El nivel de confianza, MSA y capacidad en la tecnología de medición

La precisión invisible: Tecnología de medición, garantía de calidad y certeza estadística. En el mundo de la tecnología de medición digital, donde la precisión y la fiabilidad son cruciales, el aseguramiento de la calidad de las mediciones es de suma importancia.

Similar a los juegos, donde cada píxel y cada cálculo cuenta, los resultados también deben ser confiables en proyectos técnicos. Aquí es donde entra en juego la tecnología de medición, que garantiza la fiabilidad de los datos a través de procedimientos estandarizados y análisis estadísticos.

El Dr. Wolfgang Kessel de PTB ha escrito sobre esto en su publicación Explicación general de la incertidumbre de medición El siguiente texto está escrito:

La [...] definición de incertidumbre de medición expresa el hecho bien conocido de que las mediciones no proporcionan, de hecho no pueden proporcionar, un valor exacto. Las mediciones están sujetas a deficiencias e imperfecciones que no se pueden cuantificar con precisión. Algunos de ellos tienen
su causa en efectos aleatorios, como fluctuaciones a corto plazo en la temperatura, la humedad y la presión del aire del medio ambiente. Además, el rendimiento desigual del observador que realiza la medición puede ser la causa de efectos aleatorios: si es necesario estimar ciertas desviaciones de un valor de escala al leer un valor o establecer un parámetro en un proceso de medición. Las mediciones repetidas en las mismas condiciones muestran resultados diferentes debido a estas influencias aleatorias.

Otras insuficiencias e imperfecciones se deben al hecho de que ciertos efectos sistemáticos no se pueden corregir exactamente o solo se conocen aproximadamente. Esta subpartida comprende:
Entre otras cosas, la desviación de punto cero de un instrumento de medida, el cambio en los valores característicos de una normal entre dos calibraciones (deriva), el sesgo del observador para encontrar un valor obtenido previamente en la lectura, o también la incertidumbre con la que se especifica el valor de un estándar de referencia o material de referencia en un certificado o manual.

Además de los niveles de confianza estadística, es sobre todo procedimientos estandarizados de la Análisis del sistema de medición (MSA), que hacen tangible la fiabilidad de las mediciones. Sin un sistema de medición capaz, las métricas de capacidad de máquina o proceso como Cm, Cmk, Pp o Ppk no pueden proporcionar declaraciones confiables. Por lo tanto, la capacidad de medición forma la base de cada declaración de calidad confiable.

Para los laicos, esto se puede resumir de la siguiente manera: Un dispositivo de medición es como una cámara. Si la lente es nítida (exactitud), la imagen es repetiblemente la misma (precisión de repetición), consistente (reproducibilidad) con cada fotógrafo y estable en el tiempo, entonces podemos confiar en las tomas.

Una herramienta básica en metrología es el método 1 para evaluar la capacidad del medio de medición (Procedimiento MSA 1). Este método se utiliza para evaluar la idoneidad de un dispositivo de medición para una tarea de medición específica centrándose en la repetibilidad. Examina qué tan cerca están los valores individuales medidos entre sí cuando la misma muestra con la misma característica, por el mismo operador y con el mismo medio de medición se mide en condiciones idénticas.

Un requisito previo importante para este método es que los medios de medición tengan una resolución suficiente, generalmente no más de 5% la tolerancia de la característica que debe medirse para garantizar lecturas seguras y legibles. 

El método 1 es una evaluación a corto plazo y a menudo se utiliza como parte de auditorías rutinarias o pruebas intermedias para evaluar la estabilidad de la medición en las condiciones más reales posibles.

La fiabilidad de las mediciones se expresa por la incertidumbre de medición, que a menudo se asocia con Niveles de confianza cuantificado. Muchas mediciones, especialmente en el aseguramiento de la calidad, siguen una distribución normal (también llamada distribución gaussiana), que se representa gráficamente como una curva de campana. Dentro de esta distribución normal, ciertos porcentajes de los puntos de datos se encuentran dentro de las desviaciones estándar definidas (sigma, σ) de la media:

68,27% Nivel de confianza (±1σ): Alrededor de 68% los valores medidos están dentro de una desviación estándar con respecto al valor medio. Esto ya se puede utilizar para el aseguramiento de la calidad. Por ejemplo: 10 muestras de ensayo son, por tanto, 7 «suficientemente buenas» o dimensionalmente estables.

95,45% Nivel de confianza (±2σ): Este nivel significa que aproximadamente 95.45% los valores medidos están dentro de dos desviaciones estándar del valor medio. Se trata de un nivel de confianza comúnmente utilizado, incluso en las encuestas de opinión en las que indica el «margen de error».

99,73% Nivel de confianza (±3σ): Un nivel aún más alto de confianza, donde 99.73% los valores medidos están dentro de tres desviaciones estándar del valor medio. Esta «regla de los tres sigmas» se considera a menudo como una certeza casi absoluta en las ciencias empíricas. Por lo tanto, en la práctica, aunque a menudo es «bueno tenerlo», no apunte a toda costa.

Estas certezas estadísticas constituyen la base de los métodos avanzados de gestión de la calidad. Permiten cuantificar la fiabilidad y consistencia de un proceso o medición.

La filosofía del «Nivel 92» se confirma a continuación: Se trata de lograr un nivel elevado y estadísticamente significativo de calidad y fiabilidad que sea «suficientemente bueno» para el fin previsto sin perderse en una búsqueda inalcanzable de la perfección absoluta.

Capacidad media de medición: La base para los datos más fiables posibles

Un instrumento de medida es «capaz» si representa la realidad de una manera tan precisa y precisa que los valores obtenidos pueden utilizarse de manera fiable para las decisiones del proceso. Los criterios más importantes son:

• Exactitud (sesgo): Desviación del valor de referencia.
• Repetibilidad: ¿Qué tan cerca están varias mediciones del mismo espécimen entre sí?
• Precisión comparativa (reproducibilidad): ¿Cuánto influyen los diferentes operadores en los resultados?
• Linealidad: ¿El sistema de medición es fiable en todo el rango de medición?
• Estabilidad: ¿El sistema de medición proporciona resultados consistentes durante largos períodos de tiempo?
• Discriminación (NDC): ¿El sistema de medición detecta de forma fiable las diferencias entre las muestras de ensayo?

---

Métodos de medición del análisis del sistema (MSA)

Procedimiento 1 – Evaluación a corto plazo de la capacidad de medición

El método 1 se utiliza para evaluar sistemas de medición nuevos o modificados. Se centra en la repetibilidad y, cuando existe un estándar de referencia, también en la desviación sistemática.

• Práctica: 20-50 mediciones repetidas en la parte normal por el mismo controlador en condiciones idénticas.
• Cifras clave: Cg (dispersión) y Cgk (dispersión + desviación del punto de consigna).
• Criterios: Resolución ≤ 5% tolerancia; Incertidumbre de calibración de lo normal significativamente menor que la tolerancia.

Por lo tanto, el método 1 es una especie de «prueba rápida» antes de que un dispositivo de medición entre en uso productivo.

Método 2 – Medir R&R (precisión de repetición y comparación)

Mientras que el método 1 comprueba la repetibilidad pura, el método 2 continúa: También examina la influencia de varios operadores.

• Práctica: Varios examinadores miden varios especímenes, cada uno varias veces.
• Figura clave: Valor R&R (proporción de dispersión del sistema de medición en la fluctuación total).
• Objetivos: R& R < 10% La tolerancia es ideal, 10-30% aceptable, >30% crítico.

Este método es particularmente importante cuando la influencia humana juega un papel, por ejemplo, en mediciones manuales con medidores o tornillos de medición.

Procedimiento 3 – Para sistemas automatizados

El método 3 es una forma especial del método 2 y prueba los sistemas de medición sin influencia directa del operador, como las máquinas de medición por coordenadas o los ensayos automatizados en línea.

• Práctica: Repita las pruebas en el sistema, generalmente automatizado.
• Figura clave: también valor R&R.
• Objetivo: Evidencia de que el sistema mide estable y capaz incluso sin la influencia del operador.

Procedimiento 7 – Pruebas atributivas

No todas las características pueden expresarse en números. A menudo se trata de decisiones buenas / malas, como inspecciones visuales o enseñanzas límite. Aquí es donde entra en juego el procedimiento 7.

• Práctica: Los inspectores o sistemas evalúan las mismas partes varias veces.
• Cifras clave: Tasa de coincidencia, valor de Kappa o tasa de error.
• Objetivo: Garantizar que las decisiones de auditoría sean claras, reproducibles y fiables.

Incertidumbre de medición y nivel de confianza

La fiabilidad de las mediciones está determinada por el Incertidumbre de medición expresados. Describe el rango en el que el valor verdadero se encuentra con una cierta probabilidad. Los niveles de confianza estadística también desempeñan un papel clave en este sentido:

• 68,27% (±1σ): Primera estimación, alrededor de 7 de cada 10 muestras de prueba están dentro de la tolerancia.
• 95,45% (±2σ): Nivel de uso común, también conocido en las encuestas como «margen de error».
• 99,73% (±3σ): Certeza casi absoluta, a menudo buscada en aplicaciones altamente críticas.

Las dos caras de la incertidumbre de medición: Tipo A y Tipo B

Una medición física nunca proporciona el «valor real» con absoluta certeza. En cambio, el resultado de la medición siempre va acompañado de un Incertidumbre de medición (u) Define un rango en el que el verdadero valor se encuentra con una cierta probabilidad. Esta incertidumbre surge de dos fuentes principales:

Desviaciones sistemáticas (tipo B): Estas son desviaciones predecibles, a menudo constantes, que provienen de fuentes externas. Ejemplos de ello son los errores en el certificado de calibración del instrumento de medición, las influencias ambientales como las fluctuaciones de temperatura o la influencia individual del operador.

Desviaciones aleatorias (tipo A): Estas incertidumbres son el resultado de la dispersión de mediciones repetidas en las mismas condiciones. Son impredecibles y se registran estadísticamente, por ejemplo, mediante la desviación estándar de una serie de mediciones. Esto puede ayudar más adelante a centrar los procesos.

La incertidumbre de medición combinada resulta de ambas proporciones. Importante: No es un error, sino un Medida de confianza en un resultado de medición.

Ejemplo: Si una pinza indica el valor de 10.00 mm ± 0.05 mm, esto significa que con una alta probabilidad el valor verdadero está entre 9.95 y 10.05 mm. Esta consideración conjunta hace tangible la confianza en un resultado de medición.

Una vez más, me gustaría citar al profesor Kessel:

La definición de incertidumbre de medición muestra que es una medida cuantitativa de la calidad del resultado de medición respectivo. Da una respuesta a la pregunta de qué tan bien el resultado obtenido refleja el valor de la medición. Permite al usuario evaluar la fiabilidad del resultado de la medición, por ejemplo, comparar los resultados de diferentes mediciones de la misma medición entre sí o con valores de referencia. La confianza en la comparabilidad de los resultados de las mediciones es importante en el comercio nacional e internacional de mercancías. Ayuda a romper las barreras comerciales y económicas.

A menudo, un valor de medición debe compararse con los valores límite especificados en una especificación o reglamento normativo. En este caso, la incertidumbre de medición puede utilizarse para determinar si el resultado de la medición está claramente dentro de los límites especificados o si los requisitos apenas se cumplen. Si el valor medido está muy cerca de un valor límite, existe un gran riesgo de que el valor medido no cumpla los requisitos. La incertidumbre de medición asociada es una ayuda importante en este caso para evaluar este riesgo de manera realista.

Regresión lineal e incertidumbre de medición para series de medición

En la práctica, a menudo se registran series completas de mediciones. Para analizar tendencias o relaciones, se utiliza el Regresión lineal. Se establece una línea recta a través de los puntos de medición, que describe la relación entre dos variables.

La incertidumbre también juega un papel aquí: Cuanto mayor sea la dispersión de puntos alrededor de la línea de regresión, más incierta será la predicción. Las estadísticas proporcionan herramientas tales como Determinación (R2) o intervalos de confianza para capturar cuantitativamente esta incertidumbre.

Para los laicos, esto puede explicarse de la siguiente manera: Cuanto más cerca estén los puntos de medición de la línea, mejor será la predicción. Si se desvían bruscamente, la confianza en la declaración disminuye.

Mejores prácticas para la aplicación

• Ejecutar siempre un MSA antes Análisis de la capacidad de la máquina o del proceso.
• Repita el análisis para nuevos sistemas de medición, después de reparaciones, cambios de proceso o a intervalos regulares.
• Utilice condiciones realistas: Mismo entorno, mismo controlador, mismos componentes.
• Documentar los resultados: son fundamentales para las auditorías y las aprobaciones de los clientes.
• Objetivo «suficientemente bueno»: El objetivo no es la perfección absoluta, sino resultados confiables y decididos.

Conclusión: La Filosofía de Nivel 92 en la Tecnología de Medición

La tecnología de medición no se trata de forzar la perfección inalcanzable. Es crucial lograr un alto nivel de calidad y fiabilidad estadísticamente asegurado.

Un sistema de medición debe ser «capaz», no impecable, pero Fiable para el propósito previsto. Aquí es donde se encuentra el arte: El equilibrio entre precisión, esfuerzo y pragmatismo. O, en el lenguaje de la filosofía Level 92 -> «suficientemente bueno para salir realmente adelante».