测量系统分析方法的分类
MSA
计量型
计数型
破坏型
位 置 分 析
稳 定 性 分 析
变 异 分 析
假 设解 检析 验法 法
小 样 法
偏 移 分 析
稳 定 性 分 析
变 异 分 析
线偏 性性 分分 析析
稳 定 性 分 析
重 再 ●极差法 复 现 ●均值极差法（包括控制图法）
性 性 ●ANOVE法 （方差分析法）
1 2 3 4 5 6 7 8 9 10 0.75 0.75 0.8 0.8 0.65 0.8 0.75 0.75 0.75 0.7
如果参考标准是 0.80mm. 过程变差为0.70mm
X
X =0.75cm
10
%Bias=I bias I/PV X100% = I (0.75-0.80) I /0.70X100% = 7.1%
性之间的关系。
◆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。
为什么要进行MSA
Why?
※要保证测量结果的准确性和可信度。
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。
原料
人机法环 测量过程
结果
好 不好
§ ISO/TS16949：2002 7.6.1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
偏倚(Bias)
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
參考值
平均值
偏差
13
偏倚分析方法一
同一操作者对同一工件测量10次(单位:mm)
19
线性分析(Linearity)
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）。
部件
1
2
3
4
5
参考值
2
4
6
8
10
测量值1
2.7
23
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
Time A
Time B
Gage Stability
24
稳定性分析(Stability)
评 估 不 同 时 间 点 下 的 准 确 性 或 精 密 性 之差 异 。
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。
什么时候进行MSA
When?
§ ISO/TS16949：2002
附录A A.1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。
7.8
9.6
测量值10
2.4
4
6.3
7.5
9.2
测量值11
2.6
4.1
6
7.6
9.3
测量值12
2.4
3.8
6.1
7.7
9.4
20
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
21
线性分析(Linearity)
➢ 标准件为2、8及10三点的Bias P-value<0.05 →不合格 ➢ 截距,斜率检定结果其一P-vaule<0.05,判定不合格,置信区间未完全包含Bias=0,
稳定性好
稳定性差
參考值
參考值
時間
图A
图B
25
稳定性分析(Stability)(例)
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)
案例操作步骤到SPC课程中安排
26
稳定性分析(Stability)(例)
范例-2 : 三次元测量仪 , 此例中 n=1
测量系统分析
Measurement System Analysis
课程概述
➢ 量测系统分析重要性(4W) ➢ 计量型MSA ➢ 计数型MSA ➢ 破坏型MSA
测量系统分析之重要性
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。
17
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
平均值真值 (bias)
理想状况 平均值=真值
(no bias)
(Linearity)
Y (偏倚)=a * x (参考值)+ b a=slop(斜率) %线性=|a|*100%
测量 所得 平均值
Bias Bias 0 真值
1 2 3 4 5 6 7 8 9 10 0.75 0.75 0.8 0.8 0.65 0.8 0.75 0.75 0.75 0.7
基准值
单样本 T: 测量值 mu = 0.8 与 ≠ 0.8 的检验 变量 N 均值 标准差 测量值 10 0.7500 0.0471
0 落在95%CI内, 接受H0 0 落在95%CI外, 拒绝H0
29
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 P art
+
2 MS
2 Part
2 MS
2
Total
(
2 Observed
)
量测系统的变异必须 要愈小愈好
30
重复性&再现性分析
➢ 量具(Gage)之重复性(repeatability)及再现性 (reproducibility)研究，称为Gage R&R。
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。
➢ 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)
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?
什么是测量系统分析(MSA)ቤተ መጻሕፍቲ ባይዱ
What?
◆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
5.1
5.8
7.6
9.1
测量值2
2.5
3.9
5.7
7.7
9.3
测量值3
2.4
4.2
5.9
7.8
9.5
测量值4
2.5
5
5.9
7.7
9.3
测量值5
2.7
3.8
6
7.8
9.4
测量值6
2.3
3.9
6.1
7.8
9.5
测量值7
2.5
3.9
6
7.8
9.5
测量值8
2.5
3.9
6.1
7.7
9.5
测量值9
2.4
3.9
6.4
来自仪 器之变 异
来自测量 员之变异
偏倚性 Bias
线性
稳定性 重复性
再现性
Linearity Stability Repeatability Reproducibility
A?
L
S
R &R
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
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
表明 7.1% 的过程变差是偏倚bias
%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
14
偏倚分析方法二
H0：Bias=0 H1：Bias≠0
Bias 数据分布图
max( Xi )min( Xi )