II.

Análisis de Sistemas de Medición

II. ANÁLISIS DE SISTEMAS DE MEDICIÓN

INTRODUCCIÓN____________________________________________________

Siempre que registramos o medimos los resultados de un proceso nos encontramos con cierta variación
en los datos obtenidos. Esta variación puede provenir de dos fuentes distintas: por un lado, siempre habrá
diferencias intrínsecas entre cualquier par de elementos que se pretendan medir (variación intrínseca); por
otro, ningún método de medición es perfecto (i.e., si midiésemos el mismo elemento en repetidas ocasiones no
obtendríamos siempre el mismo dato numérico). El Control Estadístico de Calidad (SPC) tiene como misión
identificar las causas de variaciones intrínsecas en los procesos a fin de poder reducir dicha variación a
niveles “tolerables”, pero antes de aplicar las técnicas del SPC es necesario asegurarnos de que la variación
registrada no es debida, al menos en su mayor parte, a los sistemas de medición utilizados.

El objeto de este capítulo será pues presentar herramientas que nos ayuden a precisar qué parte de la
variación existente en los datos se debe al propio sistema de medida empleado. En concreto, estaremos
interesados en:

• Estudios R&R y gráficos de rachas de medida: nos permitirán examinar la precisión del sistema.

• Medidas lineales y estudio de la exactitud

Los errores en los sistemas de medición pueden clasificarse en dos categorías: errores de exactitud y
errores de precisión. La exactitud describe la diferencia entre el valor registrado y el real. La precisión
describe la variación que se observa al medir el mismo elemento de forma repetida y usando el mismo método
de medición. Podemos encontrarnos con sistemas de medición que se vean afectados sólo por alguno de estos
tipos de errores, y otros que sufran de falta de exactitud y de precisión:

objetivo

∗ ∗ ∗ ∗
∗∗ ∗∗ ∗ ∗ ∗ ∗
∗∗∗ ∗∗∗ ∗ ∗ ∗ ∗ ∗ ∗

exacto y preciso preciso, pero no exacto exacto, pero no preciso ni exacto ni preciso

Podemos descomponer la exactitud de un sistema de medida en tres componentes:

1. Linealidad: Indica cómo varía el nivel de exactitud obtenido en la medición en función del tamaño
del objeto medido. Da una idea de cómo el tamaño del elemento a medir afecta a la exactitud del
sistema de medida.
2. Exactitud: Es la diferencia entre la medición media observada y un “valor maestro”. Da una idea
de lo “centrado” o “ajustado” que está el sistema de medida.
3. Estabilidad: Es la variación total que se obtendría al medir el mismo elemento repetidas veces
usando un mismo aparato de medición. Nos da una idea de cómo de exacto o estable es el sistema
con el paso del tiempo.

Análogamente, podemos descomponer la precisión o medida de la variación en dos partes:

1. Repetibilidad: Es la variación observada cuando el mismo operario mide el mismo elemento de

forma repetida usando el mismo aparato. Da una idea de la variación debida a dicho aparato de
medida.
2. Reproductibilidad: Es la variación observada cuando distintos operarios miden el mismo elemento
usando el mismo aparato. Nos da una idea de la variación debida al operario.

II - 1
 Control Estadístico de la Calidad con MINITAB

ESTUDIOS R&R____________________________________________________

Los estudios de Repetibilidad y Reproductibilidad de las mediciones determinan qué parte de la

variación observada en el proceso se debe al sistema de medición usado.

Minitab proporciona dos métodos para realizar este tipo de estudios: el método X-barra/R
descompone la variación total en tres categorías: elemento a elemento, repetibilidad, y reproductibilidad. El
método ANOVA va un paso más allá y descompone la reproductibilidad en dos subcategorías, el operario y el
operario por elemento (por tal motivo este último método es más exacto que el anterior):

Variación en el Sistema de Medición

Elemento a Elemento Variación debida al Aparato Variación debida a Operarios

(Repetibilidad) (Reproductibilidad)

Operario Operario por Elemento

Los datos deben estar estructurados en tres columnas: una primera que contenga el nombre o código de
cada elemento medido, una segunda (opcional) que contenga el nombre del operario que ha realizado cada
medición, y una tercera con el resultado de la medición.

Ejemplo R&R: Pretendemos realizar un estudio R&R sobre dos conjuntos de datos. En el primero, la
variación debida al sistema de medición tiene poco peso dentro de la variación total observada; por el
contrario, en el segundo, la variación total observada es causada en gran parte por la variación debida al
sistema de medición.

En el primer caso, se eligieron 10 elementos, cada uno de los cuales fue medido dos veces por 3 operarios
siguiendo un orden aleatorio. Los resultados están contenidos en el archivo medición1.mtw .

Seleccionar Stat > Quality Tools > Gage R&R Study :

Rellenamos los campos como se indica a continuación:

II - 2
 II. Análisis de Sistemas de Medición

Gage R&R Study - ANOVA Method

Gage R&R for Medición

Two-Way ANOVA Table With Interaction

Source DF SS MS F P

Elemento 9 2,05871 0,228745 39,7178 0,00000

Operador 2 0,04800 0,024000 4,1672 0,03256
Operador*Elemento 18 0,10367 0,005759 4,4588 0,00016
Repeatability 30 0,03875 0,001292
Total 59 2,24912
Contribución de cada una de las
partes a la varianza total

Gage R&R
Desviación Estándar
multiplicada por 5,15
Source VarComp StdDev 5,15*Sigma (número de desviaciones
estándar necesarias para
Total Gage R&R 0,004437 0,066615 0,34306 englobar al 99% de las
mediciones). Podemos
Repeatability 0,001292 0,035940 0,18509 interpretar el último número
Reproducibility 0,003146 0,056088 0,28885 (el asociado a Total
Operador 0,000912 0,030200 0,15553 Variation) cómo una
Operador*Elemento 0,002234 0,047263 0,24340 estimación de la amplitud
del intervalo que contendría
Part-To-Part 0,037164 0,192781 0,99282 el 99% de las
Total Variation 0,041602 0,203965 1,05042 observaciones.

Source %Contribution %Study Var Study Var es el cociente entre la

desviación estándar de cada
Total Gage R&R 10,67 32,66 componente y la desviación
estándar total.
Repeatability 3,10 17,62
Reproducibility 7,56 27,50
Operador 2,19 14,81
Operador*Elemento 5,37 23,17
Part-To-Part 89,33 94,52 Número de categorías distintas que el
Total Variation 100,00 100,00 sistema es capaz de detectar. En este
caso, de los 10 elementos distintos que
hemos medido, el sistema de medición
utilizado sólo sería capaz de distinguir 4.

Number of Distinct Categories = 4

Observamos que sólo el 10,67% de la variación total en los datos se debe al sistema de medición,
mientras que un 89,33% de dicha variación es debida a las diferencias entre los elementos medidos.

Respecto al número de categorías distintas que el sistema es capaz de distinguir, el valor obtenido de 4
nos indica que el sistema de medición empleado es aceptable (en general, si el valor obtenido fuese 1 el
sistema no sería útil para controlar el proceso; un valor de 4 o superior representa un sistema de
medición capaz de distinguir un número aceptable de categorías).

En el primero de los gráficos siguientes se observa que la mayoría de los puntos están situados más allá
de los límites de control, lo cual refuerza la idea de que la variación se debe prioritariamente a
diferencias entre elementos. Esta misma conclusión la podemos obtener a partir del diagrama de barras.

En los gráficos de la derecha observamos que hay pocas diferencias en las mediciones registradas por los
diferentes operarios (la línea es prácticamente horizontal), mientras que las diferencias en las mediciones
para los distintos elementos sí son considerables (el gráfico muestra continuas subidas y bajadas según el
elemento medido).

II - 3
 Control Estadístico de la Calidad con MINITAB

Gage name:
Date of study:
Gage R&R (ANOVA) for Medición Reported by:
Tolerance:
Misc:

Xbar Chart by Operador Operador*Elemento Interaction

1,1 1 2 3 1,1 Operador
1,0 1,0 1
Sample Mean

0,9 3,0SL=0,8796 0,9 2

Average
0,8 X=0,8075 0,8
-3,0SL=0,7354 3
0,7
0,7
0,6
0,6
0,5
0,4 0,5
0,3 0,4
0 Elemento 1 2 3 4 5 6 7 8 9 10

R Chart by Operador By Operador

0,15 1 2 3 1,1
3,0SL=0,1252 1,0
Sample Range

0,10 0,9
0,8
0,7
0,05
R=0,03833 0,6
0,5
0,00 -3,0SL=0,00E+00
0,4
0 Operador 1 2 3

Components of Variation By Elemento

1,1
100
%Total Var 1,0
%Study Var 0,9
Percent

0,8
50 0,7
0,6
0,5
0 0,4
Gage R&R Repeat Reprod Part-to-Part Elemento 1 2 3 4 5 6 7 8 9 10

En el segundo conjunto de datos se eligieron 3 elementos, y 3 operarios midieron 3 veces cada uno de
ellos siguiendo un orden aleatorio. Los datos se registraron en el archivo medición2.mtw .

Seleccionar Stat > Quality Tools > Gage R&R Study :

Rellenamos los campos de forma análoga a la anterior:

II - 4
 II. Análisis de Sistemas de Medición

Gage R&R Study - ANOVA Method

Gage R&R for Medición

Two-Way ANOVA Table With Interaction

Source DF SS MS F P

Elemento 2 38990 19495,2 2,90650 0,16616

Operario 2 529 264,3 0,03940 0,96173
Operario*Elemento 4 26830 6707,4 0,90185 0,48352
Repeatability 18 133873 7437,4
Total 26 200222
Cuando el p-valor asociado a
Operario*Elemento es > 0,25 el programa
reconstruye el modelo esta vez sin la
interacción Operario*Elemento, y usa este
Two-Way ANOVA Table Without Interaction nuevo “modelo reducido” para determinar los
estadísticos del estudio R&R.

Source DF SS MS F P

Elemento 2 38990 19495,2 2,66887 0,0917

Operario 2 529 264,3 0,03618 0,9645
Repeatability 22 160703 7304,7
Total 26 200222

Gage R&R

Source VarComp StdDev 5,15*Sigma

Total Gage R&R 7304,7 85,4673 440,157

Repeatability 7304,7 85,4673 440,157
Reproducibility 0,0 0,0000 0,000
Operario 0,0 0,0000 0,000
Part-To-Part 1354,5 36,8036 189,538
Total Variation 8659,2 93,0547 479,232

Source %Contribution %Study Var

Total Gage R&R 84,36 91,85

Repeatability 84,36 91,85
Reproducibility 0,00 0,00
Operario 0,00 0,00
Part-To-Part 15,64 39,55
Total Variation 100,00 100,00

Number of Distinct Categories = 1

Observamos que el 84,36% de la variación total en los datos se debe al sistema de medición, mientras
que sólo un 15,64% de dicha variación es debida a las diferencias entre los elementos medidos.

En este caso, el sistema de medición empleado no es capaz de detectar diferencias entre los elementos
(sólo percibe una categoría). Ello significa que este sistema no es adecuado.

En el primero de los gráficos siguientes se observa cómo la mayoría de puntos están contenidos dentro
de los límites de control, lo cual nos indica que la variación observada es principalmente debida al
sistema de medición usado. La misma conclusión se deduce del diagrama de barras.

En los gráficos de la esquina inferior derecha se aprecia que no hay apenas diferencias entre operarios al
hacer la medición (línea de nivel horizontal), y que las diferencias entre elementos no son significativas.

II - 5
 Control Estadístico de la Calidad con MINITAB

Gage name:
Date of study:
Gage R&R (ANOVA) for Medición Reported by:
Tolerance:
Misc:

Xbar Chart by Operario Operario*Elemento Interaction

1 2 3 490
Operario
550 3,0SL=555,8
1
Sample Mean

440 2

Average
450
3
X=406,2
350 390

250 -3,0SL=256,5 340

0 Elemento 1 2 3

R Chart by Operario By Operario

400 1 2 3 600
3,0SL=376,5
Sample Range

300 500

200 400
R=146,3
100 300

0 -3,0SL=0,00E+00 200

0 Operario 1 2 3

Components of Variation By Elemento

100 600
%Total Var
%Study Var 500
Percent

400
50
300

200
0
Gage R&R Repeat Reprod Part-to-Part Elemento 1 2 3

GRÁFICOS DE RACHAS PARA MEDICIONES____________________________

Un gráfico de rachas para mediciones es una representación de las observaciones por operario y número
de elemento. El gráfico contiene una línea de referencia horizontal al nivel de la media (la cual puede
obtenerse a partir de los datos o bien ser ya conocida). Esta representación nos permitirá apreciar de forma
inmediata posibles diferencias en las mediciones entre diferentes operarios y/o elementos: un proceso estable
generaría una nube de puntos horizontal, mientras que un “efecto operario” o un “efecto elemento” nos daría
algún patrón no aleatorio para los datos.

Ejemplo Gráfico de Rachas para Mediciones: Nuevamente usaremos los dos conjuntos de datos
anteriores (en el primero de ellos, medición1.mtw , la variación debida al sistema de medición
suponía un porcentaje pequeño de la variación total; en el segundo, medición2.mtw , dicha variación
era la principal causa de la variación total).

Para cada uno de los dos conjuntos de datos haremos lo siguiente:

Seleccionar Stat > Quality Tools > Gage Run Chart:

Rellenamos los campos como se indica a continuación:

II - 6
 II. Análisis de Sistemas de Medición

El gráfico inferior corresponde al primer conjunto de datos. En él se observa:

1. Para cada elemento, podemos comparar tanto las diferencias entre medidas realizadas por cada
uno de los tres operarios como las diferencias entre los distintos operarios.

2. También podemos comparar las medidas obtenidas con la línea de referencia horizontal (en este
caso, la media de las observaciones).

Gage name:
Date of study:
Runchart of Medición by Elemento, Operador Reported by:
Tolerance:
Misc:

1,08
1
0,98
2
0,88
3
Medición

0,78
0,68
0,58
0,48
0,38
Elemento 1 2 3 4 5
1
1,08
0,98
0,88
2
Medición

0,78
0,68
0,58
0,48
0,38
Elemento 6 7 8 9 10

La mayor parte de la variación es debida a diferencias entre elementos. Además, es posible apreciar
algunos ligeros patrones: así, p.e., la segunda medición del operador 2 es repetidamente menor que la
primera (esto ocurre en 7 de 10 ocasiones); también es visible el que las mediciones efectuadas por el

II - 7
 Control Estadístico de la Calidad con MINITAB

segundo operario son repetidamente menores que las realizadas por el primer operario (en 8 de 10
ocasiones).

A continuación se muestra el gráfico correspondiente al segundo conjunto de datos. En él observamos:

1. Para cada elemento, podemos comparar tanto las diferencias entre medidas realizadas por cada uno
de los operarios como las diferencias entre distintos operarios.

2. También podemos comparar las medidas obtenidas con la línea de referencia horizontal (en este
caso, la media de las observaciones).

Gage name:
Date of study:
Runchart of Medición by Elemento, Operario Reported by:
Tolerance:
Misc:

1 2

600 1
2
3
500
Medición

400

300

200

Elemento 1 2 3

El factor dominante en este caso es la repetibilidad (en concreto, las diferencias aumentan cuando el
mismo operario realiza mediciones sobre el mismo elemento). Las oscilaciones parecen sugerir que los
operarios están “ajustando”, entre turno y turno, el sistema de medición.

II - 8
 II. Análisis de Sistemas de Medición

LINEALIDAD EN LA MEDICIÓN Y ESTUDIO DE LA EXACTITUD_____________

Un estudio de la linealidad en la medición responde a la pregunta: ¿es el sistema de medición igual de

exacto para todos los tamaños posibles de los objetos que estamos midiendo?.

Un estudio de la exactitud en la medición examina las diferencias existentes entre el promedio de las
mediciones observadas y un valor de referencia o “valor maestro”.

Ejemplo Linealidad y Exactitud: Elegimos cinco elementos (cuyos valores maestros son
conocidos), los cuales representan el rango esperado de los tamaños a medir. Un operario mide 12 veces
cada uno de los elementos siguiendo un orden aleatorio, y se realiza un estudio R&R para determinar la
variación total en el proceso (columna 5,15*Sigma), la cual resulta ser de 14,1941. Las mediciones se
guardan en el archivo exactitud.mtw .

Seleccionar Stat > Quality Tools > Gage Linearity Study:

Rellenamos los campos como se indica a continuación:

Gage name:
Date of s tudy :
Gage Linearity Study for Medición Reported by :
Toleranc e:
Mis c :

1 Gage Lineari ty
Linearity: 1,86889
%Linearity: 13,167
R-Squared: 0,978

Gage Accuracy
Accuracy Average

Bias: -5,3E-02
%Bias: 0,376

Percent of Process Vari ati on

14

12

10
Percent

-1 6

2
2 3 4 5 6 7 8 9 10
0
M aster Part M easurem ent
Linearity Accuracy

Observar que, en esta medición, la variación debida a la linealidad supone un 13% de la variación total
del proceso. Por otra parte, la variación debida a la falta de exactitud es de menos del 1% de la total.

II - 9