计数型及计量型分.pptVIP

基本计数型（离散数据）分析方法 离散数据Gage RR目标 估计总量一致性 估计不一致的不同类型 确定一致性可否接受 寻找改进的机会 离散数据Gage RR指标 一致性总百分比 ---量化测量系统误差； 可重复性一致性百分比 ---量化操作员个人误差； 可再现性一致性百分比 ---量化操作员之间误差； 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） 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技术 P observed---判断一致性比率; P chance ---偶然达成一致比率; Bill Blackbelt正在努力改进一个具有高退货率的油漆过程 在工程早期，由于很明显的检验员之间和检验员内部的差别，所以测量系统就是一个关注的问题 下一页的数据是在测量系统研究中收集的。 需要计算每个操作员的Kappa和操作员之间的 Kappa Kappa 例子#1 First Mea. Second Mea. First Mea. Second Mea. First Mea. Second Mea. Part A A B B C C 1 Good Good Good Good Good Good 2 Bad Bad Good Bad Bad Bad 3 Good Good Good Good Good Good 4 Good Bad Good Good Good Good 5 Bad Bad Bad Bad Bad Bad 6 Good Good Good Good Good Good 7 Bad Bad Bad Bad Bad Bad 8 Good Good Bad Good Good Bad 9 Good Good Good Good Good Good 10 Bad Bad Bad Bad Bad Bad 11 Good Good Good Good Good Good 12 Good Good Good Bad Good Good 13 Bad Bad Bad Bad Bad Bad 14 Good Good Bad Good Good Good 15 Good Good Good Good Good Good 16 Bad Good Good Good Good Good 17 Bad Bad Bad Good Bad Good 18 Good Good Good Good Good Good 19 Bad Bad Bad Bad Bad Bad 20 Bad Good Good Bad Bad Bad Kappa 例子#1 在每个单元格中填入收集到的信息 Kappa 例子#1 第一格代表分级员A在第一次 和第二次测量中判定为优良的 次数 Kappa 例子#1 第二格代表分级员A在第一次测量中判定一个单元为次劣，在第二次测量中判定为优良的次数 Kappa 例子#1 第三格代表分级员A在第一次测量中判定一个单元为优良，在第二次测量中判定为次劣的次数 Kappa 例子#1 第四格代表分级员A在第一次测量和第二次测量中判定一个单元为次劣的次数 Kappa 例子#1 边格的数字代表行和列的总和 Kappa 例子#1 分级员A比例 下表代表上表的数据，其中每个单元格用总数的百分比来表示 代表10/20 Kappa 例子#1 由行和列的总和计算而得 Kappa 例子#1 Pobserved 等于上表对角线上概率的总和： P observed =(0.500 + 0.350) = 0.850 Pchance 等于每个分类概率乘积的总和： Pchance =(0.600*0.55) + (0.400*0..45) = 0.51 那么 Krater A=(0.85 - 0.51)/(1 - 0.51)=0.693＜0.7量测系统不可靠 Kappa 例子#1 Attribute Agreement Analysis 应用案例一：检查站技能检定（go / no go） MINITAB： Stat Quality Tools Attribute Agreement Analysis EXP：某检查站共有9个检查员，对制品作GO/NO GO判定，请对其作判定技能分析。 解： 步骤一： 1、样本选定（