1

警告

Gage R&R （ MSA ）研究检验测量系统的精确性

变量型 Gage R&R 研究不检验测量系统的准确性 在某些应用中 , 并不存在标准或 “真值” ( 校正 ) 这些情况下 , 准确性无法进行评估 因此 , 评估与改进精确性是计量型 MSA 的主要内容

属性型 Gage R&R 研究检验准确性 再现性比较难区分 重复性和准确性是计数型 MSA 的主要内容

2

警告

Gage R&R （ MSA ）研究检验测量系统的精确性

变量型 Gage R&R 研究不检验测量系统的准确性 在某些应用中 , 并不存在标准或 “真值” ( 校正 ) 这些情况下 , 准确性无法进行评估 因此 , 评估与改进精确性是计量型 MSA 的主要内容

属性型 Gage R&R 研究检验准确性 再现性比较难区分 重复性和准确性是计数型 MSA 的主要内容

3

Gage R&R 研究

通常 2 到 3 名操作员

通常测量 10 个样本

每个样本由每个操作员测量 2-3 次

需要进行均衡 ( 下一张 )

4

要均衡哪个设计 ?

例 1

零件号 操作员 结果

1 Mary 1456

1 Mary 1390

2 Mary 1300

2 Mary 1299

2 Mary 1321

1 Joe 1433

1 Joe 1399

2 Joe 1279

2 Joe 1300

例 2

零件号 操作员 结果

1 Mary 1456

1 Mary 1390

2 Mary 1300

2 Mary 1299

1 Joe 1433

1 Joe 1399

2 Joe 1279

2 Joe 1300

5

测量系统研究的准备

检查仪器已维修并已校准至可追溯的标准

检查仪器分辨率小于或等于预期工艺过程的变异 / 规范范围的 1/10

挑选 2-3 操作仪器的评估人 如果工艺需要多个操作员 , 随机选择 2 － 4 人 如果工艺仅需要一个操作员或无操作员 , 则视为无操作员影响来进行研究

( 忽略再现性影响 )

从工艺过程中选择 5-10 个样本零件来表征整个操作范围和各离散零件数 样本数－ 选取足够的样本使得样本数 (S) X 操作员数 (O) > 15

每个操作员测量每个样本 2-3 次 ( 都使用相同的仪器 )

6

进行测量研究

呆在现场进行研究 ; 注意计划外因素

进行研究 – 指导方针1. 每个操作员对所有的样本进行一次随机测量

持续进行直到每个操作员对所有的样本完成一次测量 这是试验 1 确保零件进行标记以便于数据采集但对操作员保持“隐蔽”（无法辨

别）2. 重复需要的试验数

每个样本应该由每个操作员测量 2 - 3 次3. 使用表格收集信息4. 分析结果5. 如果还有的话，确定进一步措施

7

Minitab 中的测量系统分析（ MSA ）实例

选取 10 个零件表征工艺过程中变异的预期范围

3 个操作员随机测量 10 个零件，每个零件 3 次

打开 Gage3.mtw

选择 Stat>Quality Tools>Gage R&R Study (Crossed)…

8

Minitab 中的 Gage R&R

在 Part numbers （零件号）中输入 Part （零件） : Operators（操作员）中输入 Operator （操作员） : Measurement data（测量数据）中输入 Response （响应） :

ANOVA （方差分析）和 X-bar & R 分析主要的不同之处在于ANOVA 将通过零件间的交互作用对操作员进行评估

ANOVA 方法更保守

9

Minitab 中的 Gage R&R : 选项

5.15 是 study variation （研究变异）的默认值 z 值范围计算 99% 潜在的研究变异 基于变异计算标准的偏移可以在所选零件的研究中看到

规格界限是 10.75 (USL) 和 8.75 (LSL)

点击 Options…

在 process tolerance （过程公差）对话框中输入 2.0 (10.75 – 8.75 = 2.0)

在 historical sigma （历史西格玛值）对话框中输入 0.195

双击 OK

10

解释 : 可接受性

如果工艺过程公差和历史西格玛值没有用在 Minitab 中 , 一个关键的设想是 : 选取的用于研究的样本零件可以真实地展现实际工艺过程变异。这样的话，测量系统的可接受性仅基于对研究中零件变异的比较。如果注意选取研究样本零件，这将是一个有效的假设。

AIAG 规定 “评估测量系统是否可以分析工艺过程的一个标准要素是零件公差或测量系统变异所耗费的操作过程变异” 。记住指导方针是 : 10 % 以下误差 – 可接受的 从 10% 到 30% – 由于使用风险、测量仪器的成本、修理成本等考虑也尚能

接受 超过 30 % – 认为不可接受 –应该努力全面改进测量系统

11

Minitab Sixpack

12

Gage R&R 间的联系

当操作员的结果可重复以及操作员间的结果可再现时，可以认为测量过程一致。

当操作员测量的变化相对于工艺过程的变化或公差范围较小时，标准度量可以有效检地测到零件之间的变异。

测量所耗工艺过程变异的百分比 (% R&R)决定了测量过程的一致性并能检测出零件之间的变异。

异 变 的 组 成

百分比

重复性 再现性 零件间

影响方差分析工艺过程公差

13

Minitab Sixpack

注意看带条纹的柱条 – 它们表示总体变异对于数据影响的 % 。 Gage R&R 是测量系统的总体变异，分为重复性和再现性。零件之间变异的柱条表示工艺过程变异的估计。

还记得我们要进行测量的原因吗？

工艺过程变异的估计直到输入 Historical Sigma

在检验员之间或检验员与检验员之间

标准度量内或一个检验员

总体 Gage R&R

异 变 的 组 成

影响方差分析工艺过程公差

百分比

重复性 再现性 零件间

14

重复性表明在极差图中实际所有极差点在控制极限以下。任何超出极限的点都需要进行研究。重复性表明在极差图中实际所有极差点在控制极限以下。任何超出极限的点都需要进行研究。

重复性 : 图表视图

重复性由特别的极差图进行检测，表中画出了每个操作员测量每个零件的差异。如果被测零件的最大值和最小值间的差异未超过UCL, 则视度量标准和操作员为可重复的。

样本范围

操作员的极差图

15

再现性 : 图表视图

在 Minitab 一段（在随后的幻灯片中讨论）中的表格分析是分析确定再现性的最好方式。图表中可以看出各个操作员测量相同样本的操作员模式是否有明显不同。

测量变异总工艺过程变异

分辨率

样本均值

操作员的 Xbar 图

16

MSA 分析 : 有效系统

期望得到的图点均超出 UCL 和 LCL 的限制，因为该限制是由标准度量的变异所确定的。这些图点应该显示出标准度量变异应该远小于零件间的变异。

如果所选样本不能代表工艺过程的总体变异，则标准度量 ( 重复性 ) 变异可能大于局部变异并且使确切的范畴计算成为无效。

如果操作员模式没有可比性，则操作员和零件间存在明显的关联 ( 这将在另一张幻灯片中讨论 )

操作员的 Xbar 图

样本均值

17

X Bar 图 ( 期望值 )

UCL

LCL

测量

误差

产品

变异

X Bar 图 ( 不可接受值 )0.00000

UCL

LCL

测量

误差

产品

变异

0.000010.000020.000030.000040.000050.000060.000070.000080.000090.000100.00011

MSA 分析 : 测量误差

18

Minitab Sixpack

极差图是否在控制范围之内 ?

X-bar 图和极差图上的限制从何而来 ?

我们要不要控制极差图和 X-bar 图 ?

在我们的测量系统中控制范围代表什么 ?

操作员的 Xbar 图

操作员的极差图

样本范围

样本范围

19

Minitab Sixpack

本图显示所有操作员共同绘制 10 个零件的数据，显示了原始数据并强调突出了测量的平均值。

与上图相似，但零件是按操作员而不是按数据进行排列，此图可以帮助识别操作员的测量结果。

此图显示每个操作员对所有 10 个零件的数据。这是显示零件与操作员之间关系的最好方式。

通过零件

通过操作员零件

操作员

零件

平均

操作员 操作员 * 零件 关系

20

通过零件 : 变异分析

图中显示所有操作员共同绘制 10 个零件的数据。此图应该显示工艺过程中最小尺寸到最大尺寸的同一个零件的图点。如果是工艺过程中生产的零件，则它们有的同时在公差范围内和有的则公差范围外。如果一个零件显示出较大的分散性，则它不适宜作为测试品，因为在该零件可能体现不出其特性。

超界零件

零件

21

通过操作员 : 变化分析

此图显示了操作员绘制的 10 个零件数据。红线连接了操作员所绘制全部 10 个零件的平均值，红线应该是水平状态的。任何明显的倾斜表示操作员与其他操作员相比，在测量零件时有或大或小的偏移。

超界操作员

操作员

22

操作员与零件的关系

操作员影响 : 如果平均值连线出现明显的分离，则在进行测量的操作员和被测量的零件之间存在一定关系。这不是好现象，需要进行研究。

零件

均值

操作员与零件 的关系操作员

23

Minitab Sixpack

图形输出的问题

变异的组成 超界零件

超界操作员操作员的极差图

操作员 * 零件 关系 操作员

零件

均值

操作员

零件

百分比

样本范围

样本均值

% 影响% 方差分析% 工艺过程% 公差

操作员的 Xbar 图

24

Gage R&R: 数字输出

以下表中是用 Mintab 算出变异研究的百分比 , 它是每个变源占计算可能的总变异比例 . 5.15 * SD 表示总变化统计值 99% 是如何计算的，而且除非输入了 Historical Sigma 值，否则一律假设其等于真实工艺变化的 99% 。

为了进行工艺过程改进，这些值应当

小于 30%

25

Gage R&R: 数字输出

% 用于根据已知的 % 进行的测量分析，来对测量系统有效性进行分级。如果工艺过程进行顺利，则 % 公差很重要。 %总数按照数学累加也许会超过 100% 。

区分指数值表示 , 在研究变异中 , 测量系统能可靠地识别不重叠测量组的数目。我们希望这个数目是 5 或者更高。 4 是临界值。小于4 意味着测量系统只能使用计数型数据。

26

让我们再做一次

选取 3 个零件表示预期工艺过程变异的范围。 3 个操作员以随机顺序测量 3 个零件各 3 次。 打开练习 Gage2.mtw

无可用的工艺过程历史并且未制定公差。 此数据组用于举例说明 Gage R&R 和标准度量运行图。

27

测量系统如何表示 ?

变异的组成 通过零件

通过操作员操作员的极差图

均值

操作员

零件

百分比

样本范围

样本均值

均值＝ 406.2

% 影响

% 方差分析

操作员 * 零件 关系 操作员

零件

来源

总体 Gage R&R重复性再现性销售再现性零件之间总体变异

操作员的 Xbar图

28

执行测量研究

如何对以下一些工艺过程建立测量研究？ 报价 雇员绩效检查 评估关于工伤的严重性 雇佣程序

举例 : 报价程序 过程的简要描述 :客户为了修理设备给出工单。一个分析员查看工单

并为完成工单进行估价，然后对客户进行报价。 在该情况下相关的测量误差是什么？

29

执行 MSA

比尔相信报价过程中的变异是客户满意度的重要影响因素 比尔收到客户反馈，其价格变化源于恶性竞争 用一周的时间为客户任务报价，在一周后递交近乎相同的作业并看到 35% 的价

格变化是不正常的。

帮助比尔决定如何估计报价过程中的误差量，尤其是与重复性和再现性相关的 比尔决定设置 10份假客户定价需求并让 3 名不同的内部店员在随后的 2周内各报价 3 次。

由于公司提供产品的多样性，比尔选择销售经理计算的定价需求 $24,000

部门终于拥有足够的销售量，比尔对于 他们没有认可报价感到轻松，但他修改 了一些不重要的客户信息，这只是为了 进行确认。

30

进行测量系统分析（ MSA ）图表和数字输出

变异的组成 超界零件

超界操作员操作员的极差图

均值

操作员

百分比

样本范围

样本均值

% 影响% 方差分析

操作员与零件 关系

零件

来源

操作员的 Xbar图

总体 Gage R&R重复性再现性销售再现性销售再现性 *报价零件之间总体变异