1、2015年7月3日,量测系统分析 Measurement Systems Analysis MSA基础知识及运用,一、正态分布基本理论,基础篇,一、正态分布介绍,正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态分布是应用最广泛的一种连续型分布.德莫佛最早发现了二项概率的一个近似公式，这一公式被认为是正态分布的首次露面.正态分布在十九世纪前叶由高斯加以推广，所以通常称为高斯分布.,某钢铁加工厂生产内径为25.40mm的钢管,为了检验产品的质量,
2、 从一批产品中任取100件检测,测得它们的实际尺寸如下（单位：mm）:,一、正态分布基本理论,创设情境：,一、正态分布基本理论,a、列出频率分布表,100件产品尺寸的频率分布直方图,25.235,25.295,25.355,25.415,25.475,25.535,产品内径尺寸/mm,25.265,25.325,25.385,25.445,25.505,25.565,o,0.005,0.01,0.015,0.02,b、频率分布直方图,产品内径尺寸/mm,o,2,4,6,8,正态分布曲线,当样本容量无限大,分组的组距无限缩小时,这个频率直方图上面的折线就会无限接近于一条光滑曲线-正态曲线.,d、
3、样本容量增大时频率分布直方图,正态分布是具有两个参数的连续分布 u：正态分布的中心值，遵从正态分布随机变量的均值，在均值附近取值的机会较多; ：正态分布的标准差，一般通过方差来计算，表示分布的离散程度; 2：正态分布的方差，随机变量的变异幅度; 所以正态分布记作N（，2）。服从正态分布的随机变量的概率规律为取与邻近的值的概率大，而取离越远的值的概率越小；越小，分布越集中在附近，越大，分布越分散 。,-1,68.26,95.45,1 ,2,3 ,-3 ,-2,u,99.73,重要特性: 正态分布曲线左右两尾端和横轴渐渐接近，但不会相交 是以为中心成对称分布。 正态分布有两个反曲点( Point
4、of Inflection)分别在标准轴一个的位置。 由于其左右对称，曲线与横轴所围面积为1。 经验法则：当分配形态接近为钟形分配时合格品率（%） 在一个标准差内合格率约占68.26% 在二个标准差95.45% 在三个标准差99.73%,全距(Range)，亦称极差： 意义：表示群体全部数据的组内变动范围，意义明确、计算简单。 缺点：不够灵敏，最大及最小值不变而其他值变化时，无法察觉。 标准偏差(Standard Deviation)及变异数(Variance)： 意义：一群数值和其算术平均数的差异平方和的平均數即称为变异数，而变异数的平方根即为标准差。,描述样本分散程度的统计量介绍,变异 为
5、使变异的表示简化，通常分成偶然因素变异（机遇性原因-Chance cause or system cause ），及异常因素变异（非机遇性原因-Assignable cause or special cause ）。 偶然因素：过程固有的，始终存在，对质量的影响微小，例如机床开机时的轻微震动等，其所造成的分配与时间的关系是稳定而可重复、可预测(称为受控状态)。如製程中之變異僅由偶然因素所造成，則稱此製程是在統計控制状态中。 异常因素：制程中不常发生但造成制程的变异，其所造成的分配与时间的关系不稳定且无法预期。故稱异常變異是不在統計控制狀態下，因其產品之特性沒有固定的分配。,过程控制中的变异介绍
6、,二、实施MSA的目的和意义,在产品的质量管理中，数据的使用是极其频繁和相当广泛的，产品质量管理的成败与收益在很大程度上决定于所使用数据的质量，所有质量管理中应用的统计方法都是以数据为基础建立起来的。为了获得高质量的数据，必须对产生数据的测量系统要有充分的理解和深入的分析。,测量在质量管理体系中的地位,MSA基础知识,1、MSA的重要性,如果测量的方式不对，那么好的结果可能被测为坏的结果，坏的结果也可能被测为好的结果，此时便不能得到真正的产品或过程特性。,2、测量系统基础术语,测量：赋值给具体事物以表示它们之间关于特定特性的关系。赋值过程即为测量过程，而赋予的值定义测量值。 量具：任何用来获得
7、测量结果的装置，经常用来特指用在车间的装置，包括用来测量合格不合格的装置。 测量系统：用来对被测特性赋值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；用来获得测量结果的整个过程。,真值,测量过程的目标是零件的“真”值，希望任何单独读数都尽可能地接近这一读值(经济地)。所以，一般情况下是通过使用一个基于被很好地规定了特性操作定义的“基准”值，使用较高级别分辨率的测量系统的结果，可以使不确定度减小。因为使用基准值作为真值的替代，在通常情况下，这些术语经常互换使用。（基准值=真值）,2、测量系统基础术语,3、量测系统的统计特性,Bias偏差(Accuracy准确性) Re
8、peatability（可）重复性 Reproducibility （可）再现性 Linearity线性 Stability稳定性,(1) 偏 倚,偏倚(Bias):又称“准确度”。 如果某一特性量测值接近它的标准值，则称此一数据的品质为高。 如果某一特性的量测值远离它的标准值，則称此一数据的品质为低。,偏倚(Bias),偏倚：是测量结果的观测平均值与基准值的差值。基准值（真值）的取得可以通过采用更高等级的测量设备进行多次测量，取其平均值。,(2) 偏倚原因分析,如果测量系统存在较大偏倚，那么可能的原因？1）标准零件或抽样零件错误； 2）仪器老化； 3）仪器精度不够； 4）仪器没有校准； 5）
9、仪器使用不正确； 6）仪器测量了不适当的质量特性；,造成过份偏倚的可能原因,1、仪器需要校准 2、仪器、设备或夹紧装置的磨损 3、磨损或损坏的基准，基准出现误差 4、校准不当或调整基准的使用不当 5、仪器质量差设计或一致性不好 6、线性误差 7、应用错误的量具 8、不同的测量方法设置、安装、夹紧、技术 9、测量错误的特性 10、量具或零件的变形 11、环境温度、湿度、振动、清洁的影响 12、违背假定、在应用常量上出错 13、应用零件尺寸、位置、操作者技能、疲劳、观察错误,重复性(Repeatability) 、再现性(Reproducibility )(可)重复性:是指同一量测者重复量测同一零
10、件某一特性而产生相同的值的程度。 同一位量测者使同一个量测仪器对同一组零件的同一特性值，进行多次量测，所获的量测值的变化量，就是该量测装置的重复性。 (可)再现性:是指不同的人使用同一量测装置，对同一组零件的同一特性值，进行同一量測所获得的量测值的变异量，就是该量测装置的再現性 。 当存在变异性时，每位量测者的量测平均值会有所不同。,3、量测系统的统计特性,(2) 重复性、再现性图示,重覆性,重复性(Repeatability) EV,重复性,指由同一个操作人员用同一种量具经多次测量同一个零件的同一特性时获得的测量值变差 （四同）,重复性不好的可能原因,1、零件(样品)内部：形状、位置、表面加
11、工、锥度、样品一致性。 2、仪器内部：修理、磨损、设备或夹紧装置故障，质量差或维护不当。 3、基准内部：质量、级别、磨损 4、方法内部：在设置、技术、零位调整、夹持、夹紧、点密度的变差 5、评价人内部：技术、职位、缺乏经验、操作技能或培训、感觉、疲劳。 6、环境内部：温度、湿度、振动、亮度、清洁度的短期起伏变化。 7、违背假定：稳定、正确操作 8、仪器设计或方法缺乏稳健性，一致性不好 9、应用错误的量具 10、量具或零件变形，硬度不足 11、应用：零件尺寸、位置、操作者技能、疲劳、观察误差(易读性、视差),再现性(Reproducibility) AV,由不同操作人员，采用相同的测量仪器，测量
12、同一零件的同一特性时测量平均值的变差 （三同一异）,再现性不好的可能潜在原因,1、零件(样品)之间：使用同样的仪器、同样的操作者和方法时，当测量零件的类型为A,B,C时的均值差。 2、仪器之间：同样的零件、操作者、和环境，使用仪器A,B,C等的均值差 3、方法之间：改变点密度，手动与自动系统相比，零点调整、夹持或夹紧方法等导致的均值差 4、环境之间：在第1,2,3等时间段内测量，由环境循环引起的均值差。这是对较高自动化系统在产品和过程资格中最常见的研究。 5、评价人(操作者)之间：评价人A,B,C等的训练、技术、技能和经验不同导致的均值差。 6、标准之间：测量过程中不同的设定标准的平均影响 7
13、、违背研究中的假定 8、仪器设计或方法缺乏稳健性 9、操作者训练效果 10、应用零件尺寸、位置、观察误差(易读性、视差),当重复性（EV）变差值大于再现性（AV）时，量具的结构需在设计增强，包括夹紧或量具保养。 当再现性（AV）变差值大于重复性（EV）时，检验员需对操作方法及读取方式教育，作业标准应再明确订定或修订。,量测变异 GRR,一个测量系统的重复性和再现性的合成变异的估计。 GRR变异等于系统内和系统间变异之和。,零件变异 PV,与测量系统分析有关，对一个稳定过程零件变异代表预期的不同零件和不同时间的变异。,稳定性(Stability),是测量系统在某持续时间内测量同一基准或零件的单一
14、特性时获得的测量值总变差。,3、量测系统的统计特性,(3) 稳定性图示,(4) 稳定性分析,不稳定的可能原因,1、仪器需要校准，需要减少校准时间间隔 2、仪器、设备或夹紧装置的磨损 3、正常老化或退化 4、缺乏维护通风、动力、液压、过滤器、腐蚀、锈蚀、清洁 5、磨损或损坏的基准，基准出现误差 6、校准不当或调整基准的使用不当 7、仪器质量差设计或一致性不好 8、仪器设计或方法缺乏稳健性 9、不同的测量方法装置、安装、夹紧、技术 10、量具或零件变形 11、环境变化温度、湿度、振动、清洁度 12、违背假定、在应用常量上出错 13、应用零件尺寸、位置、操作者技能、疲劳、观察错误,线性：指测量系统在
15、预期的工作范围内偏倚值的变化。,线性,3、量测系统的统计特性,线性误差的可能原因,1、仪器需要校准，需减少校准时间间隔； 2、仪器、设备或夹紧装置磨损； 3、缺乏维护通风、动力、液压、腐蚀、清洁； 4、基准磨损或已损坏； 5、校准不当或调整基准使用不当； 6、仪器质量差；设计或一致性不好； 7、仪器设计或方法缺乏稳定性； 8、应用了错误的量具； 9、不同的测量方法设置、安装、夹紧、技术； 10、量具或零件随零件尺寸变化、变形； 11、环境影响温度、湿度、震动、清洁度； 12、其它零件尺寸、位置、操作者技能、疲劳、读错。,量测变异：在统计学中也称变差、回差，是指仪表在上行程和下行程的测量过程中，
16、同一被测变量所指示的两个结果之间的偏差。 在机械结构的检测仪表中，由于运动部件的摩擦，弹性元件的滞后效应和动态滞后的时间影响，使测量结果出现变差。 测定值是一个以概率取值的随机变量，多次测定所得到各次测定值通常都是参差不齐的，其间的差异称为变差，是反映测定结果稳定性的一个重要标志。 变异既可能是由于随机因素，也可能是由于试验条件的改变而引起的。如果是前者引起的，则属于试验误差，反映了测定结果的精密度；如果是后者引起的则属于因素效应，反映了测定条件对测定结果的影响，变差大小可用偏差平方和表示。,4、什么是量测变异？,量测系统的组成,量测系统：量具 ( equipment )测量人員 ( oper
17、ator )被测量工件 ( parts )程序、方法 ( procedure, methods )上述几点的交互作用,量测系统变异来源,测量误差的来源,仪器方面： Discrimination(分辩力) Precision 精密度 (Repeatability 重复性) Accuracy准确度 (Bias偏差) Damage损坏 Differences among instruments and fixtures (不同仪器和夹具间的差异) 不同检验者的差异Difference in use by inspector (Reproducibility再现性) 是否经过训练 技术、能力 疲劳 感
18、官差异（视力、触觉） 检测环境 检测的速度 对作业指导书的误解,不同环境所造成的差异（Differences due to environment） 温度 湿度 振动 照明 腐蚀 污染(异味、粉尘) 方法方面：Differences among methods of use 测试方法 测试标准材料方面： 收集/准备的样本本身有差异,量测系统变异来源,理想的测量系统在每次使用时，应只产生“正确”的测量结果。每次测量结果总应该与一个标准值相符。一个能产生理想测量结果的测量系统，应具有零方差、零偏倚和所测的任何产品错误分类为零概率的统计特性。,理想的量测系统,我们的目标,理想量测系统应有的特性,对产
19、品控制，测量系统的变异性与公差相比必须小于依据特性的公差评价测量系统。 对于过程控制，测量系统的变异性应该显示有效的分辨率并与过程变差相比要小。根据6变差或来自MSA研究的总变差评价测量系统。,偏倚、重复性、再现性、线性可接受,理想的量测系统,偏移少 仪器经常校验 仪器设备保养彻底 人员操作正确(正确SIP) 正确的操作环境、校验环境 线性程度好 仪器等级 仪器经常校验(多点校验-线性校验) 仪器设备保养彻底 人员操作正确(正确SIP) 正确的操作环境、校验环境,如何维持好的量测品质(实验室管理)？,1、先计划将要使用的方法。如:通过利用工程决策，直观观察或量具研究决定，是否评价人在校准或使用
20、仪器中产生影响。有些测量系统的再现性(不同人之间)影响可以忽略，例如按按钮，打印出一个数字。 2、评价人的数量，样品数量及重复读数次数应预先确定。在此选择中应考虑的因素如下： 尺寸的关键性：关键尺寸需要更多的零件和或试验，原因是量具研究评价所需的置信度。 零件结构：大或重的零件可规定较少样品和较多试验。 3、由于其目的是评价整个测量系统，评价人的选择应从日常操作该仪器的人中挑选。 4、样品必须从过程中选取并代表其整个工作范围。有时每一天取一个样本，持续若干天。这样做是有必要的，因为分析中这些零件被认为生产过程中产品变差的全部范围。由于每一零件将被测量若干次，必须对每一零件编号以便识别。 5、仪
21、器的分辨力应允许至少直接读取特性的预期过程变差的十分之一，例如特性的变差为0.001，仪器应能读取0.0001的变化。 6、确保测量方法(即评价人和仪器)在按照规定的测量步骤测量特征尺寸。,量测系统研究的准备,1、测量应按照随机顺序，以确保整个研究过程中产生的任何漂移或变化将随机分布。评价人不应知道正在检查零件的编号，以避免可能的偏倚。但是进行研究的人应知道正在检查那一零件，并记下数据。2、在设备读数中，读数应估计到可得到的最接近的数字。如果可能，读数应取至最小刻度的一半。例如，如果最小刻度为0.0001，则每个读数的估计应调整为0.00005。3、研究工作应由知其重要性且仔细认真的人员进行。
22、4、每一位评价人应采用相同方法，包括所有步骤来获得读数。,量测系统分析执行注意点,GRR分析方法及图型讲解,一、量测系统知识介绍,一、量测系统知识介绍,二、GRR分析方法介绍,Clsoed-零件可再现分析,进行GRR分析的流程,3、平均值与全距法 4、ANOVA方法,一、计量型： 1、计量值分析计算-(平均与全距法) 2、计量值分析计算-(ANOVA)二、计数型：一致性分析,GRR分析几种方法,二、GRR分析方法介绍,MSA-GRR分析工具 ：平均与全距法,定义： 全距&极差(Range)： 意义：表示一群体全部数据的组内变动范围，意义明显、计算简单。 缺点：不够灵敏，最大及最小值不变而其他值
23、变化时，无法察觉。 R=(组内Max值-组内Min值) 利用全距(Range)计算标准偏差估计:= R/d2 R:是该群组的全距值(群组内的数据最大-最小值) d2:是修华特博士所建立的系数表(参考下一页),二、GRR分析方法介绍,平均与全距法的研究程序,一、获取一个样本零件数 零件数能代表实际的或期望的变差范围。 零件数一般来说大于或等于十。 假设是10个。 二、选择评价人 评价人的个数一般在3或3个以上。 假设是A、B、C三个评价人 三、测量人随机的测量十个零件，并记录数据在对应的表格中。 在测量过程中，评价人不知道相互的测量结果。,二、GRR分析方法介绍,量具重复性和再现性数据收集表,透
24、过各组数据之间的全距(极差)及d2计算估计 标准(偏)差: =R/d2,二、GRR分析方法介绍,进一步认识与应用平均与全距法分析以下的量测变异分析过程:Repeatability (可)重复性变异 (EV) Reproducibility 再现性变异(AV) GRR(重复性&再现性变异） Part variable 零件变异(PV) Total variable 全体变异(TV),MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,MSA-GRR分析工具 平均与
25、全距法,由d2计算EV EV重复性变异: 1.量测者A 量测#1(零件1) 重复3次, 10个零件每一个零件重复量测3次各获得一组全距:R (即:max-min) 2.将量测者A的10个零件获得的全距值进行平均,获得RA (A量测者对10个零件重复量3次获得R值的平均值) 3.同样B 与 C 量测者进行步骤1/2的量测工作和计算后,也获得RB and RC 4.将RA RB RC进行平均,获得 R 为 0.16 5.计算估计(重复性) 查d2表:量测次数m=3,量测者*零件数:30, 获得d2为 1.693 6.估计(重复性) = R / 1.693 =0.16/1.693= 0.0945 7
26、.重复性变异(量) EV = 6*(重复性) = 0.5670,二、GRR分析方法介绍,d2 Tables,N15,二、GRR分析方法介绍,或是应用k1表计算,1.将RA RB RC进行平均,获得 R 为 0.16 2.实验次数为3次k1表上试验次数3 ,k1系数为0.5908 3.R *K1= (重复性) = 0.16*0.5908= 0.0945 4.重复性变异(量) EV = 6*(重复性) = 0.5670 所以这里的K1(重复性-设备变异 :EV的系数) ,就是等于 1/d2 (d2 查表 :量测次数m=3,量测者*零件数:30 ,获得 d2= 1.693 k1=1/d2 = 0.5
27、907,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,进一步认识与应用平均与全距法分析以下的量 测变异分析过程: Repeatability (可)重复性变异 (EV) Reproducibility 再现性变异(AV) GRR(重复性&再现性变异） Part variable 零件变异(PV) Total variable全体变异(TV),MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,均值和极差法-1,六、计量型分析方法,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,AV:再现性变异
28、: 1.量测者A 量测#1#10(零件110) 重复3次, 获得该10个零件的数值,加以进行平均获得一组总平均值:为X1 2.同样分析量测者B 和量测者C ,分别获得 X2 (量测者B 量测#1#10获得的零件总平均值) 和 X3(量测者C 量测#1#10获得的零件总平均值) 3.求得 X1 X2 X3 之间的全距 即 X1 X2 X3的 最大值(max) 和最小值(min) 之差： X Diff= Max(X1,X2,X3)-Min(X1,X2,X3) = 0.0567 (or 0.057) 4.(再现性)= (X diff / d2)2-(重复性)2/nr 5.查d2表 (量测者数 m=3
29、, 全距 g=1 d2=1.912) 6.(再现性) = (0.0567/1.912)2- 0.09452/(10*3)=0.0241 7.再现性变异(量) :AV =6* (再现性) = 6*0.0241= 0.1446,由d2计算AV,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,d2 Tables,N15,二、GRR分析方法介绍,或是应用k2表计算,1.进行X1 X2 X3的计算(检测者A所有n个零件反复r次)的n*r个量测值进行平均,获得X1 2.同时B,C 也与上述步骤(计算方式),获得X2 and X3 3.进行该3个数据的全距 计算0.0567 4.查k2表 评价
30、人数为3人,K2=0.5231 5.AV=(X Diff *k2)2-(EV2/(n*r) =0.0241 所以这里的K2(再现性变异:AV的系数) , K2=1/d2 (d2表(量测者数 m=3, 全距 g=1 d2=1.912) d2= 1.912 k2=1/d2 =0.5230,MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,进一步认识与应用平均与全距法分析以下的量 测变异分析过程: Repeatability (可)重复性变异 (EV) Reproducibility 再现性变异(AV) GRR(重复 性&再现性变异(GRR) Part variable 零件变异(PV)
31、 Total variable 全体变异(TV),MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,找到10 个零件平均值的全距 RP,Part variable 零件变异(PV),MSA-GRR分析工具 平均与全距法,二、GRR分析方法介绍,d2 Tables,N15,二、GRR分析方法介绍,Mintab工具计算平均与全距法,二、GRR分析方法介绍,Mintab工具计算平均与全距法,二、GRR分析方法介绍,Mintab工具计算平均与全距法,二、GRR分析方法介绍,Mintab工具计算平均与全距法,二、GRR分析方法介绍,Mintab工具计算平均与全距法,分析步骤(续):,二、GR
32、R分析方法介绍,Mintab工具计算平均与全距法,二、GRR分析方法介绍,Mintab工具计算平均与全距法,二、GRR分析方法介绍,3.83%,6.17%,Mintab工具计算平均与全距法,二、GRR分析方法介绍,CMM量測系統:,1.GR&R之柱狀長條 越短越好 2.Part-to-Part之 柱狀長條越長越好,1.所有點應該落在管制界線以內 2.有管制界線外的點,表重復性(量具本身)有問題 3.落在0線的點的個數不能大于20% 4.大于20%，則表明儀器的分辨力可能不足,1.50%以上的點應該落在管制界線以外說明部品的變異大于儀器的變異,1.同一零件間數據變異要小,各零件之間的變異要大 2
33、.每組部件對應的點越集中越好,-量測(EV/AV)變異小,1.連接每一操作人員的平均值的折線,越趨于水平越好 -操作員間的變異就越小,1.觀察ABC 檢驗者之間存在AV 的情況 2.當折線出現交錯時，代表有交互作用存在,三、图形解析,Minitab,所选的样本是否能正确反映流程的分布 如果此值均一的话，可认为样本没有正 确反映流程的实际分布情况,测量者间存在差异与否 测量者无差异为好,不同样品各测量者是否进行相互不同的测量 对于不同样品，各测量者的测量值相同为好,三、图形解析,Minitab,整个分散中，测量设备R&R占据的比重 是否充份小？ Gage R&R,Reprod,Repeat的高度
34、趆接 近0趆好,测量者反复测量值稳定否？ 超出R chart的界限线的话，调查其原因 后再测量,相互不同产品鉴别能力充分否？ 与R chart相反，脱离管理界限点趆 多趆好（至少50以上）,三、图形解析,四、Gage R&R Study,3-a、Gage R&R Study,Minitab Gage R&R Study（重复性和再现性研究）的两种方法：,1、量具 R&R 研究(交叉）当每个操作员多次测量每个样品时。 2、量具 R&R 研究（嵌套）在破坏性试验中，每个样品只由一名操作员测量。例如：缩膜收缩率检测、空瓶顶压、二氧化碳含量检测等。,每个样品只由一名操作员测量,五、GRR分析的两种方法
35、： “交叉”& “嵌套”,步骤二：量具研究的两种方法：,2、利用Minitab软件进行“量具研究”Crossed交叉&Nested嵌套,3、利用Minitab软件进行“量具研究”Crossed交叉,步骤三：选择数据，输入规格，进行方差分析。在某种程度上，方差分析法比 Xbar 和 R 法更准确，方差分析方法会去考虑测量员和零件是否有交互作用。,ANOVA 方法是首选可以得到更多的信息,输入规格上下限,1、测量系统可识别的过程数据中的分组数。 2、可区分类别数5，说明：部件的差异不够大，不足以被测量系统识别。如果希望识别出更多可区分类别，需要更精确的量具。,五、GRR分析的两种方法： “交叉”&
36、 “嵌套”,4、利用Minitab软件进行“量具研究”Crossed交叉,五、GRR分析的两种方法： “交叉”& “嵌套”,5、利用Minitab软件进行“量具研究”Nested嵌套,与交叉分析方法相比，嵌套有哪些区别？ 1、适用于破坏性试验中，每个样品只由一名操作员测量。 2、不考虑测量员和零件的交互作用。,五、GRR分析的两种方法： “交叉”& “嵌套”,5、利用Minitab软件进行“量具研究”Nested嵌套,五、GRR分析的两种方法： “交叉”& “嵌套”,Minitab 通过将部件的标准差除以量具的标准差，然后乘以 1.4 1来计算此声明中的类别数。然后，Minitab 会截断该值
37、的尾数，除非该值小于 1。如果小于 1，Minitab 会将可区分类别数设为等于 1。 此数字表示要跨越产品变异极差的非重叠置信区间 数。您也可以将其视为测量系统可识别的过程数据中的分组数。 假设您测量 10 个不同部件，Minitab 报告说您的测量系统可以识别 4 个可区分类别。这意味着，10 个部件中某些部件的差异不够大，不足以被测量系统识别为存在差异。如果希望识别出更多可区分类别，需要更精确的量具 。 汽车工业行动组织 (AIAG ) 建议，当类别数小于 2 时，测量系统对于控制过程毫无价值，因为无法区分各个部件。当类别数为 2 时，数据可分为两组，如高和低。当类别数为 3 时，数据可
38、分为三组，如高、中、低。5 或更高的值表明测量系统可接受。,六、Ndc：可区分類別數解释,方差分析法（ANOVA）,特点： 是一种比前两中更复杂的统计技术，可用于分析测量误差或其他测量系统研究中数据变异的来源。采用这种方法，方差可以被分解成4部分：零件、评价人、零件与评价人之间的交互作用和由于量具造成的重复误差。,GRR分析方法介绍,ANOVA的优点, 有处理任何实验装置的能力 可以更精确地估计方差 从实验数据中获得更多信息（如零件与评价人之间的交互作用影响）。,GRR分析方法介绍,ANOVA的缺点,数据的计算更复杂分析者需要具备一定的统计学知识基础用来分析结果在不需要很全面、很精确的对测量系
39、统进行分析的情况下，一般不采用这种方法如果用计算机进行分析，可以考虑采用这种方法,GRR分析方法介绍,MSA-GRR分析工具 一致性分析,适用于非定量系统，如 好或坏 通过/不通过 区分声音 (嘶嘶声、叮当声、重击声) 區分色彩亮度 通过/失败,GRR分析方法介绍,MSA-GRR分析工具 一致性分析,属性研究(一致性分析) 内容分为: 重复性：个别检查员本身-一致性次数)/总检查零件数准确性：个别检查员检测结果与已知标准相符合的次数/总检查零件数重复性和再现性：所有检查员有一致性的次数/总检查零件数重复性、再现性和准确性：所有检查员与已知标准相一致性次数/总检查零件数 由以上项目显示出GRR
40、MSA 属性研究(一致性分析），它包含的范围是: (可)重复性Repeatability (AIAG第三版) 再现性Reproducibility (AIAG第三版) 偏差,GRR分析方法介绍,GRR分析方法介绍,MSA-GRR分析工具 一致性分析,1、计数型数据Gage R&R需要至少：3个不同的操作者 30个零件（包括1/3的合格零件、1/3的不合格零件、1/3的边缘件） 每个零件测3次 确保抽样随机性，代表性。,GRR分析方法介绍,课堂小练习（1）,Activity 色度量测-目视检查,Activity 色度量测-目视检查,Mini-tab分析步驟: 将数据建立在Mini-tab(要求3
41、0顆Parts以上) 选择:统计 质量工具属性一致性分析,GRR分析方法介绍,Mini-tab分析步驟(續): 选择多个输入(Multiple Columns) ，輸入A1 A2 A3 B1 B2 B3 C1 C2 C3 检验员人数输入3，试验数输入3 已知标准/属性：输入c16 按OK,GRR分析方法介绍,Mini-tab分析步驟(續): 解说Mini-tab內容: 个别检查员本身一致性次数/总检查零件数: (重复性Repeatability) A：有11个Parts 量测有一致性11/15=73.33% B：有10个Parts 量测有一致性10/15=66.67% C：有7个Parts 量
42、测有一致性7/15=46.67%,GRR分析方法介绍,Mini-tab分析步驟(續): 解說Mini-tab內容: 檢查員本身與標準的一致性次數)/總檢查零件數: 準確性Accuracy-bais A: 有9個Parts 量測有一致性9/15=60% B: 有9個Parts 量測有一致性6/15=60% C: 有7個Parts 量測有一致性9/15=46.67%,GRR分析方法介绍,Mini-tab分析步驟(續): 解說Mini-tab內容: 所有檢查員有一致性的零件次數(A1 =A2= A3 =B1= B2=B3=C1=C2=C3)之零件次數)/總檢查零件數 Overall Repeatab
43、ility and Reproducibility重覆性和再現性 分析結果2/15=13.33%,GRR分析方法介绍,Mini-tab分析步驟(續): 解說Mini-tab內容: 所有檢查員與已知標準相一致性次數/總檢查零件數Overall Repeatability, Reproducibility, and Accuracy重覆性/再現性 和 準確性 分析結果2/15=13.33%,GRR分析方法介绍,Mini-tab分析步驟(續): 解說Mini-tab內容:,GRR分析方法介绍,按检验后样品的状况：可分为破坏性检验和非破坏性检验。 非破坏性试验取样方法a、取5-10组待分析样品；b、选
44、取组间样品 由于非破坏性试验，样品可重复检测，组内的样品没有差异。 样品的分析特性应有梯度的分布在规格上下限间并尽量接近规格上下限。 样品的分析特性不应超过规格上下限过大。,GRR取样方法介绍,不具代表性的取法,具代表性的取法,GRR取样方法介绍,破坏性检验是指只有将受检验样品破坏后才能进行检验，或者在检验过程中受检验样品被破坏或消耗的检验。进行破坏性检验后被检验样品完全丧失了原有的使用价值。如缩膜收缩率检测、空瓶顶压、空瓶分段克重等试验均属破坏性试验。,GRR取样方法介绍,破坏性试验由于破坏性试验，样品检测后被破坏，不可进行重复检测，组内样品应选择，需分析的特性无差异或差异极小的样品；组间样
45、品应选择，需分析的特性有梯度的分布在规格上下限间并尽量接近规格上下限，且不应超过规格上下限过大。破坏性试验重点在于组内样品的挑选，防止组内样品差异过大，不能真实的反应量测系统的性能；a.在生产线稳定运行时连续取样，通过一系列分析方法挑选特性相近的样品作为组内样品，此部分样品可视为无差异；b.组内与组间的样品也可以用创造样品的方法进行制备。,怎样获取差异较小样本,原因分析：,破坏性试验取样,(1)非破坏性试验-可重复；,(3)组内差异PVGRR，而GRRGRR，导致测量误差,(2)破坏性试验-不可重复eg：内压检测,组间差异PV+组内差异PV；,EV,AV,GRR,PV,TV,GRR%= GRR
46、/TV If PV 错误 (1/10倍PV) GRR%增大(接近10倍 GRR),EV,AV,GRR,PV,TV,错误的取样,b.取无差异(变异小)的零件,误判,GRR分析错误取样案列,取样不良Mini-tab显示,GRR分析错误取样案列,EV,AV,GRR,PV,TV,EV,AV,GRR,PV ,TV ,1.取不良（PV:变异大）的样本 2.不同规格的样本(严重错误),错误的取样,TV ,GRR%= GRR/TV If PV 錯誤 (10倍PV) GRR%減少(接近1/10 GRR),a.取不良(变异大)的零件,漏判,GRR分析错误取样案列,取样不良Mini-tab显示,GRR分析错误取样案列,选取以下样本，判断哪些数据适合进行MSA分析：,GRR取样方法判断,GRR在我们工作中的应用,思考题：针对我们工作的一些特点，哪些项目可作为GRR分析课题？,GRR分析方法介绍,GRR分析方法介绍,Thank You !,
