GRR测量系统分析MSA
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)。
操作员 均 值
零件
21
Minitab Sixpack
图形输出的问题
变异的组成 超界零件 %影响 %方差分析 %工艺过程 %公差
百 分 比
零件 操作员的极差图 样 本 范 围 操作员 超界操作员
操作员的Xbar图 样 本 均 值
操作员*零件 关系
操作员
均 值
零件
22
Gage R&R: 数字输出
异变的组成 影响 方差分析 工艺过程 公差 重复性 再现性 零件间
11
Minitab Sixpack
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
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。
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
9
Minitab Sixpack
10
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) 百 分 决定了测量过程的一致性并能检测出零件 比 之间的变异。
零件 19
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 超界操作员 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。
操作员
20
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 操作员与零件 的关系 零件之间存在一定关系。这不是好现象， 需要进行研究。
8
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:
24
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。
25
Gage R&R (ANOVA) f or Response
%Contribution %Study Var
%影响
600 500 400 300 200
Percent
%方差分析
操作员的极差图 R Chart by Operator
400
1 2 3
Part 零件
600 500 400 R=146.3 300 200
1
通过操作员 By Operator
2
3
样 本 范 围
%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。
再现性比较难区分 重复性和准确性是计数型MSA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)
2
要均衡哪个设计?
例1 零件号 1 1 2 2 2 1 1 2 2 操作员 Mary Mary Mary Mary Mary Joe Joe Joe Joe 结果 1456 1390 1300 1299 1321 1433 1399 1279 1300 例2 零件号 1 1 2 2 1 1 2 2 操作员 Mary Mary Mary Mary Joe Joe Joe Joe 结果 1456 1390 1300 1299 1433 1399 1279 1300
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%
23
Gage R&R: 数字输出
样 本 均 值
15
MSA分析: 测量误差
X Bar图(期望值)
0.00011 0.00010 0.00009 0.00008 0.00007 0.00006 0.00005 0.00004 0.00003 0.00002 0.00001 0.00000
UCL
测量 误差
产品变异 产品变异
LCL
X Bar图 (不可接受值)
5
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)…
6
Minitab中的Gage R&R
零件
18
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 超界零件 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。
还记得我们要进行测量的原 因吗？
总体Gage R&R
在检验员之间 或检验员与检 验员之间 工艺过程变异的估计直到输 入Historical Sigma
12
标准度量内 或一个检验员
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 操作员的极差图 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。
分辨率
总工艺过程变异
测量变异
14
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
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)
4
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
3
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)
通过零件
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 。
零件 通过操作员
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。
操作员 操作员*零件 关系 操作员
平 均
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。
1 2 3
样 本 均 值
Sample Mean
450 350 250 0
均值＝ 406.2 Mean=406.2
Average
均 值
440 390 340
LCL=256.5
零件
Part
1
2
3
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
26
执行测量研究
如何对以下一些工艺过程建立测量研究？
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
变异的组成 Components of Variation
100
测量系统如何表示?
Misc:
Gage name: Date of study: Reported by: Tolerance:
通过零件 By Part
百 分 50 比
0 Gage R&R Repeat Reprod Part-to-Part
UCL
测量 误差
LCL
16
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?
操作员的极差图 样 本 范 围
在我们的测量系统中控制 范围代表什么?
操作员的Xbar图
样 本 范 围
17
Minitab Sixpack
样 本 范 围
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。
13
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。 操作员的Xbar图
样 本 均 值
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。 27 在该情况下相关的测量误差是什么？
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
UCL=376.5
Sample Range
300 200 100 0 0 LCL=0
操作员的 图 Xbar ChartXbar by Operator
550
1 2 3
操作员 Operator
490
1
2
3
操作员*零件 关系 Operator*Part Interaction
UCL=555.8
操作员 Operator
7
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
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
零件
21
Minitab Sixpack
图形输出的问题
变异的组成 超界零件 %影响 %方差分析 %工艺过程 %公差
百 分 比
零件 操作员的极差图 样 本 范 围 操作员 超界操作员
操作员的Xbar图 样 本 均 值
操作员*零件 关系
操作员
均 值
零件
22
Gage R&R: 数字输出
异变的组成 影响 方差分析 工艺过程 公差 重复性 再现性 零件间
11
Minitab Sixpack
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
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。
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
9
Minitab Sixpack
10
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) 百 分 决定了测量过程的一致性并能检测出零件 比 之间的变异。
零件 19
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 超界操作员 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。
操作员
20
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 操作员与零件 的关系 零件之间存在一定关系。这不是好现象， 需要进行研究。
8
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:
24
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。
25
Gage R&R (ANOVA) f or Response
%Contribution %Study Var
%影响
600 500 400 300 200
Percent
%方差分析
操作员的极差图 R Chart by Operator
400
1 2 3
Part 零件
600 500 400 R=146.3 300 200
1
通过操作员 By Operator
2
3
样 本 范 围
%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。
再现性比较难区分 重复性和准确性是计数型MSA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)
2
要均衡哪个设计?
例1 零件号 1 1 2 2 2 1 1 2 2 操作员 Mary Mary Mary Mary Mary Joe Joe Joe Joe 结果 1456 1390 1300 1299 1321 1433 1399 1279 1300 例2 零件号 1 1 2 2 1 1 2 2 操作员 Mary Mary Mary Mary Joe Joe Joe Joe 结果 1456 1390 1300 1299 1433 1399 1279 1300
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%
23
Gage R&R: 数字输出
样 本 均 值
15
MSA分析: 测量误差
X Bar图(期望值)
0.00011 0.00010 0.00009 0.00008 0.00007 0.00006 0.00005 0.00004 0.00003 0.00002 0.00001 0.00000
UCL
测量 误差
产品变异 产品变异
LCL
X Bar图 (不可接受值)
5
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)…
6
Minitab中的Gage R&R
零件
18
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 超界零件 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。
还记得我们要进行测量的原 因吗？
总体Gage R&R
在检验员之间 或检验员与检 验员之间 工艺过程变异的估计直到输 入Historical Sigma
12
标准度量内 或一个检验员
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 操作员的极差图 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。
分辨率
总工艺过程变异
测量变异
14
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
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)
4
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
3
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)
通过零件
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 。
零件 通过操作员
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。
操作员 操作员*零件 关系 操作员
平 均
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。
1 2 3
样 本 均 值
Sample Mean
450 350 250 0
均值＝ 406.2 Mean=406.2
Average
均 值
440 390 340
LCL=256.5
零件
Part
1
2
3
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
26
执行测量研究
如何对以下一些工艺过程建立测量研究？
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
变异的组成 Components of Variation
100
测量系统如何表示?
Misc:
Gage name: Date of study: Reported by: Tolerance:
通过零件 By Part
百 分 50 比
0 Gage R&R Repeat Reprod Part-to-Part
UCL
测量 误差
LCL
16
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?
操作员的极差图 样 本 范 围
在我们的测量系统中控制 范围代表什么?
操作员的Xbar图
样 本 范 围
17
Minitab Sixpack
样 本 范 围
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。
13
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。 操作员的Xbar图
样 本 均 值
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。 27 在该情况下相关的测量误差是什么？
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
UCL=376.5
Sample Range
300 200 100 0 0 LCL=0
操作员的 图 Xbar ChartXbar by Operator
550
1 2 3
操作员 Operator
490
1
2
3
操作员*零件 关系 Operator*Part Interaction
UCL=555.8
操作员 Operator
7
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
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