Estudio de sistemas de medida con ensayos destructivos. Una aplicación sobre tiempos de producción.
Los estudios de repetibilidad y reproducibilidad fueron diseñados con el propósito de analizar la bondad de los sistemas de medición, análisis cuya importancia radica en el hecho que un sistema inadecuado introducirá variabilidad adicional ocasionando que las mediciones no reflejen el verdader...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | article artículo publishedVersion |
| Lenguaje: | Español Español |
| Publicado: |
Facultad de Ciencia Económicas y Estadística - Universidad Nacional de Rosario
2013
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/2133/2337 http://hdl.handle.net/2133/2337 |
| Aporte de: |
| Sumario: | Los estudios de repetibilidad y reproducibilidad fueron diseñados con
el propósito de analizar la bondad de los sistemas de medición, análisis cuya
importancia radica en el hecho que un sistema inadecuado introducirá variabilidad
adicional ocasionando que las mediciones no reflejen el verdadero comportamiento del
proceso. El análisis se basa en la cuantificación de la variabilidad asociada al sistema
de medición y su posterior comparación con la variabilidad total observada, siendo
requerimiento fundamental para ello que resulte factible obtener mediciones repetidas
de una misma unidad bajo las mismas condiciones experimentales, de lo contrario, la
variabilidad en las mediciones estará confundida con la variabilidad propia de las partes
medidas. Tal es el caso en que los ensayos de medición son “destructivos”, esto
es, las unidades no son robustas frente al proceso de medición, o bien, las unidades
no son temporalmente estables. En este trabajo se exponen diversas alternativas para el caso de estudios R&R con ensayos destructivos y una aplicación particular en un problema real sobre estimación de tiempos de producción en una empresa metalúrgica. El empleo de Modelos Lineales Generalizados permitió obtener estimaciones adecuadas de ciertas Componentes de Variancia, que advirtieron sobre características importantes a mejorar en el proceso de medición. |
|---|