Los comandos de la aplicación, los identificadores de las hojas de trabajo y los valores de los datos de ejemplo conservan su redacción original. Las capturas de pantalla, los gráficos y las descargas están en inglés. Los ejemplos conservan la notación numérica original en inglés: punto decimal y coma como separador de millares.
Ejemplo: diámetros interiores de válvulas
Tres inspectores miden tres veces cada uno las mismas 10 carcasas de válvula, retirando y volviendo a colocar el alesómetro entre lecturas. El estudio tiene 90 mediciones, con el orden de las piezas aleatorizado y las lecturas anteriores ocultas.
Descargar el ejemplo de diámetros interiores de válvulas (CSV, columnas en inglés)Es el mismo ejemplo que se utiliza en Help. bore_diameter_mm contiene las lecturas en mm. Esta herramienta necesita identificadores numéricos: part_number asigna P01–P10 a 1–10 y operator_number asigna A, B y C a 1, 2 y 3. trial identifica las tres rondas.
1. Crear el análisis
En la barra lateral, abre Measurement systems, elige GRR (ANOVA) y pon un nombre al análisis. Selecciona New blank worksheet y Create analysis.
2. Importar los datos
En Worksheet, elige Import. Selecciona el archivo descargado o pega su contenido. Establece Comma como delimitador, utiliza Decimal dot y marca First row contains column names. Revisa la vista previa de la importación y elige Import into worksheet. Mantén todas las filas en su orden original.
3. Asignar las columnas de entrada
En Inputs, asigna part_number a Part ID, operator_number a Operator, trial a Trial ID y bore_diameter_mm a Measurements, seleccionando cada columna con el selector. Utiliza las columnas de identificadores numéricos.
Comprueba que la aplicación detecte 10 parts × 3 operators × 3 trials. Cada pieza debe tener las tres mediciones de cada operador.
4. Configurar las opciones del estudio
Introduce 0.05 en Significance level (α). Introduce 19.950 en Lower specification limit (LSL) y 20.050 en Upper specification limit (USL). La amplitud de especificación es de 0.100 mm.
Abre Precision y deja Apply decimal precision to results sin marcar. El ejemplo ya contiene mediciones; no necesitas Create a worksheet template.
5. Ejecutar el análisis
Elige Run analysis y abre Results.
6. Interpretar los resultados
Entender el estudio
Cada inspector mide cada carcasa tres veces. Las diferencias entre lecturas repetidas muestran la dispersión de la medición; las diferencias entre carcasas muestran la variación entre piezas. El estudio compara ambas.
Leer la dispersión de la medición
EV es la repetibilidad: la dispersión cuando el mismo inspector repite una medición. AV es la reproducibilidad: la variación asociada a los inspectores. GRR combina ambas. Aquí, GRR es 0.01778 mm. Estos valores de la tabla son amplitudes de seis sigmas, no desviaciones estándar.
Gráfico en inglés de los componentes de variación del estudio en mm, expresados como amplitudes de seis sigmas. Estas barras no son contribuciones a la varianza. Ver gráfico a tamaño completo (se abre en una nueva pestaña) Comparar los dos porcentajes
GRR representa el 12.90% de la dispersión total del estudio y el 17.78% de la amplitud de especificación de 0.100 mm. Se basan en comparaciones distintas. Ninguno es el porcentaje de carcasas rechazadas. Las piezas seleccionadas afectan al porcentaje del estudio.
Comparar a los inspectores en cada pieza
Las líneas muestran la media de cada inspector para cada carcasa. Las diferencias entre inspectores cambian de una pieza a otra. El valor p de la interacción es aproximadamente 0.000479, inferior a 0.05, por lo que la aplicación conserva este efecto. Pieza 1–10 corresponde a P01–P10; Operador 1/2/3 corresponde a A/B/C.
Gráfico en inglés del diámetro interior medio en mm para cada inspector y pieza, basado en tres lecturas por celda. Ver gráfico a tamaño completo (se abre en una nueva pestaña) Decidir qué investigar
Compara la técnica y la colocación del instrumento en las piezas en las que difieren los inspectores. El gráfico no identifica la causa. El NDC entero es 10: el instrumento distingue varios niveles entre estas piezas seleccionadas, pero esto no demuestra su idoneidad para cualquier uso futuro.
Más detalles: leer cada sección de resultados
Las tablas de resultados completas utilizan seis cifras significativas, como en Help.
Componentes de variación del estudio (6σ)
La tabla muestra la variación del estudio (6σ), en mm. La repetibilidad EV es 0.01033 mm; la reproducibilidad AV es 0.01446 mm; el GRR total es 0.01778 mm. La variación entre piezas es mucho mayor: 0.1366 mm. No interpretes estos valores como desviaciones estándar ni como porcentajes; divide un componente de 6σ entre seis para obtener su desviación estándar.
| Componente | Variación del estudio (6σ) |
|---|---|
| EV | 0.0103344 |
| AV | 0.0144637 |
| GRR | 0.0177764 |
| PV | 0.136598 |
| TV | 0.13775 |
- O×P significativa; no se combina. %GRR (variación del estudio) = 12.9% NDC ≈ 10
Evaluación del estudio
GRR representa el 12.90% de la variación total del estudio y el 17.78% de la amplitud de especificación de 0.100 mm. El NDC es 10.835, con un NDC entero de 10. Los porcentajes de variación del estudio utilizan cocientes de desviaciones estándar; la contribución a la varianza utilizaría cocientes al cuadrado (aproximadamente el 1.67% para el GRR total en este caso), por lo que los porcentajes responden a preguntas distintas. El NDC también depende de la dispersión de las piezas seleccionadas.
| Métrica | Valor |
|---|---|
| GRR (% de variación del estudio) | 12.9048 |
| GRR (% de tolerancia) | 17.7764 |
| NDC | 10.8348 |
| NDC (entero) | 10 |
| α | 0.05 |
| Interacción operador × pieza combinada con el error | No |
ANOVA de dos factores con interacción
La interacción operador × pieza tiene p ≈ 0.000479, inferior a α = 0.05, por lo que la aplicación conserva la interacción en lugar de combinarla con la repetibilidad. Por tanto, las diferencias entre operadores deben considerarse junto con las diferencias específicas de cada pieza. El valor p del operador es aproximadamente 0.000321; estos contrastes no identifican por qué se producen las diferencias.
| Fuente de variación | SS | df | MS | F | p |
|---|---|---|---|---|---|
| Operator | 0.000241089 | 2 | 0.000120544 | 12.9997 | 0.000320941 |
| Part | 0.0420662 | 9 | 0.00467402 | 504.055 | 9.41451e-20 |
| O×P | 0.000166911 | 18 | 0.00000927284 | 3.12568 | 0.000479281 |
| Repetibilidad (error) | 0.000178 | 60 | 0.00000296667 | — | — |
| Total | 0.0426522 | 89 | 0 | — | — |
- Valores F y p del modelo completo. La interacción operador × pieza se combina con la repetibilidad cuando su p ≥ α.
Medias por operador × pieza
Cada celda es la media de un operador para una pieza en tres rondas de medición. Compara a los operadores dentro de una misma pieza antes de comparar piezas distintas.
| Operador | Pieza 1 | Pieza 2 | Pieza 3 | Pieza 4 | Pieza 5 | Pieza 6 | Pieza 7 | Pieza 8 | Pieza 9 | Pieza 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| Operator 1 | 20.004 | 19.97 | 20.0207 | 19.9867 | 20.008 | 19.979 | 20.0287 | 19.9927 | 20.0167 | 19.9623 |
| Operator 2 | 20.003 | 19.9687 | 20.023 | 19.9853 | 20.011 | 19.9763 | 20.0323 | 19.9953 | 20.0173 | 19.9653 |
| Operator 3 | 20.0047 | 19.9723 | 20.028 | 19.988 | 20.0157 | 19.981 | 20.0297 | 20 | 20.02 | 19.9677 |
Medias marginales
Las medias globales por operador y por pieza resumen el estudio cruzado. Promediar entre piezas puede ocultar la interacción operador × pieza que se ha conservado.
| Origen de la media | Media |
|---|---|
| Global | 19.9984 |
| Operator 1 | 19.9969 |
| Operator 2 | 19.9978 |
| Operator 3 | 20.0007 |
| Part 1 | 20.0039 |
| Part 2 | 19.9703 |
| Part 3 | 20.0239 |
| Part 4 | 19.9867 |
| Part 5 | 20.0116 |
| Part 6 | 19.9788 |
| Part 7 | 20.0302 |
| Part 8 | 19.996 |
| Part 9 | 20.018 |
| Part 10 | 19.9651 |
7. Crear un informe
Conserva Study variation components (6σ), Study assessment, Two-way ANOVA with interaction, Operator × part means, Marginal means y los gráficos de componentes y de medias por celda. Anota qué identificadores numéricos representan a cada inspector y pieza, y conserva la amplitud de especificación de 0.100 mm.
Selecciona Add to report de la ejecución completada. Abre Choose individual items and advanced options para seleccionar tablas y gráficos y, a continuación, selecciona Add to draft. Los elementos ocultos se conservan en el análisis guardado.
Asigna un nombre al informe y añade el objetivo del estudio y tu interpretación. Selecciona Save, revisa Preview, y después utiliza Export → Download HTML. El ejemplo siguiente contiene todo el contenido seleccionado, incluidos los resultados que no caben en una sola pantalla.