Lean Sigma BB Medicion A

1
Programa de certificacin
de Black Belts
V. Seis Sigma Medicin
Parte A

P. Reyes / Abril 2010
2
Fase de medicin
Propsitos:
Determinar req. de informacin para el proyecto
Definir las Mtricas de los indicadores del Proceso
Identificar los tipos, fuentes y causas de la variacin
en el proceso
Desarrollar un Plan de Recoleccin de Datos
Realizar un Anlisis del Sistema de Medicin (MSA)
Llevar a cabo la recoleccin de datos

Salidas
Diagnstico de la situacin actual del problema
3
V. Seis Sigma - Medicin

A. Caractersticas del proceso
1. Variables de entrada y de salida
2. Mtricas de flujo de proceso
3. Herramientas de anlisis de proceso

B. Coleccin de datos
1. Tipos de datos
2. Escalas de medicin
3. Mtodos de muestreo
4. Mtodos de coleccin

4
V. Seis Sigma - Medicin
C. Sistemas de medicin
1. Mtodos de medicin
2. Anlisis de sistemas de medicin
1. Errores en la medicin
2. Carta de tendencias de gage Minitab
3. Estudios de R&R metodo corto del rango
4. Estudios de R&R mtodo largo (cruzado)
5. Estudios de R&R mtodo largo (anidado)
6. Estudios de linealidad y sesgo
7. Estudios de R&R por atributos mtodo analtico
8. Estudios de R&R por atributos acuerdo entre eval.
3. Sistemas de medicin en la empresa
4. Metrologa

5
V.A Caractersticas del proceso
6
V.A Caractersticas del proceso
1. Variables de entrada y de salida

2. Mtricas de flujo de proceso

3. Herramientas de anlisis de proceso
7
V.A.1 Variables de entrada y salida
Variables de entrada y de salida
La medicin de estas variables se puede utilizar para
optimizar los procesos medidos
Las variables de entrada pueden ser cuantificables
tales como materias primas, recursos humanos o
servicios
Una vez conocidas las capacidades del proceso, las
mediciones de variables de salida se utilizan para su
monitoreo y control
Se utiliza la retroalimentacin de procesos posteriores
para mejorar los procesos anteriores
8
Diagrama SIPOC
Es un despliegue simple de las actividades
Proporciona una perspectiva panormica
Es un marco re referencia para todas las
organizaciones
Construccin:
Involucrar
El proceso puede tener 4 o 5 etapas clave
Listar las entradas y salidas del proceso
Listar los clientes del proceso y sus requisitos
Listas los proveedores del proceso
9
10
Mapa de procesos SIPOC
Provee-
dores
Clientes
Banco de informacin
Entradas
Procesos y sistemas Salidas
Mapa de proceso SIPOC (Proveedores, Entradas, Salidas, Clientes)
Retroalimentacin
Retroalimentacin
11
Elementos de procesos - SIPOC
Un cambio en la Salida debe estar relacionado con
algn cambio en los pasos anteriores SIPs. Esto
forma un ciclo cerrado entre SIPs y Os.
Proveedores
de recursos
Entradas,
insumos
Procesos,
actividades
que agregan
valor
Salidas,
producto o
servicio
Clientes,
reciben el
producto
Modelo SIPOC
12
Matriz de causa efecto
Relacin entre entradas y salidas de procesos
La matriz lista variables clave de salida del proceso
en forma horizontal y las de entrada en forma
vertical
Para cada variable de salida se le asigna una
prioridad
Dentro de la matriz se asignan nmeros que indican
el efecto que tiene cada variable de entrada en las
variables de salida
Se obtiene la suma producto de estos nmeros
internos por la prioridad de salida como resultados y
se saca el porcentaje relativo

13
Matriz de causa efecto
Entradas y salidas del proceso Matriz de causa efecto
Antes de mejorar un proceso, primero debe medirse,
identificando sus variables de entrada y de salida, y
documentando su relacin en diagramas de causa efecto,
matrices de relacin, diagramas de flujo, etc.
18 42 3 2 Ent 5
100 236 Totales
9 22 4 6 Ent 4
11 25 1 5 Ent 3
27 63 3 2 4 7 Ent 2
35 84 6 3 2 Ent 1
% Res 4 10 6 1 3 Impor-
tancia
E D C B A
Salidas
18 42 3 2 Ent 5
100 236 Totales
9 22 4 6 Ent 4
11 25 1 5 Ent 3
27 63 3 2 4 7 Ent 2
35 84 6 3 2 Ent 1
% Res 4 10 6 1 3 Impor-
tancia
E D C B A
Salidas
14
VI.A.2 Mtricas de flujo de proceso
15
Mtricas de flujo
Trminos Lean
Panel Andon dispositivo de control visual en un rea
productiva

Flujo de manufactura continua (CFM) proceso donde
hay un flujo de una pieza, sin WIP de acuerdo a la
demanda del cliente

Tiempo de ciclo tiempo para completar un ciclo de
una operacin
16
Mtricas de flujo
Trminos Lean
Vueltas de inventario nmero de veces que se
consume el inventario en un periodo de tiempo

JIT sistema para producir los artculos correctos en el
momento y en la cantidad requerida

Nivelacin de carga balanceo de las cargas de
trabajo en todos los pasos del proceso
17
Mtricas de flujo
Trminos Lean
Muda cualquier actividad que consuma recursos pero
no cree valor al cliente

Sin valor agregado cualquier actividad que no
agregue valor al producto o al servicio

Perfeccin eliminacin completa de muda

Punto de uso del inventario inventario surtido
directamente donde ser consumido
18
Mtricas de flujo
Trminos Lean
Poka Yoke dispositivo o procedimiento a prueba de
error para prevenir o detectar un error

Diagrama de flujo del proceso Diagrama del flujo o la
secuencia de eventos en un proceso

Jalar (Pull) sistema en que el proveedor anterior no
produce nada hasta que el siguiente cliente indica la
necesidad
19
Mtricas de flujo
Trminos Lean
Tiempo en cola el tiempo de espera de un producto
antes de su siguiente proceso

SMED (Single Minute Exchange of Die) tcnicas para
cambios rpidos en las mquinas de produccin. SU
objetivo es cero tiempo de ajuste y preparacin

Flujo de una sola pieza una situacin donde un
producto pasa por las diferentes operaciones sin
interrupciones o desperdicios
20
Mtricas de flujo
Trminos Lean
Matriz de habilidades control visual de celda de
trabajo describiendo todas las actividades, para
visualizar el estatus del entrenamiento de miembros
del equipo

Principio de lotes pequeos reduccin efectiva de
tamao de lote hasta que se llega al flujo de una sola
pieza

Trabajo estandarizado descripcin de cada actividad
de trabajo, indicando tiempo de ciclo, takt time,
secuencia de trabajos, e inventario mnimo
21
Mtricas de flujo
Trminos Lean
Takt Time tiempo disponible de produccin dividido
por la tasa de demanda del cliente

Cadena de valor actividades especficas requeridas
para proporcionar un producto desde su pedido hasta
su entrega

Control visual colocacin a la vista de todas las
herramientas, partes, actividades de produccin, e
indicadores del desempeo del sistema de produccin
22
Mtricas de flujo
Trminos Lean
Muda toda la sobreproduccin, esperas, transportes
innecesarios, inventarios excesivos, movimientos
innecesarios, y partes defectivas de produccin

Celda de trabajo o manufactura acomodo de
diferentes mquinas o procesos de negocio, realizadno
diferentes operaciones en una secuencia estricta, con
forma tpica en U o L

Centro de trabajo estacin de trabajo en una celda
de manufactura
23
Pensamiento Lean
Womack sugiere convertir la planta de produccin
masiva a una organizacin esbelta, con los siguientes
principios gua:
Especificar valor por producto
Identificar la cadena de valor para cada producto
Hacer el flujo de valor
Permitir que el cliente jale valor del proveedor
Perseguir la perfeccin
24
Valor
El valor es definido por el cliente
En EUA los gerentes no tienen contacto con clientes

En Alemania se hace nfasis en el producto y proceso

En Japn se enfocan a crear valor desde la
manufactura
25
Valor
El valor es definido por el cliente
El cliente quiere productos especficos, con
capacidades especficas a precios especficos, su
definicin es el primer paso para el pensamiento
Lean

El costo objetivo es una mezcla de los precios de
venta de la competencia y de la eliminacin de muda
por mtodos Lean
26
Cadena de Valor
Se pueden maximizar los beneficios de reducir Muda
al concentrarse en las actividades que ligan los
procesos, deben considerarse:

La solucin de problemas (nuevos productos)
La gestin de informacin (pedidos a entregas)
La transformacin fsica (materias primas a productos)

En Lean se analiza un solo producto, para reduccin
de Muda, tiempo de ciclo y mejora de calidad
27
Cadena de Valor
El mapa de cadena de valor se crea para identificar
las actividades involucradas en el producto. Incluye
proveedores, actividades preoductivas y clientes. Se
consideran los criterios siguientes:

Agrega valor de acuerdo a la percepcin del cliente
No agrega valor, pero es encesaria por el proceso
No agrega valor y puede eliminarse
28
Cadena de Valor
Lean sugiere cambiar de proceso en lotes a flujo
continuo, algunos obstculos son:
Siempre se ha trabajado en lotes
La planta tiene una multitud de funciones
La planta no puede soportar cambios de herramental
rpidos
La planta tiene maquinaria con gran inercia e inflexible
Mover la maquinaria tiene un alto costo

29
Flujo de Valor
Para un flujo continuo o flujo de una pieza se
requiere lo siguiente:
Usar celdas de manufactura en U, el operador debe ser
confiable en su operacin

Con el TPM se esperan cero fallas en mquinas

El nivel de calidad es muy alto con Poka Yokes

La programacin de la produccin es suave, de flujo
continuo, sin movimientos innecesarios ni WIP
30
Valor de jalar
El producto se fabrica solo cuando el cliente lo
demanda, resultando en:
Tiempo de ciclo reducido
Inventario terminado reducido
WIP reducido
Cliente con pedidos estables
El precio se estabiliza

En una planta de produccin masiva, cada operacin
trata de tener la mxima eficiencia creando
inventarios
31
Perfeccin
Se logra con:
Equipos que trabajan con el cliente para especificar
valor, mejorar el flujo y lograr Jalar

Colaboracin entre socios de la cadena de valor para
descubrir un mayor valor

Usar tecnologa para eliminar Muda

Desarrollar nuevos productos

32
Takt time
Es el tiempo neto disponible de produccin dividido
entre la tasa de demanda del cliente en un cierto
periodo
Ejemplo: si se tienen 430 minutos por da y la
demanda es de 300 unidades por da. TT = 1.433 m/d

Se sugiere revisar la distribucin de la celda para:
Mejorar los tiempos de ciclo
Reducir los defectos
Reducir los tiempos de cambio
Atender problemas de confiabilidad de los equipos
Lotes vs flujo de una pieza
33
34
Mtricas de Lean
Las mtricas de TPM incluyen:
Disponibilidad, tasa de velocidad de operacin (OSR),
tasa neta de operacin (NOR), eficiencia de
desempeo (PE), y efectividad total del equipo (OEE)

Tasa de thoughput = 1 / Tiempo de ciclo

La ley de Little estable que:

Inventario WIP = Throughput * Tiempo de flujo
Tiempo de flujo = WIP * Tiempo de ciclo

35
Mtricas de Lean
Tiempo total de espera (Lead) = No. Artculos en proceso /
Tasa promedio de terminacin

Eficiencia del ciclo de proceso = Tiempo de valor agregado /
Tiempo total de espera

Si hay 30,000 unidades planeadas, y se pueden producir
3,000 por da, Cul es el tiempo de espera total?

TLT = 30,000 / 3,000 = 10 das
36
Mtricas de Lean
Se tienen 21 cotizaciones pendientes, ofrecen tres das de
tiempo de respuesta a sus clientes. Cul es la tasa de
terminacin para cumplir con la meta?

Tasa de terminacin = WIP / TLT = 21 / 3 = 7 cotiz./da
Ejemplos
Se requieren 8 semanas para surtir un pedido. El
tiempo de valor agregado es de 18 hrs. Si la empresa
trabaja 24 hrs. al da, 7 das a la semana, cul es la
eficiencia del ciclo de proceso expresada como
porcentaje?

PCE = VAT / TLT = 18 / 1,344 *100% = 1.34%

Si la tasa de throughput de una operacin es de 7,200
unidades por hora, cul es el tiempo de ciclo en
segundos? CT = 1/ Thr = 1/7,200*3,600 = 0.5 seg
37
38
V.A.3 Herramientas de anlisis de
procesos
39
Anlisis y documentacin del
proceso
Un proceso es un conjunto de recursos y
actividades que transforman entradas en salidas
agregando valor. Las actividades deben ser
documentadas y controladas.

Se analizan los tpicos siguientes:

1. Herramientas
2. Entradas y salidas del proceso
40
Anlisis y documentacin del
proceso - Herramientas
Diagramas de flujo
Mapas de proceso

Procedimientos escritos
Instrucciones de trabajo

Anlisis de proceso
Documentacin del proceso
41
Diagrama de flujo
Un diagrama de flujo o mapa de proceso es til para
comprender el proceso. Puede describir la secuencia
del producto, contenedores, papeleo, acciones del
operador o procedimientos administrativos.

Es el paso inicial para la mejora de procesos, ya que
facilita la generacin de ideas.
42
Diagrama de flujo
Organizar un equipo para examinar el proceso

Construir un mapa de proceso para representar los
pasos del proceso

Discutir y analizar cada paso en detalle

Preguntarse Por qu lo hacemos de esta manera?
Comparar el proceso actual a un proceso imaginario
perfecto
43
Diagrama de flujo
Hay complejidad innecesaria?
Existe duplicacin o redundancia?

Hay puntos de control para evitar errores y
rechazos?
Se realiza el proceso de acuerdo a como est
planeado?

Puede realizarse el proceso de manera diferente?
las ideas de mejora pueden venir de procesos muy
diferentes?
44
Diagrama de flujo
Smbolos de Diagramas de flujo
45
Diagrama de flujo
Diagramas de flujo - Ejemplo
46
Diagrama de flujo
Beneficios
Permiten visualizar el proceso que se est
describiendo
Describen el proceso con smbolos, flechas y palabras
sin necesidad de oraciones
La mayora usa simbologa estandarizada (ANSI
Y15.3)
Si se usa software el nmero de smbolos puede
llegar a 500
47
Diagrama de flujo
Diagramas de flujo o mapas de proceso
Permiten comprender la operacin del proceso
Normalmente representan el punto de inicio para la mejora

Pasos para elaborarlo (Smbolos ANSI Y15.3)
Organizar un equipo para examinarlo
Construir un diagrama de flujo representando cada paso
Discutir y analizar detalladamente cada paso
Preguntarse Porqu lo hacemos de esta forma?
Comparar esta forma con la del proceso perfecto
Existe demasiada complejidad, duplicidad o redundancia
Se opera el proceso como est planeado y puede mejorarse?

48
Proceso Desicin Documento Datos
Proceso Preparacin Operacin Entrada
Predefinido Manuales
Conector Con. pgina Display Almacen Terminador
Smbolos de diagrama de flujo
49
Smbolos para Diagramas de Flujo
Iniciar/Detener Transmisin
Operaciones
(Valor agregado)
Decisin
Inspeccin /Medicin
Transportacin
Almacenar
Entrada/Salida
Lneas de Flujo
Retraso
50
Diagrama de flujo del Proceso:
Inicio
Fin
Paso 2A Paso 2B Paso 2C
Paso 1
Paso 3
Bueno? Retrabajo
S No
Es el diagrama de flujo de un proceso
que muestra cmo se realiza un trabajo.
51
Diagrama de flujo / Anlisis del valor
Actividades sin valor agregado
Actividades con valor agregado
52
Cmo Ayuda un Mapa de Proceso?
Una vez que podemos ver las
cosas -podemos hablar de ellas.
Los pasos que no agregan valor
se hacen ms evidentes.
El retrabajo y las reparaciones
son obvias.
Se puede llegar a acuerdos.
53
Diagramas de Flujo Existentes
Creados para un propsito
diferente.
Con frecuencia no reflejan
los puntos de inicio y Fin
adecuados.
No son cmo es.
Quieren ser
No sealan el desperdicio.
54
Aprovecha al Equipo
Haz recorridos, entrevistas y
revisiones de los diagramas
de flujo y los estndares
existentes.
55
Haz el Mapa del Proceso lo ms
Pronto Posible!

seala con claridad la regin
en la que el equipo se debe
enfocar.

evita que el equipo salga de los
lmites del proyecto.
El mapa de un proceso...
56
El Inicio y el Fin Se Deben Poder
Medir
Selecciona los puntos de
Inicio y Fin donde se
llevan a cabo acciones
que se pueden medir.
57
Ejercicio Rpido - Inicio y Fin
Proceso Inicio Fin
Ensamble de
Asiento

Dibujos de
Ingeniera

Manufactura en
Riel de Asientos

Cuentas por
Pagar

58
Ejemplos - Inicio y Fin
Proceso Inicio Fin
Ensamble de
Asiento
Marco de metal
puesto en lnea
Inspeccin Final
Dibujos de
Ingeniera
Requerimientos
del Cliente
Cliente Recibe
el Archivo CAD
Manufactura en
Riel de Asiento
Operacin de
Prfiles
Estampados
Inspeccin Final
Cuentas por
Pagar
Recepcin de la
Factura del
Proveedor
Depsito
Electrnico
59
Permite que la Gente vea el Mapa del
Proceso
De ser posible, la
gente que trabaja en
el proceso debe poder
ver una copia grande a
escala del mapa del
proceso.
Las revisiones,
sugerencias y
correcciones son
bienvenidas!
60
Herramientas de un Mapa de Proceso
Rotafolios y
Marcadores.

Hojas para Rotafolio y
Notas Autoadheribles.

61
Pasos para Elaborar un Mapa de
Proceso
1. Establezcan los puntos de
Inicio y Fin del proceso.
2. Hagan una lista de los
pasos del proceso
mediante una tormenta de
ideas.
3. Realicen el primer
recorrido y entrevistas.
4. Elaboren una lista de los
proceso clave en las notas
autoadheribles.
5. Discutan, revisen y
modifiquen.
6. Hagan un segundo recorrido
y entrevistas.
7. Aadan pasos de inspeccin,
retrabajo, reparacin y
desperdicio en las notas
autoadheribles.
8. Elaboren un mapa de proceso
cmo es.
Como equipo...
62
Hazlo fcil!
En este momento, el mapa
de proceso cmo es debe
ser de alto nivel, pero debe
incluir todos los pasos
primarios necesarios para
obtener la mejora deseada
(es decir, los pasos con valor
agregado relativos a los CTQ,
CTC, CTD).
Idealmente, muestra de cinco
a diez pasos.
Agrega ms detalles
posteriormente.
63
Paso 1: Puntos de Inicio y Fin
Revisen la declaracin del
problema.

Describan los procesos
que causan el problema.

Comenten los puntos de
Inicio y Fin que se pueden
medir.

Pnganse de acuerdo y
regstrenlos.
Declaracin del Problema:
El cliente espera los dibujos
modificados demasiado
tiempo.
Proceso:
Proceso de revisin de
dibujos.
Pregunta:
Cul podra ser el punto
de Inicio?
Pregunta:
Cul podra ser punto de
Fin?
64
Puntos de Inicio y Fin
Declaracin del Problema:
El Cliente espera demasiado tiempo los dibujos
modificados.

Proceso:
Proceso de revisin de dibujos.

Inicio:
El Cliente solicita un formato de cambio de dibujos.

Fin:
Se entrega el archivo de dibujos (CAD) al Cliente.
65
Paso 2: Tormenta de Ideas sobre los
Pasos del Proceso
Escriban Inicio y Fin
donde todos lo puedan
ver.
El equipo aporta ideas
sobre los pasos del
proceso que existen
entre el inicio y el fin.

Inicio:
El Cliente solicita un
formato de cambio de
dibujos.
Pregunta:
Cules son algunos de
los probables pasos del
proceso entre los puntos
de inicio y fin?
Fin:
El archivo CAD se entrega
al Cliente.
66
Pasos del Proceso
Inicio:
El Cliente solicita un formato de cambio de dibujos.
Pasos a seguir:
Bosquejar el cambio requerido.
Calcular el impacto del cambio.
Determinar cules dibujos necesitan cambiarse.
Cambiar los dibujos apropiados.
Fin:
El archivo CAD se entrega al Cliente.
67
Paso 3: Primer Recorrido y
Entrevistas
El equipo recorre el proceso
existente.
Observen cmo se hace el
trabajo.
Platiquen con la gente
(entrevisten).
Tomen notas.
Enfquense en los pasos del
proceso.
68
Paso 4: Notas Autoadheribles
Escriban los pasos del
proceso en notas
autoadheribles.

Coloquen las notas
sobre la pared.

Por ahora slo dejen las
notas.
Reunin
con el
grupo
Encontrar
Especif.
Crear
Boceto
Localizar
Archivos
CAD Cambiar
Dibujos
Calcular
Impacto
Hacer
Caf
Crear
Paquete
de
Archivos
Enviar al
Cliente
69
Paso 5:Comentar, Revisar, Modificar
Comenten, repasen y
modifiquen el mapa del
proceso en las notas
autoadheribles.
Pnganse de acuerdo en
los pasos que se deben
conservar.
Pnganse de acuerdo en
los pasos que se deben
eliminar.
Retengan solo los pasos
importantes del proceso.
70
Pasos Importantes del Proceso
Informacin suficiente
para facilitar la mejora.
Resultados que se
puedan medir.
Podran producirse
defectos (CTQ, CTC,
CTD).
Un inicio y un fin
definidos.

71
Pasos Importantes
Qu pasos podran
ser importantes en el
mapa del proceso
que aparece a la
derecha?
Reunin
con el
grupo
Encontrar
Especif.
Crear
Bsquejo
Localizar
Archivos
CAD Cambiar
Dibujos
Calcular
Impacto
Hacer
Caf
Crear
Paquete
de
Archivos
Enviar al
Cliente
72
Paso 6: Segundo Recorrido y
Entrevistas
Vuelvan a recorrer el
proceso.
Busquen pasos que hayan
pasado por alto.
Revisen pasos de
inspeccin, retrabajo,
reparacin y desperdicio.
Tomen notas.
73
Paso 7: Aadir Cambios
Agreguen notas
autoadheribles.
Aadan inspecciones.
Aadan retrabajo y
reparaciones.
Aadan desperdicio.
Por ahora dejen todas
las notas.
Crear
Bsquejo
Cambiar
Dibujo
Calcular
Impacto
Crear
paquete de
archivos
Enviar a
Cliente
Solicitud de
Cambio del
Cliente
Cliente recibe
archivos CAD
Impacto
OK?
Dibujo
OK?
Reunin
con Ventas
S
No
No
S
74
Paso 8: Mapa del Proceso Cmo Es
El equipo establece un
mapa del proceso tal
cual.
Tiene el detalle
suficiente para incluir
los pasos importantes.
Sin demasiado detalle
para que se entienda
rpidamente.
Crear
Bsquejo
Cambiar
Dibujo
Calcular
Impacto
Crear
paquete de
archivos
Enviar a
Cliente
Solicitud de
cambio del
Cliente
Cliente recibe
archivos CAD
Impacto
OK?
Dibujo
OK?
Reunin
con Ventas
S
No
No
S
75
Cundo Recolectar Datos
Durante la elaboracin del mapa de proceso.

Identifica los puntos para la recoleccin de datos,
pero
no recopiles los datos!

Despus de haber creado el Mapa Cmo Es
planea la recoleccin de datos sobre los pocas
salidas vitales.
Generalmente, cuando se recolectan datos durante la
elaboracin del mapa, se toman datos sobre puntos
equivocados.
La recoleccin de datos se debe planear y enfocar sobre los
factores de alta prioridad que son crticos para el cliente!
(consulta el mdulo Planeacin de la Recoleccin de Datos)
76
Mapa del Proceso Cmo Es
Crear
Bsquejo
Cambiar
Dibujo
Calcular
Impacto
Crear
paquete de
archivos
Enviar al
Cliente
Solicitud
de cambio
del Cliente
Cliente recibe
archivos CAD
Impacto
OK?
Dibujo
OK?
Reunin
con Ventas
S
No
No
Si
Es la condicin base
del proceso.
Es el inicio de tu viaje
hacia la mejora.
Es la oportunidad para
la estrategia de
impacto de Six Sigma.
77
El Mapa de Proceso Cmo Debe Ser
Una vez que se identifiquen las soluciones durante la
fase de MEJORA

Crea el nuevo mapa de proceso.

El nuevo mapa muestra el flujo de trabajo mejorado que
ahora tiene

- menos pasos
- menos actividades sin valor agregado
Este nuevo mapa muestra el proceso cmo debe
ser que ser una vez que se implementen
todas las soluciones.
78
79
La cadena de valor
Son todas las actividades que la empresa debe
realizar para disear, ordenar, producir, y entregar
los productos o servicios a los clientes.

La cadena de valor tiene tres partes principales:
El flujo de materiales, desde la recepcin de
proveedores hasta la entrega a los clientes.

La transformacin de materia prima a producto
terminado.

El flujo de informacin que soporta y dirige tanto
al flujo de materiales como a la transformacin de
la materia prima en producto terminado.
80
La cadena de valor
Beneficios del Mapeo de la cadena de valor
Ayuda a visualizar el flujo de produccin; las fuentes
del desperdicio o Muda
Suministra un lenguaje comn sobre los procesos de
manufactura y Vincula los conceptos ytcnicas Lean
Forma la base del plan de ejecucin, permitiendo
optimizar el diseo del flujo de puerta a puerta
Muestra el enlace entre el flujo de informacin y el
flujo de material
Permite enfocarse en el flujo con una visin de un
estado ideal o al menos mejorado
81
Flujo de informacin
Adems del flujo de materiales en el proceso de
produccin, se tiene otro flujo que es el de
informacin que indica a cada proceso lo que debe
producir o hacer en el paso siguiente. Son dos caras
de la misma moneda y se deben trazar ambos.
82
83
Simbologa utilizada
84
Simbologa utilizada
85
Simbologa utilizada
86
Proceso de mapeo
de la cadena de valor
87
Identificando mapa actual
88
Tips para la cadena de valor
Recolecte siempre informacin del estado actual
mientras se realizan las operaciones normales tanto
en flujos de informacin como de materiales.

Inicie con una caminata rpida a travs de la cadena
de valor completa puerta a puerta, para obtener un
sentido del flujo y secuencia de procesos. Despus
regrese y colecte informacin en cada proceso.

Inicie desde el final de embarque y de ah para atrs.
As se iniciar el mapeo con los procesos que estn
ms ligados directamente al cliente, el cual debe
establecer los pasos para otros procesos.
89
Utilice el cronmetro y no dependa de tiempos
estndar o informacin que no obtenga
personalmente.

Trazar uno mismo la cadena de valor completa.
Entendiendo que el flujo completo lo encierra el
mapeo de la cadena de valor.

Siempre trace a mano y a lpiz. Ir al piso de
produccin al realizar el anlisis de estado actual, y
afinarlo ms tarde. Se debe resistir la tentacin de
usar la computadora.
90
91
Informacin para
la cadena de valor
Tiempo de valor agregado (VAT) para transformar el
producto
Tiempo de espera (L/T), que toma un producto para
moverse en todo el proceso
Tiempo del ciclo (C/T tiempo que transcurre entre
la salida de dos partes consecutivas)
Tiempo de cambio o de preparacin (C/O para
cambiar de un producto a otro)

Tiempo disponible de mquina (De acuerdo a la
demanda)
Tamao de lote de produccin (EPE every part
every..)
Nmero de operadores
92
Informacin para
la cadena de valor
Nmero de productos diferentes
Contenido de la unidad de empaque o contenedor

Tiempo de trabajo (sin los descansos obligatorios)
Tasa de desperdicio

Capacidad del proceso (tiempo disponible/ tiempo de
ciclo * porcentaje de disponibilidad del equipo), sin
tiempos de cambio de tipo.

Takt time (tiempo disponible para cubrir la demanda
de productos).
93
Ejemplo de aplicacin:
Empresa Guden
94
Mapa del estado actual
Proceso de manufactura
95
Mapa incluyendo informacin
96
Mapa incluyendo tiempos de ciclo y
tiempo de entrega
Mapa de estado futuro
Se trata de hacer un proceso Lean, con creatividad y
equipo de trabajo, algunas preguntas a hacer son:
Cul es el Takt Time?
Los productos terminados se envan directamente a
embarque?
Se envan artculos a un supermercado de artculos?
Se puede aplicar el flujo continuo de proceso?
Cul es el proceso marcapasos?
Qu incremento de trabajo ser liberado?
Qu mejoras al proceso se pueden hacer?
97
Mapa de estado futuro
El paso final en el proceso de VSM es un plan con
metas medibles y puntos de control para medir los
avances, esto puede tomar meses o aos

A continuacin se muestran ejemplos del mapa de
estado futuro
98
99
Mapa futuro reduciendo tiempos de
entrega
100
Mapa futuro reduciendo tiempos de
entrega
101
Beneficios
102
Beneficios
103
Mapa de proceso de la
Empresa ABC - final

104
Documentacin
105
Procedimientos escritos
Los procedimientos deben ser desarrollados por los
que tienen la responsabilidad del proceso de inters

La documentacin del proceso en un procedimiento
facilita la consistencia en el proceso.

Los procedimientos crticos deben tener su diagrama
de flujo correspondiente
Material
no
conforme
106
107
Instrucciones de trabajo
Las instrucciones de trabajo proporcionan los pasos
detallados de la secuencia de actividades

Los diagramas de flujo pueden usarse con las
instrucciones de trabajo para mostrar las relaciones
de los pasos del proceso.

Las copias controladas de estas instrucciones se
guardan en el rea de trabajo
108
Diagrama de espaguetti
Se pueden usar para describir el flujo de personas,
informacin, o material en casi cualquier tipo de
proceso. La mayora de las acpliaciones considera
flujos de personas, informacin y materiales.
109
Diagramas de Venn
Se pueden utilizar para analizar las cargas de trabajo, por
ejemplo:

El tiempo de ocupacin es 0.30+0.20+0.25+0.10-0.06-0.04 =
0.75, es decir de cada turno de 8 horas tiene 2 horas disp.

110
V.B Coleccin de datos
111
V.B Coleccin de datos
1. Tipos de datos

2. Escalas de medicin

3. Mtodos de muestreo

4. Mtodos de coleccin de datos
112
V.B.1 Tipos de datos
113
V.B.1 Tipos de datos
Datos por atributos
Son datos contables discretos enteros, por ejemplo 3,
45, 2032. Cuenta, unidades, ocurrencias, bueno
malo.

Datos por variables
Las variables son datos continuos medibles con
instrumentos con nmeros reales, por ejemplo 1.037,
4.69, etc. Longitud, tiempo, volumen, tensin.

Es preferible tener informacin por variables,
proporcionan mayor informacin.
114
Tipos de datos
Datos de localizacin
Contestan a la pregunta Dnde?. Las cartas que
utilizan datos de localizacin de defectos se denominan
Measles charts o Cartas de concentracin. Por
ejemplo mapas con oficinas de distribucin; defectos
de pintura en un automovil.

Conversin de datos por atributos a variables
10 despostilladuras se pueden reportar como una
longitud total de 8.37; 25 rayas de pintura como 3.2
cuadradas de rayones de pintura.
Tambin se deben considerar los cosos de coleccin
115
V.B.2 Escalas de medicin
116
Escalas de medicin
En funcin de la deseabilidad estadstica se tiene:
Escala Descripcin Ejemplo
Nominal
Datos como nombres o
categoras. No hay orden
Bolsa con dulces de colores:
15 amarillos, 10 rojos, 7
verdes
Ordinal
(rango)
Los datos estn ordenados pero
sus diferencias no pueden
determinarse ni tienen sentido
Defectos A ms crticos que los
defectos D se tabulan como:
A 16, B 32, C 42, D 30
Intervalo
Los datos se arreglan por orden
y diferencia. No hay punto de
inicio de ref. y la razn no tiene
significado
La temperatura de 3 lingotes
es de 200C, 400C y 600C.
Notar que 3 veces 200C no
es lo mismo que 600C en T.
Razn
Similar al anterior con un punto
cero inicial. Tanto las diferencias
como las razones son
significativas
El producto A cuesta $300 y el
B $600. Notar que $600 es
tanto como dos veces $300
117
Escalas de medicin
Medidas estadsticas para las escalas de medicin
Escala Localizacin
central
Dispersin Prueba de
significancia
Nominal
Moda Solo informativa Chi cuadrada
Ordinal
(rango)
Mediana Pocentajes Prueba de signos o
rachas
Intervalo
Media aritmtica Desviacin
media o estndar
Prueba t, Prueba F,
Anlisis de correlacin
Razn
Media geomtrica
o media armnica
Variacin
pocentual
Similar al anterior
118
V.B.3 Mtodos de muestreo
119
Ventajas del Muestreo
Se economizan recursos

Se reduce el tiempo

Confiabilidad

Se pueden proyectar resultados
Conceptos bsicos de Muestreo
Muestreo: Proceso mediante el cual hacemos
inferencia a toda una poblacin observando solo una
parte de esta (muestra).

Mtodos de muestreo:
Es un procedimiento cientfico mediante el cual
obtenemos los componentes de una muestra, tratando
que la muestra nos de informacin acerca de un
parmetro poblacional, y tambin nos permite medir
el grado de incertidumbre de equivocarnos en la
inferencia.
121
Mtodos de muestreo
Muestreo aleatorio
En este caso cada parte tiene la misma oportunidad de
ser seleccionada

Muestreo secuencial
Se toman piezas de una lnea continua y se muestrea
hasta que se hayan inspeccionado ms de 3 veces el
tamao de muestra de un plan de muestreo simple

Muestreo estratificado
Se seleccionan muestras aleatorias de cada uno de los
grupos o procesos diferentes, deben reflejar la frecuencia
de los grupos
Muestreo Simple Aleatorio
Cada uno de los elementos de una poblacin tiene la
misma probabilidad de salir en una muestra.
La seleccin se hace generalmente usando nmeros
aleatorios.(de la uniforme 0,1).
Ejemplo: Se tiene una poblacin de 100 artculos. Se
desean seleccionar 5. Para obtener la muestra se
deben enumerar los 100 artculos y se saca una lista
de 5 nmeros al azar entre 1 y 100. ( Usando la
computadora generamos una lista de 5 nmeros de la
uniforme 0,1 y los multiplicamos por 100 y solo
tomamos las primeras dos decimales)
Muestreo Sistemtico
En este mtodo enumeramos los elementos de la
poblacin de 1 a N. La muestra es tomada en intervalos
de N/n. (con n= tamao de la muestra).
Ejemplo: de los 100 artculos anteriores si
muestreamos sistemticamente para n=5. Tomaremos
la muestra cada 100/5=20 objetos. (i.e. Tomamos el
1er. Articulo , luego el 20esimo., etc..).
Muestreo con probabilidades desiguales.
til en poblaciones con mucha variabilidad.
Hacemos que aparezcan con mayor los datos
grandes o pequeos.
124
Exactitud e integridad de los datos
Los datos malos corrompen el proceso de toma de
decisiones
Evitar sesgo emocional respecto a tolerancias

Evitar redondeo innecesario

Si una caracterstica cambia con el tiempo, registrar
la medicin inicial y la posterior a la estabilizacin

Filtrar los datos para identificar y eliminar errores de
captura
125
Exactitud e integridad de los datos
Los datos malos corrompen el proceso de toma de
decisiones
Si los datos siguen una distribucin normal,
determinar si la dispersin de los datos puede ser
representada por al menos 8 o 10 incrementos de
resolucin. Si no puede ser mejor contar las
observaciones.

Usar pruebas estadsticas objetivas para identificar
outliers o puntos aberrantes, no eliminar datos por
juicio propio
Cada identificacin de clasificacin importante debe
ser registrada junto con los datos
126
V.B.4 Mtodos de
coleccin de datos
127
Mtodos de coleccin de datos
Incluye mtodos manuales y automticos. Guas:
Formular una clara descripcin del problema

Definir de manera precisa lo que se va a medir

Listar todas las caractersticas importantes a medir

Cuidadosamente seleccionar la tcnica de
medicin
128
Mtodos de coleccin de datos
Incluye mtodos manuales y automticos. Guas:
Construir un formato sencillo de registro

Decidir quin colectara los datos

Establecer un mtodo de muestreo apropiado

Decidir quien analizar e interpretar los
resultados

Decidir quien reportar los resultados
129
Tipos de informacin para proyectos
FALLA PASA
Circuito Elctrico
TEMPERATURE
Termmetro
Tiempo
Variables Atributos
PASA NO PASA
Caliper
CIUDAD UNIDAD DESCRIPCION TOTAL
1 $10.00 $10.00
3 $1.50 $4.50
10 $10.00 $10.00
2 $5.00 $10.00
ORDEN DE ENVIO
Error
130
Plan de recoleccin de datos
Un plan de Recoleccin de Datos relacionada con
las CTQs de inters es la documentacin de:

Qu informacin se va a recolectar
Por qu se necesita

Quin es responsable
Cmo se va a recolectar

Cundo se va a recolectar
Dnde se va a recolectar

131
Definiciones operativas
El Plan de Recoleccin de Datos debera de basarse
en las Definiciones Operativas medibles:
Definiciones Operativas ya desarrolladas para los
clientes CTQs las Ys
Se necesita desarrollar Definiciones Operativas para el
proceso Xs

Y = (X
1
, X
2
, X
3
, X
4
X
n
)
CTQ Proveedor/Entrada/Proceso
Mediciones automatizadas
(sistemas digitales y de visin)
A Prueba de error de un proceso
Evitar errores humanos
Seleccionar partes aceptables
Detectar defectos superficiales o material extrao
Mediciones dimensionales
Inspecciones a alta velocidad
Marcado e identificacin de partes
Inspeccin de soldaduras
Inspeccin de empaques, etc.
132
133
Codificacin de datos
Codificar al agregar o restar una constante o
multiplicar o dividir por un factor:
Facilitan el llenado de formatos con espacio reducido
Reducen el error al ingresar grandes cadenas de
nmeros
134
Codificacin de datos
Codificacin por substitucin
Para una observacin de 32-3/8, los datos
pueden codificarse como enteros expresando el
nmero de incrementos de 1/8 de desviacin vs
el valor nominal.

Codificacin por truncamiento o valores decimales
repetitivos:
Las mediciones como 0.55303, 0.55310, 0.55308
pueden ser registradas como los dos ltimos dgitos,
3, 10, 8.
Hoja de registro
Evaluacin de la productividad de una junta

Lista de verificacin del supermercado
measles chart muestra la distribucin de defectos
en un esquema del producto
135
136
V.C Sistemas de medicin
137
Contenido
1. Mtodos de medicin

2. Anlisis de sistemas de medicin

3. Sistemas de medicin en la empresa

4. Metrologa
138
V.C.1 Mtodos de medicin
139
Mtodos de medicin
Cuidado de instrumentos de medicin
Los instrumentos de medicin son costosos y deben
tratarse con cuidado, deben calibrarse en base a un
programa as como despus de sospecha de dao

Superficies de Medicin / Referencia
Es la superficie de referencia para realizar las
mediciones.

Herramientas de transferencia
No tienen escala de lectura, por ejemplo, los
calibradores de resorte. La medicin es transferida a
otra escala de medicin para lectura directa.
140
Mtodos de medicin
Gages o escantillones por atributos
Son gages fijos para inspeccin pasa no pasa. Por
ejemplo gages maestros, plug gages, gages de
contorno, thread gages, gages de lmite de longitud,
gages de ensamble. Slo indican si el producto es
bueno o malo.

Gages o escantillones por variables
Proporcionan una dimensin fsica. Por ejemplo reglas
lineales, calibradores verniers, micrmetros,
indicadores de profundidad, indicadores de
excentricidad, etc. Indican si el producto es bueno o
malo respecto a las especificaciones para capacidad.
Ejemplos
141
Ejemplos
142
Ejemplos
143
144
Mtodos de medicin
Seleccin por atributos

Son pruebas de seleccin realizadas en una muestra
con dos resultados posibles, aceptable o no aceptable.

Como se realiza a toda la poblacin o a una proporcin
grande de la misma, debe ser de naturaleza no
destructiva.

145
Mtodos de medicin
Seleccin por atributos, caractersticas principales:
Un propsito claramente definido
Alta sensibilidad al atributo evaluado. Equivale a una
tasa baja de negativos falsos.

Alta especificidad al atributo que est siendo medido.
Esto equivale a una baja tasa de positivos falsos.
Los beneficios del programa sobrepasan los costos

Los atributos medidas identifican problemas
importantes (series y comunes)
Los resultados guan a acciones tiles
146
Bloques patrn
Gages (gauges) bloques patrn:
Carl Johansson desarroll bloques de acero como
estndares de medicin con exactitud de unas pocas
millonsimas de pulgada

Los bloques patrn o Jo se hacen de acero con
aleacin al alto carbn y cromo, carburo de tungsteno,
carburo de cromo o cuarzo fundido

Se usan para establecer una dimensin de longitud de
referencia para una medicin de transferencia, y para
calibracin de varios instrumentos de medicin
147
Bloques patrn
Bloques patrn grado 0.5 o 1; inspeccin 1 o 2; de
trabajo grado 3
Bloques patrn
Se deben manejar siempre del lado no pulido

Se deben limpiar antes de apilarse con keroseno,
benceno o tatracloruro de carbono con un trapo suve
o gamuza

Se usa una capa delgada de aceite residual cuando
se desean apilar

148
149
Bloques patrn
Se pueden apilar con la ayuda de una capa delgada
de aceite que expulsa el aire. Usar poca presin en el
proceso
150
Mtodos de medicin
Juegos de Gages (gauges) de bloques patrn:
El contenido de un juego de 81 piezas son:

Bloques de diezmilsimas (9): 0.1001, 1002,..,0.1009

Bloques de una milsima (49): 0.101, 0.1020.149

Bloques de 50 milsimas (19): 0.050, 0.1000.950

Bloques de una pulgada (4): 1.000, 2.000,, 4.000
151
Mtodos de medicin
Calibradores:

Los calibradores se utilizan para medir dimensiones de
longitud, internas, externas, de altura, o profundidad.

Son de los siguientes tipos: Calibradores de resorte,
calibradores de reloj, verniers y calibradores,
calibradores digitales

152
Mtodos de medicin
Calibradores de resorte:
Los calibradores proporcionan una exactitud de
aproximadamente 1/16 al transferir a una regla de
acero
153
Mtodos de medicin
Calibradores verniers:
Usan una escala para indicar la medicin de longitud.
Ahora se han reemplazados con reloj o indicador
digital.
Para el caso de una longitud de 1.069 se leera como
sigue:
154
Mtodos de medicin
Calibradores de reloj:
La lectura se hace en la escala con resolucin cercana
a 0.1 y un reloj con resolucin de 0.001.

Calibradores digitales
Usan un display digital con lectura en pulgadas o en
milmetros y un cero que puede ser puesto en
cualquier punto del viaje. La resolucin es del orden de
0.0005
155
Mtodos de medicin
Comparadores pticos
Usan un haz de luz dirigido hacia la parte a ser
inspeccionada, y la sombra resultante es amplificada y
proyectada en una pantalla.

La imagen puede medirse al comparar con una plantilla
maestra o medir la silueta en la pantalla o tomando las
lecturas. Para pasar la inspeccin, la silueta de la
sombra debe encontrarse entre los lmites de
tolerancia predeterminados.
156
Mtodos de medicin
Micrmetros
Los mics se pueden adquirir con tamaos de cuerpo
para 0.5 a 48. La mayora tiene una exactitud de
0.001 y con un vernier o indicador puede llegar a
0.0001. En cuartos con temperatura y humedad
controlada se pueden hacer medidas lineales de hasta
millonsimas de pulgada

Pueden hacer mediciones de interiores, exteriores,
porfundidad, cuerdas, etc. Las dos escalas utilizadas
son la del cuerpo y la del tambor, a continuacin se
muestra un ejemplo:
157
Mtodos de medicin
Micrmetros
158
Mtodos de medicin
Mediciones de resistencia a la tensin
La resistencia a la tensin es la habilidad de un metal a
resistir su rotura. Se aplica una carga a una barra de
prueba y se incrementa gradualmente hasta que la
barra se rompa. Se pueden analizar los datos de
tensin usando curvas de esfuerzo deformacin, que
muestra la carga vs la elongacin.

Prueba de corte
Es la habilidad para resistir un esfuerzo de cuchilla
cortante cuando se aplican fuerzas paralelas
ligeramente fuera de eje.
159
Mtodos de medicin
Prueba de compresin
La comprensin es el resultado de fuerzas actuando
unas contra otras. Se aplica una carga y se registra la
deformacin. Se puede obtener una curva de esfuerzo
deformacin con los datos

Prueba de fatiga
La fatiga es la habilidad del material a resistir cargas
repetitivas. En varios niveles de esfuerzo, se cuenta el
nmero de ciclos hasta que ocurre la falla
160
Mtodos de medicin
Titulacin
Es un mtodo de anlisis que permite la determinacin
de cantidades precisas de reactivos en el matraz. La
solucin a ser analizada se prepara en el matraz
Erlenmeyer. Un indicador como el azul de metileno es
adicionado a la solucin. Se usa una bureta para liberar
el segundo reactivo al matraz y un indicador o medidor
de pH se utiliza para determinar el punto final de la
reaccin. El indicador cambia de color cuando se llega
al punto final.
161
Mtodos de medicin
Medicin de dureza
La medicin de dureza se realiza al crear una marca
en la superficie del material con un baln duro o una
pirmide de diamante y despus se mide la
profundidad de penetracin

162
Mtodos de medicin
Medicin de dureza
163
Mtodos de medicin
Medicin de torque
Esta medicin se requiere cuando el producto se sujeta
con tornillos y tuercas. El torque es una fuerza que
produce rotacin alrededor de un eje

(Torque = fuerza x Distancia)

Prueba de impacto
La resistencia al impacto es la habilidad del material
para resistir el impacto. Las pruebas de Charpy e Izod
usan muestras que son golpeadas por un pndulo
calibrado
164
Mtodos de medicin
La regla de acero
La regla de acero se utiliza para lecturas directas. Sus
divisiones estn en fracciones de pulgada milmetros

Placas de medicin (mrmol)
Son planos de referencia para mediciones
dimensionales. Usualmente son utilizados con
accesorios planos, angulares, paralelos, bloques en V y
bloques cilndricos apilados

165
Mtodos de medicin
Indicadores de reloj
Son instrumentos mecnicos para medir variaciones de
distancia. Muchos indicadores de reloj amplifican la
lectura de un punto de contacto por medio de un
mecanismo interno de engranes. Tienen resoluciones
de 0.00002 a 0.001 con un rango amplio de
mediciones.

166
Mtodos de medicin
Ring gages o gages de cuerdas
Se usan para inspeccionar dimensiones cilndricas
externas y frecuentemente se denominan gages go no
go. Un ring gage de cuerdas se usa para checar
cuerdas macho

167
Mtodos de medicin
Plug gages o gages de dimetros
Se usan para inspeccionar dimensiones cilndricas
internas y frecuentemente se denominan gages go no
go o gages pasa no pasa. Un plug gage de cuerdas
se usa para checar cuerdas hembra. En lado se indica
en verde la seccin de Pasa y en el otro lado se indica
en roja la No Pasa.

Go No go
168
Mtodos de medicin
Gages neumticos
Los tipos de gages de amplificacin neumtica incluyen
unos accionados variando la presin de aire y otros al
variar la velocidad del aire con presin constante. Las
mediciones pueden ser ledas en millonsimas de
pulgada.

Interferometra
Se forma interferencia cuando dos o ms haces de luz
monocromtica de la misma longitud de onda se
defasan 180 viajando en diferentes distancias. Las
irregularidades se evidencian alternando las bandas
obscura y de luz
169
Mtodos de medicin
Gages diseados con Laser
El haz de luz Laser se transmite a un receptor del lado
puesto del gage. Las mediciones se realizan cuando el
haz es obstaculizado por un objeto y el receptor
registra esta dimensin.

Mquina de Medicin por Coordenadas (CMM)
Las partes a medir se colocan en la placa de mrmol y
un sensor se manipula para tener varios puntos de
contacto usando el sistema de mediciones controlado
por computadora tomados en tres ejes perpendiculares
entre s.
170
Mtodos de medicin
Pruebas no destructivas (NDT) y evaluaciones no destructivas
(NDE)
Son tcnicas para evaluar las propiedades de los materiales
sin afectar la utilidad futura de los artculos probados.
Incluyen el uso de automatizacin, prueba al 100% del
producto y la garanta de adecuacin interna. Algunos
resultados requieren considerable habilidad para su
interpretacin.

Inspeccin visual
La inspeccin visual de color, textura y apariencia
proporciona informacin valiosa. EL ojo humano es apoyado
por lentes de aumento u otros instrumentos. Esta inspeccin
tambin se denomina inspeccin de exploracin (scanning)
171
Mtodos de medicin
Pruebas ultrasnicas
Las ondas ultrasnicas se generan en un transductor y
se transmiten a travs de un material que puede tener
defectos. Parte de las ondas chocan en el defecto y se
reflejan como ecos a la unidad receptora, que las
convierte en picos en la pantalla. Para pruebas no
destructivas se utiliza un rango de frecuencias de 200
a 250,000 Khz.
172
Mtodos de medicin
Pruebas con partculas magnticas
La inspeccin con partculas magnticas es un mtodo
no destructivo de detectar la presencia de defectos o
poros ya sean superficiales o internos en metales o
aleaciones ferromagnticos.

Se magnetiza la parte y despus se aplican partculas
de acero en la superficie de la parte bajo prueba. Las
partculas se alinean con el campo magntico y se
concentran en lugares donde las lneas entran o salen
de la parte.
173
Mtodos de medicin
Pruebas con partculas magnticas
La parte bajo prueba se examina en las reas de
concentracin de partculas magnticas que indicaran
presencia de discontinuidades

Se usa corriente alterna para descubrir la presencia de
defectos superficiales, mientras que con corriente
directa proporciona mayor sensibilidad para la
localizacin de defectos internos. Se cuenta con
mtodos secos y hmedos
174
Mtodos de medicin
Pruebas con lquidos penetrantes
La inspeccin con lquidos penetrantes es un mtodo
rpido para detectar defectos en la superficie en todo
tipo de materiales. El lquido aplicado contiene una
tinta que penetra en el defecto por capilaridad
contrastado por una limpieza. Requiere observacin
cuidadosa.

Pruebas con corrientes parsitas de Eddy
Las corrientes parsitas son inducidas en un objeto
bajo prueba al pasar una corriente alterna en una
bobina colocada cerca de la superficie del objeto bajo
prueba.
175
Mtodos de medicin
Pruebas con corrientes parsitas de Eddy
Un campo electromagntico es producido en el objeto
bajo prueba que puede ser comparado con un
estndar.
Defecto
176
Mtodos de medicin
Pruebas con Radiografa
Se pueden dirigir Rayos X o Rayos Gama a travs de
un objeto bajo prueba sobre una placa fotogrfica y las
caractersticas internas de la parte pueden ser
reproducidas y analizadas.

Para un anlisis adecuado, se deben establecer
estndares de referencia para evaluar los resultados.
Una radiografa puede mostrar poros, inclusiones, y
fracturas si se encuentran en el plano adecuado y son
suficientemente grandes.
177
Mtodos de medicin
Pruebas con Radiografa de neutrones
Los neutrones son partculas atmicas sin carga que se
mueven por los materiales sin afectar su densidad. Son
dispersados o absorbidos por partculas en el nucle
atmico en vez de los electrones. El objeto se coloca
en un haz de neutrones en frente de un detector de
imagen.

Otras tcnicas relacionadas
Aplicaciones recientes incluyen fluoroscopia,
radiografa gama, rayos X televisados, pruebas con
microondas e inspeccin hologrfica
178
V.C.2 Anlisis de Sistemas
de Medicin
179
Contenido
2. Carta de tendencias de gage Minitab
3. Estudios de R&R metodo corto del rango
4. Estudios de R&R mtodo largo (cruzado)
5. Estudios de R&R mtodo largo (anidado)
6. Estudios de linealidad y sesgo
7. Estudios de R&R por atributos mtodo analtico
8. Estudios de R&R por atributos acuerdo entre
evaluadores
180
Anlisis de Sistemas de Medicin
181
Metrologa
Metrologa es la ciencia de las mediciones

Apoya a la organizacin en la evaluacin cuantitativa
de las variables del proceso (longitudes, dimensiones,
pesos, presiones, etc.)

Factores considerados para determinar el periodo de
calibracin de los equipos de medicin
Intensidad de uso del equipo
Posibles desgastes por el uso o degradacin
Errores identificados durante las calibraciones peridicas

182
Correlacin de mediciones
Es la comparacin o correlacin de las mediciones de un
sistema de medicin con los valores reportados por uno o
ms sistemas de medicin diferentes

Un sistema o dispositivo de medicin puede usarse para
comparar valores contra un estndar conocido, a su vez
puede compararse a la media y desviacin estndar de
otros dispositivos similares

Todas las mediciones reportadas de artefactos iguales o
similares, son referidos como prueba de proficiencia o
prueba de Round Robin.

183
Correlacin de mediciones
Tambin se pueden comparar valores obtenidos de
diferentes mtodos de medicin usados para medir
diferentes propiedades. Por ejemplo la medicin de dureza
y resistencia de un metal, temperatura y expansin lineal
de un artculo al ser calentado, y peso y nmero de
pequeas partes

El manual MSE de la AIAG clasifica los errores del sistema
de medicin en cinco categoras:
Sesgo o exactitud
Repetibilidad
Reproducibilidad
Estabilidad
Linealidad
184
Porcentaje de acuerdo
El porcentaje de acuerdo ya sea entre el sistema de
medicin y los valores de referencia o el valor verdadero
de la variable medida

Puede estimarse con el coeficiente de correlacin, r, con
valores r=1 100% de acuerdo y r= 0 sin acuerdo.

185
Precisin a Tolerancia P/T
Es la razn (P/T) entre el error estimado de la medicin
(precisin) y la tolerancia de la caracterstica medida.

Donde 6 sigma es la variabilidad de las mediciones. Los
supuestos son:
Las mediciones son independientes
Los errores de medicin se distribuyen normalmente
Los errores de medicin son independientes de la
magnitud de las mediciones

Tolerancia
T P l
e
o 6
/ Re =
186
Precisin a Variacin Total P/TV
Es la razn (P/TV) entre el error estimado de la medicin
(precisin) y la variacin total de la caracterstica medida.

Se debe minimizar P/TV para reducir el efecto de la
variacin de las mediciones en la evaluacin de la
variacin del proceso

Conforme P/T y P/TV se incrementan, la habilidad de
discriminar un cambio en el proceso disminuye, en todo
caso utilizar un sistema de medicin con variacin ms
pequea

Medicion Variacion oducto Variacion
Medicion Variacion
Total Variacion
TV P l
e
+
= =
Pr
6
/ Re
o
187
Definiciones
Exactitud
Desviacin respecto del valor verdadero del promedio
de las mediciones

Valor verdadero:
Valor correcto terico / estndares NIST
Sesgo
Distancia entre el valor promedio de todas las
mediciones y el valor verdadero.
Error sistemtico o desviacin
188
Definiciones
Estabilidad
La variacin total en las mediciones obtenidas durante
un perodo de tiempo prolongado
Linealidad
Diferencia en los valores de la escala, a travs del
rango de operacin esperado del instrumento de
medicin.
Precisin
Medicin de la variacin natural en mediciones
repetidas
189
Definiciones
Proceso de
Transformacin
Proceso de
Medicin
Datos,
informacin,
observaciones
2 2 2
Sistema de medicin producto total
o o o + =
Variabilidad
del producto
+ =
Variabilidad
del Sist. De
Medicin
Variabilidad
total
(Observada)
Sistema de medicin producto total
c + =
190
Errores en la medicin
Todo proceso tiene variabilidad y los procesos de
medicin no son la excepcin;

Los valores observados son el resultado del
comportamiento verdadero ms el ruido de la
medicin, por lo que es necesario evaluar el sistema
de medicin de la variable de respuesta para
determinar si este es aceptable para la necesidad.

191
Promedios
Observada
=
proceso
+
medicin

Variabilidad

o
Observada
= o
proceso
+ o
medicin
2 2 2
Determinada por un
estudio de calibracin
Determinada
por un estudio
R&R
192
Posibles Fuentes de la
Variacin del Proceso
La Repetibilidad y reproducibilidad (R&R), son los errores ms relevantes en la medicin.
Variacin del proceso, real
Variacin de la medicin
Variacin del proceso, observado (Zlp/Zlt y/ DPMO)
Reproducibilidad
Repetibilidad
Variacin
dentro de la
muestra
Estabilidad Linealidad Sesgo
Variacin originada
por el calibrador
Calibracin
193
Sensibilidad

El gage debe ser suficientemente sensible para
detectar diferencias en las mediciones en al menos un
dcimo de la tolerancia especificada o de la dispersin
del proceso
194
Sesgo es la diferencia entre el
promedio observado de las
mediciones y el valor
verdadero (patrn).

si Exactitud > 10% :
Ajustar el equipo de medicin
Utilizar factores de correccin

Definicin del Sesgo o exactitud
Valor
Verdadero
Sesgo
% Exactitud =
| Exactitud |*
Tolerancia
100
195
Definicin de la Repetibilidad
o precisin
REPETIBILIDAD
Repetibilidad: Es la variacin de
las mediciones obtenidas con un
instrumento de medicin,
cuando es utilizado varias veces por
un operador, al mismo tiempo que
mide las mismas caractersticas en
una misma parte
196
Definicin de la Reproducibilidad
Reproducibilidad: Es la
variacin, entre promedios
de las mediciones hechas
por diferentes operadores
que utilizan un mismo
instrumento de medicin
cuando miden las mismas
caractersticas en una
misma parte en diferentes
tiempos
Reproducibilidad
Operador-A
Operador-C
Operador-B
197
Preciso pero Exacto pero Exacto y
No exacto no preciso preciso
198
Estabilidad (o desviacin) es la variacin
total de las mediciones obtenidas con un
sistema de medicin, hechas sobre el mismo
patrn o sobre las mismas partes, cuando se
mide una sola de sus caractersticas, durante
un perodo de tiempo prolongado.

Estabilidad= x1-x2=Exactitud1 - Exactitud2
Definicin de la Estabilidad
Tiempo 1
Tiempo 2
% Estabilidad =
| Estabilidad |*
Tolerancia
100
5% > Recomendacin si Estabilidad > 10%

Modificar frecuencias de calibracin (Programa)
< 5% espaciar periodos de uso entre calibracin
>10% acortar periodos entre calibraciones

Patrn
199
Linealidad es la diferencia
en los valores real y
observado, mayor menos
menor a travs del rango de
operacin esperado del
equipo.
Definicin de la Linealidad
Rango de Operacin del equipo
Valor
verdadero
Valor
verdadero
(rango inferior)
(rango superior)
Sesgo
Menor
Sesgo
mayor
Graficar el sesgo versus los valores de exactitud de la parte
en todo el rango de operacin del instrumento. El porcentaje de
Linealidad es igual a la pendiente, b, de la lnea de regresin
Multiplicada por la variacin del proceso.
L = b Vp
El sesgo en cualquier punto se puede estimar de la pendiente y
La interseccin con eleje Y (Yo) de la mejor lnea de ajuste
B = Yo + b X
% Linealidad =
| Linealidad | *
Tolerancia
100
Recomendacin si Linealidad > 10% :

Restringir su uso
Aplicar factores de correccin

200
Estabilidad del Calibrador
Cmo Calcularla

Para calibradores que normalmente se utilizan sin ajuste, durante periodos
de tiempo relativamente largos.

Realizar un segundo estudio R&R del Calibrador justo antes de que
venza el tiempo de re calibracin.

La estabilidad del calibrador es la diferencia entre los promedios
sobresalientes de las mediciones resultantes de los dos estudios.
Causas posibles de poca estabilidad

El calibrador no se ajusta tan frecuentemente como se requiere

Si es un calibrador de aire, puede necesitar un filtro o un regulador

Si es un calibrador electrnico, puede necesitar calentamiento previo.

201
Estudios de incertidumbre
Para evaluar la desviacin estndar poblacional del sistema de
medicin de los pocos vitales, haremos un ajuste a la desviacin
estndar muestral con la t-student, por lo que se requiere :

No out-liers : De tener presentes, proceder a investigarlos y
eliminarlos o sustituirlos.

Normalidad de los datos : de no haber normalidad se puede
aplicar el teorema de lmite central utilizando da desviacin
estndar de las medias grupos de tamao m
202
Estudios de incertidumbre
Incertidumbre = Desv.Std.Sist.medic.
Incertidumbre
5.15 o
med
99.02%
Incertidumbre
Incertidumbre estandar :
u = o
sistema de medicion
= s*(t
0.005,n-1
) \m /(2.575)
Incertidumbre expandida :
U = 5.15*u= k*s*(t
0.005,n-1
)\m

Donde : k= factor de cobertura (Generalmente k=2)
%U = U*100/Tolerancia
203
Estudios de R&R
Los mtodos para estudios de Repetibilidad y Reproducibilidad
pueden clasificarse por la naturaleza de las mediciones en :
Mtodos para mediciones de datos continuos
Para pruebas no destructivas
Mtodo Corto Rangos (Mediciones cruzadas)
Mtodo Largo Medias y Rangos (Clculos manuales)
Mtodo ANOVA (Exacto, pero recomendable software)
Para pruebas destructivas
ANOVA modificado (Diseos anidados)
Mtodos para mediciones de atributos o datos discretos.
Indice Kappa (Pruebas binarias)
ndice Kendall (Multiples caracteristicas)
204
Estudios de R&R
Todos ellos generalmente consideran un nivel de
confianza del 99.02%, esto es :

GR&R = 5.15 sigma de la medicin

205
Estudios R&R Datos continuos
Estudios de GR&R
datos continuos
Estudios sobre la varianza
Ho:
El sistema de medicin es aceptable para
la necesidad.
GR&R Mtodo
de Rangos (Corto)
%GR&R
aceptable
Se cuenta
con software
estadstico
Mtodo Medias
y Rangos (Largo)
Mtodo Anlisis de
Varianzas (ANOVA)
% GR&R
aceptable
Reproducibilidad
aceptable
Repetibilidad
aceptable
Estudios de Incertidumbre
y/o caracterizacin.
Estandarizar mtodos,
operaciones, equipos y/o
procedimientos utilizados.
Documentar estudio
y definir siguiente
fecha de evaluacin.
NO
SI
NO SI
NO
SI
NO
SI
NO
SI NO
206
Precisin en relacin a la variacin
total

Identificar qu porcentaje de la variacin total debe absorberse
como error de medicin.

<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qu tan
crtico es el grado de la medicin.
>30%. Inaceptable!
%R&R
Var Total
=
R&R
*100
Error R&R = RPT
2
+ REPR
2
Para la fase de control del
proyecto, slo substituya la
Tolerancia por Variacin Total
.
TV= R&R + PV
PV= variacin de parte = Rp x K3
207
EL VALOR DEL R&R ES UN PORCENTAJE DE LA VARIACION
TOTAL DEL PROCESO:
Mientras ms mayor sea el % del R&R, mayor ser el rea de
incertidumbre para conocer la dimensin verdadera de las partes.
ERROR TIPO 1: Pueden estarse aceptando partes que estn fuera
de especificaciones
ERROR TIPO 2: Pueden estarse rechazando partes que estn
dentro de especificaciones
Lo que
fue
medido
VARIACIN DE PARTE A
PARTE
LSL USL OBJETIVO
La dimensin verdadera de
las partes se encuentra en
algn lugar de la la regin
sombreada
208
Estudios de
Repetibilidad y Reproducibilidad
Carta de Tendencias

Mtodo del Rango (corto)

Mtodo de Medias Rangos

Mtodo de ANOVA

209
I. Mtodo de Medias - Rango

Permite separar en el sistema de medicin lo
referente a la reproducibilidad y a la Repetibilidad.

Los clculos son ms fciles de realizar.

210
I. Mtodo de Medias - Rango

Un modelo matemtico de este mtodo con r
rplicas, con K evaluadores en n partes, el rango
medio encontrado es:

=
=
=
n
i
k
j
ij
nk
R
R
1
1
211
Mtodo de ANOVA
II. 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
212
Mtodo de ANOVA
II. Mtodo ANOVA
El valor observado usando el mtodo ANOVA es:

Valor observado = Promedio + sesgo + Efecto de la
parte + Efecto del evaluador + Error de rplica o

Valor observado = Valor de referencia + Desviacin

ijm i ijm
x Y c + =
213
Mtodo de ANOVA
II. Mtodo ANOVA

Con Yijm como la m-sima medicin tomada por el
evaluador J en la parte j-sima. Si las Xi son
independientes y normalmente distribuidas con media
y varianza o
2
, la varianza total est dada por:

Donde son las varianzas debidas al efecto de
la parte, el efecto del evaluador, y el error de rplica

2 2 2 2
) ( t o e o + + + =
ijm
Y VAR

2 2 2
, , t o e
214
Mtodo de ANOVA
Ejemplo de Corrida: 5 partes, 3 tcnicos y 2 rplicas

La repetibilidad es la varianza del error contribuye
con 50.85% del total de variacin de los datos.

215
Mtodo de ANOVA
Ejemplo de Corrida:

La reproducibilidad es la variacin entre tcnicos que
contribuye con el 2.34% de la variacin

La variacin del proceso contribuye con un 46.81%
de la variacin total de los datos

Se usa la prueba F para determinar las diferencias
significativas

216
2. Carta de tendencia de
gages
217
Carta de tendencias de gages
Una carta de tendencias es una grfica de todas las
observaciones por operador y partes. La lnea
horizontal de referencia es la media, calculada de los
datos o proporcionada en base al historial.

Esta carta muestra las diferencias entre los diferentes
operadores y las partes.

Un proceso estable mostrar una dispersin aleatoria
horizontal; el efecto de un operador o parte mostrar
un patrn definido no aleatorio.
218

Operator
R
e
s
p
o
n
s
e
Mean
1.0
0.8
0.6
0.4
1.0
0.8
0.6
0.4
Mean
1 2 3 4 5
6 7 8 9 10
Operator
3
1
2
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Panel variable: Part
Gage Run Chart of Response by Part, Operator
1 File > Open worksheet > GAGEAIAG.MTW.
2 Stat > Quality Tools > Gage Study > Gage Run Chart.
3 En Part numbers, seleccionar Part.
4 En Operators, seleccionar Operator.
5 En Measurement data, seleccionar Response. Click OK.
219
Interpretando los resultados
Para cada parte, se puede comparar la variacin entre
mediciones hechas los operadores y sus diferencias
Se puede comparar la media de referencia con las mediciones
especficas.

La mayor parte de la variacin se debe a diferencias entre las
partes, algunos patrones menores aparecen tambin.
Por ejemplo el operador 2 en su segunda medicin es
consistentemente (7/10) ms pequea que la primera, y sus
mediciones son consistentemente (8/10) ms pequeas que las
del operador 1.
220
3. Estudios R&R
Mtodo del rango
221
Mtodo del rango
Requiere pocas muestras pero no proporciona
informacin detallada de las fuentes de variacin, se
usa cuando:

Diagnostico para identificar los sistemas de medicin con
mayor variabilidad.

Monitoreo/control peridico de sistemas de medicin
aceptables para asegurar que se mantiene su confiabilidad

Cuando solo participa una persona (Operador, auditor,
inspector, analista) en el sistema de medicin, entonces se
busca otra fuente de informacin o auditoria a la medicin
para realizar una medicin cruzada.

222
Mtodo 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.
Se usan dos evaluadores y cinco partes. Cada evaluador
mide cada parte una sola vez.

Se calcula el rango de la medicin de cada parte y al final
el rango promedio.

La desviacin estndar de R&R se aproxima con la
formula de rango medio entre d2*
El % de R&R se calcula comparando la desv. Estndar de
R&R con la del proceso
223
Mtodo del rango

Partes Evaluador A Evaluador B Rango A,B
1 0.85 0.80 0.05
2 0.75 0.70 0.05
3 1.00 0.95 0.05
4 0.45 0.55 0.10
5 0.50 0.60 0.10
Rango medio = 0.35/5 = 0.07
GRR = Rmedio / d2* = 0.07 / 1.19 = 0.0588
Desv. Estndar del proceso = 0.0722
%GRR = 100 (GRR / Desv. Est. Proceso ) = 81.4%
Por tanto el sistema de medicin requiere mejora
Error mximo 10%
224
Mtodo del rango
Contra tolerancia:
Determine la Tolerancia total de variacin permitida para la
variable :

Para Especificaciones bi-laterales :
Tolerancia = LSE - LIE

Para Especificaciones uni-laterales :
Tolerancia = 2* |y LIE| Tolerancia = 2* |LSE y|
Donde : LSE = Lmite Superior de Especificacin
LIE = Lmite Inferior de Especificacin
y = Media histrica de la variable bajo estudio valor
promedio objetivo

225
Mtodo del rango
Calcular los rangos de cada par de lecturas por parte/muestra.
Calcular el rango promedio de dichos rangos.
Calcular el GR&R mediante: GR&R = (5.15) x (rango promedio)
Clculo del %GR&R: %GR&R = GR&R*100/Tolerancia

Determinar si el sistema de medicin es confiable para la
necesidad:
%R&R <10% es aceptable

%R&R >30% es inaceptable

10%<%R&R<30% dependiendo la variacin de proceso
226
Mtodo del rango
Pieza Inspector 1 Inspector 2 Rango
1
2
3
4
5
Rango promedio ( R ) =
GR&R = 5.15*R/d
2
*
= 5.15 * ( )/( ) =
GR&R*100 ( )*100
Tolerancia ( )
%GR&R = = =
F
o
r
m
a
t
o

5
.
1

227
4. Estudios R&R (cruzado)
Mtodo largo
228
Determinacin slo
de la repetibilidad
Se tienen veinte unidades de producto, el operador
que toma las mediciones para el diagrama de control
usa un instrumento para medir cada unidad dos
veces. Los datos son mostrados en la tabla siguiente
229
Determinacin slo
de la repetibilidad
Parte Medicin 1 Medicin 2 Media Rango
1 21 20 20,5 1
2 24 23 23,5 1
3 20 21 20,5 1
4 27 27 27,0 0
5 19 18 18,5 1
6 23 21 22,0 2
7 22 21 21,5 1
8 19 17 18,0 2
9 24 23 23,5 1
10 25 23 24,0 2
11 21 20 20,5 1
12 18 19 18,5 1
13 23 25 24,0 2
14 24 24 24,0 0
15 29 30 29,5 1
16 26 26 26,0 0
17 20 20 20,0 0
18 19 21 20,0 2
19 25 26 25,5 1
20 19 19 19,0 0
Promedio 22,3 1
230
Determinacin slo
de la repetibilidad
La desviacin estndar del error de medicin,, es
calculada mediante la siguiente frmula:

Para obtener una buena estimacin de la capacidad del error de
medicin utilizamos: y vs Tolerancia
887 . 0
128 . 1
1
2
= =
d
R
=
R= Rango promedio
d
2
= Valor de tablas.
LSL USL T
P
medicin
=
o 6 32 . 5 ) 887 . 0 ( 6 6 = =
medicin
o
231
Determinacin slo
de la repetibilidad
En este ejemplo USL = 60, LSL = 5

Los valores P/T de 0.1 o menores generalmente implican una
capacidad de error de medicin adecuada.

La varianza total observada es:

Y la sigma del proceso es:

Por lo tanto la desviacin estndar del proceso = 2.93
=
097 . 0
55
32 . 5
= =
T
P
4249 . 9 ) 07 . 3 (
2 2 2
= = = S Total o
proceso
2
o medicin total
2 2
o o

=
=9.4249 - .79 = 8.63
232
Determinacin slo
de la repetibilidad
El error de medicin es expresado como un porcentaje de la
variabilidad del proceso:

Al ser el error de medicin mayor al 10%, concluimos que no
tenemos un sistema de medicin confiable, por lo cual tenemos
que realizar las acciones correctivas correspondientes.

=

% 73 . 25 100
07 . 3
79 .
= =
total
medicion
o
o
233
R&R - Mtodo de medias rangos
Los estudios de repetibilidad y reproducibilidad
determinan cuanto de la variacin observada como
variacin de proceso es debida a variacin del sistema de
medicin.

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.
234
Mtodo de medias rangos
235

Generalmente intervienen de dos a tres operadores
Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.
Estudio de R&R Medias Rangos
236
Estudio R&R Medias rangos
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 VARIACION)

10 partes NO son un tamao de muestra significativo
para una opinin slida sobre el EQUIPO DE
MEDICIN a menos que
237
Procedimiento para realizar un estudio de R&R

1. Ajuste el calibrador, o asegrese de que ste haya sido
calibrado.

2. Marque cada pieza con un nmero de identificacin
que no pueda ver la persona que realiza la medicin.

3. Haga que el primer operador mida todas las muestras
una sola vez, siguiendo un orden al azar.

238

4. Haga que el segundo operador mida todas las
muestras una sola vez, siguiendo un orden al azar.

5. Contine hasta que todos los operadores hayan
medido las muestras una sola vez (Este es el ensayo
1).

6. Repita los pasos 3-4 hasta completar el nmero
requerido de ensayos

239
7. Utilice el formato proporcionado para determinar las
estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
%R&R
Desviaciones estndar de cada uno de los
conceptos mencionados
Anlisis del % de tolerancia

8. Analice los resultados y determine los pasos a
seguir, si los hay.

240
Planteamiento del problema:
Las partes producidas en el rea de produccin, fallaron por
errores dimensionales 3% del tiempo.
Ejemplo:
CTQ: Mantener una tolerancia 0.125 pulgadas
Sistema de Medicin: Se miden las partes con calibradores de 2.
Estudio R&R del La dimensin A es medida por dos
Calibrador: operadores, dos veces en 10 piezas.
241
Repetibilidad y Reproducibilidad de calibrador
Mtodo X-media y Rango:
Operador A Operador B
Serie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porcin Xbar
1 9.376 9.358 9.354 9.361
2 9.372 9.320 9.372 9.372
3 9.378 9.375 9.278 9.277
4 9.405 9.388 9.362 9.370
5 9.345 9.342 9.338 9.339
6 9.390 9.360 9.386 9.370
7 9.350 9.340 9.349 9.349
8 9.405 9.380 9.394 9.381
9 9.371 9.375 9.384 9.385
10 9.380 9.368 9.371 9.376
Totales
X-bar
A
X-bar
B
R-bar
A
R-bar
B
Porcin R
242
Clculo de las X-medias
1 9.376 9.358 9.354 9.361 9.362
2 9.372 9.320 9.372 9.372 9.359
3 9.378 9.375 9.278 9.277 9.327
4 9.405 9.388 9.362 9.370 9.381
5 9.345 9.342 9.338 9.339 9.341
6 9.390 9.360 9.386 9.370 9.377
7 9.350 9.340 9.349 9.349 9.347
8 9.405 9.380 9.394 9.381 9.390
9 9.371 9.375 9.384 9.385 9.379
10 9.380 9.368 9.371 9.376 9.374
Totales 93.772 93.606 93.588 93.580
X-bar
A
9.3689 X-bar
B
9.3584
R-bar
A
R-bar
B
Porcin R
243
Clculo de los Rangos
1 9.376 9.358 0.018 9.354 9.361 0.007 9.362
2 9.372 9.320 0.052 9.372 9.372 0.000 9.359
3 9.378 9.375 0.003 9.278 9.277 0.001 9.327
4 9.405 9.388 0.017 9.362 9.370 0.008 9.381
5 9.345 9.342 0.003 9.338 9.339 0.001 9.341
6 9.390 9.360 0.030 9.386 9.370 0.016 9.377
7 9.350 9.340 0.010 9.349 9.349 0.000 9.347
8 9.405 9.380 0.025 9.394 9.381 0.013 9.390
9 9.371 9.375 0.004 9.384 9.385 0.001 9.379
10 9.380 9.368 0.012 9.371 9.376 0.005 9.374
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X-bar
A
9.3689 X-bar
B
9.3584
R-bar
A
0.0174 R-bar
B
0.0052
Porcin R 0.0630
244
Ancho de tolerancia====>
Nmero de intentos (m)=>
Nmero de partes (n)==>
Nmero de operadores
K1
========>
4.56
(=4.56 para 2 ensayos, 3.05 para 3 ensayos)
K2
=========>
3.65
X-media mx.=>
X-media mn. =>
Diferencia X-dif
R-media doble
K3 ======> 1.62
Identificacin de Parmetros del Estudio
y Clculos
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052
Porcin R 0.0630
(=3.65 para 2 operadores; 2.7 para 3 operadores)
0.25
2
10
2
9.3689
9.3584
0.0105
0.0113
245
0.0515 DV = R x K1 =
Repetibilidad: La variacin del dispositivo de medicin (VD) se calcula
sobre cada grupo de mediciones tomadas por un operador, en una
sola parte.
0.03655
Reproducibilidad: La variacin en el promedio de las mediciones (AV) se
calcula sobre el rango de los promedios de todas las mediciones, para
cada operador, menos el error del calibrador (vale si la raz es negativa)
AV = (Xdif * K2)
2
- (DV
2
/(r*n)) =
Clculo de R&R
246
R&R = DV
2
+ AV
2
=
El componente de varianza para repetibilidad y reproducibilidad
(R&R) se calcula combinando la varianza de cada componente.
PV = Rpart x K3 = 0.1021
El componente de varianza para las partes (PV), se calcula sobre el
rango de los promedios de todas las mediciones, para cada parte.
TV = R&R
2
+ PV
2
=
0.1142
La variacin total (TV) se calcula combinando la varianza de repetibilidad y
reproducibilidad y la variacin de la parte.
0.05277
Clculo de R&R
247
Basado en la tolerancia:

%DV = 100*DV/Ancho de tolerancia=

%AV = 100*AV/Ancho de tolerancia=

%R&R = 100*R&R/Ancho de tolerancia =

Basado en la variacin Total de las Partes:

%DV = 100*DV/Variacin total=

%AV = 100*AV/ Variacin total =

%R&R = 100*R&R/ Variacin total =

%PV = 100*PV /Variacin total =
20.61
45.09
14.62
21.108
32.00
46.20
89.40
Clculo de R&R
248
Ejercicios
Para un estudio de R&R 2 operadores midieron con el mismo equipo de
medicin 10 partes en 3 intentos cada uno,obteniendo:

Mediciones Mediciones
Nmero de operador A de operador B
de parte 1 2 3 1 2 3

1 50 49 50 50 48 51
2 52 52 51 51 51 51
3 53 50 50 54 52 51
4 49 51 50 48 50 51
5 48 49 48 48 49 48
6 52 50 50 52 50 50
7 51 51 51 51 50 50
8 52 50 49 53 48 50
9 50 51 50 51 48 49
10 47 46 49 46 47 48
249
R&R por Medias Rangos
Calculo con Excel

(usar la hoja de trabajo R&R.xls)
250
Datos del operador 1

No. de Parte y
Nombre: 4600066 PARTE A

Tolerancia
Especificada: 0.0060

No. y Nombre de
GAGE: 8881-H
Calibrador
Digital

RECOLECCIN DE DATOS

OPERADOR A.-
columna 1 columna 2 columna 3 columna 4 Promedio
Muestra 1er Intento 2do Intento 3er Intento Rango X
1 0.0045 0.0045 0.0045 - 0.0045
2 0.0045 0.0055 0.0045 0.0010 0.0048
3 0.0045 0.0045 0.0045 - 0.0045
4 0.0050 0.0050 0.0045 0.0005 0.0048
5 0.0045 0.0045 0.0045 - 0.0045
6 0.0050 0.0055 0.0045 0.0010 0.0050
7 0.0050 0.0045 0.0045 0.0005 0.0047
8 0.0050 0.0050 0.0050 - 0.0050
9 0.0050 0.0045 0.0050 0.0005 0.0048
10 0.0040 0.0040 0.0040 - 0.0040
Totales 0.0470 0.0475 0.0455 0.0035 0.0467
Suma 0.1400 R
A :
0.00035
X
A
: 0.004666667

R
A
: 0.00035 # Intentos D
4

R
B
: 0.0004 3 2.58
R
C
: 0.0005
SUM: 0.00125 LSC
R
= R x D
4

R: 0.000416667 LSC
R
= 0.001075

251
Datos del operador 2

C.-
columna 9 columna 10 columna 11 columna 12 Promedio Prom. Parte
1er Intento 2do Intento 3er Intento Rango X X
p
=
0.0050 0.0045 0.0045 0.0005 0.0047 0.004556
0.0055 0.0045 0.0045 0.0010 0.0048 0.004889
0.0045 0.0045 0.0040 0.0005 0.0043 0.004444
0.0050 0.0050 0.0050 - 0.0050 0.004944
0.0045 0.0045 0.0040 0.0005 0.0043 0.004333
0.0050 0.0050 0.0050 - 0.0050 0.005111
0.0045 0.0050 0.0050 0.0005 0.0048 0.004833
0.0060 0.0050 0.0050 0.0010 0.0053 0.005111
0.0055 0.0045 0.0045 0.0010 0.0048 0.004778
0.0045 0.0045 0.0045 - 0.0045 0.004167
0.0500 0.0470 0.0460 0.0050 0.0477 X
p
= 0.004717
Suma 0.1430 R
C :
0.0005 R
p
= 0.000944
X
C
: 0.004766667

X Mx: 0.004766667 LSC
X
= X + A
2
R
A
2
= 1.023
X min: 0.004666667 LSC
X
= 0.005142917

X Diff: 0.0001000000 LIC
X
= X - A
2
R
LIC
X
= 0.0043

252
Carta de Rangos en control

RANGOS

LSCR = 0.001075 R = 0.00042 LICR = 0

LSC
R

LIC
R

R
Los rangos deben estar en control indicando que
Las mediciones se hicieron adecuadamente, de otra
Forma se debe repetir la medicin en la parte
253
Carta de Medias fuera de control

LSC
X
= 0.005143 X = 0.004717 LIC
X
= 0.004290417

LIC
X

LS
C
X

X

Al menos el 50% de los puntos debe salir
De control para validar la discriminacin de
Las partes
254
Resultados (AIAG)
MTODO LARGO
Aseguramiento de Calidad

No. de Parte y
Nombre:

4600066 PARTE A Fecha:

01/07/2003

Tolerancia
Especificada: 0.0060 Elaborado por: 0

No. y Nombre de
GAGE: 8881-H
Calibrador
Digital Caracterstica: Diametro

RESULTADOS DE LA HOJA DE DATOS AC-008

R= 0.00041667 X Diff = 0.0001000000 Rp = 0.000944444

Anlisis Unitario de Medicin
% Total de Variacin ( TV )
Repetibilidad - Variacin del Equipo (EV) % EV = 100 [ EV/TV ]
EV= R x K
1
= INTENTOS K
1
% EV = 63.74%
EV= 0.00127083 2 4.56
3 3.05 % EV vs Tol. = 21.18%
Reproducibilidad - Variacin del Operador (AV) % AV = 100 [AV/TV]
AV = [(XDiff x K
2
)
2
- (EV
2
/nr)]
1/2
% AV = 6.93%
AV = 0.00027 % AV vs Tol = 2.30%
AV = 7.29E-08 n=partes = 10
AV = 5.3834E-08 r = intentos = 3
AV = 1.9066E-08 OPERADOR 2 3
AV = 0.00013808 K
2
3.65 2.7

Repetibilidad y Reproducibilidad ( R & R ) PARTES K
3
% de R & R = 100 [ R & R /TV ]
R & R
= [EV
2
+ AV
2
]
1/2
5 2.08 % de R & R = 64.1164%
R & R
2

= 1.6341E-06 6 1.93
% de R & R vs Tol
= 21.31%
R & R
= 0.00127831 7 1.82
Variacin de la Parte ( PV ) 8 1.74 % PV = 100 [ PV/TV ]
PV = R
P
x K
3
9 1.67 % PV = 76.7403%
PV = 0.00153 10 1.62
VARIACIN TOTAL ( TV ) TV = 3.97E-06 PV / R&R x d
2
= d
2
= 1.693
TV = ( R & R
2
+ PV
2
)
1/2
TV = 0.001994 2.0
Categoria de
Datos

255
Resultados AIAG
Para los clculos e utilizan 5.15 sigmas para un 99%
de nivel de confianza

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.
El nmero de categoras debe ser de al menos 4
indicando que el equipo distingue las partes que son
diferentes.
256
R&R por Medias Rangos
Calculo con Minitab

(se puede usar la hoja de trabajo Gageaiag.mtw)
257
R&R Medias Rangos
Minitab :Datos originales

OPERADOR A.- B.- C.-
columna 1 columna 2 columna 3 columna 5 columna 6 columna 7 columna 9
columna
10
columna
11
Muestra 1er Intento
2do
Intento 3er Intento 1er Intento
2do
Intento 3er Intento 1er Intento
2do
Intento 3er Intento
1 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0050 0.0045 0.0045
2 0.0045 0.0055 0.0045 0.0055 0.0050 0.0045 0.0055 0.0045 0.0045
3 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0045 0.0040
4 0.0050 0.0050 0.0045 0.0050 0.0050 0.0050 0.0050 0.0050 0.0050
5 0.0045 0.0045 0.0045 0.0040 0.0045 0.0040 0.0045 0.0045 0.0040
6 0.0050 0.0055 0.0045 0.0060 0.0050 0.0050 0.0050 0.0050 0.0050
7 0.0050 0.0045 0.0045 0.0055 0.0045 0.0050 0.0045 0.0050 0.0050
8 0.0050 0.0050 0.0050 0.0050 0.0050 0.0050 0.0060 0.0050 0.0050
9 0.0050 0.0045 0.0050 0.0045 0.0045 0.0050 0.0055 0.0045 0.0045
10 0.0040 0.0040 0.0040 0.0040 0.0040 0.0040 0.0045 0.0045 0.0045
Totales 0.0470 0.0475 0.0455 0.0485 0.0465 0.0465 0.0500 0.0470 0.0460

258
R&R Medias Rangos
Minitab :Datos cargados (3 cols.)

Partes Operadores Medicin Partes Operadores Medicin Partes Operadores Medicin
1 1 0.0045 1 2 0.0045 1 3 0.005
2 1 0.0045 2 2 0.0055 2 3 0.0055
3 1 0.0045 3 2 0.0045 3 3 0.0045
4 1 0.005 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.004 5 3 0.0045
6 1 0.005 6 2 0.006 6 3 0.005
7 1 0.005 7 2 0.0055 7 3 0.0045
8 1 0.005 8 2 0.005 8 3 0.006
9 1 0.005 9 2 0.0045 9 3 0.0055
10 1 0.004 10 2 0.004 10 3 0.0045
1 1 0.0045 1 2 0.0045 1 3 0.0045
2 1 0.0055 2 2 0.005 2 3 0.0045
3 1 0.0045 3 2 0.0045 3 3 0.0045
4 1 0.005 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.0045 5 3 0.0045
6 1 0.0055 6 2 0.005 6 3 0.005
7 1 0.0045 7 2 0.0045 7 3 0.005
8 1 0.005 8 2 0.005 8 3 0.005
9 1 0.0045 9 2 0.0045 9 3 0.0045
10 1 0.004 10 2 0.004 10 3 0.0045
1 1 0.0045 1 2 0.0045 1 3 0.0045
2 1 0.0045 2 2 0.0045 2 3 0.0045
3 1 0.0045 3 2 0.0045 3 3 0.004
4 1 0.0045 4 2 0.005 4 3 0.005
5 1 0.0045 5 2 0.004 5 3 0.004
6 1 0.0045 6 2 0.005 6 3 0.005
7 1 0.0045 7 2 0.005 7 3 0.005
8 1 0.005 8 2 0.005 8 3 0.005
9 1 0.005 9 2 0.005 9 3 0.0045
10 1 0.004 10 2 0.004 10 3 0.0045

259
R&R Medias Rangos
Minitab : Instrucciones
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 X Bar and R

En Options Seleccionar: Staudy variation 5.15
Process tolerante 0.006
260
R&R Medias Rangos
Minitab : Resultados
Gage R&R Study - XBar/R Method
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0.0000001 41.00
Repeatability 0.0000001 40.52
Reproducibility 0.0000000 0.48
Part-To-Part 0.0000001 59.00
Total Variation 0.0000001 100.00

Study Var %Study Var %Tolerance
Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler)
Total Gage R&R 0.0002476 0.0012750 64.03 21.25
Repeatability 0.0002461 0.0012675 63.65 21.12
Reproducibility 0.0000269 0.0001384 6.95 2.31
Part-To-Part 0.0002970 0.0015295 76.81 25.49
Total Variation 0.0003867 0.0019913 100.00 33.19

Number of Distinct Categories = 1

% Error R&R debe ser menor
Al 10% ya sea para control del
Proceso o para producto final.
Repetibilidad Instrumento
Reproducibilidad - Operador
Nmero mnimo 4
261
R&R Medias Rangos
Minitab : Interpretacin de Resultados
Interpretacin de los resultados:

El error de R&R vs tolerancia es 64.03% y vs
variacin total del proceso es 21.25% lo que hace
que el equipo de medicin no sea adecuado para la
medicin.

Por otro lado el nmero de categoras es slo de 1
cuando debe ser al menos 4 indicando que el
instrumento discrimina las diversas partes diferentes.
262
R&R Medias Rangos Grficas

P
e
r
c
e
n
t
Part-to-Part Reprod Repeat Gage R&R
80
40
0
% Contribution
% StudyVar
% Tolerance
S
a
m
p
l
e

R
a
n
g
e
0.0010
0.0005
0.0000
_
R=0.000417
UCL=0.001073
LCL=0
1 2 3
S
a
m
p
l
e

M
e
a
n
0.0050
0.0045
0.0040
__
X=0.004717
UCL=0.005143
LCL=0.004290
1 2 3
Partes
10 9 8 7 6 5 4 3 2 1
0.006
0.005
0.004
Operadores
3 2 1
0.006
0.005
0.004
Partes
A
v
e
r
a
g
e
10 9 8 7 6 5 4 3 2 1
0.0050
0.0045
0.0040
Operadores
1
2
3
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Components of Variation
R Chart by Operadores
Xbar Chart by Operadores
Datos by Partes
Datos by Operadores
Operadores * Partes Interaction
Gage R&R (Xbar/R) for Datos
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, debera ser al menos el 50%, indicando
que el equipo no discrimina las diferentes partes.
263
R&R por ANOVA
Calculo con Minitab

(con los datos del ejemplo anterior)
264
R&R por ANOVA
Instrucciones de Minitab
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
265
R&R por ANOVA
Resultados de Minitab
Gage R&R Study - ANOVA Method

Two-Way ANOVA Table With Interaction

Source DF SS MS F P
Partes 9 0.0000086 0.0000010 12.2885 0.000
Operadores 2 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

Gage R&R

%Contribution
Total Gage R&R 0.0000001 50.93
Operadores 0.0000000 0.00
Part-To-Part 0.0000001 49.07

Total Gage R&R 0.0003150 0.0016222 71.36 27.04
Repeatability 0.0003150 0.0016222 71.36 27.04
Operadores 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


La interaccin no es significativa,
y los errores de R&R indican que
equipo de medicin no es adecuado
ni el nmero de categoras.
266
R&R por ANOVA
P
e
r
c
e
n
t
80
40
0
% Contribution
%StudyVar
% Tolerance
S
a
m
p
l
e

R
a
n
g
e 0.0010
0.0005
0.0000
_
R=0.000417
UCL=0.001073
LCL=0
1 2 3
S
a
m
p
l
e

M
e
a
n
0.0050
0.0045
0.0040
__
X=0.004717
UCL=0.005143
LCL=0.004290
1 2 3
Partes
10 9 8 7 6 5 4 3 2 1
0.006
0.005
0.004
Operadores
3 2 1
0.006
0.005
0.004
Partes
A
v
e
r
a
g
e
10 9 8 7 6 5 4 3 2 1
0.0050
0.0045
0.0040
Operadores
1
2
3
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
R Chart by Operadores
Xbar Chart by Operadores
Datos by Partes
Datos by Operadores
Operadores * Partes Interaction
Gage R&R (ANOVA) for Datos
Las conclusiones son similares
que con el mtodo de X barra R.
No hay interaccin parte - operador
267
4. Estudios R&R (anidado)
Mtodo largo
268
R&R Anidado
Los estudios de repetibilidad y reproducibilidad
determinan cuanto de la variacin observada del
proceso es debida a la variacin del sistema de
medicin.
Usar la opcin Gage R&R (Nested) cuando cada parte
sea medida por un solo operador, tal como en
pruebas destructivas.

El estudio de R&R (anidado) utiliza el mtodo ANOVA
para evaluar la repetibilidad y reproducibilidad, para
analizar la reproduciblidad dentro de sus
componentes operador y operador
269
R&R Anidado
270
R&R Anidado
De ser necesario hacer pruebas destructivas, se debe procurar
que todas las partes dentro de un mismo lote sean lo
suficientemente idnticas para considerarlas similares. Si no se
puede hacer sta consideracin entonces la variacin entre
parte y parte dentro de un lote enmascarar la variacin del
sistema.

Para el caso de pruebas destructivas si cada lote es medido por
cada operador entonces realizar el estudio R&R (Nested); si
todos los operadores miden partes de cada uno de los lotes,
entonces utilizar el estudio R&R (Crossed).
En resumen siempre que cada operador mida partes diferentes
se tiene un estudio R&R anidado.
271
R&R Anidado - datos
Ejemplo: Archivo gagenest.mtw de Minitab
En este ejemplo, 3 operadores mide cada uno 5 partes
diferentes dos veces, para un total de 30 mediciones. Cada una
de las partes es nica al operador; no se presenta el caso de
que dos operadores midan la misma parte.

PartNum Operator Measure PartNum Operator Measure
1 Daryl 1.48 1 Daryl 1.48
4 Beth 1.38 1 Beth 1.38
4 Beth 1.78 1 Beth 1.78
5 Beth 1.33 2 Beth 1.33
... ... ... ... ... ...

272
R&R Anidado
1 File > Open worksheet > GAGENEST.MTW.

2 Seleccionar Stat > Quality Tools > Gage Study
> Gage R&R Study (Nested).

3 En Part or batch numbers, poner Part.

4 En Operators, seleccionar Operator.

5 En Measurement data, seleccionar Response.
6 Dar OK.
273
R&R Anidado

Gage R&R (Nested) for Response

Source DF SS MS F P
Operator 2 0.0142 0.00708 0.00385 0.996
Part (Operator) 12 22.0552 1.83794 1.42549 0.255
Repeatability 15 19.3400 1.28933
Total 29 41.4094

Gage R&R

%Contribution
Total Gage R&R 1.28933 82.46
Part-To-Part 0.27430 17.54

Total Gage R&R 1.13549 5.84777 90.81 116.96
Repeatability 1.13549 5.84777 90.81 116.96
Part-To-Part 0.52374 2.69725 41.88 53.95
Total Variation 1.25045 6.43984 100.00 128.80


El mtodo no es adecuado ni para control del proceso o liberacin debe logra
La contribucin de diferencia entre partes del 17.54% es << que
la variacin del sistema de medicin (total Gage R&R ) de 82.46%.
Indica un alto error del sistema de medicin.
Con categoras de 1 el sistema de medicin no distingue las partes.
274
R&R Anidado
Resultados grficos de Minitab

P
e
r
c
e
n
t
100
50
0
% Contribution
%StudyVar
% Tolerance
S
a
m
p
l
e

R
a
n
g
e 4
2
0
_
R=1.313
UCL=4.290
LCL=0
Billie Nathan Steve
S
a
m
p
l
e

M
e
a
n
18
16
14
__
X=15.147
UCL=17.617
LCL=12.678
Billie Nathan Steve
Operator
Part
Steve Nathan Billie
5 4 3 2 1 15 14 13 12 11 10 9 8 7 6
18
16
14
Operator
Steve Nathan Billie
18
16
14
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
R Chart by Operator
Xbar Chart by Operator
Response By Part ( Operator )
Response by Operator
Gage R&R (Nested) for Response
Sistema de medicin inadecuado
275
6. Estudios de Linealidad y sesgo
276
Estudios de linealidad y sesgo
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. Contesta a la pregunta, Qu tan
exacto es mi gage comparado con un patrn?.
277
Datos y ejemplo
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

Ejemplo:
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)).
278
Datos y ejemplo
Part Master Response Part Master Response
1 2 2.7 3 6 6
1 2 2.5 3 6 6.1
1 2 2.4 3 6 6.4
1 2 2.5 3 6 6.3
1 2 2.7 3 6 6
1 2 2.3 3 6 6.1
1 2 2.5 4 8 7.6
1 2 2.5 4 8 7.7
1 2 2.4 4 8 7.8
1 2 2.4 4 8 7.7
1 2 2.6 4 8 7.8
1 2 2.4 4 8 7.8
2 4 5.1 4 8 7.8
2 4 3.9 4 8 7.7
2 4 4.2 4 8 7.8
2 4 5 4 8 7.5
2 4 3.8 4 8 7.6
2 4 3.9 4 8 7.7
2 4 3.9 5 10 9.1
2 4 3.9 5 10 9.3
2 4 3.9 5 10 9.5
2 4 4 5 10 9.3
2 4 4.1 5 10 9.4
2 4 3.8 5 10 9.5
3 6 5.8 5 10 9.5
3 6 5.7 5 10 9.5
3 6 5.9 5 10 9.6
3 6 5.9 5 10 9.2
3 6 6 5 10 9.3
3 6 6.1 5 10 9.4

279
1 File > Open worksheet > GAGELIN.MTW.

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.
280
Reference Value
B
i
a
s
10 8 6 4 2
1.0
0.5
0.0
-0.5
-1.0
0
Regression
95% CI
Data
Avg Bias
P
e
r
c
e
n
t
Bias Linearity
10
5
0
Gage Linearity
Slope -0.13167 0.01093 0.000
Predictor Coef SECoef P
Constant 0.73667 0.07252 0.000
S 0.23954 R-Sq 71.4%
Linearity 1.86889 %Linearity 13.2
Gage Bias
2 0.491667 3.5 0.000
4 0.125000 0.9 0.293
6 0.025000
Reference
0.2 0.688
8 -0.291667 2.1 0.000
10 -0.616667 4.3 0.000
Bias %Bias P
Av erage -0.053333 0.4 0.040
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Percent of Process Variation
Gage Linearity and Bias Study for Response
281
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.
282
7. Estudios R&R por atributos-
Mtodo analtico
283
R&R por Atributos
- Mtodo analtico
Se deben tomar al menos 8 partes para realizar un
estudio del gage por atributos.

La parte ms pequea debe tener cero aceptaciones, y la
parte ms grande debe tener el nmero mximo de
posibles aceptaciones. Para la AIAG, exactamente 6 partes
deben tener un nmero mayor que cero aceptaciones y
menos que 20 (mximo nmero de aceptaciones
permitidas).

Por el mtodo de regresin, se pueden tener ms de seis
partes entre los extremos de valores de referencia.
284
R&R por Atributos
- Mtodo analtico: Datos
Partes Referencia Aceptaciones
1 1.35 0
2 1.4 3
3 1.45 8
4 1.5 13
5 1.55 15
6 1.6 18
7 1.65 19
8 1.7 20
Summarized Data
Estructura de datos resumidos de tal
forma que cada fila contiene el nmero o
nombre de la parte, el valor de referencia
y la cuenta resumida.
Partes Referencia Respuesta
1 1.35 Rechazo
1 1.35 Rechazo
1 1.35 Rechazo
1 1.35 Rechazo
... ... ...
8 1.7 Aceptacin
8 1.7 Aceptacin
8 1.7 Aceptacin
8 1.7 Aceptacin
Raw Data
Estructura de datos individaules de
manera que cada fila contiene el nmero
o nombre de la parte, valor de referencia
y respuesta binaria (aceptacin o
rechazo).
285
R&R por Atributos
Ejemplo:
Un fabricante de automviles quiere medir el
sesgo y repetibilidad de un sistema automatizado
de medicin.

El sistema tiene una tolerancia inferior de -0.020 y
una tolerancia superior de 0.020.
El fabricante corre 10 partes, a travs del gage 20
veces, las partes tienen valores de referencia en
intervalos de 0.005 desde - 0.05 hasta 0.005.
286
R&R por Atributos
Ejemplo: Cada parte se prueba 20 veces con el Gage
(Dimensin 0.020 a 0.020)
Partes Referencia Aceptaciones
1 -0.05 0
2 -0.045 1
3 -0.04 2
4 -0.035 5
5 -0.03 8
6 -0.025 12
7 -0.02 17
8 -0.015 20
9 -0.01 20
10 -0.005 20
287
R&R por Atributos
- Mtodo analtico: Instr. Minitab
1. File > Open worksheet > AUTOGAGE.MTW.

2. Seleccionar Stat > Quality Tools > Gage Study >
Attribute Gage Study (Analytic Method).

3. En Part numbers, seleccionar Part number.
4. En Reference values, seleccionar Reference.
5. Seleccionar Summarized counts y teclear
Acceptances. En Number of trials, teclear 20.

6. Seleccionar Lower limit y teclear -0.020. OK.
288
R&R por Atributos
- Mtodo analtico: Resultados

Reference Value of Measured Part
P
e
r
c
e
n
t

o
f

A
c
c
e
p
t
a
n
c
e
-0.01 -0.02 -0.03 -0.04 -0.05
99
95
80
50
20
5
1
Reference Value of Measured Part
P
r
o
b
a
b
i
l
i
t
y

o
f

A
c
c
e
p
t
a
n
c
e
0.000 -0.025 -0.050
1.0
0.5
0.0
L Limit
Bias: 0.0097955
Pre-adjusted Repeatability : 0.0494705
Repeatability : 0.0458060
Fitted Line: 3.10279 + 104.136 * Reference
R - sq for Fitted Line: 0.969376
AIA G Test of Bias = 0 v s not = 0
T DF P-V alue
6.70123 19 0.0000021
Gage name:
Date of study :
Reported by :
Tolerance:
Misc:
Attribute Gage Study (Analytic Method) for Acceptances
289
R&R por Atributos
- Mtodo analtico: Resultados
Interpretacin

El Sesgo en el sistema de gage por atributos es de
0.0097955

La repetibilidad ajustada es de 0.0458060.

La prueba de sesgo indica que es significativamente
diferente de cero (t = 6.70123, df = 19, p = 0.00),
sugiriendo que el sesgo est presente en el sistema
de medicin por atributos.
290
8. Estudios R&R por atributos-
Mtodo de acuerdo por atributos
291
Mtodo GR&R por atributos
Estudios sobre la varianza
Estudios de GR&R
datos discretos
Cuntos atributos
Se evalan ?
Uno
Varios
Tcnica Kappa
(Clasificacin
Nominal)
Tcnica Kendall
(Clasificacin
Multi-nominal)
Documentar estudio
y definir siguiente
fecha de evaluacin.
ndice
Kappa > 0.7
SI
Estandarizar criterios de evaluacin, ayudas
(visuales, estandares, etc.), tips, Capacitacin,
Prctica, entrenamiento, etc.
NO
292
Estudios R&R por atributos
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 incluyen:
Calificaciones de desempeo de los automviles
Clasificacin de calidad de las fibras como buena o
mala.
Calificaciones de color, aroma y gusto del vino en una
escala de 1 a 10.
293
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.
294
Acuerdo por atributos - Datos
Los datos pueden ser texto o numricos. Las
calificaciones asignadas pueden ser Nominales u
ordinales.
Los datos nominales son variables categricas que
tienen dos o ms niveles sin orden natural. Por
ejemplo, los niveles en un estudio de gustacin de
comida que puede incluir dulce, salado o picoso.
Los datos ordinales son variables categricas que
tienen tres o ms niveles con ordenamiento natural,
tales como: en desacuerdo total, en desacuerdo,
neutral, de acuerdo, y completamente de acuerdo.
295
Los datos pueden estar apilados o en diferentes columnas
Sample Appraiser Response
1 A Good
1 A Good
1 B Bad
1 B Good
2 A Good
2 A Good
2 B Good
2 B Good
3 A Bad
3 A Good
3 B Bad
3 B Bad
4 A Good
4 A Good
4 B Good
4 B Good
5 A Bad
5 A Bad
5 B Good
5 B Bad
Attribute column data
Sample
Appraiser A
Trial 1
Appraiser A
Trial 2
Appraiser B
Trial 1
Appraiser B
Trial 2
1 Good Good Bad Good
2 Good Good Good Good
3 Bad Good Bad Bad
4 Good Good Good Good
5 Bad Bad Good Bad
Multiple columns data
296
Mtodo Kappa
Una tcnica utilizada para evaluar la confiabilidad de
mediciones de datos discretos es el ndice Kappa, el
cual est dado por la siguiente formula :

Suponga que se evalan 12 muestras por 2 inspectores
obteniendo los siguientes resultados :

K=
P
observada
-
P
chance
1 - P
chance
297
Mtodo Kappa
Parte Inspector A Inspector B
Buena
Buena
Buena
Buena
Buena
Mala
Buena
Buena
Buena
Mala
Buena
Mala
Buena
Buena
Buena
Mala
Buena
Mala
Buena
Buena
Buena
Mala
Buena
Mala
1
2
3
4
5
6
7
8
9
10
11
12
0.667 0.000 0.667
0.080 0.250 0.333
0.750 0.250
Tabla de Contingencia
Inspector A
Inspector B
Buena Mala
Buena
Mala
- 0.917
K =
0.5835
=
1- 0.5835
0.8
Pobservada = E x
ii
= x
bb
+ x
mm
= 0.667 + 0.25 = 0.917
Pchance = EE P
cc
i
*P
cc
j
= P
bb
A
*P
bb
B
+ P
mm
A
*P
mm
B
Pchance = (0.75)(0.667) + (0.25)(0.33) = 0.5835
298
Mtodo Kappa
Determine si el sistema de medicin es confiable:

El valor mximo posible de Kappa es 1.0, cuanto ms
cercano est a este valor el sistema de medicin es
confiable. En trminos generales se puede decir que
si K es menor a 0.7, el sistema de medicin no es
aceptable.

299
Mtodo Kendall
Cuando se tienen varios inspectores y la clasificacin de
la muestra puede ser multi-nominal, se puede utilizar
el ndice de Kendall

Para explicarlo consideraremos el siguiente ejemplo, en
el cual participan 5 inspectores y analizan 10
muestras las cuales clasifican en 5 categoras
distintas.

300
Mtodo Kendall
Costura
ancha
Costura
angosta
Costura
incompleta
Costura
dispareja
Costura
perfecta
S
5
x
2
ij
i=1
M
u
e
s
t
r
a
1
2
3
4
5
6
7
8
9
10
0
2
3
0
0
4
0
0
0
3
0
0
0
0
2
0
4
0
0
2
8
1
1
0
0
3
0
1
0
0
0
6
0
0
2
0
0
0
0
5
0
0
7
4
2
0
5
0
1
0
0
5
0
12 17
17
9
13
25
13
17
17
25
25
13
174
0.24
0.76
0.16
0. 84
0.12
0.88
0. 14
0. 86
0. 34
0. 66
pq
F
p =
50
F
301
Mtodo Kendall
El indice Kappa para cada categora est dado por:

Donde :
Kcategoria j = ndice Kappa de la Categora j
n = Nmero de unidades
m = Nmero de inspectores
k = Nmero de categoras
pi = evaluacin dentro de la categora i/(n x m)
qi = 1 - pi

K
Categora j
= 1-
E
n
i=1
x
2
ij
x
ij
(m- )
nm(m-1)
p q
j j
302
Mtodo Kendall
El numerador del ndice Kappa para la categora
Costura ancha sera entonces :

El denominador del ndice Kappa para la categora
Costura ancha sera entonces :
10 x 5 x (5-1) x 0.24 x 0.76 = 36.48

Por lo tanto, el ndice Kappa para la categora Costura
ancha sera :

[0 x (5-0)] + [2 x (5-2)] + [3 x (5-3)] + [0 x (5-0)] + [0 x (5-0)]
+ [4 x (5-4)] + [0 x (5-0)] + [0 x (5-0)] + [0 x (5-0)] + [3 x (5-3)] =22
K Costura
ancha
= 1-
22
36.48
= 0.4
303
Mtodo Kendall
El ndice Kendall de todo el estudio est dado por la siguiente
frmula::

Donde :
Ktotal = ndice Kendall
n = Nmero de unidades
m = Nmero de inspectores
k = Nmero de categoras
pi = evaluacin dentro de la categora i/(n x m)
qi = 1 - pi
K
total
=
1 -
nm
2
-
E E
n k
x
2
ij
i=1
j=1
nm(m-1)
E
k
j=1
p q
j j
304
Mtodo Kendall
El ndice Kendall para el ejemplo dado es:

El valor mximo posible de Kendall es 1.0, cuanto ms
cercano est a este valor el sistema de medicin es
confiable. En trminos generales se puede decir que
si K es menor a 0.7, el sistema de medicin no es
aceptable.
K
total
= 1-
10 x (5)
2
-174

10 x 5 x 4

[
(
(0.24 X 0.76) + (0.16 X 0.84) +
(0.12 X 0.88) + (0.14 X 0.86) +
(0.34 X 0.66)
)
]
=1- (76/153.44) = 0.5
305
Ejemplo:
Una empresa est entrenando a cinco evaluadores para la
porcin escrita de un examen estndar de doceavo grado.

Se requiere determinar la habilidad de los evaluadores para
calificar el examen de forma que sea consistente con los
estndares.

Cada uno de los evaluadores califica 15 exmenes en una
escala de cinco puntos (-2, -1, 0, 1, 2):
306
Appraiser Sample Rating Attribute Holmes 8 0 0
Simpson 1 2 2 Duncan 8 0 0
Montgomery 1 2 2 Hayes 8 0 0
Holmes 1 2 2 Simpson 9 -1 -1
Duncan 1 1 2 Montgomery 9 -1 -1
Hayes 1 2 2 Holmes 9 -1 -1
Simpson 2 -1 -1 Duncan 9 -2 -1
Montgomery 2 -1 -1 Hayes 9 -1 -1
Holmes 2 -1 -1 Simpson 10 1 1
Duncan 2 -2 -1 Montgomery 10 1 1
Hayes 2 -1 -1 Holmes 10 1 1
Simpson 4 -2 -2 Duncan 11 -2 -2
Montgomery 4 -2 -2 Hayes 11 -1 -2
Holmes 4 -2 -2 Simpson 12 0 0
Duncan 4 -2 -2 Montgomery 12 0 0
Hayes 4 -2 -2 Holmes 12 0 0
Simpson 5 0 0 Duncan 12 -1 0
Holmes 5 0 0 Simpson 13 2 2
Duncan 5 -1 0 Montgomery 13 2 2
Hayes 5 0 0 Holmes 13 2 2
Simpson 7 2 2 Duncan 14 -1 -1
Montgomery 7 2 2 Hayes 14 -1 -1
Holmes 7 2 2 Simpson 15 1 1
Duncan 7 1 2 Montgomery 15 1 1
Hayes 7 2 2 Holmes 15 1 1
307
Acuerdo por atributos Instr. Minitab
1 Abrir el archive ESSAY.MTW.
2 Seleccionar Stat > Quality Tools > Attribute
Agreement Analysis.
3 En Attribute column, poner Rating.

4 En Samples, poner Sample.
5 En Appraisers, poner Appraiser.
6 En Known standard/attribute, poner Attribute.
7 Checar Categories of the attribute data are
ordered y poner OK
8 In Addition seleccionar coeficientes Kappa y Kendall
308
Resultados
Each Appraiser vs Standard

Assessment Agreement

Appraiser # Inspected # Matched Percent 95 % CI
Duncan 15 8 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.
309
Resultados
All Appraisers vs Standard


# Inspected # Matched Percent 95 % CI
15 6 40.00 (16.34, 67.71)

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


15 6 40.00 (16.34, 67.71)

# Matched: All appraisers' assessments agree with each other.
310
Resultados

Appraiser
P
e
r
c
e
n
t
Simpson Montgomery Holmes Hayes Duncan
100
80
60
40
20
0
95.0%CI
Percent
Date of study:
Reported by:
Name of product:
Misc:
Appraiser vs Standard
311
Resultados
ndice Kappa de Cohen
Un estadstico popular para medir el nivel de acuerdo entre dos
personas calificadoras con un intento o dentro de un calificador
con dos intentos.

El ndice Kappa de Cohen Kappa es calculado de manera
diferente que el ndice de Kappa de Fleiss.

Los rangos de Kappa van de -1 a +1. Entre mayor sea el valor
de Kappa, es ms fuerte el acuerdo. Si Kappa = 1, existe un
acuerdo perfecto. Si Kappa = 0, el acuerdo es similar a lo que
pudiera ser esperado por el azar.
312
Resultados
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.
313
Resultados
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.
314
Sistema de Medicin de Atributos
Ejemplo comparacin pasa no pasa
Un sistema de medicin de atributos compara
cada parte con un estndar y acepta la parte si
el estndar se cumple.
La efectividad de la discriminacin es la habilidad
del sistema de medicin de atributos para
discriminar a los buenos de los malos.
315
Ejemplo comparacin pasa no pasa

1. Selecciona un mnimo de 20 unidades del proceso. Estas
unidades deben representar el espectro completo de la
variacin del proceso (buenas, erroneas y en lmites).
2. Un inspector experto realiza una evaluacin de cada
parte, clasificndola como Buena o No Buena.
3. Cada persona evaluar las unidades, independientemente
y en orden aleatorio, y las definir como Buenas o No
Buenas.
4. Ingresa los datos en el archivo Attribute Gage R&R.xls
para cuantificar la efectividad del sistema de medicin.
316
GR&R de Atributos - Ejemplo
REPORTE
Legenda de Atributos
FECHA:
1 G = Bueno

NOMBRE:
2 NG = No Bueno
PRODUCTO:
SBU:
COND. DE PRUEBA:
Poblacin Conocida Persona #1 Persona #2
Muestra # Atributo
#1 #2
#1 #2
% DE EFECTIVIDAD DE DISCRIMINACION
(3)
-> 85.00%
(4)
-> 85.00%
1 G G G G G Y Y
2 G G G G G Y Y
3 G G G G G Y Y
4 G G G G G Y Y
5 G G G G G Y Y
6 G NG G G G N N
7 G G G G G Y Y
8 G G G G G Y Y
9 NG G G NG NG N N
10 NG NG NG G G N N
11 G G G G G Y Y
12 G G G G G Y Y
13 NG NG NG NG NG Y Y
14 G G G G G Y Y
15 G G G G G Y Y
16 G G G G G Y Y
17 NG NG NG NG NG Y Y
18 G G G G G Y Y
19 G G G G G Y Y
20 G G G G G Y Y
% DEL EVALUADOR
(1)
-> 95.00% 100.00%
% VS. EL ATRIBUTO
(2)
-> 90.00% 95.00%
Esta es la
medida
general de
consistencia
entre los
operadores
y el experto.
90% es lo
mnimo!
Acuerdo
Y=S N=No
Acuerdo
Y=S N=No
% DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO
317
Pasa no pasa Datos en Minitab
Muestra Atributo Persona 1A Persona 1B Persona 2A Persona 2B
1 G G G G G
2 G G G G G
3 G G G G G
4 G G G G G
5 G G G G G
6 G NG G G G
7 G G G G G
8 G G G G G
9 NG G G NG NG
10 NG NG NG G G
11 G G G G G
12 G G G G G
13 NG NG NG NG NG
14 G G G G G
15 G G G G G
16 G G G G G
17 NG NG NG NG NG
18 G G G G G
19 G G G G G
20 G G G G G
318
Pasa no pasa Instrucciones en Minitab
1 Usar los datos anteriores.
2 Seleccionar Stat > Quality Tools > Attribute
Agreement Analysis.

3 En Multiple columns, con Persona 1 - Persona 2B.
4 En Number of appraisers, 2.
5 En Number of trials, 2.

6 En Known standard/attribute, poner Atributo
7 no Checar Categories of the attribute data are
ordered y poner OK

319
Pasa no pasa Resultados de Minitab
Attribute Agreement Analysis Persona 1A, Persona 1B, Persona 2A,
Persona 2B
Within Appraisers
1 20 19 95.00 (75.13, 99.87)
2 20 20 100.00 (86.09, 100.00)
# Matched: Appraiser agrees with him/herself across trials.
Fleiss' Kappa Statistics
Appraiser Response Kappa SE Kappa Z P(vs > 0)
1 G 0.82684 0.223607 3.69774 0.0001
NG 0.82684 0.223607 3.69774 0.0001
2 G 1.00000 0.223607 4.47214 0.0000
NG 1.00000 0.223607 4.47214 0.0000
Each Appraiser vs Standard
1 20 18 90.00 (68.30, 98.77)
2 20 19 95.00 (75.13, 99.87)
Between Appraisers
20 17 85.00 (62.11, 96.79)
Response Kappa SE Kappa Z P(vs > 0)
G 0.663222 0.0912871 7.26524 0.0000
NG 0.663222 0.0912871 7.26524 0.0000
All Appraisers vs Standard
20 17 85.00 (62.11, 96.79)
# Matched: All appraisers' assessments agree with the known standard.
Response Kappa SE Kappa Z P(vs > 0)
G 0.792005 0.111803 7.08391 0.0000
NG 0.792005 0.111803 7.08391 0.0000
320
Pasa no pasa Resultados de Minitab
Appraiser
P
e
r
c
e
n
t
2 1
100
95
90
85
80
75
70
95.0%CI
Percent
Appraiser
P
e
r
c
e
n
t
2 1
100
95
90
85
80
75
70
95.0%CI
Percent
Date of study:
Reported by:
Name of product:
Misc:
Within Appraisers Appraiser vs Standard
321
Interpretacin de Resultados
1. % del Evaluador es la consistencia de una persona.
2. % Evaluador vs Atributo es la medida de el acuerdo
que hay entre la evaluacin del operador y la del
experto.
3. % de Efectividad de Seleccin es la medida de el
acuerdo que existe entre los operadores.
4. % de Efectividad de Seleccin vs. el Atributo es una
medida general de la consistencia entre los
operadores y el acuerdo con el experto.
322
Estudio de Repetibilidad y
Reproducibilidad de Atributos -
Guas de Aceptabilidad
Aunque el 100% es el resultado que deseamos obtener,
en un estudio de repetibilidad y reproducibilidad de
atributos, la siguiente gua se usa frecuentemente:
Porcentaje Gua
De 90% a 100%
De 80% a 90%
Menos de 80%
Aceptable
Marginal
Inaceptable
323
Mtodo sencillo
Tomar 50 piezas, 40 de las cuales dentro de
especificaciones y 10 fuera de especificaciones

Probarlas con dispositivos pasa y no pasa por
medio de 3 operadores

Si no coinciden todos los operadores en al menos el
90%, los dispositivos o gages pasa, no pasa no
son confiables
324
V.C.3 Sistemas de medicin
en la empresa
325
Medicin de desempeo
en la empresa
Contadores automticos
Reportes generados por computadora

Auditoras internas y externas
Evaluacin de proveedores

Reportes gerenciales

Encuestas internas y externas
Reportes diversos
326
Medicin de desempeo
en la empresa - Aspectos
Proveedores
No. De desviaciones
Porcentaje de entregas a tiempo
Porcentaje de entregas anticipadas
Costo de embarque por unidad
Porcentaje de cumplimiento en especificaciones
Costo unitario actual vs costo unitario histrico
Monto de lo rechazado vs monto de las compras
Oportunidad de la asistencia tcnica
327
Medicin de desempeo
Ventas y mercadotecnia
Crecimiento en ventas por periodo de tiempo
Porcentaje de participacin de mercado
Monto de ventas / mes
Monto promedio de ventas por transaccin
Tiempo promedio de clientes en visita al sitio Web
Efectividad de eventos de ventas
Monto vendido vs monto gastado en publicidad
328
Medicin de desempeo
Satisfaccin de cliente externo
Comparacin ponderada vs competencia
Valor percibido medido por el cliente
Rango de satisfaccin del producto / servicio
Evaluacin de la competencia tcnica
Porcentaje de clientes retenidos
329
Medicin de desempeo
Satisfaccin de cliente interno
Tasa de satisfaccin del empleado
Tasa de satisfaccin en el puesto
Indicador de efectividad de la capacitacin
Evaluacin de avance en imparcialidad
Retroalimentacin sobre principales polticas y
procedimientos
Conocimiento de metas y avances de la empresa

330
Medicin de desempeo
Investigacin y desarrollo
No. De proyectos en desarrollo
Porcentaje de proyectos dentro del presupuesto
No. De proyectos fuera de programa
Gastos de desarrollo vs ingresos por ventas
Confiabilidad de solicitudes de cambios al diseo
331
Medicin de desempeo
Ingeniera
Evaluacin del desempeo del producto
No. De requerimientos de accin correctiva
Porcentaje de acciones correctivas cerradas
Evaluacin de control de mediciones
Disponibilidad de asistencia tcnica

332
Medicin de desempeo
Manufactura
Capacidad de proceso de mquinas y procesos clave
Porcentaje de tiempos muertos de mquina
Tiempos de ciclo promedio (lneas clave)
Medicin del control de orden y limpieza
Adecuacin de la capacitacin a operadores
333
V.C.4 Metrologa
334
Metrologa
Metrologa. Es la ciencia de las mediciones. Deriva del griego
metrn medida y logos lgica. Sus elementos clave son:

El establecimiento de estndares de medicin que sean
internacionalmente aceptados y definidos

El uso de equipo de medicin para correlacionar la
extensin que los datos del producto y proceso estn
conforme a especificaciones
La calibracin regular de equipos de medicin,
rastreables a estndares internacionales establecidos
335
Metrologa
Unidades de medicin

El sistema internacional de unidades SI clasifica las
mediciones en 7 categoras:
Longitud (metro)
Tiempo (segundo)
Masa (kilogramo)
Corriente elctrica (ampere)
Temperatura (Kelvin)
Iluminacin (candela)
Cantidad de sustancia (mole)
336
337
Metrologa
Temperatura
Temperatura en F = 1.8 (Temp C) +32

Temperatura en C = (Temp F 32) / 1.8

Temperatura en K = Temp C + 273.15

338
Metrologa
Calibracin
Es la comparacin de un estndar de medicin o
instrumento de exactitud conocida con otro
instrumento para detectar, correlacionar, reportar o
eliminar por ajuste, cualquier variacin en la exactitud
del instrumento que se est comparando.

La eliminacin del error es la meta primaria del sistema
de calibracin
339
Metrologa
Variabilidad total del producto
La variabilidad total en el producto incluye la
variabilidad del proceso de medicin.

Errores de medicin
El error del instrumento de medicin es el valor del
instrumento de medicin menos el valor verdadero.
medicin proceso total
2 2 2
o o o + =
patron medicion error
2 2 2
o o o =
error patron medicion
2 2 2
o o o + =
340
Metrologa
Errores de medicin
El intervalo de confianza para la media de las
mediciones se reduce tomando mediciones mltiples
de acuerdo al teorema del lmite central con la
siguiente relacin:
n
lecturas
medicion
o
o =
341
Metrologa
Errores de medicin
Hay muchas razones para que un equipo de medicin genere
variaciones por error, incluyendo las categoras siguientes:
Variacin por el operador
Variacin de operador a operador
Variacin del equipo
Variacin de los materiales
Variacin en procedimientos
Variacin en el software
Variacin de laboratorio a laboratorio
342
Metrologa
Intervalo de calibracin

Es aceptado generalmente que el intervalo de
calibracin del equipo de medicin se base en la
estabilidad, propsito y grado de uso.

La estabilidad se refiere a la habilidad de un
instrumento de medicin para manejar de manera
consistente sus caractersticas metrolgicas durante el
tiempo.
343
Metrologa
Intervalo de calibracin
El propsito es importante, en general las aplicaciones
crticas incrementan la frecuencia y las aplicaciones
menores disminuyen la frecuencia.
El grado de utilizacin o uso se refiere a que tan
frecuentemente se utiliza el instrumento y a que
condiciones ambientales se expone.
El equipo de medicin y prueba debe ser trazable a
registros que indiquen la fecha de la ltima calibracin,
por quin fue calibrado y cuando est planeada su
prxima calibracin. Algunas veces se usa la
codificacin.
344
Metrologa
Estndares de calibracin
El valor verdadero reconocido de acuerdo al SI se
denomina Estndar

Los estndares primarios de referencia son copias del
kilogramo internacional y los sistemas de medicin que
responden a definiciones de las unidades
fundamentales a las unidades derivadas de la tabla SI.

Los estndares nacionales se toman como la autoridad
central para evaluar la exactitud, y todos los niveles de
estndares de trabajo son trazables a este gran
estndar
345
Estndares internacionales
En Mxico se tiene el CENEAM o el Centro
Nacional de Metrolgia

En EUA se tiene el NIST (National Institute of
Standards and Technolog)

Un Estndar primario es certificado por NIST o
por una organizacin alterna que use
procedimientos de calibracin actualizados

Los Estndares secundarios son calibrados por
el depto. de Metrologa de las empresas en base
a los estndares primarios, para efectos de
calibracin.
346
Estndares internacionales

Los Estndares secundarios se transfieren
a Estndares de trabajo en produccin.

Para determinar la exactitud de los
sistemas de medicin se debe conocer su
rastreabilidad a Estndares nacionales e
internacionales.

Resolucin: 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
variabilidad del proceso ( LTNS - LTNI = 6 o )
347
Metrologa
Estndares de calibracin
La trazabilidad hacia debajo de la trazabilidad se
muestra a continuacin

National Institute Standards and Technology
Laboratorios de Estndares
Laboratorios de Metrologa
Laboratorios de Sistema de Control de Calidad
Centros de Trabajo
348
Resumen del ISO 10012

Quality assurance requirement for measuring
euipment Part 1: Metrological confirmation system
for measuring equipment.

Contiene requerimientos de aseguramiento de calidad
para asegurar que las mediciones sean hechas con la
exactitud intencionada.
349
Resumen del ISO 10012 Elementos clave

Todos los equipos de medicin deben ser identificados,
controlados, y calibrados. Deben mantenerse los
registros de la calibracin y trazabilidad a estndares
nacionales

El sistema para evaluar el equipo de medicin a que
cumpla con la sensibilidad, exactitud y confiabilidad
requerida, debe estar definida en procedimientos

El sistema de calibracin debe ser evaluado de forma
peridica por auditoras y revisiones
350
Las acciones que involucren al sistema de medicin
general deben ser planeadas

Se debe determinar la incertidumbre de la medicin

Los mtodos utilizados para confirmar el equipo y los
dispositivos de medicin deben estar documentados

Se deben mantener registros sobre los mtodos
usados para calibrar el equipo de medicin y prueba

351

Se deben establecer procedimientos adecuados para
asegurar que no sea utilizado el equipo de medicin
no conforme

Debe establecerse un sistema de etiquetado que
muestre la identificacin nica y su estado

Se debe establecer y documentar la frecuencia de
recalibracin de cada dispositivo de medicin

352

Los ajustes deben sellarse para evitar su movimiento

Los procedimientos deben definir controles cuando se
use una fuente externa en relacin a la calibracin o
surtimiento de equipo de medicin

Las calibraciones deben ser trazables a estndares
nacionales. Si no hay estndares nacionales
disponibles, se debe documentar el mtodo para
establecer y mantener los estndares

353

Se debe especificar el mtodo de clculo de la
incertidumbre, cuando se acumulen las incertidumbres

Los gages, equipos de medicin y equipos de prueba
se usarn, calibrarn y almacenarn en condiciones
que aseguren la estabilidad del equipo

Se requieren procedimientos documentados para la
calificacin y entrenamiento del personal que realiza
las mediciones

Lean Sigma BB Medicion A

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Lean Sigma BB Medicion A

Caricato da

Copyright:

Formati disponibili

1

Potrebbero piacerti anche