Professional Documents
Culture Documents
2010
P. Reyes / junio
Core tools
de la AIAG
MDULO 2.
Estudios de la
capacidad de
sistemas de
medicin (MSA)
DR. PRIMITIVO REYES
AGUILAR Junio 2010 Mail:
Primitivo_reyes@yahoo.com /
Pgina Web www.icicm.com
Cel. 044 55 52 17 49 12
Pgina 1
P. Reyes / junio
Contenido
Contenido................................................................................................................................2
1. Conceptos bsicos ..............................................................................................................3
.................................................................................................................................................8
2. Carta de tendencias de Gage Minitab...............................................................................9
3. Estudios R&R - Mtodo Corto del Rango........................................................................11
4. Estudio de R&R Mtodo largo - Cruzado.........................................................................12
5. Estudios de Linealidad y sesgo.........................................................................................22
6. Mtodo de acuerdo por atributos.......................................................................................26
Pgina 2
P. Reyes / junio
1. Conceptos bsicos
En muchas ocasiones las organizaciones no consideran el impacto de tener sistemas de
medicin de calidad, el hecho de que las mediciones no sean exactas puede llevar a
cometer errores en el clculo, y en los anlisis y conclusiones de los estudios de
capacidad de los procesos.
Cuando los operadores no miden una pieza de manera consistente, se puede caer en el
riesgo de rechazar artculos que estn en buen estado o aceptar artculos que estn en
mal estado. Por otro lado si los instrumentos de medicin no estn calibrados
correctamente tambin se pueden cometer errores. Cuando sucede lo mencionado
anteriormente tenemos un sistema de medicin deficiente que puede hacer que un
estudio de capacidad parezca insatisfactorio cuando en realidad es satisfactorio. Lo
anterior puede tener como consecuencia gastos innecesarios de reproceso al reparar un
proceso de manufactura o de servicios, cuando la principal fuente de variacin se deriva
del sistema de medicin.
Posibles Fuentes de la Variacin del Proceso
Variacin
proceso,
real
Variacin
deldel
proceso,
real
Variacin dentro de la
muestra
Repetibilidad
Variacin de la medicin
Variacin
originada
Equipo
de
medicin
por el calibrador
Reproducibilidad
Estabilidad
Linealidad
Sesgo
Calibracin
Definiciones
Reproducibilidad: Es la variacin, entre promedios de las mediciones hechas por
diferentes operadores que utilizan un mismo instrumento de medicin cuando miden
las mismas caractersticas en una misma parte.
Operador-B
Operador-C
Operador-A
Pgina 3
Reproducibilidad
P. Reyes / junio
REPETIBILIDAD
Valor de referencia
P. Reyes / junio
Exacto y preciso
(resolucin)
Tiempo 2
Tiempo 1
Linealidad: diferencia en los valores de la escala, a travs del rango de operacin
esperado del instrumento de medicin. Es el cambio de sesgo en el rango de operacin
normal.
Valor
Valor
verdadero
verdadero
Sesgo
Menor
Sesgo
mayor
(rango inferior)
(rango superior)
En EUA se tiene el NIST (National Institute of Standards ando Technology),En Mxico se tiene el
CENEAM o el Centro Nacional de Metrologa
Pgina 5
P. Reyes / junio
Observado
Valores de referencia
Sesgo
Pgina 6
P. Reyes / junio
Pgina 7
P. Reyes / junio
Trazabilidad
La propiedad de una medicin o el valor de un estndar por el que puede ser relacionado
a referencias establecidas, usualmente estndares nacionales o internacionales, mediante
una cadena contnua de comparaciones siendo todas establecidas bajo incertidumbre.
Estndar
Nacional
Estndar de
referencia
Estndar de trabajo
Calibre de produccin
Estndar de referencia
Patrn
Equi
po
de
Medi
cin
y
prue
ba
Estndar de transferencia
Estndar de calibracin
Estndar de transferencia
Estndar de trabajo
Verificacin de
estndar
Pgina 8
Patrn
P. Reyes / junio
1 categora de datos
2 - 4 categoras de datos
Control
Puede ser utilizado para
control solo si:
- La variacin del
proceso
es
pequea
al
compararla a las
especificaciones
- La
funcin
de
prdida es plana
sobre la variacin
del
proceso
esperado
- La fuente principal
de variacin causa
un
cambio
promedio
- Puede ser utilizado
con tcnicas de
control
semivariables basadas
en la distribucin
del proceso
- Puede
producir
cartas de control
por
variables
insensibles
- Puede ser utilizado
con
cartas
de
control
por
variables
Anlisis
-
Inaceptable
para
la
estimacin de
parmetros del
proceso
e
ndices
Slo indica si el
proceso
est
produciendo
partes
conformes o no
conformes
- generalmente no
aceptable
para
estimacin
de
parmetros de proceso
e ndices ya que slo
proporciona estimados
gruesos
Recomendado
5 o ms categoras de datos
Pgina 9
P. Reyes / junio
0.65
0.60
1.00
1.00
10
0.85
10
0.80
0.85
0.95
0.55
0.45
1.00
1.00
0.95
0.95
0.85
Oper
Respon
se
Valor Oper Valor
1.00
0.80
1.05
0.80
0.95
0.80
0.90
0.45
0.75
0.50
0.70
1.00
1.00
1.05
0.95
0.95
0.55
0.95
0.50
0.80
0.50
0.80
0.55
1.05
1.05
1.05
1.00
10
0.85
0.80
10
0.80
Instrucciones de Minitab
Paso 1: Gage Run Chart con datos GAGEAIAG
1 File > Open worksheet > GAGEAIAG.MTW.
2 Seleccionar Stat > Quality Tools > Gage Study > Gage Run Chart.
3 En Part numbers, seleccionar Part.
4 En Operators, seleccionar Operator.
5 En Measurement data, seleccionar Response. Click OK.
Pgina 10
P. Reyes / junio
Gage name:
Date of study :
5
1.0
Mean
0.8
O perator
1
2
3
Response
0.6
0.4
6
10
1.0
Mean
0.8
0.6
0.4
Operat or
Panel variable: Part
Pgina 11
1
d 2*
Tasador A
0.85
0.75
1.00
0.45
0.50
Tasador B
0.80
0.70
0.95
0.55
0.60
P. Reyes / junio
Distancia (A,B)
0.05
0.05
0.05
0.10
0.10
0.35
= 0.07
5
R R 0.07
=
= 0.0588
GRR = * =
d 2 1.19 1.19
Para determinar qu porcentaje de la desviacin estndar del proceso de la variacin
consume el sistema de medicin, convierta el GRR en un porcentaje al multiplicarlo por
100 y dividirlo entre la desviacin estndar del proceso. En el ejemplo, la desviacin
estndar del proceso es 0.0777.
GRR
= 75.7%
Desviacin estndar del proceso
% GRR = 100 *
Pgina 12
P. Reyes / junio
La resolucin del equipo de medicin debe ser de al menos el 10% del rango de
tolerancia o del rango de variacin del proceso.
Las partes deben seleccionarse al azar, cubriendo el rango total del proceso. Es
importante que dichas partes sean representativas del proceso total (80% de la
variacin)
10 partes NO son un tamao de muestra significativo para una opinin slida sobre el
equipo de medicin a menos que se cumpla el punto anterior.
Pgina 13
8.
P. Reyes / junio
Reproducibilidad
% R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia
Analice los resultados y determine las acciones a seguir si las hay.
a la Reproducibilidad y a la
Pgina 14
P. Reyes / junio
Aseguramiento de Calidad
4600066 PARTE A
Tolerancia Especificada:
Fecha:
0.0060
01/07/2003
Elaborado por:
Calibrador Digital
Caracterstica: Diametro
RECOLECCIN DE DATOS
OPERADOR
A.-
B.columna 1
Muestra
columna 2
1er Intento
2do Intento
columna 3
columna 4
Promedio
Rango
3er Intento
C.columna 5
1er Intento
columna 6
columna 7
2do Intento
columna 8
Rango
3er Intento
Promedio
columna 9
1er Intento
columna 10
2do Intento
columna 11
columna 12
Rango
3er Intento
Promedio
Prom. Parte
Xp =
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0050
0.0045
0.0045
0.0005
0.0047
0.004556
0.0045
0.0055
0.0045
0.0010
0.0048
0.0055
0.0050
0.0045
0.0010
0.0050
0.0055
0.0045
0.0045
0.0010
0.0048
0.004889
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0040
0.0005
0.0043
0.004444
4
5
0.0050
0.0045
0.0050
0.0045
0.0045
0.0045
0.0005
-
0.0048
0.0045
0.0050
0.0040
0.0050
0.0045
0.0050
0.0040
0.0005
0.0050
0.0042
0.0050
0.0045
0.0050
0.0045
0.0050
0.0040
0.0005
0.0050
0.0043
0.004944
0.004333
0.0050
0.0055
0.0045
0.0010
0.0050
0.0060
0.0050
0.0050
0.0010
0.0053
0.0050
0.0050
0.0050
0.0050
0.005111
0.0050
0.0045
0.0045
0.0005
0.0047
0.0055
0.0045
0.0050
0.0010
0.0050
0.0045
0.0050
0.0050
0.0005
0.0048
0.004833
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0060
0.0050
0.0050
0.0010
0.0053
0.005111
9
10
Totales
0.0050
0.0040
0.0470
0.0045
0.0040
0.0475
0.0050
0.0040
0.0455
RA :
0.0005
0.0035
0.0048
0.0040
0.0467
0.0045
0.0040
0.0485
0.0045
0.0040
0.0465
0.0050
0.0040
0.0465
RB :
0.0005
0.0040
0.0047
0.0040
0.0472
0.0055
0.0045
0.0500
0.0045
0.0045
0.0470
0.0045
0.0045
0.0460
RC :
0.0010
0.0050
0.0048
0.0045
0.0477 Xp=
Rp=
0.004778
0.004167
0.004717
Suma
0.1400
XA :
0.004666667
0.00035
Suma
0.1415
XB :
0.004716667
0.0004
RA :
0.00035
# Intentos
D4
X Mx:
0.004766667
LSCX = X + A2 R
RB :
0.0004
2.58
X min:
0.004666667
LSCX =
R x D4
X Diff:
0.0001000000
RC :
0.0005
SUM:
0.00125
LSCR =
0.000416667
LSCR =
R:
0.1430
XC :
0.004766667
A2 =
0.0005
1.023
0.005142917
LICX = X - A2 R
LICX =
0.001075
Suma
0.0043
Nota : Las constantes y las formulas estan establecidas para 3 intentos y 3 operadores
Una vez colectados los datos proceder a realizar la carta de rango R y observar que est
en control, de otra forma repetir las mediciones para ese operador y parte especfica
errnea:
LSCR =
RANGOS
R=
0.00042
0.001075
Pgina 15
LICR =0
0.000944
P. Reyes / junio
0.00514
0.00471
0.00429041
LSCX =
3
X=
7
LICX =
7
Ahora revisar la carta X media, debe tener al menos el 50% de puntos fuera de control
indicando que identifica las variaciones en las diferentes partes presentadas:
Se procede posteriormente a determinar los errores o variabilidad del sistema de medicin
con la hoja de trabajo siguiente, calculando los campos con sombra gris:
Ahora revisar la carta X media, debe tener al menos el 50% de puntos fuera de control indicando
que identifica las variaciones en las diferentes partes presentadas:
Se procede posteriormente a determinar los errores o variabilidad del sistema de medicin con la
hoja de trabajo siguiente, calculando los campos con sombra gris:
LSCX
=
0.005143
X = 0.004717
LICX = 0.004290417
LS
CX
LICX
Pgina 16
P. Reyes / junio
Fecha:
01/07/2003
Elaborado por:
Caracterstica: Diametro
R= 0.00041667
Rp = 0.000944444
% Total de Variacin ( TV )
R x K1 =
EV=
% EV = 100 [ EV/TV ]
INTENTOS
K1
2
3
4.56
3.05
0.00127083
% EV = 63.74%
% EV vs Tol. = 21.18%
% AV = 100 [AV/TV]
1/2
% AV = 6.93%
AV = 0.00027
% AV vs Tol = 2.30%
AV = 7.29E-08
n=partes = 10
AV = 5.3834E-08
r = intentos = 3
AV = 1.9066E-08
OPERADOR
AV = 0.00013808
K2
3.65
2.7
PARTES
K3
2.08
1.93
1.82
1.74
% PV = 100 [ PV/TV ]
9
10
1.67
1.62
3.97E06
% PV = 76.7403%
0.00153
VARIACIN TOTAL ( TV )
TV =
Pgina 17
TV =
Pgina 18
0.00199
4
P. Reyes / junio
2.0
Categoria de
Datos
P. Reyes / junio
Operator
Daryl
Daryl
Daryl
Daryl
Daryl
Daryl
Beth
Beth
...
Measure
1.48
1.43
1.83
1.83
1.53
1.38
1.78
1.33
...
Los estudios de R&R equieren diseos balancedos (igual nmero de observaciones por
celda) y rplicas.
Se seleccionan 10 muestras de un proceso de manufactura, cada parte es medida dos
veces por tres operadores. Realice un estudio R&R mediante el mtodo ANOVA.
OPERAD
OR
A.B.C.column column column column column column column column column
a1
a2
a3
a5
a6
a7
a9
a 10
a 11
1er
2do
3er
1er
2do
3er
1er
2do
3er
Muestra Intento Intento Intento Intento Intento Intento Intento Intento Intento
1
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0050
0.0045
0.0045
0.0045
0.0055
0.0045
0.0055
0.0050
0.0045
0.0055
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0045
0.0040
0.0050
0.0050
0.0045
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0045
0.0045
0.0045
0.0040
0.0045
0.0040
0.0045
0.0045
0.0040
0.0050
0.0055
0.0045
0.0060
0.0050
0.0050
0.0050
0.0050
0.0050
Pgina 19
P. Reyes / junio
0.0050
0.0045
0.0045
0.0055
0.0045
0.0050
0.0045
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0050
0.0060
0.0050
0.0050
0.0050
0.0045
0.0050
0.0045
0.0045
0.0050
0.0055
0.0045
0.0045
10
0.0040
0.0040
0.0040
0.0040
0.0040
0.0040
0.0045
0.0045
0.0045
Totales
0.0470
0.0475
0.0455
0.0485
0.0465
0.0465
0.0500
0.0470
0.0460
Capture los datos en la hoja de trabajo de Minitab en tres columnas C1, C2, C3
Partes
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
Operadore Medici
s
n
1
0.0045
1
0.0045
1
0.0045
1
0.005
1
0.0045
1
0.005
1
0.005
1
0.005
1
0.005
1
0.004
1
0.0045
1
0.0055
1
0.0045
1
0.005
1
0.0045
1
0.0055
1
0.0045
1
0.005
1
0.0045
1
0.004
1
0.0045
1
0.0045
1
0.0045
1
0.0045
1
0.0045
1
0.0045
1
0.0045
1
0.005
1
0.005
1
0.004
Partes
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
Operadore Medici
s
n
2
0.0045
2
0.0055
2
0.0045
2
0.005
2
0.004
2
0.006
2
0.0055
2
0.005
2
0.0045
2
0.004
2
0.0045
2
0.005
2
0.0045
2
0.005
2
0.0045
2
0.005
2
0.0045
2
0.005
2
0.0045
2
0.004
2
0.0045
2
0.0045
2
0.0045
2
0.005
2
0.004
2
0.005
2
0.005
2
0.005
2
0.005
2
0.004
Pgina 20
Partes
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
Operadore Medici
s
n
3
0.005
3
0.0055
3
0.0045
3
0.005
3
0.0045
3
0.005
3
0.0045
3
0.006
3
0.0055
3
0.0045
3
0.0045
3
0.0045
3
0.0045
3
0.005
3
0.0045
3
0.005
3
0.005
3
0.005
3
0.0045
3
0.0045
3
0.0045
3
0.0045
3
0.004
3
0.005
3
0.004
3
0.005
3
0.005
3
0.005
3
0.0045
3
0.0045
P. Reyes / junio
DF
9
2
18
60
89
SS
0.0000086
0.0000002
0.0000014
0.0000063
0.0000165
MS
0.0000010
0.0000001
0.0000001
0.0000001
F
12.2885
0.9605
0.7398
P
0.000
0.401
0.757
DF
9
2
78
89
SS
0.0000086
0.0000002
0.0000077
0.0000165
MS
0.0000010
0.0000001
0.0000001
Source
Total Gage R&R
Repeatability
Reproducibility
Operadores
Part-To-Part
Total Variation
VarComp
0.0000001
0.0000001
0.0000000
0.0000000
0.0000001
0.0000002
Source
Total Gage R&R
Repeatability
Reproducibility
Operadores
Part-To-Part
Total Variation
StdDev (SD)
0.0003150
0.0003150
0.0000000
0.0000000
0.0003092
0.0004414
F
9.67145
0.75592
P
0.000
0.473
Gage R&R
%Contribution
(of VarComp)
50.93
50.93
0.00
0.00
49.07
100.00
Study Var
(5.15 * SD)
0.0016222
0.0016222
0.0000000
0.0000000
0.0015923
0.0022731
%Study Var
(%SV)
71.36
71.36
0.00
0.00
70.05
100.00
Pgina 21
%Tolerance
(SV/Toler)
27.04
27.04
0.00
0.00
26.54
37.88
P. Reyes / junio
Gage name:
Date of study :
Components of Variation
Datos by Partes
80
0.006
Percent
% St udy Var
% Tolerance
40
0.005
0.004
Gage R&R
Repeat
Reprod
Par t-to-Part
R Chart by Operadores
Sam ple Range
UCL= 0.001073
0.006
0.0005
_
R= 0.000417
0.005
0.0000
LCL= 0
10
2
Operadores
Operadores
UCL= 0.005143
_
X= 0.004717
0.0045
Average
0.0050
0.004
5
6
Partes
Datos by Operadores
0.0010
LCL= 0.004290
0.0040
0.0050
2
3
0.0045
0.0040
1
5
6
Partes
10
Pgina 22
P. Reyes / junio
Los datos se estructuran de manera que cada fila contiene una parte, el valor de
referencia, y la medicin observada en esa parte (la respuesta). Las partes pueden ser
textos o nmeros.
Variacin del proceso (opcional): Se ingresa la desviacin estndar del proceso. Se
puede obtener la desviacin estndar del proceso del rengln de la variacin total de la
columna 6*SD del estudio Gage R&R Mtodo ANOVA. Este es el nmero asociado con
la variacin del proceso. Si no se conoce la variacin del proceso, se puede introducir en
su lugar la tolerancia.
Ejemplo:
Un supervisor selecciona 5 partes que representan el rango esperado de las mediciones.
Cada parte fue medida por inspeccin de Layout para determinar su valor de referencia
(patrn). Un operador mide aleatoriamente cada parte 12 veces. Se obtiene la variacin
del proceso (14.1941) del estudio Gage R&R usando el mtodo ANOVA (rengln Total
variation de la columna Study Var (6*SD)).
Los datos utilizados son los siguientes:
PRUEBAS
Valor de
referencia
de parte
1
2
3
4
5
6
7
8
9
10
11
12
2.00
2.70
2.50
2.40
2.50
2.70
2.30
2.50
2.50
2.40
2.40
2.60
2.40
4.00
5.10
3.90
4.20
5.00
3.80
3.90
3.90
3.90
3.90
4.00
4.10
3.80
6.00
5.80
5.70
5.90
5.90
6.00
6.10
6.00
6.10
6.40
6.30
6.00
6.10
8.00
7.60
7.70
7.80
7.70
7.80
7.80
7.80
7.70
7.80
7.50
7.60
7.70
10.00
9.10
9.30
9.50
9.30
9.40
9.50
9.50
9.50
9.60
9.20
9.30
9.40
Pgina 23
Tendencia
Valor de
referencia
de parte
1
2
3
4
5
6
7
8
9
10
11
12
Promedio de
tendencias
2.00
0.7
0.5
0.4
0.5
0.7
0.3
0.5
0.5
0.4
0.4
0.6
0.4
4.00
1.1
-0.1
0.2
1.0
-0.2
-0.1
-0.1
-0.1
-0.1
0.0
0.1
-0.2
6.00
-0.2
-0.3
-0.1
-0.1
0.0
0.1
0.0
0.1
0.4
0.3
0.0
0.1
8.00
-0.4
-0.3
-0.2
-0.3
-0.2
-0.2
-0.2
-0.3
-0.2
-0.5
-0.4
-0.3
10.00
-0.9
-0.7
-0.5
-0.7
-0.6
-0.5
-0.5
-0.5
-0.4
-0.8
-0.7
-0.6
0.491667
0.125
0.025
-0.29167
-0.61667
Part
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
Master
2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
4
4
4
4
4
4
6
6
P. Reyes / junio
Respon
se
2.7
2.5
2.4
2.5
2.7
2.3
2.5
2.5
2.4
2.4
2.6
2.4
5.1
3.9
4.2
5
3.8
3.9
3.9
3.9
3.9
4
4.1
3.8
5.8
5.7
Part
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
Master
6
6
6
6
6
6
8
8
8
8
8
8
8
8
8
8
8
8
10
10
10
10
10
10
10
10
Respon
se
6
6.1
6.4
6.3
6
6.1
7.6
7.7
7.8
7.7
7.8
7.8
7.8
7.7
7.8
7.5
7.6
7.7
9.1
9.3
9.5
9.3
9.4
9.5
9.5
9.5
Pgina 24
6
6
6
6
5.9
5.9
6
6.1
5
5
5
5
10
10
10
10
P. Reyes / junio
9.6
9.2
9.3
9.4
Instrucciones de Minitab:
1
2
3
4
5
6
Gage name:
Date of study :
Predictor
Constant
Slope
Regression
95% CI
1.0
Data
Avg Bias
S
Linearity
0.23954
1.86889
Bias
0.5
0.0
Reference
A v erage
2
4
6
8
10
Gage Linearity
Coef SE Coef
0.73667 0.07252
-0.13167 0.01093
R-Sq
% Linearity
Gage Bias
Bias % Bias
-0.053333
0.4
0.491667
3.5
0.125000
0.9
0.025000
0.2
-0.291667
2.1
-0.616667
4.3
P
0.000
0.000
71.4%
13.2
P
0.040
0.000
0.293
0.688
0.000
0.000
-0.5
Percent
-1.0
2
6
Reference Value
10
10
5
0
Linearit y
Bias
Pgina 25
P. Reyes / junio
El anlisis grfico indica que causas especiales pudieron haber influenciado el sistema de
medicin. Los datos para el valor de referencia 4 aparentan ser bimodal.
Aun si los datos para el valor de referencia 4 no fueran considerados, el anlisis grfico
muestra claramente que este sistema de medicin tiene un problema de linealidad. El
valor R2 indica que una muestra lineal puede no ser un modelo apropiado para este tipo
de datos. Aun si el modelo lineal es aceptado, la lnea de sesgo = 0 interseca los lmites
de confianza ms que encontrarse dentro de ellos.
El supervisor debe iniciar un anlisis de problema y una resolucin en el sistema de
medicin, ya que el anlisis numrico no proporcionar cualquier idea adicional.
Si el sistema de medicin tiene un problema de linealidad, necesita ser recalibrado para
alcanzar el sesgo cero mediante la modificacin del hardware, software o ambos.
Los datos nominales son variables categricas que tienen dos o ms niveles sin
orden natural. Por ejemplo, los niveles en un estudio de gustacin de comida que
puede incluir dulce, salado o picoso.
Los datos ordinales son variables categricas que tienen tres o ms niveles con
ordenamiento natural, tales como: en desacuerdo total, en desacuerdo, neutral, de
acuerdo, y completamente de acuerdo.
Los datos pueden estar apilados en una sola columna o no apilados en varias columnas,
como se muestra a continuacin.
Pgina 26
P. Reyes / junio
Sample
1
2
3
4
5
Appraiser
B Trial
2
Good
Good
Bad
Good
Bad
Nota:
Cuando los datos se encuentran en varias columnas, se deben introducir los intentos para
cada operador juntos, como se indica en la tabla anterior. El orden de los intentos debe
ser el mismo para cada uno de los operadores.
Ejemplo:
Una empresa est entrenando a cinco evaluadores para la porcin escrita de un examen
estndar de doceavo grado. Se requiere determinar la habilidad de los evaluadores para
calificar el examen de forma que sea consistente con los estndares. Cada uno de los
evaluadores califica 15 exmenes en una escala de cinco puntos (-2, -1, 0, 1, 2):
1
2
Pgina 27
Rating Attribute
2
2
2
2
1
2
-1
2
2
2
2
-1
-1
-1
-2
-1
1
-1
-1
-1
-1
0
0
0
0
0
-2
0
0
0
0
-2
-2
-2
-2
-2
0
-2
-2
-2
-2
0
0
0
-1
0
1
0
0
0
0
1
1
1
1
1
2
1
1
1
1
2
2
2
1
2
2
2
Pgina 28
P. Reyes / junio
7
8
2
0
2
0
8
8
8
8
9
0
0
0
0
-1
0
0
0
0
-1
9
9
9
9
10
-1
-1
-2
-1
1
-1
-1
-1
-1
1
10
10
10
10
11
1
1
0
2
-2
1
1
1
1
-2
11
11
11
11
12
-2
-2
-2
-1
0
-2
-2
-2
-2
0
12
12
12
12
13
0
0
-1
0
2
0
0
0
0
2
13
13
13
13
14
2
2
2
2
-1
2
2
2
2
-1
14
14
14
14
15
-1
-1
-1
-1
1
-1
-1
-1
-1
1
15
15
15
15
1
1
1
1
1
1
1
1
Pgina 29
P. Reyes / junio
P. Reyes / junio
# Inspected
15
15
15
15
15
# Matched
8
13
15
15
14
Percent
53.33
86.67
100.00
100.00
93.33
95 % CI
(26.59, 78.73)
(59.54, 98.34)
(81.90, 100.00)
(81.90, 100.00)
(68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the known standard.
Kendall's Correlation Coefficient
Appraiser
Duncan
Hayes
Holmes
Montgomery
Simpson
Coef
0.89779
0.96014
1.00000
1.00000
0.93258
SE Coef
0.192450
0.192450
0.192450
0.192450
0.192450
Z
4.61554
4.93955
5.14667
5.14667
4.79636
P
0.0000
0.0000
0.0000
0.0000
0.0000
Between Appraisers
Assessment Agreement
# Inspected
15
# Matched
6
Percent
40.00
95 % CI
(16.34, 67.71)
Kappa
0.680398
0.602754
0.707602
0.642479
0.736534
0.672965
SE Kappa
0.0816497
0.0816497
0.0816497
0.0816497
0.0816497
0.0412331
Z
8.3331
7.3822
8.6663
7.8687
9.0207
16.3210
P(vs > 0)
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
Chi - Sq
67.6422
DF
14
P
0.0000
Pgina 30
# Matched
6
Percent
40.00
P. Reyes / junio
95 % CI
(16.34, 67.71)
SE Coef
0.0860663
Z
11.1100
P
0.0000
Assessment Agreement
Appraiser vs St andard
100
95.0% CI
Percent
Percent
80
60
40
20
0
Duncan
Hayes
Holmes
Appraiser
Montgomery
Simpson
Interpretacin de resultados
Minitab muestra tres tablas de acuerdo: Cada evaluador vs el estndar, Entre evaluadores
y Todos los evaluadores vs estndar. Los estadsticos de Kappa y Kendall tambin se
incluyen en cada una de las tablas. En general estos estadsticos sugieren buen acuerdo.
El coeficiente de Kendall entre evaluadores es 0.966317 (p = 0.0); para todos los
evaluadores vs estndar es 0.958192 (p = 0.0). Sin embargo la observacin del
desempeo de Duncan y Haues indica que no se apegan al estndar.
La grfica de Evaluadores vs. Estndar proporciona una vista grfica de cada uno de los
evaluadores vs el estndar, pudiendo comparar fcilmente la determinacin de acuerdos
para los cinco evaluadores.
Se puede concluir que Duncan, Hayes y Simpson requieren entrenamiento adicional.
Pgina 31