Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este video, usamos el archivo Area MSA Exercise Final.jmp para demostrar cómo analizar el sesgo en la plataforma de análisis de sistemas de medición.
En este estudio, el sistema de medición de interés es el área de varios objetos, medida por diferentes inspectores. El verdadero valor, o estándar, es conocido.
Para realizar este análisis, seleccione la plataforma de Análisis de sistemas de medición en el menú Analizar en Calidad y proceso. En Método de análisis, seleccionamos Gauge R&R.
Luego ingrese Valor medido como Y, Respuesta, Inspector como X, Variable de agrupación y Número de pieza como Pieza, ID de muestra. Luego, ingresamos Estándar como el Estándar.
Para analizar el sesgo, seleccionamos Estudios de indicadores y luego Informe de sesgo en el triángulo rojo superior.
Vemos que el sesgo promedio, que es la diferencia entre las medidas y los valores reales, es -0.3731. En promedio, las medidas están por debajo de los valores reales.
Los valores 95% inferior y 95% superior representan un intervalo de confianza para el sesgo. Esto nos dice que el sesgo promedio está en el rango de -0.28 y -0.46.
El Informe de sesgo de medición por estándar muestra un gráfico y estadísticas para estudiar el sesgo promedio para los diferentes estándares. Aprendemos, por ejemplo, que las medidas para el Estándar 4.4 están sesgadas. En promedio, las medidas están 1,11 unidades por debajo del valor real de 4,4.
Tenga en cuenta que, cuando comparamos las medidas con el valor real, usamos el término sesgo. Cuando comparamos las medidas con el valor real para diferentes operadores y diferentes partes, usamos el término error de medida, o simplemente error.
Para gráficos adicionales, seleccionamos Gráficos de error de medición del triángulo rojo para el Informe de sesgo de medición.
Aquí, nos centramos en el informe de errores de medición de Inspector. Este informe muestra el error promedio de los diferentes inspectores. Podemos ver, por ejemplo, que el error promedio de algunos de los inspectores es grande, mientras que el error promedio de otros inspectores es muy pequeño.
