测量系统分析(日本)

《测量系统分析(日本)》由会员分享，可在线阅读，更多相关《测量系统分析(日本)（71页珍藏版）》请在装配图网上搜索。

1、1测量系统评价Gage R&R2GR&Rn连续GR&R在连续数据（作为连续的量测量，长度、质量、时间等数据）中使用。n属性GR&R在属性数据（OK/NG、良/否、A/B/C等数据）中使用。GR&R（Gage(量具）Repeatability（重复性）and Reproducibility（再现性）)在六西格玛活动中，数据非常重要。万一测量方法或判断方法靠不住的话，结果也会很容易没有说服力。为了避免这种感觉情况发生，验证测量系统是否没有问题就十分必要了。验证测量系统的一种方法就是使用GR&R。GRR大体分为以下2种。3 1.收集数据时，要确认测量系统可靠性是否有问题如果有问题，需要针对问题制定对

2、策。2.要对适用于现有过程的测量系统进行评价，弄清楚是否有改善的必要。3.（测量系统如果有问题不解决，测量系统本身就有可能成为COPQ的发生源）。4.引入新的测量系统时，需要对其可靠性进行评价。5.对于现行的判断基准（检验标准），要根据客户的要求进行修改变更。为什么要验证测量系统4为什么要研究测量系统n通过过研究测测量系统统，可以了解由于测测量误误差引起的过过程数据的偏差比例相关的信息。n测测量系统统的研究，对对于2台或两台以上测测量装置的相互比较较，或者2人以上的操作员员互相比较较来说说，都是很好的工具。nMSA，在工厂判断是否要引入新测测量装置时时，作为评为评价标标准的一部分得到应应用。n

3、是对对不充分的以及有疑问问的测测量系统进统进行评评价的基础础。要观测观测的过过程或产产品的偏差过过程或产产品的实际实际偏差长长期偏差短期偏差测测量的偏差操作员员的原因测测量装置(量具)的原因5基本定义n属性数据 用来记录及分析的非常重要的性质数据n属性测量系统 针对特定的界限值（通常、视觉性），比较各零件，如果满足界限值就可以接收，以此为目的的测量系统。n变量数据 针对特定的特性的定量化的规格以及能进行比较的有数位性意义的定量数据。n变量测量系统 对各零部件进行数据性测量，并对和重要特性相关的数据进行评价的测量系统(重量计、卡钳、千分尺、温度计、电压计等)。n反复性 一个测量仪由一个操作员反复

4、测量几次时，得到的测量数据的偏差。n再现性 使用相同的测量装置，由不同的人员进行评价的测量的平均值的偏差。这不仅包含检验人员，还包含不同测量装置的一致性。n变量R&R (量具研究、或者GageR&R)对测量系统的误差引起的测量值群中偏差所占比例进行确定并进行研究。n测量误差 包括所有测量偏差的原因产生的影响，是观测值和真值产生偏差的原因。6每个人对于一件事物会有不同的观点、感受，对事物的判断就会有偏差，这些判断结果有不少都是和产品、业务成本以及客户服务密切相关的。这时，属性数据的测量系统能够充分发挥其功能在很大程度上成为了关键点。属性数据合格/不合格、OK/NG、Yes/No、白/黒、有偿/免

5、费、采用/不采用、认可/不认可、继续/中止等形式输出的可以进行数量的定性数据。属性GR&R1.属性GR&Rn 验证目视检查中的属性数据及测量系统的正确性。n 针对属性数据实施的检查或者检验标准的验证。n 决定检验员是否以同一标准进行检验。n 把检验员能力数据化，据此保证检验员能够反复进行正确的检验判定。n 鉴别检验员在什么程度上符合“检验标准、检查样本”。n 找出检验员需要进行培训的领域、检验指导要点不足的领域、检验标准不明确的领域。属性GR&R的目的7从黄色到橘色的范围内，产品颜色不一有偏差，对于这些颜色是否在合格范围内的判断，会影响到产品成本、顾客满意度，因此颜色的合格与否的判断，就属于属

6、性 属性R&R的对象。橘色领域：不合格黄色领域：合格用属性R&R对以下的比例进行评价.对同一件样品反复评价能得出相同结果的比例（不同检验人员评价）对同一件样品反复进行同样的判定，符合检验标准的比例（同上）相关检验人员全员对同一件样本进行判定，得出同样结果的比例相关检验人员对同一件样品进行同样的判定，符合检验标准的比例通过评价结果找出改善点并进行相应对策基准合格与否界限产品的颜色在界限线附近产生偏差因此，用属性R&R验证不仅仅是颜色的问题，定性判断的过程几乎都属于属性GR&R的对象。1.属性GR&R合格与否判定困难判断人员以自己的感觉判断会产生偏差？判断人员不同结果也会不同？8Step 1:属性

7、的定义（例：合格/不合格）及判断标准明确化。Step 2:样本的准备。标准数量30。Step 3:选择检验员人以上。Step 4:建立Minitab或者属性R&R的空白表格工具：属性R&R.xlsStep 5:各个检验员独立并且随机对样本的属性值 （例：合格/不合格）进行判断，并把结果输入 Minitab或者属性R&R空白表格中。Step 6:各检验员进行两次尝试。Step 7:分析结果并组织成文本。Step 8:必要的地方实施对策。Step 9:为了验证对策是否有效，再次用属性GR&R对结果进行 验证。属性GR&R使用步骤属性GR&R步骤9明确属性的定义及判断基准.明确定义属性GR&R对象测

8、量系统的输出属性值。.明确目前的判断基准。判断基准不明确时，在使用属性R&R之前，通过顾客 、熟知相关过程的人员、相关专业人士等的帮助，制定明确的基准。（判断基准不明确的话，只通过修改基准就能得到效果的事件也算不少。宝山注目。）属性GR&RStep 110准备样本、评价人员【Step 2 准备样本】(1)样本数量，至少准备30个。样本数太少的话，得出的结果的推测区间的范围就会增大，只会得出含混不清的结果，但是如果太多的话，使用GR&R的负担就会增大。(本工具可以使用100个数据)(2)准备各属性有相同的构成比例的样本数量。例如，属性是合格/不合格的话，准备合格50%不合格50%(3)尽可能选择

9、各属性的区域内的样本【Step 3 选择检验员】选择相关测量系统的实际正在进行或预计要进行属性判定的人，人。属性GR&RStep 2,311属性GR&RStep 4,5,6（Minitab）在文档中输入数据输入判定基准输入个检验人员的第一次、第二次的判断结果数据资料：属性GRR.MTW12属性GR&RStep 7（Minitab）选择属性一致性分析统计品质工具属性一致性分析13选择本项选择C3C8输入3（人）输入2（回）选择C2输入完成后点击OK键属性GR&RStep 7（Minitab）在对话框中输入，对结果进行设置統計品质工具属性的一致性分析点击检验员内/间的评价一致率（）14属性GR&R

10、Step 7（Minitab）反复性再现性有反复性且与基准一致有再现性切与基准一致各判定者Try2回一致判定出来割合各判定人员试验Try2次做一致性判定，结果一致且与判定基准相符的概率全员试验Try2次全都一致全员试验Try2回次都一致且与判定基准也一致输出结果把合格判定为不合格的数量把不合格判定为合格的数量第一次和第二次得出不同判定结果的数量目标 100%15属性GR&RStep 7（Minitab）输出结果検査者検査者 32110090807060504095.0%信頼区間検査者検査者 32110090807060504095.0%信頼区間分析日:報告者:製品名:他:評価一致評価一致検査者

11、内検査者内検査者対標準検査者対標準互相有重叠的区域检验员之间，不存在统计方面的有意差置信区间的评价16属性R&R空白表格的的组合【工具：属性R&R.xls】.属性范例一栏中填写相应属性R&R中使用的属性名称。为了方便填 写，可以缩短名称或使用代号。重点是统一相应属性R&R表格内的属性描述。输入相应属性R&R的各项信息。.输入符合各样本判断基准的结果（熟练人员的判断）。输入相应属性R&R的各项信息输入符合判定基准的结果注意对检验员保密！输入属性名称（可以简略话。例：合格合）属性GR&RStep 4（空白表格）17进行判定训练.各检验员相互之间对判定结果保密，并且，使判定结果和样本之间的关系不容易

12、记忆，各检验员各自随机进行检验，并把检验结果记录在空白表格中。重复第二次。为了避免第一次判定内容对记忆的影响，更改变化两次样本的顺序，或者在两次之间设置充分的间隔。各检验员各自按照随机顺序进行两次尝试属性GR&RStep 5,6（空白表格）18分析结果（输入数据的表格）中略YY各判定人员试验Try次得出一致结果的比例各判定人员试验次做出了一致性判断，且与判定基准相一致的比例全员两次都一致全员试验两次都一致且和判定基准一致反复性再现性有反复性且与基准一致有再现性且与基准一致属性GR&RStep 7（空白表格）19分析结果2（统计评价表格）再现性有再现性且符合基准UCL：以95的信赖性推测出总体的

13、统计值的上限LCL：以95的信赖性推测总体统计值的下限目标 100%互相之间有重叠的区域检验员之间，不存在统计上的有意差置信区间评价属性GR&RStep 7（空白表格）有反复性且符合基准反复性20【有问题存在时】寻找对策，改善后再评价 Step 8.对策实施原则上，有再现性且符合基准的比例不足80的情况下，应实施对策。（但6080%时，用成本和重要性进行判断）着眼点（代表性观点）判定基准有无问题对判定人员的培训是否不足辅助判断的设备、工器具、指导书或判断方法是否有问题判定人员的能力是否有问题找出原因，寻找必要的对策Step 9.改善是实施后、再评价实施改善后，再次循环Step2到Step7的过

14、程，确认已经得到改善。属性GR&RStep 8,921巧克力的外观检验【活用：属性RR.xls】判断巧克力的外观（颜色、形状、标志）是否合格）与流程图练习相同，分组（34人）进行。选择1人操作电脑，其他人做检验员。）制作检验标准。操作电脑的人打开Minitab或者属性RR工具，并且对合格、不合格时，填入表格的内容进行定义。）为了让检验员们互相不知道对方的检验结果，操作电脑的人员负责每次 叫一名检验员，对巧克力的外观进行检验，并输入判定结果。重复两次。【留意点】同一名检验员第一次和第二次不要连续检进行。第二次检验时，打乱第一次的样本检验顺序（为了随机进行检验）需要时间分钟。）检验结束后，电脑操作

15、人员在讲师的指导下输入判定的结果。）小组讨论检测结果，必要时，推奨提起。）分析结果，选择代表进行发表。教材：30个外观不同的巧克力样品属性GR&R练习22是对连续数据的测量系统的误差进行评价的手法。误差是用输出数据的，由测量系统本身引起的偏差占总体偏差的比例来评价。连续数据 以连续的数值形式输出的数据，例如长度、重量、温度、电压等。关于连续GR&R2.连续GR&Rn理想的测量系统，输出的结果是“真值”（偏差零，方差零）。n通过对测量系统的调查，能够得出由于测量误差引起的过程数据的变动（%）信息。n测量系统的调查，是对2个以上的测量装置或者2人以上的操作人员互相进行比较时很有用的工具。n测量系统

16、评价，是对生产中使用的新的测量装置进行许可性评价时的一个重要标准。n测量系统评价，在对被怀疑有问题的测量装置进行检查时，是检查的基础。连续GR&R的特征23假如有件产品，其全长尺寸对其性能产生巨大影响，产品出厂前要对其尺寸进行测量。测量不正确的话，就会给顾客传递不良品，需要花费修理费用。用连续GR&R评价以下内容（抽取主要内容）.测量系统的%贡献率的评价（越接近0越优秀）评价由于测量系统引起的数据偏差变动的比例能够区分的范围数的评价（数值越大越优秀）对于固定的测量区间，被该测量系统细分到何种程度，还能识别测量值的 不同，进行评价 分析评价结果，采取必要措施所以、用连续GR&R进行验证就可以进行

17、校正了加工尺寸测量发货基准内基准外修理废弃2.连续GR&R尺寸测量值奇怪测量系统有无反复性、再现性？24n所谓谓再现现性，是指不同操作者用同样样的装置对对同一个零件进进行统统一特性的测测量时产时产生的测测量平均值值的偏差。再现现性，还还必须须得考虑虑不同测测量装置（不仅仅是不同操作者）产产生的偏差。再现性的定义再现现性操作者 操作者B性能特性变变量R&R研究，把测测量系统统的再现现性进进行数据化。操作者之间间差异的数値化2 22s ss ss s+=s ss ss ss s2222=+测测量系统统产产品全体全体产产品反复性再现现性25n装置的反复性，是指使用同一装置，一个操作员对员对同一零件的

18、同一特性进进行反复测测量时产时产生的测测量偏差。反复性，也可以应应用于（无人的）自动测动测量装置的反复测测量。变变量R&R研究，把装置的反复性数值值化。反复性一个零件的真值值装置的反复性的数値化性能特性反复性的定义2 22s ss ss s+=s ss ss ss s2222=+测测量系统统产产品全体全体产产品反复性再现现性26测量系统的方差n2测量系统（MS）2反复性2再现性Gage R&R的主要输出测量系统，是针对某个应用，决定其合适还是不合适。nMS与公差（Tolerance）相比较：精密性相对公差比（P/T）（Precision/Tolerance）MINITAB中，称作容许度表示公差

19、中有测量误差占百分之多少nMS与产品/过程变动相比较：精密性相对于总变动量比（P/TV）（Precision/Total Variance）MINITAB中叫做偏差度也称作%R&R表示测量误差占总变动量的百分之几各数据的偏差指标用方差(2)来表示，总体的方差是真值的方差和测量系统的方差的和。测量系统的方差是反复性方差和再现性方差的和。T=Tolerance（公差）TV=Total Variance（总变动）P=Precision（精密性）27分辨率（识别率）n器具能检测出来的，能正确显示的基准值的变化量n测量器具的分辨率至少应该是测量范围的10分之1。1234512345不充分的分辨率充分的分

20、辨率28判定基准项目判定寄予度P/TV(偏差度)P/T(容许度)测量系统在容许范围内。1%10%测量系统应用时应进行容许判定。应基于相应测量的重要性、测量装置的成本、修复成本进行决定。应得到顾客的承认。1%9%10%30%测量系统不能得到允许，应进行改善。9%30%项目判定能区分的范围数测量系统在容许范围内。5以上测量系统不能得到允许，需要改善。4以下29Step 1:确认对象的长期偏差范围Step 2:准备长期偏差范围内的代表性样本Step 3:选定相应过程的操作人员（测量人员）Step 4:测量设备（量规）校正（必要时）Step 5:设置MINITAB文档，使其能够填写收据Step 6:第

21、一个操作员对各样本进行随机测量，完成后 第二个人同样进行测量 选定的人员全部进行本操作Step 7:Step6中操作结果输入MINITABStep 8:MINITAB中进行结果分析Step 9:基于判定标准制定对策并实施（必要时）Step 10:再评价效果确认（实施对策后）连续GR&R的流程连续GR&R的实施流程30选择样本、操作员及进行测量机器的校正Step:确认测量对象的长期偏差范围调查迄今为止的实际状态，对选择怎样的测量值范围进行 评价可以涵盖长期偏差的范围进行确认。Step 2:样本选定选择10个Step 1中确认的代表长期偏差范围的样本。尽可能使10个样本在长期偏差范围的上下限之间无

22、偏斜 分布。如果无法判定长期偏差的范围，就取30个样本。首先，选定选取样本中的最大值和最小值样本，然后在剩下 的28个中平衡选取8个。Step 3:选出操作人员选择3名以上的操作员进行对该测量系统的测量。Step 4:测量器具(量规)的校正 确认测量器具是否在校正周期的期限内，必要时进行校正。连续GR&RStep 1,2,3,431MINITAB测量数据输入文档设置Step 5:MINITAB文档中制作输入模板10个样本，由3个操作人员重复三次测量，制作以下表格。途中略格式样本文档中输入标题列1：零件编号列2：操作人员列3：测量次数列4：测量数据输入各项目的数据MINITAB基本操作计算样本数

23、据作成数据的简单组合输入样本做成条件连续GR&RStep 5-132数据的简单组合页面的基本操作返回操作时时：CtrlE零件编号.输入条件操作员输入条件测量次数输入条件作成条件詳細连续GR&RStep 5-2 33实施测量并输入结果Step 6:随机对选定的样本进行测量完成之后，下一个测量人员进行测量。各测量人员分别进行测量。Step 7:按照规定的次数重复Step6，测量结果输入Step5中制作的MINITAB工作表中。测量结果输入MINITAB工作表中测量时的注意点样本测量顺序应为随机各测量人员互相之间对测量结果保密样本数以10为选取标准测量人员(测量设备)为2个以上重复测量2次以上连续G

24、R&RStep 6,734结果分析Step 8:MINITAB中计算出GR&R，对结果进行分析 数据输入之后教材：连续GR&R_TEXT.MTWMINITAB基本操作統計品质工具测量器分析测量器的R&R分析（交差）输入各种計算条件（Step8-2参照）OK连续GR&RStep 8-135测量器的R&R分析（公差）、及选择画面中各种条件的输入输入数据名称确认选择分散分析连续GR&RStep 8-2点击OPTION下页页36测量器的R&R分析（公差）、及选择画面中各种条件的输入连续GR&RStep 8-2LSLUSLLSLUSLTPMSMS=ss*6*6/2totalMStotalMSTVPsss

25、s*6*6*6*6/22=这种情况下公差设定 为837 部品部品再現性繰返性R&R100500寄与率度許容度標標本本範範囲囲1.00.50.0_R=0.342上方管理限界=0.880下方管理限界=0123標標本本平平均均20-2_X=0.001上方管理限界=0.351下方管理限界=-0.348123部品番号部品番号1098765432120-2 32120-2部品番号部品番号群群平平均均10 9 8 7 6 5 4 3 2 120-2123名:分析日:報告者:許容限界:他:変動成分変動成分 R管理図 R管理図 X-bar管理図 X-bar管理図測定 部品番号測定 部品番号測定 測定 *部品番号

26、交互作用*部品番号交互作用測定対R&R（分散分析）測定対R&R（分散分析）理想的测量系统中，输出的各种表格应该是什么形状的？连续GR&RStep 8-3 输出结果（图表）38变动成分图表、操作人员的R控制图各变动要素中的贡献度、偏差度、容许度，用棒状图表示。关于贡献度，理想状态为，GR&R、反复性、再現性的値全部为0%，零件与零件的值为100%。纵轴是反复测量时的范围（最大最小）,横轴区分每个操作人员，测量的每个零件。最理想状态是所有的范围都为0。连续GR&RStep 8-3-a39操作人员的X-bar管理图、测量数据零件编号图表纵轴是反复测量的数据的平均值，横轴是区分开每个测量人员。每个测量

27、人员的图形样式都一致，上方、下方管理界限的范围越小越理想。纵轴是测量值、横轴是零件编号。各零件测量值的点都重合并且和实际值一致是理想状态。连续GR&RStep 8-3-b40测量结果测量人员、测量人员零件编号交替作用图表纵轴是测量值，横轴是测量员。理想状态是连接线成一条直线，各测量员测量的点的偏差形状都一致。纵轴是各测量员反复测量的数据的平均值，横轴是零件编号。可以判定是否存在由于零件的不同，测量难度方面的不同。理想状态是所有线都重合。连续GR&RStep 8-3-c41连续GR&RStep 8-4 输出结果（session窗口）Gage R&RGage R&RANOVAANOVA方式方式变变

28、异源异源 方差方差成分成分 标标准差准差（SDSD）偏差偏差度（度（6 6*标标准准差）差）合计GR&R 0.09143 0.30237 1.81423 反复性 0.03997 0.19993 1.19960 再現性 0.05146 0.22684 1.36103 测量员 0.05146 0.22684 1.36103零件与零件 1.08645 1.04233 6.25396全变异 1.17788 1.08530 6.51180由于测量系统产生的变异（2MS）（反复性2Rpt及再現性2Rpd区分开）各变异成分的标准差标示变异的99.73相对于零件的变异（2Product）总变异量（2Total

29、）测量值真值42变异源 方差成分 贡献度（VarComp）合计GR&R 0.09143 7.76 反复性 0.03997 3.39 再現性 0.05146 4.37 测量员 0.05146 4.37零件与零件 1.08645 92.24全变异 1.17788 100.00变异源 标准差 偏差度 偏差度 容许度 （SD）（6*标准差）（%SV）（SV/Toler）合计GR&R 0.30237 1.81423 27.86 22.68 反复性 0.19993 1.19960 18.42 14.99 再現性 0.22684 1.36103 20.90 17.01 测量员 0.22684 1.36103

30、 20.90 17.01零件与零件 1.04233 6.25396 96.04 78.17全变异 1.08530 6.51180 100.00 81.40连续GR&RStep 8-4 输出结果（session窗口）%86.2710051180.681423.1100*6*6/22=totalMSTVPss%68.22100881423.1100*6/2=LSLUSLTPMSs%76.710017788.109143.010022=totalMSss寄与度43连续GR&RStep 8-5 量具运行图n分测量员和零件，制作量具的运行图n测量员与单个零件及相互间的反复性及再现性都可以用图表表示。MI

31、NITAB基本操作統計品质工具测量器分析量具运行图输入各种计算条件OK输入各数据名称44连续GR&RStep 8-5 量具运行图測測定定 平均20-220-2平均12345678910123名:分析日:報告者:許容限界:他:変数:部品番号:部品番号、測定:部品番号、測定45对策实施（必要时）Step 9:根据判定基准判断实施对策的必要性，不满足基准时需要实施对策。测量系统评价结果很差时的处理方法1.确认测量系统的规格是否满足测量数据要求的精度，如果不 满足的话，更改为合适的测量系统。2.结果差是由于测量器的反复性时，进行修理（调整）、更换等。3.由于测量员的不同出现再现性时，明确作业流程并对测

32、量 员进行培训及训练。但是，到底是作业流程的问题还是测量人员的技能问题，应彻底查清楚之后再实施相应对策。连续GR&RStep 9-146再评价效果确认（实施对策时）Step 10:为确认对策是时候的改善效果，应再次重复Step 1Step 8。連続GR&RStep 1047质量差的量具处理：n最显著的变异源是反复性（测量装置）时，需要更换、修理或调整测量装置。n与测量装置的供应商讨论，或者通过查专业书，发现使用中的量具的应用技术处于最高水平，并且也按照标准书进行作业，但即使是这样，也应该对量具进行修复。临时可以使用信号平均法。（下页中说明）n当最显著的变异源是测量员（再现性）时，进行标准作业流

33、程的修正及培训。通过观察测量员，看到底是培训方法的问题还是操作流程的问题，或者是两者都有问题。n检查规格值是否合理。n即使量具能力刚好靠近界限值（偏差度、容许度30%），如果过程能力很好（Ppk数值大于2），可以推测量具并没有对过程造成影响，可以不予修改或调整。48Signal averaging（信号平均法）n尽管正在使用的测量系统规格是最高水平，并且功能正常，但是仍然能力不好的话，可以考虑使用Signal averaging（信号平均法）。信号平均法，是对同一件物品进行反复测量，取平均值，从而降低偏差幅度的方法。N次测量的平均值比仅测量一次的偏差值要低/n。n但是，增加测量次数就意味着降低

34、了工作效率。信号平均法，只能作为在实现高精度测量系统之前的暂时的处理对策。n测量系统的评价结果如果接近必须采取对策的能力边缘，而使用该测量系统的过程能力很高(Ppk2)的情况下，可以不用采取对策。n1中心极限定理xxxxxxxxxxxxxxxxxx每个数据的分布平均値的分布偏差小49能区分的范畴数（分辨力）n也可称作认知区分数：Number of distinct categories、个别范畴数、分辨力。n测量系统能辨别多微小的差异，用能区分开的分组数来表现的指标。n这个数据越大，意味着越能区分出微小的差异。n这个数据正常是5或者大于5。222=MSpss区分数测量值在这里还是这里还是这里还

35、是这里范畴数（范畴数为的事例）计算公式Minitab：小数点以下舍掉50其他问题点n测量员人数过程中有两个以上作业员时，随机选择24名。过程中没有作业员或只有1人时，可以忽略再现性。n样本数应选择满足以下条件的、充足的样本数（样本数）（测量员人数）15上述条件无法实现时，测量次数按照以下条件规定：nSO4 时，测量次数=6S=样本数、O=测量员人数nSO5 时，测量次数=5nSO8时，测量次数=4nSO15时，测量次数=351教材：尺寸不同的垫圈10枚连续GR&R练习n随机选取样品10件。n每件产品拟定1个测试位置，每个位置随机测试3次，根据位置的编号分为1组，共60个数据进行分析。n分析各测

36、量员的重复性以及再现性n求取合计量具变异n达到要求方可使用.测量系统事前准备事项选取样件时，样件要尽量覆盖整个生产制程样件的尺寸范围覆盖面尽可能的广（但不能超过规定的尺寸限度值）。原因详见“可区分类别类别数”；测量之前需要针对要测量的样件规定测量方式、测量基准；使用的量具需要精度较高，一般要求精度误差为产品尺寸公差范围的1/10或测量尺寸极差值的1/10。在这里我们选取两者较小的1/10，一般为测量尺寸极差的1/10，因为大部分情况下：测量尺寸范围公差范围；测量时要遵循随机原则。测量数据测量员 马春秀 2010年1月27日产品序号第1次第2次第3次1 13.950 13.958 13.946

37、2 13.955 13.956 13.950 3 13.938 13.940 13.942 4 13.944 13.950 13.948 5 14.000 14.005 14.008 6 13.932 13.936 13.934 7 13.948 13.952 13.946 8 13.964 13.959 13.961 9 13.956 13.958 13.949 10 13.980 13.982 13.985 测量员 申凡2010年1月27日产品序号第1次第2次第3次1 13.945 13.948 13.952 2 13.950 13.949 13.957 3 13.945 13.940 1

38、3.938 4 13.946 13.950 13.946 5 13.998 14.002 13.996 6 13.929 13.928 13.935 7 13.947 13.949 13.952 8 13.958 13.965 13.964 9 13.948 13.951 13.952 10 13.990 13.986 13.981 录入数据如图所示：大体可分为3列，“部件号”列、“操作员”列、和“测量数据”列。其中“测量数据”列可以根据图纸要求测量的数据分为多列。部件号为测量数据所对应的序号，此处为1-10循环排列；姓名为两人，也是与测量数据相对应。数据部分是将上表中的所有数据按照顺序排为一

39、列。选择测量方法如图所示，选取：“统计”“质量工具”“量具研究”“量具R&R研究（交叉）”在我司一般选取“交叉法”。具体原因见下页“小注”小注：选择交叉分析法的原因：量具重复性和再现性研究确定观测到的过程变异中有多少是因测量系统变异 所致。使用 Minitab 可以执行交叉或嵌套量具 R&R 研究。当每个部件由每个操作员多次测量时，请使用量具 R&R 研究（交叉）。当每个部件只由一名操作员测量（如在破坏性试验 中）时，请使用量具 R&R 研究（嵌套）。在破坏性试验中，测量特征在测量过程后与其在开始时不同。撞击试验即是破坏性试验的一个例子。选择交叉或嵌套选择交叉或嵌套如果需要使用破坏性试验，则必

40、须能够假定一个批次中所有部件的相同程度高到足以声称其为相同的部件。如果无法做出此假定，则一个批次中部件之间的变异将掩盖测量住系统变异。如果可以做出此假定，则为破坏性试验选择交叉还是嵌套量具 R&R 研究取决于建立测量过程的方式。如果所有操作员都测量来自每个批次的部件，则使用量具 R&R 研究（交叉）。如果每个批次只由一名操作员测量，则必须使用量具 R&R 研究（嵌套）。实际上，只要操作员测量独特的部件，就属于嵌套设计。过程变异测量系统变异实际产品变异选择测量方法如图所示，依次根据提示选择右侧框要求填入的内容。分析方法，我们选择“方差分析”。双击后自动填入右侧要求的空白处选择方差分析法的原因如下

41、页（小注）小注：选择方差分析法的原因：Minitab 为量具 R&R（交叉）提供了两种方法：X 和 R 法或方差分析法。X 和 R 法将整体变异分为三种类别：部件间变异、重复性和再现性。方差分析法进一步将再现性划分为其操作员以及操作员与部件交互作用这两个要素（如下图所示）。在某种程度上，方差分析法比 X 和 R 法更准确，因为它考虑了操作员与部件交互作用，所以我们选择“方差分析法”。选择测量方法如图所示，点击“量具信息”，填入量具信息内容后，点击“确定”键。选择测量方法如图所示，点击“选项”，“规格上限-规格下限”可以填入产品的公差。如我们的公差为0.05mm，则我们的公差输入为0.1.输入完

42、成以后，点击“确定”键。测量结果图示：图示分析：“研究变异”与“贡献值”的关系为：研究变异=贡献值总变差（合计变异）工艺变差（部件间差异）量具（R&R)量具（R&R)再现性重复性产品*测量员再现性测量员97.17%+2.83%=100%2.76%+0.06%=16.4595%R控制图每个产品测量3次，这3次的最大值减去最小值即为每个样品极差（最大值-最小值=样本极差）从上图可以“马春秀”测试的第一个产品的重复性相对较差，最大值与最小值之间的差异为0.012mm。其余各点的测试较为均衡。每个点值代表：测量员每个产品测量3次求取的平均值将两图放到一个坐标系内进行查看。根据点的重合度及差异大小可以察

43、看某个产品测量时是否出现问题，以查找原因所在。数字“1”代表产品编号，圈内所代表的点为每个产品所测量的值所在位置，因为一共有2个测量员，每个人测量3次，所以图中一共有六个圆圈点。折线所连的点为6次测量数值的平均值-即最大的带有“+”号的圆圈。从上图可以看出1#、5#、7#件在测量时的精确度较差。如果测量系统的R&R偏差较大，可以对1#、5#、7#产品进行原因分析。“精确”与“准确”关系见下页图“准确”且“精确”“准确”但“不精确”“精确”但“不准确”既“不准确”也“不精确”“准确”与“精确”关系测量值*人10个产品，每个产品测量3次，所以每个测量员位置上共有30个点。横线所连得带有“+”的点为

44、30次测量所得的平均值。来源标准差(SD)研究变异(6*SD)%研究变异(%SV)合计量具 R&R0.00352420.02114516.81重复性0.00348490.02090916.62再现性0.00052510.0031512.51C20.00052510.0031512.51部件间0.02066350.12398198.58合计变异0.02096180.125771100可区分的类别数=813.960.05 mm的量具 R&R 判定方法如下页：来源方差分量方差分量贡献率合计量具 R&R0.00001242.83重复性0.00001212.76再现性0.00000030.06C20.0

45、0000030.06部件间0.00042797.17合计变异0.0004394100MSA-尺寸尺寸测测量系量系统统分析判定方式分析判定方式Gage R&R判断原则（%研究变异 列）%R&RResults30%则测量系统不可接受，并应予以改进。Gage R&R判断原则（%贡献 列）%R&RResults1%测量系统可接受1%-9%测量系统是否可接受取决于具体应用、测量设备成本、维修成本或其他因素9%则测量系统不可接受，并应予以改进。上页表中的“%贡献列”的%R&R值为2.83%处于1%-9%范围以内，所以测量系统是可以接受的。上页表中“%研究变异列”的%R&R值为16.81%处于10%-30%

46、范围以内，所以测量系统是可以接受的。Minitab 通过将部件的标准差除以量具的标准差，然后乘以 1.4 14来计算此声明中的类别数。然后，Minitab 会截断该值的尾数，除非该值小于 1。如果小于 1，Minitab 会将可区分类别数设为等于 1。此数字表示要跨越产品变异极差的非重叠置信区间 数。您也可以将其视为测量系统可识别的过程数据中的分组数。假设您测量 10 个不同部件，Minitab 报告说您的测量系统可以识别 4 个可区分类别。这意味着，10 个部件中某些部件的差异不够大，不足以被测量系统识别为存在差异。如果希望识别出更多可区分类别，需要更精确的量具。汽车工业行动组织(AIAG)

47、建议，当类别数小于 2 时，测量系统对于控制过程毫无价值，因为无法区分各个部件。当类别数为 2 时，数据可分为两组，如高和低。当类别数为 3 时，数据可分为三组，如高、中、低。5 或更高的值表明测量系统可接受。本次测量系统的 可区分类别数为85,所以测量系统可接受。可区分的类别数：可区分类别数小的原因：p分子过小，产品之间波动小。一般来说验证测量系统（不是评价过程能力等）测量过程要满足随机原则，而样本抽样时尽量选择能代表总体特征的样品）p2，分母过大p量具方面，比如量具能够测量的最小单位与样件间的误差相差不够大。p测量人员之间对同一尺度（同一产品的同一特性）的测量确实存在较大的差异。p测量过程本身也很重要，比如棒料两端不一致、片材（壁厚）厚度不均，（由于不知何种产品）我们假设是直径，圆柱度不够而带有椭圆，两次测量分别落在长轴和短轴上（如果是同一人测量，差别就会归结到重复性，如果是不同人差别就会归结到再现性（包括交互作用），无疑增大分母），这类问题细说起来比较麻烦，所以验证之前，要做好测量过程的“规定”和标记以减少不期望的因素的干扰，让过程和数据比较清晰。选选取取样样件原件原则则：取样时尽量使样件覆盖整个生产制程，即选取的样件在规定的尺寸范围内，分布的尽可能广。这样便增大了产品之间的波动，使可区分类别数的分子增大。假设量具间的波动是不变的，可区分类别数便增大了。