Hola. Pregunta de manufactura/estadística aquí. Suponga que tiene piezas que se prueban en varios puntos durante la fabricación (nodos). Tengo curiosidad si/cuánto amplían las personas sus límites después del primer nodo para dar cuenta de GRR. ¿Simplemente agrega 1 GRR a la USL / resta 1 GRR de la LSL? ¿O hay algún otro consenso en la comunidad estadística sobre cómo debe manejarse esto?
Históricamente, he ampliado mis límites después del primer nodo en +/- 1 GRR. Esto se hace para tener en cuenta cualquier cambio causado por la variabilidad del probador/prueba/operador. Es posible que las partes que pasan cuyos valores estaban cerca de los límites en el primer nodo se hayan desplazado hacia afuera debido a esta variabilidad, por lo que amplié los límites aguas abajo para tener en cuenta esto. Esto se hace solo después del primer nodo de prueba, porque se supone que la parte puede cambiar solo +/- 1GRR.
1. ¿Otras personas también hacen esto?
2. Al establecer límites para lograr un Cpk objetivo = 2, agregamos +/- 3 sigma a la media. Según esa lógica, ¿debería agregar +/- 3GRR a mis límites en lugar de +/- 1GRR?
Creo que la forma estadísticamente correcta de tratarlo es la siguiente, pero me gustaría obtener alguna confirmación de la comunidad. Supongamos que tratamos el valor medido como la suma de un valor estático "verdadero" de X para esa parte y Eps, una variable aleatoria normal con media = 0 y varianza = GRR^2.
Nodo 1: Xmedida1 = Xverdadera + Eps1 media(Xmedida1) = Xverdadera Var(Xmedida1) = GRR1^2
Nodo N: XmeasN = Xtrue + EpsN mean(XmeasN) = Xtrue Var(XmeasN) = GRRN^2
XmeasN se puede reescribir en términos del valor medido inicial y una nueva variable aleatoria que representa el cambio entre nodos (EpsDiff):
XmedidaN = Xmedida1 - Eps1 + EpsN = Xmedida1 + EpsDiff
dónde:
media(EpsDiff) = 0 (ya que media(Eps) == 0)
Var(EpsDiff) = GRR1^2 + GRRN^2 = 2GRR^2 (suponiendo que GRR sea igual en todos los nodos)
Según esta lógica, ¿debería ampliar mis límites en los nodos descendentes en +/-sqrt(2)*GRR?
Curiosidad por saber la opinión de la gente sobre esto. ¡Gracias!
