Con estos registros hemos querido poner en práctica el Análisis Gage, para ello hemos planteado estas dos preguntas:
1.¿Podemos concluir que el sistema es fiable?
2.¿Cuál de las 3 configuraciones de tiro tiene más variación?
library(SixSigma)
## Warning: package 'SixSigma' was built under R version 4.0.3
my.rr <- ss.rr(var = DISTANCIA, part = ELEMENTO,
appr = OPERARIO,
data = registros,
main = "Análisis Gage",
sub = "Catapulta Virtual")
## 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
Como podemos ver el análisis no es fiable, ya que el %contrib es de 14.2% (superando el 9%) y el %StudyVar es del 37.69% (superior al 30%), así que deberá de ser mejorado.
En el anova podemos detectar diferencias significativas entre los configuraciones de tiro. Gráficamente observamos que hay una variación en los tiros de cinco operarios: Andrea, Esther y Alexandro en la configuración "H", Lorena en la configuración "C" y Diego en la "D".