msa測量系統分析(ppt116頁)(留存版)

　　

【正文】 ? Quality Tools ? Gage Linearity Study) StdDev Study Var %Study Var Source (SD) (*SD) (%SV) Total Gage RR Repeatability ParttoPart Total Variation Linearity是總製程變異量的 %,因此線性是比較差 ,需要改善 . Bias是 %， 良好 . R e f e r e n c e V a l u eBias1 086421 . 00 . 50 . 0 0 . 5 1 . 00R e g r e s s io n9 5 % C ID a t aA v g B ia sPercentB i a sL i n e a r i t y1 050G a g e L i n e a r i t yS l o p e 0 . 1 3 1 6 7 0 . 0 1 0 9 3 0 . 0 0 0P r e d i c t o r C o e f S E C o e f PC o n s t a n t 0 . 7 3 6 6 7 0 . 0 7 2 5 2 0 . 0 0 0S 0 . 2 3 9 5 4 R S q 7 1 . 4 %L i n e a r i t y 1 . 8 6 8 8 9 % L i n e a r i t y 1 3 . 2G a g e B i a s2 0 . 4 9 1 6 6 7 3 . 5 0 . 0 0 04 0 . 1 2 5 0 0 0 0 . 9 0 . 2 9 36 0 . 0 2 5 0 0 0R e f e r e n c e0 . 2 0 . 6 8 88 0 . 2 9 1 6 6 7 2 . 1 0 . 0 0 01 0 0 . 6 1 6 6 6 7 4 . 3 0 . 0 0 0B i a s % B i a s PA v e r a g e 0 . 0 5 3 3 3 3 0 . 4 0 . 0 4 0G a g e n a m e :D a t e o f s t u d y : R e p o r t e d b y :T o l e r a n c e :M i s c :P e r c e n t o f P r o c e s s V a r i a t i o nG a g e L i n e a r i t y a n d B i a s S t u d y f o r 秖 代56 ? 計算 Gage Linearity統計值 部品 基準值 (x i) 偏倚 (y i) x i y i x i y i1 2 0 . 4 9 1 7 4 0 . 2 4 1 8 0 . 9 8 3 42 4 0 . 1 2 5 16 0 . 0 1 5 6 0 . 5 0 0 03 6 0 . 0 2 5 36 0 . 0 0 0 6 0 . 1 5 0 04 8 0 . 2 9 1 7 64 0 . 0 8 5 0 2 . 3 3 3 65 10 0 . 6 1 6 7 100 0 . 3 8 0 3 6 . 1 6 7 0合計 30 0 . 2 6 6 7 220 0 . 7 2 3 3 5 6 . 8 6 7 2平均 6 0 . 0 5 3 3 42 2 ? Bias(y) = Master ? Linearity = * = ? %Linearity = 傾斜度 *100 = % ? 計算 Gage Bias統計值 ? 平均 Bias = / 5 = ? %Bias = ( || / ) * 100 = % ⑤ 線性的計算方法 R e f e r e n c e V a l u eBias1 086421 . 00 . 50 . 0 0 . 5 1 . 00R e g r e s s io n9 5 % C ID a t aA v g B ia sG a g e n a m e :D a t e o f s t u d y : R e p o r t e d b y :T o l e r a n c e :M i s c :G a g e L i n e a r i t y a n d B i a s S t u d y f o r 秖 代57 ▲ Linearity = | 傾斜度 | x Process Variation ▲ %Linearity = Linearity Process Variation X 100 在量具的測量范圍內評價測量的一貫性 ,在量具的測量范圍內如果 Bias一定的話可以說線性較好 . 為了評價線性必須要計算 Bias. * Process Variation = 6σ = | 傾斜度 | x 100 %Linearity值如果接近 ‘0’的話可以判定線性比較好 . ▲ 回歸模型 : y = a + bx y : Bias x : 基準值 b : 傾斜度 ◎ 線性的計算公式 58 零件 操作員 1 操作員 2 范圍 (R)1 4 2 22 3 4 13 6 7 14 5 7 25 9 8 1范圍之和 7平均范圍 平均范圍 = = (2+1+1+2+1)/5 = 7/5 = 量具誤差 = * /d = / * = * = * = % Gage RR = 量具誤差 Gage Error / 允差 Tolerance = / 20 * 100 % = % 零件個數2個操作員3個操作員4個操作員1 2 3 4 5 6 7 8 9 10 GRR（極差法 /短期模式） d常數表 允差 Tolerance = 20 = 最大值 最小值 R R R R R 59 均值 極差法 （ A, B,C）和 10個測量樣品。 (2) 把平時檢查的作業者選定為作業者的選定對象，并成為 Blind Appraisal. 計數型 Gage RR 很難區分良 /不率的樣品 20%~30% 不易區分良 /不率的樣品 30%~40% 比較容易區分良 /不率的樣品 30%~40% 很容易區分良 /不率的樣品 0%~20% 84 屬性測量系統中的 α和 β風險 ?α風險 /生產者風險 ? 合格產品被拒絕 ?不必要的報廢 /返工的原因 ?被人為削減的過程性能 ?β風險 /消費者風險 ?接受了不合格產品 ?不滿意的客戶 ?夸大的過程性能 85 結果 ? ?哪些是重要的應關心的問題？ ?如果檢驗員之間和內部不能達成很好的一致，會有什么風險呢？ ?次品正在流向下一步操作或客戶嗎？ ?優質品正在被返工或處理掉嗎？ ?評估的標準是什么？ ? 如何度量一致性？ 86 什么是 Kappa? ? P observed ? 判定員一致同意的單元的比率 =判定員一致判定為優良的比率 +判定員一致判定為次劣的比率 ? P chance ?預期偶然達成一致的比率 =（判定員 A判定為優良的比率*判定員 B判定為優良的比率） +（判定員 A判定為次劣的比率 *判定員 B判定為次劣的比率） ? 注意： 上述等式適用于兩類分析，即優良或次劣 c ha nc ec ha nc eobs e r v e dPPPK???187 Kappa ?要達成完全一致， P observed = 1 且 K=1 ?一般說來，如果 Kappa值低于 ，那么測量系統是不適當的 ?如果 Kappa值為 ，那么測量系統是優秀的 ?Kappa的下限為 0到 1 ?如果 P observed = P chance 那么 K=0 ?因而 Kappa值為 0表示達成一致和隨機偶然預期達成的一致是一樣的 c ha nc ec ha nc eobs e r v e dPPPK???188 ? Kappa量測能力評價指標 ?上面的判斷基準根據 Project的目標有可能變更。 判斷原則 68 短期與長期方法的比較 短期模式 ?用生產設備 ?用生產操作員 ?快速 只需幾個樣品 (~5) ?無反復（ replicates） ?估計總的變差 (Total Gage RR) ?不能區分 AV 和 EV ?不能指導改進的方向 ?可用于破壞性測試 長期模式 ?用生產設備 ?用生產操作員 ?較多樣品 (5) ?要求反復 Replicates (~3) ?估計總的變差 (Total Gage RR) ?可以區分 AV 和 EV ?為測量系統的改進提供指導 69 NOGO GO Operator 2 Operator 1 ﹣ 計數值： 70 ? GoNo Go 數據模式 ? 人為因素主導，情況復雜 ? 對于以 “ 是 ” 和 “ 不是 ” 為計數基礎的定性數據 ，其 GRR考察的概念是與定量數據一樣的 。 : A)平均值圖： Xbarbar+A2Rbar, Xbarbar B)R值圖： D4Rbar, Rbar, D3Rbar ,將點子繪上 R圖，以判定重復性是否穩定。 偏倚、重復性、再現性、線性可接受 34 第三章 測量系統變異性影響 35 長期 過程變差 短期 抽樣產生的變差 實際過程變差 穩定性 線性 重復性 準確度 量具變差 操作員造成的變差 測量誤差 過程變差觀測值 再現性 過程變差 “ 重復性 ” 和 “ 再現性 ” 是測量誤差的主要來源 36 ■ 測量零件后 : 1)確定零件是否可接受（在公差內）或不可接受 （在公差外）。這是對較高自動化系統在產品和過程資格中最常見的研究。 4)過程控制 : ▲ 顯示有效的分辨率 . ▲ 變異性小于制造過程變差 . 14 部件 A 部件 B 部件 A 部件 B A= B= A= B= 分辨率 ■ 分辨率 (分辨力、可讀性、分辨率 ): ▲ 別名：最小的讀數的單位、測量分辨率、刻度限度 或探測度 ▲ 為測量儀器能夠讀取的最小測量單位。 9 ：標準 ：零件 ：儀器 ：人 /程序 ：環境 S W I P E 量測 數 值 分析 輸入 輸出 可接受 可能可接受 需改善 量 測 系 統 ?如果測量的方式不對，那么好的結果可能被測為壞的結果，壞的結果也可能被測為好的結果，此時便不能得到真正的產品或過程特性。 賦值過程定義為測量過 ccc程 ，而 賦予的值定義為測量值 。 13 1)足夠的分辨率和靈敏度 。 ? 儀器之間：同樣的零件、操作者、和環境，使用儀器 A,B,C等的均值差 ? 標準之間：測量過程中不同的設定標準的平均影響 ? 方法之間：改變點密度，手動與自動系統相比，零點調整、夾持或夾緊方法等導致的均值差 26 ? 評價人 (操作者 )之間：評價人 A,B,C等的訓練、技術、技能和經驗不同導致的均值差。 33 – 對產品控制，測量系統的變異性與公差相比必須小于依據特性的公差評價測量系統。 結果分析 數據法 44 : 決定要分析的測量系統 選取一標準樣本，取值參考值 請現場測量人員連續測量 25組數據每次測量 2~5次 輸入數據到 EXCEL， XbarR表格中 計算控制界限，並 用圖判定是否穩定 後續持續點圖，判圖 保留記錄 產品特性 /控制計劃中所提及的過程特性 針對樣本使用更高精密度等級的儀器進行精密測量十次，加以平均，做為參考值。 : 60 示