Métodos y fórmulas para Estudio del sistema de medición por atributos (método analítico)

Seleccione el método o la fórmula de su preferencia.

Sesgo

El sesgo se calcula como la diferencia entre el valor estándar conocido de una parte de referencia y la medición promedio observada.

Cuando no se conoce la medición real, Estudio del sistema de medición por atributos (método analítico) estima el sesgo de la siguiente manera:
Estimación de puntos de sesgo con un límite inferior de tolerancia
sesgo = límite inferior + intersección / pendiente
Estimación de puntos de sesgo con un límite superior de tolerancia
sesgo = límite superior + intersección / pendiente

La intersección y la pendiente de ambas fórmulas provienen de la línea ajustada de la gráfica de probabilidad.

Minitab hace la regresión de puntuación z Φ-1(Prob (Aceptación)) sobre los valores de referencia XT para calcular la intersección y la pendiente.

Repetibilidad preajustada

La repetibilidad preajustada es la repetibilidad que se calcula antes de ajustar para la sobrestimación.

Fórmula

Minitab estima la repetibilidad preajustada mediante:

Notación

TérminoDescription
XTrepresenta los valores de referencia estimados con las probabilidades de aceptación de 0.995 y 0.005, que se calculan a partir de la línea ajustada en la gráfica de probabilidad.

Repetibilidad

Repetibilidad es la cantidad de variación en el sistema de medición que se debe al instrumento de medición. Un estudio del sistema de medición por atributos hace una regresión de las probabilidades de aceptación sobre los valores de referencia para obtener la repetibilidad.

La repetibilidad preajustada es la repetibilidad que se calcula antes de ajustar para la sobrestimación. Minitab divide las estimaciones de repetibilidad entre el factor de ajuste 1.08 para calcular la repetibilidad ajustada.

Fórmula

Minitab estima la repetibilidad mediante:

Notación

TérminoDescription
XTrepresenta los valores de referencia estimados con las probabilidades de aceptación de 0.995 y 0.005, que se calculan a partir de la línea ajustada en la gráfica de probabilidad.

El denominador, 1.08, es el factor de ajuste proporcionado por el grupo Automotive Industry Action Group 1 Minitab utiliza el valor de repetibilidad ajustada para probar si sesgo = 0.

T para el método AIAG

Fórmula

Para probar si el sesgo es igual a 0 usando el método de regresión, Minitab utiliza la siguiente fórmula:

Notación

El denominador es la fórmula para la repetibilidad.
TérminoDescription
XTrepresenta los valores de referencia estimados con las probabilidades de aceptación de 0.995 y 0.005, que se calculan a partir de la línea ajustada en la gráfica de probabilidad.
Los valores 31.3 y 1.08 son resultados de la simulación específicos del caso en el que se tiene 20 ensayos para todas las partes y se cumplen todas las condiciones siguientes:
  • 6 partes que tienen aceptaciones mayores que 0 y menores que 20
  • 1 parte tiene 0 aceptaciones
  • 1 parte tiene 20 aceptaciones

T para el método de regresión

Fórmula

Para probar si el sesgo es igual a 0 usando el método de regresión, Minitab utiliza la siguiente fórmula:

Notación

TérminoDescription
ala intersección de la línea ajustada de la gráfica de probabilidad
bla pendiente de la línea ajustada de la gráfica de probabilidad
LLlímite inferior de tolerancia
sla desviación estándar del error calculada usando la línea ajustada
Kel número de partes
xi el valor de referencia de cada parte
la media de los valores de referencia

GL para el método AIAG

Los grados de libertad se utilizan para calcular el valor p.

GL = N – 1.

Notación

TérminoDescription
Nnúmero de ensayos

GL para el método de regresión

Los grados de libertad se utilizan para calcular el valor p.

GL = N – 2.

Notación

TérminoDescription
Nnúmero de puntos utilizados para obtener la línea ajustada

Valor p

Los valores p se utilizan en las pruebas de hipótesis como ayuda para decidir si se puede rechazar o no una hipótesis nula.

Para determinar si el sesgo en el sistema de medición es estadísticamente significativo, compare el valor p con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe sesgo cuando no hay ningún sesgo significativo.

Línea ajustada

Una línea ajustada es una línea de regresión que examina la relación entre la probabilidad de aceptaciones y los valores de referencia de las partes medidas.

La forma general de una línea ajustada es: Y = b0 + b1 X

Minitab hace la regresión de la puntuación z Φ-1(Prob (Aceptación)) sobre los valores de referencia XT para obtener la intersección y la pendiente.

Notación

TérminoDescription
b0la intersección: la constante que determina la ubicación vertical de la línea de regresión.
b1 la pendiente de la línea de regresión
Xlos valores predictores

R-cuad. para la línea ajustada

El R-cuad. para la línea ajustada es el coeficiente de determinación, que se utiliza para verificar si la línea ajustada modela adecuadamente los datos. El valor de R-cuad. (R2) para la línea de regresión ajustada indica que el porcentaje de la variación en las respuestas de probabilidad de aceptación que es explicado por el modelo de regresión.

R2 = 1 - (SC error / SC total)

Notación

TérminoDescription
SC del errorsuma de los cuadrados del error
SC totalsuma total de los cuadrados
1 Automotive Industry Action Group (AIAG) (2010). Measurement Systems Analysis Reference Manual, 4th edition. Chrysler, Ford, General Motors Supplier Quality Requirements Task Force.