MSA方差分析法
MSA五性浅析
1.MSA五性浅析重複性：指由同一个操作人员用同一种量具经多次测量同一个零件的同一特性时获得的测量值变差再現性：由不同操作人员采纳相同的测量仪器测量同一零件的同一特性时测量平均值的变差2.GR&R的三種分析方法：极差分析法（Range method），均值—极差法(Average and Range method) ，方差分析法均值極差法分析方法：1.选择三个测量人（A, B,C）和10个测量样品测量人应有代表性，代表常从事此项测量工作的QC人员或生产线人员10个样品应在过程中随机抽取，可代表整个过程的变差，否则会严峻阻碍研究结果。
2.校准量具3.测量让三个测量人对10个样品的某项特性进行测试，每个样品每人测量三次（或2次），将数据填入表中。
试验时遵循以下原则：盲测原则2：三个人之间都互相不明白其他人的测量结果。
最大均值差Xdiff ：10組零件平均值中最大—最小 均值的上限UCL (X)= 均值的下限LCL (X)= 極值的上限 UCL (R)= 極值的下限 LCL (R)=4.GR&R 分析：分析GR&R 時要紧用到的數據是：極差均值，Xdiff, Rp:最後备注：所有計算均基於預計5.15σ（正態分布曲線下99.0%的面積）。
K1=5.15/d2，d2取決于試驗次數(m)和零件數目與評價人數量之積(g)，並假設該值大于15。
A V ：假如計算根号下显现负值，評價人變差（A V ）缺省为0。
1.运算A 对每个样品三次 测试结果的均值/极差2.运算A 测的所有样品的总平均值及極差的平均值3.对每个样品由三个人所测得的9个测试值求平均值，4.总平均值的均值=X与9個平均值的极差5.極差均值R=三人極差均值的平均值5. 允收標准：GR＆R%≦10%：量具系統可同意10%﹤GR＆R%≦30%：量測系統可否同意取於該量具系統重要性，成本及修理所需之費用等因素,但需進一步改進。
测量系统分析报告MSA
测量系统分析报告MSA在现代制造业中，为了确保产品质量的稳定性和一致性，对测量系统进行准确的分析和评估是至关重要的。
测量系统分析（Measurement System Analysis，简称 MSA）就是一种用于评估测量过程的工具和方法，它可以帮助我们确定测量数据的可靠性、准确性以及可重复性。
测量系统通常由测量人员、测量设备、测量方法、测量环境和被测量对象等要素组成。
而 MSA 的目的就是要评估这些要素对测量结果的影响，并确定测量系统是否能够满足预期的测量要求。
MSA 主要包括以下几个方面的内容：一、测量系统的准确性准确性是指测量结果与真实值之间的接近程度。
在 MSA 中，通常通过与标准值进行比较来评估测量系统的准确性。
例如，如果我们要测量一个零件的长度，已知其标准长度为 100mm，而测量结果为98mm，那么就存在 2mm 的偏差。
为了提高准确性，我们需要对测量设备进行校准，并确保测量方法的正确性。
二、测量系统的重复性重复性是指在相同的测量条件下，对同一被测量对象进行多次测量时，测量结果的一致性。
如果一个测量系统具有良好的重复性，那么多次测量的结果应该非常接近。
例如，对同一个零件的同一尺寸进行10 次测量，如果测量结果的差异很小，说明测量系统的重复性较好。
三、测量系统的再现性再现性是指在不同的测量条件下，由不同的测量人员使用相同的测量设备和测量方法对同一被测量对象进行测量时，测量结果的一致性。
例如，不同的操作人员在不同的时间对同一个零件的同一尺寸进行测量，如果测量结果的差异较小，说明测量系统的再现性较好。
四、稳定性稳定性是指测量系统在一段时间内保持其性能的能力。
通过定期对测量系统进行监控和测量，可以评估其稳定性。
如果测量系统的稳定性较差，可能需要对其进行维护或更换。
为了进行有效的 MSA，我们通常采用以下几种方法：1、均值极差法（Average and Range Method）这是一种常用的评估测量系统重复性和再现性的方法。
六西格玛管理工具之MSA测量系统分析步骤
六西格玛管理工具之MSA测量系统分析步骤MSA测量系统分析是六西格玛系统的重要工具，在“DMAIC”模式的各个阶段，均会用到测量系统分析,根据被测量对象的性质和测量系统分析需要，可以选用不同的测量系统分析方法。
一、根据测量对象的性质，测量系统分析可分为两类:1、连续数据测量系统分析连续数据测量系统分析对象为连续测量数据，如质量、长度、时间、高度、温度等。
2、离散数据测量系统分析离散数据的测量系统分析对象为离散数据，如“合格”、“不合格”、“通”“止”等。
二、连续数据测量系统分析方法有多种连续数据测量系统分析方法，可根据分析需要进行选择，一些使用较为广泛的连续数据测量系统分析方法如下:1、方差分析法方差分析法是分析连续数据的重要测量系统分析方法之一。
①方差分析法的要求:•选择能够代表整个过程范围的10个被测量部品；•选择2-3名测量人员；•每人对每个部品测2-3次。
②方差分析法的特点:•可以识别部品、人员、测量仪器的误差；•可以识别人员和部品交互作用影响。
2、平均值和极差分析法平均值和极差分析法是另一种常用连续数据测量系统分析方法。
①平均值和极差分析法的要求•选择能够代表整个过程范围的10个部品；•选择2-3个测量人员；•每人对每个部品测量2-3次。
②平均值和极差分析法的特点•可以识别测量人员、测量仪器、被测量部品的误差。
•无法识别人员和部品交互作用的影响。
3、部品内偏差分析法部品内偏差分析法是对平均值极差分析法的扩展，主要用于在被测量对象形状特殊，需进行多次测量才能确定其尺寸的场合，计算误差时去除部品本身的偏差。
4、部品内偏差分析法的要求•选择能够代表整个过程范围的5个部品；•选择2-3个测量人员；•每人测定每个部品时同时记录最大值和最小值；•每人对每个部品尺寸重复测量2-3次。
特点：①、可以用于特殊形状部品（如图形）的测量系统分析；②、可以识别测量人员、测量仪器、被测部品的误差。
5、简略法简略法是一种简单的测量系统分析方法，可以迅速对测量系统做出评价。
MSA方差分析模板
30.13301012345678910Total 1.A 1############################################################0.752.2############################################################0.743.3############################################################0.744.均值Mean 0.071670.080000.100000.058330.080000.066670.030000.081670.060000.115000.074333Sum A0.2150.240.30.1750.240.20.090.2450.180.345 2.23005.极差Range0.0050.0050.0050.0050.0020006.B 1############################################################0.757.2############################################################0.7358.3############################################################0.759.均值Mean 0.070000.080000.098330.060000.076670.066670.035000.083330.060000.115000.074500Sum B 0.210.240.2950.180.230.20.1050.250.180.345 2.235010.极差Range0.0050.0050.0050.0050.00200011.C 1############################################################0.74512.2############################################################0.7313.3############################################################0.73514.均值Mean 0.075000.081670.095000.061670.075000.065000.030000.085000.058330.110000.073667Sum C0.2250.2450.2850.1850.2250.1950.090.2550.1750.33 2.2115.极差Range 0.00000.00500.00000.00500.00000.00000.00000.00000.00500.00000.0015000.0722220.0805560.0977780.0600000.0772220.0661110.0316670.0833330.0594440.1133330.0741670.6500000.7250000.8800000.5400000.6950000.5950000.2850000.7500000.535000 1.0200006.6750.0816670.00183323D43.27 2.5750.0760420.004721D3000.0722910.000000A21.881.02312345678910UCLx0.07600.07600.07600.07600.07600.07600.07600.07600.07600.0760LCLx 0.07230.07230.07230.07230.07230.07230.07230.07230.07230.0723UCL R 0.00470.00470.00470.00470.00470.00470.00470.00470.00470.0047LCL R0.00000.00000.00000.00000.00000.00000.00000.00000.00000.0000公差：6σpp 变差PV PV 0.025692PV TVTV#DIV/0!TV基于公差base on parts spec%EV #DIV/0!基于零件变差base on parts variation %AV #DIV/0!基于过程变差base on process v ariation%RR #DIV/0!基于过程能力Base on process PP%PV#DIV/0!公式A Formula Andc 31.48205331公式B Formula BX^2/nkr 0.49506250.49507420.53572500.53599170.5361750Source DF SS MS F P Source DF SS MS F P Parts 90.040660.00452318.921570.0000090.040660.00452803.973380.0000020.000010.000010.411760.6685620.000010.00001 1.038020.35840180.000250.00001 4.636360.00000600.000180.00000780.000440.00001Total 890.04111890.04111Source VarComp Stdev %Contribution %TV %Tolerance Source VarComp Stdev %Contribution %TV%Tolerance0.000010.00260 1.33%11.54%12.00%0.000010.00237 1.11%10.53%10.95%0.000000.001750.60%7.76%8.07%0.000010.00237 1.11%10.53%10.94%0.000000.001920.73%8.55%8.88%0.000000.000080.00%0.37%0.39%0.000000.000000.00%0.00%0.00%0.000000.000080.00%0.37%0.39%0.000000.001920.73%8.55%8.88%0.000500.0223798.67%99.33%103.25%0.000500.0223998.89%99.44%103.35%0.000510.02252100.00%100.00%103.94%0.000510.02252100.00%100.00%103.92%河南省西峡汽车水泵股份有限公司Operator Operator 极差图Range chartParts OperatorsGauge R&R With Operator*Part Interaction n=part k=men r=time ANOVA Table With Operator*Part Interaction ANOVA Table Without Operator*Part InteractionSUMSQ(sum(men-part))/rOperators*Part Repeatability Operators*Part Part - To - Part Total Variation Total Variation Part - To - Part Gauge R&R Without Operator*Part Interaction Reproducibility 99.90%Total Gauge R&R Repeatability 118.58%#DIV/0!1.51%Operators Repeatability Total 0.0256920.025692 Reproducibility 1.79%#DIV/0!5.31% Repeatability Total Gauge R&R sumSQ(all)5.00%#DIV/0!均值图mean chartsumSQ(sum(men))/nr SUMSQ(sum(1-10part))/kr 0.0256920.0216670.0000000.025718 注:当分析结果超出要求后，利用均值极差图分析原因When analysis result is out of spec,need analyse the root cause by mean and range chart 。
MSA测量系统分析的数据收集和分析方法
制定数据收集计划
设计数据收集表格或问卷
根据数据类型和研究目的，设计合适的数据收 集表格或问卷。
确定数据收集时间和地点
明确数据收集的具体时间和地点，以便进行后 续的数据整理和分析。
确定样本量和抽样方法
根据研究目的和数据类型，确定合适的样本量和抽样方法。
MSA测量系统分析方法
基于测量系统分析（MSA）理论和方法，对测量系统进行 全面的分析和评估，包括测量设备的精度、稳定性、重复 性和再现性等方面的分析和评估。
展望未来发展趋势及挑战
发展趋势
随着智能制造、工业互联网等技术的 不断发展，测量系统将会更加智能化 、自动化和集成化，数据收集和分析 方法也将更加高效、准确和可靠。
分布形态度量
通过偏度和峰度等指标，了解数据分布形态。
推论性统计分析
参数估计
利用样本数据对总体参数进行估计，如点估计和区间估计。
假设检验
提出假设并利用样本数据对假设进行检验，判断假设是否成立。
方差分析
分析不同因素对结果变量的影响程度及显著性。
数据可视化呈现
数据图表展示
利用图表直观展示数据分布、趋势和关系，如柱状图、折线图和 散点图等。
确定关键质量特性
识别产品或过程中需要重点关注的质量特性，这 些特性对产品或过程的质量和性能有重要影响。
3
设定可接受标准
根据质量特性和过程要求，设定测量系统性能的 可接受标准，用于评估测量系统是否满足要求。
选择合适的分析方法
量具重复性和再现性（GR&R）分析
用于评估测量系统的重复性和再现性，判断测量系统误差的主要来源 。
重复性
MSA测量系统分析的差异
MSA测量系统分析的差异引言在制造业中，测量系统分析（MSA）是一种用于评估和确保测量系统的准确性和可重复性的方法。
通过进行MSA，制造商可以了解测量系统可能引入的误差，并采取适当的措施来最小化这些误差。
然而，MSA并不是一个统一的方法，而是有许多不同的方法和技术可供选择。
本文将讨论不同的MSA方法，以及它们之间的差异。
MSA方法的分类MSA方法可以根据多个维度进行分类。
以下是几种常见的分类方法：1. 方差分析（ANOVA）方法 vs 绘图方法方差分析（ANOVA）方法是基于统计分析的方法，它通过分析方差来确定测量系统的可重复性和再现性。
相比之下，绘图方法则依赖于直观的图形展示来评估测量系统的准确性和可重复性。
方差分析方法通常需要更多的数据样本和统计知识，而绘图方法则相对简单易懂。
2. 单因素方法 vs 多因素方法单因素方法只考虑一个因素对测量系统的影响，而多因素方法则考虑多个因素之间的交互作用。
多因素方法可以更全面地评估测量系统的稳定性和可重复性，但也更加复杂和耗时。
3. 传统方法 vs Gage R&R（重复性与再现性）方法传统的MSA方法重点关注测量系统的准确性和可重复性。
而Gage R&R方法则专注于测量系统的重复性和再现性。
重复性是指测量系统在相同条件下的重复测量结果的变异性，而再现性是指在不同条件下测量系统的一致性。
不同MSA方法的应用场景和优缺点不同的MSA方法适用于不同的应用场景，具有各自的优点和缺点。
以下是常见的MSA方法及其特点：1. 方差分析（ANOVA）方法•优点：精确度高，可以通过统计分析得出可靠的结论。
•缺点：需要大量的数据样本和统计知识，对数据的要求较高。
2. 绘图方法•优点：直观易懂，不需要太多的统计知识。
•缺点：可能无法提供准确的数值结果，仅供参考。
3. 单因素方法•优点：可以快速评估一个因素对测量系统的影响。
•缺点：无法考虑多个因素之间的交互作用。
测量系统分析(MSA)基础知识及操作指导
测量系统分析（MSA）基础知识及操作指导在进行MSA之前，需要明确测量系统的目标，例如测量系统是否要用
于决策、控制过程或产品规范。
这将决定需要评估哪些方面的测量系统性能。
主要的MSA指标包括可重复性、再现性和准确性。
可重复性是指在相
同条件下，同一测量人重复测量同一件物品时，测量结果的一致性。
再现
性是指在相同条件下，不同测量人重复测量同一件物品时，测量结果的一
致性。
准确性是指测量结果与真实值之间的偏差，通常通过与已知参考值
进行比较来评估。
进行MSA的一种常用方法是通过使用方差分析（ANOVA）来评估测量
系统的偏差和变异。
这涉及到对多个测量人、多个测量仪器和多个样本进
行测量，并使用统计工具来分析数据。
ANOVA可以帮助确定是否存在系统
误差、测量人和仪器之间的差异以及这些差异对测量结果的影响。
进行MSA时，还需要确保测量系统的稳定性。
这意味着测量仪器应该
经过校准和维护，以确保其在测量过程中的稳定性和精确性。
此外，测量
人员也需要受过培训和了解测量程序，以减少人为误差。
基于MSA的结果，可以采取相应措施来改善测量系统的性能。
例如，
如果发现测量仪器存在较大的偏差，则可能需要调整或更换仪器。
如果发
现测量人员之间存在较大的差异，则可能需要对其进行培训或重新分配任务。
总之，测量系统分析（MSA）是一个评估测量系统性能的重要工具，
可用于确保测量结果的准确性和可靠性。
通过对测量系统进行分析和改进，可以提高质量控制和过程改进的效果，进而提高产品或服务的质量。
测量系统分析MSA
测量系统分析MSA测量系统分析（Measurement System Analysis，MSA）是一种用于检验和评估测量系统准确度、可重复性和稳定性的方法。
在各种生产行业和研究领域中，测量系统都扮演着重要的角色，这些系统能够测量和记录各种物理量，比如尺寸、温度、压力等。
而MSA旨在确保测量结果的准确性和可靠性，从而保障生产和研究的可靠性和可重复性。
首先，MSA包括三个关键的要素，即精度（accuracy）、重复性（repeatability）和稳定性（stability）。
精度表示测量结果与真实值的接近程度，重复性指相同条件下多次测量的结果的一致性，稳定性表示测量系统在长时间使用过程中的性能保持程度。
这三个要素都是评估测量系统品质的重要指标，需要通过一系列的统计分析方法来评估。
其次，MSA可以通过多种技术和工具进行分析。
常见的分析方法包括方差分析（Analysis of Variance，ANOVA）、组间方差分析（Gauge R&R）和Cp/Cpk等指标分析。
方差分析通过比较测量系统的变异与总变异的比值，从而确定测量系统的贡献程度。
组间方差分析是一种常用的检验方法，它通过比较同一工件在不同测量系统上的测量结果，确定每个测量系统的准确度和重复性。
Cp/Cpk是一种常用的机制能力指数，可以评估测量系统的性能是否满足工艺要求。
在进行MSA分析时，还需要按照一定的步骤来进行实施。
首先，需要明确测量系统的目标和使用条件。
其次，需要确定要测量的元件或工件，并确定测量系统的参数和所需的样本数量。
然后，进行测量试验，并收集数据。
在收集数据之前，需要确保测量设备的正常运行和校准。
数据收集后，可以进行数据分析，评估测量系统的准确度和可重复性。
最后，根据分析结果，提出改进建议，优化测量系统的性能。
MSA的应用范围十分广泛，可以涵盖制造业、医药行业、科研领域等各个领域。
在制造业中，MSA可以用于产品质量控制、工艺改进和供应链管理等方面。
MSA数据分析方法和应用案例
MSA数据分析方法和应用案例测量系统是用来对被测特性定量测量或定性评价的仪器或量具、标准、操作、方法、夹具、软件、人员、环境和假设的集合；是用来获得测量结果的整个过程。
从这个定义中可以看出，测量过程实际上是一个制造数据的过程，获得正确的测量数据则是保证产品质量的第一步。
如果不能科学地评价测量系统产生的数据的可靠性，就无法对测量系统的有效性进行控制，质量管理和控制就失去了最基本的前提。
因此，在ISO/TS16949汽车行业质量体系标准中，测量系统分析（简称MSA）被列为该标准的五大工具之一。
测量系统分析（MSA）的目的是确定测量数据的可靠性，它实际上是一个对测量系统的监督检查程序，在一定程度上可以看作是一个检验产品控制计划满足程度的把关程序。
即对已判定为合格的零件进行抽样检查，经过科学的统计理论分析，找出因测量系统因素导致不合格的因素，并加以整改，逐渐减少产生不合格产品因素的存在，从而达到控制产品质量的最终目的。
1 基本MSA方法测量系统分析，顾名思义针对的是整个测量系统的稳定性和准确性，它的核心是分析测量系统的位置变差、宽度变差。
在位置变差中包括测量系统的偏倚、稳定性和线性；在宽度变差中包括测量系统的重复性、再现性。
测量系统的偏倚、稳定性、线性、重复性和再现性就是人们通常所说的“五性”。
因此，MSA 可简单概括为：分析整个测量系统（仪器或量具、标准、操作、方法、夹具、软件、人员、环境和假设的集合）在测量过程中存在哪些风险和误差的过程。
MSA采用的数据分析方法有：独立样本法、图表法、极差法、方差分析法等。
按照测量系统分析过程前后顺序，相关方法摘记如下。
1.1 识别数据类型在进行测量系统分析前首先要识别测量数据的类型，了解了数据的类型才能使用合适的方法进行测量系统分析。
一般数据类型有两种：计数型数据和计量型数据。
计数型数据是指不能连续取值的，如砂眼数、裂纹处、疵点数等。
计量型数据是可以连续取值的，如长度、尺寸、温度等。
干货MSA测量系统分析流程及方法详解
均值比较法
比较不同操作员、不同设备或不同时间下的测量数 据均值，判断是否存在显著差异。
图解法
利用箱线图、柱状图等图表展示不同条件下 的测量数据分布情况，以便直观地评估测量 系统的重复性和再现性。
04
CATALOGUE
独立样本t检验
通过比较测量值与标准值或参考值之间的差异，判断测量 系统是否存在偏倚。
01
配对样本t检验
对同一样本在不同时间或不同条件下的 测量值进行比较，以评估测量系统的偏 倚情况。
02
03
回归分析
通过建立测量值与标准值之间的回归 模型，计算回归系数和截距，以判断 测量系统是否存在偏倚。
线性分析方法
准确性。
05
02
选择合适的测量设备
根据测量目标和要求，选择适当的测量设备 ，确保设备的精度和稳定性满足需求。
04
实施测量
按照测量计划进行测量，记录测量数 据，并对数据进行初步处理和分析。
06
改进和优化
根据分析结果，对测量系统进行改进和优化， 提高测量精度和效率。
注意事项与常见问题解决方案
01
02
03
MSA测量系统实施步骤与注意 事项
实施步骤
明确测量目标
确定需要测量的关键特性和参数，明确测量目 的和要求。
01
制定测量计划
制定详细的测量计划，包括测量时间 、地点、人员、设备、方法等，确保
测量过程的可控性和可重复性。
03
分析测量结果
采用适当的统计方法和技术手段，对测量数 据进行深入分析，评估测量系统的稳定性和
大数据在MSA中的价值挖掘
MSA分析分析报告
MSA分析分析报告1 引言1.1 MSA概述MSA，即测量系统分析，是用于评估测量系统变异的一种方法。
它涉及统计学、工程学和质量管理原则，旨在确保测量数据的准确性和可靠性。
MSA通过识别和减少测量误差，提高产品质量和过程效率。
在制造、工程和科研领域，MSA已成为关键的工具，帮助组织持续改进和优化操作。
1.2 MSA的目的与意义测量系统分析的目的是确保测量系统能够提供准确、一致和可靠的数据。
这具有以下几个重要的意义：1.提高产品质量：准确的测量数据有助于提高产品质量，减少缺陷和返工。
2.降低成本：通过减少测量误差，可以降低生产成本，提高效率。
3.提高决策效率：可靠的测量数据为决策提供依据，有助于组织做出正确的决策。
4.持续改进：通过定期进行MSA，可以识别改进机会，推动组织的持续改进。
总之，MSA有助于提升组织在质量管理和过程控制方面的能力，从而提高竞争力和市场占有率。
2. 测量系统概述测量系统分析（MSA）是评估和改进测量过程的重要工具，它确保了测量数据的准确性和可靠性。
在质量控制、过程改进和设计验证等多个领域扮演着至关重要的角色。
2.1 测量系统的组成测量系统通常由以下几个基本组成部分构成：•测量对象：需要被测量的物理量或特征，如长度、重量、温度等。
•传感器：用于检测测量对象的物理变化，并将其转换成可度量的信号。
•测量设备：包括传感器在内的所有用于执行测量的硬件设备。
•数据处理软件：用于收集、处理、分析测量数据的软件系统。
•操作者：进行测量操作的技术人员或工作人员。
•环境因素：可能影响测量结果的周围环境条件，如温度、湿度等。
每个组成部分都必须经过严格的控制和管理，以保证整个测量系统的有效性和准确性。
2.2 测量系统的分类根据不同的分类标准，测量系统可以被分为多种类型：•按照测量方法分类：–直接测量：直接对测量对象进行测量，如用尺子测量长度。
–间接测量：通过测量与测量对象相关的其他量，再通过计算得出测量结果，如通过测量直径计算面积。
五大工具-MSA详细版
CP实际
2 1.67 1.33
GRR
CP观察 CP观察 CP观察
10% 1.99 1.66 1.32
20% 1.96 1.64 1.30
30% 1.91 1.59 1.27
40% 1.83 1.53 1.22
PTSH
五大工具-MSA详细版
3
测量系统分析的目的
MSA: Measurement System Analysis
▪ 分析测量系统变差 ▪ 评价测量系统的适用性和有效性 ▪ 使测量系统处于受控状态，以确保过程输出
所测得的数据有效可靠
PTSH
五大工具-MSA详细版
4
测量系统分析的作用
▪正确的测量 永远 是质量改进的第一步 ▪正确的测量是作出决策的关键( 不正确的测量系
PTSH
五大工具-MSA详细版
20
重复性和再现性（R&R）分析
忽略零件内的变差(如圆度、锥度、平面度 等)
不仅是量具本身和相关的偏倚、重复性等， 还包括被检查的零件的变差
以统计稳定为前提
PTSH
五大工具-MSA详细版
21
平均值和极差法
选择5-10个零件用于测量系统分析 选择2-3名评价人 评价人重复测量零件2-3次 以随机顺序测量零件并记录测量结果 确保评价人无法看到数字 评价人不可看到互相的数值
50% 1.73 1.45 1.15
60% 1.60 1.34 1.06
70% 1.43 1.19 0.95
PTSH
五大工具-MSA详细版
19
目录
▪ 测量系统分析的目的和作用 ▪ 测量系统的基本概念 ▪ 重复性和再现性分析 ▪ 测量系统的稳定性、偏倚和线性 ▪ 属性值数据测量系统的分析方法 ▪ 测量系统改进
MSA测量系统分析的概念与研究
GR&R分析指南—均值极差法（4）：
*将第5、10、15行的数据（ mRa、mRb、mRc ）记 入第17行，并取平均值mmR（所有极差的平均值）； *将mmR记入第19、20行，得到控制上、下限，同 SPC方法。应描绘均值极差控制图； *如果有测量值超控制限，应由相应的评价人对相应 的零件重新测量或剔除该测量值，重新按上述方法计 算；
1.16
1.72 02.08 2.34
1.16
1.72 2.08 2.34
极差法的限制 *无法将测量工具之重复性及再现性分开来计算 *它所反应之GR＆R值为此2种量测误差之组合
3、GR&R—均值极差法
GR&R分析指南—均值极差法（1）：
*选取10个零件，要求覆盖过程变差的实际或预期范围； *指定评价人A、B、C。 *按1~10给零件编号，并使评价人不能看到编号数字；
基准值 偏倚
观测平均值
2、稳定性 或称飘移，指测量系统在某持续时间内测量同一基准或
零件的单一特性时获得的测量值总变差，即偏倚随时间的增 量。
稳定性
时间2
时间1
3、线性
指测量系统在预期的工作范围内偏移（准确度）的 变化。
基准值 偏倚
基准值 偏倚
观测平均
观测平均
观测平均值
有偏倚 无偏倚
基准值
4、重复性 又称量具变差/设备变差，指由一个评价人采用同一个测
具备如下的统计特性：
（1）测量系统必须处于统计控制状态
（2）测量系统的变差必须小于制造过程的变差（6σ）及公差 带
（3）测量系统的最小增量，一般说来应为制造过程变差（ 6σ ） 或公差带两者中较窄的十分之一
（4）制造过程的总变差相对测量系统的变差的分级数应大于5
MSA测量系统分析 方差分析概念
方差分析概念可以按照表18的公式对GRR 进行数据分析，这就是所谓的“方差分析”（ANOVA ）表。
ANOVA 表由六列组成。
◆ 方差源一栏表示变差的原因。
◆ DF 一栏表示同变差源有关的“自由度”。
◆ SS 或平方和一栏表示围绕变差源平均值的偏差。
◆ MS 或均方一栏是平方和除以自由度。
◆ EMS 或期望的均方一栏决定了每个MS 方差分量的线性合成。
ANOVA 表将总变差源分解成为四个分量：零件、评价人、评价人和零件的交互作用以及由于量具/设备重复性产生的重复误差。
◆ F 比一栏计算的目的仅是为了说明一种MSA ANOVA 中的交互作用，这是由交互作用的均方除以均方误差来确定的。
对每个变差源方差分量的估计由表16得出。
因为每个均方是一个受抽样变差和包含不同均方差计算支配的样本分量，那么有可能产生负的方差分量估计值。
这是问题的一部分，因为“主”方差分量等于或接近于零，或者有一个小的样本容量。
为了分析的目的，负的方差分量被定为零。
标准偏差比方差更容易解释，这是因为它同原始观察有一样的测量单位。
在实际中，基本的分布测量为标准偏差的5.15倍。
表17显示的重复性度量的5.15σ宽度叫设备变差（EV0，再现性度量叫评价人变差（AV ）。
如果零件和评价人的相互作用明显，则存在一个非附加模型并能给出其方差分量的估计值。
表17中的GRR 是总的测量系统变差。
e MS EV 15.5=设备变差=重复性nrMS MS AV APA -=15.5评价人变差=再现性RMS MS I eAP AP-=15.5评价人与零件的交互作用222)()()(AP I AV EV GRR ++=GR&R krMS MS PV APP -=15.5零件变差表17：5.15σ分布在附加模型中，交互作用不显著，每个变差源的方差分量确定如下：首先，将量具误差的平方和（表18中SS e ）加上评价人与零件交互作用的平方和（表18中SS AP ）等于自由度为（knr-n-k+1）时的合并平方和（SS 合并）。
MSA方差分析法
MSA方差分析法MSA方差分析法（Measurement System Analysis）是一种用来评估测量系统稳定性、准确性和重复性的统计技术。
在制造业中，测量系统被广泛应用于检查产品质量，因此评估测量系统的可靠性至关重要。
MSA方差分析法可以帮助确定测量系统是否能够可靠地检测到产品质量变化，并帮助制定相应的改进措施。
首先，对于测量系统的准确性，可以使用角度偏差方法或者均值检验方法来进行分析。
角度偏差方法将实际值与测量值之间的差异进行统计，以确定偏差的大小。
均值检验方法则将实际值与多个测量值的平均值之间的差异进行统计，以确定是否存在统计显著性差异。
通过准确性的分析，可以确定测量系统的系统性误差，并采取相应的校准措施。
最后，对于测量系统的稳定性，可以使用控制图和稳定性指数来进行分析。
控制图可以用于监控测量系统的变异性，并判断测量系统是否稳定。
稳定性指数则可以提供一个量化的测量系统稳定性的指标，以便评估其可靠性。
通过MSA方差分析法的应用，可以帮助制造业确定测量系统的稳定性、准确性和重复性，并采取相应的控制和改进措施。
这样可以确保测量系统能够可靠地检测和监控产品质量，从而提高产品的一致性和可靠性。
同时，也可以帮助制造业优化测量过程和资源配置，提高效率和降低成本。
总之，MSA方差分析法是一种重要的统计技术，在制造业中有着重要的应用。
通过对测量系统的准确性、重复性和稳定性进行分析，可以评估测量系统的可靠性，并采取相应的控制和改进措施。
这有助于保证产品的质量一致性，提高生产效率和降低生产成本。
MSA方差分析法
MSA方差分析法操作者b=2部件操作员测量值重复次数n=21112.31部件数a=32113.12总平均值12.7275总平均值平方项3112.75部件1平均值12.317512.72750.16811212.31部件2平均值13.11512.72750.150156252213.12部件3平均值12.7512.72750.000506253212.77SUM0.31876251112.33SS 部件 1.275052113.123112.74总平均值平方项1212.32操作员1平均值12.7283333312.7275 6.94444E-072213.1操作员2平均值12.7266666712.7275 6.94444E-073212.74SUM 1.38889E-06SUMSS 操作者8.33333E-06SS 总计自由度MSSS 部件 1.2750520.637525SS 操作者8.33333E-0618.33333E-06SS 重复性0.0009560.000158333SS 总计 1.27622511SS 交互0.00021666720.000108333F=0.684右尾P=0.54PS：第一次分析时模型里要包含操作者*部件的交互作用项，评价交互作用是否显著P＞0.05交互作用不显著，可以将交互作用剔除出模型自由度MSSS 部件 1.2750520.637525F=4372右尾P= SS 操作者8.33333E-0618.33333E-06F=0.057右尾P= SS 重复性0.00116666780.000145833SS 总计 1.27622511PS：第二次分析时把交互作用项的平方和和自由度都并入重复性项方差分量重复性0.000145833再现性（仅操作者）0-2.29E-05出负值就自动归0部件间0.159344792合计变异0.159490625标准差重复性0.012076147 3.0239%再现性（仅操作者）00.0000%部件间0.39918014999.9543%合计变异0.399362774100.0000%可区分特征数46离差平方项每种组合平均值重复性平方项0.1743062512.321E-040.1540562513.1200.0005062512.745 2.5E-050.1743062512.315 2.5E-050.1540562513.111E-040.0018062512.7550.0002250.1580062512.321E-040.1540562513.1200.0001562512.745 2.5E-050.1660562512.315 2.5E-050.1387562513.111E-040.0001562512.7550.0002251.2762250.000951.276225SS 重复性0.00095 6.98376E-130.817080247。
- 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)。
操作者b=2部件操作测量值重复次数n=21112.31部件数a=32113.12总平均值12.7275总平均值平方项3112.75部件1平均值12.317512.72750.16811212.31部件2平均值13.11512.72750.150156252213.12部件3平均值12.7512.72750.000506253212.77
SUM0.31876251112.33
SS 部件 1.275052113.12
3112.74
总平均值平方项1212.32操作员1平均值12.7283333312.7275 6.94444E-072213.1操作员2平均值12.7266666712.7275 6.94444E-073212.74
SUM 1.38889E-06SUM
SS 操作者8.33333E-06SS 总计
自由度MS
SS 部件 1.2750520.637525
SS 操作者8.33333E-0618.33333E-06
SS 重复性0.0009560.000158333
SS 总计 1.27622511
SS 交互0.00021666720.000108333F=0.684
右尾P=0.54
PS：第一次分析
时模型里要包含
操作者*部件的交
互作用项，评价
交互作用是否显
P＞0.05交互作用不显
著，可以将交
互作用剔除出
自由度MS
SS 部件 1.2750520.637525F=4372右尾P= SS 操作者8.33333E-0618.33333E-06F=0.057右尾P= SS 重复性0.00116666780.000145833
SS 总计 1.27622511
PS：第二次分析
时把交互作用项
的平方和和自由
度都并入重复性
方差分量
重复性0.000145833
再现性（仅操作者）0-2.29E-05
出负值就自动
归0
部件间0.159344792
合计变异0.159490625
标准差
重复性0.012076147 3.0239%
再现性（仅操作
00.0000%者）
部件间0.39918014999.9543%合计变异0.399362774100.0000%可区分特征数46
离差平方项每种组合平均值重复性平方项
0.1743062512.321E-04
0.1540562513.120
0.0005062512.745 2.5E-05
0.1743062512.315 2.5E-05
0.1540562513.111E-04
0.0018062512.7550.000225
0.1580062512.321E-04
0.1540562513.120
0.0001562512.745 2.5E-05
0.1660562512.315 2.5E-05
0.1387562513.111E-04
0.0001562512.7550.000225
1.2762250.00095
1.276225SS 重复性0.00095 6.98376E-13
0.817080247。