XXXXMSA教材最新版ppt课件

1、丈量系统分析Measurement System Analysis 1课程内容为什么要实施MSA?什么是MSA?如何实施MSA?如何分析MSA?培训目的:了解MSA5性分析,及运用5性分析确保量测系统能满足测试过程中的要求.2第一章 丈量系统根底第二章 丈量系统统计特性第三章 丈量系统变异性影响第四章 丈量系统分析3哪個製程較好呢？4第一章丈量系统根底57.6.1丈量系统分析为分析在各种丈量和实验设备系统丈量结果存在的变差，应 进展适当统计研讨。此要求必需适用于在控制方案中提出的丈量系统。所用的分析方法及接纳准那么，应符合与顾客关于丈量系统分 析的参考手册的要求.。假设得到顾客同意，也可采用其

2、它分析方法和接纳准那么。 PPAP手册中规定:对新的或进的量具丈量和实验设备应参考MSA手册进展变差 研讨APQP手册中规定:, MSA分析方案及分析报告为的输出之一.0.MSA分析的对象TS-16949 规范7.6 监视和丈量设备的控制61.丈量系统分析的目的 确定所运用的数据能否可靠: 丈量系统分析还可以：评价新的丈量仪器将两种不同的丈量方法进展比较对能够存在问题的丈量方法进展评价确定并处理丈量系统误差问题7 丈量定义为赋值或数给详细事物以表示它们之间 关于特定性的关系。这个定义由美国规范局(NBS) cccEisenhart1963初次提出。赋值过程定义为丈量过ccc程，而赋予的值定义为

3、丈量值。 量具：任何用来获得丈量结果的安装，经常用来特指 用在车间的安装；包括经过/不经过安装。 丈量系统：是用来对被测特性定量丈量或定性评价的 仪器或量具、规范、操作、方法、夹具、 软件、人员、环境和假设的集合；用来获 得丈量结果的整个过程。2.术语83.量测过程：规范：零件：仪器：人/程序：环境S W IPE量测数值分析输入输出可接受能够可接受需改善量 测 系 统假设丈量的方式不对，那么好的结果能够被测为坏的结果，坏的结果也能够被测为好的结果，此时便不能得到真正的产品或过程特性。94.丈量数据的质量数据质量最通用的统计特性: 准确度 ( Accuracy ) X或称偏移(BIAS): 量测

4、实践值与工件真值间之差别,是指数据相对基准规范 值的位置。 精细度 ( Precision ) 或称变差(Variation): 利用同一量具，反复量测一样工件同一质量特性，所得数据之变异性。是指数据的分布。位置(Location )宽度 (Width )数据的质量:取决于从处于稳定条件下进展操作的测 量系统中，多次丈量的统计特性.104.1低质量数据的缘由和影响低质量数据的普遍缘由之一是变差太大一组数据中的变差多是由于丈量系统及其环境的相 互作用呵斥的。假设相互作用产生的变差过大，那么数据的质量会 太低，从而呵斥丈量数据无法利用。如：具有较大 变差的丈量系统能够不适宜用于分析制造过程，因 为

5、丈量系统的变差能够掩盖制造过程的变差。115.丈量过程为了有效地控制任何过程变差，需求了解： 过程应该做什么? 什么能导致错误? 过程在做什么? 规范和工程要求规定过程应该做什么。?过程失效方式及后果分析PFMEA是用来确定与 潜在过程失效相关的风险，并在这些失效出现前提 出纠正措施。PFMEA的结果转移至控制方案。经过评价过程结果或参数，可以获得过程正在做什 么的知识。这种活动，通常称为检验，确定或否认过程是以稳定的方式操作并符合顾客 规定的目的。这种检查行为本身就是过程。121)足够的分辨率和灵敏度。2)是统计受控制的。3)产品控制，变异性小于 公差。4)过程控制:显示有效的分辨率.变异性

6、小于制造过程变差.6.丈量系统的统计特性13部件A部件B部件A部件BA=2.0B=2.0A=2.52B=2.006.1丈量仪器-分辨率分辨率(分辨力、可读性、分辨率): 别名：最小的读数的单位、丈量分辨率、刻度限制 或探测度 为丈量仪器可以读取的最小丈量单位。丈量分辨率描画了丈量仪器分辨两个部件的丈量值之间的差别的才干由设计决议的固有特性丈量或仪器输出的最小 刻度单位总是以丈量单位报告1：10阅历法那么146.1丈量系统的有效分辨率1.要求不低于过程变差或允许偏向tolerance的非常 之一.2.零件之间的差别必需大于最小丈量刻度;极差控制图可 显示分辨率能否足够看控制限内有多少个数据分级

7、不同数据分级(ndc)的计算为: ndc=(零件的规范偏向/ 总的量具偏向)* 1.41. 普通要求它大于4才可接受156.2敏感度Sensitivity敏感度是指能产生一个可检测到有用的输出信 号的最小输入。它是丈量系统对被测特性变化的回应。敏感度由量具设计分辨力、固有质量OEM、 运用中保养，以及仪器操作条件和规范来确定。它通常被表示为一丈量单位。16第二章丈量系统统计特性17数据变差的来源仪器(量具)任务件(零件)扩展量测系统变异变异性敏感性接触几何变形效应一致性单一性反复性再现性运用假设稳健设计偏移线性稳定性校准预防性维护维护创建公差开展的变异开展设计变异夹持位置丈量站丈量探测器相互关

8、连的特性清洁适宜的数据任务的定义弹性变形质量弹性特性支撑特性隐藏的几何可追溯性校准热分散系数弹性特性人员/程序环境教育身体的限制程序目视规范任务规定任务态度阅历培训阅历培训了解技艺人因工程照明压力振动空气污染几何的兼容性阳光人工光阳光阳温度人员空气流程热的系统平等化系统构成要素周期规范与环境的关系标 准18丈量系统的统计特性Bias偏倚(Bias)Repeatability反复性(precision精度)Reproducibility再现性Linearity线性Stability稳定性19基准值观测平均值偏倚偏倚：是丈量结果的观测平均值与基准值的差值。真值的获得可以经过采用更高等级的丈量设备进

9、展多次丈量，取其平均值。1.偏倚(Bias)20仪器需求校准仪器、设备或夹紧安装的磨损磨损或损坏的基准，基准出现误差校准不当或调整基准的运用不当仪器质量差设计或一致性不好线性误差运用错误的量具不同的丈量方法设置、安装、夹紧、技术丈量错误的特性量具或零件的变形环境温度、湿度、振动、清洁的影响违背假定、在运用常量上出错运用零件尺寸、位置、操作者技艺、疲劳、察看错误1.1呵斥过份偏倚的能够缘由21反复性指由同一个操作人员用同一种量具经多次丈量同一个零件的同一特性时获得的丈量值变差四同2.反复性(Repeatability) Master Value22零件(样品)内部：外形、位置、外表加工、锥度、样

10、品一致性。仪器内部：修缮、磨损、设备或夹紧安装缺点，质量差或维护不当。基准内部：质量、级别、磨损方法内部：在设置、技术、零位调整、夹持、夹紧、点密度的变差评价人内部：技术、职位、缺乏阅历、操作技艺或培训、觉得、疲劳。环境内部：温度、湿度、振动、亮度、清洁度的短期起伏变化。违背假定：稳定、正确操作仪器设计或方法缺乏稳健性，一致性不好运用错误的量具量具或零件变形，硬度缺乏运用：零件尺寸、位置、操作者技艺、疲劳、察看误差(易读性、视差)2.反复性不好的能够缘由23由不同操作人员，采用一样的丈量仪器，丈量同一零件的同一特性时丈量平均值的变差三同一异再现性3.再现性(Reproducibility)In

11、spector AMaster ValueInspector BInspector CInspector AInspector BInspector C24零件(样品)之间：运用同样的仪器、同样的操作者和方法时，当丈量零件的类型为A,B,C时的均值差。仪器之间：同样的零件、操作者、和环境，运用仪器A,B,C等的均值差规范之间：丈量过程中不同的设定规范的平均影响方法之间：改动点密度，手动与自动系统相比，零点调整、夹持或夹紧方法等导致的均值差3.1再现性不好的能够潜在缘由25评价人(操作者)之间：评价人A,B,C等的训练、技术、技艺和阅历不同导致的均值差。对于产品及过程资历以及一台手动丈量仪器，推

12、蕮进展此研讨。环境之间：在第1,2,3等时间段内丈量，由环境循环引起的均值差。这是对较高自动化系统在产品和过程资历中最常见的研讨。违背研讨中的假定仪器设计或方法缺乏稳健性操作者训练效果运用零件尺寸、位置、察看误差(易读性、视差)3.1再现性不好的能够潜在缘由26基准值較小的偏倚基準值較大的偏倚量測平均值(低量程)量測平均值(高量程)基準值量測值無偏倚偏倚線性(變化的線性偏倚)在量具正常任务量程内的偏倚变化量多个独立的偏倚误差在量具任务量程内的关系是丈量系统的系统误差构成4.线性(Linearity)27仪器需求校准，需减少校准时间间隔；仪器、设备或夹紧安装磨损；缺乏维护通风、动力、液压、腐蚀、

13、清洁；基准磨损或已损坏；校准不当或调整基准运用不当；仪器质量差；设计或一致性不好；仪器设计或方法缺乏稳定性；运用了错误的量具；不同的丈量方法设置、安装、夹紧、技术；量具或零件随零件尺寸变化、变形；环境影响温度、湿度、震动、清洁度；其它零件尺寸、位置、操作者技艺、疲劳、读错。4.1线性误差的能够缘由28稳定性时间1时间2是丈量系统在某继续时间内丈量同一基准或零件的单一特性时获得的丈量值总变差。5.稳定性(Stability)29仪器需求校准，需求减少校准时间间隔仪器、设备或夹紧安装的磨损正常老化或退化缺乏维护通风、动力、液压、过滤器、腐蚀、锈蚀、清洁磨损或损坏的基准，基准出现误差校准不当或调整基

14、准的运用不当仪器质量差设计或一致性不好仪器设计或方法缺乏稳健性不同的丈量方法安装、安装、夹紧、技术量具或零件变形环境变化温度、湿度、振动、清洁度违背假定、在运用常量上出错运用零件尺寸、位置、操作者技艺、疲劳、察看错误5.1不稳定的能够缘由30理想的丈量系统在每次运用时，应只产生“正确的丈量结果。每次丈量结果总应该与一个规范值相符。一个能产生理想丈量结果的丈量系统，应具有零变差、零偏倚和所测的任何产品错误分类为零概率的统计特性。6.理想的丈量系统31足够的分辨率和灵敏度。为了丈量的目的，相对于过程变差或规范控制限，丈量的增量应该很小。通常一切的十进制或10/1法那么，阐明仪器的分辨率应把公差(过

15、程变差)分为十份或更多。这个规那么是选择量具期望的实践最低起点。丈量系统应该是统计受控制的。这意味着在可反复条件下，丈量系统的变差只能是由于普通缘由而不是特殊缘由呵斥。这可称为统计稳定性且最好由图形法评价。7.丈量系统应有的特性32对产品控制，丈量系统的变异性与公差相比必需小于根据特性的公差评价丈量系统。对于过程控制，丈量系统的变异性应该显示有效的分辨率并与过程变差相比要小。根据6变差和或来自MSA研讨的总变差评价丈量系统。偏倚、反复性、再现性、线性可接受7.丈量系统应有的特性33第三章丈量系统变异性影响34长期过程变差短期抽样产生的变差实践过程变差稳定性线性反复性 准确度 量具变差操作员呵斥

16、的变差丈量误差过程变差观测值再现性过程变差1.丈量系统变异性的影响“反复性 和 “再现性 是丈量误差的主要来源351.1丈量系统变异性的影响丈量零件后: 1)确定零件能否可接受在公差内或不可接受 在公差外。 2)零件进展规定的分类产品控制原理:丈量零件进展分类活动。过程控制原理:零件变差是由过程中的普通缘由还 是特殊缘由呵斥的。 控制原理驱动兴趣点产品控制零件是否在明确的目录之内？过程控制过程是否稳定和可接受？36LSLUSL2.对产品决策的影响 I型错误: 消费者风险误发警报 好零件有时会被判为“坏的 II型错误:消费者风险或漏发警报坏零件有时会被判为“好的LSLUSLI型错误:II型错误3

17、7Bad is badLSLUSLIIIIIIIIIBad is badGood is goodConfused areaConfused area2.对产品决策的影响错误决议的潜在要素:丈量系统误差与公差交叉时产品情况断定:目的是最大限制地做出正确决议有二种选择： 改良消费区域：减少过程变差，没有零件产生在II区。 改良丈量系统：减少丈量系统误差从而减小II区域的面积， 这样就可以最小限制地降低做出错误决议的风险。383.对过程决策的影响对过程决策的影响如下: 1)普通缘由报告为特殊缘由 2)特殊缘由报告为普通缘由丈量系统变异性能够影响过程的稳定性、目的以 及变差的决议。394.新过程的接受

18、新过程：如机加工、制造、冲压、资料处置、热新 过程的接受处置，或采购总成时，作为采购活动的一部分，经常要完成一系列步骤。供应商处对设备的研讨以及随后在顾客处对设备的 研讨。假设消费用量具不具备资历却被运用。假设不知道是 仪器问题，而在寻觅制程问题，就会白费努力了。40第四章丈量系统分析41MSA分析方法的分类重复性分析再现性分析线性分析稳定性分析偏倚分析位置分析变异分析稳定性分析信号分析风险分析小样法大样法偏移分析稳定性分析变异分析计量型计数型破坏型MSA极差法均值极差法包括控制图法ANOVE法方差分析法421.稳定性分析之执行:1) 获取一样本并确定其相对于可追溯规范的基准值。2定期天、周丈

19、量规范样本35次，样本容量和 频率应该基于对丈量系统的了解。3将数据按时间顺序画在X&R或X&S控制图上 结果分析-作图法4建立控制限并用规范化控制图分析评价失控或不 稳定形状。 结果分析-数据法431.稳定性分析之执行:決定要分析的測量系統選取一標准樣本，取值參考值請現場測量人員連續測量25組數據每次測量25次輸入數據到EXCEL，Xbar-R表格中計算控制界限，並用圖断定能否穩定後續持續點圖，判圖保管記錄产品特性/控制方案中所提及的过程特性针对样本运用更高精细度等级的仪器进展精细丈量十次，加以平均，做为参考值。计算每一组的平均值/R值。计算出平均值的平均值/R的平均值。1.计算控制界限:

20、A)平均值图：Xbarbar+-A2Rbar, Xbarbar B)R值图：D4Rbar, Rbar, D3Rbar2.划出控制界限,将点子绘上3.先检查R图，以断定反复性能否稳定。4.再看Xbar图，以断定偏移能否稳定。5.假设控制图稳定，可以利用Xbarbar-规范值，进展偏向检 定，看能否有偏向。6. 假设控制图稳定，利用Rbar/d2来了解仪器的反复性。441.稳定性分析之执行:決定要分析的測量系統選取一標准樣本，取值參考值請現場測量人員連續測量25組數據每次測量25次輸入數據到EXCEL，Xbar-R表格中計算控制界限，並用圖断定能否穩定後續持續點圖，判圖保管記錄 1.后续继续点图、

21、判图2.异常的断定a)R图失控，阐明不稳定的反复性，能够什么东西松动、阻塞、变化等。b)X-BAR失控，阐明丈量系统不再正确丈量，能够磨损，能够需重新校准。45决议要分析的丈量系统抽取样本，取值参考值请现场丈量人员丈量15次输入数据到EXCEL表格中计算t值，并断定能否合格，能否要加补正值保管记录2.偏倚BIAS分析之执行:46X1=0.75mmX6=0.8mmX2=0.75mmX7=0.75mmX3=0.8mmX8=0.75mmX4=0.8mmX9=0.75mmX5=0.65mmX10=0.7mm同一操作者对同一工件丈量10次假设参考规范是 0.80mm. 过程变差为0.70mm = 0.7

22、5Bias = 0.75-0.8= -0.05% Bias=1000.05/0.70=7.1%阐明 7.1% 的过程变差是偏倚 BIAS2.偏倚BIAS 实例1:472.偏倚也可以与过程的容差相比较 判别准确度的简单规范为.小于过程变差或容差的 1%, 可以为是准确的.大于过程变差或容差的 1% 那么需求研讨和调整丈量系统, 或者暂时用补偿值来修正以后的丈量值3.偏倚的研讨还可以经过作图的方式来进展, 即作出直方图, 然后根据阅历判别能否可以接受.4.偏倚的研讨还可以经过计算置信区间来判别能否可以接受丈量平均值 参考值x (100)容差宽度2.偏倚BIAS 实例:482.偏倚BIAS 实例:作

23、图分析49 3.线性(Linearity)比较良好的情况在丈量范围全领域基准值和丈量平均值一致/没有偏倚正确地丈量.在丈量范围全领域具有常数倍数的偏倚. / 虽有偏倚但是由于大小一定所以可以容易调整.基准值基准值测量平均偏倚偏倚测量平均基准值基准值50 线性(Linearity)的分析 线性不好的情况 丈量范围全领域偏倚(正确度)不一定的情况 无法矫正.偏倚基准值偏倚基准值51 线性(Linearity)和偏倚(Bias)断定基准 线性(Linearity)差时需求思索的事项：调查量具丈量范围中上部或下部的刻度能否适宜检验基准值能否正确检验丈量位置能否正确检验丈量者能否正确的运用了仪器检验量具

24、磨损与否检验量具校准与否调查量具本身内部设计问题 电子式的话在丈量全范围进展再校准. 机械式的话在丈量范围中以经常运用的范围为中心进展校准后不允许在其他范围运用.52 利用Minitab分析线性丈量系统的操作范围内抽样5个部品进展精细的测试之后计算,要反复12次53 实行结果 结果解释 Minitab运用方法(Stat Quality Tools Gage Linearity Study) StdDev Study Var %Study VarSource (SD) (5.15*SD) (%SV) Total Gage R&R 0.23894 1.2305 8.67 Repeatability

25、 0.23894 1.2305 8.67 Part-to-Part 2.74576 14.1407 99.62 Total Variation 2.75613 14.1941 100.00Linearity是总製程变異量的13.167%,因此线性是比较差,需求改善.Bias是0.4%，良好.54 计算Gage Linearity统计值22 Bias(y) = 0.7367 - 0.13167 Master Linearity = 0.13167 * 14.1941 = 1.86889 %Linearity = 倾斜度 *100 = 13.167% 计算Gage Bias统计值 平均 Bias

26、= -0.2667 / 5 =-0.05333 %Bias = ( |-0.05334| / 14.1941 ) * 100 = 0.4% 线性的计算方法55 Linearity = | 倾斜度 | x Process Variation %Linearity =LinearityProcess VariationX 100在量具的丈量范围内评价丈量的一向性,在量具的丈量范围内假设Bias一定的话可以说线性较好.为了评价线性必需求计算Bias.* Process Variation = 6= | 倾斜度 | x 100%Linearity值假设接近0的话可以断定线性比较好. 回归模型 : y

27、= a + bxy : Biasx : 基准值b : 倾斜度 线性的计算公式56平均范围 = = (2+1+1+2+1)/5 = 7/5 = 1.4量具误差 = 5.15 * /d =5.15 / 1.19 * = 4.33 * = 4.33 * 1.4 = 6.1% Gage R&R = 量具误差Gage Error / 允差Tolerance = 6.1 / 20 * 100 % = 30.5%4.快速GR&R极差法/短期方式d常数表允差Tolerance = 20= 最大值-最小值RRRRR575.计量型数据的 均值-极差法1.选择三个丈量人A, B,C和10个丈量样品。 丈量人应有代表

28、性，代表常从事此项丈量任务的QC人员或消费线人员 10个样品应在过程中随机抽取，可代表整个过程的变差，否那么会严重 影响研讨结果。2.校准量具3.丈量，让三个丈量人对10个样品的某项特性进展测试，每个样品每人测 量三次，将数据填入表中。实验时遵照以下原那么： 盲测原那么1：对10个样品编号，每个人测完第一轮后，由其他人对这10个样品进展随机的重新编号后再测，防止客观偏向。 盲测原那么2：三个人之间都相互不知道其他人的丈量结果。4.计算:58 示范：MSA搜集数据的规划 项次搜集点搜集要项评估人员搜集数量1喷嘴封口内径大小33.0 0.5mm张三 李四王五10个2喷嘴封口外观检验外观检验(毛边、

29、刮伤、变形)志明小宝15个59零件人員12345678910A133.6533.0032.8532.8533.5533.0032.9532.8533.0033.60A233.6033.0032.8032.9533.4533.0032.9532.8033.0033.70B133.5533.0532.8032.8033.4033.0032.9532.7533.0033.55B233.5532.9532.7532.7533.4033.0532.9032.7032.9533.50C133.5033.0532.8032.8033.4033.0032.9532.8033.0533.85C233.5533.

30、0032.8032.8033.5033.0532.9532.8033.0533.80搜集GRR的数据示范：量测系统分析 计量 60作业者/量测次数零 件平均數123456789101.张三 133.6533.0032.8532.8533.5533.0032.9532.8533.0033.602. 233.6033.0032.8032.9533.4533.0032.9532.8033.0033.703.平均数33.6333.0032.8332.9033.5033.0032.9532.8333.0033.65 =33.134.全距0.050.000.050.100.100.000.000.050.

31、000.10Ra =0.055.李四 133.5533.0532.8032.8033.4033.0032.9532.7533.0033.556. 233.5532.9532.7532.7533.4033.0532.9032.7032.9533.507.平均数33.5533.0032.7832.7833.4033.0332.9332.7332.9833.53 =33.078.全距0.000.100.050.05.000.050.050.050.050.05Rb =0.049.王五 133.5033.0532.8032.8033.4033.0032.9532.8033.0533.8510. 233

32、.5533.0032.8032.8033.5033.0532.9532.8033.0533.8011.平均数33.5333.0332.8032.8033.4533.0332.9532.8033.0533.83 =33.1312.全距0.050.050.000.000.100.050.000.000.000.05Rc =0.0313.零件平均数33.5733.0132.8032.8333.4533.0232.9432.7833.0133.67Rp=0.8914.公式：0.05+0.04+0.03/作业者人数= = 0.04015.作业者人数= 316. 公式：Max 33.13 Min 33.0

33、7= diff diff = 0.0617.公式： D4=UCLR=0.043.27=UCLR= 0.1318.公式： D3=LCLRLUCR= 0示范：量具再现性及再生性数据表 xRRRx61公式：%AV = 100 AV/TV %AV = 10.79% n = 零件数 r = 量测次数 再现性作业者变异AV公式：AV = n = 10 r = 2 AV = 0.0304公式：%EV = 100 EV/TV %EV = 12.59% 反复性设备变异EV公式：EV =R* K1 EV =0.0355 制程变异量测单元分析量测次数K1230.88620.5908作业者人数23K20.70710.

34、5231示范：量具反复性及再现性报告62 全变异TV 公式：TV = TV= 0.2839 公式：%PV=100PV/TV PV =98.62%公式：ndc=1.41PV/GRR ndc=8.3978 零件变异PV 公式：PV=Rp*K3 PV= 0.2800 公式：%R&R=100GRR/TV %R&R = 16.58% 反复性&再现性GRR 公式：GRR= GRR= 0.04668 制程变异量测单元分析 0.70710.52310.44670.40300.37420.35340.33750.32490.31462345678910K3零件数示范：量具反复性及再现性报告63 3.对每个样品由

35、三个人所测得 的9个测试值求平均值，4.总平均值的均值Xp与极差的Ra2.计算A测的一切样品的总平均值3.总平均值的均值Xa与极差的Ra1.计算A对每个样品三次 测试结果的均值/极差，64*AV计算中，如根号下出现负值，AV取值09.2819.2809.2729.2839.2799.2739.2809.2729.3809.28690.1110极差均值0.0023最大均值差0.00072.57均值上限9.2889极差上限0.00510均值下限9.2848极差下限01.02注:零件均值9.2819.2809.2729.2839.2799.2739.2809.2729.3809.28690.1110

36、极差均值0.0023最大均值差0.00072.57均值上限9.2889极差上限0.00510均值下限9.2848极差下限01.02注:零件均值655.Gage R&R 判别原那么1.数值10%表示该量具系统可接受。2.10% 数值 30%表示该量具系统可接受或不接受，决议于该量具系统之重要性、修缮所需之费用等要素。3.数值 30%表示该量具系统不能接受，须予以改良。判别原那么66短期与长期方法的比较短期方式用消费设备 用消费操作员快速 - 只需几个样品(5)无反复replicates估计总的变差(Total Gage R&R)不能区分 AV 和EV不能指点改良的方向可用于破坏性测试长期方式用消

37、费设备 用消费操作员较多样品 (5)要求反复 Replicates (3)估计总的变差 (Total Gage R&R)可以区分 AV 和EV为丈量系统的改良提供指点67NO-GOGOOperator 2Operator 16.量测系统分析计数值：68 Go-No Go 数据方式 人为要素主导，情况复杂 对于以“是和“不是为计数根底的定性数据，其 GR&R调查的概念是与定量数据一样的。但方法上完全不同.定性数据丈量系统的才干取决于操作员判别的有效性，即将“合格判别成合格，将“不合格判别成不合格的程度.量测系统分析计数值：69有效性 Effectiveness(E) - 即判别“合格与“不合格

38、的准确性 E= 实践判别正确的次数/能够判别正确的时机次数.2.漏判的几率 Probability of miss(P-miss) 将“不合格 判为合格的时机; P(miss)=实践漏判的次数 / 漏判的总时机数.3.误判的几率 Probability of false alarm(P-FA) - 将“合 格判为不合格的时机. P(false alarm)=实践误判次数 / 误判的总时机数.4.偏倚 Bias(B) - 指漏判或误判的偏向. B=P(false alarm) / P(miss) B=1, 无偏倚; B1, 偏向误判; B1, 偏向漏判以下为判别所用的目的70量测系统分析(计数值

39、)示范：外观检验量测分析，两个人，15个样本，反复两次，数据如下71 表示此量测系统是可靠的示范：量测系统分析计数 Appraiser # Inspected # Matched Percent (%) 95.0% CI 小宝 15 15 100.0 ( 81.9, 100.0)志明 15 14 93.3 ( 68.1, 99.8)# Matched: Appraiser agrees with him/herself across trials.72属性数据丈量系统分析Attribute MSA73Kappa属性丈量系统属性/顺序丈量系统运用了接受/回绝规范或分级，例如， 用(1-5) 确定

40、能否到达可以接受的质量程度Kappa技术可以用来评价这些属性和顺序丈量系统74 他真的拥有太多的属性数据吗?很多检验过程可以搜集延续数据，但选择属性数据以简化检验员的义务例如，很多功能检验将延续地评价一项产品温度、承载力，硬度等等并以经过/失败记录其结果设法获取延续数据75属性和顺序丈量属性和顺序丈量经常依托客观分类或分级例子包括：把部件特征分级为好或坏在品味之后分级葡萄酒的香味和口感从1到5给雇员的表现分级给体操打分在利用这些丈量系统之前，我们应该评价它们吗？不评价它们的后果是什么呢？76 丈量系统分析 属性数据什么方法适于评价属性丈量系统？属性系统 同等处置一切误分类的Kappa技术顺序系

41、统 思索误分类等级的Kappa技术例如，假设我们从1到5判别一油漆产品的等级，检验员A把它评为1级，检验员B评为5级，比起检验员A把它评为4级而检验员B评为5级来，具有更大的误分类77数据类型常态: 包含不具有排序根底或可以分别出量的差别的数字，例如 例子: 一公司中: A部门、B部门、 C部门一车间中: 机器1、机器2、机器3运输的类型: 船、火车、飞机顺序: 包含可以分等级的数字。但是不能根据该标度推断出数字之间差别。例子：产品性能: 优秀、很好、好、普通、差品味实验： 味淡、辣、很辣、辣得难受客户调查： 剧烈称心、称心、不称心、剧烈不称心78Kappa技术Kappa适用于非定量系统，如好

42、或坏经过/不经过区分声音 (嘶嘶声、叮当声、重击声)區分颜色亮度经过/失败79Kappa技术适用于属性数据的Kappa同等处置一切误分类要求单元之间相互独立，并且檢驗员或分级员是独立作出分级的要求评价类别是相互排斥的80操作定义检查规范存在着一些质量特点，或者难以定义或者定义很耗费时间要一致地评价分类，几个单元必需由一个以上的评价人或断定人作出分类假设评价员之间达成足够的一致，那么就有能够，虽然不能保证，分级是正确的假设评价员不能达成足够的一致，那么分级的可用性就很有限了差劲的属性丈量系统几乎总是可以归咎于差劲的操作定义81 留意事项樣品应选定代表Process的樣品。恣意选定25个樣品时，以

43、下能成为导游。把平常检查的作业者选定为作业者的选定对象，并成为Blind Appraisal.计数型 Gage R&R很难区分良/不率的樣品20%30%不易区分良/不率的樣品30%40%比较容易区分良/不率的樣品30%40%很容易区分良/不率的樣品0%20%82 属性丈量系统中的和风险风险/消费者风险 合格产品被回绝不用要的报废/返工的缘由被人为削减的过程性能风险/消费者风险 接受了不合格产品不称心的客户夸张的过程性能83结果?哪些是重要的应关怀的问题？假设检验员之间和内部不能达成很好的一致，会有什么风险呢？次品正在流向下一步操作或客户吗？优质品正在被返工或处置掉吗？评价的规范是什么？ 如何度

44、量一致性？84什么是 Kappa? P observed 断定员一致赞同的单元的比率=断定员一致断定为优良的比率+断定员一致断定为次劣的比率P chance预期偶尔达成一致的比率=断定员A断定为优良的比率*断定员B断定为优良的比率+断定员A断定为次劣的比率*断定员B断定为次劣的比率留意： 上述等式适用于两类分析，即优良或次劣85Kappa要达成完全一致， P observed = 1 且 K=1普通说来，假设Kappa值低于0.7，那么丈量系统是不适当的假设Kappa值为0.9或更高，那么丈量系统是优秀的Kappa的下限为0到 -1假设 P observed = P chance 那么 K=0

45、 因此Kappa值为 0表示达成一致和随机偶尔预期达成的一致是一样的86Kappa量测才干评价目的上面的判别基准根据Project的目的有能够变卦。举个例，不良率0.1%0.001% 改善课题的情况下检出率必需为 100%.满足指数40% 60% 改善课题时，假设检出率是70%以上就可以被选择。根本上，达不到100%时，必需调查其缘由。判断基准(良好)判断基准(考虑)判断基准(不足)判断指标90% 7090%70% 计数型 Gage R&R87属性丈量系统指点在选择研讨的部件时，要思索以下几方面要素：假设他只需两个类别，优良和次劣，他至少应该选择20个优良品和20个次劣品最多可选择 50个优良

46、品和50个次劣品 尽量坚持大约50%的优良品和50%的次劣品选择不同程度的优良和次劣88属性丈量系统指点假设他的类别超越2种，其中一类是优良，其它类别是不同的缺陷方式，那么他至少应该选择大约50%的优良品和每種缺陷方式中的最少为10%的产品他可以把一些缺陷方式合并称为“其它这些类别应该相互排斥，否那么它们应该合并起来89分级员内部/反复性思索让每个分级员至少两次断定同一单元为每个分级员建立独立的Kappa表，计算他们的Kappa值假设某个分级员的Kappa丈量值很小，那么该分级员本人没有很好地反复断定假设分级员本人没有很好地反复断定，那么他也不能和其它分级员很好的做反复断定，这将掩盖其它分级员

47、内部反复断定的好坏根据每个分级员的初次断定建立一个Kappa表，计算不同分级员之间的Kappa值不同分级员之间的Kappa值将进展两两对比 (A和 B, B和C, A和C)90Kappa 例子#1Bill Blackbelt正在努力改良一个具有高退货率的油漆过程在工程早期，由于很明显的检验员之间和检验员内部的差别，所以丈量系统就是一个关注的问题下一页的数据是在丈量系统研讨中搜集的。需求计算每个操作员的Kappa和操作员之间的 Kappa91思索以下数据92分级员A的 交叉表在每个单元格中填入搜集到的信息93交叉表第一格代表分级员A在第一次和第二次丈量中断定为优良的次数94交叉表第二格代表分级员

48、A在第一次丈量中断定一个单元为次劣，在第二次丈量中断定为优良的次数95交叉表第三格代表分级员A在第一次丈量中断定一个单元为优良，在第二次丈量中断定为次劣的次数96交叉表第四格代表分级员A在第一次丈量和第二次丈量中断定一个单元为次劣的次数97交叉表边格的数字代表行和列的总和98交叉表-比例分级员A比例下表代表上表的数据，其中每个单元格用总数的百分比来表示代表10/2099交叉表-比例由行和列的总和计算而得100对Kappa的定义将有所不同，取决于我们是在定义分级员内部Kappa，还是在定义分级员之间的Kappa记得怎样计算Kappa吗? Pobserved断定员一致赞同的单元的比率=断定员A/B

49、一致断定为优良的比率+断定员A/B一致断定为次劣的比率 Pchance预期偶尔达成一致的比率=断定员A断定为优良的比率*断定员B断定为优良的比率+断定员A断定为次劣的比率*断定员B断定为次劣的比率101Pobserved 等于上表对角线上概率的总和： P observed =(0.500 + 0.350) = 0.850Pchance 等于每个分类概率乘积的总和： Pchance =(0.600*0.55) + (0.400*0.45) = 0.51那么 Krater A=(0.85 - 0.51)/(1 - 0.51)=0.693计算分级员A的Kappa102K Rater B =数字比例计

50、算分级员B的Kappa103 利用Minitab的 二元分类 系数型 Gage R&R的 StudyEx) 为了分析以Go/No-Go Gage断定合格/不合格的系数型测试系统 选了15 EA 样品 (合格品 8个,不合格品7个)之后由3名测试人员反复测了3次后得到了如下的Data. 104Attribute Gage R&R StudyAttribute Gage R&R Study for MeasuremWithin AppraiserAssessment AgreementAppraiser # Inspected # Matched Percent (%) 95.0% CI A 15

51、 14 93.3 ( 68.1, 99.8)B 15 13 86.7 ( 59.5, 98.3)C 15 13 86.7 ( 59.5, 98.3)# Matched: Appraiser agrees with him/herself across trials. 丈量一致性 评价-评价每个测试人员反复测试出的值之间的丈量一致性* 各测试人员的反复丈量的结果的一致性的比率 反复测试每个样品时一致的样品数总样品数100105Each Appraiser vs StandardAssessment AgreementAppraiser # Inspected # Matched Percent

52、(%) 95.0% CI A 15 14 93.3 ( 68.1, 99.8)B 15 12 80.0 ( 51.9, 95.7)C 15 12 80.0 ( 51.9, 95.7)# Matched: Appraisers assessment across trials agrees with standard.Assessment Disagreement Appraiser # NG/G Percent (%) # G/NG Percent (%) # Mixed Percent (%) A 0 0.0 0 0.0 1 6.7 B 1 6.7 0 0.0 2 13.3 C 0 0.0 1 6.7 2 13.3 # NG/G: Assessments across trials = NG / standard = G.# G/NG