Académique Documents
Professionnel Documents
Culture Documents
en Ingeniera de calidad
1
VII. A MEDICIN
1. Correlacin de mediciones
2. Sistemas de medicin
3. Repetibilidad y reproducibilidad4.
3
Posibles Fuentes de la
Variacin del Proceso
Variacin del proceso, observado (Zlp/Zlt y/ DPMO)
Calibracin
http://www.infocaptor.com/user_help/da
shboard_dial_gauge.htm
6
Definicin del Sesgo o exactitud
Valor
Verdadero
Sesgo es la diferencia
entre el promedio
observado de las Sesgo
mediciones y el valor
verdadero (patrn).
Ajustar equipo si es >
10% en su caso utilizar
factores de correccin
% Exactitud =| Exactitud |* 100
Tolerancia
7
Definicin de la Repetibilidad
o precisin
REPETIBILIDAD
8
Definicin de la Reproducibilidad
Reproducibilidad: Es la Operador-B
variacin entre promedios de
las mediciones hechas por
diferentes operadores, que
utilizan un mismo instrumento
de medicin, cuando miden las Operador-C
mismas caractersticas en una
misma parte en diferentes
tiempos
Operador-A
9
Definicin de la Reproducibilidad
Linealidad es la
diferencia
en los valores real y
observado, mayor menos
menor a travs del rango
de operacin esperado
del equipo.
http://calibration.mira.co.uk/information/Information%
20Page%20-%20Measurement%20Terminolgy.htm
Estudios de linealidad y sesgo
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.
6 e
Re l P / T
Tolerancia
O contra la variacin total
6 e Variacion Medicion
Re l P / TV
Variacion Total Variacion Pr oducto Variacion Medicion
14
3. Estudios de Repetibilidad y
Reproducibilidad (R&R)
Mtodo de ANOVA
15
Mtodo del rango
18
Mtodo de Medias Rangos
Datos del operador 1
No. de Parte y
Nombre: 4600066 PARTE A
Tolerancia
Especificada: 0.0060
No. y Nombre de Calibrador
GAGE: 8881-H Digital
RECOLECCIN DE DATOS
OPERADOR A.-
columna 1 columna 2 columna 3 columna 4 Promedio
RA : 0.00035 # Intentos D4
RB : 0.0004 3 2.58
RC : 0.0005
SUM: 0.00125 LSCR = R x D4
R: 0.000416667 LSCR = 0.001075
22
Datos del operador 2
C.-
columna 9 columna 10 columna 11 columna 12 Promedio Prom. Parte
1er Intento 2do Intento 3er Intento Rango X Xp=
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 Xp= 0.004717
Suma 0.1430 RC : 0.0005 Rp= 0.000944
XC : 0.004766667
A2
X Mx: 0.004766667 LSCX = X + A2 R = 1.023
X min: 0.004666667 LSCX = 0.005142917
23
Carta de Rangos en control
RANGOS
LSCR
LICR
LS
CX
X
LICX
25
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 Calibrador
GAGE: 8881-H Digital Caracterstica: Diametro
% Tolerance
40 0.005
0.004
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Partes
R Chart by Operadores
1 2 3 Datos by Operadores
UCL=0.001073 0.006
0.0010
Sample Range
_ 0.005
0.0005
R=0.000417
0.004
0.0000 LCL=0
1 2 3
Operadores
Xbar Chart by Operadores
1 2 3 Operadores * Partes Interaction
O peradores
UCL=0.005143
Sample Mean
1
0.0050 0.0050
Average
_ 2
X=0.004717 3
0.0045
0.0045
LCL=0.004290
0.0040
0.0040 1 2 3 4 5 6 7 8 9 10
Partes
27
R&R por ANOVA
28
R&R por ANOVA
Resultados de Minitab
Gage R&R Study - ANOVA Method
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
% Tolerance
40 0.005
0.004
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Partes
R Chart by Operadores
Datos by Operadores
1 2 3
UCL=0.001073 0.006
0.0010
Sample Range
_ 0.005
0.0005
R=0.000417
0.004
0.0000 LCL=0
1 2 3
Operadores
Xbar Chart by Operadores
1 2 3 Operadores * Partes Interaction
Operadores
UCL=0.005143
Sample Mean
1
0.0050 0.0050
Average
_ 2
X=0.004717 3
0.0045
0.0045
LCL=0.004290
0.0040
0.0040 1 2 3 4 5 6 7 8 9 10
Partes
30
Sistema de Medicin de Atributos
Ejemplo comparacin pasa no pasa
32
GR&R de Atributos - Ejemplo
Legenda de Atributos REPORTE
G =1Bueno FECHA:
NOMBRE:
NG =2No Bueno PRODUCTO:
SBU:
Esta es la
COND. DE PRUEBA: medida
Poblacin Conocida Persona #1 Persona #2 Acuerdo Acuerdo
Muestra # Atributo #1 #2
general de
#1 #2 Y=S N=No Y=S N=No
1 G G G G G Y Y consistencia
2 G G G G G Y Y
3 G G G G G Y Y entre los
4
5
G
G
G G G G Y Y operadores
G G G G Y Y
6 G NG G G G N N y el experto.
7 G G G G G Y Y
8 G G G G G Y Y 90% es lo
9 NG G G NG NG N N
10 NG NG NG G G N N mnimo!
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
(1)
% DEL EVALUADOR -> 95.00% 100.00%
(2)
% VS. EL ATRIBUTO -> 90.00% 95.00%
(3)
% DE EFECTIVIDAD DE DISCRIMINACION -> 85.00%
(4)
% DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO -> 85.00%
33
Sistema de Medicin de Atributos
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
34
Sistema de Medicin de Atributos
Pasa no pasa Resultados de Minitab
Attribute Agreement Analysis Persona 1A, Persona 1B, Persona 2A,
Persona 2B
Within Appraisers
Appraiser # Inspected # Matched Percent 95 % CI
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
Appraiser # Inspected # Matched Percent 95 % CI
1 20 18 90.00 (68.30, 98.77)
2 20 19 95.00 (75.13, 99.87)
Between Appraisers
# Inspected # Matched Percent 95 % CI
20 17 85.00 (62.11, 96.79)
Fleiss' Kappa Statistics
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
# Inspected # Matched Percent 95 % CI
20 17 85.00 (62.11, 96.79)
# Matched: All appraisers' assessments agree with the known standard.
Fleiss' Kappa Statistics
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
35
Interpretacin de Resultados
% del Evaluador es la consistencia de una
persona.
% Evaluador vs Atributo es el acuerdo entre
la evaluacin del operador y la del experto.
% de Efectividad de Seleccin es el acuerdo
que existe entre los operadores.
% de Efectividad de Seleccin vs. el Atributo
medida general de la consistencia entre los
operadores y el acuerdo con el experto.
37
Estudio de Repetibilidad y Reproducibilidad
de Atributos - Guas de Aceptabilidad
Porcentaje Gua
De 90% a 100% Aceptable
De 80% a 90% Marginal
Menos de 80% Inaceptable
38
VII.B CAPACIDAD DE
PROCESO
4. Estudios de capacidad de proceso
5. ndices de capacidad y desempeo del
proceso
6. Capacidad del proceso por atributos
39
Teora del camin y el tnel
El tnel tiene 9' de ancho (especificacin). El camin tiene 10 y el chofer es perfecto
(variacin del proceso). Pasara el camin? NO, la variabilidad del proceso es mayor
que la especificacin.
Centrar es hacer que el promedio del proceso sea igual al centro de la
especificacin. Si el camin tiene 8 pies de ancho pasar el camin?, Si. Si
el chofer puede mantener el centro del camin en el centro del tnel. De otra forma
chocar con las paredes del tnel y no pasar a pesar de ser ms angosto.
El proceso debe estar en control, tener capacidad y estar centrado
Ancho 9
Nigels Trucking Co.
Objetivos de la capacidad del proceso
4. Seleccionar proveedores
42
Cmo vamos a mejorar esto?
80
_
_
X=72.69
70
60
LC L=58.53
2 4 6 8 10 12 14 16 18
Sample
U C L=51.89
48
Sample Range
36
_
24 R=24.54
12
0 LC L=0
2 4 6 8 10 12 14 16 18
Sample
44
4. Estudios de capacidad del proceso
Process Capability of Viscosidad
LSL USL
P rocess Data Within
LS L 9.00000 Overall
Target *
USL 14.00000 P otential (Within) C apability
S ample M ean 11.74400 Cp 0.97
S ample N 50 C PL 1.07
C PU 0.88
S tDev (Within) 0.85577
S tDev (O v erall) 0.80259 C pk 0.88
C C pk 0.97
O v erall C apability
Pp 1.04
PPL 1.14
PPU 0.94
P pk 0.94
C pm *
45
Capacidad inherente de mquina
Se evala con 30 partes de cada mquina
46
Cmo vamos a mejorar esto?
Largo Plazo
Es el periodo de tiempo en el cual ya han ocurrido
todos los cambios posibles en el proceso, se trata de
informacin histrica
Usar 25 a 30 subgrupos con carta X-R
49
6. Capacidad de proceso por
atributos
Para cartas p, es el promedio de la fraccin no
conforme del proceso p. Si se desea la proporcin
que cumple especs. usar 1-p.
50