756833_es-ES

liliconcom

¡Ese no puede ser mi peso! ¿Se me rompió la báscula? Una exploración del Análisis de Sistemas de Medición (MSA) (2021-US-45MP-826)

Jason Wiggins, ingeniero sénior de sistemas, JMP

Desde nuestros hogares hasta el laboratorio y la planta de producción, los sistemas de medición están en todas partes. En casa, existe la temida báscula de baño. En los laboratorios de pruebas, se utilizan diversos sistemas para medir propiedades físicas importantes, como la resistencia de los materiales. Los sistemas de producción se basan en mediciones de características de calidad, como la forma de una pieza mecanizada. Los sistemas de medición con los que interactuamos presentan diversos comportamientos. Pueden ser ruidosos o precisos, exactos o sesgados. Pueden, o no, alterar o destruir nuestras muestras. Independientemente de su comportamiento, necesitamos conocer lo suficiente sobre el ruido en nuestros sistemas de medición para tomar decisiones informadas sobre cómo utilizarlos y evitar errores costosos. A principios de los 90, el espejo principal del telescopio Hubble se encontraba en la superficie debido a una medición errónea. El error, descubierto después del lanzamiento, casi paralizó el proyecto. Comprender y abordar la fuente de variación mediante un MSA previo al lanzamiento podría haberle ahorrado a la NASA más de 600 millones de dólares en un viaje al espacio para repararlo. Esta presentación abordará los pormenores de la aplicación de los resultados de MSA del método de Evaluación del Proceso de Medición (EMP), desarrollado por el Dr. Donald Wheeler. Se ofrecerá una visión general del EMP, junto con ejemplos del ámbito doméstico y de la industria. En el JMP se demostrarán la clasificación de calibres EMP, la precisión de los informes y los límites de especificación de las bandas de protección para garantizar la conformidad del producto.

Transcripción generada automáticamente...

Vocero	Transcripción
Olivia Lippincott	Nuevamente la grabadora está encendida, a menudo en silencio y vuelvo a encenderla.
Jason Wiggins, JMP	Bien. Hola a todos. Es un placer.
	Esa maldita báscula de baño.
	Así que para mí es difícil imaginar la vida sin herramientas que midan cosas, y medir cosas es una característica muy humana. Simplemente lo hacemos.
	Encuentro mucha felicidad en los sistemas de medición que se comportan bien y, sin duda, me frustro cuando no lo hacen.
	Desarrollar, perfeccionar e incluso utilizar correctamente un sistema de medición, ya sea simple o complicado, tiene un coste asociado.
	En mi experiencia, este gasto es pequeño en comparación con los costos consecuentes de usar datos de un medidor defectuoso o incluso de usar mal los datos de uno bueno.
	Un gran ejemplo de esto es el telescopio espacial Hubble.
	Poco después del lanzamiento en 1990 se descubrió una aberración en el espejo primario.
	La aberración afectó la claridad de las imágenes del telescopio; de hecho, este es un antes y un después.
	El origen del problema se remonta a un equipo mal calibrado que se utilizó para pulir el espejo.
	Más de 620 millones de dólares. Eso equivale a dólares de 1993; es bastante dinero.
	Y creo que este coste se podría haber evitado por completo si se hubiera hecho un análisis de los sistemas de medición antes de pulir el espejo.
	Si bien la reparación del telescopio espacial Hubble es un gran ejemplo de un problema de medición costoso, los problemas con los sistemas de medición, incluso con los de menor riesgo, en mi opinión, pueden ser igual de frustrantes. Tomemos como ejemplo mi temida báscula de baño.
	El año pasado... diciembre del año pasado comencé un viaje de pérdida de peso.
	Y sólo para darles una idea de lo que fui viendo a lo largo del tiempo y luego día a día.
	Regularmente subía de peso en cuatro libras. Ahora pienso que si estoy aquí, cerca de mi peso ideal... rondando mi peso ideal, quizás, ya sabes, con una fluctuación de más o menos cuatro libras.
	No es algo irreal de esperar. Ahora bien, emocionalmente, algo diferente sucede al principio de este proceso y
	Vamos a centrarnos en esto y hablar un poco sobre ello. Así que aquí estoy, trabajando con mucha diligencia para bajar de peso, haciendo todo lo correcto.
	Y entonces me despierto una mañana y he pesado dos kilos más. Es frustrante, ¿verdad? Y espero que otros también se sientan identificados, pero mi pregunta...
	A lo largo de todo esto (probablemente debería haber hecho un análisis de sistemas de medición antes de comenzar este viaje), pero mi pregunta es cuándo vería cosas así.
	¿Cuánto de esas cuatro libras soy yo y cuánto es ruido en el sistema de medición? Así que realicé un análisis de sistemas de medición para responder a la pregunta. ¡Atención, spoiler!
	El primer estudio que hice no fue muy bueno. El indicador es pésimo. Lo habría tirado, pero me gusta reciclar mis aparatos electrónicos.
	Al final del día, este no era un buen indicador utilizable.
	Parte de mi objetivo hoy es, quiero decir, esta es una exploración divertida de un sistema de medición de la vida real con el que, ya sabes, tal vez todos podamos identificarnos, pero uno de mis otros objetivos es destacar algunos de los beneficios.
	del uso del método EMP para el análisis de sistemas de medición. Para ello, abordaré algunas definiciones básicas y luego demostraré el método utilizando
	Resultados de un MSA de un medidor más eficiente. Tranquilos, volveremos a mi horrible ejemplo de la báscula de baño en un minuto.
	Bien, primero, ¿qué es el análisis de sistemas de medición? Para mí, una explicación sencilla es que vamos a realizar un experimento y lo que queremos obtener del mismo es identificar o medir las limitaciones del sistema de medición.
	¿Cuáles son nuestros objetivos? Si analizamos los sistemas de medición, podremos determinar si el sistema que utilizamos es lo suficientemente bueno.
	Para usar o si necesita mejoras. Pero creo que es más importante eso y dónde destaca el método EMP.
	Queremos establecer estándares para el uso de los datos de medición. No existe un sistema de medición perfecto, así que ¿qué estándares podemos establecer para usar nuestros datos de medición eficazmente?
	¿Cómo se hace? Es un análisis de componentes de varianza, por lo que buscamos los componentes de varianza asociados con el sistema de medición.
	Y, con suerte, son pequeñas comparadas con la variación de medición asociada con nuestras piezas. Así que tenemos una variación total de todas nuestras mediciones y luego hay componentes, estos dos componentes de variación diferentes que debemos comprender.
	¿Qué es el PEM? Significa evaluar el proceso de medición. Fue desarrollado por el Dr. Donald Wheeler. Hay un libro fantástico que recomiendo encarecidamente.
	Para mí, creo que la forma más sencilla de entender el PEM es que proporciona un enfoque estadístico para usar datos de medición eficazmente. Por lo tanto, no basta con saber si mi indicador es bueno o malo,
	Entonces, la primera clase, la segunda clase, la tercera clase, se basan en la probabilidad de detectar un cambio en el proceso.
	El método antiguo, el que aprendí primero, el GRR (porcentaje de R&R), el método AIAG, utiliza umbrales arbitrarios para la clasificación de calibres. Así que encontré un problema con eso, y fue lo que me llevó a empezar con el EMP.
	Hace muchos años trabajé con una prueba destructiva, así que este es un sistema de medición.
	Hicimos un análisis de sistemas de medición y resultó ser un medidor de cuarta clase según los estándares de porcentaje de R&R. Bueno... bueno,
	Sabes, eso es algo, pero ¿qué nos dice? Y lo más difícil de digerir fue que estábamos usando esta prueba destructiva.
	Para tomar decisiones en el desarrollo de productos que generaran ingresos. Era un indicador útil, por lo que el porcentaje de R&R no nos decía nada sobre la utilidad de nuestro indicador ni nos daba información sobre...
	Recomendaciones sobre cómo podríamos usar ese indicador. Por lo tanto, creo que el enfoque porcentual de R&R carece de la información necesaria para usar los datos de medición eficazmente.
	Bien, un ejemplo de calibre menos frustrante y más funcional. Esta es la máquina de medición por coordenadas.
	Mide la geometría de los objetos. Este es un experimento muy sencillo en el que solo se mide una dimensión de longitud.
	La longitud de las piezas son variables de ruido, como verán en este pequeño joystick. El sistema de medición cuenta con la participación del operador. He visto versiones automatizadas de esto y quizás no se incluya al operador, pero en este caso sí.
	Tienen variación asociada con las partes, y luego esta interacción operador/parte. Este es... este término de interacción, como para quienes aman el DOE,
	Todos sabemos que las interacciones ocurren en todas partes, pero haré todo lo posible por mostrar un ejemplo de una interacción muy común entre un operador y una pieza. Así que lo que tengo en la mano es un poco...
	Cilindro de metal y tengo un calibrador de cuadrante.
	Voy a
	Obtengo una medida del diámetro de esta pieza y veo que mide aproximadamente 19 milímetros.
	Si supiera cuál es el tamaño de esto o tuviera una expectativa de cuál debería ser ese diámetro, lo que podría hacer es aplicar más o menos presión al dial de mi medidor.
	para alcanzar la medida esperada. Esto pasa en todas partes. Me sorprendo haciéndolo. Si este tipo de cosas suceden cada vez que los humanos interactuamos con sistemas de medición, entonces...
	Si tienes el dinero y el presupuesto para construir un experimento para buscar esto, ciertamente lo recomiendo.
	Bueno, JMP 16. Es algo divertido. Me encanta esta nueva herramienta. Hay un...
	Lo siento... una herramienta de diseño de experimentos específica de MSA en el menú DOE para JMP 16.
	Te mostraré, como si fuera una especie de demostración de esto, pero antes de hacerlo, me gustaría tener una pequeña discusión sobre la aleatorización.
	Para todos los que realizamos análisis de DOE y sistemas de medición, sabemos que aleatorizamos porque queremos reducir el riesgo de que variables ocultas afecten nuestros resultados. Así que eso es prácticamente obvio, ¿verdad?
	Si no realizamos una aleatorización completa, potencialmente vamos a encontrarnos con algunos problemas.
	También recomendaría que el operador no se dé cuenta de las órdenes de ejecución aleatorias. Imagínense que estoy midiendo 10 piezas diferentes con mi calibrador, sin saber qué pieza estoy midiendo, así que hay menos posibilidades.
	Para mí, sesgar el experimento, el análisis de sistemas de medición, solo por conocer esa información. Así que, aleatorizado, hazlo a ciegas si es posible.
	Si te encuentras con problemas de aleatorización, posiblemente puedas considerar un diseño de parcela dividida o algún otro medio para lidiar con el problema de aleatorización, pero definitivamente queremos hacerlo en la medida de lo posible.
	Bien, veámoslo. DOEs, Propósito Especial, ahí está nuestro diseño MSA.
	Al igual que todas las demás herramientas DOE en JMP, puedo escribir el nombre de mis factores y tal vez necesite agregar otro factor para el operador aquí.
	Una cosa que realmente me gusta aquí es que puedo darle a esto un rol MSA, y esto se copia como una propiedad de columna en la tabla de datos que vamos a generar.
	Digamos que el operador tiene un nombre diferente, pero quiero tener al menos cierta referencia a que lo estoy usando como rol de operador en el MSA, y puedo hacerlo. ¡Es fantástico!
	En este experimento, tenemos cuatro partes diferentes, cuatro operadores diferentes y vamos a ejecutar dos réplicas. ¿Qué significa esto?
	Tengo mi copia original, mi primera ejecución del experimento, y la repetiré dos veces más. Así que obtengo tres mediciones por cada ejecución en mi original.
	experimento.
	Vamos a aleatorizar completamente y veamos el diseño. Es muy similar al DOE. Vean una vista previa rápida del diseño de nuestro experimento.
	En general, nos aseguramos de que tenga sentido, de que sea lo que queríamos hacer y de que lo que vemos sea correcto. Lo que realmente me gusta de esta herramienta es el diagnóstico de diseño, que es un poco diferente a lo que vemos en el diseñador personalizado, por ejemplo.
	O en la herramienta de comparación de diseños. Hay una simulación ejecutándose detrás de esto y podemos experimentar con... ya sabes, tal vez ajustamos los componentes de varianza asociados con mi prueba y hay una simulación ejecutándose en segundo plano. Y podemos...
	Haz algunas preguntas. ¿Está nuestro diseño experimental lo suficientemente bien configurado como para poder etiquetar un medidor de primera clase si es lo que tenemos? ¡Qué cosa tan genial!
	Me encanta porque está muy centrado en el análisis de sistemas de medición y, al igual que DOE, si necesitamos agregar partes adicionales u operadores adicionales, agregar réplicas adicionales, podemos jugar con eso dentro de la plataforma sin tener que volcarlo a una tabla de inmediato.
	Muy bien, echemos un vistazo a nuestro MSA estándar.
	Quiero explicarles algunas salidas gráficas básicas. Lo haremos con calma porque repetiremos este proceso varias veces.
	Para este sistema de medición, los resultados gráficos que obtenemos del informe EMP son realmente interesantes. Por ejemplo, este gráfico de promedios,
	Si mostrara los datos aquí en lugar de los promedios, sería exactamente el mismo resultado que obtendríamos con la herramienta de gráfico de indicador de atributos de variabilidad.
	Entonces, lo que nos dice es que si mis mediciones... la mayoría de mis mediciones están fuera de mis elementos de control, entonces es muy probable que podamos detectar diferencias entre las partes.
	Desviación estándar, y si hubiera elegido rango para la dispersión, hablaremos de esto un poco más en un minuto.
	Esto visualiza la repetibilidad, por lo que queremos que todo esté dentro de los límites, y ese es el caso con este medidor. Así que algunos más.
	Aquí está uno de mis favoritos. De nuevo, la interacción operador/pieza. En este gráfico, si hay líneas que se cruzan, indica que es posible una interacción.
	No es necesario que estas líneas se superpongan y pueden estar separadas, pero esperamos que no haya cruces de líneas en ese informe. Análisis de medias, me gusta esto; se puede usar como herramienta de procedimiento.
	Simplemente nos dice que el operador uno tiende a tener resultados bajos en promedio y los operadores dos y tres tienden a tener resultados altos.
	Y eso puede que no sea necesariamente malo, pero si lo es, podríamos analizar la fuente. ¿Sabes por qué el operador uno tiene un promedio bajo? De nuevo,
	Prueba, repetición de prueba, comparación de errores. Simplemente mostramos si existe una inconsistencia en la medición de cada operador.
	Estos son los gráficos. Hablemos un poco sobre algunos términos adicionales de PEM. La base de la clasificación de calibre en PEM son las correlaciones intraclase. Esa es la proporción de variación de la pieza.
	Y esperamos que dentro de dentro se asocie con nuestra parte de mediciones repetidas y
	y operador y parte de los términos de sesgo. Esperamos que sean pequeños en comparación con el total, así que cuanto mayor sea el valor, mejor en esta estadística; uno es perfecto.
	Y si va a revisar el libro de Wheeler y hacer cálculos manuales sobre cosas como la correlación intraclase a partir de los componentes de varianza, definitivamente utilice el gráfico de desviación estándar como tipo de dispersión.
	Wheeler explica muy bien en su libro cuándo conviene usar el rango, y lo veremos con el sistema de medición de la báscula de baño. Así que, si su precisión es bastante alta, probablemente...
	Podría usarse la dispersión de desviación estándar. Si es voluminoso, el rango probablemente sea el mejor enfoque.
	Probablemente sea un error. Veremos esto en diferentes lugares. Es muy útil y lo saqué del libro.
	Wheeler describe esto como: «Ninguna medición debe interpretarse jamás como más precisa que un error probable de más o menos uno, ya que las mediciones se equivocarán en esta cantidad o más al menos la mitad de las veces». Por lo tanto, esta estadística se utilizará en un par de ocasiones diferentes.
	En particular, vamos a utilizar un incremento de medición,
	que es una función del error probable, para ajustar nuestras expectativas de precisión para la medición, ¿cuántos decimales queremos reportar?
	Y veremos otro lugar en el que se utiliza el error probable en las bandas de protección... la prohibición estadística de los límites de especificación.
	Bien, repasaremos el informe y luego repasaremos los pasos en JMP.
	Obtenemos una clasificación de calibre realista, por lo que esto indica una segunda clase. Wheeler recomienda que se grafica el proceso de medición, por lo que podría ser conveniente realizar un control antes de realizar esta medición.
	Es discutible. Ya sabes, es otra vez una conversación sobre presupuesto. ¿Podemos permitirnos el tiempo para hacerlo? Sí... si es así, hazlo.
	Si no, ¿cuál es el costo de mejorar el ancho de vía? ¿Podemos cambiarlo a uno de primera calidad? ¿Cuánto estimamos que costaría un proyecto así?
	Esta leyenda de clasificación de monitores. Dedíquele un tiempo; podrá extraer algunas pautas para la creación de gráficos de control... o gráficos.
	El proceso real. Para obtener la resolución efectiva de este indicador, debemos reducir algunos dígitos. Explicaré cómo lo hago.
	Componentes de varianza, esto es genial. La parte contiene la mayor parte de la varianza, lo cual es positivo, aunque aún tenemos algunos operadores.
	Y algo de interacción entre el operador y la pieza. Lo vimos también en el análisis gráfico. Bien, vamos...
	He creado un complemento y ahora mismo... lo voy a usar para demostraciones. Tiene algunos errores. Si logro solucionarlos, lo publicaré.
	Pero esto es solo el lanzamiento de la plataforma EMP y luego me dará otras cosas, otras opciones asociadas con...
	El informe del PEM. Muy bien. Recordaremos la pieza y el operador. En este caso, usaré la desviación estándar.
	Y listo. Haga clic en Aceptar. Estos son todos los puntos que mencionamos en las diapositivas.
	No creo que haya nada diferente que ver. Esto proviene directamente del EMP, y lo que hago es preguntarme, dado el ruido en mi sistema de medición, cómo... cuál es la conformidad del producto que puedo esperar.
	Con mis límites de especificación, ¿puedo mejorarlos ajustando mis límites de especificación? Así que usaré estadísticas para proteger la banda.
	Mis límites de especificación. Quienes trabajan en manufactura de alta tecnología probablemente hayan oído hablar del límite de especificación de banda de protección. A veces se expresa simplemente como un porcentaje.
	Pero me encanta EMP porque puedo usar el error probable para hacer un cálculo.
	Esto tiene en cuenta el ruido de mi sistema de medición al ajustar esos límites. Lo que esto significa es que, para un 96 % de conformidad,
	Necesito ajustar mis bandas. Olvidé ajustar los decimales, pero serían entre 56 y 74.
	Así que simplemente lo ajusto un milímetro. Listo, en ambos lados, según la especificación. Las líneas negras representan los límites de especificación originales, los que establecimos para nuestro cliente.
	Si utilizamos el medidor dentro de estos límites de especificación, podemos esperar un cumplimiento de alrededor del 64 %, por lo que aquí hay un equilibrio, ¿verdad?
	Si queremos ajustar los límites de especificación, nos costará caro. Rechazaremos más piezas, pero ¿protegerá mejor al cliente? Sin duda. De hecho, si nos alejamos cuatro errores probables del límite de especificación,
	Podemos obtener un 99,9% de conformidad, pero vamos a rechazar muchos más productos y algunos de ellos podrían ser realmente útiles para el cliente.
	El equilibrio aquí es la voz de la empresa versus la voz del cliente, y es una decisión de negocios y vale la pena discutirla antes de tomar una decisión.
	¿Cuánto quieres ajustar tus límites de especificación? Bueno, ese es el indicador que funciona bien y vimos... Ah, se me olvidó, iba a mostrar...
	Cómo abordo el problema de la precisión de los decimales. Una máquina de medición de coordenadas genera muchos decimales.
	EMP me dice que debería eliminar los dígitos. Lo hago creando una columna de fórmula usando la función "around" y luego la ajusto para que esté en cero, pero en realidad probé con dos y uno.
	Y volví a ejecutar el análisis EMP. Y tan pronto como el EMP me indique que ya no tengo que perder un dígito, esa será la precisión que reportaré.
	Bien, y las instrucciones de fabricación. De nuevo, aquí es donde se utilizan el error probable y el incremento de medición en ese cálculo.
	Es genial. Es un enfoque estadístico para algo común en la fabricación de alta tecnología: la banda de guarda. Podemos hacerlo usando el ruido de nuestro sistema de medición para...
	Haz el cálculo. Bien, volvamos a la temida báscula del baño. Bien, esto es un poco divertido.
	Déjame guiarte a través del diseño.
	Lo que creo que es divertido de esto es que cuando nos disponemos a hacer un experimento, ya sea un análisis DOE o de sistemas de medición,
	Tenemos que aportar algo de creatividad. Y yo tenía que hacerlo. Para ser sincera, casi me quedo atónita. Así que, el ruido asociado con pesarme, o con que alguien de mi familia se pese, bueno, ahí estamos nosotros, ¿sabes? Me subo a la báscula.
	Parte... piensa que parte es como mi fluctuación de peso diaria, ¿verdad?
	Puedo llegar, digamos, a un nivel de más o menos cuatro. Comí demasiado durante una semana y subí un kilo. Eso es lo que quiero detectar.
	Ahora bien, conseguir eso es algo difícil en realidad, porque tengo que separar esa fluctuación de peso diaria de la parte del operador, mi parte personal.
	La forma en que lo hice... probablemente haya muchas maneras diferentes de hacerlo, pero la forma en que lo hice fue: invité a mis participantes en el análisis de sistemas de medición, mi familia. Ellos medían su masa corporal,
	Se bajan de la báscula, les doy una mancuerna y vuelven a subirse. Resto esos valores y obtengo el peso, así que esa será la medida de mi parte.
	Ahora, para poner esto en la escala de mi peso objetivo, lo cual me hace un poco más fácil de entender, simplemente lo normalizo.
	Y simplemente... simplemente estoy cambiando la escala a algo que me parece más lógico. Bueno, veamos cómo queda. Bien, haremos el complemento de nuevo. Hay algo que merece la pena.
	Nota. Bueno, creo que si recuerdo esto, recordará el operador y la parte de nuevo. Esta es una medición compleja. Voy a usar el tipo de dispersión de la tabla de rangos y el diseño es cruzado.
	Bien, ya desde el principio estamos viendo que probablemente no podamos detectar
	Diferencias en el peso diario. Ahora bien, podría haber algo aquí relacionado con cómo realicé el experimento; ciertamente es posible.
	Pero no se ve muy bien. Veamos algunos otros, como el gráfico de rangos, que se ve bastante bien. Ah... vaya, hay un problema. Mi variación interna, asociada con mis mediciones repetidas, es mayor que mi parte... mi varianza asociada con mi variación entre partes.
	Eso no es nada bueno.
	Así que, el segundo problema. Puedes revisar algunos de estos otros. La prueba y la repetición de la prueba se ven bastante bien. Los resultados de mi análisis de comparación de sesgos de medias se ven bien. Bien, aquí hay otro problema. Observa la magnitud de ese error probable. Recuerda, espero poder ver al menos...
	Una diferencia de una libra en peso y que sea significativa. Bueno, el error probable es tres veces mayor, y eso es un problema.
	Me piden que elimine un dígito. Si repito esto, tengo que usar notación científica y escribir dos dígitos para que sea lo más parecido posible.
	Y aún así, el error probable es enorme, y veremos, un poco más adelante, cómo eso puede ser problemático en términos de uso del medidor.
	Calibre de tercera clase. Si tuviéramos que usar el calibre, definitivamente estaríamos graficando el proceso de medición, es decir, ejecutando controles o estándares.
	Antes de pesarnos a diario. Interacción operador-pieza, ahí está otra vez. Es curioso porque el operador tres es mi cuñado. Es bastante listo, y por mucho que intenté que no manipulara la prueba, creo que la estaba manipulando.
	Así que eso podría estar relacionado con mi estudio y no necesariamente con el medidor; solo con mi observación. Así que volveremos a jugar con el 96% de conformidad, reduciéndolo a cero. Y, oh, no, no puedo calcular los límites. De hecho, mi límite inferior es...
	superior a mi límite superior. ¿Y por qué ocurrió eso? Bueno, en el cálculo
	(veamos, si vuelvo a donde mostré eso),
	Si ese error probable es demasiado grande, entonces creará un problema, por lo que hay una pequeña limitación en esto.
	La herramienta que Wheeler usa en su libro. Pero a mí, bueno, lo que esto me dice es que esta báscula de baño es una porquería y solo necesito comprar una nueva. Así que soy un poco tacaño.
	pero decidí, ya sabes, 50 dólares probablemente no sea un precio irrazonable, así que compré una báscula Fitbit y veremos qué... veamos cómo es eso.
	Oh.
	Ejecute el estudio nuevamente.
	Y el rango, lo mantendremos igual. Bien, ya estamos viendo una pequeña mejora. No es tan bueno como mi máquina de medición de coordenadas, pero bueno, algunas de mis mediciones están fuera de los límites de control, así que lo consideraría una mejora.
	Fíjate también en eso. Mi componente de varianza interna es, de hecho, menor que una parte. O sea, sigue siendo bastante grande.
	Pero 50 dólares... quizás si gasto 100 o 1000 dólares, podría bajarlo un poco, pero creo que estoy dispuesto a vivir con eso. Bueno, error probable, ¡genial! Al menos estamos por debajo de una libra.
	Y, por supuesto, debemos considerar la eliminación de un dígito, así que también realizaría el ejercicio de redondeo con esto, y resulta que informar una precisión decimal cero es lo que queremos hacer. Analicemos esto: 96% de conformidad.
	De nuevo, oye, de hecho consigo algo razonable. Así que, para mí,
	Lo que establecí como expectativa al comenzar todo este ejercicio de perder peso era que quería alcanzar un peso objetivo de 180.
	Pero estoy dispuesta a vivir con fluctuaciones de peso de más o menos dos kilos y medio. Y a medida que he pasado por esto, he notado que lo que como puede cambiar, como el aumento de peso en agua en un día, así que es una expectativa bastante razonable. Ahora bien, si quiero estar segura,
	Para mantenerme fiel a mi objetivo, tal vez tenga que reducir esos límites de especificaciones en una libra.
	Así que lo que empezó como un ejercicio frustrante tras un largo proceso de pérdida de peso y de trabajar con una báscula horrible, he llegado a algo con lo que puedo vivir y con lo que, de hecho, estoy bastante feliz.
	Eso es todo. Gracias. Espero que este recorrido por el método EMP para el análisis de sistemas de medición haya sido entretenido.
Olivia Lippincott	Sí, detén la grabación.
Jason Wiggins, JMP	Y lo hago a su tiempo, oh bien.

Modelado estadístico avanzadoAnálisis y modelado de datos básicosOrganización del contenidoCombinación y limpieza de datosModelado predictivo y aprendizaje automáticoIngeniería de Calidad y ProcesosAnálisis de confiabilidadCompartir y comunicar resultados