MSA教材最新版教程分析.ppt

* 点 :对比率的点推定值 线 : 信赖区间的宽度 * Graph 解释 * ? 正确度 分析 测量已知参考值的15个部件时正确地判断了14次时,这时求正确判定的比率p的 点推定值 95信赖区间. ◎ Hint : STATBasic Statistics1Propotion Test and CI for One Proportion Test of p = 0.5 vs p not = 0.5 Exact Sample X N Sample p 95.0% CI P-Value 1 14 15 0.933333 (0.680515, 0.998314) 0.001 点推定 信赖区间 * Between Appraisers 再现性 Assessment Agreement # Inspected # Matched Percent (%) 95.0% CI 15 11 73.3 ( 44.9, 92.2) # Matched: All appraisers assessments agree with each other. All Appraisers vs Standard Assessment Agreement # Inspected # Matched Percent (%) 95.0% CI 15 11 73.3 ( 44.9, 92.2) # Matched: All appraisers assessments agree with standard. Executing from file: C:\new minitab\MACROS\GAtGage.MAC ? 测试人员之间的测量一致性的评价 ? 测试人员的综合性意见和与标准间的比较 测试人员间测出的结果一致的比率 和标准值比较之后 再比较看看所有测试人员们测出的结果一致的程度 测试一致性比率 = 对每个样品的各测试人的测试结果一致的次数 总样品数 ×100 * 一些改进想法 我们可以怎样改进这一测量系统呢？ 额外的培训 实物标准/样品 分级员认证过程 更好的操作定义 * Kappa结论 当前测量系统够能用吗？ 你将把你的改进努力集中在哪些方面？ 你将对哪些分级员进行必需的培训？ * 记住 尽力避免属性数据 操作定义相当重要 属性测量系统需要大量的维护 Kappa是测验一个主观测量系统的重复性和再现性的一个很容易的方法 * MSA使用原則 Do MSA Before： Data collection New Gage operation New system launch Improvement verification Do MSA After： Calibration Gage Maintenance New Procedure setup * 子组内样本数 A2 D3 D4 2 1.880 0 3.267 3 1.023 0 2.575 4 0.729 0 2.282 5 0.577 0 2.115 6 0.483 0 2.004 7 0.419 0.076 1.924 8 0.373 0.136 1.864 9 0.337 0.184 1.816 10 0.308 0.223 1.777 11 0.285 0.256 1.744 12 0.266 0.284 1.716 13 0.249 0.308 1.692 14 0.235 0.329 1.671 15 0.223 0.348 1.652 附录:控制图系数表 * ＥＮＤ！ ＴＨＡＮＫＳ！ * 2.线性分析：(图标法) (6）用下面等式计算和画出最佳拟合线和置信带。对于最佳拟合直线， 用公式：yi = ax i + b (g:零件个数，m:量测次数） x i = 基准值 yi = 偏倚平均值 斜率(Slope) 中心 对一个已知X0，α自信度区间为： 下限：b+aX0 上限：b+aX0 (7)划出〝偏倚=0〞的线，并对图进行审查，以观察是否存在特殊原因 ，以及线性是否可接受。 Auditor A Audit/Auditor 1 Auditor B Auditor C International Payroll Example Audit/Auditor 1 K = within auditor K = between auditor 140