Gage R&R

Este tutorial trata sobre el Análisis de Sistemas de Medición, más concretamente sobre Gage R&R, como un tipo específico de MSA.

¿Qué es un gage?

Imagina que trabajas en una empresa que produce ejes. Los ejes son barras metálicas redondas con un diámetro determinado. Un gage puede ser tan simple como un calibre digital para medir el diámetro de un eje. En resumen, un gage es cualquier dispositivo o configuración utilizada para medir una característica de una pieza o de un proceso. ¿Y qué significa R&R? R&R significa repetibilidad y reproducibilidad.

¿Qué es R&R?

R&R significa repetibilidad y reproducibilidad.

Cuando medimos algo en la práctica, obtenemos valores que fluctúan en cierta medida. Incluso si la misma persona mide la misma pieza 10 veces, probablemente habrá variación.

La repetibilidad y la reproducibilidad nos indican cuánta variación viene de la herramienta de medición y cuánta variación viene de diferentes personas usando esa herramienta.

¿Qué es la repetibilidad?

Veamos primero con más detalle la repetibilidad. Es la variación cuando la misma persona mide la misma pieza con el mismo gage varias veces. También se conoce como variación del equipo.

Pero cuidado: imagina que estas son 10 mediciones tomadas por la misma persona, sobre la misma pieza, con el mismo gage. En teoría, toda la variación debería venir del gage.

Sin embargo, si por ejemplo el eje no es perfectamente redondo y medimos en ubicaciones ligeramente distintas cada vez, entonces, aunque sea la misma pieza, obtendremos mediciones diferentes. Es decir, parte de la variación observada vendrá de la propia pieza.

La repetibilidad nos dice cuánta variación vemos cuando la misma persona mide la misma pieza con el mismo gage varias veces. Y, por supuesto, queremos que nuestro sistema de medición sea consistente cuando el mismo operador mide repetidamente la misma pieza con el mismo gage.

¿Qué es la reproducibilidad?

La reproducibilidad nos da la variación cuando diferentes personas (o configuraciones) miden la misma pieza con el mismo gage. Y, por supuesto, queremos que distintos operadores obtengan resultados similares al medir la misma pieza con el mismo gage.

Un detalle importante: en lenguaje cotidiano, gage suele significar solo el instrumento, por ejemplo el calibre digital.

Pero en el contexto del análisis de sistemas de medición, cuando decimos gage, nos referimos a la configuración completa de medición: el calibre, el método, el entorno y las personas que lo utilizan.

Por ejemplo, el método incluye pasos como poner a cero el calibre, limpiar la pieza, medir en el centro y registrar el resultado.

¿Cuáles son los objetivos del MSA?

Una empresa necesita operar de forma rentable. Eso significa que tu sistema de medición debe clasificar de forma fiable las piezas buenas como "buenas" y las piezas malas como "malas".

Por eso hay dos errores costosos que hay que evitar:

• (1) Clasificar piezas buenas como malas. Eso implica desechar o retrabajar piezas que están perfectamente bien, lo cual es puro desperdicio.
• (2) Clasificar piezas malas como buenas. Se envían defectos al cliente, lo que puede provocar devoluciones, reclamaciones y, en el peor caso, fallos en campo.

Un sistema de medición sólido minimiza ambos errores, protege tu margen y protege al cliente. Ahora veamos cómo calcular un análisis del sistema de medición y cómo interpretar los resultados.

Calcular un análisis del sistema de medición

Para hacerlo, primero necesitamos datos. Supongamos que tenemos dos operadores (operador 1 y operador 2) y tres piezas (pieza 1, 2 y 3).

En total, cada pieza se mide dos veces por cada operador. Por ejemplo, la pieza 1 se mide dos veces por el operador 1 y dos veces por el operador 2. Pero ten en cuenta que en la práctica usarás más de tres piezas y después también trabajaremos con un conjunto de datos más grande.

Y un punto clave: en un Gage R&R debes elegir piezas que cubran todo el rango de medición esperado en producción. Esto es importante para comprobar si el sistema de medición puede distinguir claramente entre piezas en todo el proceso.

Básicamente hay dos formas comunes de calcular un Gage R&R: (1) con el método de rangos y (2) con un ANOVA. ANOVA suele ser el enfoque preferido en software y guías modernas. Primero revisaremos ANOVA de forma breve y luego veremos la interpretación de Gage R&R.

¿Qué es un ANOVA?

Un ANOVA evalúa si hay diferencias estadísticamente significativas entre tres o más grupos. Más concretamente, se analiza si existe una diferencia significativa entre las medias de esos grupos.

Por ejemplo, si un grupo contiene todas las mediciones del operador 1 y otro grupo las del operador 2, podemos comprobar si existe una diferencia significativa entre ambas mediciones. Del mismo modo, si definimos grupos por pieza, podemos evaluar si las mediciones difieren significativamente entre piezas.

Cálculo de un Gage R&R con numiqo

Primero vamos a la calculadora de Gage R&R de numiqo. Si quieres, puedes cargar este conjunto de datos o copiar tus propios datos en la tabla.

Hacemos clic en análisis de sistemas de medición y aquí vemos la variable de la tabla anterior. Después solo seleccionamos Measurement, Part y Operator.

numiqo calcula directamente el Gage R&R. Si quieres, puedes definir una tolerancia, por ejemplo 1.5. La tolerancia proviene de requisitos de ingeniería o funcionales, no de los datos del Gage R&R. Ahora veremos en detalle la tabla ANOVA y la tabla más importante: la tabla de componentes de varianza.

¿Cómo interpretamos los resultados?

Empecemos con la tabla ANOVA. Con esta tabla podemos responder tres preguntas principales: ¿es significativa la variación entre piezas?, ¿es significativa la variación entre operadores? y ¿qué ocurre con la repetibilidad?

Si quieres una explicación detallada de ANOVA, revisa nuestros tutoriales de ANOVA.

Para resumir: nos interesa sobre todo el valor p en la última columna. Si el valor p es menor que 0.05 (5%), ese factor se considera significativo.

Veamos el factor Part. Un valor p menor que 0.001 significa que las piezas son significativamente diferentes entre sí. Eso es lo que queremos: el sistema de medición detecta diferencias reales entre piezas.

¿Y el factor Operator? Con un valor p de 0.002 hay una diferencia significativa entre las mediciones de los operadores. Eso significa que el operador 1 y el operador 2 no miden igual la misma pieza. Hay un problema de reproducibilidad, porque la medición depende de quién mida. Esto no debería ocurrir en un buen sistema.

Ten en cuenta que en ANOVA incluso diferencias pequeñas pueden resultar significativas cuando los datos son muy consistentes (poco ruido). Por eso luego usamos los componentes de varianza para evaluar el tamaño práctico del efecto.

¿Cuál es la conclusión de estos resultados de MSA?

Por supuesto, este es solo un ejemplo, pero una conclusión general podría ser: el sistema de medición detecta diferencias entre piezas (lo cual es BUENO), pero los operadores no miden de forma consistente entre sí (lo cual es MALO y requiere acción).

Por tanto, las acciones recomendadas pueden ser crear una instrucción de trabajo clara y formar a los operadores en un método de medición común.

Ten en cuenta que se obtienen conclusiones más detalladas a partir de la tabla de componentes de varianza.

Un detalle adicional: puede existir una interacción entre operador y pieza; en ese caso tendríamos otra fila en la tabla ANOVA.

En este ejemplo obtenemos lo siguiente: no hay interacción significativa entre operador y pieza, y se utiliza un ANOVA de dos factores sin interacción. Como la interacción no es significativa, no se incluye en el modelo.

¿Cómo interpretar la tabla de componentes de varianza?

Ahora veamos la siguiente tabla con los componentes de varianza.

Leemos esta tabla de izquierda a derecha. Primero, la columna de varianza. Muestra cuánta variación aporta cada fuente. En nuestro caso, la variación total es aproximadamente 0.06 y el Total Gage R&R es aproximadamente 0.01, así que el sistema de medición aporta una parte pequeña de la variación global.

Después, % Contribution. Indica qué proporción de la varianza total proviene de cada fuente. Aproximadamente el 85% proviene de las piezas, lo que significa que las piezas realmente son diferentes (buena señal). Sin embargo, el Total Gage R&R representa el 15% restante, que es bastante.

La repetibilidad es la variación cuando el mismo operador mide repetidamente la misma pieza. Aquí es alrededor del 9%. La reproducibilidad es la variación entre distintos operadores. Aquí es aproximadamente del 6%.

La desviación estándar (StdDev) es simplemente la raíz cuadrada de la varianza.

Luego, % Study Var compara la desviación estándar de cada fuente con la desviación estándar total. Esto es lo que muchas empresas usan para decisiones de aceptación o rechazo.

Por ejemplo, aquí están los criterios de aceptación del Automotive Industry Action Group (AIAG) para % Study Var.

• Menor de 10%: el sistema de medición es aceptable
• Entre 10% y 30%: aceptable de forma condicional; depende de la aplicación, del coste del gage y del coste de retrabajo/reparación; a menudo requiere aprobación del cliente.
• Mayor de 30%: no aceptable; el sistema de medición debe mejorarse.

Según estos criterios AIAG, nuestro sistema de medición sería "no aceptable", porque el valor está por encima de 30%.

Finalmente tenemos %Tolerance. Al principio introdujimos una tolerancia de 1.5.

La tolerancia es el límite superior de especificación menos el límite inferior de especificación.

Cuando introduces una tolerancia, todas las demás columnas permanecen iguales; solo la columna %Tolerance usa ese valor.

Si dejas la tolerancia en blanco, esta última columna simplemente no aparece. Aun así, incluir la tolerancia es útil porque te dice qué parte de la ventana de especificación está siendo consumida por la variación de medición.

Por ejemplo, podrías ver un porcentaje alto en %Study Var, pero si tu tolerancia es grande, %Tolerance puede seguir siendo bajo. Eso significa que el error del gage es pequeño en relación con tus límites de especificación.

Si ajustamos la tolerancia a 4.0, %Tolerance baja, porque la variación del gage ocupa una fracción menor de la ventana de tolerancia.

¿Qué es el número de categorías distintas (ndc)?

El número de categorías distintas indica cuántos niveles de piezas claramente diferentes puede distinguir tu sistema de medición. Una forma simple de verlo es:

• ndc de 1 a 2: el gage apenas distingue entre piezas
• ndc de 3 a 4: válido para un filtrado aproximado
• ndc de 5 o más: generalmente bueno; permite ver diferencias reales
• ndc de 10 o más: resolución muy buena

En resumen, ndc es una puntuación rápida de cuánto detalle puede detectar tu sistema de medición.

numiqo es, por tanto, una alternativa viable a Minitab. Pruébalo.