测量系统分析9062630608.ppt

2019/11/28,1,2,3,2、测量系统用来对被测特性定量测量或定性评价的仪器（量具、测仪、设备）、软件（程序、标准）、方法（操作）、操作者、环境的集合，用于获得测量结果的整个过程。,事物(产品)操作者操作程序软件量具设备,赋值,数据（测量结果）,图1MS示意图,4,3、误差、测量误差、随机误差、系统误差测量误差测量值与真值(基准值）间的差异。测量误差=测量值-基准值=随机误差+系统误差随机测量误差测量值与重复测量均值的差异。系统测量误差重复测量均值与基准值的差异。,p(x),0,随机误差,随机误差,基准值,x,图2随机测量误差、系统测量误差,系统误差,5,4、测量系统静态特性标准（校准）条件下，测量系统应具备的质量特性，有：准确度、精密度、分辨率（力）、测量系统变差（偏倚、重复性、再现性、稳定性、线性）。5、准确度重复测量均值与真值间的一致性。表示测量系统误差大小。常用绝对值表示，即偏倚的绝对值。“测量结果与被测量的（约定）真值之间的一致程度”。6、精密度表示测量随机误差大小，常用标准差表示。,6,测量方法必须保证始终产生准确和精密的结果,7,7、分辨率（力）测量系统能发现并真实地表示被测特性很小变化的能力。8、测量系统变差（偏倚、重复性、再现性、稳定性、线性）。测量系统变差重复测量数据的变异程度。位置变差：偏倚、稳定性、线性；宽度变差：重复性、再现性。,8,9、偏倚（Bias）对同样零件的同样特性重复测量均值与真值（基准值）的偏差（即准确度）。,p(x),0,基准值,x,图4偏倚,Bias,9,10、重复性（Repeatability）由同一操作者、同一测仪分多批重复测量同一零件某特性获得的测量变差。一般指仪器变差（EVEquipmentVariation）,p(x),0,x,第一批试验,第二批试验,图5重复性,10,11、再现性（Reproducibility）由不同评价者，采用同一测仪重复测量同一零件某特性获得测量均值的变差。（AVAppraiserVariation）,图5再复性,p(x),0,x,评价者,再现性,B,C,A,11,时间1,稳定性,时间2,12、稳定性（Stability）（漂移）测量系统在某一时间阶段内，测量同一零件（基准）某特性获得的测量总变差。“测量器具保持其计量特性恒定的能力”。,图7稳定性,时间1,稳定性,时间2,12,13、线性（Linearity）因测量范围不同造成的偏倚大小的变化。,基准值,偏倚较小,基准值,偏倚较大,图8不同测量范围偏倚的变化,x,13,过程变差剖析,长期,过程变差,短期,抽样产生的变差,实际过程变差,稳定性,线性,重复性,准确度,量具变差,操作员造成的变差,测量误差,总观测值变差,“重复性”和“再现性”是测量误差的主要来源,再现性,过程变差,14,R&R对过程变差计算的影响,观测到的过程变差,实际的过程变差,测量系统的变差,15,三、判断一个测量系统工作质量的要求：1、统计稳定性2、足够的分辨率3、MS变差足够小,16,测量系统分析（MSA）目的：解决前面提到的三个问题，提高测量系统工作质量。若不满足要求，找出影响原因，为测量系统的确认、控制、改进提供依据。前提：非破坏性测量,第二节评定测量系统的程序,17,18,(一)分辨率（Resolution）含义测量系统能发现并真实地表示被测特性微小变化的能力称为分辨率（分辨力、精度）。MS可接受分辨率：能够测出过程变差（包括异因变差）的分辨率。,19,测量仪器分辨率（测量仪器的分辨率必须小于或等于规范或过程误差的10%）,测量仪器分辨率可定义为测量仪器能够读取的最小测量单位。看看下面的部件A和部件B，它们的长度非常相似。测量分辨率描述了测量仪器分辨两个部件的测量值之间的差异的能力。,部件A,部件B,部件A,部件B,A=2.0B=2.0,A=2.25B=2.00,因为上面刻度的分辨率比两个部件之间的差异要大，两个部件将出现相同的测量结果。,第二个刻度的分辨率比两个部件之间的差异要小，部件将产生不同的测量结果。,20,建议可视分辨率a)分辨率应高于过程变差和公差带两者中精度较高者；b)可视分辨率其中：6过程变差不足的分辨率在测量系统极差控制图上的表现a)图中只有1-3种数值极差值在控制限内；b)图中有4种数值的极差值在控制限内，但多于1/4的极差=0,21,【例13-2】下面是用相同数据，而用不同刻度值的仪器测出数据画出的两组图（图13-2）。图13-2a上使用的最小测量单位为0.001mm，其和R图上的波动能清楚地表示出来，显示了测量系统有足够的分辨力。图13-2b上使用的最小测量单位为0.01mm，其图和R图上的波动明显减少，由于四舍五人的结果，看上去过程好像是失控了（从图13-2a上看并未失控制）。特别是在R图上，20多个点只有三个不同的极差值，这是分辨力明显不足的表现。,22,23,图13-2过程控制图,a)最小测量单位为0.001mm的控制图b)最小测量单位为0.01mm的控制图,24,数据分级ndc(numberofdistinctClass)测量系统可靠的辨别的分级数ndc=1.41（PV/GRR）ndc取整且应大于5其中：PV是零件变差，GRR是测量系统的变差PV=RpK3其中：Rp为零件极差的均值；K3=1/d2*d2*是用极差Rp估计标准值差PV的系数,25,接受准则。汽车行业常用测量值来控制产品和分析制造过程的质量。因此，测量系统若不能识别出过程变差而用于分析，是不能接受的；同样，若不能识别出特殊原因的变差而用于控制，也是不能接受的。具体地讲：准则一：测量系统的最小分度值用于识别产品质量特性的变异，应是产品规定公差的十分之一；若用于识别制造过程参数的变异应是该制造过程六倍标准差(6)的十分之一。准则二：测量系统的有效分辨力直接影响测量系统的用途，它可用数据分级来衡量，数据分级的计算公式：数据分级数1.41（PV/R&R）其识别方法如表12-1所示，最好数据分级数在5或5以上，一般为24。,26,分辨率判断准则：若ndc2:不能使用该测量系统对过程进行控制；若ndc=2：数据被分为低和高两组，等同于计数型数据；ndc必须在5以上，量检具的分辨率才可被接受。,27,（二）测量系统的变差1、偏倚（Bias）偏倚测定步骤：在更高级测量系统，重复测量样件（标件）均值为基准值。被研究测量系统，重复n10测量该样件（标件）均值。偏倚=观测均值基准值。偏倚%=注：制造变差由制造过程控制图得出；若无法获得，可用规范公差代替。,28,偏倚接受准则：a)对重要特性：偏倚%10%可接受；b)对一般特性：10%偏倚%30%可接受c)偏倚%30%：拒受。,案例：偏倚分析例：某作业者测一零件10次，数据如下：且已知该零件真值=0.8，且零件制造过程变差=0.7，试进行偏倚分析。解：123判断：7.1%10%结论：该测量系统的偏倚可以接收。,30,如果偏倚在统计上不等于0，检查是否存在以下原因：仪器没有经过适当校准仪器、设备或夹紧装置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使用不当仪器质量差设计或一致性不好应用错误的量具不同的测量方法设置、安装、夹紧、技术测量错误的特性,偏倚分析,31,2、重复性（Repeatability）测定步骤：考察测量过程是否稳定？选几个零件，每零件重复测量m次，建立R图。观察稳态受控？若判为失控，寻找原因、定纠正措施使R图进入稳态。计算重复性EV=5.15e其中：e为重复测量标准差。其中：重复测量一个零件的极差的均值；d2*见下表：d2*=f(m、g）其中，m：重复测量次数，g=（极差个数）=（操作者数零件数）,重复性与再现性(均值极差法),32,表2d2*=f(m,g)数值表,33,案例：两操作者用同一量具对某零件某特性重复测3次，零件共5件。试作EV分析。解：1）m=3，g=25=102）查表2：d2*（3、10）=1.723）案例：为估计某量具的重复性，选定2位操作者，零件5件，每零个重复测量3次，测量结果如下表。,34,极差R,35,1、由“控制图用的系统数表”(见“SPC”)：当m=3，D3=0，D4=2.5752、3、R图控制限：4、作R图（略），判断：过程已处于稳态。5、,解：,36,3、再现性（Reproducibility）再现性主要反映操作者测量值均值的差异，是人的因素的误差。再现性测定步骤：（1）测量：m位操作者，对n个零件，每零件重复测q次,第i次操作者数据表,37,再现性,38,上述再现性所得的标准差0还包含着每位操作者重复测量引起的波动，因此需要对上述再现性做修正。我们知道每位操作者各测量nm次，故重复性方差要缩小nm倍。因此，再现性方差的修正值为,=-/nm,标准差为,39,案例：见重复性案例数据，求再现性解：1，2，3，,40,在上述案例中：修正过的操作者标准差修正过的再现性,41,(2)计算零件间变差在测量系统能检测出零件间变差的基础上，可按下列步骤计算零件间变差。先计算K个均值的极差Rp式中再计算零件间的标准差p和变差PVp=RP/d2*，PV=5.15p式中d2*在表5-2中给出,它取决于零件总数m和g(这里g=1，因只有一个极差计算)。,42,（2）计算零件间的变差为计算表5-3中零件间变差，通过平均所有操作者对每一个样本的测量值来计算每一个零件的样本平均值。注意：本例是检测不出零件间变差的，此处的计算只起演示作用。在这个例子中,零件1至5的平均值分别为217.3，217.3,216.0，213.0，219.2。这样就可得出：样本平均值极差Rp=219.2-213.0=6.2零件间标准差p=Rp/d2*=6.2/2.48=2.50注：d2*在表5-2中给出，它取决于零件总数(m=5)和g(g=1)。零件间变差PV=5.15p=5.152.50=12.8,43,方差平衡公式：,其中：是测量数据总方差是被测零件数据方差是测量系统方差,44,在本例中:PV=12.8AV=1.08EV=7.5因此TV2=12.82+1.082+7.52=163.8+1.2+56.3=221.3TV=14.9%R&R=0.50=50%,45,%R&R量R&R在总变差TV中所占百分比记为%R&R，即%R&R是评价测量系统能否被接受使用的重要指数,46,美国一些大公司将%R&R划分为三等：当%R&R10%时则判断：测量系统可以接受；当10%R&R30%则判断：测量系统为模糊区域。（要考虑：测量系统的重要性、成本、维修费综合判断。）当%R&R30%判断：测量系统不能接受，应改进。,47,在本例中:%R&R=0.50=50%不能接受,48,量具重复性和再现性报告包括零件内变差,49,5、稳定性（Stability）（飘移）区分两种稳定性a、随时间变化，系统偏倚的总变差；b、统计稳定性：包含重复性、偏倚、一般过程等。通过测量系统控制图，确定系统稳定性。测定稳定性步骤：a、取一样本建立基准值（可溯源）b、定期（天、周）测取标准样本3-5次；以时间序作c、计算控制限，若有失效（不稳定）作出分析。d、计算S（标准差），计算Cpe、评估系统稳定性。判定准则：详见SPC控制图,50,a)分析。用控制图不定期进行分析，如图12-8所示。,图12-8稳定性的图,51,b)接受准则在控制图上所有测量的值均在上、下控制内，并且不准有异样排列。计算偏倚，其值是可以接受的。,52,6、线性（Linearity）测定线性步骤：a）在量具全作业范围内取g个部分（即取g5个零件）b)测定g个部位样件（标件）真值Ai（i=1,2，g）c)每样件由操作者重复测m次（m10），获下列数表及计算,53,j,i,54,其中：d)求：回归方程（a、b）一元线性回归其中：,55,f）相关系数（拟合优度）R,g）线性=|斜率|（过程变差）,可用公差代替过程变差,56,h）线性判断准则线性相关性：R2=1：完全线性相关（点散布在一直线上）R2=0：完全不线性相关（xy不存在任何线性关系）；OR21：不完全线性相关。线性接受准则：对重要测量特性的测量系统：%线性5%可接受；对一般测量特性的测量系统，%线性10%可接受；%线性10%拒绝接受。（显然b越小，量具的线性越好）。,57,案例：在量具全作业范围内选取5个部分，并已求得各部分被测件的真值分别为：2.00/4.00/6.00/8.00/10.00，每一零件由操作者重复测量12次。设PV=6，数据及计算如下表,58,线性方及拟合优度R计算：,59,图13-4基准值x与偏倚y的散点图,60,“线性”不仅表示偏倚对基准值的线性关系，而且还被定义为一系数：线性|斜率b|过程变差它用来表示量具的线性程度，愈小愈好。假如上例中的过程变差PV6，则其线性0.131760.79。,61,偏倚均值估计方程y=0.1317（真值）0.7367线性=0.13176=0.79%线性=13.17%结论：OR2=0.9281强相关；%线性=13.17%10%判断为：该测量系统线性不可接受（需根据特性的重要性加以考虑).,62,图13-5|b|1时的线性效应,63,图13-6|b|1时的线性效应,64,现在我们来说明线性系数的含义。图13-5上的直线y=a+bx是某测量系统的偏倚y与其基准值x的回归直线，假如基准值x的99%的测量结果所占的区间为（A，B），其长度|B-A|就是过程变差，通过回归直线可得偏倚y中99%所占区间（yB，yA），其长度为：|yA，yB|=|b（A-B）|=|b|A-B|（13-3）我们称其为线性系数。与过程差类似，可将它看成是偏倚的变差。,65,人们当然希望偏倚的变差愈小愈好，但若反映偏倚对基准值的回归直线和斜率b的绝对值大于1(见图13-6)，偏奇的变差立即被放大了。图13-5图13-6的过程变差是相同的。造成偏倚的变差被放大的原因，就在于回归直线斜率的大小。这一现象对量具的量程内任一个基准值都存在，这就是线性效应。由上述分析可知，在设计和调整量具时，首先，使使测量系统具有线性。其次，还要求其回归直线较为平坦，即斜率的绝对值愈小愈好，这对控制偏倚十分有好处。,66,NO-GO,GO,定性数据(AttributeData)的R&R,67,Go-NoGo数据模式人为因素主导，情况复杂统计模型多种多样统计学上各家争鸣，尚无定论实践中采用何种形式，取决于实例与统计模型的接近程度,68,对于以“是”和“不是”为计数基础的定性数据，对测量系统能力的判断方法与计量型分析方法完全不同.定性数据测量系统的能力取决于操作员判断的有效性，即将“合格”判断成合格，将“不合格”判断成不合格的程度.,计数型测量系统能力分析方法,69,大样法：以下为判断所用的指标有效性Effectiveness(E)-即判断“合格”与“不合格”的准确性E=实际判断正确的次数/可能判断正确的机会次数.漏判的几率Probabilityofmiss(P-miss)-将“不合格”判为合格的机会P(miss)=实际漏判的次数/漏判的总机会数.误判的几率ProbabilityoffalsealarmP(fa)-将“合格”判为不合格的机会.P(fa)