Criterios de aceptación Gage R&R (MSA) en clientes japoneses

Sus instrumentos se calibran cada año y los certificados están archivados. Un día, el área de calidad del cliente japonés le pide los resultados de Gage R&R (en los documentos japoneses aparece como "geji R&R") o su sokutei shisutemu kaiseki (análisis del sistema de medición, MSA). Los proveedores de las armadoras y de los Tier 1 japoneses, sea en el Bajío, en Tailandia o en la India, pueden esperar esta solicitud tarde o temprano.

La calibración revisa básicamente una cosa: cuánto se aleja la lectura del instrumento de un patrón de referencia (sesgo). Pero las mediciones reales también se dispersan cuando la misma persona mide otra vez la misma pieza, y cambian cuando otra persona toma el relevo. El Gage R&R pone un número a esa dispersión y la compara con la variación entre piezas o con la tolerancia.

Esta guía explica dónde encaja el Gage R&R dentro del MSA, los seis pasos de un estudio, un ejemplo completo (ficticio) con el método de promedios y rangos, en qué cambian los resultados con ANOVA y cómo leer los criterios de 10 % y 30 %. Cierra con los puntos que suelen revisar los clientes japoneses, una lista de verificación previa a la entrega y preguntas para hacer antes de correr el estudio.

Contenido

1. Qué mide el Gage R&R dentro del MSA
2. Cómo hacer un estudio Gage R&R en 6 pasos
3. Método de promedios y rangos: un ejemplo calculado
4. Promedios y rangos frente a ANOVA
5. Criterios de aceptación: cómo leer 10 %, 30 % y ndc ≥ 5
6. Qué hacer cuando el resultado es malo
7. MSA por atributos: inspección pasa/no pasa y kappa
8. Antes de entregar: lista de verificación y preguntas para el cliente japonés
9. Límites de esta guía
10. Preguntas frecuentes
11. Fuentes

Qué mide el Gage R&R dentro del MSA

El MSA evalúa estadísticamente todo el sistema de medición, no solo el instrumento. El sistema incluye a la persona que mide, el método, el fixture (dispositivo de sujeción y posicionamiento) y el ambiente. En la industria automotriz, el estándar de facto es el manual de referencia MSA publicado por AIAG (Automotive Industry Action Group, la asociación de la industria automotriz de Estados Unidos). La edición vigente es la 4.ª, publicada en junio de 2010, y sigue siendo la que AIAG lista a octubre de 2026.

El manual divide el error del sistema de medición en dos tipos: el error de ubicación, cuando el promedio de las lecturas se aleja del valor verdadero, y el error de dispersión (amplitud), cuando las lecturas se esparcen alrededor de su promedio. El Gage R&R evalúa el error de dispersión: cuánto se esparcen las lecturas cuando se mide repetidamente lo mismo.

Figura 1: Las cinco propiedades que evalúa el MSA

Tres propiedades describen el error de ubicación y dos describen el error de dispersión. El Gage R&R combina las dos de dispersión.

Sesgo

UbicaciónDiferencia entre el promedio de las lecturas y el valor de referencia. Se revisa con la calibración o midiendo una pieza patrón

Linealidad

UbicaciónSi el sesgo cambia entre el extremo bajo y el extremo alto del rango de medición

Estabilidad

UbicaciónSi el sesgo cambia con el tiempo al medir la misma pieza patrón a intervalos. Se sigue en una carta de control

Repetibilidad (EV)

DispersiónVariación cuando una persona mide la misma pieza varias veces con el mismo instrumento. También se llama variación del equipo

Reproducibilidad (AV)

DispersiónDiferencia entre los promedios de las lecturas de los evaluadores. También se llama variación del evaluador

Gage R&R (GRR)

CombinadoRepetibilidad y reproducibilidad combinadas: el error de dispersión del sistema de medición

EV = equipment variation (variación del equipo); AV = appraiser variation (variación del evaluador). Clasificación basada en material explicativo que resume el manual MSA de AIAG, 4.ª edición.

Repetibilidad y reproducibilidad: una nota sobre los términos japoneses

Los reportes japoneses usan kurikaeshi-sei para repetibilidad y saigen-sei para reproducibilidad. La norma japonesa de vocabulario de metrología, JIS Z 8103, define la repetibilidad como la precisión bajo condiciones de repetibilidad: mismo procedimiento, mismo operador, mismo sistema de medición, mismas condiciones de operación y mismo lugar, con mediciones repetidas del mismo objeto en un periodo corto. El Gage R&R reporta esto como EV.

La definición JIS de reproducibilidad es más amplia: sus condiciones de reproducibilidad pueden incluir lugares y sistemas de medición distintos. En el Gage R&R, la reproducibilidad (AV) significa principalmente la diferencia causada por cambiar de evaluador. Si su procedimiento o reporte va a un cliente japonés, conviene escribir de forma explícita "reproducibilidad = diferencia entre evaluadores", para que nadie la lea en el sentido más amplio de JIS.

El estudio divide la variación total observada en la variación de las piezas mismas y la variación del sistema de medición, como se muestra a continuación.

Figura 2: Cómo se descompone la variación de la medición

En un buen sistema de medición, la variación entre piezas es la mayor parte de la variación total y el GRR es pequeño.

Variación total (TV)Toda la variación que aparece en las lecturas. TV² = PV² + GRR²

Se divide en

Variación de las piezas (PV)Diferencias dimensionales reales entre piezas. La variación que se quiere ver

Gage R&R (GRR)Variación del sistema de medición. GRR² = EV² + AV²

El GRR se compone de

Repetibilidad (EV)Variación dentro de una misma persona, debida al instrumento, el fixture y el método

Reproducibilidad (AV)Diferencias entre los promedios de las lecturas de los evaluadores

Solo las varianzas (la desviación estándar al cuadrado) se suman. Las desviaciones estándar y los porcentajes no se pueden sumar directamente.

Calibración frente a Gage R&R

La calibración compara un instrumento con un patrón trazable y revisa el error de su lectura. Mira el instrumento solo, principalmente el sesgo de la Figura 1. Aun con calibración y trazabilidad al día, el juego del fixture o las costumbres de quien mide siguen agregando variación.

En México, la trazabilidad suele apoyarse en laboratorios acreditados por la ema según NMX-EC-17025-IMNC-2018, con patrones trazables a CENAM. Esa norma corresponde a ISO/IEC 17025:2017; confirme con su cliente qué certificados acepta, además de los certificados JCSS japoneses.

El Gage R&R usa piezas reales, medidas por las personas que normalmente miden, con el procedimiento normal. La calibración pregunta "¿el instrumento es correcto?". El Gage R&R pregunta "¿este método de medición puede distinguir unas piezas de otras?". Necesita las dos cosas antes de usar las lecturas para decisiones de calidad.

Por qué los clientes automotrices japoneses lo piden: IATF 16949 7.1.5.1.1

IATF 16949, la norma de gestión de calidad automotriz, exige el MSA en la cláusula 7.1.5.1.1. Se deben hacer estudios estadísticos para analizar la variación en los resultados de cada tipo de sistema de equipo de inspección, medición y ensayo listado en el plan de control. Los métodos de análisis y los criterios de aceptación deben seguir los manuales de referencia del MSA. Solo se permiten otros métodos o criterios con aprobación del cliente, y se deben conservar los registros de esa aprobación.

Es decir, el alcance sale del plan de control, y las reglas propias del cliente pesan tanto como los números de AIAG. Dónde entra el MSA en el proceso de lanzamiento de un cliente japonés se explica en y .

Cómo hacer un estudio Gage R&R en 6 pasos

La calidad de la toma de datos decide cuánto puede confiar en el resultado, más que el cálculo. Este es un plan típico con 10 piezas, 3 evaluadores y 3 repeticiones cada uno, dividido en seis pasos.

Figura 3: Los seis pasos de un estudio Gage R&R

Los tres pasos de preparación deciden en gran parte si el resultado es confiable.

Preparación

01Definir el objetivo y el usoQué característica y qué instrumento. ¿Control de proceso o aceptación/rechazo?

02Revisar resolución y calibración¿El incremento mínimo es 1/10 de la tolerancia (o de la variación del proceso) o más fino? ¿La calibración está vigente?

03Seleccionar las piezasUnas 10 piezas que cubran todo el rango del proceso. Numérelas de modo que los evaluadores no vean los números

Medición y análisis

04Medir en orden aleatorio3 evaluadores, 3 repeticiones cada uno. Cambie el orden en cada repetición y oculte las lecturas anteriores

05CalcularObtenga EV, AV y GRR con el método de promedios y rangos (X̄-R) o con ANOVA

06Juzgar y actuarCompare %GRR y ndc con los criterios. Si no cumplen, averigüe si la causa es la repetibilidad o la reproducibilidad

10 piezas, 2–3 evaluadores y 2–3 repeticiones es una guía común (documento técnico de Minitab). Si el cliente especifica otra cosa, siga la especificación del cliente.

Paso 1: Definir el objetivo y el uso

Decida qué característica de calidad va a estudiar, y con qué instrumento, fixture y procedimiento. Bajo IATF 16949, lo habitual es empezar por las mediciones del plan de control. Decida también para qué se usa la medición: seguir la variación del proceso en una carta de control, o tomar decisiones de aceptación/rechazo antes del embarque. La respuesta cambia qué denominador usará después para el %GRR.

Paso 2: Revisar resolución y calibración

Si la resolución del instrumento (el incremento mínimo que se puede leer) es demasiado gruesa, da la misma lectura una y otra vez y no se puede evaluar bien la variación. La guía de AIAG incluye la "regla de 10 a 1": la resolución debe ser una décima parte de la tolerancia, o más fina. Para una dimensión con tolerancia de 0.10 mm, necesita un instrumento que lea a 0.01 mm o mejor.

Confirme que la calibración del instrumento esté vigente. El Gage R&R no evalúa el sesgo, así que un buen resultado con un instrumento cuya calibración está vencida no prueba que las lecturas sean correctas.

Paso 3: Seleccionar las piezas

Elija piezas que cubran todo el rango de variación que el proceso realmente produce. Minitab señala que muestrear todo el rango del proceso da una mejor estimación de la variación entre piezas. Si en cambio junta piezas parecidas de un solo lote, la variación de las piezas se reduce y el %GRR sale injustamente alto.

Numere las piezas, pero mantenga los números ocultos para los evaluadores. Quien ve el número tiende a recordar su lectura anterior y a repetirla, así que marque la parte de abajo de la pieza o pida a otra persona que entregue las piezas. Diez piezas no estiman con mucha precisión la variación entre piezas. El documento técnico de Minitab da dos opciones: usar más piezas, o usar una desviación estándar del proceso calculada con un gran conjunto de datos históricos.

Paso 4: Medir en orden aleatorio

Escoja a los evaluadores entre las personas que normalmente hacen esta medición. Si usa solo a su mejor inspector, el estudio subestima la variación de la medición diaria.

En la repetición 1, el evaluador A mide las 10 piezas una vez, y luego lo hacen B y C. Las repeticiones 2 y 3 se hacen igual, con el orden de las piezas cambiado. Aleatorizar el orden en cada repetición y mantener fuera de la vista los resultados anteriores elimina el efecto de la memoria y del orden de medición. Acuerde de antemano en qué punto exacto de la pieza se mide, y asegúrese de que todos usen el mismo punto.

Pasos 5 y 6: Calcular y juzgar

Con los datos completos, calcule con el método de promedios y rangos o con ANOVA. Una hoja de cálculo puede hacerlo, pero un software estadístico entrega los resultados de ANOVA y las gráficas de una sola vez. Para juzgar el resultado, compare %GRR y ndc (número de categorías distintas) con los criterios. Si no cumplen, revise si la repetibilidad o la reproducibilidad es mayor y actúe en consecuencia. La siguiente sección recorre el cálculo paso a paso.

Método de promedios y rangos: un ejemplo calculado

Los datos que siguen son ficticios. Todos los números se inventaron para explicar y no provienen de un proceso real. La situación: diámetro exterior de una flecha, especificación 10.00 ±0.05 mm (ancho de tolerancia 0.10 mm), medido con un micrómetro que lee a 0.001 mm. Los evaluadores A, B y C miden cada uno 10 piezas tres veces.

Evaluador / repetición	1	2	3	4	5	6	7	8	9	10
A, repetición 1	9.972	9.986	10.020	9.995	10.029	9.962	10.008	9.994	10.014	10.000
A, repetición 2	9.973	9.986	10.021	9.995	10.030	9.967	10.004	9.989	10.009	9.998
A, repetición 3	9.966	9.984	10.017	9.999	10.030	9.964	10.000	9.988	10.015	10.002
A, rango	0.007	0.002	0.004	0.004	0.001	0.005	0.008	0.006	0.006	0.004
B, repetición 1	9.969	9.986	10.020	9.998	10.035	9.965	10.010	9.995	10.015	10.004
B, repetición 2	9.974	9.987	10.019	10.000	10.036	9.962	10.013	9.992	10.015	10.010
B, repetición 3	9.976	9.983	10.023	10.002	10.031	9.969	10.010	9.994	10.021	10.002
B, rango	0.007	0.004	0.004	0.004	0.005	0.007	0.003	0.003	0.006	0.008
C, repetición 1	9.969	9.980	10.017	9.990	10.024	9.960	10.007	9.989	10.007	9.996
C, repetición 2	9.970	9.975	10.016	9.994	10.030	9.963	10.003	9.985	10.010	10.003
C, repetición 3	9.967	9.980	10.018	9.994	10.025	9.958	10.004	9.985	10.014	10.000
C, rango	0.003	0.005	0.002	0.004	0.006	0.005	0.004	0.004	0.007	0.007
Promedio de la pieza	9.9707	9.9830	10.0190	9.9963	10.0300	9.9633	10.0066	9.9901	10.0133	10.0017

El método de promedios y rangos estima desviaciones estándar a partir de los rangos (máximo menos mínimo) y de las diferencias entre promedios. Los factores que convierten rangos en desviaciones estándar son K1, K2 y K3, y sus valores dependen del número de repeticiones, evaluadores y piezas.

Figura 4: Flujo de cálculo del método de promedios y rangos

Convierta tres rangos o diferencias en desviaciones estándar con los factores K y luego combínelos.

R̿ (rango promedio)Promedie los rangos de cada evaluador y luego promedie entre evaluadores

X̄diffMayor menos menor de los promedios de los evaluadores

RpMayor menos menor de los promedios de las piezas

Multiplique por los factores

EV = R̿ × K1K1: 0.5908 con 3 repeticiones, 0.8862 con 2

AV = √[(X̄diff × K2)² − EV²/(n·r)]K2: 0.5231 con 3 evaluadores, 0.7071 con 2

PV = Rp × K3K3: 0.3146 con 10 piezas, 0.4030 con 5

Combine

GRR = √(EV² + AV²)   TV = √(GRR² + PV²)%GRR = GRR ÷ TV × 100   ndc = 1.41 × PV ÷ GRR (redondear hacia abajo)

n = número de piezas, r = número de repeticiones. Factores como se usan en el método de la 4.ª edición del MSA de AIAG, verificados contra SPC for Excel y contra valores derivados de las tablas d2 y d2* (K1 = 1/d2, K2 y K3 = 1/d2*). K3 para 2–10 piezas: 0.7071, 0.5231, 0.4467, 0.4030, 0.3742, 0.3534, 0.3375, 0.3249, 0.3146.

Los libros de texto antiguos y las hojas de cálculo internas heredadas a veces usan factores como 4.56 y 3.05. Vienen de la 1.ª y 2.ª ediciones del manual, que expresaban los resultados como una dispersión del 99 % (5.15 desviaciones estándar). El %GRR respecto a la variación total no cambia, pero sí cambian los valores absolutos de EV y AV y la razón respecto a la tolerancia. Revise siempre con los factores de qué edición está hecho un formato, incluidos los formatos internos o heredados.

1. Repetibilidad (EV)

Primero, promedie los rangos de cada evaluador. En el ejemplo, A es 0.0047 mm, B es 0.0051 mm y C es 0.0047 mm, así que el rango promedio general R̿ es 0.00483 mm (4.83 µm). El resto del ejemplo usa µm para facilitar la lectura.

Antes de seguir, verifique que ningún rango rebase el límite de control (UCL = D4 × R̿; con 3 repeticiones D4 = 2.574, lo que da 12.4 µm). Si un rango lo rebasa, sospeche de un error de medición o de captura y vuelva a medir esa pieza antes de calcular. Aquí el mayor rango es 8 µm, así que todo está bien. Con K1 = 0.5908 para tres repeticiones, EV = 4.83 × 0.5908 ≈ 2.86 µm.

2. Reproducibilidad (AV)

El promedio de cada evaluador sobre sus 30 lecturas es 9.99723 mm para A, 10.00053 mm para B y 9.99443 mm para C. La diferencia entre el más alto (B) y el más bajo (C), X̄diff, es 6.10 µm. Con tres evaluadores, K2 = 0.5231.

X̄diff × K2 = 3.19 µm, que elevado al cuadrado es 10.18. Como los promedios de los evaluadores también contienen un poco de variación de repetibilidad, reste EV² ÷ (10 piezas × 3 repeticiones) = 2.86² ÷ 30 ≈ 0.27. Eso da AV = √(10.18 − 0.27) ≈ 3.15 µm. Si el valor bajo la raíz cuadrada resulta negativo, tome AV = 0.

3. GRR, PV y TV

El GRR es la raíz cuadrada de la suma de los cuadrados de EV y AV: √(2.86² + 3.15²) ≈ 4.25 µm. La variación de las piezas PV sale de Rp, la diferencia entre el mayor promedio de pieza (10.0300 mm) y el menor (9.9633 mm). Rp = 66.67 µm; multiplicado por K3 = 0.3146 para 10 piezas, PV = 20.97 µm. La variación total TV = √(4.25² + 20.97²) ≈ 21.40 µm.

4. %GRR y ndc

%GRR = 4.25 ÷ 21.40 × 100 ≈ 19.9 %. El mismo cálculo da %EV = 13.3 %, %AV = 14.7 % y %PV = 98.0 %. Sumar %EV y %AV no da 19.9 %, porque solo los valores al cuadrado (varianzas) se suman, como se indica bajo la Figura 2.

ndc = 1.41 × 20.97 ÷ 4.25 ≈ 6.96, que se redondea hacia abajo a 6. El 1.41 es √2 redondeado.

Figura 5: Resultados del ejemplo (método de promedios y rangos)

El %GRR es 19.9 %, en la banda "aceptable con condiciones". La reproducibilidad (AV) es un poco mayor que la repetibilidad.

Valor (µm)

Razón respecto a la variación total (TV)

Repetibilidad EV

2.86

13.3 %

Reproducibilidad AV

3.15

14.7 %

Gage R&R GRR

4.25

19.9 % (banda de 10–30 %)

Variación de las piezas PV

20.97

98.0 %

Variación total TV

21.40

100 %

ndc

6.96 → 6

Cumple el criterio (5 o más)

Razón respecto a la tolerancia

6 × GRR = 25.5

25.5 % del ancho de tolerancia de 100 µm

Datos de ejemplo ficticios; cálculos verificados en Python. Como las razones se combinan como suma de cuadrados, 13.3 % + 14.7 % no es igual a 19.9 %.

Promedios y rangos frente a ANOVA

ANOVA (análisis de varianza) divide la variación de las lecturas en cuatro fuentes: piezas, evaluadores, la interacción evaluador por pieza y el error de repetibilidad. El manual de AIAG describe ambos métodos, y el software estadístico normalmente usa ANOVA por defecto.

Según Minitab, el método de promedios y rangos no puede calcular la varianza de la interacción evaluador por pieza. Una interacción significa que los evaluadores difieren pieza por pieza, por ejemplo "el evaluador C lee bajo solo en las piezas pequeñas". ANOVA en general estima las varianzas con más exactitud y además puede probar si existe una interacción.

Figura 6: Promedios y rangos frente a ANOVA

El método X̄-R se puede seguir a mano. ANOVA da más información y estimaciones más exactas.

Promedios y rangos (X̄-R)

ANOVA

Cómo se estima la variación

Los rangos se multiplican por factores para estimar desviaciones estándar

Los componentes de varianza se estiman a partir de los cuadrados medios

Interacción

No se evalúa (queda escondida dentro de la repetibilidad o la reproducibilidad)

La interacción evaluador por pieza se separa y se prueba

Esfuerzo

Calculadora u hoja de cálculo

Software estadístico o las herramientas de análisis de una hoja de cálculo

%GRR en el ejemplo

19.9 % (ndc 6)

18.6 % (ndc 7)

Más adecuado para

Revisiones rápidas en el piso, enseñar el concepto

Entregas al cliente, mediciones donde se sospecha interacción

En el ANOVA del ejemplo, el valor p de la interacción fue 0.75, así que el modelo se recalculó sin el término de interacción (Minitab elimina la interacción cuando p ≥ 0.05).

Con ANOVA, los mismos datos ficticios dan una desviación estándar de repetibilidad de 2.63 µm, reproducibilidad de 3.02 µm, GRR de 4.00 µm y variación entre piezas de 21.12 µm. El %GRR (como razón de desviaciones estándar) es 18.6 % y el ndc es 7. Los números difieren un poco porque un método estima a partir de rangos y el otro a partir de cuadrados medios, pero ambos caen en la misma banda.

Al leer la salida del software, no confunda %Contribución (en japonés, kiyo-ritsu) con %Variación del estudio (kenkyu hendo). El %Contribución es una razón de varianzas: 3.5 % para el GRR en el ejemplo. El %Variación del estudio es una razón de desviaciones estándar: 18.6 %. Los criterios de 10 % y 30 % se aplican a razones de desviaciones estándar (%Variación del estudio o la razón respecto a la tolerancia). Para el %Contribución, Minitab da otra guía: menos de 1 %, de 1 a 9 % y más de 9 %.

Criterios de aceptación: cómo leer 10 %, 30 % y ndc ≥ 5

Los criterios más conocidos del manual MSA de AIAG dividen el %GRR en tres bandas, con cortes en 10 % y 30 %. Minitab presenta las mismas bandas como la guía de AIAG.

Figura 7: Bandas de aceptación del %GRR (guía de AIAG)

10–30 % no es una aprobación automática. Es una banda donde se decide según la aplicación y el costo.

Menos de 10 %AceptableEl sistema de medición se puede usar. Distingue bien unas piezas de otras

10–30 %Aceptable con condicionesPuede ser aceptable según la importancia de la medición, el costo del instrumento, el costo de retrabajo o reparación, etc. Revise también los requisitos del cliente

Más de 30 %No aceptableHay que mejorar el sistema de medición. No lo use tal cual para control de proceso ni para decisiones de aceptación/rechazo

Confirme también que el ndc (número de categorías distintas) sea 5 o más. El ndc indica en cuántos grupos puede dividir el sistema de medición la variación del proceso.

Fuentes: la ayuda de Minitab y QI Macros, que las presentan como guías de AIAG. Los requisitos varían según el cliente y la industria.

El %GRR de 19.9 % del ejemplo cae en la banda intermedia "aceptable con condiciones". El ndc es 6, que cumple el criterio: el sistema puede separar la variación del proceso en unos seis grupos.

Si el ndc es menor que 5, el sistema de medición puede ser demasiado grueso, o las piezas elegidas pueden variar muy poco. Como el ndc usa la variación de las piezas (PV) en el numerador, unas piezas mal elegidas dan un ndc bajo aunque el sistema de medición esté bien.

Denominador: ¿variación del proceso o tolerancia?

El %GRR se puede calcular respecto a la variación total (del proceso) o respecto a la tolerancia. La razón respecto a la tolerancia divide 6 × GRR (una dispersión de ±3 desviaciones estándar) entre el ancho de tolerancia; también se llama razón P/T (precisión a tolerancia).

Minitab describe la razón respecto a la variación total como una comparación con la variación global del proceso, y la razón respecto a la tolerancia como un indicador para clasificar piezas dentro y fuera de especificación. De ahí sale la práctica habitual: la razón respecto a la variación total para mediciones que alimentan cartas de control, y la razón respecto a la tolerancia para mediciones usadas en la inspección final de aceptación/rechazo. La elección depende de cómo se usa la medición y de lo que exija el cliente, y algunos reportes muestran ambas.

Los mismos datos dan resultados distintos con otro denominador. En el ejemplo, el %GRR es 19.9 % respecto a la variación total, pero 25.5 % respecto a la tolerancia de 0.10 mm. Indique siempre en el reporte "respecto a qué", para que sus números no choquen con los del cliente. Para las tolerancias generales de los planos japoneses, vea .

Qué pueden esperar los clientes japoneses además de 10 % y 30 %

El 10 % y el 30 % son guías de AIAG, no límites universales. IATF 16949 toma el manual de referencia del MSA como base, pero acepta otros métodos de análisis y criterios cuando el cliente los aprueba. Por eso, las armadoras y los Tier 1 pueden fijar sus propios criterios o alcance en sus requisitos específicos del cliente (CSR; en japonés, kokyaku koyu yokyu jiko).

Los libros japoneses y los estándares internos de algunas empresas dividen a veces la banda condicional en más tramos; por ejemplo, tratan 10–20 % como generalmente aceptable y 20–30 % como el límite. Los requisitos cambian de una empresa a otra, así que no suponga que la regla de un cliente japonés vale para otro. El orden seguro es confirmar primero el requisito del cliente y fijar después su estándar interno sin que sea más flexible que el del cliente.

Según SPC for Excel, el propio manual de AIAG advierte que usar solo las guías del GRR como umbrales no es una forma aceptable de juzgar un sistema de medición. Más allá de que el número esté dentro del límite, la decisión debe considerar para qué se usa la medición.

Qué hacer cuando el resultado es malo

Cuando el %GRR es alto, empiece por revisar si es mayor la repetibilidad (EV) o la reproducibilidad (AV). Las guías basadas en la 4.ª edición del MSA de AIAG, como QI Macros, ordenan las causas probables de la siguiente manera.

Figura 8: Cómo aislar la causa y correcciones típicas

Dónde actuar depende de si es mayor el EV o el AV y de si el ndc es suficiente.

La repetibilidad (EV) es grandeDar mantenimiento al instrumento (desgaste, corrosión, juego), revisar la elección del instrumento, mejorar la sujeción de la pieza o del instrumento, fijar el punto de medición. Revise también si la variación dentro de la pieza (conicidad, redondez) se está colando

La reproducibilidad (AV) es grandeCapacitar a los evaluadores en el método, volver específico el procedimiento (punto de contacto, fuerza, cómo leer), reemplazar instrumentos de escala difícil de leer, agregar fixtures que den a todos la misma posición

ndc menor que 5, poca variación de las piezasLas piezas pueden no representar la variación del proceso. Vuelva a seleccionar piezas que cubran todo el rango del proceso, o use una desviación estándar del proceso obtenida de datos históricos

Un rango rebasa el límite de controlBusque rangos grandes asociados a un evaluador o una pieza en particular. Elimine primero las causas aisladas, como lecturas equivocadas, errores de captura o piezas sucias

Fuentes: QI Macros (guía alineada con la 4.ª edición del MSA de AIAG) y documento técnico de Minitab. Después de cualquier corrección, repita el estudio en las mismas condiciones para confirmar el efecto.

En el ejemplo, el %AV (14.7 %) es un poco mayor que el %EV (13.3 %), y el promedio del evaluador C es unas 6 µm menor que el de B. Empiece por revisar cómo usa C el micrómetro (si usa el trinquete y si las caras de medición asientan bien sobre la pieza) y cómo lee la escala.

Cuando el problema es la repetibilidad, pruebe fixtures y un punto de medición fijo antes de comprar un instrumento nuevo. Con frecuencia la causa es la variación en cómo se coloca la pieza o en dónde se mide, más que el desempeño del instrumento mismo. Para acotar las causas, grafique las lecturas por evaluador y por pieza, o use un diagrama de causa y efecto (Ishikawa) para listar los factores bajo personas, instrumento, método y ambiente.

Errores comunes que obligan a repetir el estudio

• Diez piezas tomadas del mismo lote: la variación de las piezas es pequeña y el %GRR se ve mal
• Números de pieza visibles durante la medición: los evaluadores igualan sus lecturas anteriores
• Participa solo el mejor evaluador: el resultado es mejor que el de la medición diaria
• Sin punto de medición acordado: la variación dentro de la pieza se cuela en la repetibilidad
• Un formato antiguo con factores de 5.15 sigma: EV y AV no coinciden con el cálculo del cliente
• %GRR reportado sin indicar el denominador (variación total o tolerancia): los números no coinciden con los del cliente

Cuando un cliente señala un problema de medición y pide un reporte de acción correctiva, los resultados del MSA pueden respaldar el análisis de causa raíz. Mostrar el %GRR como evidencia de que se verificó el sistema de medición vuelve más convincente la contramedida. Vea para ese formato.

MSA por atributos: inspección pasa/no pasa y kappa

Los cálculos anteriores no sirven para mediciones que solo dan aprobado o rechazado: inspección visual, juicios contra muestras límite (gendo mihon) o calibres pasa/no pasa. Estos sistemas de medición por atributos se evalúan según qué tan bien coinciden los juicios.

Un enfoque común es el método de tablas cruzadas del manual de AIAG. Prepare piezas cuyo juicio correcto (la referencia) se conozca. Varios evaluadores juzgan cada pieza varias veces, y la concordancia entre evaluadores y con la referencia se expresa con kappa. Kappa mide la concordancia más allá del azar: 1 es concordancia perfecta y 0 no es mejor que el azar. Según Minitab, AIAG considera buena una concordancia con kappa de 0.75 o más, y prefiere valores mayores como 0.90.

Lea los resultados de tres maneras: dentro de cada evaluador (¿cada persona repite el mismo juicio?), cada evaluador contra la referencia (¿los juicios son correctos?) y entre evaluadores (¿el juicio cambia según la persona?). SPC for Excel cita una tabla del manual de AIAG (3.ª edición) con guías de aceptación contra la referencia: efectividad de 90 % o más, tasa de omisión (piezas malas aceptadas) de 2 % o menos y tasa de falsas alarmas (piezas buenas rechazadas) de 5 % o menos.

Si el cliente especifica criterios, siga los del cliente. Incluya piezas cercanas al límite, no solo piezas claramente buenas y claramente malas. Sin piezas en el límite, la variación del juicio nunca aparece.

Antes de entregar: lista de verificación y preguntas para el cliente japonés

Varios de los errores anteriores, como un denominador omitido o factores viejos, vienen de supuestos que no coinciden y no de instrumentos malos. Aclare estos puntos con el cliente antes del estudio, no después de que regrese el reporte.

Lista de verificación previa a la entrega

Punto	Qué confirmar
Alcance	Característica, instrumento, fixture y procedimiento identificados; la característica está en el plan de control
Resolución	El incremento mínimo es 1/10 de la tolerancia (o de la variación del proceso) o más fino
Calibración	La calibración del instrumento está vigente
Diseño del estudio	Número de piezas, evaluadores y repeticiones indicado; las piezas cubren el rango del proceso; orden aleatorizado; números de pieza ocultos
Evaluadores	Personas que normalmente hacen la medición, no solo el mejor inspector
Método	Promedios y rangos o ANOVA indicado; en ANOVA, si el término de interacción se conservó o se eliminó
Factores	K1, K2, K3 de la 4.ª edición (no los factores antiguos de 5.15 sigma)
Denominador	%GRR respecto a la variación total, a la tolerancia o a ambas, claramente rotulado
Resultados	%EV, %AV, %GRR, ndc; rangos verificados contra el límite de control
Criterios	Criterios aplicados (AIAG o el CSR del cliente) nombrados en el reporte
Banda condicional	Si el %GRR está entre 10 y 30 %, la razón por la que es aceptable para este uso, y la aprobación del cliente si se requiere
Revisiones por atributos	Piezas en el límite incluidas; kappa, efectividad, tasa de omisión y tasa de falsas alarmas reportadas

Preguntas para el cliente japonés

• ¿Qué características requieren MSA: todos los puntos del plan de control, o solo las características especiales y críticas?
• ¿Siguen los criterios de la 4.ª edición del MSA de AIAG, o tienen criterios propios en su CSR (por ejemplo, una subdivisión dentro de la banda de 10–30 %)?
• ¿El %GRR debe calcularse respecto a la variación del proceso, a la tolerancia o a ambas?
• ¿Especifican el método (promedios y rangos o ANOVA) y el número de piezas, evaluadores y repeticiones?
• ¿Exigen su propio formato en Excel y, si es así, con los factores de qué edición?
• Para la inspección visual, ¿proporcionarán muestras límite (gendo mihon) y qué kappa o efectividad esperan?
• ¿Cuándo debe repetirse el estudio: tras cambiar de instrumento, de procedimiento o de evaluadores, o con una frecuencia fija?

Ejemplo de correo de consulta

Asunto: Requisitos de Gage R&R para el número de parte [número de parte]

Estimado/a [Nombre]:

Estamos preparando el análisis del sistema de medición para [número de parte / número de plano], tal como está listado en nuestro plan de control. Para que nuestro reporte coincida con sus requisitos, ¿podría confirmarnos lo siguiente?

1. Criterios de aceptación: MSA de AIAG 4.ª edición (%GRR menor de 10 % / 10–30 % / mayor de 30 %, ndc de 5 o más), ¿o criterios propios?
2. Denominador del %GRR: variación del proceso, tolerancia o ambos
3. Método preferido (promedios y rangos o ANOVA) y tamaño del estudio (piezas, evaluadores, repeticiones)
4. Si se requiere algún formato de reporte específico

Si alguna característica queda en el rango de 10–30 %, evaluaremos si es aceptable para su uso previsto y lo confirmaremos con ustedes.

Saludos cordiales,
[Su nombre]

Límites de esta guía

• El ejemplo calculado usa datos ficticios. Los estudios reales deben seguir el formato de su cliente y la configuración de su software.
• Los criterios cambian según el cliente, la industria y la característica. Las bandas de AIAG que se presentan aquí son una referencia, no sustituyen el CSR del cliente.
• Esta guía describe el estudio cruzado común, en el que cada evaluador mide cada pieza.
• Para el texto exacto de IATF 16949, consulte la norma misma y el manual vigente de AIAG, no fuentes secundarias.
• La correspondencia con las normas mexicanas (NMX-EC-17025-IMNC-2018, ema, CENAM) es una referencia general; confirme con su cliente y con su laboratorio de calibración qué certificados se aceptan.

Preguntas frecuentes

¿Cada cuánto debe repetirse un estudio Gage R&R?

No hay un intervalo fijo. Revíselo cuando se cambie el instrumento, cambie el procedimiento o cambien los evaluadores. Si el CSR de su cliente especifica criterios o alcance, planee según lo que indique.

Si el instrumento está calibrado, ¿todavía necesito Gage R&R?

Sí. La calibración revisa solo el sesgo del instrumento. No cubre la variación por juego del fixture ni por las costumbres de quienes miden, que es justo lo que evalúa el Gage R&R.

¿Qué significa Gage R&R?

Repetibilidad y reproducibilidad del instrumento de medición (gage repeatability and reproducibility). La repetibilidad se escribe EV, la reproducibilidad AV y el valor combinado GRR. Los documentos japoneses usan la misma abreviatura, escrita "geji R&R".

¿Puedo calcular el Gage R&R en una hoja de cálculo?

El método de promedios y rangos es fácil de reproducir en una hoja de cálculo: se multiplica por los factores y se combina. ANOVA implica más cálculo, así que un software estadístico o las herramientas de análisis de la hoja de cálculo ahorran esfuerzo.

¿Quiénes deben ser los evaluadores?

Dos o tres personas que normalmente hacen la medición, no solo la más hábil. Si usa solo al mejor inspector, el resultado es mejor que el de la medición diaria y se subestima la variación.

Fuentes

• AIAG, MSA-4: Measurement Systems Analysis
• Q-DAS, Notes on the 4th Edition of the MSA Manual (fecha de publicación y factor 5.15)
• JIS Z 8103:2019 (vocabulario de medición) y JIS Z 8402-1:1999 (exactitud de los métodos y resultados de medición, parte 1), en japonés: Z 8103, Z 8402-1
• Minitab, Is my measurement system acceptable?
• Minitab, Interpret the key results for Crossed Gage R&R Study
• Minitab, Methods and formulas for gage R&R table y Methods and formulas for method of analysis
• Minitab, Data considerations for Crossed Gage R&R Study y Assistant technical paper: Gage R&R Study (Crossed)
• Minitab, What is gage resolution?
• SPC for Excel, Variable Measurement Systems – Part 4: Gage R&R
• SPC for Excel, Acceptance Criteria for Measurement Systems Analysis
• SPC for Excel, Attribute Gage R&R Studies – Part 2
• QI Macros, Gage R&R Made Easy
• Resumen de la cláusula 7.1.5.1.1 de IATF 16949 (en japonés): IATF16949 koryaku