Propósito

El objetivo del análisis de sistemas de medición es cualificar un sistema de medición para su uso cuantificando su exactitud, precisión y estabilidad. Si las mediciones se utilizan para orientar las decisiones, se deduce lógicamente que cuanto más error haya en las mediciones, más error habrá en las decisiones basadas en esas mediciones.

Un ejemplo de la industria sirve para ilustrar la importancia de la calidad de los sistemas de medición:

Un fabricante de productos de construcción se esforzaba por mejorar el rendimiento de los procesos, que tenía un impacto significativo en el coste del producto. La experiencia indicaba que había varias características del proceso y del entorno que influían en el rendimiento del proceso. Se recopilaron datos sobre cada una de las variables que se consideraban significativas y, a continuación, se realizaron análisis de regresión y correlación para cuantificar las relaciones en términos estadísticos.

Los resultados no mostraron ninguna correlación clara entre nada, a pesar de años de pruebas anecdóticas de lo contrario. De hecho, la fuerte correlación subyacente entre las variables estaba confundida por un error excesivo en el sistema de medición. Cuando se analizaron los sistemas de medición, se descubrió que muchos presentaban una variación de error 2-3 veces mayor que la dispersión real del proceso. Las mediciones que se utilizaban para controlar los procesos a menudo daban lugar a ajustes que, en realidad, aumentaban la variación. La gente hacía lo que podía, empeorando las cosas.

Como puede verse en este ejemplo, el análisis del sistema de medición es un primer paso fundamental que debe preceder a cualquier toma de decisiones basada en datos, incluido el control estadístico de procesos, el análisis de correlación y regresión y el diseño de experimentos. A continuación se ofrece una visión general del análisis del sistema de medición.

Caracterización

Un sistema de medición puede caracterizarse, o describirse, de cinco maneras:

Ubicación (Valor Medio de Medición frente a Valor Real):

• La estabilidad se refiere a la capacidad de un sistema de medición para producir los mismos valores a lo largo del tiempo cuando se mide la misma muestra. Al igual que en los gráficos de control estadístico de procesos, la estabilidad significa la ausencia de «Variación por causa especial», dejando sólo la «Variación por causa común» (variación aleatoria).
• El Sesgo, también denominado Precisión, es una medida de la distancia entre el valor medio de las mediciones y el valor «Verdadero» o «Real» de la muestra o pieza. Consulte la ilustración siguiente para obtener una explicación más detallada.
• La Linealidad es una medida de la consistencia del Sesgo sobre el rango del dispositivo de medición. Por ejemplo, si una báscula de baño tiene un error de 1,0 libras cuando mide a una persona de 150 libras, pero tiene un error de 5,0 libras cuando mide a una persona de 200 libras, el sesgo de la báscula no es lineal en el sentido de que el grado de sesgo cambia a lo largo del intervalo de uso.

Variación (Dispersión de los valores Medidos – Precisión):

• La repetibilidad evalúa si el mismo evaluador puede medir la misma pieza/muestra varias veces con el mismo dispositivo de medición y obtener el mismo valor.
• La reproducibilidad evalúa si diferentes tasadores pueden medir la misma pieza/muestra con el mismo dispositivo de medición y obtener el mismo valor.

El siguiente diagrama ilustra la diferencia entre los términos «exactitud» y «precisión»:

Los esfuerzos por mejorar la calidad de los sistemas de medición tienen por objeto mejorar tanto la exactitud como la precisión.

Requisitos

A continuación se enumeran los requisitos generales de todos los sistemas de medición capaces:

• Estabilidad estadística a lo largo del tiempo.
• Variabilidad pequeña en comparación con la variabilidad del proceso.
• Variabilidad pequeña en comparación con los límites de especificación (tolerancia).
• La resolución o discriminación del dispositivo de medición debe ser pequeña en relación con el valor más pequeño de la tolerancia de especificación o la dispersión (variación) del proceso. Como regla general, el sistema de medición debe tener una resolución de al menos 1/10 de la tolerancia de especificación o de la dispersión del proceso. Si la resolución no es lo suficientemente fina, el sistema de medición no reconocerá la variabilidad del proceso, lo que reducirá su eficacia.

Fundamentos del análisis de sistemas de medición

1. Determine el número de evaluadores, el número de piezas de muestra y el número de lecturas repetidas. Un mayor número de piezas y de lecturas repetidas proporciona resultados con un mayor nivel de confianza, pero las cifras deben sopesarse con el tiempo, el coste y los trastornos que conllevan.
2. Recurra a tasadores que realicen normalmente la medición y que estén familiarizados con el equipo y los procedimientos.
3. Asegúrese de que todos los evaluadores siguen un procedimiento de medición fijo y documentado.
4. Seleccione las piezas de muestra de modo que representen toda la extensión del proceso. Este es un punto crítico. Si el proceso no está totalmente representado, el grado de error de medición puede ser exagerado.
5. Si procede, marque la ubicación exacta de la medición en cada pieza para minimizar el impacto de la variación dentro de la pieza (por ejemplo, fuera de la circunferencia).
6. Asegúrese de que el dispositivo de medición tiene una discriminación/resolución adecuada, como se indica en la sección Requisitos.
7. Las piezas deben numerarse y las mediciones deben realizarse en orden aleatorio, de modo que los tasadores no conozcan el número asignado a cada pieza ni ningún valor de medición anterior de esa pieza. Un tercero deberá registrar en una tabla las mediciones, el tasador, el número de prueba y el número de cada pieza.

Evaluación de la estabilidad

1. Seleccione una pieza de la mitad de la extensión del proceso y determine su valor de referencia en relación con un patrón trazable. Si no se dispone de una norma trazable, mida la pieza diez veces en un entorno controlado y promedie los valores para determinar el valor de referencia. Esta pieza/muestra se designará como Muestra Maestra.
2. A lo largo de al menos veinte períodos (días/semanas), mida la muestra maestra de 3 a 5 veces. Mantenga fijo el número de repeticiones. Tome lecturas a lo largo de todo el periodo para capturar la variación ambiental natural.
3. Trace los datos en un gráfico x̄ & R – consulte la sección Control estadístico de procesos de la Caja de herramientas y calcule los límites de control.
4. Evalúe el gráfico de control para el control estadístico. Una vez más, consulte la sección de Control de Procesos Estadísticos de la Caja de Herramientas para obtener ayuda con esta evaluación.

Evaluación de sesgos

Evaluación de la repetibilidad y la reproducibilidad (Gauge R&R):

Esta discusión se refiere a la muestra de hoja de datos que se muestra en la imagen inferior. Siga los pasos para realizar un estudio Gauge R&R:

1. Establezca el número de evaluadores (operadores), pruebas y piezas, que puede variar de un estudio a otro. Una regla general es 2-3 calificadores, 2-3 ensayos, y 5-20 partes (siendo 10 lo típico). En este ejemplo utilizaremos 2 evaluadores, 3 pruebas y 10 partes.
2. Identifique a 2-3 evaluadores que estén formados en el procedimiento de medición adecuado; nuestro ejemplo tiene tres evaluadores.
3. Cree una hoja de cálculo de recopilación de datos y registre la información de fondo importante (Nombre del calibrador, Tipo, Característica que se está midiendo, Fecha de MSA, etc.). Registre también los límites de especificación (inferior y superior) o el intervalo de tolerancia (límite de especificación superior menos inferior). Nuestro ejemplo utiliza una especificación de 4 mm +/- 0,75 mm. Por tanto, la especificación inferior = 4 – 0,75 = 3,25 mm y la especificación superior = 4 + 0,75 = 4,75 mm. Esto corresponde a una tolerancia de 1,5 mm.
4. Seleccione piezas que representen toda la gama de variación del proceso. Si las piezas no varían tanto como el proceso, se exagerará el error de calibre.
5. Asigne a cada pieza un número del 1 al 10 de forma que los evaluadores no puedan identificar las piezas mientras realizan las mediciones.
6. Empiece con un tasador y mida cada una de las diez piezas en orden aleatorio. Un tercero debe anotar los resultados de la prueba. Proceda con los demás calificadores, siguiendo el mismo proceso. A continuación, repita el proceso para los ensayos restantes.
7. Registre las mediciones como se indica en la hoja de datos siguiente. Una columna contiene los números de las piezas, una segunda columna contiene los nombres/ID de los calificadores y una tercera columna contiene las mediciones de las piezas realizadas por los calificadores en todos los ensayos.

La salida Gauge R&R incluye seis gráficos. En primer lugar, compruebe los gráficos Range y Averages:

El gráfico de control de rangos de la izquierda muestra los rangos de las mediciones realizadas por cada operario en cada una de las 10 piezas. Este gráfico debe estar en control si los calibradores están midiendo las piezas de la misma manera y con una variación similar. Demasiados pocos valores únicos representados también pueden indicar problemas con la resolución del calibrador (discriminación, o la capacidad del calibrador para distinguir entre piezas).

El gráfico Xbar anterior muestra la media de las mediciones (en varios ensayos) realizadas por cada operario en las 10 piezas. El área entre los límites de control representa el error de medición, por lo que queremos ver los puntos de trazado fuera de los límites.

Los 4 gráficos restantes se muestran aquí:

El gráfico Componentes de la variación ofrece el desglose de la Variación total, la Variación de estudio y la Tolerancia en sus componentes: Repetibilidad, Reproducibilidad y Pieza a pieza. Para un buen sistema de medición, la variación Pieza a pieza debe tener las barras más altas, lo que indica que la variación entre piezas es el componente más importante. Los gráficos Datos por partes y Datos por evaluadores muestran la variabilidad entre partes y dentro de los evaluadores, respectivamente. El gráfico de Interacción de Partes por Calificador indica si los calificadores están midiendo consistentemente a través de todas las partes – si lo están, el gráfico reflejará esto con líneas que son paralelas entre sí.

A continuación, considere la salida numérica. EngineRoom utiliza el método de Análisis de Varianza (ANOVA) para estimar y evaluar los componentes de la varianza.

La tabla ANOVA se muestra a continuación:

Dado que la interacción Parte por Tasador no es significativa, se excluye en la segunda tabla ANOVA. Un buen sistema de medición debería tener un valor p significativo (véase la última columna) sólo para las Piezas.

Por último, las tablas Gauge R&R:

Nota: La columna %Tolerancia sólo se muestra si ha introducido al menos un límite de especificación o un valor de tolerancia, y una columna adicional %Variación de Proceso (no mostrada aquí) sólo se muestra si ha introducido un valor de Desviación Estándar Histórica en los ajustes del estudio.
La columna ‘%Variación Total’ muestra que la variación de repetibilidad y reproducibilidad (Total Gauge R&R) constituyen alrededor del 8% de la variación total, mientras que las piezas constituyen el 92% restante.

Se muestran las pautas para interpretar estas cifras:

%Gauge R&R compared to Total Variation	Decision/Conclusion
GRR ≤ 1%	El sistema de medición es aceptable.
1% < GRR ≤ 9%	El sistema de medición puede ser aceptable en función de otras consideraciones (coste del cambio, tipo de aplicación, etc.).
9% < GRR	El sistema de medición no es aceptable.

Por lo tanto, nuestros resultados basados en %Contribución indican que el calibre es aceptable.
Las directrices del (Automotive Industry Action Group) AIAG para interpretar los resultados de las columnas %Variación y %Tolerancia son las siguientes:

%Gauge R&R (GRR)	Decision/Conclusion
GRR ≤ 10%	El sistema de medición es aceptable.
10% ≤ GRR ≤ 30%	El sistema de medición puede ser aceptable en función de otras consideraciones (coste del cambio, tipo de aplicación, etc.).
30% < GRR	El sistema de medición no es aceptable.

Las columnas «% Var estudio» y «% Tolerancia» utilizan las estimaciones de la desviación estándar de los componentes en lugar de las varianzas, por lo que los componentes no suman 100%. Por este motivo, los valores de esas columnas no son proporciones reales y deben interpretarse con cuidado. En este caso,

• La relación entre la R&R total del medidor y la varianza total del estudio es del 28%, por lo que el medidor está en el límite de lo aceptable para el estudio, pero
• La relación entre el R&R total del medidor y la tolerancia es del 34%, por lo que el medidor no es aceptable para cumplir los requisitos del cliente.

Si el sistema de medición tiene un error superior al 30%, el primer paso para mejorar los resultados es analizar el desglose de la fuente de error (R&R del medidor). Si el factor que más contribuye al error es la Repetibilidad, habrá que mejorar el equipo. Del mismo modo, si la Reproducibilidad es la mayor fuente de error, la formación del calibrador y el cumplimiento de los procedimientos pueden suponer una mejora.

Puede descargar aquí los datos del estudio sobre el Gauge R&R .

Sugerencia de MoreSteam: Si el sistema de medición no es capaz (error superior al 30%), el error puede normalizarse tomando múltiples mediciones y promediando los resultados. Esto puede llevar mucho tiempo y ser costoso, pero puede servir para obtener datos de medición fiables mientras se mejora el proceso del sistema de medición.

Análisis complementario

Para más información sobre el análisis de sistemas de medición, consulte lo siguiente:

• Una asociación de SEMATECH y el NIST (Instituto Nacional de Normalización y Tecnología del Departamento de Comercio de EE.UU.) pone a su disposición gratuitamente en línea un excelente manual de estadística aquí.
• Puede adquirir una excelente guía sobre análisis de sistemas de medición (MSA) por un precio simbólico en el Automotive Industry Action Group, o llamando al teléfono (248) 358-3570. El AIAG también ofrece publicaciones sobre otros temas:
  • QS-9000
  • Planificación avanzada de la calidad del producto (APQP)
  • Análisis modal de fallos y efectos (AMFE)
  • Control estadístico de procesos (CEP)
• Juran’s Quality Handbook (Juran’s Quality Handbook, 5th Ed) by Joseph M. Juran (Editor), A. Blanton Godfrey (Editor), A. Blanford Godfrey ISBN: 007034003X

Elegir el software de MSA adecuado

Obtener resultados en una iniciativa de mejora continua significa empezar con una imagen precisa y rica en datos del estado actual. Sin ella, los equipos corren el riesgo de tomar decisiones que pueden empeorar los problemas, incluso si los datos pueden apuntar hacia el progreso. Al utilizar las herramientas de análisis de sistemas de medición de EngineRoom al principio del proceso DMAIC, puede estar seguro de que los datos que recopile en los pasos futuros son precisos y fiables.

Las herramientas Attribute Agreement Analysis y Gauge R&R de EngineRoom ofrecen rutas fáciles de usar para analizar diferentes tipos de datos del sistema de medición y orientar las decisiones de seguimiento en la dirección correcta. Con estas herramientas, los usuarios pueden introducir puntos de datos específicos del operario y configurar EngineRoom para que calibre los resultados en función de diversos factores, como la repetibilidad deseada y la tolerancia del proceso. A cambio, EngineRoom elabora un completo resumen en forma gráfica y numérica que incluye desde recomendaciones decisivas sobre el sistema de medición hasta resultados de aprobado/no aprobado a nivel de operario. El uso de EngineRoom en esta fase crítica del proceso DMAIC puede ser vital para tomar posteriormente las decisiones correctas basadas en datos.

Resumen

El análisis de los sistemas de medición es un paso clave en cualquier iniciativa de mejora de procesos. Al comprender los sistemas de medición existentes, un equipo puede entender mejor los datos que proporcionan esos sistemas y tomar mejores decisiones empresariales.

---

Fuentes y notas:

Este texto fue desarrollado por nuestro aliado MoreSteam.

Blackberry&Cross es aliado de MoreSteam.

(*) Blackberry & Cross realiza ajustes al texto original para mejorar la interpretación en español

Si usted está interesado(a) en temas LEAN Six Sigma, recuede consultar: https://blackberrycross.com/cursos/

Imagen utilizada con permisos y en alineamiento con los términos de uso de canva.com

---