导图社区 测量系统分析
MSA 测量系统分析，案例，包含基本概念、计量型数据MSA、计数型数据MSA、测量系统的自检等详细知识点。
外协、供应商、质量管理，提出了多项外协管理策略，旨在通过提前计划、准备充分、主动跟进和品控前移等措施，全面提高外协管理的效率和质量。
种一颗质量管理认知之树：认知的重要性：你永远赚不到，认知范围以外的钱；未来的竞争，很大程度是认知的竞争；没有知识框架的支撑，再多的学习，也是一堆碎片。
社区模板帮助中心，点此进入>>
论语孔子简单思维导图
《傅雷家书》思维导图
《童年》读书笔记
《茶馆》思维导图
《朝花夕拾》篇目思维导图
《昆虫记》思维导图
《安徒生童话》思维导图
《鲁滨逊漂流记》读书笔记
《这样读书就够了》读书笔记
妈妈必读：一张0-1岁孩子认知发展的精确时间表
测量系统分析
基本概念
什么叫MSA
总体变异（观察到的流程变异）=流程变异（真实的变异）+测量系统的变异
识别测量系统的变异并且从总体变异中分离出来，这个过程叫做测量系统分析，简称MSA
测量系统的构成
SWIPE
Standard
测量方法、参考标准
Workpiece
被测量的对象
Instrument
测量所用的仪器、工具、软件
Pepole
测量者
Environment
测量环境
测量系统的人机料法环
对测量系统的要求
分辨率应小于产品公差的1/10
系统误差（偏倚）足够小
与产品公差相比，测量系统的变异必须足够小
与流程变异相比，测量系统的变异必须足够小
测量误差必须稳定
准确性与精确性
准确性
稳定性
测量值的平均值和标准差，经过长时间后仍能保持不变并可预测
系统误差
观察到的平均值和真值之间的差值
线性
量程范围内对准确性的变化的度量
精确性
R&R
重复性（固有的变异）
条件不变时进行重复测量产生的变异
同一测量者
同样的设定
同样的样品
同样的环境
再现性
任一不同条件下产生的测量变异
不同的测量者
不同的设置
不同的检测工具
不同的环境条件
分辨率
计数型数据与计量型数据
计数型
不连续的数据，计数的数据
1，2，3，4……
好/坏
通过/不通过
产品等级I级、II级、Ⅲ级
计量型
连续的，计量的数据
长度、重量、厚度等等
计量型数据MSA
简易MSA
2个测量者各测10个样品一次
希望的结果
测量者之间要有强烈的关联性
测量者之间的差异要足够的小
相关性
两变量之间的线性关系
minitab: 统计-回归-拟合线图
JMP
差异
P/T
6s/公差
minitab-统计-基本统计量-显示描述性统计-选择均值、标准差
6倍标准差是AIAG的标准
P/T可以理解为多少百分比的公差是被测量系统的变异占用了
最佳＜10%
可接受＜30%
GR&R
描述有多少总变异率是由测量系统造成的
同时包含重复性和再现性
最佳＜15%
设定
2-3名测量者
对10个样品进行测量
每一样品被每一个测量者测量2-3次
样品数量的规定
样品数量S*测量者数量O＞15
若S*0＜15
测试次数=3
若S*O＜8
测试次数=4
若S*O＜5
测5-8次
步骤
校准量具或者确认已经被校准过
在minitab中建立数据矩阵,保证测量顺序已经随机化
让测量者以随机顺序测量样品
在minitab中分析数据来确定R&R的统计值
重复性的标准差
再现性的标准差
%R&R
%P/T（有公差时）
分析结果并确定进一步的行动
mintab 统计-质量工具-量具研究-量具R&R（交叉）-
方差分析、X-bar，选择方差分析
图形
百分比
极差图
X-bar
输出数据
1.包含交互作用的双因子方差分析表
样品P值足够小
2.量具R&R
合计量具%SV
重复性%SV
再现性%SV
检验员%SV
检验员*样品%SV
可区分类别数NDC要求≥5
计数型数据MSA
特点
通常依靠人的主观判断
有时会使用工具或量具辅助判断
有时会使用一些标准样品作为参考
类型
二项名义尺度评估
一致性分析
多重名义尺度评估
一致性分析与Kappa技术
序数尺度评估
Kendall系数
GO/NO Go
量具属性研究（分析法）
二项名义尺度：合格/不合格
2-3个测量者
样品选择
20个以上
一些为明显可接受，约20%·30%
一些为明显不可接受，约20%~30%
其余处于边界状态
每一个样品由每个测量者测量2-3次
有时需要一个事先认可的标准或者专家的意见：判断真实状态
数据收集
让第一个人对样品以随机顺序进行判断
让第二个人作同样的事情
进行进行，直到所有的测量者都对同样的样品进行了测试（这是第一组数据）
重复上述的步骤2-3次
MINITAB
统计-质量工具-属性一致性分析
每一个人的一致性（重复性）
每一组人的一致性（再线性）
与标准的一致性（系统误差）
目标≥90%
根据分析结果决定下一步行动
多重名义尺度
使用要求
被测量的对象是相互独立的
评估人的检验和分类是独立进行的
评估的类别必须是互斥的和详尽的
Kappa分析
P观察：评估者对对象进行分类的一致性比率
P机会:因巧合造成的一致性比率
＜0.7 需立即改进；＞0.7，可以接受需要一些改进；＞0.9，完美，不需要采取行动
案例设定
共3个审核员独立地对10个保单进行评估
审核员被要求讲保单错误归类到5个独立的类别中
财务状况
护理员调查
医师情况
之前状况
保费支付
minitab
对每一个评估人
各类别的Kappa表示此评估人对此类别样品分类的一致性
总的Kappa表示此评估人对所有类别的一致性
评估人之间
各种类的Kappa表示所有评估人对此类别样品分类的一致性
总的Kappa表示总体的一致性（包括所有评估人和类别）
改进方向
改进缺陷的定义
培训评估人员
Kendall分析
案例
花生的检验
花生按大小挑出，大的、漂亮的直接出售，小的、丑的被挑出制成花生酱
规定花生的等级（-2、-1、0、1、2）
-2代表小的，丑陋的；2代表大的，漂亮的花生
5个测量者对15颗花生每人检验2次
专家的判定作为标准值
mintab
检验员自身一致性
检验员之间一致性
检验员与标准的Kendall系数
测量系统的自检
测量系统的标准规程
是否测量了关键的输入和输出变量？
是否选择了正确的测量方法？
是否定义了特定的测量系统设定程序？
有无书面的检查/测量步骤？
是否建立了详细的流程图？
对测量系统的分析
测量仪器是否在规定时间内已校准？
测量工具/仪器的分辨率如何？
测量系统的线性、重复性和再线性如何？
测量系统的稳定性如何？
是否适当分析了与供应商和客户测量系统的系统误差？
样品对测量系统有何影响？是否存在交互作用？
对测量系统的改进
谁使用了这个测量系统？
谁负责解决这个问题？
测量者是否经过了培训和认证？
培训的频率怎么样？这个频率足够吗？
测量系统是否有控制计划？
