【正文】 被使用。 3）將數(shù)據(jù)按時(shí)間順序畫(huà)在 XR或 XS控制圖上 結(jié)果分析 作圖法 4）建立控制限并用標(biāo)準(zhǔn)化控制圖分析評(píng)價(jià)失控或不 穩(wěn)定狀態(tài)。 : A)平均值圖： Xbarbar+A2Rbar, Xbarbar B)R值圖： D4Rbar, Rbar, D3Rbar ,將點(diǎn)子繪上 R圖，以判定重復(fù)性是否穩(wěn)定。 45 : 決定要分析的測(cè)量系統(tǒng) 選取一標(biāo)準(zhǔn)樣本，取值參考值 請(qǐng)現(xiàn)場(chǎng)測(cè)量人員連續(xù)測(cè)量 25組數(shù)據(jù)每次測(cè)量 2~5次 輸入數(shù)據(jù)到 EXCEL， XbarR表格中 計(jì)算控制界限，並 用圖判定是否穩(wěn)定 後續(xù)持續(xù)點(diǎn)圖，判圖 保留記錄 、判圖 a)R圖失控，表明不穩(wěn)定的重復(fù)性，可能什么東西松動(dòng)、阻塞、變化等。 ?????? ???? S))XΣ ( X i)X(Xgm1(t_ 1 / 2220/22 , 1gm ? ??????????? S))XΣ ( X i)X(Xgm1(t 1 / 2220/22 , 1gm ?55 ? 實(shí)行結(jié)果 ? 結(jié)果解釋 ? Minitab使用方法 (Stat ? Quality Tools ? Gage Linearity Study) StdDev Study Var %Study Var Source (SD) (*SD) (%SV) Total Gage RR Repeatability ParttoPart Total Variation Linearity是總製程變異量的 %,因此線性是比較差 ,需要改善 . Bias是 %， 良好 . R e f e r e n c e V a l u eBias1 086421 . 00 . 50 . 0 0 . 5 1 . 00R e g r e s s io n9 5 % C ID a t aA v g B ia sPercentB i a sL i n e a r i t y1 050G a g e L i n e a r i t yS l o p e 0 . 1 3 1 6 7 0 . 0 1 0 9 3 0 . 0 0 0P r e d i c t o r C o e f S E C o e f PC o n s t a n t 0 . 7 3 6 6 7 0 . 0 7 2 5 2 0 . 0 0 0S 0 . 2 3 9 5 4 R S q 7 1 . 4 %L i n e a r i t y 1 . 8 6 8 8 9 % L i n e a r i t y 1 3 . 2G a g e B i a s2 0 . 4 9 1 6 6 7 3 . 5 0 . 0 0 04 0 . 1 2 5 0 0 0 0 . 9 0 . 2 9 36 0 . 0 2 5 0 0 0R e f e r e n c e0 . 2 0 . 6 8 88 0 . 2 9 1 6 6 7 2 . 1 0 . 0 0 01 0 0 . 6 1 6 6 6 7 4 . 3 0 . 0 0 0B i a s % B i a s PA v e r a g e 0 . 0 5 3 3 3 3 0 . 4 0 . 0 4 0G a g e n a m e :D a t e o f s t u d y : R e p o r t e d b y :T o l e r a n c e :M i s c :P e r c e n t o f P r o c e s s V a r i a t i o nG a g e L i n e a r i t y a n d B i a s S t u d y f o r 秖 代56 ? 計(jì)算 Gage Linearity統(tǒng)計(jì)值 部品 基準(zhǔn)值 (x i) 偏倚 (y i) x i y i x i y i1 2 0 . 4 9 1 7 4 0 . 2 4 1 8 0 . 9 8 3 42 4 0 . 1 2 5 16 0 . 0 1 5 6 0 . 5 0 0 03 6 0 . 0 2 5 36 0 . 0 0 0 6 0 . 1 5 0 04 8 0 . 2 9 1 7 64 0 . 0 8 5 0 2 . 3 3 3 65 10 0 . 6 1 6 7 100 0 . 3 8 0 3 6 . 1 6 7 0合計(jì) 30 0 . 2 6 6 7 220 0 . 7 2 3 3 5 6 . 8 6 7 2平均 6 0 . 0 5 3 3 42 2 ? Bias(y) = Master ? Linearity = * = ? %Linearity = 傾斜度 *100 = % ? 計(jì)算 Gage Bias統(tǒng)計(jì)值 ? 平均 Bias = / 5 = ? %Bias = ( || / ) * 100 = % ⑤ 線性的計(jì)算方法 R e f e r e n c e V a l u eBias1 086421 . 00 . 50 . 0 0 . 5 1 . 00R e g r e s s io n9 5 % C ID a t aA v g B ia sG a g e n a m e :D a t e o f s t u d y : R e p o r t e d b y :T o l e r a n c e :M i s c :G a g e L i n e a r i t y a n d B i a s S t u d y f o r 秖 代57 ▲ Linearity = | 傾斜度 | x Process Variation ▲ %Linearity = Linearity Process Variation X 100 在量具的測(cè)量范圍內(nèi)評(píng)價(jià)測(cè)量的一貫性 ,在量具的測(cè)量范圍內(nèi)如果 Bias一定的話可以說(shuō)線性較好 . 為了評(píng)價(jià)線性必須要計(jì)算 Bias. * Process Variation = 6σ = | 傾斜度 | x 100 %Linearity值如果接近 ‘0’的話可以判定線性比較好 . ▲ 回歸模型 : y = a + bx y : Bias x : 基準(zhǔn)值 b : 傾斜度 ◎ 線性的計(jì)算公式 58 零件 操作員 1 操作員 2 范圍 (R)1 4 2 22 3 4 13 6 7 14 5 7 25 9 8 1范圍之和 7平均范圍 平均范圍 = = (2+1+1+2+1)/5 = 7/5 = 量具誤差 = * /d = / * = * = * = % Gage RR = 量具誤差 Gage Error / 允差 Tolerance = / 20 * 100 % = % 零件個(gè)數(shù)2個(gè)操作員3個(gè)操作員4個(gè)操作員1 2 3 4 5 6 7 8 9 10 GRR（極差法 /短期模式） d常數(shù)表 允差 Tolerance = 20 = 最大值 最小值 R R R R R 59 均值 極差法 （ A, B,C）和 10個(gè)測(cè)量樣品。 ? 盲測(cè)原則 2： 三個(gè)人之間都互相不知道其他人的測(cè)量結(jié)果。 判斷原則 68 短期與長(zhǎng)期方法的比較 短期模式 ?用生產(chǎn)設(shè)備 ?用生產(chǎn)操作員 ?快速 只需幾個(gè)樣品 (~5) ?無(wú)反復(fù)（ replicates） ?估計(jì)總的變差 (Total Gage RR) ?不能區(qū)分 AV 和 EV ?不能指導(dǎo)改進(jìn)的方向 ?可用于破壞性測(cè)試 長(zhǎng)期模式 ?用生產(chǎn)設(shè)備 ?用生產(chǎn)操作員 ?較多樣品 (5) ?要求反復(fù) Replicates (~3) ?估計(jì)總的變差 (Total Gage RR) ?可以區(qū)分 AV 和 EV ?為測(cè)量系統(tǒng)的改進(jìn)提供指導(dǎo) 69 NOGO GO Operator 2 Operator 1 ﹣ 計(jì)數(shù)值： 70 ? GoNo Go 數(shù)據(jù)模式 ? 人為因素主導(dǎo)，情況復(fù)雜 ? 對(duì)于以 “ 是 ” 和 “ 不是 ” 為計(jì)數(shù)基礎(chǔ)的定性數(shù)據(jù) ，其 GRR考察的概念是與定量數(shù)據(jù)一樣的 。 B1, 偏向漏判 以下為判斷所用的指標(biāo) 72 量測(cè)系統(tǒng)分析 ﹣( 計(jì)數(shù)值 )示范： Appraiser Sample Data Appraiser Sample Data Appraiser Sample Data Appraiser Sample Data志明 1 pass 志明 1 pass 小寶 1 pass 小寶 1 pass志明 2 ng 志明 2 ng 小寶 2 ng 小寶 2 ng志明 3 pass 志明 3 pass 小寶 3 pass 小寶 3 pass志明 4 pass 志明 4 pass 小寶 4 pass 小寶 4 pass志明 5 pass 志明 5 pass 小寶 5 pass 小寶 5 pass志明 6 ng 志明 6 ng 小寶 6 ng 小寶 6 ng志明 7 pass 志明 7 pass 小寶 7 pass 小寶 7 pass志明 8 pass 志明 8 pass 小寶 8 pass 小寶 8 pass志明 9 ng 志明 9 ng 小寶 9 ng 小寶 9 ng志明 10 ng 志明 10 pass 小寶 10 pass 小寶 10 pass志明 11 ng 志明 11 ng 小寶 11 ng 小寶 11 ng志明 12 pass 志明 12 pass 小寶 12 pass 小寶 12 pass志明 13 pass 志明 13 pass 小寶 13 pass 小寶 13 pass志明 14 pass 志明 14 pass 小寶 14 pass 小寶 14 pass志明 15 pass 志明 15 pass 小寶 15 pass 小寶 15 pass外觀檢驗(yàn)量測(cè)分析，兩個(gè)人， 15個(gè)樣本，重復(fù)兩次，數(shù)據(jù)如下 73 表示此量測(cè)系統(tǒng)是可靠的 判定準(zhǔn)則 Percent(%)可接受 =90尚可接受 =80不可接受 80示范：量測(cè)系統(tǒng)分析 ﹣ 計(jì)數(shù) Appraiser Inspected Matched Percent (%) % CI 小寶 15 15 ( , ) 志明 15 14 ( , ) Matched: Appraiser agrees with him/herself across trials. 74 屬性數(shù)據(jù)測(cè)量系統(tǒng)分析 Attribute MSA 75 Kappa屬性測(cè)量系統(tǒng) ?屬性 /順序測(cè)量系統(tǒng)使用了接受 /拒絕標(biāo)準(zhǔn)或分級(jí)，例如， 用 (15) 確定是否達(dá)到可以接受的質(zhì)量水平 ?Kappa技術(shù)可以用來(lái)評(píng)估這些屬性和順序測(cè)量系統(tǒng) 76 你真的擁有太多的屬性數(shù)據(jù)嗎 ? ?很多檢驗(yàn)過(guò)程能夠收集連續(xù)數(shù)據(jù)，但選擇屬性數(shù)據(jù)以簡(jiǎn)化檢驗(yàn)員的任務(wù) ?例如，很多功能測(cè)驗(yàn)將連續(xù)地評(píng)估一項(xiàng)產(chǎn)品（溫度、承載力，硬度等等）并以通過(guò) /失敗記錄其結(jié)果 ?設(shè)法獲取連續(xù)數(shù)據(jù) 77 屬性和順序測(cè)量 ?屬性和順序測(cè)量經(jīng)常依靠主觀分類(lèi)或分級(jí) ?例子包括： ?把部件特征分級(jí)為好或壞 ?在品嘗之后分級(jí)葡萄酒的香味和口感 ?從 1到 5給雇員的表現(xiàn)分級(jí) ?給體操打分 ?在利用這些測(cè)量系統(tǒng)之前，我們應(yīng)該評(píng)估它們嗎？ ?不評(píng)估它們的后果是什么呢？ 78 測(cè)量系統(tǒng)分析 – 屬性數(shù)據(jù) ?什么方法適于評(píng)估屬性測(cè)量系統(tǒng)？ ?屬性系統(tǒng) － 同等處理所有誤分類(lèi)的 Kappa技術(shù) ?順序系統(tǒng) －考慮誤分類(lèi)等級(jí)的 Kappa技術(shù) ?例如，如果我們從 1到 5判斷一油漆產(chǎn)品的等級(jí)，檢驗(yàn)員 A把它評(píng)為 1級(jí)，檢驗(yàn)員 B評(píng)為 5級(jí)，比起檢驗(yàn)員A把它評(píng)為 4級(jí)而檢驗(yàn)員 B評(píng)為 5級(jí)來(lái)，具有更大的誤分類(lèi) 79 數(shù)據(jù)類(lèi)型 ?常態(tài) : 包含不具有排序基礎(chǔ)或可以分別出量的差別的數(shù)字，例如 ? 例子 : 一公司中 : A部門(mén)、 B部門(mén)、