ANÁLISIS DEL SISTEMA DE MEDICIÓN (MSA)

Ismael Rivera Flores

Ingeniero Industrial
Green Belt - Six Sigma
Especialista Certificado en Core Tools por AIAG
Auditor Líder: Certificado por AIAG
Instructor Certificado por Minitab®
Cel. 7343493396
[email protected]

Ismael Rivera
RELACIÓN DELMSA CON LA NORMA
IATF 16949:2016

2
7 Apoyo
7.1 Recursos
7.1.5 Recursos de seguimiento y medición
7.1.5.1.1 Análisis del sistema de medición
Se deben realizar estudios estadísticos para analizar la variación presente en los resultados de cada
tipo de sistema de inspección, medición y equipo de ensayo identificados en el plan de control.
Los métodos analíticos y los criterios de aceptación utilizados deben ser conformes con los
indicados en los manuales de referencia relativos al análisis de los sistemas de medición. Pueden
utilizarse otros métodos de análisis y otros criterios de aceptación si son aprobados por el cliente.
Se deben conservar registros de la aceptación del cliente de los métodos alternativos junto con los
resultados del análisis de los sistemas de medición alternativos (véase el apartado 9.1.1.1).
NOTA La prioridad de los estudios de MSA debería centrarse en las características especiales o
críticas del producto o proceso.

3
 Relación de MSA con APQP

ENTRADAS SALIDAS

3.1 Estándares de Empaque 4.1 corrida significativa de

FASE 4
3.2 Revisión del Sistema de Validación del Producto Producción
Calidad y Proceso 4.2 Evaluación del Sistema de
3.3 Diagrama de Flujo del Proceso Medición

3.4 Plan de Layout de Piso 4.3 Estudio inicial de habilidad

En esta etapa el Proceso de
de Proceso
manufactura es validado por
3.5 Matriz de Características
medio de la evaluación de una 4.4 Aprobación de Partes de
corrida significativa Producción
3.6 AMEF´s de Proceso
4.5 Pruebas de Validación de
3.7 Plan de Ctrol de Prelanzamiento Producción
El Equipo de planeación avanzada de
3.8 Instrucciones de Proceso 4.6 Evaluación de Empaque
la calidad debe verificar que el plan
3.9 Plan de Análisis de los del control y el diagrama de flujo del
Sistemas de Medición proceso son seguidos y que aseguran 4.7 Plan de Control de Proceso
el cumplimiento de los requisitos del (Producción)
3.10 Estudio inicial de cliente
habilidad de Proceso 4.8 Aprob. del plan de calidad
y apoyo de la Dirección
3.11 Especificaciones de
Empaque

4
¿PARA QUE USAMOS LOS DATOS DE MEDICIÓN?

Aceptar/rechazar productos

Ajustar o no procesos

Verificar el estado de un proceso a través

de estadísticos

Relación de significancia entre variables

Mejorar el proceso

5
 TERMINOLOGÍA

Medición es definida como “la asignación de números [o valores] a cosas materiales que
representen relaciones entre ellas con respecto a propiedades particulares”.

Gage es cualquier dispositivo usado para obtener mediciones; frecuentemente usado para referirse
específicamente a dispositivos usados en el piso de producción; incluye dispositivos pasa / no pasa.

Sistema de Medición es el conjunto de instrumentos o gages, patrones, operaciones, métodos,

dispositivos, software, personal, medio ambiente y supuestos usados para cuantificar una unidad de
medida o preparar la evaluación de una característica o propiedad a ser medida; el proceso
completo usado para obtener mediciones.

6
 TERMINOLOGÍA

Patrón es una definición operacional que produzca los mismos resultados cuando se
aplique por el proveedor o el cliente, con el mismo significado ayer, hoy y mañana.

• Bases aceptadas para comparación

• Criterios para aceptación
• Valor conocido, dentro de límites de incertidumbre establecidos y aceptado como un
valor verdadero
• Valor de referencia

Discriminación, facilidad de lectura, resolución, 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
• Regla empírica 10 a 1

7
 TERMINOLOGÍA

Resolución Efectiva. La sensibilidad del sistema de medición con la variación del proceso para una aplicación particular.
Es la entrada más pequeña generada de una señal de resultado y útil de medición. Siempre reportada como una
unidad de medición.

Valor de Referencia
• Valor aceptado de un artefacto
• Requiere una definición operacional
• Usado como el equivalente para un valor verdadero

Valor Verdadero

• Valor actual de un artefacto.

• Desconocido y desconocible.

8
 REPETIBILIDAD

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.

9
 REPRODUCIBILIDAD

Es típicamente definida como la variación en el promedio de las mediciones hechas por diferentes
evaluadores usando el mismo equipo de medición cuando se mide la misma característica y sobre la
misma parte. Esto a menudo es verdad para instrumentos manuales influenciados por la habilidad del
operador. Esto no es verdad, sin embargo, para procesos de medición (ej., sistemas automatizados) donde
el operador no es una fuente principal de variación. Por esta razón, la reproducibilidad se refiere a la
variación promedio entre sistemas o entre condiciones de medición.

10
FUENTES DE VARIACIÓN DE UN SISTEMA DE MEDICIÓN:

Reference: AIAG Measurement

Systems Analysis Fourth
Edition June, 2010

11
 FUENTES DE VARIACIÓN DE UN SISTEMA DE MEDICIÓN:

Variación
Exactitud
total Precisión
observada

Variación del Variación de

proceso real la medición

Variación Reproducibilidad
Equipo de
dentro de la (variación debida a
operadores) medición CALIBRACIÓN
muestra

Repetibilidad Estabilidad Linealidad Sesgo

12
 FUENTES DE VARIACIÓN DE UN SISTEMA DE MEDICIÓN:

La variabilidad del equipo de medición se divide en los siguientes componentes:

• Sesgo. una medida de la inexactitud en el sistema de medición; la diferencia entre la medición promedio
observada y un valor de referencia
• Estabilidad. El cambio del instrumento con el transcurso del tiempo.
• Linealidad. La exactitud a lo largo del rango de operación del instrumento, por ejemplo en el caso de
una báscula que mide un rango de 0 a 100 kilogramos, interesa que sea exacta en todo este rango.
• Repetibilidad. La variación observada cuando un operador mide de manera repetida la misma pieza
con el mismo instrumento.

La variación dentro de la muestra es la variación dentro del mismo objeto a medir, y se presenta en
objetos que por su naturaleza tienen cierta heterogeneidad en sus superficies, dimensiones, etc. Por
ejemplo, si se quiere medir un diámetro interior con un vernier, entonces la medición varía ligeramente
dependiendo de dónde y cómo se coloca el vernier. Otro caso es cuando se quiere medir la rugosidad de
una superficie, que puede variar de una zona a otra de la misma pieza.

13
 Error del sistema de medición

Los errores del sistema de medición se pueden clasificar en dos categorías:

• La exactitud- es la diferencia entre el valor medido y el real de la parte.

• La precisión- es la variación cuando la misma parte se mide repetidamente con el mismo dispositivo.

Uno o ambos errores pueden ocurrir dentro de cualquier sistema de medición. Por ejemplo, un dispositivo puede
medir partes con precisión (poca variación en las mediciones), pero sin exactitud. O un dispositivo puede ser
exacto (el promedio de las mediciones es muy cercano al valor maestro), pero no preciso (las mediciones tienen
varianza grande). También es posible que un dispositivo no sea ni exacto ni preciso.

exacto y inexacto exacto pero inexacto e

preciso pero preciso impreciso impreciso

14
¿ Cual Estudio Estadístico debo aplicar?

15
 Propiedades de un buen sistema de medición

1. Discriminación y sensibilidad adecuadas. Los incrementos de medición deberían ser pequeños

en relación a la variación del proceso o límites de especificación.
2. El sistema de medición debe estar en control estadístico. Bajo condiciones repetibles, la
variación en el sistema de medición se debe solamente a causas comunes y no a causas
especiales. Esto se conoce como estabilidad estadística y se evalúa por métodos gráficos.
3. Para control de producto, la variabilidad del sistema de medición debe ser pequeña comparada
con los límites de especificación. Evaluar el sistema de medición contra la tolerancia de la
característica.
4. Para control de proceso, la variabilidad del sistema de medición debe demostrar resolución
efectiva y ser pequeña comparada con la variación del proceso de manufactura. Evaluar el
sistema de medición contra las 6 sigmas de variación del proceso y/o la variación total del
estudio MSA.

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010

16
 Discriminación
Tolerancia

La unidad mas pequeña del instrumento debe

dividir en 10 o más partes la tolerancia o
variación del proceso (lo que sea menor)

Variación del proceso

LIE Variación del proceso
LSE
Tolerancia  10
Discrimina ción

Tolerancia del producto

 10
Discrimina ción

LIE Variación del proceso

LSE

17
 Estudio Tipo 1 del sistema de medición

• Utilice el Estudio tipo 1 del sistema de medición para evaluar la capacidad

de un proceso de medición. Este estudio evalúa los efectos combinados de
sesgo y repetibilidad basándose en múltiples mediciones de una misma
parte.
• Un Estudio tipo 1 del sistema de medición se debería realizar antes de
otros estudios sobre repetibilidad y reproducibilidad, que determinan
cuánto de la variación del proceso observada se debe a la variación del
sistema de medición.
https://support.minitab.com/es-mx/minitab/19/help-and-how-to/quality-and-process-improvement/measurement-system-analysis

18
 ¿Cuándo debo utilizar un estudio tipo 1
del sistema de medición?

Utilice un estudio tipo 1 del sistema de medición al principio del análisis de sus
sistemas de medición para concentrarse únicamente en el sistema de medición, y no
en cualquier otra fuente de variación. De hecho, muchas organizaciones requieren un
estudio tipo 1 del sistema de medición como el primer paso en un análisis de un
sistema de medición completo.
Luego de que certifique el sistema de medición con un estudio tipo 1 del sistema de
medición, utilice las otras herramientas para estudios del sistema de medición para
ampliar su MSA y considerar las otras fuentes de variación de la medición.

19
 Estudio Tipo 1 del sistema de medición

Diámetro
• Ejemplo: Un fabricante de electrodos desea evaluar el sistema de medición 12.3057
que mide el diámetro externo de vástagos de electrodos para determinar si 12.3009
el sistema mide exactamente el vástago dentro de la tolerancia de 0.05 mm. 12.3037
• Un operador mide un vástago de referencia con un diámetro externo 12.2975
conocido de 12.305 mm 50 veces. 12.3056
12.3033
12.3030
12.2965
2. MSA_Estudio tipo 1
12.2986
http://www.asqnogales.org/Cursos/Disponibles/Ingenieria_Estadistica_con_Minitab_15_Sample.pdf 12.3031
12.3051
12.3056
https://support.minitab.com/es-mx/minitab/19/help-and-how-to/quality-and-process-improvement/measurement-system-analysis

12.3036
12.3091
12.3029

20
 Estudio Tipo 1 del sistema de medición

Estadísticas>Herramientas de calidad>Estudio del sistema de medición> Estudio tipo 1

del sistema de medición

21
• Un Instrumento
• Un Evaluador (inspector)
• Una parte de producción o Patrón
➢ Conocer el valor de referencia (medir cinco veces y promediar, medir
con un instrumento calibrado)
➢ Realizar al menos 25 mediciones lo dice VDA (AIAG pide al
menos 10)
• Tener un método de medición

22
 Estudio Tipo 1 del sistema de medición

Estudio tipo 1 del sistema de medición para Diámetro

Notificado por:
Nombre del sistema de medición : Tolerancia: 0.05
Fecha del estudio: Misc:

Gráfica de corridas de Diámetro

12.310 Ref + 0.10 × Tol

12.305 Ref
D metro
iá

12.300 Ref - 0.10 × Tol

12.295

1 6 11 16 21 26 31 36 41 46
Observación

Estadísticas básicas Sesgo Capacidad

Referencia 12.305 Sesgo -0.00231 Cg 0.46
Media 12.30269 T 4.506892 Cgk 0.25
Desv.Est. 0.003631 ValorP 0.000
6 × Desv.Est. (VE) 0.021783 (sesgo de la prueba=0) %Var(Repetibilidad) 43.57%
Tolerancia (Tol) 0.05 %Var(Repetibilidad y sesgo) 81.10%
Resolución 0.0001 < 5% de Tol

Hoja de trabajo: Estudio Tipo 1 Si P ≤ 0.05, sesgo es significativo, si hay sesgo

23
 Capacidad
20 % predeterminado

K * Tolerancia 0.2 * 0.050

Cg = = = 0.46
6 * DesvEst 6 * 0.003631

K Sesgo 0.2 - 0.00231

Cgk = * Tol − = * (0.050) − = 0.25
2 3 * DesvEst 2 3 * (0.003631)

K 0.20
%Var(Repetibilidad) = 𝑥100 = 𝑥100 = 43.57%
Cg 0.46

K 0.20
%Var(Repetibilidad y sesgo) = 𝑥100 = 𝑥100 = 81.10%
Cgk 0.25

24
Interpretación de los resultados
• El sesgo en el sistema de medición es -0.00231. La prueba para determinar si existe sesgo
indica un diferencia significativa de 0 (t = 4.506892, valor p = 0.000), lo que sugiere
presencia de sesgo en el sistema de medición. Además, note que muchas de las
observaciones graficadas en la gráfica de corrida son menores que el valor de referencia
de 12.305.
• Cg compara la tolerancia con la variación de la medición, mientras que Cgk compara la
tolerancia tanto con la variación de la medición como con el sesgo. Cg y Cgk grandes
indican que la variación a causa del sistema de medición es pequeña en comparación con
el rango de tolerancia. Un valor umbral típico para ambos valores es 1.33.
• En este ejemplo, los índices de capacidad son Cg = 0.46 y Cgk = 0.25, los cuales son
mucho menores que 1.33. Estos valores sugieren que la variación debida al sistema de
medición es grande, no se miden las partes de manera consistente y exacta

25
 Estudio Tipo 1 del sistema de medición

• Interpretación de los resultados (cont.)

• %Var (repetibilidad) se determina por Cg y %Var (repetibilidad y sesgo) se determina
por Cgk. Valores pequeños de %Var indican una pequeña variación de la medición en
comparación con la tolerancia. El valor inicial de 1.33 de los índices de capacidad
corresponde con un valor umbral de 15% de % Var.
• En este ejemplo, %Var (repetibilidad) = 43.49% y %Var (repetibilidad y sesgo) = 81%.
Estos valores son mucho mayores que 15%, lo cual nuevamente sugiere que la
variación causada por el sistema de medición es grande.
• Estos resultados indican que el sistema de medición no puede medir partes de modo
uniforme y exacto y por lo tanto debe mejorarse.

26
 Linealidad y Sesgo

Sesgo

El sesgo examina la diferencia entre la medición

promedio observada y un valor de referencia. El
sesgo indica cuál es la exactitud del sistema de
medición cuando se compara con un valor de
referencia.

Linealidad
Exactitud y
La linealidad examina qué tan exactas son las mediciones en todo el rango consistencia
esperado de mediciones. La linealidad indica si el sistema de medición tiene la
misma exactitud para todos los valores de referencia.

27
 Linealidad
La linealidad puede evaluarse usando las siguientes guías:
1. Seleccionar g>= 5 partes cuyas mediciones, debido a variación del
proceso, cubran el rango operativo del instrumento.
2. Medir cada parte mediante la de inspección para determinar su valor de
referencia y para confirmar que se abarca el rango de operación del
instrumento.
3. Medir cada parte m>=10 veces en el instrumento analizado por uno de
los operadores que normalmente usa el instrumento.
• Seleccionar las partes al azar para minimizar el recordar el sesgo por el operador
en las mediciones
Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 96

28
 Linealidad
Análisis de resultados- Gráfico
4. Calcular el sesgo de las partes para cada medición y el sesgo promedio
para cada parte:
sesgoij = xij − ( valor de referencia ) i

 sesgo
j =1
i, j

sesgoi =
m

5. Graficar los sesgos individuales y los sesgos promedios con respecto a

los valores de referencia en una gráfica lineal.
Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010

29
 Linealidad
6. Calcular y graficar la línea de mejor ajuste y el intervalo de
confianza de la línea usando las siguientes ecuaciones:
y i = axi + b
xi = valor de referencia
y i = sesgo promedio
 1 
 xy -  gm   
 x y
a=   = pendiente
 x 2
−
1
gm
( x )2

b = y − a x = int ercepcion Intersección (constante)

30
 Linealidad
• Para una x dada, las bandas del intervalo de confianza a nivel alfa son:
0

  2

1
2 
   −
  
 0
x − x 
  1    
Inferior: b + ax0 − t gm − 2 ,1−  + 2  s
gm  −

   x0 − x  * m  
2


  
 

  2

1
2 
   −
  
 0
x − x 
  1    
Superior: b + ax0 + t gm − 2 ,1−  + 2  s
gm  −

   xi − x  * m  
2


  
 

s=
y 2
i − b yi − a  xi yi
gm − 2

31
 Linealidad

8. Gráficar la línea “sesgo=0” y revisar la gráfica

para indicaciones de causas especiales y la
aceptación de la linealidad.
Para que la linealidad del sistema sea
aceptable, la linea “sesgo=0” debe estar
completamente dentro de las bandas de
confianza de la linea ajustada.

9. Analisis de Resultados Numericos: P-value de

la pendiente

32
 Linealidad
• Ejemplo: Un operador midió el espesor de cinco piezas, 12 veces cada una,
con el calibrador a probar, y una vez con el patrón (instrumento maestro).
Las piezas se seleccionaron de tal forma que cubrieran el rango de
operación del calibrador (instrumento de medición). La especificación de la
pieza es de 0.6 a 1 mm. La información se muestra en la siguiente tabla.
Determinar la linealidad y exactitud del calibrador
Piezas Referencia M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12
P1 0,60 0,593 0,624 0,632 0,590 0,580 0,610 0,603 0,595 0,600 0,602 0,598 0,608
P2 0,70 0,681 0,711 0,720 0,694 0,700 0,691 0,710 0,723 0,691 0,700 0,700 0,704
P3 0,80 0,795 0,810 0,791 0,814 0,800 0,788 0,798 0,796 0,800 0,810 0,798 0,802
P4 0,90 0,933 0,940 0,910 0,880 0,892 0,887 0,913 0,891 0,874 0,882 0,905 0,895
P5 1,00 0,992 0,990 0,990 0,980 1,000 1,000 1,014 1,022 1,010 0,990 1,010 0,988

https://es.slideshare.net/LilyPalacios/seis-sigma-14078121
2.MSA.xls > Linealidad

33
 Linealidad
Copiar Teclear
Datos>Apilar>Columnas

34
 Linealidad

Estadísticas>Herramientas de calidad>Estudio de medición>Estudio de linealidad y sesgo del sistema de

medición

35
 Linealidad
a b
Ecuación de regresión 𝑦 = −0.01𝑥 + 0.0089
𝑖 𝑖
Resultado Pendiente=0
SI P ≤ 0.05 la pendiente es
significativa, lo que indicaría
un problema de linealidad
La línea sesgo=0 debe estar dentro
del Intervalo de Confianza CI b
a

Sesgo=0
SI P ≤ 0.05 el sesgo
es significativo,
indica un problema
de sesgo en las
mediciones

36
 Realizar Ejercicio 2

Pendiente=0
SI P<0.05 la pendiente es
significativa, lo que indicaría
un problema de linealidad

Sesgo=0
SI P<0.05 el sesgo es
significativo, indica un
problema de sesgo en
las mediciones

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/quality-and-process-improvement/measurement-system-analysis/how-to/gage-study

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, ejemplo pag. 98

37
 FUENTES DE VARIACIÓN DE UN SISTEMA DE MEDICIÓN:

Variación
total Exactitud
observada
Precisión

Variación del Variación de

proceso real la medición

Variación Reproducibilida CALIBRACIÓN

d (variación Equipo de
dentro de la debida a medición
muestra operadores)

Repetibilidad Estabilidad Linealidad Sesgo

38
 Recordemos conceptos

Gage de Repetibilidad y Reproducibilidad (GR&R)

• Repetibilidad
• Variación en las medidas obtenidas con un instrumento de medición cuando se
usa varias veces por un operador al medir la característica idéntica en la misma
parte
• Reproducibilidad
• Variación en el promedio de las medidas hechas por diferentes operadores
usando el mismo instrumento al medir una característica en una parte
• GRR o Gage R&R
• Repetibilidad y reproducibilidad del instrumento: la estimación combinada de
repetibilidad y reproducibilidad del sistema de medición.

39
 Gage de Repetibilidad y Reproducibilidad (GR&R)

 GR& R 6 GR& R
%GRR = x100 %GRR = x100
 Total Tolerancia

Reconoce que porcentaje de la variación total proviene del error de medición.

Incluye tanto la repetibilidad como la reproducibilidad

40
 Criterio GRR
GRR Decisión Comentarios

Menor a 10% Generalmente se considera Recomendado, especialmente útil para clasificar partes
aceptable o cuando se requiere control de proceso

10% a 30% Puede ser aceptable para algunas La decisión debería hacerse, por ejemplo, en la
aplicaciones importancia de la medida, costo del instrumento de
medición, costo de retrabajar o reparar.
Debería ser aprobado por el cliente

Mayor a 30% Considerada inaceptable Debería hacerse todo esfuerzo por mejorar el sistema
de medición.
Esta condición puede solucionarse mediante una
estrategia adecuada de medición. Por ejemplo, usando
el promedio de varias lecturas de la misma
característica de la parte para reducir la variación de la
medición.
Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 78

41
 Método de Estudio para GR&R- Replicable

• Obtener una muestra de n≥5 partes (ideal mas de 10) que representan el rango actual o
esperado de la variación del proceso (Pag. 104)
• El instrumento debe de estar calibrado antes de empezar el estudio
• Numerar las piezas para ser medidas de forma aleatoria por los evaluadores.
• No re-capacitar a los evaluadores justo antes del estudio
• Realizar el estudio bajo condiciones normales del proceso(ej. Mismo lugar)
• Estar presentes durante el estudio y tomar notas de lo observado.
• No retroalimentar a los evaluadores durante el estudio.
• Realizar mínimo 2 replicas con 3 operadores.
• Incluir a todos los que toman decisiones sobre el proceso.
• Guardar las piezas del estudio hasta que se haya encontrado la causa de la variación.

42
Impacto del número de categorías distintivas en la
distribución del proceso

43
 EJEMPLO:
GR&R ANOVA cruzado
• Ejemplo: Se desea realizar un estudio de repetibilidad y reproducibilidad,
para lo cual se seleccionaron 3 operarios y un calibrador para medir el
espesor de cierto empaque, cuya especificación es de 0.25-1.25 mm.
Dichos empaques fueron medidos dos veces por cada operario. Ver tabla
de datos.
Replica Operador P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
1 A 0,65 1,00 0,85 0,85 0,55 1,00 0,95 0,85 1,00 0,60
2, A 0,60 1,00 0,80 0,95 0,45 1,00 0,95 0,80 1,00 0,70
1 B 0,55 1,05 0,80 0,80 0,40 1,00 0,95 0,75 1,00 0,55
2, B 0,55 0,95 0,75 0,75 0,40 1,05 0,90 0,70 0,95 0,50
1 C 0,50 1,05 0,80 0,80 0,45 1,00 0,95 0,80 1,05 0,85
2, C 0,55 1,00 0,80 0,80 0,50 1,05 0,95 0,80 1,05 0,80

https://es.slideshare.net/LilyPalacios/seis-sigma-14078121
Hoja: GRR-Cruzado

44
 GR&R ANOVA cruzado
Copiar Teclear
Datos>Apilar>Columnas

45
 GR&R ANOVA cruzado

Estadísticas>Herramientas de calidad>Estudio de medición>

Estudio R&R del sistema de medición (cruzado)

46
GR&R ANOVA cruzado
 Total
2
=  Pr2 oducto +  GR
2
&R

 GR
2
&R =  2
Re petibilidad +  2
Re producibilidad

 Re2 producibilidad =  Operador

2
+  Operador
2
*Pieza

 GR& R
%GRR = x100
 Total

<10=Aceptable
10-30=Marginal
>30=No aceptable

47
GR&R ANOVA cruzado

 Pr oducto
ndc = 1.41
 GR& R
Ndc debe ser 5 o más

48
 GR&R ANOVA cruzado
Resultado

La barra mayor debe ser la

variación de pieza a pieza

No debe haber puntos

fuera de control

mas del 50% de los puntos debe

estar fuera de los límites de
control

49
R&R del sistema de medición (ANOVA) para Medicion
Notificado por:
Nombre del sistema de medición : Tolerancia:
Fecha del estudio: Misc:

Componentes de variación
120 115.6 % Contribución
% Var. estudio
94.5 % Tolerancia
100
89.3

80
Porcentaje

60

39.9
40 33.6
32.6 27.4
21.5
17.6
20
10.6 7.5
3.1
0
R&R del sistema de medición Repetib Reprod Parte a parte

Hoja de trabajo: Hoja de trabajo 1

50
 Resultado Gráfico GR&R

No debe haber puntos fuera de UCLR = D4 R = (3.267 )(0.0383 ) = 0.1252

control D4 = 3.267 Para 2 réplicas

Los puntos representan el rango de cada pieza

La Grafica R representa variación debida a la repetibilidad

51
 Resultado Gráfico GR&R
UCL = X + A2 R = 0.8075 + (1.88)(0.0383 ) = 0.8796
Debe haber más de la mitad de los
puntos fuera de los límites de control A2 = 1.88 Para 2 réplicas

𝐿𝐶𝐿 = 𝑋 − 𝐴2 𝑅 = 0.8075 − (1.88)(0.0383) = 0.7354

Los puntos representan el
promedio de cada pieza
A2 = 1.88 Para 2 réplicas
La Grafica X representa variación debida a la reproducibilidad

52
R&R del sistema de medición (ANOVA) para Medicion

Nombre del sistema de medición :

Resultado Gráfico GR&R
Notificado por:
Tolerancia:
Fecha del estudio: Misc:

Medicion por No. Parte

1.1 Buscar puntos atípicos
1.0
(outliers)

0.9

0.8

0.7

0.6

0.5

0.4

P1 P10 P2 P3 P4 P5 P6 P7 P8 P9
Las líneas unen los
No. Parte promedios de cada pieza

Los puntos representan las lecturas

individuales de cada pieza

53
 Resultado Gráfico GR&R
R&R del sistema de medición (ANOVA) para Medicion
Notificado por:
Nombre del sistema de medición : Tolerancia:
Fecha del estudio: Misc:

Medicion por Operador

1.1

1.0

0.9

0.8

0.7

0.6

0.5

0.4

A B C
Operador

Se muestra la dispersión y localización de cada operador

sin considerar las piezas

54
 Resultado Gráfico GR&R
Las líneas paralelas indican que no hay
interacción pieza-operador

Los puntos representan el promedio de Nos muestra si el desempeño de los

cada pieza operadores depende de la pieza que se mide

55
 REPETIBILIDAD & REPRODUCIBILIDAD

Si la repetibilidad es grande comparada con la reproducibilidad, las razones pueden ser:

✓ El instrumento necesita mantenimiento.
✓ El sistema de medición puede requerir ser diseñado para ser más rígido.
✓ La sujeción o localización del sistema de medición necesita mejorarse.
✓ Existe una variación dentro de la parte excesiva.

Si la reproducibilidad es grande comparada con la repetibilidad, entonces las posibles causas

podrían ser:
✓ El evaluador necesita ser mejor entrenado en como usar y leer el instrumento.
✓ Los resultados de las calibraciones o indicaciones de los instrumentos no son claras.

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 128

56
 Asistente para Estudio R&R Cruzado

• Se desea evaluar cierto instrumento de medición. Se cuenta con 10 piezas las

cuales fueron medidas 3 veces por cada operador A, B y C. La especificación del
producto es -2 a 2. Evaluar la repetibilidad y reproducibilidad del instrumento.
Replica Operador 1 2 3 4 5 6 7 8 9 10
1 A 0.29 -0.56 1.34 0.47 -0.8 0.02 0.59 -0.31 2.26 -1.36
2. A 0.41 -0.68 1.17 0.5 -0.92 -0.11 0.75 -0.2 1.99 -1.25
3. A 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31
1 B 0.08 -0.47 1.19 0.01 -0.56 -0.2 0.47 -0.63 1.8 -1.68
2. B 0.25 -1.22 0.94 1.03 -1.2 0.22 0.55 0.08 2.12 -1.62
3. B 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50
1 C 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49
2. C -0.11 -1.13 1.09 0.2 -1.07 -0.67 0.01 -0.56 1.45 -1.77
3. C -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 118

57
 Asistente para Estudio R&R Cruzado

Asistente > Análisis del sistema de medición (MSA) >

Estudio R&R del Sistema de medición (Cruzado)

58
Asistente para Estudio R&R Cruzado

59
Asistente para Estudio R&R Cruzado

60
 Crear hoja de estudio GR&R

Estadísticas> Herramientas calidad> Estudio medición> Crear hoja de trabajo de estudio

61
Ejercicio de Practica- Estudio R&R

Teclear nombres de 3
Compañeros.

Dejar todo igual y dar

62
Ejercicio de Practica- Estudio R&R

Teclear nombre de
característica

Capturar en cada celda

el dato medido por
cada evaluador

63
 MSA para No replicables

Sistemas de medición destructivos

• Se aplica a material que puede medirse solamente
una vez.
• Pueden ser pruebas destructivas
• Se toman pares de piezas muy parecidas
(consecutivas) o 2 muestras de material
homogéneo, si la prueba lo permite se puede
dividir una piezas en 2 o 3 muestras (Ej. Cortar una
placa de acero en 2 piezas)

64
 MSA para No replicables

GR&R Anidado (Nested)

Metodología del estudio:

• Se seleccionan al menos 2 Operadores
• Se hace con un instrumento de medición
• Se toman al menos 10 pares de piezas y se asignan a cada operador
(5 pares a cada uno). Cada par se hace de piezas consecutivas.

65
 MSA para No replicables

GR&R Anidado (Nested)

Operador Operador Operador
Lote A B C
Pza 1 Pza 6 Pza 11
1
Pza 2 Pza 7 Par 12
2
Piezas o
Pza 3 Pza 8 Pza 13 muestras de
diferentes lotes
3
Pza 4 Pza 9 Pza 14
4
Pza 5 Pza 10 Pza 15
5

Piezas o muestras consecutivas del mismo lote

(Deben ser lo más parecidas posible)

66
 GR&R Anidado (Nested)

Se tomaron 15 pares de piezas para hacerles una prueba destructiva y llevar a cabo un análisis de Reproducibilidad y
Repetibilidad. Tres operadores midieron 5 pares cada uno. La especificación es de 10 a 20
Estadísticas>Herramientas de calidad>Estudio de medición>Estudio R&R del sistema de medición (anidado)
Operador Parte Medida
A 1 15,426
A 1 15,550
A 2 15,502
A 2 15,163
A 3 12,780
A 3 12,819
A 4 13,500
A 4 13,856
A 5 16,600
A 5 16,568
B 6 13,103
B 6 13,300
B 7 13,832
B 7 14,239
B 8 16,840
B 8 15,900
B 9 15,145
B 9 14,548
B 10 16,374
B 10 17,578
C 11 14,016
C 11 14,050
C 12 14,795
C 12 14,845

Hoja: GRR-Destru
C 13 14,216
C 13 13,706
C 14 16,457
C 14 16,217
C 15 15,070
C 15 16,323

67
% GR&R Anidado
 Total
2
=  Pr2 oducto +  GR
2
&R

 GR
2
&R =  2
Re petibilidad +  2
Re producibilidad

 GR& R
%GRR = x100
 Total

6 GR& R
%GRR = x100
Tolerancia

<10=Aceptable
10-30=Marginal
>30=No aceptable
 Pr oducto Ndc debe ser 5 o más
ndc = 1.41
 GR& R

68
 % GR&R Anidado

La barra mayor debe ser la

variación de pieza a pieza

No debe haber puntos

fuera de control

Mas del 50% de los

puntos debe estar
fuera de los límites de
control

69
 MSA de atributos
Los sistemas de medición de atributos son los tipos de sistemas de medición donde los valores de mediciones
mismas son una de un número finito de categorías. Esto es en contraste con los sistemas de medición de variables
los cuales pueden resultar en un 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.

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 131

70
 9 0 0 0 0 0 0 0 0 0 0
10 1 1 1 1 1 1 1 1 1 1

MSA de atributos 11
12
13
14
1
0
1
1
1
0
1
1
1
0
1
0
1
0
1
1
1
0
1
1
1
0
1
1
1
0
1
1
1
1
1
0
1
0
1
0
1
0
1
1
15 1 1 1 1 1 1 1 1 1 1
16 1 1 1 1 1 1 1 1 1 1
17 1 1 1 1 1 1 1 1 1 1
Asistente Reporte de Exactitud 18
19
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
20 1 1 1 1 1 1 1 1 1 1
Se tomaron 50 piezas para hacerles una inspección visual y llevar a cabo un análisis de Reproducibilidad y Repetibilidad.
21
22
1
0
1
0
0
1
1
0
0
1
1
0
0
1
1
1
0
0
1
0
Tres operadores inspeccionaron tres veces cada pieza cada uno. 23 1 1 1 1 1 1 1 1 1 1
24 1 1 1 1 1 1 1 1 1 1
Operador A Operador B Operador C 25 0 0 0 0 0 0 0 0 0 0
Pieza A1 A2 A3 B1 B2 B3 C1 C2 C3 Referencia 26 0 1 0 0 0 0 0 0 1 0
1 1 1 1 1 1 1 1 1 1 1 27 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1 1 1 28 1 1 1 1 1 1 1 1 1 1
3 0 0 0 0 0 0 0 0 0 0 29 1 1 1 1 1 1 1 1 1 1
4 0 0 0 0 0 0 0 0 0 0 30 0 0 0 0 0 1 0 0 0 0
5 0 0 0 0 0 0 0 0 0 0 31 1 1 1 1 1 1 1 1 1 1
6 1 1 0 1 1 0 1 0 0 1 32 1 1 1 1 1 1 1 1 1 1
7 1 1 1 1 1 1 1 0 1 1 33 1 1 1 1 1 1 1 1 1 1
8 1 1 1 1 1 1 1 1 1 1 34 0 0 1 0 0 1 0 1 1 0
9 0 0 0 0 0 0 0 0 0 0 35 1 1 1 1 1 1 1 1 1 1
10 1 1 1 1 1 1 1 1 1 1 36 1 1 0 1 1 1 1 0 1 1
11 1 1 1 1 1 1 1 1 1 1 37 0 0 0 0 0 0 0 0 0 0
12 0 0 0 0 0 0 0 1 0 0 38 1 1 1 1 1 1 1 1 1 1
13 1 1 1 1 1 1 1 1 1 1 39 0 0 0 0 0 0 0 0 0 0
14 1 1 0 1 1 1 1 0 0 1
40 1 1 1 1 1 1 1 1 1 1
15 1 1 1 1 1 1 1 1 1 1
41 1 1 1 1 1 1 1 1 1 1
16 1 1 1 1 1 1 1 1 1 1
42 0 0 0 0 0 0 0 0 0 0
17 1 1 1 1 1 1 1 1 1 1
43 1 0 1 1 1 1 1 1 0 1
18 1 1 1 1 1 1 1 1 1 1
19 1 1 1 1 1 1 1 1 1 1
44 1 1 1 1 1 1 1 1 1 1
20 1 1 1 1 1 1 1 1 1 1 45 0 0 0 0 0 0 0 0 0 0
21 1 1 0 1 0 1 0 1 0 1 46 1 1 1 1 1 1 1 1 1 1
22 0 0 1 0 1 0 1 1 0 0 47 1 1 1 1 1 1 1 1 1 1
23 1 1 1 1 1 1 1 1 1 1 48 0 0 0 0 0 0 0 0 0 0
24 1 1 1 1 1 1 1 1 1 1 49 1 1 1 1 1 1 1 1 1 1
25 0 0 0 0 0 0 0 0 0 0 50 0 0 0 0 0 0 0 0 0 0
26 0 1 0 0 0 0 0 0 1 0 0 = No Pasa
27 1 1 1 1 1 1 1 1 1 1 1 = Pasa
Reference:
28 1 AIAG
1 Measurement
1 1 1 Systems
1 1 Analysis
1 1 Fourth1 Edition June, 2010, pag. 134
29 1 1 1 1 1 1 1 1 1 1
30 0 0 0 0 0 1 0 0 0 0
31 1 1 1 1 1 1 1 1 1 1
32 1 1 1 1 1 1 1 1 1 1
33 1 1 1 1 1 1 1 1 1 1
34 0 0 1 0 0 1 0 1
35 1 1 1 1 1 1 1 1
71 11 0
1
 Método para Estudio de MSA para Atributos

• Tener 3 evaluadores
• Seleccionar 50 partes que representen el rango de variación del
Atributo a Evaluar (Defecto)
➢ Que todas las partes tengan el atributo o condición a evaluar
➢ Se recomienda que las partes malas y buenas estén equilibradas
(50 % Pasa y 50% No pasa)
➢ Conocer el valor de referencia (si Pasa o No Pasa)
➢ Realizar al menos 2 replicas por evaluador
➢ Realizarlo en los puntos de inspección

72
 Asistente de MSA por atributos

Asistente>
Análisis del sistema de medición

73
Asistente de MSA por atributos

74
 Asistente de MSA por atributos

Análisis de concordancia de atributos para Resultados

Tarjeta de informe
Verificar Estado Descripción
Mezcla de Es una buena práctica tener una mezcla bastante balanceada de elementos PASA y NO PASA. Sus datos indican que usted
elementos i tiene 68% elementos PASA y 32% elementos NO PASA. Si usted tiene un porcentaje pequeño de elementos de un tipo, se
reduce su capacidad para evaluar qué tan adecuadamente los evaluadores califican ese tipo de elemento.

Exactitud Las tasas de exactitud y error se calculan para todas las evaluaciones. Supongamos que usted pone a prueba 50 elementos,
y tasas i 25 buenos y 25 malos, y 3 evaluadores prueban cada elemento 2 veces.
de error
Para calcular las tasas de exactitud y error, es necesario determinar el número total de evaluaciones:
• Tasas generales de exactitud y error: (50 elementos x 3 evaluadores x 2 ensayos) = 300 evaluaciones
• Elementos buenos calificados como malos: (25 elementos x 3 ensayos x 2 evaluadores) = 150 evaluaciones
• Elementos malos calificados como buenos: (25 elementos x 3 evaluadores x 2 ensayos) 150 evaluaciones
• Elementos calificados de ambas maneras: (50 elementos x 3 evaluadores) = 150 evaluaciones

% de exactitud general: si 240 evaluaciones coinciden con el estándar, la tasa de exactitud es:
(240/300) x 100 = 80%

Tasa de error general: si 60 evaluaciones no coinciden con el estándar, la tasa de error es:
(60/300) x 100 = 20%

Buenos calificados como malos: si los evaluadores califican un elemento como malo 30 veces, la tasa de error de clasificación
es:
(30/150) x 100 = 20%

Malos calificados como buenos: si los evaluadores califican un elemento malo como bueno 15 veces, la tasa de error de
clasificación es:
(15/150) x 100 = 10%

Calificados de ambas maneras: si los evaluadores califican 15 elementos de forma inconsistente entre los ensayos, la tasa de
error de clasificación es:
(15/150) x 100 = 10%.

75
 Asistente de MSA por atributos

Análisis de concordancia de atributos para Resultados

Informe de clasificación incorrecta
Tasa de error general = 6.2%
Elementos clasificados incorrectamente con más frecuencia
% PASA calificados como NO PASA % NO PASA calificados como PASA

6 22

21 34

14 26

36 12

43 30

0 10 20 30 40 0 10 20 30 40

Tasas de clasificación incorrecta por evaluador

% PASA calificados como NO PASA % NO PASA calificados como PASA % calificados 2 modos

A 4.9 A 6.3 A

B 2.0 % de Falsa B 6.3 Proporción B

alarma perdida

C 8.8 C 12.5 C

0 10 20 0 10 20 0 10 20

76
 Asistente de MSA por atributos

Análisis de concordancia de atributos para Resultados

Informe de exactitud
Todas las gráficas muestran intervalos de confianza de 95% para las tasas de exactitud.
Es probable que los intervalos que no se superponen sean diferentes.

% por evaluador % por evaluador y estándar

PASA
A

A
B

C B

80 90 100

% por estándar
C
PASA

NO PASA NO PASA

80 90 100
A
% por ensayo

1
B

C
3

80 90 100 80 90 100

77
Asistente de MSA por atributos

78
 Asistente de MSA por atributos

Evaluación de Concordancia – Indicador Kappa

Estadísticas ➤ Herramientas de calidad
➤ Análisis de concordancia de atributos

Kappa es una medida más que una prueba .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 un
acuerdo bueno a excelente (con un máximo de kappa =
1). Valores menores que 0.4 indican un acuerdo pobre.

Nota: Kappa no toma en cuenta el tamaño del desacuerdo entre

los estimadores, solo si ellos acuerdan o no

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 137

79
 Asistente de MSA por atributos

Evaluación de Concordancia – Indicador Kappa

Reference: AIAG Measurement Systems Analysis Fourth Edition June, 2010, pag. 138

80
 Asistente de MSA por atributos

Evaluación de Concordancia – Indicador Kappa

Fecha del estudio: Abr 2020
Acuerdo de evaluación Notificado por: Rivera I.
Nombre del producto: Pieza plastica #235
Misc:

Individual por evaluador Evaluador vs. el estándar

95.0% de IC 96.6 95.0% de IC
95 Porcentaje 95 92.8 Porcentaje

90 90 90.0
89.9

85 85
Porcentaje

Porcentaje
84.0

80 80 80.0
78.1

75 75

70.8
70 70

66.2
65 65
A B C A B C
Evaluador Evaluador

Hoja de trabajo: Hoja de trabajo 1; Elaboro: Rivera I.

Efectividad del Sistema de Medición

81