【正文】 * = * = % Gage RR = 量具誤差 Gage Error / 允差 Tolerance = / 20 * 100 % = % GRR（極差法 /短期模式）d常數(shù)表允差 Tolerance = 20= 最大值 最小值RR RRR57 均值 極差法（ A, B,C）和 10個測量樣品。判斷原則66短期與長期方法的比較短期模式n用生產(chǎn)設備 n用生產(chǎn)操作員n快速 只需幾個樣品 (~5)n無反復（ replicates）n估計總的變差 (Total Gage RR)n不能區(qū)分 AV 和 EVn不能指導改進的方向n可用于破壞性測試長期模式n用生產(chǎn)設備 n用生產(chǎn)操作員n較多樣品 (5)n要求反復 Replicates (~3)n估計總的變差 (Total Gage RR)n可以區(qū)分 AV 和 EVn為測量系統(tǒng)的改進提供指導67NOGO GOOperator 2Operator 1 ﹣ 計數(shù)值：68n GoNo Go 數(shù)據(jù)模式n 人為因素主導，情況復雜n 對于以 “ 是 ” 和 “ 不是 ” 為計數(shù)基礎的定性數(shù)據(jù)，其 GRR考察的概念是與定量數(shù)據(jù)一樣的。(1) 把平時檢查的作業(yè)者選定為作業(yè)者的選定對象，并成為 Blind Appraisal.計數(shù)型 Gage RR82 屬性測量系統(tǒng)中的 α和 β風險? α風險 /生產(chǎn)者風險– 合格產(chǎn)品被拒絕– 不必要的報廢 /返工的原因– 被人為削減的過程性能? β風險 /消費者風險 – 接受了不合格產(chǎn)品– 不滿意的客戶– 夸大的過程性能83結(jié)果 ?? 哪些是重要的應關心的問題？– 如果檢驗員之間和內(nèi)部不能達成很好的一致，會有什么風險呢？– 次品正在流向下一步操作或客戶嗎？– 優(yōu)質(zhì)品正在被返工或處理掉嗎？– 評估的標準是什么？– 如何度量一致性？84什么是 Kappa? ? P observed– 判定員一致同意的單元的比率 =判定員一致判定為優(yōu)良的比率 +判定員一致判定為次劣的比率? P chance– 預期偶然達成一致的比率 =（判定員 A判定為優(yōu)良的比率*判定員 B判定為優(yōu)良的比率） +（判定員 A判定為次劣的比率 *判定員 B判定為次劣的比率）– 注意： 上述等式適用于兩類分析，即優(yōu)良或次劣85Kappa? 要達成完全一致， P observed = 1 且 K=1– 一般說來，如果 Kappa值低于 ，那么測量系統(tǒng)是不適當?shù)抹C 如果 Kappa值為 ，那么測量系統(tǒng)是優(yōu)秀的? Kappa的下限為 0到 1– 如果 P observed = P chance 那么 K=0 – 因而 Kappa值為 0表示達成一致和隨機偶然預期達成的一致是一樣的86? Kappa量測能力評價指標l上面的判斷基準根據(jù) Project的目標有可能變更。 對于最佳擬合直線， 用公式 ： yi = ax i + b (g:零件個數(shù)， m:量測次數(shù)）x i = 基準值yi = 偏倚平均值 斜率 (Slope)中心對一個已知 X0， α 自信度區(qū)間為：下限： b+aX0上限： b+aX0(7)劃出〝偏倚 =0〞的線，并對圖進行審查，以觀察是否存在特殊原因 ，以及線性是否可接受。? 需要計算每個操作員的 Kappa和操作員之間的 Kappa91考慮下列數(shù)據(jù)92分級員 A的 交叉表在每個單元格中填入收集到的信息93交叉表第一格代表分級員 A在第一次和第二次測量中判定為優(yōu)良的次數(shù)94交叉表第二格代表分級員 A在第一次測量中判定一個單元為次劣，在第二次測量中判定為優(yōu)良的次數(shù)95交叉表第三格代表分級員 A在第一次測量中判定一個單元為優(yōu)良，在第二次測量中判定為次劣的次數(shù)96交叉表第四格代表分級員 A在第一次測量和第二次測量中判定一個單元為次劣的次數(shù)97交叉表邊格的數(shù)字代表行和列的總和98交叉表 比例分級員 A比例下表代表上表的數(shù)據(jù)，其中每個單元格用總數(shù)的百分比來表示代表 10/2099交叉表 比例由行和列的總和計算而得100對 Kappa的定義將有所不同，取決于我們是在定義分級員內(nèi)部Kappa， 還是在定義分級員之間的 Kappa記得怎樣計算 Kappa嗎 ? Pobserved– 判定員一致同意的單元的比率 =判定員 A/B一致判定為優(yōu)良的比率 +判定員 A/B一致判定為次劣的比率 Pchance– 預期偶然達成一致的比率 =（判定員 A判定為優(yōu)良的比率 *判定員 B判定為優(yōu)良的比率） +（判定員 A判定為次劣的比率 *判定員 B判定為次劣的比率）101Pobserved 等于上表對角線上概率的總和： P observed =( + ) = Pchance 等于每個分類概率乘積的總和： Pchance =(*) + (*0..45) = 那么 Krater A=( )/(1 )=計算分級員 A的 Kappa102K Rater B =數(shù)字比例計算分級員 B的 Kappa103? 利用 Minitab的 二元分類 系數(shù)型 Gage RR的 StudyEx) 為了分析以 Go/NoGo Gage判定合格 /不合格的系數(shù)型測試系統(tǒng) 選了 15 EA 樣品 (合格品 8個 ,不合格品 7個 )之后由 3名測試人員反復測了 3次后得到了如下的 Data. 104Attribute Gage RR StudyAttribute Gage RR Study for MeasuremWithin AppraiserAssessment AgreementAppraiser Inspected Matched Percent (%) % CI A 15 14 ( , )B 15 13 ( , )C 15 13 ( , ) Matched: Appraiser agrees with him/herself across trials.? 測量一致性 評價評價每個測試人員反復測試出的值之間的測量一致性* 各測試人員的反復測量的結(jié)果的一致性的比率 反復測試每個樣品時一致的樣品數(shù)總樣品數(shù) 100反復性 105Each Appraiser vs StandardAssessment AgreementAppraiser Inspected Matched Percent (%) % CI A 15 14 ( , )B 15 12 ( , )C 15 12 ( , ) Matched: Appraiser39。 B1, 偏向漏判以下為判斷所用的指標70量測系統(tǒng)分析 ﹣( 計數(shù)值 )示范：外觀檢驗量測分析，兩個人， 15個樣本，重復兩次，數(shù)據(jù)如下71 表示此量測系統(tǒng)是可靠的示范：量測系統(tǒng)分析 ﹣ 計數(shù) Appraiser Inspected Matched Percent (%) % CI 小寶 15 15 ( , )志明 15 14 ( , ) Matched: Appraiser agrees with him/herself across trials.72屬性數(shù)據(jù)測量系統(tǒng)分析Attribute MSA73Kappa屬性測量系統(tǒng)? 屬性 /順序測量系統(tǒng)使用了接受 /拒絕標準或分級，例如， 用 (15) 確定是否達到可以接受的質(zhì)量水平–Kappa技術可以用來評估這些屬性和順序測量系統(tǒng)74 你真的擁有太多的屬性數(shù)據(jù)嗎 ?? 很多檢驗過程能夠收集連續(xù)數(shù)據(jù) ，但 選擇屬性數(shù)據(jù)以簡化檢驗員的任務? 例如，很多功能測驗將連續(xù)地評估一項產(chǎn)品（溫度、承載力，硬度等等）并以通過 /失敗記錄其結(jié)果? 設法獲取連續(xù)數(shù)據(jù)75屬性和順序測量? 屬性和順序測量經(jīng)常依靠主觀分類或分級– 例子