13_测量系统分析属性

确定： - 与整体一致的% - 与评价者一致的%（重复性） - 与评价者之间一致的%（再现性） - 与已知标准一致的%（准确性） - Kappa（究竟测量系统比随机偶然性好多少）
属性 MSA目标
2020/5/25
非参数方式提供了一些处理主观计数数据的工具 Kappa技术可以用于属性（计数型）/分类数据的分级 当质量标准难于或不可能定义时使用 几个单位必需分类为由超过一个评价者测量一次以上 组成 - 如果基本上是一致的，存在评价正确的可能性 - 如果一致性差，评价是 非常有限的
步骤Ⅱ：流程分析
完成FMEA并评价控制计划 完成多变量研究以确定潜在的关 键输入变量 评价数据并优化关键的输入变量
2020/5/25
流程改善方法论
步骤Ⅲ：流程改善
用实验设计验证关键的输入变量 决定最优化的操作窗口 修正控制计划
步骤Ⅳ：流程控制
最后完成控制计划 持续验证流程的稳定性和能力
我们一旦有正确的数据，我们必须确定有能力来测量它 需要获取的信息 - 测量误差有多大？ - 测量误差的来源 是什么？ - 测量系统随时间变化依然是稳定 的吗？ - 对于研究有 足够能力 吗？ - 我们如何 改善 测量系统？
- 3 CSRs （评价者） - 2天 - 30次退货 （样本）
代码在Category列中 专家值在Expert列中
2020/5/25
Minitab 属性一致性分析
使用属性一致性分析来分析属性测量系统的结果
Minitab 属性一致性分析
2020/5/25
Minitab 属性一致性分析 首先填写适当的列信息
研究测量系统
2020/5/25
计数型数据 MSA 如果很多人评估同一事物，他们需要达成一致： - 相互之间 - 他们自己之间 计数型数据比计量型数据包括更少的信息，但往往只有它是 所能得到的 - 所以我们必须对完整的属性测量进行持续不断的研究 问题是 - 我能够相信我的测量系统得到的数据吗？
2020/5/25
每一个客户返品标识一个代码。大家会担心 CSR 们标识代码时不能 够始终一致。 - 三个评价者被要求为30个返品标识原因代码。每个评价者评价两次（ 在两个 不同时间各做一次）。 - 绿带同时要求一个部门专家来评价返品情况
2020/5/25
项目：TR MSA ATT .MPJ 工作表：Customer Returns.MTW 设计：
AAAA
10
ARRR
他们对于29个“接受”样本全体一致通过 %的不一致产品 =
11
RAAR
12
AAAA
13
RAAR
20/50=40%
14
ARAA
15
AAAA
16
AAAA
17
AAAA
18
AAAA
19
AAAA
20
AAAA
2020/5/25
属性 MSA 范例： 投标报价
与专家是否一致？
Sample A
B
13
R
A
A
R
D
8/13 = 62%
3/37 = 11%
14
A
R
A
A
15
A
A
A
A
16
A
A
A
A
17
A
A
A
A
整体正确判断的% = 150/200 =
18
A
A
A
A
19
A
A
A
A
75%
20
A
A
A
A
5
A
A
A
R
10
A
R
R
R
12
Aቤተ መጻሕፍቲ ባይዱ
A
A
R
13
R
A
A
R
2020/5/25
在属性MSA研究过程中，Kappa被用来总结在去除偶然 一致性后 在评估人之间的一致程度
13_测量系统分析属性
2020年5月25日星期一
目标
在本模块结束时你将能够： 描述属性测量系统分析 定义基本的测量术语 进行 属性gage研究（测量系统分析）概要程序 执行测量研究
2020/5/25
步骤0：项目定义
步骤Ⅰ：流程测量
计划项目，确定重要的流程输入/ 输出变量 进行基本测量系统地测量仪器研究 进行短期流程能力研究并建立控 制计划
2020/5/25
属性MSA范例： 投标接受
这个范例源于一家公司评估合同报价. 关注于当可能应该被接受却可能拒绝的合同，对该部门进行 研究，如何测定评价员评价的一致性. 选取了50个样本 — 一些是明确可以接受的，一些是明确不能 接受的，还有一些考虑为处于“边界线”之间。 四个评估员和一个专家记录了他们的评价结果 - 拒绝 或 接 受合同
Kappa
Kappa将在-1及+1之间
Kappa值 -1 to 0.0
建议的解释 随机一致
最低限度 – 需要较大努力 好 – 改善保证 优秀的
Kappa值为+1的代表完全一致 一般规则：如果K<0.70，就需要注意测量系统！
Kappa技术
2020/5/25
Kappa技术
Kappa可以用于有多个评价者和具有多个分类的情况 客户返品案例： - 一个绿带有一个减少客户返品的项目。由一位客户服务代表（CSR）给
Kappa技术
2020/5/25
属性测量研究： 方法
2020/5/25
属性测量研究-方法 挑选2-3个经常评估的人 随机的向一个人提供样本（不告诉哪个样本是哪个）并让这个 人评估每一项 一旦第一个人完成对所有项目的评估，让其他的几个人重复这 个工作 一旦每个人都已经评估了每一项，再重复一遍上面的实验 注意：所有评估人、项目及“实验”的组合可能应该 - 每个评估人必须检测所有项目 - 每个评估人必须检测同样次数的项目（实验）
- 如果存在实质性的一致，那就存在级别准确的 可能性 - 如果不能达成一致，分级的有效性就 非常有限了 使用需求： - 测量的 单位是彼此独立的 - 评估人的检验及分类是独立的 分类级别相互排斥及彻底的 Minitab计算Kappa值作为属性一致性分析输出的一部分
Kappa技术
2020/5/25
2020/5/25
2020/5/25
属性MSA范例： 投标接受
Sample A B C D
1
RRRA
检验之间是否达成一致？
2
AARA
3
AAAA
4
AAAA
5
AAAA
结果显示出明确的问题
6
AAAA
（显示了50个样本中的20个结果）
7
AAAA
在50个样本中 ， 检验者实际上只对一 个“拒收”的样本全体一致通过
8
AAAA
9
C
D
1
R
R
R
A
2
A
A
R
A
3
A
A
A
A
检验者 与 专家的结果
4
A
A
A
A
5
A
A
A
A
6
A
A
A
A
%不好的接受 %好的绝收
7
A
A
A
A
8
A
A
A
A
9
A
A
A
A
A
9/13 = 69%
4/37 = 11%
10
A
R
R
R
B
9/13 = 69%
4/37 = 11%
11
R
A
A
R
12
A
A
A
A
C
9/13 = 69%
4/37 = 11%