MSA

25
n
GR&R
• 一致性评价指标： – 评估者本身： • 评价自己每次测量的结果是否一致（重复性）。当 多过一次的评估时，才会有此表。 – 每个评估者相对于标准 • 评估者和专家（标准值）评价相符的程度。当指定 已知标准时，才会有此表。 – 评估者之间的有效评分: • 检验员之间的一致性（再现性）。当多过一人评估 时，才会有此表。 – 所有评估者相对于标准: • 综合评价全部检验员和专家（标准值）的一致性。 当指定已知标准时，才会有此表。
数据： MSA training data-->“GR&R” Minitab：统计->质量工具->量具研究->量具R&R研究(交叉)
18
n
GR&R
数据： MSA training data-->“GR&R” Minitab：统计->质量工具->量具研究->量具R&R研究(交叉)
19
n
GR&R
1
3 3
31
n
计数型测量系统分析
32
n
计数型测量系统分析
编号为6、7、12、14、21、22、 26、30、34、36、43共11个部件 一致性差，需要进一步研究。 C与AB的一致性看起来有差异
33
n
计数型测量系统分析
整体一致性<80%，测量系统 不合格，需要改进。 C与AB有差异
C与标准值的差异最大
2
20
n
GR&R
P/TV%
P/T%
NDC
21
n
GR&R
• 改善建议
• 若主要变异来自重复性，则需替换，修理或调整设备或夹 具； • 若主要变异来自操作员（再现性），则需做如下处理： – 定义标准化操作程序 – 识别操作员之间的不同，加强培训 • 若主要变异来自操作员-部件的交互，则需检查测量方法 和操作员的操作方式和技巧。 • 若NDC可区分组数不够，需要在排除上述误差，进行重新 测试。若还是不够，则表明需要换更加精密的测试仪器。
D
M
A
I
C
MSA
ST-Lapping 廖德英 Aug.2, 2018
1
n
MSA基础知识 MSA： Measurement Systems Analysis 测量系统分析
MSA发展背景
2
n
MSA基础知识 测量的重要性
• • • •
•
目前，工业制造过程中的决策依赖于测量数据; 经过测量或者检查来判断产品是否合格； 依赖于过程的测量数据决定过程是否需要调整； 过程能力的研究决定于测量的数据；
判别标准 自身一致性 与标准一致性 优秀 >90% >90% 可接受 80%~90% 70%~90% NG <80% <70%
27
n
GR&R
Ø 计数型数据-GR&R计划
样本量：30~50个 次数：2~3次 如果有真值可得偏倚 盲测：即随机测量，避免让操作员知道正在测量哪个部件。
28
n
GR&R
• 计数型数据MSA计划： – 样本 – 如果Kappa=1，表明评估结果与标准完全一致。如果 Kappa=0，表明评估结果与完全不用任何思考的、随机 评判的结果一样。 – Kappa为负数情况比较罕见，表明评估结果比完全不用 任何思考、随机评判的结果还糟糕。 – 衡量标准:
ü 线性就是指在其量程范围内，偏倚是基准值的线性函数。 ü 线性可以通过校准加以修正，要求不是很严
一致的偏倚
偏倚和线性一般同时评估。
不一致的偏倚
10
n
MSA基础知识 Ø 偏倚和线性
数据： MSA training data-->“偏倚” Minitab： 统计->质量工具->量具研究->量具线性和偏倚研究
…
• 决策的正确性很大程度上依赖于所获得的数据， 如果数据的质量不高或者不准确，所作出的决策 的正确性也是大打折扣的。
3
n
MSA基础知识 Ø 测量
• “对某具体事物赋予数字（数值），以表示它们 对于特定特性之间的关系” … • 任Байду номын сангаас数据的波动都可以看作过程的波动和测量系 统的波动之和，
Ø 测量系统
11
n
MSA基础知识
12
n
MSA基础知识 Ø 稳定性 (Stability) 随着时间的推移测量的偏倚的稳定性。
使用相同的测量系统对同一基准或同一零件特性进行测量 如何判定测量系统稳定性： 通常使用测量结果的 控制图加以判定。
Time
Reference Value
13
n
MSA基础知识 Ø 重复性 (Repeatability)
30
n
GR&R
Ø 应用举例
• ABC3个检验员对50个部件进行目视检查，每个人检查3次。 结果见样本数据（Attribute Gauge),请分析其测量能力
部件 1 1 1 2 2 2 3 3 3 … 50 50 50 标准值 1 1 1 1 1 1 0 0 0 … 0 0 0 A 1 1 1 1 1 1 0 0 0 … 0 0 0 B 1 1 1 1 1 1 0 0 0 … 0 0 0 C 1 1 1 1 1 1 0 0 0 … 0 0 0
样本分布：
记得每次测量一定是按正常操作流程走完，包括备料，放料，调试等！
17
n
GR&R
Ø 整理好的数据格式如下
规格：USL:71 LSL:49 要顺序看如下项目： 1>.极差控制图（从有无超控制线检查重 复性及数据分类够不够） 2>.均值控制图（看是否大多数点在控制 限外来判断抽样是否合理） 3>.量具均值图（看员工间均值是否有差 异，员工和部件间是否有交互） 4>.GR&R三大指标 （P/T%,P/TV%,NDC),看测量系统是否 合格。
37
n
总结 Ø M阶段任务
• • • • 摸清现状（稳定性及流程能力方便体现） 检查Y的MSA有无问题（X的MSA在A阶段做） IPO找出所有潜在因子 C&E矩阵筛选出关键的少数因子（当因子数少于30个时 可不用，因为它可能漏掉高风险因子） • 用FMEA查出高风险因子（RPN>100) • 快赢及效果验证 • 二次FMEA
l
为保证可靠地辨别和区分产品的波动，还要用可区分类别 数NDC来作为分辨力足够与否；
式中，p表示过程波动的标准差；MS表示测量系统波动的 标准差；int表示向下取整函数。 NDC其实就是表示数据的分层。NDC=2意味着仅能将数据分成 2. NDC=5, GR&R~30%。
7
n
MSA基础知识
8
n

2
GRR

2
Re peatibility

2
Re producibility
GRR 2 EV 2 AV 2
15
n
GR&R
Ø 计量型数据-P/TV%, P/T%, NDC (可区分类别数）
思考：如果抽样太集中会怎样？如果抽样太宽广会怎样？
16
n
GR&R
Ø 计量型数据-GR&R计划
样本量：10个左右 人员： 3个 次数： 2~3次 如果有真值可得偏倚 盲测：即随机测量，避免让操作员知道正在测量哪个部件。
用百分比表示各检查员的 一致性
34
n
计数型测量系统分析
35
n
计量型测量系统 Ø 原因分析 • 看“量具计数图”、“一致性比较报表” • 检查： – 样本取样范围； – 合格标准； – 员工熟练程度。 • 做完后，要重做测量系统分析
36
n
GR&R Ø 计数型测量系统有问题，可能：
• • • • • • • • • 检验员视力不好 灯光又问题 产品摆放位置不对 检验顺序有影响 检验标准有问题 检验方法有问题 没有培训 员工心情不好 新员工
38
Ø 计数型GR&R练习：
• • • • • • •
30颗炒花生 3个人 检验过火，中等过火，轻微过火，完美 3个人先形成标准 一人负责样本顺序 一人录入电脑 把结果写在黑板上
39
Thanks
40
• 测量系统是一个流程，流程的输入包括所有和测 量相关的因素：量具、人员、材料、测量方法、 环境。流程的输出为产品的测量值。
4
n
MSA基础知识 Ø 良好的测量系统具备的特征
必须准确和精确！
Ø 六个常见的测量系统评估项目: ü ü ü ü ü ü 分辨力 偏倚 线性 稳定性 重复性 再现性
5
n
MSA基础知识 Ø 分辨力(Discrimination)
24
n
GR&R
Ø 计数型数据
l 属性一致性分析用于比较多个评估者对名义型、顺序型和 二元型数据评分的一致性。 l 比如评价服务“好”还是“坏”；用1~10分评价培训效果 l 为了获得有意义的测量结果，参与评估的人必须多过一人 。如果评估者结果一致，那么评分是准确的；如果结果不 一致，那么评分系统可能没有用。 l 用Kappa值表征。
14
n
MSA基础知识 Ø 再现性 (Reproducibility)
指不同的操作者用同一个量具测量同一个产品时测量结果之间的一致性， 记为AV。
Ø 量具R&R(GR&R) G: Gage (量具） R: Repeatability (重复性) R: Reproducibility (再现性)
重复性变差和再现性变差之和 系统内部变差和系统间变差之和
在尽可能相同的测量条件下，对同一测量对象进行多次重复测量所得结果 的一致性。记为EV。 比如同一个操作员，对同一个测量对象的同一部位，放在测量仪器中的同 一位置，在较短的时间间隔内进行多次测量。这时，重复性误差的产生只 能是由测量仪器本身的固有波动引起。这部分误差一般是不可能再降低。 如果重复性误差过大，只能更换。 如何判断重复性是否OK? 方法：选择若干测量对象，每个测量对象都重复相同的次数，建立R图，看 是否受控。 如果不受控，要分析原因，然后采取行动。
测量系统识别并反映被测量物最微小变化的能力。 往往可以通过仪器上的最小刻度来反映，但数据是计算出来的除外。 足够的分辨力是合格测量系统的首要条件之一。如果分辨力不足，一般 应当考虑更换量具或选用更好的测量技术。
分辨力要求
取下面两个中较小的： ≤产品公差范围的1/10 ≤过程波动范围的1/10
6
n
MSA基础知识 Ø NDC(Number of Distinct Categories)
26
n
GR&R
• Kappa解释： – Kappa值在-1和1之间，值越大，评估结果与标准的一 致性程度大。 – 如果Kappa=1，表明评估结果与标准完全一致。如果 Kappa=0，表明评估结果与完全不用任何思考的、随机 评判的结果一样。 – Kappa为负数情况比较罕见，表明评估结果比完全不用 任何思考、随机评判的结果还糟糕。 – 衡量标准:
判别标准 自身一致性 与标准一致性 优秀 >90% >90% 可接受 80%~90% 70%~90% NG <80% <70%
29
n
GR&R
• 计数型测量系统分析实验注意事项：
– 挑选样本： • 30~50个： • 包含：严重不良品、中等严重不良品、无缺陷产品 、轻微不良品； – 挑选检验员： • 所有检查岗位（要有代表性）； • 3~5 – 检验次数：每人对每个产品2~3次检验 • 标准：2~3达成一致（客户或内部客户代表） • 注意：切记不要把所有不良写成"NG",要记成严重、灰色 、轻微。
22
n
GR&R案例
23
n
GR&R
Ø 小组练习
• 测量对象：10个水杯中水的高度； (公差范围：20mm，USL:80mm, LSL:60mm) • 测量员：3人 (A，B，C) ； • 1人发出测量样本， • 1人记录测量结果； • 测量人员顺序(ABC ABC ABC) • 盲测；
在整个量程中，各点处偏倚可能并不相等，整体偏倚状况可以用偏倚平均值 Bias与过程总波动PV（PV=6总）比值的形式表示，即 %Bias=( Bias /PV)*100 上式有局限性，偏倚平均值Bias很小不代表各处偏倚很小（正负有抵消） 此外，没有标准，自行规定%。
9
n
MSA基础知识 Ø 线性 (Linearity)
MSA基础知识 Ø 偏倚 (Bias/Drift)
ü 对同一测量对象进行多次测量的平均值和参考值(基准值)之差。 期望为零。 ü 参考值可以是多个准确测量设备重复测量值的平均值；更高精准仪器 测量值；当事方达成一致的值或法律规定的值。 ü 在做测量系统分析时，只能进行有限几次重复测量。由于随机误差， 每次测量结果总有波动，要用假设检验验证偏倚是否真的存在。