1、MSA 量测系统分析,1,目 录,一、上期課程回顧 二、量测系统的统计特性 三、變異類型與五性 四、MSA問題分析,一、上期課程回顧,一、什麽是MSA 二、為什麽做MSA 三、何時做MSA 四、MSA分類 五、MSA做法,二、量测系统的统计特性,1.量测系统均须在统计管制下而其所产生之变异应根源于共同原因，而非特殊原因。 2.量测系统之变异须相对小于生产制程之变异。 3.量测系统之变异须相对小于规格界限。 4.量测系统之最小刻度须相对小于制程变异或规格界限之较小者。,分辨力 (Discrimination),分辨力： (1)量规仪器上的最小刻度值，也称分辨率(Resolution)。 (2)通
2、用的比例规则：1/10比例法则。,不适当的分辨力，导致过度的去尾忽略,分辨力 (Discrimination),分辨力 (Discrimination),三、变异的类型與五性,位置变异 (Location Variation) 准确度 (Accuracy)：指一个或多个量测结果的平均数与参考值之间一致的接近程度。,宽度变异 (Width Variation) 精密度 (Precision)：量测系统整个作业量测范围内（尺寸、范围和时间） 的分辨力、敏感度和重复性的最终影响。,Page 9,量测系统变异对数据分布状况的影响表现在： 分布中心的位移（位置） 分辨力(Discrimination)
3、偏倚(Bias) 线性(Linearity) 稳定性(Stability) 宽度或散布度 重复性(Repeatability)(Equipment Variation, EV) 再现性(Reproducibility)(Appraiser Variation, AV),三、变异的类型與五性,四、MSA計算方法及問題分析 - (计量值),Page 11,1.穩定性,稳定性指量测系统的偏倚量随时间保持恒定的能力。 如果不同时间偏倚量的波动较小，并在控制内，则认为量测系统是稳定的。,在量测系统稳定的前提下，我们希望偏倚量稳定在较小的水平上。,MSA做法-穩定性,获取一个在量测系统范围内样件。 以一定
4、的周期基础（天、周）测量样件35次，测量20组数据（至少15组）。抽样数量和频率应该取决于对测量系统的认识。可能考虑的因素包括：重新校准或维修的频率如何、测量系统的频率，以及操作条件的重要性等。 应在不同的时间下取得多次读值，以代表测量系统的实际使用情况，这将考虑了在一天之中因为热机、白夜班、周遭、或其它因素可能发生的变化。 建立控制限，使用控制图分析法来评价是否有不受控或不稳定情况。 圖上所有X值及R值均在管制上下限內則可接受。,稳定性（或漂移）：是测量系统在某一阶段时间内，测量同一基准或零件的单一特性时获得的测量总变差。换句话说，稳定性就是偏倚随时间的变化。,Page 13,量测系统范围内
5、选取一样本作为标准件，定期（每周、每月等）由相同人员进行量测，每次量测35次并记录数据做Xbar-R或Xbar-S管制图，通过判图以了解该量测系统是否稳定。,1.穩定性,14,1.穩定性問題分析,造成不稳定性的可能因素： 仪器需要校准，缩短校准周期 仪器、设备或夹具的磨损 正常老化或损坏 维护保养不好空气、动力、液体、过滤器、腐蚀、尘土、清洁 基准的磨损或损坏，基准的误差 不适当的校准或使用基准设定 仪器质量不好设计或符合性 仪器缺少稳健的设计或方法（熱機時量測） 不同的测量方法作业标准、载入、夹紧、技巧 （量具或零件）变形 环境变化温度、湿度、振动、清洁 错误的假设，应用的常数不对 应用零件
6、数量、位置、操作者技能、疲劳、观察错误（易读性、视差）,Page 15,偏倚是量测系统测量平均值与參考值的差异. 參考值是由公认的更为精密的用于校准的标准仪器量测所得.,2.偏倚,MSA做法-偏倚,获取一个在量测系统范围内样件，并建立于可追溯到一相关标准的参考值（實驗室得到或更高精密度儀器測量）。 如果不能取得参考值，由合格人員测量该零件n10次，并计算这n个数据的均值。把均值作为“参考值”。 將樣件重複量測20次，填入表格中。 根據計算出的置信區間判定結果。 若不合格則進行改進后重複上述過程。,偏倚：对同样零件的同样特性，真值（基准值）和观测到的测量平均值的差值。,Page 17,偏倚分析,
7、Page 18,偏倚問題分析,造成过大偏倚的可能原因有： 仪器需要校准 仪器、设备或夹具磨损 不适当的校准或使用基准设定 仪器质量不良设计或符合性 基准的磨损或损坏，基准偏差 应用错误的量具 不同的测量方法作业准备、载入、夹紧、技巧 测量的特性不对 变形（量具或零件） 环境温度、湿度、振动、清洁 错误的假设，应用的常数不对 操作者技能、疲劳、观察误差（易读性、视差）,Page 19,3.线性,线性是测量仪器在全部量程内各个点与真实值的偏倚之间的差异.,好的量测系统应该在量程的任何一处偏倚都很小 一般来说，量程低的地方偏倚小，量程高的地方偏倚大 线性就是要求这些偏倚与真值呈线性关系 一般用散点图
8、或线性回归模型来衡量,回归方程式 Y = a + bX,回归方程式的斜率小 偏倚接近0，即Y=0包含在回归直线的信赖区间内,怎样才是好的线性？,20,MSA做法-線性,由于存在过程变差，选择g 5个零件，使这测量值涵盖量具的整个工作量程. 对每个零件进行检验测量,以确定其参考值,并确定涵盖了这量具的工作量程让经常使用该量具的操作者测量每个零件m 10次。 随机地选择零件,从而减少评价人对测量中偏倚的“记忆”。,线性：在设备的预期操作（测量）范围内偏倚的不同被称为线性。线性可以被认为是偏倚隨大小的变化。,Page 21,线性分析,判定準則：看下圖中偏倚0線是否完全在拟合线置信带以内，是則该测量系
9、统线性可被接受；否則測量系統不可接受，需分析原因。,Page 22,线性分析,Page 23,線性問題分析,造成过大偏倚的可能原因有： 仪器需要校准，缩短校准周期 仪器、设备或夹具的磨损 基准的磨损或损坏，基准的误差最小/最大 不适当的校准（没有涵盖操作范围）或使用基准设定 仪器质量不好设计或符合性 维修保养不好空气、动力、液体、过滤器、腐蚀、尘土、清洁 缺乏稳健的仪器设计或方法 应用了错误的量具 不同的测量方法作业准备、载入、夹紧、技巧 随着测量尺寸不同，（量具或零件）变形量不同 环境变化温度、湿度、振动、清洁 操作者技能、疲劳、观察误差（易读性、视差）,1.计算零件每次量测的偏倚，以及平均
10、数。 偏倚i,j=Xi,j（参考值） 2.在线性图上划出相对参考值的每个偏倚及偏倚平均 数。 3.计算并划出最适当的线及该线的自信度区间。,3.线性分析：(图示法),yi=aXi+b 式中Xi=参考值，yi偏倚平均数， 而对一个已知X0，x自信度区间为： 式中,3.线性分析：(图示法),上限：b+aX0下限：b+aX04.计算 重复性是否可以接受S %EV=100EV/TV=100 /TV TV计算可以根据制程变异计算(较好)， 或以规格公差除以6 %EV太大则量测系统的变异无法接受。,3.线性分析：(图示法),5.划出偏倚=0的线，并对图进行审查，以观察是否存在 特殊原因，以及线性是否可接受
11、。6.如果偏倚0的整个直线都位于自信度区间以内， 则 称该量测系统的线性是可接受。,3.线性分析：(图示法),7.若图标法表示线性是可接受的，则以下假设应该为真 H0：a=0 斜率=0 如果下式成立，则不能被否定,3.线性分析：(图示法),8.若以上假设为真，则量测系统对所有参考值具有相同 的偏倚。这个偏倚必为0，该线性才可被接受。 H0：b=0 中心（偏倚）0 如果下式成立，则不能被否定,3.线性分析：(图示法),Page 30,重复性,由同一个操作员使用相同的仪器对同一个样品的同一个特性，多次测量所得到的测量值之间的变异。 是量测仪器固有波动所引起的变异。 Equipment Variat
12、ion ，EV,Page 31,再现性,由不同的操作员使用相同的仪器对同一个样品的同一个特性，多次测量所得到的测量平均值之间的变异. 是量测员之间波动所引起的变异。 Appraiser Variation, AV,Page 32,请对号入座,偏倚,綫性,重復性,穩定性,再現性,分辨力,33,MSA做法- Gage R&R,获取一个能代表过程变差实际或预期范围的样本，零件数n5个零件的样本(一般10個） 從日常操作該儀器的人中選取評價人，给评价人编号为A，B，C等。并将零件从1到n进行编号，但零件编号不要让评价人看到。 让评价人A以随机顺序测量n个零件，将测量结果输入。 让评价人B和C依次测量这
13、些一样的n个零件，不要让他们知道别人的读值；然后记录結果。 用不同的随机测量顺序重复以上循环。 当测量大型零件或不可能同时获得数个零件时，或评价人处于不同的班次，可以使用一个替代方法。（隨機，儘量減少“記憶”） 結果判定： 极差法 均值极差法 方差分析法,Gage R&R是结合重复性（EV）和再现性（AV）变异的估计值，公式,Page 34,使用量具：遊標卡尺 研究特性：PCB寬度 特性规格：26.150.15mm 现场人员：3人（A、B、C） 样本选取：10PCS 测量次数：3次/PCS*人,例题：研究对象-IQC的PCB尺寸量測系統,G R&R分析实例,Page 35,数据收集如下：,G
14、R&R分析实例,Page 36,方差分析法考虑显著的 操作员/部件交互作用， 而 X bar R 法却不考慮,标准差倍数设为6， 是以常态分布曲线 下 99.73% 的机率为基础,Minitab 统计 质量工具 量具研究 量具R&R研究 (交叉),输入产品的规格界限,G R&R分析实例,選擇方差分析才會有,G R&R分析实例,研究变异 %研究变 来源 标准差(SD) (6 * SD) 异 (%SV) 合计量具 R&R 0.0064377 0.038626 9.70重复性 0.0051191 0.030715 7.72再现性 0.0039036 0.023422 5.88 部件间 0.06603
15、77 0.396226 99.53 合计变异 0.0663508 0.398105 100.00 可区分的类别数 = 14,研究变异 %研究变 来源 标准差(SD) (6 * SD) 异 (%SV) 合计量具 R&R 0.0080966 0.048580 11.63重复性 0.0058689 0.035214 8.43再现性 0.0055777 0.033466 8.01人員 0.0035253 0.021152 5.06人員*樣品 0.0043224 0.025934 6.21 部件间 0.0691753 0.415052 99.32 合计变异 0.0696476 0.417885 100.
16、00 可区分的类别数 = 12,量具 R&R 研究 - XBar/R 法,量具 R&R 研究 方差分析法, 10% 量测系统可接受, 10% 量测系统可接受,研究变异 %研究变 %公差 来源 标准差(SD) (6 * SD) 异 (%SV) (SV/Toler) 合计量具 R&R 0.0064377 0.038626 9.70 12.88重复性 0.0051191 0.030715 7.72 10.24再现性 0.0039036 0.023422 5.88 7.81 部件间 0.0660377 0.396226 99.53 132.08 合计变异 0.0663508 0.398105 100.
17、00 132.70 可区分的类别数 = 14,G R&R分析实例,注意：%研究变异=量测系统变异/ （量测系统变异+制程变异） 制程变异通过样本选取来体现。 若%StudyVar10%，需要分析是否因为样本选取未覆盖规格造成,特性规格：26.00mm26.30mm,Page 39,设备的固有波动-重复性,仪器变异是否够小,观察交互作用,比较人员变异,比较样本变异,%R&R图形化,G R&R分析实例,Page 40,通过图形定性描述各种变异占总变异的%,G R&R分析实例,Page 41,极差控制图，单个点表示同一操作员对同一产品测量3次，所获得量测值的极差-即重复性。 点子在控制界限内，说明仪
18、器的固有波动在控制内。 任何超出管制界限的点都需要调查。,G R&R分析实例,Page 42,两组数据趋势可以判定：每个操作员测试同一个产品时是否有显著的差异。 大多数的点位于管制界限以外，因为管制界限是由量具的变异所定，而这些点代表产品之间和量测系统的总变异,所以此图意味着量具的变异远小于产品测试值的总变异。 如果选用的样本不能覆盖过程的总变异, 量具的变异将会大于产品的变异，则该量测系统能力不足. 如果不同操作员在图中的推移形式不一致，则一定存在显著的操作员对产品的交互作用。,G R&R分析实例,Page 43,G R&R分析实例,Page 44,G R&R分析实例,45,數據1 R&R%
19、=9.70% ndc=14,數據2 R&R%=55.88% ndc=2,數據3 R&R%= 29.51% ndc=4,數據3 R&R%= 0.51% ndc=231,G R&R分析实例,46,G R&R分析实例,數據1 R&R%=9.70% ndc=14,數據2 R&R%=55.88% ndc=2,數據3 R&R%= 29.51% ndc=4,數據3 R&R%= 0.51% ndc=231,47,數據1 R&R%=9.70% ndc=14,數據2 R&R%=55.88% ndc=2,數據3 R&R%= 29.51% ndc=4,數據3 R&R%= 0.51% ndc=231,G R&R分析实例
20、,48,看圖講故事,量具重复性与再现性之比较,1.重复性再现性。 (1)量测仪器需加以保养。 (2)产品之变异出现异常。 (3)量具之夹紧或定位（OFFSET）不一致。 2.再现性重复性。 (1)量具之校正未落实。 (2)作业者对量具使用不熟。 (3)可能需要辅助仪器协助作业者使用量具。,四、MSA計算方法及問題分析 - (计數值),Attribute Gage R&R,用50個樣品，挑選三個人，每人判定三次 至少应该选择20个良品和20个次品（儘量各50%，至少50個樣品） 选择不同程度的良品和不良品（包含到規格限附近樣品） 當有多種不良現象時，每种缺陷方式最少为樣品總量10%的产品,有效性
21、的判定准则:,有效性：Effectiveness 失误率：Miss Rate 误警率：False Alarm Rate,Attribute Gage R&R,Kappa 分析,判定：哪位表現最好?,范例：Attribute Gage R&R,范例：Attribute Gage R&R,实验例说明: 评价小组对计数值量测系统进行研究，選取目檢人員三人，使用go-nogo治具進行考試，用Kappa表分析得出結果如下圖：,范例：Attribute Gage R&R,范例：Attribute Gage R&R,范例：Attribute Gage R&R,Po = 观察的一致性次数 Pe = 期望的一致性次数 N = 观察的次数(如一个评价者观察50 个样品各3次，则N为150) Kappa不考虑评估者之间的不一致性有多大，只 考虑评估者之间是不是一致,范例：Attribute Gage R&R,范例：Attribute Gage R&R,A的有效性（%）,范例：Attribute Gage R&R,课程结束谢 谢 !Q & A,
