M3-MSA量測系統分析(3小時).pptVIP

拥有庞大的管理资料库 MSA量測系統分析Measurement System Analysis 哪個製程較好呢？ 测量系统验证 测量系统误差 系統精密度不好的原因 步骤 1. 选定代表製程长期变动的10个樣本 2. 量测儀器的校正 3. 让第一个作业者对所有樣本任意顺序各做一次量测 (Blind Measurement) 4. 让第二个作业者按同样地方法实施(所有作业者相同) 5. 以同样的方法按必要的次数重复量测 6. 得到的DATA输入Minitab并进行分析 樣本的选定 樣本一般为10个，能代表製程的散布。 NDC分辨指数 Minitab 输入DATA 利用Minitab的分析 属性数据测量系统分析Attribute MSA Kappa属性测量系统 属性/顺序测量系统使用了接受/拒绝标准或分级，例如， 用(1-5) 确定是否达到可以接受的质量水平 Kappa技术可以用来评估这些属性和顺序测量系统 你真的拥有太多的属性数据吗? 很多检验过程能够收集连续数据，但选择属性数据以简化检验员的任务 例如，很多功能测验将连续地评估一项产品（温度、承载力，硬度等等）并以通过/失败记录其结果 设法获取连续数据 属性和顺序测量 属性和顺序测量经常依靠主观分类或分级 例子包括： 把部件特征分级为好或坏 在品尝之后分级葡萄酒的香味和口感 从1到5给雇员的表现分级 给体操打分 在利用这些测量系统之前，我们应该评估它们吗？ 不评估它们的后果是什么呢？ 测量系统分析 – 属性数据 什么方法适于评估属性测量系统？ 属性系统 － 同等处理所有误分类的Kappa技术 顺序系统 －考虑误分类等级的Kappa技术 例如，如果我们从1到5判断一油漆产品的等级，检验员A把它评为1级，检验员B评为5级，比起检验员A把它评为4级而检验员B评为5级来，具有更大的误分类 Kappa技术 Kappa适用于非定量系统，如 好或坏 通过/不通过 区分声音 (嘶嘶声、叮当声、重击声) 區分色彩亮度 通过/失败 Kappa技术 适用于属性数据的Kappa 同等处理所有误分类 要求单元之间相互独立，并且檢驗员或分级员是独立作出分级的 要求评估类别是相互排斥的 操作定义（检查标准） 存在着一些质量特点，或者难以定义或者定义很耗费时间 要一致地评估分类，几个单元必须由一个以上的评估人或判定人作出分类 如果评估员之间达成足够的一致，那么就有可能，尽管不能保证，分级是正确的 如果评估员不能达成足够的一致，那么分级的可用性就很有限了 属性测量系统中的α和β风险 α风险/生产者风险 合格产品被拒绝 不必要的报废/返工的原因 被人为削减的过程性能 β风险/消费者风险 接受了不合格产品 不满意的客户 夸大的过程性能 结果? 哪些是重要的应关心的问题？ 如果检验员之间和内部不能达成很好的一致，会有什么风险呢？ 次品正在流向下一步操作或客户吗？ 优质品正在被返工或处理掉吗？ 评估的标准是什么？ 如何度量一致性？ 什么是 Kappa? P observed 判定员一致同意的单元的比率=判定员一致判定为优良的比率+判定员一致判定为次劣的比率 P chance 预期偶然达成一致的比率=（判定员A判定为优良的比率*判定员B判定为优良的比率）+（判定员A判定为次劣的比率*判定员B判定为次劣的比率） 注意： 上述等式适用于两类分析，即优良或次劣 Kappa 要达成完全一致， P observed = 1 且 K=1 一般说来，如果Kappa值低于0.7，那么测量系统是不适当的 如果Kappa值为0.9或更高，那么测量系统是优秀的 Kappa的下限为0到 -1 如果 P observed = P chance 那么 K=0 因而Kappa值为 0表示达成一致和随机偶然预期达成的一致是一样的 属性测量系统指导 在选择研究的部件时，要考虑以下几方面因素： 如果你只有两个类别，优良和次劣，你至少应该选择20个优良品和20个次劣品 最多可选择 50个优良品和50个次劣品 尽量保持大约50%的优良品和50%的次劣品 选择不同程度的优良和次劣 属性测量系统指导 如果你的类别超过2种，其中一类是优良，其它类别是不同的缺陷方式，那么你至少应该选择大约50%的优良品和每種缺陷方式中的最少为10%的产品 你可以把一些缺陷方式合并称为“其它” 这些类别应该互相排斥，否则它们应该合并起来 分级员内部/重复性考虑 让每个分级员至少两次判定同一单元 为每个分级员建立独立的Kappa表，计算他们的Kappa值 如果某个分级员的Kappa测量值很小，那么该分级员自己没有很好地重复判定 如果分级员自己没有很好地重复判定，那么他也不能和其它分级员