MSA量测系统分析简体.pptVIP

* 使用時機： 分辨好/壞（Go / No-Go） 區別等級（1~5級） 判別： 分為一致性及正確性的判別：評估者本身的差異、 評估者之間的差異及與標準比較的差異。 資料結構： 順序型(Ordinal)：有三個以上的水準，例如：非 常不滿意、不滿意、普通、滿 意、非常滿意或是1,2,3,4,5 的分數。 類別型(Nominal)：有兩個以上的水準，例如： 韌的、軟的、脆的等。 Attribute Gage RR * 資料型態 數值範圍 判定準則1 Kappa ．類別型 ．順序型 -1 ~ +1 (一般為0 ~ +1) ．MSA(3rd E.) Kappa0.75很好 　Kappa0.4 很差 ．Minitab 　Kappa0.9 很好 　Kappa0.75要改善 Attribute Gage RR * Attribute Gage RR 有效性的判定準則2: 有效性：Effectiveness 失誤率：Miss Rate 誤警率：False Alarm Rate * 範例:Attribute Gage RR 實驗例証說明: 評價小組對計數值量測系統進行研究，小組於生產中隨機 選取50個零件，同時選用3名評價者(A、B、C)並對每個零 量測3次。 假設：1為可接受， 0為不可接受， X為模糊可疑區 SU SL 採用計數值(go/no go)量規最大風險 位於規格界線處(藍色區域) 尺寸規格 ＋ － － × × 目標值 拒絕區 允收區 拒絕區 模糊可疑區 * 範例:Attribute Gage RR * 範例：Attribute Gage RR 基準: 1為好的(可接受的)， 0為不好的(不可接受的) * 範例：Attribute Gage RR * 範例：Attribute Gage RR * Po = 觀察的一致性次數 Pe = 期望的一致性次數 N = 觀察的次數(如一個評價者觀察50 個樣品共3次，則N為150) Kappa 不考慮評估者之間的不一致性有多大，只考慮評估者之間是不是一致 範例：Attribute Gage RR * A的Kappa＝ (46+99)－(15.68+68.68) 150－(15.68+68.68) 145 －84.36 150－84.36 = 60.64 65.64 = = 0.92 Po=46+99=145 (45,97為實際觀察的個數) Pe=15.68+68.68=84.36 48 150 X 49=15.68 102 150 X 101=68.68 範例：Attribute Gage RR * A的有效性（%）＝ ﹝50－(3+2)﹞ 　　50 　45 　50 　90% ＝ ＝ X 100% X 100% 範例：Attribute Gage RR * A的失誤率＝ A的誤警率＝ 2 48 3 102 X 100% = 4.2% (將不好的“0”判為好的“1”) X 100% = 2.9% (將好的“1”判為不好的“0”) 範例：Attribute Gage RR * 範例：Attribute Gage RR Kappa 分析 判定： 以嚴謹的方式來看，A,B,C三人均不合要求 但一般而言，A,B二人是可以接受的 * Workshop 请根据示范( Minitab: Gageaiag.MTW ) 计算重复性与再现性，并作判断。 * 分辨率(分辨力)： 分辨率不足 分辨率良好 * 八、如何进行量测系统分析 1.创建必要之指导书文档，例如分析指导书等。 2.创建必要之程序书，以管制所有量测系统维持在正常及最 佳状态。 3.须有合格之分析人员，待分析之量具，以及必要之环境。 4.依据相关之指导书运行分析作业。 5.搜集足够之数据，再依据所使用之分析表单运行分析作 业。 6.应有分析结论判定此量测系统是处于可接受、勉强接受或 不能接受。 * 九、量测系统分析-计量值示范： ?1.偏倚示范： 一个制造工程师对量测设备系统进行分析，证明该量测系统应该没有线性误差的考量，所以该工程师只对偏倚进行评价。他在这量测系统范围内选定了一个零件；并对该零件进行量测15次来确定它的参考值。 * 偏倚数据：(续) 測　　量　　次　　數 零件編號 參考值=16.00 量測值 偏倚 1 15.8 -0.2 2 15