Professional Documents
Culture Documents
Manual Msa 4 2010 Espanol
Manual Msa 4 2010 Espanol
1
ii
PREFACIO
Este manual de referencia fue desarrollado por el Grupo de Trabajo de Análisis de Sistemas
de Medición (MSA), autorizado por el grupo de fuerza de trabajo para los Requerimientos de
Calidad de Proveedores de Chrysler Group LLC, Ford Motor Company y General Motors
Corporation,
Corporat ion, y bajo los auspicios
auspicios del Grupo de Accion
Acciones
es de la Industria Au
Automotriz
tomotriz (AIAG). El
grupo de trabajo responsable por esta Cuarta edición fue Michael Down (General Motors
Corporation), Frederick Czubak (Chrysler Group LLC), Gregory Gruska (Omnex), Steve
Stahley (Cummins, Inc.) y David Benham.
Este manual cuenta con derechos de copia por Chrysler Group LLC, Ford Motor Company y
General Motors Corporation, con todos los derechos reservados, 2010. Manuales adicionales
pueden ordenarse en AIAG en www.aiag.org.
www.aiag.org . El permiso para reproducir porciones de este
manual para uso dentro de organizaciones proveedores puede obtenerse en AIAG en
www.aiag.org..
www.aiag.org
Junio, 2010
iii
Guía Rápid
Rápidaa de 4ª E
Edi
dició
ció n d
deeM
MSA
SA
Tipo de Sistema de
Métodos MSA Capítulo
Medición
Rango, Promedios y Rangos, ANOVA, Sesgo,
Variables Básicas Ill
Linealidad, Gráficas de Control
Detección de Señales, Análisis de Pruebas de
Atributos Básicos Ill
Hipótesis
No Replicables (ej.,
Pruebas Destructivas) Enfoques Alternativos IV
Rango, Promedios y Rangos, ANOVA, Sesgo,
Variables Complejas III, IV
Linealidad, Gráficas de Control
Sistemas Múltiples,
Gages ó Stands de Gráficas de Control, ANOVA, Análisis de Regresión III, IV
Pruebas
Misceláneos Enfoques Alternativos IV
Artículos disponibles en el
Otros
(www.aiag.org))
sitio web de AIAG (www.aiag.org
Históricamente y en forma convencional se ha usado una amplitud del 99% para representar
la amplitud “total” del error de las mediciones, representado por el factor de multiplicación de
5.15 (donde σ RRG es multiplicado por 5.15 para representar la amplitud total del 99%).
Si el lector elige incrementar el nivel de cobertura o amplitud de una variación total de las
mediciones del 99.73%, usar el 6.0 como un multiplicador en lugar de 5.15 en los cálculos.
Nota: El enfoque usado en la 4ª. Edición es para comparar desviaciones estándar. Esto es
equivalente a usar el multiplicador de 6 en el enfoque histórico.
iv
TABLA
TAB LA DE CON
CONTEN
TENIDO
IDO
MSA 4th Editi
Edi ti on Quic
Qu ickk Gui de ..................
...........................
...................
...................
..................
...................
...................
..................
...................
.................
.................
...................
...........
.. iv
TABLA
TAB LA DE CONTENIDO ..................
...........................
...................
...................
..................
...................
...................
..................
...................
...................
................
................
..................
............
... v
Li
List
st a de Tablas
Tabl as ...................
............................
..................
...................
...................
..................
...................
...................
..................
...................
...................
...................
...................
..................
..............
.....vi
vi i
Li
List
st a d e Fig
Figur
ur as ..................
...........................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
..................
...................
..............
.....vi
vi ii
CAPÍTULO I – Guías Guías y L in ineamien
eamiento toss Generales
General es para par a Sistemas
Sist emas de d e Medici ón .... ........
........
........
........
........
........
........
........
........
.......
...11
Sección A Introducción,
Introducción Propósito y Terminología..................
.................................
................ Terminología.
................................. .................................
................................. ................................
.................................. .................................
.................................. ...................................
.................................... .........................
.................................... ....... 33
...........................
..........
Propósito......................
Propósito..... ..................................
..................................
.................................
.................................
..................................
......................................
......................................
........................
....... 4
Tecnología ................................
............... ..................................
..................................
..................................
.................................
.................................
....................................
................................
............. 4
Sección B El Proceso de Medición.....................
Medición.... .................................
.................................
..................................
..................................
...................................
............................
.......... 13
Sistemas de Medición
Medición ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
.................
..................
...................13
.........13
Los efectos de la variabilidad de Sistemas de Medición....................
Medición... .................................
.................................
.................................
.........................
......... 18
Sección C Planeación
Planeación y Estrategia de las Mediciones Mediciones ..................
...........................
...................
...................
..................
...................
...................
..................
...........
.. 25
Sección D Desarrollo de las Fuentes de Medición................
Medición .................................
.................................
.................................
.....................................
..........................
...... 29
Proceso de Selección de Fuentes de Gages ...............................
............... ................................
.................................
.................................
...............................
............... 31
Sección E Aspectos Clave en las Mediciones..........................
Mediciones.......... .................................
..................................
..................................
...................................
......................
.... 41
Sección F Incertidumbre en las Mediciones...............
Mediciones ................................
.................................
.................................
.................................
...................................
....................... 63
Sección G Análisis de Problemas
Problemas de Mediciones Mediciones ...................
............................
..................
...................
...................
..................
...................
..................
..................65
..........65
CAPÍTULO
CAPÍTU LO II – Concept os Generales para la Evalu ación de Sis temas d e Medición Medici ón ... .....
.....
.....
.....
......
.....
.....
.....
.....
......
.....67
..67
Sección A Antecedentes.......................
Antecedentes...... ..................................
..................................
.................................
.................................
....................................
...................................
.......................
....... 69
Sección B
C Selección/Desarrollo
Selección/Desarrol
Preparación para un lo Estudio
de Procedimientos
de SistemasdedePrueba....................
Prueba...
Medición ..................................
.............. ..................................
............................... ...................................
................................. .................... 71
.................................
................... 73
Sección D Análisis de Resultados................
Resultados .................................
.................................
................................
.................................
.....................................
...................................
............... 77
CAPÍTULO IIIIII – Práct ic icas
as Recomendadas
Recomen dadas para p ara Sistemas
Sistem as de Medic Medic ión ió n Repli
Replicabl cabl es ....
........
........
........
........
........
........
........81
....81
Sección A Ejemplos de Procedimientos de Prueba ................................
............... .................................
.................................
....................................
.........................
...... 83
Sección B Guías y Lineamientos – Estudio de Sistemas de Medición de Variables................. Variables. ...............................
.......................
........ 85
Guías y Lineamientos para Determinación de la Estabilidad......................
Estabilidad..... .................................
.................................
.................................
................ 85
Guías y Lineamientos
Lineamientos para Determinación Determinación del Sesgo – Método de Muestras Independient Independientes es ..................
..................87 87
Guías y Lineamientos para Determinación del Sesgo – Método por Gráficas de Control........................... Control.................... ....... 92
Guías y Lineamientos para Determinación de la Linealidad................ Linealidad ................................
................................
.................................
........................
....... 96
Guías y Lineamientos para Determinación de la Repetibilidad y Reproducibilidad.......... Reproducibilidad.................... ....................
.................
.......101101
Método de Rangos ...................
............................
..................
..................
...................
...................
..................
..................
...................
...................
..................
...................
....................
..............
....102102
Método de Rangos y Promedios .................................
................ ..................................
..................................
..................................
...................................
..............................
............ 103
Método de Análisis de Varianzas (ANOVA) ...............................
............... ................................
.................................
.................................
.................................
................. 123
Sección C Estudio se Sistemas de Medición por Atributos......................
Atributos..... .................................
.................................
.................................
........................
........ 131
Métodos de Análisis de Riesgos ...................
............................
...................
...................
..................
...................
...................
..................
...................
.................
.................
.............
... 131
Enfoque de Detección de Señales .................................
................. .................................
..................................
..................................
...................................
...........................
......... 143
Método Analítico .................................
................ ..................................
..................................
.................................
.................................
......................................
.....................................
.................... 145
CAPÍTULO IV – Otras Práctic Práct icas as y Concept
Con cept os de Medició Medic ión n ....
........
........
........
........
........
........
........
........
........
........
........
........
........
........
........
........
........
...... 151
Sección A Prácticas para Sistemas de Medición No Replicables................ Replicables ................................
................................
.................................
.....................
.... 153
Sistemas de medición destructivos
destructivos ...................
............................
..................
...................
...................
..................
...................
...................
...................
...................
................
.......153153
Sistemas donde las partes cambian en el uso/prueba uso/prueba ...................
.............................
...................
...................
...................
...................
...................
.............
....153153
Sección B Estudios de Estabilidad .................................
................ .................................
.................................
.................................
................................... ............... 155
..................................
Sección C Estudios de Variabilidades...............
Variabilidades ................................
.................................
.................................
.................................
..................................
..............................
............ 161
Sección D Reconocimiento
Reconocimiento de los Efectos de una Excesiva Variación Dentro de las Partes .................. ..........................
........167167
Sección E Método de Promedios y Rangos – Tratamiento Adicional............... Adicional ...............................
................................
................................
................ 169
Sección F Curva de Desempeño de Gages ................................
............... ..................................
..................................
..................................
...................................
.................... 177
Sección G Reducción de Variación a Través de Lecturas Múltiples.........................Múltiples........ .................................
................................
........................
........ 183
Sección H Enfoque de la Desviación Estándar Combinada a los GRRs................. GRRs .................................
................................
.........................
......... 185
APÉNDICES ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
.................
...................
....................
............ 193
v
Apénd
Ap éndicic e A ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
..................
...................
...................
............
.. 195
Conceptos de Análisis de Varianza..................
Varianza.. ................................
.................................
.................................
.................................
.................................
..........................
.......... 195
Apénd
Ap éndicic e B ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
..................
...................
...................
............
.. 199
Impacto del GRR en el Índice de Habilidad Cp ............... ................................
.................................
.................................
..................................
...........................
.......... 199
Fórmulas:.................
Fórmulas: .................................
.................................
..................................
..................................
..................................
.................................
....................................
.................................
............. 199
Análisis: ...................
............................
..................
...................
...................
..................
..................
...................
...................
..................
..................
.................
..................
....................
...................
.............
....199
199
Análisis Gráfico:................
Gráfico: .................................
..................................
.................................
.................................
..................................
....................................
..................................
.....................
...... 199
Apénd
Ap éndicic e C ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
..................
...................
...................
............
.. 203
Apénd
Ap éndicic e D ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
..................
...................
...................
............
.. 205
Estudio R de Gages ...................
............................
..................
...................
...................
..................
...................
...................
..................
...................
.................
................
...................
..............
....205
205
Apénd
Ap éndicic e E ...................
............................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
..................
...................
...................
............
.. 207
Cálculo Alternativo de PV Usando un Término Término de Corrección de Errores...................................
Errores.................. .................................
................ 207
Apénd
Ap éndicicee F..................
F...........................
..................
...................
...................
..................
...................
...................
..................
...................
...................
................
................
...................
...................
...............
......209
209
Modelo de Errores P.I.S.M.O.E.A....................
P.I.S.M.O.E.A.... .................................
.................................
................................
.................................
.....................................
...........................
....... 209
Glosar
Glo sario
io ..................
...........................
...................
...................
..................
...................
...................
..................
...................
...................
..................
.................
.................
...................
...................
..................213
.........213
Li st a de Referenc
Refer encias ias ..................
...........................
...................
...................
..................
...................
...................
..................
...................
...................
................
.................
....................
.................
.......219
219
For matos
mat os Muestr
Mues tra.............
a......................
...................
...................
...................
...................
..................
...................
...................
..................
...................
..................
..................
...................
...............
......223
223
Índic
Índ ice...........
e.....................
...................
..................
...................
...................
..................
...................
...................
..................
...................
...................
................
................
...................
...................
...................
............
.. 227
vi
Lista de Tablas
vii
Lista
Lis ta de Figuras
Figura I-A 1: Ejemplo de una Cadena de Rastreabilidad
Rastreabilidad para la Medición de una Longitud .................... ...........................
.......1010
Figura I-B 1: Diagrama de Causas y Efectos de la Variabilidad de un Sistema de Medición........................... Medición.............. ............. 17
Figura I-E 2: Discriminación................
Discriminación .................................
.................................
.................................
.................................
...................................
...................................
..........................
.......... 46
Figura I-E 3: Impacto del Número de Categorías Distintas (NCD) de la Distribución del Proceso en
Actividades
Actividad es de Análisis y Control.
Control. ..................
............................
...................
...................
...................
...................
...................
..................
..................
.................
..................
................
......4747
Figura I-E 4: Gráficas de Control de Proceso.......................
Proceso...... .................................
.................................
.................................
..................................
............................
.......... 49
Figura I-E 5: Características de la Variación de un Proceso de Medición........................................................50
Figura I-E 6: Relaciones entre Sesgo y Repetibilidad................
Repetibilidad ................................
.................................
.................................
..................................
......................
.... 62
Figura III-B 1: Análisis de Gráficas de Control para Estabilidad Estabilidad ...................
.............................
...................
...................
...................
..................
..............
.....8686
Figura III-B 2: Estudio de Sesgo – Histograma de un Estudio de Sesgo....................................
Sesgo................... .................................
......................
...... 91
Figura III-B 3: Estudio de Linealidad – Análisis Gráfico ...............................
............... .................................
..................................
..................................
..................... 100
Figura III-B 4: Gráfica de Promedios
Promedios – “Estancada”
“Estancada” ...................
............................
...................
...................
...................
...................
...................
..................
.............
.....107
107
Figura III-B 5: Gráfica de Promedios “No Estancada”.................
Estancada”. .................................
.................................
................................
.................................
.....................
.... 107
Figura III-B 6: Gráfica de Rangos – “Estancada”
“Estancada” ...................
.............................
...................
..................
...................
...................
..................
...................
...................108
.........108
Figura III-B 7: Gráfica de Rangos – “No estancada” ...............................
............... .................................
.................................
..................................
.........................
....... 109
Figura III-B 8: Gráfica de Corridas por Parte................
Parte .................................
.................................
.................................
.....................................
...................................
............... 109
Figura III-B 9: Diagrama de Dispersión .................................
................ .................................
.................................
.................................
....................................
...........................
....... 110
Figura III-B 10: Gráfica de Whiskers ...................
.............................
...................
..................
...................
...................
...................
...................
.................
.................
...................
............ 111
Figura III-B
Figura III-B 11: Gráficas de Normalizado
12: Histograma Errores.................
Errores .................................
.................................
..................................
..................................
................. ..................................
.................................. ...................................
.................................. ...............................
................................. .............
................................. ..... 112
...................... 113
Figura III-B 13: Gráfica X-Y de Promedios por Medida...............
Medida ................................
.................................
.................................
...................................
...................... 114
Figura III-B 14: Comparación de Gráficos X-Y...............
X-Y ...............................
.................................
.................................
.................................
..................................
................. 115
Figura III-B 15: Hoja de Recolección
Recolección de Datos Completa para R&RG .................. ...........................
...................
...................
..................
...............
......118118
Figura III-B 16: Reporte de Repetibilidad y Reproducibilidad de Gages.....................
Gages.... ..................................
..................................
.....................
.... 119
Figura III-B 18: Gráfica de Residuales
Residuales ..................
...........................
...................
...................
..................
...................
...................
..................
.................
..................
...................126
.........126
Figura III-C 1: Proceso Ejemplo con Pp = Ppk = 0.50.....................
0.50.... .................................
................................
.................................
.................................
...................
... 132
Figura III-C 2: Las Áreas “Grises” Asociadas con el Sistema de Medición................................
Medición................ ................................
.......................
....... 132
Figura III-C 3: Proceso Ejemplo con Pp = Ppk = 1.33.....................
1.33.... .................................
................................
.................................
.................................
...................
... 141
Figura III-C 4: Curva de Desempeño de un Gage de Atributos Graficada Graficada en Papel de Probabilidad Normal Normal . 149
Figura III-C 5: Curva de Desempeño
Desempeño de un Gage de Atributos ................... .............................
...................
...................
...................
...................
...............
.....150150
Figura IV-E 1: Gráfica de Control de Evaluación de Mediciones ( X & R) - 1 ......... ..................
...................
...................
..................
.............
....172172
Figura IV-E 2: Gráfica de Control de Evaluación de Mediciones ( X & R) - 2 ......... ..................
...................
...................
..................
.............
....173173
Figura IV-E 3: Cálculos Alternativos para la Evaluación de un Proceso de Medición (Parte 1 de 2)............. 2) ................. 174
Figura IV-E 4: Cálculos Alternativos para la Evaluación de un Proceso de Medición (Parte 2 de 2)............. 2) ................. 175
Figura IV-F 1: Curva de Desempeño de un Gage Sin Errores......................
Errores...... .................................
.................................
..................................
.................... 180
Figura IV-F 2: Curva de Desempeño
Desempeño de un Gage - Ejemplo .................. ...........................
..................
...................
...................
..................
..................
............
... 181
Figura IV-F 3: Curva de Desempeño de un Gage Graficada en Papel de Probabilidad Normal......................182
Figura IV-H 1: Análisis Gráfico de un Estudio de Desviación Estándar Estándar Combinada ...................
.............................
....................
............ 188
Figura IV-H 2: Diagrama de Puntos de valores h ................
.................................
..................................
..................................
.................................
...........................
........... 191
Figura IV-H 3: Diagrama de Puntos de valores k ................
.................................
..................................
..................................
.................................
...........................
........... 192
Figura B 1: Cp Observado vs. Actual (basado en el proceso)..............
proceso) ...............................
.................................
.................................
............................
........... 201
Figura B 2: Cp Observado
Observado vs. Actual (basado en la tolerancia) tolerancia) ...................
............................
...................
...................
...................
...................
...............
......202202
viii
Capítulo I
Guías y Lineamientos Generales para Sistemas de Medición
Capítulo I
Guías
Guías y Li
Linea
neami
mientos
entos Ge
Generale
neraless para
Sistemas de Medici
edición
ón
1
Capítulo I – Sección A
Introducción, Propósito y Terminología
2
Capítulo I – Sección A
Introducción, Propósito y Terminología
Sección A
Introducción,
Introducci ón, Propós
Propósito
ito y Terminología
Terminolog ía
Introducción
Los datos de mediciones son usados más a menudo y en más formas que antes. Por
ejemplo, la decisión de ajustar un proceso de manufactura o no, comúnmente se
basa ahora en datos de mediciones. Los datos de mediciones, o alguna estadística
calculada de éstos, son comparados con los límites de control estadísticos del
proceso, y si loa comparación indica que el proceso está fuera del control
estadístico, entonces se hace un ajuste de algún tipo. De lo contrario, al proceso se
le permite trabajar sin ajustes. Otro uso de datos de mediciones es para determinar
si existe una relación significativa entre dos o más variables. Por ejemplo, puede
sospecharse que una dimensión crítica de una parte plástica moldeada se relaciona
con la temperatura del material de alimentación. Esa posible relación puede ser
estudiada usando un procedimiento estadístico llamado análisis de regresión para
comparar las medicines de la dimensión crítica con las mediciones de la
temperatura del material de alimentación.
Los estudios que exploren tales relaciones son ejemplos de lo que el Dr. W.E.
Deming llamó estudios analíticos. En general, un estudio analítico es aquel que
incrementa el conocimiento del sistema de causas que afectan el proceso. Los
estudios analíticos son unos de los más importantes que usan datos de mediciones
porque se dirigen finalmente
finalmente a un mejor entendim
entendimiento
iento de los procesos.
Para asegurar que el beneficio derivado de los datos de medición usados sea
altamente suficiente para garantizar el costo de su obtención, se requiere enfocar
atención en la calidad de los datos.
Calidad
Calid ad de los La calidad
las de los
múltiples datos de medición
mediciones obtenidases del
definida por las
sistema de propiedades estadísticasbajo
medición operando de
Datos
Datos de condiciones estables. Por ejemplo, suponer que un sistema de medición, operando
Medición bajo condiciones estables, es usado para obtener varias mediciones de una cierta
característica. Si las mediciones están todas “cerca” al valor master de la
característica, entonces se dice que la calidad de los datos es “alta”. Igualmente, si
algunas o todas de las mediciones están “lejos” del valor master, entonces se dice
que la calidad de los datos es “baja”.
Una
Muchade las
de razones más comunes
la variación para datosdedemediciones,
en un conjunto baja calidad puede
es demasiada variación.
ser debida a la
interacción entre el sistema de medición y su medio ambiente. Por ejemplo, un
3
Capítulo I – Sección A
Introducción, Propósito y Terminología
de un proceso
encubrir de manufactura
la variación del procesoporque la variaciónMucho
de manufactura. del sistema de medición
del trabajo puede
de administrar
un sistema de medición es dirigido al monitoreo y control de la variación. Entre
otras cosas, esto significa que se requiere énfasis en aprender como los sistemas de
medición interactúan con su medio ambiente de forma tal que se generen solo datos
de calidad aceptable.
Propósito
Terminología
La discusión del análisis de los sistemas de medición puede ser confusa y ambigua
sino se establece un conjunto de términos para referirse a propiedades estadísticas
comunes y elementos relativos a los sistemas de medición. Esta sección ofrece un
resumen de tales términos que son usados en este manual.
4
Capítulo I – Sección A
Introducción, Propósito y Terminología
De estas definiciones se obtiene que un proceso de medición puede ser visto como
un proceso de manufactura que produce números (datos) para sus resultados. El ver
un sistema de medición de esta manera es útil porque nos permite traer todos los
conceptos, filosofía y herramientas que han sido ya demostradas ser útiles en el
área de control estadístico de los procesos.
_________________________
_____________________________________
_________________________
__________________________
__________________________
_________________________
_________________
_____
Resum
Resumen
en de Términ os 1
Términos
Patrón/Estándar
• Bases aceptadas para comparación
• Criterios para aceptación
• Valor conocido, dentro de límites de incertidumbre establecidos y aceptado
como un valor verdadero
• Valor de referencia
Un patrón debiera tener una definición operacional: una definición que produzca
los mismos resultados cuando se aplique por el proveedor o el cliente, con el
mismo significado ayer, hoy y mañana.
Equipo Básico
•
Discriminación, facilidad de lectura, resolució
resolució n
Alias: unidad de lectura más pequeña, resolución en las mediciones,
límite de escala o límite de detección
Propiedad inherente dispuesta por diseño
Escala de unidad de medición más pequeña o resultado de un
instrumento
Siempre reportada como una unidad de medida
Regla empírica 10 a 1
• Resolució n Efectiva
Resolució
La sensibilidad del sistema de medición con la variación del proceso
particular
para una aplicación particular
1
Ver Capítulo I, Sección
Sección E para terminología, de
definiciones
finiciones y discusión.
5
Capítulo I – Sección A
Introducción, Propósito y Terminología
• Valor de Referencia
• Valor Verdadero
Variación de la localización
• Exactitud
• Sesgo
• Estabilidad
• Linealidad
6
Capítulo I – Sección A
Introducción, Propósito y Terminología
Variación
Variación de la ampli
amplitud
tud
• Precisión 2
• Repetibilidad
• Reproducibilidad
2
En documentos de ASTM, no existe el concepto de precisión de un sistema de medición; ej., la precisión no puede
representarse por un sólo número.
7
Capítulo I – Sección A
Introducción, Propósito y Terminología
• De
Desempeño
sempeño d
del
el Sistema de M
Medició
edició n
Estimación en el largo plazo de la variación del sistema de medición
(ej., método de gráficas de control de largo plazo)
• Sensibilidad
La más pequeña
Respuesta de unentrada quede
sistema resulte de unaaseñal
medición o resultado
cambios en la detectable
propiedad
medida
Determinada por el diseño (discriminación) del gage, calidad inherente
(FEO-Fabricante de Equipo Original), mantenimiento en servicio y
condición de operación del instrumento y patrón
Siempre reportada como unidad de medida
•
LCS
• Consistencia
• •
• • • Promedio
• Rango
• • • El grado del cambio de la repetibilidad en el tiempo
• •
• •
LCI
Un proceso de medición consistente está en control estadístico con
respecto a la amplitud (variabilidad)
• Uniformidad
El cambio en repetibilidad sobre un rango de operación normal
Homogeneidad en la repetibilidad
Medición1
ción1 Medición
ción N
•
Habilidad
Variabilidad en las lecturas tomadas en un periodo de tiempo corto
• Desempeño
• Incertidumbre
Capítulo I – Sección A
Introducción, Propósito y Terminología
Estándares, Patro
Patrones
nes El Instituto Nacional de Patrones y Tecnología (NIST) es el Instituto Principal y
y Rastreabilidad Nacional de Mediciones (NMI) en los Estados Unidos ofreciendo servicios bajo el
departamento de comercio de EUA. NIST, previamente como Consejo Nacional de
Patrones (NBS), sirve como la más alta autoridad de metrología en EUA. La
responsabilidad Primaria de NIST es ofrecer servicios de medición y mantener
patrones de medición que ayuden a la industria en EUA a hacer las mediciones
rastreables
NIST y que
ofrece estosayuden finalmente
servicios en negociaciones
directamente a muchos de productos
tipos y servicios.
de industrias, pero
principalmente a aquellas industrias que requieran el más alto nivel de exactitud en
sus productos y que incorporen mediciones-de-últim
mediciones-de-última-tecnología
a-tecnología en sus procesos.
Institutos Nacionales
Nacionales La mayoría de los países industrializados alrededor del mundo cuentan con su
de Medicio
Mediciones
nes propio NMI y un similar a un NIST, y éstos ofrecen un alto nivel de normas de
metrología o servicios de mediciones para sus respectivos países. NIST trabaja y
colabora con estos otros NMIs para que las mediciones que se hagan en un país no
difieran de aquellas hechas en otro. Esto se logra a través de acuerdos de
reconocimiento mutuo (MRAs) y ejecutando comparaciones entre laboratorios
entre NMIs. Una cosa a notar es que las habilidades de estos NMIs varían de país a
país y no todos los tipos de mediciones son comparados sobre bases regulares, de
forma tal que pueden existir diferencias. Por ésto es importante entender por quien
son rastreables las mediciones y que tan rastreables
rastreables son.
Rastreabilidad Es un importante concepto en la negociación de bienes y servicios. Las mediciones
que son rastreables con los mismos patrones o similares acuerdan muy
estrechamente en comparación con aquellos que no son rastreables. Esto ayuda a
reducir la necesidad de repetir pruebas, el rechazo de producto bueno y la
aceptación de producto malo.
9
Capítulo I – Sección A
Introducción, Propósito y Terminología
Patrón de
Comparador de
Longitud
Patrón Interferencias
de Onda
Nacional
Gages para
Gage para Producción Dispositivos
Micrómetros
Capítulo I – Sección A
Introducción, Propósito y Terminología
Nota: ANSI/NCSL Z540.3 e ISO 10012 cada una ofrecen modelos para muchos de
los elementos de un sistema de calibración.
Valor
Valor Verdadero
Verdadero La META del proceso de medición es el valor “verdadero” de la parte. Es deseable
que cualquier lectura individual esté lo más cerca (y económicamente posible) con
este valor. Desafortunadamente, el valor verdadero nunca puede ser conocido con
certeza. Sin embargo, la incertidumbre puede minimizarse usando un valor de
usando los basado
referencia en lade
resultados definición operacional
un sistema bien con
de medición definida
una de una característica,
discriminación de altoy
orden y rastreable con NIST. Debido a que el valor de referencia es usado como un
substituto del valor verdadero, estos términos se usan comúnmente y en forma
intercambiable. No se recomienda este uso.
11
Capítulo I – Sección A
Introducción, Propósito y Terminología
12
Capítulo l – Sección B
El Proceso de Medición
Sección B
El Proc
Proceso
eso de Medició
Mediciónn3
Sistemas de Medic ión
Medición
Proceso General
Entradas Operación Resultados
Proceso
Pr oceso de Medici
ción
ón
Proceso Decisión
Mediciones Análisis
Admi
Ad mini
nist
strat
rativ
iv o
Valor
3
Secciones de este capítulo se adaptaron con el permiso de Análisis de Sistemas de Medición – Un Tutorial por G.F.
4 Gruska y M.S. Heappy, La Tercer Generación, 1978, 1998. a
Ver Manual de Referencia de Análisis
Análisis de Modos y Efectos de Fallas Potenciales
Potenciales (AMEF) – 4 Edición.
13
Capítulo l – Sección B
El Proceso de Medición
Esto significa que los clientes y sus necesidades deben primero ser definidas.
El cliente, dueño del proceso, quiere tomar decisiones correctas y con el
mínimo de esfuerzo. La administración debe ofrecer recursos para compra de
equipo que sea necesario y suficiente para hacer esto. Aunque la compra de la
mejor o más reciente tecnología de medición no necesariamente garantiza
correctas decisiones en el control del proceso de producción.
El equipo es solo una parte del proceso de medición. El dueño del proceso debe
saber como usar correctamente dicho equipo y como analizar e interpretar
resultados. La administración debe también ofrecer claras definiciones
operacionales o patrones así como entrenamiento y soporte. El dueño del proceso
en turno tiene la obligación de monitorear y controlar el proceso de medición para
asegurar resultados estables y correctos y los cuales incluyan una perspectiva total
del análisis de los sistemas de medición – el estudio del gage, procedimiento,
usuario y medio ambiente; ej., condiciones normales de operación.
Propiedades Un sistema de medición ideal produciría solo mediciones “correctas” cada vez que
Estadísticas de los se usara. Cada medición acordaría siempre con alguna norma ó estándar.5 Un
sistema de mediciones que pudiera producir mediciones como tales sería aquel que
Sistemas de Medició
Mediciónn tuviera propiedades
propiedades estadísticas de varianza cero, sesgo cero y probabilidad cero
de clasificar incorrectamente cualquier producto medido. Desafortunadamente, los
sistemas de medición con tales propiedades deseables raramente existen, y los
gerentes de procesos, generalmente son forzados a usar sistemas de medición que
tienen menos propiedades estadísticas deseables. La calidad de un sistema de
medición es generalmente determinada solo por propiedades estadísticas de los
datos que produce en el tiempo. Otras propiedades, tales como costo, facilidad de
uso, etc., son también importantes y contribuyen a un buen sistema de medición
global. Aunque son las propiedades estadísticas de los datos producidos lo que
determina la calidad del sistema de medición.
Las propiedades estadísticas que son más importantes para un uso no son las más
importantes para otro. Por ejemplo, para algunos usos de las máquinas de medición
de coordenadas (MMC), las propiedades estadísticas más importantes son sesgo y
varianza “pequeños”. Una MMC con dichas propiedades genera mediciones que
son “cercanas” a los valores certificados de patrones rastreables. Los datos
obtenidos de tal máquina pueden ser muy útiles para analizar un proceso de
manufactura. Aunque no importa lo “pequeño” del sesgo y la varianza que la
maquina MMC pueda tener, el sistema de medición que use la MMC puede no ser
capaz de hacer un trabajo aceptable de discriminación entre productos buenos y
malos debido a fuentes adicionales de variación introducidas por otros elementos
del sistema de medición mismo.
Para
1982,una discusión
1986, más completa sobre el asunto de estándares ó normas, ver Out of the Crisis, W. Edwards Dreaming,
p. 279-281.
14
Capítulo l – Sección B
El Proceso de Medición
2) El sistema de medición debe estar en control estadístico. 6 Esto significa que
bajo condiciones repetidas, la variación en el sistema de medición es debida
solo a causas comunes y no a causas especiales. Esto puede referirse como
estabilidad estadística y es mejor evaluado por métodos gráficos.
3) Para control del producto, La variabilidad del sistema de medición debe ser
pequeña comparada con los límites de especificación. Evalúa el sistema de
medición con respecto a las tolerancias de la característica.
4) Para control del proceso, la variabilidad del sistema de medición debe
demostrar una resolución efectiva y ser pequeño comparado con la variación
del proceso de manufactura. Evalúa el sistema de medición con la variación de
un proceso 6- sigma y/o la variación total del estudio MSA.
Fuentes
Fuentes de Variación Similar a todos los procesos, el sistema de medición es impactado por fuentes de
variación aleatorias y sistemáticas. Estas fuentes de variación son debidas a causas
comunes y especiales. A fin de controlar la variación de un sistema de medición:
6
El analista de mediciones siempre debe considerar significancias prácticas y estadísticas.
15
Capítulo l – Sección B
El Proceso de Medición
P Patrón El acrónimo PPIPM7 es usado para representar los seis elementos esenciales de un
P Pieza de Trabajo (ej., parte) sistema de medición en general para asegurar el logro de los objetivos requeridos.
I Instrumento P.P.I.P.M. significa Patrón, Pieza de Trabajo, Instrumento, Persona y
7
Este acrónimo fue desarrollado inicialmente por Ms. Mary Hoskins, una metrologista asociada con Honeywell, el
laboratorio de metrología Eli Whitney y Bendix Corporation.
8
P.I.S.M.O.E.A.
Ver apéndice F para un modelo alternativo de errores, P.I.S.M.O.E.A.
16
F
Pieza de Trabajo
i (Parte) Instrumentos Diseño
g Vías
u (Gages) Uso
r
a Características A
Am
mplific
lifica
ación
ión
I
-B Interrelacionadas Variación de Robustercer
Construcción Contacto Geométrico
1
: mass Limpieza Tolerancia de Estabilidad
D Construcción
i Deformación Construcción
a
g Efectos de Deformaciones
r
a Elástica
Propiedades
m Linealidad
a Elásticas
d Soportes Futuros Decuación de Datos Validación del Diseño Sensibilidad Consistencia
e - camping
C - Localización
a Geometría - Puntos de Mediciones Uniformidad
u - Pruebas de Mediciones
s Estabilidad
a Calibración
s Definición Operacional
y
E Mantenimiento Repetibilidad
f
Coeficiente de Variabilidad
e Expansión Térmica Rastreabilidad Reproducibilidad
c Calibración
t
o
s Propiedadess Elásticas
Propiedade p.m.
d Variabilid
Variabilid ad en los
e
1
7 Sistemas de
al
Estándar Compatibilidad Medición
aV
r
i
Geométrica Luz
a Contaminación Educacional Experiencia
b Sol
i
l de Ai
Aire
re
i
d Caida deAire Art
Artifific
icia
iall Físico Entrenamiento
a Expansión gente
d Térmica Limitaciones
d Vibración Definición
e Componentes Operacional Habilidades
u PatronesVisuales Experiencia
n
S Iluminación
i Igualación – Sistem
Sistema
a de Procedimiento Entrenamiento
s Componentes Ciclos
t
e
m Estándar vs Ambiental Estrés
a Temperatura
A
Acctitu
titud
d Entendimiento
E
d l C
e Personal P a
Am bi ent
ental
al
r p
M (Evaluador)
o í
c t
e Ergonómicos e u
s ol
d
i
c
o
d l
–
i
ó
e S
n
M e
e c
d c
i
i ó
c
i n
ó
n B
Capítulo l – Sección B
El Proceso de Medición
Efectos en las Después de medir una parte, una de las decisiones que pueden tomarse es
Decisiones determinar el status de dicha parte. Históricamente, se determinaría si la parte fue
aceptable (dentro de especificaciones) o no aceptable (fuera de especificaciones).
Otro escenario común es la clasificación de partes en categorías específicas (ej.,
tamaños de pistones).
Filosofía Interés
Control del producto ¿Está la parte en una categoría
específica?
Control del proceso ¿Es la variación del proceso estable y
aceptable?
Tabla I-B1:
I-B1: Filosof
Filo sof ía de Contr ol e Interés Guía
18
Capítulo l – Sección B
El Proceso de Medición
La siguiente sección trata de los efectos de los errores en las mediciones en la decisión de
un producto. Posterior a ello existe una sección que aborda el impacto sobre decisiones
del proceso.
Efectos en las A fin de entender mejor el efecto de errores en los sistemas de medición sobre las
Decis
Decision
iones
es de decisiones del producto, considerar el caso donde toda la variabilidad en las lecturas
múltiples de una sola parte es debida a la repetibilidad y reproducibilidad del gage. Esto
Productos es, el proceso de medición está en control estadístico y tiene un sesgo de cero.
Puede tomarse a veces una mala decisión cuando alguna parte de la distribución de la
medición arriba indicada se traslape sobre un límite de especificación. Por ejemplo, una
parte buena puede algunas veces declararse “mala” (error tipo I, riesgo del productor o
falsa alarma) si:
y, una parte mala algunas veces puede declararse como “buena” (error tipo II), riesgo del
consumidor o proporción perdida) si:
Esto es, con respecto a los límites de especificación, el potencial de tomar decisiones
equivocadas para una parte existe solo cuando el error de los sistemas de medición
interfecta a los límites de especificación. Esto ofrece tres diferentes áreas:
19
Capítulo l – Sección B
El Proceso de Medición
L SL USL
I II III II I
Meta
donde:
Dado que el objetivo es maximizar las CORRECTAS decisiones relativas al status del
producto, existen dos opciones:
opciones:
1) Mejorar el proceso de producción: reducir la variabilidad del proceso de forma tal
que las partes no se fabriquen en las áreas II.
2) Mejorar el sistema de medición: reducir el error del sistema de medición para reducir
el tamaño de las áreas II de tal forma que todas las partes que sean fabricadas caigan
dentro del área III y por tanto minimicen el riesgo de tomar una mala decisión.
Esta discusión asume que el proceso de medición está en control estadístico y en meta. Si
alguno de estos supuestos es violado entonces existe una pequeña probabilidad de que un
valor observado conduzca a una correcta decisión.
Efecto en las Con el proceso en control, las siguientes necesidades deben establecerse:
Decisiones del • Control estadístico
Proceso
Proceso • En meta
• Variabilidad aceptable
20
Capítulo l – Sección B
El Proceso de Medición
2 2 2
σ obs = σ actual + σmsa
donde
2
σ obs = varianza observada del proceso
2
σ actual = varianza del proceso actual
2
σ msa = varianza del sistema de medición
Rango de Tolerancia
Cp = 6σ
La relación entre el índice Cp del proceso observado y los índices Cp del proceso actual y
el sistema de medición se deriva sustituyendo en la ecuación por Cp en la ecuación de la
varianza observada de arriba:
Por tanto la habilidad del proceso observada es una combinación de la habilidad del
proceso actual más la variación debida al proceso de medición. Para alcanzar un objetivo
de habilidad de un proceso específico se requeriría factorizar la variación de las
variaciones.
Por ejemplo, si el índice Cp del sistema de medición fuera 2, el proceso actual requeriría
un índice de Cp mayor o igual que 1.79 a fin de lograr que el índice calculado
(observado) sea 1.33. Si el índice Cp del sistema de medición fuera en sí 1.33, el proceso
requeriría no contar con variación si el resultado final tuviera que ser 1.33 – que es
claramente una situación imposible.
9
Aunque esta discusión es usando Cp, los resultados se mantienen también para el índice de desempeño Pp.
10
Ver apéndice B para fórmulas y gráficas.
21
Capítulo l – Sección B
El Proceso de Medición
Acept
Ac eptaci
ación
ón de u
unn Cuando un nuevo proceso tal como, maquinado,
maquinado, manufactura, estampado,
estampado, manejo de
material, tratamiento térmico o ensamble es comprado, existe a menudo una serie de
Proceso Nuevo pasos que tienen que completarse como parte de la actividad de compra misma. Esto
involucra a menudo algunos estudios hechos en el equipo en la localización del
proveedor y luego en la localización
localización del cliente.
En el caso donde el sistema de medición (de orden mayor) usado durante la compra
cuente con un RRG de 10% y el Cp actual del proceso sea de 2.0, el Cp observado del
1.96.11
proceso durante la compra será de 1.96.
Cuando este proceso es estudiado en la producción y con el gage de producción, se
observará una mayor variación (ej., un Cp más pequeño). Por ejemplo, si el RRG del
gage de producción es del 30% y el Cp del proceso actual es todavía 2.0 entonces el Cp
del proceso observado será de 1.71.
El peor escenario será que el gage de producción no esté calificado pero sea usado. Si el
RRG del sistema de medición es actualmente del 60% (aunque tal hecho no sea conocido)
entonces el Cp observado sería de 1.28. La diferencia en el Cp observado de 1.96 versus
1.28 es debida al sistema de medición diferente. Sin este conocimiento puede haber
esfuerzos en vano en buscar ver lo que está mal del nuevo proceso.
11
Para esta discusión, asuma que no existe variación en el muestreo. En la realidad 1.96 será el valor esperado aunque los
resultados actuales varien alrededor de este valor.
22
Capítulo l – Sección B
El Proceso de Medición
Aj uste
Ajus te / Cont
Co ntro
roll del
d el Con frecuencia las operaciones de manufactura utilizan una pieza en el comienzo
Proceso del día para verificar que el proceso esté sobre meta. Si la pieza medida está fuera
de meta, el proceso es entonces ajustado. Más tarde y el algunos casos otra pieza es
(Experimento del medida y otra vez el proceso puede ajustarse. El Dr. Deming se refiere a este tipo
Embudo)
de mediciones y toma de decisiones como titubeo.
Considerar la situación donde el peso del acabado de un metal precioso sobre una
pieza esta siendo controlado sobre una meta de 5.00 gr. Suponer que los resultados
de la escala usados para determinar el peso varían en +0.20 gr pero esto no se sabe
dado que nunca fue hecho el análisis del sistema de medición. Las instrucciones de
operación requieren que el operador verifique el peso y haga ajustes cada hora en
base a una muestra. Si los resultados están fuera del intervalo de 4.90 a 5.10 gr
entonces el operador ajusta el proceso otra vez.
En el ajuste, suponer que el proceso está operando a 4.95 gr pero por el error en las
mediciones el operador observa 4.85 gr. De acuerdo a las instrucciones del
operador éste debe intentar ajustar el proceso hacia arriba por 0.15 gr. Ahora el
proceso está corriendo en 5.10 gr para una meta. Cuando el operador cheque el
ajuste ésta vez, observa 5.08 gr. de manera que permita al proceso trabajar. El
sobreajuste del proceso a agregado variación y continuará haciéndolo así.
Este es un ejemplo del experimento de embudo que el Dr. Deming usó para
describir los efectos del titubeo.12 El error en las mediciones complica el problema.
12
Deming, W. Edwards, Out of the Crisis, Massachussets of Technology, 1982, 1986.
23
Capítulo l – Sección B
El Proceso de Medición
24
Capítulo l – Sección C
Planeación y Estrategia de las Mediciones
Secci
Sección
ón C
Planeación
Planeación y Estrategia
Est rategia de las Medic
Medicion
iones
es
La planeación es clave antes de diseñar o comprar un equipo o sistemas de
medición. Muchas decisiones hechas durante la etapa de planeación pudieran
afectar la dirección y selección de un equipo de medición. ¿Cuál es el propósito y
cómo será usado el resultado de una medición?. La etapa de planeación
establecerá el curso y tiene un efecto significativo en qué tan bien el proceso de
medición opere y puede reducir posibles problemas y errores de medición en el
futuro.
25
Capítulo l – Sección B
El Proceso de Medición
Identifi
Identificación
cación del El primer paso es establecer el propósito de las mediciones y cómo serán
utilizadas. Un
Un equipo multifuncional organizado en las etapas iniciales iniciales del
Propósito
Proceso dedeMedición
un desarrollo del proceso de medición es crítico en el logro de esta tarea. Se hacen
consideraciones específicas en relación a auditorias, control del proceso, desarrollo
del producto y el proceso y análisis del “Ciclo de Vida de las Mediciones”.
medición de una
Eventualmente máquina
puede de coordenadas
encontrarse a una forma
que una pequeña partededelgage por atributos.
monitoreo puede
requerirse siempre y cuando el proceso se mantenga o la medición y monitoreo del
mantenimiento y el herramental pueda ser todo lo que se necesite. Al nivel de
mediciones le siguen el nivel de entendimiento del proceso.
La mayoría de las mediciones y monitoreos pudieran terminar eventualmente con
los proveedores de los materiales de recibo. La misma medición, sobre la misma
característica, en la misma área del proceso y sobre un periodo extenso de tiempo
es evidencia de una falta de aprendizaje o un proceso de medición estancado.
Criterios para Antes de que un sistema de medición pueda ser comprado, un detallado concepto
selección del Diseño de ingeniería del proceso de medición es desarrollado. Usando el propósito arriba
desarrollado, un equipo multifuncional de individuos desarrollará un plan y
de un Proceso de
Medición concepto para el sistema de medición requerido para el diseño. Aquí se presentan
algunos lineamientos:
Un método para capturar aspectos clave similares a éstos sería el uso de AMEFPs
para analizar áreas de riesgos en el diseño de gages, tanto de su habilidad para
medir la parte como el gage de funcionalidad (AMEFDs y AMEFPs). Esto
ayudaría en el desarrollo de planes de mantenimien
mantenimiento
to y calibración.
Desarrolla un diagrame de flujo que muestre los pasos críticos del proceso en la
manufactura o ensamble de la parte o subsistema. Identifica las entradas y salidas
clave de cada paso en el proceso. Esto ayudara en el desarrollo de los criterios y
requerimientos del equipo de medición afectados por la localización en el proceso.
26
Capítulo l – Sección C
Planeación y Estrategia de las Mediciones
Un plan de mediciones y una lista de tipos de mediciones se obtendría de esta
13
investigación.
Para sistemas de medición complejos, se hace un diagrama de flujo del proceso
de medición mismo. Esto incluiría el envío de la parte o subsistema a ser medido,
la medición en sí y el regreso de la parte o subsistema al proceso.
Luego utiliza algún método de tormenta de ideas con el grupo para desarrollar
criterios generales para cada medición requerida. Uno de los métodos simples a
usar es el diagrama de causas y efectos. 14 Ver el ejemplo en figura 2 como un
punto inicial de pensamiento.
pensamiento.
Alg
A lgun
unas
as preg
p regun
untas
tas adici
adi cion
onales
ales a cons
co nsid
iderar
erar en relac
r elacii ón a la
planeación
plane ación de las mediciones:
• ¿Cómo son tomadas las mediciones? ¿Serán hechas en forma manual, sobre
un transportador en movimiento, fuera de línea, en forma automática, etc.?
¿La localización de las partes y los posibles dispositivos son fuentes de
variación? ¿Es con o sin contacto?
• ¿Cuándo y dónde serán tomadas las mediciones? ¿La parte estará limpia,
con aceite, caliente, etc.?
13
Esto puede considerarse en un plan de control preliminar.
14
Ver Guía para el Control de Calidad , Kaoru Ishikawa, publicado por la organización asiática de productividad, 1986.
27
Capítulo l – Sección B
El Proceso de Medición
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Secci
Sección
ón D
Desarrol
Desarrollo
lo de las Fuentes de Medici
Medición
ón
Introducción Esta sección aborda el esquema de tiempo para cotizaciones / suministros de la
vida de un proceso de medición se ha desarrollado para que sea una discusión
acerca del procesos de desarrollar un paquete de cotización del proceso de
PROCESO DE medición, obteniendo respuestas a dicho paquete, otorgando el proyecto,
ICII N
MEDIC
completando el diseño final, desarrollando el proceso de mejoramiento y,
ENTRADAS SALIDAS finalmente, casando el proceso de medición con el proceso de producción para el
cual fue creado. Se recomienda fuertemente que este capitulo no sea usado sin la
lectura y entendimiento de la discusión completa acerca de los procesos de
medición. Para obtener el máximo beneficio de un proceso de medición, estudiarlo
y abordarlo como si fuera un proceso con entradas y salidas. 15
15
Ver Capítulo I, Sección B
29
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Después dealrededor
actividades que el proceso de medición
de la adquisición ha sido /diseñado
del proceso conceptualmente,
sistema pueden empezar. las
Ciertas mercancías presentan propiedades que pueden producir más problemas que
otras, tal como, el centrado de un árbol de levas o alguna otra característica de
redondeo, cilíndrica o tubular. Por ejemplo, un árbol de levas debe ser
manufacturado sobre centros pero las propiedades importantes del producto están
en sus lóbulos. Un método o esquema de datos puede requerirse para la
manufactura mientras que otro esquema es requerido para la medición de un
producto final.
30
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Prerrequisitos y
Prerrequisitos Antes de discutir el desarrollo con el proveedor del gage, se asume que aspectos
Supuestos críticos tales como, diseño (GD&T) de ingeniería del producto “correcto” y el
diseño del proceso “correcto” (aquel que permita las mediciones en el tiempo y
localización en el proceso apropiados) se hallan resuelto. Sin embargo ésto no
debiera demeritar la consideración de éstos aspectos críticos con los miembros
del equipo apropiados y en forma anticipada en el proceso APQP.
Se asume que el proveedor del gage será involucrado en el proceso APQP con el
A A c
t
u a n
l a
P
r
e a
enfoque de equipo. El proveedor de gages desarrollará una clara apreciación del
proceso de producción global y el uso del producto de manera que se rol es
entender no solo por él sino por otros en el quipo (manufactura, calidad,
r P
ingeniería, etc.).
H
i o
d
a c
t u
s
e r Existe un pequeño traslape en algunas actividades o en el orden de estas
S D
E actividades dependiendo del programa / proyecto particular u otras restricciones.
Por ejemplo, el equipo de APQP sin muchas entradas de una fuente de gages
puede desarrollar ciertos conceptos de gages. Otros conceptos pueden requerir la
pericia de la fuente de gages. Esto puede ser dirigido por la complejidad del
sistema de medición y una decisión del equipo acerca de lo que hace sentido.
Proceso de
d e Selección
Selección de Fuentes de Gages
Gages
Desarrol
Desarrollo
lo del
d el Paquete
Paquete de Coti
Cotiza
zació
ciónn
Concepto de Antes de que el paquete de solicitud para cotización de un proceso de medición
Ingeniería Detallado pueda ser suministrado al proveedor potencial para propuestas formales, necesita
desarrollarse un concepto de ingeniería detallado del proceso de medición
mismo. El equipo de individuos que se emplee y sea responsable por el
mantenimiento y mejoramiento continuo del proceso de medición tiene
responsabilidades directas para desarrollar el concepto detallado. Esto puede ser
parte del equipo de APQP. Para desarrollar mejor este concepto, necesitan
responderse varias preguntas.
El equipo puede investigar varios aspectos críticos para ayudar a decidir que
dirección o camino será seguido para el diseño del proceso de medición. Algunos
pueden ser dictados o pesadamente implicados por el diseño del producto.
Ejemplos de multitudes de posibles aspectos críticos que necesiten ser abordados
por el equipo cuando se desarrolle un concepto detallado pueden encontrarse en
los “Elementos Sugeridos por el Checklist del Desarrollo de un Sistema de
Mediciones” al final de esta sección.
31
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
del sistema.
dicte, puedenEventualmente, conforme
programarse rutinas el juicio de lapreventivo.
de mantenimiento estabilidad La
delconducción
sistema lo
del mantenimiento preventivo
preventivo sobre un sistema estable, y en base a información de
series de tiempo, será de menos desperdicio que la conducción del mantenimiento
preventivo sobre un sistema
sistema con técnicas tradicionales.
tradicionales.
• Estándares de diseño
• Estándares construidos
32
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Evaluación de Conforme se reciban las cotizaciones, el equipo debe integrarse para revisarlas y
Cotizaciones evaluarlas. Ciertos puntos pueden hacerse notar:
33
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
• Instrucciones de calibración.
• Manuales del usuario que puedan ser usados por el personal de soporte
técnico, el operador del sistema y el personal de mantenimiento.
34
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Calificación
Califi cación con el El gage o sistema de medición debiera ofrecer un layout dimensional y pruebas de
Criterios de aceptación
Envíos CHECKLIST
• ¿Cuándo debiera ser enviado el equipo?
••
¿Cómo debiera enviarse?
¿Quién retira el equipo del camión o vagón?
• ¿Se requieren seguros?
• ¿La documentación debiera enviarse con el hardware?
• ¿El cliente cuenta con el equipo apropiado para descargar el hardware?
• ¿Dónde será almacenado el sistema hasta el envío?
16 Ver Apéndice D
35
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
• Instrucciones de calibración
36
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
¿Se han identificado las fuentes de variación? Construir un modelo de errores (S.W.I.P.E. o P.I.S.M.O.E.A.) usando
equipos,, tormenta de ideas, conocimiento profundo del proceso, diagramas de causas y efectos o matrices.
Sistemas de medición flexibles vs dedicados: Los sistemas de medición pueden ser permanentes y dedicados o pueden
ser flexibles y tener la habilidad de medir diferentes tipos de partes; ej., gages, dispositivos de gages, máquinas de
medición por coordenadas, etc. Los gages flexibles serán más caros pero pueden ahorrar dinero en el largo plazo.
Contacto vs No Contacto: Confiabilidad, tipo de propiedad, plan muestra, costo, mantenimiento, calibración, habilida
habilidades
des
del personal requeridas, compatibilidad, medio ambiente, velocidad, tipos de probadores, deflexión de las partes,
procesamiento de imágenes. Esto puede determinarse con los requerimientos del plan de control y la frecuencia de las
mediciones (gages de contacto total pueden conseguir ajustes excesivos durante muestreos continuos). probadores de
superficie de contacto total, tipo de probador, jets de retroalimentación por aire, procesamiento de imágenes, MMC vs
comparador óptico, etc.
Medio Ambiente: ¿Polvo, humedad, temperatura, vibración, ruido, interferencia electromagnética (IEM), movimiento de
aire en el ambiente, contaminant
contaminantes
es de aire, etc. el laboratorio, el piso de producción, oficina, etc.? El medio ambiente llega
a ser un aspecto clave con tolerancias bajas y ajustadas y en el nivel de micrones. También, en los casos en que MMC, los
sistemas de visiones, ultrasónico, etc. Esto podría ser un factor de auto-retroalimentación en proceso en los tipos de
mediciones. Aceite para corte, escombros para corte y temperaturas extremas pudieran llegar también a ser aspectos clave.
¿Se requiere que el área esté limpia?
Puntos de medición y localización: Define claramente, usando GD&T, la localización de los dispositivos y puntos de
sujeción y donde las mediciones de la parte sean tomadas.
Preparación de la Parte: La parte debiera estar limpia, sin aceite, con temperatura estabilizada, etc. Antes de la medición.
37
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Aspecto # 1 de Correlación – Gages Duplicados: ¿Se requieren los gages por duplicado (o más) dentro o entre plantas
para soportar los requerimientos?
requerimientos? Consideraciones de construcción, de errores de medición y de mantenimiento. ¿Cuál es
considerado el estándar? ¿Cómo será calificado cada uno?
Aspecto #2 de Correlación- Divergencia en Métodos: La variación en las mediciones resulta de diferentes diseños de
sistemas de medición ejecutándose en el mismo producto / proceso y dentro de una práctica y límites de operación
aceptables (ej., resultados de mediciones de MMC vs manual o ajuste abierto).
Mediciones de Pruebas Destructivas vs No Destructivas (PND): Ejemplos: prueba de tensión, prueba de cámara salina,
espesor de cubierta de pintura / acabado, dureza, medición dimesnional, procesamiento
procesamiento de imagen, análisis químico, estrés,
durabilidad, impacto, torsión, torque, fuerza de soldado, propiedades eléctricas, etc.
Resolución Efectiva: ¿La medición es sensible a los cambios físicos (habilidad para detectar variación del proceso o
producto) para una aplicación parti
particular
cular y aceptable
aceptable??
Sensibilidad: ¿La señal de entrada es la más pequeña en medida y la cual resulta en una señal de salida detectable
(discernible) y aceptable para la aplicación del dispositivo de medición). La sensibilidad se determina por el diseño y
calidad (FEO) inherente del gage, el mantenimiento en servicio y las condiciones de operación.
¿Se han abordado las fuentes de variación identificadas en el diseño del sistema? Revisiones de diseño; verificaciones
y validaciones.
Facilidad de Servicio: Interno y externo, localización, nivel de soporte, tiempo de respuesta, disponibilidad de partes para
servicio, lista de partes estándar.
Ergonomía: Habilidad de cargar y operar el equipo sin daños en el tiempo. La necesidad de discusiones sobre los
dispositivos
operador. de medición para orientarse en aspectos clave en cómo el sistema de medición es interdependiente con el
Consideraciones de Seguridad: Personal, operación, medio ambiente, protegido.
Almacenamiento y Localización: Establece los requerimientos alrededor del almacenamiento y localización del equipo
de medición. Aspectos clave de cubiertas, medio ambiente, seguridad, disponibilidad (proximidad).
Tiempo de Ciclo de la Medición: ¿Cuánto tiempo llevará medir una parte o característica? Ciclo de medición integrado al
control del proceso y el producto.
¿Habrá alguna interrupción al flujo del proceso, integridad del lote, para capturar, medir y devolver la parte?
38
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
Manejo de Materiales: ¿Existen racks especiales, dispositivos de sostén, equipo de transporte u otro equipo de manejo de
materiales necesarios para las partes a ser medidas o el sistema de medición mismo?
¿Existen algunos requerimientos o condiciones de confiabilidad especiales? ¿Se mantiene el equipo en el tiempo?
¿Esto necesita verificarse antes del uso para producción?
Refacciones: Lista común, suministros adecuados y un sistema para ordenamiento en piso, disponibilidad, tiempos de
anticipación entendidos y tomados en cuenta. ¿Es adecuado y seguro el almacenamiento disponible (refacciones,
mangueras, cinturones, switches, solenoides, válvulas, etc.)?
Instrucciones del Usuario: Secuencia de sujeción, procedimientos de limpieza, interpretación de datos, gráficas, ayudas
visuales amplias. Disponibles y desplegadas apropiadamente.
A Prueba de Errores: ¿Errores del proceso de medición pueden conocerse para ser corregidos fácilmente (muy fácil) por
el usuario? Entradas de datos, uso incorrecto del equipo, aprueba de fallas o errores
servicios ¿Quién dará
Soporte: contratados apoyo al proceso de medición? Técnicos de laboratorio, ingenieros, producción mantenimiento,
y externos?
Entrenamiento: ¿Qué entrenamiento será necesario para los operadores / inspectores / técnicos, ingenieros para usar y
mantener el proceso de medición? Aspectos de tiempo, recursos y costo. ¿Quién entrenará? ¿Dónde se realizará el
entrenamiento? ¿Requerimientos
¿Requerimientos para tiempos de anticipación? Coordinado con el uso actual del proceso de medición.
Administración de Datos: ¿Cómo serán administrados los resultados de datos del proceso de medición? Manuales,
computarizados, métodos de resumen, frecuencia en los resúmenes, métodos de revisión, frecuencia de revisiones,
requerimientos de los clientes, requerimientos internos. Disponibilidad, almacenamiento, recuperación, soporte, seguridad.
Interpretación de datos.
Personal: ¿Se requiere contratar personal para soportar el proceso de medición? Aspectos de costo, tiempo y
disponibilidad. Actual o nuevo.
Métodos de Mejoramiento: ¿Quién mejorará el proceso de medición en el tiempo? ¿Ingenieros o personal de producción,
mantenimiento, calidad? ¿Qué métodos de evaluación serán usados? ¿Existe un sistema para identificar mejoramientos
necesarios?
Estabilidad de Largo Plazo: Métodos de evaluación, formato, frecuencia, y necesidad de estudios de largo plazo.
Cambios, ajustes, contaminación, integridad operacional. ¿Estos errores de largo plazo pueden ser medidos, controlados,
entendidos y pronosticados?
Consideraciones Especiales: Atributos del inspector, limitaciones físicas o aspectos de salud: ceguera en color, visión,
esfuerzo, fatiga, ergonomía.
39
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
40
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Secci
Sección
ón E
Asp
As p ectos
ect os Clave
Clav e en llas
as Medi
Med i ci
cion
ones
es
Tres aspectos clave fundamentales deben abordarse en la evaluación de un sistema de
medición:
3) Las propiedades estadísticas (errores) son consistentes sobre un rango esperado y
adecuadas para el propósito de las mediciones (control del producto o proceso).
41
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Tipos de Vari
Variaciones
aciones A menudo se asume que las mediciones son exactas, y frecuentemente los análisis
de los Sistemas
Sist emas de y conclusiones se basan en esta suposición. Un individuo puede fallar en
determinar si hay variación en el sistema de medición el cual afecta las mediciones
Medición individuales, y consecuentemente, las decisiones se basan en datos. El error de un
sistema de medición puede ser clasificado en 5 categorías: sesgo, repetibilidad,
reproducibilidad, estabilidad y linealidad.
Información
• (CDG) 17 necesaria para desarrollar una Curva de Desempeño de un gage
, el cual indica la probabilidad de aceptar una parte de un valor
verdadero.
17
Ver Capítulo V, Sección C.
42
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Definiciones
Definic iones y Definició
Definició n Ope
Operacional
racional
Fuentes
Fue ntes Potenciales
Pot enciales
de Variación
Variación “Una definición Operacional es aquella con la que la gente puede hacer negocios.
Una definición operacional con seguridad, redondeo, confiable o alguna otra
[característica]de calidad debe ser comunicable, con el mismo significado al
vendedor que al comprador, y el mismo significado que ayer y hoy para el
operador de producción. Ejemplo:
Estándar / Patrón
Un estándar es cualquier cosa que se tome por consenso general como una base
para comparación, un modelo aceptado. Puede ser un artefacto conjunto
(instrumentos, procedimientos,
procedimientos, etc.) ajustado y establecido por una autoridad como
una regla para medición de cantidad, peso, alcance, valor o calidad.
Estándar de Calibración
18
W. E. Deming, Out of the Crisis (1982, 1986) pag. 277.
19
Esta definición fue después actualizada como Equipo de Medición y Prueba ó EMyP por Estándares y Normas
Militares subsecuentes.
43
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Estándar de Transferencia
Un estándar para comparar un estándar por separado de un valor conocido con una
unidad que ha sido calibrada.
Master
Estándar de Trabajo
Un estándar cuya intención de uso sea ejecutar mediciones de rutina dentro del
laboratorio, no como un estándar de calibración, pero que puede ser usado como un
estándar de transferencia.
b
a
e
u PATRON DE TRANSFERENCIA
r
P
y
n
ó
i
c
i
d PATRON DE CALIBRACION Master
e
M
e
d
o
p
i
u PATRON DE TRANSFERENCIA
q
E
PATRON DE TRABAJO
Patrón de Chequeo
Figura I-E 1: Re
Relación
lación Entre los Diferentes Estándares
44
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Estándar de Chequeo
Un artefacto de medición que reagrupa de una forma muy similar lo que el
proceso está diseñado para medir, pero que es inherentemente más estable que el
proceso de medición a ser evaluado.
evaluado.
Valor de Referencia
Un valor de referencia, también conocido cono valor de referencia aceptable o
valor master, es el valor de un artefacto o conjunto que sirve como una referencia
acordada para comparación. Los valores de referencia aceptables se basan en lo
siguiente:
45
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Discriminación
Discriminación es la cantidad de cambio de un valor de referencia que un
instrumento puede detectar y fielmente indicar. Esto es también referido como
facilidad de lectura o resolución.
La regla empírica arriba indicada puede considerarse como un punto inicial para
determinar la discriminación dado que no incluye cualquier otro elemento de a
variabilidad de un sistema de medición.
46
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Numero de Categorías
Categorías Contro
Controll Anális
Análisis
is
Puede ser usado solo para
control si:
• La variación del proceso es
pequeña comparada con las • No Aceptable para estimar
especificaciones. índices y parámetros del
proceso.
• La función de pérdida es
plana sobre la variación del • Sólo indica si el proceso está
proceso esperada. fabricando partes conformes
o no conformes.
• La fuente de variación
principal provoca un cambio
en el promedio.
Figura I-E 3: Impacto del Número de Categorías Distintas (NCD) de la Distribución del Proceso en
Actividades de Análisis y Control.
Síntomas de una discriminación inadecuada pueden aparecer en las gráficas de rangos.
La figura I-E 4 contiene dos conjuntos de gráficas de control derivadas de los mismos
datos. La gráfica de control (a) muestra la medición original con la más cercana
milésima de pulgada. La gráfica de control (b) muestra éstos datos redondeados a la más
próxima centésima de una pulgada. La gráfica de control (b) parece estar fuera de
control debido a los supuestos límites ajustados. Los rangos cero son más un producto
de redondeo que una indicación de la variación de un subgrupo.
Una buena indicación de una discriminación adecuada puede verse en la variación del
proceso para gráficas de rangos con SPC. En particular, cuando las gráficas de rangos
muestran solo uno, dos o tres posibles valores para el rango dentro de límites de control,
las mediciones se hacen con una discriminación inadecuada. También, si la gráfica de
rangos muestra cuatro posibles valores para el rango dentro de límites de control y más
de un cuarto de los rangos son cero, entonces las mediciones se han hecho con una
discriminación inadecuada. Otra buena indicación de una discriminación inadecuada es
sobre una gráfica de probabilidad normal donde los datos son estancados en paquetes en
lugar de fluir a lo largo de la línea de 45 grados.
47
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Regresando a la figura I-E 4, la gráfica de control (b), existen solo dos posibles
valores para el rango dentro de límites de control (valores de 0.00 y 0.01). Por
tanto, la regla identifica correctamente la razón de falta de control por la
discriminación inadecuada (sensibilidad o resolución efectiva).
Este problema puede ser resuelto, por supuesto, cambiando la habilidad de detectar
la variación dentro de los subgrupos incrementando la discriminación de las
mediciones. Un sistema de medición cuenta con una discriminación adecuada si la
resolución aparente es pequeña relativa a la variación del proceso. Por tanto una
recomendación para una adecuada discriminación sería para una resolución
aparente tener a lo mucho una décima parte de seis sigma de desviación estándar
del proceso total en lugar de la regla tradicional la cual con una resolución aparente
sería a lo mucho una décima de la extensión de la tolerancia.
Eventualmente,
hábil usando unun existen
sistemasituaciones
de mediciónqueestable
medición lleganya el
un“mejor
procesoenestable
clasye”altamente
su clase” y en los
límites prácticos de tecnología. La resolución efectiva puede ser inadecuada y un
mejoramiento adicional del sistema de medición llega a ser impráctico. En estos
casos especiales, la planeación de las mediciones puede requerir técnicas
alternativas para el monitoreo del proceso. La aprobación por el cliente típicamente
es requerida en técnicas alternativas para el monitoreo del proceso.
48
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Figura I-E 4: Gráficas de Control de Proceso 21
21
La figura I-E 4 fue desarrollada usando datos de Evaluación de los Procesos de Medición
Medición, por Wheeler y Lyday,
derechos de copia 1989, SPC Press, Inc., Knoxville, Tennessee.
49
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Variación
Variaci ón de las Exactitud
Instalaciones
Un concepto genérico de lo exacto en relación a qué tan cerca se ha acordado entre
el promedio de uno o más resultados medidos y un valor de referencia. El proceso
de medición debe estar en estado de control estadístico, de lo contrario la exactitud
del proceso no tiene significado.
Sesgo
50
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Sesgo es la diferencia entre el valor verdadero (valor referencia) y el promedio
observado de las mediciones sobre la misma característica y la misma parte.
51
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Estabilidad
Linealidad
La diferencia de sesgo a través del rango (de medición) de operación esperado
del equipo es llamada linealidad. La linealidad puede tomarse como un cambio de
sesgo con respecto al tamaño.
52
Capítulo l – Sección E
Aspectos Clave de las Mediciones
53
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Variación
Variaci ón de Precisión
Ampl
Am plii tu
tudd
Tradicionalmente, la precisión describe el efecto neto de la discriminación,
sensibilidad y repetibilidad sobre un rango de operaciones (tamaño, rango y
tiempo) del sistema de medición. En algunas organizaciones la precisión se usa en
forma intercambiable con la repetibilidad. De hecho, la precisión es muy a menudo
usada para describir la variación esperada de las mediciones repetidas sobre el
rango de medición; tal rango puede ser tamaño o tiempo (ej., “un dispositivo es tan
preciso en el Uno
como ayer”). rangopodría
bajo decir
comoque
en el rango altoesdequé
la precisión medición”, o “tan
tan repetible preciso hoy
la linealidad es
con respecto al sesgo (aunque el primero es aleatorio y los otros son errores
sistemáticos). ASTM define la precisión en un sentido amplio para incluir la
variación de diferentes lecturas, gages, gente, laboratorios o condiciones.
Repetibilidad
Este es tradicionalmente referido como variabilidad “dentro del mismo evaluador”.
Repetibilidad es la variación en las mediciones obtenida con un instrumento de
medición cuando se use varias veces por un evaluador y midiendo la misma
característica y sobre la misma parte. Esta es la variación o habilidad inherente
del equipo mismo. Repetibilidad es comúnmente referida como la variación del
equipo (EV), aunque esto puede ser dudoso. De hecho, repetibilidad es una
variación de causa común (error aleatorio) de intentos sucesivos y bajo
condiciones definidas de medición. El mejor término para repetibilidad es
variación dentro del sistema cuando las condiciones de medición están ajustadas y
definidas – parte ajustada, instrumento, estándar, método, operador, medio
ambiente y supuestos. Adicional a la variación dentro del equipo, la repetibilidad
incluye todas las variaciones internas (ver más adelante) de cualquier condición en
el modelo de errores.
54
Capítulo l – Sección E
Aspectos Clave de las Mediciones
•
manejo odel
Dentro evaluador: técnica,
entrenamiento, posición,
sentimiento, fatigafalta de experiencia, habilidad de
• Dentro del medio ambiente: fluctuaciones de ciclo corto en temperatura,
humedad, vibración, iluminación, limpieza
Reproducibilidad
55
Capítulo l – Sección E
Aspectos Clave de las Mediciones
56
Capítulo l – Sección E
Aspectos Clave de las Mediciones
2
σ RRG = σ2reproducibilidad + σ2repetibilidad
Sensibilidad
Sensibilidad es la entrada más pequeña que resulte en una señal o resultado
detectable (usable). Es la respuesta del sistema de medición a cambios en la
propiedad medida. La sensibilidad es determinada por el diseño del gage
(discriminación), su calidad inherente (FEO), el mantenimiento en servicio y las
condiciones de operación del instrumento y estándar. Siempre es reportada como
una unidad de medida.
Consistencia
Consistencia es la diferencia en la variación de las mediciones tomadas en el
tiempo. Puede ser vista como repetibilidad en el tiempo.
• UCL
• •
• • • •
•
Promedio
• • • Rango
• •
• •
LCL
Los factores que impactan la consistencia son variaciones de causas especiales tales
como:
• Temperatura de las partes
• Calentamiento requerido para equipo electrónico
• Equipo desgastado
57
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Uniformidad
• Paralelismo en la lectura
Variación
Variación de
d e los Habili
Habili dad / Capacidad
Sistemas de
Medición La habilidad de un sistema de medición es un estimativo de la variación combinada
de los errores de medición (aleatorios y sistemáticos) y basados en una evaluación
de corto plazo. La habilidad simple incluye los componentes de:
2
σ habilidad = σ2sesgo (linealidad) + σ2RRG
Hay dos puntos esenciales para entender y aplicar correctamente la habilidad de las
mediciones:
58
Capítulo l – Sección E
Aspectos Clave de las Mediciones
calibración. Una declaración de habilidad en las mediciones no solo necesita ser
completo sino replicar en forma razonable las condiciones y rango de medición. Un
plan de control documentado
documentado pudiera servir para este prop
propósito.
ósito.
Desempeño
Así como en el desempeño del proceso, el desempeño del sistema de medición es el
efecto neto de todas las fuentes de variación significativas y determinables en el
tiempo. El ydesempeño
(aleatorios cuantifica
sistemáticos) una de
combinados evaluación de largo
las mediciones. Porplazo
tanto,de los errores
el desempeño
incluye componentes de error de largo plazo de:
• Estabilidad y consistencia
Hacer referencia al capítulo III para métodos y ejemplos típicos para cuantificar
cada componente.
Un estimativo del desempeño en las mediciones es una expresión del error esperado
para condiciones definidas,
definidas, alcance y rango del sistema de m
medición
edición (a diferencia de
la incertidumbre en las mediciones, la cual es una expresión del error esperado del
rango o valores asociados con un resultado de medición). La expresión del
desempeño de la variación (varianza) combinada cuando los errores de las
mediciones no se correlacionan (aleatorios e independientes) puede cuantificarse
como:
2
σ performance = σ2habilidad + σ2estabilidad + σ2consistencia
59
Capítulo l – Sección E
Aspectos Clave de las Mediciones
1) Reportar el desempeño máximo (peor de los casos) para las condiciones
definidas completas, y el alcance y rango del sistema de medición, o
Incertidumbre
La incertidumbre de las mediciones es definida por VIM como un “parámetro,
asociado con el resultado de una medición, que caracteriza la dispersión de los
valores que pudieran ser razonablemente atribuibles a lo medido”. 22 Ver
capítulo 1, sección F, para más detalles.
22
Lo medido es entonces definido por VIM como “la cantidad part
particular
icular suj
sujeta
eta a medición”.
60
Capítulo l – Sección E
Aspectos Clave de las Mediciones
61
Capítulo l – Sección E
Aspectos Clave de las Mediciones
Figura I-E 6: Relación
Relación entre Sesgo y Repetibil
Repetibilidad
idad
62
Capítulo l – Sección F
Incertidumbre en las Mediciones
Secci
Sección
ón F
Incertidu
Incertidumbre
mbre en las Mediciones
La incertidumbre en las mediciones es un término usado internacionalmente para
describir la calidad de un valor de medición. Aún y cuando este término ha sido
tradicionalmente reservado para muchas de las mediciones de alta exactitud
ejecutadas en laboratorios de metrología o gages, muchos clientes y estándares ó
normas de sistemas de calidad requieren que la incertidumbre en las mediciones
sea conocida y consistente con la habilidad requeridas de las mediciones de
cualquier equipo de inspección, medición o prueba.
U = kuc
u 2 2 2
C = σ desempeño + σ otros
63
Capítulo l – Sección F
Incertidumbre en las Mediciones
Es importante
estimativo recordar
de que tantoque la incertidumbre
puede en las mediciones
variar una medición en el tiempoes simplemente un
de la medición
misma. Debiera considerar todas las fuentes significativas de variación en las
mediciones en el proceso de medición además de los errores significativos de
calibración, patrones master, método, medio ambiente y otros no considerados
previamente en el proceso de medición. En muchos casos, este estimativo usa
métodos de MSA y RRG para cuantificar estos errores estándar significativos. Es
apropiado re-evaluar periódicamente la incertidumbre, relacionada ésta a un
proceso de medición para asegurar
asegurar la exactitud continua del
del estimativo.
Incertidumbre
Incertidum bre en las La diferencia principal entre incertidumbre y MSA es que el MSA se enfoca a
Medic
Me dicion
iones
es y MS
MSA
A entender el proceso de medición, determinando la cantidad de error en el proceso
mismo, y evaluando la adecuación del sistema de medición para control del
producto y proceso. MSA promueve el entendimiento y mejoramiento (reducción
de la variación). La incertidumbre es el rango de los valores de medición,
definidos para un intervalo de confiabilidad y asociados con un resultado de
medición y esperados para incluir el valor verdadero de las mediciones.
Rastrea
Rastr eabil
bilidad
idad en las La rastreabilidad es
es la propiedad de una medición o el valor de un estándar, tal
Mediciones que puede relacionarse con referencias establecidas, usualmente patrones
nacionales o internacionales, a través de una cadena ininterrumpida de
comparaciones y todas con incertidumbres establecidas. Por tanto el
entendimiento de la incertidumbre en las mediciones de cada enlace en la cadena
es esencial. Incluyendo las fuentes de variación de las mediciones de corto y largo
plazo que sean introducidas por el proceso de medición y la cadena de
rastreabilidad, la incertidumbre de las mediciones en le sistema de medición
pueden evaluarse asegurando que todos los efectos de rastreabilidad se tomen en
cuenta. Este, por tanto, puede reducir aspectos clave de correlación en las
mediciones.
Guía ISO para la La Guía para la Expresión de la Incertidumbre en las Mediciones (GIM) es una
Expresión de
d e la guía de cómo la incertidumbre de las mediciones puede evaluarse y expresarse.
Aún y cuando ofrece al usuario un entendimiento de la teoría y establece
Incertidum
Incertidumbre
bre en las lineamientos de cómo la incertidumbre en las fuentes de medición puede
Mediciones clasificarse y combinarse, y debiera ser considerado un documento de
referencia de alto nivel, no un manual tipo “como”. Ofrece una guía o
lineamiento al usuario en algunos de los tópicos más avanzados tales como,
independencia estadística de las fuentes de variación, análisis de sensibilidad,
grados de libertad, etc. que son críticos cuando se evalúan sistemas de medición
más complejos y/o de parámetros múltiples.
64
Capítulo I – Sección G
Análisis de Problemas de Mediciones
Secci
Sección
ón G
Análi
An álisi
siss d
dee Probl
Pro blemas
emas de Medi
Med i ci
cion
ones
es
El entendimiento de la variación de las mediciones y su contribución a lo que hace una
variación total necesita ser un paso fundamental en la solución básica del problema.
Cuando la variación en el sistema de medición excede todas las demás variables, llega a
ser necesario analizar y resolver aquellos aspectos clave antes de trabajar con el resto
del sistema. En algunos casos la contribución de la variación del sistema de medición es
pasada por alto o ignorada. Esto puede causar pérdida de tiempo y recursos conforme
conforme el
enfoque se hace al proceso mismo, cuando la variación reportada es actualmente
causada por el dispositivo de medición.
En esta sección se hace una revisión a los pasos básicos para solución de problemas y
se muestra como se relacionan al entendimiento de aspectos clave en un sistema de
medición. Cada compañía puede usar un proceso de solución de problemas y el cual el
cliente le haya aprobado.
Si el sistema de medición fue desarrollado usando métodos de este manual, la mayoría
de los pasos iniciales ya existen. Por ejemplo, un diagrama de causas y efectos puede ya
existir ofreciendo lecciones valiosas aprendidas del proceso de medición. Estos datos
deben ser recolectados y evaluados previo a cualquier solución formal de algún
problema.
Paso
Paso 1 Ide
Identi
ntific
fica
a los Asp
Aspectos Clave
ectos Clave
Cuando se esté trabajando con sistemas de medición, como cualquier proceso, es
importante definir claramente el problema o aspecto clave. En el caso de aspectos clave
de mediciones, esto puede tomar forma de exactitud, variación, estabilidad, etc. El
aspecto importante a ser es tratar de aislar la variación de las mediciones y su
contribución, de la variación del proceso (la decisión puede ser trabajar en el proceso
más que trabajar en el dispositivo de medición). La declaración del aspecto clave
necesita ser una definición operacional que cualquiera entienda y sea capaz de actuar
ac tuar en
el aspecto en cuestión.
Paso
Paso 2 Ide
Identi
ntific
fica Equipo
a el Equipo
El equipo para solución de un problema, en este caso, depende de la complejidad del
sistema de medición y el aspecto clave. Un sistema de medición simple puede requerir
solo un par de gente. Pero conforme el sistema y aspecto clave lleguen a ser más
complejos el equipo puede crecer en tamaño (el máximo tamaño de un equipo debe
limitarse a diez miembros). Los miembros del equipo y la función que ellos representan
necesitan ser identificados en la hoja de solución de problemas.
Paso
Paso 3 Diagrama de Flujo del Sistema de Medic
Medición Proceso
ión y el Proceso
El equipo revisaría cualquier diagrama de flujo histórico del sistema de medición y el
proceso. Esto llevaría a la discusión de información conocida y no conocida a cerca de
las mediciones y su interrelación con el proceso. El proceso de graficar el flujo puede
identificar miembros adicionales a agregar al equipo.
65
Capítulo I – Sección G
Análisis de Problemas de Mediciones
Mediciones
Paso 5 Plan-Hacer-E
Plan-Hacer-Estu
studiar-Act
diar-Actuar
uar (P
(PHE
HEA)
A) 24
A A c
t
u l n
a
P
r
e a
Esto llevaría al esquema de planear – hacer – estudiar – actuar, el cual es una forma de
estudio científico. Se planean experimentos, se recolectan datos, se determina la
P
a r estabilidad, se hacen hipótesis y se prueban hasta que se alcance una solución
apropiada.
H
i o a c
s u d
t e r
E
S D
Paso 6 Posible Solución y Prueba
Prueba de las Corrección
Los pasos y solución son documentados para registrar la decisión. Un estudio
preliminar es ejecutado para validar la solución. Esto puede hacerse usando alguna
forma de diseño de experimentos para validar la solución. También, pueden ejecutarse
estudios adicionales en el tiempo incluyendo variaciones ambientales y de materiales.
24
W. Edwards Deming, The New Economics for Industry, Government, Education, The MIT Press, 1994, 2000
66
Capítulo II
Conceptos Generales para Evaluaciones de Sistemas de Medición
Capítulo
Capítu lo II
Conceptos
Concept os Ge
Generale
neraless p
para
ara E
Evaluacio
valuaciones
nes
de Sist
Sistema
emass d
dee Medici
edición
ón
67
Capítulo II
Conceptos Generales para Evaluaciones de Sistemas de Medición
68
Capítulo II - Sección A
Antecedentes
Sección
Se
Ancción
Ant A es
t ecedent
eced entes
Dos áreas importantes que necesitan ser evaluadas son:
Etapa 1 & 2 La prueba de la Etapa 1 es una evaluación para verificar que la variable correcta
está siendo medida y en la localización para la característica apropiada con base
en la especificación del diseño del sistema de medición. (Verifica dispositivos y
sujeción si aplica) También si existen aspectos ambientales críticos que sean
Entendimiento del
Entendimiento
interdependientes con la medición. La etapa 1 pudiera usar un experimento
proceso de medición y diseñado estadísticamente para evaluar el efecto del ambiente operativo en los
¿satisface los parámetros del sistema de medición (ej., sesgo, linealidad, repetibilidad y
requerimientos? reproducibilidad). La etapa 1 prueba los resultados para indicar que el ambiente
de operación no contribuya significativamente a la variación global del sistema
de medición. Adicionalmente, la variación atribuible al sesgo y linealidad del
dispositivo de medición debiera ser pequeña comparada con los componentes de
repetibilidad y reproducibilidad.
El conocimiento logrado durante las pruebas e la etapa 1 debiera ser una entrada
para el desarrollo del programa de mantenimiento
mantenimiento del sistema de medición así
como el tipo de prueba que debiera usarse durante la etapa 2. Los aspectos
ambientales pueden conducir a un cambio en localización o a un ambiente
controlado para el dispositivo de medición.
¿El proceso de La prueba de la Etapa 2 ofrece un monitoreo continuo de las fuentes clave de
medición satisface los variación para una confiabilidad continua del sistema de medición (y los datos
requerimientos en el generados) y/o una señal de que el sistema de medición se haya degradado en el
tiempo? tiempo.
69
Capítulo Il – Sección A
Antecedentes
70
Capítulo II - Sección B
Selección/Desarrollo de Procedimientos de Prueba
Sección B
Selecció
Selecciónn/D
Desarroll
esarroll o de Procedimi
Procedimientos
entos de Prueba
“Cualquier técnica puede ser útil si sus limitaciones son entendidas y observadas”.25
• ¿Los estándares o normas tales como, los rastreables con NIST, debieran ser
usados en las pruebas, y si es así, qué nivel de estándar o patrón es
apropiado? Los estándares son frecuentemente esenciales para evaluar la
exactitud de un sistema de medición. Si no se usan estándares o patrones, la
variabilidad del sistema de medición puede aún ser evaluada, aunque puede
no ser posible evaluar su exactitud con una credibilidad razonable. La falta
de tal credibilidad puede ser un aspecto clave, por ejemplo, en la intención
de resolver una diferencia aparente entre el sistema de medición de un
fabricante y el sistema de medición de un cliente.
25
W. Edwards Deming, The Logic of Evaluation, The Handbook of Evaluation Research, Vol. 1, Elmer L. Struening y
Marcia Guttentag, Editores
26
El “Efecto Hawthorne” se refiere a los resultados de una serie de experimentos industriales, ejecutados en los trabajos
de Hawthorne de Western Electric entre Noviembre 1924 y Agosto 1932. En los experimentos, los investigadores
modifican sistemáticamente las condiciones de trabajo de cinco ensambladores y monitorean los resultados.
Conforme las condiciones se mejoran, la producción se incrementa. Sin embargo, cuando las condiciones de trabajo
se degradan, la producción continúa mejorándose. Se pensó que esto trajo resultados a los trabajadores para
desarrollar una actitud mas positiva hacia el trabajo en si, como resultado de ser ellos parte del estudio, mas que el
resultado de cambiar las condiciones de trabajo. Ver Una Historia de los Experimentos Hawthorne , por Richard
Gillespie, Cambridge University Press, New York, 1991.
71
Capítulo Il – Sección B
Selección/Desarrollo de Procedimientos de Prueba
72
Capítulo II Sección C
Preparación para un Estudio de un Sistema de Medición
Secci
Se cción
ón C para un Estudio de un Sistema de Medición
Preparación
Como en cualquier estudio o análisis, la planeación y preparación suficiente debe
ser hecha previo a la conducción de un estudio de un sistema de medición. La
preparación típica y previa para conducir
conducir el estudio es como si
sigue:
gue:
1) El enfoque a usar debiera planearse. Por ejemplo, determinar usando juicio
de ingeniería, observaciones visuales o un estudio de un gage, si existe la
influencia de un evaluador en la calibración o uso del instrumento. Existen
algunos sistemas de medición donde el efecto de la reproducibilidad puede
ser considerado como insignificante; por ejemplo, cuando se oprime un
botón y se imprime un número.
Para situaciones del control del proceso, donde resulten las mediciones y
y
se determinen criterios de decisión, “la estabilidad del proceso, la
dirección y cumplimiento con la variación natural del proceso” (ej., SPC,
monitoreo del proceso, habilidad y mejoramiento del proceso), la
disponibilidad de muestras sobre el rango de operación completo llega a
ser muy importante. Un estimativo independiente de la variación del
proceso (estudio de habilidad del proceso) es recomendable al evaluar la
adecuación del sistema de medición para control del proceso (ej., % de
RRG con la variación del proceso).
73
Capítulo Il – Sección C
Preparación para un Estudio de un Sistema de Medición
Cuando un estimativo independiente de la variación del proceso no esté
disponible, O para determinar la dirección del proceso y la adecuación
continua del sistema de medición para el control del proceso, las partes de la
muestra deben ser seleccionadas del proceso y representar el rango de
operación de producción completo. La variación en las partes de la muestra
(PV) seleccionadas para el estudio MSA es usada para calcular la Variación
Total (TV) del estudio mismo. En índice TV (ej., % de RRG del TV) es un
indicador de la dirección del proceso y estabilidad continua del sistema de
medición para el control del proceso. Si las partes de la muestra NO
representan el proceso de producción, el TV debe ser ignorado den la
evaluación. El ignorar el TV no afecta las evaluaciones usando la tolerancia
(control del producto) o un estimativo independiente de la variación del
proceso (control del proceso).
proceso).
Las muestras pueden seleccionarse tomando una muestra por día por varios
días. Otra vez, esto es necesario porque las partes serán tratadas en el análisis
como si representaran el rango de variación de la producción en el proceso.
Dado que cada parte será medida varias veces, cada parte debe numerarse
para identificación.
5) El instrumento debiera contar con una discriminación tal que permita al
menos un décimo de la variación del proceso esperado de la característica
sea leído directamente. Por ejemplo, si la variación de la característica es
0.001, el equipo debiera ser capaz de “leer” un cambio de 0.0001.
6) Asegura que el método de medición (ej., evaluador e instrumento) está
midiendo la dimensión de la característica y siguiendo un procedimiento de
medición definido.
La manera en la cual se conduce un estudio es muy importante. Todos los análisis
presentados en este manual asumen independencia estadística de las lecturas
individuales 27. Para minimizar la probabilidad de resultados no confiables,
necesitan tomarse los siguientes pasos:
1) Las mediciones debieran tomarse en un orden aleatorio 28 para asegurar
cualquier impulso o cambio que pudiera ocurrir y hacer un estudio
totalmente aleatorio. Los evaluadores no debieran ser advertidos de cuál
número de parte está siendo checada a fin de evitar cualquier posible sesgo
por conocimiento. Sin embargo, la persona que conduce el estudio debiera
saber cuál es la parte numerada que está siendo checada y registrar los datos
como tales, esto es, Evaluador A, parte 1, primer intento; Evaluador B, parte
4, segundo intento, etc.
2) En la lectura del equipo, los valores de mediciones debieran registrarse en
un límite práctico con la discriminación del instrumento. Los dispositivos
mecánicos deben leerse y registrarse con las unidades más pequeñas de la
discriminación de la escala. Para lecturas electrónicas, el plan de mediciones
debe establecer una política común para registrar el dígito de la derecha más
significativo del display. Los dispositivos análogos debieran registrar en un
medio de la graduación más pequeña o el límite de sensibilidad o resolución.
Para dispositivos análogos si la más pequeña de la escala es 0.0001”,
entonces los resultados de las mediciones debieran registrarse en 0.00005”.
27
No existe correlación entre las lecturas.
28
Ver Capítulo III, Sección B, “Aleatoriedad e Independencia Estadística”
74
Capítulo II Sección C
Preparación para un Estudio de un Sistema de Medición
3) El estudio debiera ser administrado y observado por una persona que
entienda la importancia de conducir un estudio confiable.
• ¿Es la calibración del evaluador del equipo de medición muy probable una
causa significativa de variación? Si es así, los evaluadores debieran
recalibrar el equipo antes de cada grupo de lecturas.
etapa 1 ymantenerse
debiera constante
etapa 2 o entre entre
pruebas programas
secuenciales de de pruebas
la etapa de
2 para
sistemas de medición comunes. El mantener condiciones comunes
entre programas de pruebas y pruebas secuenciales mejorará las
comparaciones entre los diferentes resultados de pruebas.
75
Capítulo Il – Sección C
Preparación para un Estudio de un Sistema de Medición
76
Capítulo II Sección D
Análisis de Resultados
Secci
Se
An cción
Análi ón
álisi
sissd
deD
e Resul
Resu l tados
tad os
Los resultados debieran evaluarse para determinar si el dispositivo de medición
es aceptable para su aplicación esperada. Un sistema de medición debiera ser
estable antes de ser válido cualquier análisis adicional.
Error de Amplitud
Ampli tud Criterios de Aceptación – Error
Error de Amplitud
Los criterios para saber si la variabilidad de un sistema de medición es satisfactoria
dependen del porcentaje de la variabilidad del proceso de manufactura / producción
o de la tolerancia de la parte que es consumida por la variación del sistema de
medición. Los criterios de aceptación final para sistemas de medición específicos
dependen del medio ambiente y propósito del sistema de medición y debieran ser
acordados con el cliente. (Ver Capítulo I Sección B – “Los Efectos en la
Variabilidad de los Sistemas de Medición”)
Cuando se inicia la evaluación de sistemas de medición por una
organización, puede ser útil establecer prioridades en cuáles sistemas de
medición enfocarse. Dado que la variación final (total) se basa en una
combinación de la variación del proceso y las mediciones,
77
Capítulo Il – Sección D
Análisis de Resultados
requiere alguna re evaluación por separado 29. Si alguna condición ó no
conformancia fuera de control se encuentra en esta situación, la primera
cosa que debiera hacerse es evaluar el sistema de medición.
Precaución:
El uso de guías y lineamientos para RRG como un todo per se NO es una
práctica aceptable para
para determinar la acep
aceptabilidad
tabilidad de un sistem
sistema
a de medición.
29
Si el proceso total está en control estadístico por ambas gráficas de promedios y variaciones y la variación total es
aceptable, entonces puede asumirse que (1) ambas variabilidades actuales del proceso y las mediciones son
aceptables, ó (2) la variación de las mediciones no es aceptable con respecto a la variación del proceso (la cual es
extremadamente pequeña) aunque ambos estén en control estadístico. En ambos casos el proceso está fabricando
producto aceptable. En el caso (2) la existencia de una no conformancia ó una condición fuera de control podría ser una
falsa alarma (ej., el producto es aceptable pero la evaluación dice que no lo es) y la cual causaría una evaluación de
ambos sistema de medición y proceso.
30
Ver Capítulo I, Sección E, “Aspectos Clave en las Mediciones”.
78
Capítulo II Sección D
Análisis de Resultados
puede
regularser
la diferente parapara
temperatura aplicaciones no similares.
similares.
confort humano El termostato
y a un precio muydeeconómico,
un cuarto puede
pued
peroe
pudiera tener un RRG arriba de 30%. Es aceptable para esta aplicación. Pero en un
laboratorio, donde pequeñas variaciones en la temperatura pueden impactar en
resultados de pruebas, se requiere una más sofisticada medición y control de
temperatura. Este termostato sería más caro y se requiere que cuente con una menor
variabilidad (ej., para tener un más bajo RRG).
79
Capítulo Il – Sección D
Análisis de Resultados
80
Capítulo III
Prácticas Recomendadas para Sistemas de Medición Replicables
Capítu
Capítulo
lo II
IIII
PRACTICAS RECOMENDADA
RECOMENDADASS PARA SIST
SISTEMAS
EMAS DE
MEDICIÓ
MEDICIÓN
N REPLICAB
REPLICABLL ES
81
Sección A
Ejemplos de Procedimientos de Prueba
Ejemplos de procedimientos de prueba específicos son presentados en este
capítulo. Los procedimientos son simples de usar y pueden aplicarse en un
ambiente de producción. Como se discutió previamente, el procedimiento de
prueba que debiera usarse para entender un sistema de medición y cuantificar su
variabilidad depende de las fuentes de variación que pudieran afectar el sistema
de medición mismo. En muchas situaciones las fuentes principales de medición
son debidas al instrumento (gages/equipo), la persona (evaluador) y el método
(procedimiento de medición). Los procedimientos de prueba en este capítulo son
suficientes para este tipo de análisis de sistemas de medición.
83
Sección
Guías
Guía LiB
s y Lineamientos
neamientos – Estudio
Estudi o de Sistemas de M
Medici
edición
ón de Va
Variabl
riables
es
Esta sección contiene lineamientos de implementación para técnicas de sistemas de
medición descritas en el capitulo 1, sección E. Una completa revisión de la sección
E es recomendable para asegurar una apropiada aplicación de estos lineamientos.
Puede ser deseable contar con muestras master para valores mínimos, altos y
de rango medio
medio de las mediciones
mediciones esperadas. Se recomiendan
recomiendan por separado
separado
las mediciones y gráficas de control.
3) Graficar los datos en una gráfica de control X & R o X & s bajo el orden de
tiempo.
Anál
A nális
is is de Res
Resul
ultad
tados
os - Gráfi
Gráf i co
4) Establecer límites de control y evaluar condiciones fuera de control o
inestables usando el análisis estándar de gráficas de control.
31
Debiera tomarse precaución cuando el m master
aster de producción
producción pudiera experimentar un excesivo desgaste debido al uso,
material o manejo. Esto puede requerir el modificar la parte de producción tal como el acabado, para extender la vida del
master mismo.
85
Análi
An álisi
siss de
d e Result
Resu lt ados
ado s – Numér
Nu méric
ic o
Además del análisis normal de gráficas de control, no existe un análisis numérico y
específico o índice para estabilidad. 32
Ejemplo – Estabilidad
Para determinar si la estabilidad de un nuevo instrumento de medición es aceptable,
el equipo de proceso selecciona una parte próxima al punto medio del rango del
proceso de producción. Esta parte es enviada al laboratorio de medición para
determinar el valor de referencia el cual es 6.01. El equipo mide esta parte 5 veces
una vez al turno por cuatro semanas (20 subgrupos). Después de que todos los datos
son recolectados, las gráficas XR son desarrolladas (ver Figura III-B 1).
32
Ver Manual de Referencia del SPC.
86
Puede ser deseable contar con muestras master para valores mínimos,
altos y de rango medio de las mediciones esperadas. Si esto se hace,
analiza los datos usando un estudio de linealidad.
2) Cuenta con un solo evaluador para que mida la muestra n >10 veces de
una forma normal.
33
Ver Capítulo I, Sección E, para una definición operacional y discusión de causas potenciales.
87
Resultados
Resultados de Análisis – Numérico
Numérico
5) Calcula el sesgo promedio de las n lecturas
n
∑ sesgo i
sesgo promedio = i =1
n
6) Calcula la desviación estándar de la repetibilidad (ver también Estudios
de Gages, Método de Rangos,
Rangos, mostrado adelante).
∑ ( X
i − X )
n 2
= σ r = i =1
σ repetibilidad
n −1
Cuando la variación total (TV ) se base en la variación esperada del proceso (se
prefiere) ó el rango de especificación dividido
dividido por 6 (ver también el estudio RRG
abajo).
Si el %EV es largo (ver Capítulo II, Sección D), entonces la variación del
sistema de medición puede ser inaceptable. Dado que el análisis de sesgo asume
que la repetibilidad es aceptable, la continuación del análisis del sistema de
medición con un %EV largo
largo podría conducir a resultados que se malinterpreten ó
confusos. Nota TF: ¿Qué específicamente suponemos ver en Sección D que ligue
con EV ?
σ = σ
b r
n
sesgo promedio
estadístico t = t sesgo
=
b
σ
9) El sesgo es aceptable (estadísticamente cero) en un nivel α si
34
La incertidumbre para el sesgo es dada con σ b
88
Sesgo −
⎡ ⎛ ⎜ ⎤
t v ,1−α ⎞⎟ ≤ cero ≤ Sesgo + ⎡ ⎛ t ⎞⎟⎤
⎜ v ,1−α ⎥
σ
⎢⎣ ⎝
b
2 ⎠ ⎥
⎦
⎢⎣σ b ⎝ 2 ⎠ ⎦
donde v = n − 1 y
Ejemplo – Sesgo
Un ingeniero de manufactura estaba evaluando un nuevo sistema de medición para
monitorear un proceso. Un análisis del equipo de medición indicó que no debiera
ver aspectos clave de linealidad, de manera que el ingeniero tuviera solo el sesgo del
sistema de medición evaluado. Es seleccionada una sola parte dentro del rango de
operación del sistema de medición y basada en la variación documentada del
proceso. Esta parte fue medida por una inspección de layout para determinar su
valor referencia. La parte fue entonces medida quince veces por el operador líder.
89
Valor de Referencia
Referenci a = 6.0
6.00
0 Sesgo
1 5.8 -0.2
2 5.7 -0.3
I 3 5.9 -0.1
N 4 5.9 -0.1
T 5 6.0 0.0
E 6 6.1 0.1
N 7 6.0 0.0
T 8 6.1 0.1
O 9 6.4 0.4
S 10 6.3 0.3
11 6.0 0.0
12
13 6.1
6.2 0.1
0.2
14 5.6 -0.4
15 6.0 0.0
Tabla
Tabla III-B
III-B 1: Datos de Estud
Estudio
io de Sesgo
3
a
i
c
n
e
u 2
c
e
r
F
90
Histograma del
del Estudio - sesgo
(Con H0 y un intervalo de confianza del 95% para t para el promedio)
a
i
c
n
e
u
c
e
r
F
Estudio - sesgo
Tabla III
III-B
-B 2: Estudio de Se
Sesgo
sgo - Histogr
Histograma
ama del Estudio de Se
Sesgo
sgo
El histograma no mostraba alguna anomalía ó punto más allá de sus límites que
requiriera análisis y revisión adicional.
Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (-0.1107,
0.1241), el ingeniero puede asumir que el sesgo de las mediciones es aceptable
asumiendo que el uso actual no introduce fuentes adicionales de variación.
91
Error
Desviación
n Promedio Estándar de
Estándar, σr
la Media, σb
Valor Medido 15 6.0067 0.2120 0.0547
Valor
Medido 0.12 14 2.14479 0067 -0.1107 0.1241
Tabla
Tabla II
III-
I-B
B 2: Estudi
Estudioo de Se
Sesgo
sgo – Análisis del Estudi
Estudioo de Sesgo 35
GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DEL SESGO – Método por Gráficas de Control
Control
35
Aun y cuando los datos son ofrecidos con
con un dígito después del punto decimal,
decimal, los resultados son mostr
mostrados
ados por un
programa estadístico
estadístico típico usand
usando
o doble precisión; ej., con dígitos decimales múl
múltiples.
tiples.
92
Análi
An álisi
siss de
d e Result
Resu ltado
adoss – Gráfi
Gr áfico
co
3) Si la gráfica de control indica que el proceso es estable y m = 1, usa el
análisis descrito para el método de muestras independientes (ver arriba).
Análi
An áliss is de Resul
Res ultad
tados
os – Numéri
Num érico
co
Si el % EV es
es grande (ver Capítulo II, sección D), entonces la variación
del sistema de medición puede ser inaceptable. Dado que el análisis de
sesgo asume que la repetibilidad es aceptable, el continuar el análisis con
un sistema de medición con un % EV grande
grande conduciría a resultados que
podrían mal interpretarse ó confusos; ej., el análisis puede indicar que el
sesgo es estadísticamente cero, mientras que la magnitud absoluta del
sesgo excede a los valores aceptables del equipo.
93
σ b = σ r
gm
sesgo
estadístico t = t sesgo =
σ b
Sesgo − ⎡σ ⎛
⎜ t α
⎞⎟⎤ ≤ cero ≤ Sesgo + ⎡ ⎛
σ ⎜ t α
⎞⎟⎤
⎢⎣σ b ⎝ v ,1 2 ⎠⎥⎦ ⎢⎣σ b ⎝ v ,1 2 ⎠⎥⎦
El nivel de α usado depende del nivel de sensibilidad que sea necesario para
evaluar / controlar el proceso y es asociado con la función de pérdida (curva de
sensibilidad) del producto / proceso. Debiera obtenerse un acuerdo con el cliente si
se usa un nivel de α diferente al valor por defaul de 0.05 (confiabilidad del 95%).
Ejemplo – Sesgo
En referencia a la Figura III-B 1 el estudio de estabilidad fue realizad
realizado
o sobre una parte
que tenía un valor de referencia de 6.01. El promedio global de todas las muestras (20
subgrupos de tamaño 5 para n = 100 muestras) fue de 6.021. El sesgo calculado es por
tanto 0.011.
Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (-0.0299, 0.0519),
el equipo de procesos puede asumir que el sesgo de las mediciones es aceptable
asumiendo que el uso actual no introduce fuentes de variación adicionales.
36
La incertidumbre para el sesgo es dada por σ b .
94
Error
Desviación
n X , Media Estándar de
Estándar σ
la Media σb
Valor Medido 100 6.021 0.2048 0.02048
Valor de Referencia = 6.01, α = 0.05, m=5, g = 20, d 2* = 2.334, d2 = 2.326
Valor Intervalo de Confianza del
Estadístico
df Significativo de t Sesgo 95% del Sesgo
t
(2 – colas) Inferior Superior
Valor
0.5371 72.7 1.993 0.011 -0.0299 0.0519
Medido
Tabla
Tabla II
III-
I-B
B 3: Estudio de Se
Sesgo
sgo – Análisis de un Estud io d
deeE
Estabili
stabili dad para Sesgo
Sesgo
Análi
An áliss is de Estu
Es tudi
dios
os de Sesgo
Ses go
Si el sesgo es estadísticamente no cero, investigar las siguientes posibles causas:
Si el sistema de medición cuenta con un sesgo no cero, donde debiera ser posible
recalibrarse para lograr un sesgo de cero a través de la modificación del
hardware, software o ambos. Si el sesgo no puede ajustarse a cero, todavía puede
usarse a través de un cambio en el procedimiento (ej., ajustando cada lectura por
el sesgo). Dado que esto cuenta con un alto riesgo de error del evaluador, debiera
usarse solo con la concurrencia del consumidor.
95
1) Selecciona g > 5 partes cuyas mediciones, debido a la variación del proceso,
cubren el rango de operación del gage.
2) Mide cada parte con una inspección de layout para determinar su valor de
referencia y confirmar que el rango de operación del gage en cuestión está
cubierto.
3) Mide cada parte m >10 veces sobre el gage en cuestión por uno de los
operadores quien normalmente use el gage mismo.
operadores quien normalmente use el gage mismo.
Selecciona las partes al azar para minimizar algún sesgo del evaluador
en las mediciones.
Análi
An áliss is de Resul
Res ultad
tados
os – Gráfi
Gráf i co
4) Calcula el sesgo de la parte por cada medición y el promedio de los sesgos
para cada parte.
Sesgoi,j = X i,j –
– (valor de Referencia)i
m
∑ Sesgo
j =1
i , j
Sesgoi =
m
5) Grafica los sesgos individuales y loa promedios de los sesgos con respecto a
los valores de referencia sobre una gráfica lineal. (ver Figura III-B 3)
donde
37
Ver Capítulo I, Sección E, para una definición operacional y discusión de causas potenciales.
96
⎛ 1 ⎞
∑ xy − ⎜⎜
⎝ gm
∑ ∑
x y ⎟⎟
⎠ = pendiente
a=
1
∑ (∑ x ) 2
x 2 −
gm
donde s =
∑ y 2
i − b ∑ yi − a ∑ xi yi
gm − 2
⎡ ⎛ 1 ⎞
1
2 ⎤
( x − x )
2
inferior: b + ax0 − ⎢⎢t gm, −2,1−α ⎜ + 0 ⎟ s⎥
⎜ gm
∑ ( xi − x ) ⎠⎟ ⎥⎥⎦
2
2
⎢⎣ ⎝
⎡ ⎛ 1 2 ⎞ 2 ⎤
1
38
Ver la nota par
paraa la selección del ni
nivel
vel α en el área de “Guías y Lineamientos para Determinar el Sesgo”, en Capítulo III,
Sección B.
97
Análi
An áliss is de Resul
Res ultad
tados
os - Numéri
Num éricc o
9) Si el análisis gráfico indica que la linealidad del sistema de medición es
aceptable entonces la siguiente hipótesis debiera ser verdad:
H0: a = 0 inclinación = 0
no rechazar si
a
t = ≤ t gm − 2,1 − α 2
⎡ ⎤
⎢ s ⎥
⎢
∑ ( x − x ) ⎥⎦
2
⎣ j
No rechazar
rechazar si
b
t = ≤ t gm − 2,1 − α 2
⎡ 1 x
2 ⎤
⎢ + ⎥s
∑ ( )2
⎢⎣ gm xi − x ⎥⎦
Ejemplo - Linealidad
Un supervisor de planta estaba presentando un nuevo sistema de medición para un
proceso. Como parte de un PPAP 39, la linealidad del sistema de medición necesitaba
ser evaluada. Se seleccionaron 5 partes alrededor del rango de operación del sistema de
medición y en base a la variación del proceso documentado. Cada arte fue medida por
una inspección de layout para determinar su valor de referencia. Cada parte fue
entonces medida 12 veces por el operador titular. Las partes fueron seleccionadas al
azar durante el estudio.
39
Manual del Proceso de Aprobación de Partes para Producción, 4ª. Edición, 2006
98
Valor de
Valor 1 2 3 4 5
Referencia
de la Parte 2.00 4.00 6.00 8.00 10.00
1 2.70 5.10 5.80 7.60 9.10
I 2 2.50 3.90 5.70 7.70 9.30
N 3 2.40 4.20 5.90 7.80 9.50
T 4 2.50 5.00 5.90 7.70 9.30
E 5 2.70 3.80 6.00 7.80 9.40
N 6 2.30 3.90 6.10 7.80 9.50
T
O 7
8 2.50
2.50 3.90
3.90 6.00
6.10 7.80
7.70 9.50
9.50
S 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
Tabla III
III-B
-B 4: Datos del Estu dio de Lin ea
ealidad
lidad
Usando una hoja de cálculo y software estadístico, el supervisor generó la gráfica
de linealidad (Figura III-B 3).
Parte 1 2 3 4 5
Valor
Valor de
Referencia 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
S 3 0.4 0.2 -0.1 -0.2 -0.5
4 0.5 1.0 -0.1 -0.3 -0.7
E 5 0.7 -0.2 -0.0 -0.2 -0.6
6 0.3 -0.1 0.1 -0.2 -0.5
S 7 0.5 -0.1 0.0 -0.2 -0.5
8 0.5 -0.1 0.1 -0.3 -0.5
G 9 0.4 -0.1 0.4 -0.2 -0.4
10 0.4 0.0 0.3 -0.5 -0.8
O 11 0.6 0.1 0.0 -0.4 -0.7
12 0.4 -0.2 0.1 -0.3 -0.6
Promedio del 0.491667 0.125 0.025 -0.29167 -0.61667
Sesgo
Tabla
Tabla III
III-B
-B 5: Estudio de Linealidad – Resultados Intermedios
99
Ejemplo de Linealidad
Y = 0.736667 – 0.131667X
R-Sq = 71.4 %
Valores de Referencia
Figura III-
III-B
B 3: Estudio d e Linealidad – Análisis Gráfico
El análisis gráfico indica que las causas especiales pueden estar influenciando al
sistema de medición. Los datos para el valor de referencia 4 parecen ser
bimodales.
ta = -12.043
tb= 10.158
Tomando el defaul α = 0.05 y yendo a las tablas t con
con (gm – 2) = 58 grados de
libertad y una proporción de 0.975, el supervisor llega al valor crítico de:
40
Ver textos estándar de estadística sobre el análisis de qué tan apropiado es usar un modelo lineal para describir las
relaciones entre dos variables.
100
t58,.975= 2.00172
Dado que valor absoluto de t a > t 58,,975 , el resultado obtenido del análisis
gráfico es reforzado con el análisis numérico- existe un problema de linealidad
con este sistema de medición.
En este caso, no importa que relación tenga t b con t58,.975 dado que existe un
problema de linealidad. Las posibles causas para problemas de linealidad pueden
encontrarse en el capítulo I, sección E, “Variación de la Localización”.
Localización”.
Dado que esto cuenta con un alto riesgo de error del evaluador,
debiera ser usado solo con la concurrencia del cliente.
41
Ver Capítulo I, Sección E, para una definición operacional y discusión de las causas potenciales.
101
Sin embargo, el sistema de medición total incluye no solo el gage mismo y su sesgo
respectivo, repetibilidad, etc., sino también puede incluir la variación de las partes a
ser checadas. La determinación de cómo manejar la variación dentro de las partes
necesita basarse en un entendimiento racional del uso esperado de la parte y el
propósito de las mediciones.
mediciones.
sistemas
todas lasde medición
partes son en proceso no
manejadas, existen evaluadores
ajustada humanos.
y medidas por Si
el mismo
equipo, entonces la reproducibilidad es cero; ej., solo es necesario un
estudio de repetibilidad. Sin embargo, si se usan dispositivos
múltiples, entonces la reproducibilidad es la variación entre los
dispositivos.
Método
Método de los Ra
Rangos
ngos
Este enfoque
aceptable tiene
42 el 80%eldel
potencial
tiempode detectar
con un sistema
un tamaño de medición
de muestra de 5 y no
el
90% del tiempo con un tamaño de muestra de 10.
Partes
1 Evaluador
0.85 A Evaluador
0.80 B Ra
Rango
ngo
0.05(A,B)
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
42
ej., %RRG > 30%
102
( R ) = ∑
Ri 0.35
Promedio de los Rangos = = 0.07
5 5
⎛ R ⎞ ⎛ R ⎞ ⎛ 0.07 ⎞
RRG = ⎜⎜ * ⎟⎟ = ⎜⎜ ⎟⎟ = ⎜ ⎟ = 0.0588
⎝ d 2 ⎠ ⎝ 1.19 ⎠ ⎝ 1.19 ⎠
(Desviación Estándar del Proceso = 0.0777 del Estudio Previo)
⎛ RRG ⎞
% RRG = 100 * ⎜ ⎟ = 75.7%
⎝ Desviación Estándardel Pr oceso ⎠
Tabla
Tabla III
III-B
-B 6: Estud
Estudio
io d e Ga
Gages
ges (Mé
(Método
todo de los Ra
Rango
ngos)
s)
Para determinar qué porcentaje de la desviación estándar del proceso consume la
variación de las mediciones, convertir el RRG a un porcentaje multiplicando por
100 y dividiendo entre la desviación estándar del proceso. En el ejemplo (ver tabla
III-B 6), la desviación estándar del proceso para esta característica es 0.0777, por
tanto,
⎛ RRG ⎞
% RRG = 100 * ⎜ ⎟ = 75.7%
⎝ Desviación Estándar Pr oceso ⎠
Métodos
Métodos de los Promedios y Rangos
Rangos
El método de los promedios y rangos ( X & R) es un enfoque el cual ofrece un
estimativo de la repetibilidad y reproducibilidad para un sistema de medición. A
diferencia del método de rangos, este enfoque permite que la variación del sistema
de medición sea seccionada en dos componentes por separado, repetibilidad y
reproducibilidad.43 Si embargo, la variación debida a la interacción entre el
evaluador y las partes/gage no es tomada en cuenta para el análisis.
43
El método ANOVA puede ser usado para determiner la interacción entre el gage y los evaluadores, si existe tal.
103
3) Calibra el gage si esto es parte de los procedimientos normales del sistema45de
medición. Permite al evaluador A medir n partes en un orden aleatorio y
registra los resultados en el renglón 1.
4) Permite a los evaluadores B y C medir las mismas partes n sin ver las lecturas de
uno con otro; entonces registra los resultaos en los renglones 6 y 11
respectivamente.
) Un métodoque
Permite alternativo puede
el evaluador usarsetodas
A mida si los
lasevaluadores
10 partes y son de diferentes
registre turnos.
las lecturas en el
renglón 1. Luego el mismo evaluador A repite las lecturas en un orden diferente
y registra los resultados en los renglones 2 y 3. Haz lo mismo con los
evaluadores B y C.
44
El número total de “rangos” generados debe ser > 15 para un nivel mínimo de confiabilidad en los resultados. Aunque
la forma fue diseñada para un máximo de 10 partes,partes, este enfoque no se limi
limita
ta a ese número. Como en cualq
cualquier
uier
técnica estadística, mientras más grande es el tamaño de muestra, es menor la variación del muestreo y menor el riesgo
resultante será presente.
45
Ver Capítulo III, Sección B, “Aleatoriedad e Independencia Estadística”
104
Hoja de Recol
Recolección
ección de Datos
Datos de Repetibi
Repetibilid
lidad
ad y Repro
Reproduci
ducibil
bilidad
idad de Gages
Gages
Evaluador Parte
Promedio
/I
/Intento
ntento # 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
2 2 0.41 -0.68 1.17 0.50 -0.92 -0.11 0.75 -0.20 1.99 -1.25
3 3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31
4 Promedio
X a =
5 Rango
Ra =
6 B 1 0.08 -0.47 1.19 0.01 -0.56 -0.20 0.47 -0.63 1.80 -1.68
7 2 0.25 -1.22 0.94 1.03 -1.20 0.22 0.55 0.08 2.12 -1.62
8 3 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50
9 Promedio
X b =
10 Rango Rb =
11 C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49
12 2 -0.11 -1.13 1.09 0.20 -1.07 -0.67 0.01 -0.56 1.45 -1.77
13 3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16
14 Promedio X c =
15 Rango
Rc =
16 Promedio X =
por Parte R p =
17
R = ([( Ra = )] + [ Rb = ] + [ R
c = ]) [# deEvaluadores = ]= R =
18
DIFF = X
X DIFF Max = − X Min = =
19 LCS R = R =
*
× [ D 4 = ]=
* D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. UCL R representa el límite de las lecturas
*
individuales Rs. Circular aquellas que estén fuera de éste límite. Identificar las causas y
corregirlas. Repetir estas lecturas usando el mismo evaluador y unidad como originalmente
se usó o descartar los valores y recalcular el promedio y R y el valor del límite de las
observaciones restantes.
Notas:
Figura III-B
III-B 6a: Hoja de Re
Recolecció
colecciónnd
dee Da
Datos
tos de Repe
Repetibi
tibilidad
lidad y Reproduci bili dad de Gages
105
46
Análi
An álisi
siss de
d e Resul
Resu l tados
tad os – Grafi
Graf i co
El uso de herramientas gráficas es muy importante. Las herramientas gráficas
específicas usadas dependen del diseño experimental empleado para recolectar los datos.
Un esquema sistemático de los datos para variaciones aparentes por causas especiales y
usando herramientas gráficas debiera anteceder a un análisis estadístico.
Las siguientes son algunas de las técnicas que se ha probado son útiles. (ver también el
Método de Análisis de Varianzas).
Los datos del análisis del sistema de medición pueden ser desplegados gráficamente con
gráficas de control. La idea de usar gráficas de control para responder preguntas
relativas a un sistema de medición ha sido aplicada por Western Electric (Ver Manual
de Control Estadístico de la Calidad de AT&T de
de la Lista de Referencias).
Gráfica de Los promedios de las lecturas múltiples por cada evaluador y en cada parte son
Promedios graficados por evaluador con el número de arte como un índice. Esto puede ayudar a
determinar la consistencia entre evaluadores.
46
Descripciones detalladas de estos análisis están fuera del alcance de este documento. Para mayor información, ver
referencias y buscar asistencia de fuentes estadísticas competentes.
106
o
i
d
e
m
o
r
P
Figura III-
III-B
B 4: Gráfica
Gráfica de Promedios – “ Estancada” 47
Revisar que todas las gráficas indiquen que el sistema de medición parece tener una
suficiente discriminación para los procesos con la variación descrita por las partes de la
Figura III-
III-B
B 5: Gráfica de Prom
Promedios
edios “ No Estancada”
47
Con el enfoque ANOVA, esta es también referida como gráfica de interacción de evaluadores – por - partes
107
Graficas de Rangos
Rangos
La gráfica de control de rangos es usada para determinar si el proceso está en control. La
razón es que no importa que tan grande sea el error de las mediciones pero los límites de
control permitirán tal error. Esto es porque las causas especiales necesitan ser
identificadas y retiradas antes de que el estudio de las mediciones sea relevante.
Los rangos de las lecturas múltiples por cada evaluador y en cada parte son graficadas en
una gráfica estándar de rangos incluyendo los rangos promedios y los límites de control.
Del análisis de datos graficados pueden darse varias interpretaciones. Si todos los rangos
están en control, los evaluadores están haciendo el mismo trabajo.
Si todos los evaluadores están fuera de los rangos de control, el sistema de medición es
sensible a la técnica del evaluador y requiere mejo
mejoramientos
ramientos para obtener datos útiles.
o
g
n
a
R
Parte
Figura III-
III-B
B 6: Gráfica
Gráfica de Ra
Rango
ngoss – “ Estancada”
108
Figura III-
III-B
B 7: Gráfica
Gráfica de Rangos
Rangos – “ No estancada”
estancada”
La revisión de las gráficas anteriores indica que no hay diferencias entre la variabilidad de
los evaluadores.
Gráfica de Corr
Corridas
idas Las lecturas individuales son graficas por parte para todos los evaluadores (ver Figura
III-B 8) para obtener detalles de:
Figura III-B
III-B 8: Gráfica de Corrid
Corridas
as por Parte
La revisión de la gráfica anterior no indica algún punto más allá de los límites o partes
inconsistentes.
109
Diagrama de Las lecturas individuales son graficadas por parte y por evaluador (ver Figura III-B 9)
Dispersión para obtener detalles de:
110
Gráficas de Bigotes En las gráficas de bigotes, los valores de datos altos y bajos y el promedio por parte –
por – evaluador son graficados (ver
(ver Figura III-B 10). Esto ofrece detal
detalles
les de:
• Indicación de irregularidades.
Evaluador
Parte
Figur a III-B
III-B 10:
10: Gráfica de Bigotes
Bi gotes
111
Graficas de Erro
Errores
res Los datos del análisis del sistema de medición pueden ser analizados corriendo “gráficas
de errores” (ver Figura III-B 11) de las desviaciones individuales de los valores de
referencia aceptados. La desviación individual o error para cada parte es calculado como
sigue:
Esto depende de si los valores de referencia de los datos a ser medidos están disponibles
o no.
Figura III-B
III-B 11: Gráficas de Error es
112
Histograma La gráfica de histograma (Figura III-B 12) es una gráfica que despliega la distribución
Normalizado de frecuencias del error
error del gage de los evaluadores que participaron en el estudio.
estudio.
También muestra su distribución de frecuencia combinada.
De lo contrario:
El análisis de los histogramas (Figura III-B 12) refuerza a las gráficas de errores. Estas
también indican que solo el evaluador B tiene una forma simétrica. Esto puede indicar
que los evaluadores A y C están introduciendo una fuente de variación sistemática que
está resultando en los sesgos.
48
Figura III-B
III-B 12: Histo grama Norm
Normaliza
alizado
do
- - - -
48
Hacer notar que el “0.0” de cada uno de los histogramas están alineados cada uno con respecto a los otros.
113
Diagrama X-Y de Los promedios de las lecturas múltiples por cada evaluador y en cada parte son
Promedios
Prome dios por graficados con el valor de referencia o los promedios globales de las partes como
índice (ver Figura III-B 13). Esta gráfica puede ayudar a determinar:
Medida
• La Linealidad (sí se usa el valor de referencia).
3 3
2 •• 2 ••
1
•• 1 •
• • ••• •
• ••
B
• •• •• •• •
.
. 0 v0
v
E ••• E
•• •
• •
•
-1 •• • -1 ••
• • ••
-2 -2
-3 -3
-3 - 2 - 1 0 1 2 3 -3 -2 -1 0 1 2 3
Referencia Referencia
3
2
••
1 •
••
C
.
v0
•
••••••
E
-1
••••
••• ••
••
-2
••
-3 •
- 3 -2 -1 0 1 2 3
Referencia
Figura III-B
III-B 13: Dia
Diagramas
gramas X-Y de Promedios por Me
Medid
didaa
114
Comparación de Los promedios de las lecturas múltiples por cada evaluador y en cada parte son
graficados uno con otro de los evaluadores como índices. Esta gráfica compara los
Gráficas X-Y valores obtenidos por un evaluador contra los demás (ver Figura III-B 14). Si
hubiera un acuerdo perfecto entre proveedores, los puntos graficados describirían
una línea recta a través del origen y un eje a 45 o.
Ev. A
Ev. B
Ev. C
Figura III-B
III-B 14: Comparación de Diagramas X - Y
115
Cálculo
Cálculoss Numéricos Los cálculos de la Repetibilidad y Reproducibilidad de Gages son mostrados en las
Figuras III-B 15 y III-B 16. La Figura III-B 15 muestra la hoja de recolección de
datos en la cual se registran todos los resultados del estudio. La Figura III-B 16
despliega un reporte en el cual toda la información identificada es registrada y se
hacen todos los cálculos de acuerdo con las fórmulas prescritas.
1) Restar la lectura más pequeña de la lectura más larga en los renglones 1, 2 y
3; registrar el resultado en el renglón 5. Hacer lo mismo para renglones 6, 7
y 8; y 11, 12 y 13, y registrar los resultados en los renglones 10 y 15
respectivamente.
2) Los registros en los renglones 5, 10 y 15 son rangos y por tanto siempre ser
valores positivos.
3) Totaliza el renglón 5 y divide el total por el número de las partes
muestreadas para obtener el promedio de los rangos para los primeros
intentos de los evaluadores R a . Hacer lo mismo para renglones 10 y 15 y
obtener R b y R c .
renglones 5, 10 y 15 ( R a , R b , R c ) al
4) Transfiere los promedios de los renglones
renglón 17. Súmalos y divídelos por el número de los evaluadores y registra
49
Ver Manual de Referencia del Control Estadístico de los Procesos (SPC), 1995, u otra fuente de referencia
estadística para una tabla de factores.
116
8) Suma los promedios de los renglones 1, 2 y 3 y divide el total por el número
de intentos y registra el valor en el renglón 4 en la celda de X a . Repite esto
para los renglones 6,7 y 8; y 11, 12 y 13 y registra los resultados en las
celdas para X b y X c en los renglones
renglones 9 y 14, respectivamente.
respectivamente.
12) Transfiere los valores calculados de , X DIFF y R P a los espacios en blanco
adicional.
provistos en el reporte adicional.
13) Ejecuta los cálculos bajo la columna titulada “Análisis de las Unidades de
Medición” en el lado izquierdo del formato.
14) Ejecuta los cálculos bajo la columna titulada “ % de la Variación Total ” en
el lado derecho del formato.
117
Hoja de Re
Recol
colección
ección d e D
Datos
atos para Repetibi
Repetibilidad
lidad y Reprod
Reproduci
ucibili
bili dad de Gages
Gages
Evaluador Parte
Promedio
/I
/Intento
ntento # 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 0.194
2 2 0.41 -0.68 1.17 0.50 -0.92 -0.11 0.75 -0.20 1.99 -1.25 0.166
3 3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31 0.211
4 Promedio
0.44
0.447
7 -0
-0.6
.607
07 1.
1.26
260
0 0.
0.53
537
7 -0
-0.8
.853
53 0.
0.10
100
0 0.
0.66
667
7 -0
-0.2
.227
27 2.
2.08
087
7 -1
-1.3
.307 a = 0.1903
07 X
5 Rango
0.35 0.12 0.17 0.17 0.12 0.23 0.16 0.14 0.27 0.11 Ra = 0.184
6 B 1 0.08 0.47 1.19 0.01 0.56 0.20 0.47 0.63 1.80 1.68 0.001
7 2 0.25 -1.22 0.94 1.03 -1.20 0.22 0.55 0.08 2.12 -1.62 0.115
8 3 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50 0.089
9 Promedio
0.13
0.133
3 -0
-0.7
.790
90 1.
1.15
157
7 0.
0.41
413
3 -1
-1.0
.013
13 0.
0.02
027
7 0.
0.61
617
7 -0
-0.2
.297
97 2.
2.03
037
7 -1
-1.6
.600
00 X
b = 0.0683
10 Rango 0.18 0.75 0.40 1.02 0.72 0.42 0.36 0.71 0.39 0.18 Rb = 0.513
0.513
11 C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49 -0.223
12 2 -0.11 -1.13 1.09 0.20 -1.07 -0.67 0.01 -0.56 1.45 -1.77 -0.256
13 3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16 -0.284
14 Promedio
-0.
-0.073
073 -1
-1.1
.157
57 0.
0.88
880
0 0.
0.15
150
0 -1
-1..327
327 0.
0.48
483
3 0.
0.08
080
0 -0
-0.5
.503
03 1.
1.69
697
7 -1
-1.8
.807 c = -0.2543
07 X
15 Rango 0.19 0.42 0.42 0.09 0.39 0.38 0.20 0.10 0.42 0.67 Rc = 0.328 0.328
16 Promedio = .0014
por Parte 0.16
0.169
9 --0.
0.85
851
1 1
1..099
099 0.
0.36
367
7 -1
-1.0
.064
64 -0
-0..18
186
6 0.
0.45
454
4 -0
-0.3
.342
42 1.
1.94
940
0 -1.
-1.571 X
571
R p = 3.511
17
R = ([( Ra = 0.184 )] + [ Rb = 0.513] + [ Rc = 0.328]) [# deEvaluadores = 3] = 0.3417
0.3417 R = 0.3417
18
[ ] [ ]
X DIFF = X Max = 0.1903 − X Min = −0.2543 = X DIFF = 0.4446
19 *
LCS R = R = 0.3417 × [ D 4 = 2.58] = LCS R = 0.8816
*
* D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. UCL R representa el límite de las lecturas
individuales Rs. Circular aquellas que estén fuera de éste límite. Identificar las causas y corregirlas.
Repetir estas lecturas usando el mismo evaluador y unidad como originalmente se usó o descartar
los valores y recalcular el promedio y R y el valor del límite de las observaciones restantes.
Notas:
118
Report
Reportee de Repetibi
Repetibilid
lidad
ad y Re
Reprod
produci
ucibil
bilidad
idad de Gages
Gages
Nombre y No. De Parte: Nombre del gage: Fecha:
Características: No. De gage: Revisado por:
Especificaciones:
Tipo de Gage:
Dato : R = 0.3417 X DIFF = 0.4446 Rp=3.511
3.511
Análi
An áli si s d e Medici
Medi ci ón Uni tar
taria
ia % de Var
Variac
iació
iónn To tal (TV)
Repetibilidad – Variación del Equipo (EV)
EV = R × K 1 %EV = 100[EV/TV]
=0.3417x0.5908 Intentos K1 = 100 [0.20188/1.14610]
= 0.20188 2 0.8862 =17.62%
3 0.5908
Reproducibilidad – Appraiser Variación ( AV
AV)
( X × K 2 ) − ( EV 2 nr ) % AV =100 [ AV
AV/TV]
2
AV = DIFF
= (0.30575
+ 1.10456 2 ) 9 0.3249 ndc = 1.41(PV RRG )
= 1.41 (1.10456/0.30575)
= 1.14610 10 0.3146
= 5.094~5
Para información sobre la teoría y constantes usadas en el formato ver Manual de Referencia MSA, 4ª. edición
Figura III-B
III-B 16: Re
Report
port e de Repe
Repetibi
tibilidad
lidad y Reproduci bili dad de Gages
119
An álisi
Análi siss de
de Los formatos de hoja y reporte de recolección de datos de la repetibilidad y
Resultados - reproducibilidad de gages, Figuras III-B 15 y III-B 16, ofrecen un método para el
análisis numérico de los datos de un estudio. 50 El análisis estima la variación y
Numéricos porcentaje de la variación del proceso para el sistema de medición total, y sus
componentes de repetibilidad, reproducibilidad y variación de la parte. Esta
información necesita ser comparada y complementada con los resultados del análisis
gráfico.
En el lado izquierdo del formato (Figura III-B 16) con Análisis de las Unidades de
Medición se calcula la desviación estándar para cada componente de variación.
( EV )2
AV = ( X
DIFF × K 2 ) −
2
nr
RRG = ( EV
) 2 + ( AV )2
50
Los resultados numéricos en el ejemplo fueron desarrollados como si fueran calculados manualmente; ej., los resultados
fueron realizados y redondeados a un digito decimal adicional. El análisis con programas de computadora debiera mantener
los valores intermedios con una máxima precisión con el lenguaje de programación / computadora. Los resultados de un
programa de computadora válido pueden diferir de los resultados del ejemplo en el lugar del segundo decimal o mayor pero
el análisis final se mantendrá igual.
120
La variación de las partes (parte – a – parte; variación de las partes sin variación de las
mediciones) (PV o σP) se determina multiplicando el rango de los promedios de las
partes ( R
RP) por una constante K 3). K 3 depende del número de partes usadas en el estudio
* *
del gage y es el inverso de d 2 el cual se obtiene del apéndice C. d 2 depende del
número de partes (m) y (g). En este caso g = 1 dado que solo existe el cálculo de un
rango.
TV = ( RRG
)2 + ( PV )2
Para usar este enfoque, la información debe venir de un proceso que esté en control
estadístico. Si la variación del proceso es conocida y su valor se basa en 6 σ, entonces
puede ser usado en lugar de la variación total
total del estudio (TV ) calculada de los datos del
estudio del gage. Esto se logra ejecutando los siguientes dos cálculos:
Variación Pr oceso
1) TV =
6.00
2) PV = (TV
) − ( RRG )
2 2
121
− LSL
USL
TV =
6
Índices
Una vez que la variabilidad para cada factor en el estudio del gage se determina, puede
comparase con la variación total ( TV ).
). Esto se logra ejecutando los cálculos del lado
derecho del formato de reporte del gage (Figura III-B 16) con el título “Porcentaje de la
Variación Total”.
= 100[ AV TV ]
% AV
= 100[ RRG TV ]
% RRG
= 100[PV TV ]
% PV
Los resultados de este porcentaje de variación total necesitan ser evaluados para
determinar si el sistema de medición es aceptable para su aplicación esperada.
51
Por ejemplo, ver Manual de PPAP de Chrysler, Ford, y GM.
122
Para evitar un ndc = 0, lo cual es posible con el truncado en sí, algunos programas de
computadora redondean el resultado calculado. Esto puede resultar en diferencias en los
reportes finales cuando los mismos datos son evaluados por diferentes programas
ndc = 1.41
PV
= 1.41 TV − RRG
RRG RRG
Métod
Métodoo de
d e Análisis
Anális is de Varianzas
Varianzas (ANOVA)
(ANOVA)
El análisis de varianzas ( ANOVA) es una técnica estadística y estándar y puede ser
utilizada para analizar los errores den las mediciones y otras fuentes de variabilidad de
los datos en un estudio de sistemas de medición. En el análisis de varianza, la varianza
puede ser seccionada en cuatro categorías: partes, evaluadores, interacción entre las
partes y evaluadores y error de replicación
replicación debida al gage.
52
La importancia del número de categorías distintas (ndc) en actividades de análisis y control es discutida en el
Capítulo I, Sección E, “Aspectos Clave de Mediciones” (especialmente
(especialmente Figura I-E 3). El cálculo de ndc es revisado
en Ca ítulo
ítulo II Sección
Sección B “Anál
“Análisis
isis de Result
Resultados
ados Numér
Numéricos”
icos”..
123
• Extractan más información (tal como el efecto de la interacción de las partes y los
evaluadores) de datos experimentales
Las desventajas son que los cálculos numéricos son más complejos y los usuarios
requieren un cierto grado de conocimiento estadístico para interpretar los resultados. El
método ANOVA como se describe en las siguientes secciones es aconsejable,
especialmente si existe disponible una computadora.
Al eatoririedad
Aleato edad e El método para recolectar los daros es importante en un método ANOVA. Si los datos
Independencia no son recolectados en forma aleatoria, esto puede conducir a fuentes de valores de
sesgo. Una forma simple para asegurar un diseño balanceado para ( n) partes, (k )
Estadística evaluadores y (r ) intentos es a través de la aleatoriedad. Un enfoque común para
aleatoriedad es escribir A1 en una tira de papel para denotar las mediciones del primer
evaluador sobre la primera parte.
Hacer esto hasta A(n) para las mediciones del primer evaluador en las n partes. Sigue el
mismo procedimiento para el siguiente evaluador hasta incluir los k evaluadores.
Símbolos similares son usados donde B1, C1 denotan las mediciones para los
evaluadores A y B de la primera parte. Una vez que todas las combinaciones nk son
escritas, entonces las tiras de papel son puestas en un recipiente. Una tira de papel es
seleccionada a la vez. Estas combinaciones ( A1,
A1, B2, ...) son el orden de medición en el
cual el estudio de gages será ejecutado. Una vez que todas las combinaciones nk son
seleccionadas, estas son puestas de regreso en el recipiente y el procedimiento
procedimiento se sigue
otra vez. Esto se hace para un total de r veces para determinar el orden de experimentos
para cada repetición.
“La generación de
números aleatorios es
Existen enfoques alternativos para generar una muestra aleatoria. Debiera ponerse
demasiado importante
cuidado para diferenciar entre el muestreo aleatorio, arbitrario y conveniente. 53
para dejarlo a la
suerte.”
En general todos los esfuerzos necesitan tomarse para asegurar independencia
Robert R. Covevou 54
estadística dentro del estudio.
53
Ver Wheeler y Lyday, Evaluating the Measurement Process, Segunda Edición, 1989, p. 27.
54
Robert R. Coveyou (1915 – 20 Feb 1996) was an American mathematic
mathematician
ian who was a health physicist with the
Manhattan Project from 1943 during WW II. He became a recognized expert in pseudo-random number generators.
124
Anál
A nálii sis
si s Gr
Gráfi
áfico
co
Cualquier método gráfico ofrecido en la discusión de análisis gráfico anterior puede ser
usado en el análisis gráfico mismo de los datos recolectados, como parte de un estudio
ANOVA. Estos métodos pueden ser usados para confirmar y ofrecer algún detalle
adicional de los datos mismos (ej., tendencias, ciclo, etc.)
o
i
d
e
m
o
r
P
Figura III-B
III-B 17: Gráfico d
dee Interacción
Otra gráfica que algunas veces es de interés es la gráfica de residuales. Esta gráfica no
es más que un chequeo para la validez de los supuestos. Uno de los supuestos es que el
(error del) gage es una variable aleatoria de una distribución normal. Los residales, los
cuales son las diferencias entre las lecturas observadas y los valores pronosticados, son
graficados. El valor pronosticado es el promedio de las lecturas repetidas por cada
evaluador y para cada parte. Si los residuos no son dispersos aleatoriamente arriba y
abajo de cero (línea horizontal de referencia), pudiera ser porque los supuestos son
incorrectos y lo cual sugiere una investigación adicional de los datos.
125
l
a
u
d
i
s
e
R
Valor Ajustado
Figura III-B
III-B 18: Gráfico de Residuales
Cálculo
Cálculoss Numéricos
Aunque los valores pueden calcularse manualmente, la mayoría de la gente usa
programas de computadora para generar lo que se llama tabla de Análisis de Varianzas
( ANOVA
ANOVA) (ver apéndice A).
Esta información es usada para determinar las características del sistema de medición
como en el Método de Promedios y Rangos.
126
Fuente
Fuent e DF SS MS F
Evaluadores 2 3.1673 1.58363 34.44*
Total 89 94.6471
*Nivel de Significancia de α=0.05
Tabla III-B 7: Tabla ANOVA
La Tabla III-B 7 muestra los cálculos de ANOVA para los datos del ejemplo de la Figura
III-B 15 asumiendo un modelo de efectos arreglados. La Tabla III-B 9 muestra la
comparación del método ANOVA con el método de promedios y rangos. La Tabla III-B
10 muestra el reporte RRG para el método de ANOVA.
Tabla II
Tabla III-
I-B
B 8: % de Va
Variació
riació n y Contr ibuc ión d el Análisi
Análisiss de ANOVA
(E
(Ell estimativ
estimativo o de la varianza se basa en en el modelo si n int
interaccion
eracciones)
es)
127
(
ndc = 1.41 1.04233
0.30237
) = 4.861 ≅ 5
Variación Total (VT ) =
RRG 2
+ PV 2
% de la Variación Total = 100⎛
σ (componentes ) ⎞
⎜ ⎟
⎝ σ (total ) ⎠
⎛
σ 2 (componentes ) ⎞
% de la Contribución (con la Varianza Total) = 100⎜⎜ 2 ⎟⎟
⎝ σ (total ) ⎠
Análi
An áliss is de Estu
Es tudi
dios
os RRG
Los métodos de promedios y rangos y ANOVA ofrecen información relativa a las
causas de la variación de un sistema de medición o gages.
Por ejemplo, si la repetibilidad es grande comparada con la reproducibilidad, las
razones pueden ser:
Si la reproducibilidad
posibles podrían es
causas podrían ser:grande comparada con la repetibilidad, entonces las
128
LC 55 Desviación LC % de la
Método
Inferior 90
90%
% Estándar Superior 90% Variació
Variació n Total
RRG* 0.202 0.240 17.06
EV 0.175 0.230 1.016 20.1
AV 0.133 NA -- NA
INTERACCIÓN -- 0.306 0.363 26.7
RRG 0.266 1.104 96.4
PV
ANOVA
EV
AV 0.177
0.177
0.129
0.129 0.200
0.200
0.227
0.227 0.231
0.231
1.001
1.001 18.4
18.4
20.9
20.9
INTERACCIÓN --
-- 0 --
-- 0
RRG 0.237
0.237 0.302
0.302 1.033
1.033 27.9
27.9
PV 1.042 96.0
* En el método de promedios y rangos, el componente de interacción no puede estimarse.
Tabla III
III-B
-B 9: Comparación de los Mé Métod
todosos ANOVA y Promedios y Rangos
55
CL = Límite de Confiabilidad
129
Sección C
Sección
Estudio de Sistemas
Sistemas de Medició
Mediciónn de Atributos
Atrib utos
Los sistemas de medición de atributos son los tipos de sistemas de medición donde los
L SL USL valores de mediciones mismas son una de un número finito de categorías. Esto es en
I II III II I contraste con los sistemas de medición de variables los cuales pueden resultar en un
Tarjeta
infinito de valores. Los más comunes de éstos son el gage pasa/no pasa el cual cuenta
solo con dos posibles resultados. Otros sistemas de atributos, por ejemplo los
estándares visuales, pueden resultar en 5 a 7 categorías distintas tales como, muy
bueno, bueno, aceptable, pobre y muy pobre. Los análisis descritos en los capítulos
posteriores no pueden usarse para evaluar tales sistemas.
sistemas.
Las fuentes de variación de los sistemas de atributos debieran minimizarse usando los
resultados de investigaciones sobre factores humanos y ergonomía.
56
Esto incluye la comparación de evaluadores múltiples
131
Figura III-C
III-C 1
1:: Proc
Proceso
eso Ejemplo c on Pp = Ppk = 0.50
Para actividades
que compare cadadeparte
contención, el equipode
con un conjunto delímites
procesos selecciona
específicos un gagelade
y acepte atributos
parte si los
límites se satisfacen; de lo contrario rechaza la parte (conocido como gage pasa / no
pasa). La mayoría de los gages de este tipo son ajustados para aceptar y rechazar en
base a un conjunto de partes master.
master. A diferencia de un gage de variables, este gage de
atributos no puede indicar que tan bien o mal está una parte, si no solo que la parte se
acepta o se rechaza (ej., 2 categorías). Como en todos los gages, este gage de atributos
tiene areas “Grises” donde pueden tomarse decisiones equivocadas (ver Figura III-C 2
abajo y Capítulo II, Sección B).
132
Una decision aceptable fué designada con un uno (1) y una decision no aceptable con
un cero (0). La decision de referencia y los valores de referencia de la variable
mostrados en la Tabla III-C 1 inicialmente no fueron determinados. La tabla también
indica en la columna de “Codificado” si la parte está en el area I, area II ó area III
indicado por “-”, “x”, y “+” respectivamente.
Análi
An álisi
siss de
d e Pruebas
Pru ebas de Hipó
Hi pótt esis
esi s – Métod
Mét odo
o Tabul
Tab ular
ar Cruzad
Cr uzado
o
Dado que el equipo no sabía las decisiones de referencia para las partes, ellos
desarrollaron tabulaciones ó tablas cruzadas comparándo cada uno de los evaluadores
con los otros.
El proceso de tables cruzadas analiza los datos de la distribución para dos ó más
variables categóricas. Los resultados – presentados en un formato de una matriz –
forman una tabla de contingencia que ilustra la interdependencia entre las variables. 57
57
Las tabulaciones ó tablas cruzadas están disponibles en muchos paquetes de software de análisis estadísticos y son usadas en
tablas de funciones como pivote en hojas de datos.
133
134
El primer paso es sumarizar los datos observados. Revisando Tabla III-C1, el equipo
examinó los datos por pares de observadores, contando cuando ellos acordaron y
desacordaron para cada conjunto de evaluaciones. Esto es, par alas evaluaciones, hay
34 veces donde A-1 = 1 y B-1 = 1; hay 32 veces donde A-2 = 1 y B-2 = 1; y hay 31
veces donde A-3 = 1 y B-3 = 1 para un acuerdo total de 97. La tabla de abajo se
construyó para sumarizar la distribución de los datos para el par de observadores
A*B. Se prepararon tablas similares para pares de observadores B*C y A*C.
B
.00 1.00 Total
A 0.00 44 6 50
(acuerdan) (desacuerdan)
1.00 3 97 100
(desacuerdan) (acuerdan)
Total 47 103 150
El Segundo paso es estimar la distribución de datos esperada. ¿Cuál es la probabilidad
de que un par de observadores acuerde ó desacuerde en alguna observación,
puramente por suerte? En 150 observaciones el Observador A rechazó la parte 50
veces y el Observador B rechazó la parte 47 veces:
Dado que los dos observadores son independientes, la probabilidad de que ellos
acuerden el que la parte está mala está dada por:
p( A0I B0) = p p = 0.104
A 0 B 0
El equipo hace estimaciones similares para cada par de categorías y para cada par de
observadores para completar las siguientes tablas:
135
Tabul
Tabulación
ación Cru
Cruzada
zada A * B
B
0.00 1.00 Total
A 0.00 Cuenta 44 6 50
Cuenta Esperada 15.7 34.3 50.0
1.00 Cuenta 3 97 100
Cuenta Esperada 31.3 68.7 100
Total Cuenta 47 103 150
Cuenta Esperada 47.0 103.0 150.0
Tabul
Tabulación
ación Cruzada B * C
C
0.00 1.00 Total
B 0.00 Cuenta 42 5 47
Cuenta Esperada 16.0 31.0 47.0
1.00 Cuenta 9 94 103
Cuenta Esperada 35.0 68.0 103.0
Total Cuenta 51 99 150
Cuenta Esperada 51.0 99.0 150.0
Tabulaci
Tabulación
ón Cruzada A * C
C
0.00 1.00 Total
A 0.00 Cuenta 43 7 50
Cuenta Esperada 17.0 33.0 50.0
1.00 Cuenta 8 92 100
Cuenta Esperada 34.0 66.0 100.0
Total Cuenta 51 99 150
Cuenta Esperada 51.0 99.00 150.0
Tabla
Tabla III-C
III-C 2
2:: Resultado
Resultadoss d el Estudio
Estud io de Tablas Cruzadas
Para determinar el nivel de este acuerdo, el equipo utiliza el kappa (de Cohen) el cual
mide el acuerdo entre las evaluaciones de dos evaluadores cuando están evaluando el
mismo objeto. Un valor de 1 indica que el acuerdo es perfecto. Un valor de 0 indica
que el acuerdo no es mejor que una mera probabilidad. El kappa solo está disponible
en las tablas en las cuales ambas variables usen los mismos valores de las categorías y
cuenten con el mismo número de categorías mismas. 58
58
Existe un cierto número de estadísticos que puede ser usado para determiner el acuerdo entre evaluadores. Diferentes
estadísticos son apropiados para diferentes tipos de mediciones. Ver la Lista de Referencias incluyendo: Bland, J. M., y Altman,
D.G. (1986); Cohen, J. (1960); Everitt, B. (1996); Fleiss, j.L. (1971); Krippendorf, K. (2004); Saal, F.E. Downey, R.G. y Lahey,
M.A. (1980); Shrout, P. y Fleiss, J.L. (1979); y Uebersax, John S. (1987)
136
Hacer
Entonces
p o − p e
Kappa =
1 − p e
Kappa es una medida más que una prueba 59. La medida es juzgada usando un error
estándar asintótico para construir el estadístico t. Una regla empírica general es que
los valores de kappa mayores que 0.75 indican u n acuerdo bueno a excelente (con
un máximo de kappa = 1). Valores menores que 0.4 indican un acuerdo pobre.
Kappa A B C
A -- 0.86 0.78
B 0.86 -- 0.79
C 0.78 0.79 --
Este análisis es necesario para determinar si existen diferencias entre los evaluadores
aunque no nos dice que tan bien el sistema de medición clasifica partes buenas de las
malas. Para este análisis el equipo tiene las partes evaluadas usando un sistema de
evaluación por variables y usa los resultados para determiner la decision de
referencia.
59
Como en todas las evaluaciones por categorías, un número grande de partes que cubran el espectro completo
de posibilidades es necesario.
60
Cuando las observaciones son medidas en una escala ordinaria y por categorías un Kappa ponderado puede
usarse para un mejor acuerdo de medición. El acuerdo entre dos estimadores es tratado como Kappa aunque
los desacuerdos son medidos por el número de categorías con los cuales los estimadores difieren.
137
A B C
Kappa .88 .92 .77
Estos valores pueden interpretarse como que cada uno de los evaluadores tiene
un buen acuerdo con el estándar.
138
Notas
(1) El evaluador acuerda con el mismo en todos los intentos.
(2) El evaluador acuerda en todos los intentos con el estándar conocido.
(3) Todos los evaluadores acuerdan dentro y entre ellos mismos.
(4) Todos los evaluadores acuerdan dentro y entre ellos mismos y con la referencia.
(5) UCI y LCI son los límites de intervalos de confianza superior e inferior, respectivamente.
Tabla III-C 5: Tabla de Estudio de Efectividad
Las pruebas múltiples de hipótesis entre cada par de evaluadores puede conducirse con
la hipótesis nula:
Dado que el score calculado de cada evaluador cae dentro del intervalo de confiabilidad
de los otros, el equipo concluye que no pueden rechazar la hipótesis nula. Esto refuerza
las conclusiones de las medidas de Kappa.
Para análisis adicionales, uno de los miembros del equipo obtiene la siguiente tabla la
cual ofrece lineamientos para los resultados de cada evaluador.
139
Decisión
Proporción Proporción de
Sistema de Efectividad
Perdida Falsa
Fa lsa Alarma
A larma
Medición
Aceptable para el
evaluador ≥ 90% ≤ 2% ≤ 5%
Marginalmente
aceptable para el
evaluador – puede ≥ 80% ≤ 5% ≤ 10%
requerirse
mejoramiento
No aceptable para
el evaluador –
requiere
mejoramiento < 80% > 5% > 10%
Tabla III-C 6: Ejemplo de Guías y Lineamientos para Criterios de Efectividad
Resumiendo toda la información que ya se tiene, el equipo concluye con esta tabla.
Proporción Proporción de
Efectividad
Perdida Falsa
Fa lsa Alarma
A larma
A 84% 6.3% 4.9%
B 90% 6.3% 2.0%
C 80% 12.5% 8.8%
Tamaño de Muestra
La pregunta siempre se crea: ¿Cuantas muestras debieran ser usadas en el estudio? Para
desmayo de la mayoría de la gente, la respuesta es “suficientes”. El propósito de
cualquier estudio de mediciones (variables ó atributos) es entender las propiedades del
sistema de medición. Un número suficiente de muestras debiera ser seleccionado para
cubrir el rango de operación esperado (ver también Capítulo II Sección C). Con los
sistemas de mediciones por atributos, las áreas de interés son las
140
áreas Tipo II (ver Capítulo I, Sección B). Si la habilidad inherente del proceso es buena
(ej., Cp, Cpk ó Ppk grandes) entonces una muestra aleatoria pequeña puede no tener
muchas (ó algunas) muestras en esta área. Esto significa que conforme se mejora la
habilidad del proceso, la muestra aleatoria requerida para el estudio de atributos debiera
llegar a ser más grande.
En el ejemplo anterior, los índices fueron Pp, Ppk = 0.5 (ej., un desempeño de proceso
esperado de aproximadamente del 13% de no conformancia), la muestra seleccionada
fue 50.
Un ejemplo alternativo a las muestras grandes es la “muestra salteada” donde las partes
son seleccionadas específicamente de las áreas del Tipo II para incrementar la muestra
aleatoria para asegurar que el efecto de la variabilidad del evaluador sea vista.
As pec tos
to s a Con
Conss ider
id erar
ar
1) No existen criterios de decisión basados en la teoría para un riesgo aceptable. Los
lineamientos anteriores son heurísticos y desarrollados en base a “creencias”
individuales acerca de lo que pasa como “aceptable”. Los criterios de decisión
finales debieran basarse en el impacto (ej., riesgo) de mantener el proceso y el
cliente final. Este es un tema de decisiones y no estadístico.
2) El análisis anterior
anterior depende de los datos. Por ejemplo,
ejemplo, si los índice
índicess del proceso
son P p = P pk = 1.33, entonces todas las decisiones serían correctas dado que
ninguna parte caería en la región
r egión II (las áreas “grises”) del sistema de medición.
141
Tablas Cruzadas
Cru zadas B* REF
REF
0.00 1.00 Total
B 0.00 Cuenta 45 2 47
% dentro de Ref. 93.8% 2.0% 31.3%
1.00 Cuenta 3 100 103
% dentro de Ref. 6.3% 98.0% 68.7%
Total Cuenta 48 102 150
% dentro de Ref. 100.0% 100.0% 100.0%
Dado que el propósito de la inspección es encontrar todas las partes no conformes, la
mayoría de la gente ve la esquina superior izquierda como una medida de la efectividad
de encontrar partes malas. Este
Este % es la probabilidad
probabilidad de decir que una parte es mala
mala
dado que es mala:
Pr (la
(la parte es mala │es llamada mala)
Para determinar ésto de los datos anteriores, debe usarse el Teorema de Bayes.
Estos resultados indican que si la parte es llamada mala existe una probabilidad de 1 en
10 de que sea verdaderamente mala.
142
Enfoque
Enfoqu e de De
Detecció
tecciónnd
dee Se
Señales
ñales
61
Ver Lista de Referencia: Baker 1975
143
Hacer que d i = distancia entre la última parte aceptada por todos los
evaluadores y la primer parte rechazada por todos (para cada
especificación).
Entonces,
d =
= promedio (d i)
% RRG = 24%
Dado que este ejemplo fue generado por un sistema de medición con
un % RRG = 25% actual, este estimativo conduciría a la misma
evaluación del sistema de medición.
Si solo la información de los datos ordenados estuviera disponible,
esta técnica puede todavía usarse aunque requiere conocimiento del
asunto ó tema para cuantificar d ’s.
’s.
62
La “bondad” de este estimativo depende del tamaño
tamaño de la muestra
muestra y de que tan cerca la muestra
muestra represente al
proceso. Mientras más grande
grande es la muestra, mejor es el estimativo.
estimativo.
144
METODO
METODO ANA LITICO 63
ANALITICO
Como en cualquier sistema de medición, la estabilidad del proceso debiera verificarse
y, si es necesario, monitorearse. Para sistemas de medición de atributos, las gráficas de
control de atributos con muestras constantes en el tiempo es una forma común de
verificar la estabilidad. 64
Para el estudio total, la parte más pequeña debe contar con el valor a = 0; la parte más
grande, a = 20; y las otras 6 partes, 1< a < 19. Si estos criterios no son satisfechos, más
partes con valores de referencia conocidos, (X) deben correrse a través del gage hasta
que las condiciones anteriores se cumplan. Si para el valor más pequeño a ≠ 0,
entonces mas y mas partes pequeñas son tomadas y evaluadas hasta que a = 0. Si para
el valor más grande a ≠ 20, entonces más y más partes grandes son tomadas hasta que
a = 20. Si 6 de las partes no cuentan con 1< a < 19, pueden tomarse partes adicionales
en puntos seleccionados a lo largo del rango. Estos puntos son tomados como puntos
medios de las mediciones de las partes ya medidas en el estudio. El primer intervalo
con el final a = 0 empieza desde la más grande medición donde a = 0. Para el final con
a = 20, el primer intervalo comienza en la medición más pequeña donde a = 20. Para
mejores resultados, debieran tomarse muestras para finales con a = 0 y a = 20 y
trabajarse hacia el punto medio del rango de la parte. Si es necesario, el procedimiento
puede repetirse hasta que se cumplan
cumplan los criterios.
Una vez que los criterios de recolección de datos han sido satisfechos, las
probabilidades de aceptación deben calcularse para cada parte usando las siguientes
ecuaciones:
63
Adaptada con el permiso de “Análisis de Sistemas de Gages por Atributos” por J. McCaslin & G.Gruska, ASQC, 1976.
64
Caveat: np > 4
145
a + 0.5 a
if < 0.5, a ≠ 0
m m
P’a a − 0.5 a
if > 0.5, a ≠ 20
m m
a
0.5 if = 0.5
m
Los ajustes cubren los casos donde 1 ≤ a ≤ 19 . Para los casos donde a = 0 fijar P'
P' a =0
excepto para el valor de referencia más grande con a 0, en el cual P a 0.025. Para los
casos donde a = 20 entonces P' a =1 excepto para el valor de referencia más pequeño con
a = 20 y en el cual P' a =0.975.
Una vez que el P' a ha sido calculado para cada X T, la Curva de Desempeño del Gage
(CDG) puede desarrollarse. Aunque la CDG puede presentarse gráficamente (ver Figura
III-C 5), el uso del papel de distribución normal (ver Figura III-C 4) produce estimativos
más exactos de la repetibilidad y el sesgo.
t = 6.078 × Sesgo
σ Re petibilidad
Si este valor calculado es mayor que 2.093 (t 025,19
025,19), entonces el sesgo es
significativamente
significativamente diferente de cero.
Un ejemplo clarificará la recolección de datos de un estudio de atributos y el cálculo de
la repetibilidad y sesgo.
65
El factor de ajuste (sin sesgo) de 1.08 es específico para un tamaño de muestra de 20 y fue determinado a través de una
simulación de éste enfoque con un rango de repetibilidad del 99%. Para convertir el resultado a un rango de 6 sigma, se
divide por 5.15 y se multiplica por 6.
146
Ejemplo
Un gage de atributos está siendo usado para medir una dimensión que tiene una
tolerancia de + 0.010. El gage es un dispositivo de inspección al 100% automático y de
final de línea que es afectado por la repetibilidad y sesgo. Para ejecutar el estudio de
atributos, se corren 8 partes con valores de referencia en intervalos de 0.002 desde –
0.016 hasta – 0.002, a través del gage 20 veces cada parte. El número de aceptados para
cada parte es
XT a
-0.016 0
-0.014 3
-0.012 8
-0.010
-0.008 20
-0.006 20
-0.004 20
-0.002 20
Dado que existen dos valores de referencia con 1 ≤ a ≤ 19 , al menos cuatro partes más
deben ser encontradas. Entonces, es necesario correr partes con valores de referencia en
los puntos medios de los valores existentes. Estos valores de referencia y el número de
aceptados es:
-0.015 1
-0.013 5
-0.011 16
-0.0105 18
Ahora que los criterios de recolección de datos se han satisfecho, las probabilidades de
aceptación pueden calcularse usando los ajustes binomiales mostrados abajo.
XT a P’ a
-0.016 0 0.025
-0.015 1 0.075
-0.014 3 0.175
-0.013
-0.012 58 0.275
0.425
-0.011 16 0.775
-0.0105 18 0.875
-0.010 20 0.975
-0.008 20 1.000
147
De la Figura III-C 4:
R
Then σ repetibilidad = = 0.00142 and the associated GRR range is 0.0085
5.15
6.078 × Sesgo
t =
σ repetibilidad
6.078 × 0.0023
= = 9.84
0.00142
Sin embargo
correr y debido
el estudio otra vez.a Dado
los supuestos mencionados
que la forma de la curvapreviamente, no seríadebiera
en el límite superior necesario
ser
una “imagen de espejo” de la curva misma en el límite inferior, la única consideración
necesaria es la localización de la curva con respecto a los valores X T
T. Esta localización
se determina por el sesgo.
La posición correcta de la curva sería definida en el punto donde la P' a = 0.5, y el valor
de X T
T es
igual al límite de la especificación menos el sesgo. En el ejemplo, este punto
T 0.010 - 0.0023 = 0.0077. La CDG graficada en esta forma se muestra en la
=
sería X T
Figura III-C 4.
148
Repeti
Repetibi
bilili dad = 0.
0.00
0079
79
♦
Desa ustadaustada ♦
99.8 0.2
99.5 0.5
♦ ♦
99.0 1.0
98.0 ♦ ♦ 2.0
♦
95.0 5.0
♦ ♦
90.0 10.0
♦
♦
♦
80.0 20.0
♦
70.0 ♦ ♦
30.0
60.0 40.0
♦
50.0 50.0
♦
40.0 60.0
♦
♦
30.0 70.0
♦
20.0 80.0
♦ ♦ ♦
10.0 90.0
♦ ♦ ♦
5.0 95.0
2.0 ♦ ♦ ♦
98.0
1.0 99.0
♦ ♦
0.5 99.5
0.2 ♦ ♦ 99.8
Sesgo
Sesg o = -0.010 - (-0.0123)
(-0.0123) = 0.0023
0.0023
Tabla III
III-C
-C 4
4:: Curv
Curvaa de De
Desempeño
sempeño de Gage de Atribu tos Graficada en Pape
Papell d
dee Probabilidad
Probabili dad
Normal
149
LSL USL
1.0
0.9
n
ó
i 0.8
c
a
t
p 0.7
e
c
0.6
A
e
d 0.5
d
a
d
i 0.4
l
i
b
a 0.3
b
o
r
P 0.2
0.1
0.0
- 0 .0 2 0 -0 . 0 1 5 -0 .0 1 0 -0
-0.
-0.0 -0.00 5 0.0 0 .0 0 5 0.010 0.015 0 .0 2 0
V a l o r d e R e f e r e n c i a d e l a s P a r te
te s M e d i d a s
Sesgo=0.0023 RRG=0.0085
150
Capítulo IV
Otras Prácticas y Conceptos de Medición
CAPÍTULO IV
Otras Prá
Prácti
cticas
cas y Conce
onc eptos
pto s de
de M
Me
edic
dicion
ionees
151
Capítulo IV
Otras Prácticas y Conceptos de Medición
152
Capítulo IV – Sección A
Prácticas para Sistemas de Medición Complejos ó No Replicables
Sección A
Prácticas para Sistemas de Medic
Medición
ión No Replic
Replicables
ables
El enfoque de este manual de referencia es sistemas de medición donde las lecturas
puedan replicarse para cada parte. No todos los sistemas de medición tienen esta
característica; por ejemplo:
153
Capítulo IV
Otras Prácticas y Conceptos de Medición
Estudios de Estabilidad
Escenario S1 S2 S3 S4 S5
La parte no cambia por el proceso de medición, ej., los sistemas
de medición que no son destructivos (replicables) y serán usados
con partes (especimenes) con:
• Propiedades estáticas, o
• Propiedades dinámicas (cambiantes) as cuales han sido
estabilizadas
La vida de anaquel de la característica
característica (propiedad) es conocida y
se extiende más
característica allá denolacambia
medida duración esperada
durante del estudio;
el periodo ej., la
esperado de
uso.
Estudios de Variabilidad
La parte no Escenario
no cambia
por el proceso
proceso de V1 V2 V3 V4 V5 V6 V7 V8 V9
medición; ej., lo sistemas de
medición que son no destructivos y
serán usados con partes
(especimenes) con:
• Propiedades estáticas, o
• Propiedades dinámicas
(cambiantes) las cuales han sido
estabilizadas
154
Capítulo IV – Sección B
Estudios de Estabilidad
Sección B
Estudios de Estabilidad
Estabilidad
S1: Una Parte 66, Medición
Medición Única por Ciclo
Aplilicc aci ón :
Ap
a) Sistemas de medición en los cuales la parte no cambia por el proceso de
medición; ej., sistemas de medición que no son destructivos y serán usados con
partes (especimenes) con:
Propiedades estáticas, o
Propiedades dinámicas (cambiantes) que han sido estabilizadas
b) La vida de anaquel de la característica (propiedad) es conocida y se extiende
más allá de la duración del estudio; ej., la característica medida no cambia
durante el periodo esperado de uso.
Supuestos:
• El sistema de medición es conocido (documentado) para una respuesta lineal
sobre un periodo esperado de la característica (propiedad).
An ali
aliza
za us an
ando
do las gr
gráfi
áfica
cass X & mR
Checa tendencias (solo la gráfica x)
• Compara σ e = R * (error total de las mediciones) con el estimativo de la
d 2
repetibilidad σ E de un estudio de variabilidad (ver siguiente sección).
66
Puede usarse un estándar o patrón de referencia si es apropiado para el proceso.
155
Capítulo IV – Sección B
Estudios de Estabilidad
Propiedades estáticas, o
An ali
aliza R]:: d on de zi = xi −
za us and o u na g ráf ic a [z, R] i
Y i es el valor estándar (de referencia), o determinado por el promedio de un
Cada parte (espécimen) debiera ser analizada por separado para el sesgo y
la repetibilidad
67
Puede usarse un estándar o patrón de referencia si es apropiado para el proceso.
68
Si se involucra a más de un evaluador en la recolección de datos, entonces σ E (estimativo de la
repetibilidad) es afectada también por la reproducibilidad del sistema de medición. Cuantifica la
reproducibilidad con gráficas de correlación y bigotes e indexadas por evaluador (ver capítulo III,
sección B).
156
Capítulo IV – Sección B
Estudios de Estabilidad
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende
más allá de la duración esperada del estudio; ej., la característica medida no
cambia durante el periodo esperado de uso y/o almacenamiento.
An ali
aliza:
za:
• Determinando la variabilidad total a través de un estudio de habilidad con n>30
partes. (Este estudio preliminar debiera también ser usado para verificar la
consistencia de la muestra: ej., todas
todas las partes (especimenes)
(especimenes) vienen de una
distribución unimodal).
• σ total
2
= σ
Pr
2
oceso + σ sistemamed
2
iciones
• Dado que las partes (especimenes) no cambian (una muestra aislada), cualquier
indicación de inestabilidad sería atribuida a un cambio en el sistema de
medición.
69
Dataplot, National Institute
Institute of Standars and Technology, Stat
Statistical
istical Engineeri
Engineering www.itl.nist.gov))
ng División ((www.itl.nist.gov
157
Capítulo IV – Sección B
Estudios de Estabilidad
S4:: Especimene
S4 Especim eness Divid
Divididos
idos (Gene
(General),
ral), Espécimen Único por
p or Cicl
Cicloo
Ap lica
li caci
ción
ón :
Las mediciones de pociones de partes (especimenes) individuales no son replicadas
de forma tal que el estudio puede ser usado con sistemas de medición destructivos
y no replicables.
Supuestos:
• La vida de anaquel de la característica
característica (propiedad) es conocida y se extiende
más allá de la duración esperada del estudio; ej., la característica medida no
cambia durante el periodo esperado de uso y/o almacenamiento.
cubren el rango esperado de la variación del proceso
Las partes (especimenes) cubren
• de la característica (propiedad).
An ali
aliza
za us and o:
variabilidad.
• Este es un estudio de límite superior: σ e2 = σ E 2 + σ btwn
2
158
Capítulo IV – Sección B
Estudios de Estabilidad
S5a:
S5a: Re
Respu
spuestas
estas de Atri buto s
An ali
aliza
za us an
ando
do las gr áfi cas p :
gráfi
Determina
• simple la consistencia
incluyendo (de las
los resultados decisiones)
de todos entre
los stands. los stands: una gráfica
Analiza la estabilidad total del sistema con una gráfica p & mR, donde p es el
promedio de todos los
los stands de prueba en un cierto
cierto día.
S5b:
S5b: Re
Respu
spu estas de Datos
Datos de VaVariables
riables
70
An ali
aliza
za us and o A NOVA y téc ni cas gr
gráfi
áfica
cas:
s:
• Calcula x & s para cada stand de prueba (por característica), en el periodo de
tiempo.
• Determina la consistencia entre los stands: una gráfica simple x & s incluyendo
los resultados de todos los stands.
• Determina si todos los stands cuentan con la misma meta comparando los
promedios de los stands; ej., usando un análisis ANOVA de un sentido. Si existe
alguna diferencia, aísla los diferentes stands usando, por ejemplo, la prueba T
de Tukey.
70
Ver también James, P.D., “Graphical Displays of Gages R&R Data”, AQC transaction, ASQC, 1991
159
Capítulo IV – Sección B
Estudios de Estabilidad
160
Capítulo IV – Sección C
Estudios de Variabilidades
Secci
Sección
ón C
Estudios de Variabilidades
Todos los estudios descriptivos son enumerativos por naturaleza y describen el
sistema de medición (incluyendo los efectos del medio ambiente) durante el
estudio. Dado que los sistemas de medición son usados para toma de decisiones
futuras acerca de los productos, proceso o servicios, es necesaria una conclusión
analítica acerca del sistema de medición. La transición de resultados enumerativos
analíticos requiere conocimientos del tema y pericia para:
• Asegurar que todas las fuentes de variación de las mediciones son consideradas
en el diseño y en la ejecución del estudio.
• Analizar los resultados (datos) a la luz del uso esperado, medio ambiente,
control, mantenimiento, etc.
V1:: Estudios
V1 Estudi os Estándar RRG
Estos estudios están contenidos dentro de este manual de referencia. Estos
estudios incluyen análisis gráficos y numéricos.
li cac ió n:
Ap licac
a) Sistemas de medición en los cuales la parte no cambia por el proceso de
medición; ej., sistemas de medición que son no destructivos y serán basados con
partes (especimenes) con:
Supuestos:
La vida
• más allá de
deanaquel de laesperada
la duración característica (propiedad)
del estudio; ej.,laescaracterística
conocida y se extiende
medida no
cambia durante el periodo esperado de uso.
161
Capítulo IV – Sección C
Estudios de Variabilidades
71
An ali
aliza
za us and o l os estim
est imati
ativv os de Gr ubbs
ub bs (o Thompson) 72 :
V3:: Especímenes
V3 Especímenes Dividido
Divi didoss (m = 2)
Ap licac ió n:
li cac ión:
Las mediciones de porciones individuales de las partes (especimenes) no son
replicadas de manera que este estudio puede ser usado en sistemas de medición
destructivos y no replicables y puede ser usado para analizar sistemas de medición
con características dinámicas.
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende
más allá de la duración esperada del estudio; ej., la característica medida no
cambia durante el periodo esperado de uso y/o almacenamiento.
V3a
V3a - V3 con Pa
Pares
res de Partes Cons
Consecutiv
ecutivas
as
Este estudio es el mismo que V3 pero usando pares consecutivos de partes más que
especimenes divididos. Este estudio es usado en situaciones donde la parte no
puede ser dividida sin
sin destruir la propiedad a ser medida.
medida.
71
Ver lista de referencias, Grubbs, F.E., 1973.
72 Ver lista de referencias, Thompson, W.A., Jr., 1963.
162
Capítulo IV – Sección C
Estudios de Variabilidades
V4:: Especimenes Divididos
V4 Divid idos (Genera
(General)
l)
li cac ió n:
Ap licac
Las mediciones de porciones individuales de partes (especimenes) no son
replicadas de manera que el estudio puede usarse para sistemas de medición
destructivos y no replicables y puede ser usado para analizar sistemas de medición
con características dinámicas.
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende
más allá de la duración esperada del estudio; ej., la característica medida no
cambia durante el periodo esperado de uso y/o almacenamiento.
• Las partes (especimenes) cubren el rango esperado de la variación del proceso
de la característica (propiedad).
• Dividir los especimenes en m porciones donde m=0 mod 2 o 3; m > 2 (ej., m=3,
4, 6, 9, ...).
An ali
aliza
za us and o:
163
Capítulo IV – Sección C
Estudios de Variabilidades
• σ E = σ e
•
Degradación
con en ellineal
una respuesta sistema
en de medición
periodos es conocida
de tiempo (documentada) para contar
especificados.
An ali
aliza
za po r r egres
egr esió
iónn l ineal:
in eal:
• σ E = σ e
164
Capítulo IV – Sección C
Estudios de Variabilidades
Analiza igual como V2 (ver también Lipson & Sheth, sec. 13.2).
165
Capítulo IV Sección C
Estudios de Variabilidades
166
Capítulo IV – Sección D
Cuantificando el Efecto de Variación Excesiva Dentro de las Partes
Sección
Sección D
Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes
El entendimiento de las fuentes de variación de un sistema de medición es
importante para todas las aplicaciones de las mediciones pero llega a ser más
crítico cuando existe una variación significativa dentro de las partes. La variación
dentro de las partes puede causar que la evaluación del sistema de medición
ofrezca resultados erróneos. Esto es porque la variación dentro de las partes no
tomada en cuenta afecta el estimativo de repetibilidad, reproducibilidad o ambos.
Esto es, la variación dentro de las partes puede aparecer como un componente
significativo de la variación del sistema de medición. El entendimiento de la
variación dentro de las partes presente en el producto resultará en un
entendimiento más significativo de la adecuación del sistema de medición para la
tarea en cuestión.
Ejemplos de variaciones dentro de las partes las cuales pueden encontrarse son:
redondeado, concentricidad, planicidad, perfil, cilindricidad, etc. 73 Es posible que
más de una de estas características pueda estar presente al mismo tiempo dentro de
la misma parte (error compuesto). La fuerza de cada característica y sus
interdependencias pueden componer los datos y el entendimiento resultante del
sistema de medición. El reconocimiento y análisis de estas fuentes de variación
adicionales durante el estudio de un sistema de medición es importante para
entender la variación actual del sistema de medición mismo. Un DOE, ANOVA u
otra técnica estadística más sofisticada puede requerirse para analizar esta
situación. Cual sea la metodología usada debiera ser aprobado por el representante
de la calidad del proveedor cliente.
También, las decisiones que los ingenieros de diseño de producto tomen pueden
inconcientemente afectar como una parte es medida, como un dispositivo puede
ser diseñado, y el resultado puede afectar los resultados del error en las
mediciones. Un ejemplo puede ser una parte plástica que tenga una característica
crítica sobre una línea de partido (una línea de partido típicamente tiene exceso de
material plástico y donde dos mitades de un molde se juntan, y por tanto es una
superficie no controlada). Estos factores deben ser considerados durante un AMEF
de diseño.
Una vez que los componentes de variación dentro de las partes son entendidos,
puede ser posible controlar estos factores dentro del sistema de medición (ej.,
rediseñando el gage, o usando diferentes métodos / equipo de dispositivos) de
manera que los datos futuros no sean confundidos.
73
Muchas de estas propiedades son controladas en el diseño a través de tolerancias y dimensionamiento geométrico
(T&DG). T&DG ofrece un método definido operacionalmente para checar partes de una manera funcional.
Generalmente, un chequeo funcional es un chequeo de atributos. Cuando se requieren datos de variables, aspectos
clave pueden derivarse como el usar un gage diseñado para un chequeo funcional que produzca datos de variables.
Esto algunas veces puede hacerse usando un gage funcional como un dispositivo de fijación para un estudio en MMC.
Sin embargo, cuando esto se hace es crítico que el dispositivo sostenga la parte firmemente y repetidamente en la
misma localización (si no, el estudio MSA resultante debiera generar este error).
167
Capítulo IV – Sección D
Cuantificando el Efecto de Variación Excesiva Dentro de las Partes
Una vez que los componentes de variación dentro de las partes son entendidos,
puede ser posible controlar estos factores dentro del sistema de medición (ej.,
rediseñando el gage ó usando diferentes métodos/equipo para dispositivos) de
manera que datos futuros no sean confundidos.
168
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
Secci
Sección
ón E
Método
Método de Promedios y Rangos
Rangos – Tratamiento
Tratamiento Adicional
Adi cional
Existe una consideración inicial que vale la pena mencionar relativa al método de
Promedios y Rangos en la evaluación de un sistema de medición. 74
Pasos del
Pasos 1) Debiera tenerse cuidado en seguir la “Preparación para el Estudio de los
Procedimiento Sistemas de Medición”, capítulo II, sección C.
2) Hacer que cada evaluador cheque cada muestra para la característica a ser
estudiada. Registre los primeros chequeos en el renglón superior de los datos
de la gráfica de control (ver Figura IV-E 1 y 2).
3) la
Repetir losdechequeos
gráfica control. y(Nota:
registrar los datosque
no permita en el
lossegundo renglón
evaluadores de sus
vean los datos de
lecturas
originales cuando estén haciendo este segundo chequeo). Los datos debieran
mostrar ahora dos chequeos sobre la misma parte por cada evaluador.
( )
4) Analice los datos calculando el promedio X y el rango (R) para cada
subgrupo.
Si todos los rangos están en control, todos los evaluadores están haciendo el
mismo trabajo. Si un evaluador está fuera de control, su método difiere de
los otros.
74
El ejemplo de la gráfica de control es tomado con el permiso de “Evaluación del Proceso de Medición” por Wheeler
L da ver
ver Li
List
staa de Refe
Refere
renciass .
ncia
169
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
6) Luego, grafique el promedio para cada subgrupo ( X ) para todos los
evaluadores en la gráfica de promedios (ver Figura IV-E 1 y 2). Los valores
promedio representan la
la variación y la variación en las m
mediciones.
ediciones.
Calcule ahora los límites de control para esta gráfica usando el factor A2 para n=2
( )
y el rango promedio R de la gráfica de rangos y dibuje estos limites sobre la
gráfica de promedios. Nótese en este estudio que la grafica de rangos contiene solo
la variación de las mediciones. Por tanto, el área entre los límites de control de los
promedios representa
representa la cantidad de la variación de las
las mediciones en el sist
sistema.
ema.
Si todos lo promedios
promedios caen dentro de de los límites de control, la variación de las
mediciones eclipsa la variación del proceso. En otras palabras, el proceso de
mediciones tiene mayor variación que el proceso de manufactura, y no es de valor
en el monitoreo o control de dicho proceso.
Los siguiente pasos son usados para completar el ejemplo de la hoja de trabajo
(Figura IV-E 3 y 4):
170
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
8) Examine los promedios de cada evaluador ( A, A, B, C ) y determine el rango de
los promedios de los evaluadores restando el mínimo del máximo e insértelo en
el espacio para ( R A).
11) Observe los promedios de las muestras (1, 2, 3...9, 10) y calcule el rango de los
promedios de las muestras ( RRP) restando el mínimo del máximo. Inserte este
valor en el espacio provisto.
171
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
Figura
Figur a IIV-
V-E
E 1: Gráfica
Gráfica de Contr
Control
ol ( X y R) - 1 para Evaluación d e las Me
Medic
diciones
iones
172
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
Figura IV-E 2: Gráfica de Contr
Control
ol ( X -R
-R)) - 2 para Evaluació
Evaluaciónnd
dee las Medicion
Mediciones
es
173
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
Mediciones Hecho
Evaluadas LONGITUD DE AJUSTE por R.W.L. Fecha MM-DD-YY
r d2
ERROR DE REPLICACION: Rango Promedio de los Subgrupos = R = 7.6 2 1.128
Número de Replicaciones = Tamaño del Subgrupo = r = 2 3 1.693
Estima la Desviación Estándar de las 4
R 5 2.059
ˆ e = 6.738
Replicaciones = σ
d 2
5 2.326
6 2.534
7 2.704
8 2.847
9 2.970
10 3.078
Figura IV-E
IV-E 3
3:: Cálculos Altern
Alternativos
ativos para Eva
Evaluació
luació n de un Pro
Proceso
ceso de Medición (Parte
(Parte 1
de 2)
174
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
= (6.7376
)2 + (2.7806 )2
= 7.289
ˆ m = 7.289
ˆ m aquí: σ
Escribe el valor apropiado p ara σ
CALCULOS PARA PROPORCIONES SEÑALES A RUIDO:
* Escrib e el promedio d e cada pieza de la muestra o lote abajo:
n
d 2
113.67 – 83.0 = R p Eje
jemp
mplo
lo Pro
rome
medi
dioo
2 1.410
Rango para estos Promedio s de Muestras = Rp = 30.67 1 111.17
3 1.906
Estima la Desviación Estándar de Muestra a Muestra: 2 113.33
4 2.237
30.67 R p 3 - Lo 83.00
5 2.477
= 12.38 = σ ˆ p = 12.38
2.477 d 2* 4 102.17
6 2.669
5 - Hi 113.67
7 2.827
Proporción Se
Señal
ñal a Ruido: 6 -----
8 2.961
12.38 σ
ˆ p 7 -----
9 3.076
= 1.698 = 1.698
10 3.178 7.289 σ
ˆm 8 -----
Por tanto el número de categoría
categoríass di stintas de prod uctos que pueden ser confiablemente 9 -----
dist ingu idas para estas medici ones es 1.41 x 1.698
1.698
10 -----
⎛ σ ˆ p ⎞
1.41⎜⎜ ⎟⎟ = 2.395 ó 2
⎝ σ ˆ m ⎠
Este es el número de intervalos de confiabilidad del 97% no traslapados que extenderán el rango de la variación del
producto. (Un intervalo de co nfiabilidad del 97% y centrado en una medición única contendría el valor actual del
producto que es representado
representado por dicha medición el 97% del tiempo).
del tiempo).
Figura IV-E
IV-E 4
4:: Cálculos Altern
Alternativos
ativos para Eva
Evaluació
luació n de un Pro
Proceso
ceso de Medición (parte 2 de 2)
175
Capítulo IV – Sección E
Método de Promedios y Rangos – Tratamiento Adicional
176
Capítulo IV – Sección F
Curva de Desempeño de Gages
Secci
Sección
ón F
Curva de Desempeño de Gages 75
El propósito de desarrollar una Curva de Desempeño de Gages ( CDG) es determinar
la probabilidad de aceptar o rechazar una parte a partir de un valor de referencia.
Idealmente, la CDG para una medición sin errores es mostrada en la Figura IV-F 1.
Sin embargo, esto es para sistemas de medición ideales más que lo que ocurra
normalmente.
Para lograr esto, se hace el supuesto de que el error del sistema de medición consiste
principalmentee de falta de repetibilidad, reproducibilidad y sesgo. Además, la
principalment
repetibilidad y reproducibilidad son consideradas con una distribución normal con
2
una varianza σ . Consecuentemente, el error del gage está distribuido normalmente
con una media de X T, el valor de referencia, más el sesgo, y cuenta con una varianza,
σ 2 . En otras palabras:
(
Valor Actual del Gage = N X T + b, σ 2 )
La probabilidad de aceptar una parte de algún valor de referencia es ofrecida por la
relación
UL
Pa = N X
T + b, σ 2 dx
∫ (
LL
)
donde
⎛ UL − ( X T + b ) ⎞
UL
⎝ σ ⎠ LL
75
Adaptado con el permiso de “Análisis de Sistemas de Atributos de Gages” por J.McCaslin & G.Gruska, ASQC, 1976.
177
Capítulo IV – Sección F
Curva de Desempeño de Gages
Ejemplo:
Determine la probabilidad de aceptar una parte cuando el valor de referencia del
torque es 0.5 Nm, 0.7 Nm, 0.9 Nm.
Pa = φ (5. 0) −
φ (− 3.0)
= 0.999
178
Capítulo IV – Sección F
Curva de Desempeño de Gages
Esta misma curva puede ser graficada más fácilmente en papel de probabilidad
normal, como se muestra en la Figura IV-F 3. Una vez graficada, la CDG ofrece la
probabilidad de aceptar
aceptar una parte de cualquier tamaño.
tamaño.
Además, una vez desarrollada la CDG, puede usarse para calcular el error de
76
repetibilidad y reproducibilidad,
reproducibilidad, y el error del sesgo.
El rango 6 RRG puede determinarse encontrando el valor de X T T que
corresponde a Pa
= 0.99865 (z = 3), y el valor de X T
T que
corresponde a Pa = 0.00135 (z = -3) para los
dos límites. El RRG es la diferencia entre los dos valores de X T
T, como se muestra
gráficamente en la Figura IV-F 3.
76
Ver “Estudio de Atributos de Gages”, Capítulo III, Sección C.
77 Esto asume que el sistema de medición es lineal sobre el rango de operación.
179
Capítulo IV – Sección F
Curva de Desempeño de Gages
LSL USL
1.0
0.9
n
ó
i 0.8
c
a
t
p
e
c 0.7
A 0.6
e
d 0.5
d
a
d
i 0.4
l
i
b
a 0.3
b
o
r
P 0.2
0.1
0.0
0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2
Valorr ddee Re
Valo Referenci
ferenciaa de las Pa
Part
rtes
es Medi
Medidas
das
Sesgo = 0.00 Rango RRG = 0.00
Figura IV-F 1:
1: Cur
Curva
va de Desempeño del
d el Gage S
Sin
in Error
180
Capítulo IV – Sección F
Curva de Desempeño de Gages
LSL USL
1.0
0.9
n
ó
i 0.8
c
a
t
p 0.7
e
c
A 0.6
e
d 0.5
d
a
d
i 0.4
l
i
b
a
b 0.3
o
r
P
0.2
0.1
0.0
0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2
Valor Va
Valor Valo
lores
res de Referencia de las Partes Medid
Medidas
as
Sesgoo = 0.05 RRG = 0.28
Sesg
Figura IV-F 2:
2: Curv a de Desempeño del Gage
Gage - Ejemplo
181
Capítulo IV – Sección F
Curva de Desempeño de Gages
Figura IV-F 3: Curva de Desempeño del Gage Graficada en Papel de Probabilidad Normal
182
Capítulo IV – Sección G
Reducción de la Variación a Través de Lecturas Múltiples
Secci
Sección
ón G
Reduc
Reducció
ción
n de la Variación
Variación a Través
Través de Lectu
Lecturas
ras Múltiples
Múlti ples
Si la variación del presente sistema de medición no es aceptable (arriba del 30%),
existe un método que puede usarse para reducir la variación a un nivel aceptable
hasta que puedan hacerse mejoramientos al sistema de medición mismo. La
variación no aceptable puede reducirse tomando lecturas múltiples y
estadísticamente independientes (no correlacionadas) de la característica de la parte
a ser evaluada, determinando el promedio de estas mediciones y permitiendo que el
valor numérico del resultado sea sustituido por la medición individual. Este método,
por supuesto consumirá tiempo, pero es una alternativa hasta que se hagan
mejoramientos al sistema de medición (ej., rediseñando o comprando un nuevo
sistema). El procedimiento para este método alternativo es como sigue:
Ejemplo:
(6σ )
2
(6σ x ) 2
=
n
(6s ) = (6s )
x
n
y
0.24
=
0.14
n
76
Ver nota en página vi.
183
Capítulo IV – Sección G
Reducción de la Variación a Través de Lecturas Múltiples
de manera que
n = 1.714
y
n = 3(redondeado al entero más próximo)
Por tanto, 3 lecturas múltiples sobre la característica de la parte reducirían la
variación total del sistema de medición a aproximadamente 0.14 y el %RRG a 15%.
Este método debiera ser considerado como un paso temporal hasta que se hagan
mejoramientos al sistema de medición. Este debiera usarse solo con concurrencia
del cliente.
184
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
Secci
Sección
ón H
Enfoque de la Desviación Estándar Combinada con RRG 79
El análisis de un sistema de medición generalmente asume que los datos replicados
de todas las partes / especimenes
especimenes pueden obtenerse de todos los
los evaluadores en un
forma aleatoria. Esto no siempre puede ser posible. Si el análisis del sistema de
medición incluye localizaciones múltiples puede no ser factible logísticamente el
demandar un muestreo aleatorio. También algunas muestras, análisis notablemente
químicos y metalúrgicos (estudios entre e intra laboratorios) pueden requerir una
sección cruzada de las diversas muestras que no sean parte de un proceso
homogéneo y pueden no estar disponibles al mismo tiempo.
Estas situaciones pueden manejarse usando un DOE anidado. Un enfoque
alternativo es el estudio de la desviación estándar combinada del RRG el cual sigue
la metodología discutida en ASTM E691.
Este enfoque ve a cada parte como un material por separado y entonces calcula las
desviaciones estándar de la repetibilidad y reproducibilidad como en E691. Esto
producirá valores múltiples y por separado de repetibilidad y reproducibilidad.
Dado que las partes son consideradas como esencialmente idénticas, se asume que
estos estimativos por separado son efectivamente idénticos. Por supuesto nunca
serán exactamente los mismos, pero su promedio ofrecerá un buen estimativo del
nivel verdadero de repetibilidad y reproducibilidad similar.
Ap l i caci
Apl cac i ón Aunque el enfoque E691 es típicamente usado con una muestra completa, permite
Secuencial asimismo un enfoque secuencial. Este es útil cuando todas las muestras no están
disponibles al mismo tiempo. También puede ser utilizado como parte del proceso
de calibración para mantener información de la variabilidad del sistema de
medición.
La siguiente descripción del estudio asume que el estudio mismo será aplicado de
una forma secuencial.
79
Partes de esta sección incluyen todo lo de “Estadísticas de Consistencia” es contribución de Neil Ullman de la
American Society for Testing and Materials (ASTM International).
185
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
7) Hacer que cada uno de los m ≥ 2 evaluadores evalúen la parte para r ≥ 3
lecturas. Registre los datos en renglones apropiados de la hoja de recolección
de datos (ver formatos de ejemplo). ( Nota: no permita que los evaluadores
vean sus lecturas originales al hacer estos chequeos múltiples).
( )
8) Calcule el promedio X y la desviación estándar (s) para la nueva parte para
cada evaluador.
11) Calcule el promedio de promedios ( X ) (incluya los promedios de todos los
( )
subgrupos X para todos los evaluadores). Dibuje la línea de este gran
promedio ( X ) en la gráfica.
12) Calcule los límites de control para esta gráfica usando el factor A 2 para un r y
una desviación estándar de los promedios (s ) de la gráfica de desviación
estándar; dibuje estos límites en la gráfica de promedios.
13) Analice los daros usando las gráficas de control y otras técnicas gráficas
discutidas en el método de promedios y rangos (ver Capítulo III).
14) Evalúe los parámetros del sistema de medición para cada parte combinando los
resultados de los evaluadores.
m
∑s 2
x i
s
x g
= i =1
m
m
s s2i
Re petibilidad g = s E g =
∑
i =1
m
2
s E
g = s A g = s
Re producibilidad 2
x g
− g
m
RRGg = s RRG g = s E g + s Ag
2 2
186
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
E691 sigue el convencionalismo de que la reproducibilidad del
MSA se refiera como la variación de los evaluadores y el RRG
del MSA es llamado reproducibilidad. En este caso,
sr 2
sappr = s − 2
x
3
s R = sr + sappr
2 2
∑s 2
E i
Re petibilidad = s E = i =1
g
g
∑s 2
Ai
Re producibilidad = s A = i =1
g
g
∑s 2
RRGi
RRG = s RRG = i =1
g
187
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
s
a
r
t
s
e
u
M
s
a
l
e
d
o
i
d
e
m
o
r
P
Muestra
Muestra
s
a
r
t
s
e
u
M
s
a
l
e
d
.
t
s
E
.
v
s
e
D
Muestra
Figura IV-H 1: Análisis Gráfico del Estudio de la Desviación Estándar Combinada 80
80
Límites de control basados en la desviación estándar combinada ó acumulada y ajustada por una constante de no sesgo
188
T
a
b
l
a
I
V
-H
1
:
C
o
n
j
u
n
t
o
d
e
D
a
t
o
1 s
8 d
9 e
A
n
á E
l
i n
s
i f
o
s q
d u
e
e
D d
e
e
s l
a
v D
i e
a
c
i
ó
s
v
i
a
n c
i
E ó
n
s
t E
á s
n t
á
d n
a d
a C
r r
C C a p
o o t
í
m u
m b ol
b i i
n
i a V
n d –
a a
S
d c e
a o c
n c
R ó i
R n
G H
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
Estadísticas de
Consistencia
Los métodos de ASTM e ISO 81 sugieren que dos estadísticas de “consistencia”, h y
k , sean calculadas. Los valores de h se calculan por
x appr − x parte
h=
S x
de las partes ( x parte anterior) es 0.169. La desviación estándar entre los evaluadores
( s x anterior) es 0.262. Por tanto
desviación estándar ( Evualuador
A, Parte1) 0.178
k = = = 1.35
repetibilidad 0.132
Una razón por la que éstos se calculan es permitir comparaciones entre materiales
muy diferentes.
mediana
“z”
k K
A 1.35 0.25 0.49 0.28 0.23 0.65 0.59
0. 59 0.35 0.77 0.27 0.42 -3.20
B 0.77 1.50 1.15 1.70
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
81
Ver ISO 5725
190
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
En las últimas dos columnas están los promedios y el valor de “el valor – z” para
ver si los evaluadores son significativamente diferentes. Los valores de h indican
que el evaluador A es significativamente alto y el evaluador C es significativamente
significativamente
bajo en sus lecturas del tamaño de las partes. Es también esta significativa
diferencia lo que genera la desviación estándar del RRG.
Las gráficas de h (Figura IV-H 2) y k (Figura IV-H 3) también ayudan a ilustrar
estas diferencias. El evaluador C tiene los resultados mucho más bajos que los
otros. Similarmente, los valores k muestran
muestran que tan abajo la variación del evaluador
A es con respecto a la repetibilidad. Estos ciertamente son aspectos clave a ser
examinados acerca del desempeño del método de medición y como es realizado por
estos evaluadores.
Figura IV-H 2: Gráfica de Puntos de valores h
191
Capítulo IV – Sección H
Enfoque de la Desviación Estándar Combinada con RRG
Figura IV-H
IV-H 3: G
Gráfica
ráfica de Punto
Puntoss de valores
v alores k
192
Apéndices
APENDICES
A PENDICES
193
194
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Ap
A p énd
éndii c e A
Análi
An álisi
siss d
dee Concep
Con ceptt os de Vari
Var i anza
El análisis numérico de las RRGs puede hacerse siguiendo las fórmulas de la
Tabla A 3. Esto es lo que se le llama Tabla de Análisis de Varianza ( ANOVA). La
tabla de ANOVA se compone de 6 columnas:
Estimativo
Estimativ o de Varianza
τ 2 = MS e
83
Equipo (EV)
MS AP − MS e
γ 2 =
Interacción (INT)
r
MS A − MS AP
Evaluador (AV) ω 2 =
nr
MS P − MS AP
Parte (PV) σ 2 =
kr
Tabla
Tabla A 1: Estimativo
Estimativ o de los Compon
Componentes
entes de Va
Varianza
rianza
Dado que cada media cuadrada es una cantidad muestra sujeta a la variación del
muestreo y los cálculos involucran diferencias de promedios al cuadrado , entonces
son posibles los estimativos de componentes de varianza negativos.
82
En esta tabla, se asume que todos los componentes de la variación son de efectos aleatorios.
83
En esta aplicación de ANOVA a los análisis de sistemas de medición, el término de error de ANOVA es equivalente a
la variación del equipo MSA, MS E
195
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Este es un pequeño problema dado que los estimativos componentes
componentes de la varianza
“master” son iguales o tienden a cero o cuentan con un tamaño de muestra
pequeño. Para propósitos de análisis, los componentes de varianza negativos se
hacen cero.
La desviación estándar es más fácil de interpretar que la varianza por que tiene las
mismas unidades de medición de la observación original. En la práctica, la medida
básica de amplitud es dada por 6 veces la desviación estándar. 84 La Tabla A 2
muestra la extensión de 6 sigma para una medida de repetibilidad llamada
variación del equipo ( EV EV ) y una medida de reproducibilidad llamada variación del
evaluador ( AV
AV )).. Si la interacción entre las partes y los evaluadores es significativa,
entonces existe un modelo no adicional y por tanto se ofrece un estimativo de sus
componentes de varianza. El RRG en la Tabla A 2 es la variación total del sistema
de medición.
EV = 6 MS pool
MS A − MS pool
AV = 6
nr
2 2
= +
RRG ( EV ) ( AV )
MS p − MS pool
PV = 6
kr
84
Este es el rango de 99.73%. Ver nota en página vi.
196
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
85
Donde n = número de partes, k = número de evaluadores y r = número de intentos.
n
⎛ xi2.. ⎞ x...2
SS p = ∑ ⎜⎜ ⎟⎟ −
i =1 ⎝ kr ⎠ nkr
k ⎛ x 2 ⎞
x...2
SS A = ∑ ⎜ ⎟
⎜ ⎟ − nkr
. j .
j =1 ⎝ nr ⎠
2
TSS =
n
∑ ∑ ∑ ( x )
k r 2
ijm − x...
i =1 j =1 m=1 nkr
n ⎛ xij2. ⎞ n ⎛ xi2.. ⎞ k ⎛ x.2 j . ⎞ x...2
k
SS AP = ∑ ∑ ⎜ ⎟ − ∑⎜ ⎟ − ∑⎜ ⎟ +
⎜
i =1 j =1 ⎝ r ⎠
⎟ i =1 ⎜ kr ⎠⎟ j =1 ⎜ nr ⎟ nkr
⎝ ⎝ ⎠
Evaluador ∼ N(0,ω2)
Partes ∼ N(0,σ2)
Evaluador por parte
2
∼ N(0, γ )
Equipo ∼ N( 0, τ )
2
197
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Fuen te
Fuente DF SS MS F EMS
Evaluador 2 3.1673 1.58363 79.41* τ 2 + 3γ 2 + 30ω 2
Partes 9 88.3619 9.81799 492.29* τ 2 + 3γ 2 + 9σ 2
Evaluador por parte 18 0.3590 0.01994 0.434 τ 2 + 3γ 2
Equipo 60 2.7589 0.04598
2
τ
Total 89 94.6471
* Nivel de Significancia a α = 0.05
Tabla
Tabla A 4: Resultados
Resultado s Tabulados de ANOV
ANOVA
A
Dado que el valor F calculado para la interacción (0.434) es menor que el valor crítico de F α ,18, 60, el término
interacción es acumulado ó combinado con el término (de error) del equipo. Esto es, el estimativo de la varianza se
basa en el modelo sin interacciones.
interacciones.
Tabla
Tabla A 5: Resultados
Resultado s Tabulados de ANOV
ANOVA
A
⎛ 6σ 2 ( componentes ) ⎞ ⎛ 2 ⎞
% de Contribución (de la Varianza Total) = 100⎜⎜ ⎜
⎟⎟ = 100⎜
σ ( componentes ) ⎟
6 σ 2
⎜ 2 ⎟⎟
⎝ ( total ) ⎠ ⎝ σ (total ) ⎠
198
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Ap
A p énd
éndii c e B
Impacto de RRG sobr
sobree el
el Índic
Índicee de Habil
Habilidad
idad Cp
Fórmulas:
2
σ Obs = σ Act
2
+ σ Meas
2
⑴
Donde Obs = la variación del proceso observada
= la variación del proceso actual
Act =
eas = la variación del sistema de medición
M eas
U − L
Cp x = ⑵
6σ x
k σ Meas
RRG p = (4)
6σ Obs
Nota: RRG p
2
≥ σ Meas
≤ 1 dado que desde σ Obs 2
por la ecuación (1)
k σ Meas
RRG p = (5)
U − L
En (4) y (5), normalmente k se
se toma como 6.
Análi
An álisi
siss :
σ Act
Cp Obs = Cp Act *
σ Obs
σ Obs
2
− σ Meas
2
σ Obs 1 − RRG 2
Cp Obs = Cp Act * usando (4)
σ Obs
= Cp Act * 1 − RRG 2 (6)
199
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
ó
Cp Obs
Cp Act = (6’)
1 − RRG 2
consecuentemente
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
An
A n áli
ál i s i s Gr
Gráf
áfii c o
Con base en (6) la familia de líneas para Cpobs con respecto a Cp Act es:
Actual RRG
10% 20% 30% 40% 50% 60% 70% 90%
Cp observado con el Cp en base al Rango del Proceso
1.3 1.29 1.27 1.24 1.19 1.13 1.04 0.93 0.57
Cp observado con el Cp en base a la Tolerancia
1.3 1.29 1.26 1.20 1.11 0.99 0.81 0.54 nada
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
T
a
b
l
a
d
e
A
p
é
n
d
i
c
e
T
a C
b
l
e
C
1
:
2 d
0 *
3 2
T
a
b
l
e
Entradas de la Tabla: 1er línea de cada celda son los grados de libertad ( v) y la 2a línea de cada celda es d *2; d 2 es el valor infinito de d *2 ; valores adicionales de v pueden
ser construidos de la diferencia de las constantes, cd.
Duncan, Quality Control and Industrial Statistics, 5a edición, McGraw-Hill, 1986.
Nota: La notación usada en esta tabla sigue la de Acheson Duncan, A
2
⎛ R ⎞ p
⎜ ⎟ T é
d *
v ⎝ 2 ⎠ es distribuida aproximadamente como una distribución χ 2 con v grados de libertad y donde R es el rango promedio de los g subgrupos
a n
b d
t 2 i
l c
a
de tamaño m. d
e
2 C
*
Apéndice D
Estudio R de Gages
204
Apéndice D
Estudio R de Gages
Ap
A p énd
éndii c e D
Estudio
Estudi o R de Gages
Gages
Ap licac
li cac ión:
ió n:
• Ofrece una determinación preliminar de la repetibilidad de un gage de corto
plazo solamente.
• Puede ser usado para chequeo antes de envío por el proveedor del gage.
• Puede ser usado en preproducción cuando la disponibilidad de partes es
mínima.
• Puede ser usado durante el desarrollo del gage – ej., para una comparación
rápida de las diferentes localizaciones de sujeción; comparación de diferentes
metodologías.
• Este método NO PUEDE ser usado para aceptación final de un gage sin
otros métodos MSA más completos y detallados.
Supuestos:
• La variación y estabilidad del proceso no pueden ser conocidas hasta este punto
en el tiempo.
An áli
álisi
si s a ttra
ravés
vés de:
Tomar una parte, por un operador; colocar la parte en el dispositivo, medir; quitar la
parte del dispositivo;
dispositivo; repetir esto 9 veces más con la misma parte y el mismo
operador.
Graficar los datos con una gráfica IRM ; evaluar la estabilidad. Si los datos aparecen
no estables, aplicar acciones correctivas. 86
Si aparecen estables, calcular el sigma de las lecturas individuales con s para todas
*
las lecturas o MR / d 2 ; multiplicar por 6; dividir este valor por la tolerancia de la
característica; multiplicar por 100%. Revisar el %Repetibilidad contra patrones de
aceptabilidad del gage previamente establecidos, o usarlo para propósitos
comparativos durante el desarrollo del gage.
86
Algo de juicio puede requerirse aquí, ya que 10 subgrupos de datos individuales son insuficientes para
determinar
para la estabilidad; sin embargo, obvias inestabilidades pueden todavía estimarse y ofrecer un valor
el análisis.
205
Apéndice D
Estudio R de Gages
206
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores.
Ap
A p énd
éndii c e E
Calcul
Calculoo Alterna
Al ternativo
tivo de PV Usando el Término de Corrección de Errores
PV ha
ha sido definido aquí como TV − RRG . Dado que esta definición de las
2 2
partes puede incluir EV , puede haber ocasiones en que sea importante extraer la
influencia de EV sobre
sobre PV . Esto puede hacerse con la fórmula siguiente (nótese la
similitud con la fórmula de AV dónde
dónde las influencias de EV son
son extractadas).
2 ⎡ EV 2 ⎤
PV = ( R
p
×K 3 ) − ⎢⎣ k × r ⎥⎦
donde RP = rango de los promedios entre partes, k = # de evaluadores, r = # de
intentos.
.
87
“Datos Confiables es un Servicio ó Producto Importante”, Donald S. Ermer y Robin Yang E-Hok,
University of Wisconsin, Madison publicado en The Standard, ASQ Newsletter of the Measurement Quality
División, Vol 97-1, Invierno, 1997.
207
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores.
208
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
Ap
A p énd
éndii c e F
Modelo de Error
Err ores
es P.I.S.M
P.I.S.M.O
.O.E.
.E.A.
A.
Similar a todos los procesos, un sistema de medición es impactado por fuentes de
variación aleatorias y sistemáticas. Estas fuentes de variación son debidas a causas
comunes y especiales (caóticas). A fin de entender, controlar y mejorar un sistema
de medición, las fuentes potenciales de variación deben ser primero identificadas.
Aunque las causas específicas dependen de la situación, un modelo general de
errores puede ser usado para categorizar las fuentes de variación de un sistema de
medición. Existen varios métodos para presentar y categorizar estas fuentes de
variación, usando simples causas y efectos, matrices o diagramas de árbol.
El acrónimo P.I.S.M.O.E.A. 88 representa otro modelo útil para definir un sistema
de medición por sus fuentes de variación básicas. No es solo un modelo sino que
representa una aplicación de apoyo universal.
Erro r
Fuente de Erro Al ias o Co mp on ent
entee Factor o Parámetro
Parte de producción, muestra lo que se mide,
P Parte Unidad Bajo Prueba (UBP), artefacto y estándar de Desconocido
chequeo.
Gage, unidad de M&TE, gage master máquina de
I Instrumento Medios de comparación
medición, stand de prueba.
Escala, referencia, artefacto, estándar de chequeo, Valor conocido aceptado
S Estándar/Patrón estándar intrínseco, consenso, Materiales Estándar
de Referencia (MER), clase, criterios de
como verdadero*, valor
de referencia o criterios
aceptación. de aceptación
Entrenamiento en el trabajo, verbal, instrucciones
M Método de trabajo, plan de control, plan de inspección, Cómo
programaa de pruebas,
program pruebas, programa
programa de partes.
Evaluador, técnico de pruebas o calibraciones,
O Operador Quién
auditor, inspector.
Temperatura, humedad, contaminación, orden y
limpieza, iluminación, posición, vibración, energía Condiciones de la
E Medio
Medio Ambi
Ambiente
ente
eléctrica, Interferencia Electromagnética (IEM), medición, ruido
ruido, tiempo, aire.
Estadísticos, operacionales, de calibración, Criterios, constantes o
A Sup ues
uesto
to s constantes, valores de manuales, estabilidad suposiciones para una
térmica, módulos de elasticidad, leyes de la ciencia. medición confiable
* Los valores verdaderos actuales o físicos son desconocidos.
La fuente de error del alias varía con la aplicación de las mediciones y la industria.
Estos son ejemplos comunes. Sin embargo, el efecto de los parámetros y
características siempre es el mismo.
88
P.I.S.M.O.E.A. fue originalmente desarrollado por Mr. Gordon Skattum, ASQ CQE Senior, metrologista y Director de
Manufactura Integrada en Rock Valley College Technology Center.
209
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
210
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
211
Glosario
212
Glosario
GLOSARIO
Ver el Manual de Referencia del Control Estadístico de los Procesos (SPC) para
(SPC) para definiciones adicionales
del glosario.
Ac curac
Accu rac y Cercanía por acuerdo entre el valor observado y el valor aceptado como
(Exactitud)
(Exactitud) referencia.
An alysi
Analy siss o
off Var
Varian
iance
ce Método estadístico (ANOVA) a menudo usado en el diseño de experimentos
(Análisis de Varianza
Varianza)) (DOE), para analizar datos de variables de grupos múltiples, a fin de
comparar promedios y analizar fuentes de variación.
Ap parent
Appar ent Reso
Resolu
lutiti on El tamaño del incremento más pequeño en el instrumento de medición es la
(R
(Resolució
esolució n Aparente)
Aparente) resolución aparente. Este valor es típicamente usado en la literatura como
publicidad para clasificar el instrumento de medición. El número de categorías
de datos puede determinarse dividiendo el tamaño entre la extensión (6σ) de
la distribución esperada del proceso.
Ap prais
Appr ais er Var
Variat
iat io
ionn La variación en las mediciones promedio de la misma parte (lo medido) entre
(V
(Variación
ariación d el Evaluador)
del los diferentes evaluadores (operadores) usando el mismo instrumento de
medición y método y en un ambiente estable. La variación del evaluador (AV)
es una de las fuentes comunes de la variación (error) de los sistemas de
medición que resulta de las diferencias en las habilidades del operador o la
técnica usando el mismo sistema de medición. La variación del evaluador es
comúnmente asumida como “error de reproducibilidad” y asociada con un
sistema de medición; ésto no siempre es verdad (Ver Reproducibilidad)
Bayes’ Theorem Una formula matemática usada para calcular probabilidades condicionales.
(Teorema
(Teorema d
dee Bayes)
La probabilidad
es deprobabilidad
la razón de la condicional G
una hipótesisincondicional de enla un cuerpo dededatos
conjunción M dado
la hipótesis
con los datos de la probabilidad incondicional de los datos mismos.
La probabilidad del condicional G en M es definida como
PM(G)=P(GyM)/P(G), siempre y cuando ambos términos de esta razón
existan y P(G)>0