MFLEX ranked 66 in
BusinessWeek’s Global
InfoTech 100 Companies
测量系统分析
Measurement System Analysis
量测系统分析重要性(4W)
计量型MSA
计数型MSA
破坏型MSA
Outline
测量系统分析,Measurement System Analysis,简称
MSA
测量本身即可视为一个流程 (process)。任何流程都存
在固有的变异，当然也包含测量流程。
确切的制程变异事实上无从得知。在现实生活里，只能
取得的观测到的制程变异(observed variation)。这里
已经包含了测量变异。因此，如果要掌握实际的制程变
异，测量系统之变异必须尽量降低。
还有什么呢?
测量系统分析之重要性
◆测量系统分析——对测量系统进行评估，验证其是否在合适的特性位
置测量了正确的参数，确定其需要具备哪些可被接受的统计特征，以便
了解测量结果的变异来源及其分布。
◆测量系统——对测量单元进行量化或对被测的特性进行评估，其所使
用的仪器或量具、标准、操作、方法、夹具、软件、人员、环境及假设
的集合；也就是说，用来获得测量结果的整个过程。
◆测量——对某具体事物赋予数字（或数值），以表示它们对于特定特
性之间的关系。
什么是测量系统分析(MSA)
What?
为什么要进行MSA
※要保证测量结果的准确性和可信度。
测量过程
原料
人 机 法 环
结果
好
不好
§ ISO/TS16949：2002
测量系统分析
为分析每种测量和试验设备系统得出的结果中出现的变差，应进行统
计研究。此要求应适用于控制计划中提及的测量系统。所用的分析方法
及接受准则应符合顾客关于测量系统分析的参考手册的要求。如果得到
顾客的批准，也可使用其它分析方法和接受准则。
否则，好的结果可能被测为坏的结果，坏的结果也可能被测为好的结果，
此时便不能得到真正的产品或过程特性。
Why?
什么时候进行MSA
§ ISO/TS16949：2002
附录A
控制计划的阶段
适当时，控制计划应覆盖三个不同的阶段：
• 样件：对样件制造中将进行尺寸测量、材料和性能试验的描述。如果顾客要
求，组织应有样件控制计划。
• 试生产：对样件制造后，全面生产前将进行的尺寸测量、材料和性能试验的
描述。试生产被定义为在产品实现过程中样件制造后可能要求的一个生产阶段。
• 生产：在批量生产中，对产品/过程特性、过程控制、试验和测量系统的形成
文件的描述。
每个零件应有一个控制计划，但是在很多情况下，系列控制计划可以覆盖采用通
用过程生产的多个似零件。控制计划是质量策划的一项输出。 §
有测量动作产生时就应该开始进行MSA，伴随着零部件过程开发，同步进行多
次MSA分析，并根据分析结果进行测量系统改善，最终于批量生产前输出一个
“合格的测量系统”，并固化到《生产控制计划》中。
When?
哪些地方要进行MSA
§ISO/TS16949：2002
测量系统分析
为分析每种测量和试验设备系统得出的结果中出现的变差，应进行统计研究。
此要求应适用于控制计划中提及的测量系统。所用的分析方法及接受准则应符合
顾客关于测量系统分析的参考手册的要求。如果得到顾客的批准，也可使用其它
分析方法和接受准则。 §
1、测量G/Z特性的测量系统；
2 、需要采用SPC控制的测量系统；
3 、按簇系进行。
所以，我建议，现阶段我们的MSA分析范围：
Where?
制程变异的主要来源
实际制程变异
观察到之制程变异
量测变异
线性
Linearity
偏倚性
Bias
稳定性
Stability
来自仪器
之变异
来自测量员
之变异
来自零件之变异
(part to part)
重复性
Repeatability
再现性
Reproducibility
我们将把 “重复性”和 “再现性”作为第一位的测量误差来源来探讨
为了着手实际的流程变异,必须首先确定测量系统的变异,并把它从制程变异
中分离出来
A ? L S R R &
σ2 observed = σ
2
Total
σ2 part σ
2
MS
9
重
复
性
分
析
再
现
性
分
析
线
性
分
析
稳
定
性
分
析
偏
性
分
析
位
置
分
析
变
异
分
析
稳
定
性
分
析
解
析
法
假
设
检
验
法
小
样
法
偏
移
分
析
稳
定
性
分
析
变
异
分
析
计量型 计数型 破坏型
MSA
●极差法
●均值极差法（包括控制图法）
●ANOVE法 （方差分析法）
测量系统分析方法的分类
10
计量型MSA
课程名称
计量型
位置分析
变异分析
稳定性分析
偏倚分析
线性分析
重复性分析
再现性分析
稳定性分析
准
确
度
研
究
精
确
度
研
究
计量型MSA
12
精确度
准
确
度
Good Bad
G
o
o
d
B
a
d
不精也不准 精而不准
不精而准 既精且准
测量平均值接
近真值 准
测量值变异小 精
测量系统分析之课题
13
偏倚(Bias)
平均值
偏 差
參考值
准确度(Accuracy) — 测量的平均值是否与真值吻合?
真值(True Value):
– 理论上正确的值(参考值)
– 不可知且无法知道
偏倚（Bias)
– 相同零件上同一特性的观察平均值与真值(参考值)的差异
14
偏倚分析方法一
同一操作者对同一工件测量10次(单位:mm)
如果参考标准是 . 过程变差为
10
X
X %Bias=I bias I/PV X100%
= I () I /%
= %
表明 % 的过程变差是偏倚bias
1 2 3 4 5 6 7 8 9 10
=
%偏倚判断准则:
重要特性MSA偏倚%≤10%时可接受；一般特性MSA偏倚%≤30%时可接受.
其偏倚大于30%者,此项仪器不适合使用
15
偏倚分析方法二
%偏倚判断准则：
95%信赖区间须包含0 (MSA手册第三版)或 P-value> 接受H0 (Minitab)
n
d
XX
nb
ii
r 2
)min()max(
H0：Bias=0
H1：Bias≠0
Bias 数据分布图
Bias 的95%信賴區間
0
2/1, tBias b 2/1, tBias b
16
偏倚分析方法二(续)
路径: 统计 >基本统计量> 单样本t
单样本 T: 测量值
mu = 与 ≠ 的检验
变量 N 均值 标准差 均值标准误 95% 置信区间 T P
测量值 10 (, )
基准值
1 2 3 4 5 6 7 8 9 10
P Value>, 接受H0
P Value<, 拒绝H0
0 落在95%CI内, 接受H0
0 落在95%CI外, 拒绝H0
17
造成偏倚的可能原因
仪器没有经过适当的校准
仪器 设备或夹具磨损
仪器质量不良---设计或符合性
线性误差
应用错误的量具
不同的测量方法─作业准备、设置、安装、夹紧、技术
量具或零件的变形
环境─温度、湿度、振动、清洁的影响
应用─零件尺寸、位置、操作者技能、疲劳、观察错误
还有什么其它的原因吗?
18
线性分析(Linearity)
线性是在测量设备(测量系统)各作业范围内的偏性
真值
Bias
测量
所得
平均值
理想状况
平均值=真值
(no bias)
真值
Bias
Y (偏倚)=a * x (参考值)+ b
a=slop(斜率)
%线性=|a|*100%
0
斜率=0
平均值=真值
(no bias)
平均值真值
(bias)
(Linearity)
19
线性分析(Linearity)
判定标准：截距、斜率检定结果均为接受H0 (MSA手册第三版)
或线性方程式的95%信赖区间须包含0 (MSA手册第三版)
或P-value> 接受H0 (Minitab)
H0：Intercept =0
H1：Intercept ≠0
H0：Slope =0
H1：Slope ≠0
Bias=Intercept + Slop*參考值
&
OK NG
20
线性分析(Linearity)
部件 1 2 3 4 5
参考值 2 4 6 8 10
测量值1
测量值2
测量值3
测量值4 5
测量值5 6
测量值6
测量值7 6
测量值8
测量值9
测量值10 4
测量值11 6
测量值12
一工厂引进一台新测量系统, 需要评价测量系统的线性。根据文件化的
过程变差描述，在测量系统操作量程内选择了五个零件。每个零件经过
全尺寸检测测量确定了基准值。然后由测量员对每个零件测量12次（在
测量中零件是随机选择的）。
21
线性分析(Linearity)
路径:统计 >质量工具 > 量具研究 > 量具线性及偏倚研究
零件编号
参考值
测量数据
22
线性分析(Linearity)
标准件为2、8及10三点的Bias P-value< →不合格
截距,斜率检定结果其一P-vaule<,判定不合格,置信区间未完全包含Bias=0,
亦显示线性不合格
23
造成线性的可能原因
仪器需要校准，缩短校准周期
仪器、设备或夹具的磨损
维护保养不好—空气、动力、液体、过滤器、腐蚀、尘土、清洁
基准的磨损或损坏，基准的误差—最小/最大
校准不当或调整基准使用不当
仪器质量差—设计或符合性不好；
不同的测量方法—设置、安装、夹紧、技术；
量具或零件随零件尺寸变化、变形；
环境影响—温度、湿度、震动、清洁度；
其它—零件尺寸、位置、操作者技能、疲劳、读错。
还有什么其它的原因吗?
24
稳定性分析(Stability)
量测数据之平均值和标准差、以及分布形状不随时间而变
没有趋势、偏移、或周期性变化等
可以用趋势图 (时间序列图)或管制图来评估
Gage Stability
Time A
Time B
25
评 估 不 同 时 间 点 下 的 准 确 性 或 精 密 性 之 差 异 。
時間
參考值 參考值
稳定性差
稳定性分析(Stability)
稳定性好
图A 图B
26
范例-1 : X-Ray
稳定性追踪中，样本大小 = 重复量测次数 (此例中，重复次数 = 3)
稳定性分析(Stability)(例)
案例操作步骤到SPC课程中安排
27
稳定性分析(Stability)(例)
范例-2 : 三次元测量仪 , 此例中 n=1
28
输入子组
的数据数
路径:统计>控制图 >子组变量控制图（S）> Xbar-R。
稳定性分析(Stability)(例)
29
造成不稳定性的可能原因
仪器需要校准---缩短校准周期
仪器、设备或夹具的磨损
正常的老化或损坏
维护保养不好：空气、动力、液体、过滤器、腐蚀、尘土、清洁
基准的磨损或损坏，基准的误差
不适当的校准或使用基准设定
仪器质量不好—设计或符合性
仪器缺少稳健的设计或方法
不同的测量方法—作业准备、载入、夹紧、技巧
变形（量具或零件）
环境变化—温度、湿度、振动、清洁
应用—零件数量、位置、操作者技能、疲劳、观测误差（易读性、视差）
30
重复性&再现性分析
产品变异
(实际变异)
量测变异
总变异
(观测到之变异)
2
Total
2
MS
2
Part
2
Observed
( )
量测系统的变异必须
要愈小愈好
2
Total
2
MS
2
Part
= +
31
量具(Gage)之重复性(repeatability)及再现性
(reproducibility)研究，称为Gage R&R。
Gage R&R分析是要估计由测量过程所造成之变异。
经由Gage R&R分析，测量误差可分为不同之来源，并可
提供改善方向。
重复性 (repeatability；简称 rpt)
再现性 (reproducibility ；简称 rpd)
222
rpdrptMS
量测系统
之总变异
重复性
之变异
再现性
之变异＝ +
重复性&再现性分析
32
• 相同之操作员
• 相同的准备 (set-up)
• 相同之对象
• 相同的环境
在相似之情况下，重复量测相同样本所产生的变异
重复性(Repeatability)分析
33
是指不同的操作员使用相同的量具，测量相
同对象之特性所造成之变异。
操作員 A
操作員 B
再现性(Reproducibility)分析
34
• 至少 3 位操作员。
• 最少 10 个物件。
• 每一物件至少 3 次的重复测量。
• 以实际产品进行分析。
• 由平常执行测量之人员操作。
• 在平常执行测量之环境下进行分析。
• 使用平常工作使用之量具。
样本应取自该厂具代表性的制程规格.
样本可取自不同产品,但量测规格要相同.
样本可取自不同的批次,以具有制程代表性.
重复性&再现性分析之基本原则
35
注：P : Precision；T : Tolerance
公差＝USL－LSL。
计算测量误差在公差中所占之比例.测量系统相对于规格之表现。
一般而言， P/T比值在10%以下较为适当。若P/T比值大于30%
则必须对量测系统做一诊断，找出问题并加以改善
一般用百分比表示之
公差
MS x 6
T
P
重复性&再现性分析接收准则(1)
36
计算测量系统变异占总变异的百分比。
利用%R&R之估计可以看出测量系统相对于整体制程变异
的表现情形。
包含重复性和再现性。
一般用百分比表示之x 100% R & %R
Total
MS
6
6
x
x
重复性&再现性分析接收准则(2)
37
区别分类数 = Number of distinct categories
表示测量系统检测被测量特征（分辨率）差异的能力
一般标准要求NDC5，NDC<5表示测量系统的分辨力不
足以判定测量过程中的变异
可参考教材 page34『分辨率(Discrimination)』的解释
无条件舍去取整数 NDC
Total
Part-To- Part
x
MS
重复性&再现性分析接收准则(3)
38
分辨率(Discrimination)
分辨率 (分辨力) 是指量测系统所能测量最小刻度的值。
应为产品规格公差或制程变异的十分之一。
0 1 3 2
0 1 3 2
“差的”分辨力
“好的”分辨力
(產品規格: 3 +/- Tolerance=1)
39
区分 P/T比 %R&R NDC
满足 <10% <10% >10
可能的
水准
10~30% 10~30% 5~9
不恰当 >30% >30% <5
重复性&再现性分析接收准则汇总
40
• PV : Part Variation 零件变异
指对一个稳定过程中不同零件和不同时间之间出现的预期
变异。 即 part-to-part
• EV : Equipment Variation 量具变异
指同一作业员使用相同的测量仪器与方法，对相同零件
重复测量的变异。
即『重复性变异』 repeatability
• AV : Appraise Variation 作业员变异
指不同作业员使用相同的测量仪器与方法，在一稳定的环
境下，对相同零件进行测量所得的平均值的变异。即『再现
性变异』 reproducibility
• TV : Total Variation 全变异
全部变异。 即 total
QS手册中常见的名词
41
重复性&再现性分析 (例)
食品厂生产袋装糖果,用秤测量其重量(单位:千克).已知公差要求为+-
.为进行测量系统分析,在总装线终端有代表性地抽取10包成品糖果编
好号,随机挑选3位检验员用各自的秤测量每包重量,将糖果包顺序打乱后
再测一次,再打乱后测第3次.试做测量系统分析
检验员 糖果包
测量值
1 2 3 4 5 6 7 8 9 10
A 1
A 2
A 3
B 1
B 2
B 3
C 1
C 2
C 3
42
路径: 统计 >质量工具 > 量具研究> 量具R&R研究（交叉）
重复性&再现性分析 (例)
糖果包
43
重复性&再现性分析 (例)
结果: QT_MSA重复性与再现性.MTW
量具 R&R 研究 - 方差分析法
包含交互作用的双因子方差分析表
来源 自由度 SS MS F P
糖果包 9
检验员 2
糖果包 * 检验员 18
重复性 60
合计 89
删除交互作用项选定的 Alpha =
量具 R&R
来源 方差分量 方差分量贡献率
合计量具 R&R
重复性
再现性
检验员
检验员*糖果包
部件间
合计变异
过程公差 = 1
44
来源
标准差
(SD)
研究变异
(6 * SD)
%研究变异
(%SV)
%公差
(SV/Toler)
合计量具 R&R
重复性 EV
再现性 AV
检验员
检验员*糖果包
部件间 PV
合计变异 TV 100
可区分的类别数 = 3
重复性&再现性分析 (例)
>10%
>10%
< 5
45
重复性&再现性分析 (例)
Gage R&R 之长条愈短愈好
Part-to-Part 之长条愈长愈好
46
结果
分析
当重复性大于再现性时，原因可能是：
--仪器需要保养；
--量具需要重新设计增加刚度；
--测量的夹紧或定位需改善；
--零件内的变差过大。
当再现性大于重复性时，原因可能是：
--评价人需要培训,如何使用测量仪器及读数。
--量具刻度需要校正
重复性&再现性分析 (例)
47
计量型MSA练习
• 卫生部决定让你检查你在用水清洁过程中的浪费。你可以通
过可以接受的重复性及再现性来测量用水量
• 由于测量物质的物理特性，当你在测量的过程中如果碰到容
器，你将有可能接触到大量的生化毒素。
• 如果你在测量时碰到容器, 你将不允许完成你的测量，这就会
使你的公司将要花费几千美元从外面的实验室中请人来做这
个测量工作。
48
•需要的设备
–10 个塑料杯
–1 台测量仪器
•规格
–参见容器
•过程
–在10 容器中按照不同的标线装入不同量的水 (询问指导教师)
–让3个操作员每人独立测量水的高度3次 (使用适当的 MSA
技术), 不碰到容器
•记住 – 每个试验维持1个操作员!
–将每个操作员的容器测量顺序随机排列（如，1,3,7,5,2…)
分析结果并告诉给班上其他人
计量型MSA练习
49
计数型MSA
课程名称
50
计数型
小样法
风险分析法
（假设检验法）
解析法
基本不使用，
MSA手册第三
版也删除
计数型分析方法
51
Inspection Capability Analysis
适用于评估检验人员/设备对质量允收条件 (Acceptance
Criteria) 的掌握能力。属于计数型(Attribute)的测量能力分
析方法。
例如: AOI 自动检测设备、ET电测设备、FQC 终检人
员…..等的量测能力分析。
MINITAB对于计数值，仅提供一致性与有效性的分析，未提
供 、 值 , 也可使用厂内MSA表格
风险分析法
52
以随机方式对30个零件样本 (1/3 不良品,1/3 良品,1/3
边缘品 ) 做检验；将零件样本重新随机排列之后，再做
一次检验，如此重复3次，并将每次的判别结果
(Accept/Reject)记录下来。
根据判别结果求出每位检验员的各项参数值 。
操作程序
总判定数 = 样本数目 x 检验次数
良品判别正确数 不良品判别正确数
误警报数 (良品判Reject) 漏失数 (不良品判Accept)
风险分析法
53
Pobserved =两者有相同判定的实际机率 = (+)/
Pchance =两者有相同判定的期望机率
= [(+)/]X[(+)/] + [(+)/]X[(+)/]
参考值(标准值)
OK NG
判
定
值
OK 良品判别正确数 漏失数 +
NG 误警报数 不良品判别正确数 +
+ +
总判定数
风险分析法
54
有效性(Effectiveness，简称E)
有效性= 判别正确总样本数/总样本数
同一人对同一样本的每次检验结果都正确，才列入判别正确
样本数的计算。
误警报率 ( α，型I误差)： / (+)
漏失率 ( β，型II误差)： / (+)
Kappa (判别一致性) =
风险分析法
Pobserved – Pchance
1– Pchance
Kappa (K) 被定义为在剔除偶然一致之后评价者之间的一致比例
55
判定参数
允收
评价人接受的条件
边缘
--可能需要改进
不良
--不可接受
有效性(E) ≥ ≥ <
误警报率(α) >
漏失率(β) >
Kappa ≥ ~ <
准 则
风险分析法
56
假设有15个对象，其中有8件为良品，另外7件为不良品。
此项分析由3位操作员负责量测，每一个对象重复量测3次。
此分析所使用之对象，其真值均为已知 (亦即何者为良品
或不良品均为已知)。
良品以符号「O」表示，「 × 」代表不良品。
范例
PS. 取样数一般选用30个对象，
此案例为能容易呈现故用15个对象
风险分析法
57
Operator A Operator B Operator C
Part Ans trial 1 trial 2 trial 3 trial 1 trial 2 trial 3 trial 1 trial 2 trial 3
1 O O O O O O O X O O
2 X X X X X X X X O X
3 O X O O O O O O O O
4 O O O O X X X O O O
5 X X X X O X O X X X
6 O O O O O O O O O O
7 X X X X X X X X X X
8 O O O O O O O O O O
9 X X X X X X X X X X
10 O O O O O O O O O O
11 X X X X X X X X X X
12 X X X X X X X X X X
13 O O O O O O O O O O
14 X X X X X X X X X X
15 O O O O O O O O O O
风险分析法
58
A
OK NG
OK 23 0 23
NG 1 21 22
24 21 45
B
OK NG
OK
21 2 23
NG
3 19 22
24 21 45
C
OK NG
OK
23 1 24
NG
1 20 21
24 21 45
操作
员
判别正确
之样本数
总样
本数
良品判别
正确数
不良品判
别正确数
误警
报数
漏失数
总判
定数
Po Pe
A 14 15 23 21 1 0 45
B 13 15 21 19 3 2 45
C 13 15 23 20 1 1 45
Attribute GR&R 练习
风险分析法
59
操作员
有效
性 (E)
误警报率
(α)
漏失
率 (β)
判别一致
性 Kappa
A 0
B
C
风险分析法
60
Kappa 可以应用于有多个评价者和具有多个分类的情况
客户返品案例:
一个绿带有一个减少客户返品的项目。由一位客户服务代表(CSR)给
每一个客户返品标识一个代码。大家会担心CSR们标识代码时不能
够始终一致。
三个评价者被要求为30个返品标识原因代码。每个评价者评价两次
(在两个不同时间各做一次)。
绿带同时要求一个部门专家来评价返品情况
风险分析法(例)
61
路径: 统计 >质量工具> 属性一致性分析
风险分析法(例)
• 工作表: Customer
• 设计:
– 3 CSRs
(评价者)
– 2 天
– 30 次退货
(样本)
• 代码在 Category列中
• 专家值在Expert列中
62
风险分析法(例)
首先填写适当的列信息
确保在窗口结果 中的Kappa
选项被选中
包括专家评级
63
风险分析法(例)
评价者自身的一致性(重复性)
CSR 1 自身对退货判定有%的一致性,
CSR 2自身对退货判定有%的一致性，
CSR 3自身对退货判定有%的一致性.
图上显示了一致性的95%的置信区间
显示了在CSRs与专家观点之间一致性
的 %
64
检验员自身 (评估一致性)
检验员 验数 符数 百分比 95% 置信区间
A 30 26 (, )
B 30 25 (, )
C 30 29 (, )
# 相符数: 检验员在多个试验之间,他/她自身
标准一致。
每个检验员与标准(评估一致性)
检验员 验数 符数 百分比 95% 置信区间
A 30 23 (, )
B 30 20 (, )
C 30 22 (, )
# 相符数: 所有检验员的评估一致。
检验员之间 (评估一致性)
验数 符数 百分比 95% 置信区间
30 16 (, )
# 相符数: 检验员在多次试验中的评估
与已知标准一致。
所有检验员与标准 (评估一致)
验数 符数 百分比 95% 置信区间
30 15 (, )
# 相符数: 所有检验员的评估与已知的
标准一致
重复性 偏倚
再现性 一致性
风险分析法(例)
65
检验员之间
评估一致性
# 检 # 相
验数 符数 百分比 95% 置信区间
30 16 (, )
# 相符数: 所有检验员的评估一致。
Fleiss 的 Kappa 统计量
响应 Kappa Kappa 标准误 Z P(vs > 0)
AOG
Damaged
DOS
FM
Nick
Planned
Pricing
Quality
整体
• 为评价者之间提供每一类缺陷的Kappa 值 (及其它部分)
• 我们能够识别缺陷类型到什么程度?
整体Kappa (在评价者之
间)代表了广泛研究一致
性(贯穿评价者及分类之
间)
评估你看到的样本之间的
偏差匹配比偶然一致性好
多少
数字输出-Kappa
66
• 解释结果
– 范围从 到 的独立 Kappa值, 意味着在评价者中的一致性
是:
• Damaged: 非常好 ();
• DOS : 不可接受()
• FM, Planned Adjustment, Pricing : 可接受的边缘
(, , )
• AOG, Nick and Quality: 较好(,,)
– 总体 Kappa 是 , 指示系统可以使用一些改善方法
Kappa技术
要改善这个测量系统就很可能需要改变每个缺陷类型的操作定义或再次
训练评价者，或二者都需要
67
目标: 评价 M&M 检验
工具:
3 个检验员
一袋 M&Ms
程序:
在开袋前，用操作定义来定义你们关注的缺陷条件
让你们的‘检验员’评价糖果样本的材料
评价测量系统
报告任何建议的改进活动
时间: 30 分钟
风险分析法练习
68
1. 设计研究
总共30 个样本
3 评价者, 至少重复测量一次
– 每个评价者必须检验所有数据项（样本）
– 每个评价者在每一轮试验，必须检验这些相同的样本 (各轮
试验)
理想的情况, 也有 “专家” 评价
2. 建立数据采集矩阵表
3. 让操作者 1 按随机顺序测量所有样本一次
4. 让操作者 2按随机顺序测量所有样本一次
5. 继续，直到所有操作者测量了样本一次 (这是 试验1)
6. 重复步骤 3-5 完成需要的试验次数
7. 将结果输入Minitab ，通过下列信息确定:
评价者自身一致性
评价者之间一致性
评价者和专家之间一致性
Kappa 值
8. 确定跟踪计划, 如果需要
风险分析法练习
69
破坏型MSA
课程名称
破坏型MSA
Part
Test
Operator
1 1212 2
CBA
1 1212 2
FED
I II
在破坏性检验中，每一检验员检验来自于相同母体，类似但不同
之对象。此称为嵌套Nested Design。而传统 Gage R&R 则是每
一检验员检验完全相同之对象。此称为交叉结构Crossed Design 。
在此例中，传统 Gage R&R 只需3件产品，而破坏性则需12 件。
如果需要使用破坏性试验 ，则必须能够假定一个批次中
所有部件的相同程度高到足以声称其为相同的部件。如果无
法做出此假定，则一个批次中部件之间的变异将掩盖测量系
统变异。
如果可以做出此假定，则可以参考计量型MSA研究方法，
通过重复性进行判定：
路径: 统计 >质量工具 > 量具研究> 量具R&R研究（嵌套）
<10%，良好，可以接受。
10%~30%，可能接受，可能不可以接受，依据测量特性的重要
性，以及目前制程的Cpk能力来决定。
>30%，不可以接受。
破坏型MSA
成为“伪专家”
而不是“砖家”
会审核MSA分析报告
1、 知道结果是否合格
2 、知道报告是否作假
3、 通过报告知道测量系统的最佳改进点
→指导供应商改进
→作为供应商技术支持需要具备的素质
第二部分 课程目标
◆学会问问题
◆学会看报告
目 录
菜鸟看什么？
◆ %GR&R
◆ NDC
学会菜鸟看报告
量具分辨率
◆与公差、过程变差比例
◆数据记录是否符合规范
达人看什么？
图形是否受控
看图的方法：无明显的趋势，按控制图判异的方法
◆先看R图
◆再看X图
学会达人看报告(1)
若不受控，有两种可能：
1）抽样不随机，不代表过程水平；
2）报告作假。
看EV占比
——由测量设备因素引起的变差，重复性
看AV占比
——由测量人员因素引起的变差，再现性
达人看什么？
看PV
——Rpart，零件变差(抽样是否代表过程水平)
学会达人看报告(2)
达人看什么？
看TV——总变差
TV（Total Variation）=过程变差/6=6σp/6
所以TV=σp
Pp=（USL-LSL）/6σp=（USL-LSL）/6TV
◆报告是否作假
学会达人看报告(2)
三个问题
让供应商以为你是 “专家” / “砖家”
学会问问题
供应商可以接受的问题——“文明”的问法
为什么要做这个特性的分析，与G/Z特性是否对应？
问问题
无厘头的问法——让供应商觉得不可理喻的问题
对于分析结果已达标的，有没有做更进一步的分析？
“流氓”的问法——让供应商痛苦的问题
有没有对控制计划内的测量系统全部做分析？
§ISO/TS16949：2002
测量系统分析
为分析每种测量和试验设备系统得出的结果中出现的变差，
应进行统计研究。此要求应适用于控制计划中提及的测量
系统。所用的分析方法及接受准则应符合顾客关于测量系
统分析的参考手册的要求。如果得到顾客的批准，也可使
用其它分析方法和接受准则。 §
问问题
报告只是呈现出数据，测量系统分析重点是分析，不是计
算出数据就完了，通过分析找出短板，对短板加以控制或
改进，正是体现了质量管理八大原则之一“持续改进”的
思路。
EV占比？
AV占比？
三个测量人员相比哪一个重复性比较差？
持 续 改 进
问问题
Thanks
83
