Os Estudos de Gage R&R medem a variação total do medidor como uma porcentagem da tolerância do processo, ajudando a determinar se uma ferramenta de medição é adequada para inspecionar peças.
Lembro-me da primeira vez que rejeitei um lote de peças perfeitamente bom. Meu paquímetro digital disse que elas estavam fora da especificação, mas meu colega as mediu cinco minutos depois e constatou que estavam bem dentro da tolerância.
Foi desconcertante.
Presumi que a ferramenta estivesse quebrada ou que as peças estivessem empenando, mas eu estava procurando no lugar errado.
Acontece que, toda vez que você faz uma medição, não está apenas capturando a realidade da peça. Você está capturando uma combinação da dimensão real da peça mais o ruído introduzido pela ferramenta (repetitividade) e pela pessoa que a segura (reprodutividade).
É aqui que o Gage R&R se torna útil. É um pouco como uma configuração de cancelamento de ruído para seus dados.
É uma metodologia que lhe diz exatamente quanto da variação observada no processo vem da própria análise do sistema de medição (MSA) em comparação com a variação real da peça. Se sua “régua” for de borracha, você não pode confiar na medição, não importa o quão precisos os números pareçam.
Você usará esta ferramenta constantemente. É a maneira padrão de validar novos equipamentos brilhantes, comparar dois dispositivos diferentes ou verificar uma CMM (Máquina de Medição por Coordenadas) após um reparo. Se você está apenas começando com os conceitos de QA, talvez queira ler sobre controle de qualidade primeiro.
Neste post, vou compartilhar como configurar e conduzir um estudo de Gage R&R para que você possa começar a confiar em seus dados.
Vamos ver como fazer isso!
Índice
O que é um Estudo de Gage R&R?
Geralmente assumimos que nossos paquímetros e micrômetros digitais nos dizem a verdade.
Mas aqui está a realidade: cada sistema de medição adiciona sua própria camada de ruído aos seus dados. Um estudo de Gage R&R é a ferramenta que usamos para medir esse ruído.
Gage R&R, onde os Rs representam Repetitividade e Reprodutividade, é um método quantitativo.
Ele isola a variação causada puramente pelo seu processo de medição (a ferramenta mais o humano que a utiliza) e a compara com a variação total que você vê na sua produção.
Pense nisso como ouvir um rádio. A música é a variação real da sua peça (o sinal que você quer captar). O chiado estático é o seu erro de medição. Se a estática for muito alta, você não consegue distinguir uma música da outra.
O Gage R&R mede o volume dessa estática para ver se vale a pena manter o rádio.
Este estudo é o pilar central de uma estrutura maior: análise do sistema de medição (MSA). Quando você o executa, obtém respostas para três perguntas de caixa preta:
- Medição vs Processo: A flutuação é real ou é apenas o medidor agindo estranho?
- Influência do Operador: O resultado depende de quem está segurando a ferramenta?
- Discriminação: Seu sistema de medição é sensível o suficiente para realmente distinguir entre as peças?
Repetitividade (Variação do Equipamento)
Isso nos leva ao primeiro R do nome. Repetitividade (também pode ser chamada de Variação do Equipamento). Ela mede a precisão inerente do próprio hardware
Ela faz uma pergunta simples:
Se um operador usa o mesmo instrumento para medir a mesma característica na mesma peça várias vezes, ele obtém o mesmo número?
Idealmente, sim.
Se você obtém números diferentes toda vez que mede o mesmo pino de aço, sua repetitividade é ruim.
Quando essa variação é alta, o problema geralmente é a ferramenta em si. Ela pode estar suja, solta ou talvez simplesmente não tenha a resolução necessária para a tolerância que você está tentando atingir.
Reprodutividade (Variação do Avaliador)
O segundo R significa Reprodutividade. Em estatística, chamamos isso de Variação do Avaliador. Isso muda o foco da ferramenta para os humanos que a utilizam.
Aqui, observamos a consistência em toda a equipe.
Se o Operador A entrega a ferramenta de medição ao Operador B para medir aquela mesma peça, eles concordam com o valor?
Acontece que a maneira como você segura um paquímetro ou interpreta uma escala analógica varia muito entre as pessoas.
Se a reprodutividade for a principal fonte de erro, geralmente significa que seu procedimento operacional padrão (POP) não é claro o suficiente, ou seus operadores precisam de um pouco mais de treinamento técnico.
Por que realizar um Estudo de Gage R&R?
Imagine tentar se pesar em uma balança de banheiro que lhe dá um número diferente toda vez que você sobe nela. Você nunca saberia se realmente ganhou peso ou se a balança está apenas agindo de forma estranha.
(Na dúvida, eu também colocaria a culpa na balança).
Em metrologia, chamamos isso de erro de medição. Ele se esconde dentro de cada ponto de dados que você coleta.
Isso é enganosamente perigoso para o seu processo de qualidade.
Se você usa o Controle Estatístico de Processo (CEP) para manter sua fabricação sob controle, está assumindo que seus números são precisos.
Mas se seus dados forem ruidosos, seus gráficos mostrarão fantasmas.
Você pode ajustar uma máquina que estava funcionando perfeitamente, apenas porque seu sistema de medição mentiu para você.
É aqui que o estudo Gage R&R brilha. É um filtro de alto contraste para sua variação. Ele separa o ruído em dois baldes:
- A própria ferramenta (Repetitividade)
- O humano usando-a (Reprodutividade).
Ele permite prever a porcentagem de erro no seu sistema para que você não esteja voando às cegas.
Quando você consegue distinguir entre um paquímetro quebrado e um problema de treinamento, você pode realmente corrigir o problema. Dados melhores levam a decisões mais claras, menos erros e qualidade consistentemente superior.
Tipos de Estudos de Gage R&R
Quando encontrei o Gage R&R pela primeira vez, presumi que fosse um teste único e padrão. Na verdade, existem três tipos distintos de estudos: Cruzado, Aninhado e Expandido.
Escolher o certo não é apenas uma preferência. Depende inteiramente da física da sua medição.
A decisão geralmente depende de uma pergunta enganosamente simples: medir a peça a destrói?
Você também precisa considerar a quantidade de dados que consegue obter.
Usar a estrutura errada é um problema comum que pode invalidar completamente sua análise, então vamos ver como distingui-los.
Gage R&R Cruzado
Este é o cenário que a maioria das pessoas imagina quando pensa em Gage R&R. É o padrão da indústria por um motivo, mas só funciona se o seu método de teste for não destrutivo.
Em um estudo Cruzado, o processo é definido pela repetição.
Posso entregar uma peça específica, vamos chamá-la de Peça nº 1, para o Operador A, deixá-lo medi-la, registrar os dados e depois entregar essa mesma peça exata para o Operador B. Como a peça passou pelo processo inalterada, cada operador mede cada peça várias vezes.
Isso cria um cruzamento de pontos de dados onde todos os fatores se sobrepõem perfeitamente.
Gage R&R Aninhado
É aqui que a destruição força sua decisão.
Se a sua medição envolver um teste de tração, um teste de esmagamento ou uma análise química que consome a amostra, você fisicamente não pode entregar a mesma peça a um segundo operador.
Ela se foi.
Em um estudo Aninhado, aceitamos que não podemos medir a mesma peça duas vezes. Em vez disso, temos que confiar no conceito de lotes.
Assumimos que as peças provenientes do mesmo lote exato, cavidade de molde ou pequena corrida de produção são idênticas o suficiente para representar um único ponto de dados.
Os operadores estão essencialmente “aninhados” dentro dos lotes:
- Operador A mede as peças de 1 a 5,
- Operador B mede as peças de 6 a 10.
O Operador B nunca vê as peças que o Operador A tocou.
O desafio aqui é a Suposição de Homogeneidade.
Para que isso funcione, a variação entre a Peça 1 e a Peça 2 deve ser insignificante em comparação com o erro de medição que estamos tentando encontrar.
Se o seu processo de fabricação tiver alta variação dentro de um único lote, o estudo Aninhado interpretará mal essa variação da peça como erro de medição.
Gage R&R Expandido
Às vezes, a vida real é muito complicada para os modelos padrão. Os estudos Cruzado e Aninhado assumem um mundo relativamente limpo: geralmente dois operadores, um medidor e um conjunto de peças.
Mas o que acontece quando você introduz variáveis extras?
O gatilho mais comum para isso é a introdução de dispositivos de fixação. Se você estiver medindo uma peça que se encaixa em um dispositivo de fixação, não está apenas medindo a peça.
Você está realmente testando a capacidade do dispositivo de segurar a peça de forma consistente.
Se você tiver dois dispositivos diferentes, essa será uma nova variável que um estudo Cruzado padrão agrupará como erro. Um estudo Expandido pode isolar o “Dispositivo” como sua própria fonte de variância.
Esta estrutura também é necessária para projetos desequilibrados.
Em um mundo perfeito, cada operador mede cada peça três vezes. No mundo real, o Operador A pode perder um turno ou uma peça pode se perder.
Os cálculos padrão geralmente falham com dados faltantes, enquanto os cálculos Expandidos (que geralmente usam um Modelo Linear Geral) são mais robustos a essas imperfeições.
No entanto, aconselho cautela aqui.
Estudos Expandidos exigem significativamente mais dados para obter resultados estatisticamente significativos porque você está fatiando o bolo em pedaços menores (Peça, Operador, Medidor, Dispositivo, Interação, etc.). Não use apenas para parecer sofisticado; use-o apenas se você realmente suspeitar que uma terceira variável está impulsionando a variação da sua medição.
Métodos de Cálculo
Depois de coletar seus dados, você precisa processá-los para entender sua análise do sistema de medição.
Existem duas formas principais de realizar esses cálculos: o Método da Média e Amplitude e o Método ANOVA.
Independentemente do método escolhido, ambos visam estimar os mesmos três componentes de erro: repetitividade (variação do equipamento), reprodutividade (variação do avaliador) e variação peça a peça.
O objetivo é isolar esses fatores para que você possa ver exatamente onde está a variação.
Método da Média e Amplitude
Esta é a abordagem clássica. É muito simples e muitas vezes é calculada manualmente porque a matemática é direta.
Baseia-se na amplitude média das suas medições para estimar a variação. Você usa uma constante estatística específica (conhecida como d2*) para determinar o desvio padrão para a repetitividade.
Embora este método atue como uma ótima verificação de sanidade, ele tem um ponto cego.
Ele assume que operadores e peças não interagem. Ele não pode dizer se um operador específico tem dificuldades com uma peça difícil específica enquanto mede peças fáceis perfeitamente.
Método ANOVA
O Método ANOVA (Análise de Variância) é o líder da indústria de metrologia.
Ao contrário do método anterior, a ANOVA divide a variância em quatro categorias específicas:
- Variância da peça,
- Variância do avaliador,
- A interação entre eles,
- Erro de replicação.
Isso lhe dá uma imagem muito melhor da realidade.
Como pode distinguir a relação entre avaliadores e peças, quase todos os softwares modernos usam esse cálculo.
Ele detecta aquelas pegadinhas sutis no seu processo. Para obter mais detalhes técnicos sobre as estatísticas envolvidas, você pode consultar o guia da ASQ.
Preparação para um Estudo de Gage R&R
Antes de começar a medir, precisamos lidar com a configuração. Um estudo de Gage R&R é sensível à forma como você prepara seus dados.
Se você alimentá-lo com entradas ruins, até mesmo o melhor software de análise cuspirá números inúteis. Pense nisso como um teste cego de sabor: se quiser testar o paladar de um chef, não pode simplesmente dar a ele três tigelas de sopa idênticas.
Você precisa de variedade. É o maior problema no processo: seleção de peças.
Você precisa de 5 a 10 peças que representem toda a faixa de variação do seu processo. Não escolha apenas as peças perfeitas. Você quer as boas, as limítrofes e as ruins.
Se as peças forem muito semelhantes, a matemática terá dificuldade em distinguir entre as diferenças reais das peças e o erro de medição.
Depois de ter seu equipamento calibrado e operadores treinados, aqui está a receita padrão para um estudo robusto:
- 2 a 3 Operadores
- 5 a 10 Peças (abrangendo toda a faixa do processo)
- 2 a 3 Tentativas (medições por peça por operador)
Você também precisa ser rigoroso quanto à randomização.
Se um operador mede a Peça 1, depois a Peça 2, depois a Peça 3 na mesma ordem todas as vezes, ele pode lembrar inconscientemente dos valores medidos.
Você tem que randomizar a ordem para cada tentativa para mantê-la honesta. Finalmente, defina claramente sua unidade de medida (micrômetros, milímetros, polegadas, etc.) para que seus cálculos de porcentagem da tolerância realmente façam sentido posteriormente.
Coleta de Dados
Coletar os dados parece simples, mas é aqui que a maioria dos estudos sai dos trilhos.
Acontece que o maior inimigo de um bom estudo de Gage R&R é a memória humana. Se um operador lembra que a “Peça 4” mediu um pouco alto da última vez, ele pode inconscientemente ajustar sua técnica para corresponder a esse resultado anterior.
Isso cria um ciclo de feedback que oculta a variação real.
Para vencer isso, você precisa tratar sua coleta de dados como um experimento duplo-cego. Você deve quebrar o padrão.
A prática padrão é ter vários operadores medindo o mesmo conjunto de peças, mas nunca deixá-los ver os números das peças.
Mais importante ainda, você tem que randomizar a ordem para cada tentativa. Essa randomização impede que a “memória muscular” da medição polua seus dados.
Ao registrar os resultados, você precisa capturar quatro pontos de dados específicos para que a matemática funcione mais tarde:
- ID do Operador
- ID da Peça (oculto do operador)
- Valor da Medição
- Número da Tentativa
Esta abordagem rigorosa é a espinha dorsal da metrologia industrial confiável. Se você pular a randomização, não estará mais medindo a capacidade da ferramenta. Você está apenas medindo a capacidade do operador de lembrar seus palpites anteriores.
Calcular Resultados do Gage R&R
Agora vem o momento da verdade.
Depois de coletar seus dados, você precisa traduzir esses números brutos em um placar para seu sistema de medição. Confiamos em três métricas principais aqui: % de Contribuição, % de Variação do Estudo e % de Tolerância.
Pense nelas como lentes diferentes para visualizar o mesmo problema:
- % de Contribuição ajuda a identificar a fonte de variação (como uma ferramenta de diagnóstico),
- % de Variação do Estudo avalia a variação do sistema de medição em relação à variação total observada no estudo (como verificar a adequação contra o ruído do processo),
- % de Tolerância informa se o medidor é realmente preciso o suficiente para confiar em relação às especificações do cliente.
Interpretar Resultados
Você processou os números. Agora vem o momento da verdade. Interpretar esses resultados é, sem dúvida, a parte mais importante de toda a análise do sistema de medição.
Geralmente usamos a porcentagem da tolerância ou % de Variação do Estudo para classificar o sistema em relação aos padrões da indústria:
- Abaixo de 10%: Aceitável. O sistema é confiável.
- 10% a 30%: Condicional. Pode funcionar para aplicações de baixo risco, mas você deve ficar de olho.
- Acima de 30%: Inaceitável. Você precisa corrigir o processo de medição antes de confiar nos dados.
Se seus resultados caírem na categoria “corrigir”, veja o detalhamento.
Se a repetitividade for significativamente maior que a reprodutividade, o problema provavelmente é o próprio medidor. Pode estar solto, sujo ou difícil de posicionar.
Se a reprodutividade for o problema maior, o problema geralmente são as pessoas. Seus operadores provavelmente precisam de treinamento sobre como segurar ou ler a ferramenta de forma consistente.
Métodos de Análise Gráfica
A confiança em cálculos brutos é tentadora, mas os números podem ser muito simples para alguns casos.
Você pode obter uma pontuação de porcentagem de tolerância aprovada e ainda assim perder padrões estranhos nos dados. É aqui que a análise gráfica é útil. Ela valida as descobertas do seu estudo e oferece insights que uma planilha simplesmente não pode igualar.
Apenas lembre-se da regra de ouro aqui: esses gráficos ilustram a eficácia do sistema de medição, não o desempenho do processo de fabricação. Estamos avaliando a régua, não o objeto.
Erros Comuns
Acontece que a matemática (seja usando a Média e Amplitude ou o Método ANOVA) raramente é o problema.
O verdadeiro acontece durante a configuração.
O erro mais frequente é selecionar peças que são muito perfeitas. Pode parecer contraintuitivo, mas suas peças de amostra precisam representar a faixa completa da variação do processo.
Se todas as peças forem estatisticamente idênticas, a única variação que o estudo detecta é o erro de medição. Isso infla artificialmente suas taxas de erro, fazendo com que um sistema de medição perfeitamente bom pareça terrível porque não há variação entre peças para comparar.
Se os operadores medirem peças consistentemente em sequência (1, 2, 3…), eles memorizarão inconscientemente os valores. Sempre randomize a ordem de apresentação para cada tentativa para evitar esse viés.
O ambiente é outro problema a considerar.
Se você estiver medindo peças de metal e a temperatura oscilar alguns graus entre os testes da manhã e da tarde, as peças efetivamente mudam de tamanho.
Nesse ponto, você não está medindo repetitividade e reprodutividade, está medindo a expansão térmica.
Mantenha o ambiente consistente.
Melhorar o Desempenho do Sistema de Medição
Números de alta variação em um estudo de Gage R&R podem ser frustrantes, mas também são um mapa. Eles dizem exatamente onde a análise do sistema de medição encontrou um elo fraco. Idealmente, você quer que a variação venha das peças, não de suas ferramentas.
Se você encontrar um erro alto de repetitividade, o problema geralmente é o hardware. O próprio medidor está instável. É como tentar pesar uma pena em uma mesa bamba.
- Calibre o equipamento ou realize manutenção profunda para apertar mecânicas soltas.
- Substitua componentes desgastados, como dispositivos de fixação que podem se deslocar durante o uso.
- Controle o ambiente reduzindo a vibração ou estabilizando a temperatura.
Se você vir um erro alto de reprodutividade, o problema é o método. Seus operadores provavelmente estão segurando a peça ou lendo o display de forma diferente. Acontece que pequenos hábitos criam grandes lacunas de dados.
- Padronize procedimentos para que cada pessoa use exatamente a mesma técnica.
- Treine operadores para interpretar o medidor de forma consistente.
- Crie instruções de trabalho visuais (fotos são ótimas aqui) para remover a ambiguidade.
Às vezes, a ferramenta simplesmente não é precisa o suficiente. Se sua porcentagem da tolerância permanecer alta apesar de seus melhores esforços, o medidor provavelmente não tem a resolução necessária. Nesse caso, você deve substituir o equipamento por um dispositivo de maior precisão.
Dica Rápida: Você não terminou depois de fazer melhorias. Você deve executar novamente o estudo de Gage R&R para validar que as alterações realmente reduziram a variação.
Conclusão
Exploramos a mecânica do Gage R&R e, esperamos que você possa ver que é mais do que apenas uma caixa de seleção de conformidade.
Ele funciona como uma lente de alta definição para sua linha de produção.
Sem ele, você está essencialmente dirigindo no nevoeiro, adivinhando se as variações vêm do seu processo real de fabricação ou apenas das próprias ferramentas de medição. Ao quantificar a repetitividade e a reprodutividade, você se dá a capacidade de confiar com segurança em seus dados.
Sistemas de medição variam, ferramentas caem e novos operadores entram na equipe.
Tornar esses estudos um hábito regular garante que seus dados de qualidade permaneçam relevantes ao longo do tempo. Eu recomendo fortemente manter um registro sólido de cada estudo que você executa. Isso economiza grandes dores de cabeça durante auditorias e ajuda a identificar tendências de longo prazo que, de outra forma, passariam despercebidas.
Então pegue um conjunto de peças e comece a analisar os dados!
Mesmo um estudo rápido pode revelar coisas surpreendentes sobre seu processo. Dados de alta qualidade são a base de tudo o que fazemos aqui, então vale a pena garantir que essa base seja sólida.
Boas medições!
Perguntas Frequentes
Qual é o principal objetivo de um estudo de Gage R&R?
Ele calcula quanto da variação do seu processo vem do próprio sistema de medição. Você o usa para verificar se as diferenças vistas nos dados são diferenças reais da peça, não erros do medidor ou do operador. Isso confirma que seu processo de inspeção é válido.
Quando é apropriado realizar este estudo?
Você deve conduzir este estudo sempre que introduzir novos equipamentos de medição ou treinar novos operadores. Também é necessário antes de iniciar um projeto de melhoria de processo para confirmar que seus dados de base são confiáveis. Finalmente, execute-o periodicamente para verificar se seu sistema de medição permanece estável.
Qual é a diferença entre repetitividade e reprodutividade?
A repetitividade mede a variação quando uma pessoa mede a mesma peça várias vezes usando a mesma ferramenta. A reprodutividade analisa a variação entre pessoas diferentes medindo a mesma peça. Juntas, elas definem a precisão total do seu sistema de medição.
Quantos operadores e peças geralmente participam de um estudo?
Um estudo padrão geralmente requer dois ou três operadores e dez peças. Cada operador deve medir cada peça pelo menos duas ou três vezes. Você precisa selecionar peças que representem toda a faixa de variação do seu processo para obter resultados precisos.
Quais são os erros comuns durante a coleta de dados?
O erro mais comum é não randomizar a ordem das medições. Se os operadores souberem os valores das peças ou lembrarem de leituras anteriores, os dados se tornam tendenciosos. Além disso, certifique-se de que as peças abranjam toda a faixa de tolerância para não subestimar a variação do processo.
Qual é a diferença entre estudos Cruzados e Aninhados?
Você usa um estudo Cruzado quando os operadores podem medir as mesmas peças várias vezes sem destruí-las. Se o teste destruir a peça, você deve usar um estudo Aninhado. Em estudos Aninhados, você assume que o lote é consistente, pois não pode medir novamente o mesmo item exato.
Quando devo escolher o método ANOVA em vez da Média e Amplitude?
O método ANOVA é geralmente preferido porque é mais abrangente. Ao contrário do método mais simples de Média e Amplitude, a ANOVA calcula as interações operador-peça. Isso ajuda você a ver se operadores específicos têm dificuldades com tipos específicos de peças. O software moderno geralmente usa ANOVA por esse motivo.
Como interpreto alta reprodutividade nos meus resultados?
Alta reprodutividade significa que operadores diferentes obtêm resultados diferentes para as mesmas peças. Isso geralmente aponta para treinamento inconsistente ou instruções de trabalho pouco claras. Muitas vezes você pode corrigir isso criando guias visuais ou treinando novamente sua equipe na técnica de medição correta.
O que a métrica de % de Tolerância indica?
Esta métrica compara a variação da sua medição especificamente com as especificações do seu cliente. Ela informa se o seu medidor é preciso o suficiente para distinguir entre peças boas e ruins. Se essa porcentagem for muito alta, você pode rejeitar peças boas ou aceitar peças ruins.
O que indica uma interação entre operador e peça?
Uma interação ocorre quando alguns operadores medem certas peças consistentemente mais altas ou mais baixas do que outros. Você pode ver isso em um gráfico de interação onde as linhas se cruzam de forma não aleatória. Isso sugere que a dificuldade de medição muda dependendo do tamanho ou geometria da peça para operadores específicos.
