M3-MSA量測系統分析(3小時).pptx

《M3-MSA量測系統分析(3小時).pptx》由会员分享，可在线阅读，更多相关《M3-MSA量測系統分析(3小時).pptx（93页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、MSA量測系統分析量測系統分析Measurement System Analysis哪個製程較好呢？实际实际製製程变異程变異偏偏倚倚稳定性稳定性线性线性已观测的已观测的製製程变異程变異测量系统的变異测量系统的变異組組内变異内变異組組间变異间变異正确度正确度精密度精密度sP2sT2sR&R2sT2 = sP2 +sR&R2 sR&R2= sAV2+ sEV2重重复性复性再现性再现性1) 1) 製製程变異的理解程变異的理解我们所观测製程的变異里包含了实际製程变異实际製程变異和测量系统的变異测量系统的变異.假如测量系统的变異比较大时会发生什么样的问题?测量系统验证测量系统验证测量是为了表示某个物体的

2、特定的性质而对物体赋予数值的方法。操作方法,步骤,Gage和其它装备,软件,测量者等 为了得到测量值而使用的我们统称为测量系统(Measurement System). 测量系统的误差测量系统的误差 正确度正确度(Accuracy)(Accuracy) : 测量值和真值之间的差异 偏倚(Bias), 線性(Linearity),穩定性(Stability)精密度精密度(Precision)(Precision): : 用同样的仪器对同样的部品反复测量时产生的测量值的散布 重複性( Repeatability),再現生(Reproducibility)精度低, 正确度差精度低,正确度高精度高,正

3、确度低精度高, 正确度高测量系统的精度及正确度测量系统误差测量系统误差 什么是正确度什么是正确度(Accuracy) ? (Accuracy) ? 什么是稳定性什么是稳定性(Stability) ? (Stability) ? 真值真值正确度量測系統的量測系統的平均平均值值* 真值是利用最准确的测量装备测量时 所得到的值. 实际值(真值)和观察平均之间的 差异. 最少2次以上在不同时期对同样的部品 利用同样的Gage测量时所得到的 测量平均值之间的差异. 儀器設备因磨损,气温,湿度等环境变化 和时间的经过而对测量结果产生影响.稳定性Time 1Time 1Time 2Time 2时间经过时间经

4、过正确度偏差大正确度偏差大正确度偏差小正确度偏差小LSLLSLUSLUSL测定值测定值真值真值真值真值测定值测定值 在Gage的规定的操作范围内比较 正确度后进行评价. 即,在规定的操作范围内的两个极限区间 最少各研讨1次正确度后得到的差值. Gage通常是在操作范围的下限 (或者规格值)比上限它的正确度 差. 什么是线性什么是线性(Linearity) ? (Linearity) ? 对Gage的操作范围或者Spec范围的 正确性.什么是重复性什么是重复性(Repeatability) ?(Repeatability) ?重复性重复性(Repeatability) :(Repeatabili

5、ty) :“ “得到具有一贯性的结果得到具有一贯性的结果” ”反复测量时的变異反复测量时的变異 一名测量者对同样的部品用 同样的仪器对同样的特性在比较短的 时间内反复测量时所发生的测量值的 变異 这是因量具設备而发生的变異.测量者测量者 A A测量者测量者 B B测量者测量者C C再现性再现性什么是再现性什么是再现性 (Reproducibility) ? (Reproducibility) ? 对同一个部品的同样的特性 利用同样的仪器几个人测量 时产生的测量者之间的测量值 平均之间的差异 这是因评价人而发生的变異.什么是什么是精密度精密度(Precision) ? (Precision) ?

6、 Repeatability重复性重复性可能导致重复性不好的原因：可能导致重复性不好的原因：Equipment:设备设备 测量仪器需 要维护。 需要更严格的量具。 部件的夹具需要改进。People:人员人员 环境条件(照明，噪声) 身 体 条件(视力)Reproducibility再现性再现性操作者B的测量均值操作者A的测量均值可能导致再现性不好的原因：可能导致再现性不好的原因： 测量程序不清楚 操作者使用和判读量具的能 力没有得到适当的培训。 零件尺寸、位置、观察误差(易读性、视差)系統精密度不好的原因系統精密度不好的原因利用利用MinitabMinitab分析测量系统分析测量系统正确度正确

7、度(Accuracy)(Accuracy)的分析的分析一名评价者反复10次测量了同一个部品: 得到10个测量值. 基准值 : 0.8, 部品的制程变异是0.7.Ho : Bias 0Ha : Bias 0One-Sample T: xOne-Sample T: xTest of mu = 0.8 vs mu not = 0.8Variable N Mean StDev SE Mean 95.0% CI T Px 10 0.7500 0.0471 0.0149 (0.7163, 0.7837) -3.35 0.008 Bias = 0.75 0.8 = -0.05 %Bias =| Bias |

8、Process VariationX 100| -0.05 |0.70X 100= 7.1%P-value=0.008P-value=0.008，所以可以认为所以可以认为正确度有问题正确度有问题. .Stat Basic Statistics 1-Sample tStat Basic Statistics 1-Sample t Bias(Bias(偏倚偏倚) )分析分析 Bias = 测量值的平均 基准值(真值) %Bias =| Bias |Process VariationX 100 (因製程变異发生的偏倚的百分比) %Bias =| Bias | ToleranceX 100 (对允许公

9、差的偏倚的百分比)用某个量具对同一个产品测量时所得到的测量值的平均和基准值(真值)之间的差异我们称之为偏倚(Bias) 或是不正确度(Inaccuracy), Bias越小时它的正确度会越高. Process Variation = 6 Tolerance = USL - LSL 线性线性(Linearity)(Linearity)比较良好的情况比较良好的情况在测量范围全领域基准值和测量平均值一致在测量范围全领域基准值和测量平均值一致/ /没有偏倚正确地测量没有偏倚正确地测量. .在测量范围全领域具有常数倍数的偏倚在测量范围全领域具有常数倍数的偏倚. / . / 虽有偏倚但是因为大小一定所以可

10、以容易调整虽有偏倚但是因为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 线性线性(Linearity)(Linearity)的分析的分析 线性不好的情况线性不好的情况 测量范围全领域偏倚测量范围全领域偏倚( (正确度正确度) )不一定的情况不一定的情况 无法矫正无法矫正. .2345678910-1.0-0.50.00.51.01.5扁霖蔼祈狼偏倚基准值偏倚基准值 线性线性(Linearity)(Linearity)和偏倚和偏倚(Bias)(Bias)判定基准判定基准 线性线性(Linearity)(Linearity)差时需要考虑的事项差时需要考虑的事项：调

11、查量具测量范围中上部或下部的刻度是否合适检验基准值是否正确检验测量位置是否正确检验测量者是否正确的使用了仪器检验量具磨损与否检验量具校准与否调查量具本身内部设计问题 电子式的话在测量全范围进行再校准. 机械式的话在测量范围中以经常使用的范围为中心进行校准后不允许在其他范围使用. 利用利用MinitabMinitab分析线性分析线性测量系统的操作范围内抽样5个部品进行精密的测试之后计算,要反复12次部品12345基准值246810反复12.705.105.807.609.1022.503.905.707.709.3032.404.205.907.809.5042.505.005.907.709.

12、3052.703.806.007.809.4062.303.906.107.809.5072.503.906.007.809.5082.503.906.107.709.5092.403.906.407.809.60102.404.006.307.509.20112.604.106.007.609.30122.403.806.107.709.40 实行结果实行结果 结果解释结果解释 MinitabMinitab使用方法使用方法( (Stat Stat Quality Tools Quality Tools Gage Linearity Study) Gage Linearity Study) S

13、tdDev Study Var %Study VarSource (SD) (5.15*SD) (%SV) Total Gage R&R 0.23894 1.2305 8.67 Repeatability 0.23894 1.2305 8.67 Part-to-Part 2.74576 14.1407 99.62 Total Variation 2.75613 14.194114.1941 100.00LinearityLinearity是总製程变異量的是总製程变異量的13.167%,13.167%,因此线性是比较因此线性是比较差差, ,需要改善需要改善. .BiasBias是是0.0.4 4

14、%，良好良好. .Reference ValueBias1086421.00.50.0-0.5-1.00Regression95% CIDataAvg BiasPercentBiasLinearity1050Gage LinearitySlope-0.131670.010930.000PredictorCoefSE CoefPConstant0.736670.072520.000S0.23954R-Sq71.4%Linearity1.86889%Linearity13.2Gage Bias20.4916673.50.00040.1250000.90.29360.025000Reference0

15、.20.6888-0.2916672.10.00010-0.6166674.30.000Bias%BiasPAverage-0.0533330.40.040Gage name:Date of study: Reported by:Tolerance:Misc:Percent of Process VariationGage Linearity and Bias Study for q代 计算Gage Linearity统计值22 Bias(y) = 0.7367 - 0.13167 Master Linearity = 0.13167 * 14.1941 = 1.86889 %Linearit

16、y = 倾斜度 *100 = 13.167% 计算Gage Bias统计值 平均 Bias = -0.2667 / 5 =-0.05333 %Bias = ( |-0.05334| / 14.1941 ) * 100 = 0.4% 线性的计算方法线性的计算方法Reference ValueBias1086421.00.50.0-0.5-1.00Regression95% CIDataAvg BiasGage name:Date of study: Reported by:Tolerance:Misc:Gage Linearity and Bias Study for q代 Linearity

17、= | 倾斜度 | x Process Variation %Linearity =LinearityProcess VariationX 100在量具的测量范围内评价测量的一贯性在量具的测量范围内评价测量的一贯性, ,在量具的测量范围内如果在量具的测量范围内如果BiasBias一定的话可以说一定的话可以说线性较好线性较好. .为了评价线性必须要计算为了评价线性必须要计算Bias.Bias.* Process Variation = 6= | 倾斜度 | x 100%Linearity%Linearity值如果接近值如果接近 00的话可以判定线性比较好的话可以判定线性比较好. . 回归模型 :

18、 y = a + bxy : Biasx : 基准值b : 倾斜度 线性的计算公式线性的计算公式指的是随时间经过时指的是随时间经过时，对同样部品的测量结果的变異程度对同样部品的测量结果的变異程度. .随时间的经过如果测量结果互不相同的话随时间的经过如果测量结果互不相同的话这时我们可以认为此测量系统的稳定性缺乏这时我们可以认为此测量系统的稳定性缺乏. .分析稳定性的方法我们通常用连续型管制图分析稳定性的方法我们通常用连续型管制图(X bar R(X bar R管制图管制图). ).0Subgroup12345678948.048.549.0Sample MeanMean=48.65UCL=49.

19、21LCL=48.090.00.51.01.5Sample RangeR=0.5444UCL=1.402LCL=0Xbar/R Chart for Measurement目前所有的测量值都目前所有的测量值都在管制界限内在管制界限内, ,因此因此可以说此仪器是可以说此仪器是比较稳定的比较稳定的 在管制界限外有测量值或者具有特定的周期或者倾向的话不能说此仪器是稳定的在管制界限外有测量值或者具有特定的周期或者倾向的话不能说此仪器是稳定的. .稳定性稳定性(Stability) (Stability) 分析分析+ += =实际製程变異测量系统变異已观测到的製程变異 Gage R&R Study Met

20、hodGage R&R Study Method X bar R : 假设部品和测量者之间没有交互作用之后进行分析(传统的方法) ANOVA : 部品和测量者之间存在交互作用的情况交互作用没有意义时两种方法的结果都差不多,但是交互作用有意义时可用ANOVA Method.Gage R&R-Gage R&R-精度精度(Precision) (Precision) 分析分析 Gage R&R OverviewGage R&R OverviewRRproducttotal&222sss精密度散布散布散布散布R&R Study sR&R2= sEV2+ sAV2准备事项准备事项短期方法短期方法长期方法

21、长期方法(通常)测量者数2名3名样本数量5个10个测量次数测量者别 各1次测量者别各2次或者3次赋予编号以及随机化对各个样本赋予编号,每次测量都要随机排列.确认测量位置及方法把测量位置标识在样本,让所有的测量者都要熟悉同样的测量方法.选择评价方法虽然迅速但是重复性和再现性被混合可以区分重复性和再现性的误差.可以得到有关误差原因的情报. 为了做为了做Gage R&RGage R&R而采集数据的方法而采集数据的方法q步骤步骤 1. 选定代表製程长期变动的10个樣本 2. 量测儀器的校正 3. 让第一个作业者对所有樣本任意顺序各做一次量测 (Blind Measurement) 4. 让第二个作业者

22、按同样地方法实施(所有作业者相同) 5. 以同样的方法按必要的次数重复量测 6. 得到的DATA输入Minitab并进行分析Gage R&R Gage R&R 步骤步骤q 樣本的选定樣本的选定樣本一般为10个，能代表製程的散布。l假如樣本只选定接近製程平均的时，量测能力评价指标将会比实际不好。 l假如樣本的选定在比工程散布宽范围寬时，量测能力评价指标将会比实际好。 樣本反映制品的实际散布(製程变異)时才有意义。1. %Contribution = 100%2. %GRR(=%Study Variation) = 100%3. %Tolerance = 100%4. Number of dist

23、inct categories = Round 1.41 (NDC識別指數識別指數)識別指數意味着量测System能区别的制品散布。即， 区别製程散布区间的数。例：識別指數为3时部品散布部品散布(p)量测散布量测散布(MS)Gage R&R 评价指标评价指标qq 评价指标评价指标2MS2TotalMSTotal5.15 MSTolerance * Tolerance = USL-LSLNDC分辨指数分辨指数表明测量系统对一个特定的产品的可用性。提供测量系统在过程偏差的范围内可以精确测量的区分数。该数表明了一个测量过程检测产品偏差(过程偏移和改进)能力的好坏。RedYellowGreen510N

24、DC分辨指数指南分辨指数指南 一种一种NDC分辨指数的直观表示：分辨指数的直观表示：1 category3 categories6 categoriesq 评价基准l %Study Var 或 %Tolerance为10%以上时，首先区分评价重复性和再现性后，查明各个受影响的原因 ，并采取措施。 l 根据用途的优先参照评价指标 - 在制程判斷合格與否很重要時， 优先确认%Tolerance- 製程管制用或製程显示用时， 优先确认 %Study Var Gage R&R 评价指标评价指标区分%Contribution%GRR(% Study Variation )或 %ToleranceNDC辨

25、别指數良好 1% 10费用/考虑重要性110%1030%59不可使用 10% 30% Quality Tools Gage R&R Study(Crossed)Stat Quality Tools Gage R&R Study(Crossed) 计量型计量型 GageGage R&RR&RlMinitabMinitab提供提供 ANOVAANOVA法和法和 X X bar and Rbar and R两个分析方法。两个分析方法。l部品和量测者之间有交互作用时，部品和量测者之间有交互作用时， ANOVAANOVA法可以把交互作法可以把交互作 用分离显示，所以是更正确的分析方法。用分离显示，所以是

26、更正确的分析方法。 计量型计量型 GageGage R&RR&Rqq Minitab Minitab 分析结果分析结果 Graph Graph 解释解释“选定的樣本是否如实反映工程的散布选定的樣本是否如实反映工程的散布?”?”如果这个值均匀如果这个值均匀，意味樣本没能如实反映意味樣本没能如实反映工程的散布。工程的散布。“作业者之间是否有差异？作业者之间是否有差异？”作业者之间最好没有差异。作业者之间最好没有差异。“每名作业者对樣本是否做不同的量测？每名作业者对樣本是否做不同的量测？”每名作业者对樣本的量测值一致为好。每名作业者对樣本的量测值一致为好。 计量型计量型 GageGage R&RR&

27、Rqq Minitab Minitab 分析结果分析结果 Graph Graph 解释解释“在全体散布中在全体散布中 R&R R&R 所占的比重是否充分小所占的比重是否充分小? ” ? ” Gage R&R, Gage R&R, Repeat,ReprodRepeat,Reprod. .的高度越接近的高度越接近0 0 越好。越好。“作业者别重复量测值是否稳定作业者别重复量测值是否稳定?”?”注注意意 ! !要是超过要是超过R ChartR Chart的界限，就得调查其原因，的界限，就得调查其原因， 并重新量测。并重新量测。“辨别相互不同部品的能力是否充分辨别相互不同部品的能力是否充分?”?”与

28、与R ChartR Chart相反，尽量多超过管理界限为相反，尽量多超过管理界限为好。好。(50%(50%以上的點以上的點) )q ANOVA ANOVA 解释解释 良好的量测System为时，在ANOVA table中应要部品影响大(P值 0.05). 在这里作业者*部品有影响，不能说量测System是良好。 Source DF SS MS F P 部品 9 0.241027 0.0267807 132.432 0.00000作业者 2 0.000649 0.0003244 1.604 0.22846作业者*部品 18 0.003640 0.0002022 3.370 0.00021Repe

29、atability 60 0.003600 0.0000600 Total 89 0.248916 计量型计量型 Gage R&R %ContributionSource VarComp (of VarComp) Total Gage R&R 1.11E-04 3.64 Repeatability 6.00E-05 1.96 Reproducibility 5.15E-05 1.68 作业者 4.07E-06 0.13 作业者*部品 4.74E-05 1.55 Part-To-Part 2.95E-03 96.36 Total Variation 3.06E-03 100.00 StdDev

30、Study Var %Study VarSource (SD) (5.15*SD) (%SV) Total Gage R&R 1.06E-02 0.054376 19.07 Repeatability 7.75E-03 0.039892 13.99 Reproducibility 7.18E-03 0.036952 12.96 作业者 2.02E-03 0.010395 3.65 作业者*部品 6.89E-03 0.035459 12.44 Part-To-Part 5.43E-02 0.279867 98.16 Total Variation 5.54E-02 0.285100 100.00

31、 Number of Distinct Categories = 7q 评价指标的计算评价指标的计算 计量型计量型 Gage R&R%Contribution = = X 100 = 3.64(%) 2MS2Total0.0001110.00306%Study Var = = X 100 = 19.07(%) 0.0543760.2851005.15 X MS5.15 X Totall 辨别范周为7，小于基准值10，但大于基准值4.l %Study Var为 19.07%，大于基准值10%，但小于基准值30%。l %Contribution为 3.64%，因部品之间差的变动为96.36%. 还

32、有，再现性散布为 1.68%，比重复性散布1.96%小，因此可以说因重复引起的变动比作业者之间的差异更大。 q 评价指标解释评价指标解释 %ContributionSource VarComp (of VarComp) Total Gage R&R 1.11E-04 3.64 Repeatability 6.00E-05 1.96 Reproducibility 5.15E-05 1.68 作业者 4.07E-06 0.13 作业者*部品 4.74E-05 1.55 Part-To-Part 2.95E-03 96.36 Total Variation 3.06E-03 100.00 StdD

33、ev Study Var %Study VarSource (SD) (5.15*SD) (%SV) Total Gage R&R 1.06E-02 0.054376 19.07 Repeatability 7.75E-03 0.039892 13.99 Reproducibility 7.18E-03 0.036952 12.96 作业者 2.02E-03 0.010395 3.65 作业者*部品 6.89E-03 0.035459 12.44 Part-To-Part 5.43E-02 0.279867 98.16 Total Variation 5.54E-02 0.285100 100

34、.00 Number of Distinct Categories = 7 计量型计量型 Gage R&R总的来看，考虑与费用所需的精密度来决定是否允许使用量测总的来看，考虑与费用所需的精密度来决定是否允许使用量测System，比再现性应给重复性的改善大，比再现性应给重复性的改善大的比重，来研究量测的比重，来研究量测System的改善方案。的改善方案。例例) ) 计算计算% %ToleranceTolerance时时%Tolerance = =5.15 MSTolerance5.15 MSUSL-LSLq %Toleance被计算的例被计算的例子子 计量型计量型 Gage R&R%Tolera

35、nce = = X 100 = 68.61(%) 0.343060.55.15 X MSUSL-LSLProcess Tolerance一个人反复一个人反复3 3次测试同样的部件的结果值之间有很大的差异次测试同样的部件的结果值之间有很大的差异. 即即, ,可判断出可判断出重重复性上有问题复性上有问题. .另外另外, ,大部分的测量值都靠近平均的附近大部分的测量值都靠近平均的附近, ,所以可以判断出测所以可以判断出测量系统的区别上有问题量系统的区别上有问题. . 对个别测量值的图表分析对个别测量值的图表分析 图表分析结果图表分析结果 Minitab 使用方法使用方法(Stat Quality T

36、ools Gage Run Chart 结果的结果的 解释解释 Gage R&R Run Chart的使用的使用根据部品Plot每个测试人员的测量值能了解到同样部件,同样的人反复测出的值之间的变动量,也就是反复性.能了解到几个人测了同样部件时测出的值之间的变动量,也就是再现性. 反复性上有问题的时候反复性上有问题的时候 再现性上有问题的时再现性上有问题的时候候异常原因调查及采取措施Gage R&R Study 实行X bar -R Chart 参照管制状态？G R&R 评价产品的合格與否判定 重要(%Tolerance)製程管制用(%Study Var)满足%R&R 基准评价测量系统的NDC識

37、別力满足区别力基准适合判定 & 运营采取措施后再测定或者删除数据Gage Run Chart 制作区分对重复性和再现性的统计值后参照研讨提高量具精度的方案查明原因及改善NoNoNoDATA 采集50% 以上要超过 X bar管制界限.NDC5Gage R&RGage R&R整个整个 ProcessProcessGage R&RXbar - R 方法ANOVAGage R&R(Nested)Gage R&R(Crossed)连续型 Data离散型 DataNested: 不可以反复测量的Data(例:破坏检查)Crossed: 可以反复测量的 DataANOVA Gage R&R StudyGa

38、ge R&R Study的种类的种类不能反复测量同样一个部件时就不能把重复性和再现性区分进行测量不能反复测量同样一个部件时就不能把重复性和再现性区分进行测量, ,所以评价破坏检查的方式进所以评价破坏检查的方式进行测量的行测量的Gage R&RGage R&R时，为了能够反复地进行测试要准备能看作为同一个部件的相近的部品时，为了能够反复地进行测试要准备能看作为同一个部件的相近的部品. .也就是也就是说能假设在说能假设在batch(Lot)batch(Lot)内的产品是都一样时内的产品是都一样时，可以在一个可以在一个 Batch(Lot)Batch(Lot)中抽出多个部品进行测试中抽出多个部品进行

39、测试. .3 3名测试人员对名测试人员对5 5个部品进行个部品进行2 2次反复测试时次反复测试时 二元分配法二元分配法(Crossed Design) : (Crossed Design) : 各各 batchbatch中可准备中可准备 6 6个部品个部品 枝分试验法枝分试验法(Nested Design) : (Nested Design) : 各各 batchbatch中只能准备中只能准备2 2个部品个部品二元分配法枝分试验法 不能进行反复测试时的不能进行反复测试时的 Gage R&R StudySampleSample不能进行反复检查时不能进行反复检查时( (例例, , 破坏检查破坏检查

40、) )从从1515个个batchbatch中各取中各取2 2个部品个部品, ,并且假设同并且假设同batchbatch内的内的部品是一样的部品是一样的. .3 3个人进行了测试个人进行了测试. .用枝分试验法分析测试系统用枝分试验法分析测试系统. . ExampleExample 测试结果测试结果Gage R&R Study - Nested ANOVAGage R&R Study - Nested ANOVANested ANOVA TableNested ANOVA TableSource DF SS MS F POperator 2 0.0142 0.00708 0.00385 0.99

41、615Part(No) (Operator) 12 22.0552 1.83794 1.42549 0.25516Repeatability 15 19.3400 1.28933 Total 29 41.4094Gage R&RGage R&R %ContributionSource VarComp (of VarComp) Total Gage R&R 1.28933 82.46 Repeatability 1.28933 82.46 Reproducibility 0.00000 0.00 Part-To-Part 0.27430 17.54 Total Variation 1.56364

42、 100.00 StdDev Study Var %Study VarSource (SD) (5.15*SD) (%SV) Total Gage R&R 1.13549 5.84777 90.81 Repeatability 1.13549 5.84777 90.81 Reproducibility 0.00000 0.00000 0.00 Part-To-Part 0.52374 2.69725 41.88 Total Variation 1.25045 6.43984 100.00 Number of Distinct Categories = 1分析了的分析了的 Gage R&R值超出

43、值超出30%,并且并且 Number of Distinct Categories是是1,所以要求改善测试系统所以要求改善测试系统!Gage R&R的贡献量比部件变異的贡献量比部件变異引起的贡献量大很多引起的贡献量大很多,所以仪器所以仪器测试系统不合适测试系统不合适 对再现性的贡献量是对再现性的贡献量是 0的反面，即重复性的贡献量是的反面，即重复性的贡献量是 Gage R&R的全部的全部,所以找出影响所以找出影响重复性的因素后进行改善重复性的因素后进行改善. Minitab 分析结果分析结果Gage name:Date of study:Reported by:Tolerance:Misc:1

44、2131415161718123Xbar Chart by OpratorSample MeanMean=15.15UCL=17.62LCL=12.68012345123R Chart by OpratorSample RangeR=1.313UCL=4.290LCL=0123131415161718OpratorBy Oprator123451234512345123131415161718Part(No)OpratorBy Part(No) (Oprator)%Contribution %Study Var %Process %Tolerance Gage R&RRepeatReprodP

45、art-to-Part050100Components of VariationPercentGage R&R (Nested) for Response 图表分析结果图表分析结果 Minitab Minitab 使用方法使用方法( (Stat Stat Quality Tools Quality Tools Gage R&R Study(Nested) Gage R&R Study(Nested) 结果的结果的 解释解释4)4)5)5)3)3)1 : 因因GRR的变異量大的变異量大,所以要改善测试系统的不适合和重复性所以要改善测试系统的不适合和重复性.2 : 处于管制状态处于管制状态,所以可

46、判断测量上有一致性所以可判断测量上有一致性.3 : 因全部都在管制的规格线内因全部都在管制的规格线内,所以不适合用在部品间有无变異的检查所以不适合用在部品间有无变異的检查.4 : 同样的人对同样的部件进行测试时存在大的差异同样的人对同样的部件进行测试时存在大的差异,所以重复性上有问所以重复性上有问 题及需要改善题及需要改善.5 : 测试人员测出的值的平均值比较接近测试人员测出的值的平均值比较接近,所以再现性良好所以再现性良好. 对分析出来结果的对策对分析出来结果的对策重复性误差比较大时 - 因测量仪器的变異比较大. - 仪器保全不足 - 使用不合适的仪器 - 仪器的固定夾具或者位置问题 再现性

47、误差大时 - 因人的变異比较大. - 测量者对使用和读Gage还不够熟悉. - 需要对测量者进行培训 - Gage的刻度不够准确. 测量的误差或者变異的要素 - I仪器 : 仪器之间的差异, 刻度频度之间的差异 - P测量方法 : 读仪器的方法之间的差异,测量方法的差异 - E测量条件 : 湿度, 温度, 压力等作业环境之间的差异 - W测量样本 : 样本之间的变異 - P测量者 : 测量者之间的差异, 实验室之间的差异,作业班次之间的差异属性数据测量系统分析Attribute MSAKappa属性测量系统u属性/顺序测量系统使用了接受/拒绝标准或分级，例如， 用(1-5) 确定是否达到可以接

48、受的质量水平uKappa技术可以用来评估这些属性和顺序测量系统 你真的拥有太多的属性数据吗?u很多检验过程能够收集连续数据，但选择属性数据以简化检验员的任务u例如，很多功能测验将连续地评估一项产品（温度、承载力，硬度等等）并以通过/失败记录其结果u设法获取连续数据属性和顺序测量u属性和顺序测量经常依靠主观分类或分级u例子包括：u把部件特征分级为好或坏u在品尝之后分级葡萄酒的香味和口感u从1到5给雇员的表现分级u给体操打分u在利用这些测量系统之前，我们应该评估它们吗？u不评估它们的后果是什么呢？ 测量系统分析 属性数据u什么方法适于评估属性测量系统？u属性系统属性系统 同等处理所有误分类的Kap

49、pa技术u顺序系统顺序系统 考虑误分类等级的Kappa技术u例如，如果我们从1到5判断一油漆产品的等级，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，具有更大的误分类数据类型u常态常态: 包含不具有排序基础或可以分别出量的差别的数字，例如 u例子: 一公司中: A部门、B部门、 C部门u一车间中: 机器1、机器2、机器3u运输的类型: 船、火车、飞机u顺序顺序: 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。u例子：产品性能: 优秀、很好、好、一般、差u品尝试验： 味淡、辣、很辣、辣得难受u客户调查： 强烈满意、满意、不满意、强烈不满意Ka

50、ppa技术uKappa适用于非定量系统，如u好或坏u通过/不通过u区分声音 (嘶嘶声、叮当声、重击声)u區分色彩亮度u通过/失败Kappa技术u适用于属性数据的Kappau同等处理所有误分类u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u要求评估类别是相互排斥的操作定义（检查标准）u存在着一些质量特点，或者难以定义或者定义很耗费时间u要一致地评估分类，几个单元必须由一个以上的评估人或判定人作出分类u如果评估员之间达成足够的一致，那么就有可能，尽管不能保证，分级是正确的u如果评估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测量系统几乎总是可以归咎于差劲的操作定义qq 留