Control Plan AIAG Example

Análisis de Sistemas de Medición
MSA
Tercera Edición
ANÁLISIS DE SISTEMAS DE MEDICIÓN
Manual de Referencia
Tercera Edición
Copia para:
Primera Edición, Octubre 1990 • Segunda Edición, Febrero, 1995; Segunda Impresión, Junio 1998 • Tercera Edición,
Marzo, 2002, Derechos Reservados © 1990, © 1995, © 2002 DaimlerChrysler Corporation, Ford Motor Company,
General Motors Corporation
Este documento consiste sólo de una interpretación al español, y es una copia libre del Manual de Referencia de MSA-3: 2002
publicado por AIAG, y sólo debe considerarse como una consulta. El único documento oficial es el publicado originalmente en Ingles
por AIAG mismo.
i
ii
PREFACIO
Este manual de referencia fue desarrollado por el grupo de trabajo de análisis de sistemas de
medición (MSA), autorizado por el grupo de trabajo para requerimientos de calidad de proveedores
de DaimlerChrysler Corporation/Ford Motor Company/General Motors Corporation, y bajo los
auspicios de la Sociedad Americana para la Calidad (ASQ) y el Grupo de Acciones de la Industria
Automotriz (AIAG). El grupo de trabajo responsable por esta tercera edición fue David Benham
(DaimlerChrysler Corporation), Michael Down (General Motors Corporation), Peter Cvetkovski (Ford
Motor Company), Gregory Gruska (Tirad Generation, Inc.), Tripp Martín (Federal Mogul) and Steve
Stahley (SRS Technical Services).
En el pasado, Chrysler, Ford y General Motors tenían cada uno sus propios lineamientos y formatos
para asegurar cumplimiento de los proveedores. Las diferencias entre estos lineamientos
generaban demandas adicionales sobre los recursos de los proveedores mismos. Para mejorar esta
situación, el grupo de trabajo determinó estandarizar manuales de referencia, procedimientos,
formatos de reportes y nomenclatura técnica usada por Chrysler, Ford y General Motors.
Al mismo tiempo, Chrysler, Ford y General Motors acordaron en 1990 desarrollar y, a través de
AIAG, distribuir el manual de MSA. La primera edición fue muy bien recibida por la comunidad de
proveedores quienes ofrecieron datos valiosos en base a las experiencias de aplicación. Estos
datos han sido incorporados en la segunda y esta tercera edición. Este manual, el cual es aprobado
y endosado por DaimlerChrysler Corporation, Ford Motor Company, y General Motors Corporation,
es un documento de referencia y suplemento a QS 9000.
El manual es una introducción al análisis de sistemas de medición. No se pretende que limite la

evolución de métodos de análisis adecuados a procesos o instalaciones particulares. Aún y
cuando estos lineamientos se pretende cubran normalmente situaciones de sistemas de medición
que ocurren, puede haber preguntas que surjan. Estas preguntas debieran dirigirse al área de
aseguramiento de calidad de proveedores (SQA) de los clientes. Si usted no está seguro en cómo
contactar al área apropiada de SQA, el comprador de la oficina de compras de su cliente puede
ofrecerle ayuda.
El grupo de trabajo de MSA agradece y dá reconocimiento: al liderazgo y compromiso de los

vicepresidentes Tom Sidlik de DaimlerChrysler Corporation, Carlos Mazzorin de Ford Motor
Company y Bo Anderson de General Motors Corporation; la asistencia de AIAG en el desarrollo,
producción y distribución del manual; la guía de los directores del grupo de trabajo Hank Gryn
(DaimlerChrysler Corporation, Russ Hopkins (Ford Motor Company), y Joe Bransky (General Motors
Corporation), en asociación con ASQ representado por Jackie Parkhurst (General Motors
Corporations) y la American Society for Testing and Materials (ASTM International). Este manual fue
desarrollado para cumplir con las necesidades específicas de la industria automotriz.
Este manual cuenta con derechos de copia por DaimlerChrysler Corporation, Ford Motor Company
y General Motors Corporation, con todos los derechos reservados, 2002. Manuales adicionales
pueden ordenarse y/o permiso para copiar secciones de este manual para uso dentro de las
organizaciones proveedoras puede obtenerse de AIAG en 248-358-3570.
Marzo, 2002
iii
iv
PREFACIO
Este manual de referencia fue desarrollado por el grupo de trabajo de análisis de sistemas de
medición (MSA), y autorizado por el grupo de trabajo de requerimientos de calidad de proveedores
de Chrysler/Ford/General Motors, y bajo los auspicios de la división automotriz de la Sociedad
Americana para el Control de Calidad (ASQC) y el Grupo de Acciones de la Industria Automotriz
(AIAG). El grupo de trabajo responsable por esta segunda sección fue Ray Daugherty (Chrysler),
Victor Lowe, Jr. (Ford), Chaqirperson Michael H. Down (General Motors), y Gregory Gruska (The
Third Generations, Inc.).
En el pasado, Chrysler, Ford y General Motors tenían cada uno sus propios lineamientos y formatos
para asegurar cumplimiento de los proveedores. Las diferencias entre estos lineamientos
generaban demandas adicionales en los recursos de los proveedores. Para mejorar esta situación,
el grupo de trabajo determinó estandarizar los manuales de referencia, procedimientos, formatos de
reportes y la nomenclatura técnica usada por Chrysler, Ford y General Motors.
Al mismo tiempo, Chrysler, Ford y General Motors acordaron en 1990 desarrollar y, a través de
AIAG, distribuir el manual de MSA. La primera edición fue muy bien recibida por la comunidad de
proveedores quienes ofrecieron datos valiosos en base a las experiencias de aplicación. Estos
datos han sido incorporados en esta segunda edición. Este manual, el cual es aprobado y endosado
por Chrysler, Ford, y General Motors, debiera usarse por proveedores que implementen técnicas de
MSA en sus procesos de manufactura y en la satisfacción de los requerimientos de QS 9000.
El manual debiera ser considerado como una introducción al análisis de sistemas de medición. No
se pretende limite la evolución de métodos de análisis adecuados a procesos o instalaciones
particulares. Aún y cuando se pretende que estos lineamientos cubran situaciones donde
normalmente ocurren sistemas de medición, puede haber preguntas que surjan. Estas preguntas
debieran dirigirse al área de aseguramiento de calidad de proveedores (SQA) de los clientes. Si
usted no está seguro en como contactar al área apropiada de SQA, el comprador en la oficina de
compras de sus clientes puede ofrecerle ayuda.
El grupo de trabajo agradece y dá reconocimiento: al liderazgo y compromiso de los vicepresidentes

Thomas T. Stallkamp de Chrysler, Norman F. Ehlers de Ford, y Harold R. Kutner de General Motors;
la asistencia de AIAG en el desarrollo, producción y distribución del manual; la guía de los
presidentes del grupo de trabajo Russell Jacobs (Chrysler), Stephen Walsh (Ford), y Dan Reid
(General Motors), e inadvertencias de ASQC. Por tanto, este manual fue desarrollado para cumplir
con las necesidades específicas de la industria automotriz.
Este manual cuenta con derechos de copia por AIAG, y todos los derechos reservados, 1994.
Manuales adicionales pueden ordenarse de AIAG y/o permiso para copiar secciones de este
procedimiento para uso dentro de las organizaciones de los proveedores puede obtenerse de AIAG
en 810-358-3570.
Febrero, 1995
v
Guía Rápida de 3ª Edición de MSA
Tipo de Sistema de
Métodos MSA Capítulo
Medición
Rango, Promedios y Rangos, ANOVA, Sesgo,
Variable Básica Ill
Linealidad, Gráficas de Control
Detección de Señales, Análisis de Pruebas de
Atributos Básicos Ill
Hipótesis
Sin Replicas (ej., Pruebas
Gráficas de Control IV
No Destructivas)
Rango, Promedios y Rangos, ANOVA, Sesgo,
Variables Complejas III, IV
Linealidad, Gráficas de Control
Sistemas Múltiples, Gages
Gráficas de Control, ANOVA, Análisis de Regresión III, IV
y Stands de Pruebas
Procesos Continuos Gráficas de Control III
Misceláneos Enfoques Alternativos V

Artículos disponibles en
Otros
http://www.aiag.org/publications/quality/msa3.html
NOTA: En relación al uso de la desviación estándar de RRGs.
Históricamente y en forma convencional se ha usado una amplitud del 99% para representar la
amplitud “total” del error de las mediciones, representado por el factor de multiplicación de 5.15
(donde σ RRG es multiplicado por 5.15 para representar la amplitud total del 99%).
Una amplitud de 99.73% es representada por el multiplicador de 6, el cual es + 3σ y representa la

amplitud total de la curva normal.
Si el lector selecciona el nivel de cobertura o amplitud de una variación total en las mediciones de
99.73%, favor de usar el 6 como un multiplicador en lugar de 5.15 en los cálculos.
La conciencia de cual factor de multiplicación se use es crucial en la integridad de las ecuaciones y

cálculos resultantes. Esto es especialmente importante si se hace una comparación entre la
variabilidad y tolerancia de los sistemas de medición.
vi
TABLA DE CONTENIDO
CAPITULO I - GUÍAS Y LINEAMIENTOS GENERALES PARA SISTEMAS DE MEDICIÓN.. 1
CAPÍTULO I – Sección A........................................................................................................................................ 3
Introducción, Propósito y Terminología................................................................................................................. 3
Calidad de los Datos de Medición...................................................................................................................... 3
Propósito............................................................................................................................................................... 4
Terminología......................................................................................................................................................... 4
Resumen de Términos...................................................................................................................................... 5
Valor Verdadero................................................................................................................................................. 10
CAPITULO I – Sección B........................................................................................................................................ 11
El Proceso de Medición......................................................................................................................................... 11
Propiedades Estadísticas de Sistemas de Medición......................................................................................... 12
Fuentes de Variación......................................................................................................................................... 13
Los Efectos de la Variabilidad de Sistemas de Medición...................................................................................... 16
Efectos en las Decisiones.................................................................................................................................. 16
Efectos en las Decisiones de Productos............................................................................................................ 17
Efectos en las Decisiones de Procesos............................................................................................................. 18
Aceptación de un Proceso Nuevo...................................................................................................................... 20
Ajuste/Control del Proceso (Experimento del Embudo)..................................................................................... 21
CAPITULO I – Sección C........................................................................................................................................ 23
Planeación y Estrategia de las Mediciones........................................................................................................... 23
Complejidad....................................................................................................................................................... 23
Identificación del Propósito de un Proceso de Medición................................................................................... 24
Ciclo de Vida en las Mediciones........................................................................................................................ 24
Criterios para Selección del Diseño de un Proceso de Medición...................................................................... 24
Investigación de Varios Métodos de Procesos de Medición.............................................................................. 26
Diseño y Desarrollo de Conceptos y Propuestas............................................................................................... 26
CAPITULO I – Sección D........................................................................................................................................ 27
Desarrollo de las Fuentes de Medición................................................................................................................. 27
Coordinación de Datos....................................................................................................................................... 28
Prerrequisitos y Supuestos................................................................................................................................ 29
Proceso de Selección de Fuentes de Gages........................................................................................................ 29
Concepto de Ingeniería Detallado...................................................................................................................... 29
Consideraciones de Mantenimiento Preventivo................................................................................................. 30
Especificaciones................................................................................................................................................. 30
Evaluación de Cotizaciones............................................................................................................................... 31
Liberación de Documentos................................................................................................................................ 32
Calificación con el Proveedor............................................................................................................................. 33
Envíos................................................................................................................................................................ 34
Calificaciones con los Clientes........................................................................................................................... 34
Envío de Documentación................................................................................................................................... 34
Elementos Sugeridos para un Checklist de Desarrollo de Sistemas de Medición............................................. 36
CAPÍTULO I – Sección E........................................................................................................................................ 39
Aspectos Clave en las Mediciones........................................................................................................................ 39
Tipos de Variaciones de los Sistemas de Medición........................................................................................... 40
Definiciones y Fuentes Potenciales de Variación.............................................................................................. 40
Variación del Proceso de Medición.................................................................................................................... 48
Variación de las Instalaciones............................................................................................................................ 48
Variación de Amplitud........................................................................................................................................ 52
Variación de los Sistemas de Medición............................................................................................................. 56
Comentarios....................................................................................................................................................... 59
CAPÍTULO I – Sección F........................................................................................................................................ 61
Incertidumbre en las Mediciones........................................................................................................................... 61
Generalidades.................................................................................................................................................... 61
vii
Incertidumbre en las Mediciones y MSA............................................................................................................ 62
Rastreabilidad en las Mediciones...................................................................................................................... 62
Guía ISO para la Expresión de la Incertidumbre en las Mediciones.................................................................. 63
CAPITULO I – Sección G........................................................................................................................................ 65
Análisis de Problemas de Mediciones.................................................................................................................. 65
CAPITULO II – CONCEPTOS GENERALES PARA LA ESTIMACIÓN DE SISTEMAS DE
MEDICIÓN................................................................................................................................... 67
CAPÍTULO II – Sección A....................................................................................................................................... 69
Fundamentos......................................................................................................................................................... 69
CAPÍTULO II – Sección B....................................................................................................................................... 71
Selección/Desarrollo de Procedimientos de Prueba............................................................................................. 71
CAPÍTULO II – Sección C....................................................................................................................................... 73
Preparación para un Estudio de un Sistema de Medición..................................................................................... 73
CAPÍTULO II – Sección D....................................................................................................................................... 77
Análisis de Resultados.......................................................................................................................................... 77
CAPÍTULO III – PRÁCTICAS RECOMENDADAS PARA SISTEMAS DE MEDICIÓN
SIMPLES.................................................................................................................................. 79
CAPÍTULO III – Sección A...................................................................................................................................... 81
Ejemplos de Procedimientos de Prueba............................................................................................................... 81
CAPÍTULO III – Sección B...................................................................................................................................... 83
Guías y Lineamientos – Estudio de Sistemas de Medición de Variables.............................................................. 83
Guías y Lineamientos para Determinación de la Estabilidad............................................................................. 83
Guía y Lineamiento para Determinación del Sesgo – Métodos de Muestras
Independientes................................................................................................................................................... 85
Guías y Lineamientos para Determinación del Sesgo – Método por Gráficas de Control................................. 88
Guías y Lineamientos para Determinación de la Linealidad.............................................................................. 92
Guías y Lineamientos para Determinación de la Repetibilidad y Reprodusibilidad........................................... 97
Método de Rangos................................................................................................................................................ 97
Método de Rangos y Promedios........................................................................................................................... 99
Gráfica de Promedios......................................................................................................................................... 102
Gráfica de Rangos............................................................................................................................................. 104
Grafica de Corridas............................................................................................................................................ 105
Diagrama de Dispersión..................................................................................................................................... 106
Gráficas de Bigotes............................................................................................................................................ 107
Gráfica de Error.................................................................................................................................................. 108
Histograma Normalizado.................................................................................................................................... 109
Diagrama X – Y de Promedios por Medida........................................................................................................ 110
Comparación de Gráficas X – Y......................................................................................................................... 110
Cálculos Numéricos........................................................................................................................................... 111
Análisis de Resultados Numéricos..................................................................................................................... 115
Método de Análisis de Varianzas (ANOVA)....................................................................................................... 117
Aleatoriedad e Independencia Estadística......................................................................................................... 117
CAPÍTULO III – Sección C...................................................................................................................................... 125
Estudio de Sistemas de Medición de Atributos..................................................................................................... 125
Métodos de Análisis de Riesgos........................................................................................................................ 125
Método Analítico................................................................................................................................................. 135
CAPÍTULO IV – PRÁCTICAS PARA SISTEMAS DE MEDICIÓN COMPLEJOS................................................... 141
CAPÍTULO IV – Sección A...................................................................................................................................... 143
Prácticas para Sistemas de Medición Complejos y Sin Replicas.......................................................................... 143
CAPÍTULO IV – Sección B...................................................................................................................................... 145
Estudios de Estabilidad......................................................................................................................................... 145
S1: Una Parte, Medición Única por Ciclo........................................................................................................... 145
S2: n>3 Partes Medición Única por Ciclo por Parte........................................................................................... 146
S3: Muestra Larga de un Proceso Estable........................................................................................................ 147
S4: Especimenes Divididos (General), Espécimen Único por Ciclo.................................................................. 148
S5: Estantes de Prueba..................................................................................................................................... 178
CAPITULO IV – Sección C...................................................................................................................................... 151
Estudios de Variabilidad........................................................................................................................................ 151
V1: Estudios Estándar RRG....................................................................................................................... ....... 151
viii
V2: Lecturas Múltiples con p>2 Instrumentos.................................................................................................... 151
V3: Especimenes Divididos (m=2)..................................................................................................................... 152
V4: Especimenes Divididos (General)............................................................................................................... 153
V5: Igual que V1 con Partes Estabilizadas........................................................................................................ 153
V6: Análisis de Series de Tiempos.................................................................................................................... 154
V7: Análisis lineales........................................................................................................................................... 154
V8: Tiempo contra Degradación de Características (Propiedades)................................................................... 155
V9: V2 con Lecturas Múltiples Simultaneas y p>3 Instrumentos....................................................................... 155
CAPITULO V – OTROS CONCEPTOS DE MEDICIÓN.......................................................................................... 157
CAPÍTULO V – Sección A....................................................................................................................................... 159
Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes....................................................... 159
CAPÍTULO V – Sección B...................................................................................................................................... 161
Método de Promedios y Rangos – Tratamiento Adicional.................................................................................... 161
CAPÍTULO V – Sección C....................................................................................................................................... 169
Curva de Desempeño de Gages........................................................................................................................... 169
CAPÍTULO V – Sección D....................................................................................................................................... 175
Reducción de Variación a Través de Lecturas Múltiples...................................................................................... 175
CAPÍTULO V – Sección E....................................................................................................................................... 177
Enfoque de la Desviación Estándar Combinada con RRG................................................................................... 177
APENDICES............................................................................................................................................................. 185
APÉNDICE A............................................................................................................................................................ 187
Análisis de Conceptos de Variación...................................................................................................................... 187
APÉNDICE B............................................................................................................................................................ 191
Impacto de RRG sobre Índice de Habilidad Cp..................................................................................................... 191
Fórmulas............................................................................................................................................................... 191
Análisis.................................................................................................................................................................. 191
Análisis Gráfico...................................................................................................................................................... 193
APÉNDICE C............................................................................................................................................................ 195
*
Tabla d 2 ................................................................................................................................................................ 195
APÉNDICE D............................................................................................................................................................ 197
Estudio R de Gages.............................................................................................................................................. 197
APÉNDICE E............................................................................................................................................................ 199
Cálculo Alternativo de VP Usando Términos de Corrección de Errores............................................................... 199
APÉNDICE F............................................................................................................................................................ 201
Modelo de Errores P.I.S.M.O.E.A.......................................................................................................................... 201
GLOSARIO............................................................................................................................................................... 205
LISTA DE REFERENCIA......................................................................................................................................... 211
FORMAS MUESTRA............................................................................................................................................... 215
INDICE...................................................................................................................................................................... 219
Proceso de Retroalimentación del Usuario del Manual MSA............................................................................. 225
ix
x
LISTA DE TABLAS
No. Título Pag.

1 Filosofía de Control e Interés Central............................................................................ 17
2 Datos de Estudios de Sesgo......................................................................................... 87
3 Estudios de Sesgo – Análisis del Estudio de Sesgo..................................................... 88
4 Estudios de Sesgo – Análisis de Estudios de Estabilidad para Sesgo......................... 90
5 Datos de Estudios de Linealidad................................................................................... 94
6 Estudio de Linealidad – Resultados Intermedios.......................................................... 95
7 Estudio de Gages (Método de Rangos)........................................................................ 98
8 Tabla ANOVA................................................................................................................ 120
9 Análisis ANOVA – % de Variación y Contribución........................................................ 121
10 Comparación de ANOVA y Métodos de Promedios y Rangos..................................... 122
11 Reporte de Método de ANOVA en RRGs..................................................................... 122
12 Conjunto de Datos para un Estudio de Atributos.......................................................... 127
13 Ejemplos de Sistemas de Administración..................................................................... 143
14 Métodos Basados en los Tipos de Sistemas de Medición............................................ 144
15 Conjunto de Datos de Análisis de Desviación Estándar Acumulado............................ 181
16 Estimativo de los Componentes de la Varianza............................................................ 187
17 Amplitud de 5.15 Sigma................................................................................................ 188
18 Análisis de Varianza...................................................................................................... 189
19 Resultados Tabulados de ANOVA (Partes a y b)......................................................... 190
20 Comparación del CP actual del Observado.................................................................. 193
xi
LISTA DE FIGURAS
Núm. Título Pag.

1 Ejemplo de una Cadena de Rastreabilidad para una Medición de Longitud................ 10
2 Variabilidad de los Sistemas de Medición – Diagrama de Causas y Efectos............... 15
3 Relaciones entre los Diferentes Patrones..................................................................... 42
4 Discriminación............................................................................................................... 44
5 Impacto del Número de Categorías Distintas (NDC) de la Distribución del Proceso
en actividades de Análisis y Control............................................................................. 45
6 Gráficas de Control de Proceso.................................................................................... 47
7 Características de la Variación de un Proceso de Medición......................................... 48
8 Relación entre el Sesgo y Repetibilidad........................................................................ 60
9 Cuadro de Control del Análisis de la Estabilidad.......................................................... 84
10 Estudios de Sesgo – Histograma de Estudios de Sesgo.............................................. 87
11 Estudio de Linealidad – Análisis Gráfico....................................................................... 95
12 Hoja de Recolección de Datos para la Repetibilidad y Reproducibilidad de Gages..... 101
13 Gráficas de Promedios – “Estancada”.......................................................................... 103
14 Gráficas de Promedios – “No Estancada”..................................................................... 103
15 Gráficas de Rangos – “Estancada”............................................................................... 104
16 Gráficas de Rangos – “No Estancada”.......................................................................... 105
17 Gráficas de Corridas por Parte...................................................................................... 105
18 Gráficas de Dispersión.................................................................................................. 106
19 Gráficas de Bigotes....................................................................................................... 107
20 Gráficas de Error........................................................................................................... 108
21 Histograma Normalizado............................................................................................... 109
22 Graficas X-Y de Promedios por Medida........................................................................ 110
23 Comparación de Gráficas X-Y....................................................................................... 111
24 Hoja de Recolección de Datos Completos para RRGs................................................. 113
25 Reporte de Repetibilidad y Reproducibilidad de Gages................................................ 114
26 Gráfica de Interacción................................................................................................... 119
27 Gráfica de Residuales................................................................................................... 119
28 Ejemplo Proceso........................................................................................................... 126
29 Las Áreas Grises Asociadas con el Sistema de Medición............................................ 126
30 Proceso de Ejemplo con Pp = Ppk = 1.33..................................................................... 133
31 Curva de Desempeño de Gages de Atributos Graficada en papel de Probabilidad 139
Normal...........................................................................................................................
32 Curva de Desempeño de Gages de Atributos .............................................................. 140
33 (33 a & b) Gráfica de Control para Evaluación de Mediciones............................ 164& 167
34 (34 a & b) Cálculos para el Método de Gráficas de Control en la Evaluación de un
Proceso de Medición............................................................................................ 166& 167
35 Curva de Desempeño de Gages sin Error.................................................................... 172
36 Curva de Desempeño de Gages/Ejemplo..................................................................... 173
37 Curva de Desempeño de Gages Graficado en Papel de Probabilidad Normal............ 174
38 (38 a, b & c) Análisis Gráfico del Estudio de la Desviación Estándar
Combinada.......................................................................................................180,183 184
39 Cp Observado vs Actual (en base al proceso).............................................................. 193
40 Cp Observado vs Actual (en base a tolerancias).......................................................... 194
xii
RECONOCIMIENTOS
Se ha contado con muchos individuos responsables para la creación de este documento en años. Los siguientes han sido
algunos cuantos que han ofrecido mucho de su tiempo y esfuerzo en el desarrollo de este manual.
ASQ y AIAG han contribuido en tiempo e instalaciones para ayuda en el desarrollo de esta publicación. Greg Gruska,
como representante de la división automotriz de ASQ y John Katona como presidente anterior del grupo de trabajo de
revisión han sido contribuidores principales en el desarrollo y publicaciones pasadas de este manual.
Las técnicas descritas en el capítulo 3 de este documento fueron investigadas y desarrolladas primero por Kazem
Mirkhani de aseguramiento del producto de Chevrolet y bajo la dirección y motivación de Barney Flynn. Los estudios
de variables de gages, basados en el artículo por R.W. Traver de General Electric (anuario de ASQC de 1962) fueron
validados por Jim McCaslin.
Los conceptos fueron extendidos para estudios de atributos y curvas de desempeño de gages por Jim McCaslin, Gregory
Gruska y Tom Bruzell de Chevrolet (anuario de ASQC de 1976). Estas técnicas fueron consolidadas y editadas por Bill
Wiechec en Junio de 1978 generando la publicación del libro de análisis de sistemas de medición de Chevrolet.
En años previos se desarrollaron materiales suplementarios. En particular, Sheryl Hansen y Ray Benner de Olds Mobile
documentaron el enfoque e intervalos de confiabilidad de ANOVA. En 1980 Larry Marruffo y John Lazur de Chevrolet
actualizaron el manual de Chevrolet. John Lazur y Kazem Mirkhani han organizado las secciones del manual y
mejoraron algunos de los conceptos tales como estabilidad, linealidad y ANOVA. Jothi Shanker de EDS contribuyó a la
preparación de la actualización para el staff de desarrollo de proveedores. Actualizaciones adicionales incluidas en el
concepto de identificación y calificación de variaciones en las partes, así como una descripción más completa de
estabilidad estadística, ambos de los cuales fue contribución del comité de revisión estadística del corporativo de GM.
Los mejoramientos más recientes fueron actualización del formato para cumplir con la documentación actual de QS
9000, mayor clarificación y ejemplos para hacer el manual más fácil al usuario, discusión del concepto de incertidumbre
en las mediciones y áreas adicionales que no fueron incluidas o no existieron cuando fue escrito el manual original. Esta
actualización incluye también el concepto de ciclo de vida de los sistemas de medición y se dirige al análisis de
mediciones similar al análisis convencional de procesos. Secciones del manual interno de power train de GM procesos
de medición: planeación, uso y mejoramiento, impreso en Abril 28, 1993, se incluyeron en esta revisión.
El subcomité actual de reescritura es dirigido por Mike Down de General Motors Corporation y se integra con David
Benham de DaimlerChrysler Corporation, Peter Cvetkovski de Ford Motor Company, Greg Gruzka, como representante
de la división automotriz de ASQ, Tripp Martín de Federal Mogul y Steve Stahley de Servicios Técnicos SRS. También
hubo contribuciones significativas de Yanling Zuo de Minitab, Neil Ullman de ASTM International y Gordon Skattum
de la división de tecnología de la Universidad Rock Valley. AIAG contribuyó en tiempo e instalaciones para apoyar en
el desarrollo de esta publicación.
Finalmente el consenso conjunto del contenido de este documento tuvo efecto a través de los miembros representantes
del grupo de trabajo de MSA de General Motors Corporation, DaimlerChrysler Corporation y Ford Motor Company.
Michael H. Down David R. Benham Peter Cvetkovski

General Motors Corporation DaimlerChrysler Corporation Ford Motor Company
xiii
xiv
Capítulo I
Guías y Lineamientos Generales para Sistemas de Medición
Capítulo 1
GUÍAS Y LINEAMIENTOS GENERALES PARA

SISTEMAS DE MEDICIÓN
1
Capítulo I – Sección A
2
CAPÍTULO I – Sección A
Introducción, Propósito y Terminología
Introducción Los datos de mediciones son usados más a menudo y en más formas que antes. Por
ejemplo, la decisión de ajustar un proceso de manufactura o no, comúnmente se basa
ahora en datos de mediciones. Los datos de mediciones, o alguna estadística calculada
de éstos, son comparados con los límites de control estadísticos del proceso, y si loa
comparación indica que el proceso está fuera del control estadístico, entonces se hace
un ajuste de algún tipo. De lo contrario, al proceso se le permite trabajar sin ajustes.
Otro uso de datos de mediciones es para determinar si existe una relación significativa
entre dos o más variables. Por ejemplo, puede sospecharse que una dimensión crítica de
una parte plástica moldeada se relaciona con la temperatura del material de
alimentación. Esa posible relación puede ser estudiada usando un procedimiento
estadístico llamado análisis de regresión para comparar las medicines de la dimensión
crítica con las mediciones de la temperatura del material de alimentación.
Los estudios que exploren tales relaciones son ejemplos de lo que el Dr. W.E. Deming
llamó estudios analíticos. En general, un estudio analítico es aquel que incrementa el
conocimiento del sistema de causas que afectan el proceso. Los estudios analíticos son
unos de los más importantes que usan datos de mediciones porque se dirigen finalmente
a un mejor entendimiento de los procesos.
El beneficio de usar un procedimiento basado en datos es ampliamente determinado por

la calidad de los datos de medición usados. Si la calidad de los datos es baja, es muy
probable que el beneficio del procedimiento sea muy bajo. Igualmente, si la calidad de
los datos es alta, es muy probable que también el beneficio sea alto.
Para asegurar que el beneficio derivado de los datos de medición usados sea altamente
suficiente para garantizar el costo de su obtención, se requiere enfocar atención en la
calidad de los datos.
Calidad de los Datos La calidad de los datos de medición es definida por las propiedades estadísticas de las
de Medición múltiples mediciones obtenidas del sistema de medición operando bajo condiciones
estables. Por ejemplo, suponer que un sistema de medición, operando bajo condiciones
estables, es usado para obtener varias mediciones de una cierta característica. Si las
mediciones están todas “cerca” al valor master de la característica, entonces se dice que
la calidad de los datos es “alta”. Igualmente, si algunas o todas de las mediciones están
“lejos” del valor master, entonces se dice que la calidad de los datos es “baja”.
Las propiedades estadísticas más comúnmente usadas para caracterizar la calidad de los
datos son el sesgo y varianza del sistema de medición. La propiedad llamada sesgo se
refiere a la localización de los datos en relación al valor de referencia (master), y la
propiedad llamada referencia se refiere a la amplitud de los datos.
Una de las razones más comunes para datos de baja calidad es demasiada variación.
Mucha de la variación en un conjunto de mediciones, puede ser debida a la interacción
entre el sistema de medición y su medio ambiente. Por ejemplo, un sistema de
medición usado para medir el volumen de líquido en un tanque puede ser sensible a la
temperatura ambiental del medio ambiente en el cual es usado. En tal caso, la variación
1
Ver capítulo 1, Sección E para definiciones y discusión de la terminología.
3
de los datos puede ser debida a cambios en el volumen o en la temperatura ambiente.
Esto hace la interpretación de datos más difícil y consecuentemente el sistema de
medición menos deseable.
Si la interacción genera demasiada variación, entonces la calidad de los datos puede ser
muy baja y tal que los datos no sean útiles. Por ejemplo, un sistema de medición con
una gran cantidad de variación puede no ser apropiado para uso en el análisis de un
proceso de manufactura porque la variación del sistema de medición puede encubrir la
variación del proceso de manufactura. Mucho del trabajo de administrar un sistema de
medición es dirigido al monitoreo y control de la variación. Entre otras cosas, esto
significa que se requiere énfasis en aprender como los sistemas de medición interactúan
con su medio ambiente de forma tal que se generen solo datos de calidad aceptable.
Propósito El propósito de este documento es presentar los lineamientos para evaluar la calidad de
un sistema de medición. Aunque los lineamientos son generales y suficientes para ser
usados en cualquier sistema de medición, se pretende sean usados principalmente para
sistemas de medición en el mundo industrial. No se pretende que este documento sea un
compendio de análisis para todos los sistemas de medición. Su enfoque principal es en
sistemas de medición donde puedan replicarse lecturas de cada parte. Muchos de los
análisis son útiles con otros tipos de sistemas de medición y el manual contiene
referencias y sugerencias. Se recomienda que sean consultadas fuentes estadísticas
competentes para situaciones más complejas o inusuales no discutidas aquí. No se
cubre en este manual la aprobación requerida por los clientes para métodos de análisis
de sistemas de medición.
La discusión del análisis de los sistemas de medición puede ser confusa y ambigua sino
se establece un conjunto de términos para referirse a propiedades estadísticas comunes
y elementos relativos a los sistemas de medición. Esta sección ofrece un resumen de
Terminología tales términos que son usados en este manual.
En este documento, son usados los siguientes términos:
• Medición es definida como “la asignación de números [o valores] a cosas

materiales que representen relaciones entre ellas con respecto a propiedades
particulares”. Esta definición se ofreció primero por C.Eisenhart (1963). El
proceso de asignar números es definido como proceso de medición, y el valor
asignado es definido como valor de medición.
4
• Gage es cualquier dispositivo usado para obtener mediciones; frecuentemente

usado para referirse específicamente a dispositivos usados en el piso de
producción; incluye dispositivos pasa / no pasa.
• Sistema de Medición es el conjunto de instrumentos o gages, patrones,

operaciones, métodos, dispositivos, software, personal, medio ambiente y
supuestos usados para cuantificar una unidad de medida o preparar la evaluación
de una característica o propiedad a ser medida; el proceso completo usado para
obtener mediciones.
De estas definiciones se obtiene que un proceso de medición puede ser visto como un
proceso de manufactura que produce números (datos) para sus resultados. El ver un
sistema de medición de esta manera es útil porque nos permite traer todos los
conceptos, filosofía y herramientas que han sido ya demostradas ser útiles en el área de
control estadístico de los procesos.
Resumen de Términos1
Patrón
• Bases aceptadas para comparación
• Criterios para aceptación
• Valor conocido, dentro de límites de incertidumbre establecidos y

aceptado como un valor verdadero
• Valor de referencia
Un patrón debiera tener una definición operacional: una definición que

produzca los mismos resultados cuando se aplique por el proveedor o el
cliente, con el mismo significado ayer, hoy y mañana.
Equipo Básico
Intervalo • Discriminación, facilidad de lectura, resolución

Completo
9 Alias: unidad de lectura más pequeña, resolución en las mediciones, límite
de escala o límite de detección
9 Propiedad inherente dispuesta por diseño
9 Escala de unidad de medición más pequeña o resultado de un instrumento
9 Siempre reportada como una unidad de medida
9 Regla empírica 10 a 1
Medio
Intervalo
• Resolución Efectiva
9 La sensibilidad del sistema de medición con la variación del proceso para

una aplicación particular
1
Ver capítulo 1, Sección E para definiciones y discusión de la terminología.
5
9 Entrada más pequeña generada de una señal de resultado y útil de medición

9 Siempre reportada como una unidad de medición
•Valor de Referencia
9 Valor aceptado de un artefacto

9 Requiere una definición operacional
9 Usado como el equivalente para un valor verdadero
• Valor Verdadero
9 Valor actual de un artefacto.

9 Desconocido y desconocible.
Variación de la Localización
• Exactitud
SESGO
9 “Cercanía” con el valor verdadero o con un valor de referencia aceptable
9 ASTM incluye el efecto en los errores de localización y amplitud
Promedio del Sistema Valor

de Medición Referencia • Sesgo
9 Diferencia entre el promedio de las mediciones observado y el valor de

referencia
9 Un componente de error sistemático del sistema de medición
Tiempo
• Estabilidad
9 El cambio de sesgo en el tiempo

9 Un proceso estable de mediciones está en control estadístico con respecto a
la localización
Valor Referencia
9 Alias: cambio
SESGO • Linealidad
SESGO
9 El cambio de sesgo sobre el rango de operación normal

9 La correlación de errores de sesgo múltiples e independientes sobre el rango
Medición 1 Medición N de operación
9 Un componente de error sistemático del sistema de medición
6
Variación de la Amplitud
• Precisión2
9 “Cercanía” de lecturas repetidas una de otra

9 Un componente de error aleatorio del sistema de medición
• Repetibilidad
9 Variación de las mediciones obtenidas con un instrumento de medición

cuando se use varias veces por un usuario y midiendo la misma característica
y sobre la misma parte
9 La variación sobre intentos sucesivos (en el corto plazo) y bajo condiciones
de medición definidas y establecidas
Repetibilidad
9 Comúnmente referida como VE-Variación del Equipo
9 Habilidad o potencial de un instrumento (gage)
9 Variación dentro del sistema
• Reproducibilidad
9 Variación en el promedio de las mediciones hechas por diferentes usuarios

usando el mismo gage y midiendo una característica de una parte
9 Para la calificación del producto y el proceso, el error puede ser el usuario, el
Reproducibilidad
medio ambiente (tiempo) o el método
9 Comúnmente referido como VU-Variación de los Usuarios
9 Variación (condiciones) entre sistemas
9 ASTM E456-96 incluye efectos de repetibilidad, laboratorios y medio
Evaluador A C B ambiente así como efectos de los usuarios
Valor Referencia
• R&R de Gages o RRGs
9 Repetibilidad y reproducibilidad de gages: estimativo combinado de la

repetibilidad y reproducibilidad de un sistema de medición
A C B
9 Capacidad de un sistema de medición; dependiendo del método usado,
RRG pueden o no incluirse los efectos del tiempo
• Habilidad de los Sistemas de Medición
9 Estimativo en el corto plazo de la variación de los sistemas de medición (ej.,

“RRGs” incluyendo gráficas)
2
En documentos de ASTM, no existe el concepto de precisión de un sistema de medición; ej., la precisión no
puede representarse por un simple número.
7
• Desempeño del Sistema de Medición
9 Estimación en el largo plazo de la variación del sistema de medición (ej.,

método de gráficas de control de largo plazo)
• Sensibilidad
9 La más pequeña entrada que resulte de una señal o resultado detectable

9 Respuesta de un sistema de medición a cambios en la propiedad medida
9 Determinada por el diseño (discriminación) del gage, calidad inherente
(FEO-Fabricante de Equipo Original), mantenimiento en servicio y
condición de operación del instrumento y patrón
9 Siempre reportada como unidad de medida
•
LCS
• Consistencia
• •
• • • Promedio
• Rango
• • • 9 El grado del cambio de la repetibilidad en el tiempo
• •
• • LCI
9 Un proceso de medición consistente está en control estadístico con respecto
a la amplitud (variabilidad)
• Uniformidad
9 El cambio en repetibilidad sobre un rango de operación normal

9 Homogeneidad en la repetibilidad
Medic ión1 Medic ión N
Variación de los Sistemas

La variación de los sistemas de medición puede caracterizarse como
• Habilidad
9 Variabilidad en las lecturas tomadas en un periodo de tiempo corto
• Desempeño
9 Variabilidad en las lecturas tomadas sobre un periodo de tiempo largo

9 Basado en la variación total
• Incertidumbre
9 Un rango estimado de valores acerca del valor medido en el cual el valor

verdadero se crea esté contenido
Todas las caracterizaciones de la variación total de un sistema de medición

El sistema de
asumen que el sistema es estable y consistente. Por ejemplo, los componentes
medición debe ser de variación pueden incluir cualquier combinación de artículos mostrados en
estable y consistente la figura 2, página 15.
8
Patrones y El Instituto Nacional de Patrones y Tecnología (NIST) es el Instituto Principal y

Rastreabilidad Nacional de Mediciones (NMI) en los Estados Unidos ofreciendo servicios bajo el
departamento de comercio de EUA. NIST, previamente como División Nacional de
Patrones (NBS), sirve como la más alta autoridad de metrología en EUA. La
responsabilidad Primaria de NIST es ofrecer servicios de medición y mantener patrones
de medición que ayuden a la industria en EUA a hacer las mediciones rastreables y que
ayuden finalmente en negociaciones de productos y servicios. NIST ofrece estos
servicios directamente a muchos tipos de industrias, pero principalmente a aquellas
industrias que requieran el más alto nivel de exactitud en sus productos y que
incorporen mediciones-de-última-tecnología en sus procesos.
Institutos Nacionales La mayoría de los países industrializados alrededor del mundo cuentan con su propio
de Mediciones NMI y un similar a un NIST, y éstos ofrecen un alto nivel de normas de metrología o
servicios de mediciones para sus respectivos países. NIST trabaja y colabora con estos
otros NMIs para que las mediciones que se hagan en un país no difieran de aquellas
hechas en otro. Esto se logra a través de acuerdos de reconocimiento mutuo (MRAs) y
ejecutando comparaciones entre laboratorios entre NMIs. Una cosa a notar es que las
habilidades de estos NMIs varían de país a país y no todos los tipos de mediciones son
comparados sobre bases regulares, de forma tal que pueden existir diferencias. Por ésto
es importante entender por quien son rastreables las mediciones y que tan rastreables
son.
Rastreabilidad Es un importante concepto en la negociación de bienes y servicios. Las mediciones que

son rastreables con los mismos patrones o similares acuerdan muy estrechamente en
comparación con aquellos que no son rastreables. Esto ayuda a reducir la necesidad de
repetir pruebas, el rechazo de producto bueno y la aceptación de producto malo.
La rastreabilidad es definida por el Vocabulario Internacional de ISO de Términos

Básicos y Generales de Metrología (VIM), como:
“la propiedad de las mediciones o valores de un estándar o patrón, el cual puede ser
relacionado con referencias establecidas, usualmente patrones nacionales o
internacionales y a través de una cadena ininterrrumpida de comparaciones y todas
con incertidumbres establecidas”.
La rastreabilidad de una medición es típicamente establecida a través de una cadena de
comparaciones hacia un NMI. Sin embargo, en muchos casos en la industria, la
rastreabilidad delas mediciones puede ser ligada hasta un valor de referencia acordado o
un “patrón de consenso entre un cliente y un proveedor. La liga en la rastreabilidad de
estos patrones de consenso con un NMI puede no siempre ser clara y entendida, y
finalmente es crítico que las mediciones sean rastreables en un alcance que satisfaga a
las necesidades del cliente. Con los avances en la tecnología de las mediciones y el uso
de los sistemas de medición de última tecnología en la industria, la definición de dónde
y cómo una medición sea rastreable es un concepto de evolución permanente.
9
Patrón de Comparador
Patrón Longitud de de
Nacional Onda Interferencias
Medidor de
Interferencias Bloque/Comparador
Patrón de Referencia de Gages Referencia
Laser
MMC Bloques de
Patrón de Trabajo Gages
Gage para Producción Gage para

Micrómetro
Dispositivos
Figura 1: Ejemplo de una cadena de rastreabilidad para una medición de longitud
Los NMIs trabajan estrechamente con diferentes laboratorios nacionales, proveedores de

gages, compañías fabricantes de última tecnología, etc. Para asegurar que sus patrones de
referencia sena apropiadamente calibrados y directamente rastreables con los patrones
mantenidos por el NMI. Las organizaciones de gobierno y de industria privadas usan
entonces sus patrones para ofrecer calibraciones y servicios de medición a los
laboratorios de metrología o gages de sus clientes y calibración de patrones primarios u
otros de trabajo. Esta liga o cadena de eventos determina finalmente la forma en la cual
se llega al piso de producción y ofrece por tanto las bases para la rastreabilidad de las
mediciones. Las mediciones pueden conectarse hasta NIST a través de esta cadena
ininterrumpida de mediciones y la cual se dice ser rastreable con NIST.
No todas las organizaciones cuentan con laboratorios de metrología o gages dentro de sus
instalaciones y dependen de laboratorios externos comerciales / independientes para
ofrecer rastreabilidad en los servicios de calibración y mediciones. Reste es un medio
aceptable y apropiado de lograr rastreabilidad con NIST, siempre y cuando la habilidad
de los laboratorios comerciales / independientes pueda asegurarse a través de procesos,
tales como acreditamiento de laboratorios.
Valor Verdadero La META del proceso de medición es el valor “verdadero” de la parte. Es deseable que
cualquier lectura individual esté lo más cerca (y económicamente posible) con este valor.
Desafortunadamente, el valor verdadero nunca puede ser conocido con certeza. Sin
embargo, la incertidumbre puede minimizarse usando un valor de referencia basado en la
definición operacional bien definida de una característica, y usando los resultados de un
sistema de medición con una alota discriminación de orden y rastreable con NIST.
Debido a que el valor de referencia es usado como un equivalente del valor verdadero,
éstos términos se usan comúnmente como intercambiables. No se recomienda este uso.
10
Capítulo l – Sección B
El Proceso de Medición
CAPÍTULO I – Sección B
El Proceso de Medición3
A fin de administrar efectivamente la variación de cualquier proceso se requiere tener
conocimiento de
• Lo que el proceso debiera estar haciendo
• Lo que puede estar mal
• Lo que el proceso está haciendo
Los requerimientos de especificaciones e ingeniería definen lo que un proceso debiera

estar haciendo.
El propósito de un Análisis de Modos y Efectos de Fallas de un Proceso4 (AMEFPs) es

definir los riesgos asociados con fallas potenciales del proceso mismo y proponer
acciones correctivas antes de que estas fallas puedan ocurrir. El resultado de un AMEFP
es transferido a un plan de control.
Se adquiere o logra conocimiento de lo que el proceso está haciendo evaluando los

parámetros o resultados del proceso mismo. Esta actividad, a menudo llamada como
inspección, es la acción de examinar los parámetros de un proceso, las partes en proceso,
los subsistemas ensamblados o los productos completos con la ayuda de patrones
adecuados y dispositivos de medición que permitan al observador confirmar o negar la
premisa de que el proceso está operando en forma estable y con una variación aceptable
con respecto a la meta designada por el cliente. Sin embargo esta actividad de examen es
en sí un proceso.
Proceso General
Entradas Operación Resultados
Proceso de Medición
Proceso Decisión
Mediciones Análisis
Administrativo
Valor
Desafortunadamente, la industria ha visto tradicionalmente la actividad de análisis y

mediciones como una “caja negra” el equipo ha sido el enfoque principal-la
característica más “importante, loo más caro de un gage. La utilidad de un instrumento,
su compatibilidad con el proceso y el medio ambiente y su facilidad de uso era
raramente cuestionado. Consecuentemente estos gages no fueron usados
apropiadamente o simplemente no eran usados.
3
Partes de este capítulo adaptadas con el permiso de Análisis de Sistemas de Medición un tutorial por
G.F.Gruska y MS Heaphy, The Tirad Generation, 1987, 1998.
4
Ver el manual de referencia de análisis de modos y efectos de fallas potenciales (AMEF)-tercera edición.
11
La actividad de análisis y mediciones es un proceso- un proceso de medición. Alguna o

todas las técnicas de administración, estadísticas y lógicas del control del proceso
pueden aplicarse a dicha actividad.
Esto significa que los clientes y sus necesidades deben primero ser definidas. El cliente,
dueño del proceso, quiere tomar decisiones correctas y con el mínimo de esfuerzo. La
administración debe ofrecer recursos para compra de equipo que sea necesario y
suficiente para hacer esto. Aunque la compra de la mejor o más reciente tecnología de
medición no necesariamente garantiza correctas decisiones en el control del proceso de
producción.
El equipo es solo una parte del proceso de medición. El dueño del proceso debe saber
como usar correctamente dicho equipo y como analizar e interpretar resultados. La
administración debe también ofrecer claras definiciones operacionales o patrones así
como entrenamiento y soporte. El dueño del proceso en turno tiene la obligación de
monitorear y controlar el proceso de medición para asegurar resultados estables y
correctos y los cuales incluyan una perspectiva total del análisis de los sistemas de
medición – el estudio del gage, procedimiento, usuario y medio ambiente; ej.,
condiciones normales de operación.
Propiedades Un sistema de medición ideal produciría solo mediciones “correctas” cada vez que se
Estadísticas de usara. Cada medición acordaría siempre con un patrón.5 Un sistema de mediciones que
pudiera producir mediciones como tales sería aquel que tuviera propiedades estadísticas
Sistemas de Medición de varianza cero, sesgo cero y probabilidad cero de clasificar incorrectamente
cualquier producto medido. Desafortunadamente, los sistemas de medición con tales
propiedades deseables raramente existen, y los gerentes de procesos, generalmente son
forzados a usar sistemas de medición que tienen menos propiedades estadísticas
deseables. La calidad de un sistema de medición es generalmente determinada solo por
propiedades estadísticas de los datos que produce en el tiempo. Otras propiedades, tales
como costo, facilidad de uso, etc., son también importantes y contribuyen a un buen
sistema de medición global. Aunque son las propiedades estadísticas de los datos
producidos lo que determina la calidad del sistema de medición.
Las propiedades estadísticas que son más importantes para un uso no son las más
importantes para otro. Por ejemplo, para algunos usos de las máquinas de medición de
coordenadas (MMC), las propiedades estadísticas más importantes son sesgo y varianza
“pequeños”. Una MMC con dichas propiedades genera mediciones que son “cercanas”
a los valores certificados de patrones rastreables. Los datos obtenidos de tal máquina
pueden ser muy útiles para analizar un proceso de manufactura. Aunque no importa lo
“pequeño” del sesgo y la varianza que la maquina MMC pueda tener, el sistema de
medición que use la MMC puede no ser capaz de hacer un trabajo aceptable de
discriminación entre productos buenos y malos debido a fuentes adicionales de
variación introducidas por otros elementos del sistema de medición mismo.
5
Para una discusión más completa del tema de patrones o normas, ver fuera de crisis, W.Edwards Deming, 1982,
1986, p. 279-281
12
La administración tiene la responsabilidad de identificar las propiedades estadísticas

más importantes para el uso final de los datos. La administración tiene también la
responsabilidad de asegurar que dichas propiedades sean usadas como una base para la
selección de un sistema de medición. Para lograr esto, se requieren las definiciones
operacionales de las propiedades estadísticas, así como métodos aceptables de medición
de éstas. Aunque cada sistema de medición puede requerir contar con diferentes
propiedades estadísticas, existen ciertas propiedades fundamentales que definen un
“buen” sistema de medición. Estas incluyen:
1) Discriminación y sensibilidad adecuados. Los incrementos de medición debieran

ser pequeños relativos a la variación del proceso o límites de especificación para
propósitos de mediciones. La comúnmente conocida como regla 10 o regla 1 a 10,
establece que la discriminación del instrumento debiera dividir la tolerancia (o
variación del proceso) en 10 partes o más. Esta regla empírica tiene la intención de
ser un punto mínimo inicial y práctico para selección de gages.
2) El sistema de medición debe estar en control estadístico.6 Esto significa que bajo
condiciones repetidas, la variación en el sistema de medición es debida solo a
causas comunes y no a causas especiales. Esto puede referirse como estabilidad
estadística y es mejor evaluado por métodos gráficos.
3) Para control del producto, La variabilidad del sistema de medición debe ser
pequeña comparada con los límites de especificación. Evalúa el sistema de
medición con respecto a las tolerancias de la característica.
6
El analista de las mediciones siempre debe considerar significancias prácticas y estadísticas.
4) Para control del proceso, la variabilidad del sistema de medición debe demostrar
una resolución efectiva y ser pequeño comparado con la variación del proceso de
manufactura. Evalúa el sistema de medición con la variación de un proceso 6-
sigma y/o la variación total del estudio MSA.
Las propiedades estadísticas del sistema de medición pueden cambiar

conforme los artículos a ser medidos varíen. Si es así, entonces la variación
más grande (peor) del sistema de medición es pequeña en relación a lo más
pequeño de la variación del proceso o de los límites de especificación.
Fuentes de Variación Similar a todos los procesos, el sistema de medición es impactado por fuentes de
variación aleatorias y sistemáticas. Estas fuentes de variación son debidas a causas
comunes y especiales. A fin de controlar la variación de un sistema de medición:
1) Identifica las fuentes potenciales de variación.
2) Elimina (cuando sea posible) o monitorea estas fuentes de variación.
6
El analista de las mediciones siempre debe considerar significancias prácticas y estadísticas.
13
Aunque las causas especiales dependen de la situación, pueden identificarse algunas

fuentes de variación típicas. Existen diferentes métodos para presentar y categorizar
estas fuentes de variación tales como diagramas de causas y efectos, diagramas de árbol
de falla, etc., aunque los lineamientos presentados aquí se enfocan a elementos
principales de un sistema de medición.
P Patrón El acrónimo PPIPM7 es usado para representar los seis elementos esenciales de un
P Pieza de Trabajo sistema de medición en general para asegurar el logro de los objetivos requeridos.
I Instrumento P.P.I.P.M. significa Patrón, Pieza de Trabajo, Instrumento, Persona y Procedimiento y
P Persona/Procedimiento Medio Ambiente. Este puede tomarse como un modelo de errores para un sistema de
Medio Ambiente medición completo.8
M
Los factores que afectan estas seis áreas necesitan ser entendidos de manera que puedan
ser controlados o eliminados.
La figura 2 despliega un diagrama de causas y efectos que muestra algunas de las

fuentes de variación potenciales. Dado que las fuentes actuales de variación que afecten
un sistema de medición son únicas a dicho sistema esta figura se presenta como un
punto inicial para desarrollar las fuentes de variación de un sistema de medición.
7 Este acrónimo fue desarrollado inicialmente por Ms. Mary Hoskins, una metrologista asociada con Honeywell, el
laboratorio de metrología Eli Whitney y Bendix Corporation.
8 Ver apéndice F para un modelo alternativo de errores, P.I.S.M.O.E.A.
14
Pieza de Trabajo
(Parte) Instrumentos Diseño
Vías
Figura 2: Diagrama de Causas y Efectos de la Variabilidad de los Sistemas de Medición
(Gages) Uso
Características Amplificación
Interrelacionadas Variación de Robustercer
Construcción Contacto Geométrico
mass Limpieza Construcción Tolerancia de Estabilidad

Deformación Construcción
Efectos de Deformaciones
Elástica
Propiedades Linealidad
Elásticas
Soportes Futuros Decuación de Datos Validación del Diseño Sensibilidad Consistencia
- camping
- Localización
- Puntos de Mediciones Uniformidad
Geometría - Pruebas de Mediciones
Estabilidad
Calibración
Definición Operacional
Mantenimiento Repetibilidad
Coeficiente de Variabilidad
Expansión Térmica Rastreabilidad Reproducibilidad
Calibración
Propiedades Elásticas p.m.
Variabilidad en los
Sistemas de
15
Estándar Compatibilidad Medición

Geométrica Luz
Contaminación Educacional Experiencia
Sol
Caida deAire Artificial
de Aire Físico Entrenamiento
Expansión gente
Térmica Limitaciones
Vibración Definición
Componentes Operacional Habilidades
Patrones Visuales Experiencia
Igualación – Sistema de Iluminación Procedimiento Entrenamiento

Componentes Ciclos
Temperatura Estándar vs Ambiental Estrés

Actitud Entendimiento
Personal
Ambiental (Evaluador)
Ergonómicos
Efectos de la Variabilidad de los Sistemas de Medición

Debido a que un sistema de medición puede ser afectado por varias fuentes de
variación, lecturas repetidas sobre la misma parte no producen un mismo e idéntico
resultado. Las lecturas varían una de otra debido a causas comunes y especiales.
Los efectos de las diferentes fuentes de variación en un sistema de medición debieran

evaluarse en periodos de tiempo cortos y largos. La capacidad de un sistema de
medición es el error (aleatorio) del sistema de medición mismo en un periodo de tiempo
corto. La combinación de errores es cuantificada con la linealidad, uniformidad,
repetibilidad y reproducibilidad. El desempeño de un sistema de medición, así como el
desempeño de un proceso, es el efecto de todas las fuentes de variación en el tiempo.
Esto se logra determinando si nuestro proceso está en control estadístico (ej., estable y
consistente; variaciones debidas solo a causas comunes), está sobre meta (sin sesgo) y
tiene una variación aceptable (repetibilidad y reproducibilidad de gages) (RRGs)) sobre
un rango de resultados esperados. Esto incrementa la estabilidad y consistencia a la
capacidad de un sistema de medición.
Debido a que los resultados de un sistema de medición son usados para

toma de una decisión acerca del producto y el proceso, el efecto
acumulativo de todas las fuentes de variación es a menudo error del
sistema de medición, o algunas veces solo “error”.
Efectos en las Después de medir una parte, una de las decisiones que pueden tomarse es determinar el
Decisiones status de dicha parte. Históricamente, se determinaría si la parte fue aceptable (dentro
de especificaciones) o no aceptable (fuera de especificaciones). Otro escenario común
es la clasificación de partes en categorías específicas (ej., tamaños de pistones).
Para el resto de la discusión, y como un ejemplo, la situación de las dos

categorías será usada: fuera de especificación (“malo”) y dentro de
especificaciones (“bueno”). Esto no restringe la aplicación de la discusión a
otras actividades de categorización.
Otras clasificaciones adicionales pueden ser retrabajable, recuperable o desperdicio.

Bajo la filosofía de control del producto esta actividad de clasificación sería la razón
principal para medir una parte. Aunque, con la filosofía de control del proceso, El
interés se orienta ya sea a la variación de la parte debida a causas comunes o a causas
especiales del proceso.
16
Filosofía Interés
Control del producto ¿Está la parte en una categoría
específica?
Control del proceso ¿Es la variación del proceso estable y
aceptable?
Tabla 1: Filosofía de Control e Interés Central
La siguiente sección trata de los efectos de los errores en las mediciones en la decisión
de un producto. Posterior a ello existe una sección que aborda el impacto sobre
decisiones del proceso.
Efectos en las A fin de entender mejor el efecto de errores en los sistemas de medición sobre las
Decisiones de decisiones del producto, considerar el caso donde toda la variabilidad en las lecturas
múltiples de una sola parte es debida a la repetibilidad y reproducibilidad del gage. Esto
Productos es, el proceso de medición está en control estadístico y tiene un sesgo de cero.
Puede tomarse a veces una mala decisión cuando alguna parte de la distribución de la
medición arriba indicada se traslape sobre un límite de especificación. Por ejemplo, una
parte buena puede algunas veces declararse “mala” (error tipo I, riesgo del productor o
falsa alarma) si:
LSL USL
y, una parte mala algunas veces puede declararse como “buena” (error tipo II), riesgo
del consumidor o proporción perdida) si:
LSL
USL
17
Esto es, con respecto a los límites de especificación, el potencial de tomar malas
decisiones para una parte existe solo cuando el error de los sistemas de medición
intersectan los límites de especificación. Esto ofrece tres diferentes áreas:
LSL USL
I II III II I
Tarjeta
donde:
I Partes malas siempre serán declaradas como malas
II Potencial de tomar una decisión equivocada
III Partes buenas siempre serán declaradas como buenas
Dado que el objetivo es maximizar las CORRECTAS decisiones relativas al status del
producto, existen dos opciones:
1) Mejorar el proceso de producción: reducir la variabilidad del proceso de forma tal
que las partes no se fabriquen en las áreas II.
2) Mejorar el sistema de medición: reducir el error del sistema de medición para
reducir el tamaño de las áreas II de tal forma que todas las partes que sean
fabricadas caigan dentro del área III y por tanto minimicen el riesgo de tomar una
mala decisión.
Esta discusión asume que el proceso de medición está en control estadístico y en meta.
Si alguno de estos supuestos es violado entonces existe una pequeña probabilidad de
que un valor observado conduzca a una correcta decisión.
Efecto en las Con el proceso en control, las siguientes necesidades deben establecerse:
Decisiones del • Control estadístico
Proceso • En meta
• Variabilidad aceptable
Como se explicó en la sección previa, el error en las mediciones puede generar

decisiones incorrectas acerca de un producto. El impacto en las decisiones del proceso
sería como sigue:
• Llamar a una causa común como una causa especial

• Llamar a una causa especial como una causa común
18
La variabilidad de los sistemas de medición puede afectar las decisiones en relación a la
estabilidad, meta y variación de un proceso. La relación básica entre la variación del
proceso actual y observada es:
σ2obs = σ2actual + σ2msa
donde
σ2obs = varianza observada del proceso
σ2actual = varianza del proceso actual
σ2msa = varianza del sistema de medición
El índice de habilidad9 Cp es definido como
Rango de Tolerancia
Cp = 6σ
Esto puede sustituirse en la ecuación de arriba para obtener la relación entre los índices
del proceso observados y actuales,:
(Cp)-2obs = (Cp)-2actual + (Cp)-2msa
Asumiendo que el sistema de medición está en control estadístico y en meta, el Cp

actual del proceso puede compararse gráficamente con el Cp observado.10
Por tanto la habilidad del proceso observada es una combinación de la habilidad del
proceso actual más la variación debida al proceso de medición. Para alcanzar un
objetivo de habilidad de un proceso específico se requeriría factorizar la variación de
las variaciones.
Por ejemplo, si el índice Cp del sistema de medición fuera 2, el proceso actual

requeriría un índice de Cp mayor o igual que 1.79 a fin de lograr que el índice calculado
(observado) sea 1.33. Si el índice Cp del sistema de medición fuera en sí 1.33, el
proceso requeriría no contar con variación si el resultado final tuviera que ser 1.33 –
que es claramente una situación imposible.
9
Aunque esta discusión es usando Cp, los resultados se mantienen también para el índice de desempeño Pp.
10
Ver apéndice B para fórmulas y gráficas.
19
Aceptación de un Cuando un nuevo proceso tal como, maquinado, manufactura, estampado, manejo de
Proceso Nuevo material, tratamiento térmico o ensamble es comprado, existe a menudo una serie de
pasos que tienen que completarse como parte de la actividad de compra misma. Esto
involucra a menudo algunos estudios hechos en el equipo en la localización del
proveedor y luego en la localización del cliente.
Si el sistema de medición usado en cada localización no es consistente con el sistema

de medición con el que el equipo será usado y bajo circunstancias normales, entonces
puede generarse alguna confusión. La situación más común que involucra el uso de
instrumentos diferentes es el caso donde el instrumento usado con el proveedor cuenta
con un orden de discriminación mayor que el del instrumento de producción (gage). Por
ejemplo, las partes medidas con una maquina de coordenadas durante la compra y luego
con un gage de alturas durante la producción; las muestras medidas (ponderadas) en
una escala electrónica o en una escala de laboratorio mecánica durante la compra y
luego sobre una escala mecánica simple durante la producción.
En el caso donde el sistema de medición (de orden mayor) usado durante la compra
cuente con un RRG de 10% y el Cp actual del proceso sea de 2.0, el Cp observado del
proceso durante la compra será de 1.96.11
Variación de la Variación de MMC

Corrida de las
Partes
Cuando este proceso es estudiado en la producción y con el gage de producción, se

observará una mayor variación (ej., un Cp más pequeño). Por ejemplo, si el RRG del
gage de producción es del 30% y el Cp del proceso actual es todavía 2.0 entonces el Cp
del proceso observado será de 1.71.
El peor escenario será que el gage de producción no esté calificado pero sea usado. Si el
RRG del sistema de medición es actualmente del 60% (aunque tal hecho no sea
conocido) entonces el Cp observado sería de 1.28. La diferencia en el Cp observado de
1.96 versus 1.28 es debida al sistema de medición diferente. Sin este conocimiento
puede haber esfuerzos en vano en buscar ver lo que está mal del nuevo proceso.
11
Para esta discusión, asuma que no existe variación en el muestreo. En la realidad 1.96 será el valor esperado
aunque los resultados actuales varien alrededor de este valor.
20
Variación Actual del Proceso

Variación del Gage de
Variación Observada Producción
del Proceso
Ajuste / Control del Con frecuencia las operaciones de manufactura utilizan una pieza en el comienzo del
Proceso (Experimento día para verificar que el proceso esté sobre meta. Si la pieza medida está fuera de meta,
el proceso es entonces ajustado. Más tarde y el algunos casos otra pieza es medida y
del Embudo) otra vez el proceso puede ajustarse. El Dr. Deming se refiere a este tipo de mediciones
y toma de decisiones como titubeo.
Considerar la situación donde el peso del acabado de un metal precioso sobre una pieza
esta siendo controlado sobre una meta de 5.00 gr. Suponer que los resultados de la
escala usados para determinar el peso varían en +0.20 gr pero esto no se sabe dado que
nunca fue hecho el análisis del sistema de medición. Las instrucciones de operación
requieren que el operador verifique el peso y haga ajustes cada hora en base a una
muestra. Si los resultados están fuera del intervalo de 4.90 a 5.10 gr entonces el
operador ajusta el proceso otra vez.
En el ajuste, suponer que el proceso está operando a 4.95 gr pero por el error en las
mediciones el operador observa 4.85 gr. De acuerdo a las instrucciones del operador
éste debe intentar ajustar el proceso hacia arriba por 0.15 gr. Ahora el proceso está
corriendo en 5.10 gr para una meta. Cuando el operador cheque el ajuste ésta vez,
observa 5.08 gr. de manera que permita al proceso trabajar. El sobreajuste del proceso a
agregado variación y continuará haciéndolo así.
Este es un ejemplo del experimento de embudo que el Dr. Deming usó para describir
los efectos del titubeo.12 El error en las mediciones complica el problema.
Cuatro reglas del experimento de embudo son:
Regla 1: No hacer ajustes o tomar acciones a menos que el proceso esté inestable.
12
Deming, W. Edwards, Out of the Crisis, Massachussets of Technology, 1982, 1986.
21
Regla 2: Ajustar el proceso en una cantidad igual y en una dirección opuesta de donde
el proceso fue medido al último.
Regla 3: Restablecer el proceso hacia la meta. Luego ajustar el proceso en una

cantidad igual y en una dirección opuesta de la meta.
Regla 4: Ajustar el proceso al punto de la última medición.
Las instrucciones de ajuste para procesos de metales preciosos es un ejemplo de la regla

3. Las reglas 2,3 y 4 agregan mayor variación en forma progresiva. La regla 1 es la
mejor opción para provocar una variación mínima.
Otros ejemplos del experimento de embudo son:
• Recalibración de gages en base a límites arbitrarios – ej., los límites no reflejan la

variabilidad del sistema de medición (regla 3).
• Restablecimiento de un patrón para el sistema de medición del control del proceso

después de un número arbitrario de usos sin alguna indicación o historia de algún
cambio (causa especial) (regla 3).
• Autocompensaciones que ajustan al proceso en base a las últimas partes fabricadas

(regla 2).
• En el entrenamiento del trabajo donde el operador A entrena al operador B y quien

más tarde entrena al operador C... sin material de entrenamiento estándar. Similar al
juego del “teléfono descompuesto” (regla 4).
• Las partes son medidas, y se encuentran fuera de meta, aunque al graficarse sobre
la gráfica de control el proceso se muestra estable – luego entonces no se toma
ninguna acción (Regla 1).
22
Capítulo l – Sección C
Planeación y Estrategia de las Mediciones
CAPÍTULO I – Sección C
Introducción La planeación es clave antes de diseñar o comprar un equipo o sistemas de medición.

Muchas decisiones hechas durante la etapa de planeación pudieran afectar la dirección
y selección de un equipo de medición. ¿Cuál es el propósito y cómo será usado el
resultado de una medición?. La etapa de planeación establecerá el curso y tiene un
efecto significativo en qué tan bien el proceso de medición opere y puede reducir
posibles problemas y errores de medición en el futuro.
En algunos casos y debido al riesgo involucrado en los componentes a ser

medidos o por el costo y complejidad del dispositivo de medición el cliente del
FEO (Fabricante de Equipo Original) puede usar el proceso APQP y decidir
una estrategia de medición con el proveedor.
No todas las características del producto y proceso requieren sistemas de medición y

cuyo desarrollo cae en este tipo de escrutinio. Herramientas simples de medición
estándar como micrómetro o calibradores pueden no requerir ésta estrategia de
planeación a profundidad. Una regla empírica básica es si la característica a medir en el
componente o subsistema ha sido identificada en el plan de control o es importante en
la determinación de la aceptación del producto o proceso. Otra guía sería el nivel de
tolerancia asignado a una dimensión específica. Sentido común es la guía en
cualquier caso.
Complejidad El tipo, complejidad y propósito de un sistema de medición puede conducir a diferentes

niveles de administración de un programa, planeación estratégica, análisis de sistemas
de medición u otra consideración especial para la selección, evaluación y control de las
mediciones. Instrumentos y dispositivos simples de medición (ej., reglas, cintas para
medir, gages de atributos o límites ajustados) pueden no requerir el nivel de
administración, planeación o análisis que demanden otros sistemas de medición
complejos o críticos (ej., masters de referencia, máquinas de coordenadas, stands de
prueba, sistemas de gages en línea y automatizados, etc.). Cualquier sistema de
medición puede requerir mayor o menor planeación estratégica y el escrutinio depende
de la situación de un producto o proceso dado. La decisión del nivel apropiado debe
recaer en el equipo APQP para el proceso de medición y los clientes. El grado actual de
involucramiento o implementación en muchas de las actividades abajo indicadas
debiera ser dirigido por el sistema de medición particular, las consideraciones para el
control de gages y el sistema de calibración de soporte, la profundidad en el
conocimiento del proceso y el sentido común.
23
Identificación del El primer paso es establecer el propósito de las mediciones y cómo serán utilizadas. Un
Propósito de un equipo multifuncional organizado en las etapas iniciales del desarrollo del proceso de
medición es crítico en el logro de esta tarea. Se hacen consideraciones específicas en
Proceso de Medición relación a auditorias, control del proceso, desarrollo del producto y el proceso y análisis
del “Ciclo de Vida de las Mediciones”.
Ciclo de Vida de las El concepto de Ciclo de Vida de las Mediciones expresa la creencia de que los métodos
Mediciones de medición pueden cambiar en el tiempo conforme uno aprende y mejora el proceso.
Por ejemplo, la medición puede iniciar en la característica de un producto para
establecer estabilidad y habilidad del proceso. Esto puede conducir al entendimiento de
características críticas para el control del proceso que directamente afecten las
características de una parte. La dependencia en la información de la característica de
una parte llega a ser menor y el plan de muestreo puede reducirse para dar significado a
este entendimiento (de 5 parte por hora a una parte por turno). También, el método de
medición puede cambiar en la medición de una máquina de coordenadas a una forma de
gage por atributos. Eventualmente puede encontrarse que una pequeña parte del
monitoreo puede requerirse siempre y cuando el proceso se mantenga o la medición y
monitoreo del mantenimiento y el herramental pueda ser todo lo que se necesite. Al
nivel de mediciones le siguen el nivel de entendimiento del proceso.
La mayoría de las mediciones y monitoreos pudieran terminar eventualmente con los

proveedores de los materiales de recibo. La misma medición, sobre la misma
característica, en la misma área del proceso y sobre un periodo extenso de tiempo es
evidencia de una falta de aprendizaje o un proceso de medición estancado.
Criterios para Antes de que un sistema de medición pueda ser comprado, un detallado concepto de
selección del Diseño ingeniería del proceso de medición es desarrollado. Usando el propósito arriba
desarrollado, un equipo multifuncional de individuos desarrollará un plan y concepto
de un Proceso de para el sistema de medición requerido para el diseño. Aquí se presentan algunos
Medición lineamientos:
El equipo necesita evaluar el diseño del subsistema o componente e identificar

características importantes. Estas se basan en los requerimientos de los clientes y la
funcionalidad del subsistema o componente del sistema total. Si las dimensiones
importantes ya han sido identificadas, evaluar la capacidad para medir dichas
características. Por ejemplo, si la característica importante de un componente plástico
moldeado por inyección estuviera en una línea de moldeo de partes, el chequeo
dimensional sería difícil y la variación de las mediciones alta.
Un método para capturar aspectos clave similares a éstos sería el uso des AMEFPs para
analizar áreas de riesgos en el diseño de gages, tanto de su habilidad para medir la parte
como el gage de funcionalidad (AMEFDs y AMEFPs). Esto ayudaría en el desarrollo
del mantenimiento y plan de calibración.
24
Capítulo l – Sección C
Desarrolla un diagrame de flujo que muestre los pasos críticos del proceso en la
manufactura o ensamble de la parte o subsistema. Identifica las entradas y salidas clave
de cada paso en el proceso. Esto ayudara en el desarrollo de los criterios y
requerimientos del equipo de medición afectados por la localización en el proceso. Un
plan de mediciones y una lista de tipos de mediciones se obtendría de esta
investigación.13
Para sistemas de medición complejos, se hace un diagrama de flujo del proceso de

medición mismo. Esto incluiría el envío de la parte o subsistema a ser medido, la
medición en sí y el regreso de la parte o subsistema al proceso.
Luego utiliza algún método de tormenta de ideas con el grupo para desarrollar criterios
generales para cada medición requerida. Uno de los métodos simples a usar es el
diagrama de causas y efectos.14 Ver el ejemplo en figura 2 como un punto inicial de
pensamiento.
Algunas preguntas adicionales a considerar en relación a la

planeación de las mediciones:
• ¿Quién debe estar involucrado en el análisis de las “necesidades”? el diagrama de

flujo y la discusión inicial facilitarán la identificación de los individuos clave.
• ¿Por qué debe tomarse la medición y cómo será utilizada? ¿Los datos deberán
usados para control, clasificación, calificación, etc.? La forma en que las
mediciones serán usadas puede cambiar el nivel de sensibilidad del sistema de
medición mismo.
• ¿Qué nivel de sensibilidad se requiere? ¿Cuál es la especificación del producto?

¿Cuál es la variabilidad esperada del proceso? ¿Qué tanta diferencia entre las
partes necesitará detectar el gage?
• ¿Qué tipo de información será ofrecida con el gage (ej., manuales – operación,
mantenimiento, etc.) y qué habilidades básicas del operador son requeridas?
¿Quién realizará el entrenamiento?
• ¿Cómo son tomadas las mediciones? ¿Serán hechas en forma manual, sobre un
transportador en movimiento, fuera de línea, en forma automática, etc.? ¿La
localización de las partes y los posibles dispositivos son fuentes de variación? ¿Es
con o sin contacto?
• ¿Cómo serán calibradas las verificaciones y éstas serán comparadas con otros
procesos de medición? ¿Quién será responsable por los patrones de calibración?
• ¿Cuándo y dónde serán tomadas las mediciones? ¿La parte estará limpia, con
aceite, caliente, etc.?
Recordar el uso de datos para sustentar supuestos comunes acerca del

proceso de medición. Es mejor estar seguros y recolectar datos del medio
ambiente, más que tomar decisiones en base a información equivocada y tener
un sistema desarrollado que no sea robusto en aspectos clave ambientales.
13
Esto puede considerarse en un plan de control preliminar.
14
Ver Guía para el Control de Calidad, Kaoru Ishikawa, publicado por la organización asiática de
productividad, 1986.
25
Investigación de Los métodos de medición actuales debieran investigarse previo a la inversión en nuevo
Varios Métodos de equipo. Los métodos de medición probados pueden ofrecer una operación más
confiable. Cuando sea posible, usa equipo de medición que cuente con registros de
Procesos de Medición rastreo probados.
Diseño y Desarrollo Hacer referencia a “elementos sugeridos para un checklist de desarrollo de un sistema
de Conceptos y de medición” al final del capítulo I, sección D, cuando se desarrollen y diseñen
conceptos y propuestas.
Propuestas
Durante y después de la fabricación del equipo de medición y el desarrollo del proceso
de medición (métodos, entrenamiento, documentación, etc.) serán realizados estudios
experimentales y recolección de datos. Estos estudios y datos serán usados para
entender este proceso de medición de forma tal que dicho proceso y procesos futuros
puedan mejorarse.
26
Capítulo l – Sección D
Desarrollo de las Fuentes de Medición
CAPÍTULO I – Sección D
Introducción Esta sección aborda el esquema de tiempo para cotizaciones / suministros de la vida de
un proceso de medición se ha desarrollado para que sea una discusión acerca del
procesos de desarrollar un paquete de cotización del proceso de medición, obteniendo
PROCESO DE respuestas a dicho paquete, otorgando el proyecto, completando el diseño final,
MEDICIÓN
desarrollando el proceso de mejoramiento y, finalmente, casando el proceso de
ENTRADAS SALIDAS
medición con el proceso de producción para el cual fue creado. Se recomienda
fuertemente que este capitulo no sea usado sin la lectura y entendimiento de la
discusión completa acerca de los procesos de medición. Para obtener el máximo
beneficio de un proceso de medición, estudiarlo y abordarlo como si fuera un proceso
con entradas y salidas.15
Este capítulo fue escrito con la filosofía de equipo en mente. No es una descripción de
trabajo para el comprador o agente de compras. Las actividades descritas aquí requieren
del involucramiento de un equipo para completarse exitosamente y debiera ser
administrado dentro del esquema global de un equipo de Planeaciones Avanzadas de
Calidad de Productos (APQPs). Esto puede resultar en un saludable juego entre varias
funciones de equipos – conceptos que se deriven del proceso de planeación pueden
modificarse antes de que el proveedor de gages llegue al diseño final que satisfaga los
requerimientos del sistema de medición.
Generalmente, el “proceso de adquisición” comienza con la comunicación formal entre

el cliente y el proveedor para un proyecto dado. La comunicación anticipada es crucial
para el éxito del proyecto. Dado que el trabajo básico y necesario para una efectiva y
futura relación se hace en esta etapa. El proceso de adquisición comienza con la
presentación formal del cliente del intento del proyecto en forma de una Solicitud Para
Cotización (SPC) seguida por la explicación formal del proveedor de su propuesta para
cumplir con este intento (Cotización). El cliente y proveedores necesitan entender
totalmente los requerimientos del proyecto, lo que se tiene que entregar y los métodos
con los cuales debe lograrse. Este entendimiento se deriva de la comunicación oportuna
y precisa entre las dos partes.
Una vez que se ha acordado un concepto y se ha establecido una relación cliente /

proveedor para el proyecto en puerta, las actividades de diseño en detalle, fabricación
del proceso de medición y desarrollo pueden empezar. La comunicación entre el cliente
y el proveedor en este punto es especialmente importante. Dado que puede haber varios
niveles de aprobaciones de conceptos a realizarse, y posibles cambios ambientales así
como el potencial de cambio de los miembros del equipo, el proyecto del proceso de
medición pudiera ser titubeante a aún fallar. Este riesgo se reduce si se mantiene una
comunicación detallada y frecuente y documentada entre el cliente y el proveedor y se
designa la responsabilidad formal (un individuo)por ambas partes para mantener
comunicación. El foro y formato ideal para esta actividad es el proceso APQP.
13
Ver capítulo I, SECCION B
27
Después de que el proceso de medición ha sido diseñado conceptualmente, las
actividades alrededor de la adquisición del proceso / sistema pueden empezar.
Coordinación de Idealmente con la prevalencia actual en el uso de Tolerancias y Dimensionamiento

Datos Geométrico (GD&T) los datos necesitan ser coordinados (ej., hacerse idénticos) a lo
largo del proceso de manufactura y el sistema de medición, y esto necesita establecerse
muy anticipadamente en el proceso de APQP. La responsabilidad inicial para esto
puede dejarse en el ingeniero de diseño del producto, en el control dimensional, etc.
dependiendo de la organización específica. Cuando los esquemas de datos no cuadren a
lo largo del proceso de manufactura, particularmente en los sistemas de medición,
pueden medirse cosas equivocadas, puede haber problemas de ajuste, etc., conduciendo
a un control inefectivo del proceso de manufactura.
Puede haber ocasiones en que un esquema de datos usado en un ensamble final no

pueda cuadrar posiblemente con el usado en un proceso de manufactura de un
subcomponente. Cuando tal sea el caso, esto puede determinarse lo antes posible en el
proceso APQP, de forma tal que los miembros del equipo entiendan posibles
dificultades y conflictos que puedan aparecer adelante y cuenten con oportunidades
para hacer algo al respecto. Durante este proceso, diferentes esquemas de datos pueden
necesitar ser explorados a fin de entender el impacto de las diferencias.
Ciertas mercancías presentan propiedades que pueden producir más problemas que
otras, tal como, el centrado de un árbol de levas o alguna otra característica de
redondeo, cilíndrica o tubular. Por ejemplo, un árbol de levas debe ser manufacturado
sobre centros pero las propiedades importantes del producto están en sus lóbulos. Un
método o esquema de datos puede requerirse para la manufactura mientras que otro
esquema es requerido para la medición de un producto final.
28
Prerrequisitos y Antes de discutir el desarrollo con el proveedor del gage, se asume que aspectos críticos
Supuestos tales como, diseño (GD&T) de ingeniería del producto “correcto” y el diseño del
proceso “correcto” (aquel que permita las mediciones en el tiempo y localización en el
proceso apropiados) se hallan resuelto. Sin embargo ésto no debiera demeritar la
consideración de éstos aspectos críticos con los miembros del equipo apropiados y en
forma anticipada en el proceso APQP.
Se asume que el proveedor del gage será involucrado en el proceso APQP con el
A P enfoque de equipo. El proveedor de gages desarrollará una clara apreciación del

proceso de producción global y el uso del producto de manera que se rol es entender no
r
ea
Ac
solo por él sino por otros en el quipo (manufactura, calidad, ingeniería, etc.).
an
tua
Pl
r
Existe un pequeño traslape en algunas actividades o en el orden de estas actividades

Ha
dependiendo del programa / proyecto particular u otras restricciones. Por ejemplo, el

io
tud
ce
S D
r
Es
equipo de APQP sin muchas entradas de una fuente de gages puede desarrollar ciertos
conceptos de gages. Otros conceptos pueden requerir la pericia de la fuente de gages.
Esto puede ser dirigido por la complejidad del sistema de medición y una decisión del
equipo acerca de lo que hace sentido.
PROCESO DE SELECCIÓN DE FUENTES DE GAGES
Desarrollo del Paquete de Cotización
Concepto de Antes de que el paquete de solicitud para cotización de un proceso de medición pueda
Ingeniería Detallado ser suministrado al proveedor potencial para propuestas formales, necesita desarrollarse
un concepto de ingeniería detallado del proceso de medición mismo. El equipo de
individuos que se emplee y sea responsable por el mantenimiento y mejoramiento
continuo del proceso de medición tiene responsabilidades directas para desarrollar el
concepto detallado. Esto puede ser parte del equipo de APQP. Para desarrollar mejor
este concepto, necesitan responderse varias preguntas.
El equipo puede investigar varios aspectos críticos para ayudar a decidir que dirección
o camino será seguido para el diseño del proceso de medición. Algunos pueden ser
dictados o pesadamente implicados por el diseño del producto. Ejemplos de multitudes
de posibles aspectos críticos que necesiten ser abordados por el equipo cuando se
desarrolle un concepto detallado pueden encontrarse en los “Elementos Sugeridos para
el Checklist del Desarrollo de un Sistema de Mediciones al Final de esta Sección”
29
Todos los clientes a menudo confían fuertemente en proveedores para

soluciones. Antes de que un cliente aun proveedor sugiera soluciones para
problemas del proceso, los fundamentos e intento del proceso necesitan ser
totalmente entendidos y anticipados por el equipo que sea dueño del proceso.
Luego entonces el proceso es propiamente usado, apoyado y mejorado.
Consideraciones de ¿Qué actividades debieran programarse para el mantenimiento preventivo (ej.,

Mantenimiento lubricación, análisis de vibraciones, integridad del medio de prueba, reemplazo de
partes, etc.)?. Muchas de estas actividades dependen de la complejidad del sistema de
Preventivo medición y el dispositivo o aparato. Gages simples pueden solo requerir una inspección
en intervalos regulares, mientras que sistemas más complejos pueden requerir análisis
estadísticos detallados y continuos y un equipo de ingenieros para mantenerlos en un
estado predictivo.
Las actividades del mantenimiento preventivo planeado debieran coincidir con la

iniciación de la planeación del proceso de medición. Muchas actividades tales como
drenado de filtros de aire diariamente, lubricado de piezas después de un número
designado de horas de operación, etc., pueden planearse antes de que el sistema de
medición se construya totalmente, y se desarrolle e implemente. De hecho esto se
prefiere y mejora la planeación anticipada y los costos en las mediciones. Los métodos
de recolección de datos y recomendaciones para mantenimiento relacionadas con estas
actividades pueden obtenerse del fabricante original o desarrolladas por personal de
ingeniería de planta, manufactura y calidad. Después de que el proceso de medición es
implementado y puesto en uso, los datos que pertenezcan a la función del proceso de
medición necesitan ser recolectados y graficados en el tiempo. Métodos analíticos
simples (gráficas de corridas y análisis de tendencias) pueden realizarse para determinar
la estabilidad del sistema. Eventualmente, conforme el juicio de la estabilidad del
sistema lo dicte, pueden programarse rutinas de mantenimiento preventivo. La
conducción del mantenimiento preventivo sobre un sistema estable, y en base a
información de series de tiempo, será de menos desperdicio que la conducción del
mantenimiento preventivo sobre un sistema con técnicas tradicionales.
Especificaciones Las especificaciones sirven como lineamiento pare el cliente y el proveedor en el

diseño y construcción de un proceso. Estos lineamientos sirven para comunicar
estándares aceptables. Los estándares o patrones aceptables pueden considerarse en dos
categorías.
• Estándares de diseño
• Estándares construidos
El formato de los estándares de diseño puede ser diferente dependiendo de quien está
pagando el proyecto. Aspectos clave de costos pueden afectar el formato.
30
Generalmente es una buena idea contar con un diseño documentado y en detalle

suficiente de manera que el diseño mismo pueda ser construido o reparado para su
intento original por cualquier constructor calificado – sin embargo, esta decisión puede
ser dirigida por costo y criticalidad. El formato requerido del diseño final puede estar en
forma de CAD o dibujos de ingeniería en papel. Puede involucrar normas de ingeniería
seleccionadas de FEOs, SAE, ASTM u otra organización, y el proveedor de gages debe
tener acceso al más reciente nivel y entender estas normas. Los FEOs pueden requerir
el uso de normas particulares en las fases de diseño o construcción y pueden aún
requerir aprobaciones formales antes de que el sistema de medición pueda ser liberado
para su uso.
Las normas de diseño detallarán el método de comunicar el diseño mismo (CAD – ej.,
CATIA, Unigrafics, IGES, copia manual, etc.) para el fabricante. Puede también cubrir
normas de desempeño para un sistema de medición más complejo.
Las normas o estándares construidos cubren tolerancias en las cuales el sistema de

medición debe ser construido. Las tolerancias de construcción deben basarse en la
combinación de las habilidades del proceso usado para fabricar el gage o componente
del gage y la criticalidad de la medición esperada. La tolerancia construida no debe ser
ofrecida solo como un porcentaje de la tolerancia del producto mismo.
Si se requieren dispositivos o sistemas por duplicado, una apropiada

planeación y estandarización pueden conducir a la intercambiabilidad y
flexibilidad.
El uso de componentes o subensambles estandarizados también conduce a

intercambiabilidad, flexibilidad, reducción de costos y, generalmente amenos errores en
las mediciones de largo plazo.
Evaluación de Conforme se reciban las cotizaciones, el equipo debe integrarse para revisarlas y
Cotizaciones evaluarlas. Ciertos puntos pueden hacerse notar:
C C 9 ¿Se cumplen los requerimientos básicos?

O O 9 ¿Existen algunos aspectos sobresalientes?
N T 9 ¿Alguno de los proveedores exhiben una condición excepcional y por qué? (una
C I condición excepcional pudiera ser una disparidad significativa con respecto al
E Z precio o envío – ésto no necesariamente sería descontado como un factor negativo
P A – un proveedor pudo haber detectado un artículo de otros no previsto).
T C 9 ¿Los conceptos promueven simplicidad y facilidad de mantenimiento?
O I
O
N
APROBACIÓN
31
Liberación de La documentación es algunas veces no-tomada en cuenta cuando se adquiere un
Documentos proceso de medición. La significancia que toma la documentación con respecto a
cualquier proyecto es a menudo mal entendida. La estrategia usual atrás de la
documentación es ofrecer un conjunto original de diseños mecánicos y eléctricos (CAD
o dibujos en papel) para el hardware del proceso de medición en el tiempo del envío.
Esto puede satisfacer los requerimientos iniciales de implementación, aunque esta
documentación no hace nada con respecto a definir puntos potenciales para el montaje,
sugerir posibles áreas problemáticas o describir como usar el proceso. Por tanto, la
documentación requerida para cualquier proceso debe incluir más que el ensamble y
dibujos detallados del equipo de medición.
La documentación efectiva de cualquier sistema sirve para el mismo propósito que un

buen mapa en un viaje. Por ejemplo, sugiere al usuario cómo llegar de un punto a otro
(instrucciones del usuario o gage). Ofrece al usuario rutas alternativas posibles para
alcanzar los puntos de destino deseados (guías de solución de problemas o árboles de
diagnóstico) si la ruta principal es bloqueada o cerrada.
Un paquete completo de documentación puede incluir:
• Conjunto reproducible de dibujos de ensamble y mecánicos detallados (CAD o

copia en papel) (incluyendo cualquier master requerido).
• Conjunto reproducible del cableado eléctrico, lógica y software.
• Lista de refacciones sugeridas de uso pesado o de puntos / detalles de desgaste.

Esta lista debiera incluir puntos que pueden requerir tiempos de anticipación
considerables para adquisición.
• Manuales de mantenimiento con dibujos de los equipos y los pasos para ensamblar
y desensamblar adecuadamente los componentes del equipo mismo.
• Manuales definiendo los requerimientos de servicios para ajuste, puesta a punto y

operación y requerimientos de transporte del equipo.
• Guías de árboles de diagnóstico y solución de problemas.
• Reportes de certificación (rastreabilidad con NIST cuando aplique).
• Instrucciones de calibración.
• Manuales del usuario que puedan ser usados por el personal de soporte técnico, el
operador del sistema y el personal de mantenimiento.
La lista anterior puede ser usada como un cheklist al organizar un paquete de

cotización; sin embargo no necesariamente incluye todo.
32
El tema central aquí es comunicación. Dado que la documentación es una forma de

comunicación, el equipo y otros deben estar involucrados en cada nivel del desarrollo
del paquete de documentación del proceso de medición.
Calificación con el El gage o sistema de medición debiera ofrecer un layout dimensional y pruebas de
Proveedor funcionalidad completas, cuando aplique, con el proveedor del sistema de medición
antes del envío. Obviamente, el proveedor seleccionado debe contar con equipo de
medición y personal calificado en planta a fin de lograr esto. Si no, debieran hacerse
prearreglos para que se haga este trabajo en un laboratorio independiente y externo
calificado. Los resultados de tal layout dimensional y/o de pruebas debieran obtenerse
de acuerdo con el diseño del cliente y los estándares construidos y ser completamente
documentados y disponibles para revisión por el cliente.
Después de un exitoso layout dimensional, el proveedor debiera ejecutar un análisis del

sistema de medición preliminar y formal. Esto otra vez requiere nuevamente que el
proveedor cuente con personal, conocimientos y experiencia para lograr los análisis
apropiados. El cliente debiera predeterminar con el proveedor (y quizás con el FEO)
exactamente que tipo de análisis se requiere en este punto y debiera estar conciente de
algún lineamiento que se requiera para el proveedor. Algunos aspectos clave que
puedan requerir discusión, negociación o acuerdo común son:
• Objetivo del estudio MSA preliminar:
9 Repetibilidad del Gage (RG16) versus repetibilidad y reproducibilidad (RRG)

9 Evaluación del sesgo y/o linealidad
9 Evaluación del propósito del cliente para las mediciones
• Cantidad de piezas, intentos y operadores en estudio
9 Criterios de aceptación
• Uso de personal del proveedor versus personal suministrado por el cliente
• Entrenamiento necesario para el personal

9 ¿Está calificado?
9 ¿Entiende la intención?
9 ¿Qué software pudiera utilizarse?
Cualquier resultado que se logre en este punto en el tiempo, debiera hacerse notar que
este es meramente preliminar y puede ser necesario un juicio para la aceptabilidad de
los resultados.
16 Ver apéndice D
33
Envíos CHECKLIST
• ¿Cuándo debiera ser enviado el equipo?
• ¿Cómo debiera enviarse?
• ¿Quién retira el equipo del camión o vagón?
• ¿Se requieren seguros?
• ¿La documentación debiera enviarse con el hardware?
• ¿El cliente cuenta con el equipo apropiado para descargar el hardware?
• ¿Dónde será almacenado el sistema hasta el envío?
• ¿Dónde será almacenado el sistema hasta su implementación?
• ¿La documentación de envío está completa y fácilmente entendible para el

cargador, transportador, descargador y cuadrilla de instalación?
Calificaciones con los Generalmente, lo que se ha hecho para calificar el sistema de medición anteriormente
Clientes con el proveedor y antes del envío debiera repetirse de alguna forma con el cliente una
vez que el envío se ha completado. Dado que ésta llega a ser la primera oportunidad
real para estudiar el sistema de medición en su ambiente esperado, estándares de
aceptación y métodos de análisis usados aquí debieran ser considerados seriamente. La
atención a detalle por todas las partes involucradas es vital para el éxito eventual de un
sistema de medición y el uso de datos que genere.
Antes de que cualquier análisis de mediciones comience después del recibo, el sistema
de medición debiera ejecutársele un layout dimensional completo para confirmar que
cumple con los requerimientos / normas de construcción. El alcance de este layout
puede balancearse contra el trabajo de layout hecho previamente con el proveedor del
sistema de medición y previo al envío, y la confiabilidad en la calidad de los resultados
de layout hechos con el proveedor así como la falta de algún daño potencial por envío.
Cuando se comparen los resultados antes y después del envío, estar concientes de que
es probable alguna diferencia en las mediciones por la diferencia en los sistemas de
medición.
Envío de La información que se requiere, como mínimo, para ayuda en la implementación y

Documentación arranque de cualquier sistema es la siguiente: (esta información debe ser enviada al
cliente previo al envío)
• Dibujos de CAD o en papel, si se requieren por el equipo
• Diagrama de flujo del proceso del sistema, cuando aplique.
34
• Manuales del usuario
9 Manual de servicio / mantenimiento

9 Lista de refacciones
9 Guía para solución de problemas
• Instrucciones de calibración
• Cualquier consideración especial
En principio, la documentación enviada necesita ser identificada como preliminar. La

documentación original o reproducible no necesita ser enviada en este tiempo porque
puede ser necesaria una revisión potencial después de su implementación. De hecho, es
una idea inteligente no tener el paquete de documentación original enviado hasta
después de que el sistema completo es implementado – generalmente los proveedores
son más eficientes en la actualización de la documentación que los clientes.
35
Elementos Sugeridos para un Checklist del Desarrollo de un Sistema de
Medición
Esta lista debiera modificarse en base a la situación y tipo del sistema de medición. El desarrollo
del checklist final debiera ser el resultado de la colaboración entre el cliente y el proveedor.
Aspectos clave del diseño y desarrollo de un sistema de medición:

¿Qué es lo qué se mide? ¿Qué tipo de característica es?
¿Es una propiedad mecánica? ¿Es dinámica o estática? ¿Es una propiedad eléctrica? ¿Existe una variación dentro
de las partes significativa?
¿Para qué propósito los resultados (salidas) del proceso de medición serán usados? ¿El mejoramiento de la
producción, monitoreo de la producción, estudios de laboratorio, auditorias de proceso, inspección de embarque e
inspección recibo responden a DOEs?
¿Quién usará el proceso? ¿operadores, ingenieros, técnicos, inspectores, auditores?
Entrenamiento requerido: Operador, personal de mantenimiento, ingenieros; salón de clases, aplicación práctica,
periodo de aprendizaje.
¿Se han identificado las fuentes de variación? Construir un modelo de errores (S.W.I.P.E. o P.I.S.M.O.E.A.)
usando equipos,, tormenta de ideas, conocimiento profundo del proceso, diagramas de causas y efectos o matrices.
¿Se ha desarrollado un AMEF para el sistema de medición?
Sistemas de medición flexibles vs dedicados: Los sistemas de medición pueden ser permanentes y dedicados o
pueden ser flexibles y tener la habilidad de medir diferentes tipos de partes; ej., gages, dispositivos de gages,
máquinas de medición por coordenadas, etc. Los gages flexibles serán más caros pero pueden ahorrar dinero en el
largo plazo.
Contacto vs No Contacto: Confiabilidad, tipo de propiedad, plan muestra, costo, mantenimiento, calibración,
habilidades del personal requeridas, compatibilidad, medio ambiente, velocidad, tipos de probadores, deflexión de las
partes, procesamiento de imágenes. Esto puede determinarse con los requerimientos del plan de control y la
frecuencia de las mediciones (gages de contacto total pueden conseguir ajustes excesivos durante muestreos
continuos). probadores de superficie de contacto total, tipo de probador, jets de retroalimentación por aire ,
procesamiento de imágenes, MMC vs comparador óptico, etc.
Medio Ambiente: ¿Polvo, humedad, temperatura, vibración, ruido, interferencia electromagnética (IEM),
movimiento de aire en el ambiente, contaminantes de aire, etc. el laboratorio, el piso de producción, oficina, etc.? El
medio ambiente llega a ser un aspecto clave con tolerancias bajas y ajustadas y en el nivel de micrones. También, en
los casos en que MMC, los sistemas de visiones, ultrasónico, etc. Esto podría ser un factor de auto-retroalimentación
en proceso en los tipos de mediciones. Aceite para corte, escombros para corte y temperaturas extremas pudieran
llegar también a ser aspectos clave. ¿Se requiere que el área esté limpia?
Puntos de medición y localización: Define claramente, usando GD&T, la localización de los dispositivos y puntos
de sujeción y donde las mediciones de la parte sean tomadas.
Método de Arreglo: En estado libre vs parte sostenida y sujetada.
Orientación de la Parte: Posición del cuerpo contra otro.
Preparación de la Parte: La parte debiera estar limpia, sin aceite, con temperatura estabilizada, etc. Antes de la
medición.
36
Localización del Transductor: Orientación angular, distancia de los localizadores primarios o redes.
Aspecto # 1 de Correlación – Gages Duplicados: ¿Se requieren los gages por duplicado (o más) dentro o entre
plantas para soportar los requerimientos? Consideraciones de construcción, de errores de medición y de
mantenimiento. ¿Cuál es considerado el estándar? ¿Cómo será calificado cada uno?
Aspecto #2 de Correlación- Divergencia en Métodos: La variación en las mediciones resulta de diferentes diseños
de sistemas de medición ejecutándose en el mismo producto / proceso y dentro de una práctica y límites de operación
aceptables (ej., resultados de mediciones de MMC vs manual o ajuste abierto).
Automatizado vs Manual: En línea, fuera de línea, dependencia del operador.
Mediciones de Pruebas Destructivas vs No Destructivas (PND): Ejemplos: prueba de tensión, prueba de cámara
salina, espesor de cubierta de pintura / acabado, dureza, medición dimesnional, procesamiento de imagen, análisis
químico, estrés, durabilidad, impacto, torsión, torque, fuerza de soldado, propiedades eléctricas, etc.
Rango Potencial de Medición: Tamaño y rango esperado de las mediciones concebidas.
Resolución Efectiva: ¿La medición es sensible a los cambios físicos (habilidad para detectar variación del proceso o
producto) para una aplicación particular y aceptable?
Sensibilidad: ¿La señal de entrada es la más pequeña en medida y la cual resulta en una señal de salida detectable
(discernible) y aceptable para la aplicación del dispositivo de medición). La sensibilidad se determina por el diseño y
calidad (FEO) inherente del gage, el mantenimiento en servicio y las condiciones de operación.
Aspectos de Construcción de un Sistema de Medición (equipo, patrones e instrumento):
¿Se han abordado las fuentes de variación identificadas en el diseño del sistema? Revisiones de diseño;
verificaciones y validaciones.
Sistema de Control y Calibración: Programa de calibración recomendado y auditoria al equipo y documentación.

Frecuencia, interno o externo, parámetros, chequeos de verificación en proceso.
Requerimientos de Entradas: Mecánicos, eléctricos, hidráulicos, neumáticos, supresores de pico, secadores, filtros,
aspectos clave de ajuste y operación, aislamiento, discriminación y sensibilidad.
Requerimientos de Salidas / Resultados: Análogos o digitales, documentación y registros, archivo,

almacenamiento, recuperación, soporte.
Costo: Factores de presupuesto para el desarrollo, compra, instalación, operación y entrenamiento.
Mantenimiento Preventivo: Tipo, programa, costo, personal, entrenamiento, documentación.
Facilidad de Servicio: Interno y externo, localización, nivel de soporte, tiempo de respuesta, disponibilidad de
partes para servicio, lista de partes estándar.
Ergonomía: Habilidad de cargar y operar el equipo sin daños en el tiempo. La necesidad de discusiones sobre los
dispositivos de medición para orientarse en aspectos clave en cómo el sistema de medición es interdependiente con el
operador.
Consideraciones de Seguridad: Personal, operación, medio ambiente, protegido.
Almacenamiento y Localización: Establece los requerimientos alrededor del almacenamiento y localización del
equipo de medición. Aspectos clave de cubiertas, medio ambiente, seguridad, disponibilidad (proximidad).
Tiempo de Ciclo de la Medición: ¿Cuánto tiempo llevará medir una parte o característica? Ciclo de medición
integrado al control del proceso y el producto.
37
¿Habrá alguna interrupción al flujo del proceso, integridad del lote, para capturar, medir y devolver la parte?
Manejo de Materiales: ¿Existen racks especiales, dispositivos de sostén, equipo de transporte u otro equipo de
manejo de materiales necesarios para las partes a ser medidas o el sistema de medición mismo?
Aspectos Ambientales: ¿Existen algunos requerimientos ambientales especiales, condiciones, limitaciones, que
afecten el proceso de medición o procesos vecinos? ¿Se requiere que sea exhausto? ¿Es necesario el control de
temperatura o humedad? Humedad, vibración, ruido, IEM, limpieza.
¿Existen algunos requerimientos o condiciones de confiabilidad especiales? ¿Se mantiene el equipo en el

tiempo? ¿Esto necesita verificarse antes del uso para producción?
Refacciones: Lista común, suministros adecuados y un sistema para ordenamiento en piso, disponibilidad, tiempos
de anticipación entendidos y tomados en cuenta. ¿Es adecuado y seguro el almacenamiento disponible (refacciones,
mangueras, cinturones, switches, solenoides, válvulas, etc.)?
Instrucciones del Usuario: Secuencia de sujeción, procedimientos de limpieza, interpretación de datos, gráficas,
ayudas visuales amplias. Disponibles y desplegadas apropiadamente.
Documentación: Dibujos de ingeniería, árboles de documentación, manuales del usuario, lenguaje, etc.
Calibración: Comparación con patrones aceptables. Disponibilidad y costo de patrones aceptables. Frecuencia
recomendada, requerimientos de entrenamiento. ¿Se requiere tiempo muerto?
Almacenamiento: ¿Se requieren requerimientos o consideraciones especiales relativos al almacenamiento del
dispositivo de medición? Cubiertas, medio ambiente, seguridad para daños / robos, etc.
A Prueba de Errores: ¿Errores del proceso de medición pueden conocerse para ser corregidos fácilmente (muy
fácil) por el usuario? Entradas de datos, uso incorrecto del equipo, aprueba de fallas o errores
Aspectos de Implementación del Sistema de Medición (Proceso):
Soporte: ¿Quién dará apoyo al proceso de medición? Técnicos de laboratorio, ingenieros, producción
mantenimiento, servicios contratados y externos?
Entrenamiento: ¿Qué entrenamiento será necesario para los operadores / inspectores / técnicos, ingenieros para usar
y mantener el proceso de medición? Aspectos de tiempo, recursos y costo. ¿Quién entrenará? ¿Dónde se realizará el
entrenamiento? ¿Requerimientos para tiempos de anticipación? Coordinado con el uso actual del proceso de
medición.
Administración de Datos: ¿Cómo serán administrados los resultados de datos del proceso de medición? Manuales,
computarizados, métodos de resumen, frecuencia en los resúmenes, métodos de revisión, frecuencia de revisiones,
requerimientos de los clientes, requerimientos internos. Disponibilidad, almacenamiento, recuperación, soporte,
seguridad. Interpretación de datos.
Personal: ¿Se requiere contratar personal para soportar el proceso de medición? Aspectos de costo, tiempo y
disponibilidad. Actual o nuevo.
Métodos de Mejoramiento: ¿Quién mejorará el proceso de medición en el tiempo? ¿Ingenieros o personal de
producción, mantenimiento, calidad? ¿Qué métodos de evaluación serán usados? ¿Existe un sistema para identificar
mejoramientos necesarios?
Estabilidad de Largo Plazo: Métodos de evaluación, formato, frecuencia, y necesidad de estudios de largo plazo.
Cambios, ajustes, contaminación, integridad operacional. ¿Estos errores de largo plazo pueden ser medidos,
controlados, entendidos y pronosticados?
Consideraciones Especiales: Atributos del inspector, limitaciones físicas o aspectos de salud: ceguera en color,
visión, esfuerzo, fatiga, ergonomía.
38
Capítulo l – Sección E
Aspectos Críticos de Mediciones
CAPÍTULO I – Sección E
Aspectos Clave en las Mediciones
Introducción Tres aspectos fundamentales deben abordarse en la evaluación de un sistema de

medición:
1) El sistema de medición debe demostrar sensibilidad adecuada.
9 Primero, ¿el instrumento (y patrón) cuentan con una discriminación adecuada?

La discriminación (o clase) es arreglada por diseño y sirve como el punto inicial
básico para seleccionar un sistema de medición. Típicamente, se aplica la regla
10, la cual establece que la discriminación del instrumento debiera dividir la
tolerancia o variación del proceso en 10 partes o más.
9 Segundo, ¿el sistema de medición demuestra una resolución efectiva? En
relación a la discriminación, determina si el sistema de medición tiene la
sensibilidad para detectar cambios en la variación del producto o proceso para la
aplicación y condiciones dadas.
2) El sistema de medición debe ser estable.
9 Bajo condiciones de repetibilidad, la variación del sistema de medición es

debida solo a causas comunes y no especiales (caóticas).
9 El analista de las mediciones debe considerar siempre significancias prácticas y
estadísticas.
3) Las propiedades estadísticas (errores) son consistentes sobre un rango esperado y

adecuadas para el propósito de las mediciones (control del producto o proceso).
La tradición de reportar los errores en las mediciones solo como un porcentaje de la

tolerancia es inadecuado para los retos del mercado, que ponen énfasis en
mejoramientos del proceso estratégicos y continuos. Conforme los procesos cambien y
mejoren, el sistema de medición debe ser revaluado para su propósito esperado. Es
esencial para la organización (administración, planeador de las mediciones, operador de
producción y analista de calidad) entender el propósito de las mediciones y aplicar
evaluaciones apropiadas.
39
Tipos de Variaciones A menudo se asume que las mediciones son exactas, y frecuentemente los análisis y
de los Sistemas de conclusiones se basan en esta suposición. Un individuo puede fallar en determinar si
hay variación en el sistema de medición el cual afecta las mediciones individuales, y
Medición consecuentemente, las decisiones se basan en datos. El error de un sistema de medición
puede ser clasificado en 5 categorías: sesgo, repetibilidad, reproducibilidad, estabilidad
y linealidad.
Uno de los objetivos de un estudio de un sistema de medición es obtener información

relativa a la cantidad y tipos de variaciones de medición asociadas con un sistema de
medición cuando este interactúa con su medio ambiente. Esta información es valiosa,
dado que para el promedio del proceso de producción, es mucho más práctico reconocer
la repetibilidad y el sesgo en la calibración y establecer límites razonables para estos,
que ofrecer gages extremadamente exactos con una muy alta repetibilidad. Las
aplicaciones de tal estudio ofrecen lo siguiente:
• Un criterio para aceptar equipo de medición nuevo.
• Una comparación de un dispositivo de medición contra otro.
• Una base para evaluar un gage que se sospecha está deficiente.
• Una comparación para equipo de medición antes y después de su reparación.
• Un componente requerido para calcular la variación del proceso y el nivel de

aceptabilidad para el proceso de producción.
• Información necesaria para desarrollar una Curva de Desempeño de un gage

(CDG)17, el cual indica la probabilidad de aceptar una parte de un valor verdadero.
Las siguientes definiciones ayudan a describir los tipos de errores o variaciones

asociados con un sistema de medición, de forma tal que cada término sea claramente
entendido para discusiones posteriores. Para cada definición se ofrece una ilustración la
cual despliega gráficamente el significado del término en cuestión.
Definiciones y Definición Operacional

Fuentes Potenciales
de Variación “Una definición Operacional es aquella con la que la gente puede hacer negocios. Una
definición operacional con seguridad, redondeo, confiable o alguna otra
[característica]de calidad debe ser comunicable, con el mismo significado al vendedor
que al comprador, y el mismo significado que ayer para el operario de producción,
ejemplos:
1. Una prueba específica de una pieza de material o ensamble.
2. Un criterio (o criterios) para juicio.
Una decisión: si o no, de si el objeto o material cumplió o no cumplió con el criterio (o

criterios)”18.
17
Ver capítulo V, sección c.
18
W.E.Deming, Out off the Crisis (1982, 1986) pag. 277
40
Estándar / Patrón
Un estándar es cualquier cosa que se tome por consenso general como una base para
comparación, un modelo aceptado. Puede ser un artefacto conjunto (instrumentos,
procedimientos, etc.) ajustado y establecido por una autoridad como una regla para
medición de cantidad, peso, alcance, valor o calidad.
El concepto de conjunto fue formalizado en la norma de ANSI / ASQC M1-199619.

Este término fue usado para enfatizar el hecho de que todas las influencias que afecten
las incertidumbres en las mediciones necesitan tomarse en cuenta; ej., medio ambiente,
procedimiento, personal, etc. “un elemento simple de un conjunto sería un grupo para la
calibración de blocks de gages que consiste de un block estándar de gages, un
comparador, un operador, medio ambiente y el procedimiento de calibración”.
Estándares / patrones de Referencia
Un estándar generalmente de la más alta calidad metrológica disponible en una cierta

localización, de la cual se derivan las mediciones hechas en dicha localización.
Equipo de Medición y Pruebas “EMIGATOP”
Todos los instrumentos de medición, estándares de medición, materiales de referencia y

aparatos auxiliares que sean necesarios para ejecutar una medición.
Estándar de Calibración
Un estándar que sirva como referencia en el desempeño de las calibraciones de rutina.

Con la intención de que actúe como un pulido entre la carga de calibración y los
estándares de referencia del laboratorio.
Estándar de Transferencia
Un estándar para comparar un estándar por separado de un valor conocido con una
unidad que ha sido calibrada.
Master
Un estándar usado como referencia en el proceso de calibración. También puede ser

definido como estándar de referencia o calibración.
Estándar de Trabajo
Un estándar cuya intención de uso sea ejecutar mediciones de rutina dentro del
laboratorio, no como un estándar de calibración, pero que puede ser usado como un
estándar de transferencia.
Se requiere dar una especial consideración a los materiales seleccionados para

un estándar. Los materiales empleados deben reflejar el uso y alcance del
sistema de medición, así como fuentes de variación en base a tiempo tales
como, factores de montaje y ambientales (temperatura, humedad, etc.).
19
Esta definición fue actualizada posteriormente como Equipo de Medición y Prueba o M&TE por estándares
militares.
41
PATRON DE REFERENCIA Master
Equipo de Medición y Prueba

PATRON DE TRANSFERENCIA
PATRON DE CALIBRACION Master
PATRON DE TRANSFERENCIA
PATRON DE TRABAJO
Patrón de Chequeo
Figura 3: Relación Entre los Diferentes Estándares
Estándar de Chequeo
Un artefacto de medición que reagrupa de una forma muy similar lo que el proceso está
diseñado para medir, pero que es inherentemente más estable que el proceso de
medición a ser evaluado.
Valor de Referencia
Un valor de referencia, también conocido cono valor de referencia aceptable o valor

master, es el valor de un artefacto o conjunto que sirve como una referencia acordada
para comparación. Los valores de referencia aceptables se basan en lo siguiente:
• Se determinan por el promedio de varias mediciones con un equipo de medición de

más alto nivel (ej., laboratorio de metrología o equipo para layout).
• Valores legales: definidos y obligados por la ley.
• Valores teóricos: basados en principios científicos.
• Valores asignados: basados en el trabajo experimental (y soportados por una teoría

razonable) de alguna organización nacional o internacional.
• Valores de consenso: basado en trabajo experimental colaborativo y bajo los

auspicios de un grupo científico o de ingeniería; definido por el consenso de
usuarios tales como organizaciones profesionales y de negocio y de comercio.
42
• Valores por acuerdo: valores expresamente acordados por las partes afectadas.
En todos los casos el valor de referencia requiere ser basado en una definición
operacional y en los resultados de un sistema de medición aceptable; para lograr ésto, el
sistema de medición usado para determinar el valor de referencia debiera incluir:
• Instrumentos con una resolución de mayor orden y con un error del sistema de
medición menor que los sistemas usados para evaluaciones normales.
• Estar calibrados con estándares rastreables con NIST u otro INM.
Valor Verdadero
El valor verdadero es la medida “actual” de una parte. Aunque este valor es

desconocido y desconocible, es la meta del proceso de medición. Cualquier lectura
individual debe estar lo más cerca (y económicamente) posible a este valor.
Desafortunadamente, el valor verdadero nunca puede ser conocido con certeza. El valor
de referencia es usado como el mejor aproximado del valor verdadero en todos los
análisis. Dado que el valor de referencia es usado como un equivalente como el valor
verdadero, comúnmente estos términos son usados en forma intercambiable. No se
recomienda este uso21.
Discriminación
Discriminación es la cantidad de cambio de un valor de referencia que un instrumento

puede detectar y fielmente indicar. Esto es también referido como facilidad de lectura o
resolución.
La medida de esta habilidad típicamente es el valor de la graduación más pequeña sobre

la escala del instrumento. Si el instrumento cuenta con graduaciones “toscas”, entonces
puede usarse media graduación. Una regla empírica general es que la discriminación
del instrumento de medición debe contar con al menos una décima del rango a medir.
Tradicionalmente este rango se ha tomado como una especificación del producto.

Recientemente la regla 10 a 1 se ha interpretado para significar que el equipo de
medición es capaz de discriminar al menos una décima de variación del proceso. Esto
es consistente con la filosofía de la mejora continua (ej., el enfoque del proceso es una
meta designada por el cliente).
21
Ver También ASTM: E177-90ª.
43
Figura 4: Discriminación
La regla empírica arriba indicada puede considerarse como un punto inicial para
determinar la discriminación dado que no incluye cualquier otro elemento de a
variabilidad de un sistema de medición.
Debido a las limitaciones económicas y físicas, el sistema de medición no percibe todas

las partes de la distribución de un proceso como si fueran características medidas por
separado o diferentes. En lugar de ello, las características medidas serán agrupadas por
los valores medidos en categorías de datos. Todas las partes de la misma categoría de
datos tendrán el mismo valor para la característica medida.
Si el sistema de medición no cuenta con una discriminación (sensibilidad o resolución

efectiva), puede no ser un apropiado sistema para identificar la variación del proceso o
cuantificar los valores de las características individuales de una parte. Si tal es el caso,
debieran usarse mejores técnicas de medición.
La discriminación es inaceptable para análisis si no puede detectarse la variación del

proceso, e inaceptable para control si no puede detectarse la variación por causas
especiales (ver figura 5).
44
Numero de Categorías Control Análisis

Puede ser usado solo para
control si:
• La variación del proceso es
• No Aceptable para estimar
pequeña comparada con las
índices y parámetros del
especificaciones.
proceso.
• La función de pérdida es
Categoría 1 Dato • Sólo indica si el proceso está
plana sobre la variación del
fabricando partes conformes
proceso esperada.
o no conformes.
• La fuente de variación
principal provoca un cambio
en el promedio.
• Puede ser usado con
técnicas de control de semi- • Generalmente no aceptable
variables basadas en la para estimar parámetro e
distribución del proceso. índices del proceso dado que
• Puede producir gráfica de sólo ofrece estimativos
control de variables no “burdos”.
Categorías 2 - 4 Datos sensibles.
• Puede ser usada con

gráficas de control para • Recomendable
variables.
Categorías 5 o más Datos
Figura 5: Impacto del Número de Categorías Distintas (NCD) de la Distribución del Proceso
en Actividades de Análisis y Control.
Síntomas de una discriminación inadecuada pueden aparecer en las gráficas de rangos.

La figura 6 contiene dos conjuntos de gráficas de control derivadas de los mismos datos.
La gráfica de control (a) muestra la medición original con la más cercana milésima de
pulgada. La gráfica de control (b) muestra éstos datos redondeados a la más próxima
centésima de una pulgada. La gráfica de control (b) parece estar fuera de control debido
a los supuestos límites ajustados. Los rangos cero son más un producto de redondeo que
una indicación de la variación de un subgrupo.
La mejor indicación de una discriminación adecuada puede verse en la variación del

proceso para gráficas de rangos con SPC. En particular, cuando las gráficas de rangos
muestran solo uno, dos o tres posibles valores para el rango dentro de límites de control,
las mediciones se hacen con una discriminación inadecuada. También, si la gráfica de
rangos muestra cuatro posibles valores para el rango dentro de límites de control y más
de un cuarto de los rangos son cero, entonces las mediciones se han hecho con una
discriminación inadecuada.
45
Regresando a la figura 6, la gráfica de control (b), existen solo dos posibles valores para
el rango dentro de límites de control (valores de 0.00 y 0.01). Por tanto, la regla
identifica correctamente la razón de falta de control por la discriminación inadecuada
(sensibilidad o resolución efectiva).
Este problema puede ser resuelto, por supuesto, cambiando la habilidad de detectar la
variación dentro de los subgrupos incrementando la discriminación de las mediciones.
Un sistema de medición cuenta con una discriminación adecuada si la resolución
aparente es pequeña relativa a la variación del proceso. Por tanto una recomendación
para una adecuada discriminación sería para una resolución aparente tener a lo mucho
una décima parte de seis sigma de desviación estándar del proceso total en lugar de la
regla tradicional la cual con una resolución aparente sería a lo mucho una décima de la
extensión de la tolerancia.
Eventualmente, existen situaciones que llegan a un proceso estable y altamente hábil

usando un sistema de medición estable y “mejor en su clase” y con límites prácticos de
tecnología. La resolución efectiva puede ser inadecuada y un mejoramiento adicional del
sistema de medición llega a ser impráctico. En estos casos especiales, la planeación de
las mediciones puede requerir técnicas alternativas para el monitoreo del proceso. Solo
personal técnico y calificado y familiar con el sistema de medición y el proceso debiera
documentar y tomar tales decisiones. La aprobación por el cliente debe requerirse y
documentarse en el plan de control.
46
Gráfica Xbarra/R
Discriminación = .001
0.145 LCS = 0.1444
• •
• •
Media Simple
• • •
• • • •
0.140 • • • • Media = 0.1397
• • • • • •
• •
• •
0.135 LCI = 0.1350
Subgrupo 0 5 10 15 20 25
0.02 LCS = 0.01717

•
•
Rango Simple
• • • • • •
0.01 • Media = 0.00812
• • • • • •
• • • • • • •
• • •
0.00 LCI = 0
Gráfica Xbarra/R
Discriminación = .01
0.145 LCS = 0.1444
* *
• • •
Media Simple
• • • • • • • • • • • • • • Media = 0.1398
0.140 •
• • •
• LCI = 0.1359
0.135
*
Subgrupo 0 5 10 15 20 25
0.02
* * *
LCS = 0.01717
Rango Simple
• • • • • • •
0.01 • • • •
Media = 0.00812
0.00 • • • • • • • • • • • LCI = 0
Figura 6: Gráficas de Control de Proceso22
22
La figura 6 fue adaptada de Evaluación de los Procesos de Medición, por Wheeler y Lidia, derechos de copia 1989, SPC
47
Variación del Proceso Para la mayoría de los procesos de medición, la variación total de las mediciones es
de Medición usualmente descrita como una distribución normal. La probabilidad normal es un
supuesto de los métodos estándar para análisis de sistemas de medición. De hecho
existen sistemas de medición que no son distribuidos normalmente. Cuando esto pasa, y
se asume normalidad, el método MSA puede sobre estimar el error del sistema
medición. El analista de mediciones debe reconocer y corregir evaluaciones para
sistemas con mediciones no normales.
Localización
Amplitud
Figura 7: Características de la Variación de un Proceso de Medición
Variación de las Exactitud

Instalaciones
Un concepto genérico de lo exacto en relación a qué tan cerca se ha acordado entre el
promedio de uno o más resultados medidos y un valor de referencia. El proceso de
medición debe estar en estado de control estadístico, de lo contrario la exactitud del
proceso no tiene significado.
En algunas organizaciones la exactitud se usa en forma intercambiable con el sesgo. La

ISO (Organización Internacional para la Estandarización) y la ASTM (American
Society for Testing and Materials) se usa el término exactitud para cubrir tanto el sesgo
como la repetibilidad. A fin de evitar confusión que pudiera resultar del uso de la
palabra exactitud ASTM recomienda que se use el término sesgo solo como un
descriptor del error de localización. Esta política se seguirá en este texto.
48
Sesgo
El sesgo es a menudo referido como “exactitud”. Debido a que la “exactitud” tiene

varios significados en la literatura, no se recomienda su uso como una alternativa para
“sesgo”.
Sesgo es la diferencia entre el valor verdadero

(valor referencia) y el promedio observado de las
mediciones sobre la misma característica y la
misma parte.
SESGO
Sesgo es la medida del error sistemático del sistema
de medición. Es la contribución del error total
integrado por los efectos combinados de todas las
fuentes de variación, conocidas o no conocidas,
cuya contribución al error total tiende a compensar
en forma consistente y predecible todos los
Promedio del Sistema Valor resultados de aplicaciones repetidas del mismo
de Medición Referencia proceso de medición para el tiempo de las
mediciones mismas.
Posibles causas para un sesgo excesivo son:
• El instrumento necesita calibración
• Instrumento, equipo o dispositivo desgastado
• Master dañado o desgastado, error en el master
• Calibración o uso de un master de ajuste inapropiados
• Instrumento de baja calidad – diseño o conformancia
• Error de linealidad
• Gage equivocado para la aplicación
• Diferente método de medición – ajuste, carga, sujeción, técnica
• Medición de característica equivocada
• Distorsión (del gage o la parte)
• Medio ambiente – temperatura, humedad, vibración, limpieza
• Violación a algún supuesto, error en la aplicación de una constante
• Aplicación – tamaño de la parte, posición, habilidad del operador, fatiga, error de

observación (facilidad de lectura, paralelismo)
El procedimiento de medición empleado en el proceso de calibración (ej., usando
“masters”) debiera ser lo más idéntico posible al procedimiento de medición de la
operación normal.
49
Estabilidad
Estabilidad (o cambio) es la variación total en las mediciones obtenida con un sistema

de medición sobre el mismo master o partes cuando se mida una característica misma
sobre un periodo de tiempo extenso. Esto es, la estabilidad es un cambio en sesgo en
el tiempo.
Tiempo
Valor Referencia
Posibles causas para inestabilidad incluyen:
• El instrumento necesita calibración, reducir el intervalo de calibración
• Desgaste normal u obsolescencia
• Mantenimiento deficiente – aire, energía eléctrica, hidráulico, filtros, corrosión,

oxidación, limpieza
• Master desgastado o dañado, error en el master
• Calibración o uso del master para ajuste inapropiados
• Instrumento de calidad deficiente – diseño o conformancia
• Falta de robustez en el diseño del instrumento o método
• Método de medición diferente – ajuste, carga, sujeción, técnica
• Distorsión (del gage o la parte)
• Cambio ambiental- temperatura, humedad, vibración, limpieza
• Violación a un supuesto, error en la aplicación de una constante

Linealidad
La diferencia de sesgo a través del rango (de medición) de operación esperado del
equipo es llamada linealidad. La linealidad puede tomarse como un cambio de sesgo
con respecto al tamaño.
50
SESGO
SESGO
Medición 1 Medición N
Notar que la linealidad inaceptable puede venir en una variedad de sabores. No asuma
un sesgo constante.
Lineabilidad - Sesgo No Constante

Sesgo Constante
o
sg
Observado
Se
ro
Ce
de
ea
Lín
Valores de Referencia
Observado - Referencia
Sesgo Constante Lineabilidad - Sesgo No Constante
Sesgo Positivo
Sesgo Cero
Sesgo Negativo
Posibles causas para errores de linealidad incluyen:
• El instrumento necesita calibración, reducir el intervalo de calibración

• Mantenimiento deficiente – aire, energía eléctrica, hidráulica, filtros, corrosión,
oxidación, limpieza
• Masters desgastados o dañados, error en los masters – mínimo / máximo
51
• Calibración (no cubriendo el rango de operación) o uso de los masters de ajuste

inapropiados
• Calidad deficiente del instrumento – diseño o conformancia
• Falta de robustez del diseño del instrumento o método
• Diferente método de medición – ajuste, carga, sujeción, técnica
• Cambios de distorsión (del gage o la parte) con el tamaño de las partes
• Medio ambiente – temperatura, humedad, vibración, limpieza
• Violación a algún supuesto, error en la aplicación de una constante

Variación de Amplitud Precisión

Tradicionalmente, la precisión describe el efecto neto de la discriminación, sensibilidad
y repetibilidad sobre un rango de operaciones (tamaño, rango y tiempo) del sistema de
medición. En algunas organizaciones la precisión se usa en forma intercambiable con la
repetibilidad. De hecho, la precisión es muy a menudo usada para describir la variación
esperada de las mediciones repetidas sobre el rango de medición; tal rango puede ser
tamaño o tiempo (ej., “un dispositivo es tan preciso en el rango bajo como en el rango
alto de medición”, o “tan preciso hoy como ayer”). Uno podría decir que la precisión es
qué tan repetible la linealidad es con respecto al sesgo (aunque el primero es aleatorio y
los otros son errores sistemáticos). ASTM define la precisión en un sentido amplio para
incluir la variación de diferentes lecturas, gages, gente, laboratorios o condiciones.
Repetibilidad
Este es tradicionalmente referido como variabilidad “dentro del mismo evaluador”.

Valor de Referencia
Repetibilidad es la variación en las mediciones obtenida con un instrumento de
medición cuando se use varias veces por un evaluador y midiendo la misma
característica y sobre la misma parte. Esta es la variación o habilidad inherente del
equipo mismo. Repetibilidad es comúnmente referida como la variación del equipo
(EV), aunque esto puede ser dudoso. De hecho, repetibilidad es una variación de causa
común (error aleatorio) de intentos sucesivos y bajo condiciones definidas de medición.
Repetibilidad El mejor término para repetibilidad es variación dentro del sistema cuando las
condiciones de medición están ajustadas y definidas – parte ajustada, instrumento,
estándar, método, operador, medio ambiente y supuestos. Adicional a la variación
dentro del equipo, la repetibilidad incluye todas las variaciones internas (ver más
adelante) de cualquier condición en el modelo de errores.
52
Posibles causas para una repetibilidad deficiente incluyen:
• Dentro de la parte (muestra): forma, posición, acabado en la superficie, cerilla,

consistencia de la muestra
• Dentro del instrumento: reparación, montaje, falla en el equipo o dispositivo,

calidad o mantenimiento deficiente
• Dentro del estándar: calidad, clase, montaje
• Dentro del método: variación en ajuste, técnica, restablecimiento a cero, fijación,

sujeción, densidad de punto
• Dentro del evaluador: técnica, posición, falta de experiencia, habilidad de manejo o

entrenamiento, sentimiento, fatiga
• Dentro del medio ambiente: fluctuaciones de ciclo corto en temperatura, humedad,

vibración, iluminación, limpieza
• Violación a algún supuesto – estable, operación apropiada
• Falta de robustez en el diseño del instrumento o método, uniformidad deficiente
• Distorsión (del gage o la parte), falta de rigidez
• Aplicación – tamaño de la parte, posición, error de observación (facilidad de

lectura, paralelismo)
Reproducibilidad
Este tradicionalmente se refiere a la variabilidad “entre evaluadores”. La

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

esto para incluir potencialmente no
solo diferentes evaluadores pero
también diferentes: gages, laboratorios
y medio ambiente (temperatura,
humedad), así como el incluir la
repetibilidad en el cálculo de la
Evaluador A C B reproducibilidad.
53
Fuentes potenciales de errores en la reproducibilidad incluyen:
• Entre las partes (muestras): el promedio de las diferencias cuando se miden tipos de
partes A, B, C, etc. Usando el mismo instrumento, operadores y método.
• Entre instrumentos: el promedio de las diferencias usando instrumentos A, B, C,

etc. Para las mismas partes, operadores y medio ambiente. NOTA: en el estudio de
error de reproducibilidad, éste a menudo se confunde con el método y/u operador.
• Entre estándares: la influencia promedio de los diferentes estándares de ajuste en el

proceso de medición.
• Entre métodos: el promedio de las diferencias causado por cambiar las densidades
de punto, sistemas manuales vs automatizados, restablecimiento a cero, métodos de
sostenimiento o sujeción, etc.
• Entre evaluadores (operadores): la diferencia promedio entre operadores A, B, C,

etc. Causada por entrenamiento, técnica, habilidades y experiencia. Este es un
estudio recomendado para calificación del producto y el proceso y con un
instrumento de medición manual.
• Entre el medio ambiente: la diferencia promedio en las mediciones en el tiempo 1,

2, 3, etc. Causado por ciclos ambientales; este es el estudio más común para
sistemas altamente automatizados en la calificación del producto y el proceso.
• Violación de un supuesto en el estudio.
• Falta de robustez en el diseño del instrumento o método.
• Efectividad en el entrenamiento del operador.
• Aplicación – tamaño de la parte, posición, error de observación (facilidad de

lectura, paralelismo).
Como se mencionó en las dos definiciones anteriores, existen diferencias en

las definiciones usadas por ASTM y las usadas por este manual. La
literatura de ASTM se enfoca a evaluaciones entre laboratorios con el
interés de las diferencias de laboratorio a laboratorio incluyendo el
potencial por diferentes operadores, gages y medio ambiente así como la
repetibilidad dentro del laboratorio. Por tanto, sus definiciones necesitan
abarcar estas diferencias. Por normas de ASTM, repetibilidad es lo mejor
que el equipo estará bajo condiciones actuales (un operador, un gage, corto
periodo de tiempo) y reproducibilidad representa más típicamente
condiciones de operación cuando haya variaciones de fuentes múltiples.
54
R&R de Gages o RRGs
El R&R de una gage es un estimativo de la variación combinada de la repetibilidad y la

reproducibilidad. Establecido de otra manera, el RRG es la varianza e igual a la suma
de las varianzas dentro y entre sistemas.
σ2RRG = σ2reproducibilidad + σ2repetibilidad
Valor Referencia
A C B
Sensibilidad
RRG
Sensibilidad es la entrada más pequeña que resulte en una señal o resultado detectable
(usable). Es la respuesta del sistema de medición a cambios en la propiedad medida. La
sensibilidad es determinada por el diseño del gage (discriminación), su calidad
inherente (FEO), el mantenimiento en servicio y las condiciones de operación del
instrumento y estándar. Siempre es reportada como una unidad de medida.
Los factores que afectan la sensibilidad incluyen:
• La habilidad para humedecer un instrumento
• Habilidad del operador
• Repetibilidad del dispositivo de medición
• La habilidad para ofrecer un cambio libre en la operación en el caso de gages

electrónicos o neumáticos
• Condiciones bajo las cuales el instrumento es usado tales como ambiente, aire,
polvo, humedad.
55
•
UCL Consistencia
• •
• • • • Promedio
•
• • • Rango Consistencia es la diferencia en la variación de las mediciones tomadas en el tiempo.
• •
• •
LCL
Puede ser vista como repetibilidad en el tiempo.
Los factores que impactan la consistencia son variaciones de causas especiales tales
como:
• Temperatura de las partes
• Calentamiento requerido para equipo electrónico
• Equipo desgastado
Uniformidad
Uniformidad es la diferencia en la variación a lo largo del rango de operación del gage.

Puede considerarse que existe homogeneidad (similitud) de la repetibilidad en el
tamaño.
Los factores que impactan la uniformidad incluyen:
• El dispositivo permite medidas más pequeñas / grandes para una posición diferente
• Deficiente facilidad de lectura en la escala
• Paralelismo en la lectura
Variación de los Habilidad / Capacidad

Sistemas de Medición
La habilidad de un sistema de medición es un estimativo de la variación combinada de
los errores de medición (aleatorios y sistemáticos) y basados en una evaluación de corto
plazo. La habilidad simple incluye los componentes de:
• Sesgo o linealidad no corregidos
• Repetibilidad y reproducibilidad (RRG), incluyendo consistencia de corto plazo

Hacer referencia al capítulo III para métodos típicos y ejemplos para cuantificar cada
componente.
Un estimativo de habilidad de las mediciones, por tanto, es una expresión del error
esperado para condiciones definidas, alcance y rango del sistema de medición (a
diferencia de la incertidumbre en las mediciones, el cual es una expresión del rango
esperado del error o valores asociados con un resultado de medición). La expresión de
habilidad de variaciones combinadas (varianza) cuando los errores de las mediciones no
están correlacionados (aleatorios e independientes) puede cuantificarse como:
56
σ2habilidad = σ2sesgo (linealidad) + σ2RRG

Hay dos puntos esenciales para entender y aplicar correctamente la habilidad de las
mediciones:
Primero, un estimativo de la habilidad siempre está asociado con un alcance de las

mediciones definido – condiciones, rango y tiempo. Por ejemplo, para decir que la
habilidad de un micrómetro de 25 mm es 0.1 mm es incompleta sin calificar el alcance
y rango de las condiciones de medición. Otra vez, esto es porque un modelo de errores
para definir un proceso de medición es muy importante. El alcance para un estimativo
de habilidad en las mediciones pudiera ser muy específico o una declaración general de
operación, sobre una porción limitada o un rango entero de medición. En el corto plazo
pudiera significar: la habilidad sobre una serie de ciclos de mediciones, el tiempo para
completar la evaluación RRG, un periodo especificado de producción o el tiempo
representado para la frecuencia de calibración. Una declaración de habilidad en las
mediciones no solo necesita ser completo sino replicar en forma razonable las
condiciones y rango de medición. Un plan de control documentado pudiera servir para
este propósito.
Segundo, la consistencia y uniformidad (errores de repetibilidad) de corto plazo sobre

el rango de las mediciones son incluidos en el estimativo de la habilidad. Para un
instrumento simple, tal como un micrómetro de 25 mm., la repetibilidad sobre el rango
completo de las mediciones usando operadores con habilidades se espera sea
consistente y uniforme. En este ejemplo, el estimativo de habilidad puede incluir el
rango completo de las mediciones para múltiples tipos de propiedades y bajo
condiciones generales. Los sistemas de mediciones de mayor rango o más complejos
(ej., una MMC) puede demostrar errores en las mediciones de linealidad (no corregida)
uniformidad y consistencia de corto plazo sobre un rango o medida. Debido a que estos
errores se correlacionan no pueden combinarse usando la simple fórmula lineal
anteriormente mostrada. Cuando la linealidad (no corregida), uniformidad o
consistencia varían significativamente sobre un rango, el planeador de las mediciones y
analista tienen solo dos opciones prácticas:
1) Reportar la habilidad máxima (peor de los casos) para las condiciones
completas y definidas y el alcance y rango del sistema de medición o
2) Determinar y reportar evaluaciones múltiples de la habilidad para porciones

definidas del rango de medición (ej., rango bajo, medio, alto).
Desempeño
Así como en el desempeño del proceso, el desempeño del sistema de medición es el

efecto neto de todas las fuentes de variación significativas y determinables en el tiempo.
El desempeño cuantifica una evaluación de largo plazo de los errores (aleatorios y
sistemáticos) combinados de las mediciones. Por tanto, el desempeño incluye
componentes de error de largo plazo de:
• Habilidad (errores de corto plazo)
• Estabilidad y consistencia
Hacer referencia al capítulo III para métodos y ejemplos típicos para

cuantificar cada componente.
57
Un estimativo del desempeño en las mediciones es una expresión del error esperado
para condiciones definidas, alcance y rango del sistema de medición (a diferencia de la
incertidumbre en las mediciones, la cual es una expresión del error esperado del rango
o valores asociados con un resultado de medición). La expresión del desempeño de la
variación (varianza) combinada cuando los errores de las mediciones no se
correlacionan (aleatorios e independientes) puede cuantificarse como:
σ2performance = σ2habilidad + σ2estabilidad + σ2consistencia

Otra vez, justo como en la habilidad de corto plazo, el desempeño de largo plazo está
siempre asociado con un alcance definido de las mediciones – condiciones, rango y
tiempo. El alcance para un estimativo del desempeño en las mediciones pudiera ser
muy específico o una declaración general de operación, sobre una porción limitada o el
rango completo de medición. En el largo plazo pudiera significar: el promedio de
evaluaciones de varias habilidades en el tiempo, el error promedio en el largo plazo de
una gráfica de control de mediciones, una evaluación de los registros de calibración o
estudios de linealidad múltiple, un promedio del error de varios estudios RRG sobre la
vida y rango del sistema de medición en cuestión. Una declaración del desempeño en
las mediciones necesita ser lo más completo y razonable para representar las
condiciones y rango de la medición.
La consistencia y uniformidad (errores de repetibilidad) de largo plazo sobre un rango

de mediciones está incluido en el estimativo de desempeño, El analista de las
mediciones debe estar conciente de la correlación potencial de errores a fin de no
sobreestimar el estimativo del desempeño. Esto depende de cómo los errores
componentes fueron determinados. Cuando la linealidad (no corregida), uniformidad o
consistencia de largo plazo varíen significativamente y sobre el rango, el planeador de
las mediciones y analista cuentan solo con dos opciones prácticas:
1) Reportar el desempeño máximo (peor de los casos) para las condiciones

definidas completas, y el alcance y rango del sistema de medición, o
2) Determinar y reportar evaluaciones múltiples de desempeño para una porción

definida del rango de medición (ej., rango bajo, medio, alto).
Incertidumbre
La incertidumbre de las mediciones es definida por VIM como un “parámetro, asociado

con el resultado de una medición, que caracteriza la dispersión de los valores que
pudieran ser razonablemente atribuibles a lo medido”.24 Ver capítulo 1, sección F, para
más detalles.
58
Comentarios De los parámetros de un sistema de medición, la exactitud y la precisión son las más
familiares para el personal de operación, dado que éstos se usan en la vida diaria así
como en discusiones técnicas y de ventas. Desafortunadamente, estos términos son
también los menos claros dado que a menudo se toman como intercambiables. Por
ejemplo, si un gage es certificado por una agencia independiente como exacto, o si el
instrumento está garantizado para tener una alta precisión por el vendedor, entonces se
piensa incorrectamente que todas las lecturas caerán muy cerca de los valores actuales.
Esto no está conceptualmente equivocado pero sí puede conducir a decisiones
equivocadas acerca del producto y proceso.
Esta ambigüedad afecta al sesgo y a la repetibilidad (como medidas de exactitud y

precisión). Es importante hacer notar que:
• El sesgo y la repetibilidad son independientes una de otra (ver figura 8).

• El controlar una de estas fuentes de error no garantiza el control de las otras.
Consecuentemente los programas de control de los sistemas de medición
(tradicionalmente referidos como Programas de Control de Gages) deben
cuantificar y rastrear todas las fuentes de variación relevantes.25
24
Lo medido es definido por VIM como “la cantidad particular sujeta a medición”.
25
Ver también Capítulo I, Sección B.
59
Repetibilidad
Aceptable No Aceptable
Aceptable
• • •
•••• • •
• • •
•• • • •
• •
Sesgo
•
•
• • • •
• •• • •
•• • • • •
No Aceptable
• • •
•
Figura 8: Relación entre Sesgo y Repetibilidad
60
Capítulo I – Sección F
Incertidumbre en las Mediciones
Generalidades La incertidumbre en las mediciones es un término usado internacionalmente para

describir la calidad de un valor de medición. Aún y cuando este término ha sido
tradicionalmente reservado para muchas de las mediciones de alta exactitud ejecutadas
en laboratorios de metrología o gages, las normas de sistemas de calidad tales como,
QS-9000 o ISO/TS 16949 requieren que, “la incertidumbre en las mediciones sea
conocida y consistente con la habilidad requeridas de las mediciones de cualquier
equipo de inspección, medición o prueba”.26
En esencia, la incertidumbre es el rango asignado a los resultados de las mediciones que

describe, dentro de un nivel de confiabilidad definido, el rango esperado para contener
los resultados de mediciones verdaderos. La incertidumbre en las mediciones es
normalmente reportada como una cantidad bilateral. La incertidumbre es una expresión
cuantificada de la confiabilidad en las mediciones. Una expresión simple de este
concepto es:
Medición verdadera = medición observada (resultado) + U
U es el término para la “incertidumbre expandida” de lo medido y el resultado de la

medición. La incertidumbre expandida es el error estándar combinado (uc), o
desviación estándar de los errores (aleatorios y sistemáticos) combinados en el proceso
de medición multiplicado por un factor de cobertura (k) que representa el área de la
curva normal para un nivel de confiabilidad deseado. Recordar que una distribución
normal a menudo se aplica como un supuesto o principio para los sistemas de medición.
La Guía para la Incertidumbre en las Mediciones de ISO/IEC establece el factor de
cobertura como suficiente para reportar la incertidumbre al 95% de una distribución
normal. Esto a menudo se interpreta como k=2.
U = kuc
El error estándar combinado (uc) incluye todos los componentes significativos de la

variación del proceso de medición. En la mayoría de los casos, los métodos de análisis
de sistemas de medición ejecutados de acuerdo con este manual pueden ser usados
como una herramienta para cuantificar muchas de las fuentes de incertidumbre en las
mediciones. A menudo, el componente de error más significativo puede ser
cuantificado por σ2desempeño. Otras fuentes de error significativas pueden aplicarse en base
a la aplicación de las mediciones mismas.
26
QS-9000 3ª edición, Sección 4.11.1
61
Capítulo l – Sección F
Una declaración de incertidumbre debe incluir un alcance adecuado que identifique

todos los errores significativos y permita que las mediciones se repliquen. Algunas
declaraciones de incertidumbre construyen en el largo plazo, otras en el corto plazo, el
error del sistema de medición. Sin embargo, la expresión simple puede ser cuantificada
como:
2
U2C = σ2performance + σ Otros
Es importante recordar que la incertidumbre en las mediciones es simplemente un

estimativo de que tanto puede variar una medición en el tiempo de la medición misma.
Debiera considerar todas las fuentes significativas de variación en las mediciones en el
proceso de medición además de los errores significativos de calibración, patrones
master, método, medio ambiente y otros no considerados previamente en el proceso de
medición. En muchos casos, este estimativo usa métodos de MSA y RRG para
cuantificar estos errores estándar significativos. Es apropiado re-evaluar periódicamente
la incertidumbre, relacionada ésta a un proceso de medición para asegurar la exactitud
continua del estimativo.
Incertidumbre en las La diferencia principal entre incertidumbre y MSA es que el MSA se enfoca a entender
Mediciones y MSA el proceso de medición, determinando la cantidad de error en el proceso mismo, y
evaluando la adecuación del sistema de medición para control del producto y proceso.
MSA promueve el entendimiento y mejoramiento (reducción de la variación). La
incertidumbre es el rango de los valores de medición, definidos para un intervalo de
confiabilidad y asociados con un resultado de medición y esperados para incluir el valor
verdadero de las mediciones.
Rastreabilidad en las La rastreabilidad es la propiedad de una medición o el valor de un estándar, tal que
Mediciones puede relacionarse con referencias establecidas, usualmente patrones nacionales o
internacionales, a través de una cadena ininterrumpida de comparaciones y todas con
incertidumbres establecidas. Por tanto el entendimiento de la incertidumbre en las
mediciones de cada enlace en la cadena es esencial. Incluyendo las fuentes de variación
de las mediciones de corto y largo plazo que sean introducidas por el proceso de
medición y la cadena de rastreabilidad, la incertidumbre de las mediciones en le sistema
de medición pueden evaluarse asegurando que todos los efectos de rastreabilidad se
tomen en cuenta. Este, por tanto, puede reducir aspectos clave de correlación en las
mediciones.
62
Guía ISO para la La Guía para la Expresión de la Incertidumbre en las Mediciones (GIM) es una guía de
Expresión de la cómo la incertidumbre de las mediciones puede evaluarse y expresarse. Aún y cuando
ofrece al usuario un entendimiento de la teoría y establece lineamientos de cómo la
Incertidumbre en las incertidumbre en las fuentes de medición puede clasificarse y combinarse, y debiera
Mediciones ser considerado un documento de referencia de alto nivel, no un manual tipo “como”.
Ofrece una guía o lineamiento al usuario en algunos de los tópicos más avanzados tales
como, independencia estadística de las fuentes de variación, análisis de sensibilidad,
grados de libertad, etc. que son críticos cuando se evalúan sistemas de medición más
complejos y/o de parámetros múltiples.
63
64
Capítulo I – Sección G
Análisis de Problemas de Mediciones
Capítulo I – Sección G
Análisis de Problemas de Mediciones
Introducción El entendimiento de la variación de las mediciones y su contribución a lo que hace una

variación total necesita ser un paso fundamental en la solución básica del problema.
Cuando la variación en el sistema de medición excede todas las demás variables, llega a
ser necesario analizar y resolver aquellos aspectos clave antes de trabajar con el resto
del sistema. En algunos casos la contribución de la variación del sistema de medición es
pasado por alto o ignorada. Esto puede causar pérdida de tiempo y recursos conforme el
enfoque se hace al proceso mismo, cuando la variación reportada es actualmente
causada por el dispositivo de medición.
En esta sección se hace una revisión a los pasos básicos para solución de problemas y
se muestra como se relacionan al entendimiento de aspectos clave en un sistema de
medición. Cada compañía puede usar un proceso de solución de problemas y el cual el
cliente le haya aprobado.
Si el sistema de medición fue desarrollado usando métodos de este manual, la mayoría

de los pasos iniciales ya existen. Por ejemplo, un diagrama de causas y efectos puede ya
existir ofreciendo lecciones valiosas aprendidas del proceso de medición. Estos datos
deben ser recolectados y evaluados previo a cualquier solución formal de algún
problema.
Paso 1 Identifica los Aspectos Clave
Cuando se esté trabajando con sistemas de medición, como cualquier proceso, es

importante definir claramente el problema o aspecto clave. En el caso de aspectos clave
de mediciones, esto puede tomar forma de exactitud, variación, estabilidad, etc. El
aspecto importante a ser es tratar de aislar la variación de las mediciones y su
contribución, de la variación del proceso (la decisión puede ser trabajar en el proceso
más que trabajar en el dispositivo de medición). La declaración del aspecto clave
necesita ser una definición operacional que cualquiera entienda y sea capaz de actuar en
el aspecto en cuestión.
Paso 2 Identifica el Equipo
El equipo para solución de un problema, en este caso, depende de la complejidad del

sistema de medición y el aspecto clave. Un sistema de medición simple puede requerir
solo un par de gente. Pero conforme el sistema y aspecto clave lleguen a ser más
complejos el equipo puede crecer en tamaño (el máximo tamaño de un equipo debe
limitarse a diez miembros). Los miembros del equipo y la función que ellos representan
necesitan ser identificados en la hoja de solución de problemas.
65
Paso 3 Diagrama de Flujo del Sistema de Medición y el Proceso
El equipo revisaría cualquier diagrama de flujo histórico del sistema de medición y el

proceso. Esto llevaría a la discusión de información conocida y no conocida a cerca de
las mediciones y su interrelación con el proceso. El proceso de graficar el flujo puede
identificar miembros adicionales a agregar al equipo.
Paso 4 Diagrama de Causas y Efectos
El equipo revisaría cualquier diagrama de causas efectos histórico sobre

el sistema de medición. Esto podría, en algunos casos, generar una
solución total o parcial. Esto también llevaría a una discusión de
información conocida y no conocida. El equipo utilizaría conocimientos
del tema en cuestión para identificar inicialmente aquellas variables con
la más grande contribución del aspecto clave. Estudios adicionales
pueden hacerse para sustentar las decisiones.
Paso 5 Plan-Hacer-Estudiar-Actuar (PHEA) 27
A P Esto llevaría al esquema de planear – hacer – estudiar – actuar, el cual

es una forma de estudio científico. Se planean experimentos, se
r
ea
Ac
n
Pla
tu
recolectan datos, se determina la estabilidad, se hacen hipótesis y se

ar
prueban hasta que se alcance una solución apropiada.

Ha
dio
ce
tu
S D
r
Es
Paso 6 Posible Solución y Prueba de las Corrección
Los pasos y solución son documentados para registrar la decisión. Un

estudio preliminar es ejecutado para validar la solución. Esto puede
hacerse usando alguna forma de diseño de experimentos para validar la
solución. También, pueden ejecutarse estudios adicionales en el tiempo
incluyendo variaciones ambientales y de materiales.
Paso 7 Instituye el Cambio
La solución final se documenta en un reporte; luego el departamento y

funciones apropiadas cambian el proceso de manera que el problema
no sea recurrente en el futuro. Esto puede requerir cambios en
procedimientos, estándares o patrones y materiales de entrenamiento.
Este es uno de los pasos más importantes en el proceso. La mayoría de
los aspectos clave y problemas han ocurrido en algún punto en el
tiempo u otro.
27
W. Edwards Deming, The New Economics for Industry, Government, Education, The MIT Press, 1994, 2000
27
W. Edwards Deming, The New Economics for Industry, Government, Education, The MIT Press, 1994, 2000
66
Capítulo II
Conceptos Generales para la Estimación de Sistemas de Medición
Capítulo II
CONCEPTOS GENERALES PARA ESTIMACIONES DE
SISTEMAS DE MEDICIÓN
67
Capítulo Il – Sección A
Fundamentos
68
Capítulo II - Sección A
Fundamentos
Capítulo II – Sección A
Fundamentos
Introducción Dos áreas importantes que necesitan ser evaluadas son:
1) Verifica que la variable correcta está siendo medida y en la localización apropiada

para la característica. Verifica los dispositivos y sujeción si aplica. Identifica
también cualquier aspecto clave y crítico ambiental que sea interdependiente con
las mediciones. Si la variable equivocada está siendo medida, entonces no importa
que tan exacto o preciso es el sistema de medición, y simplemente consumirá
recursos sin ofrecer beneficios.
2) Determina que propiedades estadísticas del sistema de medición necesitan

determinarse a fin de ser aceptable. A fin de determinar esto, es importante saber
como son usados los datos, que sin tal conocimiento, las propiedades estadísticas
apropiadas no puedan determinarse. Después de que las propiedades estadísticas se
han determinado, el sistema de medición debe ser evaluado para saber si
actualmente cuenta o no con dichas propiedades.
Etapa 1 & 2 La prueba de la Etapa 1 es una evaluación para verificar que la variable correcta está
siendo medida y en la localización para la característica apropiada con base en la
especificación del diseño del sistema de medición. (Verifica dispositivos y sujeción si
aplica) También si existen aspectos ambientales críticos que sean interdependientes con
Entendimiento del
la medición. La etapa 1 pudiera usar un experimento diseñado estadísticamente para
proceso de medición y evaluar el efecto del ambiente operativo en los parámetros del sistema de medición (ej.,
¿satisface los sesgo, linealidad, repetibilidad y reproducibilidad). La etapa 1 prueba los resultados
requerimientos? para indicar que el ambiente de operación no contribuya significativamente a la
variación global del sistema de medición. Adicionalmente, la variación atribuible al
sesgo y linealidad del dispositivo de medición debiera ser pequeña comparada con los
componentes de repetibilidad y reproducibilidad.
El conocimiento logrado durante las pruebas e la etapa 1 debiera ser una entrada para el
desarrollo del programa de mantenimiento del sistema de medición así como el tipo de
prueba que debiera usarse durante la etapa 2. Los aspectos ambientales pueden conducir
a un cambio en localización o a un ambiente controlado para el dispositivo de
medición.
Por ejemplo, si existe un impacto significativo de la repetibilidad y reproducibilidad

sobre la variación total del sistema de medición, un experimento estadístico y simple de
dos factores pudiera realizarse periódicamente como la prueba de la etapa 2.
¿El proceso de La prueba de la Etapa 2 ofrece un monitoreo continuo de las fuentes clave de variación
medición satisface los para una confiabilidad continua del sistema de medición (y los datos generados) y/o una
requerimientos en el señal de que el sistema de medición se haya degradado en el tiempo.
tiempo?
69
Capítulo Il – Sección A
Fundamentos
70
Capítulo II - Sección B
Selección/Desarrollo de Procedimientos de Prueba
Capítulo II – Sección B
Selección / Desarrollo de Procedimientos de Prueba
“Cualquier técnica puede ser útil si sus limitaciones son entendidas y observadas”.28
Muchos procedimientos apropiados están disponibles para evaluación de sistemas de

medición. La selección de cual procedimiento usar depende de muchos factores, la
mayoría de los cuales necesita determinarse sobre la base de caso por caso para cada
sistema de medición ase revaluado. En algunos casos, pueden requerirse pruebas
preliminares para determinar si un procedimiento es apropiado o no para un sistema de
medición particular. Dichas pruebas preliminares deben ser una parte integral de las
pruebas de la etapa 1 discutidas en la sección anterior.
Los aspectos clave y generales a considerar cuando se seleccione o desarrolle un

procedimiento de evaluación incluyen:
• ¿Los estándares o normas tales como, los rastreables con NIST, debieran ser
usados en las pruebas, y si es así, qué nivel de estándar o patrón es apropiado? Los
estándares son frecuentemente esenciales para evaluar la exactitud de un sistema de
medición. Si no se usan estándares o patrones, la variabilidad del sistema de
medición puede aún ser evaluada, aunque puede no ser posible evaluar su exactitud
con una credibilidad razonable. La falta de tal credibilidad puede ser un aspecto
clave, por ejemplo, en la intención de resolver una diferencia aparente entre el
sistema de medición de un fabricante y el sistema de medición de un cliente.
• Para pruebas continuas en la etapa 2, puede considerarse el uso de mediciones a

ciegas. Las mediciones a ciegas son mediciones obtenidas en el ambiente de
medición actual por un operador que no sepa que tal evaluación del sistema de
medición se está conduciendo. Pruebas apropiadamente administradas y basadas en
mediciones a ciegas generalmente no son contaminadas por el bien conocido
Efecto Hawthorne.29
• El costo de las pruebas.
• El tiempo requerido para las pruebas.
28
W. Edwards Deming, The Logic of Evaluation, The Handbook of Evaluation Research, Vol. 1, Elmer L. Struening and Marcia
Guttentag, Editors
29 El “Efecto Hawthorne” se refiere a los resultados de una serie de experimentos industriales, ejecutados en los trabajos de
Hawthorne de Western Electric entre Noviembre 1924 y Agosto 1932. En los experimentos, los investigadores modifican
sistemáticamente las condiciones de trabajo de cinco ensambladores y monitorean los resultados. Conforme las condiciones
se mejoran, la producción se incrementa. Sin embargo, cuando las condiciones de trabajo se degradan, la producción
continua mejorándose. Se pensó que esto trajo resultados a los trabajadores para desarrollar una actitud mas positiva hacia
el trabajo en si, como resultado de ser ellos parte del estudio, mas que el resultado de cambiar las condiciones de trabajo.
Ver Una Historia de los Experimentos Hawthorne, por Richard Gillespie, Cambridge University Press, New York, 1991.
71
Capítulo Il – Sección B
Selección/Desarrollo de Procedimientos de Prueba
• Cualquier otro término para el cual no haya una definición comúnmente aceptada
debiera ser definido operacionalmente. Ejemplos de tales términos incluyen
exactitud, precisión, repetibilidad, reproducibilidad, etc.
• ¿Las mediciones tomadas por el sistema de medición se comparan con las

mediciones tomadas por otro sistema? Si es así, debiera considerarse el uso de
procedimientos de prueba que se soporten en el uso de estándares o patrones tales
como los discutidos en la etapa 1 arriba indicada. Si no se usan estándares o
patrones, puede ser posible determinar si los dos sistemas de medición están
trabajando bien juntos o no. Sin embargo, si los sistemas no están trabando bien
juntos, entonces puede no ser posible, sin el uso de estándares o patrones,
determinar que sistema necesita mejoramiento.
• ¿Con qué frecuencia debieran ejecutarse las pruebas de la etapa 2? Esta decisión
puede basarse en las propiedades estadísticas del sistema de medición individual y
en las consecuencias con la instalación, y los clientes de la instalación de un
proceso de manufactura que de hecho, no sea monitoreado debido a que el sistema
de medición no esté operando apropiadamente.
Adicional a estos aspectos clave y generales, otros aspectos clave que son específicos al
sistema de medición particular a ser probados pueden ser también importantes. El
encontrar los aspectos clave específicos que sean importantes a un sistema de medición
particular es uno de los dos objetivos de las pruebas de la etapa 1.
72
Capítulo II Sección C
Preparación para un Estudio de un Sistema de Medición
Capítulo II – Sección C
Como en cualquier estudio o análisis, la planeación y preparación suficiente debe ser
hecha previo a la conducción de un estudio de un sistema de medición. La preparación
típica y previa para conducir el estudio es como sigue:
1) El enfoque a usar debiera planearse. Por ejemplo, determinar usando juicio de

ingeniería, observaciones visuales o un estudio de un gage, si existe la influencia
de un evaluador en la calibración o uso del instrumento. Existen algunos sistemas
de medición donde el efecto de la reproducibilidad puede ser considerado como
insignificante; por ejemplo, cuando se oprime un botón y se imprime un número.
2) El número de evaluadores, número de partes de la muestra y número de lecturas

repetidas debiera determinarse por anticipado. Algunos factores a considerar en
esta selección son:
(a) Criticalidad de la dimensión – las dimensiones críticas requieren más

partes y/o intentos. La razón es el grado de confiabilidad deseado para
estimaciones del estudio de un gage.
(b) Configuración de la parte – las partes a granel o pesadas pueden

determinar el que sean pocas muestras y más intentos.
3) Dado que el propósito es evaluar el sistema de medición total, los evaluadores

elegidos debieran ser seleccionados de aquellos que normalmente operen el
instrumento.
4) La selección de las partes de una muestra es crítico para un análisis apropiado y

depende totalmente del diseño del estudio MSA, del propósito del sistema de
medición y de la disponibilidad de las muestras de las partes que representen el
proceso de producción.
Para situaciones de control de los productos donde resulten las mediciones y

se determinen criterios de decisión, “el cumplimiento o incumplimiento con la
especificación de una característica” (ej., inspección 100% o muestreo), deben
seleccionarse muestras (o estándares), aunque no necesitan cubrir el rango
completo del proceso. La evaluación del sistema de medición se basa en las
tolerancias de la característica (ej., % de RRG con la TOLERANCIA).
Para situaciones del control del proceso, donde resulten las mediciones y se
determinen criterios de decisión, “la estabilidad del proceso, la dirección y
cumplimiento con la variación natural del proceso” (ej., SPC, monitoreo del
proceso, habilidad y mejoramiento del proceso), la disponibilidad de muestras
sobre el rango de operación completo llega a ser muy importante. Un
estimativo independiente de la variación del proceso (estudio de habilidad del
proceso) es recomendable al evaluar la adecuación del sistema de medición
para control del proceso (ej., % de RRG con la variación del proceso).
73
Capítulo Il – Sección C
Cuando un estimativo independiente de la variación del proceso no esté

disponible, O para determinar la dirección del proceso y la adecuación continua
del sistema de medición para el control del proceso, las partes de la muestra
deben ser seleccionadas del proceso y representar el rango de operación de
producción completo. La variación en las partes de la muestra (PV)
seleccionadas para el estudio MSA es usada para calcular la Variación Total (TV)
del estudio mismo. En índice TV (ej., % de RRG del TV) es un indicador de la
dirección del proceso y estabilidad continua del sistema de medición para el
control del proceso. Si las partes de la muestra NO representan el proceso de
producción, el TV debe ser ignorado den la evaluación. El ignorar el TV no afecta
las evaluaciones usando la tolerancia (control del producto) o un estimativo
independiente de la variación del proceso (control del proceso).
Las muestras pueden seleccionarse tomando una muestra por día por varios días. Otra
vez, esto es necesario porque las partes serán tratadas en el análisis como si
representaran el rango de variación de la producción en el proceso. Dado que cada parte
será medida varias veces, cada parte debe numerarse para identificación.
5) El instrumento debiera contar con una discriminación tal que permita al menos un
décimo de la variación del proceso esperado de la característica sea leído
directamente. Por ejemplo, si la variación de la característica es 0.001, el equipo
debiera ser capaz de “leer” un cambio de 0.0001.
6) Asegura que el método de medición (ej., evaluador e instrumento) está midiendo

la dimensión de la característica y siguiendo un procedimiento de medición
definido.
La manera en la cual se conduce un estudio es muy importante. Todos los análisis

presentados en este manual asumen independencia estadística de las lecturas
individuales30. Para minimizar la probabilidad de resultados no confiables, necesitan
tomarse los siguientes pasos:
1) Las mediciones debieran tomarse en un orden aleatorio31 para asegurar cualquier

impulso o cambio que pudiera ocurrir y hacer un estudio totalmente aleatorio. Los
evaluadores no debieran ser advertidos de cuál número de parte está siendo
checada a fin de evitar cualquier posible sesgo por conocimiento. Sin embargo, la
persona que conduce el estudio debiera saber cual es la parte numerada que está
siendo checada y registrar los datos como tales, esto es, Evaluador A, parte 1,
primer intento; Evaluador B, parte 4, segundo intento, etc.
2) En la lectura del equipo, los valores de mediciones debieran registrarse en un

límite práctico con la discriminación del instrumento. Los dispositivos mecánicos
deben leerse y registrarse con las unidades más pequeñas de la discriminación de
la escala. Para lecturas electrónicas, el plan de mediciones debe establecer una
política común para registrar el dígito de la derecha más significativo del display.
Los dispositivos análogos debieran registrar en un medio de la graduación más
pequeña o el límite de sensibilidad o resolución. Para dispositivos análogos si la
más pequeña de la escala es 0.0001”, entonces los resultados de las mediciones
debieran registrarse en 0.00005”.
30
No existe correlación entre las lecturas.
31
Ver Capítulo III, Sección B, “Aleatoriedad e Independencia Estadística”
74
Capítulo II Sección C
3) El estudio debiera ser administrado y observado por una persona que entienda la
importancia de conducir un estudio confiable.
Cuando se desarrollen programas de pruebas de etapa 1 o etapa 2 existen varios factores

que necesitan ser considerados:
• ¿Qué efecto tiene el evaluador en el proceso de medición? Si es posible, los

evaluadores que normalmente usen el dispositivo de medición debieran ser
incluidos en el estudio.
Cada evaluador debiera usar el procedimiento – incluyendo todos los

pasos – que ellos usen normalmente para obtener las lecturas. El efecto
de las diferencias entre los métodos que los evaluadores usen será
reflejado en la reproducibilidad del sistema de medición.
• ¿Es la calibración del evaluador del equipo de medición muy probable una causa
significativa de variación? Si es así, los evaluadores debieran recalibrar el equipo
antes de cada grupo de lecturas.
• ¿Cuántas partes de la muestra y lecturas repetidas son requeridas? El número de

partes requeridas depende de la significancia de la característica a ser medida y del
nivel de confiabilidad requerido en el estimativo de variación del sistema de
medición.
Aunque el número de evaluadores, intentos y partes puede ser variable

cuando se usen las prácticas recomendadas y discutidas en este manual,
el número de evaluadores, intentos y partes debiera mantenerse
constante entre programas de pruebas de etapa 1 y etapa 2 o entre
pruebas secuenciales de la etapa 2 para sistemas de medición comunes.
El mantener condiciones comunes entre programas de pruebas y
pruebas secuenciales mejorará las comparaciones entre los diferentes
resultados de pruebas.
75
Capítulo Il – Sección D
Análisis de Resultados
76
Capítulo II Sección D
Capítulo II – Sección D
Los resultados debieran evaluarse para determinar si el dispositivo de medición es
aceptable para su aplicación esperada. Un sistema de medición debiera ser estable
antes de ser válido cualquier análisis adicional.
Error de Localización Criterios de Aceptación – Error de Localización
El error de la localización es normalmente definido analizando el sesgo y la linealidad.
En general, el sesgo o error de linealidad de un sistema de medición es inaceptable si es

significativamente diferente de cero o excede el máximo error permisible establecido
por el procedimiento de calibración de gages. En tales casos, el sistema de medición
debiera recalibrarse o aplicarse una corrección de compensación para minimizar este
error.
Error de Amplitud Criterios de Aceptación – Error de Amplitud
Los criterios para saber si la variabilidad de un sistema de medición es satisfactoria

dependen del porcentaje de la variabilidad del proceso de manufactura / producción o
de la tolerancia de la parte que es consumida por la variación del sistema de medición.
Los criterios de aceptación final para sistemas de medición específicos dependen del
medio ambiente y propósito del sistema de medición y debieran ser acordados con el
cliente.
Para sistemas de medición cuyo propósito es analizar un proceso, una regla empírica y
general para la aceptación de un sistema de medición es como sigue:
• Debajo de un error del 10% - generalmente considerado como un sistema de

medición aceptable.
• Entre el 10 y el 30% de error – puede ser aceptable y en base a la importancia de la

aplicación, costo del dispositivo de medición, costos de reparación, etc.
• Arriba del 30% - considerado como no aceptable – debieran hacerse esfuerzos por
mejorar el sistema de medición.
Además, el número de categorías distintas (ndc)32 el proceso puede dividirse por el

sistema de medición y éste debe ser mayor o igual a 5.
La aceptación final de un sistema de medición no debiera concretarse a un

solo conjunto de índices. El desempeño de largo plazo del sistema de
medición debiera ser también revisado usando análisis gráficos en el
tiempo.
32
Ver Capítulo III, Sección B, “Análisis de Resultados – Numérico”.
77
Capítulo Il – Sección D
78
Capítulo III
Prácticas Recomendadas para Sistemas de Medición Simple
Capítulo III
PRACTICAS RECOMENDADAS PARA SISTEMAS DE
MEDICIÓN SIMPLES
79
Capítulo IIl – Sección A
Ejemplos de Procedimientos de Prueba
80
Capítulo III – Sección A
Capítulo III – Sección A

Introducción Ejemplos de procedimientos de prueba específicos son presentados en este capítulo.

Los procedimientos son simples de usar y pueden aplicarse en un ambiente de
producción. Como se discutió previamente, el procedimiento de prueba que debiera
usarse para entender un sistema de medición y cuantificar su variabilidad depende de
las fuentes de variación que pudieran afectar el sistema de medición mismo. En muchas
situaciones las fuentes principales de medición son debidas al instrumento (gages /
equipo), la persona (evaluador) y el método (procedimiento de medición). Los
procedimientos de prueba en este capítulo son suficientes para este tipo de análisis de
sistemas de medición.
Los procedimientos son apropiados de usar cuando:
9 Solo dos factores o condiciones de medición (ej., evaluadores y partes) más la

repetibilidad del sistema de medición están siendo estudiados.
9 El efecto de la variabilidad dentro de cada parte es insignificante.
9 No existe interacción estadística entre los evaluadores y las partes.
9 Las partes no cambian dimensionalmente durante el estudio.
Un diseño estadístico de experimentos puede conducirse y/o conocimientos del tema en

cuestión pueden aplicarse para determinar si estos procedimientos son apropiados para
cualquier sistema de medición específico.
81
Capítulo IIl – Sección A
82
Capítulo III – Sección B
Guías y Lineamientos – Estudios de Sistemas de Medición de Variables
Guías y Lineamientos – Estudio de Sistemas de Medición de Variables
Introducción Esta sección contiene lineamientos de implementación para técnicas de sistemas de

medición descritas en el capitulo 1, sección E. Una completa revisión de la sección E es
recomendable para asegurar una apropiada aplicación de estos lineamientos.
GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DE LA ESTABILIDAD
Conducción de un Estudio
1) Obtén una muestra y establece sus valores de referencia en relación a un estándar

rastreable. Si no existe alguno disponible, seleccionar una parte de producción33
que caiga en el rango medio de las mediciones de producción y desígnala como la
muestra master para el análisis de estabilidad. No se requiere un valor de
Tiempo
referencia conocido para rastrear la estabilidad del sistema de medición.
Puede ser deseable contar con muestras master para valores mínimos, altos y de
rango medio de las mediciones esperadas. Se recomiendan por separado las
mediciones y gráficas de control.
2) Sobre una base periódica (diariamente, semanalmente), mide la muestra master de

3 a 5 veces. El tamaño de la muestra y frecuencia debieran basarse en el
Valor Referencia
conocimiento del sistema de medición. Algunos factores pudieran incluir que tan
frecuente sea requerido la recalibración o reparación, que tan frecuente sea usado
el sistema de medición y que tan extremas son las condiciones de operación. Las
lecturas necesitan tomarse en diferentes tiempos para representar cuando el
sistema de medición está realmente siendo usado. Esto tomará en cuenta
calentamientos, medio ambiente u otros factores que pudieran cambiar durante el
día.
3) Graficar los datos en una gráfica de control X & R o X & s bajo el orden de
tiempo.
Análisis de Resultados - Gráfico
4) Establecer límites de control y evaluar condiciones fuera de control o inestables

usando el análisis estándar de gráficas de control.
33
Debiera tomarse precaución cuando el master de producción pudiera experimentar un excesivo desgaste debido
al uso, material o manejo. Esto puede requerir el modificar la parte de producción tal como el acabado, para
extender la vida del master mismo.
83
Capítulo IIl – Sección B
Análisis de Resultados – Numérico
Además del análisis normal de gráficas de control, no existe un análisis numérico y

específico o índice para estabilidad.34
Si el proceso de medición es estable, los datos pueden usarse para determinar el sesgo
del sistema de medición.
También, la desviación estándar de las mediciones puede usarse como una aproximación
de la repetibilidad del sistema de medición mismo. Esta puede compararse con la del
proceso para determinar si la repetibilidad del sistema de medición es adecuada para la
aplicación.
El diseño de experimentos u otras técnicas analíticas de solución de

problemas pueden requerirse para determinar los contribuidores primarios
de la falta de estabilidad del sistema de medición.
Ejemplo – Estabilidad
Para determinar si la estabilidad de un nuevo instrumento de medición es aceptable, el

equipo de proceso selecciona una parte próxima al punto medio del rango del proceso
de producción. Esta parte es enviada al laboratorio de medición para determinar el valor
de referencia el cual es 6.01. El equipo mide esta parte 5 veces una vez al turno por
cuatro semanas (20 subgrupos). Después de que todos los datos son recolectados, las
gráficas XR son desarrolladas (ver figura 9).
Gráfica X-Barra para Estabilidad
6.3 LCS = 6.297

6.2 •
Medición Simple
• • •
6.1 • • •
• • • Media = 6.021
6.0 • • • •
• • •
5.9 •
5.8 •
LCI = 5.746
5.7
0 10 20
1.0 LCS = 1.010

• •
Rango Simple
• • • • •
0.5 • • • Media = 0.4779
• • • • •
• • •
•
•
LCI = 0
0.0
Figura 9: Cuadro de Control del Análisis de la Estabilidad
34 Ver Manual de Referencia del SPC.

84
GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DEL SESGO35 – Método de Muestras Independientes
Conducción del Estudio
SESGO
1) Obtén una muestra y establece su valor de referencia en relación aun estándar o
patrón rastreable. Si no existe alguno disponible, selecciona una parte de producción
que caiga en el rango medio de las mediciones de producción y desígnala como la
muestra master para el análisis de sesgo. Mide la parte n >10 veces en el cuarto de
de Medición Referencia herramientas y calcula el promedio de las lecturas n. Usa este promedio como el
“valor de referencia”.
Puede ser deseable contar con muestras master para valores mínimos,
altos y de rango medio de las mediciones esperadas. Si esto se hace,
analiza los datos usando un estudio de linealidad.
2) Cuenta con un solo evaluador para que mida la muestra n >10 veces de una forma
normal.
Resultados de Análisis – Gráfico

3) Grafica los datos como histograma en relación al valor de referencia. Revisa el
histograma, usando el conocimiento del tema en cuestión, para determinar si causas
especiales o anomalías están presentes. Si no, continua con el análisis. Precaución
especial debe tenerse para alguna interpretación o análisis cuando n < 30.
Resultados de Análisis – Numérico
4) Calcula el promedio de las n lecturas

n
X = ∑ xι
i =1
n
5) Calcula la desviación estándar de la repetibilidad (ver también Estudios de Gages,
Método de Rangos, mostrado adelante.
max( xi ) − min( xi )
σ repetibilidad =
d *2
donde d 2* es tomado del Apéndice C

con g = 1 y m = n
35
Ver Capítulo I, Sección E, para una definición operacional y discusión de causas potenciales.
85
Si está disponible un estudio RRG (y válido) el cálculo de la desviación

estándar de la repetibilidad debiera basarse en los resultados del estudio.
6) Determina el estadístico t para el sesgo:36
Sesgo = a la medición de los promedios observados – valor referencia37

σb = σr
n
sesgo
t=
σb
7) El sesgo es aceptable en el nivel de α si cero cae dentro de los límites de

confiabilidad 1- alfa y alrededor del valor del sesgo:
⎡ d 2σb ⎤ ⎡ d 2σb ⎤
Sesgo − ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥ ≤ 0 ≤ sesgo + ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥
⎣ d2 ⎝ 2⎠
⎦ ⎣ d2 ⎝ 2⎠
⎦
donde d2, d2* y v son encontrados en el Apéndice C

con g=1 y m=n y
t v ,1−α es encontrado usando las tablas estándar de t.
2
El nivel α usado depende del nivel de sensibilidad, el cual es necesario para

evaluar / controlar el proceso y es asociado con la función de pérdida (curva
de sensibilidad) del producto / proceso. Debiera obtenerse un acuerdo con el
cliente si se utiliza un nivel α diferente al valor por defaul de 0.05
(confiabilidad del 95%).
Ejemplo – Sesgo
Un ingeniero de manufactura estaba evaluando un nuevo sistema de medición para

monitorear un proceso. Un análisis del equipo de medición indicó que no debiera ver
aspectos clave de linealidad, de manera que el ingeniero tuviera solo el sesgo del sistema
de medición evaluado. Es seleccionado una sola parte dentro del rango de operación del
sistema de medición y basada en la variación documentada del proceso. Esta parte fue
medida por una inspección de layout para determinar su valor referencia. La parte fue
entonces medida 15 veces por el supervisor líder.
36
Este enfoque utiliza el promedio de rangos para obtener un aproximado de la desviación estándar del proceso
de medición. Debido a que la eficiencia de éste uso del rango cae rápidamente conforme el tamaño de muestra
se incrementa, se recomienda que si el tamaño de muestra total excede en 20, seccionar la muestra en
subgrupos múltiples y usar el enfoque de las gráficas de control, o usar el cálculo de la raíz de los promedios al
cuadrado (RMS) de la desviación estándar con la prueba tradicional de t de una muestra.
37
La incertidumbre para el sesgo es dada con σ b
86
Valor de Referencia = 6.00 Sesgo

1 5.8 -0.2
2 5.7 -0.3
I 3 5.9 -0.1
N 4 5.9 -0.1
T 5 6.0 0.0
E 6 6.1 0.1
N 7 6.0 0.0
T 8 6.1 0.1
O 9 6.4 0.4
S 10 6.3 0.3
11 6.0 0.0
12 6.1 0.1
13 6.2 0.2
14 5.6 -0.4
15 6.0 0.0
Tabla 2: Datos de Estudio de Sesgo
Usando una hoja de cálculo y software estadístico, el superviso generaría el

histograma y análisis numérico (ver figura 10 & tabla 3).
3
Frecuencia
5.6 5.7 5.8 5.9 6.0 6.1 6.2 6.3 6.4

Valor de las Mediciones
Figura 10: Estudio de Sesgo – Histograma de Estudio de Sesgo
Dado que el 0 cae dentro del intervalo de confiabilidad del sesgo (menos 0.1185,
0.1319), el ingeniero puede asumir que el sesgo de las mediciones es aceptable
asumiendo que el uso actual no introduce fuentes adicionales de variación).
87
σr σb Error
n(m) X , Media Desviación Estándar de
Estándar la Media
Valor Medido 15 6.0067 0.22514 0.05813
Valor de Referencia = 6.00, α = 0.05, g = 1, d 2* = 3.55

Valor t Intervalo de Confianza del
Estadístico
df Significativo Sesgo 95% para el Sesgo
t
(2 – Colas) Inferior Superior
Valor
0.1153 10.8 2.206 0.0067 -0.1185 0.1319
Medido
Tabla 3: Estudio de Sesgo – Análisis del Estudio de Sesgo
GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DEL SESGO – Método por

Gráficas de Control
Si se usa una gráfica X & R o X & s para medir la estabilidad, los datos
pueden también usarse para evaluar el sesgo. El análisis de la gráfica de control
debiera indicar que el sistema d medición es estable antes de que el sesgo se
evaluado.
1) Obtén una muestra y establece su valor de referencia en relación a un

estándar o patrón rastreable. Sino existe uno disponible, selecciona una
parte de producción que caiga en el rango medio de las mediciones de
producción y desígnala como la muestra master para el análisis del sesgo.
Mide la parte n >10 veces en el cuarto de herramientas y calcula el
promedio de las n lecturas. Usa este promedio como el “valor de
referencia”.
Análisis de Resultados – Grafico
2) Grafica los datos como un histograma relativo al valor referencia. Revisa

el histograma, usando conocimientos del tema en cuestión, para
determinar si está presente alguna causa especial o anomalía. Si no
continúa con el análisis.
88
SESGO Análisis de Resultados – Numérico

3) Obtén la X de la gráfica de control.
4) Calcula el sesgo restando el valor de referencia de X .

de Medición Referencia
Sesgo = X - valor de referencia
5) Calcula la desviación estándar de la repetibilidad usando el
promedio de los rangos.
R
σrepetibilidad = *
d2
donde d*2 se basa en el tamaño (m) de los subgrupos y el
número de subgrupos en la gráfica (g). (Ver Apéndice C).
6) Determina el estadístico t para el sesgo:38

σb = σr
g
sesgo
t=
σb
7) El sesgo es aceptable en el nivel alfa si el 0 cae dentro de los

límites de confiabilidad de 1 – alfa y alrededor del valor del sesgo.
⎡ d 2σb ⎤ ⎡ d 2σb ⎤
Sesgo − ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥ ≤ 0 ≤ sesgo + ⎢ * ⎛⎜ t v ,1−α ⎞⎟⎥
⎣ d2 ⎝ 2⎠
⎦ ⎣ d2 ⎝ 2⎠
⎦
donde d2, d2* y v son encontrados en el Apéndice C

y t α es encontrado usando las tablas estándar para t.
v ,1−
2
El nivel de α usado depende del nivel de sensibilidad que sea

necesario para evaluar / controlar el proceso y es asociado con la
función de pérdida (curva de sensibilidad) del producto / proceso.
Debiera obtenerse un acuerdo con el cliente si se usa un nivel de
α diferente al valor por defaul de 0.05 (confiabilidad del 95%).
38 La incertidumbre para el sesgo es dada por σb .

89
Ejemplo – Sesgo
En referencia a la figura 9 el estudio de estabilidad fue realizado sobre una parte que
tenía un valor de referencia de 6.01. El promedio global de todas las muestras (20
subgrupos) fue de 6.021. El sesgo calculado es por tanto 0.011.
Usando una hoja de cálculo y software estadístico, el supervisor generaría un análisis

numérico (tabla 4).
Dado que el cero cae dentro del intervalo de confiabilidad del sesgo (menos 0.0800,
0.1020), el equipo de procesos puede asumir que el sesgo de las mediciones es aceptable
asumiendo que el uso actual no introduce fuentes de variación adicionales.
Error
Desviación
n X , Media Estándar de
Estándar σ
la Media σb
Valor Medido 100 6.021 0.2048 0.0458
Valor de Referencia = 6.01, α = 0.05, m=5, g = 20, d 2* = 2.326

Valor t Intervalo de Confianza del
Estadístico
df Significancia Sesgo 95% del Sesgo
t
(2 – Tailed) Inferior Superior
Valor
0.2402 72.7 1.993 0.011 -0.0800 0.1020
Medido
Tabla 4: Estudio de Sesgo – Análisis de Estudios de Estabilidad para Sesgo
90
Análisis de Estudios de Sesgo
Si el sesgo es estadísticamente no cero, investigar las siguientes posibles causas:
• Error en el master o valor de referencia. Procedimiento de chequeo del master.
• Instrumento desgastado. Esto puede mostrarse en el análisis de estabilidad y

sugeriría un programa de mantenimiento o reconstrucción.
• Instrumento hecho para dimensiones equivocadas.
• Instrumento midiendo la característica equivocada.
• Instrumento no calibrado apropiadamente. Revisar el procedimiento de

calibración.
• Instrumento usado inapropiadamente por el evaluador. Revisar las instrucciones

de medición.
• Algoritmo incorrecto para la corrección del instrumento.
Si el sistema de medición cuenta con un sesgo no cero, donde debiera ser posible
recalibrarse para lograr un sesgo de cero a través de la modificación del hardware,
software o ambos. Si el sesgo no puede ajustarse a cero, todavía puede usarse a través
de un cambio en el procedimiento (ej., ajustando cada lectura por el sesgo). Dado que
ésto cuenta con un alto riesgo de error del evaluador, debiera usarse solo con la
concurrencia del consumidor.
91
GUÍAS Y LINEAMIENTOS PARA DETERMINACIÓN DE LA LINEALIDAD39
La linealidad puede evaluarse usando los siguientes lineamientos:
1) Selecciona g > 5 partes cuyas mediciones, debido a la variación del proceso,

SESGO
cubren el rango de operación del gage.
SESGO
2) Mide cada parte con una inspección de layout para determinar su valor de
referencia y confirmar que el rango de operación del gage en cuestión está
Medición 1 Medición N
cubierto.
3) Mide cada parte m >10 veces sobre el gage en cuestión por uno de los operadores
quien normalmente use el gage mismo.
9 Selecciona las partes al azar para minimizar algún sesgo del evaluador en las
mediciones.
Análisis de Resultados – Grafico
4) Calcula el sesgo de la parte por cada medición y el promedio de los sesgos para
cada parte.
Sesgoi,j = Xi,j – (valor de Referencia)i
∑ Sesgo
j =1
i, j
Sesgoi =
m
5) Grafica los sesgos individuales y loa promedios de los sesgos con respecto a los
valores de referencia sobre una gráfica lineal. (Ver figura 11)
6) Calcula y grafica la mejor línea ajustada y la banda de confiabilidad de la línea

misma usando las ecuaciones siguientes.
Para el mejor ajuste de la línea, usar:
yi = axi + b
donde
xi = Valor de Referencia
yi = Promedio de los sesgos
39
Ver Capítulo I, Sección E, para una definición operacional y discusión de causas potenciales.
92
⎛ 1 ⎞
∑ xy − ⎜⎜ gm ∑ x∑ y ⎟⎟
a= ⎝ ⎠=
∑ x 2 − gm (∑ x )
1 2
b = y − a x = int erceptado
Para un dado x0, los límites para el nivel de confianza40 α son:
donde s = ∑y 2
i − b∑ yi − a ∑ xi yi
gm − 2
⎡ 2 ⎞ 2 ⎤
1
⎛ 1
inferior: b + ax0 − ⎢⎢t gm, −2,1−α ⎜ +
(x 0 − x ) ⎟ s ⎥
⎜
∑ (xi − x ) ⎟⎠ ⎥⎥⎦
2
2 gm
⎢⎣ ⎝
⎡ ⎞ 2 ⎤
1
superior: b + ax0 + ⎢t gm , −2,1−α ⎜

⎛ 1
+
( x 0 − x )2
⎟ s⎥
⎢ 2 ⎜ gm
∑ (x j − x ) ⎟⎠ ⎥⎥⎦
2
⎢⎣ ⎝
7) Graficar la línea de “sesgo = 0” y revisar la gráfica para indicaciones de causas

especiales y aceptación de la linealidad (ver ejemplo de la figura 11).
Para que la linealidad del sistema de medición sea aceptable, la línea de “sesgo =
0” debe extenderse totalmente dentro de las bandas de confiabilidad de la línea
ajustada.
Análisis de Resultados - Numérico
8) Si el análisis gráfico indica que la linealidad del sistema de medición es aceptable

entonces la siguiente hipótesis debiera ser verdad:
H0: a = 0 inclinación = 0
no rechazar si
a
t = ≤ tgm − 2,1 − α 2
⎡ ⎤
⎢ s ⎥
⎢
∑ (x j − x ) ⎦
2 ⎥
⎣
40
Ver la nota para la selección del nivel α en el área de “Lineamientos para Determinar el Sesgo” en Capítulo III,
Sección B.
93
Si la hipótesis anterior es verdad entonces el sistema de medición tiene el mismo

sesgo para todos los valores de referencia. Para que la linealidad sea aceptable este
sesgo debe ser 0.
H0 : b = 0 intersección (sesgo) = 0
No rechazar si
b
t = ≤ tgm − 2,1 − α 2
⎡ 1 x
2 ⎤
⎢ + ⎥s
⎢⎣ gm ∑ (xi − x ) ⎥⎦
2
Ejemplo - Linealidad
Un supervisor de planta estaba presentando un nuevo sistema de medición para un proceso.

Como parte de un PPAP41, la linealidad del sistema de medición necesitaba ser evaluada. Se
seleccionaron 5 partes alrededor del rango de operación del sistema de medición y en base a
la variación del proceso documentado. Cada arte fue medida por una inspección de layout
para determinar su valor de referencia. Cada parte fue entonces medida 12 veces por el
operador titular. Las partes fueron seleccionadas al azar durante el estudio.
Valor de 1 2 3 4 5
Referencia de
la Parte 2.00 4.00 6.00 6.00 8.00
1 2.70 5.10 5.80 7.60 9.10
I 2 2.50 3.90 5.70 7.70 9.30
N 3 2.40 4.20 5.90 7.80 9.50
T 4 2.50 5.00 5.90 7.70 9.30
E 5 2.70 3.80 6.00 7.80 9.40
N 6 2.30 3.90 6.10 7.80 9.50
T 7 2.50 3.90 6.00 7.80 9.50
O 8 2.50 3.90 6.10 7.70 9.50
S 9 2.40 3.90 6.40 7.80 9.60
10 2.40 4.00 6.30 7.50 9.20
11 2.60 4.10 6.00 7.60 9.30
12 2.40 3.80 6.10 7.70 9.40
Tabla 5: Datos del Estudio de Linealidad
Usando una hoja de cálculo y software estadístico, es supervisor generó la gráfica de

linealidad (figura 11).
41
Manual del Proceso de Aprobación de Partes para Producción , 3ª. Edición, 2000
94
Parte 1 2 3 4 5
Valor de
Referencia 2.00 4.00 6.00 6.00 8.00
1 0.7 1.1 -0.2 -0.4 -0.9
2 0.5 -0.1 -0.3 -0.3 -0.7
S 3 0.4 0.2 -0.1 -0.2 -0.5
4 0.5 1.0 -0.1 -0.3 -0.7
E 5 0.7 -0.2 -0.0 -0.2 -0.6
6 0.3 -0.1 0.1 -0.2 -0.5
S 7 0.5 -0.1 0.0 -0.2 -0.5
8 0.5 -0.1 0.1 -0.3 -0.5
G 9 0.4 -0.1 0.4 -0.2 -0.4
10 0.4 0.0 0.3 -0.5 -0.8
O 11 0.6 0.1 0.0 -0.4 -0.7
12 0.4 -0.2 0.1 -0.3 -0.6
Promedio del 0.491667 0.125 0.025 -0.29167 -0.61667
Sesgo
Tabla 6: Estudio de Linealidad – Resultados Intermedios
Ejemplo de Linealidad
Y=0.736667-0.131667X
R-Sq=71.4%
1 ••
•
• ••
*••
•
Sesgo
0 • • *• Sesgo = 0
*•• •
•• •
• *• •
• •• •
• Regresión
*•
• CI 95%
-1 •
Sesgo Promedio
*
2 3 4 5 6 7 8 9 10
Figura 11: Estudio de Linealidad – Análisis Gráfico
95
El análisis gráfico indica que las causas especiales pueden estar influenciando al
sistema de medición. Los datos para el valor de referencia 4 parecen ser bimodales.
Aún si los datos para el valor de referencia 4 no fueran considerados, el análisis

gráfico muestra claramente que este sistema de medición tiene un problema de
linealidad. El valor de R2 indica que un modelo lineal puede no ser un modelo
apropiado para estos datos.42 Aún si el modelo lineal fuera aceptado, la línea de “sesgo
= 0” intersecta los límites de confiabilidad más que estar contenido dentro de éstos.
En este punto, el supervisor debe empezar el análisis y resolución del problema del
sistema de medición, dado que el análisis numérico no ofrecerá ningún aspecto
adicional. Sin embargo, queriendo estar seguro que el trabajo en papel no se deja
pendiente, el supervisor calcula el estadístico t para la inclinación e intersección:
ta = -12.043
tb= 10.158
Tomando el defaul α = 0.05 y yendo a las tablas t con (gm – 2) = 58 grados de libertad
y una proporción de 0.975, el supervisor llega al valor crítico de:
t58,.975= 2.00172
Dado que valor absoluto de t a > t 58,,975 , el resultado obtenido del análisis gráfico es
reforzado con el análisis numérico- existe un problema de linealidad con este sistema
de medición.
En este caso, no importa que relación tenga tb con t58,.975 dado que existe un problema de
linealidad. Las posibles causas para problemas de linealidad pueden encontrarse en el
capítulo I, sección E, “Variación de la Localización”.
Si el sistema de medición tiene un problema de linealidad, necesita ser recalibrado

para lograr un sesgo de 0 a través de la modificación del hardware, software o ambos.
Si el sesgo no puede ser ajustado a cero a través del rango del sistema de medición,
todavía puede ser usado para control del producto / proceso, pero sin análisis hasta que
el sistema de medición llegue a ser estable.
Dado que ésto cuenta con un alto riesgo de error del evaluador, debiera
ser usado solo con la concurrencia del cliente.
42
Ver textos estadísticos estándar sobre análisis de lo apropiado en usar el modelo lineal para describir la relación
entre dos variables.
96
LINEAMIENTOS PARA DETERMINAR REPETIBILIDAD Y REPRODUCIBILIDAD 43

Valor Referencia
El estudio de gages para variables puede ejecutarse usando un número de diferentes
técnicas. Tres métodos aceptables serán discutios en detalle en esta sección. Estos son:
A C B
RRG • Método de rangos
• Método de promedios y rangos (incluyendo el método de la gráfica de control)
• Método ANOVA
Excepto para el método de rangos, el diseño de los datos de estudio es muy similar para
cada uno de estos métodos. Como se presentan, los métodos ignoran la variación dentro
de las partes (tal como, redondeo, planicidad, etc., como es discutido en el capítulo V,
sección A) en sus análisis.
Sin embargo, el sistema de medición total incluye no solo el gage mismo y su sesgo
respectivo, repetibilidad, etc., sino también puede incluir la variación de las partes a ser
checadas. La determinación de cómo manejar la variación dentro de las partes necesita
basarse en un entendimiento racional del uso esperado de la parte y el propósito de las
mediciones.
Finalmente, todas las técnicas en esta sección están sujetas al prerrequisito de

estabilidad estadística.
Aunque la reproducibilidad es usualmente interpretada como la variación

del evaluador, existen situaciones donde esta variación es debida a otras
fuentes de variación misma. Por ejemplo, con algunos sistemas de
medición en proceso no existen evaluadores humanos. Si todas las partes
son manejadas, ajustada y medidas por el mismo equipo, entonces la
reproducibilidad es cero; ej., solo es necesario un estudio de
repetibilidad. Sin embargo, si se usan dispositivos múltiples, entonces la
reproducibilidad es la variación entre los dispositivos.
Método de Rangos
El método de rangos es un estudio de gages de variables modificado el cual ofrece una
aproximación rápida de la variabilidad de las mediciones. Este método ofrece solo una
gráfica global del sistema de medición. No secciona la variabilidad en repetibilidad y
reproducibilidad. Es típicamente usada como un chequeo rápido para verificar que la
RRG no haya cambiado.
Este enfoque tiene el potencial de detectar un sistema de medición no

aceptable44 el 80% del tiempo con un tamaño de muestra de 5 y el 90%
del tiempo con un tamaño de muestra de 10.
43
Ver Capítulo I, Sección E, para una definición operacional y discusión de las causas potenciales.
44
Ej., % de RRG > 30%
97
El método de rangos típicamente utiliza dos evaluadores y 5 partes para el estudio. En
este estudio, ambos evaluadores miden cada parte una a la vez. El rango para cada parte
es la diferencia absoluta entre la medición obtenida por el evaluador A y la medición
obtenida por el evaluador B. La suma de rangos es encontrada y el promedio de rangos
R es calculado. La variación total de las mediciones es encontrada multiplicando el
1
promedio de los rangos por *
donde d 2* es encontrado en el apéndice C, con m = 2 y
d2
g = número de partes.
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
Promedio de los Rangos (R ) =

∑ Ri = 0.35 = 0.07
5 5
⎛ R ⎞ ⎛ R ⎞ ⎛ 0.07 ⎞
RRG = ⎜⎜ * ⎟⎟ = ⎜⎜ ⎟⎟ = ⎜ ⎟ = 0.0588
⎝ d 2 ⎠ ⎝ 1.19 ⎠ ⎝ 1.19 ⎠
(Desviación Estándar del Proceso = 0.0777 del Estudio Previo)
⎛ RRG ⎞
% RRG = 100 * ⎜ ⎟ = 75.7%
⎝ DesviaciónEstándar Pr oceso ⎠
Tabla 7: Estudio de Gages (Método de Rangos)
Para determinar que porcentaje de la desviación estándar del proceso consume la

variación de las mediciones, convertir el RRG a un porcentaje multiplicando por 100 y
dividiendo entre la desviación estándar del proceso. En el ejemplo (ver tabla 7), la
desviación estándar del proceso para esta característica es 0.0777, por tanto,
⎛ RRG ⎞
% RRG = 100 * ⎜ ⎟ = 75.7%
⎝ DesviaciónEstándar Pr oceso ⎠
Ahora que el porcentaje del RRG para el sistema de medición es determinado, debiera
darse una interpretación de los resultados. En la tabla 7, se determina que el porcentaje
de RRG es 77.5% y la conclusión es que el sistema de medición necesita mejoramientos.
98
Métodos de Rangos y Promedios
El método de promedios y rangos ( X & R) es un enfoque el cual ofrece un estimativo

de la repetibilidad y reproducibilidad para un sistema de medición. A diferencia del
método de rangos, este enfoque permite que la variación del sistema de medición sea
seccionada en dos componentes por separado, repetibilidad y reproducibilidad, pero no
su interacción.45
Aunque el número de evaluadores, intentos y partes puede variar, la discusión

subsecuente representa las condiciones óptimas para conducir el estudio. Hacer
referencia a la hoja de datos RRG en la figura 12. El procedimiento detallado es como
sigue:
1) Obtén una muestra de n > 5 partes46 que represente el rango actual o esperado de la
variación del proceso.
2) Haz referencia a los evaluadores como A, B, C, etc. y al número de partes 1 hasta n

de manera que los números no sean visibles a los evaluadores.
Ver Capítulo 2, Sección C
3) Calibra el gage si esto es parte de los procedimientos normales del sistema de

medición. Permite al evaluador A medir n partes en un orden aleatorio47 y registra
los resultados en el renglón 1.
4) Permite a los evaluadores B y C medir las mismas partes n sin ver las lecturas de
uno con otro; entonces registra los resultaos en los renglones 6 y 11
respectivamente.
5) Repite el ciclo usando un orden aleatorio diferente de las mediciones. Registra los
datos en los renglones 2,7 y 12. Registra los datos en la columna apropiada. Por
ejemplo si la primer pieza media es la parte 7 entonces registra el resultado en la
columna etiquetada como parte 7. Si son necesarios tres intentos, repite el ciclo y
registra los datos en los renglones 3, 8 y 13.
6) Los pasos 4 y 5 pueden cambiar a lo siguiente cuando el tamaño de las partes es

grande o no hay disponibilidad de partes simultáneamente, lo cual hace necesario:
9 Permita que el evaluador A mida la primer parte y registre la lectura en el

renglón 1. Luego el evaluador B mide la primer parte y registra la lectura en el
renglón 6. Luego el evaluador C mide la primer parte y registra la lectura en el
renglón 11.
45
El método ANOVA puede usarse para determinar la interacción entre el gage y los evaluadores, si existe tal.
46
El número total de “rangos” generado debe ser > 15 para un nivel mínimo de confiabilidad en los resultados.
Aunque la forma fue diseñada para un máximo de 10 partes, este enfoque no se limita a ese número. Como en
cualquier técnica estadística, mientras más grande es el tamaño de muestra, es menor la variación del muestreo
47
y menor el riesgo resultante será presente.
Ver Capítulo III, Sección B, “Aleatoriedad y Independencia Estadística”.
99
9 Permite que el evaluador A repita la lectura de la primer parte y registren dicha

lectura en el renglón 2, el evaluador B registra la lectura repetida en el renglón 7
y el evaluador C registra la lectura repetida en el renglón 12. Repite este ciclo y
registra los resultados en los renglones 3, 8 y 13 si se aplican 3 intentos.
7) Un método alternativo puede usarse si los evaluadores son de diferentes turnos.

Permite que el evaluador A mida todas las 10 partes y registre las lecturas en el
renglón 1. Luego el mismo evaluador A repite las lecturas en un orden diferente
y registra los resultados en los renglones 2 y 3. Haz lo mismo con los
evaluadores B y C.
100
Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages
Evaluador Parte
Promedio
/Intento # 1 2 3 4 5 6 7 8 9 10
1 A 1 0.29 -0.56 1.34 0.47 -0.80 0.02 0.59 -0.31 2.26 -1.36
2 2 0.41 -0.68 1.17 0.50 -0.92 -0.11 0.75 -0.20 1.99 -1.25
3 3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31
4 Promedio
Xa =
5 Rango
Ra =
6 B 1 0.08 -0.47 1.19 0.01 -0.56 -0.20 0.47 -0.63 1.80 -1.68
7 2 0.25 -1.22 0.94 1.03 -1.20 0.22 0.55 0.08 2.12 -1.62
8 3 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50
9 Promedio
Xb =
10 Rango Rb =
11 C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49
12 2 -0.11 -1.13 1.09 0.20 -1.07 -0.67 0.01 -0.56 1.45 -1.77
13 3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16
14 Promedio
Xc =
15 Rango
Rc =
16 Promedio X=
por Parte
Rp =
17
R = ([(Ra = )] + [Rb = ] + [R c = ]) [# deEvaluadores = ]= R=
18
X DIFF = [X Max = ] − [X Min = ]=
19 *
[
LCSR = R = ]× [D 4 = ]=
* * D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. UCLR representa el límite de las lecturas
individuales Rs. Circular aquellas que estén fuera de éste límite. Identificar las causas y
corregirlas. Repetir estas lecturas usando el mismo evaluador y unidad como originalmente
se usó o descartar los valores y recalcular el promedio y R y el valor del límite de las
observaciones restantes.
Notas:
Figura 12: Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages
101
Análisis de Resultados – Grafico 48
El uso de herramientas gráficas es muy importante. Las herramientas gráficas

específicas usadas dependen del diseño experimental empleado para recolectar los datos.
Un esquema sistemático de los datos para variaciones aparentes por causas especiales y
usando herramientas gráficas debiera anteceder a un análisis estadístico.
Las siguientes son algunas de las técnicas que se ha probado son útiles. (ver también el
Método de Análisis de Varianzas).
Los datos del análisis del sistema de medición pueden ser desplegados gráficamente con
gráficas de control. La idea de usar gráficas de control para responder preguntas
relativas a un sistema de medición ha sido aplicada por Western Electric (Ver Manual
de Control Estadístico de la Calidad de AT&T en la lista de referencias).
Gráfica de Los promedios de las lecturas múltiples por cada evaluador y en cada parte son
Promedios graficados por evaluador con el número de arte como un índice. Esto puede ayudar a
determinar la consistencia entre evaluadores.
El gran promedio y los límites de control determinados usando el promedio de los

rangos también son graficados. La gráfica de promedios resultante ofrece una indicación
de la “facilidad de uso” del sistema de medición.
El área dentro de los límites de control representa la sensibilidad (“ruido”) de las

mediciones. Dado que el grupo de partes usado en el estudio representa la variación del
proceso, aproximadamente una mitad o más de los promedios debiera caer fuera de los
límites de control. Si los datos muestran este patrón, el sistema de medición debiera ser
adecuado para detectar variaciones de parte a parte, y el sistema de medición mismo
puede ofrecer información útil para analizar y controlar el proceso. Si menos de la mitad
cae fuera de los límites de control entonces el sistema de medición carece de una
resolución efectiva y adecuada o la muestra no representa la variación esperada del
proceso.
48
Descripciones detalladas de estos análisis están fuera del alcance de este documento. Para mayor información,
ver referencias y buscar asistencia de fuentes estadísticas competentes.
102
Promedio
Figura 13: Gráfica de Promedios – “Estancada” 49
Revisar que todas las gráficas indiquen que el sistema de medición parece tener una
suficiente discriminación para los procesos con la variación descrita por las partes de la
muestra. No existen diferencias aparentes entre evaluador a evaluador.
2

1
Promedio

UCL
0

LCL

-1

-2
Ev. A Ev. B Ev. C
Figura 14: Gráfica de Promedios “No Estancada”
49
Con el enfoque ANOVA, esta es también referida como gráfica de interacción del evaluador-por-parte
103
Graficas de Rangos La gráfica de control de rangos es usada para determinar si el proceso está en control. La
razón es que no importa que tan grande sea el error de las mediciones pero los límites de
control permitirán tal error. Esto es porque las causas especiales necesitan ser
identificadas y retiradas antes de que el estudio de las mediciones sea relevante.
Los rangos de las lecturas múltiples por cada evaluador y en cada parte son graficadas en
una gráfica estándar de rangos incluyendo los rangos promedios y los límites de control.
Del análisis de datos graficados pueden darse varias interpretaciones. Si todos los rangos
están en control, los evaluadores están haciendo el mismo trabajo.
Si un evaluador está fuera de control, el método usado difiere de los otros.
Si todos los evaluadores están fuera de los rangos de control, el sistema de medición es
sensible a la técnica del evaluador y requiere mejoramientos para obtener datos útiles.
Ninguna gráfica debiera desplegar patrones en los datos relativos a los

evaluadores o partes.
Los rangos no son datos ordenados. El análisis de tendencias normales de la

gráfica de control no debe usarse aún y cuando los puntos graficados sean
conectados por líneas.
La estabilidad se determina por un punto o puntos fuera de límites de

control; patrones dentro del evaluador o dentro de las partes. El análisis de la
estabilidad debiera considerar la significancia practica y estadística.
La gráfica de rangos puede ayudar a determinar:
• El control estadístico con respecto a la repetibilidad.

• La consistencia del proceso de medición entre los evaluadores para cada parte.
Rango
Parte
Figura 15: Gráfica de Rangos – “Estancada”
104
1.0
UCL

Rango
0.5

0.0
Ev. A Ev. B Ev. C

Figura 16: Gráfica de Rangos – “No Estancada”
La revisión de las gráficas anteriores indica que no hay diferencias entre la variabilidad de
los evaluadores.
Gráfica de Corridas Las lecturas individuales son graficas por parte para todos los evaluadores (ver figura 17)
para obtener detalles de:
• El efecto de las partes individuales sobre la consistencia de la variación

• La indicación de lecturas irregulares (ej., lecturas anormales)
Valor
Parte
Figura 17: Gráfica de Corridas por Parte
La revisión de la gráfica anterior no indica alguna anormalidad o parte inconsistente.
105
Diagrama de Las lecturas individuales son graficadas por parte y por evaluador (ver figura 18) para
Dispersión obtener detalles de:
• Consistencia entre los evaluadores
• Indicación de posibles anormalidades
• Interacciones parte – evaluador
La revisión de la figura 18 no indica alguna irregularidad significativa aunque indica

que el evaluador C pueda tener lecturas inferiores que los otros evaluadores.
g
1 g
g
g

g
Valor
g
0 g g

g
g
g g

-1 g

g g

-2
3 4 5
Parte 1 2
g
2
g

g

1
g
g

g
Valor
g g
0
g
g

g

g g
-1

g

g

-2
8 9 10
Parte 6 7
Evaluador
A g B C
Figura 18: Diagrama de Dispersión
106
Gráficas de Bigotes En las gráficas de bigotes, los valores de datos altos y bajos y el promedio por parte – A
– evaluador son graficados (ver figura 19). Esto ofrece detalles de:
• Consistencia entre evaluadores.
• Indicación de irregularidades.
• Interacciones parte – evaluador.

3 3
2 2
1 1
Ev. A
Ev. B
0 0
-1 -1
-2 -2
-3 -3
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Parte Parte
3
1
Ev. C
-1
-2
-3
1 2 3 4 5 6 7 8 9 10
Parte
Figura 19: Gráfica de Bigotes
La revisión de la figura 19 no indica que haya alguna irregularidad significativa aunque

muestra que el proveedor B puede contar con a mayor variabilidad.
107
Graficas de Errores Los datos del análisis del sistema de medición pueden ser analizados corriendo “gráficas
de errores” (ver figura 20) de las desviaciones individuales de los valores de referencia
aceptados. La desviación individual o error para cada parte es calculado como sigue:
Error = Valor Observado - Valor de Referencia
Error = Valor Observado – Promedio de las mediciones de la parte
Esto depende de si los valores de referencia de los datos a ser medidos están disponibles
o no.
g
0.5 g
g

g g

Error

0.0
g g

g g
g
g g g g

-0.5 g
Parte 1 2 3 4 5
0.5 g g
g g
g
g
g
Error
0.0
g g
g

g

g g
g
g
-0.5

Parte 1 2 3 4 5
Evaluador A g B C
Figura 20: Gráfica de Error
La revisión de las gráficas anteriores indica que:
• El evaluador A cuenta con un sesgo positivo global
• El evaluador B cuenta con la mayor variabilidad pero sin sesgo aparente
• El evaluador C cuenta con un sesgo negativo global
108
Histograma La gráfica de histograma (figura 21) es una gráfica que despliega la distribución de
Normalizado frecuencias del error del gage de los evaluadores que participaron en el estudio.
También muestra su distribución de frecuencia combinada.
Si los valores de referencia están disponibles:
Error = Valor Observado – Valor de Referencia
De lo contrario:
Valor Normalizado = Valor Observado – Promedio de las Partes
La gráfica de los histogramas ofrece un bosquejo visual y rápido de cómo el error es

distribuido. Aspectos clave tales como si el sesgo o falta de consistencia existe en las
mediciones tomadas por los evaluadores, puede identificarse aún antes de que los datos
sean analizados.
El análisis de los histogramas (figura 21) refuerza a las gráficas de errores. Estas
también indican que solo el evaluador B tiene una forma
7 simétrica. Esto puede indicar que los evaluadores A y C
6 están introduciendo una fuente de variación sistemática
5
que está resultando en los sesgos.
Frecuencia
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45
Ev. A
5
Frecuencia
-0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 0.5 0.6
Ev. B
7
5
Frecuencia
-0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0

Ev.C Linea de Error = 0
Figura 21: Histograma Normalizado50
50
Hacer notar que el “0.0” de cada uno de los histogramas están alineados cada uno con respecto a los otros.
109
Diagrama X-Y de Los promedio de las lecturas múltiples por cada evaluador y en cada parte son
Promedios por Medida graficados con el valor de referencia o los promedios globales de las partes como índice
(ver figura 22). Esta gráfica puede ayudar a determinar:
• Linealidad (sí se usa el valor de referencia).
• Consistencia en la linealidad entre evaluadores.
3 3
2 •• 2 ••
•• • •
• • ••
1 1
•
•• •• •
• • •• •• •• •
Ev. B
0 0
Ev. A
• •• •• ••
-1 •• • -1 • •• •
• • ••
-2 -2
-3 -3
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
Referencia Referencia
3
2
••
1 •
••
•
Ev. C
0
•• •• ••
•
• •• • ••
-1
••
-2
••
-3
•
-3 -2 -1 0 1 2 3
Referencia
Figura 22: Diagrama X-Y de Promedios por Medida

Comparación de Los promedios de las lecturas múltiples por cada evaluador y en cada parte son
Gráficas X-Y graficados uno con otro de los evaluadores como índices. Esta gráfica compara los
valores obtenidos por un evaluador contra los demás (ver figura 23). Si hubiera un
acuerdo perfecto entre proveedores, los puntos graficados describirían una línea recta a
través del origen y un eje a 45o.
110
Ev. A
1.25 ••
• • ••
• ••• ••• •• • •
•
Ev. B
-1.25 • ••••• •••
••
•••
1.25
• •• • •
••
• •• •• • • • •• • •
•••••••••••• ••••••• • •••••
•• •• • • • Ev. C
-1.25
•
••••• • •••• •
•
••
••• •••
.25
.25
5
5
1.2
1.2
-1
-1
Figura 23: Comparación de Gráficas X-Y
Cálculos Numéricos
Los cálculos de la RRG son mostrados en las figuras 24 y 25. La figura 24 muestra la
hoja de recolección de datos en la cual se registran todos los resultados del estudio. La
figura 25 despliega un reporte en el cual toda la información identificada es registrada y
se hacen todos los cálculos de acuerdo con las fórmulas prescritas.
Formatos en blanco y reproducibles se encuentran en la sección de

formatos muestra. El procedimiento para realizar los cálculos después de
que los datos se ha recolectado es como sigue:
(Lo siguiente se refiere a la figura 24)
1) Restar la lectura más pequeña de la lectura más larga en los renglones 1, 2 y 3;

registrar el resultado en el renglón 5. Hacer lo mismo para renglones 6, 7 y 8; y
11, 12 y 13, y registrar los resultados en los renglones 10 y 15 respectivamente.
2) Los registros en los renglones 5, 10 y 15 son rangos y por tanto siempre ser
valores positivos.
3) Totaliza el renglón 5 y divide el total por el número de las partes muestreadas
para obtener el promedio de los rangos para los primeros intentos de los
evaluadores R a . Hacer lo mismo para renglones 10 y 15 y obtener R b y R c .
4) Transfiere los promedios de los renglones 5, 10 y 15 ( R a , R b , R c ) al renglón
17. Súmalos y divídelos por el número de los evaluadores y registra el resultado
R (promedio de todos los rangos).
111
5) Registra R (valor promedio) en el renglón 19 y multiplícalo por D4 51 para

obtener el límite superior de control. Notar que D4 es 3.27 si se realizan dos
intentos. El valor del Límite Superior de Control (UCLR) de los rangos
individuales es registrado en el renglón 19. NOTA: El valor del Límite Inferior
de Control (LCLR) para menos de 7 intentos es igual a cero.
6) Repite las lecturas que se produzcan en un rango mayor que el UCLR calculado
usando el mismo evaluador y parte como originalmente se aplicó, o descarta
dichos valores y recalcula el promedio y R y el valor del límite UCLR en base
al tamaño de muestra revisado. Corrige las causas especiales que generaron la
condición fuera de control. Si los datos fueran graficados y analizados usando
una gráfica de control como se discutió previamente, esta condición se habría
ya corregido y no ocurriría aquí.
7) Suma los renglones (renglones 1, 2, 3, 6, 7, 8, 11, 12 y 13). Divide la suma en
cada renglón por el número de partes muestreadas y registra estos valores en la
columna que está más a la derecha titulada como promedio”.
8) Suma los promedios de los renglones 1, 2 y 3 y divide el total por el número de
intentos y registra el valor en el renglón 4 en la celda de X a . Repite esto para
los renglones 6,7 y 8; y 11, 12 y 13 y registra los resultados en las celdas para
X b y X c en los renglones 9 y 14, respectivamente.
9) Registra los promedios máximo y mínimo de los renglones 4, 9 y 14 en el
espacio apropiado en el renglón 18 y determina la diferencia. Registra esta
diferencia en el espacio titulado como X DIFF en el renglón 18.
10) Suma las mediciones para cada intento, para cada parte, y divide el total por el
número de mediciones (número de intentos por número de evaluadores).
Registra los resultados en el renglón 16 en los espacios provistos para el
promedio de las partes.
11) Resta el promedio de las partes más pequeño del promedio de las partes más
largo y registra el resultado en el espacio titulado RP en el renglón 16. RP es el
rango de los promedios de las partes.
(Lo siguiente se refiere a la figura 25)
12) Transfiere los valores calculados de R , X DIFF y RP a los espacios en blanco

provistos en el reporte adicional.
13) Ejecuta los cálculos bajo la columna titulada “Análisis de las Unidades de
Medición” en el lado izquierdo del formato.
14) Ejecuta los cálculos bajo la columna titulada “Porcentaje de la Variación Total”
en el lado derecho del formato.
15) Checa los resultados para asegurarse de que no haya errores.
51
Ver Manual de Referencia del Control Estadístico de los Procesos (SPC), 1995, u otra fuente de referencia
estadística para una tabla de factores.
112
Hoja de Recolección de Datos para Repetibilidad y Reproducibilidad de Gages

Evaluador Parte
Promedio
/Intento # 1 2 3 4 5 6 7 8 9 10
1 A 1 0.29 -0.56 1.34 0.47 -0.80 0.02 0.59 -0.31 2.26 -1.36 0.194
2 2 0.41 -0.68 1.17 0.50 -0.92 -0.11 0.75 -0.20 1.99 -1.25 0.166
3 3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31 0.211
4 Promedio
0.447 -0.607 1.260 0.537 -0.853 0.100 0.667 -0.227 2.087 -1.307 X a = 0.1903
5 Rango
0.35 0.12 0.17 0.17 0.12 0.23 0.16 0.14 0.27 0.11 Ra = 0.184
6 B 1 0.08 -0.47 1.19 0.01 -0.56 -0.20 0.47 -0.63 1.80 -1.68 0.001
7 2 0.25 -1.22 0.94 1.03 -1.20 0.22 0.55 0.08 2.12 -1.62 0.115
8 3 0.07 -0.68 1.34 0.20 -1.28 0.06 0.83 -0.34 2.19 -1.50 0.089
9 Promedio
0.133 -0.790 1.157 0.413 -1.013 0.027 0.617 -0.297 2.037 -1.600 X b = 0.0683
10 Rango
0.18 0.75 0.40 1.02 0.72 0.42 0.36 0.71 0.39 0.18 Rb = 0.513
11 C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49 -0.223
12 2 -0.11 -1.13 1.09 0.20 -1.07 -0.67 0.01 -0.56 1.45 -1.77 -0.256
13 3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16 -0.284
14 Promedio -0.073 -1.157 0.880 0.150 -1.327 0.483 0.080 -0.503 1.697 -1.807 X c = -0.2543
15 Rango
0.19 0.42 0.42 0.09 0.39 0.38 0.20 0.10 0.42 0.67 Rc = 0.328
16 Promedio X = .0014
por Parte 0.169 -0.851 1.099 0.367 -1.064 -0.186 0.454 -0.342 1.940 -1.571
Rp = 3.511
17
R = ([(Ra = 0.184)] + [Rb = 0.513] + [Rc = 0.328]) [# deEvaluadores = 3] = R = 0.3417
18
X DIFF = [X Max = 0.1903] − [X Min = −0.2543] = X DIFF = 0.4446
19 *
[ ]
LCSR = R = 0.3417 × [D 4 = 2.58] = LCSR = 0.8816
* * D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. UCLR representa el límite de las lecturas
individuales Rs. Circular aquellas que estén fuera de éste límite. Identificar las causas y corregirlas.
Repetir estas lecturas usando el mismo evaluador y unidad como originalmente se usó o descartar
los valores y recalcular el promedio y R y el valor del límite de las observaciones restantes.
Notas:
Figura 24: Hoja de Recolección de Datos Completo para R&RG
113
Reporte de Repetibilidad y Reproducibilidad de Gages

Nombre y No. De Parte: Nombre del gage: Fecha:
Características: No. De gage: Revisado por:
Especificaciones:
Tipo de Gage:
Dato : R = 0.3417 X DIFF = 0.4446 Rp=3.511

Análisis de Medición Unitaria % de Variación Total (TV)
Repetibilidad – Variación del Equipo (EV)
EV = R × K 1 %EV = 100[EV/TV]
=0.3417x0.5908 Intentos K1 = 100 [0.20188/1.14610]
= 0.20188 2 0.8862 =17.62%
3 0.5908
Reproducibilidad – Appraiser Variación (AV)
AV = (X DIFF × K 2 )2 − (EV 2 nr ) %AV =100 [AV/TV]
= (0.4446 × 0.5231)2 − (0.201882 (10 × 3)) =100 [0.22963/1.14610]
=0.22963 Evaluadores 2 3 = 20.04%

K2 0.7071 0.5231
Repetibilidad y Reproducibilidad (RRG)
RRG = EV 2 + AV 2 %RRG = 100 [RRG/TV]
= (0.20188 2
+ 0.229632 ) Partes K3
=
[0.30575/1.14610]
100
= 0.30575 2 0.7071 = 26.68%

3 0.5231
Variación de Parte (PV) 4 0.4467 %PV = 100 [PV/TV]
PV = Pp × K 3 5 0.4030 = 100 [1.10456/1.14610]
=1.10456 6 0.3742 =96.38%
Variación Total (TV) 7 0.3534
TV = RRG 2 + PV 2 8 0.3375
= (0.30575 + 1.10456 2 ) 9 0.3249 (

ndc = 1.41 PV
RRG
)
= 1.41 (1.10456/0.30575)
= 1.14610 10 0.3146
= 5.094~5
Para información sobre la teoría y constantes usadas en el formato ver Manual de Referencia MSA, 3ª. Edición
Figura 25: Reporte de Repetibilidad y Reproducibilidad de Gages
114
Análisis de Los formatos de hoja y reporte de recolección de datos de la repetibilidad y
Resultados - reproducibilidad de gages, figuras 24 y 25, ofrecen un método para el análisis
numérico de los datos de un estudio.52 El análisis estima la variación y porcentaje de la
Numéricos variación del proceso para el sistema de medición total, y sus componentes de
repetibilidad, reproducibilidad y variación de la parte. Esta información necesita ser
comparada y complementada con los resultados del análisis gráfico.
En el lado izquierdo del formato (figura 25) con Análisis de las Unidades de Medición
se calcula la desviación estándar para cada componente de variación.
La repetibilidad o variación del equipo (EV o σ E ) se determina multiplicando el

promedio de los rangos ( R ) por una constante (K1). K1 depende del número de
intentos aplicados en el estudio del gage y es igual al inverso de d 2* , el cual se obtiene
del apéndice C. d 2* depende del número de intentos (m) y el número de partes por el
número de evaluadores (g) (se asume que es mayor que 15 al calcular el valor de K1).
La reproducibilidad o variación de los evaluadores (AV o σA) se determina

multiplicando la máxima diferencia promedio entre los evaluadores ( X DIFF ) por una
constante (K2). K2 depende del número de evaluadores usados en el estudio del gage y
es el inverso de d 2* el cual se obtiene del apéndice C. d 2* depende del número de
evaluadores (m) y g =1, dado que solo existe el cálculo de un rango. Dado que la
variación del evaluador es contaminada pro la variación del equipo, debe ajustarse
restando una fracción de la variación del equipo. Por tanto, la variación de los
valuadores (AV) es calculada por
(X DIFF × K 2 )2 − (EV )
2
AV =
nr
Donde n = número de partes y r = número de intentos.
Si se calcula un valor negativo bajo el símbolo de la raíz cuadrada, la variación de los

evaluadores (AV) es cero por defaul.
La variación del sistema de medición para repetibilidad y reproducibilidad (RRG o σM)

se calcula sumando el cuadrado de la variación del equipo y el cuadrado de la variación
de los evaluadores, y sacando la raíz cuadrada como sigue:
RRG = (EV )2 + ( AV )2
52
Los resultados numéricos en el ejemplo fueron desarrollados como si fueran calculados manualmente; ej., los
resultados fueron realizados y redondeados a un digito decimal adicional. El análisis con programas de
computadora debiera mantener los valores intermedios con una máxima precisión con el lenguaje de
programación / computadora. Los resultados de un programa de computadora pueden diferir de los resultados
del ejemplo en el lugar del segundo decimal o mayor pero el análisis final se mantendrá igual.
115
La variación parte – a – parte (PV o σP) se determina multiplicando el rango de los

promedios de las partes (RP) por una constante K3). K3 depende del número de partes
usadas en el estudio del gage y es el inverso de d 2* el cual se obtiene del apéndice C.
d 2* depende del número de partes (m) y (g). En este caso g = 1 dado que solo existe el
cálculo de un rango.
La variación total (TV o σT) del estudio se calcula sumando el cuadrado de las
variaciones de repetibilidad y reproducibilidad y la variación parte a parte (PV) y
aplicando la raíz cuadrada como sigue:
TV = (RRG )2 + (PV )2
Si la variación del proceso es conocida y su valor se basa en 6σ, entonces puede ser
usado en lugar de la variación total del estudio (TV) calculada de los datos del estudio
del gage. Esto se logra ejecutando los siguientes dos cálculos:
Variación Pr oceso
1) TV =
6.00
2) PV = (TV )2 − (RRG )2
Ambos valores (TV y PV) reemplazarían a los calculados previamente.
Una vez que la variabilidad para cada factor en el estudio del gage se determina, puede
comparase con la variación total (TV). Esto se logra ejecutando los cálculos del lado
derecho del formato de reporte del gage (figura 25) con el título “Porcentaje de la
Variación Total”.
El porcentaje de la variación del equipo (% de EV) consume el total de la variación

(TV) y es calculado por 100 [EV / TV ] . Los porcentajes de los otros factores de
consumo de la variación total pueden ser calculados igualmente como sigue:
% AV = 100[AV TV ]
% RRG = 100[RRG TV ]
% PV = 100[PV TV ]
LA SUMA DEL PORCENTAJE CONSUMIDO POR CADA FACTOR

NO SERA IGUAL AL 100%.
Los resultados de este porcentaje de variación total necesitan ser evaluados para
determinar si el sistema de medición es aceptable para su aplicación esperada.
Si el análisis se basa en las tolerancias en lugar de la variación del
proceso, entonces el formato del reporte RRG (figura 25) puede modificarse
!
de manera que el lado derecho del formato mismo represente el porcentaje
de la tolerancia en lugar del porcentaje de la variación total. En tal caso,
los %EV, %AV, %RRG y %PV son calculados sustituyendo el valor de la
tolerancia dividida por 6 en el denominador de los cálculos en lugar de la
variación total (TV).
116
Ambos enfoques pueden tomarse dependiendo del uso
esperado de sistema de medición y los deseos del cliente.
El paso final en el análisis numérico es determinar el número de categorías distintas que

pudieran ser distinguidas confiadamente por el sistema de medición. Este es el número
de los intervalos de confianza no traslapados en un 97%, los cuales se extienden en la
variación esperada del producto.53
(
ndc = 1.41 PV
RRG
)
Dado que el análisis gráfico no ha indicado alguna variación por causas especiales, la
regla empírica para la repetibilidad y reproducibilidad del gage (porcentaje RRG) puede
encontrarse en el capítulo II, sección D.
Además, el ndc es truncado a enteros y debe ser mayor o igual a 5.
Método de Análisis de Varianzas (ANOVA)

El análisis de varianzas (ANOVA) es una técnica estadística y estándar y puede ser
utilizada para analizar los errores den las mediciones y otras fuentes de variabilidad de
los datos en un estudio de sistemas de medición. En el análisis de varianza, la varianza
puede ser seccionada en cuatro categorías: partes, evaluadores, interacción entre las
partes y evaluadores y error de replicación debida al gage.
Las ventajas de las técnicas ANOVA, comparadas con los métodos de promedios y
rangos, son que:
• Son capaces de manejar cualquier ajuste experimental
• Pueden estimar las varianzas en forma más exacta
• Extractan más información (tal como el efecto de la interacción de las partes y los
evaluadores) de datos experimentales
Las desventajas son que los cálculos numéricos son más complejos y los usuarios
requieren un cierto grado de conocimiento estadístico para interpretar los resultados. El
método ANOVA como se describe en las siguientes secciones es aconsejable,
especialmente si existe disponible una computadora.
Aleatoriedad e El método para recolectar los daros es importante en un método ANOVA. Si los datos
Independencia no son recolectados en forma aleatoria, esto puede conducir a fuentes de valores de
sesgo. Una forma simple para asegurar un diseño balanceado para (n) partes, (k)
Estadística evaluadores y (r) intentos es a través de la aleatoriedad. Un enfoque común para
aleatoriedad es escribir A1 en una tira de papel para denotar las mediciones del primer
evaluador sobre la primera parte.
53
Ndc es lo mismo que “Razón / Proporción de Clasificación” de Wheeler, definida en la 1ª. Edición de Evaluación
de los Procesos de Medición, Wheeler and Lidia, 1984. Para un método alternativo (“Razón de Discriminación”)
para determinar la resolución efectiva ver la segunda edición de este libro publicada en 1989.
117
Hacer esto hasta A(n) para las mediciones del primer evaluador en las n partes. Sigue el
mismo procedimiento para el siguiente evaluador hasta incluir los k evaluadores.
Símbolos similares son usados donde B1, C1 denotan las mediciones para los
evaluadores A y B de la primera parte. Una vez que todas las combinaciones nk son
escritas, entonces las tiras de papel son puestas en un recipiente. Una tira de papel es
seleccionada a la vez. Estas combinaciones (A1, B2, ...) son el orden de medición en el
cual el estudio de gages será ejecutado. Una vez que todas las combinaciones nk son
seleccionadas, estas son puestas de regreso en el recipiente y el procedimiento se sigue
otra vez. Esto se hace para un total de r veces para determinar el orden de experimentos
para cada repetición.
Existen enfoques alternativos para generar una muestra aleatoria. Debiera ponerse
cuidado para diferenciar entre el muestreo aleatorio, arbitrario y conveniente.54
En general todos los esfuerzos necesitan tomarse para asegurar independencia

estadística dentro del estudio.
Los datos pueden recolectarse de una forma aleatoria usando una forma similar a la
figura 12. Para nuestro ejemplo, existen 10 partes y 3 evaluadores, y el experimento ha
sido ejecutado en forma aleatoria y tres veces por cada combinación parte y evaluador.
Análisis Gráfico
Cualquier método gráfico ofrecido en la discusión de análisis gráfico anterior puede ser
usado en el análisis gráfico mismo de los datos recolectados, como parte de un estudio
ANOVA. Estos métodos pueden ser usados para confirmar y ofrecer algún detalle
adicional de los datos mismos (ej., tendencias, ciclo, etc.)
Un método gráfico que se sugiere es el llamado gráfico de interacción. Este gráfico

confirma los resultados de la prueba F de si la interacción es o no significativa. En esta
gráfica de interacción particular, el promedio de las mediciones por evaluador por parte
vs por número de parte (1, 2, ... etc.) son graficados en la figura 26. Los puntos para el
promedio de las mediciones de cada evaluador por parte son conectados a las líneas
(número de evaluadores) k del formato. La forma de interpretar la gráfica es que si las
líneas k son paralelas no existe interacción. Cuando las líneas son no paralelas, la
interacción puede ser significativa. Mientras más grande es el ángulo de intersección,
más grande es la interacción. Debieran tomarse medidas apropiadas para eliminar
causas de la interacción. En el ejemplo en la figura 26, las líneas son cercanamente
paralelas, indicando que no existe una interacción significativa.
54
Ver Wheeler y Lyday, Evaluación del Proceso de Medición, 2ª. Edición, 1989, pag. 27
118
Figura 26: Gráfica de Interacción
Otra gráfica que algunas veces es de interés es la gráfica de residuos. Esta gráfica
no es más que un chequeo para la validez de los supuestos. Uno de los supuestos
es que el (error del) gage es una variable aleatoria de una distribución normal. Los
residuos, los cuales son las diferencias entre las lecturas observadas y los valores
pronosticados, son graficados. El valor pronosticado es el promedio de las lecturas
repetidas por cada evaluador y para cada parte. Si los residuos no son dispersos
aleatoriamente arriba y abajo de cero (línea horizontal de referencia), pudiera ser
porque los supuestos son incorrectos y lo cual sugiere una investigación adicional
de los datos.
Valores
Valores ...
vs Residual
(Valores de Respuesta)
(Es r...
0.5
Residual
0.0
-0.5
Operador -2 -1 0 1 2
Subgrupo
Valores
Valor ...
Figurade
Figura 27: Gráfica 27:Residuales
119
Cálculos Numéricos
Aunque los valores pueden calcularse manualmente, la mayoría de la gente usa
programas de computadora para generar lo que se llama tabla de Análisis de Varianzas
(ANOVA) (ver apéndice A).
La tabla ANOVA aquí se compone de 5 columnas (ver tabla 8).
• La columna de Fuentes es la causa de la variación.
• La columna de DF que son los grados de libertad asociados con la fuente.
• La columna de SS o suma de cuadrados es la desviación alrededor del promedio de

la fuente.
• La columna de MS o promedios al cuadrado es la suma de los cuadrados dividido

por los grados de libertad.
• La columna de la razón o proporción F, calculada para determinar la significancia

estadística del valor de la fuente.
La tabla de ANOVA es usada para seccionar la variación total en cuatro componentes:

partes, evaluadores, interacción de los evaluadores y las partes y repetibilidad debida al
instrumento.
Para propósitos de análisis, los componentes de varianzas negativas se fijan en cero.
Esta información es usada para determinar las características del sistema de medición
como en el Método de Promedios y Rangos.
La tabla 8 muestra los cálculos de ANOVA para los datos del ejemplo de la figura 24
asumiendo un modelo de efectos arreglados. La tabla 10 muestra la comparación del
método ANOVA con el método de promedios y rangos. La tabla 11 muestra el reporte
RRG para el método de ANOVA.
Fuente DF SS MS F
Evaluadores 2 3.1673 1.58363 34.44*
Partes 9 88.3619 9.81799 213.52
Evaluador por Parte 18 0.3590 0.01994 0.434
Equipo 60 2.7589 0.04598
Total 89 94.6471
*Nivel de Significancia de α=0.05

Tabla 8: Tabla ANOVA
120
Estimativo de la Desviación Estándar % Variación Total

% Contribución
Varianza (σ)
τ = 0.039973
2
EV = 0.199933 18.4 3.4
(Repetibilidad)
ω 2 = 0.051455 AV = 0.226838 20.9 4.4
(Evaluador)
γ2 =0
0 0
(Interacción) INT = 0
Sistema = 0.09143
(τ 2 +γ 2 +ω2) RRG = 0.302373 27.9 7.8
σ 2 = 1.086446 PV = 1.042327 96.0 92.2
Variación Total (Partes) TV =1.085 100
Tabla 9: % de Variación y Contribución del Análisis de ANOVA

(El estimativo de la varianza se basa en el modelo sin interacciones)
(
ndc = 1.41 1.04233
0.30237
) = 4.861 ≅ 4
Variación Total (VT ) = RRG 2 + PV 2
⎛ σ (componentes ) ⎞
% de la Variación Total = 100⎜ ⎟
⎝ σ (total ) ⎠
⎛ σ 2 (componentes ) ⎞
% de la Contribución (con la Varianza Total) = 100⎜⎜ ⎟⎟
⎝ σ (total ) ⎠
2
121
LC55 Desviación LC % de la
Método
Inferior 90% Estándar Superior 90% Variación Total
RRG* 0.202 0.240 17.06
EV 0.175 0.230 1.016 20.1
AV 0.133 NA -- NA
INTERACCIÓN -- 0.306 0.363 26.7
RRG 0.266 1.104 96.4
PV
ANOVA
EV 0.177 0.200 0.231 18.4
AV 0.129 0.227 1.001 20.9
INTERACCIÓN -- 0 -- 0
RRG 0.237 0.302 1.033 27.9
PV 1.042 96.0
* En el método de promedios y rangos, el componente de interacción no puede estimarse.
Tabla 10: Comparación de los Métodos ANOVA y Promedios y Rangos
Nombre y No. de la Parte: Nombre del Gage: Fecha:

Característica: No. de Gage: Hecho por:
Especificaciones: Tipo de Gage:
% de la Variación Porcentaje de
Desviación Estándar
Total Contribución
Repetibilidad (EV) 0.200 18.4 3.4
Reproducibilidad (AV) 0.227 20.9 4.4
Evaluador por Parte (INT) 0 0 0
RRG 0.302 27.9 7.9
Parte – a - Parte (PV) 1.042 96.0 92.2
El sistema de medición es aceptable para Análisis y Control del Proceso
Nota:
Tolerancia = N.A. Variación Total (TV) = 1.085
Número de categorías distintas de datos (ndc) = 4
Tabla 11: Reporte de método ANOVA RRG
55
CL = Límite de Confiabilidad
122
Análisis de Estudios RRG

Los métodos de promedios y rangos y ANOVA ofrecen información relativa a las causas
de la variación de un sistema de medición o gages.
Por ejemplo, si la repetibilidad es grande comparada con la reproducibilidad, las

razones pueden ser:
• El instrumento necesita mantenimiento.
• El gage puede requerir ser rediseñado para ser más rígido.
• La sujeción o localización del gage necesita mejorarse.
• Existe una variación dentro de la parte excesiva.
Si la reproducibilidad es grande comparada con la repetibilidad, entonces las posibles

causas podrían ser:
• El evaluador necesita ser mejor entrenado en como usar y leer el instrumento del
gage.
• Las calibraciones del gage no son claras.
El dispositivo de algún tipo puede requerir el ayudar al evaluador a usar el gage más
consistentemente.
123
124
Capítulo III – Sección C
Estudio de Sistemas de Medición de Atributos

Los sistemas de medición de atributos son los tipos de sistemas de medición donde los
LSL USL valores de mediciones mismas son una de un número finito de categorías. Esto es en
I II III II I contraste con los sistemas de medición de variables los cuales pueden resultar en un
Tarjeta
infinito de valores. Los más comunes de éstos son el gage pasa/no pasa el cual cuenta
solo con dos posibles resultados. Otros sistemas de atributos, por ejemplo los
Introducción estándares visuales, pueden resultar en 5 a 7 categorías distintas tales como, muy
bueno, bueno, aceptable, pobre y muy pobre. Los análisis descritos en los capítulos
posteriores no pueden usarse para evaluar tales sistemas.
Como se discutió en el Capítulo I, Sección G, existe un riesgo cuantificable cuando se

estén usando sistemas de medición en la toma de decisiones. Dado que el riesgo
mayor está en los límites de la categoría, el análisis más apropiado sería la
cuantificación de la variación del sistema de medición con la curva de desempeño de
un gage.
MÉTODOS DE ANÁLISIS DE RIESGOS
En algunas situaciones de atributos no es factible obtener suficientes partes con valores

de referencia variables. En tales casos, los riesgos en tomar decisiones equivocadas o
inconsistentes56 pueden evaluarse usando:57
• Análisis de Pruebas de Hipótesis
• Teoría de Detección de Señales
Dado que estos métodos no cuantifican la variabilidad de los sistemas de medición,

solo debieran usarse bajo consentimiento del cliente. La selección y uso de tales
técnicas debiera basarse en buenas prácticas estadísticas, un entendimiento de las
fuentes de variación potenciales que afecten el producto y los procesos de medición, y
el efecto de una decisión incorrecta en los procesos restantes y el cliente final.
Las fuentes de variación de los sistemas de atributos debieran minimizarse usando los
resultados de investigaciones sobre factores humanos y ergonomía.
Posibles Enfoques Escenario
El proceso de producción está en control estadístico y cuenta con índices de
desempeño de Pp = Ppk = 0.5 el cual es inaceptable. Debido a que el proceso está
fabricando producto no conforme, se requieren acciones de contención para sacrificar
las partes no aceptables del flujo de producción.
56
Esto incluye la comparación de evaluadores múltiples.
57
Ver Lista de Referencias.
125
Capítulo IIl – Sección C
LSL USL
0.40 0.50 0.60

Figura 28: Proceso Ejemplo
Para actividades de contención, el equipo de procesos selecciona un gage de atributos

que compare cada parte con un conjunto de límites específicos y acepte la parte si los
límites se satisfacen; de lo contrario rechaza la parte (conocido como gage pasa / no
pasa). La mayoría de los gages de este tipo son ajustados para aceptar y rechazar en
base a un conjunto de partes master. A diferencia de un gage de variables, este gage de
atributos no puede indicar que tan bien o mal está una parte, si no solo que la parte se
acepta o se rechaza (ej., 2 categorías).
Figura 29: Las Áreas Asociadas con el Sistema de

Medición
El gage específico que el equipo esté usando cuenta con un %RRG = 25% de la
tolerancia.58 Dado que esto todavía no se ha documentado por el equipo, necesita ser
estudiado el sistema de medición. El equipo ha decidido tomar una muestra aleatoria
de 50 partes del proceso a fin de obtener partes a lo largo del rango del proceso
mismo.
Se utilizan tres evaluadores, y cada evaluador toma tres decisiones sobre cada parte.
58
Dado que la variación del proceso es mayor que la tolerancia, es apropiado comparar el sistema de medición
con la tolerancia más que con la variación del proceso.
126
Valor de
Parte A -1 A -2 A -3 B -1 B -2 B -3 C -1 C -2 C -3 Referencia Código
Referencia
1 1 1 1 1 1 1 1 1 1 1 0.476901 +
2 1 1 1 1 1 1 1 1 1 1 0.509015 +
3 0 0 0 0 0 0 0 0 0 0 0.576459 -
4 0 0 0 0 0 0 0 0 0 0 0.566152 -
5 0 0 0 0 0 0 0 0 0 0 0.570360 -
6 1 1 0 1 1 0 1 0 0 1 0.544951 x
7 1 1 1 1 1 1 1 0 1 1 0.465454 x
8 1 1 1 1 1 1 1 1 1 1 0.502295 +
9 0 0 0 0 0 0 0 0 0 0 0.437817 -
10 1 1 1 1 1 1 1 1 1 1 0.515573 +
11 1 1 1 1 1 1 1 1 1 1 0.488905 +
12 0 0 0 0 0 0 0 1 0 0 0.559918 x
13 1 1 1 1 1 1 1 1 1 1 0.542704 +
14 1 1 0 1 1 1 1 0 0 1 0.454518 x
15 1 1 1 1 1 1 1 1 1 1 0.517377 +
16 1 1 1 1 1 1 1 1 1 1 0.531939 +
17 1 1 1 1 1 1 1 1 1 1 0.519694 +
18 1 1 1 1 1 1 1 1 1 1 0.484167 +
19 1 1 1 1 1 1 1 1 1 1 0.520496 +
20 1 1 1 1 1 1 1 1 1 1 0.477236 +
21 1 1 0 1 0 1 0 1 0 1 0.452310 x
22 0 0 1 0 1 0 1 1 0 0 0.545604 x
23 1 1 1 1 1 1 1 1 1 1 0.529065 +
24 1 1 1 1 1 1 1 1 1 1 0.514192 +
25 0 0 0 0 0 0 0 0 0 0 0.599581 -
26 0 1 0 0 0 0 0 0 1 0 0.547204 x
27 1 1 1 1 1 1 1 1 1 1 0.502436 +
28 1 1 1 1 1 1 1 1 1 1 0.521642 +
29 1 1 1 1 1 1 1 1 1 1 0.523754 +
30 0 0 0 0 0 1 0 0 0 0 0.561457 x
31 1 1 1 1 1 1 1 1 1 1 0.503091 +
32 1 1 1 1 1 1 1 1 1 1 0.505850 +
33 1 1 1 1 1 1 1 1 1 1 0.487613 +
34 0 0 1 0 0 1 0 1 1 0 0.449696 x
35 1 1 1 1 1 1 1 1 1 1 0.498698 +
36 1 1 0 1 1 1 1 0 1 1 0.543077 x
37 0 0 0 0 0 0 0 0 0 0 0.409238 -
38 1 1 1 1 1 1 1 1 1 1 0.488184 +
39 0 0 0 0 0 0 0 0 0 0 0.427687 -
40 1 1 1 1 1 1 1 1 1 1 0.501132 +
41 1 1 1 1 1 1 1 1 1 1 0.513779 +
42 0 0 0 0 0 0 0 0 0 0 0.566575 -
43 1 0 1 1 1 1 1 1 0 1 0.462410 x
44 1 1 1 1 1 1 1 1 1 1 0.470832 +
45 0 0 0 0 0 0 0 0 0 0 0.412453 -
46 1 1 1 1 1 1 1 1 1 1 0.493441 +
47 1 1 1 1 1 1 1 1 1 1 0.486379 +
48 0 0 0 0 0 0 0 0 0 0 0.587893 -
49 1 1 1 1 1 1 1 1 1 1 0.483803 +
50 0 0 0 0 0 0 0 0 0 0 0.446697 -
Tabla 12: Conjunto de Datos para un Estudio de Atributos
127
Una decisión aceptable es designada con un uno (1) y una decisión no aceptable con un
cero (0). La decisión de referencia y los valores de referencia de la variable en la tabla
12 no fueron determinados inicialmente. La tabla también indica en la columna de
“codificado” si la parte es área I, área II ó área III y es indicada por “-“, “x” y “+”
respectivamente.
Análisis de Pruebas de Hipótesis – Método Tabular Cruzado
Dado que el equipo no conocía las decisiones de referencia para las partes,
desarrollaron tablas cruzadas comparando cada uno de los evaluadores con otro.
Tabulación Cruzada A * B
B
0.00 1.00 Total
A 0.00 Cuenta 44 6 50
Cuenta Esperada 15.7 34.3 50.0
1.00 Cuenta 3 97 100
Total Cuenta 47 103 150
Tabulación Cruzada B * C
C
0.00 1.00 Total
B 0.00 Cuenta 42 5 47
1.00 Cuenta 9 94 103
Tabulación Cruzada A * C
C
0.00 1.00 Total
A 0.00 Cuenta 43 7 50
1.00 Cuenta 8 92 100
128
El propósito de estas tablas es determinar el alcance de acuerdo entre loes evaluadores.

Para determinar el nivel de este acuerdo, el equipo utiliza el kappa (de Cohen) el cual
mide el acuerdo entre las evaluaciones de dos estimadores cuando están evaluando el
mismo objeto. Un valor de 1 indica que el acuerdo es perfecto. Un valor de 0 indica que
el acuerdo no es mejor que una mera probabilidad. El kappa solo está disponible en las
cuales ambas variables usen los mismos valores de las categorías y cuenten con el
mismo número de categorías mismas.
Kappa es una medida de acuerdo entre estimadores que prueba si las cuentas en las
celdas diagonales (las partes que reciben la misma estimación) difieren de aquellas
esperadas solo por probabilidad.
Hacer
po= la suma de las proporciones observadas en las celdas diagonales.
pe= la suma de la proporción esperada en las celdas diagonales.
Entonces
po − pe
Kappa =
1 − pe
Kappa es una medida más que una prueba59. La medida es juzgada usando un error
estándar asintótico para construir el estadístico t. Una regla empírica general es que los
valores de kappa mayores que 0.75 indican u n acuerdo bueno a excelente (con un
máximo de kappa = 1). Valores menores que 0.4 indican un acuerdo pobre.
Kappa no toma en cuenta el tamaño del desacuerdo entre los

estimadores, solo si ellos acuerdan o no. 60
Calculando las medidas de kappa para los evaluadores, el equipo concluye con lo
siguiente:
Kappa A B C
A -- 0.86 0.78
B 0.86 -- 0.79
C 0.78 0.79 --
Este análisis indica que todos los evaluadores muestran un buen acuerdo uno con otro.
Este análisis es necesario para determinar si existen diferencias entre los evaluadores
aunque no nos dice que tan bien el sistema de medición clasifica partes buenas de las
malas.
59
Como en todas las evaluaciones por categorías, un número grande de partes que cubran el espectro completo
de posibilidades es necesario.
60
Cuando las observaciones son medidas en una escala ordinaria y por categorías un Kappa ponderado puede
usarse para un mejor acuerdo de medición. El acuerdo entre dos estimadores es tratado como Kappa aunque
los desacuerdos son medidos por el número de categorías con los cuales los estimadores difieren.
129
Para este análisis el equipo cuenta con las partes evaluadas usando u sistema de
medición de variables y usa los resultados para determinar la decisión de referencia.
Con esta nueva información otro grupo de tablas cruzadas es desarrollado comparando
cada evaluador con la decisión de referencia.
Tabulación Cruzada de A * REF

REF
0.00 1.00 Total
A 0.00 Cuenta 45 5 50
1.00 Cuenta 3 97 100
Tabulación Cruzada B * REF

REF
0.00 1.00 Total
B 0.00 Cuenta 45 2 47
1.00 Cuenta 3 100 103
Tabulación Cruzada C * Ref

B
0.00 1.00 Total
A 0.00 Cuenta 42 9 51
1.00 Cuenta 6 93 99
130
El equipo también calcula la medida kappa para determinar el acuerdo de cada
evaluador con el valor de referencia.
A B C
Kappa 0.88 0.92 0.77
Estos valores pueden interpretarse como que cada uno de los evaluadores tiene un buen
acuerdo con el estándar.
El equipo de proceso calcula entonces la efectividad del sistema de medición.

No.DecisionesCorrectas
Efectividad =
TotaldeOpertunidadesporDecision
% del Evaluador1 % del Score vs Atributo2

Fuente Ev. A Ev. B Ev. C Ev. A Ev. B Ev. C
Total 50 50 50 50 50 50
Inspeccionado
# Iguales 42 45 40 42 45 40
Negativos Falsos (Evaluador Sesgado hacia el Rechazo) 0 0 0
Positivos Falsos (Evaluador Sesgado hacia la Aceptación) 0 0 0
Mezclado 8 5 10
95% del UCI 93% 97% 90% 93% 97% 90%
Score 84% 90% 80% 84% 90% 80%
Calculado
95% del LCI 71% 78% 66% 71% 78% 66%
Score del % Efectivo del Sistema3 Score del % Efectivo del Sistema vs
Referencia4
Total Inspeccionado 50 50
# en Acuerdo 39 39
95% del UCI 89% 89%
Score Calculado 78% 78%
95% del LCI 64% 64%
Notas
(1) El evaluador acuerda con el mismo en todos los intentos.
(2) El evaluador acuerda en todos los intentos con el estándar conocido.
(3) Todos los evaluadores acuerdan dentro y entre ellos mismos.
(4) Todos los evaluadores acuerdan dentro y entre ellos mismos y con la referencia.
(5) UCI y LCI son los límites de intervalos de confianza superior e inferior, respectivamente.
Las pruebas múltiples de hipótesis entre cada par de evaluadores puede conducirse con
la hipótesis nula:
Ho: La efectividad de ambos evaluadores es la misma.
131
Dado que el score calculado de cada evaluador cae dentro del intervalo de confiabilidad
de los otros, el equipo concluye que no pueden rechazar la hipótesis nula. Esto refuerza
las conclusiones de las medidas de Kappa.
Para análisis adicionales, uno de los miembros del equipo obtiene la siguiente tabla la
cual ofrece lineamientos para los resultados de cada evaluador.
Decisión
Proporción Proporción de
Sistema de Efectividad
Perdida Falsa Alarma
Medición
Aceptable para el ≥ 90% ≤ 2% ≤ 5%
evaluador
Marginalmente ≥ 80% ≤ 5% ≤ 10%
aceptable para el
evaluador – puede
requerirse
mejoramiento
No aceptable para < 80% > 5% > 10%
el evaluador –
requiere
mejoramiento
Resumiendo toda la información que ya se tiene, el equipo concluye con esta tabla.
Proporción Proporción de
Efectividad
Perdida Falsa Alarma
A 84% 6.3% 4.9%
B 90% 6.3% 2.0%
C 80% 12.5% 8.8%
Estos resultados muestran que el sistema de medición tenía diferentes niveles de
desempeño en Efectividad, Proporción Perdida y Proporción de Falsa Alarma,
dependiendo del evaluador. Ningún evaluador contaba con resultados aceptables en
todas las tres categorías. Ningún evaluador contaba con resultados inaceptables en todas
las tres categorías. ¿Los lineamientos de aceptación necesitaban ser modificados para
éste proceso? ¿Son éstos riesgos aceptables? ¿Los evaluadores requerían un mejor
entrenamiento? ¿Podría ser mejorado el ambiente de las mediciones? y mas importante
¿Qué pensaba el cliente acerca del sistema de medición y estos resultados? - ¿Cuáles
eran sus expectativas?
¿Los clientes aceptan éstos niveles de riesgos?.
Aspectos a Considerar
1) No existen criterios de decisión basados en la teoría para un riesgo aceptable. Los
lineamientos anteriores son heurísticos y desarrollados en base a “creencias”
individuales acerca de lo que pasa como “aceptable”. Los criterios de decisión
finales debieran basarse en el impacto (ej., riesgo) de mantener el proceso y el
cliente final. Este es un tema de decisiones y no estadístico.
132
2) El análisis anterior depende de los datos. Por ejemplo, si los índices del proceso
son Pp = Ppk = 1.33, entonces todas las decisiones serían correctas dado que
ninguna parte caería en la región II (las áreas “grises”) del sistema de medición.
Figura 30: Proceso de Ejemplo con Pp = Ppk = 1.33
Con esta nueva situación, se concluiría que todos los evaluadores son aceptables
dado que no habría errores de medición.
3) Generalmente existe un concepto equivocado de lo que realmente los resultados

de tablas cruzadas significan. Por ejemplo, los resultados del evaluador B son:
Tablas Cruzadas B* REF

REF
0.00 1.00 Total
B 0.00 Cuenta 45 2 47
% dentro de Ref. 93.8% 2.0% 31.3%
1.00 Cuenta 3 100 103
% dentro de Ref. 6.3% 98.0% 68.7%
% dentro de Ref. 100.0% 100.0% 100.0%
Dado que el propósito de la inspección es encontrar todas las partes no conformes, la

mayoría de la gente ve la esquina superior izquierda como una medida de la efectividad
de encontrar partes malas. Este % es la probabilidad de decir que una parte es mala
dado que es mala:
Pr (llamar la parte mala │una parte mala)
Asumiendo que el proceso es mejorado a un Pp = Ppk = 1.00, la probabilidad de interés

hacia el fabricante es:
Pr (la parte es mala │es llamada mala)
Para determinar ésto de los datos anteriores, debe usarse el teorema de Bayes.
133
Pr (l lamadomalo malo ) * Pr (malo )

Pr (malo llamadomalo ) =
Pr (llamdomalo malo ) * Pr (malo ) + Pr (llamdomalo bueno) * Pr (bueno)
.938 * (.0027 )
Pr (malo llamadomalo ) =
.938 * (.0027 ) + .020 * (.9973)
Pr (malo llamadomalo ) = .11
Estos resultados indican que si la parte es llamada mala existe una probabilidad de 1 en
10 de que sea verdaderamente mala.
4) El análisis no utiliza información de datos de variables ni información relativa de

orden la cual estuvo disponible cuando los valores de referencia de decisiones se
determinaron.
Enfoque de Detección de Señales
Valor de Referencia Código Valor de Referencia Código Un enfoque alternativo es el uso de la teoría de
0.599581 - 0.503091 + detección de señales para determinar una
0.587893 - 0.502436 + aproximación de la amplitud del área de la región II, y
0.576459 - 0.502295 + de esto, el RRG del sistema de medición.
0.570360 - 0.501132 +
0.566575 - 0.498698 + Hacer di = la distancia entre la última parte aceptada por los
0.566152 - 0.493441 + evaluadores y la primera parte rechazada por todos (para
0.561457 x 0.488905 + cada especificación).
0.559918 x 0.488184 +
0.547204 x 0.487613 + Entonces, d= Promedio (di)
0.545604 x 0.486379 +
0.544951 x 0.484167 + Es un estimativo61 de la amplitud de las áreas de la región II
0.543077 x 0.483803 +
0.542704 + 0.477236 + y, por tanto, un estimativo de RRG = 5.15 * σ RRG
0.531939 + 0.476901 +
0.529065 + 0.470832 + En este ejemplo,
0.523754 + 0.465454 x
0.521642 + 0.462410 x dLSL = 0.470832 − 0.446697 = 0.024135
0.520496 + 0.454518 x
0.519694 + 0.452310 x dUSL = 0.566152 − 0.542704 = 0.023448
0.517377 + 0.449696 x d = 0.0237915
0515573 + 0.446697 -
0.514192 + 0.437817 - O el %RRG estimado es,
0.513779 + 0.427687 -
0.509015 + 0.412453 - %RRG = 29%
0.505850 + 0.409238 -
El %RRG actual = 25%, de manera que este estimativo
conduciría a la misma evaluación del sistema de medición.
Si solo información de datos ordenados estuviera
disponible, esta técnica puede aún ser usada aunque
requiere conocimientos del tema para cuantificar las d´s.
61
La “bondad” de este estimativo depende del tamaño de muestra y que tan cerca la muestra representa al
proceso. Mientras más grande es la muestra, es mejor el estimativo.
134
METODO ANALITICO62
Como en cualquier sistema de medición, la estabilidad del proceso debiera verificarse
y, si es necesario, monitorearse. Para sistemas de medición de atributos, las gráficas de
control de atributos con muestras constantes en el tiempo es una forma común de
verificar la estabilidad.63
Para un sistema de medición de atributos, el concepto de la Curva de Desempeño de un

Gage (ver capítulo V, sección C) es usado para desarrollar un estudio de un sistema de
medición, el cual se use para evaluar la cantidad de repetibilidad y sesgo del sistema de
medición en cuestión. Este análisis puede usarse en sistemas de medición de 1 y 2
límites. Para un sistema de medición de dos límites, solo un límite necesita ser
examinado con los supuestos de linealidad y error de uniformidad. Por conveniencia, el
límite inferior es usado para discusión.
En general, el estudio de los sistemas de medición de atributos consiste en la obtención

de valores referencia para varias partes seleccionadas. Estas partes son evaluadas un
cierto número de veces, (m), con el número total de aceptadas (a), para cada parte
registrada. De los resultados, puede evaluarse la repetibilidad y el sesgo.
La primera etapa de un estudio de atributos es la selección de las partes. Es esencial que

el valor de referencia sea conocido para cada parte usada en el estudio. Debieran
seleccionarse 8 partes en intervalos equidistantes y lo más cerca y práctico posibles.
Los valores máximo y mínimo debieran representar el rango del proceso. Aunque esta
selección no afecta la confiabilidad en los resultados, si afecta el número total de partes
necesarias para completar el estudio del gage. Las 8 partes deben correrse a través del
gage, m = 20 veces y registrarse el número de aceptadas, (a).
Para el estudio total, la parte más pequeña debe contar con el valor a = 0; la parte más
grande, a = 20; y las otras 6 partes, 1< a < 19. Si estos criterios no son satisfechos, más
partes con valores de referencia conocidos, (X) deben correrse a través del gage hasta
que las condiciones anteriores se cumplan. Si para el valor más pequeño a ≠ 0,
entonces mas y mas partes pequeñas son tomadas y evaluadas hasta que a = 0. Si para
el valor más grande a ≠ 20, entonces más y más partes grandes son tomadas hasta que
a = 20. Si 6 de las partes no cuentan con 1< a < 19, pueden tomarse partes adicionales
en puntos seleccionados a lo largo del rango. Estos puntos son tomados como puntos
medios de las mediciones de las partes ya medidas en el estudio. El primer intervalo
con el final a = 0 empieza desde la más grande medición donde a = 0. Para el final con
a = 20, el primer intervalo comienza en la medición más pequeña donde a = 20. Para
mejores resultados, debieran tomarse muestras para finales con a = 0 y a = 20 y
trabajarse hacia el punto medio del rango de la parte. Si es necesario, el
62
Adaptada con el permiso de “Análisis de Sistemas de Gages por Atributos” por J. McCaslin & G.Gruska, ASQC,
1976.
63
Caveat: np > 4
135
procedimiento puede repetirse hasta que se cumplan los criterios. Una vez que los
criterios de recolección de datos han sido satisfechos, las probabilidades de aceptación
deben calcularse para cada parte usando las siguientes ecuaciones:
a + 0.5 a
if < 0.5, a≠0
m m
P’a a − 0.5 a
if > 0.5, a ≠ 20
m m
a
0.5 if = 0.5
m
Los ajustes cubren los casos donde 1 ≤ a ≤ 19 . Para los casos donde a = 0 fijar P'a =0
excepto para el valor de referencia más grande con a = 0, en el cual P'a =0.025. Para los
casos donde a = 20 entonces P'a =1 excepto para el valor de referencia más pequeño con
a = 20 y en el cual P'a =0.975.
Una vez que el P'a ha sido calculado para cada XT, la Curva de Desempeño del Gage
(CDG) puede desarrollarse. Aunque la CDG puede presentarse gráficamente (ver figura
32), el uso del papel de distribución normal (ver figura 31) produce estimativos más
exactos de la repetibilidad y el sesgo.
Las probabilidades calculadas son graficadas en papel de probabilidad normal y una

línea de mejor ajuste es trazada a través de estos puntos. El sesgo es igual al límite
inferior menos la medición del valor referencia que corresponda a P'a =0.5,
Sesgo = Límite Inferior de Especificación - XT(en P’a = 0.5)
La repetibilidad es determinada encontrando las diferencias de las mediciones del valor

referencia correspondientes a P'a=0.995 P'a=0.005 y dividiendo por un factor de ajuste
de 1.08.64
XT (a P' a = 0.995) − XT (a P ' a = 0.005)

Re petibilidad =
1.08
Para determinar si el sesgo es significativamente diferente de cero, el siguiente

estadístico es usado:
31.3 × Sesgo
t=
Re petibilidad
63
El factor de ajuste de 1.08 es específico para un tamaño de muestra de 20 y fue determinado a través de una
simulación de éste enfoque.
136
Si este valor calculado es mayor que 2.093 (t025,19), entonces el sesgo es
significativamente diferente de cero.
Un ejemplo clarificará la recolección de datos de un estudio de atributos y cálculo de la
repetibilidad y sesgo.
Ejemplo
Un gage de atributos está siendo usado para medir una dimensión que tiene una
tolerancia de + 0.010. El gage es un dispositivo de inspección al 100% automático y de
final de línea que es afectado por la repetibilidad y sesgo. Para ejecutar el estudio de
atributos, se corren 8 partes con valores de referencia en intervalos de 0.002 desde –
0.016 hasta – 0.002, a través del gage 20 veces cada parte. El número de aceptados para
cada parte es
XT a
-0.016 0
-0.014 3
-0.012 8
-0.010 20
-0.008 20
-0.006 20
-0.004 20
-0.002 20
Dado que existen dos valores de referencia con 1 ≤ a ≤ 19 , al menos cuatro partes más
deben ser encontradas. Entonces, es necesario correr partes con valores de referencia en
los puntos medios de los valores existentes. Estos valores de referencia y el número de
aceptados es:
-0.015 1
-0.013 5
-0.011 16
Ahora existen 5 valores de referencia con 1 ≤ a ≤ 19 . El procedimiento requiere que

una parte más se encuentre con 1 ≤ a ≤ 19 . Entonces, la siguiente parte es evaluada.
-0.0105 18
Ahora que los criterios de recolección de datos se han satisfecho, las probabilidades de
aceptación pueden calcularse usando los ajustes binomiales mostrados abajo.
XT a P’a
-0.016 0 0.025
-0.015 1 0.075
-0.014 3 0.175
-0.013 5 0.275
-0.012 8 0.425
-0.011 16 0.775
-0.0105 18 0.875
-0.010 20 0.975
-0.008 20 1.000
137
Estas probabilidades son graficadas en un papel de probabilidad normal como se

muestra en la figura 31. Graficando una línea de mejor ajuste a través de estos puntos,
pueden determinarse el sesgo y la repetibilidad. El sesgo es igual al límite inferior
menos la medición del valor referencia que corresponda a P'a=0.5.
De la figura 31:
Sesgo = -0.010-(0.0123) = 0.0023
La repetibilidad se determina encontrando las diferencias de las mediciones del valor

referencia correspondientes a P'a=0.995 y P'a=0.005 y dividiendo por 1.08. De la figura
31:
0.0084(0.0163)
R=
1.08
0.0079
= = 0.0073
1.08
Para determinar si el sesgo es significativamente diferente de cero, calcular:
31.3 × Sesgo
t=
R
×
31.3 0.0023
= = 9.86
0.0073
Dado que t0.025,19=2.093, el sesgo es significativamente diferente de cero.
Como en la Curva de Desempeño de un Gage para variables mostrada en el Capítulo V,

Sección C, la CDG de atributos puede también ser graficada en papel de escala normal
(ver figura 32). Esto puede lograrse en una de dos formas. Un enfoque sería correr el
estudio de la muestra en otro límite de la especificación. En el ejemplo, el método largo
para el estudio de atributos también tendría que conducirse en el límite más alto de la
especificación y calcularse los valores graficados.
Sin embargo y debido a los supuestos mencionados previamente, no sería necesario

correr el estudio otra vez. Dado que la forma de la curva en el límite superior debiera ser
una “imagen de espejo” de la curva misma en el límite inferior, la única consideración
necesaria es la localización de la curva con respecto a los valores XT. Esta localización
se determina por el sesgo.
La posición correcta de la curva sería definida en el punto donde la P'a = 0.5, y el valor
de XT es igual al límite de la especificación menos el sesgo. En el ejemplo, este punto
sería XT= 0.010 - 0.0023 = 0.0077. La CDG graficada en esta forma se muestra en la
figura 31.
138
Repetibilidad = 0.0079
♦
Desajustada ♦
99.8 0.2
99.5 0.5
♦ ♦
99.0 1.0
98.0 ♦ ♦ 2.0
♦
95.0 5.0
♦ ♦
90.0 10.0
♦
♦ ♦
80.0 20.0
♦
70.0 ♦ ♦ 30.0
60.0 40.0
♦
50.0 50.0
♦
40.0 60.0
♦ ♦
30.0 70.0
♦
20.0 80.0
♦ ♦ ♦
10.0 90.0
♦ ♦ ♦
5.0 95.0
2.0 ♦ ♦ ♦ 98.0
1.0 99.0
♦ ♦
0.5 99.5
0.2 ♦ ♦ 99.8
-0.016 -0.014 -0.012 -0.01
Sesgo = -0.010 - (-0.0123) = 0.0023

Figura 31: Curva de Desempeño de Gage de Atributos Graficada
en Papel de Probabilidad Normal
139
Limite Inferior Limite Superior

1.0
0.9
Probabilidad de Aceptación
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
-0.020 -0.015 -0.010 -0.005 0.0 0.005 0.010 0.015 0.020
Valor de Referencia de las Partes Medidas

Sesgo = 0.0023 RRG = 0.0079
Figura 32: Curva de Desempeño de Gages de Atributos
140
Capítulo IV
Prácticas para Sistemas de Medición Complejos
Capítulo IV
PRACTICAS PARA SISTEMAS DE MEDICIÓN
COMPLEJOS
141
Capítulo IV – Sección A
142
Prácticas para Sistemas de Medición Complejos y Sin Replicas
Prácticas para Sistemas de Medición Complejos y Sin Replicas
Introducción El enfoque de este manual de referencia es sistemas de medición donde las lecturas
puedan replicarse para cada parte. No todos los sistemas de medición tienen esta
característica; por ejemplo:
• Sistemas de mediciones destructivas

• Sistemas donde la parte cambia en el uso / prueba; ej., pruebas de dinamómetro en
motores o transmisiones
Lo siguiente son ejemplos de enfoques para análisis de sistemas de medición,

incluyendo aquellos no discutidos previamente en este manual. No se pretende
que sea una lista completa cubriendo cada tipo de sistema de medición si no
solo ejemplos de varios enfoques. Si un sistema de medición no se ajusta al
enfoque del manual, se recomienda ayuda y consulta de fuentes estadísticas
competentes.
SISTEMAS DE MEDICION NO REPLICABLES

Escenario – Sistemas de Medición No Destructivos Ejemplos
La parte no cambia por el proceso de medición; ej., sistemas de • Dinamómetros de vehículos usados en vehículos
medición que son no destructivos y serán usados con partes sin verde / powertrains
(especimenes) con: • Pruebas de Fuga con datos de variables
• propiedades estáticas, o
• propiedades dinámicas (cambiantes) las cuales se hayan
estabilizado.
La vida de anaquel de la característica (propiedad) es conocida y • Espectrómetro de Masas con muestras de un
se extiende más allá de la duración esperada del estudio – ej., la solo lote de material
característica medida no cambia durante el periodo de uso
esperado.
Escenario – Sistemas de Medición Destructivos Ejemplos
Stands de Pruebas • Final de Línea
9 Stands de prueba de motores
9 Stands de prueba de transmisiones
9 Dinamómetros de Vehículos
• Pruebas de Fuga con datos cualitativos
• Camara salina/humedad
• Medidor de gravilla
Otros sistemas de medición no replicables • Sistemas de medición en línea donde la
automatización no permite la replicación
• Pruebas destructivas de soldadura
• Prubas destructivas de acabado
Tabla 13: Ejemplos de Sistemas de Medición
143
El mapeo de los estudios descritos en este capítulo y los diferentes escenarios es como
sigue:
Estudios de Estabilidad
Escenario S1 S2 S3 S4 S5
La parte no cambia por el proceso de medición, ej., los sistemas de
medición que no son destructivos (replicables) y serán usados con
partes (especimenes) con:
• Propiedades estáticas, o
• Propiedades dinámicas (cambiantes) as cuales han sido
estabilizadas
La vida de anaquel de la característica (propiedad) es conocida y se
extiende más allá de la duración esperada del estudio; ej., la
característica medida no cambia durante el periodo esperado de uso.
Sistemas de medición destructivos.
Sistemas de medición no replicables.
Stands de prueba.
Estudios de Variabilidad
Escenario V1 V2 V3 V4 V5 V6 V7 V8 V9
La parte no cambia por el proceso de
medición; ej., lo sistemas de medición
que son no destructivos y serán
usados con partes (especimenes) con:
• Propiedades estáticas, o
• Propiedades dinámicas
(cambiantes) las cuales han sido
estabilizadas
Lo anterior con p>2 instrumentos.
Sistemas de medición destructivos.
Sistemas de medición no replicables.
Sistemas de medición con

características dinámicas: ej., stands
de prueba.
Lo anterior con p>3 instrumentos.
Tabla 14: Métodos Basados en los Tipos de Sistemas de Medición.
144
Capítulo IV – Sección B
S1: Una Parte65, Medición Única por Ciclo

Aplicación:
a) Sistemas de medición en los cuales la parte no cambia por el proceso de medición;
ej., sistemas de medición que no son destructivos y serán usados con partes
(especimenes) con:
9 Propiedades estáticas, o
9 Propiedades dinámicas (cambiantes) que han sido estabilizadas
b) La vida de anaquel de la característica (propiedad) es conocida y se extiende más

allá de la duración del estudio; ej., la característica medida no cambia durante el
periodo esperado de uso.
Supuestos:
• El sistema de medición es conocido (documentado) para una respuesta lineal sobre
un periodo esperado de la característica (propiedad).
• Las partes (especimenes) cubren el rango esperado de la variación del proceso de la

característica.
Analiza usando las gráficas X & mR
• Determina la estabilidad del sistema de medición:
9 Compara los puntos graficados con los límites de control
9 Checa tendencias (solo la gráfica x)

• Compara σe = R (error total de las mediciones) con el estimativo de la
d 2*
repetibilidad σE de un estudio de variabilidad (ver siguiente sección).
• Determina el sesgo si el valor de referencia es conocido:

sesgo = x - valor de referencia
65
Puede usarse un estándar o patrón de referencia si es apropiado para el proceso.
145
S2: n ≥ 3 Partes66, Medición Única por Ciclo por Parte
Aplicación:
ej., sistemas de medición que no son destructivos y serán usados con partes
(especimenes) con:
9 Propiedades estáticas, o
9 Propiedades dinámicas (cambiantes) que han sido estabilizadas.
b) La vida de anaquel de la característica (propiedad) es conocida y se extiende más

allá de la duración del estudio; ej., la característica medida no cambia durante el
periodo esperado de uso.
Supuestos:
• El sistema de medición es conocido (documentado) para una respuesta lineal sobre
un periodo esperado de la característica (propiedad).

característica.
Analiza usando una gráfica [z, R]: donde zi = xi − µi

Y µi es el valor estándar (de referencia), o determinado por el promedio de un número
grande de lecturas sucesivas de la parte (espécimen).
• Determine la estabilidad del sistema de medición:
9 Compare los puntos graficados con los límites de control
9 Cheque tendencias (solo en gráfica z)

• Compare67 σe = R con el estimativo de la repetibilidad σE de un estudio de
d 2*
variabilidad.
• Determine el sesgo si los valores de referencia son conocidos.

sesgo = x - valor de referencia
• Determina la linealidad si se usan n > 3 partes:
9 Las partes (especimenes) deben cubrir el rango esperado de la propiedad
9 Cada parte (espécimen) debiera ser analizada por separado para el sesgo y la
repetibilidad
66
Puede usarse un estándar o patrón de referencia si es apropiado para el proceso.
67
Si se involucra a más de un evaluador en la recolección de datos, entonces (estimativo de la
repetibilidad) es afectada también por la reproducibilidad del sistema de medición. Cuantifica la
reproducibilidad con gráficas de correlación y bigotes e indexadas por evaluador (ver capítulo III,
sección B).
146
9 Cuantifica la linealidad usando el análisis de linealidad discutido en el capítulo

III, sección B.
Si se usa más de un instrumento es este estudio, determina la consistencia

(homogeneidad de la variación) entre los instrumentos; ej., uso de la prueba F, prueba
de Bartlett, prueba de Levene68, etc.
S3: Muestra Grande de un Proceso Estable
Aplicación:
El sistema de medición debe estar evaluando una muestra (recolectada y aislada)
homogénea y distribuida e idénticamente independiente (“dii”). Las mediciones de las
partes individuales (especimenes) no son replicadas por lo que este estudio puede
usarse con sistemas de medición destructivos y no replicables.
Supuestos:
• La vida de anaquel de la característica (propiedad) es conocida y se extiende más
allá de la duración esperada del estudio; ej., la característica medida no cambia
durante el periodo esperado de uso y/o almacenamiento.

característica (propiedad).
• La linealidad del sistema de medición es conocida (documentada) sobre el rango

esperado de la característica (propiedad). (Si la respuesta es no lineal, las lecturas
deben ajustarse).
Analiza:
• Determinando la variabilidad total a través de un estudio de habilidad con n>30
partes. (Este estudio preliminar debiera también ser usado para verificar la
consistencia de la muestra: ej., todas las partes (especimenes) vienen de una
distribución unimodal).
• σ total
2
= σ Pr2 oceso + σ sistemamed
2
iciones
• Midiendo una o más lecturas individuales de la muestra aislada en periodos de

tiempo, use gráficas x & R o x & mR con límites de control determinados por el
estudio de habilidad.
• Compare los puntos graficados con los límites de control.
• Cheque tendencias.
• Dado que las partes (especimenes) no cambian (una muestra aislada), cualquier
indicación de inestabilidad sería atribuida a un cambio en el sistema de medición.
68
Dataplot, National Institute of Standars and Technology, Statistical Engineering División (www.itl.nist.gov)
147
S4: Especimenes Divididos (General), Espécimen Único por Ciclo

Aplicación:
Las mediciones de pociones de partes (especimenes) individuales no son replicadas de
forma tal que el estudio puede ser usado con sistemas de medición destructivos y no
replicables.
Supuestos:

• Los especimenes son divididos en m porciones. Con m=2 porciones, este a menudo
es llamado estudio de prueba – volver a probar.
Analiza usando:
• La gráfica de rangos para rastrear la consistencia de las mediciones (confundida

con la consistencia “dentro del lote”).
• Compara σ e = R con el estimativo de la repetibilidad σ E de un estudio de

d 2*
variabilidad.
• Este es un estudio de límite superior: σ e2 = σ E2 + σ btwn

2
• Gráfica para rastrear la consistencia del proceso de producción.
S4 con Pares de Partes Consecutivas (Homogéneas) de Diferentes Lotes – S4a
Este estudio es el mismo que S4 con partes homogéneas de diferentes lotes. Es un

estudio de límite superior, dado que σ e2 = σ E2 + σ btwn
2
+ σ lots
2
S5: Stands de Prueba

En esta situación, instrumentos de medición múltiple (stands de prueba) evalúan las
mismas características de un flujo continuo del producto. El flujo del producto es
asignado aleatoriamente a stands individuales.
148
S5a: Respuestas de Atributos

Analiza usando las gráficas p:
• Determina la consistencia (de las decisiones) entre los stands: una gráfica simple
incluyendo los resultados de todos los stands.
• Determina la estabilidad dentro de los stands individuales: gráficas separadas para

cada stand.
Analiza la estabilidad total del sistema con una gráfica p & mR, donde p es el
promedio de todos los stands de prueba en un cierto día.
S5b: Respuestas de Datos de Variables

Analiza usando ANOVA y técnicas gráficas: 69
• Calcula x & s para cada stand de prueba (por característica), en el periodo de
tiempo.
• Determina la consistencia entre los stands: una gráfica simple x & s incluyendo los
resultados de todos los stands.
• Determina la estabilidad dentro de los stands individuales: gráfica x & s por

separado para cada stand.
• Cuantifica la consistencia (homogeneidad de variación) entre los stands; ej., usa la

prueba F, de Bartlett, de Levene, etc.
• Determina si todos los stands cuentan con la misma meta comparando los
promedios de los stands; ej., usando un análisis ANOVA de un sentido. Si existe
alguna diferencia, aísla los diferentes stands usando, por ejemplo, la prueba T de
Tukey.
69
Ver también James, P.D., “Graphical Displays of Gages R&R Data”, AQC transaction, ASQC, 1991
149
Capítulo IV – Sección C
150
Todos los estudios descriptivos son enumerativos por naturaleza y describen el sistema
de medición (incluyendo los efectos del medio ambiente) durante el estudio. Dado que
los sistemas de medición son usados para toma de decisiones futuras acerca de los
productos, proceso o servicios, es necesaria una conclusión analítica acerca del sistema
de medición. La transición de resultados enumerativos analíticos requiere
conocimientos del tema y pericia para:
• Asegurar que todas las fuentes de variación de las mediciones son consideradas en
el diseño y en la ejecución del estudio.
• Analizar los resultados (datos) a la luz del uso esperado, medio ambiente, control,
mantenimiento, etc.
V1: Estudios Estándar RRG
Estos estudios están contenidos dentro de este manual de referencia. Estos estudios
incluyen análisis gráficos y numéricos.
V1a – Método de Rangos (R&R)

V1b – Método de Rangos (R&R y dentro de las partes)
V1c – Método ANOVA
V1d – Método de Rangos/ANOVA Modificado
V2: Lecturas Múltiples con p>2 Instrumentos

Esto permite la comparación de instrumentos múltiples.
Aplicación:
ej., sistemas de medición que son no destructivos y serán basados con partes
(especimenes) con:
1) Propiedades estáticas, o
2) Propiedades dinámicas (cambiantes) las cuales han sido estabilizadas.
Supuestos:
allá de la duración esperada del estudio; ej.,la característica medida no cambia
durante el periodo esperado de uso.
• Partes (especimenes) cubren el rango esperado de la variación del proceso de la

característica.
151
Analiza usando los estimativos de Grubbs 70 (o Thompson) 71 :
• La variabilidad del proceso
• La variabilidad del instrumento = repetibilidad
• Los cálculos de la región de confiabilidad están disponibles.
V3: Especimenes Divididos (m=2)
Aplicación:
Las mediciones de porciones individuales de las partes (especimenes) no son replicadas
de manera que este estudio puede ser usado en sistemas de medición destructivos y no
replicables y puede ser usado para analizar sistemas de medición con características
dinámicas.
Supuestos:

• Los especimenes son divididos en m porciones. Con m=2 porciones, este es a

menudo llamado estudio de prueba – volver a probar.
Analiza usando técnicas de regresión:
• Estima la repetibilidad con el término del error: σ E = σ e
• Linealidad (comparando la línea estimada con la línea a 45º)
V3a - V3 con Pares de Partes Consecutivas
Este estudio es el mismo que V3 pero usando pares consecutivos de partes más que
especimenes divididos. Este estudio es usado en situaciones donde la parte no puede ser
dividida sin destruir la propiedad a ser medida.
Este es un estudio de límites superior: σ E ≤ σ e + σ btwn
70
Ver lista de referencias, no. 15.
71
Ver lista de referencias, no. 38.
152
V4: Especimenes Divididos (General)
Aplicación:
Las mediciones de porciones individuales de partes (especimenes) no son replicadas de
manera que el estudio puede usarse para sistemas de medición destructivos y no
replicables y puede ser usado para analizar sistemas de medición con características
dinámicas.
Supuestos:

• Dividir los especimenes en m porciones donde m=0 mod 2 o 3; m > 2 (ej., m=3, 4,
6, 9, ...).
Analiza usando:
• Técnicas RRG estándar incluyendo gráficas
• ANOVA – Diseño de Bloques Aleatorio (ANOVA en dos sentidos)
V4a - V4 con Pares de Partes Consecutivas (homogéneas) de

Diferentes Lotes
Este estudio es el mismo que V4 usando pares consecutivos de partes más que
especimenes divididos. Este estudio es usado en situaciones donde la parte no puede ser
dividida sin destruir la propiedad a ser medida.
Este es un estudio de límite superior: σ E ≤ σ e + σ partes + σ lotes

Los siguientes estudios asumen que la característica (propiedad) de la
parte (espécimen) es dinámica.
V5: Igual que V1 con Partes Estabilizadas
Las partes usadas en el estudio son estabilizadas usando un proceso en base a

conocimientos de ingeniería y pericia; Ej., motores que son “fracturados” vs motores
“verdes”.
153
V6: Análisis de Series de Tiempo
Supuestos:
• Lecturas repetidas son tomadas sobre periodos especificados de tiempo.


característica.
Analiza determinando el modelo de degradación para cada parte de la muestra:
• σE = σe
• Consistencia de degradación (si n>2)
V7: Análisis Lineal
Supuestos:
• Lecturas repetidas son tomadas en periodos de tiempo especificados.
• Degradación en el sistema de medición es conocida (documentada) para contar con

una respuesta lineal en periodos de tiempo especificados.


característica.
Analiza por regresión lineal:
• σE = σe
• Consistencia de degradación (si n>2)
V7a - V7 con una Muestra Homogénea
Analiza por regresión lineal:
Este es un estudio de límite superior: σ E ≤ σ e + σ btwn
154
V8: Tiempo vs Degradación de la Característica (Propiedades)
V6 & V7 Pueden modificarse para determinar si la degradación es tiempo (ej., vida de

anaquel) o depende de la actividad.
V9: V2 con Lecturas Múltiples Simultaneas y p>3 Instrumentos
Analiza igual a V2 (ver también Lipsion & Sheth, sec. 13.2).
155
156
Capítulo V
Otros Conceptos de Medición
Capítulo V
OTROS CONCEPTOS DE MEDICIÓN
157
Capítulo V
Otros Conceptos de Medición
158
Capítulo V – Sección A
Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes
Reconocimiento de Efectos de Variaciones Excesivas dentro de las Partes

El entendimiento de las fuentes de variación de un sistema de medición es importante
para todas las aplicaciones de las mediciones pero llega a ser más crítico cuando existe
una variación significativa dentro de las partes. La variación dentro de las partes puede
causar que la evaluación del sistema de medición ofrezca resultados erróneos. Esto es
porque la variación dentro de las partes no tomada en cuenta afecta el estimativo de
repetibilidad, reproducibilidad o ambos. Esto es, la variación dentro de las partes puede
aparecer como un componente significativo de la variación del sistema de medición. El
entendimiento de la variación dentro de las partes presente en el producto resultará en
un entendimiento más significativo de la adecuación del sistema de medición para la
tarea en cuestión.
Ejemplos de variaciones dentro de las partes las cuales pueden encontrarse son:
redondeado, concentricidad, planicidad, perfil, cilindricidad, etc.72 Es posible que más
de una de estas características pueda estar presente al mismo tiempo dentro de la misma
parte (error compuesto). La fuerza de cada característica y sus interdependencias
pueden componer los datos y el entendimiento resultante del sistema de medición. El
reconocimiento y análisis de estas fuentes de variación adicionales durante el estudio de
un sistema de medición es importante para entender la variación actual del sistema de
medición mismo. Un DOE, ANOVA u otra técnica estadística más sofisticada puede
requerirse para analizar esta situación. Cual sea la metodología usada debiera ser
aprobado por el representante de la calidad del proveedor cliente.
También, las decisiones que los ingenieros de diseño de producto tomen pueden
inconcientemente afectar como una parte es medida, como un dispositivo puede ser
diseñado, y el resultado puede afectar los resultados del error en las mediciones. Un
ejemplo puede ser una parte plástica que tenga una característica crítica sobre una línea
de partido (una línea de partido típicamente tiene exceso de material plástico y donde
dos mitades de un molde se juntan, y por tanto es una superficie no controlada). Estos
factores deben ser considerados durante un AMEF de diseño.
Una vez que los componentes de variación dentro de las partes son entendidos, puede
ser posible controlar estos factores dentro del sistema de medición (ej., rediseñando el
gage, o usando diferentes métodos / equipo de dispositivos) de manera que los datos
futuros no sean confundidos.
72
Muchas de estas propiedades son controladas en el diseño a través de tolerancias y dimensionamiento
geométrico (T&DG). T&DG ofrece un método definido operacionalmente para checar partes de una manera
funcional. Generalmente, un chequeo funcional es un chequeo de atributos. Cuando se requieren datos de
variables, aspectos clave pueden derivarse como el usar un gage diseñado para un chequeo funcional que
produzca datos de variables. Esto algunas veces puede hacerse usando un gage funcional como un dispositivo
de fijación para un estudio en MMC. Sin embargo, cuando ésto se hace es crítico que el dispositivo sostenga la
parte firmemente y repetidamente en la misma localización (si no lo hace, el estudio MSA resultante debiera
generar este error).
159
Reconocimientos de Efectos de Variaciones Excesivas dentro de las Partes
160
Capítulo V – Sección B
Método de Promedios y Rangos – Tratamiento Adicional
Introducción Existe una consideración inicial que vale la pena mencionar relativa al método de
promedios y rangos en la evaluación del sistema de medición. El ejemplo de la gráfica
de control se toma con el permiso de “Evaluación del Proceso de Medición” por
Wheeler y Lyday (ver lista de referencias).
El propósito principal de este enfoque gráfico es el mismo que el de otros análisis de

sistemas de medición bien diseñados: para determinar si el proceso de medición es
adecuado para medir la variación del proceso de manufactura y/o evaluar el
cumplimiento del producto.
• ¿Todos los gages están haciendo el mismo trabajo?
• ¿Todos los evaluadores están haciendo el mismo trabajo?
• ¿La variación del sistema de medición es aceptable con respecto a la variación del
proceso?
• ¿Qué tan buenos son los datos obtenidos del proceso de medición o en cuántos
grupos o categorías no traslapados pueden los datos ser divididos?
Pasos del 1) Debiera tenerse cuidado en seguir la “Preparación para el Estudio de los Sistemas
Procedimiento de Medición”, capítulo II, sección C.
2) Hacer que cada evaluador cheque cada muestra para la característica a ser
estudiada. Registre los primeros chequeos en el renglón superior de los datos de la
gráfica de control (ver figura 33).
3) Repetir los chequeos y registrar los datos en el segundo renglón de los datos de la
gráfica de control. (Nota: no permita que los evaluadores vean sus lecturas
originales cuando estén haciendo este segundo chequeo). Los datos debieran
mostrar ahora dos chequeos sobre la misma parte por cada evaluador.
( )
4) Analice los datos calculando el promedio X y el rango (R) para cada subgrupo.
5) Grafique los valores de los rangos en la grafica de rangos y calcule el promedio de

rangos (R ) (incluya todos los rangos de los subgrupos (R) para todos los
evaluadores). Dibuje este rango promedio sobre la gráfica. Use el factor D4 para
n=2 para calcular el límite de control para la gráfica de rangos. Dibuje este límite y
determine si todos los valores están en control.
9 Si todos los rangos están en control, todos los evaluadores están haciendo el
mismo trabajo.
9 Si en evaluador está fuera de control, su método difiere de los otros.
9 Si todos los evaluadores cuentan con rangos fuera de control, el sistema de
medición es sensible a la técnica del evaluador y se requiere mejoramiento para
obtener datos útiles.
161
( )
6) Luego, grafique el promedio para cada subgrupo X para todos los evaluadores en
la gráfica de promedios (ver figura 33). Los valores promedio representan la
variación y la variación en las mediciones.
Calcule el promedio de promedios ( X ) (Incluya todos los promedios de los subgrupos

(X ) para todos los evaluadores. Dibuje este gran promedio ( X ) en la gráfica.
Calcule ahora los límites de control para esta gráfica usando el factor A2 para n=2 y el
( )
rango promedio R de la gráfica de rangos y dibuje estos limites sobre la gráfica de
promedios. Nótese en este estudio que la grafica de rangos contiene solo la variación de
las mediciones. Por tanto, el área entre los límites de control de los promedios
representa la cantidad de la variación de las mediciones en el sistema.
Si todos lo promedios caen dentro de los límites de control, la variación de las

mediciones eclipsa la variación del proceso. En otras palabras, el proceso de
mediciones tiene mayor variación que el proceso de manufactura, y no es de valor en el
monitoreo o control de dicho proceso.
Si menos de la mitad de los promedios cae fuera de los límites, el sistema de medición
es inadecuado para el control del proceso. Por otro lado, si la mayoría de los promedios
cae fuera de los límites de control, indica que las señales del proceso de manufactura
son mayores que la variación de las mediciones. Este sistema de medición puede
ofrecer datos útiles para el control del proceso.
Ejemplo de Hoja de Trabajo
La pregunta de “¿Qué tan buenos son los datos recolectados por el sistema de
medición?” puede responderse completando el ejemplo de la hoja de trabajo, figura 34.
Todos los datos necesarios para la hoja de trabajo pueden encontrarse en las gráficas de
promedios y rangos descritas anteriormente.
Los siguiente pasos son usados para completar el ejemplo de la hoja de trabajo (figura
34):
1) Identifique las mediciones y la característica a ser evaluada, quién está haciendo el

estudio y la fecha del estudio mismo.
( )
2) El promedio de los rangos de los subgrupos R se obtiene directamente de la
gráfica de control.
3) El número de replicaciones (r) es el número de veces en que cada evaluador checa

la misma parte.
4) Calcule la desviación estándar estimada de la repetibilidad ( σˆ e ), como se muestra

en la figura 34a y usando el valor d 2 para el correspondiente r.
5) Inserte el número de evaluadores (nA) en el espacio provisto.
6) Inserte el número de muestras (n) en el espacio provisto.
162
7) Calcule el promedio de cada evaluador promediando todas las muestras obtenidas

por cada evaluador y registre estos promedios en el espacio provisto para cada
evaluador (A, B, C).
8) Examine los promedios de cada evaluador (A, B, C) y determine el rango de los

promedios de los evaluadores restando el mínimo del máximo e insértelo en el
espacio para (RA).
9) Calcule la desviación estándar estimada de los proveedores ( σˆ A ) como se muestra

usando el valor d 2* para el valor correspondiente a n .
A
10) Calcule los promedios de las muestras promediando el valor obtenido de todos los
proveedores para cada muestra. Por ejemplo, (promedio de la muestra 1 del
evaluador A + promedio de la muestra 1 del evaluador B + promedio de la muestra
1 del último evaluador y divida esta suma por el número de evaluadores). Este es el
mejor estimativo del valor verdadero de la muestra. Coloque el valor para cada
muestra en el espacio provisto (1, 2, 3...9, 10) en la figura 34b.
11) Observe los promedios de las muestras (1, 2, 3...9, 10) y calcule el rango de los
promedios de las muestras (RP) restando el mínimo del máximo. Inserte este valor
en el espacio provisto.
12) Estime la desviación estándar muestra - a - muestra ( σˆ P ) como se muestra usando

el valor d 2* para el valor correspondiente de n.
13) Calcule la “Razón Señal - a - Ruido” (SN) dividiendo la desviación estándar de la

muestra por la desviación estándar de las mediciones e inserte en el espacio
provisto.
σp
SN =
σ RRG
14) Determine el número de categorías distintas de producto que pudieran distinguirse

por estas mediciones. Multiplique SN por 1.41 e inserte en el espacio provisto
(figura 34b).
Solo la parte entera de este número necesita considerarse dado

que está definiendo categorías distintas. (Elimine todas las
fracciones decimales) (ver figura 34b).
Si el número de categorías es menor que dos (2), el sistema de medición no tiene valor
en el control del proceso. Se puede decir que todo el ruido y una parte no son diferentes
uno de otro.
Si el número de categorías es dos (2), significa que los datos pueden dividirse solo en
grupos alto y bajo; sin embargo éste es solo el equivalente de datos de atributos.
Si el número de categorías es tres (3), los datos pueden dividirse en grupos alto, medio
y bajo. Este es ligeramente un mejor sistema de medición.
Un sistema de medición conteniendo cuatro (4) o más categorías será mucho mejor que
los primeros tres ejemplos.
163
Figura 33a: Gráfica de Control ( X -R)-1 para Evaluación de Mediciones
164
Figura 33b: Gráfica de Control ( X -R)-2 para Evaluación de Mediciones.
165
Mediciones Hecho
Evaluadas LONGITUD DE AJUSTE por R.W.L. Fecha MM-DD-YY
r d2
ERROR DE REPLICACION: Rango Promedio de los Subgrupos = R = 7.6 2 1.128
Número de Replicaciones = Tamaño del Subgrupo = r = 2 3 1.693
R
Estima la Desviación Estándar de las Replicaciones = σˆ e = 6.738 4 2.059
d2
5 2.326
6 2.534
7 2.704
8 2.847
9 2.970
10 3.078
CALCULO PARA EFECTO DE LOS EVALUADORES Escribe abajo los promedios de

los evaluadores:
nA d 2* Evaluadores Promedio
2 1.410 Numero de Evaluadores = nA = 3 A 103.1

3 1.906 B - lo 102.8
4 2.237 Numero de Muestras =n=5 C - hi 108.1
5 2.477 108.1-102.8 = RA D ----
6 2.669 Rango de los Promedios de los E ----
Evaluadores = RA = 5.3
7 2.827 F ----
8 2.961
9 3.076 5.3 R
= σˆ A = σˆ A = 2.781
1.906 d2
10 3.178
Figura 34a: Cálculos para Métodos de Gráficas de Control para Evaluación de un Proceso de
Medición (Partes 1 de 2)
166
CALCULOS PARA LA DESVIACIÓN ESTANDAR DEL ERROR DE LAS MEDICIONES

El Estimativo de la desviación estándar del error en las mediciones es:
σˆ m = σˆ e2 + σˆ A2
= (6.7376) + (2.7806)
2 2
= 7.289
Escribe el valor apropiado para σˆ m aquí: σˆ m = 7.289
CALCULOS PARA PROPORCIONES SEÑALES A RUIDO:
Escribe el promedio de cada pieza de la muestra o lote abajo:

n d 2*
113.67 – 83.0 = Rp Ejemplo Promedio
2 1.410
Rango para estos Promedios de Muestras = Rp = 30.67 1 111.17
3 1.906
Estima la Desviación Estándar de Muestra a Muestra: 2 113.33
4 2.237
30.67 Rp 3 - Lo 83.00
5 2.477
= 12.38 = σˆ p = 12.38
6 2.669
2.477 d 2* 4 102.17
5 - Hi 113.67
7 2.827
Proporción Señal a Ruido: 6 -----
8 2.961
9 3.076 12.38 σˆp 7 -----

= 1.698 = 1.698
10 3.178
7.289 σˆ m 8 -----
Por tanto el número de categorías distintas de productos que pueden ser confiablemente 9 -----
distinguidas para estas mediciones es 1.41 x 1.698
10 -----
⎛ σˆ ⎞
1.41⎜⎜ p ⎟⎟ = 2.395 o2
⎝ σˆ m ⎠
Este es el número de intervalos de confiabilidad del 97% no traslapados que extenderán el rango de la variación del
producto. (Un intervalo de confiabilidad del 97% y centrado en una medición única contendría el valor actual del
producto que es representado por dicha medición el 97% del tiempo).
Figura 34b: Cálculos para Métodos de Gráficas de Control en la Evaluación de un Proceso de

Medición (partes 2 de 2)
167
168
Capítulo V – Sección C
Curva de Desempeño de Gages
Curva de Desempeño de Gages73

El propósito de desarrollar una Curva de Desempeño de Gages (CDG)
es determinar la probabilidad de aceptar o rechazar una parte a partir de
un valor de referencia. Idealmente, la CDG para una medición sin
errores es mostrada en la figura 35. Sin embargo, esto es para sistemas
de medición ideales más que lo que ocurra normalmente.
Una vez que la cantidad de error ha sido determinada, es posible

calcular la probabilidad de aceptar una parte de algún valor de
referencia cuando se use un sistema.
Para lograr esto, se hace el supuesto de que el error del sistema de

medición consiste principalmente de falta de repetibilidad,
reproducibilidad y sesgo. Además, la repetibilidad y reproducibilidad son
consideradas con una distribución normal con una varianza σ 2 .
Consecuentemente, el error del gage está distribuido normalmente con
una media de XT, el valor de referencia, más el sesgo, y cuenta con una
varianza, σ 2 . En otras palabras:
(
Valor Actual del Gage = N X T + b, σ 2 )
La probabilidad de aceptar una parte de algún valor de referencia es
ofrecida por la relación
UL
Pa = ∫ N (X
LL
T + B, σ 2 )dx
Usando la tabla estándar normal
⎛ UL − ( X T + b ) ⎞ ⎛ LL − ( X T + b ) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ σ ⎠ ⎝ σ ⎠
donde
⎛ UL − ( X T + b ) ⎞
UL
σ⎜
σ
( )
⎟ = ∫ N X T + b, σ 2 dx
⎝ ⎠ −∞
⎛ LL − ( X T + b ) ⎞
∞
σ⎜ ⎟ = ∫ N (X T + b,σ )dx
2
⎝ σ ⎠ LL
73
Adaptado con el permiso de “Análisis de Sistemas de Atributos de Gages” por J.McCaslin & G.Gruska, ASQC,
1976.
169
Ejemplo:
Determine la probabilidad de aceptar una parte cuando el valor de
referencia del torque es 0.5 Nm, 0.7 Nm, 0.9 Nm.
Usando los datos de un estudio previamente conducido:
Especificación Superior = UL = 1.0 Nm

Especificación Inferior = LL = 0.6 Nm
sesgo = B = 0.05 Nm
σ RRG = 0.05 Nm
Aplicando lo anterior a las fórmulas de la página anterior:
⎛ UL − ( X T + b ) ⎞ ⎛ LL − ( X T + b ) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ σ ⎠ ⎝ σ ⎠
⎛ 1.0 − (0.5 + 0.05) ⎞ ⎛ 0.6 − (0.5 + 0.05) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ 0.05 ⎠ ⎝ 0.05 ⎠
Pa = φ (9.0) − φ (1.0)
= 1.0 - 0.84
= 0.16
Esto es, cuando la parte tiene un valor de referencia de 0.5 Nm será

rechazada aproximadamente 84% del tiempo.
Ejemplo de una Curva de Desempeño de Gages:
Para X T = 0.7 Nm
⎛ 1.0 − (0.7 + 0.05) ⎞ ⎛ 0.6 − (0.7 + 0.05) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ 0.05 ⎠ ⎝ 0.05 ⎠
Pa = φ (5.0) − φ (− 3.0)
= 0.999
Si el valor de referencia de la parte es 0.7 Nm entonces se rechazará menos de

aproximadamente 0.1% del tiempo.
Para X T = 0.9 Nm
⎛ 1.0 − (0.9 + 0.05) ⎞ ⎛ 0.6 − (0.9 + 0.05) ⎞
Pa = φ ⎜ ⎟ − φ⎜ ⎟
⎝ 0.05 ⎠ ⎝ 0.05 ⎠
Pa = φ (1.0) − φ (− 7.0)
= 0.84
Si el valor de referencia de la parte es 0.9 Nm entonces será rechazado

aproximadamente menos del 16% del tiempo.
170
Si la probabilidad de aceptación es calculada para todos los valores de XT y graficada,

entonces la curva de desempeño del gage, como es mostrada en la figura 36 se
obtendría.
Esta misma curva puede ser graficada más fácilmente en papel de probabilidad normal,
como se muestra en la figura 37. Una vez graficada, la CDG ofrece la probabilidad de
aceptar una parte de cualquier tamaño.
Además, una vez desarrollada la CDG, puede usarse para calcular el error de
repetibilidad y reproducibilidad, y el error del sesgo.74
El rango 5.15 RRG puede determinarse encontrando el valor de XT que corresponda a Pa

= 0.995, y el valor de XT que corresponda a Pa = 0.005 para los dos límites. El RRG es
la diferencia entre los dos valores de XT, como se muestra gráficamente en la figura 37.
Un estimativo del sesgo se determina encontrando para XT, los límites superior o
inferior que correspondan a Pa = 0.5 y calculando:
B=XT-LL o BB=XT-UL
dependiendo de cual límite XT se seleccione. 75
74
Ver “Estudio de Atributos de Gages”, Capítulo III, Sección C.
75
Esto asume que el sistema de medición es lineal sobre el rango de operación.
171
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 0.2
Valor de Referencia de las Partes Medidas
Sesgo = 0.00 Rango RRG = 0.00
Figura 35: Curva de Desempeño del Gage Sin Error
172

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 0.2
Valor Valores de Referencia de las Partes Medidas
Sesgo = 0.05 RRG = 0.24
Figura 36: Curva de Desempeño de Gage - Ejemplo
173
Rango RRG = 0.24

? ?
99.8 0.2
99.5 0.5
? ?
99.0 1.0
98.0 ? ? 2.0
95.0 5.0
? ?
90.0 10.0
? ?
80.0 20.0
70.0 ? ? 30.0
60.0 40.0
?
50.0 50.0
40.0 60.0
? ?
30.0 70.0
20.0 80.0
? ?
10.0 90.0
? ?
5.0 95.0
2.0 ? ? 98.0
1.0 99.0
? ?
0.5 99.5
0.2 ? ? 99.8
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1
Sesgo = 0.05
Figura 31: Curva de Desempeño del Gage Graficada en
Papel de Probabilidad Normal
174
Capítulo V – Sección D
Reducción de Variación a Través de Lecturas Múltiples
Reducción de la Variación a Través de Lecturas Múltiples

Si la variación del presente sistema de medición no es aceptable (arriba del 30%), existe
un método que puede usarse para reducir la variación a un nivel aceptable hasta que
puedan hacerse mejoramientos al sistema de medición mismo. La variación no
aceptable puede reducirse tomando lecturas múltiples y estadísticamente independientes
(no correlacionadas) de la característica de la parte a ser evaluada, determinando el
promedio de estas mediciones y permitiendo que el valor numérico del resultado sea
sustituido por la medición individual. Este método, por supuesto consumirá tiempo,
pero es una alternativa hasta que se hagan mejoramientos al sistema de medición (ej.,
rediseñando o comprando un nuevo sistema). El procedimiento para este método
alternativo es como sigue:
1) Determine el número de lecturas múltiples requeridas para cumplir con un

nivel de variación aceptables.
2) Siga el procedimiento de estudio de gages discutido previamente en estos

lineamientos.
Ejemplo:
En el ejemplo de la corporación XYZ, el porcentaje de la variación de la tolerancia del

RRG es 25.5%, con una amplitud 6 sigma igual a 0.24. El cliente quiere reducir esta
figura a al menos 15%, el cual sería un equivalente de amplitud de 6 sigma de 0.14.76
Para determinar el número de lecturas múltiples requerido para cumplir el criterio

deseado del 15%, primero debe entenderse que la distribución de las medidas
individuales y el promedio tienen el mismo valor promedio numérico. Segundo, que la
varianza de la distribución de los promedios es igual a la varianza de la distribución de
las lecturas individuales dividida por el tamaño de la muestra. Entendiendo esta
relación como se muestra abajo, el número de lecturas múltiples requerido puede
entonces determinarse.
(6σ x )2 = (6σ )
2
Esto puede aproximarse por
(6s ) = (6s )
x
n
Y
76
Ver nota en página vi.
175
Reducción de Variación a Través de Lecturas Múltiples
0.24
0.14 =
n
de manera que
n = 1.714
y
n = 3(redondeado al entero más próximo)
Por tanto, 3 lecturas múltiples sobre la característica de la parte reducirían la variación

total del sistema de medición a aproximadamente 0.14 y el %RRG a 15%.
Este método debiera ser considerado como un paso temporal hasta que se hagan
mejoramientos al sistema de medición. Este debiera usarse solo con concurrencia del
cliente.
176
Capítulo V – Sección E
Enfoque de la Desviación Estándar Combinada con RRG
Enfoque de la Desviación Estándar Combinada con RRG77

El análisis de un sistema de medición generalmente asume que los datos replicados de
todas las partes / especimenes pueden obtenerse de todos los evaluadores en un forma
aleatoria. Esto no siempre puede ser posible. Si el análisis del sistema de medición
incluye localizaciones múltiples puede no ser factible logísticamente el demandar un
muestreo aleatorio. También algunas muestras, análisis notablemente químicos y
metalúrgicos (estudios entre e intra laboratorios) pueden requerir una sección cruzada
de las diversas muestras que no sean parte de un proceso homogéneo y pueden no estar
disponibles al mismo tiempo.
Estas situaciones pueden manejarse usando un DOE anidado. Un enfoque alternativo es

el estudio de la desviación estándar combinada del RRG el cual sigue la metodología
discutida en ASTM E691.
Este enfoque ve a cada parte como un material por separado y entonces calcula las
desviaciones estándar de la repetibilidad y reproducibilidad como en E691. Esto
producirá valores múltiples y por separado de repetibilidad y reproducibilidad. Dado
que las partes son consideradas como esencialmente idénticas, se asume que estos
estimativos por separado son efectivamente idénticos. Por supuesto nunca serán
exactamente los mismos, pero su promedio ofrecerá un buen estimativo del nivel
verdadero de repetibilidad y reproducibilidad similar.
Si este enfoque es usado para evaluar un grupo de laboratorios,

existe la preocupación de cual sería la naturaleza de la
reproducibilidad. Si esta es mayor que cero, la mayoría del tiempo
(esto es para la mayoría de los materiales) debiera interpretarse
como la aplicación de que existen diferencias entre operadores, ej.,
en un programa interlaboratoiros ésto sugeriría que existen
diferencias reales entre laboratorios.
Aplicación Secuencial Aunque el enfoque E691 es típicamente usado con una muestra completa, permite
asimismo un enfoque secuencial. Este es útil cuando todas las muestras no están
disponibles al mismo tiempo. También puede ser utilizado como parte del proceso de
calibración para mantener información de la variabilidad del sistema de medición.
La siguiente descripción del estudio asume que el estudio mismo será aplicado de una
forma secuencial.

Debiera tenerse cuidado en seguir la “Preparación para el Estudio del Sistema de
Medición” mostrado en el capítulo II, sección C.
77
Partes de esta sección incluyen todo lo de “Estadísticas de Consistencia” es contribución de Neil Ullman de la
American Society for Testing and Materials (ASTM International).
177
Continúe del paso 6 de la página 74:
7) Hacer que cada uno de los m ≥ 2 evaluadores evalúen la parte para r ≥ 3

lecturas. Registre los datos en renglones apropiados de la hoja de recolección de
datos (ver formatos de ejemplo). (Nota: no permita que los evaluadores vean sus
lecturas originales al hacer estos chequeos múltiples).
( )
8) Calcule el promedio X y la desviación estándar (s) para la nueva parte para cada
evaluador.
9) Grafique los valores de desviación estándar sobre la gráfica de desviación estándar

y calcule el promedio de la desviación estándar misma (s ) (incluya la desviación
estándar de todos los subgrupos y para todos los evaluadores). Dibuje este
promedio de la desviación estándar sobre la gráfica. Use el factor B4 con r muestras
para calcular el límite superior de control para la gráfica de la desviación estándar.
Dibuje este límite y determine si todos los valores están en control (ver figura 38).
( )
10) Grafique el promedio X para cada subgrupo para todos los evaluadores sobre la
gráfica de promedios (ver figura 38). Los valores promedio representan la variación
del proceso y la variación de las mediciones.
11) Calcule el promedio de promedios ( X ) (incluya los promedios de todos los

( )
subgrupos X para todos los evaluadores). Dibuje la línea de este gran promedio
( X ) en la gráfica.
12) Calcule los límites de control para esta gráfica usando el factor A2 para un r y una
desviación estándar de los promedios (s ) de la gráfica de desviación estándar;
dibuje estos límites en la gráfica de promedios.
13) Analice los daros usando las gráficas de control y otras técnicas gráficas discutidas
en el método de promedios y rangos (ver capítulo 3).
14) Evalúe los parámetros del sistema de medición para cada parte combinando los
resultados de los evaluadores.
m
∑s 2
xi
sx = i =1
g
m
m
∑s 2
si
Re petibilidad g = s E g = i =1
m
s E2 g
Re producibilidad g = s A g = s − 2
xg
m
RRGg = s RRG g = s E2 g + s A2g
178
E691 sigue el convencionalismo de que la reproducibilidad del
MSA se refiera como la variación de los evaluadores y el RRG del
MSA es llamado reproducibilidad. En este caso,
sr2
sappr = s x2 −
3
s R = sr2 + sappr
2
donde sr = sE = Repetibilidad y sR = RRG = Reproducibilidad ASTM
15) Evalúe los parámetros globales del sistema de medición combinando o acumulando
los resultados de las partes.
g
∑s 2
Ei
Re petibilidad = s E = i =1
g
g
∑s 2
Ai
Re producibilidad = s A = i =1
g
g
∑s 2
RRGi
RRG = s RRG = i =1
g
Cuando se calcula el porcentaje de la variación total, la desviación estándar histórica

para el proceso debiera usarse.
Si las partes cubren una amplia variedad de los procesos, por

ejemplo diferentes especimenes metalúrgicos o químicos, la
evaluación del porcentaje de la variación total debiera basarse en
la variación del proceso de los especimenes específicos y no de la
variación total sobre todos los especimenes.
Debiera darse cuidado a la interpretación de los parámetros del

sistema de medición en el caso donde los evaluadores estén
localizados en diferentes instalaciones (ej., laboratorios).
La Repetibilidad incluiría variación entre los equipo así como

variación dentro de los equipos. Esto puede evaluarse calculando y
comparando la Repetibilidad dentro de cada localización.
La Reproducibilidad incluiría variación entre localizaciones así

como variación entre evaluadores. Estos componentes no pueden
separase con este estudio.
179
Gráfica para Respuesta Xbarra/S

1 1
2 * * 1
*
1 1
* * 1
Medición Simple
1 1 *
1 * 1
* •
* •
UCL= 0.3492
0 • •
• • • Media = 0.001444
•
*1 *1 LCL = 0.3463
*1 1*
-1 *1 *1
*1 *1
-2 *1•
*1
Operador 0 10 20 30
Subgrupo
1 2 3
0.6 1
*
Desviación Estandar Simple
0.5 UCL = 0.4570

• •
0.4
•
0.3 •
•
• • • • • • s = 0.1780
0.2 •
•
• •
• • •
• •
0.1 •
•
•
• •
•
•
•
0.0 LCL = 0
Figura 38a: Análisis Gráfico del Estudio de la Desviación Estándar Combinada
180
CrucedePartes
Trial 1 2 3 4 5 6 7 8 9 10
A 1 0.29 -0.56 1.34 0.47 -0.8 0.02 0.59 -0.31 2.26 -1.36
2 0.41 -0.68 1.17 0.5 -0.92 -0.11 0.75 -0.2 1.99 -1.25
3 0.64 -0.58 1.27 0.64 -0.84 -0.21 0.66 -0.17 2.01 -1.31
Tabla 15: Conjunto de Datos de Análisis de
x 0.4467 -0.6067 1.2600 0.5367 -0.8533 -0.1000 0.6667 -0.2267 2.0867 -1.3067 xdbbar 0.19033333
σ 0.1779 0.0643 0.0854 0.0907 0.0611 0.1153 0.0802 0.0737 0.1504 0.0551 appr sd 0.10289153
Desviación Estándar Combinada
B 1 0.08 -0.47 1.19 0.01 -0.56 -0.2 0.47 -0.63 1.8 -1.68
2 0.25 -1.22 0.94 1.03 -1.2 0.22 0.55 0.08 2.12 -1.62
3 0.07 -0.68 1.34 0.2 -1.28 0.06 0.83 -0.34 2.19 -1.5
x 0.1333 -0.7900 1.1567 0.4133 -1.0133 0.0267 0.6167 -0.2967 2.0367 -1.6000 xdbbar 0.06833333
σ 0.1012 0.3869 0.2021 0.5424 0.3946 0.2120 0.1890 0.3570 0.2079 0.0917 appr sd 0.3017394
181

C 1 0.04 -1.38 0.88 0.14 -1.46 -0.29 0.02 -0.46 1.77 -1.49
2 -0.11 -1.13 1.09 0.2 -1.07 -0.67 0.01 -0.56 1.45 -1.77
3 -0.15 -0.96 0.67 0.11 -1.45 -0.49 0.21 -0.49 1.87 -2.16
x -0.0733 -1.1567 0.8800 0.1500 -1.3267 -0.4833 0.0800 -0.5033 1.6967 -1.8067 xdbbar -0.25433333
σ 0.1002 0.2113 0.2100 0.0458 0.2223 0.1901 0.1127 0.0513 0.2194 0.3365 appr sd 0.19056058
sdxbar 0.26182 0.28005 0.19648 0.19751 0.24077 0.26555 0.32524 0.14385 0.21221 0.25125 Pooledsd's
Sistema de Medición
Resultados por
Repetibilidad 0.13153 0.25721 0.17534 0.31863 0.26388 0.17736 0.13524 0.21252 0.19494 0.20385
Partes
pooled 0.204274 0.195107 0.23223 0.238896 0.229787 0.218795 0.218021 0.215578 0.21443466
Reproducibilidad 0.25056 0.23743 0.16839 0.07191 0.18644 0.24501 0.31573 0.07508 0.17991 0.22198
pooled 0.244086 0.221744 0.195372 0.193619 0.203089 0.222696 0.209998 0.206871 0.20843064
RRG 0.28299 0.35004 0.24310 0.32664 0.32310 0.30247 0.34347 0.22540 0.26527 0.30138
pooled 0.318285 0.295359 0.303481 0.307505 0.306671 0.312194 0.302708 0.29878 0.29904106
Estadísticas de Consistencia
Los métodos de ASTM e ISO78 sugieren que dos estadísticas de “consistencia”, h y k,

sean calculadas. Los valores de h se calculan por
x appr − x parte
h=
Sx
Para el evaluador A y la parte 1, el promedio ( x appr anterior) es 0.447y el promedio de
las partes ( x parte anterior) es 0.169. La desviación estándar entre los evaluadores ( s x
anterior) es 0.262. Por tanto
0.447 − 0.167 0.278

h= = = 1.06
0.262 0.262
El valor de k es la razón de la desviación estándar para cada parte y cada evaluador con
la desviación estándar de la repetibilidad. En este caso (evaluador A y parte 1) es:
σ ( EvualuadorA, Parte1) 0.178

k= = = 1.35
repetibilidad 0.132
Una razón por la que éstos se calculan es permitir comparaciones entre materiales muy
diferentes.
Aunque en este ejemplo no hay una colección de materiales ampliamente diferentes y

los cuales tengan diferentes niveles y posiblemente desviaciones estándar muy
diferentes, los cálculos h y k de E691 pueden todavía usarse para comparar la
desviación estándar de la repetibilidad y los valores respuesta por los evaluadores. La
siguiente tabla de h y k´s se listan por evaluador.
h Parte
Ev. 1 2 3 4 5 6 7 8 9 10 avg h “z”
A 1.06 0.87 0.82 0.86 0.88 0.32 0.65 0.80 0.69 1.05 0.80 2.53
B -0.14 0.22 0.29 0.24 0.21 0.80 0.50 0.32 0.46 -0.11 0.28 0.88
C -0.93 -1.09 -1.11 -1.10 -1.09 -1.12 -1.15 -1.12 -1.15 -0.94 -1.08 -3.41
mediana
“z”
k K
A 1.35 0.25 0.49 0.28 0.23 0.65 0.59 0.35 0.77 0.27 0.42 -3.20
B 0.77 1.50 1.15 1.70 1.50 1.20 1.40 1.68 1.07 0.45 1.30 3.14
C 0.76 0.82 1.20 0.14 0.84 1.07 0.83 0.24 1.13 1.65 0.84 -0.17
78
Ver ISO 5725.
182
En las últimas dos columnas están los promedios y el valor de “el valor – z” para ver si
los evaluadores son significativamente diferentes. Los valores de h indican que el
evaluador A es significativamente alto y el evaluador C es significativamente bajo en
sus lecturas del tamaño de las partes. Es también esta significativa diferencia lo que
genera la desviación estándar del RRG.
Las desviaciones estándar de la repetibilidad pueden también ser evaluadas observando

los valores k. Para hacer esto, calcule la mediana k y luego un aproximado del “score
z”. Con este estudio, la mediana esperada es alrededor de 0.861 y con una desviación
estándar de aproximadamente 0.439. La mediana k para el evaluador A es entonces
alrededor de –3.2 desviaciones estándar abajo del nivel esperado y el evaluador B es
significativamente alto. Por tanto vemos diferencias muy grandes en el desempeño de
solo 3 operadores.
Las gráficas de h (figura 38b) y k (figura 38 c) también ayudan a ilustrar estas

diferencias. El evaluador C tiene los resultados mucho más bajos que los otros.
Similarmente, los valores k muestran que tan abajo la variación del evaluador A es con
respecto a la repetibilidad. Estos ciertamente son aspectos clave a ser examinados
acerca del desempeño del método de medición y como es realizado por estos
evaluadores.
183
184
Apéndices
APENDICES
185
Apéndice A
Análisis de Conceptos de Varianza
186
Apéndice A
Apéndice A

El análisis numérico de las RRGs puede hacerse siguiendo las fórmulas de la tabla 18.
Esto es lo que se le llama Tabla de Análisis de Varianza (ANOVA). La tabla de
ANOVA se compone de 6 columnas:
• La columna de fuentes es la causa de variación.
• La columna DF es el grado de libertad asociado con la fuente.
• La columna SS o suma de cuadrados es la desviación alrededor de la media de la

fuente.
• La columna MS o cuadrado de la media es la suma de cuadrados dividida por los

grados de libertad.
• La columna EMS o cuadrado de la media esperado determina la combinación

lineal de los componentes de varianza para cada MS. La tabla ANOVA sectoriza la
fuente total de variación en cuatro componentes: partes, evaluadores, interacción
entre las partes y evaluadores y error replicado debido a la repetibilidad del equipo
/ gage.
• La columna de proporción F se calcula solo por la interacción en una ANOVA de

MSA; se determina por la interacción de la media cuadrada dividida por el error de
la media cuadrada.
El estimativo de los componentes de varianza para cada fuente se ofrece en la tabla

16.79
Estimativo de Varianza
Equipo (EV) τ 2 = MSe80

Interacción (INT) MS AP − MSe
Evaluador (AV) γ2 =
r
Parte (PV) MS A − MS AP
ω2 =
nr
MS P − MS AP
σ2 =
kr
Tabla 16: Estimativo de los Componentes de Varianza
Dado que cada media cuadrada es una cantidad muestra sujeta a la variación del muestreo y
los cálculos involucran diferencias de promedios al cuadrado, entonces son posibles los
estimativos de componentes de varianza negativos.
79
En esta tabla, se asume que todos los componentes de variación son de efectos aleatorios.
80
En esta aplicación de ANOVA a los análisis de sistemas de medición, el término de error de ANOVA es
equivalente a la variación del equipo MSA, MSE
187
Apéndice A
Este es un pequeño problema dado que los componentes de varianza “master” son
iguales o tienden a cero o cuentan con un tamaño de muestra pequeño. Para propósitos
de análisis, los componentes de varianza negativos se hacen cero.
La desviación estándar es más fácil de interpretar que la varianza por que tiene las
mismas unidades de medición de la observación original. En la práctica, la medida
básica de amplitud es dada por 5.15 veces la desviación estándar.81 La tabla 17 muestra
la extensión 5.15 sigma para una medida de repetibilidad llamada variación del equipo
(EV) y una medida de reproducibilidad llamada variación del evaluador (AV). Si la
interacción entre las partes y los evaluadores es significativa, entonces existe un modelo
no adicional y por tanto se ofrece un estimativo de sus componentes de varianza. El
RRG en la tabla 17 es la variación total del sistema de medición.
EV = 5.15 MS e Variación del Equipo = Repetibilidad
MS A − MS AP Variación del Evaluador = Reproducibilidad

AV = 5.15
nr
MS AP − MS e Interacción del Evaluador por Parte
I AP = 5.15
r
RRG = (EV )2 + ( AV )2 + (I AP )2 R&R del Gage
MS p − MS AP
PV = 5.15 Variación de las Partes
kr
Tabla 17: Amplitud 5.15 sigma
En el modelo aditivo la interacción no es significativa y los componentes de varianza

para cada fuente se determinan como sigue: Primero, la suma de l cuadrado del error
del gage ( SS e de la Tabla 18), se agrega a la suma del cuadrado de la interacción del
evaluador por parte ( SS AP de la Tabla 18) y el cual es igual a la suma de cuadrados
(
acumulados SS pool ) con (nkr − n − k + 1) 82
grados de libertad. Por tanto el SS pool
será dividido por (nkr − n − k + 1) 82
para calcular MS pool . Los límites de extensión
5.15 sigma serán entonces:
EV = 5.15 MS pool
MS A − MS pool
AV = 5.15
nr
RRG = (EV ) 2
+ ( AV )
2
MS p − MS pool
PV = 5.15
kr
81
Este es el rango del 99%. Ver nota en página vi.
82
Donde n = número de partes, k = número de evaluadores y r = número de intentos.
188
Apéndice A
A fin de determinar si la interacción es significativa, calcular el
estadístico F de la interacción del evaluador por parte (ver tabla 18).
Comparar este estadístico F en un punto de porcentaje alto con la
distribución F como numerador y grado de libertad como denominador
tomado de ANOVA (tabla 18).
A fin de reducir el riesgo de concluir falsamente de que no hay efectos de

interacción, seleccionar un nivel de significancia alto. Una vez que el RRG sea
determinado entonces el porcentaje del RRG puede calcularse en relación al
desempeño del proceso.
n
⎛ x2 ⎞ x2
SS p = ∑ ⎜⎜ i.. ⎟⎟ − ...
i =1 ⎝ kr ⎠ nkr
k ⎛ x2 ⎞ 2
SS A = ∑ ⎜
. j.
⎟ − x...
⎜
j =1 ⎝ nr ⎠
⎟ nkr
( ) x...2
n k r
TSS = ∑∑∑ xijm
2
−
i =1 j =1 m =1 nkr
n ⎛ xij2. ⎞ n ⎛ xi2.. ⎞ k ⎛ x.2j . ⎞ x...2
k
SS AP = ∑∑ ⎜ ⎟ − ∑ ⎜⎜ ⎟⎟ − ∑ ⎜ ⎟+
⎜ r ⎟ kr ⎜ nr ⎟ nkr
i =1 j =1 ⎝ ⎠ i =1 ⎝ ⎠ j =1 ⎝ ⎠
[
SS e = TSS − SS A + SS P + SS Ap ]
Fuente DF SS MS F EMS
Evaluador k −1 SS A SS A τ 2 + rγ 2 + nrω 2
MS A =
(k − 1)
Partes n −1 SS P SS P τ 2 + rγ 2 + krσ 2
MS P =
(n − 1)
Evaluador por (n − 1)(k − 1) SS AP SS AP MS AP τ 2 + rγ 2
MS AP =
parte (n − 1)(k − 1) MS e
Equipo nk (r − 1) SS E SS e 2
MS e = τ
nk (r − 1)
Total Tabla 18: TSS
Análisis de
Varianza Evaluador ∼N(0,ω2)
(ANOVA) Partes ∼N(0,σ2)
nkr − 1 Evaluador por parte
∼N(0, γ 2 )
Equipo ∼N( 0, τ 2 )
Tabla 18: Análisis de Varianza (ANOVA)
189
Apéndice A
Tablas 19a y 19b muestran los cálculos de ANOVA para los datos del
ejemplo de la figura 24.
Fuente DF SS MS F EMS
Evaluador 2 3.1673 1.58363 79.41* τ 2 + 3γ 2 + 30ω 2
Partes 9 88.3619 9.81799 492.29* τ 2 + 3γ 2 + 9σ 2
Evaluador por parte 18 0.3590 0.01994 0.434 τ 2 + 3γ 2
2
Equipo 60 2.7589 0.04598 τ
Total 89 94.6471
* Nivel de Significancia a α=0.05
Tabla 19a: Resultados Tabulados de ANOVA
Estimativo de la Desv. Std. 5.15 (σ) % de la % de Contribución

Varianza (σ) Variación Total
τ = 0.039973
2 0.199933 EV = 1.029656 18.4 3.4
(Equipo)
ω 2 = 0.051455 0.226838 AV = 1.168213 20.9 4.4
(Evaluador)
γ2 =0 INT = 0 0 0
(Interacción)
RRG = 0.09143 0.302373 RRG = 1.557213 27.9 7.8
(τ 2
+γ +ω
2 2
)
σ 2 = 1.086447 1.042327 Pv = 5.367987 96.0 92.2
(Parte)
Variación Total 1.085 TV = 5.589293 100.0
Tabla 19b: Resultados Tabulados de ANOVA

(el estimativo de la varianza se basa en el modelo sin interacciones)
ndc = 1.41(PV RRG ) = 1.41(5.37 1.56 ) = 4.85 ≅ 4
Variación Total (TV) = RRG 2 + PV 2
⎛ 5.15σ componentes ⎞
% de la Variación Total = 100⎜⎜ ⎟⎟
⎝ 5.15σ total ⎠
⎛ 5.15σ componente
2
⎞
% de Contribución (de la Varianza Total) = 100⎜⎜ ⎟
s
5 .15 σ 2 ⎟
⎝ total ⎠
190
Apéndice B
Impacto de RRG sobre el Índice de Habilidad Cp
Apéndice B
Impacto de RRG sobre el Índice de Habilidad CP
Fórmulas:
σ O2 = σ A2 + σ M2 ⑴
Donde O = la variación del proceso observado
A = la variación del proceso actual
M = la variación del sistema de medición
U −L
Cp x = ⑵
6σ x
donde U,L son los valores de especificación superior e inferior

x =0 o a conforme es definido en (1)
% RRG = RRG p *100% ⑶
con base en la variación del proceso
kσ M
RRG p =
6σ O
Nota: RRG p ≤ 1 dado que desde σ O2 ≥ σ M2 por la ecuación(1) ⑷
con base en el rango de tolerancia:
kσ M
RRG p =
U −L
En (4) y (5), normalmente k se toma como 5.15. Sin embargo, sin pérdida de generalidad este análisis toma k
como 6 para simplificar la aritmética.
Análisis:
σA
CpO = Cp A *
σO
σ O2 − σ M2
= Cp A * Usando (1)
σO
con el RRG basado en la variación del proceso
σ O 1 − RRG 2
CpO = Cp A * usando (4)
σO
= Cp A * 1 − RRG 2 (6)
o
191
Apéndice B
CpO
Cp A = (6’)
1 − RRG 2
Con RRG basado en el rango de tolerancia
1 σM
RRG = * usando (2) y (5)
CpO σ O
Consecuentemente
CpO = Cp A * 1 − (CpO * RRG )

2
(7)
y
CpO
Cp A = (7’)
1 − (CpO * RRG )
2
192
Apéndice B
Análisis Gráfico
Con base en (6) la familia de líneas para Cpo con respecto a CpA es:
3.5
3 10%
30%
2.5 50%
70%
Cp Observado
1.5
90%
1
0.5
0
0.5 1 1.5 2 2.5 3
Cp Actual
Figura 39: Cp Observado vs. Actual (basado en proceso)
Actual RRG
10% 20% 30% 40% 50% 60% 70% 90%
Cp observado con el Cp en base al Rango del Proceso
1.3 1.29 1.27 1.24 1.19 1.13 1.04 0.93 0.57
Cp observado con el Cp en base a la Tolerancia
1.3 1.29 1.26 1.20 1.11 0.99 0.81 0.54 nada
Tabla 20: Comparación del Cp Observado con el Cp Actual
193
Apéndice B
Con base en (7’), la familia de líneas para CpA con respecto a Cpo es:
70% 60% 50%

6.0
5.0
4.0
Cp Actual
40%
3.0
30%
2.0
10%
1.0
0.0
0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0
Cp Observado
Figura 40: Cp Observado vs. Actual (en base a la tolerancia)
194
Apéndice C
Tabla de Apéndice C – d2* Tabla d2*
195
Apéndice D
Estudio R de Gages
196
Apéndice D
Estudio R de Gages
Apéndice D
Estudio R de Gages
Aplicación:
• Ofrece una determinación preliminar de la repetibilidad de un gage de corto plazo

solamente.
• Puede ser usado para chequeo antes de envío por el proveedor del gage.
• Puede ser usado en preproducción cuando la disponibilidad de partes es mínima.
• Puede ser usado durante el desarrollo del gage – ej., para una comparación rápida
de las diferentes localizaciones de sujeción; comparación de diferentes
metodologías.
• Este método NO PUEDE ser usado para aceptación final de un gage sin otros
métodos MSA más completos y detallados.
Supuestos:
• La variación y estabilidad del proceso no pueden ser conocidas hasta este punto en
el tiempo.
• La linealidad y el sesgo no son aspectos críticos.
• La reproducibilidad no se considera aquí.
• El propósito es enfocarse solo a la repetibilidad del gage.
• La gráfica I/MR (Lecturas Individuales / Rangos Móviles) ofrece una evaluación

mínima de la estabilidad.
Análisis a través de:
Tomar una parte, por un operador; colocar la parte en el dispositivo, medir; quitar la
parte del dispositivo; repetir esto 9 veces más con la misma parte y el mismo operador.
Graficar los datos con una gráfica IRM; evaluar la estabilidad. Si los datos aparecen no
estables, aplicar acciones correctivas.83
Si aparecen estables, calcular el sigma de las lecturas individuales con s para todas las
lecturas o MR / d 2* ; multiplicar por 6; dividir este valor por la tolerancia de la
característica; multiplicar por 100%. Revisar el %Repetibilidad contra patrones de
aceptabilidad del gage previamente establecidos, o usarlo para propósitos comparativos
durante el desarrollo del gage.
83
Algo de juicio puede requerirse aquí, ya que 10 subgrupos de datos individuales son insuficientes para
determinar la estabilidad; sin embargo, obvias inestabilidades pueden todavía estimarse y ofrecer un valor para
análisis.
197
Apéndice D
Estudio R de Gages
198
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores.
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores
PV ha sido definido aquí como TV 2 − RRG 2 . Dado que esta definición

de las partes puede incluir EV, puede haber ocasiones en que sea
importante extraer la influencia de EV sobre PV. Esto puede hacerse
con la fórmula siguiente (nótese la similitud con la fórmula de AV dónde
las influencias de EV son extractadas).
⎡ EV 2 ⎤
PV = (R p × K 3 )2
− ⎢ ⎥
⎣k × r ⎦
donde RP = rango de los promedios entre partes, k = # de evaluadores, r

= # de intentos.
El reconocimiento de este método para calcular PV fue publicado en

1997.84 Este método se presenta aquí como la alternativa
estadísticamente más correcta para la definición aceptada común e
históricamente de PV usada en este manual. Generalmente, cuando EV
contamina a PV, lo hace en un alcance de solo un punto o dos
porcentuales.
.
84
“Datos Confiables es una Mercancía Importante”, Donald S. Ermer y Robin Yang E-Hok, University of
Wisconsin, Madison publicado en The Standard, ASQ Newsletter of the Measurement Quality División, Vol 97-
1, invierno, 1997.
199
Apéndice E
Calculo Alternativo de PV Usando el Término de Corrección de Errores.
200
Apéndice F
Modelo de Errores P.I.S.M.O.E.A.
Apéndice F
Similar a todos los procesos, un sistema de medición es impactado por fuentes de
variación aleatorias y sistemáticas. Estas fuentes de variación son debidas a causas
comunes y especiales (caóticas). A fin de entender, controlar y mejorar un sistema de
medición, las fuentes potenciales de variación deben ser primero identificadas. Aunque
las causas específicas dependen de la situación, un modelo general de errores puede ser
usado para categorizar las fuentes de variación de un sistema de medición. Existen
varios métodos para presentar y categorizar estas fuentes de variación, usando simples
causas y efectos, matrices o diagramas de árbol.
El acrónimo P.I.S.M.O.E.A.85 representa otro modelo útil para definir un sistema de

medición por sus fuentes de variación básicas. No es solo un modelo sino que
representa una aplicación de apoyo universal.
Fuente de Error Alias o Componente Factor o Parámetro

P Parte Parte de producción, muestra lo que se mide, Desconocido
Unidad Bajo Prueba (UBP), artefacto y estándar
de chequeo.
I Instrumento Gage, unidad de M&TE, gage master máquina de Medios de comparación
medición, stand de prueba.
S Estándar/Patrón Escala, referencia, artefacto, estándar de Valor conocido aceptado
chequeo, estándar intrínseco, consenso, como verdadero*, valor
Materiales Estándar de Referencia (MER), clase, de referencia o criterios
criterios de aceptación. de aceptación
M Método Entrenamiento en el trabajo, verbal, instrucciones Cómo
de trabajo, plan de control, plan de inspección,
programa de pruebas, programa de partes.
O Operador Evaluador, técnico de pruebas o calibraciones, Quién
auditor, inspector.
E Medio Ambiente Temperatura, humedad, contaminación, orden y Condiciones de la
limpieza, iluminación, posición, vibración, energía medición, ruido
eléctrica, Interferencia Electromagnética (IEM),
ruido, tiempo, aire.
A Supuestos Estadísticos, operacionales, de calibración, Criterios, constantes o
constantes, valores de manuales, estabilidad suposiciones para una
térmica, módulos de elasticidad, leyes de la medición confiable
ciencia.
*Los valores verdaderos actuales o físicos son desconocidos.
La fuente de error del alias varía con la aplicación de las mediciones y la industria. Estos
son ejemplos comunes. Sin embargo, el efecto de los parámetros y características
siempre es el mismo.
85
P.I.S.M.O.E.A. fue originalmente desarrollado por Mr. Gordon Skattum, Señor ASQ CQE, metrologista y
Director de Manufactura Integrada en Rock Valley College Technology Center.
201
Apéndice F
Todos los métodos de Análisis de Sistemas de Medición son herramientas de calidad.
Todas las herramientas de calidad se basan en supuestos. Si se violan los supuestos, la
herramienta llega a ser impredecible al máximo y pudiera conducir a una conclusión
falsa en lo peor.
Los supuestos estadísticos típicos de un estudio R&R de gages incluyen: proceso

normal, intentos aleatorios e independientes, estabilidad y criterios de pruebas –
repruebas. Cuando uno o más supuestos se violen (ej., proceso de medición no normal,
sesgo del operador) la herramienta y análisis llega a ser finalmente no estable, confusa
y dudosa. Las evaluaciones del porcentaje de RRGs para el control del producto y el
proceso pueden ser sobreestimadas. Existen también supuestos no estadísticos en
relación a los sistemas de medición (ej., calibración, operacional, coeficientes y
proporciones de expansión, leyes físicas y constantes. El planeador de las mediciones
debiera ser capaz de identificar, controlar, corregir o modificar el método MSA para
ajustar violaciones significativas de los supuestos en el proceso de medición.
La violación de los criterios de prueba – reprueba siempre es una consideración para las
pruebas destructivas o los sistemas de medición en proceso donde la característica está
cambiando. El planeador de las mediciones debe considerar híbridos apropiados, con
modificaciones o técnicas alternativas para el estudio del sistema de edición estándar.
Los supuestos tienden a contribuir en una mayor proporción a la variación total de las
mediciones cuando: 1) se usen métodos o herramientas más poderosos (ej., ANOVA,
análisis de regresión, diseños de experimentos, predicciones de probabilidad y gráficas
de control), y 2) se incremente la precisión de las mediciones. Las aplicaciones de
mediciones de alta precisión deben a menudo planearse para la corrección de
coeficientes y expansión térmica, deformación, arrastres o deslizamientos u otros
supuestos en el proceso de medición.
El gran peligro para un analista de calidad o planeador de las mediciones en relación a

los supuestos es que se asuma que sean insignificantes o constantes y por tanto
ignorados.
La tabla abajo muestra ejemplos del modelo P.I.S.M.O.E.A. para tres diferentes
situaciones de medición.
202
Apéndice F
Fuente Producción típica, MSA Automotriz Automatización del Calibración
de Error Proceso o Stand de
Pruebas
P Partes de producción aleatorias, rango Unidades de Gages, UBP, muestra
completo del proceso producción, muestras de prueba, lo que se
de prueba, estándares mide
de chequeo, artefactos
I Tipo único para el gage de producción CCD, MMC, stand de Gage y equipo master
pruebas
S Escala, estándar master, o clase; Escala y geometría, Master, referencia,
cumple con “la regla 1 a 10” estándares de intrínseca o por
referencia de prueba consenso, artefacto
M Procedimientos Operativos Estándar Sop documentado, Documentado,
(sop), a menudo verbales, pueden ser programa de CCD o procedimiento formal
documentados; plan de control ciclo de prueba de calibración
automatizado
O Típicos (2-3), entrenados, quienes Operador de pruebas Técnico calificado,
normalmente operan restringido, y con evidencia de
entrenamiento competencia en ISO
especializado y 17025
habilidades
E Producción y condiciones de operación A menudo controlado Límites de control
estables optimizados, fuentes
de error principales
A Estadísticos, a menudo ignorados Estadísticos, con No puede asumirse,
aplicación específica fuentes de error
principales
Propósito Control Del Proceso (SPC) Control del producto, Control del producto,
inspección 100% tolerancias de
calibración
El grado de influencia y contribución a las variaciones de las mediciones para fuentes

de errores específicas depende de la situación. Una matriz, causas y efectos o diagrama
de árbol de fallas será una herramienta útil para identificar y entender las fuentes
dominantes de la variación de las mediciones para control y mejoramiento.
El análisis de los sistemas de medición empieza entendiendo el propósito y proceso de

las mediciones mismas. Todas las fuentes de errores caóticas y no legítimas deben ser
retiradas. Un estudio de mediciones es un experimento planeado que sigue los
siguientes conceptos: DEFINE las fuentes de error significativas, ARREGLA algo,
permite uno o más factores de CONTROL a cambiar, MIDE intentos múltiples,
ANALIZA resultados y TOMA ACCIONES.
203
Glosario
204
Glosario
GLOSARIO
Ver el Manual de Referencia del Control Estadístico de los Procesos (SPC) para definiciones adicionales del
glosario.
Estudio estadístico de la relación entre dos o más variables. Cálculo para

Análisis de Regresión definir la relación matemática entre dos o más variables.
Método estadístico (ANOVA) a menudo usado en el diseño de

experimentos (DOE), para analizar datos de variables de grupos
Análisis de Varianza múltiples, a fin de comparar promedios y analizar fuentes de variación.
Conjunto de operaciones que establecen, bajo condiciones especificadas,

la relación entre un dispositivo de medición y un estándar rastreable con
un valor de referencia e incertidumbre conocidos. La calibración puede
Calibración también incluir pasos para detectar, correlacionar, reportar o eliminar por
ajustes cualquier discrepancia en la exactitud del dispositivo de medición
a ser comparado.
Número de clasificaciones de datos o categorías que pueden ser

distinguidas confiablemente y determinadas por una resolución efectiva
Categorías de Datos
del sistema de medición y la variación de las partes de un proceso
Distintos observado, para una aplicación dada. Ver ndc.
Estado operacional donde el propósito de las mediciones y los criterios

de decisión aplican a la producción de tiempo real para evaluar la
estabilidad del proceso y lo que se mide o propiedad de la variación del
Control del Proceso proceso natural; el resultado de una medición indica que el proceso es
estable y “en control” o “fuera de control”.
Estado operacional donde el propósito de las mediciones y los criterios

de decisión son evaluar lo que se mide o las propiedades para cumplir
Control del Producto con una especificación; el resultado de las mediciones es “dentro de
tolerancias” o “fuera de tolerancia”.
Recolección de observaciones bajo un conjunto de condiciones, que

pueden ser variables (un valor cuantificado y unidad de medida) o
Datos discretas (atributo o datos de conteo tales como, aceptado / rechazado,
bueno / malo, pasa / no pasa, etc.).
Estimativo de la variación combinada de los errores (aleatorios y

sistemáticos) de las mediciones y en base a evaluaciones de largo
Desempeño plazo del sistema de medición; incluye todas las fuentes de variación
significativas y definibles en el tiempo.
Diagrama de Dispersión Gráfica X -Y de daros para evaluar la relación entre dos variables.
Alias unidad más pequeña y legible, discriminación es la resolución en las

mediciones, límite de escala, o unidad detectable más pequeña del
dispositivo de medición y estándar / patrón. Es una propiedad inherente
Discriminación del diseño de un gage y reportada como una unidad de medición o
clasificación. El número de categorías de datos es a menudo referido
como razón de discriminación dado que describe cuantas
clasificaciones pueden distinguirse confiablemente dada la variación
205
Glosario
observada del proceso.
Comúnmente referido como “dii”. Grupo homogéneo de datos que son

Distribuido en Forma
independientes y distribuidos aleatoriamente en una distribución común.
Independiente e Idéntica
Estado de un proceso cuando solo muestra variaciones por causas
aleatorias y comunes (en oposición a las caóticas, asignables o
En Control especiales). Un proceso que opere solo con variaciones aleatorias es
estadísticamente estable.
Variación combinada y debida al sesgo del gage, repetibilidad,

Error del Sistema de
reproducibilidad, estabilidad y linealidad.
Medición
Se refiere a la estabilidad estadística de un proceso de medición y a la
estabilidad en las mediciones en el tiempo. Ambas son vitales para un
sistema de medición y adecuadas para su propósito esperado.
Estabilidad estadística implica un proceso predecible y bajo mediciones,
Estabilidad operando dentro de variaciones de causas comunes (en control). La
estabilidad de las mediciones (alias rumbo o dirección) aborda el
cumplimiento necesario del estándar o referencia de las mediciones
sobre una vida (tiempo) de operación del sistema de medición.
Cercanía por acuerdo entre el valor observado y el valor aceptado como

Exactitud referencia.
Estudio planeado que involucra análisis estadísticos de una serie de

pruebas en el cual se hacen cambios a propósito a factores del proceso y
Experimento Diseñado a los efectos observados, a fin de determinar la relación de las variables
del proceso y mejorar el proceso mismo.
Factor Multiplicativo 5.15 vs Ver nota de la página vi.

6 σ RRG
Estado de un proceso cuando exhibe variaciones por causas caóticas,

asignables o especiales. Un proceso que está fuera de control es
Fuera de Control estadísticamente no estable.
Gráfica de la característica de un proceso, basad en mediciones de una

muestra y con un orden en tiempo, usada para desplegar el
Gráfica de Control comportamiento de un proceso, identificar patrones de variación del
proceso, evaluar estabilidad e indicar la dirección del proceso mismo.
Un estimativo de la variación combinada de los errores (aleatorios y

sistemáticos) en las mediciones y en base a evaluaciones de corto plazo
Habilidad del sistema de medición.
Representación gráfica (gráfica de barras) de la frecuencia de datos

agrupados para ofrecer una evaluación visual de la distribución de los
Histograma datos.
Medida estadística de la variación dentro de los subgrupos exhibida para

un proceso sobre un periodo largo de tiempo. Esta difiere del desempeño
Habilidad de Largo Plazo porque no incluye la variación entre los subgrupos.
206
Glosario
Parámetro asociado con el resultado de una medición, que caracteriza la
dispersión de los valores que pudiera estar razonablemente atribuida a
los que se mide (VIM); el rango asignado a un resultado de medición que
describe, dentro de un nivel de confiabilidad definido, los límites
Incertidumbre esperados que contienen los resultados de mediciones verdaderos.
Incertidumbre es una expresión cuantificada de la confiabilidad de las
mediciones.
La ocurrencia de un evento variable que no tiene efecto sobre la

Independiente probabilidad de otro evento variable que ocurra.
El efecto combinado o resultados de dos o más variables que es

significativo. No aditividad entre evaluadores y partes. Las diferencias de
Interacción los evaluadores dependen de la parte a ser medida.
Cantidad especificada de tiempo o conjunto de condiciones entre

calibraciones durante las cuales los parámetros de calibración de un
Intervalo de Calibración dispositivo de medición son considerados como válidos.
Rango de valores esperados para incluir (bajo una cierta probabilidad

deseada llamada nivel de confiabilidad) el valor verdadero de un
Intervalo de Confiabilidad parámetro.
La diferencia en errores de sesgos sobre el rango de operación esperado

del sistema de medición. En otros términos, linealidad expresa la
Linealidad correlación de errores de sesgos múltiples e independientes sobre el
rango de operación.
Cantidad o sujeto particular a medir bajo condiciones especificadas; un

Lo que se Mide conjunto definido de especificaciones par la aplicación de una medición.
La ciencia de las mediciones.

Metrología
ndc
(
Número de categorías distintas. 1.41 PV
RRG
)
Nivel estadístico y seleccionado para probar la probabilidad de resultados
aleatorios; también asociado con el riesgo, expresado como el riesgo alfa
Nivel de Significancia ( α ), que representa la probabilidad de un error en las decisiones.
Inhabilidad de tomar mediciones repetidas sobre la misma muestra o

No Replicable componente y debido a la naturaleza dinámica de lo que se mide.
Número de Categorías Ver ndc.

Distintas
El efecto neto de la discriminación, sensibilidad y repetibilidad sobre el

rango (tamaño, rango y tiempo) de operación del sistema de medición. El
algunas organizaciones la precisión se usa en forma intercambiable con
la repetibilidad. De hecho, la precisión es más a menudo utilizada para
Precisión describir la variación esperada de mediciones repetidas sobre el rango de
medición. El rango puede ser tamaño o tiempo. El uso de términos
componentes y más descriptivos es generalmente preferido sobre el
término “precisión”.
207
Glosario
Estimativo (en proporción o fracción) basado en una distribución

particular de los datos recolectados, describiendo la probabilidad de que
ocurra un evento específico. Los estimativos de probabilidad varían entre
Probabilidad 0 (evento imposible) y 1 (algo seguro). Conjunto de condiciones o causas
trabajando juntas para producir un resultado.
Estimativo de la variación combinada de la repetibilidad y reproducibilidad

para un sistema de medición. La varianza de RRGs es igual a la suma de
R&R de Gages las varianzas dentro del sistema y entre sistemas.
Estadístico que representa la proporción matemática del error del

cuadrado de los promedios entre grupos y el error del cuadrado de los
promedios dentro de los grupos, para un conjunto de datos usado para
Razón / Proporción F determinar la probabilidad de ocurrencia aleatoria en u nivel de
confiabilidad seleccionado.
Variación aleatoria y por causas comunes que resulta de intentos

sucesivos y bajo condiciones de medición definidas. A menudo referida
como variación del equipo (EV) aunque esto es dudoso. El mejor término
para repetibilidad es variación dentro de los sistemas cuando las
condiciones de las mediciones son arregladas y definidas – parte
Repetibilidad acordada, instrumento, estándar / patrón, método, operador, medio
ambiente y supuestos. Además de la variación dentro de los equipos, la
repetibilidad incluye toda la variación interna de las condiciones en el
modelo de errores en las mediciones.
La habilidad de tomar mediciones repetidas sobre la misma muestra o

componente, cuando no haya un cambio físico significativo de lo que se
Replicable mide o el ambiente de medición.
Intentos de pruebas múltiples bajo condiciones de repetibilidad

Replicado (idénticas).
La variación en el promedio de las mediciones causada por un cambio en

las condiciones normales del proceso de medición. Típicamente, se ha
definido como la variación en el promedio de las mediciones de la misma
parte entre diferentes evaluadores (operadores), usando el mismo
instrumento de medición y método y en un medio ambiente estable. Esto
a menudo es verdad para instrumentos manuales influenciados por
Reproducibilidad habilidades del evaluador. No es verdad, sin embargo, para procesos de
medición (ej., sistemas automatizados) donde el operador no es una
fuente de variación mayor. Por esta razón, la reproducibilidad es referida
como el promedio de las variaciones entre sistemas o entre condiciones
de mediciones.
Puede aplicarse a la resolución de las mediciones o a la resolución

efectiva.
La habilidad o capacidad de un sistema de medición para detectar e
indicar fielmente si existen pequeños cambios sobre la característica
Resolución medida. (Ver también discriminación).
La resolución de un sistema de medición es δ si existe una probabilidad

igual de que el valor indicado de cualquier parte y el cual difiera de una
parte de referencia por menos que δ será el mismo que el valor indicado
208
Glosario
de la parte de referencia. La resolución de un sistema de medición es
impactada por el instrumento de medición así como otras fuentes de
variación del sistema de medición total.
El tamaño del incremento más pequeño en el instrumento de medición es

la resolución aparente. Este valor es típicamente usado en la literatura
como publicidad para clasificar el instrumento de medición. El número de
categorías de datos puede determinarse dividiendo el tamaño entre la
extensión (6σ) de la distribución esperada del proceso.
Resolución Aparente NOTA: El número de dígitos desplegados o reportados no siempre
indican la resolución del instrumento. Por ejemplo, las partes medidas
como 29.075, 29.080, 29.095, etc., son registradas como mediciones de
cinco (5) dígitos. Sin embargo, el instrumento puede no tener una
resolución de 0.001 sino de 0.005.
El tamaño de la categoría de datos cuando se considere que la variación

total del sistema de medición sea la resolución efectiva. El tamaño se
determina por la longitud del intervalo de confiabilidad y en base a la
variación del sistema de medición. El número de categorías distintas,
Resolución Efectiva ndc, puede determinarse dividiendo el tamaño entre la extensión
esperada de la distribución del proceso. Para una resolución efectiva, un
estimativo estándar de éste ndc (en un nivel de confiabilidad del 97%) es
1.41 (PV / RRG). Ver Wheeler, 1989, para una interpretación alternativa.
La diferencia entre el promedio de las mediciones observadas (intentos

sobre condiciones de repetibilidad) y el valor referencia; históricamente
Sesgo referido como exactitud el sesgo es evaluado y expresado como un solo
punto dentro del rango de operación del sistema de medición.
Señal de entrada más pequeña que resulta de la señal de un resultado

detectable (discernible) para un dispositivo de medición. Un instrumento
debiera ser al menos tan sensible como sus unidades de discriminación.
Sensibilidad La sensibilidad se determina por el diseño y calidad inherentes del gage,
el mantenimiento en servicio y las condiciones de operación. La
sensibilidad es reportada en unidades de medición.
El conjunto de instrumentos o gages, estándares o patrones,

operaciones, métodos, dispositivos, software, personal, medio ambiente y
supuestos usados para cuantificar una unidad de medida o una
Sistema de Medición evaluación de la característica a ser medida; el proceso completo y usado
para obtener mediciones.
Desviación permitida a partir de un valor estándar o nominal que

Tolerancia mantiene la función, adecuación y forma.
Unimodal Grupo de datos contiguos que cuentan con una moda.
Valor de lo que se mide que sea reconocido y sirva como un valor master
o de referencia acordado para comparaciones:
Valor de Referencia • valor teórico o establecido y basado en principios científicos;
• valor asignado y basado en alguna organización nacional o

internacional;
209
Glosario
• valor por consenso y basado en trabajo experimental colaborativo y

bajo los auspicios de un grupo científico o de ingeniería; o
• para una explicación específica, valor obtenido y acordad y usando

un método de referencia aceptable.
Valor consistente con la definición de una cantidad específica y aceptada,

algunas veces en forma convencional, como apropiada para un propósito
dado.
NOTA: Otros términos usados como sinónimos del valor referencia.

Valor referencia aceptable
Valor aceptable
Valor convencional
Valor verdadero y convencional
Valor asignado
El mejor estimativo del valor
Valor master
Medición del master
La variación en las mediciones promedio de la misma parte (lo medido)

entre los diferentes evaluadores (operadores) usando el mismo
instrumento de medición y método y en un ambiente estable. La variación
del evaluador (AV) es una de las fuentes comunes de la variación (error)
de los sistemas de medición que resulta de las diferencias en las
Variación del Evaluador habilidades del operador o la técnica usando el mismo sistema de
medición. La variación del evaluador es comúnmente asumida como
“error de reproducibilidad” y asociada con un sistema de medición; ésto
no siempre es verdad (Ver Reproducibilidad)
Relativo al análisis de los sistemas de medición, la variación de las partes

(PV) representa la variación esperada de parte a parte y de tiempo a
Variación de las Partes tiempo para un proceso estable.
Variación de Parte a Parte Variaciones debidas a la medición de partes diferentes.
210
Lista de Referencias
LISTA DE REFERENCIAS
1. ASTM E691-99, Standard Practice for Conducting an Interlaboratory Study to determine the
Precision of a Test Method, (www.astm.org).
2. ASTM E177-90ª, Standard Practice for Use of the Terms Precision and Bias in ASTM Test
Methods.
3. ASTM E456-96, Standard Terminology for Relating to Quality and Statistics.
4. AT&T Statistical Quality Control Handbook, Delmar Printing Company, Charlotte, NC, 1984.
5. Burdick, Richard K., y Larsen, Greg A., “Confidence Intervals on Measures of Variability in
R&R Studies, “Journal of Quality Technology, Vol. 29, No. 3, Julio 1997.
6. Dataplot, National Institute of Standards and Technology, Statistical Engineering Davison

(www.itl.nist.gov).
7. Deming, W. E., Out of the Crisis, Massachusetts Institute of Technology, 1982, 1986.
8. Deming, W.E., The New Economics for Industry, Government, Education, The MIT Press
1994, 2000.
9. Duncan, A. J., Quality Control and Industrial Statistics, 5ª ed., Richard D. Irwin, Inc.,
Homewood, Illinois, 1986
10. Eagle, A. R:, “A Meted For Handling Errors in Testing and Measuring.” Industrial Quality
Control, Marzo, 1954, pp.10-14
11. Ermer, Donald S., y E-Hok, Robin Yang, “Reliable Data is an Important Commodity,”
University de Wisconsin, Madison; published in The Standard, ASQ Newsletter of the
Measurement Quality Division, Vol. 97-1, Winter 1997.
12. Foster, Lowell W., GEO-METRICS: The Metric Application of Geometric Tolerancing, Addison-
Wesley Publishing Company, Massachusetts, 1974.
13. Gillespie; Richard, A History of the Hawthorne Experiments, Cambridge University Press, New
York , 1991.
14. Grubbs, F.E., “On Estimating Precision of Measuring Instruments and Product Variability,”
Journal of the American Statistical Association, Vol. 43, 1948, pp. 243-264.
15. Grubbs, F. E., “Errors of Measurement, Precision, Accuracy and the Statistical Comparison of
Measuring Instruments,” Technometrics, Vol. 15, February 1973, pp. 53-66.
16. Gruska, G. F., and Heaphy, M.S., “Measurement Systems Analysis,” TMI Conference
Workshop, Detroit, Michigan, 1987.
17. Guidance to the Expression of Uncertainty in Measurement, ISO/TAG 4/WG 3/ (1995)

211
Glosario
18. Hicks, Charles R., Fundamental Concepts in the Design of Experiments, Holt, Rinehart and
Winston, New York, 1973.
19. Hahn, J. H. and Nelson, W., “A Problem in the Statistical Comparison of Measuring Devices,”
Technometrics, Vol. 12., No. 1, Febrero 1970, pp. 95-102.
20. Hamada, Michaeln and Weerahandi, Sam, “Measurement System Assesment Via Generalized
Inference,” Journal of Quality Technology, Vol. 32, No. 3, Julio 2000.
21. Heaphy, M. S., et. al., “Measurement Systems Parameters,” Society of Manufacturing
Engineering-IQ81-154, Detroit, Michigan, 1981.
22. International Vocabulary of Basic and General Terms in Metrology (abbr. VIM),
ISO/ISE/OIML/BIPM (1993).
23. Ishikawa, Kaoru, Guidance to Quality Control, Asian Productivity Organization, 1986.
24. Jaech, J.L., “Further Tests of Significance for Grubbs’ Estimators,” Biometrics, 27, December,
1971, pp. 1097-1101.
25. James, P. D. “Graphical Displays of Gages R&R Data,” AQC Transaction, ASQC, 1991.
26. Lipson, C., and Sheth, N. J., Statistical Design & Analysis of Engineering Experiment, McGraw-
Hill, New York, 1973.
27. Maloney, C. J., and Rostogi, S. C., “Significance Test for Grubbs’ Estimators,” Biometrics, 26,
December, 1970. pp. 671-676.
28. Mandel, J., “Repeatability and Reproducibility,” Journal of Quality Technology, Vol. 4, No. 2,
April, 1972, pp. 74-85.
29. McCaslin, J. A., and Gruska, G. F., “Analysis of Attribute Gage Systems, “ ASQC Technical
Conference Transactions, 1976, pp. 392-399.
30. Measurement Systems Analysis Reference Manual, Second Edition, Chrysler, Ford, GM,
Second Printing, 1998.
31. Minitab User’s Guide 2: Data Analysis and Quality Tools, Release 13 for Windows, Minitab,
Inc., February 2000.
32. Montgomery, Douglas C., and Runger, George C., “Gauge Capability and Designed
Experiments. Part I: Basic Methods; Part II: Experimental Design Models and Variance
Component Estimation,” Quality Engineering, Marcel Dekker, Inc., 1993.
33. Nelson, L., “Use of the Range to Estimate Variability,” Journal of Quality Technology, Vol. 7,
No. 1, January, 1975, pp. 46-48.
212
Lista de Referencias
34. Potential Failure Mode and Effects Analysis (FMEA) Reference manual, Third Edition,
DaimlerChrysler, Ford, GM, 2001.
35. Production Part Approval Process (PPAP), Third Edition, DaimlerChrysler, Ford, GM, 2000.
36. Statistical Process Control Reference Manual (SPC), DaimlerChrysler, Ford, GM, Second
Printing, 1995.
37. Thompson, W. A., Jr., “The Problem of Negative Estimates of Variance Components,” Annals
Mathematical Statistics, No. 33, 1962, pp. 273-289.
38. Thompson, W. A., Jr., “Precision of Simultaneous Measurement Procedures”, American

Statistical Association Journal, June, 1963, pp. 474-479.
39. Traver, R. W., “Measuring Equipment Repeatability – The Rubber Ruler,” 1962 ASQC
Convention Transactions, pp. 25-32.
40. Tsai, Pingfng, “Variable Gauge Repeatability and Reproducibility Study Using the Analysis of
Variance Method, Quality Engineering, Marcel Dekker, Inc. 1988.
41. Vardeman, Stephen B., and Van Valkenburg, Enid S., “Two-Way Random-Effects Analyses
and Gauge R&R Studies,” Technometrics, Vol. 41, No. 3, August 1999.
42. Wheeler, D. J., “Evaluating the Measurement Process When the Testing is Destructive,”
TAPPI, 1990 Polymers Lamination & Coatings Conference Proceedings, pp. 805-807
(www.tappi.org; plc90905.PDF).
43 Wheeler, D. J., and Lyday, R. W., Evaluating the Measurement Process, SPC Press, Inc.
Knoxville, Tennessee, 1989.
213
214
Formatos de Muestra
El lector cuenta con el permiso de reproducir los formatos de ésta sección
Los formatos de ésta sección cada uno representa un posible formato para la recolección y reporte
datos de RRG. No son mutuamente excluyentes de otros tipos de formatos los cuales puedan
contener la misma información y se logren los mismos resultados.
215
Hoja de Recolección de Datos de Repetibilidad y Reproducibilidad de Gages
Evaluador/ PARTE
PROMEDIO
Intento No. 1 2 3 4 5 6 7 8 9 10
A1
2
3
Promedio Xa =
Rango Ra =
B1
2
3
Promedio Xb =
Rango Rb =
C1
2
3
Promedio Xc =
Rango Rc =
Promedio X =
de Parte Rp =
R = ([(Ra = )] + [R
b = ] + [R c = ]) [# deEvaluadores = ]= R=
X DIFF =
X DIFF = [X Max = ] − [X Min = ]=
*
[
LCS R = R = ]× [D 4 = ]=
*
D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos. LCSR representa el límite de los R’s individuales. Circular aquellos
que estén fuera de éste límite. Identifica las causas y corrígelas. Repite estas lecturas usando el mismo evaluador y
unidad como se originalmente o descarta los valores y recalcula el promedio y R y el valor límite de las observaciones
restantes.
Notas: .
216
Reporte de Repetibilidad y Reproducibilidad de Gages (RRGs)
Nombre y No. de Parte: Nombre del Gage: Fecha:
Características: No. de Gage: Hecho por:
Especificaciones:
Tipo de Gage:
Dato : R = X DIFF = Rp =
Análisis de las Unidades de Medición % de Variación Total (TV)
Repetibilidad – Variación del Equipo (EV)
EV = R × K 1 %EV = 100[EV/TV]
= R ×K 1 Intentos K1 = 100 [ / ]
= x . 2 0.8862 = %
= . 3 0.5908
Reproducibilidad – Variación del Evaluador (AV)
AV = (X DIFF × K 2 )2 − (EV 2 nr ) %AV =100 [AV/TV]
= ( × )2 − ( 2
( × )) = 100 [ / ]
= . Evaluadores 2 3 = %
K2 0.7071 0.5231
Repetibilidad y Reproducibilidad (RRG)
RRG = EV 2 + AV 2 %RRG = 100 [RRG/TV]
= ( 2
+
2
) Partes K3 = 100 [ / ]
= . 2 0.7071 = %
3 0.5231
Variación de Partes (PV) 4 0.4467 %PV = 100 [PV/TV]
PV = Pp × K 3 5 0.4030 = 100 [ / ]
= x = . 6 0.3742 = %
Variación Total (TV) 7 0.3534
TV = RRG 2 + PV 2 8 0.3375
= ( 2
+
2
) 9 0.3249 (
ndc = 1.41 PV
RRG
)
= 1.41 [ / ]
= . 10 0.3146
= .
Para información sobre teoría y constantes usadas en este formato, ver Manual de Referencia de MSA, Tercera Edición
217
Índice
218
Índice
Índice
219
Índice
Índice
A
Acuerdo por Reconocimiento Mutuo (ARM o MRA) – 8.
Aleatoriedad – 116.
Aleatorio – 6, 16, 53, 57, 73, 88, 95, 116, 171.
AMEF – 11, 24.
Análisis de Varianza (ANOVA) – 116.
Artefacto- 5, 42.
ASTM (American Society for Testing and Materials) – ii, 6, 31, 49, 55.
Atributo – 122, 132, 146.
B, C
Calibración – 25, 37, 38 y 42.
Causas y Efectos – 15, 65.
Ciclo de Vida de las Mediciones – 24.
Complejidad – 23.
Conjunto – 42.
Consistencia – 7, 57.
Control del Proceso – 4, 12, 13, 16, 18, 22, 24,40, 48, 63, 72, 73, 92, 156, 196..
Control Estadístico – 2, 5, 14, 16, 18, 49, 100, 122.
Curva de Desempeño – 41, 132, 133, 135, 135-138, 163-168.
D
Definición Operacional – 4, 5, 9, 12, 13, 41, 44, 65.
Desempeño (de las Mediciones) – 8, 16, 31, 41, 59-60, 76.
Diagrama de Flujo – 24, 25.
Diseño de Experimentos – 68.
Dispositivos – 36, 68.
E
Estándar de Calibración – 42.
Estándar de Chequeo – 43.
Estándar (Patrón) de Trabajo – 4.
Estándar de un Master – 63.
Estable –4, 5, 7, 11, 12, 16, 21, 22, 13, 40, 43, 47, 76, 81, 85, 92, 143, 197.
Estándar (Patrón o Norma) – 4, 8, 11,12, 30, 31, 34, 39, 42-43, 53, 63, 70-71.
Estándar (Patrón) de Transferencia – 42.
Ergonomía – 38.
Error Tipo I – 17.
Error Tipo II – 17.
Exactitud – 5, 49 (ver también Sesgo)
220
Índice
Experimento del Embudo – 21.
F
Facilidad de Lectura (ver Discriminación o Resolución) – 5, 44, 50, 51, 54.
Flexibilidad – 31.
G
Gages – 4.
Gráfica de Bigote – 104, 143 (nota en pie).
Gráficas:
Corridas – 101.
Errores – 105.
Promedios – 98.
Rangos – 46, 100.
Gráfica de Correlación – 103.
Gráfica de Corridas – 30, 101.
Gráficas de Control – 7, 48, 81, 85.
Gráficas de Errores – 105.
Gráficas X-Y – 107, 108.
Guía para la Expresión de la Incertidumbre de las Mediciones (GIM) – 63.
H
Habilidad (de un Sistema de Medición) – 6, 7, 16.
Habilidad de Largo Plazo – 198.
Histograma – 82, 84, 106, 198.
I
Impulso (cambio) (ver Estabilidad) – 5, 50.
Incertidumbre – 4, 8, 9, 42, 57, 60, 62-63.
Interacciones – 2, 3, 79, 103-4, 115-120, 180-184, 198.
J,K
L
Límites de especificación – 14, 17.
Límite Inferior de Control (LCL o LIC) – 109.
Límite Inferior – 132, 133, 135, 165.
Límite Superior de Control (LSC o UCL) – 109, 171.
Linealidad – 6, 16, 50, 52, 76, 82, 88-91, 148, 198.
Lo Medido – 60, 62, 198.
221
Índice
M
Mantenimiento – 7, 24, 25, 29, 30, 32, 35, 37, 51, 54, 56, 69, 87.
Master – 2, 23, 25, 29, 30, 32, 35, 42, 51, 54, 56, 68, 80, 82, 194.
Meta – 9, 18, 21.
Medio Ambiente – 36.
Método Analítico – 132
MMC – 13, 23, 58.
Modelo Aditivo – 181
Método de Análisis de Riesgos – 122.
Modelo de Errores P.I.S.M.O.E.A. – Apéndice F- 193.
N
NBS (Oficina Nacional de Estándares) – 8.
NIST (Instituto nacional de Estándares) – 8, 9, 32, 44.
NMI (Instituto Nacional de Mediciones) – 8, 9, 44.
No Replicable - 140, 141, 144, 145, 148, 199.
O, P
Planear-Hacer-Estudiar-Actuar (PHEA) – 66.
Precisión – 6, 53, 60, 70, 199.
Promedio – 95, 98, 107, 155.
Proporción o Razón de Error, 17, 127, 129.
Prueba Destructiva – 140 – 141.
Q, R
R&R (ver Repetibilidad y Reproducibilidad de Gages o RRG).
Rango – 47.
Rango de Operación – 5, 7, 51, 53, 72, 73, 84, 88, 90.
Rango de Tolerancia – 185, 189.
Rastreabilidad – 8, 9, 63.
Regla 10 a 1 (10 a 1) – 44.
Regla del 10 – ver Regla 10 a 1.
Repetibilidad – 6, 49, 53, 57, 60, 61 (y Sesgo), 81, 83, 92-115, 137, 142, 148, 173, 199.
Repetibilidad de Gages (RG) – Apéndice D, 190.
Repetibilidad y Reproducibilidad de Gages (RRGs) – 6, 33, 56, 57, 63, 120, 147, 171.
Replicable – 140, 199.
Reproducibilidad – 6, 16, 54, 55, 56, 92-115, 163, 173, 200.
Resolución – 5, 14, 40, 44, 45, 46, 74, 88, 200.
Resolución:
Aparente – 47, 200.
Efectiva – 5, 14, 37, 40, 45, 47, 200.
Riesgo del Consumidor – 17.
222
Índice
S
Sensibilidad – 5, 7, 13, 37, 40, 45, 47, 53, 83, 87, 201.
Sesgo – 5, 49, 52, 61, 82 – 87.
Sistema de Medición – iii, 2, 3, 4, 5, 7.
S.W.I.P.E. – 14.
T
Tolerancia – 13, 23, 31, 40, 47, 72, 76, 115, 123, 201.
Tolerancias y Dimensionamiento Geométrico (T&DG) – 29, 153.
U
Uniformidad – 7, 16, 53, 57, 58, 59.
V
Valor de un Master – 3, 43.
Valor Observado – 18, 105, 106.
Valor de Referencia – 4, 5, 8, 10, 43, 44, 49, 80, 81, 82, 105, 132-136, 142, 163, 201.
Valor Verdadero – 4, 5, 7, 10, 41, 44, 63, 157, 201.
Variación – 5, 6, 7, 11, 13, 16, 18, 19, 24, 40, 46, 49, 51, 57, 65, 72.
Variación del Equipo (VE) – 6, 53 (ver Repetibilidad).
Variación Dentro de las Partes – 54, 93, 121, 153.
Variación de los Evaluadores (VU) – 6, 107, 181.
Varianza Observada del Proceso – 18.
VIM (Vocabulario Internacional de Términos Básicos y Generales de Metrología) – 8, 58.
W, X, Y, Z
223
Índice
224
Retroalimentación
Proceso de Retroalimentación del Usuario del Manual MSA
Consistente con el proceso de mejoramiento continuo, este manual de análisis de sistemas de
medición (msa) de la industria automotriz está siendo sujeto a un proceso de revisiones periódicas y
formales. En conjunto con el concepto de satisfacción de los clientes, estas revisiones no solo
acarrean consideraciones sobre cambios en requerimientos que apliquen de fabricantes de
vehículos y de año a año, sino también de retroalimentación de usuarios del manual para propósitos
de hacerlo de mas valor agregado y efectivo a la industria automotriz y a las comunidades de
usuarios. Al mismo tiempo, favor de sentirse libre de ofrecer, por escrito, sus comentarios de
retroalimentación, pros y cons, relativos a la facilidad de entendimiento del manual, “facilidad hacia
el usuario”, etc., en las áreas indicadas abajo. Por favor indique los números de páginas específicos
del manual cuando sea apropiado. Enviar su retroalimentación a la dirección indicada abajo:
Su Nombre
Representando
Nombre de la Compañía/División
Dirección
Teléfono ( )
Por favor liste sus tres clientes automotrices mas importantes y su localización.
Localización del Cliente

Comentarios de Retroalimentación (anexar hojas adicionales si es necesario)
Enviar Comentarios a:
Automotive Industry Actino Group
Suite 200
26200 Lahser Road
Southfield, Michigan 48034
MSA, 3a Revisión.
Por favor accese a www.aiag.org (o http://www.aiag.org/publications/quality/msa3.html) para emitir

su retroalimentación electrónicamente.
225

Control Plan AIAG Example

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Control Plan AIAG Example

Uploaded by

Copyright:

Available Formats

Análisis de Sistemas de Medición

El manual es una introducción al análisis de sistemas de medición. No se pretende que limite la

El grupo de trabajo de MSA agradece y dá reconocimiento: al liderazgo y compromiso de los

El grupo de trabajo agradece y dá reconocimiento: al liderazgo y compromiso de los vicepresidentes

Misceláneos Enfoques Alternativos V

NOTA: En relación al uso de la desviación estándar de RRGs.

Una amplitud de 99.73% es representada por el multiplicador de 6, el cual es + 3σ y representa la

La conciencia de cual factor de multiplicación se use es crucial en la integridad de las ecuaciones y

No. Título Pag.

Núm. Título Pag.

Michael H. Down David R. Benham Peter Cvetkovski

GUÍAS Y LINEAMIENTOS GENERALES PARA

Introducción, Propósito y Terminología

El beneficio de usar un procedimiento basado en datos es ampliamente determinado por

En este documento, son usados los siguientes términos:

• Medición es definida como “la asignación de números [o valores] a cosas

• Gage es cualquier dispositivo usado para obtener mediciones; frecuentemente

• Sistema de Medición es el conjunto de instrumentos o gages, patrones,

• Bases aceptadas para comparación

• Criterios para aceptación

• Valor conocido, dentro de límites de incertidumbre establecidos y

Un patrón debiera tener una definición operacional: una definición que

Intervalo • Discriminación, facilidad de lectura, resolución

9 La sensibilidad del sistema de medición con la variación del proceso para

9 Entrada más pequeña generada de una señal de resultado y útil de medición

9 Valor aceptado de un artefacto

9 Valor actual de un artefacto.

Promedio del Sistema Valor

9 Diferencia entre el promedio de las mediciones observado y el valor de

9 El cambio de sesgo en el tiempo

9 El cambio de sesgo sobre el rango de operación normal

9 “Cercanía” de lecturas repetidas una de otra

9 Variación de las mediciones obtenidas con un instrumento de medición

9 Variación en el promedio de las mediciones hechas por diferentes usuarios

9 Repetibilidad y reproducibilidad de gages: estimativo combinado de la

• Habilidad de los Sistemas de Medición

9 Estimativo en el corto plazo de la variación de los sistemas de medición (ej.,

• Desempeño del Sistema de Medición

9 Estimación en el largo plazo de la variación del sistema de medición (ej.,

9 La más pequeña entrada que resulte de una señal o resultado detectable

9 El cambio en repetibilidad sobre un rango de operación normal

Medic ión1 Medic ión N

Variación de los Sistemas

9 Variabilidad en las lecturas tomadas sobre un periodo de tiempo largo

9 Un rango estimado de valores acerca del valor medido en el cual el valor

Todas las caracterizaciones de la variación total de un sistema de medición

Patrones y El Instituto Nacional de Patrones y Tecnología (NIST) es el Instituto Principal y

Rastreabilidad Es un importante concepto en la negociación de bienes y servicios. Las mediciones que

La rastreabilidad es definida por el Vocabulario Internacional de ISO de Términos

Gage para Producción Gage para

Figura 1: Ejemplo de una cadena de rastreabilidad para una medición de longitud

Los NMIs trabajan estrechamente con diferentes laboratorios nacionales, proveedores de

• Lo que el proceso debiera estar haciendo

• Lo que puede estar mal

• Lo que el proceso está haciendo

Los requerimientos de especificaciones e ingeniería definen lo que un proceso debiera

El propósito de un Análisis de Modos y Efectos de Fallas de un Proceso4 (AMEFPs) es

Se adquiere o logra conocimiento de lo que el proceso está haciendo evaluando los

Desafortunadamente, la industria ha visto tradicionalmente la actividad de análisis y

La actividad de análisis y mediciones es un proceso- un proceso de medición. Alguna o

La administración tiene la responsabilidad de identificar las propiedades estadísticas

1) Discriminación y sensibilidad adecuados. Los incrementos de medición debieran

Las propiedades estadísticas del sistema de medición pueden cambiar

1) Identifica las fuentes potenciales de variación.