Core Tools: APQP, PPAP, AMEF, SPC, MSA - Automotriz

Presenta:
Samuel Alvarez
Core Tools
Core Tools es un conjunto de herramientas
principalmente usadas en el sector automotriz.
Son 5: PPAP, APQP, AMEF, SPC y MSA.
Estas herramientas son procesos desarrollados
conjuntamente por Chrysler, Ford y General Motors
para diseñar, desarrollar, prevenir, medir, controlar,
registrar, analizar y aprobar productos y servicios de
calidad que satisfagan las necesidades y
expectativas del cliente. Estas herramientas son un
requisito de la especificación técnica IATF 16949.
Core Tools
 APQP
Advanced
Product
Quality
Planning
La planeación avanzada de producto es una metodología
que debe seguir un fabricante o proveedor para llegar a
un producto terminado. Es muy importante en proyectos
complejos ya que la metodología facilita mucho la
comunicación entre las partes involucradas, ya sean
departamentos internos de un corporativo o clientes y
proveedores.
 PPAP
Product
Part
Approval
Process
El propósito del PPAP es asegurar que todos los
registros y especificaciones de ingeniería del cliente
sean entendidos con claridad. Su enfoque está en la
aprobación de un producto que ya ha pasado por el
proceso de APQP.
Core Tools
 FMEA Failure Mode and Effects Analysis
Proporciona las herramientas para el análisis de riesgo en
productos o procesos nuevos.
En principio, el AMEF conocido también así por sus siglas en
español (Análisis de Modo y Efecto de Falla) se encarga de
analizar los posibles riesgos de falla en productos y procesos.
 SPC Statistical Process Control
SPC es sencillamente control estadístico de procesos con una
orientación bien definida hacia los procesos automotrices. Esta
relacionado con MSA sobre todo en los estudios de estabilidad
a largo plazo.
En realidad, este tema puede ser sustituido por cualquiera de
control estadístico de calidad pero su estatus de documento
emitido por AIAG lo hace prácticamente normativo.
Core Tools
 MSA
Measurement
Systems
Analysis
El análisis de sistemas de medición se divide básicamente en
dos partes: la que abarca la parte metodológica de un
laboratorio de mediciones y calibraciones y la que se encarga
de las herramientas estadísticas para asegurar la calidad en
los resultados de las mediciones. MSA unifica criterios sobre
la manera en que se acepta o libera un sistema de medición,
se concentra principalmente en el estudio y control de la
variabilidad de los sistemas de medición y su relación con los
procesos de producción. Entre los términos más comunes de
MSA está el de GR&R, que es básicamente una herramienta
estadística que cuantifica la variabilidad del sistema de
medición, sus fuentes, y su relación con la variabilidad del
proceso de producción.
Advanced Plan for Quality Product
DEFINICIÓN Y META DEL APQP
DEFINICIÓN
 Es un método estructurado para definir y ejecutar las
acciones necesarias para asegurar que un producto
satisface al cliente.
 Es un Sistema para el desarrollo de un producto
para proveedores de la industria automotriz.
META
 Facilitar la comunicación entre todo-el personal
involucrado en las actividades de un programa y
asegurar que todos- los pasos son completados a
tiempo, a un costo aceptable y a los niveles de
calidad esperados.
ELEMENTOS DEL APQP
 1. Planificación y Definición
 2. Diseño y Desarrollo del Producto
 3. Diseño y Desarrollo del Proceso
 4. Validación del Producto y del Proceso
 5, Retroalimentación, Evaluación y Acciones
correctivas
Ejemplo APQP
 FASE 1. PLANEACIÓN Y DEFINICIÓN
Describe: Como determinar las necesidades y
expectativas del cliente para planear y definir un programa
de calidad
Diseñada para: Asegurar que las necesidades y las
expectativas del cliente son claramente entendidas
Decisión de surtimiento
Requisitos de entrada del cliente
Evaluación de equipos
Evaluación de Factibilidad
PRIMERA REUNIÓN, KICK-OFF MEETING VERBO +
RESPONSABLE -, FECHA
FASE 1. PLANEACION Y DEFINICIÓN
Cuando y como inicia el proceso APQP
El proceso APQP incluye cinco pasos principales:
 Planeación de los elementos
 Ejecución de elementos APQP
 Monitoreo de calidad del evento
 Resolver dificultades
 Reportar status
FASE 2. DISEÑO Y DESARROLLO DEL PRODUCTO
Describe: Los elementos del proceso de planeación durante los
cuales se diseñan las características y son desarrolladas en una
forma cercana a la final
Diseñada para: Asegurar la comprensión y revisión crítica de los
requisitos de ingeniería y otra información técnica requerida
 Análisis del Modo y Efecto de la Falla de Diseño (DFMEA)
 Reporte y plan de verificación del diseño (DVP&R)
 Status APQP's subproveedores
Dibujos y especificaciones
 Plan de Control de prototipos
 Construcción de prototipos
FASE 3. DISEÑO Y DESARROLLO DEL PROCESO
Describe: Los aspectos más relevantes del desarrollo de un sistema
de
manufactura y sus planes de control relacionados para obtener
productos de calidad.
Diseñada para: Asegurar el desarrollo de un sistema efectivo de
manufactura
 Instalaciones, herramentales y gages
 Diagrama de flujo de proceso
 Análisis del Modo y Efecto de la Falla de Proceso (PFMEA)
 Evaluación del sistema de Medición (MSA)
 Plan de control de pre-lanzamiento
 Instrucciones de proceso del operador
 Especificaciones de empaque
FASE 4. VALIDACIÓN DEL PRODUCTO Y DEL PROCESO
Describe: Los aspectos mas relevantes de la validación del proceso de
manufactura a través de la evaluación de una corrida de prueba de producción
piloto.
Diseñada para: Asegurar que los planes de control y diagrama de flujo están
siendo seguidos y los productos cumplen con los requisitos del cliente.
 Production Trial Run (Run & Rate)
 Plan de control de producción.
 Estudio preliminar de la capacidad del proceso
 Pruebas de validación de producción
 Garantía de presentación de la parte (PSW)
 Evaluación del empaque
 Aprobación de la planeación de la calidad (Planes de control, diagramas de
flujo, instrucciones de proceso, equipos de prueba y gages con su R&R
FASE 5, RETROALIMENTACIÓN EVALUACIÓN Y ACCIONES
CORRECTIVAS
Describe: Los forma en que se debe monitorear el avance de
las fases del APQP
Diseñada para: Asegurar que la eficacia de los esfuerzos de la
planificación de calidad cumplen con los objetivos establecidos
por el cliente, costo, oportunidad y calidad aceptables
 Revisión de Diseño y Manufactura
 Reducción de la variación (Mejora Continua)
 Entrega y Servicio
 SATISFACCIÓN DEL CLIENTE
PPAP
PPAP por sus siglas Production Part Approval Process, es una de las herramientas también conocidas
como Core Tools y se utiliza en la cadena de suministro para establecer la confianza de los componentes
y procesos de producción de los proveedores principalmente del sector automotriz, esta es un
requerimiento de la especificación técnica ISO/TS 16949.
Aunque muchas compañías tienen sus propios requisitos específicos, la AIAG ha desarrollado un
estándar común PPAP como parte de la planificación avanzada de la calidad del producto mejor
conocido como APQP; esto fomenta el uso de formas y terminología estándar para la documentación de
los proyectos.
El proceso PPAP está diseñado para demostrar que el proveedor de componentes ha desarrollado su
proceso de diseño y producción para satisfacer las necesidades del cliente, minimizando el riesgo de
incumplimiento por parte de un uso efectivo de APQP.
Los 18 elementos del PPAP son los siguientes:
Registros de Diseño: una copia del dibujo. Si el cliente es responsable de este diseño es una copia del
plano del cliente que se envía junto con la orden de compra (PO). Si el proveedor es responsable del
diseño es un dibujo publicado en el sistema de liberación del proveedor.
Autorización de cambio de ingeniería: un documento que muestra la descripción detallada del cambio.
Por lo general, este documento se denomina “Notificación de cambios de ingeniería”
Aprobación de Ingeniería: esta aprobación es generalmente el juicio de ingeniería con piezas de
producción realizadas en la planta del cliente.
DFMEA: una copia del DFMEA análisis y modo de falla de diseño, revisado y firmado por el proveedor y
el cliente.
Diagrama de Flujo de Proceso: una copia del flujo del proceso, indicando todos los pasos y la
secuencia en el proceso de fabricación, incluyendo los componentes entrantes.
AMEF: una copia del AMEF análisis y modo de falla de producción, revisado y firmado por el proveedor y
el cliente. El PFMEA sigue los pasos de flujo de proceso, e indicar “qué podría ir mal” durante la
fabricación y el montaje de cada componente.












Plan de Control: una copia del Plan de Control, revisado y firmado por el proveedor y el cliente. El Plan
de Control sigue los pasos PFMEA, y proporciona más detalles sobre cómo los “problemas potenciales”
son verificados en el proceso de montaje de calidad de entrada, o en las inspecciones de productos
terminados.
Sistema de Análisis de Medición (MSA): contiene generalmente el estudio R&R de las
características críticas, y una confirmación de que los indicadores utilizados para medir estas
características son calibrados.
Resultados Dimensionales: una lista de todas las dimensiones registradas en el dibujo. Esta lista
muestra la característica de producto, la especificación, los resultados de la medición y la evaluación de
la muestra si esta dimensión está “bien” o “mal”.
Registros de Materiales / Pruebas: un resumen de cada prueba realizada en la parte. Este resumen
es por lo general se enuentra en la forma DVP&R (Design Verification Plan and Report), que enumera
cada prueba individual, cuando se llevó a cabo, la especificación, los resultados y la evaluación de la
aptitud / fallo. Si hay una especificación de ingeniería, por lo general se observa en la impresión.
Estudios Iniciales del Proceso: por lo general, esta sección muestra todos los gráficos estadísticos de
control de procesos que afectan a las características más importantes del producto (CP y CPK).
Documentación del Laboratorio Calificado: copia de todas las certificaciones del laboratorio donde
se realizan las pruebas reportadas (Calibraciones laboratorio certificado ante la EMA).
Reporte de Aprobación de Apariencia: una copia de la AAI (aprobación de la Inspección de la
apariencia), firmado por el cliente. Aplicable para los componentes que afectan a la apariencia
únicamente.
Piezas muestra: una muestra del lote de producción inicial.
Pieza Maestra: una muestra firmado por el cliente y el proveedor, que por lo general se utiliza para
entrenar a los operadores de las inspecciones.
Ayudas de Verificación: cuando hay herramientas especiales para verificar las piezas, esta sección
muestra una imagen de los registros de la herramienta y la calibración, incluido el informe dimensional
de la herramienta.
Requisitos específicos del cliente: Cada cliente puede tener requisitos específicos que se incluyen
en el paquete PPAP.
Part Submission Warrant (PSW): Este es el formulario que resume todo el paquete PPAP. Este
formulario muestra el motivo de la sumisión (cambio de diseño, revalidación anual, etc) y el nivel de los
documentos presentados al cliente. Si hay cualquier desviación el proveedor deberá anotarla en el
PSW ó informar que PPAP no se puede presentado.
Core Tools
Plan de Control
El Plan de Control o también conocido en ingles como Control Plan es una metodología
documentada en el manual de APQPpara ayudar en la manufactura de productos de calidad de
acuerdo a los requerimientos del cliente. Esta metodología proporciona un enfoque estructurado
para el diseño, selección e implementación de métodos de control con valor agregado para el
sistema total. Es una descripción escrita y resumida de los sistemas usados para minimizar la
variación del producto y el proceso en cada etapa del mismo y que incluye las inspecciones de
recibo, las áreas de material en proceso y material en salida. Proporciona una descripción escrita
resumida de los sistemas utilizados para minimizar la variación en el proceso y en el
producto. Debe considerarse sin embargo que el Plan de Control no reemplaza la información
contenida en las instrucciones detalladas del operador. Vale la pena mencionar el Plan de
Control al igual que elAPQP, PPAP, AMEF, SPC y MSA son consideradas las Core Tools del sector
automotriz y es un requisito de la especificación técnica ISO/TS 16949.
FUNDAMENTOS DEL PLAN DE CONTROL
El Manual del APQP en la sección 6 presenta un formato para ejemplificar, pero las
organizaciones pueden usar formatos alternos que contengan como mínimo la misma
información, se debe verificar adicionalmente los requerimientos específicos del cliente, ver
sección 6 de este manual.
Un plan de control puede aplicar a un grupo o familia de productos. Es un documento vivo que
debe ser actualizado cuando se mejoran los procesos y los sistemas. En las etapas tempranas del
ciclo de vida del producto, el propósito del plan de controles documentar el plan inicial para el
control del proceso.
En etapas subsecuentes es una guía para la manufactura para controlar el proceso y asegurar
la calidad del producto.
Plan de Control
Plan de control
AMEF
¿Que es AMEF?
Tomado de los sectores que apuestan alto
como la industria aeroespacial y defensa, el
Análisis de Modo y Efecto de Fallos (AMEF)
es un conjunto de directrices, un método y
una forma de identificar problemas
potenciales (errores) y sus posibles efectos
en un SISTEMA para priorizarlos y poder
concentrar los recursos en planes de
prevención, supervisión y respuesta.
AMEF
Pasos para hacer un AMEF
1) Determine el producto o proceso a analizar
2) Determinar los posibles modos de falla
3) Listar los efectos de cada potencial modo de falla
4) Asignar el grado de severidad de cada efecto Severidad à La consecuencia de que la falla ocurra
5) Asignar el grado de ocurrencia de cada modo de falla Ocurrencia à la probabilidad de que la falla
ocurra
6) Asignar el grado de detección de cada modo de falla Detección à la probabilidad de que la falla se
detectada antes de que llegue al cliente
7) Calcular el NPR (Numero Prioritario de Riesgo) de cada efecto NPR
=Severidad*Ocurrencia*detección
8) Priorizar los modos de falla
9) Tomar acciones para eliminar o reducir el riesgo del modo de falla
10) Calcular el nuevo resultado del NPR para revisar si el riesgo ha sido eliminado o reducido
AMEF
Determinar el grado de severidad
 Para estimar el grado de severidad, se debe de tomar en
cuenta el efecto de la falla en el cliente. Se utiliza una
escala del 1 al 10: el ‘1’ indica una consecuencia sin
efecto. El 10 indica una consecuencia grave.
AMEF
NPR
Es un valor que establece una jerarquización de los problemas a través de la
multiplicación del grado de ocurrencia, severidad y detección, éste provee la
prioridad con la que debe de atacarse cada modo de falla, identificando ítems
críticos.
NPR = Ocurrencia * Severidad * Detección
Prioridad de NPR:
500 – 1000
Alto riesgo de falla
125 – 499
Riesgo de falla medio
1 – 124
Riesgo de falla bajo
0
No existe riesgo de falla
Acciones recomendadas
Anotar la descripción de las acciones preventivas o correctivas recomendadas ,
incluyendo responsables de las mismas. Anotando la fecha compromiso de
implantación
AMEF
SPC
Control estadístico de proceso SPC
Los gráficos de control, basándose en técnicas
estadísticas, permiten usar criterios objetivos para
distinguir variaciones de fondo de eventos de
importancia. Recopilando datos de mediciones en
diferentes sitios en el proceso, se pueden detectar y
corregir variaciones en el proceso que puedan
afectar a la calidad del producto o servicio final,
reduciendo desechos y evitando que los problemas
lleguen al cliente final.
SPC
Los gráficos X−R se utilizan cuando la característica de
calidad que se desea controlar es una variable continua.
Para entender los gráficos X−R, es necesario conocer el
concepto deSubgrupos (o Subgrupos racionales).
Trabajar con subgrupos significa agrupar las mediciones que
se obtienen de un proceso, de acuerdo a algún criterio. Los
subgrupos se realizan agrupando las mediciones de tal
modo que haya la máxima variabilidad entre subgrupos y la
mínima variabilidad dentro de cada subgrupo. Por ejemplo,
si hay cuatro turnos de trabajo en un día, las mediciones de
cada turno podrían constituir un subgrupo.
Para cada subgrupo calculamos el Promedioy el Rango
(Diferencia entre el valor máximo y el valor mínimo).
SPC
Límites de control vs límites de especificación
Especificaciones, o límites de especificación, se diferencian de los límites de control y nunca deben ser confundidos
con estos.
Una especificación es el requisito de la ingeniería para juzgar la aceptabilidad de una característica particular.
Idealmente, una especificación enlaza directamente hacia o es compatible con los requisitos y expectativas (internos y / o externos) de los
clientes. Los límites de control pueden caer encima, dentro o por debajo de los límites de especificación.
Causas comunes se refieren a las tantas fuentes de variación que están actuando consistentemente en un proceso.
Causas comunes dentro de un proceso generan una distribución estable y repetible en el tiempo. Esto es llamado “en un estado de control
estadístico”, “en control estadístico”, o algunas veces sólo “en control”. Causas comunes generan un sistema estable de causas aleatorias. Si
solo causas comunes de variación están presentes y no cambian, los resultados de un proceso son predecibles.
Causas especiales (a menudo llamadas causas asignables) se refieren a cualquier factor causando variaciones que afecten solo algunos
resultados del proceso. Estas a menudo son intermitentes e impredecibles. Las causas especiales son señalizadas por uno o más puntos fuera
de los límites de control o por patrones no aleatorios de puntos dentro de los límites de control. A menos que todas las causas especiales de
variación se identifiquen y se actúe sobre ellas, estas pueden continuar afectando los resultados del proceso en formas impredecibles.
Si están presentes causas especiales de variación, los resultados del proceso no serán estables en el tiempo.
SPC
Sobre-Ajuste
Sobre-ajuste es la práctica de tratar cada desviación de
la meta, como si fuera el resultado de las acciones de
causas especiales de variación en el proceso.
Si un proceso estable es ajustado sobre la base de cada
medición hecha, entonces el ajuste llega a ser una
fuente adicional de variación.
Investigando Señales
Tomar acciones
Investigar las causas antes
de este punto
SPC
Compendio de causas especiales
Hay muchas señales fuera de control. Esta lección presentará las ocho señales de causa
especial más típicos. La mayoría de los paquetes de software SPC se aplican todos estos
criterios y posiblemente más. Sin embargo, no es necesario utilizar todos los criterios
disponibles. Base su criterio de selección de las características específicas del proceso y las
causas especiales que son dominantes en el proceso. Cada criterio adicional aumenta la
sensibilidad dela búsqueda de una causa especial, pero también aumenta la probabilidad
de una falsa señal. El objetivo es utilizar la menor cantidad de criterios necesarios para
atrapar todas las señales reales y para evitar señales falsas.
1 punto > 3 desviaciones estándar de la línea central
2 de 3 puntos fuera > 2 desviaciones estándar de la línea central
4 de 5 puntos fuera > 1 desviaciones estándar de la línea central
Causa posible
Posible cambio en el proceso, la
variación del mismo ha sido
reducida.
15 puntos consecutivos dentro de 1 desviación estándar de cada lado de la línea central
Causa posible
Error en
medición
el
sistema
de
Ejemplo: Puede ser debido a
una disminución de la
resolución o cambio de
instrumentos.
15 puntos consecutivos dentro de 1 desviación estándar de cada lado de la línea central
Causa posible
Un alza en el proceso; la media del
proceso se ha incrementado, la
variabilidad se ha incrementado (un
cambio de operador o de materia prima).
Ejemplo: Puede ser debido a una
disminución de la resolución o cambio de
instrumentos.
7 puntos consecutivos del mismo lado de la línea central
SPC
Causa posible
Posible desgaste de herramienta.
6 puntos consecutivos creciendo o decreciendo
SPC
Causa posible
Problema con el muestreo
(Ejemplo las muestras se
alternaron entre turnos)
4 puntos consecutivos alternándose arriba y abajo
SPC
Tabla de resumen de Causas especiales
Signo de Causa Especial
1 punto>3 desviaciones estándar de la
línea central.
2 fuera de 3 puntos> 2 desviaciones
estándar de la línea central (del mismo
lado)
4 fuera de 5 puntos> 1 desviación estándar
de la línea central (mismo lado).
Causaposible
 El límite de control o la resolución se ha calculado mal o
trazado incorrectamente.
 La variabilidad pieza a pieza ha aumentado (por
ejemplo, debido a un cambio de operador, un paso de
proceso inadecuado, o un cambio de materiales). En un
gráfico de rango, un punto por debajo del LIC puede
indicaruna variabilidad disminuida.
 El sistema de medición ha cambiado(por ejemplo,
debido a un nuevo calibre o un medidor dañado).
15 puntos consecutivos dentro de una
desviación estándar de cada lado de la
línea central.
8 puntos consecutivos> 1 desviación
estándar de la línea central (de cada lado)
Posible cambio de proceso; la variación del proceso ha
sido reducida.
Error del Sistema de medición (ejemplo debido a un
decrecimiento de la resolución o un nuevo instrumento).
7 puntos consecutivos del mismo lado de la Un alza en el proceso; la media del proceso se ha
línea central
incrementado, la variabilidad se ha incrementado (un
cambio de operador o de materia prima).
Ejemplo: Puede ser debido a una disminución de la
resolución o cambio de instrumentos.
o Posible desgaste de herramienta
6 puntos consecutivos creciendo
decreciendo
14 puntos consecutivos alternándose Problema con el muestreo (Ejemplo las muestras se
arriba y abajo.
alternaron entre turnos.
SPC
Tabla de causas especiales para gráficos R
Signo de Causa Especial
7 puntos consecutivos del mismo lado de la
línea central.
Causaposible
Es probable queel proceso ha cambiado, lo
que resulta en un aumentoo disminución
la variación del proceso.
6 puntos consecutivos, creciendo o
decreciendo
La variación del proceso no es
aleatorio, lo que indica una causa
especial presente. Ejemplos de causas
especiales que pueden dar lugar a un
aumento de la causa común en la
variación, como se muestra en un
gráfico de R son: desgaste de las
herramientas
de
la
máquina,
abrazaderas
de
fijación,
y los rodamientos para husillos, así
como la variación dela materia prima.
Un
aumento
en
variación debido a daños o mal
funcionamiento de los medidores
también puede ocurrir.
Problema con el muestreo (Ejemplo las
muestras se alternaron entre turnos.
14 puntos consecutivos alternándose
arriba y abajo.
MSA
Evaluación de la Estabilidad
Estabilidad (o desplazamiento) es la variación total en
las mediciones obtenidas con un sistema de medición
sobre el mismo Patrón o partes cuando se mide una
característica individual sobre un periodo de tiempo
prolongado.
Estudio de estabilidad
1. Seleccionar una pieza que esté próxima a la media, y determinar su valor de referencia con
relación a un estándar trazable. Si un patrón certificado no está disponible, medir la parte
diez veces en un ambiente controlado y promediar los valores para determinar el valor de
referencia. Esta parte / muestra será designada como la muestra maestra.
2. Se deben tener por lo menos 20 mediciones cada una se realizará una vez por semana,
medir la muestra maestra de 3 a 5 veces diarias. Mantenga el número de repeticiones
fijas. Tome lecturas durante todo el período sin la variación ambiental natural (a la
misma hora y verificar la temperatura).
3. Representar gráficamente los datos en un gráfico de X & R - consulte la sección Control
Estadístico de Procesos de la caja de herramientas y calcular los límites de control.
4. Evaluar el gráfico de control para el control estadístico. De nuevo, consulte la sección
de Control Estadístico de Proceso para obtener ayuda con esta evaluación.
Si no se encuentran causas especiales podemos determinar que el proceso es estable, de lo
contrario realizar la toma de medidas y analizar de acuerdo con el SPC.
Posibles causas de problemas de
estabilidad
El instrumento necesita calibración, reduce el intervalo de
calibración
Instrumento, equipo o dispositivo dañado
Mantenimiento pobre
Patrón desgastado o dañado, error en Patrón
Calibración inapropiada o uso de colocación del Patrón
Baja calidad del instrumento – diseño o conformidad
Diferente método de medición
Distorsión (medida o parte)
Arrastre por el medio ambiente
Violación de un supuesto, error en una constante aplicada
Aplicación – tamaño de parte, posición, habilidad del operador
Definición del Sesgo o exactitud
Valor
Verdadero
Sesgo es la diferencia entre el
Sesgo
promedio observado de las
mediciones y el valor
verdadero (patrón).
si Exactitud > 10% :
Ajustar el equipo de medición
Utilizar factores de corrección
% Exactitud =| Exactitud |* 100
Tolerancia
Evaluación Sesgo (Bias)
1. Con referencia a las gráficas X R, restar el valor de referencia para obtener el
Bias:
Bias = X - Valor de referencia
Variación de proceso = 6 desviaciones estándar (Sigma)
2. Calcular el porcentaje Bias:
Bias Porcentaje = Bias / variación del proceso
3. Analizar los resultados. Si hay un valor relativamente alto (un valor alto puede
tomarse como referencia algo cercano al 10%), examine las siguientes causas
fundamentales posibles:
o Los operarios no siguen el procedimiento de medición
o Un error en la medición del valor de referencia
o Inestabilidad en la medición. Si el gráfico SPC muestra una tendencia, el
dispositivo de medición podría estar usando o la calibración podría estar fallando.
Causas posibles del sesgo excesivo:
El instrumento necesita calibración
Instrumento, equipo o dispositivo desgastado
Patrón desgastado o dañado, error en Patrón
Calibración inapropiada o uso de colocación del Patrón
Baja calidad del instrumento – diseño o conformidad
Error de linealidad
Diferente medida para la aplicación
Diferente método de medición
Medición de la característica incorrecta
Distorsión (medida o parte)
Medio ambiente
Violación de un supuesto, error en una constante aplicada
Aplicación – tamaño de parte, posición, habilidad del operador
Linealidad
 Conducción del Estudio
 La linealidad puede evaluarse usando los siguientes lineamientos:
 1) Selecciona g > 5 partes cuyas mediciones, debido a la variación del proceso, cubren el
rango de operación del gage.
 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 cubierto o si existen
patrones que cubran el alcance del instrumento también se pueden utilizar.
 3) Mide cada parte m >10 veces sobre el gage en cuestión por uno de los operadores quien
normalmente use el gage mismo.
 Nota: Selecciona las partes al azar para minimizar algún sesgo del evaluador en las
mediciones.

 Análisis de Resultados – Gráfico
 4) Calcula el sesgo de la parte por cada medición y el promedio de los sesgos para cada
parte
 5) Grafica los sesgos individuales y los promedios de los sesgos con respecto a los valores
de referencia sobre una gráfica lineal. (ver Figura III-B 3)
 6) Calcula y grafica la mejor línea ajustada y la banda de confiabilidad de la línea misma.
 7) La desviación estándar de la variabilidad de la repetibilidad.
8) 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 IIIB3).
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.
Estudio del sesgo y de la linealidad del sistema de medición cmm grande lab 1
Notificado por:
Tolerancia:
Misc:
Nombre del sistema de medición :
F echa del estudio:
0.004
Regresión
IC 95%
0.003
S
Linealidad
0.002
Sesgo del sistema de medición
Referencia
Sesgo %Sesgo
Promedio 0.0002184
4.4
0 -0.0002700
5.4
30 -0.0003300
6.6
210 0.0035000
70.0
250 -0.0008500
17.0
390 -0.0002500
5.0
410 0.0015900
31.8
450 -0.0011800
23.6
0.001
0.000
0
-0.001
0.0014272 R-cuad.
2.8%
0.0000000 %Linealidad
0.0
P
*
*
*
*
*
*
*
*
Porcentaje de la variación del proceso
-0.002
0
400
800
1200
Valor de referencia
1600
Porcentaje
Sesgo
Datos
Sesgo prom.
Linealidad del sistema de medición
Predictor
C oef EE del C oef.
P
C onstante -0.0000832
0.0006630 0.902
Pendiente 0.00000054 0.00000095 0.582
4
2
0
Linealidad
Sesgo
Estudio del sesgo y de la linealidad de CMM NS 60162113
Notificado por:
Tolerancia:
Misc:
Nombre del sistema de medición :
F echa del estudio:
0.0025
Regresión
IC 95%
Datos
Sesgo prom.
0.0020
0.0015
0.0005
0.0000
0
S
Linealidad
0.0007903 R-cuad.
12.3%
0.0000003 %Linealidad
0.0
Sesgo del sistema de medición
Referencia
Sesgo %Sesgo
Promedio 0.0005215
0.1
0 0.0000000
0.0
30 0.0004700
0.1
270 -0.0000150
0.0
510 0.0006250
0.1
770 0.0015700
0.3
990 -0.0008500
0.2
1010 0.0011650
0.3
-0.0005
P
*
*
*
*
*
*
*
*
Porcentaje de la variación del proceso
-0.0010
0
200
400
600
800
Valor de referencia
1000
Porcentaje
Sesgo
0.0010
Linealidad del sistema de medición
Predictor
C oef EE del C oef.
P
C onstante 0.0001875
0.0003469 0.600
Pendiente 0.00000070 0.00000057 0.240
0.10
0.05
0.00
Linealidad
Sesgo
Posibles causas para error de
linealidad:













El instrumento necesita calibración, reducir el intervalo de calibración
Instrumento, equipo o dispositivo dañado
Mantenimiento deficiente
Patrón desgastado o dañado, error en Patrón
Calibración inapropiada o uso de colocación del Patrón
Baja calidad del instrumento – diseño o conformidad
Equipo inadecuado para la aplicación
Falta de robustez en el diseño del instrumento o método
Método de medición diferente
Cambios de distorsión con el tamaño de la parte (o gage)
Medio ambiente
Violación de un supuesto
Aplicación – tamaño de parte, posición habilidad del operador, fatiga, error de
observación.
La repetibilidad y la reproducibilidad de
Evaluación (R & R):
Estudios Repetibilidad y Reproducibilidad
Estudios Repetibilidad y Reproducibilidad
Estudios Repetibilidad y Reproducibilidad
Este tema se refiere a la recogida de datos como se muestra en la figura Siga los
siguientes
pasos
para
realizar
un
estudio
R
&
R:
1. Determinar el número de operarios, ensayos y piezas, que pueden variar de un estudio
a otro. Una regla de oro es de 2-3 inspectores, 2-3 ensayos y 5-10 partes - con 10 siendo lo
ideal. En este ejemplo vamos a utilizar 3inspectores, 3 ensayos, y 10 partes.
2. Identificar tres inspectores que están todos entrenados en el procedimiento de
medición adecuado y en este caso están representados como A, B y C.
3. Llene los espacios en blanco de color amarillo en la parte superior del formulario con
la información requerida fondo (Gage tipo, fecha, etc.). También llene el espacio en la
parte inferior del formulario pidiendo la tolerancia total especificación.
4. Reunir diez partes que representan el rango de variación del proceso. Si las partes no
varían tanto como el proceso, se puede exagerar el error Gage.
5. Identifique cada parte con un número 1-10 de tal manera que los evaluadores no
puedan
ver
los
números
durante
las
mediciones.
6. Por favor, consulte la tabla de recopilación de datos a continuación. Verá tres ensayos
que el inspector A registrará en las filas A-1, A-2 y A-3. Del mismo modo, el inspector B
tiene filas B-1, B-2 y B-3, e inspector C tiene filas de C-1, C-2 y C-3.
7. Comience con Inspector A y que mida cada una de las diez partes en orden aleatorio.
Una tercera parte debe registrar los resultados de la primera prueba en la línea A-1.
Proceda con los inspectores B & C siguiendo el mismo proceso. A continuación, repita el
proceso para los ensayos dos y tres.
Estudio RyR por variables
RYR Variables
Si el sistema de medida tiene un error de más de 30%, el primer paso para mejorar los
resultados es el análisis de la ruptura de la fuente de error. Si el mayor contribuyente al
error es de repetición, entonces el equipo tiene que mejorar. Del mismo modo, si la
reproducibilidad es la mayor fuente de error, la formación del inspector y el seguimiento
del procedimiento de medición debe mejorar.
Si el sistema de medición no es capaz (error superior al 30%), el error puede
normalizarse mediante la adopción de múltiples mediciones y los resultados. Esto puede
ser largo y costoso, pero puede ser utilizado para proporcionar los datos de medición
fiables, mientras que el proceso de sistema de medición se está mejorando.
Discriminación
La discriminación es la cantidad de cambio de un valor de referencia que un instrumento
puede detectar e indicar. Esto también es referido como resolución o legibilidad. La
medida de esta habilidad es el valor de la graduación más pequeña de la escala del
instrumento. La regla 10 a 1 se interpreta como que el equipo de medición tiene la
capacidad para discriminar al menos un décimo de la variación del proceso. Esto es
consistente con la filosofía de mejoramiento continúo.
Debido a las limitaciones físicas y económicas, el sistema de medición no nota todas las
partes de la distribución de un proceso teniendo características separadas o de diferente
medida. En lugar de eso la característica medida será agrupada por los valores medidos
dentro de categorías de datos. Todas las partes de la misma categoría de datos tendrán el
mismo valor para las características medidas
Si al sistema de medición no tiene discriminación
(sensibilidad de una resolución efectiva), puede no ser
un sistema apropiado para identificar la variación del
proceso o cuantificar los valores de una característica
individual de la parte. En este caso se deben utilizar
mejores técnicas de medición.
La discriminación es inaceptable para análisis si este no
puede detectar la variación del proceso, e inaceptable
para el control si no puede detectar la variación de
causas especiales.
Discriminación número de distintas
categorías
Si al sistema de medición no tiene discriminación (sensibilidad de una resolución efectiva), puede no
ser un sistema apropiado para identificar la variación del proceso o cuantificar los valores de una
característica individual de la parte. En este caso se deben utilizar mejores técnicas de medición.
La discriminación es inaceptable para análisis si este no puede detectar la variación del proceso, e
inaceptable para el control si no puede detectar la variación de causas especiales.
Número de categorías
1 categoría de datos
Control
Puede ser utilizado para control solo si:
-
2 - 4 categorías de datos
-
-
-
5 o más categorías de datos
-
Análisis
Inaceptable para la estimación de
parámetros del proceso e índices
Sólo indica si el proceso está
produciendo partes conformes o
no conformes
La variación del proceso es pequeña al
compararla a las especificaciones
La función de pérdida es plana sobre la
variación del proceso esperado
La fuente principal de variación causa un
cambio promedio
Puede ser utilizado con técnicas de
control semi-variables basadas en la
distribución del proceso
Puede producir cartas de control por
variables insensibles
-
Puede ser utilizado con cartas de control
por variables
Recomendado
- generalmente no aceptable para
estimación de parámetros de proceso e
índices ya que sólo proporciona
estimados gruesos
Estudios Repetibilidad y Reproducibilidad
por atributos
Introducción
Los estudios de gages por atributos calculan la cantidad de sesgo (desviación de la
media de mediciones repetidas versus un patrón) y repetibilidad (dispersión de
mediciones realizadas por un mismo operador, parte y equipo) de un sistema de
medición cuando la respuesta es una variable binaria por atributos. Para obtener
estimaciones adecuadas de sesgo y repetibildiad, se deben seguir las reglas del
MSA para seleccionar partes con valores de referencia conocidos.
El método analítico de estudios de gages por atributos es un método para
examinar la precisión de un sistema de medición por atributos.
Estudios Repetibilidad y Reproducibilidad
por atributos
Se deben tomar al menos 8 partes para realizar un estudio del gage por atributos. La parte
más pequeña debe tener cero aceptaciones, y la parte más grande debe tener el número
máximo de posibles aceptaciones. Para la AIAG, exactamente 6 partes deben tener un
número mayor que cero aceptaciones y menos que 20 (máximo número de aceptaciones
permitidas). Por el método de regresión, se pueden tener más de seis partes entre los
extremos de valores de referencia.
Si se especifica el límite de tolerancia inferior, la parte con el menor valor de referencia debe
tener cero aceptaciones y la parte con la referencia más alta debe tener el número máximo de
aceptaciones posibles. Con un límite inferior conforme los valores de referencia se
incrementan, el número de aceptaciones se incrementa. Si se especifica el límite de
tolerancia superior, la parte con el menor valor de referencia debe tener el máximo número
de aceptaciones posible y la parte con el valor más alto de referencia debe tener cero
aceptaciones. Con un límite superior, conforme el valor de referencia se incrementa, el
número de aceptaciones decrece.
Minitab acepta ya sea datos resumidos o datos individuales de estudios de gages por
atributos
Estudios de R&R por atributos
(Método de acuerdo por
atributos)
Usar el análisis de acuerdo por atributos para evaluar las calificaciones nominales u ordinales
proporcionadas por varios evaluadores. Las mediciones son calificaciones subjetivas de la
gente
en
vez
de
mediciones
físicas.
Algunos
ejemplos
incluye
Calificaciones de desempeño de los automóviles
Clasificación de la calidad de las fibras como “buena” o “mala”.
Calificaciones de color, aroma y gusto del vino en una escala de 1 a 10.
En estos casos la característica de calidad es difícil de definir y evaluar. Para obtener
clasificaciones significativas, más de un evaluador debe calificar la medición de respuesta. Si
los evaluadores están de acuerdo, existe la posibilidad de que las apreciaciones sean exactas.
Si hay discrepancias, la utilidad de la evaluación es limitada.
Ejemplo:
Se utilizaron tres evaluadores, donde cada uno hace tres
decisiones en cada parte.
Attribute column data
Sample
Appraiser
1
A
1
A
1
B
1
B
2
A
2
A
2
B
2
B
3
A
3
A
3
B
3
B
4
A
4
A
4
B
4
B
5
A
5
A
5
B
5
B
Response
Good
Good
Bad
Good
Good
Good
Good
Good
Bad
Good
Bad
Bad
Good
Good
Good
Good
Bad
Bad
Good
Bad
Sample
1
2
3
4
5
Multiple columns data
Appraiser A Appraiser A Appraiser B Appraiser B
- Trial 1
- Trial 2
- Trial 1
-Trial 2
Good
Good
Bad
Good
Good
Good
Good
Good
Bad
Good
Bad
Bad
Good
Good
Good
Good
Bad
Bad
Good
Bad
 Cuando los datos se encuentra en varias columnas, de deben introducir los intentos para
cada operador juntos, como se indica en la tabla anterior. El orden de los intentos debe
ser el mismo para cada uno de los operadores.

 Ejemplo:

 Una empresa está entrenando a cinco evaluadores para la porción escrita de un examen
estándar de doceavo grado. Se requiere determinar la habilidad de los evaluadores para
calificar el examen de forma que sea consistente con los estándares. Cada uno de los
evaluadores califica 15 exámenes en una escala de cinco puntos (-2, -1, 0, 1, 2):
 1 Abrir el archive ESSAY.MTW.
 2 Seleccionar Stat > Quality Tools > Attribute Agreement Analysis.
 3 En Attribute column, poner Rating.
 4 En Samples, poner Sample.
 5 En Appraisers, poner Appraiser.
 6 En Known standard/attribute, poner Attribute.
 7 Checar Categories of the attribute data are ordered y poner OK
Datos para RyR por atributos
Appraiser
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Sample
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5
6
6
6
6
6
7
7
7
7
7
8
8
8
8
8
9
9
9
9
9
10
10
10
10
10
11
11
11
11
11
12
12
12
12
12
13
13
13
13
13
14
14
14
14
14
15
15
15
15
15
Rating
2
2
2
1
2
-1
-1
-1
-2
-1
1
0
0
0
0
-2
-2
-2
-2
-2
0
0
0
-1
0
1
1
1
1
1
2
2
2
1
2
0
0
0
0
0
-1
-1
-1
-2
-1
1
1
1
0
2
-2
-2
-2
-2
-1
0
0
0
-1
0
2
2
2
2
2
-1
-1
-1
-1
-1
1
1
1
1
1
Attribute
2
2
2
2
2
-1
-1
-1
-1
-1
0
0
0
0
0
-2
-2
-2
-2
-2
0
0
0
0
0
1
1
1
1
1
2
2
2
2
2
0
0
0
0
0
-1
-1
-1
-1
-1
1
1
1
1
1
-2
-2
-2
-2
-2
0
0
0
0
0
2
2
2
2
2
-1
-1
-1
-1
-1
1
1
1
1
1
Resultados RyR por atributos
Results for: Essay.MTW
Attribute Agreement Analysis for Rating
Each Appraiser vs Standard
Assessment Agreement
Appraiser # Inspected # Matched Percent 95 % CI
Duncan
15
8
53.33 (26.59, 78.73)
Hayes
15
13
86.67 (59.54, 98.34)
Holmes
15
15
100.00 (81.90, 100.00)
Montgomery
15
15
100.00 (81.90, 100.00)
Simpson
15
14
93.33 (68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the known standard.

Para que la prueba sea aceptable debe tener un índice de acuerdo de 90% o mayor.
Kendall's Correlation Coefficient
Appraiser
Coef
SE Coef
Z
Duncan
0.89779 0.192450 4.61554
Hayes
0.96014 0.192450 4.93955
Holmes
1.00000 0.192450 5.14667
Montgomery 1.00000 0.192450 5.14667
Simpson
0.93258 0.192450 4.79636
P
0.0000
0.0000
0.0000
0.0000
0.0000
Between Appraisers
Assessment Agreement
# Inspected # Matched Percent
95 % CI
15
6
40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with each other.
Fleiss' Kappa Statistics
Response
Kappa
SE Kappa
Z P(vs > 0)
-2
0.680398 0.0816497
8.3331
0.0000
-1
0.602754 0.0816497
7.3822
0.0000
0
0.707602 0.0816497
8.6663
0.0000
1
0.642479 0.0816497
7.8687
0.0000
2
0.736534 0.0816497
9.0207
0.0000
Overall
0.672965 0.0412331 16.3210
0.0000
Kendall's Coefficient of Concordance
Coef Chi - Sq DF
P
0.966317
67.6422 14 0.0000
All Appraisers vs Standard
Assessment Agreement
# Inspected
15
# Matched
6
Percent
40.00
95 % CI
(16.34, 67.71)
# Matched: All appraisers' assessments agree with the known standard.
Kendall's Correlation Coefficient
Coef
SE Coef
Z
P
0.958102 0.0860663 11.1100 0.0000
* NOTE * Single trial within each appraiser. No percentage of assessment
agreement within appraiser is plotted.
Interpretación de
resultados
Minitab muestra tres tablas de acuerdo: Cada evaluador vs el estándar, Entre evaluadores y Todos los
evaluadores vs estándar. Los estadísticos de Kappa y Kendall también se incluyen en cada una de las
tablas. En general estos estadísticos sugieren buen acuerdo.
El coeficiente de Kendall entre evaluadores es 0.966317 (p = 0.0); para todos los evaluadores vs estándar
es 0.958192 (p = 0.0). Sin embargo la observación del desempeño de Duncan y Haues indica que no se
apegan al estándar.
La gráfica de Evaluadores vs. Estándar proporciona una vista gráfica de cada uno de los evaluadores vs
el estándar, pudiendo comparar fácilmente la determinación de acuerdos para los cinco evaluadores.
Se puede concluir que Duncan, Hayes y Simpson requieren entrenamiento adicional.
Método sencillo
Tomar 50 piezas, 40 de las cuales dentro de especificaciones y 10 fuera de especificaciones
Probarlas con dispositivos “pasa” y “no pasa” por medio de 3 operadores
Si no coinciden todos los operadores en al menos el 90%, los dispositivos o gages “pasa, no pasa” no
son confiables
Interpretación de resultados
La siguiente tabla, muestra el significado en intervalos de los valores que
pudiera tener kappa durante la evaluación:
Tabla 1.Valores del estadístico Kappa
0.90 – 1.00 El sistema de medición es excelente
0.70 – 0.89 El sistema de medición es capaz, pero necesita mejoras
0.50 – 0.69 El sistema de medición es marginal – necesita mejoras
0.00 – 0.49 El sistema de medición es inaceptable
Si el valor del estadístico es menor a 0.70 entonces es probablemente
algún error con la clasificación de la definición operacional, posiblemente
sea muy ambiguo, o el evaluador pudiera necesitar entrenamiento. Si
después de realizada una prueba, el estadístico kappa tiene un valor igual
a 1, esto quiere decir que existe un acuerdo perfecto entre los evaluadores,
o que el evaluador tiene un acuerdo perfecto con el estándar. Mientras
que si el estadístico kappa tiene un valor igual o menos a cero significa
que el nivel de acuerdo es el mismo que el esperado por la probabilidad.