UNIVERSIDAD NACIONAL FEDERICO VILLAREAL

FACULTAD DE OCEANOGRAFIA, PESQUERA, CIENCIAS

ALIMENTARIAS Y ACUICULTURA
ESCUELA PROFESIONAL DE INGENIERIA ALIMENTARIA

CALIBRACION DE EQUIPOS SISTEMAS DE MEDICION.

CURSO:
TECNOLOGIA DE LA PRODUCCION ALIMENTARIA
PRESENTADO POR LOS ALUMNOS:
DEXTRE, JORGE
MAYORGA MORALES, DANIEL
OCHARAN, JOA
RODRIGUEZ VIDAL, RICARDO

LIMA PERU
2016

INDICE

CARATULA
INDICE
INTRODUCCION
OBJETIVOS
GENERALIDADES
1. DEFINICIONES
1.1. Sistema de medicin:
1.2. Proceso de medicin:
1.3. Estudios analticos:
1.4. Calibracin:
2. CONSIDERACIONES
3. CALIDAD DE UNA MEDICION
3.1. Datos de alta calidad:
3.2. Propiedades estadsticas empleadas para definir la
calidad
3.3. Mejora de la calidad de los datos:
4. SISTEMA DE MEDICIN COMO PROCESO
a. Sistema de medicin ideal:
b. Propiedades estadsticas deseables de un SM
(definidas por la gerencia):
5. LINEAMIENTOS PARA EL ESTUDIO DE UN SISTEMA DE
MEDICION
6. EVALUACIN DE UN SM
a. Objetivo:
b. Puntos fundamentales que se evalan:
I.
PROPIEDADES ESTADISTICAS
1. ESTUDIOS DE LINEALIDAD Y EXACTITUD
1.1. EXACTITUD
1.2. LINEALIDAD
A. Datos para Minitab:
B. Instrucciones de Minitab:
C. Interpretando los resultados
2. ESTABILIDAD
3. ESTUDIOS R&R (REPETIBILIDAD Y REPRODUCIBILIDAD)
3.1. REPETIBILIDAD
3.2. REPRODUCIBILIDAD
3.3. ESTUDIOS R&R
3.3.1. Estudios R&R - Mtodo Corto del Rango
3.3.2. Estudio de R&R Mtodo largo - Cruzado
3.3.2.1. Realizacin del estudio
2

Pg
.
1
2
4
5
6
6
6
6
7
7
7
7
7
8
8
8
8
8
8
8
8
8
9
10
10
11
12
13
14
16
17
17
18
19
20
20
20
20
20

3.3.2.2. Procedimiento para realizar un estudio de R&R

3.4. Mtodos de estudio del error R&R:
3.4.1. Mtodo de Promedios- Rang
3.4.2. Mtodo ANOVA
3.5. Mtodo de medias rangos:
A. Excel:
A.1. Interpretacin de los resultados
3.6. Mtodo de ANOVA :
4. ESTUDIO DE ATRIBUTOS
4.1. Interpretacin de resultados
I. CONCLUSIONES

Pg
.
20
20
22
28
30
31
38
39

INTRODUCCION

La evaluacin y definicin de los sistemas de medicin consiste en

determinar la capacidad y estabilidad de los sistemas de medicin por
medio de estudios de estabilidad, repetibilidad, reproducibilidad,
linealidad y exactitud. Un sistema de medicin es la coleccin de
operaciones, procedimientos, instrumentos de medicin y otro
equipo, software y personal definido para signar un nmero a la
caracterstica que est siendo medida. Importancia de las mediciones
Las mediciones son muy importantes en toda empresa, pues con base
en ellas se evala el desempeo de las mismas, de sus equipos, de su
gente, y se toman decisiones importantes a veces costosas. Toda
medida est sujeta a error.
La calibracin de un instrumento de medicin se define como el
conjunto de operaciones que establecen bajo condiciones
especificadas, la relacin entre los valores indicados por un
instrumento de medicin, o los valores representados por una medida
materializada o un material de referencia, y los valores
correspondientes de una cantidad obtenida por un patrn de
referencia.
La misma norma define ajuste como la operacin
destinada a llevar un instrumento de medicin a un estado de
funcionamiento y exactitud adecuados para su uso.
Es decir, de
acuerdo con lo anterior, calibrar solamente significa comparar y no
ajustar o arreglar el instrumento como pudiera creerse comnmente.
La calidad de un sistema de medicin se caracteriza por sus
propiedades estadsticas: insesgado y varianza cero (idealmente). La
evaluacin de un sistema de medicin significa examinar su variacin
y los factores que la afectan.

OBJETIVOS

El propsito de este documento es presentar una gua para evaluar la

calidad de un sistema de medicin. Este material se enfoca no en un
compendio de anlisis para todos los sistemas de medicin, se enfoca
principalmente en sistemas de medicin donde sus lecturas puedan
ser repetidas en cada parte para verificar si un equipo esta calibrado.
Se

recomienda

que

sean

consultadas

fuentes

competentes para situaciones ms complejas o inusuales.

estadsticas

CAPITULO I

I.

GENERALIDADES
7. DEFINICIONES
7.1.

Sistema de medicin: es un conjunto de operaciones,

procedimientos, equipos de medicin, software y personal
utilizado para asignar un nmero a la caracterstica
medida.(Escalante, 2012)

7.2.

Proceso de medicin: surge de la necesidad de poseer

datos que, transformados en informacin, pueden ser
tiles

para

los

tomadores

de

decisiones

Dicho

conocimiento es parcial e incompleto con lo cual quien

toma

decisiones

lo

har

con

cierto

grado

de

incertidumbre. Asegurando un adecuado nivel cualitativo

de los datos disponibles, se reduce el riesgo, y as la
7.3.

incertidumbre. .(Escalante, 2012)

Estudios analticos: estudios basados en datos que
brindan informacin objetiva para tomar decisiones.

7.4. Calibracin:
7.28. Es la comparacin de un estndar de medicin con
exactitud conocida con otro instrumento para detectar,
reportar o eliminar por medio del ajuste, cualquier
variacin en la exactitud del instrumento.
Para que el equipo de medicin tenga una discriminacin
adecuada en la evaluacin de las partes, su
resolucin debe ser al menos 1/10 de la tolerancia.

El error combinado del sistema de medicin versus tolerancia

debe ser:
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qu tan crtico es el
grado de la medicin.
>30%. Inaceptable!

En cualquier problema que involucre mediciones, algunas de las

variaciones observadas son debidas al proceso y otras son debidas al
error o variacin en los sistemas de medicin. La variacin total es
expresada de la siguiente manera:

2 total 2 proceso 2 error medicin

8. CONSIDERACIONES
a. La calidad de los estudios analticos est condicionada por la
calidad de los datos.
b. Se debe garantizar que el beneficio obtenido es mayor que el
costo de obtener los datos.

9. CALIDAD DE UNA MEDICION

9.1. Datos de alta calidad:
Cuando el SM es capaz (a travs de sucesivas
mediciones) de reflejar valores suficientemente prximos
al valor verdadero de cierta caracterstica.
9.2. Propiedades estadsticas empleadas para definir la
calidad
Exactitud y varianza; la exactitud
es relativa a la
ubicacin de los datos respecto a valor verdadero y la
varianza se refiere a la dispersin o amplitud de esos
datos. Una de las razones ms comunes de baja calidad
de datos es la dispersin de los mismos: se busca que
7

dicha dispersin sea reflejo de cambios

caracterstica medida y no de otro factor externo.

en

la

9.3. Mejora de la calidad de los datos:

Se logra interviniendo el SM y no los datos.

10.

SISTEMA DE MEDICIN COMO PROCESO

c. Sistema de medicin ideal:

Varianza 0 y exactitud 0 (valores iguales al de referencia o
patrn).
d. Propiedades estadsticas deseables
(definidas por la gerencia):

de

un

SM

Debe estar controlado (ausencia de causas especiales)

Su variabilidad debe ser pequea respecto de la del
proceso evaluado y de los lmites de especificacin.
El mnimo incremento en el instrumento de medida o
apreciacin debe ser 0,1 de la variabilidad del proceso o
de la tolerancia de diseo.
Si las propiedades estadsicas varan a lo largo del
proceso de medicin, dichas variaciones deben ser
pequeas respecto de la variabilidad del proceso o la
tolerancia de diseo

11. LINEAMIENTOS PARA EL ESTUDIO DE UN SISTEMA

DE MEDICION

Seleccionar la variable correcta para evitar que el anlisis

consuma recursos sin proveer beneficios.
Determinar qu propiedades estadsticas debe verificar el SM
Verificar que el SM cumpla con los requerimientos siguiendo dos
etapas:
Fase 1: determinar si el SM posee las propiedades
estadsticas requeridas (viabilidad del SM) determinando
los factores ambientales con influencia en el mismo para
anularlos, minimizarlos o controlarlos.
Fase II: determinar si el SM mantiene las propiedades
estadsticas en el tiempo (Estudio R&R) para determinar el
programa de calibracin de rutina.

12.

EVALUACIN DE UN SM

b. Objetivo:
Conocer las fuentes de variacin que pueden influir en el
resultado del mismo
b. Puntos fundamentales que se evalan:

Si tiene discriminacin o resolucin adecuada.

Si es estadsticamente estable en el tiempo.
Si las propiedades estadsticas son consistentes a lo largo del
rango esperado y aceptables para el anlisis o control de
procesos

CAPITULO II
II.

PROPIEDADES ESTADISTICAS

Todos los sistemas de medicin deben poseer las siguientes

propiedades estadsticas:
1. Estar en control estadstico ( Estabilidad Estadstica)
2. Su variabilidad debe ser pequea comparada con las
especificaciones y con la variacin del proceso.
3. Los incrementos de medida no deben ser mayores a 1/10 de
lo menor entre las especificaciones y la variacin del proceso
(discriminacin o resolucin).
4. Poco Sesgo.
La evaluacin de los sistemas de medicin se efecta a travs
de estudios de repetibilidad, reproducibilidad (Gage R&R),
exactitud, estabilidad y linealidad
Los usos de la evaluacin son:
1.
2.
3.
4.
5.
6.
7.

Aceptar equipo nuevo.

Comparar dos equipos entre si,
Evaluar un calibrador sospechoso
Evaluar un calibrador antes y despus de repararlo.
Antes de implantar graficas de cotrol.
Cuando disminuya la variacin del proceso
De manera continua de acuerdo con la frecuencia de
medicin recomendada en los estudios.

5. ESTUDIOS DE LINEALIDAD Y EXACTITUD

La linealidad del Gage indica que tan exacto son las mediciones
a travs del rango esperado de las mediciones. Contesta a la
pregunta mi gage tiene la misma exactitud para todos los
tamaos de objetos a medir?.
El bias o exactitud del gage examina la diferencia entre la
media de los datos observados y un valor de referencia o
patrn.

Datos:
Los datos se estructuran de manera que cada fila contiene una
parte, el valor de referencia, y la medicin observada en esa
parte (la respuesta). Las partes pueden ser textos o nmeros.
Variacin del proceso (opcional): Se ingresa la desviacin
estndar del proceso. Se puede obtener la desviacin estndar
del proceso del rengln de la variacin total de la columna 6*SD
del estudio Gage R&R Mtodo ANOVA. Este es el nmero
asociado con la variacin del proceso. Si no se conoce la
variacin del proceso, se puede introducir en su lugar la
tolerancia.

5.1. EXACTITUD

La medida de la diferencia entre el promedio observado de las

mediciones de una caracterstica y su valor real, verdadero o de
10

referencia. Es la medida de posicin de la distribucin de

mediciones efectuada con el sistema de medicin. .(Escalante,
2012)

Valor de referencia:
Se obtiene promediando varias mediciones con el ms exacto
equipo de medicin disponible

ndice=exactitud/variacin
Se lo puede comparar
preestablecido.

con

un

criterio

de

aceptacin

Factores que determinan valores exagerados de exactitud:

Error en la pieza patrn, piezas desgastadas, dimensin
equivocada, instrumento mal calibrado, mtodo de uso del
instrumento inapropiado.

Figura 1

5.2. LINEALIDAD
Variacin de la exactitud a lo largo del rango operativo del
instrumento de medida
Si el sistema no tiene la linealidad esperada, verificar la
calibracin del instrumento al principio y en el fondo de su
escala, si no existe desgaste del instrumento, el diseo del
instrumento de verificacin. .(Escalante, 2012)
11

Ejemplo:

Figura 2

Un supervisor selecciona 5 partes que representan el rango esperado de las

mediciones. Cada parte fue medida por inspeccin de Layout para
determinar su valor de referencia (patrn). Un operador mide
aleatoriamente cada parte 12 veces. Se obtiene la variacin del proceso
(14.1941) del estudio Gage R&R usando el mtodo ANOVA (rengln Total
variation de la columna Study Var (6*SD)).
Los datos utilizados son los siguientes:

12

D. Datos para
Minitab:
Par Mast
t
er

13

Respo Par Mast

nse
t
er

Respo
nse

2.7

2.5

6.1

2.4

6.4

2.5

6.3

2.7

2.3

6.1

2.5

7.6

2.5

7.7

2.4

7.8

2.4

7.7

2.6

7.8

2.4

7.8

5.1

7.8

3.9

7.7

4.2

7.8

7.5

3.8

7.6

3.9

7.7

3.9

10

9.1

3.9

10

9.3

3.9

10

9.5

10

9.3

4.1

10

9.4

3.8

10

9.5

Par Mast
t
er

Respo Par Mast

nse
t
er

Respo
nse

5.8

10

9.5

5.7

10

9.5

5.9

10

9.6

5.9

10

9.2

10

9.3

6.1

10

9.4

E. Instrucciones de Minitab:

1. Ingresar Datos
2. Seleccionar Stat > Quality Tools > Gage Study > Gage
Linearity and Bias Study.
3. En Part numbers, seleccionar Part.
4. En Reference values, seleccionar Master.
5. En Measurement data, seleccionar Response.
6. En Process Variation, teclear 14.1941. Click OK.

14

Los resultados son los siguientes:

Gage Linearity and Bias Study for Response
Reported by:
Tolerance:
Misc:

Gage name:
Date of study:

Predictor
Constant
Slope

Regression
95% CI

1.0

Data
Avg Bias

S
Linearity

0.23954
1.86889

Reference
Average
2
4
6
8
10

R-Sq
% Linearity

Gage Bias
Bias % Bias
-0.053333
0.4
0.491667
3.5
0.125000
0.9
0.025000
0.2
-0.291667
2.1
-0.616667
4.3

P
0.000
0.000
71.4%
13.2

P
0.040
0.000
0.293
0.688
0.000
0.000

-0.5

Percent of Process Variation

-1.0
2

6
Reference Value

10

Percent

Bias

0.5

0.0

Gage Linearity
Coef SECoef
0.73667 0.07252
-0.13167 0.01093

10
5
0

Linearity

Bias

F. Interpretando los resultados

El porcentaje de linealidad (valor absoluto de la pendiente *

100) es 13.2, que significa que la linealidad del gage es del 13%
de la variacin total.

El porcentaje de sesgo para el promedio de referencia es 0.4, lo

que significa que el sesgo del gage es menor que 0.4% de la
variacin total observada.

El anlisis grfico indica que causas especiales pudieron haber

influenciado el sistema de medicin. Los datos para el valor de
referencia 4 aparentan ser bimodal.

Aun si los datos para el valor de referencia 4 no fueran considerados,

el anlisis grfico muestra claramente que este sistema de medicin
tiene un problema de linealidad. El valor R2 indica que una muestra
lineal puede no ser un modelo apropiado para este tipo de datos. Aun
si el modelo lineal es aceptado, la lnea de sesgo = 0 interseca los
lmites de confianza ms que encontrarse dentro de ellos.

15

El supervisor debe iniciar un anlisis de problema y una resolucin en

el sistema de medicin, ya que el anlisis numrico no proporcionar
cualquier idea adicional.
Si el sistema de medicin tiene un problema de linealidad, necesita
ser recalibrado para alcanzar el sesgo cero mediante la modificacin
del hardware, software o ambos.

6. ESTABILIDAD
La variacin en la exactitud del SM a lo largo del tiempo, sobre
una pieza considerada como pieza dada o patrn. Es importante
para predecir la performance de un proceso en el futuro. En
funcin del estudio de estabilidad del SM se va a determinar el
perodo de recalibracin del instrumento.(Escalante, 2012)

Determinacin:

Mediante grficos de control, se grafican los valores de X media y

rango de una pieza patrn durante intervalos definidos de tiempo
y se analiza si los puntos fuera de control son seales de una
necesidad de recalibracin o no.

Puntos fuera de control en el grfico de rangos:

Inestabilidad en la repetibilidad

Puntos fuera de control en el grfico de X media:

La exactitud ha variado (por desgaste, por ejemplo).

Diseos de Experimentos (DOE):

Permiten determinar los principales factores de inestabilidad

16

Figura 3

5% >
Estabilidad >

Recomendacin si
10%

Modificar
frecuencias de
calibracin
(Programa)
espaciar periodos
entre calibracin
acortar periodos

< 5%
de uso
>10%
entre calibraciones

7. ESTUDIOS R&R (REPETIBILIDAD Y REPRODUCIBILIDAD)

7.1. REPETIBILIDAD

Medida de variabilidad de lecturas al medir repetidas veces una

misma caracterstica. Es una medida de dispersin del sistema
de medicin.(Escalante, 2012)

Condiciones que la influyen:

Variaciones debidas al instrumento y al posicionamiento
de la pieza en el instrumento.

Verificacin:
Se realiza en el grfico de rangos.
Si todos los operadores muestran puntos fuera de control,
el SM es sensible al mtodo de medicin y necesita ser
mejorado para obtener informacin til.

Figura 4

17

7.2. REPRODUCIBILIDAD
Habla de la consistencia en la variabilidad entre los operadores.
Es la medida de la variabilidad de una medicin de una misma
propiedad al ser efectuada por diferentes operadores, es decir,
es la dispersin resultante de la superposicin de las
dispersiones individuales.(Escalante, 2012)

Figura 5

7.3. ESTUDIOS R&R

7.3.1. Estudios R&R - Mtodo Corto del Rango
Es un mtodo que proporciona un valor aproximado del error
R&R sin que muestre las diferencias entre errores por el equipo
y por los operadores.
Este mtodo tiene el potencial de detectar un sistema de
medicin inaceptable 80% de las veces con un tamao de
18

muestra de 5 y un 90% con un tamao de muestra de 10. Este

mtodo normalmente emplea dos evaluadores y cinco partes
para el estudio. Ambos evaluadores miden las mismas partes. El
rango para cada parte es la diferencia absoluta entre la
medicin obtenida por el evaluador A y la medicin obtenida
por el evaluador B. La suma de las distancias es encontrada y la
distancia promedio (

) es calculada.

La variabilidad total de medicin se encuentra al multiplicar la

1
d 2*

d 2*

distancia promedio por

donde
se encuentra en el
apndice C, con m = 2 y g = nmero de partes.

Estudio de calibre o gage (mtodo del rango)

(Desviacin estndar del proceso = 0.0777 de estudio previo)

Rango promedio (

GRR =

)=

0.35
0.07
5

R R 0.07
*

d 1.19 1.19 0.0588

2

Para determinar qu porcentaje de la desviacin estndar del

proceso de la variacin consume el sistema de medicin,
convierta el GRR en un porcentaje al multiplicarlo por 100 y
19

dividirlo entre la desviacin estndar del proceso. En el ejemplo,

la desviacin estndar del proceso es 0.0777.

GRR
75.7%
Desviacin estndar del proceso

% GRR = 100 *

Por tanto se requiere mejorar el sistema de medicin (error

mximo 10%).

7.3.2. Estudio de R&R Mtodo largo - Cruzado

Los estudios de repetibilidad y reproducibilidad determinan

cuanto de la variacin observada como variacin de proceso es
debida a variacin del sistema de medicin. El Minitab permite
realizar estudios de R&R ya sean Cruzados (cada parte es
evaluada varias veces por el mismo operador) o Anidados (cada
parte es medida por un nico operador, tal como en pruebas
destructivas).

Se proporcionan dos mtodos para evaluar la repetibilidad y la

reproducibilidad: Mtodo de cartas X-R y Mtodo de ANOVA.

El Mtodo X-R divide la variacin total dentro de tres categoras:

parte a parte, repetibilidad y reproducibilidad. El mtodo ANOVA
presenta un componente adicional, la interaccin operador
parte.

20

Figura 6

7.3.2.1. Realizacin del estudio

Generalmente intervienen de dos a tres operadores

Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.

La resolucin del equipo de medicin debe ser de al menos

el 10% del rango de tolerancia o del rango de variacin del
proceso.
Las partes deben seleccionarse al azar, cubriendo el rango
total del proceso. Es importante que dichas partes sean
representativas del proceso total (80% de la variacin)

10 partes NO son un tamao de muestra significativo para

una opinin slida sobre el equipo de medicin a menos que
se cumpla el punto anterior.

7.3.2.2. Procedimiento para realizar un estudio de R&R

21

2. Asegrese de que el equipo de medicin haya sido calibrado.

3. Marque cada pieza con un nmero de identificacin que no pueda
ver la persona que realiza la medicin.
4. Haga que el primer operador mida todas las muestras una sola vez,
siguiendo un orden al azar.
5. Haga que el segundo operador mida todas las muestras una sola
vez, siguiendo un orden al azar.
6. Contine hasta que todos los operadores hayan medido las
muestras una sola vez (Este es el ensayo 1).
7. Repita los pasos 3-4 hasta completar el nmero requerido de
ensayos
8. Determine las estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
% R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia
9. Analice los resultados y determine las acciones a seguir si las hay.

7.4. Mtodos de estudio del error R&R:

7.4.1.Mtodo de Promedios- Rango

Permite separar en el sistema de medicin lo referente

Reproducibilidad y a la
Repetibilidad.
Los clculos son ms fciles de realizar.

a la

7.4.2.Mtodo ANOVA

Permite separar en el sistema de medicin lo referente a la

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

El Mtodo ANOVA es ms preciso

22

7.5.

Mtodo de medias rangos:

B. Excel:
Clculos de R&R con Excel o manual: Introducir los datos en la hoja de
coleccin de datos siguiente por cada operador y hacer los clculos
indicados en la zona gris:

23

24

25

Una vez colectados los datos proceder a realizar la carta de rango R y

observar que est en control, de otra forma repetir las mediciones
para ese operador y parte especfica errnea:
LSCR =

0.001075

RANGOS
R = 0.00042

LICR =

Ahora revisar la carta X media, debe tener al menos el 50% de puntos

fuera de control indicando que identifica las variaciones en las
diferentes partes presentadas:
Se procede posteriormente a determinar los errores o variabilidad del
sistema de medicin con la hoja de trabajo siguiente, calculando los
campos con sombra gris:
LSCX
=

26

0.005143

X = 0.004717

LICX = 0.004290417

ESTUDIO DE REPETIBILIDAD Y REPRODUCIBILIDAD ( R & R )

MTODO LARGO
Aseguramiento de Calidad

No. de Parte y
Nombre:
Tolerancia
Especificada:

4600066 PARTE A
0.0060

No. y Nombre de
GAGE: 8881-H

Fecha:
Elaborado por:

Calibrador
Digital

01/07/2003
0

Caracterstica: Diametro

RESULTADOS DE LA HOJA DE DATOS AC-008

R= 0.00041667

0.00010000
X Diff =
00

Anlisis Unitario de Medicin

27

Rp = 0.000944444

% Total de Variacin ( TV )

Repetibilidad - Variacin del Equipo

(EV)
EV=

R x K1 =

INTENTOS

K1

EV=

0.00127083

4.56

3.05

Reproducibilidad - Variacin del Operador (AV)

AV =

[(XDiff x K2)2 - (EV2/nr)]1/2

% EV =

100 [ EV/TV ]

% EV =

63.74%

% EV vs Tol. =

21.18%

% AV =

100 [AV/TV]

% AV =

6.93%

AV =

0.00027

% AV vs Tol =

2.30%

AV =

7.29E-08

n=partes =

10

AV =

5.3834E-08

r = intentos =

AV =

1.9066E-08

OPERADOR

AV =

0.00013808

K2

3.65

2.7

100 [ R & R
/TV ]

Repetibilidad y Reproducibilidad ( R &

R)
R&R
=

[EV2 + AV2]1/2

PARTES

K3

% de R & R =

2.08

% de R & R =
64.1164%

28

R&
R2 =

1.6341E-06

1.93

R&R
=

0.00127831

1.82

Variacin de la Parte ( PV )

1.74

% PV = 100 [ PV/TV ]

1.67

% PV = 76.7403%

10

1.62

PV = RP x K3
PV =

0.00153

VARIACIN TOTAL ( TV )
TV = ( R & R2 + PV2 )1/2

29

TV =

3.97E06

TV =

0.0019
94

% de R & R vs
Tol = 21.31%

PV / R&R x d2= d2 = 1.693

2.0

Categoria de
Datos

A.1. Interpretacin de los resultados

1. El porcentaje de error R&R no debe exceder del 10%, si el

equipo se usa para liberar producto terminado la referencia es
la tolerancia del cliente; si el equipo se usa para control del
proceso, la referencia es la variacin total del proceso.
2. El nmero de categoras debe ser de al menos 4 indicando que
el equipo distingue las partes que son diferentes.

7.6. Mtodo de ANOVA :

Seleccione en el men de la barra de herramientas
STAT>QUALITY TOOLS>GAGE STUDY > Gage R&R (Crossed)
Seleccione C1 (parte), C2 (operador), C3 (Medicin)
Mtodo de Anlisis ANOVA
En Options Seleccionar: Study variation 5.15
Process
tolerance 0.006 Alfa to remove interaction 0.25
Los resultados se muestran a continuacin:
Gage R&R Study - ANOVA Method

Two-Way ANOVA Table With Interaction

Source

DF

SS

MS

Partes

0.0000086

0.0000010

12.2885

0.000

Operadores

0.0000002

0.0000001

0.9605

0.401

Partes * Operadores

18

0.0000014

0.0000001

0.7398

0.757

Repeatability

60

0.0000063

0.0000001

Total

89

0.0000165

Los operadores y la interaccin no fueron significativos, slo las partes

30

Two-Way ANOVA Table Without Interaction

Source

DF

SS

MS

Partes

0.0000086

0.0000010

9.67145

0.000

Operadores

0.0000002

0.0000001

0.75592

0.473

Repeatability

78

0.0000077

0.0000001

Total

89

0.0000165

Gage R&R

%Contribution
Source

VarComp

(of VarComp)

0.0000001

50.93

Repeatability

0.0000001

50.93

Reproducibility

0.0000000

0.00

0.0000000

0.00

Part-To-Part

0.0000001

49.07

Total Variation

0.0000002

100.00

Total Gage R&R

Operadores

Study Var

%Study Var

%Tolerance

StdDev (SD)

(5.15 * SD)

(%SV)

(SV/Toler)

0.0003150

0.0016222

71.36

27.04

Repeatability

0.0003150

0.0016222

71.36

27.04

Reproducibility

0.0000000

0.0000000

0.00

0.00

0.0000000

0.0000000

0.00

0.00

Part-To-Part

0.0003092

0.0015923

70.05

26.54

Total Variation

0.0004414

0.0022731

100.00

37.88

Source
Total Gage R&R

Operadores

Number of Distinct Categories = 1

31

La interaccin no es significativa, y los errores de R&R indican

que equipo de medicin no es adecuado, el nmero de
categoras es slo de 1 cuando debe ser al menos 5 indicando
que el instrumento discrimina las diversas partes diferentes.

Gage R&R (ANOVA) for Datos

Reported by:
Tolerance:
Misc:

Gage name:
Date of study:
Components of Variation

Percent

80

Datos by Partes
% Contribution

0.006

%StudyVar
% Tolerance

40

0.005
0.004

Gage R&R

Repeat

Reprod

Part-to-Part

R Chart by Operadores
Sample Range

0.006

0.0005

_
R=0.000417

0.005

0.0000

LCL=0

10

2
Operadores

Operadores * Partes I nteraction

Operadores

UCL=0.005143
_
X=0.004717

0.0045
LCL=0.004290

Average

Sample Mean

0.0050

0.004

Xbar Chart by Operadores

1

5
6
Partes

Datos by Operadores
UCL=0.001073

0.0010

0.0050

2
3

0.0045
0.0040

0.0040

5
6
Partes

10

7.6.1. Interpretacin de Grficos

La grfica R se mantiene en control indicando que las

mediciones se realizaron en forma adecuada.

La grfica X barra slo presenta 5 de 30 puntos fuera de

control, lo cual debera ser al menos el 50%, indicando que el
equipo no discrimina las diferentes partes.

32

8. ESTUDIO DE ATRIBUTOS
Para calibradores que solamente toman en cuenta si la pieza es
buena (B) o mala (NB), la manera de realizar un estudio corto
(MSA,1995)

Que dos operarios evalen las mismas 20 piezas

(numeradas) dos veces, cada una. Se recomienda que
algunas
de
ellas
estn
ligeramente
fuera
de
especificacin.

El calibrador ser aceptable si concuerdan las cuatro

evaluaciones para cada pieza. De lo contrario el
calibrador debe ser mejorado o reevaludado. Si no puede
ser mejorada, deber cambiarse la manera de evaluar las
piezas.

Usar el anlisis de acuerdo por atributos para evaluar las

calificaciones nominales u ordinales proporcionadas por varios
evaluadores. Las mediciones son calificaciones subjetivas de la
gente en vez de mediciones fsicas. Algunos ejemplos incluye:

Calificaciones de desempeo de los automviles

Clasificacin de la calidad de las fibras como buena o
mala.
Calificaciones de color, aroma y gusto del vino en una
escala de 1 a 10.

En estos casos la caracterstica de calidad es difcil de definir y

evaluar. Para obtener clasificaciones significativas, ms de un
evaluador debe calificar la medicin de respuesta. Si los
evaluadores estn de acuerdo, existe la posibilidad de que las
apreciaciones sean exactas. Si hay discrepancias, la utilidad de
la evaluacin es limitada.

33

Ejemplo:
Attribute column data
Sample

34

Appraiser Response

Good

Good

Bad

Good

Good

Good

Good

Good

Bad

Good

Bad

Bad

Good

Good

Good

Good

Bad

Bad

Good

Bad

Multiple columns data

Sample

Appraiser Appraiser Appraiser Appraiser

A Trial 1 A Trial 2 B Trial 1 B Trial

Good

Good

Bad

Good

Good

Good

Good

Good

Bad

Good

Bad

Bad

Good

Good

Good

Good

Bad

Bad

Good

Bad

Nota:

Cuando los datos se encuentran en varias columnas, se deben

introducir los intentos para cada operador juntos, como se indica en la
tabla anterior. El orden de los intentos debe ser el mismo para cada
uno de los operadores.

35

Gage R&R for Datos

Results for: Essay.MTW

Attribute Agreement Analysis for Rating

Each Appraiser vs Standard

Assessment Agreement

Appraiser

# Inspected

# Matched

Percent

95 % CI

Duncan

15

53.33

(26.59,

78.73)

Hayes

15

13

86.67

(59.54,

98.34)

Holmes

15

15

100.00

(81.90, 100.00)

Montgomery

15

15

100.00

(81.90, 100.00)

Simpson

15

14

93.33

(68.05,

99.83)

# Matched: Appraiser's assessment across trials agrees with the known

standard.

Kendall's Correlation Coefficient

Appraiser

Coef

SE Coef

Duncan

0.89779

0.192450

4.61554

0.0000

Hayes

0.96014

0.192450

4.93955

0.0000

Holmes

1.00000

0.192450

5.14667

0.0000

Montgomery

1.00000

0.192450

5.14667

0.0000

Simpson

0.93258

0.192450

4.79636

0.0000

36

Between Appraisers

Assessment Agreement

# Inspected

# Matched

Percent

15

40.00

95 % CI
(16.34, 67.71)

# Matched: All appraisers' assessments agree with each other.

Fleiss' Kappa Statistics

Response

Kappa

SE Kappa

P(vs > 0)

-2

0.680398

0.0816497

8.3331

0.0000

-1

0.602754

0.0816497

7.3822

0.0000

0.707602

0.0816497

8.6663

0.0000

0.642479

0.0816497

7.8687

0.0000

0.736534

0.0816497

9.0207

0.0000

Overall

0.672965

0.0412331

16.3210

0.0000

Kendall's Coefficient of Concordance

Coef

Chi - Sq

DF

0.966317

67.6422

14

0.0000

All Appraisers vs Standard

Assessment Agreement

37

# Inspected

# Matched

Percent

15

40.00

95 % CI
(16.34, 67.71)

# Matched: All appraisers' assessments agree with the known standard.

Kendall's Correlation Coefficient

Coef

SE Coef

0.958102

0.0860663

11.1100

0.0000

* NOTE * Single trial within each appraiser. No percentage of assessment

agreement within appraiser is plotted.

Date of study:
Reported by:
Name of product:
Misc:

Assessment Agreement

Appraiser vs Standard
100

95.0% CI
Percent

Percent

80

60

40

20

0
Duncan

38

Hayes

Holmes
Appraiser

Montgomery

Simpson

8.1. Interpretacin de resultados

39

Minitab muestra tres tablas de acuerdo: Cada evaluador vs el

estndar, Entre evaluadores y Todos los evaluadores vs
estndar. Los estadsticos de Kappa y Kendall tambin se
incluyen en cada una de las tablas. En general estos
estadsticos sugieren buen acuerdo.

El coeficiente de Kendall entre evaluadores es 0.966317 (p =

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

La grfica de Evaluadores vs. Estndar proporciona una vista

grfica de cada uno de los evaluadores vs el estndar, pudiendo
comparar fcilmente la determinacin de acuerdos para los
cinco evaluadores.

Se puede concluir que Duncan, Hayes y Simpson requieren

entrenamiento adicional.

CAPITULO III

I. CONCLUSIONES

40

Se determin que existe modelos estadsticos (Minitab

Version 17) donde el uso es sencillo para poder asegurar
si un equipo esta calibrado o no.
Se compar el estudio R&R por mtodo largo con Anova,
siendo mas exacto el estudio ANOVA, puesto que en este
estudio incluye la interaccin entre piezas y operadores.
Para fines prcticas y empresariales, se usa el mtodo
ANOVA como mtodo estadstico para determinar si un
equipo esta equilibrado.

Se interpret de manera precisa los diferentes grficos

mostrados, con el fin de ver como se comportaba un
operario con su medicion realizada, se vea su interaccin.

Se determin que para un %RR ,>30 , era un equipo que

no se usa , lo recomendable es que este en un rango de 5
-10% ya que el tiempo que este equipo podr funcionar
sin calibrar es de 12 meses.

CAPITULO IV
Referencias Bibliogrficas:

41

Escalante Vzquez, E. Seis - Sigma Metodologa y tcnicas.

Editorial Limusa, Mxico(2012)

Reyes. Anlisis de los. Sistemas de Medicin. (MSA). Sept. 2007.