西格玛教材40-9Unit-3测量32测量系统分析MSA.ppt

《西格玛教材40-9Unit-3测量32测量系统分析MSA.ppt》由会员分享，可在线阅读，更多相关《西格玛教材40-9Unit-3测量32测量系统分析MSA.ppt（90页珍藏版）》请在三一办公上搜索。

1、测量(Measure)阶段,测量系统分析(Measurement Systems Analysis),Define,Measure,Analyze,Improve,Control,Step 4-确定项目Ys,Step 5-确认Y的现水准,Step 6-发掘潜在的原因 变量(X),基础统计学 Minitab简介 测量系统分析 Y的表现水平 及目标 确定改进目标,路径位置,目录,MSA 概要测量系统评价计量型数据 Gage R&R记数型数据 Gage R&R MSA 练习,测量系统 它是测量仪器,测量者,测量对象,测量方法等一系列的总称;测量系统分析(MSA)是Measurement System

2、 Analysis的首字母的缩写,表示为了确保数据的信赖性,通过研究测量系统所发生的变动对工程散布的影响,从而判断该测量系统的适合性,MSA 概要,测量系统评价的重要性 1.测量数据 1)作为分析判断的基本依据,有必要评价其信赖性;2)依据测量系统进行观测和评价 2.测量系统的分析 是6SIGMA活动的最基本的工作和最重要的部分之一 3.测量系统分析被强调的原因 1)所有的产品通常都是由许多部件构成的;2)产品的小型化趋势使产品的误差界限缩小;3)部件更换或组装时通常要求有互换性;4)为了能大量生产,通常有增大自动组装的必要性测量系统分析的种类 1.连续性数据的MSA;2.离散性数据的MSA,

3、MSA 概要,测量值真实可信吗-测量值通常不是绝对的,它是测量流程的结果,与其他流程一样也 具有散布;-因此,在测量系统得到验证之前,在项目中应把它作为一个重要 的X变量来考虑;,MSA 概要,真值(实际产品散布),测量误差(测量散布),测量值(观察的散布),测量值的构成要素,=,数据到处都有,但不一定反映事实,因此有必要确认数据的信赖性.,MSA 概要,在MSA研究时需要确保的信息资料,测量误差有多大?测量误差的原因是什么?测量工具分辨率如何?重新测量也有相同的结果吗?使用其他测量工具也有相同的结果吗?测量工具随着时间变化会长期稳定吗?测量工具是否具备执行该研究(分析)的能力?怎样提高测量系

4、统?,Y的测量系统评价,理想的测量系统是测量时能够反映出“真值”.测量系统的品质是由统计性属性决定的.统计性属性-测量散布要比产品规格小-测量散布要比工程散布小.-分辨率应该是产品规格或工程散布的 十分之 一的程度,测量系统的属性,Y的测量系统评价,工程散布可能的来源,我们将把“重复性”和“再现性”作为测量误差的第一来源来探讨,为了调查实际的工程散布，必须首先确定测量系统的散布，并把它从工程散布中分离出来,Y的测量系统评价,设备不稳定,测量仪器,环境,方法,配件磨损,电力不稳定,标准次序,测量散布(错误的测量值),湿度,清洁度,震动,电压变化,气温变化,测量散布的原因?(4M 1E),样本,测

5、量者,灰尘/噪音,标准样本,量产样本,良品样本,不良样本,保管/管理,感觉,气氛,熟练度,测量位置,测量次数,测量条件,Y的测量系统评价,假设某实际工程的标准偏差为5,平均为 70，假设另有一带有一定测量误差(即标准偏差=5)的测量系统.使用Minitab,来模拟测量误差给流程能力所带来的影响.,Minitab 练习:流程能力及测量误差,Y的测量系统评价,按照这些方法产生数据来模拟我们的模型:,产生一个随机正态分布,Y的测量系统评价,产生测量系统随机数据,实际流程+测量系统,Y的测量系统评价,实际工程散布-无 测量误差,观察到的工程散布-伴随 测量误差,Y的测量系统评价,和测量系统相关的术语,

6、分辨率（Discrimination）正确度（Accuracy）-正确性-真值（True value）-偏离（Bias）直线性（Linearity）稳定性（Stability）精密度（Precision）重复性（Repeatability）再现性（Reproducibility）,Y的测量系统评价,是指测量仪器的最小刻度可以测量到被测对象的小数点的位置。测量仪器的刻度通常应为为产品规格或工程散布宽度的十分之一,好的分辨率,差的分辨率,分辨率,Y的测量系统评价,平均,散布,正确性,精密性,m,m,m,测量系统,产品,总,+,=,s,s,s,2,2,2,测量系统,产品,总,+,=,测量系统和关联术

7、语,测量误差=正确性(平均)+精密性(散布),测量系统偏离-通过“校准研究”决定,测量系统散布-通过“R&R 研究”决定,Y的测量系统评价,-正确度:测量值的平均和真值的一致程度-直线性:在测量量程范围内的系统测量结果的一致性-稳定性:随着时间和空间的变化测量系统变动程度,对平均 的评价,Y的测量系统评价,真值 理论正确值,偏离(Bias)所有测量值的平均和真值间的差异,Y的测量系统评价,真值,平均,正确度,正确度,测量仪器的正确度是指观察到的测量 平均值 和真值 或“真实”值 间的差异,正确度低的潜在原因-测量仪器的刻度调整不合适；-作业者不能正确使用测量仪器-不明确的步骤；-人的局限,Y的

8、测量系统评价,直线性,直线性是指在测量系统的量程范围内测量系统的一致性,精确度,测量仪器 1:线性有问题,测量样品,0,精确度,测量仪器 2:线性没有问题,0,测量样品,直线性差的潜在原因有哪些？,Y的测量系统评价,对于同样的样品用同样的测量仪器在不同的时间或地点测量时的结果的差异状态.,稳定性,时间 1,时间 1,时间 2,真值,真值,稳定性好,稳定性差,时间 3,时间3,时间2,稳定性差的潜在原因有哪些？,Y的测量系统评价,对散布的评价,-精密度:根据测量系统反复性和再现性的总变动-反复性:重新测量也有相同的结果吗?-再现性:用其他测量系统也有相同的结果吗?,Y的测量系统评价,-测量系统中

9、的总散布 术语:随机误差（Random Error），分散（Spread），测试/再测试误差（Test/Retest error）重复性和再现性,精密度,Ms=测量系统，rpt=重复性，rpd=再现性,Y的测量系统评价,重复性,是同一个人用同一个仪器对同一个样品的同一个特性进行连续测量之间的散布。也被称为 测试-再测试误差;是测量系统的固有散布，可作为 短期散布的估计，,真值,重复性差的潜在原因有那些？,Y的测量系统评价,再现性,不同的操作者用相同或不同的测量仪器测量同一个样本的同一个特性时测量的平均值间的差异,真值,再现性好,再现性差,再现性差的潜在原因有哪些？,Y的测量系统评价,例子,假设

10、我们有一个真实“硬度”为5.0的参考材料 用方法 1 得出以下读数：3.8,4.4,4.2,4.0用方法2 得出以下读数：6.5,4.0,3.2,6.3哪个方法更精确？哪个方法更精密?你更倾向于哪个方法？为什么？,方法 2-平均值等于“真实”硬度值,方法 1-散布很低,方法 1-与散布相比我们更容易纠正平均值偏移,Y的测量系统评价,正确性是.,测量误差不应大于规格公差和产品散布的10%.,精密性是.,真值,真值,重复性好,重复性差,真值,再现性好,再现性差,检查者A,检查者B,检查者C,检查者A,检查者B,-测量仪器的自身变动,-测量者间的变动,真值,Y的测量系统评价,测量系统分析步骤,1.决

11、定测量的项目与特性2.确认测量仪器3.收集数据资料4.分析数据并得出结论,Y的测量系统评价,事前确认事项,选定正确的测量系统了吗?选定的重要测量系统输入变量和重要输出变量间的关系?测量系统的统计特性是否满足?数据的用途是什么?对测量仪器是否实施过检验与校正，其结果如何？,事后确认事项,样本的选定具有代表性吗?与工程散布和规格相比其结果如何?测量时是否有误差?,Y的测量系统评价,计量型数据的 Gage R&R,它说明有多少百分比的总散布是由测量误差所带来的 包括重复性和再现性-%R&R 30%:不适当,%R&R,一般以百分比表示,Y的测量系统评价,观察到的工程散布,测量系统散布,%R&R=20%

12、,%R&R=75%,%R&R=100%,计量型数据的 Gage R&R,%R&R 是工程改进负责人最佳的参考测量值.%R&R用以推测测量系统的散布占全部工程散布的百分率%R&R 是执行工程改进研究时最有用的推测值.,%R&R的使用,计量型数据的 Gage R&R,P/T 比,一般用%表现,注意:5.15标准偏差占测量系统散布的 99%.5.15是产业标准.,说明有多少百分比的公差 由测量误差所占据 包括重复性和再现性 作为目标，我们追求 P/T 30%,计量型数据的 Gage R&R,P/T 比,产品公差,计测系统散布,P/T=20%,P/T=100%,P/T=200%,计量型数据的 Gage

13、 R&R,简单的 P/T 比实习,让我们用计算器（Calculator）功能建立一个叫做Delta的列变量，它就是观察者1 和观察者2读数之间的差异,计量型数据的 Gage R&R,例题：WEAR-MEASURE,描述性统计:Delta 平均值变量 N N*平均值 标准误 标准差C5 10 0-0.410 0.122 0.387,利用 描述统计学（Descriptive Statistics）,计算Delta 的标准偏差 这个标准偏差叫做测量的标准差 它主要描绘哪个，重复性或再现性？,计量型数据的 Gage R&R,Precision,=,5.15,*,Precision,=,5.15,*,0

14、.387,Precision,=,1.99305,s,公差(规格上限-规格下限)是 5.精密性和公差间的比率?,使用上述的标准偏差，如何得出对测量分散好的估计？,计量型数据的 Gage R&R,描述性统计:Delta 平均值变量 N N*平均值 标准误 标准差C5 10 0-0.410 0.122 0.387,该比率(即精密性和公差比率)叫 P/T 比.即：说明测量误差占规格公差的 46%.,计量型数据的 Gage R&R,描述性统计:Delta 平均值变量 N N*平均值 标准误 标准差C5 10 0-0.410 0.122 0.387,P/T 比(Minitab里%Tolerance)通常

15、在推测测量系统精密性时普遍使用.该推测值在评价测量系统与规格相关的问题时比较适合只是要注意规格公差可能太小或太宽的情况,P/T 比使用,计量型数据的 Gage R&R,测量误差给流程能力带来的影响,测量误差越大,给大家理解真正的流程能力带来更大的影响.,计量型数据的 Gage R&R,%R&R=20%,%R&R=50%,%R&R=100%,测量系统散布,P/T=20%,P/T=50%,P/T=100%,产品公差和工程散布一致时,计量型数据的 Gage R&R,测量系统散布,产品公差是工程散布的 时,计量型数据的 Gage R&R,%R&R=20%,%R&R=40%,%R&R=100%,P/T=

16、10%,P/T=20%,P/T=50%,观察到的工程散布,测量系统散布,产品公差是工程散布的 2倍时,计量型数据的 Gage R&R,一般选出 2-3名作业者一般选择 10个样本为被测对象每个作业者通常对每个样本反复测量 2-3次,注意事项,所选样本要能很好地代表工程 要以工程内平时做检查工作的作业者为评价对象作业者在测量过程中不准知道样本属性的信息,测量系统分析的一般做法,计量型数据的 Gage R&R,操作者数量如果工程使用若干个操作者，随机选择 2-4 名 如果工程只使用一名操作者，或不使用操作者，进行无操作者影响研究（忽略再现性影响）样本数选择足够多的样本，以使：(样本数)X(操作者数

17、)15如果不现实或不可能，选择测试数，以使：如果 样本数 x 操作者数 15,测试数=3如果 样本数 x 操作者数 8,测试数=3 到 4如果 样本数 x 操作者数 5,测试数=4 到 5如果 样本数 x 操作者数 4,测试数=6 到 6,计量型数据的 Gage R&R,样本选定方法,从工程中抽样应覆盖工程的散布范围 例如:如果你生产了一种材料，检定的平均值为 9.00，sigma 为 0.01，那么抽样的检定范围为 8.97-9.03(99%的范围)注意!如果你的工程生产具有不同检定但具有相同基数的材料，把其分群并分别作R&R研究 例如:一个工程生产出检定为 70.0,85.0,和 90.5

18、，公差均为+/-0.50 的材料，均用同一系统测量 作3次研究 对每个检定作一次 如果你把上述样本合在一起，GR&R值将被人为地降低,计量型数据的 Gage R&R,R&R 分析顺序,校准测量仪器，或确认它已经被校准 让操作者1 随机测量一次所有的样本 让操作者2 随机测量一次所有的样本 继续到所有的操作者都对样本进行了一次测量（这就是测试1）重复步骤 2-4 直到所需数目的测试为止 用所提供的形式决定R&R研究的统计量 重复性再现性以上每个的标准偏差%R&RP/T 比分析结果并决定可能的后续措施,计量型数据的 Gage R&R,Minitab 生成 Gage R&R Data Matrix,

19、计量型数据的 Gage R&R,计量型数据的 Gage R&R,计量型数据的 Gage R&R,部件文本格式进行数字格式转换,让我们用 Minitab 来分析数据 打开文件ANOVA MSA.MPJ 中的工作表 AIAG MSA Example 我们将使用 Minitab 的测量仪器 R&R 研究功能,计量型数据的 Gage R&R,在此输入测量仪器相关的信息作为履历,计量型数据的 Gage R&R,在输入栏中输入规格公差 记住-公差是规格的整个范围！你也可以加上一个描述性标题,Minitab 分析结果,Minitab 产生解析的和图表的分析信息 解析结果ANOVA 表格 散布构成 百分比占有

20、率表 图表结果X-Bar/R 图散布构成 操作者*部品交互作用图 操作者别和部品别图 让我们先看解析结果，然后再看图表结果,计量型数据的 Gage R&R,包含交互作用的双因子方差分析表 来源 自由度 SS MS F PSample 9 2.05871 0.228745 39.7178 0.000Operator 2 0.04800 0.024000 4.1672 0.033Sample*Operator 18 0.10367 0.005759 4.4588 0.000重复性 30 0.03875 0.001292合计 59 2.24913删除交互作用项选定的 Alpha=0.25,如果是好的

21、测量系统则在 ANOVA table里 Sample项表现为非常显著，而Operator表现为不太显著,会话窗口 解释,计量型数据的 Gage R&R,量具 R&R 方差分量来源 方差分量 贡献率合计量具 R&R 0.0044375 10.67 重复性 0.0012917 3.10 再现性 0.0031458 7.56 Operator 0.0009120 2.19 Operator*Sample 0.0022338 5.37部件间 0.0371644 89.33合计变异 0.0416019 100.00过程公差=0.5 研究变异%研究变%公差来源 标准差(SD)(6*SD)异(%SV)(SV

22、/Toler)合计量具 R&R 0.066615 0.39969 32.66 79.94 重复性 0.035940 0.21564 17.62 43.13 再现性 0.056088 0.33653 27.50 67.31 Operator 0.030200 0.18120 14.81 36.24 Operator*Sample 0.047263 0.28358 23.17 56.72部件间 0.192781 1.15668 94.52 231.34合计变异 0.203965 1.22379 100.00 244.76可区分的类别数=4,计量型数据的 Gage R&R,会话窗口 解释,因测量系统

23、的变动(%Contribution：方差分量贡献率)占总变动的10.67%,因此样本间的变动为 89.33%.反复性散布占3.10%，再现性散布占7.56%.可见相对于重复性变动，作业者间的差异更大从%R&R看%Study Variation（%研究变异%SV）,结果为32.66%，脱离了允许水准30%须改进。(%Contribution：方差分量贡献率)10.67%有下列关系式.0.1067=(0.3266)2从P/T比看%公差,结果为68.61%,大于30%,表示该测量仪器散布脱离了允许水准,其区分良/不良能力不足,需要改进可区分的类别数（Number of Distinct Catego

24、ries）是4，通常该值要大于5.,Minitab Session 解释,计量型数据的 Gage R&R,测量能力评价指标,测量系统分散-测量系统的总体性精密度-测量系统可否使用的判断基准-%Contribution 测量系统散布与产品/工程变动的比较-%Study variation(%R&R)-Number of Distinct Categories 测量系统散布和公差的比较-%Tolerance(P/T比),计量型数据的 Gage R&R,测量能力评价指标,TOTAL,%Contribution=100%Study variation=100%(%R&R)5.15%Tolerance=

25、100%(P/T比)Number of Distinct Categories=Round(1.41)(区分测量系统的区间数),s,2,Total,s,2,MS,s,Total,s,MS,Tolerance,s,MS,s,MS,s,Part,判断基准,计量型数据的 Gage R&R,方差分量贡献率,%研究变异(%SV),%公差(SV/Toler),可区分的类别数,图表解释,计量型数据的 Gage R&R,Xbar-R Chart,范围（Range）图可以帮助确定不合适的分辨率 我们要求在控制限内有最少 5 个可能的数值,我们希望在X Bar 图中看到至少有50%的点散布在控制限的外面 这显示的

26、是部品-部品的散布 如果没有超限点,你很可能没能获得覆盖生产中正常范围的样本,Xbar Chart,如果每个操作者的平均值不同，再现性是可疑的 我们要求更多的平均值落在控制限外部，但所有的操作者是一致的 这预示着更多的部品-部品散布，正是我们所要求的 我们希望看到图上多数点落在控制限外部 如果如此，而且R-图受控，那么我们就能决定测量系统占工程散布的百分率。,计量型数据的 Gage R&R,R Chart,可疑的不适当的分辨率，如果：R-图在控制限内但其明显水平少于5个明显水平等于5 或有更多的R水平，但超过1/4的值为0 如果R-图显示非受控情况，则重复性可疑 如果一个操作者的范围非受控，而

27、其他操作者受控，那么方法可疑 如果所有操作者的范围都非受控，那么系统对操作者方法敏感,计量型数据的 Gage R&R,对每个操作者按照部品别画一条线显著的交互作用由两个操作者之间的交叉线来显示 我们期望对所有的操作者，所有的部品都是平行线 如果存在操作者-部品交互作用，我们需要了解并加以解决,交互作用 PLOT,计量型数据的 Gage R&R,前面讨论的数据的图示化描述 我们要求测量仪器 R&R 部分越小越好，以使部品-部品部分尽可能的大,散布的构成要素,计量型数据的 Gage R&R,此图显示平均值（红圈）和每个操作者的数据分散 我们希望所有的操作者数据点的集中情况类似，操作者的平均值成一条

28、水平线,By Operator,计量型数据的 Gage R&R,By Part,此图显示平均值（红圈）和每个部品的分散我们希望看到每个部品的最小分散，但部品间有散布（平均值漂移）,计量型数据的 Gage R&R,破坏性实验MSA,Gage R&R Study(Crossed)适用于在1个 Lot(Batch)里可以获得充分多的样本 对于任何一个样本,所有作业者都可以测量的情况 Gage R&R Study(Nested)适用于从1个 Lot(Batch)只能获得1个样本 且对于一个样本只能由1名作业者测量的情况,破坏性实验样本选择指南,样本选择是与破坏和在线测量系统相关的问题 可用以下方式选择

29、样本以使部品间的散布最小化 收集你的研究中所必需的“标准”样本把它们划分成足够小的样本，以覆盖操作者 x 样本 x 测试值假设 较小样本的散布是可以忽略的，而且能够忽略,破坏性实验MSA,1,6,2,3,4,5,7,8,9,10,破坏性实验样本选择指南,假设我们希望作2个操作者，2次测试，10个样本的研究 我们需要10个标准样本和 2 x 2 x 10=40个较小样本,破坏性实验MSA,破坏性实验 MINITAB 例子,为了进行破坏性实验 Gage R&R研究从 12个 Batch各取2个样本标本，假设一个 Batch内样本相同，实验的结果参考 Destructive MSA.mtw,试作出分

30、析(Spec.35203620),破坏性实验MSA,DATA 确认,测量者:3名反复:2回(从同一 Batch中抽取的样本数)总的 Batch 数:12个总的测量数:24个,破坏性实验MSA,STEP 1,破坏性实验MSA,STEP2,统计数据及图形分析方法同 交叉设计相同,破坏性实验MSA,(1)输入Batch,(2)输入Operator,(3)输入测量结果,(4)输入Tolerance,STEP3,破坏性实验MSA,STEP4,破坏性实验MSA,结果怎么样？,量具运行图,Gage Run Chart是理解测量者,样本,Trial 间的相互作用的工具.(ANOVA MSA.MPJ),测量者对

31、各样本测试的平均值图.寻找非正常部分 测量者全体在一条线上为最佳!,量具运行图,计数型 Gage R&R,计数型 Gage R&R,典型的样式,MINITAB DATA 分析(Attribrr.mtw),计数型 Gage R&R,MINITAB Graph 分析,每一作业者的观测值通过一定程度的信赖区间确认.通过GRAPH可见作业者 1的一致率比作业者 2低 需要对作业者 1进行培训.,计数型 Gage R&R,MINITAB Session 分析,作业者1在总共 20次的观测中有18次是一致的,即说明有 90%的一致率 作业者 2在总共 20次的观测中有 20次全部一致,即说明有100%的一

32、致率,2名作业者在总共 20次的观测中有17次是一致的,即说明一致率为85%的,计数型 Gage R&R,利用ATTRIBUTEMSA.MTW 文件分析-利用Gage Run Chart实施分析并解释结果.-利用计数型Gage R&R实施分析,并解释其结果,计数型 Gage R&R,解决问题路径(分辨率),存在规格上下限吗?,掌握最小刻度单位,No,Yes,选定产品的信赖区间,最小刻度单位是否小于产品规格或散布范围的十分之一?,有分辨率,评价完了,无分辨率,提出解决方案,改进,Yes,No,存在标准值吗?,正确性评价开始,No,Yes,选择一个样本后,用认为比所要评价的测量仪器更正确一些的测量

33、仪器反复测定后的平均值设定为标准值,反复测量的实际值平均的差异是否小于产品规格或散布的10%?,有正确性,评价完了,无正确性,提出解决方案(例如:0点调整,保证值,设定等),改进,Yes,No,解决问题路径(正确度),解决问题路径(精密度),精密性 30%(%R&R 及%P/T),精密性评价开始,No,有精确性,评价完了,实施改进对策(排除测量仪器散布发生原因,更换测量仪器,反复测量后用平均代替测量值),Yes,No,评价准备及测量,Data 收集(测量者,测量样本,反复数),利用Minitab计算测量仪器精密性,测量仪器问题吗?测量者问题吗?两个都是?,实施改进对策(排除测量仪器散布发生原因,对测量者培训,反复测量后用平均代替测量值),有精确性,有精确性,测量者问题,测量仪器问题,