5.TS体系五大工具应用之MSA介绍.pptx

;“ 测量系统分析 ” 的运作方法  在 ISO/TS16949 等汽车业质量体系中，均具有针对测量系统分析的强制性要求，亦即：企业除应对相关量具（或测量仪器）执行至少每年一次的定期校正以外，还必须对其实施必要的 “ 测量系统分析 ” （即： MSA ）。 MSA 目前除了已被汽车零组件生产企业所应用之外，同时也被广泛运用于其它行业。 ;测量系统分析的目的;校 准;测量系统误差的五种类型;偏 倚;重 复 性;再 现 性;;敏感度（Sensitivity）;准确度(Accuracy);精确性（重复性和再现性）;稳 定 性;线性是在量具预期的工作范围内，偏倚值的差值。;线 性;分辨力对测量系统变差的影响;分辨力对测量系统变差的影响;测量系统的规划;执行 “ 计量型 ” 测量系统分析准备 ;“ 计量型 ” 测量系统分析运作办法 ;测量系统稳定性;造成不稳定的可能因素;如何确定偏倚（独立样本法）;使用X-R图表测量偏倚值： 获取一个样本并确定其基准值；或选择一个落在产品中程数的产品零件作为标准样本，在工具间测量零件10次，计算平均值作为基准值。 从图表中计算X值。 通过X减去基准值来计算偏倚： 偏倚=X-参考值 过程变差=6σ极差 偏倚%=偏倚/过程变差;准确度的问题可以通过校准来探测. 偏倚也可以与过程的容差相比较 判断准确度的简单标准为. 小于过程变差或容差的 1%, 可认为是精确的. 小于过程变差或容差的 1% 则需要研究和调整测量系统, 或者临时用补偿值来修正以后的测量值 偏倚的研究还可以通过作图的方式来进行, 即作出直方图, 然后根据经验判断是否可以接受. 偏倚的研究还可以通过计算置信区间来判断是否可以接受;偏倚研究的分析;偏倚较大的原因;确定重复性和再现性的方法——均值和极差法;重复性和再现性——数据分析;测量系统变差重复性和再现性（RR或σm）的计算是将设备变差的平方与评价人变差的平方相加并开方得出： RR=√[(EV)2+(AV)2] 试件间变差（PV或σp）由零件平均值的极差（Rp）乘以一个常数（K3）。K3依赖于量具分析使用的零件数。 ;分析的总变差（TV或σt）由重复性和再现性的变差（RR）的平方和零件间变差的平???相加并开方得出： TV=√[(RR)2+(PV)2] %AV=100[AV/TV],%RR=100[RR/TV],%PV=100[PV/TV] 各因素占总误差的百分数和不等于100%。;量具重复性和再现性（RR）的可接受性准则是： 低于10%的误差——测量系统可接受； 10%至30%的误差——根据应用的重要性，量具成本，维修的费用等可能是可以接受的； 大于３０％的误差——测量系统需要改进。;如果重复性比再现性大，原因可能是： 仪器需要维护； 量具需要重新设计得更精密； 定位和夹紧装置需要改进； 存在过大的零件内变差。 如果再现性比重复性大，原因可能是： 评价人需要更好的培训如何使用量具仪器和读数； 量具刻度盘上的刻度不清楚； 需要某种夹具帮助评价人提高使用量具的一致性。;拓展--造成重复性的可能原因;拓展--造成再现性误差的潜在原因;确定线性用指南;线性计算方法;线性误差的原因;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. ;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(false alarm)=实际误判次数 / 误判的总机会数. 偏倚 Bias(B) - 指漏判或误判的偏向. B=P(false alarm) / P(miss) B=1, 无偏倚 B1, 偏向误判 B1, 偏向漏判 ;样品大小的规定 样品的选择 由专家或可作标准的人员选定样品 1/3 合格 1/3 不合格 1/3 模糊 (50% 接近合格， 50% 接近不合格) 随机地给操作员检验. ;实例: 由主管选取14 个样品（其中 8 个合格， 6 个不合格） 三个操作员对每个样品测三次 记录中 A= 接受（accept），