1、Rev.0901 1,Six Sigma Yellow Belt,量測系統分析 (MSA),Rev.0901 2,M S A 量測觀念 M S A 種 類 分 析 方 法,Rev.0901 3,種常的資型態,Attributes 散型、計型據- 1, 2, 3, 4 等- 好/ 壞- 機器1 , 2 , 3 .Variables 續型、計型據- 電流= 5.02 mA- 重= 10.2 公斤 - 厚= 17.15 公分,Rev.0901 4,Rev.0901 5,測量流程,該測系統不良，則 符合要求的被測物可能會被退回，且 符合要求的被測物可能會被接受 正常的程可能被拒絕 異常的程可能被接受
2、觀察到的變是自程、測系統或者皆是？ 藉由分析/改善測量系統以降低所觀察到的變,Rev.0901 6,瞭解變源測的特性可用下表示：準確性(accuracy)精確性(precision)準確性可依下特性評估：偏移(bias)穩定性(stability)及線性(linearity)精確性可依下特性評估：重複性(repeatability)及再現性(reproducibility),MSA目的,Rev.0901 7,Rev.0901 8,準確性(accuracy),偏移 (Bias)：重複測量所觀察到的平均值與一參考值或 “正確”值之間的差距。穩定性 ( Stability)：經過長時間測量一參考目標
3、所觀察到的漂移線性 (Linearity)：在一值域內偏移的差異，也就是指標對小零件或大零件其偏移會相等嗎？,Rev.0901 9,精確性(precision),重複性(Repeatability)：同一人員，使用相同測儀器，能重複相同測結果的能。有時亦稱“test-retest error”。重複性佳，則需注意測工具本身。,Rev.0901 10,再現性(Reproducibility)：同人員，使用相同測儀器，所能得到彼此相同結果的能。再現性佳，則需注意訓、標準、定義及測過程的差。,精確性(precision),Rev.0901 11,準確性與精確性範例,我們有兩種測量橡膠樣品硬度的方法。
4、方法一昂貴且花費時間方法二便宜且快速該“正確”數值為 5.0請問 :何種方法較準確？何種方法較精確？你較偏好何種方法？為什麼？若你必須採用方法二，你會怎麼做？,Rev.0901 12,Rev.0901 13,Rev.0901 14,Rev.0901 15,Rev.0901 16,Rev.0901 17,M S A 種類,Variables (連續型) P/T Ratio%Gage R&R Attributes (離散型) 檢驗員本身及檢驗員間一致性判定 有“大師”或“專家”標準 Kappa 統計分析,Rev.0901 18,MSA Variables(連續型),Rev.0901 19,主題,良
5、好測量系統的要求連續型測量系統分析關於方法變異的來源關於數學指標P/T (Precision to Tolerance ratio)%Gage R&RMinitab實做範例,Rev.0901 20,良好測量系統的要求,必須要在統計控制內藉由繪製圖表檢查變異相較於產品規格必須要小計算P/T Ratio變異相較於流程變異必須要小計算%Gage R&R測量系統鑑別力是指能偵測出測量特性中微小變化的能力計算有區別的種類數(number of distinct categories),Rev.0901 21,連續型測量系統分析：關於方法,研究方法：實驗設計變：操作員；如3 位元操作員樣本；如10 件樣本
6、重複/ 試驗：每項測執次總結操作員x 樣本x 實驗次,為評定再現性,為評定重複性,Rev.0901 22,實驗法：Minitab綜合全階乘分析分析：StatQuality ToolsGage StudyGage R&R (crossed)推論：%P/T Ratio%Gage R&R鑒別力貢獻比例樹狀圖診斷法圖形分析法,連續型測量系統分析：關於方法,Rev.0901 23,變異的來源：關於數學,Rev.0901 24,變異的來源：關於數學,Rev.0901 25,精確度與公差比Precision to Tolerance Ratio,Rev.0901 26,判定規則：能分辨好的壞的,Rev.09
7、01 27,%Gage R&R (%GR&R),Rev.0901 28,比例規則：偵測流程改變,Rev.0901 29,Minitab範例：連續型MSA,Rev.0901 30,Minitab 範例,Rev.0901 31,檔案：Gageaiag.mtw,Rev.0901 32,StatQuality ToolsGage StudyGage R&R Study (Crossed),選擇： 樣本代號 測量員代號 測量結果,Rev.0901 33,輸入公差,流程公差=0.5,Rev.0901 34,MSA 診斷法：解讀各表格,Rev.0901 35,Gage R&R (表首),這些資料很有用,Re
8、v.0901 36,貢獻比例樹狀圖%Contribution Tree,%Contribution of Total Gage R&R愈小愈好,Rev.0901 37,Gage R&R (表末),可接受的測量系統最小值為4, 愈大愈好!,我們將進一步分析這些資料,Rev.0901 38,解釋,Minitab使用與一般用法不同的指標名稱,Rev.0901 39,決定時刻,使用此表格做出你的決定,注意：% Gage R&R是由種標準差的比值算出% contribution則是由種變的比值算出% contribution在統計上是合的，但業界採用% Gage R&R已經超過40！,Rev.0901
9、40,MSA診斷法：解讀各圖表,Rev.0901 41,變異的組成,R Chart,Xbar Chart,Part分析,OP分析,PartXOP交互作用,Gage R&R (ANOVA)各圖表,Rev.0901 42,變異的組成Components of Variation,Gage R&R較小,使用本圖表來讀取實際資料,應期待零件間(Part to Part)較大,Rev.0901 43,Range Chart: 同一part測兩次的差別。所有點都應落在控制界限內。若所有點超出控制界限，則該方法是可疑的。若有一名操作員超出控制界限，則該名操作員的方法是可疑的。若所有range values
10、=0，則該鑒別力是可疑的。,Range Chart,Rev.0901 44,Xbar Chart,Xbar Chart: 不同part測量結果的差別。我們希望變異來自各不同樣本，因此所有點最好都應落在控制界限外。,Rev.0901 45,依樣本排列,各平均值間，應有明顯的差異，以辨別不同的樣本。樣本10的結果很分散，看起來有問題。,Rev.0901 46,依操作員排列,操作員2平均上較操作員1及操作員3為低,Rev.0901 47,操作員與樣本的交互作用,尋找非平行線段：非平行線段表示有問題存在樣本10，看起來有問題,Rev.0901 48,解釋圖表的要訣,各圖表包含大的資訊使用貢獻百分比樹圖
11、(contribution tree)及各指標以決定問題是否及於何處存在然後在各圖表中尋找支援的線在本組資中，各指標值都太高，而該測系統需要改善操作員2看有些問題，應再訓部分樣本的測結果也有問題，測方法值得注意,Rev.0901 49,連續型MSA總結,Gage R&R研究方法適用於所有能被測的事物%Gage R&R指出我們是否能偵測出程的變化。低於10%代表好，10-30%代表水準邊緣。P/T ratio指出我們是否能分辨合格與合格品。低於10%代表好，10-30%代表水準邊緣。貢獻百分比樹圖及各圖表幫助我們瞭解問題所在,Rev.0901 50,MSA Attributes(離散型),Rev
12、.0901 51,離散型MSA量測方法,通常為2-3位檢驗建議至少30個樣本 (合格/不合格/兩者之間)試驗次數:每個樣本重複量測2-3次量測工具:離散型測量通常為主觀的判斷或許會有儀器或其他工具來幫助判定通過/不通過、合格/不合格或許會有樣板、標準品等參考標準 Kappa 統計分析,Rev.0901 52,離散型MSA分析和推論,實驗:檢驗員以隨機順序方式進行量測 分析工具: Minitab R14 Attribute Agreement AnalysisGage Run ChartAttribute Gage R&R Study 推論: 檢驗員本身(重複性) 不同檢驗員間(再現性) 與大師
13、或“專家”標準比較(再現性) Kappa 統計分析,Rev.0901 53,實驗步驟,步驟1: 第一位檢驗員以隨機方式針對每個樣品 判定合格/不合格或缺點數個數步驟2: 第二位檢驗員分別重複同樣方進行步驟3: 一直持續到所有的檢驗員都完成第一遍 (此為試驗1)重複步驟1 -3直至完成所需的試驗次數,Rev.0901 54,離散型MSA範例1,開啟檔案: GO NO GO GAGE.MPJ,Rev.0901 55,分析：將數据編碼為數值格式,DataCodeText to Numeric,NG/ G 轉為數值格式NG: 1G : 2,選擇Result,將數據編碼轉為數值格式,目的：將操作員、樣本
14、和試驗間的交互作用視覺化,編碼為數字格式的欄位名稱,測量數據必須為數值格式,Rev.0901 56,分析： Gage Run Chart Stat Quality Tools Gage Run Chart,Rev.0901 57,檢驗員1 : 第一次量測與第二次量測不一致,兩位檢驗員判定不一致,檢驗員2 : 第一次量測與第二次量測不一致,Gage Run Chart,問題所在: 非水平的直線,Rev.0901 58,StatQuality ToolsAttribute Agreement Analysis,分 析,選擇 PartOperator編碼後的欄位名稱,Rev.0901 59,重複性:
15、 檢驗員本身,顯示信賴區間,Attribute Agreement Analysis ：圖形化輸出,Rev.0901 60,重複性: 檢驗員本身,Attribute Agreement Analysis 分析,檢驗員1自身的測量10次結果有一次是不一致的需要改善,檢驗員2自身的測量10次結果有一次是不一致的需要改善,Rev.0901 61,離散型MSA範例2,下頁數據為地磚表面拋光的分析檢驗員使用通過/無法通過的標準數據顯示有：2位檢驗員10個樣本2次試驗有專家或大師的結果可供參考,Rev.0901 62,當加入專家或大師的結果是很有用的,離散型MSA範例2,開啟檔案: MSA Attribu
16、te .mpj,Rev.0901 63,分 析,選擇所有檢驗員欄位,輸入檢驗員數量及每個樣本量測次數,選擇大師或專家標準欄位,選擇 result 顯示 kappa,StatQuality ToolsAttribute Agreement Analysis,Rev.0901 64,重複性: 檢驗員本身,分 析,檢驗員2在10個樣本中,有8個重複判定一致,檢驗員1在10個樣本中,有8個重複判定一致,Rev.0901 65,各檢驗員與專家比較,分 析,檢驗員1和專家判定結果各有7個一致檢驗員2和專家判定結果各有7個一致,Rev.0901 66,再現性: 不同檢驗員間,分 析,此兩個檢驗員在10個樣本
17、中，有6個判定結果是一致的,Rev.0901 67,所有檢驗員與專家比較,分 析,推論:所有檢驗員和專家判定結果有5個一致,Rev.0901 68,分 析,不同檢驗員間,各檢驗員與專家比較,Rev.0901 69,Kappa 統計分析,用來評估各個檢驗員在各次試驗間的一致性 Kappa = 1, 判定結果完全一致 Kappa = 0, 判定結果一致性的情況只是碰巧發生 一致性越強, Kappa 值越高 當一致性比碰巧發生的機率還低時, Kappa 為負 值, 但這很少發生；隨應用範圍不同, 一般來說 Kappa 小於 0.7 表示測量系統需要改善Kappa 值大於 0.9 表示測量系統極佳,R
18、ev.0901 70,Kappa 統計分析(假設檢定),H0 (虛無假設): 檢驗員本身判定結果一致情況是由於碰巧發生Ha (對立假設): 檢驗員本身判定結果一致情況由於非碰巧發生,口訣：假若P value 0.05，拒絕H0接受Ha,Rev.0901 71,Kappa 統計分析,檢驗員判定結果一致性,檢驗員1 較佳,Kappa值0.7,表示量測系統須改善,重複性: 檢驗員本身,P Value 0.05 ,非碰巧發生,Kappa愈大愈好：表結果比較會一致,Rev.0901 72,Kappa 統計分析,Kappa值0.7,表示量測系統須改善,判定通過與無通過Kappa值相同,再現性: 不同檢驗員
19、間,P Value 0.05 ,非碰巧發生,Rev.0901 73,Kappa 統計分析,Kappa值0.7,表示量測系統須改善,各檢驗員與專家比較,與專家比較時Kappa值變低，表示檢驗員並非每次都做出正確的判定,P Value 0.05 ,非碰巧發生,Rev.0901 74,Kappa 統計分析,Kappa值0.7,表示量測系統須改善,所有檢驗員與專家比較,判定通過與無通過Kappa值相同,P Value 0.05 ,非碰巧發生,Rev.0901 75,關於Kappa,雖然多年來Kappa係數廣泛的被使用，但對其應用的相關批評仍持續增加一般對Kappa的評論為“按機率矯正的一致性衡量指標”所誤導適當的使用Kappa計算，專注於圖表和一致性計算的百分比(%Matched calculations)來決定問題“好”的離散型測量系統是沒有錯誤發生的,Rev.0901 76,離散型量測系統改善方法,感知增加器(增進人類辨別力的工具)遮罩/範本(阻絕不重要的資訊)查檢表變更產品設計自動化整頓工作範圍視覺上的輔助工具,Rev.0901 77,單元課程重點回顧,常見的資料型態有哪兩種？適用時機？何謂準確度及精確度？依據哪些特性評估？這些特性 所代表意義為何？MSA種類及使用時機？連續型MSA的指標有哪些？各指標所代表意義為何？判斷標準？離散型MSA的指標？判斷標準？,
