Cómo recopilar datos de tipo A para el análisis de incertidumbre

Según mis observaciones, los laboratorios están teniendo dificultades para calcular y estimar la incertidumbre de medición. Uno de los problemas más comunes que encuentro es que los laboratorios no realizan estudios de variabilidad (es decir, recopilar datos tipo A, Gauge R & R, etc.). Como resultado, hay muy pocos datos para generar estimaciones confiables de incertidumbre en los resultados de las mediciones.

Hoy en día, los organismos de acreditación (AB) requieren que los contribuyentes de incertidumbre aleatoria se incluyan en la estimación de las declaraciones de capacidad de calibración y medición (CMC). Los laboratorios que excluyen estos factores pueden recibir una notificación de no conformidad (por ejemplo, deficiencia). Para resolver este problema y prepararlo para su próxima evaluación, le mostraré cómo recopilar, registrar y analizar los datos necesarios para cuantificar adecuadamente sus contribuyentes de incertidumbre aleatoria.

¿Cuál es el objetivo?

El objetivo es recopilar suficientes datos para cuantificar los siguientes parámetros;

01 | Repetibilidad: la precisión básica a corto plazo para un sistema de medición

02 | Reproducibilidad: la variabilidad diaria de un sistema de medición

03 | Estabilidad: la variabilidad de una carrera a otra para un sistema de medición

¿Cómo recopilar los datos?

Usando un diseño de experimento anidado, podremos evaluar de manera efectiva la variabilidad en tres niveles.

diseño de experimentos

Nivel 1: Repetibilidad

Realice un número 'n' de mediciones replicadas y registre los resultados. Calcule la media, la desviación estándar y los grados de libertad del conjunto de datos. Registre los resultados como se muestra a continuación.

Datos de repetibilidad-1

Nivel 2: Reproducibilidad

Repita los experimentos de nivel 1 (repetibilidad) durante 'n' número de días consecutivos y registre los resultados. Esto se identificará como 'Carrera 1'. Calcule la media, la desviación estándar y los grados de libertad de todas las medias registradas en el nivel 1. Registre los resultados en una nueva tabla, denominada Nivel 2, como se muestra.

datos de repetibilidad-2

Nivel 3: Estabilidad

Repita los experimentos de nivel 1 y nivel 2 para 'n' número de ejecuciones y registre los resultados. Calcule la media, la desviación estándar y los grados de libertad de todas las medias registradas en el Nivel 2. Registre los resultados en una nueva tabla, denominada Nivel 3, como se muestra.

tabla de reproducibilidad-1

¿Cómo analizar los datos?

Para el nivel 1, repetibilidad, utilice el método de «varianza agrupada» para calcular la repetibilidad (s1) y los grados de libertad a partir de los valores registrados de desviación típica.

Para el nivel 2, reproducibilidad, utilice el método de «varianza agrupada» para calcular la reproducibilidad (s2) y los grados de libertad a partir de los valores registrados de desviación típica.

Para el nivel 3, estabilidad, utilice los valores registrados de desviación estándar y los grados de libertad para cuantificar la estabilidad (s3).

Tabla de datos tipo A

Ahora que hemos identificado un diseño de experimento y hemos cubierto cómo recopilar, registrar y analizar nuestros datos de tipo A, lo animo a crear un procedimiento y poner en práctica esta práctica. Luego, envíeme un correo electrónico a [email protected] y proporcione algunos comentarios. Dime lo que te gusta, lo que no te gusta, ofrece sugerencias y compártelo con tus colegas. Tu aporte se utilizará para modificar y mejorar el proceso. Además, me ayudará a terminar de desarrollar mi próximo trabajo profesional.

Sobre el Autor

Richard Hogan

Richard Hogan es el director ejecutivo de ISO Budgets, LLC, una firma estadounidense de consultoría y análisis de datos. Sus servicios incluyen consultoría de medición, análisis de datos, presupuestos de incertidumbre y gráficos de control. Richard es ingeniero de sistemas con experiencia en gestión de laboratorios y control de calidad en el sector de la metrología. Se especializa en análisis de incertidumbre, estadística industrial y optimización de procesos. Richard posee una maestría en Ingeniería por la Universidad Old Dominion en Norfolk, Virginia. Conéctate con Richard en LinkedIn .

Deja un comentario

Su dirección de correo electrónico no será publicada. Los campos obligatorios están marcados *