Práctica Medir: Variabilidad y Fiabilidad

Cargamos los datos y convertimos en factor las varibles Elemento, y Tiro.

library(readr)
data <- read_delim("C:/Users/ChristianPC/Desktop/CUARTO/MEJORA DE PROCESOS/practica3.2/data.csv",";", escape_double = FALSE, col_types = cols(ELEMENTO = col_factor(levels = c()), TIRO = col_factor(levels = c())), trim_ws = TRUE)
View(data)
summary(data)

##  Marca temporal        EQUIPO          CONDICIONES DE TIRO. RELEASE ANGLE
##  Length:345         Length:345         Min.   :185                       
##  Class :character   Class :character   1st Qu.:185                       
##  Mode  :character   Mode  :character   Median :185                       
##                                        Mean   :185                       
##                                        3rd Qu.:185                       
##                                        Max.   :185                       
##  CONDICIONES DE TIRO. FIRING ANGLE CONDICIONES DE TIRO. CUP ELEVATION
##  Min.   :113.0                     Min.   :270.0                     
##  1st Qu.:113.0                     1st Qu.:270.0                     
##  Median :120.0                     Median :300.0                     
##  Mean   :122.6                     Mean   :290.1                     
##  3rd Qu.:135.0                     3rd Qu.:300.0                     
##  Max.   :135.0                     Max.   :300.0                     
##  CONDICIONES DE TIRO. PIN ELEVATION CONDICIONES DE TIRO. BUNGEE POSITION
##  Min.   :169.0                      Min.   :185                         
##  1st Qu.:169.0                      1st Qu.:185                         
##  Median :200.0                      Median :200                         
##  Mean   :189.6                      Mean   :195                         
##  3rd Qu.:200.0                      3rd Qu.:200                         
##  Max.   :200.0                      Max.   :200                         
##    OPERARIO           DISTANCIA     TIRO          ELEMENTO     elegida         
##  Length:345         Min.   :105.0   1:69   1,85135E+14:114   Length:345        
##  Class :character   1st Qu.:447.5   2:69   1,8512E+14 :115   Class :character  
##  Mode  :character   Median :510.0   3:69   1,85113E+14:116   Mode  :character  
##                     Mean   :522.0   4:69                                       
##                     3rd Qu.:635.0   5:69                                       
##                     Max.   :644.0

Para realizar un análisis Gage R&R usamos la librería SixSigma y el comando ss.rr(var, part, appr, data, main, sub), en el cual var es la variable distancia, part la variable elemento, appr la variable operador, data la base de datos con la que estamos trabajando y finalmente, main y sub es el título y subtítulo de los gráficos.

library(SixSigma)


my.rr <- ss.rr(var = DISTANCIA, part = ELEMENTO,
               appr = OPERARIO,
               data = data,
               main = "Six Sigma Gage R&R Measure",
               sub = "Lanzamientos catapulta")

## Complete model (with interaction):
## 
##                    Df  Sum Sq Mean Sq F value Pr(>F)
## ELEMENTO            2 2457310 1228655 211.882 <2e-16
## OPERARIO           22  115212    5237   0.903  0.591
## ELEMENTO:OPERARIO  44  255146    5799   7.723 <2e-16
## Repeatability     276  207241     751               
## Total             344 3034910                       
## 
## alpha for removing interaction: 0.05 
## 
## Gage R&R
## 
##                      VarComp %Contrib
## Total Gage R&R     1760.4541    14.20
##   Repeatability     750.8729     6.06
##   Reproducibility  1009.5812     8.15
##     OPERARIO          0.0000     0.00
## ELEMENTO:OPERARIO  1009.5812     8.15
## Part-To-Part      10633.5344    85.80
## Total Variation   12393.9884   100.00
## 
##                      StdDev StudyVar %StudyVar
## Total Gage R&R     41.95777 251.7466     37.69
##   Repeatability    27.40206 164.4124     24.61
##   Reproducibility  31.77391 190.6434     28.54
##     OPERARIO        0.00000   0.0000      0.00
## ELEMENTO:OPERARIO  31.77391 190.6434     28.54
## Part-To-Part      103.11903 618.7142     92.63
## Total Variation   111.32829 667.9697    100.00
## 
## Number of Distinct Categories = 3

Finalmente, puesto que obtenemos un valor de 37.69% (%StudyVar), un valor de 14.20% (%Contrib) y se distinguen tres categorías distintas podemos afirmar que el sistema de medida es inaceptable y debería ser mejorado.