaluador B y C medir las mismas n partes sin ver las mediciones
de los otros, ingrese los resultados en las filas 6 y 11 respectivamente.
5) Repita el ciclo utilizando un orden al azar diferente de mediciones. Ingrese los
datos en las filas 2, 7 y 12. Registre los datos en la fila apropiada.
Pgina 90 de 158
6) Los pasos 4 y 5 debern ser cambiados a lo siguiente cuando una parte de gran
tamao o no disponibilidad de partes lo hagan necesario.
Permita medir al evaluador A la primera parte y registre la lectura en la fila 1.
Deje al evaluador B medir la primera parte y registre en la fila 6. Deje medir al
evaluador C la primera parte y registre la lectura en la fila 11.
Permita al evaluador A repetir la lectura en la primera parte y registre la lectura
en la fila 2, al evaluador B registre la lectura repetida en la fila 7 y al evaluador
C registre la lectura repetida en la fila 12. Repita este ciclo e ingrese los
resultados en las filas, 3, 8 y 13, si son realizadas tres pruebas.
7) Un mtodo alternativo puede ser utilizado si los evaluadores estn en diferentes
turnos. Permita medir al evaluador A todas las 10 partes y registre las lecturas en
la fila 1. Que el evaluador A repita la lectura en un orden diferente e ingrese los
resultados en las filas 2 y 3. Haga lo mismo con el evaluador B y C.

Figura 12. Hoja de recoleccin de datos para estudio de repetibilidad y reproducibilidad del gage

Anlisis de resultados Grficos
Un filtrado sistemtico de los datos de causas especiales aparentes de variacin, se hace
mediante la utilizacin de cartas de control, debe anteceder a cualquier otro anlisis
Pgina 91 de 158
estadstico. Los datos del anlisis del sistema de medicin pueden ser desplegados
grficamente mediante cartas de control.

Carta de promedios

Los promedios de las lecturas mltiples de cada evaluador en cada parte son graficadas
por el evaluador con el nmero de parte como un ndice. Esto puede ayudar a determinar
consistencia entre los evaluadores. La grfica de promedio resultante proporciona un
indicador de usabilidad del sistema de medicin.

El rea dentro de los lmites de control representa la sensibilidad (ruido) de la medicin.
Dado que el grupo de partes utilizadas en el estudio representan la variacin del proceso,
aproximadamente la mitad o ms de la mitad de los promedios caern fuera de los lmites
de control. Si los datos muestran este patrn, entonces el sistema de medicin puede
proporcionar informacin til para el anlisis y control del proceso.

La revisin de las grficas indica que el sistema de medicin aparenta tener suficiente
discriminacin para procesos con variacin descritas por la muestra de las partes.

Cartas de rango

La grfica de control de rango es utilizada para determinar si el proceso est en control.
La razn de esto es que no importa que tan grande sea el error de medicin, los lmites de
control permitirn ese error. Es por eso que las causas especiales necesitan ser
identificadas y removidas antes de realizar un estudio de medicin.

Pgina 92 de 158
Los rangos de lecturas mltiples de cada evaluador sobre cada parte son graficados en
una carta de rango estndar incluyendo el rango promedio y los lmites de control.
Si un evaluador est fuera de control, el mtodo utilizado difiere de otros. Si todos los
evaluadores tienen algunos campos fuera de control, el sistema de medicin es sensible a
la tcnica del evaluador y es necesario mejorar para obtener datos confiables.

La carta de rango puede ayudar en la determinacin de:

- Control estadstico con respecto a la repetibilidad
- Consistencia del proceso de medicin entre evaluadores para cada parte.

Una revisin de las cartas de control indica que hay diferencia de variabilidad entre los
evaluadores, el evaluador B debe repetir las mediciones en la parte 4.

Carta de tendencia

Las lecturas individuales son graficadas por parte para todos los evaluadores para tener
idea de:
- el efecto de las partes individuales en la consistencia de variacin
- indicacin de lecturas anormales.

Pgina 93 de 158

La revisin de la carta no indica puntos aberrantes (outliers) o partes no consistentes.

Grfica de dispersin

Las lecturas individuales son graficadas mediante parte por evaluador para obtener:

- consistencia entre evaluadores
- indicacin de posibles anormalidades
- interacciones entre parte-evaluador

Una revisin de la grfica de dispersin indica que el evaluador C puede tener lecturas
ms bajas que los otros evaluadores.

Grfica de bigotes
En esta grfica, el valor ms alto y el ms bajo, adems del promedio de parte por
evaluador son graficados, lo que proporciona:
- consistencia entre evaluadores
- indicacin de anomalas
- interacciones entre parte-evaluador
2
0
-2
2
0
-2
1
Operator
M
e
a
s
u
r
e
m
e
n
t
Mean
2 3 4 5
6 7 8 9 10
Mean
A
B
C
Operator
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Panel variable: Part
Gage Run Chart of Measurement by Part, Operator
Pgina 94 de 158

Una revisin de las grficas indica que el evaluador B podra tener la mayor variabilidad.

Grficas de error

La desviacin individual o error para cada parte es calculada de la siguiente manera:

Error = valor observado valor de referencia

O

Error = valor observado medida promedio de la parte

Esto depende de si los valores de referencia de los datos que son medidos estn
disponibles.

Una revisin de las grficas de error indica:
El operador A tiene un sesgo positivo general
El operador B tiene la mayor variabilidad pero sin sesgo aparente
El evaluador C tiene un sesgo negativo general

Histograma normalizado

10.0 7.5 5.0 2.5 0.0
2
1
0
-1
-2
10.0 7.5 5.0 2.5 0.0
2
1
0
-1
-2
A
Part
M
e
a
s
u
r
e
m
e
n
t
B
C
A
B
C
Operator
Scatterplot of Measurement vs Part
Panel variable: Operator
Pgina 95 de 158
El histograma es una grfica que despliega la frecuencia de distribucin de la medida del
error de los evaluadores que participaron en el estudio. Muestra tambin la distribucin
combinada de frecuencia.

Si los valores de referencia estn disponibles:

Error = valor observado valor de referencia

De otra manera:

Valor normalizado = valor observado promedio de la parte

Este histograma proporciona una visin rpida de dnde est distribuido el error. El
anlisis de histogramas refuerza la identificacin de falta de consistencia.

El anlisis de los histogramas muestra que solo el evaluador B tiene forma simtrica,
puede indicar que los evaluadores A y C estn introduciendo una fuente de variacin
sistemtica que resulta en sesgo.

0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6
10.0
7.5
5.0
2.5
0.0
0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6
10.0
7.5
5.0
2.5
0.0
A
Error
F
r
e
q
u
e
n
c
y
B
C
Histogram of Error
Pgina 96 de 158
Grfica X-Y de promedio por tamao

Los promedios de mltiples lecturas hechas por cada evaluador en cada parte son
graficados con el valor de referencia o promedios totales de las partes como ndice. Esta
grfica permite determinar:
la linealidad (si se utiliza el valor de referencia),
consistencia en linealidad entre evaluadores.

Comparacin de grficas X-Y

Los promedios de las lecturas mltiples realizadas por cada evaluador en cada parte son
graficadas una contra otra con los evaluadores como ndices. Estas grficas comparan los
valores obtenidos de un evaluador con otro evaluador.

Clculos numricos

La repetibilidad de calibre o gage y clculos de reproducibilidad son mostradas en las
siguientes dos figuras.

2 1 0 -1 -2
2
1
0
-1
-2
2 1 0 -1 -2
2
1
0
-1
-2
A
Promedios
M
e
a
s
u
r
e
m
e
n
t
B
C
Scatterplot of Measurement vs Promedios
Pgina 97 de 158
El procedimiento para hacer los clculos despus de que los datos han sido recolectados
es el siguiente:

1) Reste la lectura ms pequea de la ms grande en las filas 1, 2 y 3; ingrese el
resultado en la fila 5. Haga lo mismo para las filas 6, 7 y 8; y 11, 12 y 13 e ingrese
los resultados en las filas 10 y 15 respectivamente.
2) Las entradas en las filas 5, 10 y 15 son campos y siempre sern valores positivos.
3) Total de la fila 5 y divida el total por el nmero de partes muestreadas para obtener
el promedio para las primeras pruebas del evaluador a R . Haga lo mismo para las
filas 10 y 15 para obtener b R y c R
4) Transfiera los promedios de las filas 5, 10 y 15 ( a R , b R , c R ) a la fila 17. Jntelos y
divdalos por el nmero de evaluadores e ingrese el resultado R (promedio de
todos los campos)
5) Ingrese R (valor promedio) en filas 19 y multiplique por D
4
para obtener el lmite
de control superior. D
4
es 3.27 si son utilizadas dos pruebas. El valor del lmite de
control superior (UCL
R
) de los campos individuales es ingresado a la fila 19.
6) Repita cualquier lectura que produzca un campo mayor que el UCL
R
calculado,
utilizando el mismo evaluador y parte como se utiliz originalmente, o descarte
esos valores y re- promedie y el valor limitante UCL
R
basado en el tamao de
muestra revisada,
7) Sume las filas (fila 1, 2, 3, 6, 7, 8, 11, 12 y 13). Divida la suma en cada fila por el
nmero de partes muestreadas e ingrese esos valores en la columna de la
derecha llamada promedio
8) Agregue los promedios en las filas 1, 2 y 3 y divida el total por el nmero de
pruebas e ingrese el valor en la fila 4 en el bloque
a
X . Repita esta operacin para
las filas 6, 7 y 8; 11, 12 y 13 e ingrese los resultados en los bloque para b X y c X
en las filas 9 y 14 respectivamente
9) Ingrese los promedios mximos y mnimos de las filas 4, 9 y 14 en el espacio
apropiado en la fila 18 y determine las diferencias. Ingrese la diferencia en el
espacio etiquetado: DIFF X en la fila 18
10) Sume las mediciones para cada prueba, para cada parte y divida el total por el
nmero de mediciones (nmero de pruebas nmero de veces de evaluadores).
Pgina 98 de 158
Ingrese los resultados en la fila 16 en los espacios proporcionados para el
promedio de parte.
11) Reste el promedio ms pequeo de parte del promedio ms alto de parte e ingrese
el resultado en el espacio etiquetado
p
R en la fila 16.
p
R es el campo de
promedios de parte

Lo siguiente se refiere a la figura 25

12) Transferir los valores calculados de R , DIFF X y
p
R en los espacios vacos
proporcionados en el lado del reporte.
13) Realice los clculos bajo la columna titulada Anlisis de unidad de medicin del
lado izquierdo del formato
14) Realice los clculos bajo la columna titulada % variacin total del lado derecho
del formato
15) Verifique los resultados para asegurarse de no haber cometido errores.

PARTE
1 2 3 4 5 6 7 8 9 10
1 A 1 0.29 -0.56 1.34 0.47 -0.80 0.02 0.59 -0.31 2.26 -1.36 0.1
2 2 0.41 -0.68 1.17 0.50 -0.92 -0.11 0.75 -0.20 1.99 -1.25 0.1
3 3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31 0.2
4 Promedio 0.447 -0.607 1.260 0.537 -0.853 -0.100 0.667 -0.227 2.087 -1.307 0.19
5 Rango 0.35 0.12 0.17 0.17 0.12 0.23 0.16 0.14 0.27 0.11 0.1
6 B 1 0.08 -0.47 1.19 0.01 -0.56 -0.20 0.47 -0.63 1.80 -1.68 0.0
7 2 0.25 -1.22 0.94 1.03 -1.20 0.22 0.55 0.08 2.12 -1.62 0.1
8 3 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50 0.0
9 Promedio 0.133 -0.790 1.157 0.413 -1.013 0.027 0.617 -0.297 2.037 -1.600 0.06
10 Rango 0.18 0.75 0.40 1.02 0.72 0.42 0.36 0.71 0.39 0.18 0.5
11 C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49 -0.2
12 2 -0.11 -1.13 1.09 0.20 -1.07 -0.67 0.01 -0.56 1.45 -1.77 -0.2
13 3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16 -0.2
14 Promedio 0.073 -1.157 0.880 0.150 -1.327 -0.483 0.080 -0.503 1.697 -1.807 -0.25
15 Rango 0.19 0.42 0.42 0.09 0.39 0.38 0.20 0.10 0.42 0.67 0.3
16
Promedio de
parte 0.169 -0.851 1.099 0.367 -1.064 -0.186 -0.454 -0.342 1.940 -1.571 0.00
17 = 3.5
18 0.34
19 *UCL =
*D
4
= 3.27 para 2 pruebas y 2.58 para 3 pruebas, representa el lmite de Rs individuales. Circule aquellos que estn ms all de este lmite. Identifique la causa y corrija
Repita estas lecturas utilizando el mismo tasador y unidad como se utiliz originalmente o descarte valores y re-promedio y recompute y los valores
limitantes de las observaciones restantes.
Notas:_______________________________________________________________________________________________________________________
PROMEDIO
Tasador /
prueba
R
? A ? A ? A ? A= = = + = + = 3 det # / 328 . 0 513 . 0 184 . 0 asadores R R R
c b a
? A ? A 4446 . 0 2543 . 0 1903 . 0 = = = = X Min X Max X DIFF
? A? A 8816 . 0 58 . 2 3417 . 0
4
= = = =
R
UCL D x R
R
= a X
= a R
= b X
= b R
= c X
= X
=
p
R
= R
Pgina 99 de 158

Figura. 25 Hoja de recoleccin de datos de medida de repetibilidad y reproducibilidad con datos y clculos
realizados

Figura 25. Reporte de repetibilidad de medida y reproducibilidad

Anlisis de resultados numrico

Las figuras anteriormente mostradas proporcionarn un mtodo para el anlisis numrico
de los datos de estudio. El anlisis estimar la variacin y porcentaje de variacin del
proceso para el sistema de medicin total y sus componentes de repetibilidad,
reproducibilidad y variacin de parte.

No. de parte y nombre: Nombre de medida: Fecha:
Caractersticas: Medida No.: Realizado por:
Especificaciones: Tipo de medida:
De hoja de datos:
Repetitividad-Variacin de equipo (EV) %EV = 100[EV/TV]
= 100[0.20188/1.14610]
=0.3417 x 0.5908 Pruebas K
1 = 17.62%
=0.20188 2 0.8862
3 0.5908
Reproducibilidad - Variacin del tasador (AV)
%AV = 100[AV/TV]
AV = = 100 [0.22963/1.14610]
= 20.04%
= 0.22963
Tasador 2 3
n = partes r = pruebas 0.7071 0.5231
Repetitividad y reproducibilidad (GRR)
% GRR= 100[GRR/TV]
GRR = = 100[0.30575/1.14610]
= 26.68%
= Partes
= 0.30575 2 0.7071
Variacin de parte (PV) 3 0.5231 % PV= 100[PV/TV]
PV= 4 0.4467 = 100[1.10456/1.14610]
= 1.10456 5 0.4030 = 96.38%
Variacin Total (TV) 6 0.3742
TV= 7 0.3534 ndc =
8 0.3375 = 1.41(1.10456/0.30575)
= 9 0.3249 = 5.094~5
= 1.14610 10 0.3146
Para informacin sobre la teora y constantes utilizadas en el formato vea MSA manual de referencia, tercera edicin
Repetitividad de medida y reporte de reproducibilidad
Anlisis de unidad de medicin % de variacin total (TV)
3417 . 0 = R 4446 . 0 = DIFF X
511 . 3 =
p
R
1
xK R EV =
nr EV xK X DIFF /
2
2
2
=
3 10 / 20188 . 0 5231 . 0 4446 . 0
2 2
x x =
2
K
2 2
AV EV +

2 2
22963 . 0 20188 . 0 +
3
xK R
p
2 2
PV GRR +

2 2
10456 . 1 30575 . 0 +
3
K
Pgina 100 de 158
En el lado izquierdo de la figura 25, la desviacin estndar es calculada para cada
componente de variacin. La repetibilidad o variacin de equipo (EV o
E
o ) es
determinada multiplicando el campo promedio R por una constante (k
1
). k
1
dependiendo
del nmero de pruebas utilizadas en el estudio de calibre es igual a la inversa de
*
2
d es
dependiente del nmero de evaluadores (m) y g = 1. Desde que la variacin del evaluador
est contaminada por la variacin en el equipo, debe ser ajustada mediante la sustraccin
de una fraccin de la variacin del equipo. La variacin del evaluador (AV) es calculada
por:

nr
EV
xK X AV DIFF
2
2
2
=

donde n = nmero de partes y r = nmero de pruebas

La variacin del sistema de medicin para la repetibilidad y reproducibilidad (GRR o
M
o )
es calculada al aadir el cuadrado de la variacin del equipo y el cuadrado de la variacin
del evaluador, y tomando la raz cuadrada de la siguiente manera:

2 2
) ( AV EV GRR + =

La variacin de la parte (PV o )
p
o se determina al multiplicar el rango de los promedios
de parte (
p
R ) por una constante
3
K .
3
K depende del nmero de partes utilizadas en
el estudio de medida y es el inverso de
*
2
d que se obtiene del apndice C.
*
2
d es
dependiente del nmero de partes (m) y (g). En esta situacin g = 1 pues es slo una
medida de clculo.

Si la variacin del proceso es conocida y su valor est basado en o 6 , puede ser utilizado
en lugar de la variacin total del estudio (TV) calculada de los datos de estudio del calibre.
Para lo cual se realizan los siguientes dos clculos:

Pgina 101 de 158
1)
00 . 6
var roceso iacindelp
TV =

2)
2 2
GRR TV PV =

Una vez que la variabilidad para cada factor en el estudio de calibre es determinado,
puede ser comparada a la variacin total (TV). Este se cumple al realizar los clculos al
lado derecho del reporte de medida de la figura 25 bajo % Variacin total.

El porcentaje de consumo de la variacin del equipo (%EV) de la variacin total es
calculado por 100[EV/TV].

La suma de los porcentajes consumidos por cada factor no sern igual al 100%

El resultado de esta variacin total de porcentaje necesita ser evaluado para determinar si
el sistema de medicin es aceptable para esta aplicacin.

Si el anlisis est basado en la tolerancia en lugar de la variacin del proceso, entonces el
reporte de repetibilidad y reproducibilidad de medida (fig. 25) puede ser modificado por lo
que el lado derecho represente el porcentaje de tolerancia en lugar del porcentaje de la
variacin total. En tal caso, % EV, % AV, %GRR y % PV son calculados por sustitucin
del valor de tolerancia dividido por seis en el denominador de los clculos en lugar de la
variacin total.

En paso final en el anlisis numrico es determinar el nmero de distintas categoras que
pueden ser distinguidas por el sistema de medicin.

Mtodo de Anlisis de Varianza (ANOVA)

El anlisis de Variacin (ANOVA) es una tcnica estadstica estndar y puede ser
utilizada para analizar el error de medicin y otras fuentes de variabilidad de datos en un
estudio de sistemas de medicin. En el anlisis de variacin, la variacin puede ser
descompuesta en cuatro categoras: partes, evaluadores, interaccin entre partes y
evaluadores, y error de replica debido al calibre.
Pgina 102 de 158

Las ventajas de las tcnicas ANOVA en comparacin con los mtodos de promedio y
distancia son:

- Tienen la capacidad de manejar cualquier ajuste experimental
- Pueden estimar las variaciones de manera ms precisa
- Extraen ms informacin (tal como la interaccin entre partes y efecto por el
evaluador) de los datos experimentales.

Las desventajas son que los clculos numricos son ms complejos y los usuarios
requieren un cierto grado de conocimiento estadstico para interpretar los resultados. El
mtodo de recoleccin de datos es importante en un mtodo ANOVA. Si los datos no son
recolectados de una manera al azar, pueden conducir a una fuente de valores de sesgo.
Una manera simple para asegurar un diseo balanceado para (n) partes, (k) evaluadores
y pruebas es la utilizacin al azar.

Anlisis grfico

Un mtodo grfico que es sugerido es el de diagrama de interaccin. Confirma los
resultados de la prueba F donde la interaccin es o no significativa. Aqu se grafica, el
promedio de medicin de evaluador por parte contra nmero de parte (1, 2, 3...etc.). Los
puntos para cada promedio por evaluador son conectados para formar k lneas (nmero
de evaluadores). La manera para interpretar la grfica es si las lneas K son paralelas no
existe trmino de interaccin. Donde las lneas no son paralelas, la interaccin puede ser
significativa.

Pgina 103 de 158
Haciendo un diseo factorial completo, considerando como factores las partes y el
operador y como variable de respuesta las mediciones, se tienen las siguientes grficas
residuales:

La grfica de dispersin residual es un verificador para la validacin de supuestos. Este
supuesto es que la medida (error) es una variable al azar de una distribucin normal. Los
residuales, que son las diferencias entre las lecturas observadas y los valores previstos,
son graficados. El valor previsto es el promedio de las lecturas repetidas para cada
evaluador por cada parte. Si los residuales no son dispersos por arriba y por debajo de
cero (lnea horizontal de referencia), puede ser debido a que los supuestos son
incorrectos y se necesita una mayor investigacin de datos.
2 1 0 -1 -2
4
3
2
1
0
-1
-2
-3
Fitted Value
S
t
a
n
d
a
r
d
i
z
e
d

R
e
s
i
d
u
a
l
Versus Fits
(response is Measurement)
4 3 2 1 0 -1 -2 -3 -4
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
Standardized Residual
P
e
r
c
e
n
t
Normal Probability Plot
(response is Measurement)
Pgina 104 de 158
Clculos numricos

La tabla ANOVA abajo mostrada est compuesta de cinco columnas

- La columna Fuente es la causa de variacin
- La columna DF es el grado de libertad asociado con la fuente
- La columna SS o suma de cuadrados es la desviacin de la media de la fuente
- La columna MS o cuadrado medio es la suma de cuadrados divididos por el grado
de libertad
- La columna F-radio, calculada para determinar el significado estadstico de la
fuente de valor.

La tabla ANOVA es utilizada para descomponer la variacin total en cuatro componentes:
partes, evaluadores, interaccin de evaluadores y partes, y repetibilidad debida al
instrumento.

La tabla 8 muestra los clculos ANOVA para los datos del ejemplo de la figura 24
asumiendo un muestra de efectos fijos. La tabla 10 muestra la comparacin del mtodo
ANOVA con el mtodo de promedio y rango. La tabla 11 muestra el reporte GRR para el
mtodo ANOVA.

Tabla 8. General Linear Model: Measurement versus Part, Operator

Factor Type Levels Values
Part fixed 10 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Operator fixed 3 A, B, C

Analysis of Variance for Measurement, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Part 9 88.3619 88.3619 9.8180 213.52 0.000
Operator 2 3.1673 3.1673 1.5836 34.44 0.000
Part*Operator 18 0.3590 0.3590 0.0199 0.43 0.974
Error 60 2.7589 2.7589 0.0460
Total 89 94.6471

S = 0.214435 R-Sq = 97.09% R-Sq(adj) = 95.68%

Pgina 105 de 158
Gage R&R

%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0.09143 7.76
Repeatability 0.03997 3.39
Reproducibility 0.05146 4.37
Operator 0.05146 4.37
Part-To-Part 1.08645 92.24
Total Variation 1.17788 100.00

Process tolerance = 8

Study Var %Study Var %Tolerance
Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler)
Total Gage R&R 0.30237 1.55721 27.86 19.47
Repeatability 0.19993 1.02966 18.42 12.87
Reproducibility 0.22684 1.16821 20.90 14.60
Operator 0.22684 1.16821 20.90 14.60
Part-To-Part 1.04233 5.36799 96.04 67.10
Total Variation 1.08530 5.58929 100.00 69.87

Number of Distinct Categories = 4

4 861 . 4
) 30237 .
04233 . 1
( 41 . 1 $ = = ndc
2 2
) ( PV GRR TV otal Variacint + =

% variacin tota l=
) (
) (
100
total
s componente
o
o

Estimado de
variacin
Desviacin
estndar ()
% Total de
variacin
%
Contribucin
EV=0.199933 18.4 3.4
(Repetitividad)
AV=0.226838 20.9 4.4
(Tasador)
INT=0 0 0
(Interaccin)
Sistema=
0.09143 GRR=0.302373 27.9 7.8
PV=1.042327 96.0 92.2
(Parte)
Variacin Total TV=1.085 100.0
Tabla 9. % variacin y contribucin de anlisis ANOVA
(Estimado de variacin basado en modelo sin interaccin)
039973 . 0
2
= t
051455 . 0
2
=
0
2
=

2 2 2
t + +
086446 . 1
2
= o
Pgina 106 de 158

% Contribucin (a la variacin total)=
) (
) (
100
total
s componente
o
o

Anlisis de estudios GRR

Tanto el mtodo de promedio y rango como el ANOVA proporcionarn informacin
relacionada a las causas variacin del sistema de medicin o del calibre.

Mtodo
Lm. conf. por
debajo de 90%
Desviacin
estndar
Lm. conf.
por arriba
de 90%
% de variacin
total
GRR*
EV 0.175 0.202 0.240 17.6
AV 0.133 0.230 1.016 20.1
INTERACCIN -- na -- na
GRR 0.266 0.306 0.363 26.7
PV 1.104 96.4
ANOVA
EV 0.177 0.200 0.231 18.4
AV 0.129 0.227 1.001 20.9
INTERACCIN -- 0 -- 0
GRR 0.237 0.302 1.033 27.9
PV 1.042 96.0
* En el mtodo de promedio y distancia, el componente de interaccin no
puede ser estimado
Tabla 10. Comparacin de los mtodos ANOVA y promedio y distancia
No. de parte y nombre: Nombre de medida: Fecha:
Caractersticas: Medida No.: Realizado por:
Especificaciones: Tipo de medida:
DESV. EST.
%
VARIACIN
TOTAL
PORCENTAJE
DE
CONTRIBUCIN
Repetitividad (EV) 200 18.4 3.4
Reproducibilidad (AV) 0.227 20.9 4.4
Tasador por parte (INT) 0 0 0
GRR 0.302 27.9 7.9
Parte (PV) 1.042 96.0 92.2
Nota:
Tolerancia= N.D. Variacin total (TV)= 1.085
Nmero de categoras de datos distintos (ndc )=4
Tabla 11. Reporte de mtodo ANOVA GRR
El sistema de medicin es aceptable para el control de proceso y anlisis
Pgina 107 de 158
Por ejemplo, si la repetibilidad es mayor comparada a la reproducibilidad, las razones
pueden ser:

- El instrumento necesita mantenimiento
- El calibre puede necesitar ser rediseado para mayor rigidez
- La sujecin del gage necesita mejorarse
- Existe una variacin excesiva dentro de la parte

Si la reproducibilidad es mayor comparada con la repetibilidad, entonces las posibles
causas pueden ser:

- El evaluador necesita estar mejor entrenado en cmo utilizar y leer el instrumento
de calibracin.
- Las calibraciones en el indicador de calibre no son claras.

Puede ser que se requiera un aditamento de apoyo para ayudar al evaluador a utilizar el
gage de manera ms consistente.
Pgina 108 de 158
CAPITULO III Seccin C
Estudio de sistemas de medicin por atributos

Introduccin

Los sistemas de medicin por atributos son la clase de sistemas de medicin donde el
valor de medicin tiene un nmero finito de categoras. Esto est contrastado con el
sistema de medicin por variables del que puede resultar una serie continua de valores.
Otros sistemas por atributos como los estndares visual, pueden resultar en cinco a siete
categoras, tales como muy bueno, bueno, aceptable, pobre, muy pobre. El riesgo ms
grande se encuentra en los lmites de las categoras, el anlisis ms apropiado puede ser
una cuantificacin de la variacin del sistema de medicin con una curva de desempeo
del gage, escantilln o calibre.

Mtodos de anlisis de riesgo

En algunas situaciones por atributos no es factible conseguir suficientes partes con
valores de referencia variables. En tales el riesgo de tomar una decisin incorrecta o
inconsistente puede ser evaluado utilizando:
- Pruebas de anlisis de hiptesis
- Teora de deteccin de seal

Como estos mtodos no cuantifican la variabilidad del sistema, deben usarse nicamente
con el consentimiento del cliente. La seleccin y uso de tales tcnicas deber basarse en
una buena prctica estadstica, y un entendimiento de las fuentes potenciales de variacin
que pueden afectar el producto o la medicin de procesos, y el efecto de una decisin
incorrecta en el cliente final.

Las fuentes de variacin de los sistemas por atributos deben ser minimizados utilizando
los resultados de factores humanos e investigacin sobre ergonoma.

Enfoques posibles

Pgina 109 de 158
Escenario

El proceso de produccin est en control estadstico y tiene ndices de desempeo de Pp
= Ppk = 0.5 lo cual es inaceptable. Debido a que el proceso fabrica producto no conforme,
debe hacerse una accin de contencin para desechar las partes inaceptables de la
produccin.

Para la actividad de contencin el equipo de proceso selecciona un calibre por atributos
del que compare cada parte a un conjunto especfico de lmites y acepte la parte si los
lmites son satisfechos, o rechazar la parte en caso contrario.

LSL = 0.450 USL = 0.545

0.40 0.50 0.60
I II III II I
Fig. 28 Ejemplo de proceso / Las zonas grises asociadas con el
sistema de medicin

El calibre especfico que el equipo est utilizando tiene un % GRR = 25% de tolerancia. El
equipo ha decidido tomar una muestra al azar de cincuenta partes del proceso con el fin
de obtener partes a travs del proceso.

Se utilizaron tres evaluadores, donde cada uno hace tres decisiones en cada parte.

Pgina 110 de 158

Parte A - 1 A - 2 A - 3 B - 1 B - 2 B - 3 C - 1 C - 2 C - 3 Referencia Valor de ref. Clave
1 1 1 1 1 1 1 1 1 1 1 0.476901 +
2 1 1 1 1 1 1 1 1 1 1 0.509015 +
3 0 0 0 0 0 0 0 0 0 0 0.576459 -
4 0 0 0 0 0 0 0 0 0 0 0.566152 -
5 0 0 0 0 0 0 0 0 0 0 0.570360 -
6 1 1 0 1 1 0 1 0 0 1 0.544951 x
7 1 1 1 1 1 1 1 0 1 1 0.465454 x
8 1 1 1 1 1 1 1 1 1 1 0.502295 +
9 0 0 0 0 0 0 0 0 0 0 0.437817 -
10 1 1 1 1 1 1 1 1 1 1 0.515573 +
11 1 1 1 1 1 1 1 1 1 1 0.488905 +
12 0 0 0 0 0 0 0 1 0 0 0.559918 x
13 1 1 1 1 1 1 1 1 1 1 0.542704 +
14 1 1 0 1 1 1 1 0 0 1 0.454518 x
15 1 1 1 1 1 1 1 1 1 1 0.517377 +
16 1 1 1 1 1 1 1 1 1 1 0.531939 +
17 1 1 1 1 1 1 1 1 1 1 0.519694 +
18 1 1 1 1 1 1 1 1 1 1 0.484167 +
19 1 1 1 1 1 1 1 1 1 1 0.520496 +
20 1 1 1 1 1 1 1 1 1 1 0.477236 +
21 1 1 0 1 0 1 0 1 0 1 0.452310 x
22 0 0 1 0 1 0 1 1 0 0 0.545604 x
23 1 1 1 1 1 1 1 1 1 1 0.529065 +
24 1 1 1 1 1 1 1 1 1 1 0.514192 +
25 0 0 0 0 0 0 0 0 0 0 0.599581 -
26 0 1 0 0 0 0 0 0 1 0 0.547204 x
27 1 1 1 1 1 1 1 1 1 1 0.502436 +
28 1 1 1 1 1 1 1 1 1 1 0.521642 +
29 1 1 1 1 1 1 1 1 1 1 0.523754 +
30 0 0 0 0 0 1 0 0 0 0 0.561457 x
31 1 1 1 1 1 1 1 1 1 1 0.503091 +
32 1 1 1 1 1 1 1 1 1 1 0.505850 +
33 1 1 1 1 1 1 1 1 1 1 0.487613 +
34 0 0 1 0 0 1 0 1 1 0 0.449696 x
35 1 1 1 1 1 1 1 1 1 1 0.498698 +
36 1 1 0 1 1 1 1 0 1 1 0.543077 x
37 0 0 0 0 0 0 0 0 0 0 0.409238 -
38 1 1 1 1 1 1 1 1 1 1 0.488184 +
39 0 0 0 0 0 0 0 0 0 0 0.427687 -
40 1 1 1 1 1 1 1 1 1 1 0.501132 +
41 1 1 1 1 1 1 1 1 1 1 0.513779 +
42 0 0 0 0 0 0 0 0 0 0 0.566575 -
43 1 0 1 1 1 1 1 1 0 1 0.462410 x
44 1 1 1 1 1 1 1 1 1 1 0.470832 +
45 0 0 0 0 0 0 0 0 0 0 0.412453 -
46 1 1 1 1 1 1 1 1 1 1 0.493441 +
47 1 1 1 1 1 1 1 1 1 1 0.486379 +
48 0 0 0 0 0 0 0 0 0 0 0.587893 -
49 1 1 1 1 1 1 1 1 1 1 0.483803 +
50 0 0 0 0 0 0 0 0 0 0 0.446697 -
Tabla 12: Datos de estudio de atributos
Pgina 111 de 158
Una decisin aceptable fue asignada con un uno (1) y una decisin inaceptable con un
cero (0). La decisin de referencia y los valores variables de referencia mostrados en la
tabla 12 no fueron determinados inicialmente. En la columna Code se indica si la parte
est en rea I, rea II, o rea III, indicado por -, x, y + respectivamente.

Anlisis de prueba de hiptesis Mtodo de tabla cruzada

Debido a que el equipo no conoca las decisiones de referencia para las partes,
desarrollaron unas tabulaciones cruzadas comparando a cada evaluador contra los otros.

A * B Tabulacin cruzada
0.00 1.00
A 0.00 Clculo 44 6 50
Clculo esperado 15.7 34.3 50.0
1.00 Clculo 3 97 100
Total Clculo 47 103 150
B * C Tabulacin cruzada
0.00 1.00
B 0.00 Clculo 42 5 47
1.00 Clculo 9 94 103
A * C Tabulacin cruzada
0.00 1.00
A 0.00 Clculo 43 7 50
1.00 Clculo 8 92 100
C
Total
B
Total
C
Total
Pgina 112 de 158
El propsito de estas tablas es determinar el alcance del acuerdo entre evaluadores. Para
determinar el nivel de este acuerdo el equipo utiliza el estadstico Kappa (de Cohen) que
mide el acuerdo entre las evaluaciones de dos evaluadores cuando ambos estn
evaluando el mismo objeto. Un valor de 1 indica un acuerdo perfecto. Un valor de 0 indica
que no es ms que una posibilidad. Kappa solo est disponible para tablas en la que
ambas variables utilicen los mismos valores de categora y ambas variables tengan el
mismo nmero de categoras.

Kappa es una medida de acuerdo entre evaluadores que prueba si el conteo en las celdas
en diagonal (las partes que reciben el mismo puntaje) difiere de aquellas que se esperan
se encuentren solas.

Digamos que:

=
o
p Suma de las proporciones observadas de las celdas en diagonal
e
p = Suma de la proporcin esperada de las celdas en diagonal

por lo tanto:

e
e o
p
p p
kappa
=
1

Kappa es una medida ms que una prueba. Con base a su tamao se forma un
estadstico t. Cuando el valor de kappa es mayor que 0.75 indica un acuerdo de bueno a
excelente (con un kappa mximo = 1); valores menores que 0.40 indican un acuerdo
pobre.

Kappa no toma en cuenta el tamao de desacuerdo entre los evaluadores, sino si estn
de acuerdo o no.

Ejemplo:

Pgina 113 de 158

Este anlisis indica que todos los evaluadores muestran un buen acuerdo entre s. Esto
es necesario para determinar si existen diferencias entre los evaluadores, pero no nos
dice que tan bien el sistema de medicin selecciona las partes buenas de las malas. Para
este anlisis el equipo evalu las partes utilizando un sistema de medicin variable y
utiliz los resultados para determinar la referencia de la decisin.

Se evaluaron las partes con un sistema de medicin por variables para determinar la
decisin de referencia. Con esta nueva informacin se desarroll otro grupo de
tabulaciones cruzadas comparando cada evaluador con la decisin de referencia.

Kappa A B C
A - 0.86 0.78
B 0.86 - 0.79
C 0.78 0.79 -
0.00 1.00
A 0.0 Clculo 45 5 50
1.00 Clculo 3 97 100
B * REF Tabulacin cruzada
0.00 1.00
B 0.0 Clculo 45 2 47
% dentro de REF 15.0 32.0 47.0
1.00 Clculo 3 100 103
% dentro de REF 33.0 70.0 103.0
% dentro de REF 48.0 102.0 150.0
A * REF Tabulacin cruzada
0.00 1.00
C 0.0 Clculo 42 9 51
1.00 Clculo 6 93 99
REF
Total
REF
Total
REF
Total
Pgina 114 de 158
El equipo tambin calcul la medida kappa para determinar el acuerdo de cada evaluador
con la decisin de referencia:

Estos valores pueden ser interpretados como que cada uno de los evaluadores tiene un
buen acuerdo con el estndar. El equipo de proceso calcul la efectividad del sistema de
medicin.

isin paraunadec destotales oportunida
rrectas cisionesco nmerodede
d Efectivida =

Se pueden realizar pruebas de hiptesis mltiples entre cada par de evaluadores con la
hiptesis nula:
A B C
Kappa 0.88 0.92 0.77
Fuente Evaluador A Evaluador B Evaluador C Evaluador A Evaluador B Evaluador C
Total inspeccionadas 50 50 50 50 50 50
# de iguales 42 45 40 42 45 40
Falso negativo (evaluador influenciado hacia el rechazo) 0 0 0
Falso positivo (evaluador influenciado hacia la aceptacin) 0 0 0
Mezclado 8 5 10
95% UCI 93% 97% 90% 93% 97% 90%
Puntaje calculado 84% 90% 80% 84% 90% 80%
95% LCI 71% 78% 66% 71% 78% 66%
% evaluador % puntaje contra atributo
Total inspeccionado 50 50
# en acuerdo 39 39
95% UCI 89% 89%
Puntaje calculado 78% 78%
95% LCI 64% 64%
Puntaje en % de sistema efectivo Puntaje en % de sistema efectivo vs. referencia
Notas
(1) El evaluador concuerda con el mismo en todas las pruebas
(2) El evaluador concuerda en todas las pruebas con el estndar conocido
(3) Todos los evaluadores concordaron dentro y entre ellos mismo
(4) Todos los evaluadores concordaron dentro y entre ellos mismos Y acordaron con la referencia
(5) El UCI y LCI son los lmites de confianza de mayor y menor intervalo, respectivamente
Pgina 115 de 158
Ho: La efectividad de ambos evaluadores es la misma
Como el puntaje calculado de cada evaluador cae dentro del intervalo de confianza del
otro, el equipo concluye que no pueden rechazar las hiptesis nulas.

Para futuros anlisis, uno de los miembros del equipo mostr la siguiente tabla que
proporciona una gua de los resultados para cada evaluador:

Estos resultados mostraron que el sistema de medicin tuvo diferentes niveles de
desempeo en efectividad, tasa de error y tasa de falsa alarma dependiendo del
evaluador. Ningn evaluador obtuvo resultados inaceptables en las tres categoras. Son
aceptables los riesgos? se requiere mayor capacitacin a los evaluadores? el cliente
acepta estos niveles de riesgo?.

Preocupaciones

1) No existe una teora basada en el criterio de decisin sobre riesgo aceptable. Las
guas presentadas anteriormente son heursticas y estn desarrolladas con base
en creencias individuales de lo que pasar como aceptable. El criterio de
Decisin
sistema de medicin
Efectividad tasa de falla
tasa de
falsa
alarma
Aceptable para el
evaluador u90% 2% /
Marginalmente
aceptable para el
evaluador - tal vez
requiera mejora u80% 5% l0/
Inaceptable para el
evaluador - necesita
mejora <80% >5% >10%
Resumiendo toda la informacin se obtuvo:
Efectividad Tasa de falla
Tasa de
falsa
alarma
A 84% 6.3% 4.9%
B 90% 6.3% 2.0%
C 80% 12.5% 8.80%
Pgina 116 de 158
decisin final deber basarse en el impacto (riesgo) para el proceso y el cliente
final. Esta no es una decisin estadstica.
2) El anlisis anterior depende de los datos. Por ejemplo, si el ndice Pp = Ppk =
1.33, entonces todas las decisiones sern correctas sin partes en la regin II (zona
gris) del sistema de medicin. De esta forma se puede concluir que todos los
evaluadores fueron aceptables, no hay errores de decisin.

LSL = 0.450 USL = 0.545

0.40 0.50 0.60
I II III II I
Fig. 30. Ejemplo de proceso con Pp = Ppk = 1.33

3) Existe un concepto errneo de que significan realmente los resultados de la
tabulacin cruzada. Por ejemplo, los resultados del evaluador B son:

Debido a que el propsito de la inspeccin es encontrar las partes no conformes, la
mayora de las personas ven el nmero en la esquina superior izquierda como una
medida de efectividad de encontrar partes malas. Este porcentaje es la probabilidad de
decir que una parte es mala dado que es malo:
B * REF Tabulacin cruzada
0.00 1.00
B .00 Clculo 45 2 47
% dentro de REF 93.8% 2.0% 31.3%
1.00 Clculo 3 100 103
% dentro de REF 6.3% 98.0% 68.7%
% dentro de REF 100.0% 100.0% 100.0%
REF
Total
Pgina 117 de 158

Pr(llamar a la parte mala/una parte mala)

Asumiendo que el proceso es mejorado a Pp = Ppk = 1.00, la probabilidad de inters al
fabricante es:

Pr(la parte es mala/es llamada mala)

Para determinar esto, utilice el teorema Bayes.

Pr(mala/llamada mala) =

) Pr( * ) / Pr( ) Pr( * ) / Pr(
) Pr( * ) / Pr(
buena buena a llamadamal mala mala a llamadamal
mala mala a llamadamal
+

Pr(mala/llamada mala) =
) 9973 (. * 020 . ) 0027 (. * 938 .
) 0027 (. * 938 .
+

Pr(mala/llamada mala) =.11

Estos resultados indican que si la parte es llamada mala slo hay un 1 de 10
oportunidades que sea verdaderamente mala.

Enfoque de deteccin de seal

Un enfoque alterno es utilizar la teora de deteccin de seal para determinar la
aproximacin de amplitud de la regin del rea II y de esta, el GRR del sistema de
medicin.

Digamos que =
i
d distancia entre la ltima parte aceptada por todos los evaluadores a la
primera parte rechazada por todos (para cada especificacin)

Entonces,

Pgina 118 de 158
d = promedio
i
d es un estimado de la amplitud del rea de la regin II, y as, un
estimado de GRR = 5.15*
GRR
o

En el ejemplo donde la tolerancia es 0.095 tenemos:

024135 . 0 446697 . 0 470832 . 0 = =
LSL
d
023448 . 0 542704 . 0 566152 . 0 = =
USL
d
0237915 . 0 = d

El % GRR estimado es:

%GRR= 29%

El % real de GRR = 25%, as que este estimado llevar a la misma evaluacin del sistema
de medicin.

Valor de ref. Clave Valor de ref. Clave
0.599581 - 0.503091 +
0.587893 - 0.502436 +
0.576459 - 0.502295 +
0.570360 - 0.501132 +
0.566575 - 0.498698 +
0.566152 - 0.493441 +
0.561457 x 0.488905 +
0.559918 x 0.488184 +
0.547204 x 0.487613 +
0.545604 x 0.486379 +
0.544951 x 0.484167 +
0.543077 x 0.483803 +
0.542704 + 0.477236 +
0.531939 + 0.476901 +
0.529065 + 0.470832 +
0.523754 + 0.465454 x
0.521642 + 0.462410 x
0.520496 + 0.454518 x
0.519694 + 0.452310 x
0.517377 + 0.449696 x
0.515573 + 0.446697 -
0.514192 + 0.437817 -
0.513779 + 0.427687 -
0.509015 + 0.412453 -
0.505850 + 0.409238 -
Pgina 119 de 158
MTODO ANALTICO

Como en el sistema de medicin por variables, se debe verificar la estabilidad del
proceso. Para el caso de atributos se pueden usar cartas de control por atributos con
tamaos de muestra constante.

Para un sistema de medicin por atributos, se usa el concepto de curva de operacin del
calibre o gage Gage Performance Curve, para evaluar la repetibilidad y sesgo del
sistema de medicin. Se aplica a sistemas de medicin con uno o dos lmites, para el
caso de dos lmites se puede utilizar solo uno de ellos asumiendo uniformidad del error.

El estudio del sistema de medicin por atributos consiste en la obtencin de valores de
referencia para varias partes seleccionadas. Estas partes son evaluadas un nmero de
veces (m), con el nmero total de aceptados (a), para cada parte registrada. Con los
resultados, pueden ser evaluadas la repetibilidad y el sesgo.

La primera etapa del estudio por atributos es la seleccin de partes. Es esencial que el
valor de referencia sea conocido para cada parte utilizada en el estudio. Deben ser
seleccionadas ocho partes. Los valores mximos y mnimos deben representar el rango
del proceso. Aunque esta seleccin no afecta la confianza en los resultados, afecta el
nmero total de partes necesarias para completar el estudio de calibre. Las ocho partes
deben probarse mediante el calibre o gage, m = 20 veces, y se registra el nmero de
aceptaciones (a).

Para el estudio total, la parte ms pequea debe tener el valor 0 = a ; la parte ms grande
20 = a ; y las otra seis partes, deben ser 19 1 a . Si estos criterios no son satisfechos,
ms partes con valores de referencia conocidos, (X) deben probarse a travs del calibre
hasta que se cumpla con la condicin.

Una vez que el criterio de recoleccin de datos ha sido satisfecho, las probabilidades de
aceptacin deben ser calculadas para cada parte utilizando las siguientes ecuaciones:

Pgina 120 de 158

0 , 5 . 0
20 , 20 , 5 . 0
5 . 0 5 . 0
5 . 0
5 . 0
' {
{ { "
=
+
= a
m
a
si
a a
m
a
si
m
a
si
m
a
m
a
a P

Los ajustes cubren los ejemplos donde 19 1 a . Para los casos donde a = 0 establezca
Pa = 0 excepto para los valores de referencia ms largos con una a = 0, en donde Pa =
0.025. Para los casos donde a = 20 entonces Pa = 1 excepto para los valores de
referencia ms pequeos con una a = 20 en donde Pa = 0.975.

Una vez que se se calcula la Pa para cada Xt, se puede elaborar la curva de desempeo
del gage (GPC), el uso de papel normal trazando una lnea que aproxime los puntos,
proporciona un mejor estimado de la repetibilidad y sesgo. En la grfica normal, el sesgo
es igual al lmite inferior menos la medida del valor de referencia que corresponde a
Pa=0.5,

O

Sesgo = lmite de especificacin ms bajo - ) 5 . 0 ' ( =
a T
P X

La repetibilidad es determina al encontrar las diferencias de las medidas del valor de
referencia correspondientes 005 . 0 ' 995 . 0 ' = =
a a
yP P y dividindolo por el factor de ajuste
de
64
08 . 1

Pgina 121 de 158
08 . 1
) 005 . 0 ' ( ) 995 . 0 ' (
Re
= =
=
a T a T
P X P X
d petibilida

Para determinar si el sesgo es significativamente diferente de cero, se utiliza la siguiente
frmula

dad repetibili
Sesgo x
t
3 . 31
=

Si este valor calculado es mayor que 2.093
19 , 025
t entonces el sesgo es
significativamente diferente de cero.

Ejemplo:

Un calibre o gage por atributos est siendo utilizado para medir una dimensin que tiene
una tolerancia de s 0.010. El calibre es un calibre de inspeccin automtico 100%
instalado en la lnea final, es afectado por la repetibilidad y sesgo. Para realizar el estudio
por atributos, se prueban ocho partes con valores de referencia e intervalos de 0.002
desde -0.016 hasta -0.002 utilizando el calibre 20 ocasiones para cada una de ellas. El
nmero de aceptacin para cada parte es:

Como hay dos valores de referencia con 19 1 a , al menos cuatro partes ms deben
ser encontradas. Es necesario correr las partes con los valores de referencia en el punto
medio de los intervalos existentes. Estos valores de referencia y nmero de aceptados
son:
-0.016 0
-0.014 3
-0.012 8
-0.010 20
-0.008 20
-0.006 20
-0.004 20
-0.002 20
T
X a
Pgina 122 de 158

Existen cinco valores de referencia con 19 1 a . El procedimiento requiere que una
parte ms sea encontrada con 19 1 a . Por lo que la siguiente parte es evaluada:
-0.0105 18

Ahora el criterio de recoleccin de datos ha sido satisfecho, las probabilidades de
aceptacin pueden ser calculadas utilizando los ajustes binomiales abajo mostrados.

Se pueden determinar el sesgo y la repetibilidad de la grfica de probabilidad normal.

-0.015 1
-0.013 5
-0.011 16
-0.016 0 0.025
-0.015 1 0.075
-0.014 3 0.175
-0.013 5 0.275
-0.012 8 0.425
-0.011 16 0.775
-0.0105 18 0.875
-0.010 20 0.975
-0.008 20 1.000
T
X a
a
P'
Pgina 123 de 158

El sesgo es igual al lmite inferior menos el valor de medicin de referencia que
corresponde a 5 . 0 ' =
a
P .

Sesgo = -0.010 (-0.0123) = 0.0023

La repetibilidad es determinada al encontrar las diferencias de las mediciones del valor de
referencia correspondiente a 995 . 0 ' =
a
P y 005 . 0 ' =
a
P y dividindolo por 1.08

08 . 1
) 0163 . 0 ( 0084 . 0
= R

= 0073 . 0
08 . 1
0079 . 0
=

Para determinar si el sesgo es significativamente diferente de cero, calcule:

R
tendencia x
t
3 . 31
=

-
0
.
0
0
6
0
-
0
.
0
0
7
2
-
0
.
0
0
8
4
-
0
.
0
0
9
6
-
0
.
0
1
0
8
-
0
.
0
1
2
0
-
0
.
0
1
3
2
-
0
.
0
1
4
4
-
0
.
0
1
5
6
-
0
.
0
1
6
8
-
0
.
0
1
8
0
-
0
.
0
1
9
2
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
Xt
P
e
r
c
e
n
t
0.5
50
99.5
Mean -0.01217
StDev 0.002574
N 9
AD 0.133
P-Value 0.966
Probability Plot of Xt
Normal - 95% CI
Pgina 124 de 158
86 . 9
0073 . 0
0023 . 0 3 . 31
= =
x
t

Desde que 093 . 2
19 , 025 . 0
= t , el sesgo resulta ser significativamente diferente de cero.

Debido a que la forma de la curva en el lmite superior debera ser un espejo de la
imagen de la curva del lmite inferior, la nica consideracin necesaria es la localizacin
de la curva con respecto a los valores
T
X .

La posicin correcta de la curva estara definida en el punto donde la 5 . 0 ' =
a
P y el valor
T
X sea igual a la especificacin del lmite menos el sesgo. En el ejemplo, este punto
sera . 0077 . 0 0023 . 0 0100 . 0 = =
T
X

Xt Pa Xt Pa
-0.016 0.025 0.0083 0.025
-0.015 0.075 0.0073 0.075
-0.014 0.175 0.0063 0.175
-0.013 0.275 0.0053 0.275
-0.012 0.425 0.0043 0.425
-0.011 0.775 0.0033 0.775
-0.0105 0.875 0.0028 0.875
-0.01 0.975 0.0023 0.975
-0.008 1 0.0003 1

0
.
0
1
0
0
0
.
0
0
7
5
0
.
0
0
5
0
0
.
0
0
2
5
0
.
0
0
0
0
-
0
.
0
0
2
5
-
0
.
0
0
5
0
-
0
.
0
0
7
5
-
0
.
0
1
0
0
-
0
.
0
1
2
5
-
0
.
0
1
5
0
-
0
.
0
1
7
5
1.0
0.8
0.6
0.4
0.2
0.0
Xt
P
a
-0.01 0.01
Scatterplot of Pa vs Xt
Pgina 125 de 158
CAPTULO IV. Prcticas para sistemas
de medicin complejos

CAPTULO IV Seccin A
Prcticas para Sistemas de Medicin Complejos o No-
replicables

Introduccin
No en todos los casos las mediciones son replicables, por ejemplo:
Sistemas de medicin destructivos
Sistemas donde las partes cambian con el uso o prueba; v. gr., pruebas en
motores.
Los siguientes son ejemplos de enfoques al anlisis de sistemas de medicin.

El mapeo de los estudios descritos en esta seccin y varios de los escenarios son los
siguientes:

Escenario - Sistemas de Medicin No - Daino Ejemplos
La parte no es cambiada por la medicin del proceso; ej.
Sistemas de medicin que son no-dainos y que sern
utilizados con partes (especmenes) con: - Propiedades de
esttica o - Propiedades de
- Dinammetros de vehculo utilizados
con vehculos no verde/
-Pruebas de goteo con datos variables
La vida de anaquel de la caracterstica (propiedad) es
conocida y se incrementa ms all de la duracin esperada
del estudio - ej. La caracterstica medida no cambia sobre el
periodo esperado de uso
- Masa de espectmetro con muestras
realizadas de un lote de material
Escenario - Sistemas de Medicin Dainos Ejemplos
Posicin de prueba
- Final de la lnea
- Posicin de prueba de motor
- Posicin de prueba de transmisin
- Dinammetros de vehculo
-Prueba de goteo con datos cualitativos
- Spray de sal / Humedad de cabina
-Gravelmetro
Otros sistemas de medicin no-reproducibles
- Sistemas de medicin en lnea donde
la automatizacin no permita
reproduccin.
- Prueba de soldado daino
- Prueba de chapado daino
SISTEMAS DE MEDICIN NO REPRODUCIBLE
Pgina 126 de 158

Escenario S1 S2 S3 S4 S5
Sistemas de medicin que son no-dainos (reproducibles) y
sern utilizados con partes (especmenes) con:
-Propiedades de esttica o propiedades dinmicas (cambios)
que han sido estabilizas

Sistemas de medicin que son no-dainos y que se utilizarn
con partes (especmenes) con: -
Propiedades de esttica o propiedades dinmicas (cambios)
que han sido estabilizadas

Sistemas de medicin Dainos
Sistemas de medicin no reproducibles
Posiciones de prueba
Escenario V1 V2 V3 V4 V5 V6 V7 V8 V9
Sistemas de medicin que son no-dainos (reproducibles) y
sern utilizados con partes (especmenes) con:
-Propiedades de esttica o propiedades dinmicas (cambios)
que han sido estabilizas
Arriba con pu2 instrumentos

Sistemas de medicin Dainos
Sistemas de medicin no reproducibles
Sistemas de medicin con caractersticas dinmicas, ej.
posiciones de prueba

Arriba con pu3 instrumentos
Estudios de estabilidad
Estudios de variabilidad
Pgina 127 de 158
CAPITULO IV SECCIN B
Estudios de estabilidad

S1: Parte nica, Una sola medicin por ciclo

Aplicacin:
A) Los sistemas de medicin en los que la parte no es cambiada por
la medicin del proceso, ej. Sistemas de medicin que son no
destructivos y sern utilizados con partes (muestras) con :
a) Propiedades estticas
b) Propiedades dinmicas (cambios) que han sido
estabilizadas

B) La vida de anaquel de la caracterstica (propiedad) es conocida y
se alarga ms all de la duracin esperada del estudio; ej. La
caracterstica medida no cambia sobre el periodo de uso
esperado.

Supuestos:
- El sistema de medicin es conocido (documentado) para tener una respuesta
lineal sobre la prolongacin esperada de la caracterstica (propiedad)
- Las partes (muestras) cubren la prolongacin esperada de la variacin del proceso
de la caracterstica.

Analizar utilizando grficas mR X &

- Determinar la estabilidad de sistemas de medicin
o Comparar los puntos graficados respecto a los lmites de control
o Buscar tendencias (slo eje X)
- Comparar
*
2
d
R
e
= o (error total de medicin) con la repetibilidad estimar
E
o del
estudio de variabilidad
- Determinar el sesgo si el valor de referencia es conocido:
Pgina 128 de 158
referencia de valor x Sesgo =

S2: nu3 partes, una sola medicin por ciclo por parte

Aplicacin:

a) Sistemas de medicin en los cuales la parte no es cambiada
por la medicin del proceso; ej. Sistemas de medicin que
son no destructivo y sern utilizados con partes (muestras)
con:
o Propiedades estticas, o
o Propiedades dinmicas las cuales han sido
estabilizadas

b) La vida de anaquel de la caracterstica (propiedad) es
conocida y se extiende ms all de la duracin esperada del
estudio; ej. La caracterstica medida no cambia sobre el
periodo de uso esperado.

Supuestos:

- El sistema de medicin es conocido (documentado) para tener una respuesta
lineal sobre la prolongacin esperada de la caracterstica (propiedad)

Analizar utilizando tabla a? A R z, : donde
i i i
x z =

Y
i
es el valor estndar (referencia) o determinado por el
promedio de un gran nmero de lecturas de la parte (muestra).

- Determina la estabilidad del sistema de medicin:
o Compare los puntos graficados respecto a los lmites de control
Pgina 129 de 158
o Busque sesgos (solo grfica z)

- Compare
*
2
d
R
e
= o con la repetibilidad estimar
E
o de un estudio de variabilidad
- Determinar el sesgo si los valores de referencia son conocidos:

Sesgo = erencia valorderef x

- Determinar la linealidad si nu3 partes fueron utilizadas
o Las partes (muestras) deben cubrir la prolongacin esperada de la
propiedad
o Cada parte (muestra) debera ser analizado de manera separada para
sesgo y repetibilidad.
o Cuantificar la linealidad utilizando el anlisis de linealidad discutido en el
captulo 3, Seccin B

Si ms de un instrumento es utilizado en este estudio, determinar consistencia
(homogeneidad de variacin) entre los instrumentos, ej. Utilice prueba F, prueba Bartletts,
prueba Levene, etc.

S3: Muestra grande de un proceso estable

Aplicacin:

El sistema de medicin debe ser al evaluar una muestra homognea
independiente idnticamente distribuida (iid) (recolectada y aislada) por lo
que este estudio puede ser utilizado con sistemas de medicin destructivos
y no replicables.

Supuestos:

- La vida de anaquel de la caracterstica (propiedad) es conocida y se prolonga ms
all de la duracin esperada del estudio
Pgina 130 de 158
- La linealidad del sistema de medicin es conocida (documentada) sobre la
prolongacin esperada de la caracterstica (propiedad) (si la respuesta es no
lineal, las lecturas deben ajustarse por consiguiente.

Analizar por:

- Determinar la variabilidad total va un estudio de capacidad con nu30 partes. (Este
estudio preliminar debera ser utilizado tambin para verificar la consistencia de la
muestra; ej. Todas las partes (muestras) vienen de una distribucin unimodal)
-
2 2 2
edicion sistemadem proceso total
o o o + =
- Medir uno o ms individuales de la muestra aislada por periodo de tiempo, utilice
grficas x & R o x &mR con los limites de control determinados por la capacidad
del estudio.
- Comparar los puntos graficados a los lmites de control
- Buscar tendencias
- Desde que las partes (muestras) no cambian (una muestra aislada), cualquier
indicacin de inestabilidad debera ser atribuido al cambio en el sistema de
medicin.

S4: Divisin de muestras (General), una muestra por ciclo

Aplicacin:

Las mediciones de las porciones de las partes individuales (muestras) no
son replicadas por lo que este estudio puede ser utilizado con sistemas de
medicin destructivos y no replicables.

Supuestos:
La vida de anaquel de la caracterstica (propiedad) es conocida y se
extiende ms all de la duracin esperada del estudio; la caracterstica
medida no cambia sobre el periodo esperado de uso y/o almacenaje
Pgina 131 de 158
Las partes (muestras) cubren la distancia esperada de la variacin del
proceso de la caracterstica (propiedad).
La linealidad del sistema de medicin es conocida (documentada) sobre la
distancia esperada de la caracterstica (propiedad).

Analizar mediante:

Determinacin de la variabilidad total va un estudio de capacidad con
30 u n partes. (Este estudio preliminar debera ser utilizado tambin para
verificar la consistencia de la muestra es decir, que todas las partes
(muestras) provienen de una distribucin unimodal).

2 2 2
edicin sistemadem proceso total
o o o + =
Medicin de uno o ms individuos de una muestra aislada por periodo de
tiempo, utilizar grficas R x & o mR x & con los lmites de control
determinados por la capacidad del estudio.
Comparar los puntos graficados a los lmites de control
Buscar sesgos
Ya que las partes (muestras) no cambian (una muestra aislada), cualquier
indicacin de inestabilidad pudiera atribuirse a un cambio en el sistema de
medicin.

S4: Muestras divididas (General), uno muestra por ciclo

Aplicacin:

Las medidas de las porciones de partes (muestras) individuales no son replicables
por lo que este estudio puede ser utilizado con sistemas de medicin destructivos
o no replicables.

Supuestos:

Pgina 132 de 158
La vida de anaquel de la caracterstica (propiedad) es conocida y va ms
all de la duracin esperada del estudio, la caracterstica medida no cambia
sobre el periodo esperado de uso y/o almacn.
Las partes (muestras) cubren la distancia prolongado de la variacin del
Los muestras son divididos en m porciones. Con m=2 porciones,
generalmente llamado estudio de ensayo reensayo

Analizar utilizando:

Grfica de rango para rastrear la consistencia de las mediciones
Comparar
*
2
d
R
e
= o con la repetibilidad estimar
E
o de un estudio de
variabilidad
Este es un estudio superior determinado:
2 2 2
entre E e
o o o + =
Grafique para rastrear la consistencia del proceso de produccin.

S4 con pares de partes consecutivas (homogneas) de diferentes lotes S4a

Este estudio es el mismo que S4 con partes homogneas de diferentes lotes.

S5: Posiciones de prueba

En esta situacin, mltiples instrumentos de medicin (posiciones de prueba) evalan las
mismas caractersticas de una corrida continua de producto. La corrida de producto es
raramente asignada a posiciones individuales.

S5a: Respuestas de atributo

Analizar utilizando tablas p:

Determinar consistencia (de decisiones) entre las posiciones: una sola tabla
incluyendo los resultados desde todas las posiciones
Pgina 133 de 158
Determinar la estabilidad dentro de posiciones individuales: tabla separada para
cada posicin.
Analizar la estabilidad total del sistema con una tabla mR p & donde p es el promedio
total de todas las posiciones de las pruebas en un da dado.

S5b: Respuestas de datos variables

Analizar utilizando las tcnicas ANOVA y grfica

Calcular s X & para posicin de prueba (por caracterstica), por periodo de
tiempo
Determinar consistencia entre las posiciones: una sola tabla s x &
incluyendo los resultados de todas las posiciones
Determinar estabilidad dentro de posiciones individuales: separar tablas
s x & para cada posicin
Cuantificar la consistencia (homogeneidad de variacin) entre las
posiciones.
Determinar si todas las posiciones estn enfocadas hacia el mismo objetivo
comparando la posicin promedio, diferentes posiciones aisladas al utilizar
por ejemplo, Prueba Tukeys T.

Pgina 134 de 158
CAPITULO IV Seccin C
Estudios de variabilidad

Todos los estudios descriptivos son enumerativos por naturaleza y describen el sistema
de medicin (incluyendo los efectos del ambiente) durante el estudio. Desde que los
sistemas de medicin existen para ser utilizados en la toma de futuras decisiones sobre
productos, procesos o servicios, una conclusin analtica sobre el sistema de medicin es
necesaria.

V1: Estudios estndar GRR

Estos estudios son aquellos contenidos dentro de este manual de referencia.

V1a Mtodo de rango (R & R)
V1b Mtodo de rango (R & R y dentro-parte)
V1c - Mtodo ANOVA
V1d Mtodo modificado ANOVA/rango

V2: Lecturas mltiples con u p 2 instrumentos

Aplicacin:

a. Sistemas de medicin en los cuales la parte no es cambiada por el
proceso de medicin; sistemas de medicin que son no destructivos y
se utilizarn con partes (muestras) con:

1) Propiedades estticas, o
2) Propiedades dinmicas ( cambiantes) que han sido estabilizadas

Supuestos:
La vida de anaquel de la caracterstica (propiedad) es conocida y va
ms all de la duracin esperada del estudio; la caracterstica medida
no cambia sobre el periodo de uso esperado.
Pgina 135 de 158
Las partes (muestras) cubren el rango esperado de la variacin del
proceso de la caracterstica.

V4: Muestras divididas (General)

Aplicacin:

Las porciones de las mediciones de partes individuales (muestras) no son
replicables por lo que este estudio puede ser utilizado con sistemas de medicin
destructivos y no replicables y pueden ser utilizados para analizar sistemas de
medicin con caractersticas dinmicas.

Supuestos:

no cambia sobre el periodo esperado de uso y/o almacenaje.
Las partes (muestras) cubren el rango prolongado de la variacin del
Se dividen las muestras en m porciones donde m = 0 mod 2 3; 2 u m
(m = 3, 4, 6, 9, ...)

Analizar utilizando:

Tcnicas estndar GRR incluyendo grficas
ANOVA - Diseo aleatorizado en bloques (ANOVA de dos vas)

V4a V4 con pares de partes consecutivas (homogneas) de diferentes lotes

Este estudio es el mismo que V4 utilizando pares consecutivos de parte ms que
muestras dispersos. Este estudio es utilizado en situaciones donde la parte no puede ser
dispersa sin destruir la propiedad a ser medida.

Pgina 136 de 158

lotes partes e E
o o o o + +

V5: Mismo que V1 con partes estabilizadas

Las partes utilizadas en este estudio son estabilizadas utilizando un proceso basado en
conocimiento de ingeniera y competencia.

V6: Anlisis de series de tiempo

Supuestos:

Lecturas repetidas son tomadas sobre intervalos de tiempo
especificados.
no cambia sobre el periodo de uso esperado.
Las partes (muestras) cubren el rango esperado de la variacin del
proceso de la caracterstica.

Analizar mediante la determinacin del modelo de degradacin para cada
parte de la muestra:

e E
o o =
Consistencia de degradacin (si 2 u n )

V7: Anlisis lineal

Supuestos:

Lecturas repetidas son tomadas sobre intervalos de tiempo
especificados.
Pgina 137 de 158
La degradacin en el sistema de medicin es conocida (documentada)
para tener una respuesta lineal sobre los intervalos de tiempo
especificados.
no cambia sobre el periodo esperado de uso.

Analizar mediante regresin lineal:

e E
o o =
Consistencia de degradacin (si 2 u n )

V7a V7 con una muestra homognea

Analizar mediante regresin lineal:

entre e E
o o o +

V8: Tiempo versus degradacin de la caracterstica (propiedad)

V6 y V7 pueden ser modificados para determinar si la degradacin es por
tiempo (vida de anaquel) o depende de la actividad.

V9: V2 con lecturas mltiples simultneas y 3 u p instrumentos

Analizar igual que V2

Pgina 138 de 158
CAPITULO V. Otros conceptos de
medicin

CAPITULO V SECCIN A
Reconocer el efecto de variacin excesiva dentro parte

El entender las fuentes de variacin de un sistema de medicin es importante para todas
las aplicaciones de medicin pero se convierte en algo ms crtico cuando existe una
variacin significativa dentro de la parte (within part variation). Una variacin dentro
parte tal como conicidad, cilindricidad, planicidad, excentricidad (circular runout), etc.,
puede proporcionar resultados engaosos en la evaluacin del sistema de medicin. La
variacin dentro - parte puede aparecer como un componente significativo de la variacin
del sistema de medicin. Identificando la presencia de la variacin dentro parte en el
producto resultar en una mejor comprensin de lo adecuado del sistema de medicin
para esta tarea.

Pueden requerirse para analizar esta situacin el D.O.E., ANOVA u otras tcnicas ms
sofisticadas.

Las decisiones que los ingenieros de diseo de producto hagan pueden afectar como una
parte es medida, como puede ser diseado un dispositivo, y el resultado puede afectar el
resultado del error la medicin.

Una vez que los componentes de variacin dentro parte son identificados, puede ser
posible controlar estos factores con el sistema de medicin (v. gr., rediseando el gage o
utilizando diferentes accesorios de medicin o diferentes equipos de medicin) de mod
que los datos futuros no sean confundidos.

Pgina 139 de 158
CAPITULO V SECCIN B
Mtodo de rango y promedio Tratamiento adicional

Introduccin

El propsito primario de la grfica de control es el mismo que otros anlisis de sistemas
de medicin: determinar si el proceso de medicin es adecuado para medir la variacin
del proceso de manufactura y/o evaluar la conformidad del producto.
todos los gages o calibre hacen la misma funcin?
todos los evaluadores realizan la misma funcin?
es aceptable la variacin del sistema de medicin con respecto a la variacin del
proceso?
Qu tan buenos son los datos obtenidos del proceso de medicin?

Pasos del procedimiento

1) Debe tenerse cuidado de seguir la preparacin del estudio para sistemas de
medicin, Cap. II seccin C.
2) Que cada evaluador mida cada muestra para la caracterstica que esta siendo
estudiada. Registre las primeras revisiones al inicio de la fila de datos de la grfica
de control.
3) Repetir las mediciones y registrar los datos en la segunda fila de datos de la
grfica de control (nota: no deje que los evaluadores vean sus lecturas originales
mientras elaboran este segundo chequeo). Los datos deben mostrar dos chequeos
de la misma parte por cada evaluador.
4) Analice los datos mediante el clculo del promedio ( X )y el rango (R) de cada
subgrupo.
5) Grafique los valores de rango en la carta de rangos y calcule el rango promedio (
R ). Utilice el factor D
4
para n = 2 para calcular el limite de control para la tabla de
rango. Empate en este lmite y determine si todos los valores estn en control.
a. Si todos los rangos estn en control, todos los evaluadores estn haciendo
el mismo trabajo.
b. Si un evaluador est fuera de control, su mtodo difiere de los otros.
Pgina 140 de 158
c. Si todos los evaluadores tienen algunos rangos fuera de control, el sistema
de medicin es sensible a la tcnica del evaluador y necesita mejorar para
obtener datos tiles.
6) Grafique el promedio para cada subgrupo ( X )

Calcule el promedio general ( X ) (incluir todos los promedios de subgrupos ( X ) para
todos los evaluadores). Graficar este promedio principal en la grfica ( X ).

Ahora calcule los lmites de control para esta grfica utilizando el factor A
2
para n = 2 y el
rango de promedio ( R ) de la grfica de rango y dibuje estos lmites en la grfica
promedio. La grfica de rango contiene slo la variacin de medicin. As, el rea entre
los lmites de control de los promedios representa el monto de variacin de medicin en el
sistema.

Si todos los promedios caen dentro de los lmites de control, la variacin del sistema
esconde la variacin del proceso. El proceso de medicin tiene ms variacin que el
proceso de manufactura.

Si menos de la mitad de los promedios se encuentran fuera del lmite de control, el
sistema de medicin es inadecuado para el control del proceso.

Ejemplo de hoja de trabajo

La pregunta, Qu tan bien son recolectados los datos por este sistema de medicin?
Puede ser contestada al completar el ejemplo de hora de trabajo. Todos los datos
necesarios para esta hoja de trabajo pueden encontrarse en las tablas de promedio y
rango arriba descritas.

Los siguientes son los pasos utilizados para llenar el ejemplo de la hoja de trabajo.

1) identifique la medida y caracterstica que esta siendo evaluada, quin est
haciendo el estudio y los datos del estudio?

Pgina 141 de 158
2) El rango del promedio del subgrupo ( R ) se obtiene directamente de la grfica de
control.

3) El nmero de copias (r) es el nmero de veces que cada evaluador verific la
misma parte

4) Calcule la desviacin estndar (
e
o ) de la repetibilidad estimada, utilizando el valor
de
2
d para el r correspondiente

5) Introduzca el nmero de evaluadores (
A
n ) en el espacio proporcionado

6) Introduzca el nmero de muestras (n) en el espacio proporcionado.

7) Calcule el promedio de evaluador mediante el promedio de todas las muestra
obtenidas por cada evaluador e ingresar estos promedios en el espacio
proporcionado para cada evaluados (A, B, C)

8) Revise los promedios de evaluador (A, B, C) y determine el rango de los
promedios de evaluadores mediante la resta del menor del mayor e insertarlo en el
espacio indicado (
A
R )

9) Calcule la desviacin estndar estimada de evaluador como se muestra (
e
o )
utilizando el valor de
*
2
d para el valor correspondiente
A
n .

10) Calcule los promedios de la muestra al promediar el valor obtenido por todos los
evaluadores para cada muestra. Por ejemplo, (muestra 1 promedio de evaluador A
+ muestra 1 promedio de evaluador B + muestra 1 promedio del ltimo evaluador y
dividir esta suma por el nmero de evaluadores). Esta es la mejor estimacin de
ese valor real de la muestra 1. Coloque el valor para cada muestra en el espacio
proporcionado (1, 2, 3,...9, 10) en la figura 34b.

Pgina 142 de 158
11) Observe los promedios de la muestra (1, 2, 3,...9, 10) y calcule el rango de los
promedios de la muestra (
p
R ) al restar el menor al mayor. Ponga el resultado en
el espacio proporcionado

12) Estime la desviacin estndar (
p
o ) de muestra a muestra utilizando el valor de
*
2
d
para el valor n correspondiente.

13) Calcule la relacin seal a ruido (SN) al dividir la desviacin estndar de la
muestra por la desviacin estndar de la medicin y ponga el resultado en el
espacio proporcionado.

SN =
GRR
P
o
o

14) Determine el nmero de distintas categoras de producto que pueden ser
distinguidas por estas mediciones. Multiplique el SN por 1.41 y ponga el resultado
en el espacio correspondiente.

Si el nmero de categoras es menor que dos (2), el sistema de medicin no es de valor
para el control del proceso.

Si el nmero de categoras es de dos (2), significa que los datos pueden slo ser divididos
en grupos alto o bajo, tal como si fueran atributos.

Si el nmero de categoras es de tres (3), los datos pueden ser divididos slo en grupos
alto, medio o bajo. Este es un mejor sistema de medicin.

Un sistema que contenga cuatro (4) o ms categoras ser mucho mejor que los primeros
tres ejemplos.

Pgina 143 de 158

Medicin
evaluada
longitud apropiada Hecho por: R.W.L Fecha: Da-mes-ao
Error de reproduccin:
Registro de promedio de subgrupo = = 7.6 r
Nmero de reproducciones = Tamao de subgrupo = r = 2 2 1.128
Desviacin estndar estimada de reproducciones: 3 1.693
4 2.059
5 2.326
6 2.534
7 2.704
8 2.847
9 2.970
10 3.078
Clculos para efecto de evaluador:
.
2 1.410 Nmero de tasadores = = 3
3 1.906 Nmero de muestras = n = 5
4 2.237 108.1 - 102.8 =
5 2.477 Registro de promedios de tasador = = 5.3
6 2.669
7 2.827
8 2.961
9 3.076
10 3.178
Escriba los promedios del evaluador:
Evaluador Promedio
A 103.1
B - bajo 102.8
C - alto 108.1
D -
E -
F -
Figura 34a. Clculos para el mtodo de grfica de control de la evaluacin de un proceso de
medicin (parte 1 de 2)
R 2
d
738 . 6
2
= =
e
d
R
o
A
n
*
2
d
A
n
A
R
A
R
A
o
906 . 1
3 . 5
=
781 . 2
*
2
= =
A
d
R
o
Pgina 144 de 158

Clculos para la desviacin estndar del error de medicin
Estimacin de la desviacin estndar del error de medicin para ser:
Escribir el valor adecuado para
Clculos para la Seal de interferencia:
n Escriba el promedio para cada pieza muestra o lote abajo:
2 1.410 Muestra Promedio
3 1.906 1 111.17
4 2.237 Estimar desv. Estndar de muestra a muestra 2 113.33
5 2.477 3 - bajo 83.00
6 2.669 4 102.17
7 2.827 5 - alto 113.67
8 2.961 6
9 3.076 7
10 3.178 8
9
Seal de interferencia: 10
As el nmero de distintas categoras de productos que pueden ser bien identificadas
por estas mediciones es 1.41 x 1.698
2
Este es el nmero de no-traslapo 97% intervalos de confianza que durar el rango de
variacin del producto. (Un intervalo de confianza de 97% centrado en una medicin
pudiera contener el valor del producto actual que est representado por esa medicin
el 97% del tiempo)
Fig. 34b: Calculos para el Mtodo de grfica de control para la evaluacin de un proceso
de medicin (parte 2 de 2)
289 . 7 ) 7806 . 2 ( ) 7376 . 6 (
2 2 2 2
= + = + =
A e m
o o o
289 . 7 =
m
o
*
2
d
p
R = 0 . 83 67 . 113
38 . 12
477 . 2
67 . 30
=
38 . 12
*
2
= =
p
p
d
R
o
698 . 1
289 . 7
38 . 12
= 698 . 1
=
m
p
o
o
395 . 2
41 . 1 =
m
p
o
o
Pgina 145 de 158
CAPITULO V SECCION C
Curva de desempeo del calibre o gage

El propsito de desarrollar la curva de desempeo del gage (GPC) es determinar la
probabilidad de aceptar o rechazar una parte de algn valor de referencia. El GPC para
una medicin ideal sin error se muestra en la siguiente figura:
Pa

Sesgo = 0 GRR = 0

Valores observados
LIE LSE
Figura 35. Curva de desempeo del gage sin error

Una vez que se ha determinado la cantidad de error, es posible calcular la probabilidad de
aceptacin de una parte de algn valor de referencia cuando se usa ese sistema.

Para cumplir esto, el supuesto establece que el error del sistema de medicin consiste
primordialmente de falta de repetibilidad, reproducibilidad y sesgo. La repetibilidad y
reproducibilidad se asume que son distribuidas normalmente con varianza
2
o .

El error del gage se distribuye normalmente con una media
T
X , el valor de referencia
ms el sesgo, y tiene varianza
2
o . En otras palabras:

) , (
2
o b X N gage real Valor
T
+ =

La probabilidad de aceptacin de una parte de algn valor de referencia est dado por la
relacin:
Pgina 146 de 158

+ =
UL
LL
T
dx b X N Pa ) , (
2
o

Utilizando la tabla normal estndar:

+
*
+
* =
o o
b X LL b X UL
Pa
T T

Donde:

+
*
o
b X UL
T
=
g
+
UL
T
dx b X N ) , (
2
o

+
*
o
b X LL
T
=
g
+
LL
T
dx b X N ) , (
2
o

Ejemplo:

Determine la probabilidad de aceptar una parte donde el valor de referencia de torque es
0.5 Nm, 0.7 Nm, 0.9 Nm.

Utilizando datos de un estudio previo:

Especificacin superior = UL = 1.0 Nm
Especificacin inferior = LL = 0.6 Nm
Sesgo = b = 0.05 Nm
GRR
o = 0.05 Nm

Aplicando lo anterior a las frmulas:

16 . 0 84 . 0 0 . 1 ) 0 . 1 ( ) 0 . 9 (
05 . 0
05 . 0 5 . 0 ( 6 . 0
05 . 0
05 . 0 5 . 0 ( 0 . 1
= = * * =
+
*
+
* = Pa
Pgina 147 de 158

Cuando la parte tiene un valor de referencia de 0.5 Nm ser aceptado el 16% de las
veces y ser rechazado aproximadamente 84% de las veces.

Ejemplo de curva de desempeo del gage

Si la probabilidad de aceptacin es calculada para todos los valores de
T
X y graficada,
entonces se obtiene la curva de desempeo del gage.

Para el caso de Xt = 0.7 Nm se tiene:
999 . 0 ) 0 . 3 ( ) 0 . 5 (
05 . 0
05 . 0 7 . 0 ( 6 . 0
05 . 0
05 . 0 7 . 0 ( 0 . 1
= * * =
+
*
+
* = Pa
Si el valor de referencia es 0.7, la parte se rechaza el 0.1% de las veces.
Para el caso de Xt = 0.9 Nm se tiene:
84 . 0 ) 0 . 7 ( ) 0 . 1 (
05 . 0
05 . 0 9 . 0 ( 6 . 0
05 . 0
05 . 0 9 . 0 ( 0 . 1
= * * =
+
*
+
* = Pa
Si la parte tiene 0.9 Nm, la parte se rechaza el 16% de las veces.

Si se calcula la probabilidad de aceptacin para todos los valores de Xt y se grafican, se
obtiene la curva de desempeo del gage, como se muestra en la figura 36.
Valor Xt Prob_Lim_Sup Prob_Lim_Inf Pa
0.4 1 0.998650102 0.0013499
0.42 1 0.995338812 0.00466119
0.44 1 0.986096552 0.01390345
0.46 1 0.964069681 0.03593032
0.48 1 0.919243341 0.08075666
0.5 1 0.841344746 0.15865525
0.52 1 0.725746882 0.27425312
0.54 1 0.579259709 0.42074029
0.56 1 0.420740291 0.57925971
0.58 1 0.274253118 0.72574688
0.6 1 0.158655254 0.84134475
0.62 1 0.080756659 0.91924334
0.64 1 0.035930319 0.96406968
0.66 0.999999997 0.013903448 0.98609655
0.68 0.999999967 0.004661188 0.99533878
0.7 0.999999713 0.001349898 0.99864982
0.72 0.999997888 0.000336929 0.99966096
0.74 0.999986654 7.2348E-05 0.99991431
Pgina 148 de 158
0.76 0.999927652 1.33457E-05 0.99991431
0.78 0.999663071 2.11245E-06 0.99966096
0.8 0.998650102 2.86652E-07 0.99864982
0.82 0.995338812 3.33205E-08 0.99533878
0.84 0.986096552 3.31575E-09 0.98609655
0.86 0.964069681 2.82316E-10 0.96406968
0.88 0.919243341 2.05579E-11 0.91924334
0.9 0.841344746 1.27981E-12 0.84134475
0.92 0.725746882 6.80922E-14 0.72574688
0.94 0.579259709 3.09536E-15 0.57925971
0.96 0.420740291 1.20194E-16 0.42074029
0.98 0.274253118 3.9858E-18 0.27425312
1 0.158655254 1.12859E-19 0.15865525
1.02 0.080756659 2.72815E-21 0.08075666
1.04 0.035930319 5.62928E-23 0.03593032
1.06 0.013903448 9.91363E-25 0.01390345
1.08 0.004661188 1.4899E-26 0.00466119
1.1 0.001349898 1.91066E-28 0.0013499

Sesgo = 0.0023 GRR = 0.79%
Figura 36. Ejemplo de Curva de desempeo del gage

Curva de desempeodel Gage (GPC)
0
0.2
0.4
0.6
0.8
1
1.2
0
.
4
0
.
4
4
0
.
4
8
0
.
5
2
0
.
5
6
0
.
6
0
.
6
4
0
.
6
8
0
.
7
2
0
.
7
6
0
.
8
0
.
8
4
0
.
8
8
0
.
9
2
0
.
9
6 1
1
.
0
4
1
.
0
8
Valor de referencia
P
r
o
b
.

d
e

a
c
e
p
t
a
c
i
n
Pa
Pgina 149 de 158
Tambin se puede graficar en papel normal como se muestra en la figura 37:

Figura 37. Grfica de probabilidad normal para Xt

Una vez que se desarrolla la GPC, puede ser utilizada para calcular el error de
repetibilidad y reproducibilidad, y error de sesgo.

El rango GRR* 5.15 puede ser determinado al encontrar el valor de
T
X que corresponde
a Pa = 0.995, y el valor de
T
X que corresponde a Pa = 0.005 para los dos lmites. El GRR
es la diferencia entre los dos valores de
T
X , como se muestra en la tabla.

Un estimado de el sesgo es determinado al encontrar el
T
X , tanto para el lmite superior
como inferior, que corresponde a Pa = 0.5 y calculando

LL X B
T
=
UL X BB
T
=
dependiendo de qu lmite es escogido X
T

1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0
99
95
90
80
70
60
50
40
30
20
10
5
1
Valor
P
e
r
c
e
n
t
Mean 0.75
StDev 0.2107
N 36
AD 0.384
P-Value 0.377
Probability Plot of Valor
Normal - 95% CI
Pgina 150 de 158
CAPITULO V Seccin D
Reduccin de variacin a travs de lecturas mltiples

Si la variacin el sistema de medicin actual no es aceptable (sobre 30%) existe un
mtodo que puede ser utilizado para reducir la variacin a un nivel aceptable hasta que se
realicen mejoras al sistema de medicin. La variacin inaceptable puede ser reducida
tomando mltiples lecturas de mediciones estadsticamente independientes (no
relacionadas) de la caracterstica de la parte que est siendo evaluada, determinando el
promedio de estas mediciones y dejando que el valor numrico del resultado sea
sustituido para la medicin individual. Este mtodo, consumir tiempo, pero es una
alternativa hasta que se realicen mejoras al sistema de medicin. El procedimiento para
este mtodo es:

1) determinar el nmero de lecturas mltiples requeridas para cumplir con un nivel
aceptable de variacin

2) Seguir el procedimiento de estudio de sistemas de medicin ya visto.

Ejemplo:

En el ejemplo de la empresa XYZ, el porcentaje de tolerancia de variacin GRR es 25.5%,
con una variabilidad de seis sigma igual a 0.24. El cliente desea reducir esto al menos
15%, lo cual sera equivalente a una variabilidad de seis sigma de 0.14.

Para determinar el nmero de lecturas mltiples requeridas para cumplir el criterio
deseado de 15%, debe asumirse que la distribucin de mediciones individual y promedio
tiene la misma media de valor numrico. Segundo, la variacin de la distribucin de
promedios es igual a la variacin de las distribuciones individuales divididas por el tamao
de la muestra. Entendiendo esta relacin, el nmero de mltiples lecturas requeridas
puede ser determinado.

n
x
2
2
6
) 6 (
o
o =
Pgina 151 de 158

Despejando, tenemos:

n
s
s
x
6
6 =

Sustituyendo:

n
24 . 0
14 . 0 =

para quedar:

3
714 . 1
}
=
n
n

As pues, tres lecturas mltiples en la caracterstica de la parte reducirn la variacin total
del sistema de medicin a aproximadamente 0.14 y el %GRR a 15%.

Este mtodo deber ser considerado como un paso temporal hasta que otras mejoras
sean realizadas al sistema de medicin, con la aprobacin del cliente.

Pgina 152 de 158
CAPITULO V Seccin E
Mtodo de la desviacin estndar conjunta para GRR

El anlisis de un sistema de medicin usualmente asume que los datos replicados de
todas las partes/muestras pueden ser obtenidos de todos los evaluadores de una manera
al azar. Si el sistema de medicin incluye mltiples localizaciones esto puede ser
logsticamente irrealizable al demandar un muestreo al azar. Tambin algunos anlisis
qumicos y metalrgicos pueden requerir una seccin transversal de diversas muestras
que no son parte de un proceso homogneo y pueden no estar disponibles al mismo
tiempo.

Estas situaciones pueden ser manejadas al utilizar un DOE anidado. Un enfoque alterno
es el estudio GRR de desviacin estndar conjunta que sigue la metodologa de la norma
ASTM E691. Se obtendrn mltiples valores de repetibilidad y reproducibilidad
determinadas por separado para cada parte.

Este enfoque ve cada parte como un material separado y entonces calcula la desviacin
estndar GRR de la repetibilidad y reproducibilidad como en E691. Esto producir
mltiples valores separados de repetibilidad y reproducibilidad. Como las partes son
consideradas idnticas, estos estimados separados se asumen efectivamente idnticos.

El enfoque E691 es utilizado tpicamente con una muestra completa. Esto es til cuando
todas las muestras no estn disponibles al mismo tiempo. Puede ser utilizado como parte
del proceso de calibracin para mantener informacin en la variabilidad del sistema de
medicin.

La siguiente descripcin de estudio asume que el estudio ser aplicado en una manera
secuencial.

Contina del paso 6 del captulo II seccin C
7) Haga que cada uno de los evaluadores 2 u m evale la parte para 3 u r lecturas.
Registre los datos en las filas apropiadas de la hoja e recoleccin de datos.
Pgina 153 de 158
operador parte medicion operador parte medicion operador parte med
1 1 0.29 1 4 0.01 1 7 0.
2 1 0.41 2 4 1.03 2 7 0.
3 1 0.64 3 4 0.2 3 7 0.
1 1 0.08 1 4 0.14 1 8 -0
2 1 0.25 2 4 0.2 2 8 -0
3 1 0.07 3 4 0.11 3 8 -0
1 1 0.04 1 5 -0.8 1 8 -0
2 1 -0.11 2 5 -0.92 2 8 0.
3 1 -0.15 3 5 -0.84 3 8 -0
1 2 -0.56 1 5 -0.56 1 8 -0
2 2 -0.68 2 5 -1.2 2 8 -0
3 2 -0.58 3 5 -1.28 3 8 -0
1 2 -0.47 1 5 -1.46 1 9 2.
2 2 -1.22 2 5 -1.07 2 9 1.
3 2 -0.68 3 5 -1.45 3 9 2.
1 2 -1.38 1 6 0.02 1 9 1
2 2 -1.13 2 6 -0.11 2 9 2.
3 2 -0.96 3 6 -0.21 3 9 2.
1 3 1.34 1 6 -0.2 1 9 1.
2 3 1.17 2 6 0.22 2 9 1.
3 3 1.27 3 6 0.06 3 9 1.
1 3 1.19 1 6 -0.29 1 10 -1
2 3 0.94 2 6 -0.67 2 10 -1
3 3 1.34 3 6 -0.49 3 10 -1
1 3 0.88 1 7 0.59 1 10 -1
2 3 1.09 2 7 0.75 2 10 -1
3 3 0.67 3 7 0.66 3 10 -1
1 4 0.47 1 7 0.47 1 10 -1
2 4 0.5 2 7 0.55 2 10 -1
3 4 0.64 3 7 0.83 3 10 -2

8) Calcule el promedio ( X ) y la desviacin estndar (s) de la nueva parte para cada
evaluador

9) Trace los valores de la desviacin estndar en la grfica de desviacin estndar y
calcule el promedio de la desviacin estndar ( s ) (incluir la desviacin estndar de
todos los subgrupos para todos los evaluadores). Dibuje este promedio de
desviacin estndar en la grfica. Utilice el factor B
4
para r muestras para calcular
el lmite de control superior para la grfica de desviacin estndar. Dibuje en este
lmite y determine si todos los valores estn en control.

Pgina 154 de 158
10) Trace el promedio para cada subgrupo ( X ) para todos los evaluadores en la
grfica de promedio.

11) Calcule en gran promedio ( X ) (incluya los promedios de todos los subgrupos ( X )
para todos los evaluadores). Dibuje la lnea del gran promedio en la grfica.

12) Calcule los lmites de control para esta grfica utilizando el factor
2
A para r y la
desviacin estndar promedio ( s ) de la grfica de desviacin estndar; dibuje
estos lmites en la grfica de promedio.

Figura 38. Anlisis grfico de la Desv. Est. Conjunta para GRR

13) Analice los datos utilizando las grficas de control y otras tcnicas grficas ya
discutidas anteriormente.

14) Evale los parmetros del sistema de medicin para cada parte juntando los
resultados de los evaluadores.

m
s
S
m
i
x
g x
i
=
=
1
2
= 0.178

28 25 22 19 16 13 10 7 4 1
2
1
0
-1
-2
Sample
S
a
m
p
l
e

M
e
a
n
_
_
X=0.001
UCL=0.349
LCL=-0.346
28 25 22 19 16 13 10 7 4 1
0.60
0.45
0.30
0.15
0.00
Sample
S
a
m
p
l
e

S
t
D
e
v
_
S=0.1780
UCL=0.4570
LCL=0
1
1
1
1
1 1
1
1 1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Xbar-S Chart of medicion
Pgina 155 de 158
Repetibilidad
g
=
m
S
S
m
i
s
E
i
g
=
=
1
2

Reproducibilidad
g
=
m
S
s S
g
g
g
E
x
A
2
2
=

GRR
g
=
2 2
g g g
A E GRR
S S S + =

El E691 sigue la convencin en la que la reproducibilidad de MSA se encuentra referida
como la variacin del evaluador y el GRR del MSA es llamado reproducibilidad. En este
caso,

3
2
2 r
x
appr
s
s S =

2 2
appr r R
s s S + =

Donde Sr = S
E
= repetibilidad y S
R
= GRR = reproducibilidad ASTM

15) Evaluar los parmetros del sistema de medicin mediante la reunin de los
resultados de la parte.

Repetibilidad =
g
s
S
g
i
E
E
i
=
=
1
2

Reproducibilidad =
g
S
S
g
i
A
A
i
=
=
1
2

Pgina 156 de 158
GRR =
g
S
S
g
i
GRR
GRR
i
=
=
1
2

Cuando calcule el porcentaje de la variacin total, se debe utilizar la desviacin estndar
histrica del proceso.

Si las partes cubren una amplia variedad de procesos, por ejemplo diferentes muestras
metalrgicos o qumicos, la evaluacin de la variacin total de porcentaje deber basarse
en el proceso de variacin de muestras especficos y no de la variacin total de todos los
muestras.

Debe tenerse cuidad en la interpretacin de los parmetros del sistema de medicin en el
caso donde los evaluadores se localizan en diferentes instalaciones.

La repetibilidad incluir tanto la variacin entre equipo como variacin dentro de equipo.
Esto puede ser evaluado al calcular y comparar la repetibilidad dentro de cada
localizacin.

La reproducibilidad incluye tanto la variacin entre localizacin como la variacin entre
evaluador. Estos componentes no pueden ser separados con este estudio.

Consistencia estadstica

Los mtodos ASTM e ISO sugieren que dos consistencias estadsticas, h y k, sea
calculadas. Los valores h son calculados como:

x
parte appr
s
x x
h

=

Pgina 157 de 158
Para el evaluador A y la parte 1 el promedio ( appr x de arriba) es 0.447 y el promedio de la
parte ( parte x de arriba) es 0.169. La desviacin estndar entre evaluadores (
x
s de arriba)
es 0.262. Entonces:

06 . 1
262 . 0
278 . 0
262 . 0
167 . 0 447 . 0
= =
= h

El valor de k es el radio de la desviacin estndar para cada parte por cada evaluador a la
desviacin estndar de repetibilidad. En este caso es: (evaluador A y parte 1)

35 . 1
132 . 0
178 . 0 ) 1 , ( tan
= = =
dad repetitivi
parte evalA dar es Desviacin
k

Una razn por la que debe utilizar la computadora es para permitir comparaciones entre
diferentes materiales.

En este ejemplo no existe una recoleccin de muchos materiales diferentes que tienen
diferentes niveles y posiblemente desviaciones estndar muy diferentes, los clculos de h
y k de E691 pueden utilizarse todava para comparar la desviacin estndar de la
repetibilidad y los valores de respuesta por evaluadores. En la siguiente tabla la h y k son
enlistadas por evaluador:

En las ltimas dos columnas estn los promedios y un valor de valor z para ver si los
evaluadores son significativamente diferentes. Los valores h indican que el evaluador A es
h
Evaluador 1 2 3 4 5 6 7 8 9 10 promedio h "z"
A 1.06 0.87 0.82 0.86 0.88 0.32 0.65 0.80 0.69 1.05 0.80 2.53
B -0.14 0.22 0.29 0.24 0.21 0.80 0.50 0.32 0.46 -0.11 0.28 0.88
C -0.93 -1.09 -1.11 -1.10 -1.09 -1.12 -1.15 -1.12 -1.15 -0.94 -1.08 -3.41
k mediana k "z"
A 1.35 0.25 0.49 0.28 0.23 0.65 0.59 0.35 0.77 0.27 0.42 -3.20
B 0.77 1.50 1.15 1.70 1.50 1.20 1.40 1.68 1.07 0.45 1.30 3.14
C 0.76 0.82 1.20 0.14 0.84 1.07 0.83 0.24 1.13 1.65 0.84 -0.17
Pgina 158 de 158
significativamente mayor y que el evaluador C es significativamente menor en sus lecturas
del tamao de las partes.

Las desviaciones estndar de la repetibilidad tambin pueden ser evaluadas al buscar los
valores k. Para hacerlo, calcule la mediana k y entonces un rango z aproximado. Con
este estudio, la mediana esperada es de 0.861 aproximadamente con una desviacin
estndar aproximada de 0.439. La mediana de k para el evaluador A es entonces
aproximadamente de -3.2 desviaciones estndar por abajo del nivel esperado y el
evaluador B est mayor.

Las grficas de h ( figura 38b) y k (figura 38c) ayudan a ilustrar estas diferencias.
Evaluador C tiene mucho menores resultados que los otros. Los valores de k muestran
que tan baja la variacin del evaluador A est respecto a la repetibilidad.

MSA 3th Ed

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

MSA 3th Ed

Uploaded by

Copyright:

Available Formats

ANLISIS DE LOS SISTEMAS DE MEDICIN (MSA) P. Reyes / Sept.

proceso del estndar Desviacin

proceso del estndar Desviacin

Arriba con pu2 instrumentos

You might also like