ANALISIS DE LOS SISTEMAS DE MEDICIN

4 edicin

Jaime Corts R.
Alberto Ramirez C.

Mayo 2016

Recomendaciones para
el aprovechamiento del curso
1. Mantenga su mente abierta al aprendizaje
2. Participe activamente
3. Aclare todas sus dudas
4. Evite realizar y/o contestar llamadas dentro del
saln
5. Mantenga en modo vibrador o silencioso su
celular o black berry
6. Procure no salir del saln constantemente

Qu es MSA?
El MSA resume tcnicas estadsticas para
el anlisis de datos obtenidos de
mediciones, hace recomendaciones para la
administracin de las reas encargadas de las
mediciones, propone mtodos, etc.
En realidad, el MSA no propone innovaciones en
el campo de la estadstica. Todas las tcnicas
utilizadas han sido propuestas y probadas
desde hace bastante tiempo.
Su principal mrito est en presentar el
consenso alcanzado por los tres grandes de la
industria automotriz sobre el tema de tcnicas
estadsticas aplicadas al anlisis de datos.

El propsito del MSA

El propsito del Manual para el Anlisis de Sistemas de
Medicin (MSA) es presentar una gua general para
asegurar la calidad de un sistema de medicin. Aunque
es lo suficientemente general para cubrir cualquier
sistema de medicin, su objetivo son los sistemas de
medicin del medio industrial.
El MSA no pretende ser un compendio de anlisis para
todos los sistemas de medicin. Su principal objeto de
estudio son los sistemas de medicin en los que
puedan realizarse mediciones repetidas.
La calidad de los datos obtenidos de mediciones
es definida por sus caractersticas estadsticas. Si
las mediciones se aproximan al valor verdadero
entonces se dice que la calidad de los datos es alta.
Si las mediciones se alejan del valor verdadero,
entonces la calidad de los datos es baja.

El propsito del MSA

Las caractersticas comnmente asociadas para describir la
calidad de los datos provenientes de una medicin son el
sesgo y la variabilidad del sistema de medicin.
El sesgo se refiere a la posicin de la medicin
respecto a un valor de referencia.
La variabilidad se refiere a la dispersin de los datos
respecto a un valor central.
Una de las razones ms comunes de la baja calidad de los
datos es una variabilidad excesiva de los mismos.
Si la interaccin del sistema con su ambiente es muy fuerte,
la variabilidad de los datos puede ser tal que stos dejen de
ser tiles.
Mucho del trabajo de administrar un sistema de
medicin est dirigido a monitorear y controlar la
variabilidad.

MSA 4 edicin

MSA e ISO / TS 16949:2009

7.6.1 Anlisis de sistemas de medicin
Deben conducirse estudios estadsticos para
analizar variaciones presentes en los resultados
de cada sistema de equipo de medicin y
prueba. Este requerimiento debe aplicar a
sistemas de medicin referenciados en los
planes de control. Los mtodos analticos y los
criterios de aceptacin usados deben cumplir
con los manuales de referencia de los clientes
para anlisis de sistemas de medicin mismos.
Otros mtodos analticos y criterios de
aceptacin pueden ser usados si se aprueban
por los clientes

GUA RPIDA 4a. Edicin

El enfoque usado en la 4ta edicin es comparar las desviaciones estndar.

Esto es equivalente a usar el multiplicador 6 en un enfoque histrico

La AIAG
(Automotive Industry Action
Group) lanz en Junio de 2010 la 4 Edicin e
los anlisis del sistema de medicin (MSA).
El manual ha sido actualizado en trminos
de incluir explicaciones ms detalladas as
como algunos cambios en los clculos de los
estudios.
Se
han
introducido
nuevas
evaluaciones para hacer los estudios ms
significativos. Discutiremos los cambios que
se han hecho en la 4 edicin.
La cuarta edicin cuenta con 15 cambios
que enumeraremos de manera general y
posteriormente iremos desglosando.

Institutos nacionales de metrologa.

y trazabilidad
La mayoraPatrones
de los pases
industrializados
mantienen sus propios institutos nacionales
de metrologa. En el caso de Mxico el Centro
Nacional de Metrologa es la entidad
primaria. El CENAM participa en la
publicacin de normas metrolgicas
y
proporciona servicios de metrologa. El
CENAM trabaja en colaboracin con otros
institutos para asegurar que las mediciones
hechas en un pas no difieran de aquellas
hechas en otro. Esto se logra a travs de los
Acuerdos de Reconocimiento Mutuo (MRA) y
de
comparaciones
entre
laboratorios
nacionales. Es importante notar que las
capacidades de los laboratorios nacionales
varan de pas a pas y no todas las
mediciones se comparan de forma regular,
as que puede haber diferencias. Por esto es
importante saber hacia dnde son trazables
las mediciones.

Sistemas de Calibracin
Un sistema de calibracin es un set
de operaciones que establecen bajo
condiciones especificas, la relacin
entre el aparato de medicin y el
estndar de calibracin de un valor
de
referencia
conocido
y
su
incertidumbre. La calibracin puede
introducir pasos para detectar,
correlacionar, reportar, o eliminar por
ajuste cualquier discrepancia en
exactitud del aparato de medicin
que esta siendo comparado.

Sistemas de Calibracin
El sistema de calibracin determina
la trazabilidad de la medicin para el
sistema de medicin a travs del uso
de uso de mtodos de calibracin y
estndares.
La trazabilidad es la cadena de
eventos
originados
con
los
estndares
de
calibracin
de
capacidad metrolgica apropiada o
incertidumbre en la medicin.

Sistemas de Calibracin
El sistema de calibracin es parte del
sistema de calidad de la organizacin y
por lo tanto deber ser incluido en
cualquier requerimiento de auditoria
interna.
La ANSI/NCSL Z540.3 y la ISO 10012 cada
una provee modelos para muchos de los
elementos de un sistema de calibracin.
Cuando un evento de calibracin es
realizado por un proveedor externo,
comercial o un proveedor de servicio de
calibracin independiente, el servicio del
sistema de calibracin del proveedor
puede o quiz ser verificado a travs de la
acreditacin del ISO/IEC 17025. Cuando
un laboratorio calificado no esta disponible

Entidad

Mtodo de Calibracin

Barrido de frecuencias

Interferometra

Laboratorio
Secundario
ema

Laboratorio

Produccin

Comparacin
mecnica

Instrumento o Patrn
Lser estabilizado
en frecuencia al Yodo
Lser estabilizado
en frecuencia

Bloques patrn
de referencia

Bloques patrn
de calibracin
Comparacin

Instrumentos
de medicin

Mediciones de
pieza producto

Discriminacin
Discriminacin es la cantidad de cambio de un
valor de referencia que un instrumento puede
detectar y fielmente indicar. Esto es tambin
referido como facilidad de lectura o resolucin.
La medida de esta habilidad tpicamente es el
valor de la graduacin ms pequea sobre la
escala del instrumento. Si el instrumento cuenta
con graduaciones toscas, entonces puede
usarse media graduacin. Una regla emprica
general es que la discriminacin del instrumento
de medicin debe contar con al menos una
dcima del rango a medir.

El objetivo de un Valor
proceso verdadero
de medicin es
obtener el valor verdadero de la magnitud
de una caracterstica de una pieza. Es
deseable que cualquier lectura individual
sea tan cercana como sea posible a este
valor.
El valor verdadero nunca puede conocerse
con certeza. Sin embargo, la incertidumbre
puede minimizarse utilizando un valor de
referencia basado en una definicin
operativa
bien
establecida
de
la
caracterstica y utilizando los resultados de
un sistema de medicin con un orden
superior de discriminacin, trazable al
CENAM
o
al
laboratorio
primario
correspondiente. Debido a que el valor de
referencia se asocia comnmente al valor
verdadero,
estos
trminos
se
usan
generalmente de forma intercambiada. No
se recomienda este uso.

Proceso de medicin
Ambiente
Patron

Inicio
Medicin

Valor

Anlisis

Decisin

123.45 mm
Parte o
pieza de
trabajo

Procedimiento
Instrumento
Operador

Propiedades
estadsticas de
los resultados
obtenidos

Calidad del
sistema de
medicin

El proceso de medicin es el conjunto de recursos materiales, humanos,

actividades y factores de influencia que permiten realizar mediciones y
producir valores numricos.

Las fuentes de variacin se deben a

Fuentes
variaciny a causas
causas decomunes
especiales.
Con el fin de controlar la variacin de un
sistema de medicin:
Identifique las fuentes potenciales de
variacin.
Elimine, siempre que sea posible, las
fuentes de variacin o mantenga un
registro de las mismas.
Existen varios mtodos para presentar y
clasificar estas fuentes de variacin
tales como diagramas de causa y
efecto.

OPERADOR

ERRORES
QUE AFECTAN UNA
MEDICIN

agudeza visual

paralaje
aproximaciones
salud
cansancio
serenidad

APARATO

Defectos de construccin
Juegos
Inercia
Fallas inesperadas en operacin
Calibracin

MEDIO
AMBIENTE

Humedad
Vibraciones
Polvo
Variaciones de temperatura (no controlables)
Deformacin mecnica por desgaste

S.W.I.P.E.

El acrnimo S.W.I.P.E es utilizado para representar seis elementos

esenciales de un sistema de medicin general para asegurar la
obtencin de los objetivos planteados.
S.W.I.P.E. significa Standar, Workpiece, Instrument, Person,
Procedure, Environment.
Puede pensarse en esto como en un modelo de error para un
sistema de medicin completo.
Los factores que afectan a estas seis reas deben ser bien
comprendidos para poder ser controlados o eliminados. Las
fuentes reales de variacin que afectan a un sistema
especfico, sern nicas para cada sistema.

Cumplimiento de especificaciones y
riesgos de falsas decisiones

producto
bueno
aceptacin
rechazo

falso
rechazo

producto
defectuoso
falsa
aceptacin

: riesgo del fabricante: riesgo del cliente

Sistemas de medicin por

variables
1. Estabilidad
2. Sesgo
3. Linealidad
4. Repetibilidad y reproducibilidad

Mtodos de prueba

Los mtodos descritos son convenientes de usar cuando:

Se estn estudiando slo dos factores o condiciones

de medicin (evaluadores y partes) adems de la
repetibilidad del sistema.
El efecto de la variacin dentro de cada parte es
despreciable.
No hay interaccin estadstica entre operadores y las
piezas.
Las piezas no varian dimensionalmente durante el
estudio

Gua para determinar

Estabilidad
1) Obtener una muestra y establecer su valor de
2)
3)
4)
5)
6)

7)

referencia con relacin a un patrn trazable.

Es deseable tener muestras para los valores
inferior, medio y superior del rango esperado de
medicin.
Es recomendable hacer cartas de control y
mediciones separadas de cada una.
Medir peridicamente la muestra patrn de 3 a 5
veces
El tamao y la frecuencia se basan en el
conocimiento del sistema de medicin.
Es necesario tomar lecturas en diferentes
tiempos para representar el uso real del sistema
de medicin. De esta forma se incluirn factores
que pueden variar durante el da.
Graficar los datos en un grfico X R o X- S

Anlisis de
resultados

Grfico:
Establecer lmites de control y evaluar los
puntos fuera de control o las condiciones
Inestables , utilizando el anlisis estndar de
Las cartas de control

Nmerico:
No existe una anlisis nmerico o ndice para la estabilidad
Si el proceso es estable los datos pueden usarse para
determinar el bias o sesgo del sistema de medicin.
La desviacin estndar de las mediciones puede usarse como
una aproximacin de la repetibilidad del sistema de medicin.
esta puede ser comparada con la del proceso para determinar
si la repetibilidad del sistema de medicin es adecuada o no
para su uso.

Gua para determinar el

Bias
Existen dos mtodos
a) Mtodo de muestra independiente
Para determinar el
Sesgo

b) Mtodo de carta de control

a) Mtodo de muestra independiente

Obtener una muestra y establecer su valor de referencia con relacin a un
patrn trazable.
Medir la muestra n> = 10 veces en el laboratorio y calcular el promedio de
las n lecturas para asignarlo como valor de referencia.
Puede ser deseable tener muestras maestras para los valores inferior,
medio y superior de las mediciones esperadas, analizando los datos usando
un estudio de linealidad.
Un solo operador deber medir la muestra n >= 10 veces de una manera
normal

Procedimiento para determinar

Numrico:
el1) sesgo
4 edicin
Calcular el promedio de las n lecturas
2) Calcular la desviacin estndar de la repetibilidad

Repetibilidad

Max (Xi) Min (Xi)

repetibilidad

d2*

(X
i 1

X )2

n 1

Donde d2* se obtiene de tablas estadsticas con g=1 (donde 1 es un grupo) y m=n (n es el numero de mediciones

3) Determine el bias o sesgo

Bias= Promedio de los datos valor de referencia
4) Determine si la repetibilidad es aceptable usando la siguiente frmula:

BIAS
t=
n

Procedimiento para determinar

El bias o sesgo es aceptable en el nivel
si cero se localiza dentro de
el 5)lossesgo
lmites de confianza 1alrededor del valor del bias

sesgo b t ,1 / 2 cero sesgo b t ,1 / 2

v se encuentra en la tabla con g=1 y m=n y (tv, 1- /2) se encuentra
empleando la tabla t
Para la 4 edicin v= n-1 (ya no se requiere interpolar)

Anlisis de
resultados

Grfico:
Graficar los datos como un histograma relativo al valor de referencia.
Revisar el histograma para determinar si alguna causa especial o anomala
Esta presente. Si no continuar con el anlisis. Atencin especial debe presentarse
A cualquier interpretacin cuando n < 30

CALCULO DEL SESGO

MTODO DE LA MUESTRA INDEPENDIENTE
Un ingeniero de medicin estuvo evaluando un nuevo sistema de medicin,
monitoreando un proceso. Este ingeniero tiene que evaluar el sesgo del
sistema de medicin. Se selecciono una pieza dentro del rango de operacin
del sistema de medicin basado en la variacin histrica del proceso. La
pieza fue medida 15 veces y su valor de referencia es 6.0
Prueba

Resulta
do

Prueba

Resulta
do

5.8

6.4

5.7

10

6.3

5.9

11

6.0

5.9

12

6.1

6.0

13

6.2

6.1

14

5.6

6.0

15

6.0

6.1

 br

Determine el estudio del sesgo y emita una conclusin de sus

resultados

Ejercicio
Realice el siguiente
ejercicio de evaluacin
del bias o sesgo de un
equipo de medicin
nuevo que ha sido usado
en el rea de hojalatera,
para ellos se escogi una
pieza dentro del rango de
operacin del sistema de
medicin basado en la
variacin documentada
del proceso.
La pieza fue medida 20
veces y su valor de

Prueba

Resultado

Prueba

Resultado

0.23

11

0.22

0.26

12

0.24

0.25

13

0.20

0.19

14

0.21

0.22

15

0.23

0.24

16

0.19

0.23

17

0.20

0.21

18

0.21

0.22

19

0.24

10

0.23

20

0.24

Gua para determinar Bias o sesgo

b) Mtodo de carta de control
Si se usa una carta de control X R o X- S para cuantificar la estabilidad,
los datos tambin pueden ser usados para evaluar el Bias. Antes de
evaluar el Bias, el anlisis de carta de control debe indicar que el sistema
de medicin es estable.
o
Obtener una muestra y establecer su valor de referencia con
relacin a un patrn trazable.
o
Si esto no es posible, seleccionar como muestra maestra, una pieza
de produccin cuyo valor se encuentre en el rango medio de las
mediciones de produccin.
o
Medir la muestra n > 10 veces en el laboratorio y calcular el
promedio de las n lecturas para asignarlo como valor de referencia.
o

Realice el estudio de estabilidad con g > = 20 subgrupos de un

tamao m.

Anlisis de
resultados

Grfico:
Graficar los datos como un histograma relativo al valor de referencia.
Revisar el histograma para determinar si alguna causa especial o anomala
Esta presente. Si no continuar con el anlisis.

Bias o Sesgo
(Mtodo de carta de control)

Ejercicio de aplicacin:

Para determinar si la estabilidad de un nuevo instrumento de medicin fue

aceptable, se escogi una pieza del punto medio del rango del proceso de
produccin. Esta pieza se envo a la sala de medicin para determinar su
valor de referencia el cul fue de 99.10
La pieza fue medida 5 veces una vez al turno durante cuatro semanas. Los
datos se registraron en la siguiente tabla.
Determine los limites del bias y si este es aceptable y comente los
resultados

Anlisis de estudios
de Sesgo
S estadsticamente el Bias no es cero (o
cercano a cero o no aceptable), busque las
posibles causas:
Error en el patron o valor de referencia, revise
el procedimiento con el cul determino la
muestra de referencia.
Instrumento daado. Esto puede mostrarse en
el anlisis de estabilidad y propondr el
programa de mantenimiento o reparacin.
Instrumento no ajustado adecuadamente
Instrumento usado de manera incorrecta por el
EL OBJETIVO DE CUALQUIER SISTEMA DE MEDICIN ES TENER UN BIAS
operador.
IGUAL A CERO

Gua para determinar

Linealidad
Puede ser evaluada usando las siguientes
guas:
1) Seleccionar g > = 5 piezas cuyas
medidas, debido a la variacin del
proceso, cubran el rango de operacin
del instrumento.
2) Medir cada pieza mediante inspeccin
para determinar su valor de referencia y
confirmar que se cubre el rango de
operacin del instrumento.
3) Medir cada parte al menos 10 veces o
ms con el instrumento bajo estudio por
alguno
de
los
operadores
que
normalmente lo usan. Seleccionar las

Anlisis de
resultados

Anlisis de
resultados

Suma
de Xi

Para este caso la S se convierte en

repetibilidad
La frmula del EV es la misma que
para el sesgo y se toma el mismo
criterio para la TV

100 EV 100 REP

% EV

TV
TV

Graficar la lnea Bias o sesgo = 0 y revisar el grfico para detectar evidencia

de causas especiales y la aceptabilidad de la linealidad. Para que la linealida
del sistema de medicin sea aceptable, la lnea de bias = 0
debe estar dentro de los lmites de confianza de la lnea ajustada

Ejercicio de aplicacin: Ejemplo de

clculo de Linealidad
Para la introduccin de un nuevo sistema de medicin fue necesario
evaluar la linealidad. Se escogieron 5 piezas a travs del rango de
operacin del sistema de medicin basado en la variacin del proceso.
Cada pieza fue medida para determinar su valor de referencia ,
realizndose 12 mediciones. Las piezas fueron medidas aleatoriamente.

1.5

2
3
4

0.5

5
6
7

0
1

10

11

8
9

-0.5

10
11

-1

-1.5

12

0.8000

0.6000

0.4000

0.2000

0.0000
1
-0.2000

-0.4000

-0.6000

-0.8000

ESTUDIO DE LINEALIDAD
Nombre del sistema de medicin :
Fecha del estudio:

Notificado por:
Tolerancia:
Misc:

EJ EMPLO
31-MAY-14

Regresin
I C 95%

1.0

Datos
Sesgo prom.

Sesgo

0.5

0.0

-0.5

-1.0
2

4
6
8
Valor de referencia

10

Linealidad del sistema de medicin

Predictor
Coef EE del Coef.
P
Constante 0.73667
0.07252 0.000
Pendiente -0.13167
0.01093 0.000
S

0.239540

R-cuad.

71.4%

Sesgo del sistema de medicin

Referencia
Sesgo
P
Promedio -0.053333 0.040
2
0.491667 0.000
4
0.125000 0.293
6
0.025000 0.688
8 -0.291667 0.000
10 -0.616667 0.000

ESTUDIOS DE REPETIBILIDAD Y
REPRODUCIBILIDAD (R&R)
En muchas ocasiones las organizaciones no consideran el
impacto de no tener sistemas de medicin de calidad, el
hecho de que las mediciones no sean exactas puede llevar
a cometer errores en
el clculo, y en los anlisis y
conclusiones de los estudios de capacidad de los procesos.
Cuando los operadores no miden una pieza de manera
consistente, se puede caer en el riesgo de rechazar
artculos que estn en buen estado o aceptar artculos que
estn en mal estado. Por otro lado si los instrumentos de
medicin no estn calibrados correctamente tambin se
pueden cometer errores. Cuando sucede lo mencionado
anteriormente tenemos un sistema de medicin deficiente
que puede hacer que un estudio de capacidad parezca
insatisfactorio cuando
en realidad es satisfactorio. Lo
anterior
puede
tener
como
consecuencia
gastos
innecesarios de reproceso al reparar un proceso de
manufactura o de servicios, cuando la principal fuente de
variacin se deriva del sistema de medicin.

Variacin
Variacin Global

Variacin parte - parte

Variacin del sistema de medicin

Variacin debido al gage

Variacin debido al operador

REPETIBILIDAD

REPRODUCIBILIDAD

Operador

Operador por parte

Definiciones
Definiciones
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.

Definiciones
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.

Definiciones
Valor verdadero:
Valor correcto terico / estndares NIST
Precisin: Es la habilidad de repetir la misma
medida cerca o dentro de una misma zona
Exactitud :
Es la diferencia entre el promedio del nmero de
medidas y el valor verdadero.
Resolucin: La medicin que tiene exactitud y
precisin.

Definiciones
Linealidad: diferencia en los valores
de la escala, a travs del rango de
operacin esperado del instrumento
de medicin.

Linealidad: diferencia en los valores de la escala, a travs del rango de operacin

esperado del instrumento de medicin.
Valor
verdadero

Valor
verdadero

Sesgo
Menor

Sesgo
mayor

(rango inferior)
Rango de Operacin del equipo

(rango superior)

Definiciones
Sesgo: distancia entre el valor
promedio de todas las mediciones y
el valor verdadero. Error sistemtico
o desviacin.

Definiciones
Calibracin: Es la comparacin de un
estndar de medicin con exactitud
conocida con otro instrumento para
detectar, reportar o eliminar por medio del
ajuste, cualquier variacin en la exactitud
del instrumento.
Importante: para que el equipo de
medicin tenga una discriminacin
adecuada en la evaluacin de las partes,
su resolucin
<10%
Aceptabledebe ser al menos 1/10 de la
variabilidad
del ser
proceso.
10-30%.
Puede
aceptable, dependiendo
qu tan crtico es el grado de la medicin.
>30%. Inaceptable!

Definiciones
En cualquier problema que involucre
mediciones, algunas de las
variaciones observadas son debidas
al proceso y otras son debidas al
error o variacin en los sistemas de
medicin. La variacin total es
expresada de la siguiente manera:

total proceso error medicin

2

Estudios R y R
Mtodo Corto del Rango
Es un mtodo que proporciona un valor
aproximado del error R&R sin que muestre las
diferencias entre errores por el equipo y por los
operadores.
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 y R se aproxima con
la formula de rango medio entre d2*
El % de R y R se calcula comparando la desv.
Estndar de R y R con la del proceso.
Realiza el siguiente ejercicio y determina una
conclusin:

Ejercicio

Ejercicio
Partes

Operador A

Operador B

Rango A, B

0.85

0.80

0.05

0.75

0.70

0.05

1.00

0.95

0.05

0.45

0.55

0.10

0.50

0.60

0.10

Desviacin estndar del proceso:

0.0722

Estudio de R y R
Los estudios de repetibilidad y reproducibilidad
determinan cuanto de la variacin observada
como variacin de proceso es debida a variacin
del sistema de medicin. En el MSA permite
realizar estudios de R y R ya sean Cruzados (cada
parte es evaluada varias veces por el mismo
operador) o Anidados (cada parte es medida
por un nico operador, tal como en pruebas
destructivas).
Se proporcionan dos mtodos para evaluar la
repetibilidad y la reproducibilidad: Mtodo de
cartas X-R y Mtodo de ANOVA.
El Mtodo X-R divide la variacin total dentro de
tres categoras: parte a parte, repetibilidad y
reproducibilidad. El mtodo ANOVA presenta un
componente adicional, la interaccin operador
parte.

Estudio R y R
Mtodo largo Cruzado

Generalmente intervienen de dos a tres

operadores
Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2
3 veces.
La resolucin del equipo de medicin debe ser
de al menos el 10% del rango de tolerancia o
del rango de variacin del proceso.
Las partes deben seleccionarse al azar,
cubriendo el rango total del proceso. Es
importante que dichas partes sean
representativas del proceso total (80% de la
variacin)
Las partes NO son un tamao de muestra

Estudio R y R
Mtodo largo Cruzado
Procedimiento para realizar un estudio de R y R
1. Asegrese de que el equipo de medicin 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.
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
7. Determine las estadsticas del estudio R y R.

8.

Repetibilidad
Reproducibilidad
% R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia

Analice los resultados y determine las acciones a seguir si las

hay.

Ejercicio de Repetibilidad y
Reproducibilidad
Un gerente de control de calidad desea
hacer una pruebas usados para medir el R y
R para un nuevo instrumento de Medicin.
El toma una muestras de piezas y le pide a
Carlos, Artemisa y Patricia (auditores de
calidad) que midan cada una tres veces y el
obtiene los siguientes resultados:

GRAFICO DE PROMEDIO DE VALORES

2.5000
2.0000
1.5000 (mm)
MEDICIONES
1.0000
0.5000
0.0000
2
-0.5000 1
-1.0000
-1.5000
-2.0000
-2.5000
A

LSC

LIC

DATOS

10

GRAFICO DE RANGOS
1.2000
1.0000
RANGO (mm)
0.8000
0.6000
0.4000
0.2000
0.0000
1

Mediciones
A

LSC

10

Estudios de R y R
Mtodo largo (anidado)
No todos los productos pueden ser testados varias
veces. Algunos pierden el valor despus de la prueba,
en este caso el test de un producto no puede ser
replicado, este tipo de test generalmente esta referido
para pruebas destructivas. Por ejemplo si nosotros
aplicamos una presin sobre una flecha de metal para
medir la fuerza que esta toma para doblarse 90,
despus de hacer la prueba no es posible replicarla
sobre la misma parte. La naturaleza de este tipo de
pruebas nos conduce a ser esencialmente selectivos
acerca de las partes que vamos a probar ya que su
falta de homogeneidad nos puede llevar a
conclusiones incorrectas. Si las partes testadas no son
idnticas las variaciones de parte a parte son muy
altas.
En algunas pruebas destructivas diversas partes

Estudios de R y R
Mtodo largo (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 y R (anidado); si todos los operadores
miden partes de cada uno de los lotes, entonces
utilizar el estudio R y R (Cruzado).
En resumen siempre que cada operador mida
partes diferentes se tiene un estudio R y R
anidado.

Estudios de R y R
Mtodo largo (anidado)
Los datos se estructuran de manera que cada fila
contenga el nmero o nombre de la parte, el
operador, y la medicin observada. Las partes y
operadores pueden ser textos o nmeros. La
parte es anidada dentro del operador, debido a
que cada uno de los operadores mide partes
nicas.
NOTA: Si se usan pruebas destructivas se debe
poder asumir que todas las partes dentro de un
lote singular, son suficientemente iguales como si
fueran la misma parte.
El estudio de R y R (anidado) utiliza el
mtodo ANOVA para evaluar la repetibilidad
y reproducibilidad, para analizar la

El 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

El anlisis de varianza (ANOVA) es una tcnica

estadstica estndar y puede utilizarse para
analizar el error en las mediciones y otras fuentes
de variabilidad de los datos en un estudio de
sistemas de medicin. En el anlisis de varianza, la

Anlisis de Varianza (ANOVA)

El anlisis de varianza (ANOVA) es una tcnica
estadstica estndar y puede utilizarse para
analizar el error en las mediciones y otras
fuentes de variabilidad de los datos en un
estudio de sistemas de medicin. En el anlisis
de varianza, la varianza puede descomponerse
en 4 categoras: partes, operadores, interaccin
entre partes y operadores y el error debido a la
medida (repetibilidad).

Anlisis de Varianza (ANOVA)

La ventaja del ANOVA comparado con los
mtodos del promedio (media) y el rango son:
o Capacidad de Manejar cualquier experimento
o Puede estimar las varianzas de manera ms
precisa
o Se puede extraer ms informacin (tal como la
interaccin entre partes y operarios y sus
efectos).

Anlisis de Varianza (ANOVA)

Las desventajas son que los clculos numricos
son ms complejos y el usuario requiere de cierto
grado
de
conocimiento
estadstico
para
interpretar los resultados.

Anlisis de Varianza (ANOVA)

Aleatorizacin e independencia estadstica.
El mtodo para reunir los datos es importante cuando se
utiliza el mtodo de ANOVA. Si los datos no se recolectan
de manera aleatoria, se pueden obtener resultados que
presenten ciertas tendencias.
Una manera simple de asegurar un diseo balanceado
para n partes, k operadores y r tratamientos (pruebas) es
por medio de la aleatorizacin. Una forma comn de
aproximarse aleatoriamente es escribir A(1) en un trozo de
papel para denotar la medicin de la primera pieza por el
primer operador; y hacer esto hasta A(n) esto es la medida
de la nsima pieza por el primer operador y as
sucesivamente hasta el ksimo operador

Anlisis de Varianza (ANOVA)

Una vez que todas las posibles combinaciones kn se han
escrito, entonces los pedazos de papel pueden ponerse en
una urna para seleccionarlos uno a uno, Entonces el
estudio debe hacerse siguiendo esa secuencia. Una vez
que se definieron todas las combinaciones kn, se regresan
los papeles a la urna y se repite el procedimiento r veces
para determinar el orden de los experimentos para cada
rplica. Se deben hacer todos los esfuerzos necesarios
para asegurar la independencia del estudio.
Se puede elaborar una tabla simple con la siguiente
informacin:

Anlisis de Varianza (ANOVA)

Pieza
operad
or

rplica

1
2
1
2
1
2

B
C

Anlisis de Varianza (ANOVA)

La Tabla ANOVA se compone de 6 columnas.
1 fuente: Es la causa de variacin.
2. GL columna son los grados de libertad asociados con la fuente
3. SS o suma de los cuadrados es la desviacin alrededor de la
fuente
4. MS o cuadrados medios es la suma de los cuadrados divididas
entre los grados de libertad.
5. EMS Es el cuadrado medio esperado, determina la combinacin
lineal de los componentes de varianza para cada MS. La tabla
ANOVA descompone la variacin total en cuatro componentes:
partes, operadores, interaccin de operadores y partes y error
de rplica debido a la repetibilidad patrn/equipo
6. La columna razn F se calcula nicamente para la interaccin
MSAP/MSE
La tabla ANOVA es como sigue:

Anlisis de Varianza (ANOVA)

Conceptos de ANOVA:
El anlisis numrico GRR puede realizarse siguiendo las
frmulas de la tabla siguiente:

Fuent GL
e
Operado
r
Parte
Operado
r por
parte
Equipo
Total

SS

MS

EMS

SS A

MS A

SS A
k 1

MS A
MS E

2 r 2 nr 2

n 1

SS P

SS
MS P P
n 1

MS P
MS E

2 r 2 kr 2

n 1 k 1

SS AP

MS AP
MS E

2 r 2

k 1

nk r 1

SS E

nkr 1

TSS

MS AP

SS AP
n 1 k 1

MS E

SS E
nk r 1

Anlisis de Varianza (ANOVA)

Donde

xi2..
x...2

SS P
nkr
i 1 kr
n

x.2j .

SS A
j 1
n

nr

x...2

nkr

2
TSS xijm
i 1 j 1 m 1

2
k x2
xi2..
x
. j.
...

SS AP

kr nr nkr

r
i 1 j 1
j 1
i 1

SS E TSS SS A SS P SS AP
n

xij2.

x...2

nkr
n

Anlisis de Varianza (ANOVA)

Y:
Equipo

Estimador de varianza

Interaccin
Operador
Parte

Si el modelo no es aditivo se usa

SScom en lugar de MSAP

2 MS E
MS AP MS E
2

r
MS A MS AP
2

nr
MS P MS AP
2

kr

Anlisis de Varianza (ANOVA)

Entonces la varianza total es:

2
total

2
repetibilidad

2
reproducibilidad

2
parte

Anlisis de Varianza (ANOVA)

oYa que cada cuadrado medio es una cantidad

muestral sujeta a variacin muestral y los
clculos anteriores involucran diferencias de
cuadrados medios, entonces puede ocurrir que
haya componentes de varianza negativos. Este es
un pequeo problema ya que los componentes de
varianza maestra son cercanos o iguales a cero.
Para propsitos de anlisis un componente de
varianza negativa se tomar como cero.
oLa desviacin estndar es ms fcil de
interpretar que la varianza, ya que tiene las
mismas unidades de las observaciones originales.

Anlisis de Varianza (ANOVA)

oEn la prctica, el intervalo bsico de medida
est dado por 6 veces la desviacin
estndar. La siguiente tabla muestra el
intervalo
6
para
una
medida
de
repetibilidad llamada variacin de equipo
(EV) y la medida de reproducibilidad llamada
variacin de operador (AV). Si la interaccin
de parte y operador es significativa,
entonces existe un modelo no aditivo y se
debe proporcionar un estimado de su
varianza (IAP)

Anlisis de Varianza (ANOVA)

Variacin de
equipo=repetibilidad.

EV 6 MS E

Variacin de
operador=reproducibilida
d.

MS A MS AP
AV 6
nr

Interaccin de operador
por parte.

MS AP MS E
I AP 6
r

EV 2 AV 2 I AP 2

Gage R&R.

GRR

Variacin de parte.

MS P MS AP
PV 6
kr

oEn un modelo aditivo, la interaccin no es significativa y los

componentes de varianza para cada fuente se determinan como
sigue:

oEntonces los lmites 6 sern:

SS com

SS E SS AP

nkr n k 1

EV 6 MS com
MS A MS com
AV 6
nr
GRR

EV

AV

MS P MS com
PV 6
kr

Finalmente se tienen las contribuciones a la variacin presentada en

el sistema de medicin:

PV
ndc 1.41

GRR
TV GRR 2 PV 2

%TV 100 componentes

total
6 (2componentes )

%TVAr (contribuci n ) 100

2

Total

Anlisis de Varianza (ANOVA)

Anlisis Grfico.
Junto con la tcnica de ANOVA se sugiere utilizar algn
mtodo grfico. Una grfica muy utilizada es la curva o
grfica de interaccin, esta grfica confirma los resultados
de la prueba F para saber si la interaccin es significativa. En
esta grfica se grafican los promedios por operador vs. El
nmero de parte. Los puntos para cada promedio por
operador se conectan para formar K lneas. La grfica se
interpreta: Si las K lneas son paralelas, implica que no hay
interaccin, de no ser as, puede ser significativa y se deben
tomar medidas adecuadas para resolver esta situacin.

Anlisis de Varianza (ANOVA)

Tambin se pueden graficar los lmites de control, utilizando el gran
promedio y el rango promedio. En este caso, el rea dentro de los
lmites de control representa la sensibilidad de la medicin (ruido).
Ya que el grupo de partes utilizadas en el estudio representa la
variacin del proceso, aproximadamente la mitad o ms de los
puntos promedio por operador caern fuera de los lmites de control.
Si la grfica resultante muestra este patrn, entonces el sistema de
medicin es adecuado para detectar la variacin de parte a parte y el
sistema de medicin provee informacin importante sobre el
proceso. Si menos de la mitad caen fuera de los lmites de control,
entonces el sistema no tiene una adecuada resolucin y no presenta
la variacin esperada.

Los lmites de control para la grfica de promedios son:

UCL X A2 R
CL X
LCL X A2 R

Estudio R&R por atributos

Seleccin de las personas participantes
Seleccin de las piezas.
Comparar qu tanto concuerdan los criterios de un mismo operador y
entre los diferentes operadores.

Estudio R&R por atributos

Los sistemas de medicin por atributos son la clase de
sistemas de medicin donde el valor de la medicin es uno
entre un nmero finito de categoras.
El ms comn de estos es el dispositivo pasa/ no pasa por el
cul solo se obtienen dos posibles resultados.
El riesgo de tomar decisiones equivocadas o inconscientes
puede ser evaluado utilizando:

a) Teora de la deteccin de seales

b) Anlisis de prueba de hiptesis
Estos mtodos no cuantifican la variabilidad del sistema de
medicin y solo deben ser usados bajo el consentimiento del
cliente

Estudio R&R por atributos

Las fuentes de variacin de un proceso de medicin de
atributos debern minimizarse utilizando los resultados de los
factores humanos y el aspecto de la ergonomia.
Un dispositivo de atributos no puede indicar que tan buena o
mala resulta una pieza, solo la acepta o la rechaza.
Procedimiento:
Seleccionar una muestra aleatoria de 50 piezas del proceso, que
cubran todo el rango del mismo.
Participan tres operadores, midiendo cada uno de ellos tres
veces sobre cada pieza.
Una decisin aceptable se designa con nmero 1 y una
inaceptable con nmero 0
Los resultados se registran en una matriz

Estudio R&R por atributos

Registrar en la matriz
En las columnas A-1 hasta C-3 la aceptacin o rechazo para cada
pieza, indicando 1 0 respectivamente.
En la columna valor de referencia el valor medido sobre la pieza
con un instrumento que arroje datos variables.
En la columna de referencia la decisin de aceptacin (1)
rechazo (0), comparando su valor medido con los lmites de
especificacin.

Estudio R&R por atributos

Si el proceso esta produciendo piezas no conformes , es necesario
definir las zonas de riesgo, y se hace de la manera siguiente:
Multiplicar la desviacin estndar del proceso por el valor de % GRR
Dividir el valor obtenido entre dos para asociarlo a ambos lados de
cada uno de lo lmites de especificacin.
Si los valores medidos de cada una de las muestras se encuentran
en la zona de riesgo definida a cada lado de los lmites de
especificacin, es necesario indicarlo en la columna cdigo con x,
si se encuentran dentro de los lmites de especificacin colocar + o
si se encuentran fuera de los `lmites y por lo tanto son no conformes
colocar -.

rea I -
rea II x
rea III +

Decisin aceptable= 1
Decisin no aceptable = 0
El valor de referencia es el valor medido sobre la pieza con un
instrumento que arroje datos variables

Estudio R&R por atributos

Anlisis de la prueba de hiptesis (mtodo de la tabla
cruzada)
Una vez que se lleno la matriz de resultados descrita anteriormente,
es necesario elaborar tablas de referencia cruzada para relacionar los
resultados de dos operadores entre si.
Para el llenado de la tabla se requiere seguir el siguiente
procedimiento:
1.- Contar todas las lecturas individuales, en las que ambos
operadores hayan decidido 0, registrando el valor en la columna 0,0
cuenta observada.
2.- Contar todas las lecturas individuales, en las que ambos
operadores hayan decidido 1, registrando el valor en la columna 1,1
cuenta observada

Anlisis de la prueba de hiptesis

(mtodo de la tabla cruzada)
3.- Contar todas las lecturas individuales, en las que un operador
haya decidido 0 y el otro haya decidido 1, registrar el valor en la
columna 0,1 cuenta observada.
4.- Contar todas las lecturas individuales, en las que un operador
haya decido 1 y el otro haya decidido 0, registrar el valor en la
columna 1,0 cuenta observada.
5.- Sumar las cuentas observadas de cada columna y rengln
reportndolos en los espacios de totales.

Llenar la tabla con los datos

observados

Llenar la tabla con los datos

observados

El propsito de estas tablas es determinar hasta que punto

existe un acuerdo entre los operadores, para determinar el
nivel de acuerdo se utiliza el coeficiente Kappa.

Coeficiente Kappa
La formula para este coeficiente , usando las tablas de referencia
cruzada es:

Po Pe
k
1 Pe

Po = Suma de las proporciones

observadas en celdas diagonales.
Pe= Suma de la proporciones
esperadas en celdas diagonales.
N= Total de medidas realizadas

Kappa es una medida ms que una prueba

Resultados del coeficiente Kappa

Un valor de Kappa mayor a 0.75 indica un acuerdo de bueno a

excelente, con un mximo de 1, valores menores a 0.4 indican un
pobre acuerdo.

TABLA CRUZADA VS REFERENCIA

TABLA CRUZADA VS REFERENCIA

CRITERIO DE EFECTIVIDAD

Cumplimiento de especificaciones y
riesgos de falsas decisiones

producto
bueno
aceptacin
rechazo

falso
rechazo

producto
defectuoso
falsa
aceptacin

riesgo del fabricante : riesgo del cliente

FALSA ALARMA
PROPORCION PERDIDA
Error tipo I
Error tipo II

FORMULAS:
Pr oporcion _ Perdida

Falsa _ Alarma

Total _ de _ aceptaciones _ del _ producto _ malo

Total _ de _ muestras _ malas _ en _ el _ estudio * Pr uebas _ por _ operador

Total _ de _ rechazos _ del _ producto _ bueno

Total _ de _ muestras _ buenas _ en _ el _ estudio * Pr uebas _ por _ operador

H
a
g
a Introduccin al Anlisis de

c
l
i
c

Sistemas de Medicin.
Metrologa, Normalizacin, SI y
Evaluacin de la Incertidumbre

116

H
a
g
a

Medir es un asunto
cotidiano
No slo es cotidiano, es vital

c
l
i
c
117

H Medidas para todo, pero no para

a
todos.
medida para cada cosa pero una medida de cada
g Una
casa?
a

c
l
i
c
118

H
a
g
a

c
l
i
c

Por qu un metro mide un

metro?
Es un asunto de convencin.

La Convencin
Internacional del Metro se
llev a cabo el 20 de
Mayo de 1875.
119

H Un kilo pesa un kilo? Litro de a

a
litro?
g
a

c
l
i
c
120

H
a El Sistema Internacional (SI)
g El SI tiene actualmente un alcance
a verdaderamente global.

c
l
i
c

El fin de la cadena de trazabilidad

est en el BIPM.

121

H
a
g
a

Un sistema coherente de
unidades
Un sistema coherente puede
relacionar todas sus magnitudes con
las unidades bsicas.

c
l
i
c
122

H
a
g
a

Sistema Internacional de
Unidades
El SI se compone de 7 unidades
bsicas y 22 unidades derivadas.

c
l
i
c
123

H
a
g
a

c
l
i
c

Despus de la convencin, la
normalizacin.
La International Standards
Organization (ISO) redacta y
distribuye normas de alcance
internacional.
La normalizacin promueve la
homogeneidad en criterios, mtodos,
medidas, sistemas, etc.

124

H
a
g
a

c
l
i
c

Es realmente necesario?
Las normas aseguran que los
productos manufacturados en
cualquier parte del mundo
ensamblen sin importar su origen.
Promueven prcticas seguras.

125

H
a
g
a

Todos sabemos cmo.

La normalizacin en instrumentos
permite la uniformidad en
mediciones y mtodos.

c
l
i
c
126

H
a
g
a

c
l
i
c

Metrologa en Mxico
La Ley Federal de Metrologa y
Normalizacin establece que el SI es
el nico de uso legal en Mxico.
Crea el Centro Nacional de
Metrologa (CENAM)
Establece el Sistema Nacional de
Normalizacin

127

H
a
g
a

El fin de la cadena.

c
l
i
c
128

H
a
g
a

Es decimal

c
l
i
c
129

H
a
g
a

c
l
i
c

A cada quien lo suyo.

Existen tres tipos de metrologa:
Cientfica
Tcnica
Legal

130

H
a Siendo prcticos con el 10
g El SI, conocido tambin como
a sistema mtrico decimal se basa en
potencias de diez, es decir:

c
l
i
c
131

H
a
g
a

Algunos ejemplos de
longitud

c
l
i
c
132

H
a
g
a

Aplica para todos

c
l
i
c
133

H
a
g
a

c
l
i
c

Tambin para las

pulgadas?
El
sistema imperial funciona con un sistema de
fracciones mixtas, las llamadas fraccionales y las
decimales.
El sistema decimal se basa en un submltiplo
de , es decir . Pulgada en Ingls es inch
El sistema de fracciones se basa en potencias de
2 y las fracciones son:
Por eso es que no existen tercios o novenos de
pulgada.
Existen tablas de conversin para pasar de
pulgadas fraccionales a decimales.
134

H
a Lo primero es la resolucin.
g
La resolucin de un
instrumento es la
magnitud mnima
a
que puede medir de

c
l
i
c

manera legible y
unvoca.

135

H
a Algunos casos de resolucin
g
a

c
l
i
c
136

H
a
g
a

c
l
i
c

El mundo digital

La resolucin de un instrumento digital es el dgito ms pequeo

que puede resolver.

137

H
a
g
a

El alcance
El alcance de un instrumento se
refiere a la medida ms grande que
puede tomar.

c
l
i
c
138

H
a
g
a

c
l
i
c

La exactitud
Todo instrumento
que siga la cadena
de trazabilidad
puede considerarse
como un
instrumento exacto.
La exactitud se
evala por medio de
patrones de mayor
exactitud que el
instrumento.
139

H
a
g
a

c
l
i
c

Y la precisin?
La precisin es la
capacidad de un
instrumento de
realizar mediciones
repetidas con las
misma exactitud.
Conocida tambin
como repetibilidad.
140

H
a
g
a

c
l
i
c

Es cuestin de opiniones o
no?

Es posible que cada persona tenga

opiniones o conceptos propios sobre
metrologa, magnitudes, normas, etc.
Con el fin de unificar el lenguaje y los
criterios el VIM proporciona
definiciones convencionales.

141

H
a
g
a

c
l
i
c

Definiciones bsicas
Metrologa. Ciencia de la medicin
Magnitud. Atributo de un fenmeno, cuerpo o
sustancia que puede ser diferenciado
cualitativamente y determinado cuantitativamente.
Mensurando. Magnitud particular sujeta a medicin.
Dimensin. Es la expresin numrica de medida con
que se expresan las caractersticas geomtricas de
un objeto.
Unidad de medida. Es la magnitud particular
definida y adoptada por convencin.
Sistema de unidades. Conjunto de unidades base y
de unidades derivadas.
142

H
a
g
a

c
l
i
c

Definiciones bsicas
Medicin. Conjunto de operaciones que tienen
por objeto determinar el valor de una magnitud.
Resultado de una medicin. Valor atribuido a
un mensurando por medicin.
Exactitud de la medicin. Grado de
concordancia entre el resultado de una medicin
y el valor verdadero del mensurando.
Repetibilidad. Grado de concordancia entre los
resultados de mediciones sucesivas del mismo
mensurando, bajo las mismas condiciones.

143

H
a
g
a

c
l
i
c

Definiciones bsicas
Reproducibilidad. Proximidad de la concordancia
entre los resultados de las mediciones del mismo
mensurando con variaciones en las condiciones.
Incertidumbre. Parmetro asociado al resultado de
una medicin que caracteriza la dispersin de los
valores.
Calibracin. Es el conjunto de operaciones que
establecen la relacin entre un sistema de medicin y
los valores nominales de una medida material.
Patrn. Medida material, instrumento de medicin o
sistema destinado a definir, realizar, conservar o
reproducir una unidad o varios valores de una magnitud
para servir como referencia.
144

H
a
g
a

c
l
i
c

Definiciones bsicas
Trazabilidad. Propiedad del resultado de una
medicin o un patrn tal que pueda ser relacionada
con referencias determinadas, generalmente patrones
nacionales o internacionales por medio de una cadena
ininterrumpida de comparaciones.
Norma. Documento establecido por consenso y
aprobado por un organismo reconocido que establece,
para su uso comn, reglas y caractersticas para
ciertas actividades o sus resultados. Las normas se
clasifican como internacionales, nacionales y
regionales.
Especificacin. Un documento que establece
requisitos.
145

H No obstante, la duda queda.

a
g Toda medicin tiene un grado de incertidumbre,
es decir, siempre va a haber una fraccin del
a resultado de medicin que puede variar.

c
l
i
c

Usualmente se le conoce como error, tambin se

le ha llamado error sistemtico y error aleatorio.
Actualmente el trmino aceptado por convencin
es incertidumbre

Incertidumbre. El bho no sabe

cundo llegar al chicloso de la
Tutsi

146

H
a
g
a

c
l
i
c

Incertidumbre
Ninguna medicin puede determinar con
certeza el valor de la magnitud medida.
Esto puede deberse a errores en la
construccin del instrumento, errores del
operario, a condiciones ambientales no
controladas y por no poder identificar los
factores que puedan causar una desviacin
de la medicin de su valor verdadero.
Una cuantificacin de la dispersin de los
valores aceptados como correctos es lo que
se conoce como la incertidumbre de la
medicin.
147

147

H
a
g
a

c
l
i
c

En 1978 el Bur Internacional de Pesos y Medidas

(BIPM) envi cuestionarios a 32 laboratorios
nacionales acerca de sus mtodos de medicin y
su forma de reportar la incertidumbre. De las 21
respuestas recibidas el nico acuerdo unnime
fue el uso de la desviacin estndar para reportar
la incertidumbre aleatoria. En otros aspectos
hubo un amplio desacuerdo en cmo tener en
cuenta las fuentes de sesgo sistemtico.

148

148

H
a
g
a

c
l
i
c

La Gua
En 1993 se public la primera edicin de Gua
para la Expresin de la Incertidumbre en
Mediciones (ISO Technical Advisory Group,
Working Group 3, 1993) Actualmente esta gua se
conoce como GUM o simplemente como ``La
Gua". La aceptacin de la GUM por los
laboratorios nacionales es muy deseable.

149

149

H
Algunos conceptos bsicos
a
g El modelo ms bsico de la incertidumbre en las
establece que en condiciones de
a mediciones
repetibilidad el error de las mediciones tiene un

c
l
i
c

valor medio de cero y una desviacin estndar

u o alguna otra medida de dispersin. Si u es la
incertidumbre de una medicin m, la medicin
y su incertidumbre se presentan como:

mu
150

150

H
a
g
a

c
l
i
c

El avance tecnolgico ha requerido ms

exactitud en las mediciones y el modelo
anterior es inadecuado debido a que existen
componentes en las desviaciones del valor
verdadero que ya no pueden ser ignoradas.
Estos componentes tienden a mantenerse
constantes a lo largo de las mediciones por lo
que pueden considerarse como un sesgo. El
modelo donde b es el sesgo y e es el error
aleatorio con media cero, puede ser ms
apropiado.

m be

151

151

H
a
g
a

c
l
i
c

La propuesta BIPM-ISO
En muchos casos las mediciones no son
tan simples como se propone en el acpite
anterior. Si el mensurando no puede ser
medido directamente se obtiene de una
como una funcin de p mediciones 1,
2 ... p cuyas incertidumbres se
determinan por medio del anlisis
estadstico de una serie de observaciones
y r mensurandos 1, 2 r cuyos valores
posibles y e incertidumbres son evaluados
por otros medios, incluyendo el juicio
152
experto.
152

H
a
g
a

c
l
i
c

g ;
En general, el resultado de una medicin
slo es un valor aproximado al valor
verdadero de la magnitud del
mensurando, por lo tanto el resultado de
una medicin slo se considera completo
cuando se acompaa de un enunciado
cuantitativo de su incertidumbre.
De acuerdo con los conceptos del BIMP la
incertidumbre de una medicin contiene
varios componentes que pueden
153
clasificarse en dos categoras.
153

H
a
g
a

c
l
i
c

Tipos de incertidumbre
Incertidumbre tipo A es la que puede
evaluarse por medio estadsticos.
Incertidumbre tipo B es la que se evala
por mtodos distintos a los estadsticos
incluyendo el juicio experto.

154

154

H
a
g
a

c
l
i
c

Incertidumbre tipo A
La incertidumbre tipo A puede basarse en
cualquier mtodo estadstico vlido para el
tratamiento de datos. Puede ser la
desviacin estndar del valor medio de
una serie de observaciones
independientes.

155

155

a
g
a

c
l
i
c

De acuerdo con la GUM, BIMP-ISO es

fundamental representar cada
componente de incertidumbre que
contribuye a la incertidumbre de una
medicin por medio una desviacin
estndar conocida como
incertidumbre estndar representada
por ui

156

156

H
a
g
a

c
l
i
c

Como ejemplo considere una

cantidad x cuyo valor se estima a
partir de n mediciones
independientes Xi obtenidas bajo las
mismas condiciones. En un caso
como este el mejor estimador del
valor verdadero es lan media
1
muestral.

xX

n
i 1

157

157

H
a
g
a

c
l
i
c

La incertidumbre estndar u(x)

asociada con x es la desviacin
estndar muestral de la media:

u ( x) s X

158

158

H
a
g
a

c
l
i
c

Incertidumbre tipo B
La incertidumbre tipo B usualmente se basa en
juicios expertos con base en la informacin
relevante que est disponible.
Por ejemplo:
Datos de mediciones anteriores.
Experiencia o conocimiento general del
comportamiento o propiedades de los materiales
o instrumentos.
Especificaciones de fabricante.
Datos provenientes de reportes de calibracin.
Incertidumbres asignadas a datos de referencia
por manuales o referencias documentales.
159
159

H
a
g
a

c
l
i
c

Un componente de incertidumbre en
la categora B es representado como
uj y puede considerarse como una
aproximacin de una desviacin
estndar de una funcin de
distribucin de probabilidad. Dicha
funcin puede asumirse o conocerse
con base en la informacin
disponible.
160

160

H
a
g
a

c
l
i
c

Incertidumbre combinada
La incertidumbre combinada del resultado de una
medicin se expresa con uc y representa la
estimacin de la desviacin estndar del
resultado. Se obtiene de la combinacin de las
incertidumbres estndar individuales ya sea que
se obtengan de una evaluacin tipo A o de una
evaluacin tipo B. El mtodo normalmente
utilizado para combinar las incertidumbres
estndar se conoce como Ley de Propagacin de
la Incertidumbre.
Este mtodo se basa en en una2 aproximacin por
N
medio de
una
serie
de Taylor
orden.
f de primer
2
2

uc ( y )

i 1

xi

u ( xi )

161

161

H
a
g
a

c
l
i
c

Es usual referirse a este mtodo como el

de la raz de la suma de los cuadrados
para combinar los componentes estimados
como desviaciones estndar, RSS por sus
siglas en ingls. Este trmino es
encontrado con frecuencia en la literatura
aunque no es aceptado en la propuesta
BIMP/ISO. Las derivadas parciales se
conocen como coeficientes de sensibilidad
y generalmente slo se asocian a
evaluaciones de incertidumbre tipo B.
162

162

H
a
g
a

c
l
i
c

En la mayora de las situaciones prcticas la

funcin de distribucin de probabilidad
caracterstica del resultado y de una medicin y
su incertidumbre combinada es
aproximadamente normal (Gaussiana). En estos
casos la incertidumbre combinada define un
intervalo que va de y-uc (y) a y+uc(y) dentro del
cual se encuentra el valor verdadero Y estimado
por el resultado de la medicin y. Se espera que
el valor Y est dentro de este intervalo con un
nivel de confianza del 68%, es decir: y-uc(y ) Y
y+uC (y) lo cual
Y sey expresa
uc ( y )usualmente como:

163

163

H
a
g
a

c
l
i
c

Incertidumbre expandida
Aunque la incertidumbre combinada se utiliza en
muchos resultados, hay normas y regulaciones
que requieren que la incertidumbre defina un
intervalo que contenga el valor verdadero Y. La
incertidumbre que tiene como propsito cumplir
con este requisito es conocida como
incertidumbre expandida que se representa con U
y se obtiene de multiplicar la incertidumbre
combinada por un factor de cobertura k. Por lo
tanto se acepta que el valor verdadero de Y que
puede obtenerse de la medicin y est en el
intervalo y-U Y y+U comnmente expresado
como

Y y U

164

164

H
a
g
a

c
l
i
c

El valor del factor cobertura k se elige con base

en el nivel de confianza deseado. Generalmente
el valor de k est entre 2 y 3. U=2uc define un
intervalo con un nivel de confianza del 95% y
U=3uc define un intervalo con el 99% de
confianza. La prctica convencionalmente
aceptada es utilizar k=2 para reportar U. Pueden
utilizarse valores distintos a 2 slo en
aplicaciones en las que la documentacin
especifique y justifique el uso de k distinto de 2.
El uso de un factor de cobertura k distinto de 2 no
es tan poco comn como pudiera suponerse a
priori. Cuando una medicin tiene pocos grados
de libertad el factor k es igual al factor t
correspondiente a una funcin de distribucin de165
probabilidad t de Student.
165

H
a
Notas
adicionales
para
una
mejor
g
comprensin de la evaluacin de
a
la Incertidumbre

c
l
i
c

Coeficientes de sensibilidad
Grados de libertad efectivos

166

166

H
a
g
a

c
l
i
c

Lo visto hasta ahora es suficiente para

realizar una buena cantidad de
evaluaciones de incertidumbre, sobre todo
en aquellas mediciones en las que el
resultado se obtiene por mtodos directos.
Pero se pueden dar muchas situaciones en
las que el resultado de la medicin se
obtiene por mtodos indirectos. Es decir,
se mide una magnitud y por medio de un
modelo matemtico obtener la magnitud
deseada. Por ejemplo, si se mide el voltaje
a travs de una resistencia de valor
conocido se pueden obtener la corriente o167
la potencia.
167

H
Coeficientes de sensibilidad
a
g Hemos visto que la incertidumbre
a combinada se calcula por medio de

c
l
i
c

este modelo:

f
u ( y )
i 1 xi
2
c

u 2 ( xi )

168

168

H
a
g
a

c
l
i
c

El trmino correspondiente a la derivada

parcial es lo que se conoce como
coeficiente de sensibilidad y una
evaluacin de la incertidumbre puede
contener varios coeficientes de
sensibilidad, lo que implica la solucin de
varias derivadas parciales.
En general, en las mediciones en las que
la magnitud se obtiene por mtodos
directos los coeficientes de sensibilidad 169
son siempre iguales a la unidad.
169

H
a
g
a

c
l
i
c

Por ejemplo, en las mediciones de

longitud, estos coeficientes de sensibilidad
son iguales a uno.
O una medicin de temperatura
Pero si se usa la temperatura para obtener
otra magnitud, como gasto de energa,
entonces deber establecerse con claridad
el modelo y derivarlo por cada variable
que pueda aportar incertidumbre a la
medicin.
170
170

H
a
g
a

c
l
i
c

Consideremos el caso en el que se

calcula la corriente que circula a
travs de una resistencia cuando se
conocen el voltaje y la resistencia

V
I ( R, V )
R
La corriente es una funcin que
depende de V y de R.
171

171

H
a
g
a

c
l
i
c

Es razonable suponer que tanto el

voltaje como la resistencia tienen sus
propios componentes de
incertidumbre, ya sea por resolucin,
deriva, etc. Los puntos ms
importante de este caso son que la
corriente se obtiene de manera
indirecta y que existen dos fuentes
de incertidumbre en el modelo.
172

172

H
a
g
a

c
l
i
c

Esto implica entonces la obtencin

de los coeficientes de sensibilidad
del modelo:
I
V
1 V
1
c1

V V R
R V
R
I
V
1
V
c2

V
2
R R R
R R
R
Si la temperatura afectara a la
resistencia, entonces habra que incluir
otro coeficiente de sensibilidad.

173

173

H
a
g
a

c
l
i
c

Un coeficiente de sensibilidad es un
factor constante que estar
multiplicando a la incertidumbre
estndar al obtener la incertidumbre
combinada.
En este caso, V y R se sustituyen por
los mejores estimados de cada uno.
Por ejemplo, el valor de R puede
provenir de un certificado de
calibracin y V de mediciones
repetidas.
174

174

H
Grados efectivos de libertad
a
g Aunque el factor de cobertura k=2
a para reportar la incertidumbre

c
l
i
c

expandida U es una aproximacin

muy buena para la mayora de los
casos, es probable que alguna norma
o mtodo requiera que se calculen
los grados de libertad efectivos de un
modelo de incertidumbre. Esto es
especialmente necesario cuando las
mediciones son pocas, como puede
ser el caso de las pruebas 175

175

H
a
g
a

c
l
i
c

Los grados de libertad efectivos

estn definidos por:

eff

4
c
4
i

u ( y)
N
4
c u xi

i
i 1
176

176

H
a
g
a

c
l
i
c

Es evidente que para obtener los

grados de libertad efectivos, primero
es necesario calcular la
incertidumbre combinada y todos los
coeficientes de sensibilidad.
Es importante tener en mente un par
de cosas al seleccionar las
cantidades que resuelven los grados
de libertad efectivos:
Primera: Si se hacen n mediciones,
entonces los grados de libertad i de
esta serie de mediciones es i=n-1.
Esto generalmente se aplica a las
177
incertidumbres tipo A

177

H
a
g
a

c
l
i
c

Segunda: Los grados de libertad de

una funcin de distribucin de
probabilidad (normal, rectangular,
triangular, etc.) se asumen como
infinitos. Esto generalmente slo es
aplicable a incertidumbres tipo B.

178

178

H
a
g
a

c
l
i
c

Una vez que se obtienen los grados

de libertad efectivos, estos se
comparan con su factor k
correspondiente en una tabla de
distribucin t.
Por ejemplo, si los grados de libertad
efectivos son 11, entonces el factor
de cobertura k =2,20 y ste
entonces multiplicar a la
incertidumbre combinada para
obtener la incertidumbre expandida.
179

179

H
Conclusiones y perspectivas
a
g Actualmente la GUM ha sido aceptada
a ampliamente y su aplicacin est

c
l
i
c

generando una normalizacin muy

apreciada por los laboratorios de pruebas
y calibracin y por los organismos de
acreditacin.
La GUM est muy lejos de ser un
documento acabado, an hay
controversias por resolver, mtodos que
mejorar, tcnicas que aadir, etc.
180
180