判定:针对偏倚之部份，判定之原则为： Ø 重要特性部份,其偏倚%须<=10%； Ø 一般特性,其偏倚%须<30%；应依据仪 器之使用目的来说明其接受之原因。 Ø 其偏倚%大于30%者，此项仪器不适合使 用。
28
分析和结果
29
偏倚较大时，可能的原因：
• 标准或基准值误差，检验校准程序。 • 仪器磨损，主要表现在稳定性分析上，应制定
q Gauge R&R由测量系统的重复性和作业者等的再现性构成， 是分析各种波动在测量系统中的百分比，从而判别测量系 统状况的标准。
18
随机误差和系统误差
随机误差： 突然发生、不可预测、可通过重复测量避免；
可能源于： v 环境因素的波动 v 测量位置的不同 v 人员作业的偶然性 v 仪器、设备的重复特性
测量系统分析
1
q 目标 理解测量误差， 理解计量型数据和计数型数据的测量系统分析
q 主要内容 • 计量型测量系统分析 • 计数型测量系统分析
2
数据驱动
我们无法评价我们不知道的， 如果我们不能用数据表示，实际上就等于不知道 只有正确地认识，才能进行管理 我们无法管理时，只能依靠运气 - 摘自“The Vision of Six Sigma” (Mikel J.
位置变差：偏倚、线性、稳定性
关注精确度
宽度或范围变差 ：重复性、再现性、GR&R
21
测量系统的波动
观测到的波动
实际过程波动
测量系统波动
长期过程波动
短期过程波动
零件样本间波动
测量系统波动
再现性 (作业者波动)
重复性
准确性
稳定性
线性
方差width
平均值（location)
22
测量系统变差的类型
1、偏倚 2、线性 3、稳定性 4、重复性 5、再现性
19
随机误差和系统误差
系统误差： 不可能通过重复测量避免：
可能源于： v不同的时间 v不同的环境因素 v不同的测量方法（程序） v人员素质的差异 v校准错误 v仪器设备内在偏差
20
测量系统误差的分类
按误差分类： 系统性误差：偏倚、线性、稳定性 随机性误差：重复性、再现性、GR&R
按图形性质分类： 关注准确度
偏倚百分比＝偏倚/过程变差（公差带）
零件的过程变差为0.70 mm （通过过去检查出的产品尺 寸获得）
准确度和偏倚案例
（例1）1位作业者测量1个零件10次，测量值如下：
X1=0.75 X2=0.75 X3=0.80
X6=0.80 X7=0.75 X8=0.75
如球规的 校准
X4=0.80
X9=0.75
q 计数值/定性值 - 数据不能用连续的标尺来描述 - 通过/不通过，好/坏 等
计量值和计数值 必须用不同的 方法处理
13
测量系统的类别
• Most industrial measurement system can be divided two categories, one is
variable measurement system, another is attribute measurement system. An
gage.
Variable Gage(连续性数据）
Attribute Gage (Go/No-go Gage) （离散性数据）
14
测量值的构成
＋
=
真值 (实际产品散布)
测量误差 (测量散布 )
测量值 (观测的散布)
Can you get the true value?
尽管有数据但它不总是代表真相,因此有必要确 认数据的可靠性.
Harry)
是否有数据就可信呢？
3
测量系统的意义
Ø 没有两个东西是完全相同的，即使是， 我们测量时仍然会得到不同的值。 Ø 在六西格玛管理中，数据的应用是极其频繁和相当广泛的。 六西格玛方法的 成败与效益，在很大程度上取决于所使用 的数据的质量。 Ø无论是过程控制、抽样检验、回归分析、试验设计等都需 要使用数据。为了获得高质量的数据， 需要对产生数据的测量系统有充分的了解和深入的分析。
准确度和偏倚（Bias）
测量值的平均值和真值的一致程度 • 真值：理论上的正确的值(基准值） • 偏倚(Bias)：多次测量平均值和真值的差
真值
真值
偏差
平均值
准确度
平均
24
准确度和偏倚
计算步骤：
v选定基准值 X 0
v重复测量并记录 ( x 1 , x 2 ......
v观测平均值 x = ∑ X i
33
在整个测量范围内观察测量值变化
准确度改变 线性有问题
精确度改变 线性有问题
线性没有问 题
34
线性分析步骤
线性指数——最佳拟合偏倚平均值与基准值的直线的斜 率乘以零件的过程变差（或公差）
步骤： 1、选择5个零件（或master），其测量值要覆盖量具工作
量程； 2、获得其基准值； 3、让通常使用该量具的操作人测量每个零件12次； 4、计算每个零件的平均值和偏倚平均值； 5、画出偏倚平均值和基准值； 计算拟合优度
u 理想测量系统特性——零方差、零偏倚、对所测的任何 产品错误分类为零概率。
u 统计特性用于定义好测量系统： （1）有足够分辨力、灵敏度。10-1法则，即：测量精度 是过程变异和公差带两者中精度较高者的十分之一； （2）测量系统的统计特性是受控的，没有特殊原因。 （3）测量系统的变异性与公差相比必须小。 （4）测量系统的变异性与总变差相比必须小。 （5）测量系统的最大的变差应小于过程变差
例:计算以下列数据均值、极差、中位数、标准方 差、标准差： ⑴5678 9
例：请说明以下两组数据哪组变异较大 ⑴ 105mm 106mm 108mm 102mm 104mm ⑵ 1500m 1495m 1490m 1510m 1505m
测量系统分析方法
测量内容有两种形式 q 计量值/定量值
- 数据可以用连续的标尺来描述
维护或重新修理的计划。 • 制造的仪器或夹具尺寸不对。 • 仪器测量了错误的特性。 • 仪器校准不正确，复查校准方法。 • 评价人员操作仪器不当，复查检验方法。 • 仪器修正计算不正确，或应用的常数不对。
30
• 不同的测量方法 — 作业准备、加载、夹紧、 技巧
• 变形（量具或零件）
• 环境变化 — 温度、湿度、振动、清洁
极差：所谓方差则是指测量数据本身之间差异。最大 减去最小的。
均值:它是样本的算术平均值。X
中位数:
样本方差:表示数据波动.数据与样本均值的差的平方和除 以(样本-1).
样本标准差:表示数据波动.
变异系数:为了比较不同的指标波动,需要排除数据量纲的 影响.因而常用变异系数,它是样本标准差与样本均值的 比.
6
QS-9000 & TS16949的基本要求
Base on QS9000 & TS16949 requirements, all measurement system which were mentioned in Quality Plan should be conducted Measurement System Analysis.
4
测量误差可能导致
Ø 不合格产品被接收 Ø 合格产品被拒收 Ø 难以识别过程中发生的变化 Ø 控制图失真，不能提供正确信息 Ø 六西格玛项目失败
5
测量系统的影响也可能是：
测量系统的影响也可能是： COPQ Customer Compliaints Capability Testing and Inspection Costs Re-testing and Re-inspection Costs
5%, if it have linear ability?
32
线性（Linearity）
A measure of the change in bias over the range of instrument capability.
True Value1
Linearity is an issue here
AIAG handbook
7
测量系统分析2.1Fra bibliotek述 评估一测量系统时，应确定三项基本问题。 (A)本测量系统是否具备适当的鉴别力？ (B)是否具有全时的统计稳定性？ (C)测量误差(变异)是否微小？
2.1.1鉴别力 测量系统能发现并真实地表示被测特性很小变化之能
力，称为鉴别力。如最小的测量刻度太大而不足以辨别 制程变异，则为鉴别力不足。
• 应用 — 零件数量、位置、操作者技能、疲劳 、观测误差（易读性、视差）
线性（Linearity） 测量仪器准确度或精密度在仪器量程内的变异
测量仪器1: 线性有问题
测量仪器2: 线性没问题
0
真值
0
真值
Temperature testing and hardness measuring
If the measuring error is always
鉴别力不足的象征将会在R-CHART上显现出来，因 此，若使用鉴别力不足的测量系统所表现的R-CHART， 将可能造成型I误差。
为什么要进行测量系统分析
确认目前的测量系统是否可接受 获得精确的测量数据 找出测量系统的变异源 确认改善测量系统的方向 以鉴别出整体的制程变异中，有多少是来自于测
量系统的变异
15
变差源
MSA以鉴别出整体的制程变异中，有多少是来自 于测量系统的变异
变差源——
⑴普通原因
⑵特殊原因
控制测量系统变差步骤：
⑴识别潜在的变差源
⑵排除（可能时）或监控这些变差源