【正文】 勞、觀察誤差(易讀性、視差 ) 性不好的可能原因23由 不同 操作人員，采用 相同 的測量儀器，測量 同一 零件的 同一 特性時測量平均值的變差（三同一異）再現性 (Reproducibility)Inspector AMaster ValueInspector BInspector CInspector AInspector BInspector C24216。216。 儀器需要校準，需減少校準時間間隔；216。 不同的測量方法 — 設置、安裝、夾緊、技術；216。31? 足夠的分辨率和靈敏度 。– 對于過程控制，測量系統(tǒng)的變異性應該顯示有效的分辨率并與過程變差相比要小。39■ 新過程 ：如機加工、制造、沖壓、材料處理、熱新 過程的接受處理，或采購總成時，作為采購　　　　活動的一部分，經常要完成一系列步驟。計算每一組的平均值 /R值。45決定要分析的測量系統(tǒng)抽取樣本，取值參考值請現場測量人員測量 15次輸入數據到 EXCEL表格中計算 t值，并判定是否合格，是否要加補正值保留記錄 BIAS分析之執(zhí)行 :46X1= X6=X2= X7=X3= X8=X4= X9=X5= X10=同一操作者對同一工件測量10次如果參考標準是 . 過程變差為 = Bias = = % Bias=100[]=%表明 % 的過程變差是偏倚 BIAS BIAS 實例 1:47 ▲判斷準確度的簡單標準為 .– 小于過程變差或容差的 1%, 可認為是精確的 .– 大于過程變差或容差的 1% 則需要研究和調整測量系統(tǒng) , 或者臨時用補償值來修正以后的測量值 , 即作出直方圖 , 然后根據經驗判斷是否可以接受 .接受測量平均值 – 參考值 x (100)容差寬度 BIAS 實例 :48 BIAS 實例 :作圖分析49? (Linearity)比較良好的情況在測量范圍全領域基準值和測量平均值一致 /沒有偏倚正確地測量 .在測量范圍全領域具有常數倍數的偏倚 . / 雖有偏倚但是因為大小一定所以可以容易調整 .基準值 基準值測量平均偏倚偏倚測量平均基準值 基準值50 線性 (Linearity)的分析① 線性不好的情況 – 測量范圍全領域偏倚 (正確度 )不一定的情況 ? 無法矯正 .偏倚基準值偏倚基準值51② 線性 (Linearity)和偏倚 (Bias)判定基準③ 線性 (Linearity)差時需要考慮的事項：?調查量具測量范圍中上部或下部的刻度是否合適?檢驗基準值是否正確?檢驗測量位置是否正確?檢驗測量者是否正確的使用了儀器?檢驗量具磨損與否?檢驗量具校準與否?調查量具本身內部設計問題※ 電子式的話在測量全范圍進行再校準 .※ 機械式的話在測量范圍中以經常使用的范圍為中心進行校準后不允許在其他范圍使用 .52④ 利用 Minitab分析線性測量系統(tǒng)的操作范圍內抽樣 5個部品進行精密的測試之后計算 ,要反復 12次53? 實行結果? 結果解釋? Minitab使用方法 (Stat ? Quality Tools ? Gage Linearity Study) StdDev Study Var %Study VarSource (SD) (*SD) (%SV) Total Gage RR Repeatability ParttoPart Total Variation %,因此線性是比較差 ,需要改善 .Bias是 %， 良好 .54? 計算 Gage Linearity統(tǒng)計值2 2? Bias(y) = Master ? Linearity = * = ? %Linearity = 傾斜度 *100 = % ? 計算 Gage Bias統(tǒng)計值? 平均 Bias = / 5 = ? %Bias = ( || / ) * 100 = % ⑤ 線性的計算方法55▲ Linearity = | 傾斜度 | x Process Variation▲ %Linearity = LinearityProcess Variation X 100在量具的測量范圍內評價測量的一貫性 ,在量具的測量范圍內如果 Bias一定的話可以說線性較好 .為了評價線性必須要計算 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 : Biasx : 基準值b : 傾斜度◎ 線性的計算公式56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 % = % GRR（極差法 /短期模式）d常數表允差 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用生產設備 n用生產操作員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用生產設備 n用生產操作員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 ﹣ 計數值：68n GoNo Go 數據模式n 人為因素主導，情況復雜n 對于以 “ 是 ” 和 “ 不是 ” 為計數基礎的定性數據，其 GRR考察的概念是與定量數據一樣的。(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.計數型 Gage RR很難區(qū)分良 /不率的樣品 20%~30%不易區(qū)分良 /不率的樣品 30%~40%比較容易區(qū)分良 /不率的樣品 30%~40%很容易區(qū)分良 /不率的樣品 0%~20%82 屬性測量系統(tǒng)中的 α和 β風險uα風險 /生產者風險u 合格產品被拒絕u不必要的報廢 /返工的原因u被人為削減的過程性能uβ風險 /消費者風險 u接受了不合格產品u不滿意的客戶u夸大的過程性能83結果 ?u哪些是重要的應關心的問題？u如果檢驗員之間和內部不能達成很好的一致，會有什么風險呢？u次品正在流向下一步操作或客戶嗎？u優(yōu)質品正在被返工或處理掉嗎？u評估的標準是什么？u 如何度量一致性？84什么是 Kappa? u P observedu 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u P chanceu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）u 注意： 上述等式適用于兩類分析，即優(yōu)良或次劣85Kappau要達成完全一致， P observed = 1 且 K=1u一般說來，如果 Kappa值低于 ，那么測量系統(tǒng)是不適當的u如果 Kappa值為 ，那么測量系統(tǒng)是優(yōu)秀的uKappa的下限為 0到 1u如果 P observed = P chance 那么 K=0 u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 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， m:量測次數）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。u需要計算每個操作員的 Kappa和操作員之間的 Kappa91考慮下列數據92