MSA量测系统分析R-MSA量测系统分析R090422.ppt

1 MSA量测系统分析MeasurementSystemAnalysis 讲师 李国防Minister Lee a Update 2009 4 22 R04 2 李国防 经历 美国质量协会 ASQ 会员63397902美国质量协会 ASQ 认证质量工程师 CQE 51594中国质量协会注册6SIGMA黑带CAQ BBEC 0600103中国统计局注册统计师 中级 2005100220532050524中国质量协会会员中国质量协会注册中级质量工程师0027442内部讲师培训师 3 量测的定义 以观察所得的数据为基础 描述产品 过程 或服务的过程 能力 或绩效 记住量测要耗费时间和金钱 拥有准确的数据所带来的收益必须要超过获得数据所花费的成本 如果量测对该过程的管理或改善没有明确的答案 那么就要停下来 重新考虑这种量测的必要性 4 量测系统分析的目的 进行量测系统分析的目的是在确保搜集到的信息足以代表过程中发生的情况 过程中的全部变异包括过程本身的变异以及量测系统的变异 将量测变异减至最小可以保证所搜集的数据反映的变异代表过程的真实变异 因此 量测系统分析必须定期进行 以确保数据的可信赖与有效 一个过程中所有反复发生的活动都会有变动 这种变动称为变异 5 知识与量测 6 数据的类型 1 连续数据 连续数据又叫计量 Variable 数据 是通过量测所获得的数据 其特点是可以用单位来度量 如摄氏度 秒 千米 2 离散数据 离散数据又叫计数 Attribute 数据 其特点是表现的是属性和类别 是通过计数所得到的数据 不能被精确细分 7 从定性到定量到计量 定性数据通常是用文字或图像表达 定性数据要设法转化成定量数据的两种形式中的一种 才符合6 精神 从上表可以看出 计数数据以是否符合某一基准的个数或整体的比例来量测 而计量数据则是用可带小数的连续区间来量测 8 一般实例 数据类型练习 在组内讨论提出实例 完成下表 9 数据的误差 误差是统计学的基础 也是质量活动的基础 如果不存在误差 6Sigma系统也就失去了任何价值 真值 测量值 测量误差 数值 量测精度 真值 低 高 10 量测系统分析的类型 1 作业性定义2 走透过程 WalkingtheProcess 3 GageR R 计量数据 计数数据 我们要尽可能的做量化研究 但并非所有的量测系统均可精确的从事GageR R研究 有时要以第一或第二种方法进行MSA研究 11 量测系统分析 作业性定义 量测系统可以根据项目团队提出的作业性定义加以验可 以确保所有从事量测工作的人员完全理解在数据搜集阶段中所期望的 在对数据搜集的作业性定义回顾之后 量测人员要知道 需要什麽信息 爲什麽 如何使用数据搜集表 什麽是缺点 什麽不是缺点 在适用情况下 如何对那些扭曲数据的非普通情况作出解释 项目团队在研究出作业性定义后 将验证 数据搜集计划搜集到所需数据数据搜集工具是有效且方便使用量测人员明白数据搜集的预期结果 12 12 作业性定义练习 班上有多少白色衬衫 13 13 作业性定义练习 衬衫是覆盖人体驱干60 以上的有领衣服 它在裙子或裤子的上方 当它自由下垂时 其下边缘在裙腰或裤腰以下 衣服前方中央左右可以分离且穿着时系以钮扣扣合前方左右两边 如果穿着者穿的既不是裙子 也不是裤子 那麽这件衣服就是衬衫 驱干系指人体肩膀上缘至臀部下缘的部份 如果符合上述定义的衬衫 穿着时其外表可见部分的95 以上是白色 那麽就认爲它是白色的衬衫 白色的定义 是指衬衫的顔色与色卡规定范围内的部分相配 衬衫和顔色卡需的相配情况经由检查人员判定 检查人员要通过ISO9000认证医院的色盲检查 14 作业性定义例 数据搜集的作业性定义例 在查检表上以年 月 日记录计算机到达客户的日期 将残余荼叶倒进过滤器 并将过滤器和残余荼叶放在秤盘上 以公克为单位记录每笔残余荼叶的重量 每天记录米饭留在电子锅内的时间 记录每次按下煮饭按钮的时间 再记录每次拿出熟饭锅的时间 用24小时制 时间记录到最近的分 15 练习写作业性定义 16 作业性定义练习 10个花生里有多少个有外观缺点 17 常态分布 此时的数据分配是一条平滑的钟形曲线 反折点 1 目标值 LSL USL 18 正态分布 19 正态分布概率 双边 20 哪个制程较好呢 产品变异 量测变异 总变异 21 实际制程变异 偏倚 稳定性 线性 已观测的制程变异 测量系统的变异 组内变异 组间变异 正确度 精密度 sP2 sT2 sR R2 sT2 sP2 sR R2 sR R2 sAV2 sEV2 重复性 再现性 1 制程变异的理解 我们所观测制程的变异里包含了实际制程变异和测量系统的变异 假如测量系统的变异比较大时会发生什么样的问题 测量系统验证 22 测量是为了表示某个物体的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 MeasurementSystem 测量系统的误差 正确度 Accuracy 测量值和真值之间的差异 偏倚 Bias 线性 Linearity 稳定性 Stability 精密度 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 重复性 Repeatability 再现生 Reproducibility 精度低 正确度差 精度低 正确度高 精度高 正确度低 精度高 正确度高 测量系统的精度及正确度 测量系统误差 23 VS 24 什么是正确度 Accuracy 什么是稳定性 Stability 真值 正确度 量测系统的平均值 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 仪器设备因磨损 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 Time1 Time2 时间经过 25 什么是Bias 偏倚 Bias 测量值的平均 基准值 真值 Bias Bias 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 ProcessVariation 6 Tolerance USL LSL 26 正确度偏差大 正确度偏差小 LSL USL 测定值 真值 真值 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 Linearity 对Gage的操作范围或者Spec范围的正确性 27 利用Minitab分析测量系统 正确度 Accuracy 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 0 One SampleT xTestofmu 0 8vsmunot 0 8VariableNMeanStDevSEMean95 0 CITPx100 75000 04710 0149 0 7163 0 7837 3 350 008 Bias 0 75 0 8 0 05 Bias 7 1 P value 0 008 所以可以认为正确度有问题 Stat BasicStatistics 1 Samplet 28 线性 Linearity 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 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 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 29 线性 Linearity 的分析 线性不好的情况 测量范围全领域偏倚 正确度 不一定的情况 无法矫正 偏倚 基准值 偏倚 基准值 30 线性 Linearity 和偏倚 Bias 判定基准 线性 Linearity 差时需要考虑的事项 调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 31 利用Minitab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 32 实行结果 结果解释 Minitab使用方法 Stat QualityTools GageLinearityStudy StdDevStudyVar StudyVarSource SD 5 15 SD SV TotalGageR R0 238941 23058 67Repeatability0 238941 23058 67Part to Part2 7457614 140799 62TotalVariation2 7561314 1941100 00 Linearity是总制程变异量的13 167 因此线性是比较差 需要改善 Bias是0 4 良好 33 Linearity 倾斜度 xProcessVariation Linearity 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Bias一定的话可以说线性较好 为了评价线性必须要计算Bias ProcessVariation 6 倾斜度 x100 Linearity值如果接近 0 的话可以判定线性比较好 回归模型 y a bx y Biasx 基准值b 倾斜度 线性的计算公式 34 计算GageLinearity统计值 Bias y 0 7367 0 13167MasterLinearity 0 13167 14 1941 1 86889 Linearity 13 167 倾斜度 计算GageBias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 35 指的是随时间经过时 对同样部品的测量结果的变异程度 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 分析稳定性的方法我们通常用连续型管制图 Xbar R管制图 目前所有的测量值都在管制界限内 因此可以说此仪器是比较稳定的 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 稳定性 Stability 分析 36 实际制程变异 偏倚 稳定性 线性 已观测的制程变异 测量系统的变异 组内变异 组间变异 正确度 精密度 sP2 sT2 sR R2 sT2 sP2 sR R2 sR R2 sAV2 sEV2 重复性 再现性 1 制程变异的理解 我们所观测制程的变异里包含了实际制程变异和测量系统的变异 假如测量系统的变异比较大时会发生什么样的问题 测量系统验证 37 什么是重复性 Repeatability 重复性 Repeatability 得到具有一贯性的结果 反复测量时的变异 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异 这是因量具设备而发生的变异 测量者A 测量者B 测量者C 再现性 什么是再现性 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异 什么是精密度 Precision 38 Repeatability重复性 可能导致重复性不好的原因 Equipment 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 人员环境条件 照明 噪声 身体条件 视力 Reproducibility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 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 系统精密度不好的原因 39 实际制程变异 测量系统变异 已观测到的制程变异 GageR RStudyMethod Xbar 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ANOVAMethod GageR R 精度 Precision 分析 GageR ROverview 精密度 散布 散布 R RStudy sR R2 sEV2 sAV2 40 为了做GageR R而采集数据的方法 41 步骤1 选定代表制程长期变动的10个样本2 量测仪器的校正3 让第一个作业者对所有样本任意顺序各做一次量测 BlindMeasurement盲测 4 让第二个作业者按同样地方法实施 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 GageR R步骤 42 样本的选定 样本一般为10个 能代表制程的散布 假如样本只选定接近制程平均时 量测能力评价指标将会比实际不好 假如样本的选定在比工程散布宽范围宽时 量测能力评价指标将会比实际好 样本反映制品的实际散布 制程变异 时才有意义 43 Contribution 100 GRR StudyVariation 100 Tolerance 100 Numberofdistinctcategories Round 1 41 NDC识别指数 识别指数意味着量测System能区别的制品散布 即 区别制程散布区间的数 例 识别指数为3时 部品散布 p 量测散布 MS GageR R评价指标 评价指标 Tolerance USL LSL 44 NDC识别指数 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 一种NDC分辨指数的直观表示 1category 3categories 6categories 45 评价基准 StudyVar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 根据用途的优先参照评价指标 在制程判断合格与否很重要时 优先确认 Tolerance 制程管制用或制程显示用时 优先确认 StudyVar GageR R评价指标 46 47 Minitab输入DATA 计量型GageR R 48 利用Minitab的分析 例 3名量测者对10个样本做重复3回量测时 Stat QualityTools GageR RStudy Crossed 计量型GageR R Minitab提供ANOVA法和XbarandR两个分析方法 部品和量测者之间有交互作用时 ANOVA法可以把交互作用分离显示 所以是更正确的分析方法 49 计量数据分析步骤 1 用Minitab中输入数据的格式如下 50 在Minitab下拉式菜单选 Stat Qualitytools GageStudy GageR RStudy Crossed 如下图所示 计量数据分析步骤 2 51 在出现的对话框选下图所示信息 上图信息表示用均值 全距法进行系统分析 考虑交互作用 不考虑交互作用 计量数据分析步骤 3 52 计量型GageR R Minitab分析结果Graph解释 RChartby作业者 ComponentsofVariation XBarChartby作业者 选定的样本是否如实反映工程的散布 如果这个值均匀 意味样本没能如实反映工程的散布 作业者之间是否有差异 作业者之间最好没有差异 作业者与部品的Interaction 每名作业者对样本是否做不同的量测 每名作业者对样本的量测值一致为好 By部品 By作业者 作业者 53 计量型GageR R Minitab分析结果Graph解释 作业者 作业者与部品的Interaction By作业者 By部品 RChartby作业者 在全体散布中R R所占的比重是否充分小 GageR R Repeat Reprod 的高度越接近0越好 作业者别重复量测值是否稳定 注意 要是超过RChart的界限 就得调查其原因 并重新量测 辨别相互不同部品的能力是否充分 与RChart相反 尽量多超过管制界限为好 50 以上的点 ComponentsofVariation XBarChartby作业者 54 计量型GageR R Minitab分析结果Graph解释 55 ANOVA解释 良好的量测System 在ANOVAtable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 SourceDFSSMSFP部品90 2410270 0267807132 4320 00000作业者20 0006490 00032441 6040 22846作业者 部品180 0036400 00020223 3700 00021Repeatability600 0036000 0000600Total890 248916 计量型GageR R 56 ContributionSourceVarComp ofVarComp TotalGageR R1 11E 043 64Repeatability6 00E 051 96Reproducibility5 15E 051 68作业者4 07E 060 13作业者 部品4 74E 051 55Part To Part2 95E 0396 36TotalVariation3 06E 03100 00StdDevStudyVar StudyVarSource SD 5 15 SD SV TotalGageR R1 06E 020 05437619 07Repeatability7 75E 030 03989213 99Reproducibility7 18E 030 03695212 96作业者2 02E 030 0103953 65作业者 部品6 89E 030 03545912 44Part To Part5 43E 020 27986798 16TotalVariation5 54E 020 285100100 00NumberofDistinctCategories 7 评价指标的计算 计量型GageR R Contribution X100 3 64 StudyVar X100 19 07 57 辨别范周为7 小于基准值10 但大于基准值5 StudyVar为19 07 大于基准值10 但小于基准值30 Contribution为3 64 因部品之间差的变动为96 36 还有 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 评价指标解释 ContributionSourceVarComp ofVarComp TotalGageR R1 11E 043 64Repeatability6 00E 051 96Reproducibility5 15E 051 68作业者4 07E 060 13作业者 部品4 74E 051 55Part To Part2 95E 0396 36TotalVariation3 06E 03100 00StdDevStudyVar StudyVarSource SD 5 15 SD SV TotalGageR R1 06E 020 05437619 07Repeatability7 75E 030 03989213 99Reproducibility7 18E 030 03695212 96作业者2 02E 030 0103953 65作业者 部品6 89E 030 03545912 44Part To Part5 43E 020 27986798 16TotalVariation5 54E 020 285100100 00NumberofDistinctCategories 7 计量型GageR 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此量测System 应给重复性的改善予以更大的比重 来改善量测System的方案 58 59 60 61 练习 量具R R方差分量来源方差分量贡献率合计量具R R0 00034823 66重复性0 00015301 61再现性0 00019522 05Operator0 00010891 15Operator PartID0 00008630 91部件间0 009157096 34合计变异0 0095052100 00过程公差 0 5研究变异 研究变 公差来源标准差 SD 6 SD 异 SV SV Toler 合计量具R R0 01865970 11195819 1422 39重复性0 012370012 6914 84再现性0 01397020 08382116 76Operator0 01043500 06261010 70Operator PartID0 00928860 0557319 5311 15部件间0 09569220 57415398 15114 83合计变异0 09749450 584967100 00116 99可区分的类别数 7 62 例 计算 Tolerance时 Tolerance 63 Toleance被计算的例子 计量型GageR R Tolerance X100 68 61 ProcessTolerance 64 一个人反复3次测试同样的部件的结果值之间有很大的差异 即 可判断出重复性上有问题 另外 大部分的测量值都靠近平均的附近 所以可以判断出测量系统的区别上有问题 对个别测量值的图表分析 图表分析结果 Minitab使用方法 Stat QualityTools GageRunChart 结果的解释 65 GageR RRunChart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 重复性上有问题的时候 再现性上有问题的时候 66 过程 R R观察到的Cp对策 18 0 4 255 1 5 350 0 4 460 4 5 注意力应放在哪一部分 量测系统还是过程能力 R R与能力 67 过程 R R观察到的Cp对策18 0 4能力255 1 5量测350 0 4可能两者都是460 4 5量测 R R与能力 68 如何处理量具能力不足 如果主要的变异源是再现性 设备 那麽需要更换 修理 或者调整设备 如果咨询设备经销商或者对行业情报进行研究后 发现使用的量具技术已达到当前工艺水平 并且量具工作符合规范 那麽仍然需要修正量具 对这个问题的一个临时解决方案是用信号平均 见下一页 如果占主导地位的变异源是作业员造成的 再生性 那麽必须透过训练和定义标准作业程序来解决这个问题 应当观察不同作业人员之间的差别 以便发现是训练 技巧 还是程序方面的问题 对规格进行分析 它们合理吗 如果量具能力是边际能力 高达研究变异的30 并且过程以很高的能力 Ppk大于2 在运转 那麽量具没有问题 可以继续使用 69 注 如果要减少量具误差 那麽要利用样本标准误的平方根的好处信号平均技术 n 对同一个零件进行再现量测的次数量测值 n 次读数的平均值例 如果指出的估计值是4次再现量测值的平均数 那麽量具误差可以减少50 这种技术应该用做短期方法 但是必须修正量具 管制再现性 平均数分配 个体分配 70 信号噪音比 S N比 将産品变异与量测系统变异联系起来 S N比应该尽可能大 区分度指数提供刻度数量 使量测系统准确量测零件 样本 的变异 如果这个指数小于4 那麽它就不适合爲研究提供数据 如果指数等于2到4 那麽它相当于 过 不过 Go NoGo 量具 我们希望这个值等于或大于5 其他统计指数 S 比 71 下面几张幻灯片显示了4个计量的量具R R结果 研究 P TV 精密度比总变异 和 公差 P T 精密度比公差 及其图形表示 这有助于使结果和改善量测系统需要的措施以目视直接了解 还讨论了GR R对Cp的影响 GR R结果有无数个 将 研究和 公差结合 用这4个相对特殊的情况 有助于决定对得出的结果需要采取哪些措施 请记住 尽管可以考虑接受 慎重进行 小于30 的情形 但是要努力寻找GR R 10 的结果 这些图形不是按比例绘制的 所以在评价这个信息时不要在各个情况之间做比较 而应当在情况内将直方图与规定界限进行比较 我们并没有使用实际的数据建立这些直方图 这些实例假定选择的10个零件能够代表正在研究的长期过程能力 3个作业员 2次试验 关于这个问题的量测系统没有做任何假定 没有使用实际数据计算Cp指数 它们可以目视地估计 但有合理的假定 解释计量GR R的结果 72 9 0 8 0 7 0 6 0 5 0 LSL USL 公差 17 研究17 公差 量测的贡献 精密度 零件的贡献 零件变异 观察到的 总变异 在这个实例中 我们看到GR R的结果是可以接受的 它的 研究变异与 公差变异相同 由于总变异 PV 5 15 sTotal 和公差 T USL LSL 相对大小相同 所以结果相同 因此 当我们得出P TV或P T比时 它将大大低于30 此处P代表量具精密度 5 15 sms 这个量具是可接受的 不需要采取任何措施 唯一需要采取的行动是改善过程能力 此外 这个过程的Cp观察值可能接近1 因爲在公差范围内一次可包容6个该过程的标准差 最后 作爲可接受的GR R值 观察到的Cp 量测结果 可看作实际Cp 情况 1 73 9 0 8 0 7 0 6 0 5 0 公差 LSL USL 75 研究75 公差 量具的贡献 精密度 零件的贡献 零件变异 观察到的 总变异 在这个实例中 我们观察到 GR R中的 研究变异与 公差变异相同 然而结果根本无法接受 由于总变异 TV 5 15 sTotal 和公差 T USL LSL 的相对大小相同 所以结果相同 因此当我们得出P TV或P T比时 它将大大超出30 此处P是量具的贡献 5 15 sms 这表明量测系统无法辨别零件与零件的差别 不良GR R的一个影响将会扩大産品标准差的变异性 在这个实例中 我们确实需要修正量测系统 最后 这个过程的Cp观察值 用这个不精密的量具 很可能接近0 5 因爲在公差范围内仅能包容6个标准差的一半 实际Cp可能更高 接近1或者1 5 如果改善了量测系统并认爲量测系统是可以接受的 那麽Cp观察值代表实际Cp 情况 2 74 9 0 8 0 7 0 6 0 5 0 LSL USL 公差 量具的贡献 精密度 零件的贡献 零件变异 观察到的 总变异 75 研究5 公差 在此我们观察到的GR R中 研究变异根本无法接受 而 公差变异完全可以接受 怎麽会出现这种情况呢 在这个实例中 量具的精密度 P 5 15 sms 与总变异 TV 5 15 sTotal 之比P TV很大 爲70 然而当我们将量具精密度与公差 USL LSL 相比 P T 时 我们发现GR R 5 是完全可以接受的 我们需要修正量测系统吗 这要视情况而定 如果我们需要改善这个过程 那麽我们应当修正量测系统 如果我们不需要提高过程能力 那麽这个量测系统是可以接受的 在这个实例中 我们观察到Cp可能接近于2 而实际的Cp很可能远远大于这个数 如果由于某些原因PV开始增大到公差值 那麽认爲量具是可以接受的 情况 3 75 9 0 8 0 7 0 6 0 5 0 LSL USL 量具的贡献 精密度 零件的贡献 零件变异 观察到的 总变异 5 研究75 公差 公差 在此我们观察到的GR R中 研究变异是能够接受的 而 公差变异无法接受 怎麽会出现这种情况呢 在这个实例中 量具精密度 P 5 15 sms 与总变异 TV 5 15 sTotal 之比P TV非常小 爲5 然而当我们将量具精密度与公差 USL LSL 相比 P T 时 我们发现GR R 70 很大 我们需要修正量测系统吗 是 我们需要修正量测系统 在这个实例中 观察到的Cp是实际Cp并且它可能在0 2到0 4之间 然而由于我们正在实施s项目 并且在减少KPOVR的变异性 以便改善过程能力 我们的 研究变异将变得更糟 公差将保持不变 当过程变异的大小与公差相同时 2个GR R将爲70 并且观察到的Cp不反应实际值 所以需要改善量测系统 情况 4 76 50 以上要超过Xbar管制界限 NDC 5 GageR R整个Process 77 GageR R Xbar R方法 ANOVA GageR R Nested GageR R Crossed 连续型Data 离散型Data Nested 不可以反复测量的Data 例 破坏检查 Crossed 可以反复测量的Data ANOVA GageR RStudy的种类 78 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行测量的GageR 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 也就是说能假设在batch Lot 内的产品是都一样时 可以在一个Batch Lot 中抽出多个部品进行测试 3名测试人员对5个部品进行2次反复测试时 交叉试验法 CrossedDesign 各batch中可准备6个部品 嵌套式试验法 NestedDesign 各batch中只能准备2个部品 交叉试验法 不能进行反复测试时的GageR RStudy 嵌套式试验法 79 Sample不能进行反复检查时 例 破坏检查 从15个batch中各取2个部品 并且假设同batch内的部品是一样的 3个人进行了测试 用嵌套式试验法分析测试系统 Example 测试结果 80 GageR RStudy NestedANOVANestedANOVATableSourceDFSSMSFPOperator20 01420 007080 003850 99615Part No Operator 1222 05521 837941 425490 25516Repeatability1519 34001 28933Total2941 4094GageR R ContributionSourceVarComp ofVarComp TotalGageR R1 2893382 46Repeatability1 2893382 46Reproducibility0 000000 00Part To Part0 2743017 54TotalVariation1 56364100 00StdDevStudyVar StudyVarSource SD 5 15 SD SV TotalGageR R1 135495 8477790 81Repeatability1 135495 8477790 81Reproducibility0 000000 000000 00Part To Part0 523742 6972541 88TotalVariation1 250456 43984100 00NumberofDistinctCategories 1 分析了的GageR R值超出30 并且NDC是1 所以要求改善测试系统 GageR R的贡献量比部件变异引起的贡献量大很多 所以仪器测试系统不合适对再现性的贡献量是0 即重复性的贡献量是GageR R的全部 所以找出影响重复性的因素后进行改善 Minitab分析结果 81 图表分析结果 Minitab使用方法 Stat QualityTools GageR RStudy Nested 结果的解释 4 5 3 1 因GRR的变异量大 所以要改善测试系统的不适合和重复性 2 处于管制状态 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 所以不适合用在部品间有无变异的检查 4 同样的人对同样的部件进行测试时存在大的差异 所以重复性上有问题及需要改善 5 测试人员测出的值的平均值比较接近 所以再现性良好 2 1 82 对分析出来结果的对策 重复性误差比较大时 因测量仪器的变异比较大 仪器保全不足 使用不合适的仪器 仪器的固定夹具或者位置问题 再现性误差大时 因人的变异比较大 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 测量的误差或者变异的要素 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 样本之间的变异 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 83 属性数据测量系统分析AttributeMSA NO GO GO 84 你拥有太多的属性数据吗 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 失败记录其结果设法获取连续数据 85 留意事项样品应选定代表Process的样品 任意选定25个样品时 以下能成为向导 把平时检查的作业者选定为作业者的选定对象 并成为BlindAppraisal 计数型GageR R 86 属性测量系统中的 和 风险 风险 生产者风险合格产品被拒绝不必要的报废 返工的原因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满意的客户夸大的过程性能 87 结果 哪些是重要的应关心的问题 如果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理掉吗 评估的标准是什么 如何度量一致性 88 1 有效性 E 正确地判断出合格 不合格的能力 E 总次数 正确判断出的样品数量 2 漏发警报率 P Miss 把不合格品判定为合格品的概率 第2种Error 危险率 样品数 反复次数 P Miss 不合格样品的总测量次数 误判断为合格的次数 误判断为合格的次数 不合格品数 反复次数 3 误发警报概率P FA 把合格品判定为不合格品的概率 第1种Error 危险率 误判断为不合格的次数 误判断为不合格的次数 合格品的总测量次数 合格样品数 反复次数 4 偏差 Bias 判断人员区分合格 不合格的尺度 B P FA P Miss B 1 没有偏差B 1 判定为不合格的机率比较大B 1 判定为合格的机率比较大 统计量 适合 附带条件下可以使用 不合格 有效性 E 误发警报率 P FA 漏发警报率 P Miss 0 90 1 0 0 0 0 05 0 0 0 02 0 80 0 90 0 05 0 10 0 02 0 05 0 80以下 0 10以上 0 05以上 89 利用Minitab的二元分类系数型GageR R的Study Ex 为了分析以Go No Go