第三版MSAppt课件

1、量測系統分析(MSA)主講者:健峰企管顧問公司顧問師 :林 享 真.顧問師簡介林享真 老師現任健峰企管顧問公司顧問師資格: 1. ISO9000主任評審員訓練合格 2. QS9000內審員資格 3. 中國認證人員國注委合格環境審核員 4. VDA6.1內審員資格考試合格 5. TPM(日本JIPM協會)講師資格考試 合格 6.ISO/TS16949研習.擔任顧問師前的資歷服務於台灣 日商電子公司滿25年後於96年底退休後擔任健峰企管的顧問師至今.在電子公司服務25年中,前20年擔任品管主管.後5年擔任全公司的管理主管.主要擔任任务內容: QCC/提案改善活動2. 現場管理改善活動3. 美國FO

2、RD汽車的Q-1認證4. ISO9000(87).目前擔任的輔導項目: 1. QCC活動顧問輔導 2. 工廠管理改善活動顧問輔導 3. 日常管理活動顧問輔導 4. 5S活動顧問輔導 5. TPM活動顧問輔導 6. TPS活動顧問輔導 7. ISO9001顧問輔導 8. QS9000顧問輔導 9. VDA6.1顧問輔導 10. ISO/TS16949顧問輔導.名詞定義： 量具(Gauge)：任何用來產生數據的設備或工具。 量測系統(Measurement System)：操作程序、操作環境、量具、軟體 與人員等用以測量品質特性數據的組合。.量測系統的統計性質量測系統的品質是按照其統計上的性質加以

3、評理想的量測系統通常是指擁有零偏向(Zero bias)與零變異(Zero Variance) 的統計性質。雖然各不同的量測系統能够各有其特定的統計性質，但是都必須滿足以下規則：a.按照統計觀點，量測系統必須在控制之中。b.與製程的變異相比較，量測系統的變異必須很小。c.與規格相比較，量測系統的變異必須很小。d.量具的最小刻度增量必須比製程變異或規格為小，通常要求此最小刻度的增量必須小於製程的變異或規格的1/10。.量測系統通則評價一個量測系統能否適合其測量的功能，通常必須經過二階段：1.按照統計性質測試量測系統能否符合任務的要求，假设測試結果可以 接受則此系統可以繼續运用；假设無法接受，則此

4、系統須校正或更換。2.每隔一段時間，量測系統必須重覆測試其統計性質的適當性，不論能否有定期的請專人校正或維護量測系統，統計測試的程序仍須定期舉行，否則根本不知道請專人校正或維護的效果如何。 量測系統的統計測試程序必須完好的記錄下來，並建立檔案。.在汽車工業的生產環境中，許多評價量測系統的統計方法被廣泛的應用，其中包括：再現性(重複性)(Repeatability)，再生性(再現性)(Reproducibility)、精確度(Accuracy )、穩定性(Stability)、與線性(Linearity)等。最常运用者為量具的再現性與再生性(Gauge R&R, Gauge Repeatabil

5、ity and Reproducibility)的評價法。評價一個量測系統的才干時，需求考慮三個根本問題。此量測系統的鑑別力(Discrimination)能否足夠？此量測系統能否會隨著時間的變化呈現不穩定的現象？測量的誤差(或變異)能否非常小？假设量具(gauge)的最小測量單位太大，以致於無法偵測製程的變異，則我們稱之為缺乏鑑別力，量測系統能否有足夠的鑑別才干可以用控制圖(Control Charts)來断定。量測系統的評價法.。 數據 判 定人量具樣品资料方法/SPEC. 環境量測分析精细性PRECISE準確性ACCURATE解析度SOLUTION再現性REPEATIABILITY再生性

6、REPRODUCIBITY穩定性STABILITY衡量.量測系統解析度/準確度/精细度是量具所具有的固有特性，是事先已經設定。量具本身需經常校正到一定的水準。.準確度與精细度精细度/重複性準確度/Bias .量具準確度(ACCURACY)(Bias)準確度是指量測平均值與真值之差，真值可藉各種可得之最準確的量測設備之數次量測值之平均而替代。真值準確度量測平均值.量具再現性(REPEATABILITY) (重複性)再現性是指一種量具，一位作業者，當多次量測一样零件之指定特性時所得之變異。再現性.量具再生性(REPRODUCIBILITY)(再現性) 再生性是指不同作業者运用一样量具，量測 一样產

7、品之特性時，量測平均值之變異。再生性操作者 A操作者 B操作者 C.量具穩定性(STABILITY) - 穩定性是指在不同時間，一量具在量測一样樣件時所得之量測平均值之差，或指一样樣件在量測一單一特性時經過延伸時期所得之全變異。時間 2時間 1穩定性.量具線性(LINEARITY) - 線性是指量具在預期作業範圍內準確值之差異。基準值較小的偏向基準值較大的偏向量測平均值(低量程)量測平均值(高量程)基準值量測值無偏向偏向線性(變化的線性偏向).断定的誤差 量測系統對產品檢驗事實上判斷上無差異有差異無差異有差異 量測系統對製程控制断定事實上判斷上共同缘由特殊缘由共同缘由特殊缘由. 必須考量顯著性

8、，自信心，希望添加，減少 兩人同樣檢驗同一批貨，用同一量具，同時間，小到什麼程度？ 自信心度如何？ 二組DATA擺在一同分析能否有意義？量測者A/量具A/時間A量測者B/量具B/時間B合格不合格合格不合格量測值.量測系統分析型式連續數據型計量型VARIABLE 偏向Bias偏向指量測值與參考值真值的差異偏向=量測平均值參考值製程變異比較=6標準差6%偏向=偏向/製程變異與製程變異比較.偏向Bias評估方法1取一樣本並建立參考值需可追溯，假设不適用則選落在中值區的零件，標示為母樣，在量測室精细量測十次，計算平均值當為參考值。2可求低端、中端、高端的樣本分別作。3由量測者在自然條件下量測十次。4計

9、算平均值5偏向量測平均值參考值.圖形分析:直方圖依據直方圖能否有特殊缘由或離群值來断定.數值分析1.計算平均值Xbar=xi/ni=1 to n2.計算再現性標準差repeatability=【maxximinxi】/d2*d2*查表d2* m=n;g=13.求t-statistic偏向=量測平均值參考值不確定性b=rr/n t=bias/b4.在水準之下假设0介於1信賴區間，則bias可接受Bias【d2bt,1-/2/ d2*】0Bias【d2bt,1-/2/ d2*】d2 d2*df查表，m=n;g=1t,1-/2查t分配表.PH.AB Cb /2 d2bt,1-/2/ d2*實際的Bi

10、as偏離0，偏多少還具有95%自信心說不影響，即按照Bias的分布，有95%機率在0附近。0.偏向Bias)解析假设偏向 “顯著大必須暫停分析，檢查；1母樣參考值能否誤差?需檢視母樣程序。2量具能否磨耗?需做穩定性分析、保養或重整修。3量具能否產生錯誤特性?4量具能否產生錯誤尺吋?5量具能否未適當校正?重評估校正程序。6量測者能否运用不當?重評估檢驗指導書。7量具矯正能否不正確?.穩定性Stability在不同時間裡以同一量具，對同一零件特性量測所得量測總變異1給予之零件在全時間內，量測系統的全變異量。2在未證明系統為統計穩定之前，進行GR&R研讨是無意義，甚至誤導3影響穩定性的因子時間長短/

11、系統所處的條件；如暖機/溫度敏感性/磨耗/清潔/規則运用能够顯示穩定其實不穩定4需考慮量測系統全生命週期所可預見的環境/运用者/零件/方法5實施之前，應先求得哪一要素會影響量測系統，及其優先要素。.穩定性Stability評估方法1.取一樣並建立其參考值s，當為可追溯標準。假设無法获得，可選生產零件中落在中值區的當母樣，2能够時要有低端、中端、高端母樣3以一週期日/週量三至五次，樣本數、頻率，時機需基於量測系統的了解，校正週期。4依數據作Xbar-R或Xbar-s控制圖5估計控制界限，且評估控制外或不穩定條件。6計算標準差和程序比較，以求出量測系統穩定性能否適用。.UCLUCLLCLLCLXb

12、ar R 圖形分析 .穩定性Stability解析1有非控制的信號，表需校正；無非控制信號的校正會添加系統變異。2母樣不應產生偏向，如早晨剛校正後不宜立刻取樣。3由控制圖就特殊缘由改善，或減少控制界限寬度。4由R chart無超出點，表量具穩定度可以估計系統的變異Rbar/d2。.線性Linerity同一量具的不同操作範圍內其偏向值的變異評估方法1取5(g)個樣以上，需含蓋量具运用範圍2在量測室精细量測每一零件求其參考值和確認目標量具的运用範圍3每一零件由一量測者以量具量測10次m需在正常下隨機取樣以減少偏向以上4計算零件平均值和偏向平均每一零件與零件偏向零件參考值零件平均值Biasi,j=x

13、i,j-(reference value)iBiasbar=(biasi,j)/mj=1 to m.線性Linerity5做偏向平均值和參考值圖6計算線性回歸線求最適線並計算相關係數R2yibar=axi+bxi參考值;yibarbias平均b=ydbar-axbar=y/g-a(x/g)=截距a=【xy-(xy/g)】/【x2-(x)/g】=斜率R2=【xy-xy/g】2/【x2-(x)2/g】 【y2-(y)2/g】線性斜率程序變異%線性100%線性/程序變異.線性Linerity在特定的x0, 的信賴水準S=( (yi2-byi-axiyi ) /(gm-2) )1/2低點:b+ax0-

14、tgm-2,1- /21/gm+(x0-xbar)2/(xi-xbar)21/2s高點:b+ax0+tgm-2,1- /21/gm+(x0-xbar)2/(xi-xbar)21/2s.假設檢定-數值分析7. 假设圖形分析顯示線性可接受，則以下假設應是真H0:a=0slope=0無法拒絕，即假设/t/=/ a/s/XjXbar2tgm-2,1-/2標準差s=Yi2bYiaXiYi/gm2 1/2 之假設為真，則量測系統對一切參考值，有一样的bias，線性可被接受，此bias必須為0H0:b=0interceptBias=0無法拒絕，假设/t/=/b/1/gm+X2/XiXbar2stgm-2,1

15、-/2.線性Linerity線性分析.各項資料線性分析1.xls線性分析1.xls解析假设非線性表示1儀器本身未適當校正2最小或最大母規有誤差3儀器已損耗4儀器內部之設計特性線性分線性分析析.R&RGR&R分析；同人不同量具同時間正常下，仍會有，如何添加的程度。OPERATOR R&R:同人不同時間同量具之穩定度，不穩定度，此時量具是完美的MSAR&R=GR&R+OPERATOR R&R.分析方法RANG METHOD平均值與全距法(控制圖法)ANOVA分析.根本假設忽略零件間差異量測系統包含量具本身,和相關的偏向,再現性等,同時包含零件的變異再生性是量者變異,能够來自其他來源，如製程中自動量

16、測系統,無人為變異,僅有再現性.假设有运用多重治具，再生性可視為治具的變異.進行Gauge R & R前的考慮重點在進行Gauge R&R試驗之前操作員的人數、被測量的零件數目、每一個零件被反覆測量的次數、被測量的零件特性、與測量的環境都必須先行決定。通常考慮重點如下： 操作員：隨機選取幾個运用量具的操作員。這可以 讓我們評估量具對不同操作員的敏感度。 零件：自同一規格的零件中隨機選取5到10個零件進行測量。 反覆測量的次數：每一個零件的量測特性被每一個 操作員反覆測量至少二次。假設我們有三個操作員、十個零件，每個零件被每一個操作員測量二次，則所測量出的數據可以填入附表.量測系統研讨之準備在執

17、行量測系統研讨之前應有足夠的規劃及準備，在執行研 究前普通的準備如下：1. 方法在运用前應先予確認。2. 應預先決定操作員人數、樣本數及重複量測次數，其考 慮的要素, 如：a. 重要尺寸: 重要尺寸因量具研讨估計可信度需求之 理由 , 需較多的零件或量測次數。b.零件結構: 原资料或重型零件 , 需少樣本多次 量測。3. 假设能够，應自日常运用此量具的操作員中選擇測試者。4. 樣本應在能代表整個作業範圍的製程中挑選。5. 量具的刻度應能直接讀取特性的預期製程變異的1/10值。例如，此特性的變異為0.001，則儀器可直接讀取的刻度應不大於0.0001。.圖形分析法3A22圖形分析.ppt利用Xb

18、ar chartR chartRun chartsa圖形分析Scatter PlotWhiskers ErrorNormalized HistogramX-Y Plot of Averages by SizeComparison X-Y Plots MSA 圖形 參考手冊第三版:2002.數值分析法步驟.QSMSAMSAb.doc.零件量測者A量測者B差異RA,B10.850.800.0520.800.700.1031.050.950.1040.500.550.0550.750.800.05R=0.35Rbar=0.07GRR=(Rbar/d2*)= /d2*0.0588%GRR=100*(G

19、RR/製程變異)=73.5%d2*(m=2,g=5)=1.191製程變異設為0.08數值計算法 短型SHORT FORM為直覺断定用，僅供快速估計，不分成再現性或再生性，偏向偵測不符合要求者。普通 每樣品量測一次，兩人比較。樣品數較少。.短型SHORT FORM演練1沖壓製程之製程變異是為0.75，今取5樣品， 每樣品由A,B兩人分別各量測一次，數據如下，是求其%GRR零件量測者A量測者B量測者C差異RA,B,C110.8010.8010.85210.8510.7010.80311.1010.9511.00410.5510.5510.60510.8510.8010.80R=Rbar=GRR=(

20、Rbar/d2*)=%GRR=100*(GRR/製程變異)=d2*(m=2,g=5)=1.191d2*(m=3,g=5)=1.739短型SHORT FORM演練110min沖壓製程之製程變異是為0.75，今取5樣品， 每樣品由A,B兩人分別各量測一次，數據如下，是求其%GRRd2*(m=2,g=5)=1.191d2*(m=3,g=5)=1.739.長型LONG FORM每樣品至少二次，同時比較二三四-人皆可，普通十個樣品以上。 .*.量測結果分析量測結果的分析，是基於每個要素對總變異或公差 所占的百分比。計算百分比時，公差能够替代總變 異作為分母。量規再現性和再生性(R&R)合格標準是：誤差在

21、10%以下-量測系統可接受誤差在10%30%之間 - 考慮到應用的重要性、量規的成本、維修的費用等要素，能够也可以接受誤差超過30% 量測系統需求改善。盡力找出問題所在並加以矯正 這些值不一定是量測系統的最終允收結果，量測 系統的績效也應該用圖形方法進行評估。.分析結果檢討與行動R&R要求汽車業/航太業KPC關鍵產品特性要求GR&R 15%6SIGMA10%QPC品質需求特性 20%6SIGMA15%SPC標準產品特性假设GR&R缺乏15%，不可作KPC/QPC， 只能做SPC.演練30min.ANOVA分析變異有零件量測者量具零件量測者交絡.ANOVA分析優點能夠做任何實驗設定運作可更正確估

22、計變異可由實驗數據濃縮更多資訊(零件和量測者的交絡)缺點複雜須有統計知識.ANOVA分析分析之前先確認資料的正確性隨機樣本;n零件,k量測者,r量測次數非SRS(隨機方式搜集)易呵斥偏向可用亂數表.ANOVA分析先做圖形分析,確認和概觀資料交互作用圖形分析,以確認F-test(F檢定)能否顯著如Interaction plot 與Residual plot.Interaction plot假设k線平行則無交絡,假设交叉且角度越大則交絡越大,有交絡應先消除缘由。.Residual plotResidual0.0-0.50.50-1-212可驗證資料能否來自隨機的常態分配之假設,residual指

23、觀測值-預期值(一切讀值的平均),假设residual不隨機在0線上下則非來自隨機樣.ANOVA分析數值計算變異源 DF SSMSF量測者零件量測者與零件量具總計k-1n-1(n-1)(k-1)nk(r-1)nkr-1SSASSPSSAPSSETSSMSA=SSA/(k-1)MSP=SSP/(n-1)MSAP=SSAP/(n-1)(k-1)MSE=SSE/nk(r-1)MSAP/MSEEMS(expected mean square)2+r2+nr22+r2+kr22+r22量測者N(0, 2):零件N(0, 2)量測者零件N(0, )量具N(0, 2)F-ratio 僅在有交絡時計算.ANO

24、VA.xXXXXxxxxxxxxxxxxXcXaXbX1X2X3X4X5X6X7X8X9X10X1aX1bX1cX2aX2bX2cX10aX10bX10cTSSSSASSPSSAP.ANOVA變異估計量具(EV) 2=MSE交絡(INT)2=(MSAP-MSe)/r量測者(AV) 2=(MSA-MSAP)/nr零件(PV) 2=(MSP-MSAP)/kr.ANOVA變異估計EV=5.15(MSE)1/2IAP=5.15(MSAP-MSe)/r)1/2AV=5.15(MSA-MSAP)/nr)1/2PV=5.15(MSP-MSAP)/kr) 1/2GRR=(EV)2+(AV)2+(IAP)2)1

25、/2假设交絡作用不顯著,可將SSAP加至Sse成Sspool,且df相加成nkr-n-k+1.ANOVA分析.6sigmaGB30MSAmsanova.xls.ANOVA結果分析假设再現性大於再生性儀器須維護量具也許須重新設計得比較剛強夾治具貨量具定位需改善有過多的零件間變異假设再生性大於再現性量測者須較佳訓練如何运用和讀數據刻度校驗不清楚.不連續數據型計數型ATTRIBUTEGO-NOGOGO-NOGO目視檢查判級灰色標判級.12321應用量測系統作決策時，最大的風險在類型的邊界區，最適宜的分析方法為量具績效曲線(GPC)之定量化不連續數據型.風險分析方法最大問題是無法得到足夠可供參考值的零

26、件供研讨評估方法:假設檢定分析信號偵測理論(signal detection theory)無法定量量測系統變異,僅在顧客赞同下运用。需基於良好的統計實務，了解潛在變異(影響產品量測流程錯誤決策顧客)來選擇和應用。計數型的變異來源可由人性要素和人因工程來降低。.不連續數據型計數型ATTRIBUTEGO-NOGO事先設定A短型SHORT FORM最起碼要求；兩人20個零件，每人每個零件量測兩次。接受；假设一切量測皆一致每一個零件，4次皆一样否則須改善量測系統和重新分析，假设無法改善量測系統，則須尋找其他量測系統。.10min.長型LONG FORM驗證量測系統的穩定性。以量測績效曲線研讨，評估量

27、測系統的再現性量和偏向，可用於單端量具或雙端量具，雙端量具僅檢驗單端假設誤差是均勻且線性，普通是研讨低端。.長型分析.長型分析.BIAS=-0.1-Xt(P=0.5)GRR=(Xt(P=0.995)-Xt(P=0.005)/1.08GRR=0.055長型分析1.08是大小為20個樣本的調整參數和以模擬程序求得.範例某製程的Pp=Ppk=0.5,有許多不良產生，乃採取Go/NG量具全檢篩選。該品保要求GRR%=25%，經研讨該量測流程的資料如下;請分析該量測系統的才干.Kappa法Kappa值；指量測者之間一致性，及已經移除誤差機會後的一致性的比例。K值=一致性比例 預期有一致性機會比例/1 預期有一致性機會比例=PoPe/1PePo =