Estudio de sistemas de medida con ensayos destructivos. Una aplicación sobre tiempos de producción.

DSpace/Manakin Repository

Show simple item record

dc.contributor.author Pagura, José Alberto
dc.contributor.author Quaglino, Marta Beatriz
dc.contributor.author Dianda, Daniela Fernanda
dc.contributor.author Lupachini, Evangelina
dc.date.accessioned 2013-04-26T14:24:14Z
dc.date.available 2013-04-26T14:24:14Z
dc.date.issued 1905-07-02
dc.identifier.citation Pagura, J., Quaglino, M., Dianda, D., & Lupachini, E. (2010). Estudio de sistemas de medida con ensayos destructivos. Una aplicación sobre tiempos de producción. SaberEs, (2). es
dc.identifier.issn 1852-4222
dc.identifier.uri http://hdl.handle.net/2133/2337
dc.description.abstract Los estudios de repetibilidad y reproducibilidad fueron diseñados con el propósito de analizar la bondad de los sistemas de medición, análisis cuya importancia radica en el hecho que un sistema inadecuado introducirá variabilidad adicional ocasionando que las mediciones no reflejen el verdadero comportamiento del proceso. El análisis se basa en la cuantificación de la variabilidad asociada al sistema de medición y su posterior comparación con la variabilidad total observada, siendo requerimiento fundamental para ello que resulte factible obtener mediciones repetidas de una misma unidad bajo las mismas condiciones experimentales, de lo contrario, la variabilidad en las mediciones estará confundida con la variabilidad propia de las partes medidas. Tal es el caso en que los ensayos de medición son “destructivos”, esto es, las unidades no son robustas frente al proceso de medición, o bien, las unidades no son temporalmente estables. En este trabajo se exponen diversas alternativas para el caso de estudios R&R con ensayos destructivos y una aplicación particular en un problema real sobre estimación de tiempos de producción en una empresa metalúrgica. El empleo de Modelos Lineales Generalizados permitió obtener estimaciones adecuadas de ciertas Componentes de Variancia, que advirtieron sobre características importantes a mejorar en el proceso de medición. es
dc.description.abstract Gauge Repeatability and Reproducibility (R&R) studies were designed to asses the ability of a measurement system; their importance lies in the fact that an inadequate system would introduce additional variability causing measurements to not represent the true process performance. R&R analysis is based on quantifying the measurement system variability and its comparison with total variability, being an essential requirement to take repeated measurements on the same part under same experimental conditions. Otherwise, measurement variability will be confused with part-to-part variation. Such is the case of destructive measurements, where parts are not temporally stable, or measurements can only be obtained by damaging the part. This study presents several approaches to deal with destructive measurements and an application in a real problem about production time estimates in a metallurgical company. Generalized Linear Models were used and made possible to obtain adequate estimations of some Variance Components, which warned about important features to be improved in the measurement process. es
dc.language es
dc.language.iso es es
dc.publisher Facultad de Ciencia Económicas y Estadística - Universidad Nacional de Rosario es
dc.rights openAccess es
dc.source SaberEs;No 2 (2010)
dc.subject Repetibilidad es
dc.subject Reproducibilidad es
dc.subject Componentes de Variancia es
dc.subject Repeatability es
dc.subject Reproducibility es
dc.subject Variance components es
dc.title Estudio de sistemas de medida con ensayos destructivos. Una aplicación sobre tiempos de producción. es
dc.type article
dc.type artículo
dc.type publishedVersion
dc.description.peerreviewed Peer reviewed es
dc.relation.publisherversion http://zeus.fcecon.unr.edu.ar/revista/index.php/revista/issue/view/3 es
dc.description.affiliation Fil: Pagura, José. Facultad de Ciencias Económicas y Estadística, Universidad Nacional de Rosario; Argentina.
dc.description.affiliation Fil: Quaglino, Marta. Facultad de Ciencias Económicas y Estadística, Universidad Nacional de Rosario; Argentina.
dc.description.affiliation Fil: Dianda, Daniela. Facultad de Ciencias Económicas y Estadística, Universidad Nacional de Rosario; Argentina


Files in this item

This item appears in the following Collection(s)

Show simple item record

My Account


Search DSpace


Browse

Statistics