Manual Msa Itesm Mar2017

MSA
Análisis del Sistema de

Medición
Manual del participante

2017
Instructor: Ing. Juan A. Durán Díaz
Taller MSA Derechos Reservados Ing. Juan A. Durán Díaz

OBJETIVO GENERAL 1
OBJETIVO
Proveer un método uniforme para la

interpretación y análisis de los conceptos
de metrología aplicados al proceso del
sistema de medición.
Identificar y cuantificar las fuentes de

variación de la medición.
MSA Análisis del Sistema de Medición

2 CONTENIDO TEMÁTICO
CONTENIDO TEMÁTICO
I. Introducción
II. Variación
III. Estudio Gage R&R
IV. Método de Gráficos de control
V. Análisis de los resultados
VI. MSA para datos por atributos

I
INTRODUCCIÓN
Metrología
Medición
Exactitud
Precisión
Errores de medición
Posibles fuentes de
desviación y variación
INTRODUCCIÓN 3
Metrología
La metrología está conformada por una serie de operaciones de mediciones

destinadas
a obtener las dimensiones y realizar el trazado para la elaboración de piezas o

elementos empleando el trabajo manual o mecánico y efectuar la verificación y control
de sus medidas según exigencias del proyecto.
Para ello se utiliza una serie de instrumentos o herramientas de medición y una

metodología adecuada a las necesidades.
Medición
Consiste en obtener la cantidad de veces que una cierta magnitud unidad se encuentra
contenida entre límites fijados. Estos límites no siempre son visibles o perfectamente
determinados, como ser en el caso de medición de diámetros, profundidades,
espesores, etc. en los cuales se deben tomar distancia entre dos planos paralelos o
entre superficies cilíndricas o esféricas

4 INTRODUCCIÓN
Exactitud
Las medidas obtenidas nunca son exactas, es decir, no se obtienen los valores reales,
ya que la medida obtenida dependerá de la apreciación del instrumento o herramienta
empleada (menor división del instrumento: m, dm, cm, mm, m, etc.), de su precisión
(desgaste, divisiones inexactas o irregulares), de las condiciones ambientales
(influencia de la temperatura, etc.) y de la habilidad del operador que la efectúa.
La menor división del instrumento empleado dará el grado de apreciación de la

medición efectuada cuando se mide directamente. Por ejemplo, con una cinta
graduada con divisiones de 1 milímetro se obtendrán lecturas directas milimétricas.
Precisión
La precisión de la medida obtenida dependerá tanto de la calidad del instrumento, de

la menor división del mismo, como de la habilidad del operador. Este último podrá
apreciar a “ojo” si el tamaño de la menor división lo permitiera, cual es la medida más
aproximada a la real. Por ejemplo, en el caso de que la menor división fuera el
milímetro, podrá apreciar con las décimas de milímetros.

EXACTITUD Y PRECISIÓN 5
Para evaluar la exactitud de un instrumento o sistema de medición con frecuencia se

requiere usar un estándar, del que se conoce el verdadero valor de la característica medida.
Muchas veces la exactitud de un instrumento puede modificarse haciendo ajustes en el

dispositivo o mediante el uso de una curva de calibración construida apropiadamente.
alto
a) b)
Exactitud
bajo
c) d)
alto Precisión bajo

6 INTRODUCCIÓN
Errores de medición
Error de medición, cuando se mide se introducen errores en la medición, siendo este

error igual a la diferencia entre el verdadero valor y la medida realizada.
Existen dos tipos de errores:
Errores sistemáticos y,
Errores accidentales
Errores sistemáticos
Los errores sistemáticos son causados por defecto del instrumento, del método
empleado o por fallas del observador. Son difíciles de detectar, y por más mediciones
que se hagan siempre estarán todas ellas afectadas del mismo error. Son difíciles de
eliminar.
Errores accidentales
Los errores accidentales son producidos por causas fortuitas y accidentales. Varían al
azar, pudiendo producirse en un sentido o en otro (en más o en menos) y no tienen
siempre el mismo valor absoluto. Son muy frecuentes y se presentan por ejemplo
debido a la coincidencia entre índice y escala, a descuidos por parte del observador,
etc.

INTRODUCCIÓN 7
Posibles fuentes de desviación y variación
Para determinar la variación real del proceso primero se debe identificar la variación
debida al sistema de medición y separarla de la variación del proceso
Partes
(Ejemplo)
Entradas Entradas Proceso de Salidas • Observaciones

Proceso Salidas • Mediciones
Medición
• Datos

II
VARIACIÓN
Variación
¿Cómo se mide la
variación?
¿Cálculo de la variación?
Métodos de análisis de un
estudio de medición
VARIACIÓN 8
Variación
Tu estás determinando con qué piloto de aerolínea volar, el Piloto A o el B. Todas las
condiciones son idénticas excepto que hay dos pilotos diferentes.
El Piloto A aterriza 10 veces consecutivas dentro de los límites de la pista (cumple la

especificación).
A2 A 10 A5
A6
A3
A9
A4 A1
A8 A7
Calidad:
Uniformidad alrededor del valor objetivo
MSA Análisis del Sistema de

9 VARIACIÓN
El Piloto B también aterriza 10 veces consecutivas dentro de los límites de la pista.
B6BB103BB95
BB2B1B7B48
Calidad:
Uniformidad del proceso alrededor del valor objetivo
¿Con qué piloto preferirías volar?

VARIACIÓN 10
¿Cómo se mide la variación?
Un proceso produce resultados que tienen una distribución
La distribución tiene tres propiedades básicas
Forma
Centro Centro Forma: en este caso,

Dispersión la forma de campana
o distribución normal
Dispersión
La distribución normal aparece normalmente en la naturaleza, negocios e

industria. Muchas herramientas estadísticas se basan en la suposición
de una distribución normal

11 VARIACIÓN
Media:
Promedio aritmético de un conjunto de valores

n
Refleja la influencia de todos los valores
Influenciada por los valores extremos

x i
Llamada comúnmente “X testada”

x  i 1
n
Rango:
Distancia numérica entre el valor más alto y el

más bajo en un conjunto de datos
Rango  max min
Desviación Estándar (s ; ):
Es la medida más común usada para

cuantificar variabilidad
n
Dispersión
 i
(X  X) 2
s i 1
n 1

VARIACIÓN 12
¿Cálculo de la variación?
Según la teoría de errores de Gauss, mediante la aplicación de la teoría de las

probabilidades se pude conocer en forma predecible la variación del cualquier proceso.
Calcula el promedio, el rango y la desviación estándar. Para ello se hacen n

mediciones, (m1, m2, m3, ...mn) y se procede a su cálculo.
50  i
(X  X) 2
52 s i 1
53
n 1
47
48
Rango = Máximo-Mínimo
Rango =

13 VARIACIÓN
Métodos de análisis de un estudio de medición

Hay muchos métodos para analizar un de medición de Variables
1. El estudio Gage R&R
4. El método de Gráficas de Control: Medias y Rango (X-R)
3. Análisis de Varianza: (ANOVA)
Analizaremos usando los Métodos de Gage R&R y Método de Gráficas de Control

III
EL ESTUDIO GAGE R&R
Guía de estudio de Gage R&R

Captura de datos para un
estudio Gage R&R
Ejemplo práctico
EL ESTUDIO GAGE R&R 14
Captura de datos para un estudio Gage R&R

Paso 1
Pide al primer operador que mida todas la piezas una vez en orden aleatorio.
Muestrear a ciegas, de tal forma que cada operador no conozca la identidad de cada
parte, debe ayudar a reducir sesgo humano al igual que no observar las mediciones de
los otros
Paso 2
Haz que el segundo operador mida todas la muestras una vez en orden aleatorio y
continua hasta que todos los operadores hayan medido las muestras una vez (primera
ronda)
Paso 3
Repite los pasos 1 y 2 para el número de rondas requeridas
Selección de las piezas muestra
Opción 1: si se desconoce la variación del proceso, las muestras seleccionadas deben

ser representativas de la variación normal del producto/proceso (por ejemplo, no
de un sólo lote)
Opción 2: si se conoce la variación del proceso, las muestras seleccionadas deben

extenderse uniformemente más allá del ancho de la especificación

15 EL ESTUDIO GAGE R&R
Ejemplo
Se amplía ahora el estudio de capacidad del instrumento del ejemplo para incluir los dos
componentes del error de medición – la repetibilidad y la reproducibilidad del instrumento
Operador 1 Operador 2 Operador 3

Mediciones Mediciones Mediciones
Número
de pieza 1 2 - R 1 2 - R 1 2 - R
x x x
1 21 20 20.5 1 20 20 20.0 0 19 21 20.0 2
2 24 23 23.5 1 24 24 24.0 0 23 24 23.5 1
3 20 21 20.5 1 19 21 20.0 2 20 22 21.0 2
4 27 27 27.0 0 28 26 27.0 2 27 28 27.5 1
5 19 18 18.5 1 19 18 18.5 1 18 21 19.5 3
6 23 21 22.0 2 24 21 22.5 3 23 22 22.5 1
7 22 21 21.5 1 22 24 23.0 2 22 20 21.0 2
8 19 17 18.0 2 18 20 19.0 2 19 18 18.5 1
9 24 23 23.5 1 25 23 24.0 2 24 24 24.0 0
10 25 23 24.0 2 26 25 25.0 1 24 25 24.5 1
11 21 20 20.5 1 20 20 20.0 0 21 20 20.5 1
12 18 19 15.5 1 17 19 18.0 2 18 19 18.5 1
13 23 25 24.0 2 25 25 25.0 0 25 25 25.0 0
14 24 24 24.0 0 23 25 24.0 2 24 25 24.5 1
15 29 30 29.5 1 30 28 29.0 2 21 20 20.5 1
16 26 26 26.0 0 25 26 25.5 1 25 27 26.0 2
17 20 20 20.0 0 19 20 19.5 1 20 20 20.0 0
18 19 21 20.0 2 19 19 19.0 0 21 23 22.0 2
19 25 26 25.5 1 25 24 24.5 1 25 25 25.0 0
20 19 19 19.0 0 18 17 17.5 1 19 17 18.0 2
= - = - = -
x1 = 22.30 R1 = 1.00 x2 = 22.28 R2 = 1.25 x3 = 22.10 R3 = 1.20
 2error de medición =  2 instrumento =  2 repetibilidad + reproducibilidad

2

La estimación de la repetibilidad del instrumento se obtiene a partir del promedio de los

tres rangos promedio:
-
- - +- + - -
R = (R1 3R2 R3) -
 repetibilidad = R =
d2
-
-
R =
Obsérvese que se ha usado el factor d 2 para muestra de tamaño dos porque cada rango se
calculó a partir de dos mediciones repetidas de la misma pieza realizadas por el mismo
operador.
La reproducibilidad del instrumento es en esencia la variabilidad que surge debido a las

diferencias entre los tres operadores. Si los valores =
xi , difieren, la razón será la inclinación
originada por el operador, ya que los tres operadores miden las mismas piezas. Por lo tanto,
para estimar la reproducibilidad del instrumento sean.
- - - -
-
x máx = Máx ( x1, x2, x3)
-
-
x máx =
- - - -
-
x mín = mín ( x1, x2, x3)
-
-
x mín =
- -
R-- - -
x = x máx - x mín
R--
x=

17 EL ESTUDIO GAGE R&R
-
-
 reproducibillidad = Rx =
d2
 reproducibillidad =
Se usará d2 = 1.693, debido a qué es el rango de una muestra de 3.
Se han estimado ambos componentes de la desviación estándar del error de medición, por
lo tanto,
 2instrumento =  2 repetibilidad + reproducibilidad

2
2
 instrumento =  2+ 2
 2 instrumento =
 instrumento =
 instrumento =

Es una práctica muy común (aunque no necesariamente acertada) comparar la estimación

de la capacidad de los instrumentos de medición con la anchura de las especificaciones o la
banda de tolerancia (USL – LSL) para la pieza que se está midiendo. Al de  instrumento
y la banda total de tolerancia suele llamársele el cociente precisión/tolerancia o % GRR.
 instrumento
GRR = x 100
LSE - LIE
La pieza usada en el ejemplo fue LSE = 60 y LIE = 55 Por lo tanto,
% GRR = %
Es común considerar los valores de GRR menores a 10% como aceptación del instrumento.
Para resultados entre 10 % y 30% la aceptación queda condicionada a un proceso de

mejorara.
Para valores mayores a 30% el estudio del equipo de medición es rechazado.
Las acciones correctivas para mejorar este resultado pueden incluir:
La capacitación de los operadores para producir métodos de trabajo más uniformes al usar
el instrumento ayudaría a reducir la  reproducibilidad,
pero como la  repetibilidad es el componente más grande de  instrumento parte

del esfuerzo deberá dirigirse también a encontrar otro dispositivo de inspección.

IV.
EL MÉTODO DE
GRÁFICAS DE CONTROL
Gráfico X-R
Ejercicio “La Catapulta”
¿Por qué el Método de Gráficas de
Control?
Características de los sistemas de
medición
Estabilidad
Discriminación
Repetibilidad
Variación del Producto vs. Variación de la
Medición
Reproducibilidad: sesgo del Operador
Reproducibilidad: sesgo del Operador
Reproducibilidad: Interacción
Operador*Parte
Ejercicio
EJERCICIO 19
Ejercicio: La Catapulta
• Ustedes son un equipo multifuncional asignado para desarrollar y probar un nuevo

diseño de Catapulta. Después de varias semanas de trabajo pesado habrán
producido finalmente su primer prototipo y están listos para probarlo
• Pruebe la Catapulta nueva permitiendo que cada miembro del equipo dispare 3
veces (cada miembro del equipo dispara antes de empezar una ronda nueva,
nadie dispara dos veces consecutivas)
• Registre la distancia total del tiro (la distancia objetivo es 3.0 m). Registre cada tiro,
2 mediciones por tiro, no hay tiros de práctica ni repeticiones, si la pelota cae la
distancia es 0.0 m)
• Registre los datos en la sección de abajo, grafique los datos, calcule y dibuje los
promedios y los límites de control en cada gráfica
• Interprete los datos y explique al resto del grupo.
• Haga comentarios de las ventajas, desventajas de usar gráficas de medias y
rangos para evaluar el desempeño de los operadores
Operador 1 Operador 2 Operador 3

Mediciones Mediciones Mediciones
Número
de pieza 1 2 - R 1 2 - R 1 2 - R
x x x
1 ---- ---- ----
2
3
4
5
6
7
8
9
10
= - = - = -
x1 = R1 = x2 = R12 = x3 = R3 =

20 EJERCICIO
Gráfica de medias y rangos X - R
La gráfica X R puede ayudar a evaluar el tiempo de ciclo para casi cualquier proceso:
fabricar un artículo, responder a la llamada de un cliente, asignar mesa a un cliente,
entregar una pizza, o dar servicio a un aparato.
Esta gráfica es especialmente útil cuando esto se hace varias veces al día. Recolectar los
datos puede ser muy caro si usted midiera cada vez que lo hace. Utilizando una pequeña
muestra (por lo general de cinco y hasta de 25) es posible medir con eficacia y evaluar el
proceso.
Cálculo de los límites de control
Gráfico de medias
Límite superior de control (LSC): X + x R
(A
Límite inferior de control (LIC): X - x R

(A
Gráfico de rangos
Límite superior de control (LSC): D x R
Límite inferior de control (LIC): D x R
Rangos R = Max (Xi)-MIn (Xi)

Promedio de los rangos R = ( Max (Xi)-MIn (Xi) ) / n
Calcular, trazar y evaluar primero la gráfica de rango. Si está “fuera de control”,

también lo estará el proceso. Si la gráfica de rango luce bien, entonces habrá que
calcular, trazar y evaluar la gráfica X.
Control Estadístico de Proceso CEP

EJERCICIO 21
Gráfico X R del ejercicio de la Catapulta

Individuos
Rangos moviles

22 ANEXOS
Tablas de subgrupos para gráficos de control por variables
Muestra A2 D3 D4 d2
2 1.880 --- 3.267 1.128
3 1.023 --- 2.574 1.693
4 0.729 --- 2.282 2.059
5 0.577 --- 2.114 2.326
6 0.483 --- 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.970
10 0.308 0.223 1.777 3.708

EL MÉTODO DE GRÁFICOS DE CONTROL 23
¿Por qué el Método de Gráficas de Control?
El Método de Gráficas de Control es preferido porque muestra la variación del producto

en comparación con la variación en el sistema de medición
Es un método gráfico fácil de usar para determinar las siguientes características (no
contempladas por otros métodos).
•Hace notar la Estabilidad del sistema de medición
•Cuantifica la Discriminación del sistema de medición Gráfica R

•Revela la Repetibilidad del instrumento
•Compara la Variación de la Medición vs. Variación de la Parte
•Identifica Reproducibilidad y Sesgo del Operador Gráfica X
La carta x en este ejemplo indica el poder de discriminación del instrumento, es decir, la

habilidad del instrumento para distinguir entre las unidades del producto.
La carta R muestra directamente la magnitud del error de medición, o capacidad del

instrumento.
Los valores R representan la diferencia entre las mediciones hechas en la misma unidad
utilizando el mismo instrumento.

24 EL MÉTODO DE GRÁFICOS DE CONTROL
Características de los sistemas de medición
1. Estabilidad
¿Qué es?:
El sistema no es predecible de una medición a la siguiente (medida de la

predecibilidad)
La propiedad de estar en control estadístico en la gráfica de rangos
Mediciones impredecibles obtenidas cuando el mismo operador mide la misma parte

con el mismo instrumento
¿Dónde la encuentras?:
Busca los puntos fuera del límite de control en la gráfica de rangos
Punto fuera del límite
Preguntar, que los problemas de estabilidad hayan sido resueltos

2. Discriminación
¿Qué es?:
Es la habilidad tecnológica de las unidades del sistema de medición para identificar la

variación adecuadamente en un parámetro medido
Discriminación insuficiente es el resultado de la unidades de medición usadas son

inadecuadas para diferenciar una parte de la otra
Gráfica de rangos y datos combinados. Usa la ecuación:
1+ (UCLR / Cambio más pequeño en la unidad de medición para un operador dado)
Oper Parte Ronda Medición La unidad de

1 1 1 1.616
1 1 2 1.623
cambio más
1 1 3 1.622 pequeña es
1 2 1 1.640 0.001
1 2 2 1.638
1 2 3 1.642
1 3 1 1.650
1 3 2 1.651
1 3 3 1.653
1 4 1 1.630
1 4 2 1.633
1 4 3 1.629
1 5 1 1.618
1 5 2 1.620
1 5 3 1.624
Ejemplo: 1 + (.015 / 0.001) = 16
Nota que queremos que este valor sea

más grande que 5

3. Repetibilidad
¿Qué es?:
Es la variación entre mediciones sucesivas de la misma pieza, misma característica,

por la misma persona usando el mismo instrumento
También llamada Error de Prueba a Prueba e Incertidumbre del Operador
En la gráfica de rangos. Busca las diferencias entre los promedios de los rangos entre
operadores
Operador A:
Repetibilidad pobre,
los rangos son altos
A B C
UCLR
R-bar
Operador B: Repetibilidad buena,

los rangos son bajos

4. Variación del Producto Vs Variación de la Medición
¿Qué es?:
Es una indicación de la variación en el sistema de medición comparada con la

variación en la parte
Busca la en la gráfica de medias. La variación en la medición es menos que la

variación en el producto si la mayoría de los puntos están distribuidos aleatoriamente
fuera de los límites de control
Xbar C ha rt y C1
C1
1 2 3 4
45 UC L=44.83
S am p le Me an
Ejemplo 1: todos los

35
puntos dentro de los
límites de control, más 25 Mean=26. 6
variación de la
medición que de las 15 0
partes LCL=8.293
5
0 Xbar C ha rt y C 1
Ejemplo 2: la mayoría 5 0 4
de los puntos están

S a m p le M e a n
fuera de los límites de

control, más variación 4 0 U C L = 3 9 .6 2
de las partes que de la M e a n = 3 6 .0 8

medición
L C L = 3 2 .5 5
3 0
Objetivo: 70% o más de los puntos distribuidos aleatoriamente fuera de los

límites de control

5. Reproducibilidad
¿Qué es?:
Tradicionalmente la reproducibilidad se refiere a la variación entre operadores
La diferencia entre el promedio de las mediciones de los diferentes operadores
Consiste de dos componentes
sesgo del operador
Interacción Operador*Pieza
Búscala en la gráfica de medias. Además puedes encontrarla en la gráfica Por

Operador e Interacción Operador*Parte. Es mejor si sobrepones una gráfica encima de
la otra
X-bar Chart by Operator

A B C
85
UCL= 81.76
Este es un ejemplo de ‘buena’ 75

Sample Mean
reproducibilidad. Nota que el

patrón es igual para cada uno 65 Mean=66
de los operadores. También

están centrados en el mismo 55
promedio LCL=50.24
45
Ahora veamos a sesgo e Interacción Operador*Parte

6. Reproducibilidad: sesgo del Operador
¿Qué es?:
Los operadores son capaces de ‘reproducir’ la mediciones de los otros, pero hay una
diferencia en los promedios entre los operadores
Búscala en las gráficas de medias, Por Operador e Interacción Operador*Parte. Busca

las diferencias entre el valor promedio para cada uno de los operadores. Busca
“cadenas montañosas” similares pero paralelas en la gráfica de medias y
Operador*Parte
sesgo del Operador Presente

No hay sesgo del Operador El inspector 1 tiene el mismo patrón pero mediciones
Todos los inspectores tienen un patrón más altas. Este sesgo del Operador produce un
y promedio muy similares número bajo de reproducibilidad. Nota que sesgo de un
operador puede hacer artificialmente que la variación
del sistema de medición parezca pequeña
operator*part Interaction
operator 1 2 operator
3
1.65
1
2
A v er ag e
1.64 3
1.63
1.62
part 1 2 3 4 5

7. Reproducibilidad: Interacción Operador*Parte
¿Qué es?:
Se ve como una interacción del operador con la pieza. Sucede cuando los operadores
son inconsistentes en la forma en que la piezas son medidas consistentemente
Búscala en las gráficas de medias, Por Operador e Interacción Operador*Parte. Busca

“cadenas montañosas” diferentes y no paralelas en las gráficas de medias e
Interacción Operador*Parte
No hay Interacción Operador*Parte Aparente Interacción entre Operador*Parte

Todos los inspectores tienen el mismo Diferentes patrones entre los operadores. Esta interacción
patrón en el mismo nivel operador*parte produce un número de reproducibilidad
bajo. Nota como parece no haber sesgo en los
Ejemplo: Interacción
operadores
Operador*Parte OK
Ejemplo: Interacción Operador*Parte
operator 1 2 3
operator*part
Interaction operator
1.65
1
2
A verage
1.64 3
1.63
1.62
part 1 2 3 4 5
Nota: líneas no paralelas indican Interacción Operador*Parte

V
ANÁLISIS DE LOS
RESULTADOS
Ejercicios de interpretación
ANÁLISIS DE RESULTADOS 31
Ejercicio - Interpretación
Interpreta las gráficas X-R y comente con su equipo sus conclusiones y decida las
acciones correctivas para cada una
Seleccione una persona para presentar las conclusiones
Prepárese para presentar los resultados con la clase
Corrida 1
Gage name: Run 1

Date of study:
Gage R&R (Nested) for Measurement Reported by:
Tolerance:
Misc:
Xbar Chart by Operator

35 1 2
UCL=33.03
30
Sample Mean
25
Mean=22.5
20
15
LCL=11.97
10
R Chart by Operator
20 1 2
UCL=18.30
Sample Range
10
R=5.6
0 LCL=0

32 ANÁLISIS DE RESULTADOS
Corrida 2
Run 2
Gage name:
Date of study:
Tolerance:
Misc:

30 1 2
Sample Mean
UCL=25.92
25
Mean=23.1
20 LCL=20.28
R Chart by Operator
1 2
10
Sample Range
5 UCL=4.901
R=1.5
0 LCL=0

Corrida 3
Gage name: Run 3

Date of study:
Tolerance:
Misc:

30 1 2
Sample Mean
25 UCL=24.61
Mean=22.83
LCL=21.04
20
R Chart by Operator
1 2
3 UCL=3.104
Sample Range
1 R=0.95
0 LCL=0

34 ANÁLISIS DE RESULTADOS
Corrida 4
Gage name: Run 4

Date of study:
Tolerance:
Misc:

1 2
UCL=31.07
30
Sample Mean
25
Mean=23.08
20
15 LCL=15.08
R Chart by Operator
15 1 2
UCL=13.89
Sample Range
10
5
R=4.25
0 LCL=0

Corrida 5
Gage name: 4
Gage R&R (Nested) for Measurement Date of study:
Reported by:
Tolerance:
Misc:
Operator*Part Interaction
28 Operator
1
2
Average
23
18
Part 1 2 3 4 5 6 7 8 9 10
Corrida 6
Gage name:
Date of study:
Tolerance:
Misc:

30 1 2
Sample Mean
UCL=24.45
Mean=20.98
20
LCL=17.50
10
R Chart by Operator
7 1 2
6 UCL=6.044
Sample Range
5
4
3
2 R=1.85
1
0 LCL=0

VI
Datos por atributos
KAPPA
DATOS POR ATRIBUTOS 36
Las técnicas aprendidas para evaluar el sistema de medición hasta ahora han
sido basadas en uso de datos continuos. A veces los datos continuos no están
disponibles.
¿Como evaluamos datos por atributos?
•Bueno/Malo
•Paso / Fallo
•Pasa / No Pasa
•Defecto / No Defecto
•Alto / Medio / Bajo
•Helado / Frio / Tibio / Templado / Caliente / Hirviendo
Así como con los datos continuos, necesitamos una forma de juzgar la
repetibilidad y reproducibilidad de un sistema de medición por atributos
Propósitos Potenciales de un MSA por Atributos
Determinar si los inspectores a tráves de los turnos, máquinas, líneas, etc… usan
el mismo criterio para discriminar lo “bueno” de lo “malo”
Cuantificar la habilidad de los inspectores o gages (dispositivos) para repetir
adecuadamente sus decisiones de inspección
Identificar que tan bien los inspectores/gages miden un patrón conocido
(posiblemente definido por el cliente) para asegurar que no exista una clasificación
errónea:
Que tan seguido los operadores embarcan producto realmente malo
Que tan seguido los operadores no embarcan producto realmente
aceptable
Determinar áreas donde:
 Se necesita entrenamiento
 Controles o Procedimientos estan faltando
 Los estándares no estan claramente definidos
 Ajuste en el gage o correlación es necesaria
37 DATOS POR ATRIBUTOS
Recordemos: Repetibilidad
 2 total   2 producto   2 repetibilidad   2 reproducibilidad

• Repetibilidad: La variación entre mediciones sucesivas de la misma parte,
misma característica, por la misma persona usando el mismo instrumento.
También conocido como el error de Medir.
Buena Repetibilidad Pobre Repetibilidad
Muestra Juez 1 – Juez 1 – Muestra Juez 1 – Juez 1 –

Medición 1 Medición 2 Medición 1 Medición 2
1 S N
1 S S
2 S S
2 S S
3 N S
3 N N
4 S N
4 S S
5 N S
5 N N
La decisión del Juez 1 es inconsistente

Recordemos: Reproducibilidad
 2 total   2 producto   2 repetibilidad   2 reproducibilidad
Reproducibilidad: La variación de las mediciones hechas por diferentes personas,

maquinas, herramientas, etc. Cuando se mide la misma característica en la misma parte.
Buena Reproducibilidad Pobre Reproducibilidad
Muestra Juez 1 – Juez 2 – Muestra Juez 1 – Juez 2 –

Medición 1 Medición 1 Medición 1 Medición 1
1 S N
1 S S
2 S S
2 S S
3 N N 3 N S
4 S N 4 S N
5 N N 5 N S
Los dos jueces no están de acuerdo

• Existen varias técnicas de evaluación de sistemas de medición que pueden

ser usadas cuando tenemos datos que están categorizados por atributos.
– Estudios estandar de Medición por Atributos (AIAG)
• Hay un número de técnicas simples para juzgar la adecuación del sistema de

medición por atributos:
– Kappa para datos binarios (si/no, pasa/no pasa, falla/no falla)
– IntraClass Correlation (ICC) para datos con tres o más clasificaciones

ordinales
Datos por Atributos - Kappa
Pobservado - Pprobable
Kappa =
1 - Pprobable
La regla general para interpretar Kappa es:
< 0.7 El sistema necesita revisarse
0.7 – 0.9 Generalmente aceptable, la mejora puede necesitarse dependiendo de la

aplicación y el riesgo.
> 0.9 Excelente sistema de medición

Ejemplo Kappa
Suponga que existe un desacuerdo en un departamento en la calidad de las

facturas escritas. Dos jueces son requeridos para evaluar independientemente
diez facturas al azar seleccionadas de diferentes días.
Los resultados del estudio se muestran a continuación:
Factura # Juez 1 Juez 2 Acuerdo?

1 Bueno Bueno S
2 Bueno Malo N
3 Bueno Bueno S
4 Malo Malo S
5 Bueno Bueno S
6 Bueno Bueno S
7 Bueno Malo N
8 Bueno Malo N
9 Malo Malo S
10 Bueno Bueno S
20% Malo 50% Malo 70% de acuerdo
La proporción que los inspectores estan en acuerdo es:

Pobservado = 0.7
Cual es la proporción esperada a ocurrir probable?

Pprobable = (P Insp1 bueno) (P Insp2 bueno) + (P Insp1 malo)(PInsp2 malo)
Pprobalbe = (.8)(.5) + (.2)(.5) = .5
Kappa compara la proporción de acuerdo entre inspectores después de haber

removido el acuerdo probable.
Kappa = =
1 - Pprobable

Ejercicio datos por Atributos - Kappa
1. Su empresa produce documentos que son llenados con carácteres alfanuméricos. Si un documento
tiene uno o más dígitos, es defectuoso. Su misión es identificar los documentos defectuosos.
2. En equipos de dos, seleccione una persona para ser el que colecta los datos; la otra persona es el
inspector. La hoja de colección de datos esta localizada en la siguiente página.
3. El número de documento esta localizado debajo de los 20 documentos. Los documentos serán
visibles por 5 segundos antes de que avancen automáticamente. El ejercicio será finalizado en 100
segundos.
4. Cambie posiciones y repita el ejercicio.
5. Cuando terminen, calculen Kappa como equipo.

La proporción que los jueces estan en acuerdo es:

Pobservado =
Cual es la proporción esperada a ocurrir probable?

Pprobable = (P juez1 bueno) (P juez2 bueno) + (P juez1 malo)(juez2 malo)
Pprobalbe = ( )( )+( )( )=
Kappa =
1 - Pprobable
• Tamaño de muestra (Recomendado)
– Entre más mejor
– Mida 100 muestras, con 2 inspectores como mínimo, 2 mediciones
• Esto nos da 95% de confianza en el Kappa

Manual Msa Itesm Mar2017

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Manual Msa Itesm Mar2017

Uploaded by

Copyright:

Available Formats

MSA

Análisis del Sistema de

Manual del participante

Instructor: Ing. Juan A. Durán Díaz

Taller MSA Derechos Reservados Ing. Juan A. Durán Díaz

Proveer un método uniforme para la

Identificar y cuantificar las fuentes de

MSA Análisis del Sistema de Medición

MSA Análisis del Sistema de Medición

La metrología está conformada por una serie de operaciones de mediciones

a obtener las dimensiones y realizar el trazado para la elaboración de piezas o

Para ello se utiliza una serie de instrumentos o herramientas de medición y una

MSA Análisis del Sistema de Medición

La menor división del instrumento empleado dará el grado de apreciación de la

La precisión de la medida obtenida dependerá tanto de la calidad del instrumento, de

MSA Análisis del Sistema de Medición

Para evaluar la exactitud de un instrumento o sistema de medición con frecuencia se

Muchas veces la exactitud de un instrumento puede modificarse haciendo ajustes en el

alto Precisión bajo

MSA Análisis del Sistema de Medición

Error de medición, cuando se mide se introducen errores en la medición, siendo este

Existen dos tipos de errores:

MSA Análisis del Sistema de Medición

Posibles fuentes de desviación y variación

Entradas Entradas Proceso de Salidas • Observaciones

MSA Análisis del Sistema de Medición

El Piloto A aterriza 10 veces consecutivas dentro de los límites de la pista (cumple la

Uniformidad alrededor del valor objetivo

MSA Análisis del Sistema de

El Piloto B también aterriza 10 veces consecutivas dentro de los límites de la pista.

¿Con qué piloto preferirías volar?

MSA Análisis del Sistema de Medición

¿Cómo se mide la variación?

Un proceso produce resultados que tienen una distribución

La distribución tiene tres propiedades básicas

Centro Centro Forma: en este caso,

La distribución normal aparece normalmente en la naturaleza, negocios e

MSA Análisis del Sistema de Medición

Promedio aritmético de un conjunto de valores

Influenciada por los valores extremos

Llamada comúnmente “X testada”

Distancia numérica entre el valor más alto y el

Desviación Estándar (s ; ):

Es la medida más común usada para

MSA Análisis del Sistema de Medición

Según la teoría de errores de Gauss, mediante la aplicación de la teoría de las

Calcula el promedio, el rango y la desviación estándar. Para ello se hacen n

MSA Análisis del Sistema de Medición

Métodos de análisis de un estudio de medición

1. El estudio Gage R&R

4. El método de Gráficas de Control: Medias y Rango (X-R)

3. Análisis de Varianza: (ANOVA)

Analizaremos usando los Métodos de Gage R&R y Método de Gráficas de Control

MSA Análisis del Sistema de Medición

Guía de estudio de Gage R&R

Captura de datos para un estudio Gage R&R

Repite los pasos 1 y 2 para el número de rondas requeridas

Selección de las piezas muestra

Opción 1: si se desconoce la variación del proceso, las muestras seleccionadas deben

Opción 2: si se conoce la variación del proceso, las muestras seleccionadas deben

MSA Análisis del Sistema de Medición

Operador 1 Operador 2 Operador 3

 2error de medición =  2 instrumento =  2 repetibilidad + reproducibilidad