MSA-培训讲义

1,MSA-培训讲义 Measurement System Analysis,编制：张 训,2,什么是MSA?,测量系统分析是一项研究，目的是为了了解系统性和随机性因素如何影响我们正确测量某些测评项的能力。 观测结果=真正未知值+误差,3,为什么MSA是重要的？,错误的决定 需要更大的样本量 低估能力指数 对于边界样品：劣等的可能被测量成优良的；优良的可能被测量成劣等的。,4,测量系统变异,所观测到测量值的总变异可以来自两个源头：过程和量具本身： 如果与过程有关的变异混淆，便会 在不需要时，可能尝试调整过程 过程能力将会显得比实际情况还差 白费努力去尝试改进一个显得没有能力，但其实是有能力的过程，而忽略其他需要改进的过程,=,+,5,什么时候实施MSA?,采集数据之前 如适合，在进行过程能力研究之前 当一个主要的特点或过程没有能力时 当测量系统被怀疑是主要变异源时 当测量系统经历重大改变时 当准备进行试验设计（DOE）时 可成为接受新量具的标准,6,关于MSA的相关概念-数据质量,用来描述测量数据质量的统计特性：偏倚（数据值相对于基准值的位置）及变差（数据的分布宽度）。,7,关于MSA的相关术语-测量系统,测量系统是对测量单元进行量化或对被测的特性进行评估，其所使用的仪器或量具、标准、操作、方法、夹具、软件、人员、环境及假设的集合；也就是说，用来获得测量结果的整个过程。,8,关于MSA的相关术语-宽度变差,精确度 每个重复读数之间的“接近”程度 是测量系统的随机误差所构成 重复性 一个评价人使用一个测量仪器，对同一个零件的某一特性进行多次测量下的变差。 是在固定的和已定义的测量条件下，连续（短期内）多次测量中的变差 通常被称为E.V.设备变差 设备（量具）能力或潜能 系统内部变差 再现性 不同评价人使用相同的量具，测量一个零件的一个特性的测量平均值的变差。 在对产品和过程及进行鉴定时，误差可能是评价人、环境（时间）、或方法 通常被称为A.V.评价人变差 系统之间（条件）的误差,9,关于MSA的相关术语-宽度变差（续）,GRR或量具的重复性和再现性 量具的重复性和再现性：测量系统重复性和再现性联合估计值 测量系统能力：取决于所用的方法，可能包括或不包括时间的影响 测量系统能力 测量系统变差的短期估计值（GRR图表法） 测量系统性能 测量系统变差的长期估计值（长期控制图法） 敏感性，能导致可探测到的输出信号的最小输入 一致性，随时间重复性变化的程度 均一性，在正常工作范围内重复性的变化,10,稳定性,11,量具的鉴别能力,经验法则： 如果一个量具的测量单位，最多只等于过程总变异六个西格玛的十分之一，它就是拥有足够的鉴别能力。 测量单位（6x总合）/10,12,分辨力对过程控制与分析的影响,可区分组数（ndc）：作为判定分辨力足够与否的另一个标准。通常认为可区分组数小于5时，测量系统不具备起码的分辨力；可区分组数大于等于5时，测量系统具备起码的分辨力；可区分组数大于等于10时，测量系统具备优良的分辨力。 ndc=INT 1.41X(p/MS) 。p实际过程波动的标准差，MS测量系统波动的标准差,13,精度,观测变异的总和可分为两个主要部分：过程和测量系统（MS）。 精度是测量那与测量系统部份有关的变异。,14,15,测量系统的合格标志,评估指标%GRR，是测量系统波动占过程整体波动的百分比。 评估指标%P/T，是测量系统精度占公差的百分比。 两项指标都小于10%，则测量系统良好；若一项大于30%，则测量系统不合格，不可接受。,16,GRR（Gage R&R）适用的数据类型,适用于所有计数型数据和计量型数据。,17,关于测量过程,测量过程也需要PFMEA分析，以早期确定与潜在过程失效有关的风险，并且在这些失效发生之前提出要采取的措施。PFMEA的结果将转移到控制计划中。 测量过程和一般过程的区别，如下图：,18,测量系统变差的来源,与所有过程类似，测量系统受到变差的随机原因和系统上原因的影响。这些变差的来源是由于普通原因和特殊原因造成的。为了控制测量系统的变差： 识别潜在的变差来源。 消除（如有可能的话）或监控这些变差的来源,19,制定数据采集和测评计划（案例）,20,浏览Minitab,21,浏览Minitab,“T”在C3-T表示数 据类型是文字,“D”在C4-D表示数 据类型是日期,输入这些资料就如你在 操作Excel 第一行是参照，通常是 以“C”开头 第二行是变量的名称 - 选择性,22,你可把资料当项目project来 保存（可容纳多页工作表，和 所有结果） 你也可以只把当前的工作表 Worksheet的资料当工作表 保存起来,浏览Minitab,23,打开新的项目/工作表 打开已有的项目 存档项目/工作表 从数据库提取数据 以文字模板保存窗口 的输出 打印 退出和其他,菜单：文件,24,处理数据的所有运算 指令 处理工作表，合并， 分开，和抽取部分数据 有关数据列，复制，堆 叠，行列转换的运算 分类，排列，编码，转 换数据类型和其他,菜单：数据,25,用“计算器”计算 列和行的统计量 建造有模式的数据 按分布类型建造随机 数据 计算某些分布下的概 率，包括正态分布，二 项分布，和t-分布,菜单：计算,26,菜单图形收集各种显示性 的数据分析工具。类似 Excel的图形工具，但 拥有更多统计显示性的 数据分析工具,菜单：图形,27,菜单：统计,量具研究,一致性研究,28,举例：偏倚和直线性,打开D:Six Sigma上课1_GB Datafiles_Mfg直线性-偏倚.mtw 表中是：用同样的量具，多次测量三个基准（知晓真正值的物件） 评估这量具的直线性。,29,举例：偏倚和直线性,30,举例：偏倚和直线性,量具的直线性（在范围高、低端的偏倚）在统计上是相同的： 斜度的P值大于0.05斜度是等于零。 平均偏倚是-0.0029 结论：量具的线性和偏倚可以接受,偏倚的线性回归方程式：y=常量系数+斜率系数x； P值大于或等于0.05时，则斜度显著为0，判定可以接受； P值小于0.05时，则斜度显著不为0，判定不可以接受； (即：常量系数和斜率系数显著不为0),31,计量型数据MSA,32,Minitab-交叉MSA,33,Minitab-菜单,量具R&R 研究方法有交叉与嵌套两种。 交叉，每个零件可以由多位操用员重复测量。 嵌套，每个零件只能由一位操用员测量一次，如破坏性的检验。 对于重复性和再现性的分析方法：Xbar-R 和方差法。 严格来说，方差法比Xbar-R法较正确，因为考虑到操作人员与零件的交互作用。交叉，可以让你选用Xbar-R或方差法；嵌套，只能选择方差法,嵌套，在采集样件时，零件是成堆的(不可重复分析)，因为每个操作员都只量测唯一的料件。假设你有用到破坏性的试验,你必须要有足够的证据确定同一个批量中的所有物料都是相等的。,34,Minitab-输出,注：MSA解读标准P102-119,三个操作员的平均值趋于相同，但物件10的再现性不可以接受；大多数的平均值都在控制线之外，三人基本一致，则零件间的变异可以为过程的分析和控制提供有用的信息；,在控制线内，虽有5个以上的水平，但是有11个R值是零，超过1/4的标准，判定：量具的分辨力不够； R值没有失控的情形，因此判定重复性可以接受； 发现评价人的变差之间存在差异,三人的平均值图有明显的波动；发现评价人之间的差别在零件10上较为明显；三个K线条之间有交互关系，但交互作用小。,各波动分量方差贡献率（小于1%合格） =2MS/2总合x100 %GRR值= 6MS/6总合x100 %P/T值 结论：不能接受,物件10的变异较大，不符合每个物件的变异最少的原则。说明此件的重复性与再现性波动较大。,三个操作员之间的平均值水平线虽然不够水平，并趋于水平，再现性波动小，但不是最低。,35,36,37,Minitab-输出,可区分的类别数4，只能够用于不太敏感的计量型控制图，只能用于过程参数及指数的粗略估计。 ndc组数5，因此判定：测量系统不具备起码的分辨力。,%R&R,%P/T,测量系统变异 方差分量贡献率%,人和零件的交互作用,38,属性一致性MSA,属性MSA：Fleisss Kappa Kappa卡帕统计量是用来评估评定等级之间的绝 对一致性的程度 可用在二进数、标称数和序数的数据类型 可以这样解释卡帕统计量,39,40,举例：属性一致性分析,41,42,Minitab中的属性MSA,43,Minitab中的属性MSA,44,Minitab中的属性MSA-诠释,检验员自身的一致性评估： Fred的95%置信区间是86.09100，Kappa统计量为1。综合一致性卓越。 Lee的95%置信区间是68.398.77， Kappa统计量为0.79。综合一致性可以接受。,检验员与标准的一致性评估： Fred的95%置信区间是86.09100，Kappa统计量为1。综合一致性卓越。 Lee的95%置信区间是62.1196.79， Kappa统计量为0.79。综合一致性可以接受。,重复性的 一致性比率,偏倚的 一致性比率,45,Minitab中的属性MSA-诠释,检验员之间的一致性评估： 95%置信区间是62.1196.79，Kappa统计量为0.83。综合一致性可以接受,所有检验员与标准的一致性评估： 95%置信区间是62.1196.79，Kappa统计量为0.89。综合一致性可以接受,再现性的 一致性比率,总体有效性的 一致性比率,一致性比率标准： 大于或等于90% 以上，为最好； 大于或等于80% ，且小于90%， 可以接受； 小于80%，应采 取措施。,46,结束谢谢！,