MSA实战培训
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表中是：用同样的量具， 多次测量三个基准 （知晓真正值的物件）
评估这量具的直线性。
MSA实战培训
举例：偏倚和直线性
MSA实战培训
举例：偏倚和直线性
• 量具的直线性（在 范围高、低端的偏 倚）在统计上是相 同的：
– 斜度的P值大于 0.05→斜度是等于零。
– 平均偏倚是-0.0029
• 结论：量具的线性 和偏倚可以接受
菜单：数据
•处理数据的所有运算 指令 •处理工作表，合并， 分开，和抽取部分数据 •有关数据列，复制，堆 叠，行列转换的运算 •分类，排列，编码，转 换数据类型和其他
MSA实战培训
菜单：计算
•用“计算器”计算 •列和行的统计量 •建造有模式的数据 •按分布类型建造随机 数据 •计算某些分布下的概 率，包括正态分布，二 项分布，和t-分布
属性MSA： Fleiss，s Kappa统计量
决定 卓越的一致性 可接受的一致性
实效 ≥0.9 ≥0.7，且 ＜0.9
不可接受-需改进
＜0.7
MSA实战培训
举例：属性一致性MSA
MSA实战培训
Minitab中的属性MSA
MSA实战培训
MSA实战培训
菜单：图形
•菜单图形收集各种显示性 的数据分析工具。类似 Excel的图形工具，但 拥有更多统计显示性的 数据分析工具
MSA实战培训
菜单：统计
量具研究
一致性研究
MSA实战培训
举例：偏倚和直线性
• 打开D:\Six Sigma\上课\1_GB
Datafiles_Mfg\直线性-偏倚.mtw
依Gage R&R計算之數值判定
“特性2” MSA实战培训
浏览Minitab
MSA实战培训
浏览Minitab
“T”在C3-T表示数 据类型是文字
“D”在C4-D表示数 据类型是日期
输入这些资料就如你在 操作Excel
第一行是参照，通常是 以“C”开头
第二行是变量的名称 - 选择性
MSA实战培训
浏览Minitab
• 重复性
– 一个评价人使用一个测量仪器，对同一个零 件的某一特性进行多次测量下的变差。
– 是在固定的和已定义的测量条件下，连续 （短期内）多次测量中的变差
– 通常被称为E.V.——设备变差 – 设备（量具）能力或潜能 – 系统内部变差
• 再现性
– 不同评价人使用相同的量具，测量一个零件 的一个特性的测量平均值的变差。
发现评价人的变差之间存在差异
注：MSA解读 标准P102-119
Minitab-输出 •各波动分量方差贡献率（小于1%合格） =σ2MS/σ2总合x100 •%GRR值= 6σMS/6σ总合x100 •%P/T值 •结论：不能接受
物件10的变异较大，不符合每个物 件的变异最少的原则。说明此件的 重复性与再现性波动较大。
%GageR&R或%P/T 小于10%
介于10%~30% 大于30%
测量系统能力 良好
勉强可接受（关键特性除外） 不合格
MSA实战培训
GRR（Gage R&R）适用的数据类型
• 适用于所有计数型数据和计量型数据。
合格 不合格
非常小 小 中 大
非常大
测量：31.28
离散
序数
•满意度 •月份 •周数
分类
• 经验法则：
– 如果一个量具的测量单位，最多只等于过程总 变异六个西格玛的十分之一，它就是拥有足够 的鉴别能力。 • 测量单位≤（6xσ总合）/10
MSA实战培训
分辨力对过程控制与分析的影响
• 可区分组数（ndc）：作为判定分辨力足够与否的另一个标准。通常认为 可区分组数小于5时，测量系统不具备起码的分辨力；可区分组数大于等 于5时，测量系统具备起码的分辨力；可区分组数大于等于10时，测量系 统具备优良的分辨力。
MSA实战培训
MSA实战培训
MSA实战培训
人和零件的交互作用
Minitab-输出
测量系统变异 方差分量贡献率%
%R&R
%P/T
可区分的类别数4，只能够用于不 太敏感的计量型控制图，只能用于 过程参数及指数的粗略估计。 ndc组数＜5，因此判定：测量系 统不具备起码的分辨力。
MSA实战培训
属性一致性MSA
以上，为最好； •大于或等于80% ，且小于90%，
可以接受； •小于80%，应采
取措施。
再现性的 一致性比率
检验员之间的 一致性评估： 95%置信区间是 62.11~96.79， Kappa统计量为 0.83。综合一 致性可以接受
所有检验员与标准的一致性评估 ： 95%置信区间是62.11~96.79， Kappa统计量为0.89。综合一致性 可以接受
检验员与标准的一致性评估： Fred的95%置信区间是86.09~100，Kappa统计量为1。综合 一致性卓越。 Lee的95%置信区间是62.11~96.79， Kappa统计量为0.79 。综合一致性可以接受。
MSA实战培训
Minitab中的属性MSA-诠释
总体有效性的 一致性比率
一致性比率标准： •大于或等于90%
被管理 的过程
测量
数值
分析
决定
输入
一般过程 操作
MSA实战培训
输出
测量系统变差的来源
与所有过程类似，测量系统受到变差的随机原因和系统上原因的影响。这 些变差的来源是由于普通原因和特殊原因造成的。为了控制测量系统 的变差：
1. 识别潜在的变差来源。 2. 消除（如有可能的话）或监控这些变差的来源
MSA实战培训
属性MSA：Fleiss‘s Kappa Kappa卡帕统计量是用来评估评定等级之间的绝 对一致性的程度 可用在二进数、标称数和序数的数据类型 可以这样解释卡帕统计量
如果卡帕统计量=1，一致性是完善的 如果卡帕统计量=0，一致性是同概率所期待的一样 如果卡帕统计量＜0，一致性是比概率所期待的差
MSA实战培训
• 测量系统能力
– 测量系统变差的短期估计值（GRR图表法）
• 测量系统性能
– 测量系统变差的长期估计值（长期控制图法）
• 敏感性，能导致可探测到的输出信号的最 小输入
• 一致性，随时间重复性变化的程度 • 均一性，在正常工作范围内重复性的变化
MSA实战培训
• 稳定性
MSA实战培训
量具的鉴别能力
重复性的 一致性比率
Minitab中的属性MSA-诠释 检验员自身 的一致性评 估： Fred的95%置 信区间是 86.09~100， Kappa统计量 为1。综合一 致性卓越。 Lee的95%置 信区间是 68.3~98.77 ， Kappa统 计量为0.79 。综合一致 性可以接受 。
偏倚的 一致性比率
• 采集数据之前 • 如适合，在进行过程能力研究之前 • 当一个主要的特点或过程没有能力时 • 当测量系统被怀疑是主要变异源时 • 当测量系统经历重大改变时 • 当准备进行试验设计（DOE）时 • 可成为接受新量具的标准
MSA实战培训
关于MSA的相关概念-数据质量
• 用来描述测量数据质量的统计特性：偏倚 （数据值相对于基准值的位置）及变差 （数据的分布宽度）。
量具R&R 研究方法有交叉与嵌套两种。 交叉，每个零件可以由多位操用员重复测量。 嵌套，每个零件只能由一位操用员测量一次，如破坏 性的检验。 对于重复性和再现性的分析方法：Xbar-R 和方差法 。 严格来说，方差法比Xbar-R法较正确，因为考虑到操 作人员与零件的交互作用。交叉，可以让你选用 Xbar-R或方差法；嵌套，只能选择方差法
• ndc=INT〔 1.41X(σp/σMS) 〕。σp实际过程波动的标准差，σMS测量系统波动
的标准差
可区分组 数
控制
分析
1
多数情况下不能用于控制图 只能指出过程的输出是否合格，不能用于过程参
数及指数的估计。
2~4
能够用于不太敏感的计量型控 只能用于过程参数及指数的粗略估计。
制图
≥5
能够用于各种类型的控制图 表明测量系统的分辨力合格，能够用于过程参数
MSA实战培训
测量系统变异
• 所观测到测量值的总变异可以来自两个源头： 过程和量具本身：
=
+
• 如果与过程有关的变异混淆，便会
– 在不需要时，可能尝试调整过程 – 过程能力将会显得比实际情况还差
– 白费努力去尝试改进一个显得没有能力，但其实是有 能力的过程，而忽略其他需要改进的过程
MSA实战培训
什么时候实施MSA?
嵌套，在采集样件时，零件是成堆的 (不可重复分析)，因为每个操作员都 只量测唯一的料件。假设你有用到破 坏性的试验,你必须要有足够的证据 确定同一个批量中的所有物料都是相 等的。
MSA实战培训
在控制线内，虽有5个以上的水平，但是有11 个R值是零，超过1/4的标准，判定：量具的分 辨力不够； R值没有失控的情形，因此判定重复性可以接 受；
及指数的估计。
MSA实战培训
精度
观测变异的总和可分为两个主要部分：过程和测量系统 （MS）。
精度是测量那与测量系统部份有关的变异。
MSA实战培训
MSA实战培训
测量系统的合格标志
• 评估指标%GRR，是测量系统波动占过程整体 波动的百分比。
• 评估指标%P/T，是测量系统精度占公差的百分比。
• 两项指标都小于10%，则测量系统良好；若一项大于 30%，则测量系统不合格，不可接受。
MSA实战培训
关于MSA的相关术语-测量系统
• 测量系统是对测量单元进行量化或对被测 的特性进行评估，其所使用的仪器或量具、 标准、操作、方法、夹具、软件、人员、 环境及假设的集合；也就是说，用来获得 测量结果的整个过程。
MSA实战培训
关于MSA的相关术语-宽度变差
• 精确度
– 每个重复读数之间的“接近”程度 – 是测量系统的随机误差所构成
MSA实战培训
演讲完毕，谢谢听讲!
再见，see you again
2020/11/2
MSA实战培训
2020/11/2
MSA实战培训
什么是MSA?
测量系统分析是一项研究，目的是为了了解 系统性和随机性因素如何影响我们正确测 量某些测评项的能力。
观测结果=真正未知值+误差
MSA实战培训
为什么MSA是重要的？
• 错误的决定 • 需要更大的样本量 • 低估能力指数
– 对于边界样品：劣等的可能被测量成优良的； 优良的可能被测量成劣等的。
你可把资料当项目project来 保存（可容纳多页工作表，和 所有结果）
你也可以只把当前的工作表 Worksheet的资料当工作表 保存起来
MSA实战培训
菜单：文件
•打开新的项目/工作表 •打开已有的项目 •存档项目/工作表 •从数据库提取数据 •以文字模板保存窗口
的输出 •打印 •退出和其他
MSA实战培训
– 在对产品和过程及进行鉴定时，误差可能是 评价人、环境（时间）、或方法
– 通常被称为A.V.——评价人变差 – 系统之间（条件）的误差
MSA实战培训
关于MSA的相关术语-宽度变差（续）
• GRR或量具的重复性和再现性
– 量具的重复性和再现性：测量系统重复性和再 现性联合估计值
– 测量系统能力：取决于所用的方法，可能包括 或不包括时间的影响
制定数据采集和测评计划（案例）
测评项
数据源 与位置
样本量
数据采集 人
数据采集 时间
数据采集 方式
应该同时 采集的其 他数据
特性 测量人員 测量仪器
测量工作方法
判定方法
尺寸
”特性1”
连续型
吴勇、叶梅
半径检测装置
两个评价人分别在相同条件下对10个工件非顺序性 检测，重复3次。
工件編号：1、2、3…9、10
标称
•是/否 •分类 •缺陷率
连续
根据连续统测评 •时间 •金钱 •重量 •长度
MSA实战培训
关于测量过程
• 测量过程也需要PFMEA分析，以早期确定与潜在 过程失效有关的风险，并且在这些失效发生之前 提出要采取的措施。PFMEA的结果将转移到控制 计划中。
• 测量过程和一般过程的区别，如下图：
测量过程
三个操作员之间的平均值水平线虽 然不够水平，并趋于水平，再现性 波动小，但不是最低。
三个操作员的平均值趋于相同，但物件 10的再现性不可以接受；大多数的平均 值都在控制线之外，三人基本一致，则 零件间的变异可以为过程的分析和控制 提供有用的信息；
三人的平均值图有明显的波动；发现评 价人之间的差别在零件10上较为明显； 三个K线条之间有交互关系，但交互作 用小。
•偏倚的线性回归方程式：y=常量系数+斜率系数x； •P值大于或等于0.05时，则斜度显著为0，判定可以接受； •P值小于0.05时，则斜度显著不为0，判定不可以接受；
(即：常量系数和斜率系数显著不为0)
MSA实战培训
计量型数据MSA
MSA实战培训
Minitab-交叉MSA
MSA实战培训
Minitab-菜单
评估这量具的直线性。
MSA实战培训
举例：偏倚和直线性
MSA实战培训
举例：偏倚和直线性
• 量具的直线性（在 范围高、低端的偏 倚）在统计上是相 同的：
– 斜度的P值大于 0.05→斜度是等于零。
– 平均偏倚是-0.0029
• 结论：量具的线性 和偏倚可以接受
菜单：数据
•处理数据的所有运算 指令 •处理工作表，合并， 分开，和抽取部分数据 •有关数据列，复制，堆 叠，行列转换的运算 •分类，排列，编码，转 换数据类型和其他
MSA实战培训
菜单：计算
•用“计算器”计算 •列和行的统计量 •建造有模式的数据 •按分布类型建造随机 数据 •计算某些分布下的概 率，包括正态分布，二 项分布，和t-分布
属性MSA： Fleiss，s Kappa统计量
决定 卓越的一致性 可接受的一致性
实效 ≥0.9 ≥0.7，且 ＜0.9
不可接受-需改进
＜0.7
MSA实战培训
举例：属性一致性MSA
MSA实战培训
Minitab中的属性MSA
MSA实战培训
MSA实战培训
菜单：图形
•菜单图形收集各种显示性 的数据分析工具。类似 Excel的图形工具，但 拥有更多统计显示性的 数据分析工具
MSA实战培训
菜单：统计
量具研究
一致性研究
MSA实战培训
举例：偏倚和直线性
• 打开D:\Six Sigma\上课\1_GB
Datafiles_Mfg\直线性-偏倚.mtw
依Gage R&R計算之數值判定
“特性2” MSA实战培训
浏览Minitab
MSA实战培训
浏览Minitab
“T”在C3-T表示数 据类型是文字
“D”在C4-D表示数 据类型是日期
输入这些资料就如你在 操作Excel
第一行是参照，通常是 以“C”开头
第二行是变量的名称 - 选择性
MSA实战培训
浏览Minitab
• 重复性
– 一个评价人使用一个测量仪器，对同一个零 件的某一特性进行多次测量下的变差。
– 是在固定的和已定义的测量条件下，连续 （短期内）多次测量中的变差
– 通常被称为E.V.——设备变差 – 设备（量具）能力或潜能 – 系统内部变差
• 再现性
– 不同评价人使用相同的量具，测量一个零件 的一个特性的测量平均值的变差。
发现评价人的变差之间存在差异
注：MSA解读 标准P102-119
Minitab-输出 •各波动分量方差贡献率（小于1%合格） =σ2MS/σ2总合x100 •%GRR值= 6σMS/6σ总合x100 •%P/T值 •结论：不能接受
物件10的变异较大，不符合每个物 件的变异最少的原则。说明此件的 重复性与再现性波动较大。
%GageR&R或%P/T 小于10%
介于10%~30% 大于30%
测量系统能力 良好
勉强可接受（关键特性除外） 不合格
MSA实战培训
GRR（Gage R&R）适用的数据类型
• 适用于所有计数型数据和计量型数据。
合格 不合格
非常小 小 中 大
非常大
测量：31.28
离散
序数
•满意度 •月份 •周数
分类
• 经验法则：
– 如果一个量具的测量单位，最多只等于过程总 变异六个西格玛的十分之一，它就是拥有足够 的鉴别能力。 • 测量单位≤（6xσ总合）/10
MSA实战培训
分辨力对过程控制与分析的影响
• 可区分组数（ndc）：作为判定分辨力足够与否的另一个标准。通常认为 可区分组数小于5时，测量系统不具备起码的分辨力；可区分组数大于等 于5时，测量系统具备起码的分辨力；可区分组数大于等于10时，测量系 统具备优良的分辨力。
MSA实战培训
MSA实战培训
MSA实战培训
人和零件的交互作用
Minitab-输出
测量系统变异 方差分量贡献率%
%R&R
%P/T
可区分的类别数4，只能够用于不 太敏感的计量型控制图，只能用于 过程参数及指数的粗略估计。 ndc组数＜5，因此判定：测量系 统不具备起码的分辨力。
MSA实战培训
属性一致性MSA
以上，为最好； •大于或等于80% ，且小于90%，
可以接受； •小于80%，应采
取措施。
再现性的 一致性比率
检验员之间的 一致性评估： 95%置信区间是 62.11~96.79， Kappa统计量为 0.83。综合一 致性可以接受
所有检验员与标准的一致性评估 ： 95%置信区间是62.11~96.79， Kappa统计量为0.89。综合一致性 可以接受
检验员与标准的一致性评估： Fred的95%置信区间是86.09~100，Kappa统计量为1。综合 一致性卓越。 Lee的95%置信区间是62.11~96.79， Kappa统计量为0.79 。综合一致性可以接受。
MSA实战培训
Minitab中的属性MSA-诠释
总体有效性的 一致性比率
一致性比率标准： •大于或等于90%
被管理 的过程
测量
数值
分析
决定
输入
一般过程 操作
MSA实战培训
输出
测量系统变差的来源
与所有过程类似，测量系统受到变差的随机原因和系统上原因的影响。这 些变差的来源是由于普通原因和特殊原因造成的。为了控制测量系统 的变差：
1. 识别潜在的变差来源。 2. 消除（如有可能的话）或监控这些变差的来源
MSA实战培训
属性MSA：Fleiss‘s Kappa Kappa卡帕统计量是用来评估评定等级之间的绝 对一致性的程度 可用在二进数、标称数和序数的数据类型 可以这样解释卡帕统计量
如果卡帕统计量=1，一致性是完善的 如果卡帕统计量=0，一致性是同概率所期待的一样 如果卡帕统计量＜0，一致性是比概率所期待的差
MSA实战培训
• 测量系统能力
– 测量系统变差的短期估计值（GRR图表法）
• 测量系统性能
– 测量系统变差的长期估计值（长期控制图法）
• 敏感性，能导致可探测到的输出信号的最 小输入
• 一致性，随时间重复性变化的程度 • 均一性，在正常工作范围内重复性的变化
MSA实战培训
• 稳定性
MSA实战培训
量具的鉴别能力
重复性的 一致性比率
Minitab中的属性MSA-诠释 检验员自身 的一致性评 估： Fred的95%置 信区间是 86.09~100， Kappa统计量 为1。综合一 致性卓越。 Lee的95%置 信区间是 68.3~98.77 ， Kappa统 计量为0.79 。综合一致 性可以接受 。
偏倚的 一致性比率
• 采集数据之前 • 如适合，在进行过程能力研究之前 • 当一个主要的特点或过程没有能力时 • 当测量系统被怀疑是主要变异源时 • 当测量系统经历重大改变时 • 当准备进行试验设计（DOE）时 • 可成为接受新量具的标准
MSA实战培训
关于MSA的相关概念-数据质量
• 用来描述测量数据质量的统计特性：偏倚 （数据值相对于基准值的位置）及变差 （数据的分布宽度）。
量具R&R 研究方法有交叉与嵌套两种。 交叉，每个零件可以由多位操用员重复测量。 嵌套，每个零件只能由一位操用员测量一次，如破坏 性的检验。 对于重复性和再现性的分析方法：Xbar-R 和方差法 。 严格来说，方差法比Xbar-R法较正确，因为考虑到操 作人员与零件的交互作用。交叉，可以让你选用 Xbar-R或方差法；嵌套，只能选择方差法
• ndc=INT〔 1.41X(σp/σMS) 〕。σp实际过程波动的标准差，σMS测量系统波动
的标准差
可区分组 数
控制
分析
1
多数情况下不能用于控制图 只能指出过程的输出是否合格，不能用于过程参
数及指数的估计。
2~4
能够用于不太敏感的计量型控 只能用于过程参数及指数的粗略估计。
制图
≥5
能够用于各种类型的控制图 表明测量系统的分辨力合格，能够用于过程参数
MSA实战培训
测量系统变异
• 所观测到测量值的总变异可以来自两个源头： 过程和量具本身：
=
+
• 如果与过程有关的变异混淆，便会
– 在不需要时，可能尝试调整过程 – 过程能力将会显得比实际情况还差
– 白费努力去尝试改进一个显得没有能力，但其实是有 能力的过程，而忽略其他需要改进的过程
MSA实战培训
什么时候实施MSA?
嵌套，在采集样件时，零件是成堆的 (不可重复分析)，因为每个操作员都 只量测唯一的料件。假设你有用到破 坏性的试验,你必须要有足够的证据 确定同一个批量中的所有物料都是相 等的。
MSA实战培训
在控制线内，虽有5个以上的水平，但是有11 个R值是零，超过1/4的标准，判定：量具的分 辨力不够； R值没有失控的情形，因此判定重复性可以接 受；
及指数的估计。
MSA实战培训
精度
观测变异的总和可分为两个主要部分：过程和测量系统 （MS）。
精度是测量那与测量系统部份有关的变异。
MSA实战培训
MSA实战培训
测量系统的合格标志
• 评估指标%GRR，是测量系统波动占过程整体 波动的百分比。
• 评估指标%P/T，是测量系统精度占公差的百分比。
• 两项指标都小于10%，则测量系统良好；若一项大于 30%，则测量系统不合格，不可接受。
MSA实战培训
关于MSA的相关术语-测量系统
• 测量系统是对测量单元进行量化或对被测 的特性进行评估，其所使用的仪器或量具、 标准、操作、方法、夹具、软件、人员、 环境及假设的集合；也就是说，用来获得 测量结果的整个过程。
MSA实战培训
关于MSA的相关术语-宽度变差
• 精确度
– 每个重复读数之间的“接近”程度 – 是测量系统的随机误差所构成
MSA实战培训
演讲完毕，谢谢听讲!
再见，see you again
2020/11/2
MSA实战培训
2020/11/2
MSA实战培训
什么是MSA?
测量系统分析是一项研究，目的是为了了解 系统性和随机性因素如何影响我们正确测 量某些测评项的能力。
观测结果=真正未知值+误差
MSA实战培训
为什么MSA是重要的？
• 错误的决定 • 需要更大的样本量 • 低估能力指数
– 对于边界样品：劣等的可能被测量成优良的； 优良的可能被测量成劣等的。
你可把资料当项目project来 保存（可容纳多页工作表，和 所有结果）
你也可以只把当前的工作表 Worksheet的资料当工作表 保存起来
MSA实战培训
菜单：文件
•打开新的项目/工作表 •打开已有的项目 •存档项目/工作表 •从数据库提取数据 •以文字模板保存窗口
的输出 •打印 •退出和其他
MSA实战培训
– 在对产品和过程及进行鉴定时，误差可能是 评价人、环境（时间）、或方法
– 通常被称为A.V.——评价人变差 – 系统之间（条件）的误差
MSA实战培训
关于MSA的相关术语-宽度变差（续）
• GRR或量具的重复性和再现性
– 量具的重复性和再现性：测量系统重复性和再 现性联合估计值
– 测量系统能力：取决于所用的方法，可能包括 或不包括时间的影响
制定数据采集和测评计划（案例）
测评项
数据源 与位置
样本量
数据采集 人
数据采集 时间
数据采集 方式
应该同时 采集的其 他数据
特性 测量人員 测量仪器
测量工作方法
判定方法
尺寸
”特性1”
连续型
吴勇、叶梅
半径检测装置
两个评价人分别在相同条件下对10个工件非顺序性 检测，重复3次。
工件編号：1、2、3…9、10
标称
•是/否 •分类 •缺陷率
连续
根据连续统测评 •时间 •金钱 •重量 •长度
MSA实战培训
关于测量过程
• 测量过程也需要PFMEA分析，以早期确定与潜在 过程失效有关的风险，并且在这些失效发生之前 提出要采取的措施。PFMEA的结果将转移到控制 计划中。
• 测量过程和一般过程的区别，如下图：
测量过程
三个操作员之间的平均值水平线虽 然不够水平，并趋于水平，再现性 波动小，但不是最低。
三个操作员的平均值趋于相同，但物件 10的再现性不可以接受；大多数的平均 值都在控制线之外，三人基本一致，则 零件间的变异可以为过程的分析和控制 提供有用的信息；
三人的平均值图有明显的波动；发现评 价人之间的差别在零件10上较为明显； 三个K线条之间有交互关系，但交互作 用小。
•偏倚的线性回归方程式：y=常量系数+斜率系数x； •P值大于或等于0.05时，则斜度显著为0，判定可以接受； •P值小于0.05时，则斜度显著不为0，判定不可以接受；
(即：常量系数和斜率系数显著不为0)
MSA实战培训
计量型数据MSA
MSA实战培训
Minitab-交叉MSA
MSA实战培训
Minitab-菜单