Qual o objetivo do Gage R&R?
O objetivo final da maioria dos projetos de melhoria da qualidade é claro: reduzir o número de defeitos, melhorar uma resposta ou fazer uma mudança que beneficie seus clientes. Muitas vezes queremos saltar diretamente e começar a coletar e analisar dados para que possamos resolver os problemas. Verificando os seus sistemas de medição em primeiro lugar, com métodos como análise de acordo de atributo ou Gage R&R , pode parecer um desperdício de tempo desnecessário. Tais conhecimentos, são abordados no Green Belt e Black Belt.
Mas a verdade é que um estudo R&R Gage é um passo crítico em qualquer análise estatística envolvendo dados contínuos. Isso porque permite que você determine se o seu sistema de medição para esses dados é adequado ou não. Se o seu sistema de medição não for capaz de produzir medições confiáveis, qualquer análise que você realize com essas medidas provavelmente não terá sentido.
"R&R" de Gage R&R -Repetibilidade e Reprodutibilidade.
Suponha que estamos medindo lápis com uma régua (que é uma excelente atividade prática que você pode usar para ensinar Gage R&R). Queremos determinar se nosso sistema de medição pode medir adequadamente o comprimento desses lápis. Para realizar um estudo Gage R&R, selecionamos aleatoriamente 10 lápis e 3 pessoas - Kako, Simon e Charlie. Cada pessoa mede cada lápis 2 vezes, usando a mesma régua. Isso nos dá um total de 10 x 3 x 2 = 60 medições.
Como verificar a Repetibilidade?
A repetibilidade representa a variação observada quando o mesmo operador mede a mesma peça várias vezes com o mesmo dispositivo. Em outras palavras, quando Kako mede repetidamente o mesmo lápis com a mesma régua, suas medidas serão consistentes? Se ele mede 16,8 cm pela primeira vez, ele vai medir 16,8 cm na próxima vez que ele mede esse mesmo lápis?
Como verificar a Reprodutibilidade?
A reprodutibilidade representa a variação observada quando os operadores DIFERENTES medem a mesma peça várias vezes com o mesmo dispositivo. Em outras palavras, se Kako mede um lápis de 16,8 cm de comprimento, Simon também medirá 16,8 cm para esse mesmo lápis? E quanto a Charlie?
Dica útil: para lembrar a diferença entre repetibilidade e reprodutibilidade, note que a reprodutibilidade inclui um 'o' - pensar 'o' para a variabilidade em "operadores".
Respondendo a perguntas importantes
Gage R&R pode ajudá-lo a responder perguntas como:
- O meu sistema de medição é capaz de discriminar as peça?
- A variabilidade do meu sistema de medição é pequena em comparação com a variabilidade do processo de fabricação?
- Quanta variabilidade é o meu sistema de medição é causado por diferenças entre operadores?
E se o seu sistema de medição não é ótimo, você também pode usar Gage R&R para determinar onde estão as fraquezas. Por exemplo, talvez um estudo revele que, embora a repetibilidade seja boa, a reprodutibilidade é fraca. Você pode usar Gage R&R para cavar mais fundo e descobrir por que diferentes operadores relataram leituras diferentes.
Para configurar facilmente o seu plano de coleta de dados Gage R&R e analisar os dados correspondentes para avaliar o seu sistema de medição, verifique no Minitab o caminho Stat> Quality Tools> Gage Study and Assistant> Measurement Systems Analysis features.
Vale lembrar que existem muitos métodos sobrepostos esboçados na literatura que podem ser usados para executar Gage R&R. Alguns desses métodos são os seguintes:
- Método de análise de variância (ANOVA)
- Método médio e de alcance
- Método de variação parcial (WIV)
- Método de grupo de ação da indústria automotiva (AIAG, Southfield, MI)
- Método de curto alcance para testes não destrutivos
- Método de curto alcance para testes destrutivos
- Método de longo alcance para testes não destrutivos
- Método de longo alcance para testes destrutivos
- O método instantâneo (um avaliador apenas para variação de equipamentos).
O que mais é importante para analisar o Sistema de Medição?
Estabilidade
Processos estáveis são aqueles que estão livres de variação de causa especial. Controle estatístico de processo (SPC), gráficos de dispersão ou outras formas de análise estatística são usados para medir a estabilidade do processo. A determinação da estabilidade requer dados amostrados suficientes para cobrir uma ampla gama de possíveis contribuintes de variação que se aplicam ao processo que está sendo medido. Os possíveis contribuintes incluem:
- Variação de peça: peça-a-peça, matéria-prima lote-a-lote, área de peça para área, etc.
- Variação da ferramenta: cavidade-a-cavidade, ferramenta para ferramenta, uso da ferramenta ao longo do tempo, etc.
- Variação humana: operador para operador, supervisor para supervisor, instalação conduzida para liderar, número de outras tarefas realizadas ao mesmo tempo, condições ergonômicas, etc.
- Variação do tempo: amostra de tempo para hora, hora a hora, turno a turno, dia a dia, semana a semana, mês a mês, estação a temporada, ano-a-ano, ano, almoço e outros tempos de interrupção, etc.
- Variação de localização: máquina para máquina, construção para construção, planta a planta, estado a estado, país a país, etc.
Viés
Viés em uma amostra é a presença ou influência de qualquer fator que faz com que a população de dados ou o processo que está sendo amostrado pareça diferente do que realmente é. Para medir o viés de medição do processo, uma autoridade de medição maior é comparada à média de dados. Para medições determinadas, esse processo é referido como calibração. Para medições indeterminadas, os valores médios são comparados com um alvo ou valor de especificação.
Linearidade
A linearidade refere-se a medidas sendo estatisticamente diferentes de uma extremidade à outra do espaço de medição. Um processo de medição pode ser muito capaz de medir peças pequenas, mas uma medida muito menos precisa de grandes peças ou uma extremidade de uma pela longa pode ser medida com mais precisão do que a outra extremidade. A linearidade é medida usando padrões de medição calibrados para autoridades superiores, rastreáveis ao NIST. A linearidade de medição indeterminada é medida na forma de efeitos de interação.
Se o equipamento demonstrar não-linearidade, uma ou mais dessas condições podem existir:
- Equipamento não calibrado na extremidade superior e inferior do intervalo de operação
- Erro no mestre mínimo ou máximo
- Equipamentos usados
- Possíveis personagens de design de equipamentos internos pobres
- Correlação variável de resposta para controle (RtC) e autocorrelação
As medições são frequentemente usadas para controlar processos que, por sua vez, afetam as medidas subsequentes. Quando medidas indeterminadas são tomadas a uma taxa mais lenta do que o tempo necessário para que as mudanças do processo sejam totalmente implementadas, a adequação da medição não é um problema. No entanto, a variável de controle (usado para controlar o processo) para a correlação da variável de resposta (sendo medida) pode ocultar o tempo que parece levar para que uma mudança de processo seja implementada. Usando o SPC para controlar um processo onde os dados são tomados e as mudanças de processo são feitas a cada hora, onde as máscaras de correlação de RtC pobres que mudam que levam um dia inteiro a implementar não seriam adequadas. A correlação variável de RtC é medida usando a análise de regressão. Esta situação existe quando a variável de resposta não é a mesma que a variável de controle, que é frequentemente o caso.
Da mesma forma, a autocorrelação afeta as medidas quando a correlação entre os valores emparelhados das funções matemáticas realizadas em intervalos constantes indica incorretamente o grau de periodicidade da função. Woodall afirma que níveis são muito mais baixos de autocorrelação do que o recomendado por Wheeler. Woodall afirma que o nível recomendado mínimo de 0,7 pode ter um efeito substancial no desempenho estatístico de um gráfico de controle
