测量系统分析2018年.pptVIP

* · 偏倚均值估计方程 y=－0.1317（真值）＋ 0.7367 线性 = 0.1317 × 6 = 0.79 %线性= 13. 17% · 结论： O＜R2=0.928 ＜1 强相关； %线性 =13.17%＞10% 判断为：该测量系统线性不可接受（需根据特性的重要性加以考虑). * 图13-5 |b|＜1时的线性效应 * 图13-6 |b|＞1时的线性效应 * 现在我们来说明线性系数的含义。图13-5上的直线 y=a+bx 是某测量系统的偏倚 y 与其基准值 x 的回归直线，假如基准值 x 的99%的测量结果所占的区间为（A，B），其长度| B-A |就是过程变差，通过回归直线可得偏倚 y 中 99%所占区间（ yB，yA），其长度为： | yA，yB | = | b（A-B）| = |b | × | A-B | （13-3） 我们称其为线性系数。与过程差类似，可将它看成是偏倚的变差。 * 人们当然希望偏倚的变差愈小愈好，但若反映偏倚对基准值的回归直线和斜率 b 的绝对值大于1(见图13-6)，偏奇的变差立即被放大了。图13-5图13-6的过程变差是相同的。造成偏倚的变差被放大的原因，就在于回归直线斜率的大小。这一现象对量具的量程内任一个基准值都存在，这就是线性效应。 由上述分析可知，在设计和调整量具时，首先，使使测量系统具有线性。其次，还要求其回归直线较为平坦，即斜率的绝对值愈小愈好，这对控制偏倚十分有好处。 * NO-GO GO Error Operator 2 Operator 1 定性数据(Attribute Data)的RR * Go-No Go 数据模式 人为因素主导，情况复杂 统计模型多种多样 统计学上各家争鸣，尚无定论 实践中采用何种形式，取决于实例与统计模型的接近程度 * 对于以“是”和“不是”为计数基础的定性数据，其 GRR考察的概念是与定量数据一样的。但方法上完全不同. 定性数据测量系统的能力取决于操作员判断的有效性，即将“合格”判断成合格，将“不合格”判断成不合格的程度. 计数型测量系统 能力分析方法示例 * 计数型测量系统分析——小样法 计数型计量器具简介 计数型量具就是把各个零件与某些指定限值比较，如果 满足限值则接受该零件，否则拒收。使用计数型量具，所获 得的质量数据为合格品数、不合格品数，不能取得具体的质 量特性数值。最常见的计数型量具有塞规、卡规、通止规等 界限量规。 * 计数型测量系统分析程序 （1）确定两位操作者A、B，并选择20个零件。 注：在选取20个零件时，可有意识的选择一些稍许低于或高于规范限值 的零件。 （2）每位操作者随机地将每个零件测量两次，将结 果记录在表8-12中。 表中用符号“NG”表示不合格品，“G”表示合格品。 * 表8-12 计数型测量系统分析表（小样法） 操作者A： 操作者B： 分析人： 日期： 零件编号及名称： 测量参数： 尺寸规格： 量具名称： 量具编号： 量具规格： 操作者 操作者A 操作者B 测试次数 零件 1 2 1 2 1 G G G G 2 NG NG NG NG 3 G G G G 4 G G G G 5 G G G G 6 G G G G 7 G G G G 8 G G G G * √ 9 G G G G 10 G G G G 11 G G G G 12 G G G G 13 G G G G 14 G G G G 15 G G G G 16 G G G G 17 G G G G 18 G G G G 19 NG NG NG NG 20 G G G G 分析结论： √量具可接受 □量具不可接受 □其他 * （3）对量具进行分析评价。 如果每个零件的测量结果（每个零件4次）一致，则 接受该量具，否则应改进或重新评价该量具。如果不 能改进该量具，则拒收并应找到一个可接受的替代的 测量系统。 * 大样法：以下为判断所用的指标 有效性 Effectiveness(E) - 即判断“合格”与“不合格”的准确性 E= 实际判断正确的次数/可能判断正确的机会次数. 漏判的几率 Probability of miss(P-miss) - 将“不合格”判为合格的机会 P(miss)=实际漏判的次数 / 漏判的总机会数. 误判的几率 Probability of false alarm P (fa) - 将“合格”判为不合格的机会. P (fa)=实际误判次数 / 误判的总机会数. 偏倚 Bias(B