MSA. Análise Do Sistema de Medição. Measurement System Analysis

Análise do Sistema de
Medição
MSA
Measurement System Analysis
Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Dois Tipos de Análise do Sistema de Medição
Gage Attribute
R&R Agreement
Analysis

Principais Recursos do Minitab para MSA

Análise do Sistema de Medição
para Dados Contínuos
(Measurement Data)
Principais Recursos:
• Type I Gage Study
• Create Gage R&R Study Worksheet
• Gage Run Chart
• Gage Linearity and Bias Study
• Gage R&R Study (Crossed)
• Gage R&R Study (Nested)
• Gage R&R Study (Expanded)

Guia para um
Bom Estudo de
Gage R&R
• Medidores devem medir sempre que possível pelo menos 10 peças;
• Selecione as peças que representam a saída do processo típico ao
longo de um período de tempo suficiente;
• Selecione pelo menos 3 medidores para o estudo;
• Os medidores devem medir cada peça pelo menos duas vezes;
• Os medidores devem medir as peças em condições normais;
• Use uma ordem aleatória;
• O dispositivo de medição deve ser devidamente calibrado;
• Selecione as peças de um processo estável;
• Para determinar se o sistema de medição pode ser usado para aceitar
ou rejeitar peças, você deve fornecer pelo menos um limite de
especificação.
Exatidão e Precisão
O objetivo de qualquer
sistema de medição é de
fornecer dados com precisão
e exatidão das
características lidas.
(Accurate)
O que é melhor: Preciso e não exato ou não preciso e exato?

O que é comumente feito em um ajuste: obter exatidão ou precisão?

Estudos Principais na Análise de
um Sistema de Medição para
Dados Contínuos
Relacionadas a Dispersão (ou Precisão):
Gage Run Chart •Repetitividade

Gage R&R Study •Reprodutividade
•Interação
Relacionadas a Localização (ou Exatidão - Accuracy ):

•Estabilidade
Gage Linearity Study
•Descentralização (Bias)
•Linearidade

Variações Relacionadas em um
Estudo de Gage R&R
Variação Total (Overall)
Variação entre as Peças Variação devido ao Sistema

(Part-to-Part) de Medição
Ex.: Variação
Variação devido ao
nas dimensões Variação devido aos Medidores
Equipamento/Processo (Gage)
das peças
Reprodutividade
Repetitividade
(Reproducibility)
(Repeatibility)
Ex.: Um mesmo
Medidor tem Medidor Medidor e peça
variação em suas Ex.: Os vários Ex.: Medidores
próprias Medidores fazem medem certas
medições. medições Peças
diferentes. diferentemente.
Um mesmo operador opera um
mesmo sistema de medição e possui
medidas diferentes
Variações
Relacionadas a
Dispersão (Precisão):
Diferentes medidores operam um

mesmo sistema de medição

time
Variações
Relacionadas a
Localização
(Exatidão -
Accuracy):
faixa

Exemplo - Type I Gage Study
Um fabricante de eletrodos quer avaliar o sistema de

medição que mede o diâmetro externo de eletrodos
para determinar se o sistema mede com precisão os
diâmetros dentro de uma tolerância de 0,05 mm.
Um operador mede 50 eletrodos. O valor de referência é

12,305mm.
Veja planilha
shaft.mtw
Apenas uma O Valor de

coluna de Referência é o
dados A tolerância é o valor desejado
intervalo entre
as especificações

Interpretação dos Resultados:
O viés no sistema de medição é -0,00231. O teste para tendência indica uma diferença
significativa (T = 4,506892, p-value = 0,000), sugerindo que o viés está presente no
sistema de medição. Muitas das observações plotadas no gráfico são inferiores ao valor
de referência de 12,305.
Os índices de capabilidade Cg = 0,46 e Cgk = 0,25, são muito menores que 1,33 (um
valor ótimo). Estes valores sugerem que a variação devido ao sistema de medição é
grande.
%Var (repetitividade) = 43,49% e %Var(repetitividade e bias) = 81%. Estes valores

são muito maiores que 15% (relacionados a Cgk=1,33), o que novamente sugere que a
variação devido ao sistema de medição é grande.

Exemplo – Create Gage R&R Study Worksheet
Deseja-se planejar um estudo de Gage R&R considerando 3

medidores (Operators), 15 peças (Parts) e 2 replicações
(Replicates).

O resumo do plano experimental é dado no session:
Gage R&R Study Worksheet
Parts: 15 Operators: 3
Replicates: 2 Total runs: 90
Use Options para definir a base do gerador de números aleatórios para gerar a mesma
amostra aleatória mais de uma vez.
Todos os medidores devem terminar suas réplicas antes de iniciar a segunda

seqüência de replicação.

Aplicação: Geração de Tabelas para R&R
Gere uma tabela para o estudo de R&R com as

seguintes características:
• Peças (A, B, C, D e E)
• Avaliadores (1, 2, 3 e 4)
• 4 Réplicas

Exemplo – Gage Run Chart
Os dados da planilha abaixo foram obtidos do Manual da

AIAG que serve de referência para as empresas
Chrysler, Ford, General Motors. A AIAG serve de norte a
todas as empresas do setor automotivo.
Gageaiag.mtw

3 medidores / 10 peças / 3 replicações

A maior parte da variação é devido a diferenças entre as peças.
Alguns padrões também aparecem. Por exemplo, o Operador B não mede de

forma consistente. O Operador C tem as medidas normalmente inferior ao de
outros medidores. Testes de Hipóteses podem confirmar essas impressões.

Exemplo – Gage Run Chart
Um outro exemplo.
Gage2.mtw

3 medidores / 3 peças / 3 replicações

O fator dominante aqui é repetitividade - grandes diferenças nas medições quando

o mesmo operador mede a mesma peça. Oscilações sugerem que os medidores
estão "ajustando" as suas medidas.

Exemplo – Gage R&R Study (Crossed) Using ANOVA
Os dados da planilha abaixo foram obtidos do Manual da

AIAG que serve de referência para as empresas
Chrysler, Ford, General Motors.
Gageaiag.mtw

As diferenças entre medidores são pequenas comparadas com as diferenças entre as
peças, mas são significativas (p = 0,00). O Operador C apresenta medições inferiores.

Existem grandes diferenças entre as peças

Não existe interação significativa

As medidas do operador B são inconsistentes

Grande parte da variação é devido a diferenças entre as peças.

O Sistema de medição pode ser melhorado!

Gage R&R Study - ANOVA Method
Two-Way ANOVA Table With Interaction
Source DF SS MS F P
Part 9 88.3619 9.81799 492.291 0.000
Operator 2 3.1673 1.58363 79.406 0.000
Part * Operator 18 0.3590 0.01994 0.434 0.974
Repeatability 60 2.7589 0.04598
Total 89 94.6471
Quando o P-value é maior
que 0,25 o Minitab omite a
interação do modelo
Alpha to remove interaction term = 0.25
completo criando uma outra
tabela ANOVA.
Two-Way ANOVA Table Without Interaction
Source DF SS MS F P medidores e
Part 9 88.3619 9.81799 245.614 0.000 peças diferentes
Operator 2 3.1673 1.58363 39.617 0.000 pois P<0,05
Total 89 94.6471

<1% <10% Aceitável
De 1% a 9% De 10% a 30% Aceitável dependendo da aplicação
Gage R&R
> 9% > 30% Inaceitável
%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0.09143 7.76
Repeatability 0.03997 3.39
Reproducibility 0.05146 4.37
Operator 0.05146 4.37
Part-To-Part 1.08645 92.24
Total Variation 1.17788 100.00
Study Var %Study Var %Tolerance

Source StdDev (SD) (6 * SD) (%SV) (SV/Toler)
Total Gage R&R 0.30237 1.81423 27.86 22.68
Repeatability 0.19993 1.19960 18.42 14.99
Reproducibility 0.22684 1.36103 20.90 17.01
Operator 0.22684 1.36103 20.90 17.01
Part-To-Part 1.04233 6.25396 96.04 78.17
Total Variation 1.08530 6.51180 100.00 81.40
Um valor de 5 ou mais denota um sistema de medição possivelmente
Number of Distinct Categories = 4 aceitável. Ver tal número com outras características.
Exemplo – Gage R&R Study (Crossed) Using ANOVA
Ex.: Cinco peças são selecionadas de

um processo de manufatura para
cada um dos dois avaliadores que
normalmente fazem as medições do
processo (em mm). Cada medição foi
repetida três vezes para cada uma
das peças em uma sequência
aleatória. A planilha RR1.MTW
contém tais medições.
Faça a análise de R&R.

<Stat> <Quality Tools> <Gage Study> <Gage Run Chart>
Par numbers: Parte
Operators: Avaliador
Measurement data: Resposta
Pode-se observar
graficamente a
diferença entre os
dois medidores

Gage R&R Study - ANOVA Method
Two-Way ANOVA Table With Interaction
Source DF SS MS F P
Peça 4 129.467 32.3667 13.6761 0.013
Avaliador 1 2.700 2.7000 1.1408 0.346
Peça * Avaliador 4 9.467 2.3667 0.9221 0.471
Total 29 192.967 Quando não é
significativo
(o padrão do
Alpha to remove interaction term = 0.25 minitab é
para P>0,25),
uma nova
Two-Way ANOVA Table Without Interaction tabela é
calculada
Source DF SS MS F P
Peça 4 129.467 32.3667 12.7763 0.000
Avaliador 1 2.700 2.7000 1.0658 0.312
Total 29 192.967 Peças Diferentes e
medidores iguais
<1% <10% Aceitável
Gage R&R
Variância %Contribution
Total Gage R&R 2.54444 33.85
Avaliador 0.01111 0.15
Part-To-Part 4.97222 66.15
Desvio Padrão Study Var %Study Var

Source StdDev (SD) (6 * SD) (%SV)
Total Gage R&R 1.59513 9.5708 58.18 Variação devida ao
Repeatability 1.59164 9.5499 58.05 Processo de medição.
Reproducibility 0.10541 0.6325 3.84
Valor Muito alto!
Avaliador 0.10541 0.6325 3.84
Part-To-Part 2.22985 13.3791 81.33
Total Variation 2.74165 16.4499 100.00
Variação do Processo
58 ,18 2
+ 81 , 33 2
= 100
Number of Distinct Categories = 1
5 ou mais é Ótimo e 0 é ruim

Muito alto, devido ao
Sistema de Medição
R&R=Repeat+Reprod Os medidores não

são diferentes

Gage name:
Date of study:
Gage R&R (ANOVA) for Resposta Reported by:
Tolerance:
Misc:
Components of Variation By Parte

100 220
%Contribution 219
%Study Var 218
Percent
217
50 216
215
214
213
0 212
Gage R&R Repeat Reprod Part-to-Part Parte 1 2 3 4 5
R Chart by Avaliador By Avaliador

7 Op.A Op.B 220
UCL=6.436
6 219
Sample Range
5 218
4 217
3 216
R=2.5 215
2
214
1
213
0 LCL=0 212
0 Avaliador Op.A Op.B
Xbar Chart by Avaliador Avaliador*Parte Interaction

221 Op.A Op.B 220 Avaliador
220 219 Op.A
UCL=219.2
Sample Mean
219 218 Op.B
Average
218
217
217 Mean=216.6
216 216
215 215
214 LCL=214.1 214
213 213
212 212
0 Parte 1 2 3 4 5

ResoluçãoEfetiva

Exemplo – Gage R&R Study (Crossed) Using Xbar and R
Um outro conjunto de dados da AIAG
Gage2.mtw

<1% <10% Aceitável
Gage R&R Study - XBar/R Method
%Contribution
Total Gage R&R 7229.94 78.11
Part-To-Part 2026.05 21.89
Study Var %Study Var

Source StdDev (SD) (6 * SD) (%SV)
Total Gage R&R 85.0291 510.174 88.38
Repeatability 85.0291 510.174 88.38
Reproducibility 0.0000 0.000 0.00
Part-To-Part 45.0116 270.070 46.79
Total Variation 96.2081 577.248 100.00
Number of Distinct Categories = 1 Um valor de 5 ou mais denota um sistema de medição aceitável.

O valor 1 representa um sistema de medição inaceitável
Uma grande percentagem (78,11%) da variação nos dados é devido ao sistema de

medição (Gage R&R); pouco é devido a diferenças entre as peças (21,89%).
A coluna % StudyVar mostra que o Gage R&R total responde por 88,38% da
variação estudada;
O número de categorias distintas diz que o sistema de medição é pobre e não consegue
distinguir diferenças entre as peças.
No do gráfico Components of Variation, um alto percentual de variação (78,11%) é

devido ao sistema de medição (Gage R&R) relacionado principalmente a repetitividade.
É baixa a percentagem (21,89%) devido a diferenças entre as peças.
A maioria dos pontos no gráfico Xbar está dentro dos limites de controle mostrando que
a variação observada se deve principalmente ao sistema de medição.

Exemplo – Gage R&R Study (Nested)
Neste exemplo, 3 medidores medem 5 peças

diferentes, 2 vezes. Cada peça é exclusiva
do medidor e não existem 2 medidores medindo
uma mesma peça. A tolerância vale 10.
Gagenested.mtw
Gage R&R Study - Nested ANOVA
Gage R&R (Nested) for Response
Source DF SS MS F P
Operator 2 0.0142 0.00708 0.00385 0.996
Part (Operator) 12 22.0552 1.83794 1.42549 0.255
Total 29 41.4094
Medidores e Peças iguais
pois P>0,05
No estudo Nested não

existe avaliação da
Interação

<1% <10% Aceitável
Gage R&R
%Contribution
Total Gage R&R 1.28933 82.46
Part-To-Part 0.27430 17.54
Process tolerance = 10

Total Gage R&R 1.13549 6.81293 90.81 68.13
Repeatability 1.13549 6.81293 90.81 68.13
Part-To-Part 0.52374 3.14243 41.88 31.42
Total Variation 1.25045 7.50273 100.00 75.03
Number of Distinct Categories = 1 Um valor de 5 ou mais denota um sistema de medição aceitável.

A contribuição percentual das diferenças entre as peças (Parte-To-Part = 17,54) é muito

menor que a contribuição percentual da variação do sistema de medição (Gage Total
= 82,46). A coluna %Study Var indica que o Total Gage R&R responde por 90,81% da
variação estudada. Assim, a maioria da variação é devido a erro do sistema de
medição; muito pouco é devido a diferenças entre as peças.

Exemplo – Gage R&R Study (Expanded)
Neste exemplo, 10 peças que representam o intervalo previsto para a variação de um

processo foram selecionadas. Além disso, cada peça é equipada com um de dois
sub-componentes (um fator fixo como tipo de balança, por exemplo), e você
quer determinar se este fator apresenta variabilidade de peça para peça. 3
medidores mediram as 10 peças, 4 vezes por peça (duas vezes com cada sub-
componente), em ordem aleatória.
Selecione ordem 2. Click Part-to-Part
Variation. Em Available terms, click
Subcomponent para selecionar.
Tolerância = 8
Plots of average measurements by two

factors. Entre com Operator e
Subcomponent.
Gagegeneral.mtw
O operador B tem medições inconsistentes. Todos os medidores, especialmente o
Operador B, tendem a medir peças com o Subcomponente B maior do que peças com o
Subcomponente A.
Factor Information
Factor Type Levels Values

Part random 10 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Operator random 3 A, B, C
Subcomponent fixed 2 A, B
ANOVA Table with All Terms
Source DF Seq SS Adj SS Adj MS F P

Part 9 97.8123 97.8123 10.8680 173.10 0.000 x
Operator 2 3.7413 3.7413 1.8706 10.03 0.038 x
Subcomponent 1 1.7160 1.7160 1.7160 12.17 0.075 x
Part*Operator 18 1.1493 1.1493 0.0638 3.29 0.000
Part*Subcomponent 9 0.1653 0.1653 0.0184 0.95 0.491
Operator*Subcomponent 2 0.2841 0.2841 0.1420 7.31 0.001
Repeatability 78 1.5158 1.5158 0.0194
Total 119 106.3841
x Not an exact F-test.

Alpha to remove interaction term = 0.25

ANOVA Table with Terms Used for Gage R&R Calculations
Source DF Seq SS Adj SS Adj MS F P

Part 9 97.8123 97.8123 10.8680 170.21 0.000
Operator 2 3.7413 3.7413 1.8706 10.03 0.038 x
Subcomponent 1 1.7160 1.7160 1.7160 12.08 0.074
Part*Operator 18 1.1493 1.1493 0.0638 3.30 0.000
Operator*Subcomponent 2 0.2841 0.2841 0.1420 7.35 0.001
Repeatability 87 1.6811 1.6811 0.0193
Total 119 106.3841
x Not an exact F-test.

Todos os termos do modelo tem P-value
reduzido e são significativos. Os
subcomponentes tem valor limítrofe.

<1% <10% Aceitável
Variance Components
%Contribution
Total Gage R&R 0.078692 7.92
Operator 0.042102 4.24
Part*Operator 0.011132 1.12
Operator*Subcomponent 0.006136 0.62
Part-To-Part 0.914649 92.08
Part 0.900349 90.64
Subcomponent 0.014300 1.44
Process tolerance = 8

<1% <10% Aceitável
Gage Evaluation

Total Gage R&R 0.280521 1.68313 28.15 21.04
Repeatability 0.139006 0.83404 13.95 10.43
Operator 0.205188 1.23113 20.59 15.39
Part*Operator 0.105507 0.63304 10.59 7.91
Operator*Subcomponent 0.078330 0.46998 7.86 5.87
Part-To-Part 0.956373 5.73824 95.96 71.73
Part 0.948867 5.69320 95.20 71.17
Subcomponent 0.119583 0.71750 12.00 8.97
Total Variation 0.996665 5.97999 100.00 74.75
Number of Distinct Categories = 4

Um valor de 5 ou mais denota um sistema de medição aceitável.

Exemplo – Gage linearity and Bias Study
Um especialista de uma empresa mecânica escolheu 5 peças

que representava a faixa esperada das medições de suas
possíveis peças. Cada peça foi medida para determinar seu
valor de referência.
O especialista escolheu um medidor para analisar o sistema
de medição, que mediu aleatoriamente cada uma das 5 peças
por 12 vezes.
Veja planilha
Gagelin.mtw

O gráfico mostra que todas as medições da peça com valor de referência 2 tiveram Bias
>0. Veja planilha!
As medições das peças com valores de referência 2, 8 e 9 tiveram problema de Bias

(com P value<0.05);
As medições das peças com valores de referência 4 e 6 não tiveram problema de Bias (P
value>0.05).
Bias = 0,73667-0.13167x Reference

Análise do Sistema de Medição
para Atributos
(Appraisal Data)
Principais Recursos:
• Create Attribute Agreement Analysis Worksheet
•Attribute Agreement Analysis
• Attribute Gage Study (Analytic Method)

Guia para um Bom
Estudo de
Análise de Atributos
• Exemplo de itens: Bom/Ruim, -2/-1/0/1/2 (likert), A/B/C/D/E
•Avaliadores devem avaliar aproximadamente o mesmo número de
itens;
• Estabeleça o padrão conhecido para cada item;
• Selecione pelo menos três avaliadores para o estudo;
• Avaliadores devem avaliar cada item, pelo menos, duas vezes;
• Avaliadores devem avaliar os itens em condições normais;
• Avaliadores devem avaliar os itens em uma ordem aleatória para
minimizar o viés;
• Dar tempo suficiente entre classificações para minimizar classificação
por memória.

Exemplo – Create Attribute Agreement Analysis Worksheet
Uma empresa de testes educacionais está treinando 5 novos

avaliadores para avaliar redações de alunos do segundo grau.
Cada avaliador irá avaliar 15 redações usando uma escala de cinco
pontos (-2, -1, 0, 1, 2). A empresa quer avaliar se os avaliadores tem
um bom desempenho. O estudo teve uma replicação.
Aleatórios

O resumo do plano experimental é dado no session:
Attribute Agreement Analysis Worksheet
Samples: 15 Appraisers: 5
Replicates: 1 Total runs: 75
Use Options para definir a base do gerador de números aleatórios para gerar a mesma
amostra aleatória mais de uma vez.
As avaliações dos revisores

são inseridas nessa coluna

Exemplo –Attribute Agreement Analysis
Uma empresa de testes educacionais está treinando 5 novos

avaliadores para avaliar redações de alunos do segundo grau.
Cada avaliador avaliou15 redações usando uma escala de cinco
pontos (-2, -1, 0, 1, 2). A empresa quer verificar se os avaliadores tem
um bom desempenho.
Essay.mtw

Attribute Agreement Analysis for Rating
Each Appraiser vs Standard
Assessment Agreement
Appraiser # Inspected # Matched Percent 95% CI

Duncan 15 8 53.33 (26.59, 78.73)
Hayes 15 13 86.67 (59.54, 98.34)
Holmes 15 15 100.00 (81.90, 100.00)
Montgomery 15 15 100.00 (81.90, 100.00)
Simpson 15 14 93.33 (68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the

known standard.

Fleiss' Kappa Statistics
Appraiser Response Kappa SE Kappa Z P(vs > 0)

Duncan -2 0.58333 0.258199 2.25924 0.0119
-1 0.16667 0.258199 0.64550 0.2593
0 0.44099 0.258199 1.70796 0.0438
1 0.44099 0.258199 1.70796 0.0438
2 0.42308 0.258199 1.63857 0.0507
Overall 0.41176 0.130924 3.14508 0.0008
Hayes -2 0.62963 0.258199 2.43855 0.0074
-1 0.81366 0.258199 3.15131 0.0008
0 1.00000 0.258199 3.87298 0.0001
1 0.76000 0.258199 2.94347 0.0016
2 0.81366 0.258199 3.15131 0.0008
Overall 0.82955 0.134164 6.18307 0.0000
Holmes -2 1.00000 0.258199 3.87298 0.0001
-1 1.00000 0.258199 3.87298 0.0001
0 1.00000 0.258199 3.87298 0.0001
1 1.00000 0.258199 3.87298 0.0001
2 1.00000 0.258199 3.87298 0.0001
Overall 1.00000 0.131305 7.61584 0.0000
Montgomery -2 1.00000 0.258199 3.87298 0.0001
-1 1.00000 0.258199 3.87298 0.0001
0 1.00000 0.258199 3.87298 0.0001
1 1.00000 0.258199 3.87298 0.0001
2 1.00000 0.258199 3.87298 0.0001
Overall 1.00000 0.131305 7.61584 0.0000
Simpson -2 1.00000 0.258199 3.87298 0.0001
-1 1.00000 0.258199 3.87298 0.0001
0 0.81366 0.258199 3.15131 0.0008
1 0.81366 0.258199 3.15131 0.0008
2 1.00000 0.258199 3.87298 0.0001
Overall 0.91597 0.130924 6.99619 0.0000

Kendall's Correlation Coefficient
Appraiser Coef SE Coef Z P

Duncan 0.87506 0.192450 4.49744 0.0000
Hayes 0.94871 0.192450 4.88016 0.0000
Holmes 1.00000 0.192450 5.14667 0.0000
Montgomery 1.00000 0.192450 5.14667 0.0000
Simpson 0.96629 0.192450 4.97151 0.0000
O valor alto do coeficiente de Kendall significa que os

avaliadores estão aplicando essencialmente o mesmo
padrão ao avaliar as redações.

Between Appraisers
# Inspected # Matched Percent 95% CI
15 6 40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with each other.
Response Kappa SE Kappa Z P(vs > 0)

-2 0.680398 0.0816497 8.3331 0.0000
-1 0.602754 0.0816497 7.3822 0.0000
0 0.707602 0.0816497 8.6663 0.0000
1 0.642479 0.0816497 7.8687 0.0000
2 0.736534 0.0816497 9.0207 0.0000
Overall 0.672965 0.0412331 16.3210 0.0000
Kendall's Coefficient of Concordance
Coef Chi - Sq DF P
0.966317 67.6422 14 0.0000

All Appraisers vs Standard
# Inspected # Matched Percent 95% CI
15 6 40.00 (16.34, 67.71)
# Matched: All appraisers' assessments agree with the known

standard.

Response Kappa SE Kappa Z P(vs > 0)
-2 0.842593 0.115470 7.2971 0.0000
-1 0.796066 0.115470 6.8941 0.0000
0 0.850932 0.115470 7.3693 0.0000
1 0.802932 0.115470 6.9536 0.0000
2 0.847348 0.115470 7.3383 0.0000
Overall 0.831455 0.058911 14.1136 0.0000
Kendall's Correlation Coefficient
Coef SE Coef Z P
0.958012 0.0860663 11.1090 0.0000
* NOTE * Single trial within each appraiser. No percentage of
assessment agreement within appraiser is plotted.

Em geral, estas estatísticas sugerem uma boa concordância.
Valores de Kendall variam entre 0 e 1. Quanto maior o valor de Kendall, mais forte a
associação. Geralmente coeficientes de Kendall de 0,9 ou acima são considerados muito
bons. O valor alto do coeficiente de Kendall significa que os avaliadores estão
aplicando essencialmente o mesmo padrão ao avaliar as redações.
Um olhar mais atento em Each Appraiser vs Standard indica que as avaliações de

Duncan e Hayes não são consistentes com o padrão. Holmes e Montgomery, no entanto
tem uma perfeita concordância com os padrões.
Duncan, Hayes e Simpson poderiam ter um treinamento adicional

Exemplo –Attribute Agreement Analysis
Em um processo de inspeção de
produtos, dois funcionários estão
usando métodos diferentes de
aprovação e reprovação. Um Analise a tabela
especialista foi chamado para Measure_rr_atrib1.mtw
observar o desempenho dos
funcionários e desenvolveu o
seguinte estudo R&R.

Attribute Agreement
Analysis
<Stat> <Quality Tools> <Attribute Agreement Analysis>

Data are arranged as
Single column: Resultado
Samples: Produto
Appraisers: Analista
Known standard/attribute: BamBamBam

Within Appraiser
Attribute Gage R&R Study

Attribute Gage R&R Study for Resultad
Within Appraiser
Appraiser # Inspected # Matched Percent (%) 95,0% CI
Creysson 20 18 90,0 ( 68,3, 98,8)
Uoxito 20 20 100,0 ( 86,1, 100,0)
# Matched: Appraiser agrees with him/herself across trials.
O Uoxito repetiu o mesmo resultado nas duas avaliações de um mesmo

produto. Ele mostra total coerência em seus resultados.

Appraiser x Padrão

Creysson 20 17 85,0 ( 62,1, 96,8)
Uoxito 20 20 100,0 ( 86,1, 100,0)
# Matched: Appraiser's assessment across trials agrees with standard.
O Uoxito e o BamBamBam concordam em tudo. O Creysson não.
Assessment Disagreement
Appraiser # R/B Percent (%) # B/R Percent (%) # Mixed Percent (%)
Creysson 1 5,6 1/18 0 0,0 2 10,0 2/20
Uoxito 0 0,0 0 0,0 0 0,0
B=18 # R/B: Assessments across trials = R / standard = B.

Prod3 RB BB
Prod8 RB RB # B/R: Assessments across trials = B / standard = R.
Prod13 BB RB
# Mixed: Assessments across trials are not identical.
Quando o BamBamBam diz B (bom) o creysson discorda em 5,6%.

Cálculos

Ex.: Cálculos
Creysson n 20 x 17 85,0 ( 62,1, 96,8)
Uoxito 20 20 100,0 ( 86,1, 100,0)
# Matched: Appraiser's assessment across trials agrees with standard.
Intervalos de
Confiança (IC)
para uma
proporção
F0,025(34,8)=0,386 F0.,975(36,6)=5,03
Between Appraisers
Between Appraisers
# Inspected # Matched Percent (%) 95,0% CI
20 17 85,0 ( 62,1, 96,8)
# Matched: All appraisers' assessments agree with each other.
O Uoxito e o Creysson concordam em 85% dos resultados
All Appraisers vs Standard

# Inspected # Matched Percent (%) 95,0% CI
20 17 85,0 ( 62,1, 96,8)
# Matched: All appraisers' assessments agree with standard.
Os analistas concordam em 85% com o BamBamBam
Concordância

Exemplo Arthur e Arthura Antropometria Ltda
Didático
A empresa Arthur e Arthura foi incumbida de conduzir um estudo
antropométrico da altura da população de Belts
Belts..
Há controvérsias de que os resultados de medição não são confiáveis e
devido a isso a Arthur e Arthura resolve avaliar o seu Sistema de
Medição. Gage R&R é a melhor ferramenta para isso e será então
utilizada.
Você acaba de entrar para a equipe da Arthur e Arthura e terá que se
submeter ao estudo de R&R em uma das tres modalidades:
1. Como uma imitação de um Belts (denominado aqui de
Elemento-Peça – EP);
2. Como um medidor de Belts (denominado aqui de Elemento-
Medidor – EM).
3. Como um auxiliar de assuntos aleatórios (AAA) para anotar os
resultados e dar os palpites principais.

Características de Conduta de um Elemento-Peça (EP)
durante o estudo de R&R:
EP
• O EP não deve emitir sons;
• O EP deve permanecer estático;
• O EP deve manter controle sobre processos flatulentos;
Características de Ônus do Elemento-Medidor (EM)
durante o estudo de R&R:
• O EM será o único responsável pelo eventual fracasso do EM/AAA
estudo e estará sujeito, em caso de desempenho
insatisfatório, de exercer atividades menos dignas nos
exercícios posteriores.
Características do Auxiliar de Assuntos Aleatórios:
• Avaliar o que eventualmente sair errado.

Características do estudo:
• Cada equipe da Arthur e Arthura deverá conter 2 EMs, um AAA e no
mínimo 5 EPs;
• Tanto os EPs como os EMs deverão ser rotulados;
• Cada equipe deve salvar a sua planilha de dados;
Características da Medição:
• Cada EM deverá medir um EP por 3 vezes alternadamente;
• A trena de medição não poderá tocar o EP;
• Os resultados deverão estar em centímetros (ex.: 178 cm);
• Os EMs deverão fazer 3 rodadas de medição dos EPs;
• A cada rodada os EPs trocarão suas posições aleatoriamente;
• Os EMs não devem comunicar os seus resultados entre sí;
• O AAA ao anotar, não pode comunicar os resultados aos demais EMs.
A planilha no Minitab:
Coluna de
Entrada
das
medições
de alturas.
Para 5 EPs
<Stat><Quality Tools> <Gage Study> <Create e 3 EMs Na versão 15
Gage R&R Study Worksheet> ou 16 do
Minitab isso é
automático
Quality Tools
Gage R&R (Crossed)
<Stat> <Quality Tools> <Gage Study> <Gage R&R Study

Crossed)>
Par numbers: Peça
Operators: Avaliador
Measurement data: Resposta Preferível pois avalia
também as interações
Method of Analysis: ANOVA

Variações Relacionadas em um
Estudo de Gage R&R para o exemplo
Variação Total (Overall)
Variação entre as Peças Variação devido ao Sistema

(Part-to-Part) de Medição
Ex.: Variação Variação devido ao

nas altura dos Equipamento/Processo (Gage) Variação devido aos Medidores
vários Eps.
Reprodutividade
Repetitividade
(Reproducibility)
(Repeatibility)
Ex.: Um mesmo
EM/trena tem Medidor Medidor e peça
variação em suas Ex.: Os vários Ex.: EMs
próprias EMs/trenas fazem medem certos
medições. medições EPs
diferentes. diferentemente.

MSA. Análise Do Sistema de Medição. Measurement System Analysis

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

MSA. Análise Do Sistema de Medição. Measurement System Analysis

Enviado por

Direitos autorais:

Formatos disponíveis

Análise do Sistema de

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

O que é melhor: Preciso e não exato ou não preciso e exato?

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Relacionadas a Dispersão (ou Precisão):

Gage Run Chart •Repetitividade

Relacionadas a Localização (ou Exatidão - Accuracy ):

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Variação Total (Overall)

Variação entre as Peças Variação devido ao Sistema

Diferentes medidores operam um

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Um fabricante de eletrodos quer avaliar o sistema de

Um operador mede 50 eletrodos. O valor de referência é

Apenas uma O Valor de

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

%Var (repetitividade) = 43,49% e %Var(repetitividade e bias) = 81%. Estes valores

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Deseja-se planejar um estudo de Gage R&R considerando 3

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

O resumo do plano experimental é dado no session:

Gage R&R Study Worksheet

Todos os medidores devem terminar suas réplicas antes de iniciar a segunda

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Gere uma tabela para o estudo de R&R com as

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Os dados da planilha abaixo foram obtidos do Manual da

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

A maior parte da variação é devido a diferenças entre as peças.

Alguns padrões também aparecem. Por exemplo, o Operador B não mede de

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

O fator dominante aqui é repetitividade - grandes diferenças nas medições quando

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Os dados da planilha abaixo foram obtidos do Manual da

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Two-Way ANOVA Table With Interaction

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Study Var %Study Var %Tolerance

Ex.: Cinco peças são selecionadas de

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Two-Way ANOVA Table With Interaction

Desvio Padrão Study Var %Study Var

5 ou mais é Ótimo e 0 é ruim

R&R=Repeat+Reprod Os medidores não

Análise do Sistema de Medição - Pedro Paulo Balestrassi - UNIFEI - www.pedro.unifei.edu.br

Components of Variation By Parte

R Chart by Avaliador By Avaliador

Xbar Chart by Avaliador Avaliador*Parte Interaction