测量系统评价概述

1,测量系统评价 Gage R&R,2,GR&R,连续GR&R 在连续数据（作为连续的量测量，长度、质量、时间等数据）中使用。 属性GR&R 在属性数据（OK/NG、良/否、A/B/C等数据）中使用。,GR&R （Gage(量具） Repeatability（重复性） and Reproducibility（再现性）) 在六西格玛活动中，数据非常重要。万一测量方法或判断方法靠不住的话，结果也会很容易没有说服力。为了避免这种感觉情况发生，验证测量系统是否没有问题就十分必要了。 验证测量系统的一种方法就是使用GR&R。GRR大体分为以下2种。,3,收集数据时，要确认测量系统可靠性是否有问题 如果有问题，需要针对问题制定对策。 要对适用于现有过程的测量系统进行评价，弄清楚是否有改善的必要。 （测量系统如果有问题不解决，测量系统本身就有可能成为COPQ的发生源）。 引入新的测量系统时，需要对其可靠性进行评价。 对于现行的判断基准（检验标准），要根据客户的要求进行修改变更。,为什么要验证测量系统,4,为什么要研究测量系统,通过研究测量系统，可以了解由于测量误差引起的过程数据的偏差比例相关的信息。 测量系统的研究，对于2台或两台以上测量装置的相互比较，或者2人以上的操作员互相比较来说，都是很好的工具。 MSA，在工厂判断是否要引入新测量装置时，作为评价标准的一部分得到应用。 是对不充分的以及有疑问的测量系统进行评价的基础。,5,基本定义,属性数据 用来记录及分析的非常重要的性质数据 属性测量系统 针对特定的界限值（通常、视觉性），比较各零件，如果满足界限值就可以接收，以此为目的的测量系统。 变量数据 针对特定的特性的定量化的规格以及能进行比较的有数位性意义的定量数据。 变量测量系统 对各零部件进行数据性测量，并对和重要特性相关的数据进行评价的测量系统 (重量计、卡钳、千分尺、温度计、电压计等)。 反复性 一个测量仪由一个操作员反复测量几次时，得到的测量数据的偏差。 再现性 使用相同的测量装置，由不同的人员进行评价的测量的平均值的偏差。这不仅包含检验人员，还包含不同测量装置的一致性。 变量R&R (量具研究、或者GageR&R) 对测量系统的误差引起的测量值群中偏差所占比例进行确定并进行研究。 测量误差 包括所有测量偏差的原因产生的影响，是观测值和真值产生偏差的原因。,6,每个人对于一件事物会有不同的观点、感受，对事物的判断就会有偏差，这些判断结果有不少都是和产品、业务成本以及客户服务密切相关的。这时，属性数据的测量系统能够充分发挥其功能在很大程度上成为了关键点。 属性数据 合格/不合格、OK/NG、Yes/No、白/黒、有偿/免费、采用/不采用、 认可/不认可、继续/中止等形式输出的可以进行数量的定性数据。,属性GR&R,1.属性GR&R,验证目视检查中的属性数据及测量系统的正确性。 针对属性数据实施的检查或者检验标准的验证。 决定检验员是否以同一标准进行检验。 把检验员能力数据化，据此保证检验员能够反复进行正确的检验判定。 鉴别检验员在什么程度上符合“检验标准、检查样本”。 找出检验员需要进行培训的领域、检验指导要点不足的领域、检验标准不明确的领域。,属性GR&R的目的,7,从黄色到橘色的范围内，产品颜色不一有偏差，对于这些颜色是否在合格范围内的判断，会影响到产品成本、顾客满意度， 因此颜色的合格与否的判断，就属于属性 属性R&R的对象。,橘色领域：不合格,黄色领域：合格,基准,合格与否界限,产品的颜色在界限线附近产生偏差,因此，用属性R&R验证,不仅仅是颜色的问题，定性判断的过程几乎都属于属性GR&R的对象。,1.属性GR&R,合格与否判定困难 判断人员以自己的感觉判断会产生偏差？ 判断人员不同结果也会不同？,8,Step 1:属性的定义（例：合格/不合格）及判断标准明确化。 Step 2:样本的准备。标准数量30。 Step 3:选择检验员人以上。 Step 4:建立Minitab或者属性R&R的空白表格 工具：属性R&R.xls Step 5:各个检验员独立并且随机对样本的属性值 （例：合格/不合格）进行判断，并把结果输入 Minitab或者属性R&R空白表格中。 Step 6:各检验员进行两次尝试。 Step 7:分析结果并组织成文本。 Step 8:必要的地方实施对策。 Step 9:为了验证对策是否有效，再次用属性GR&R对结果进行 验证。,属性GR&R使用步骤,属性GR&R 步骤,9,明确属性的定义及判断基准,.明确定义属性GR&R对象测量系统的输出属性值。 .明确目前的判断基准。 判断基准不明确时，在使用属性R&R之前，通过顾客 、熟知相关过程的人员、相关专业人士等的帮助，制定明确的基准。,（判断基准不明确的话，只通过修改基准就能得到效果的事件也算不少。 宝山注目。）,属性GR&R Step 1,10,准备样本、评价人员,【Step 2 准备样本】 (1)样本数量，至少准备30个。 样本数太少的话，得出的结果的推测区间的范围就会增大，只会得出含混不清的结果，但是如果太多的话，使用GR&R的负担就会增大。 (本工具可以使用100个数据) (2)准备各属性有相同的构成比例的样本数量。 例如，属性是合格/不合格的话，准备合格50%不合格50% (3)尽可能选择各属性的区域内的样本 【Step 3 选择检验员】 选择相关测量系统的实际正在进行或预计要进行属性判定的人，人。,属性GR&R Step 2,3,11,属性GR&R Step 4,5,6（Minitab）,在文档中输入数据,输入判定基准,输入个检验人员的第一次、第二次的判断结果,数据资料： 属性GRR.MTW,12,属性GR&R Step 7（Minitab）,选择属性一致性分析,统计品质工具属性一致性分析,13,选择本项,选择C3C8,输入3（人）,输入2（回）,选择C2,输入完成后点击OK键,属性GR&R Step 7（Minitab）,在对话框中输入，对结果进行设置,統計品质工具属性的一致性分析,点击检验员内/间的评价一致率（）,14,属性GR&R Step 7（Minitab）,反复性,再现性,有反复性且与基准一致,有再现性切与基准一致,各判定者Try2回一致 判定出来割合,各判定人员试验Try2次做一致性判定，结果一致且与判定基准相符的概率,全员试验Try2次全都一致,全员试验Try2回次都一致 且与判定基准也一致,输出结果,把合格判定为不合格的数量,把不合格判定为合格的数量,第一次和第二次得出不同判定结果的数量,目标 100%,15,属性GR&R Step 7（Minitab）,输出结果,互相有重叠的区域 检验员之间，不存在统计方面的有意差,置信区间的评价,16,属性R&R空白表格的的组合 【工具：属性R&R.xls】,. 属性范例一栏中填写相应属性R&R中使用的属性名称。为了方便填 写，可以缩短名称或使用代号。重点是统一相应属性R&R表格内的属性描述。 输入相应属性R&R的各项信息。 .输入符合各样本判断基准的结果（熟练人员的判断）。,属性GR&R Step 4（空白表格）,17,进行判定训练,. 各检验员相互之间对判定结果保密，并且，使判定结果和样本之间的关系不容易记忆，各检验员各自随机进行检验，并把检验结果记录在空白表格中。 重复第二次。为了避免第一次判定内容对记忆的影响，更改变化两次样本的顺序，或者在两次之间设置充分的间隔。,属性GR&R Step 5,6（空白表格）,18,分析结果 （输入数据的表格）,Y ,Y ,反复性,再现性,有反复性且与基准一致,有再现性且与基准一致,属性GR&R Step 7（空白表格）,19,分析结果2 （统计评价表格）,有再现性 且 符合基准,UCL： 以95的信赖性推测出总体的统计值的上限 LCL： 以95的信赖性推测总体统计值的下限,互相之间有重叠的区域 检验员之间，不存在统计上的有意差,置信区间评价,属性GR&R Step 7（空白表格）,有反复性且符合基准,反复性,20,【有问题存在时】 寻找对策，改善后再评价,Step 8.对策实施 原则上，有再现性且符合基准的比例不足80的情况下，应实施对策。（但6080%时，用成本和重要性进行判断） 着眼点（代表性观点） 判定基准有无问题 对判定人员的培训是否不足 辅助判断的设备、工器具、指导书或判断方法是否有问题 判定人员的能力是否有问题 找出原因，寻找必要的对策,Step 9.改善是实施后、再评价 实施改善后，再次循环Step2到Step7的过程，确认已经得到改善。,属性GR&R Step 8,9,21,巧克力的外观检验 【活用：属性RR.xls】 判断巧克力的外观（颜色、形状、标志）是否合格 ） 与流程图练习相同，分组（34人）进行。 选择1人操作电脑，其他人做检验员。 ）制作检验标准。操作电脑的人打开Minitab或者属性RR工具，并且对合格、 不合格时，填入表格的内容进行定义。 ）为了让检验员们互相不知道对方的检验结果，操作电脑的人员负责每次 叫一名检验员，对巧克力的外观进行检验，并输入判定结果。重复两次。 【留意点】同一名检验员第一次和第二次不要连续检进行。 第二次检验时，打乱第一次的样本检验顺序（为了随机进行检验） 需要时间分钟。 ）检验结束后，电脑操作人员在讲师的指导下输入判定的结果。 ）小组讨论检测结果，必要时，推奨提起。 ）分析结果，选择代表进行发表。,教材：30个外观不同的巧克力样品,属性GR&R 练习,22,是对连续数据的测量系统的误差进行评价的手法。误差是用输出数据的，由测量系统本身引起的偏差占总体偏差的比例来评价。 连续数据 以连续的数值形式输出的数据，例如长度、重量、温度、电压等。,关于连续GR&R,2.连续GR&R,理想的测量系统，输出的结果是“真值”（偏差零，方差零）。 通过对测量系统的调查，能够得出由于测量误差引起的过程数据的变动（%）信息。 测量系统的调查，是对2个以上的测量装置或者2人以上的操作人员互相进行比较时很有用的工具。 测量系统评价，是对生产中使用的新的测量装置进行许可性评价时的一个重要标准。 测量系统评价，在对被怀疑有问题的测量装置进行检查时，是检查的基础。,连续GR&R的特征,23,假如有件产品，其全长尺寸对其性能产生巨大影响，产品出厂前要对其尺寸进行测量。测量不正确的话，就会给顾客传递不良品，需要花费修理费用。,用连续GR&R评价以下内容 （抽取主要内容） . 测量系统的%贡献率的评价 （越接近0越优秀） 评价由于测量系统引起的数据偏差变动的比例 能够区分的范围数的评价 （数值越大越优秀） 对于固定的测量区间，被该测量系统细分到何种程度，还能识别测量值的 不同，进行评价 分析评价结果，采取必要措施,所以、用连续GR&R进行验证 就可以进行校正了,加工,尺寸测量,发货,基准内,基准外,修理废弃,2.连续GR&R,尺寸测量值奇怪 测量系统有无反复性、再现性？,24,所谓再现性，是指不同操作者用同样的装置对同一个零件进行统一特性的测量时产生的测量平均值的偏差。再现性，还必须得考虑不同测量装置（不仅是不同操作者）产生的偏差。,再现性的定义,再现性,操作者 ,操作者B,性能特性,变量R&R研究，把测量系统的再现性进行数据化。,操作者之间差异的数値化,25,装置的反复性，是指使用同一装置，一个操作员对同一零件的同一特性进行反复测量时产生的测量偏差。反复性，也可以应用于（无人的）自动测量装置的反复测量。,变量R&R研究，把装置的反复性数值化。