GRR测量系统分析(PPT 36页).ppt

一，一。 前言：在日常生产中，我们总是根据得到的工艺加工零件的测量数据来分析工艺状态、工艺能力和监控过程的变化，如何确保分析结果正确呢？我们必须从两方面来保证。 一是确保测量数据的正确性和质量，用测量系统分析(MSA )方法对获得测量数据的测量系统进行评价，二是确保使用了SPC工具、实验设计、方差分析、回归分析等适当的数据分析方法。 测量系统的误差通过在稳定条件下运行的测量系统多次测量的数据的统计特性：偏差和方差来表现。 所谓偏差，是指测量系统的偏差、线性、稳定性等相对于测量数据基准值的位置。所谓方差，是指测量数据的分散程度。也被称为测量系统的r正在注意计划外因素进行研究。 每个操作员继续随机测量所有样本，直到每个操作员测量所有样本。 这是为了便于数据收集而标记部件，但操作员“隐藏”(无法判别)所需的试验数的样本，确定了各操作员必须测量3次，使用表收集信息分析结果的其他措施，13，m 例如，选择10个零件的特征过程中的变异的预想范围的3个工作人员随机测量10个零件，各个零件打开3次，Gage3.mtw打开statqtualitytoolsgagerrstudy (crossed )、14， 选择Minitab中的GageRR，对部件号、部件号、操作员、操作员、测量数据作出响应和X-barR分析的主要区别是ANOVA通过零件间的交叉。相互作用让操作员评价ANOVA方法，更保守，15，Minitab中的GageRR:选项5.15是studyvariation (研究变异) 的默认值z值范围计算的99%潜在的研究变异是基于变异计算标准的偏移，在所选零件的研究中，optionsprocesstolerance (过程公差)知道规格界限是10.75(USL )和8.75(LSL ) 在对话框中输入2.0(10.75-8.75=2.0)，在“历史sigma”对话框中输入0.195，然后双击“确定”，16来描述：的可接受性。 如果Minitab不使用流程公差和历史西格玛值，则：选择的研究用样品部件能真实地表现实际的流程偏差是很重要的构想。 这样，测量系统的可接受性只基于研究中的部件变异的比较。 如果选择研究的样品零件，这是有效的前提条件。 AIAG规定：“评价测量系统能否分析过程的一个标准要素是零件公差和测量系统变异所涉及的操作过程的变异”。 请记住，准则的误差在：10%以下。 可以容许的是10%到30%。 即使考虑到风险、测定器的成本、修理成本等，也还超过了30%，所以我认为是不可接受的。 当全面改善测量系统、17、MinitabSixpack、18、GageRR之间的联系，能够再现操作员的结果时，请认为测量过程是一致的。 如果操作员测量的变化相对于过程的变化或公差范围较小，标准测量可以有效地检测零件之间的变化。 测量过程的偏差百分比(%RR )可以确定测量过程的一致性，并可以检测部件之间的偏差。 查看变异的组成、百分比、再现性零件间、影响方差分析流程公差、19、MinitabSixpack、注意带条纹列。 这些表示了整体变异对数据的影响。 GageRR是测量系统的整体变异，分为再现性和再现性。 零件间变异的柱子表示过程变异的估计。你还记得我们测量的理由吗？过程变异的推定、在检查员之间或检查员与检查员之间、标准测定内或检查员一人、整体GageRR、变异的组成、方差分析过程公差、百分比、再现性部件间、20、再现性在极端差图中实际上全部极差超越界限的地方什么都需要研究。 再现性：图，再现性用特别的极差图测定，表中表示的是每个操作员测定的零件的不同。 如果被测量部件的最大值和最小值之差没有超过UCL，则测量标准和操作员可以重复。 样品范围、操作员极差图、21、再现性：图表、Minitab一段(用下一张幻灯片说明)的表分析是分析再现性的最佳方法。 图表中可以看到各算子测量相同样品的算子的模式是否明显不同. 测量变异、总处理变异、分辨率、样本平均值、运营商的Xbar图、22、MSA分析：的有效系统，希望的图超过了UCL和LCL的限制。 这种限制由标准测定的变异决定。 这些绘图点应该表示标准测量的偏差远远小于零件之间的偏差。 如果选定样本不能代表该过程的总体变异，那么标准测量(迭代)变异大于局部变异，这可能使精确的范围计算无效。 如果运营商模式没有比较性，则运营商与部件之间有明显的关联(在另一幻灯片中说明)，运营商的Xbar图、样本平均值、23、Xbar图(期望值)、MSA分析：测量误差、24、MinitabSixpack、极差图受到限制X-bar图和极差图的限制来自哪里？不控制极差图和X-bar图吗？在我们的测定系统中控制范围表示什么？ 算子的Xbar图、算子的极差图、样本范围、样本范围、25、MinitabSixpack，此图由所有操作员共同制作10个部件的数据，显示原始数据，强调了测量的平均值。 和上图相似，零件是按操作员而不是数据排列的。 这张图有助于识别操作员的测量结果。 按一下。 此图显示了每个操作员的所有10个部件的数据。 这是显示零件和操作员关系的最好方法。 通过零件，操作员，零件，操作员，零件，平均，操作员*零件关系，26，零件：变异分析，所有操作员共同绘制了10个零件的数据。 此图应显示处理过程中从最小尺寸到最大尺寸的同一零件的出图点。 对于过程中生产的零件，有公差范围内和公差范围外的零件。 如果零件表现出较大的分散性，则该零件可能无法表现出特性，因此不适合作为测试品。 通过超边界零件、零件、27、操作员：的变化分析，此图显示了操作员画出的10个零件数据。 红线连接操作员描绘的全部10个部件的平均值，红线应该是水平状态。 明显的倾斜度表示操作员与其他操作员相比，在测量零件时有大或小的偏差。超界算子、算子、28、算子与部件的关系，算子的影响：平均线明显偏离后，进行测量的算子与测量的部件之间有一定的关系。 这不是一个好现象，需要研究。 零件，平均，操作员与零件的关系，操作员，29，MinitabSixpack，图形输出问题，变异的组成，超界零件，超界操作员，操作员*零件关系，操作员，零件，平均，操作员，零件，百分比，样品范围算子的Xbar映射，30 GageRR:数字输出，下表使用Mintab计算变异研究的比率，它是各变异源能计算的总变异比率. 5.15*SD表示总变化统计值的99%，且为了改进、和过程，这些值必须小于30%、31、GageRR:的数字输出%。 流程顺利的话，%公差就变得重要了。 %的总数在数学上可能超过100%。 区分指数值显示，在研究变异中，测量系统能正确地识别不重复的测量组的数量。 我们希望这个数量在5以上。 4是阈值。 不到4意味着测量系统只能使用计数型数据。 32、再试一次吧。 选择三个零件，表示预期过程的变异范围。 三个操作员按随机顺序各测量三个零件三次。 打开了无法用于Gage2.mtw练习的流程的历史，没有制定公差。 此数据集用于示例GageRR和标准测量执行图。 33、测量系统怎么显示？ 通过变异的构成、部件，操作员、操作员的极差图、平均、操作员、部件、百分比、样本范围、样本平均、平均=406.2、%方差分析、操作员*部件关系、操作员、部件、源、综合GageRR再现性销售再现性部件之间的整体变化报价员工的业绩检查评价工作上的重大雇佣流程例子：报价流程的简要说明：客户发出了修理设备的工作指示。 分析师确认任务，评估任务，并委托客户报价。 与这种情况相关的测量误差是什么？ 35、执行PS，比尔相信报价过程的变异是顾客满意度的重要影响因素，比尔受到顾客的反馈，其价格变化从恶劣的竞争开始一周内报价给顾客的任务，一周后提出几乎相同的工作，看到35%的价格变化是不正常的。 大楼如何估计估计中的误差量，特别是与再现性和再现性有关的大楼，设定了10件假顾客价格的需要，决定在之后的两周内各进行3次估计。 由于公司提供了产品的多样性