‫ﺷﺮآﺖ ﺳﺎزﻩ ﮔﺴﺘﺮ ﺳﺎﻳﭙﺎ‬

‫راهﻨﻤﺎي‬
‫ﺗﺠﺰﻳﻪ وﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ اﻧﺪازﻩ ﮔﻴﺮي‬
‫)‪(MSA‬‬

‫اﻣﻮر آﻴﻔﻴﺖ‬ ‫ﻣﺪرك ﺷﻤﺎرﻩ ‪٨‬‬

‫ﻣﺮداد‪٨۴‬‬ ‫)وﻳﺮاﻳﺶ اول(‬

‫ﻳﺎدﺁوري‪:‬‬
‫‪ -١‬ﺟﻬﺖ اﻃﻤﻴﻨﺎن از اﻋﺘﺒﺎراﻳﻦ ﻣﺪرك ﺑﻪ ﺷﺒﻜﻪ اﻳﻨﺘﺮاﻧﺖ ﺳﺎزﻩ ﮔﺴﺘﺮﺳﺎﻳﭙﺎ ﻣﺮاﺟﻌﻪ ﻓﺮﻣﺎﺋﻴﺪ‪.‬‬
‫‪ -٢‬آﻠﻴﻪ ﺣﻘﻮق اﻳﻦ ﻣﺪرك ﻣﺤﻔﻮظ و ﻣﺨﺼﻮص ﺳﺎزﻩﮔﺴﺘﺮ ﺳﺎﻳﭙﺎ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﺷﻤﺎرﻩ ﻣﺪرك‪٨:‬‬ ‫ﺧﻼﺻﻪ ﺗﻐﻴﻴﺮات ﻣﺪرك‬
‫‪S.G.S.Co.‬‬

‫ﻋﻨﻮان ﻣﺪرك‪ :‬راهﻨﻤﺎي ﺗﺠﺰﻳﻪ وﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ اﻧﺪازﻩ ﮔﻴﺮي)‪(MSA‬‬

‫ﺻﻔﺤﻪ‬
‫ﺧﻼﺻﻪ ﺗﻐﻴﻴﺮات‬ ‫ﺗﺎرﻳﺦ‬ ‫ردﻳﻒ‬
‫ﻣﺮﺗﺒﻂ‬

‫‪---------------------‬‬
 ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﺻﻔﺤﻪ‬ ‫ﻋﻨﻮان‬ ‫ﺷﻤﺎرﻩ‬
‫‪٢‬‬ ‫آﻠﻴﺎت‬ ‫ﻓﺼﻞ‬
‫‪٢‬‬ ‫ﻣﻘﺪﻣﻪ‬ ‫‪٠‬‬
‫‪٣‬‬ ‫واژﮔﺎن و ﺗﻌﺎرﻳﻒ‬ ‫‪١-٠‬‬
‫‪٧‬‬ ‫ﺧﻮاص ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي‬ ‫‪٢-٠‬‬
‫‪٨‬‬ ‫ﺳﻴﺴﺘﻢهﺎي اﻧﺪازﻩ آﻤﻲ‬ ‫‪٣-٠‬‬
‫‪٨‬‬ ‫ﺛﺒﺎت‬ ‫‪١‬‬
‫‪٩‬‬ ‫ﮔﺮاﻳﺶ‬ ‫‪١-١‬‬
‫‪١١‬‬ ‫ارﺗﺒﺎط ﺧﻄﻲ‬ ‫‪٢-١‬‬
‫‪١٤‬‬ ‫ﺗﻜﺮارﭘﺬﻳﺮي‬ ‫‪٣-١‬‬
‫‪١٥‬‬ ‫ﺗﺠﺪﻳﺪﭘﺬﻳﺮي‬ ‫‪٤-١‬‬
‫‪١٥‬‬ ‫ﻧﻮﺳﺎﻧﺎت ﻗﻄﻌﻪ ﺑﻪ ﻗﻄﻌﻪ‬ ‫‪٥-١‬‬
‫‪١٦‬‬ ‫)‪%(R/R‬‬ ‫‪٦-١‬‬
‫‪١٧‬‬ ‫ﻧﻮﺳﺎﻧﺎت درون ﻗﻄﻌﻪاي‬ ‫‪٧-١‬‬
‫‪١٩‬‬ ‫روش ﺑﺮد‬ ‫‪٨-١‬‬
‫‪٢١‬‬ ‫ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢهﺎي وﺻﻔﻲ‬ ‫‪٩-١‬‬
‫‪٢١‬‬ ‫روش ﻣﺘﻘﺎﻃﻊ‬ ‫‪٢‬‬
‫‪٢٤‬‬ ‫روش ﺑﻴﺰي‬ ‫‪١-٢‬‬
‫‪٢٥‬‬ ‫روش ﺳﻴﮕﻨﺎل‬ ‫‪٢-٢‬‬
‫‪٢٦‬‬ ‫روش ﺗﺤﻠﻴﻠﻲ‬ ‫‪٣-٢‬‬
‫‪٣٠‬‬ ‫ﺗﺴﺖهﺎي ﻣﺨﺮب و ﻏﻴﺮ ﺗﻜﺮارﭘﺬﻳﺮي‬ ‫‪٤-٢‬‬
‫‪٣٠‬‬ ‫ﺛﺒﺎت‬ ‫‪٣‬‬
‫‪٣١‬‬ ‫ﺗﻐﻴﻴﺮﭘﺬﻳﺮي‬ ‫‪١-٣‬‬
‫‪٣۴‬‬ ‫ارزﻳﺎﺑﯽ اﺟﺮای ‪MSA‬‬ ‫‪٢-٣‬‬
‫‪٣۴‬‬ ‫ﻣﺮاﺣﻞ ارزﻳﺎﺑﯽ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی‬ ‫‪۴‬‬
‫‪٣٨‬‬ ‫ﻳﮏ ﻗﺎﻧﻮن ﻧﺎﻧﻮﺷﺘﻪ در ‪MSA‬‬ ‫‪١-۴‬‬
‫‪٣٩‬‬ ‫ﭼﮏ ارزﻳﺎﺑﯽ ‪MSA‬‬ ‫‪٢-۴‬‬
‫‪۴١‬‬ ‫‪٣-۴‬‬
‫ﭘﻴﻮﺳﺖهﺎ‬
 ‫ﻓﺼﻞ ‪ :٠‬آﻠﻴﺎت‬

‫‪ ١-٠‬ﻣـﻘـﺪﻣـﻪ‬
‫دادﻩهﺎي ﺣﺎﺻﻞ از اﻧﺪازﻩﮔﻴﺮي‪ ،‬اﻣﺮوز ﺑﻴﺶ از هﺮ زﻣﺎن دﻳﮕﺮي ﻣﻮرد آﺎرﺑﺮد دارﻧﺪ‪ .‬ﺑﺮاي ﻣﺜﺎل‪ ،‬اﻣﺮوزﻩ‬
‫ﺣﺪود آﻨﺘﺮل ﺁﻣﺎري ﻳﻚ ﻓﺮﺁﻳﻨﺪ ﺑﺎ دادﻩهﺎي ﺣﺎﺻﻞ از اﻧﺪازﻩﮔﻴﺮي‪ -‬و ﻳﺎ ﺁﻣﺎرهﺎﻳﻲ آﻪ از ﺁﻧﻬﺎ اﺳﺘﺨﺮاج‬
‫ﻣﻲﺷﻮد‪ -‬ﻣﻘﺎﻳﺴﻪ ﻣﻲﮔﺮدﻧﺪ و ﺗﻌﻴﻴﻦ ﻣﻲﺷﻮد آﻪ ﺁﻳﺎ ﻓﺮﺁﻳﻨﺪ ﺑﻪ ﺗﻨﻈﻴﻢ)هﺎﻳﻲ( ﻧﻴﺎز دارد ﻳﺎ ﺧﻴﺮ‪.‬‬
‫اﺳﺘﻔﺎدﻩ دﻳﮕﺮي آﻪ از دادﻩهﺎي ﺣﺎﺻﻞ از اﻧﺪازﻩﮔﻴﺮي ﺻﻮرت ﻣﻲﮔﻴﺮد‪ ،‬ﺑﺮرﺳﻲ وﺟﻮد و ﻳﺎ ﻋﺪم وﺟﻮد‬
‫راﺑﻄﻪ ﺑﻴﻦ دو ﻣﺘﻐﻴﺮ اﺳﺖ‪ .‬ﺑﺮاي ﻣﺜﺎل‪ ،‬ﻣﻤﻜﻦ اﺳﺖ در ﻳﻚ ﻓﺮﺁﻳﻨﺪ ﺗﻮﻟﻴﺪ ﻻزم ﺑﺎﺷﺪ ﺑﺪاﻧﻴﻢ آﻪ ﺁﻳﺎ ﺑﻴﻦ ﺑﻌﺪ‬
‫ﺧﺎﺻﻲ از ﻗﻄﻌﻪ ﺗﻮﻟﻴﺪي و درﺟﻪ ﺣﺮارت ﭘﻼﺳﺘﻴﻚ ﺗﺰرﻳﻘﻲ‪ ،‬راﺑﻄﻪاي وﺟﻮد دارد ﻳﺎ ﺧﻴﺮ‪ .‬وﺟﻮد ﻳﺎ ﻋﺪموﺟﻮد‬
‫ﭼﻨﻴﻦ راﺑﻄﻪاي را ﺑﺎ اﺳﺘﻔﺎدﻩ از ﻳﻚ روش ﺁﻣﺎري ﺑﻨﺎم "رﮔﺮﺳﻴﻮن" ﻣﻲﺗﻮان ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار داد‪.‬‬
‫ﻣﻄﺎﻟﻌﺎﺗﻲ از اﻳﻦ دﺳﺖ‪ ،‬ﻣﺼﺎدﻳﻘﻲ از ﻣﻮﺿﻮﻋﻲ هﺴﺘﻨﺪ آﻪ دآﺘﺮ دﻣﻴﻨﮓ ﺁن را ﻣﻄﺎﻟﻌﻪ ﺗﺤﻠﻴﻠﻲ‬
‫ﻣﻲﻧﺎﻣﺪ‪.‬‬
‫ﻣﻄﺎﻟﻌﻪ ﺗﺤﻠﻴﻠﻲ‪ ،‬ﻣﻄﺎﻟﻌﻪاي اﺳﺖ آﻪ ﺑﻪ ﺷﻨﺎﺳﺎﺋﻲ ﻋﻠﺖهﺎﻳﻲ ﻣﻲﭘﺮدازد آﻪ ﺑﺮ روي ﻓﺮﺁﻳﻨﺪ ﺗﺄﺛﻴﺮ‬
‫ﻣﻲﮔﺬارﻧﺪ‪.‬‬
‫ﻣﻄﺎﻟﻌﺎت ﺗﺤﻠﻴﻠﻲ از ﺟﻤﻠﻪ ﻣﻬﻤﺘﺮﻳﻦ آﺎرﺑﺮدهﺎي دادﻩهﺎي اﻧﺪازﻩﮔﻴﺮي هﺴﺘﻨﺪ‪ ،‬ﭼﺮا آﻪ ﺑﻪ ﺑﻬﺘﺮﻳﻦ ﻧﺤﻮي‬
‫ﺑﻪ درك ﺑﻬﺘﺮ ﻓﺮﺁﻳﻨﺪ آﻤﻚ ﻣﻲآﻨﻨﺪ‪.‬‬
‫ﻣﺰاﻳﺎي ﺣﺎﺻﻠﻪ از ﻳﻚ ﭼﻨﻴﻦ روش ﻣﺒﺘﻨﻲ ﺑﺮ دادﻩاي‪ ،‬ﺑﻪ ﻃﺮز ﮔﺴﺘﺮدﻩاي ﺑﻪ آﻴﻔﻴﺖ دادﻩهﺎي اﻧﺪازﻩﮔﻴﺮي‬
‫ﺑﺴﺘﮕﻲ دارد‪ .‬ﭼﻨﺎﻧﭽﻪ آﻴﻔﻴﺖ دادﻩهﺎ ﭘﺎﻳﻴﻦ ﺑﺎﺷﺪ‪ ،‬ﻣﺰاﻳﺎي اﺳﺘﻔﺎدﻩ از ﭼﻨﻴﻦ روﺷﻲ ﻧﻴﺰ ﭘﺎﻳﻴﻦ ﺧﻮاهﺪ‬
‫ﺑﻮد‪ .‬ﺑﻪ ﻋﻜﺲ هﺮﭼﻪ آﻴﻔﻴﺖ دادﻩهﺎ ﺑﺎﻻﺗﺮ ﺑﺎﺷﺪ‪ ،‬ﻣﺰاﻳﺎي اﺳﺘﻔﺎدﻩ از اﻳﻦ روش ﺑﺎﻻﺗﺮ ﺧﻮاهﺪ ﺑﻮد‪.‬‬

‫آﻴﻔﻴﺖ دادﻩهﺎي اﻧﺪازﻩﮔﻴﺮي‬

‫آﻴﻔﻴﺖ دادﻩهﺎي اﻧﺪازﻩﮔﻴﺮي ﺑﺴﺘﮕﻲ ﺑﻪ وﻳﮋﮔﻲهﺎي ﺁﻣﺎري دارد آﻪ از ﭼﻨﺪ اﻧﺪازﻩﮔﻴﺮي ﺗﺤﺖ ﺷﺮاﻳﻂ‬
‫ﭘﺎﻳﺪار‪ ،‬از ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﺪﺳﺖ ﻣﻲﺁﻳﺪ‪.‬‬
‫ﺑﺮاي ﻣﺜﺎل‪ ،‬ﻓﺮض آﻨﻴﺪ آﻪ ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺗﺤﺖ ﺷﺮاﻳﻂ ﭘﺎﻳﺪار ﺑﺮاي اﻧﺪازﻩﮔﻴﺮيهﺎي ﻣﺘﻌﺪدي از‬
‫ﻳﻚ وﻳﮋﮔﻲ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪﻩاﺳﺖ‪.‬‬
‫اﮔﺮ ﺗﻤﺎم اﻧﺪازﻩهﺎي ﮔﺮﻓﺘﻪ ﺷﺪﻩ ﺑﻪ اﻧﺪازﻩ واﻗﻌﻲ ﻧﺰدﻳﻚ ﺑﺎﺷﻨﺪ‪ ،‬آﻴﻔﻴﺖ دادﻩهﺎ ﺑﺎﻻ و در ﻏﻴﺮ اﻳﻦ ﺻﻮرت‬
‫آﻴﻔﻴﺖ دادﻩهﺎ ﭘﺎﺋﻴﻦ ﺑﻪ ﺣﺴﺎب ﻣﻲﺁﻳﻨﺪ‪.‬‬
‫ﻳﻜﻲ از ﻣﺘﺪاولﺗﺮﻳﻦ دﻻﻳﻞ وﺟﻮد دادﻩهﺎي ﺑﺎ آﻴﻔﻴﺖ ﭘﺎﻳﻴﻦ وﺟﻮد ﻧﻮﺳﺎنهﺎي ﺑﺴﻴﺎر در دادﻩهﺎ‬
‫اﺳﺖ‪.‬ﺑﺴﻴﺎري از اﻳﻦ ﻧﻮﺳﺎﻧﺎت ﺑﻪ دﻟﻴﻞ ﺗﺄﺛﻴﺮات ﻣﺘﻘﺎﺑﻠﻲ اﺳﺖ آﻪ ﺑﻴﻦ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي و ﻣﺤﻴﻂ‬
‫ﭘﻴﺮاﻣﻮن ﺁن وﺟﻮد دارد‪.‬‬
‫ﭼﻨﺎﻧﭽﻪ اﻳﻦ ﺗﺄﺛﻴﺮات ﺑﺎﻋﺚ ﺑﻪ وﺟﻮد ﺁﻣﺪن ﻧﻮﺳﺎﻧﺎت ﺑﺴﻴﺎر زﻳﺎدي ﺷﻮد‪ ،‬ﻣﻤﻜﻦ اﺳﺖ آﻴﻔﻴﺖ دادﻩهﺎ‬
‫ﺁﻧﻘﺪر ﭘﺎﻳﻴﻦ ﺑﺎﺷﺪ‪ ،‬آﻪ ﻋﻤﻼ" اﺳﺘﻔﺎدﻩاي ﻧﺪاﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل‪ ،‬ﻳﻚ دﺳﺘﮕﺎﻩ اﻧﺪازﻩﮔﻴﺮي ﺑﺎ‬
‫ﻧﻮﺳﺎﻧﺎت ﻓﺮاوان‪ ،‬ﺑﺮاي ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﻳﻚ ﻓﺮﺁﻳﻨﺪ ﺗﻮﻟﻴﺪي ﻣﻨﺎﺳﺐ ﻧﻴﺴﺖ‪ ،‬ﭼﺮا آﻪ ﻣﻤﻜﻦ اﺳﺖ ﻧﻮﺳﺎﻧﺎت‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺣﺘﻲ ﻧﻮﺳﺎﻧﺎت ﻓﺮﺁﻳﻨﺪ ﺗﻮﻟﻴﺪ را ﺗﺤﺖاﻟﺸﻌﺎع ﻗﺮار دهﺪ‪.‬‬
‫ﻋﻤﺪﻩ آﺎر ﻣﺪﻳﺮﻳﺖ ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻣﻌﻄﻮف ﺑﻪ ﻧﻈﺎرت و آﻨﺘﺮل ﺑﺮ ﻧﻮﺳﺎﻧﺎت ﻣﻲﺑﺎﺷﺪ‪ .‬ﭼﻨﺎﻧﭽﻪ‬
‫آﻴﻔﻴﺖ دادﻩهﺎي ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻗﺎﺑﻞ ﻗﺒﻮل ﻧﺒﺎﺷﺪ‪ ،‬ﺁﻧﮕﺎﻩ ﭼﺎرﻩاي ﺟﺰ ﺑﻬﺒﻮد ﺁن وﺟﻮد ﻧﺪارد‪.‬‬
‫اﻳﻦ اﻣﺮ ﺑﻴﺸﺘﺮ از ﺁﻧﻜﻪ ﺑﻪ ﻣﻌﻨﺎي ﺑﻬﺒﻮد ﺧﻮد دادﻩهﺎ ﺑﺎﺷﺪ ﺑﻪ ﻣﻌﻨﺎي ﺑﻬﺒﻮد ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي اﺳﺖ‪.‬‬

‫‪ ٢-٠‬واژﮔﺎن و ﺗﻌﺎرﻳﻒ‬
‫ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي)‪(Measurement Process‬‬ ‫‪(١‬‬
‫در اﻳﻦ ﺟﺰوﻩ‪ ،‬اﻧﺪازﻩﮔﻴﺮي ﺑﻪ اﻳﻦ ﮔﻮﻧﻪ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪:‬‬
‫"ﺗﺨﺼﻴﺺ اﻋﺪاد ﺑﻪ ﻣﻮارد ﻣﺸﺨﺺ ﺑﻪ ﻣﻨﻈﻮر ﺗﺒﻴﻴﻦ رواﺑﻂ ﺑﻴﻦ وﻳﮋﮔﻲهﺎي ﺧﺎص"‬
‫اﻳﻦ ﺗﻌﺮﻳﻒ ﻧﺨﺴﺘﻴﻦ ﺑﺎر در ‪ ١٩٦٣‬ﺗﻮﺳﻂ "ﺁﻳﺰﻧﻬﺎرت" اراﺋﻪ ﺷﺪ‪.‬‬
‫ﻓﺮﺁﻳﻨﺪ ﺗﺨﺼﻴﺺدهﻲ ﻋﺪد ﺑﻪ ﻋﻨﻮان ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‪ ،‬و ﻣﻘﺪار ﺗﺨﺼﻴﺺ دادﻩ‬
‫ﺷﺪﻩ ﺑﻪ ﻋﻨﻮان ﻣﻘﺪار اﻧﺪازﻩ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد‪.‬‬
‫از اﻳﻦ ﺗﻌﺮﻳﻒ ﭼﻨﻴﻦ ﺑﺮ ﻣﻲﺁﻳﺪ آﻪ ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي ﻣﻲﺗﻮاﻧﺪ ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻓﺮﺁﻳﻨﺪ ﺗﻮﻟﻴﺪي در ﻧﻈﺮ‬
‫ﮔﺮﻓﺘﻪ ﺷﻮد آﻪ ﺧﺮوﺟﻲ ﺁن ﻋﺪد )دادﻩ( اﺳﺖ ‪.‬ﭼﻨﻴﻦ ﻧﮕﺮﺷﻲ ﺑﻪ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي از ﺁن‬
‫ﺟﻬﺖ ﻣﻔﻴﺪ اﺳﺖ آﻪ ﺑﻪ ﻣﺎ اﺟﺎزﻩ ﻣﻲدهﺪ ﻣﻔﺎهﻴﻢ‪ ،‬اﺻﻮل و اﺑﺰاري را در ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻪ آﺎر ﺑﺒﻨﺪﻳﻢ آﻪ ﻗﺒﻼ" در آﻨﺘﺮل ﺁﻣﺎري ﻓﺮﺁﻳﻨﺪ )‪ (SPC‬ﺑﻪ آﺎر ﮔﺮﻓﺘﻪ ﺑﻮدﻳﻢ ‪.‬‬
‫ﺳﻨﺠﻪ )‪:(Gage‬‬ ‫‪(٢‬‬
‫هﺮ وﺳﻴﻠﻪاي آﻪ ﺑﺮاي دﺳﺘﻴﺎﺑﻲ ﺑﻪ اﻧﺪازﻩهﺎ ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻗﺮار ﻣﻲﮔﻴﺮد‪ ،‬ﮔﺎهﻲ اوﻗﺎت‬
‫اﺧﺘﺼﺎﺻﺎ" ﺑﺮاي وﺳﺎﻳﻠﻲ آﻪ ﻧﻘﺶ اﺑﺰار ﺑﺮو‪ /‬ﻧﺮو را در آﺎرﮔﺎﻩهﺎ اﻳﻔﺎ ﻣﻲآﻨﻨﺪ‪ ،‬ﺑﻪ آﺎر ﮔﺮﻓﺘﻪ‬
‫ﻣﻲﺷﻮد‪.‬‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي )‪:(Measurement System‬‬ ‫‪(٣‬‬
‫ﻣﺠﻤﻮﻋﻪ ﻋﻤﻠﻴﺎت‪ ،‬روشهﺎ‪ ،‬ﺳﻨﺠﻪهﺎ و ﺳﺎﻳﺮ اﺑﺰار‪ ،‬ﻧﺮم اﻓﺰارهﺎ و ﻧﻔﺮاﺗﻲ آﻪ ﺑﺮاي ﺗﺨﺼﻴﺺ ﻳﻚ‬
‫ﻋﺪد ﺑﻪ ﻳﻚ وﻳﮋﮔﻲ ﻣﻮرد اﻧﺪازﻩﮔﻴﺮي ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻗﺮار ﻣﻲﮔﻴﺮد‪.‬‬
‫‪(Discrimination, Readability,‬‬ ‫ﺗﺒﻌﻴﺾ‪ ،‬ﻗﺎﺑﻠﻴﺖ ﺧﻮاﻧﺪن‪ ،‬رﻳﺰﻧﮕﺮي )ﺗﺠﻬﻴﺰات(‬ ‫‪(٤‬‬
‫)‪:Resolution‬‬
‫آﻮﭼﻜﺘﺮﻳﻦ واﺣﺪ ﻗﺎﺑﻞ ﺧﻮاﻧﺪن‪ ،‬رﻳﺰﻧﮕﺮي اﻧﺪازﻩﮔﻴﺮي ﻳﺎ ﺣﺪ ﻣﻘﻴﺎس دﺳﺘﮕﺎﻩ ﻧﺎم دارد‪.‬‬
‫ﻣﻘﺪار ﻣﺮﺟﻊ )‪:(Reference Value‬‬ ‫‪(٥‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ارزش ﭘﺬﻳﺮﻓﺘﻪ ﺷﺪﻩ ﺑﺮاي ﻳﻚ ﻣﺤﺼﻮل ﻳﺎ ﻣﺼﻨﻮع‪.‬‬
‫ﻣﻘﺪار واﻗﻌﻲ )‪:(True Value‬‬ ‫‪(٦‬‬
‫ﻣﻘﺪار ﺣﻘﻴﻘﻲ از ﻳﻚ ﻣﺤﺼﻮل ﻳﺎ ﻣﺼﻨﻮع آﻪ ﻣﻌﻤﻮﻻً ﻧﺎﺷﻨﺎﺧﺘﻪ ﻣﻲﺑﺎﺷﺪ‪.‬‬
 ‫ﮔﺮاﻳﺶ )‪:(Bias‬‬ ‫‪(٧‬‬
‫اﺧﺘﻼف ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ اﻧﺪازﻩﮔﻴﺮيهﺎي اﻧﺠﺎم ﺷﺪﻩ ﺑﺎ ﻣﻘﺪار ﻣﺮﺟﻊ ﮔﺮاﻳﺶ ﻧﺎم دارد‪.‬‬

‫‪RV‬‬
‫ﺛﺒﺎت‬ ‫‪(٨‬‬
‫)‪:(Stability‬‬
‫ﻋﺒﺎرﺗﺴﺖ‬ ‫‪BIAS‬‬

‫ﺁﻣﺎري ﻳﻚ‬ ‫از آﻨﺘﺮل‬

‫ﻓﺮﺁﻳﻨﺪ‬
‫‪X‬‬
‫اﻧﺪازﻩﮔﻴﺮي ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻮﻗﻌﻴﺖ ﺁن در ﻃﻮل زﻣﺎن‪ ،‬ﻳﺎ ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ ﺗﻐﻴﻴﺮات ﮔﺮاﻳﺶ در ﻃﻮل زﻣﺎن‬
‫و ﺗﺤﺖ آﻨﺘﺮل ﺁﻣﺎري ﺑﻮدن ﺁن ﺛﺒﺎت ﻧﺎم دارد‪.‬‬

‫‪RV‬‬

‫‪Time‬‬

‫‪RV‬‬
 ‫ارﺗﺒﺎط ﺧﻄﻲ )‪:(Linearity‬‬ ‫‪(٩‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ﺗﻐﻴﻴﺮات ﮔﺮاﻳﺶ در ﮔﺴﺘﺮﻩ ﻃﺒﻴﻌﻲ و ﻋﻤﻠﻴﺎﺗﻲ ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي‬

‫‪X1‬‬ ‫‪X2‬‬

‫‪BIAS‬‬ ‫‪BIAS‬‬

‫‪RV1‬‬ ‫‪RV2‬‬

‫‪ (١٠‬دﻗﺖ )‪:(Precision‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ﻧﺰدﻳﻚ ﺑﻮدن ﻣﻘﺎدﻳﺮ اﻧﺪازﻩﮔﻴﺮي ﺷﺪﻩ‪ ،‬هﻨﮕﺎﻣﻲ آﻪ ﺗﻜﺮارهﺎي اﻧﺪازﻩﮔﻴﺮي روي ﻗﻄﻌﻪ‬
‫ﻳﺎ ﻗﻄﻌﺎت ﺛﺎﺑﺖ اﻧﺠﺎم ﻣﻲﭘﺬﻳﺮد‪.‬‬

‫‪ (١١‬ﺗﻜﺮارﭘﺬﻳﺮي )‪:(Repeatability‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ﻧﻮﺳﺎﻧﺎت ﺑﺪﺳﺖ ﺁﻣﺪﻩ از ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي هﻨﮕﺎﻣﻲ آﻪ ﻳﻚ اﺑﺰار اﻧﺪازﻩﮔﻴﺮي‪،‬‬
‫ﺑﻪ وﺳﻴﻠﻪ ﻳﻚ ﺑﺎزرس ﭼﻨﺪ ﺑﺎر ﺑﺮاي اﻧﺪازﻩﮔﻴﺮي ﻳﻚ ﻣﺸﺨﺼﻪ ﺧﺎص از ﻗﻄﻌﻪ )ﻳﺎ ﻗﻄﻌﺎت( ﻣﻮرد‬
‫اﺳﺘﻔﺎدﻩ ﻗﺮار ﻣﻲﮔﻴﺮد‪.‬‬

‫‪Repeatability‬‬
 ‫‪ (١٢‬ﺗﺠﺪﻳﺪﭘﺬﻳﺮي )‪:(Reproducibility‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ﻧﻮﺳﺎﻧﺎت ﺑﻴﻦ ﻣﻴﺎﻧﮕﻴﻦ اﻧﺪازﻩﮔﻴﺮيهﺎي ﺑﺪﺳﺖ ﺁﻣﺪﻩ‪ ،‬هﻨﮕﺎﻣﻲ آﻪ ﭼﻨﺪ ﺑﺎزرس ﺑﺎ ﻳﻚ‬
‫اﺑﺰار ﻣﺸﺨﺼﻪاي از ﻗﻄﻌﻪ )ﻳﺎ ﻗﻄﻌﺎت( را اﻧﺪازﻩﮔﻴﺮي ﻣﻲﻧﻤﺎﻳﻨﺪ‪.‬‬

‫‪Reproducibility‬‬

‫‪A‬‬ ‫‪C‬‬ ‫‪B‬‬

‫‪ (١٣‬ﮔﻴﺞ ‪) R&R‬ﻳﺎ ‪:(GRR‬‬

‫ﺗﺮآﻴﺐ ﺗﻜﺮارﭘﺬﻳﺮي و ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ﺑﺼﻮرت ﺗﻮام‪ ،‬آﻪ ﺑﺮاي ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺗﺨﻤﻴﻦ زدﻩ ﻣﻲﺷﻮد‪.‬‬

‫‪A‬‬ ‫‪C‬‬ ‫‪B‬‬

‫‪GRR‬‬

‫‪ (١٤‬ﺗﻮاﻧﻤﻨﺪي ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي )‪:(Measurement System Capability‬‬

‫ﺗﺨﻤﻴﻦ از ﻧﻮﺳﺎﻧﺎت ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي در آﻮﺗﺎﻩ ﻣﺪت )ﻣﺎﻧﻨﺪ ‪ GRR‬ﺑﻪ هﻤﺮاﻩ ﻧﻤﻮدارهﺎي‬
‫ﻣﺮﺑﻮﻃﻪ(‬
‫‪ (١٥‬ﻋﻤﻠﻜﺮد ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي )‪:(Measurement System Performance‬‬
‫ﺗﺨﻤﻴﻦ از ﻧﻮﺳﺎﻧﺎت ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي در ﺑﻠﻨﺪ ﻣﺪت )ﻣﺎﻧﻨﺪ ﻧﻤﻮدارهﺎي آﻨﺘﺮل در ﺑﻠﻨﺪ ﻣﺪت(‬
‫‪ (١٦‬ﺳﺎزﮔﺎري )‪:(Consistency‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ﻣﻴﺰان ﺗﻐﻴﻴﺮات ﺗﻜﺮارﭘﺬﻳﺮي در ﻃﻮل زﻣﺎن‬

‫‪UCL‬‬

‫‪Average‬‬
‫‪Range‬‬
‫‪LCL‬‬
 ‫‪ (١٧‬ﺗﻨﺎﺳﺐ )‪:(Uniformity‬‬
‫ﻋﺒﺎرﺗﺴﺖ از ﺗﻐﻴﻴﺮات ﺗﻜﺮارﭘﺬﻳﺮي در ﮔﺴﺘﺮﻩ ﻃﺒﻴﻌﻲ و ﻋﻤﻠﻴﺎﺗﻲ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻳﺎ‬
‫ﺑﻌﺒﺎرت دﻳﮕﺮ ﻳﻜﻨﻮاﺧﺖ ﺑﻮدن ﺗﻜﺮارﭘﺬﻳﺮي در اﻳﻦ ﮔﺴﺘﺮﻩ‬

‫‪Size1‬‬ ‫‪Size2‬‬

‫‪ (١٨‬ﻋﺪم اﻃﻤﻴﻨﺎن )‪:(Uncertainty‬‬

‫ﻳﻚ ﺗﺨﻤﻴﻦ از ﺑﺎزﻩاي آﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺪار اﻧﺪازﻩﮔﻴﺮي ﺷﺪﻩ‪ ،‬ﻣﻘﺪار واﻗﻌﻲ ﻣﻲﺗﻮاﻧﺪ در ﺁن ﻗﺮار ﮔﻴﺮد‪.‬‬

‫‪ ٣-٠‬ﺧﻮاص ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي‬

‫ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي اﻳﺪﻩﺁل در دﻓﻌﺎت ﻣﻜﺮر اﺳﺘﻔﺎدﻩ ﻓﻘﻂ دادﻩهﺎي درﺳﺖ ﺗﻮﻟﻴﺪ ﻣﻲآﻨﺪ‪ .‬در ﭼﻨﻴﻦ‬
‫ﺳﻴﺴﺘﻤﻲ ﻧﻮﺳﺎﻧﺎت ﺻﻔﺮ‪ ،‬ﮔﺮاﻳﺶ ﺻﻔﺮ و اﻣﻜﺎن ﻃﺒﻘﻪﺑﻨﺪي ﻧﺎدرﺳﺖ ﺑﺮاي ﻗﻄﻌﺎت ﻧﻴﺰ ﺻﻔﺮ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ هﺪف ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي آﻪ ﺑﻪ دﻧﺒﺎل اﻳﻦ اﺳﺖ‪ ،‬ﻗﻄﻌﺎت ﺳﺎﻟﻢ هﻤﻴﺸﻪ‬
‫ﺑﺼﻮرت ﺳﺎﻟﻢ و ﻗﻄﻌﺎت ﺧﺮاب هﻤﻴﺸﻪ ﺑﻪ ﺻﻮرت ﺧﺮاب ﻃﺒﻘﻪﺑﻨﺪي ﺷﻮﻧﺪ‪ ،‬ﭘﺲ ﺑﺎﻳﺴﺘﻲ در ﻳﻚ‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺧﻮب ﮔﺮاﻳﺶ و ﻧﻮﺳﺎﻧﺎت اﮔﺮ ﺻﻔﺮ ﻧﺒﺎﺷﻨﺪ‪ ،‬ﻻاﻗﻞ از ﻳﻚ ﺣﺪ ﻣﻌﻴﻨﻲ آﻮﭼﻜﺘﺮ ﺑﺎﺷﻨﺪ‬
‫در اﻳﻦ ﺻﻮرت اﺣﺘﻤﺎل ﻃﺒﻘﻪﺑﻨﺪي ﻧﺎدرﺳﺖ ﻗﻄﻌﺎت ﻧﻴﺰ آﻢ ﺧﻮاهﺪ ﺑﻮد‪.‬‬
 ‫ﻓﺼﻞ ‪ :١‬ﺳﻴﺴﺘﻢهﺎي اﻧﺪازﻩﮔﻴﺮي آﻤّﻲ‬
‫‪ ١-١‬ﺛﺒﺎت )‪(Stability‬‬
‫هﻤﺎﻧﮕﻮﻧﻪ آﻪ در ﺗﻌﺮﻳﻒ ﺛﺒﺎت ﺑﻪ ﺁن اﺷﺎرﻩ ﺷﺪﻩ‪ ،‬ﺛﺒﺎت ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻪ ﻣﻌﻨﺎي ﺗﺤﺖ آﻨﺘﺮل‬
‫)ﺁﻣﺎري( ﻗﺮار داﺷﺘﻦ ﺁن‪ ،‬در ﻃﻮل زﻣﺎن ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﻪ ﺑﻴﺎن دﻳﮕﺮ ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي وﻗﺘﻲ ﺛﺒﺎت دارد‬
‫آﻪ ﻓﻘﻂ ﻋﻠﻞ ﺗﺼﺎدﻓﻲ ﻧﻮﺳﺎﻧﺎت در ﺁن وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ﺑﻤﻨﻈﻮر ﺗﻌﻴﻴﻦ ﺛﺒﺎت اﻧﺪازﻩﮔﻴﺮي ﺑﻪ ﺷﺮح زﻳﺮ‬
‫ﻋﻤﻞ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫‪ -١‬ﻧﻤﻮﻧﻪاي را آﻪ ﻣﻌﻤﻮﻻً در ﺣﻴﻄﻪ وﺳﻂ ﺗﻮﻟﻴﺪ ﻗﺮاردارد اﻧﺘﺨﺎب ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫‪ -٢‬اﻳﻦ ﻧﻤﻮﻧﻪ را ﻃﻲ دورﻩهﺎي ﻣﺸﺨﺺ ﺳﻪ ﺗﺎ ﭘﻨﺞ ﺑﺎر اﻧﺪازﻩﮔﻴﺮي ﻣﻲﻧﻤﺎﺋﻴﻢ‪ .‬اﻧﺪازﻩﮔﻴﺮي ﻣﻲﺑﺎﻳﺴﺖ‬
‫ﺑﺮ اﺳﺎس ﺁﮔﺎهﻲهﺎي ﻻزم از ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺻﻮرت ﭘﺬﻳﺮد و در واﻗﻊ ﺑﺎﻳﺴﺘﻲ زﻣﺎنهﺎي‬
‫اﻧﺪازﻩﮔﻴﺮي ﻃﻮري ﺗﻌﻴﻴﻦ ﺷﻮد ﺗﺎ ﻣﺠﺎل وﻗﻮع ﻋﻠﻞ ﺧﺎص ﺑﻪ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي دادﻩ ﺷﻮد‪.‬‬
‫‪ -٣‬ﻣﻴﺎﻧﮕﻴﻦ و ﺑﺮد اﻧﺪازﻩﮔﻴﺮيهﺎي ﻣﻜﺮر را ﺑﺮ روي ﻧﻤﻮدار )‪ ( X , R‬ﺗﺮﺳﻴﻢ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬

‫‪ -٤‬ﻣﺤﺪودﻩهﺎي آﻨﺘﺮل را ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮدﻩ‪ ،‬ﻧﻘﺎط ﺧﺎرج از ﺣﺪود آﻨﺘﺮل را ﺑﺮ اﺳﺎس ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞهﺎي‬
‫اﻧﺠﺎم ﺷﺪﻩ‪ ،‬ﭘﺲ از ﺣﺬف رﻳﺸﻪ ﻋﻠﻞ ﺁن‪ ،‬از ﻓﺮﺁﻳﻨﺪ ﺧﺎرج ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻤﻮدارهﺎي رﺳﻢ ﺷﺪﻩ )‪ ، ( X , R‬ﻧﻘﺎط ﺧﺎرج از ﻣﺤﺪودﻩ آﻨﺘﺮل ﺑﺮدهﺎ ﻧﺸﺎﻧﺪهﻨﺪﻩ ﺗﻜﺮارﭘﺬﻳﺮي‬

‫و ﻧﻘﺎط ﺧﺎرج از ﻣﺤﺪودﻩ آﻨﺘﺮل ﻣﻴﺎﻧﮕﻴﻦهﺎ ﻧﺸﺎﻧﺪهﻨﺪﻩ ﻣﺴﺎﻳﻞ ﻣﺮﺑﻮط ﺑﻪ ﮔﺮاﻳﺶ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫اﮔﺮ ﻳﻚ ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي ﺛﺒﺎت داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬دادﻩهﺎي ﺁن ﻣﻲﺗﻮاﻧﺪ ﺑﺮاي ﺗﻌﻴﻴﻦ ﮔﺮاﻳﺶ ﺳﻴﺴﺘﻢ‬
‫اﻧﺪازﻩﮔﻴﺮي ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻗﺮار ﮔﻴﺮد )اﻟﺒﺘﻪ اﮔﺮ ﻣﻘﺪار ﻣﺮﺟﻊ ﺁن ﻣﺸﺨﺺ ﺑﺎﺷﺪ(‪ .‬هﻤﭽﻨﻴﻦ اﻧﺤﺮاف ﻣﻌﻴﺎر‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻌﻨﻮان ﻳﻚ ﺗﺨﻤﻴﻦ از ﺗﻜﺮارﭘﺬﻳﺮي ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻣﻲﺗﻮاﻧﺪ ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﺷﻮد‪.‬‬
‫ﻣﺜﺎل‪:‬‬
‫ﺑﻤﻨﻈﻮر ﻣﺸﺨﺺ آﺮدن ﺛﺒﺎت ﺑﺮاي ﻳﻚ اﺑﺰار اﻧﺪازﻩﮔﻴﺮي ﺟﺪﻳﺪ‪ ،‬ﺗﻴﻢ ﻣﺮﺑﻮﻃﻪ ﻳﻚ ﻗﻄﻌﻪ را آﻪ ﻧﺰدﻳﻚ ﺣﻴﻄﻪ‬
‫وﺳﻂ ﺗﻮﻟﻴﺪ ﻗﺮار دارد اﻧﺘﺨﺎب ﻧﻤﻮدﻩ و اﻳﻦ ﻗﻄﻌﻪ ﺗﻮﺳﻂ ﺁزﻣﺎﻳﺸﮕﺎﻩ ‪ ٢٠‬ﺑﺎر )هﺮ ﺑﺎر ‪ ٥‬ﻣﺮﺗﺒﻪ( اﻧﺪازﻩﮔﻴﺮي‬
‫ﺷﺪﻩ اﺳﺖ‪ .‬ﺑﻌﺪ از ‪ ٤‬هﻔﺘﻪ دادﻩهﺎي ﺟﻤﻊﺁوري ﺷﺪﻩ و ﻧﻤﻮدار )‪ ( X , R‬ﺁن ﻣﻄﺎﺑﻖ‪ ،‬ﺑﺎ ﺷﻜﻞ زﻳﺮ ﺗﺮﺳﻴﻢ‬

‫ﺷﺪﻩاﻧﺪ‪.‬‬

‫‪6.3‬‬
‫‪UCL=6.297‬‬
‫‪6.2‬‬
‫‪Sample Mean‬‬

‫‪6.1‬‬
‫‪6.0‬‬ ‫‪6.021‬‬
‫‪5.9‬‬
‫‪5.8‬‬
‫‪5.7‬‬ ‫‪LCL=5.746‬‬

‫‪Subgroup‬‬ ‫‪10‬‬ ‫‪20‬‬

‫‪0‬‬
 ‫‪1.0‬‬
‫‪UCL=1.010‬‬
‫‪Sample Range‬‬

‫‪0.5‬‬ ‫‪6.4779‬‬

‫‪LCL=0‬‬
‫‪0.0‬‬

‫ﺗﺤﻠﻴﻞ از ﻧﻤﻮدارهﺎي آﻨﺘﺮل ﻧﺸﺎﻧﺪهﻨﺪﻩ اﻳﻦ اﺳﺖ آﻪ ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي داراي ﺛﺒﺎت ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫ﮔﺮاﻳﺶ )‪(Bias‬‬ ‫‪٢-١‬‬

‫اﮔﺮ ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي ﺛﺒﺎت داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﻣﻲﺗﻮان از دادﻩهﺎي ﻣﻄﺎﻟﻌﺎت ﺛﺒﺎت ﺑﺮاي ﺗﻌﻴﻴﻦ ﮔﺮاﻳﺶ‬
‫اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪ .‬در ﻏﻴﺮ اﻳﻦ ﺻﻮرت ﻗﺒﻞ از ﺷﺮوع ﺑﻪ ﻣﻄﺎﻟﻌﻪ ﮔﺮاﻳﺶ ﺑﺎﻳﺴﺘﻲ ﻗﺒﻼً ﺛﺒﺎت ﺳﻴﺴﺘﻢ‬
‫اﻧﺪازﻩﮔﻴﺮي ﺑﻪ اﺛﺒﺎت رﺳﻴﺪﻩ ﺑﺎﺷﺪ‪ .‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﮔﺮاﻳﺶ ﺑﻪ ﺗﺮﺗﻴﺐ زﻳﺮ ﻋﻤﻞ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫ﻳﻚ ﻧﻤﻮﻧﻪ اﻧﺘﺨﺎب ﻧﻤﻮدﻩ و ﻣﻘﺪار ﻣﺮﺟﻊ ﺁن را ﻣﺸﺨﺺ ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﻣﻲﺗﻮان از ﻗﻄﻌﻪاي آﻪ ﺗﻘﺮﻳﺒﺎً‬ ‫‪-١‬‬
‫در ﺣﻴﻄﻪ وﺳﻂ ﺗﻮﻟﻴﺪ ﻗﺮارداد ﻳﺎ ﮔﻴﺞ ﺑﻠﻮك ﻳﺎ ‪ ...‬اﺳﺘﻔﺎدﻩ ﻧﻤﻮد(‪.‬‬
‫ﻗﻄﻌﻪ ﻣﺬآﻮر را ﺑﻪ ﺗﻌﺪاد ‪ r ≥ 10‬اﻧﺪازﻩﮔﻴﺮي ﻧﻤﺎﻳﻴﺪ‪) .‬در ﻳﻚ ﺗﺤﻠﻴﻞ ﮔﺮاﻓﻴﻜﻲ ﻣﻲﺗﻮان هﻴﺴﺘﻮﮔﺮام‬ ‫‪-٢‬‬
‫اﻧﺪازﻩﮔﻴﺮيهﺎي ﻣﻜﺮر را رﺳﻢ ﻧﻤﻮدﻩ‪ ،‬ﺑﺎﻳﺴﺘﻲ ﺗﻘﺮﻳﺒﺎً ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪ .‬در ﻏﻴﺮ اﻳﻨﺼﻮرت ﺑﺎﻳﺴﺘﻲ ﻋﻠﻞ‬
‫ﺧﺎص ﺁن ﺷﻨﺎﺳﺎﻳﻲ و ﺣﺬف ﺷﻮد‪(.‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ اﻧﺪازﻩﮔﻴﺮيهﺎي ﻣﻜﺮر را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﻳﻴﺪ‪.‬‬ ‫‪-٣‬‬
‫‪r‬‬

‫∑‬ ‫‪xi‬‬
‫=‪X‬‬ ‫‪i =1‬‬
‫‪r‬‬

‫ﻣﻘﺪار اﻧﺤﺮاف ﻣﻌﻴﺎر ﺗﻜﺮارﭘﺬﻳﺮي را ﻣﺤﺎﺳﺒﻪ‬ ‫ﺑﺎ اﺳﺘﻔﺎدﻩ از ﺟﺪول ﺿﻤﻴﻤﻪ ﭘﺲ از اﺳﺘﺨﺮاج *‪d 2‬‬ ‫‪-٤‬‬
‫ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫) ‪max( xi ) − min( x j‬‬
‫= ‪σ RPT‬‬ ‫‪1 ≤ i, j ≤ r‬‬
‫*‪d 2‬‬

‫ﺑﺎ اﺳﺘﻔﺎدﻩ از ﺗﺎﺑﻊ ‪) t‬ﺑﻪ ﺿﻤﻴﻤﻪ ﻣﺮاﺟﻌﻪ ﻧﻤﺎﻳﻴﺪ( ﻣﻘﺎدﻳﺮ زﻳﺮ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﻳﻴﺪ‪:‬‬ ‫‪-٥‬‬
‫‪Bias = X − RV‬‬
‫‪σ RPT‬‬
‫= ‪σb‬‬
‫‪r‬‬
‫‪Bias‬‬
‫=‪t‬‬
‫‪σb‬‬
‫ﮔﺮاﻳﺶ وﻗﺘﻲ ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ آﻪ ﺑﺮاي ﺳﻄﺢ ) ‪ %(1 − α‬اﻃﻤﻴﻨﺎن )ﻣﻌﻤﻮﻻً ‪ α‬ﺑﺮاﺑﺮ ﺑﺎ ‪0.05‬‬ ‫‪-٦‬‬
‫‪d σ‬‬ ‫‪‬‬ ‫‪d σ‬‬ ‫‪‬‬
‫اﺳﺖ( داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪Bias −  2 * b (t v ,1−α 2 ) ≤ O ≤ Bias +  2 * b (t v ,1−α 2 ) .‬‬
‫‪ d2‬‬ ‫‪‬‬ ‫‪ d2‬‬ ‫‪‬‬
‫آﻪ درﺁن ﻣﻘﺎدﻳﺮ *‪ V , d 2 , d 2‬از ﺟﺪول ﺿﻤﻴﻤﻪ ﻗﺎﺑﻞ اﺳﺘﺤﺼﺎل ﺑﻮدﻩ و ‪ tv ,1−α 2‬ﺑﺎ اﺳﺘﻔﺎدﻩ از ﺟﺪول ﺗﺎﺑﻊ ‪t‬‬

‫ﻗﺎﺑﻞ اﺳﺘﺨﺮاج ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫اﮔﺮ ﻣﻘﺪار ﻋﺪدي ﮔﺮاﻳﺶ ﻣﺨﺎﻟﻒ ﺻﻔﺮ ﺑﺎﺷﺪ ﻣﻤﻜﻦ اﺳﺖ ﺑﻪ دﻻﻳﻞ زﻳﺮ ﺑﺎﺷﺪ‪.‬‬
‫ﺧﻄﺎ در ﻗﻄﻌﻪ اﺻﻠﻲ ﻳﺎ ﻣﺮﺟﻊ‬ ‫‪-‬‬
‫ﻣﺸﻜﻼﺗﻲ آﻪ در اﺑﺰار وﺟﻮد دارد و ﺑﺎﻳﺴﺘﻲ ﺗﻌﻤﻴﺮ ﮔﺮدد‪.‬‬ ‫‪-‬‬
‫اﺑﺰار ﺑﻪ ﻃﻮر ﺻﺤﻴﺢ آﺎﻟﻴﺒﺮﻩ ﻧﺸﺪﻩ اﺳﺖ‪.‬‬ ‫‪-‬‬
‫در اﻧﺪازﻩ ﻳﺎ ﻣﺸﺨﺼﻪ اﺑﺰار اﺷﺘﺒﺎﻩ ﺑﻪ وﺟﻮد ﺁﻣﺪﻩ اﺳﺖ‪.‬‬ ‫‪-‬‬
‫اﺑﺰار ﺑﻪ ﻃﻮر ﺻﺤﻴﺢ ﺗﻮﺳﻂ اﭘﺮاﺗﻮر اﺳﺘﻔﺎدﻩ ﻧﺸﺪﻩ اﺳﺖ و ﻧﻴﺎز ﺑﻪ اﺻﻼح روﻳﻪ ﻣﺬآﻮر وﺟﻮد دارد‪.‬‬ ‫‪-‬‬
‫ﻏﻠﻂ ﺑﻮدن اﻟﮕﻮرﻳﺘﻢ ﺗﺼﺤﻴﺢ‪.‬‬ ‫‪-‬‬
‫ﭼﻨﺎﻧﭽﻪ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي داراي ﮔﺮاﻳﺶ ﻣﺨﺎﻟﻒ ﺻﻔﺮ ﺑﺎﺷﺪ‪ ،‬اﮔﺮ اﻣﻜﺎﻧﭙﺬﻳﺮ اﺳﺖ‪ ،‬ﺑﺎﻳﺴﺘﻲ از ﻃﺮﻳﻖ‬
‫آﺎﻟﻴﺒﺮﻩ ﻧﻤﻮدن ﻣﺠﺪد و اﺻﻼح ﺳﺨﺖ اﻓﺰار و ﻧﺮم اﻓﺰار ﺑﻪ ﻋﺪد ﻣﺬآﻮر رﺳﻴﺪ‪ .‬اﮔﺮ ﻋﺪد ﮔﺮاﻳﺶ ﻣﺨﺎﻟﻒ‬
‫ﺻﻔﺮ ﺑﺎﺷﺪ و ﻧﺘﻮان ﺁن را اﺻﻼح ﻧﻤﻮد‪ ،‬ﻣﻲﺗﻮان از ﻃﺮﻳﻖ اﺻﻼح روﻳﻪ )ﻋﺪد ﺗﺼﺤﻴﺢ( از ﺳﻴﺴﺘﻢ ﻣﺬآﻮر‬
‫اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪ .‬ﺑﺎﻳﺪ ﺗﻮﺟﻪ داﺷﺖ آﻪ در اﻳﻦ ﺣﺎﻟﺖ رﻳﺴﻚ ﺧﻄﺎي اﭘﺮاﺗﻮر زﻳﺎد ﺧﻮاهﺪ ﺷﺪ و در اﻳﻦ ﻣﻮرد‬
‫ﺑﺎﻳﺴﺘﻲ ﺑﺎ ﻣﺸﺘﺮي هﻤﺎهﻨﮓ ﻧﻤﻮد‪.‬‬

‫ﻣﺜﺎل‪:‬‬
‫ﻳﻚ ﻣﻬﻨﺪس ﺳﺎﺧﺖ ﺑﺮاي ارزﻳﺎﺑﻲ ﮔﺮاﻳﺶ ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي از ﻳﻚ ﻗﻄﻌﻪ آﻪ ‪ ١٥‬ﺑﺎر ﺗﻮﺳﻂ اﭘﺮاﺗﻮر‬
‫ﻣﺮﺑﻮﻃﻪ اﻧﺪازﻩﮔﻴﺮي ﺷﺪﻩ اﺳﺖ اﺳﺘﻔﺎدﻩ ﻣﻲﻧﻤﺎﻳﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎج ﺑﺪﺳﺖ ﺁﻣﺪﻩ در ﺟﺪول زﻳﺮ ﺗﻌﻴﻴﻦ‬
‫ﻧﻤﺎﻳﻴﺪ ﺁﻳﺎ ﮔﺮاﻳﺶ اﻳﻦ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ ﻳﺎ ﺧﻴﺮ‬

‫‪Reference‬‬
‫‪Bias‬‬
‫‪Value=6.00‬‬
‫‪T‬‬ ‫‪1‬‬ ‫‪5.8‬‬ ‫‪-0.2‬‬
‫‪R‬‬ ‫‪2‬‬ ‫‪5.7‬‬ ‫‪-0.3‬‬
‫‪I‬‬ ‫‪3‬‬ ‫‪5.9‬‬ ‫‪-0.1‬‬
‫‪A‬‬ ‫‪4‬‬ ‫‪5.9‬‬ ‫‪-0.1‬‬
 ‫‪L‬‬ ‫‪5‬‬ ‫‪6.0‬‬ ‫‪0.0‬‬
‫‪S‬‬ ‫‪6‬‬ ‫‪6.1‬‬ ‫‪0.1‬‬
‫‪7‬‬ ‫‪6.0‬‬ ‫‪0.0‬‬
‫‪8‬‬ ‫‪6.1‬‬ ‫‪0.1‬‬
‫‪9‬‬ ‫‪6.4‬‬ ‫‪0.4‬‬
‫‪10‬‬ ‫‪6.3‬‬ ‫‪0.3‬‬
‫‪11‬‬ ‫‪6.0‬‬ ‫‪0.0‬‬
‫‪12‬‬ ‫‪6.1‬‬ ‫‪0.1‬‬
‫‪13‬‬ ‫‪6.2‬‬ ‫‪0.2‬‬
‫‪14‬‬ ‫‪5.6‬‬ ‫‪-0.4‬‬
‫‪15‬‬ ‫‪6.0‬‬ ‫‪0.0‬‬

‫ﺣﻞ‪:‬‬
‫‪6.4 − 5.6‬‬
‫= ‪σ RPT‬‬ ‫‪= 0.22514‬‬
‫‪3.55333‬‬
‫‪0.22514‬‬
‫= ‪σb‬‬ ‫‪= 0.05813‬‬
‫‪15‬‬
‫‪Bias = 6.0067 − 6.00 = 0.0067‬‬
‫‪T (10.8,0.975) = 2.206‬‬

‫‪ 3.47193‬‬ ‫‪‬‬

‫‪− 0.11859 = 0.0067 ‬‬ ‫‪* 0.05813 * (2.26)‬‬
‫‪ 3.5533‬‬ ‫‪‬‬
‫ﻣﻲﺑﺎﺷﺪ‪.‬‬ ‫آﻪ در اﻳﻨﺼﻮرت‬
‫‪ 3.47193‬‬ ‫‪‬‬
‫‪+ 0.1319 = 0.0067 ‬‬ ‫‪* 0.05813 * (2.26)‬‬
‫‪ 3.5533‬‬ ‫‪‬‬
‫‪ -٣-١‬ارﺗﺒﺎط ﺧﻄﻲ ‪Linearity‬‬
‫در ﻣﺤﺎﺳﺒﺎت ﻣﺮﺑﻮط ﺑﻪ ﮔﺮاﻳﺶ‪ ،‬ﺧﻄﺎي ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي را در ﻳﻚ ﻧﻘﻄﻪ آﻪ ﺑﺮاﺑﺮ ﺑﺎ اﻧﺪازﻩ هﻤﺎن‬
‫ﻗﻄﻌﻪ ﻣﺮﺟﻊ ﻣﻲﺑﺎﺷﺪ‪ ،‬ﺑﺪﺳﺖ ﺁورﻳﻢ‪ .‬اﻣﺎ ﺁﻳﺎ ﺧﻄﺎي ﺳﻴﺴﺘﻢ در ﻧﻘﺎط دﻳﮕﺮ و اﻧﺪازﻩهﺎي دﻳﮕﺮ ﻧﻴﺰ ﺑﻪ‬
‫هﻤﺎن ﻣﻴﺰان ﻣﻲﺑﺎﺷﺪ؟ ارﺗﺒﺎط ﺧﻄﻲ ﺑﻪ دﻧﺒﺎل ﺟﻮاﺑﮕﻮﻳﻲ ﺑﻪ ﺳﺌﻮال ﻓﻮق ﻣﻲﺑﺎﺷﺪ‪ .‬در واﻗﻊ در ارﺗﺒﺎط‬
‫ﺧﻄﻲ ﻣﺎ ﺑﻪ دﻧﺒﺎل اﻳﻦ هﺴﺘﻴﻢ آﻪ ﺑﺒﻴﻨﻴﻢ ﺗﻐﻴﻴﺮات ﮔﺮاﻳﺶ در داﻣﻨﻪ آﺎرﺑﺮد اﺑﺰار اﻧﺪازﻩﮔﻴﺮي ﭼﮕﻮﻧﻪ‬
‫اﺳﺖ‪ .‬ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر و ﺑﺎ اﺳﺘﻔﺎدﻩ از ﻓﺮﻣﻮلهﺎي رﮔﺮﺳﻴﻮن ﻣﻌﺎدﻟﻪ ﺑﻬﺘﺮﻳﻦ ﺧﻄﻲ آﻪ ﻧﺸﺎﻧﺪهﻨﺪﻩ‬
‫ﺗﻐﻴﻴﺮات ﮔﺮاﻳﺶ ﻧﺴﺒﺖ ﺑﻪ ﺗﻐﻴﻴﺮات ﻗﻄﻌﺎت ﻣﺮﺟﻊ اﺳﺖ را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫ﭼﻨﺪ ﻗﻄﻌﻪ )ﺣﺪاﻗﻞ ‪ ٥‬ﻗﻄﻌﻪ( اﻧﺘﺨﺎب ﻧﻤﻮدﻩ آﻪ داﻣﻨﻪ ﻋﻤﻠﻴﺎﺗﻲ ﮔﻴﺞ را ﭘﻮﺷﺶ دهﺪ‪.‬‬ ‫‪-١‬‬
‫ﻣﻘﺎدﻳﺮ ﻣﺮﺟﻊ هﺮ ﻳﻚ از اﻳﻦ ﻗﻄﻌﺎت را ﻣﺸﺨﺺ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪-٢‬‬
‫هﺮ ﻳﻚ از ﻗﻄﻌﺎت را ﺑﻪ دﻓﻌﺎت اﻧﺪازﻩﮔﻴﺮي ﻧﻤﻮدﻩ )ﺣﺪاﻗﻞ ‪ ١٠‬ﻣﺮﺗﺒﻪ( ﻣﻘﺎدﻳﺮ را ﺛﺒﺖ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪-٣‬‬
‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ آﻪ ﻗﻄﻌﺎت ﺑﺎﻳﺴﺘﻲ ﺑﺼﻮرت ﺗﺼﺎدﻓﻲ و ﻏﻴﺮ ﻗﺎﺑﻞ ﺷﻨﺎﺳﺎﻳﻲ ﺑﺮاي اﭘﺮاﺗﻮر‬
‫اﻧﺪازﻩﮔﻴﺮي ﺷﻮد‪.‬‬
‫ﺑﺮاي هﺮ ﻳﻚ از ﻗﻄﻌﺎت ﻣﻘﺪار ﮔﺮاﻳﺶ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﻳﻴﺪ‪.‬‬ ‫‪-٤‬‬

‫ﺗﻌﺪاد ﻗﻄﻌﺎت = ‪1 ≤ i ≤ n → n‬‬

‫‪Biasi , j = X i , j − RVi‬‬
‫= ‪1≤ j ≤ r → r‬‬
‫ﺗﻌﺪاد ﺗﻜﺮارهﺎ‬
‫‪r‬‬

‫∑‬
‫‪j =1‬‬
‫‪Biasi , j‬‬
‫= ‪Bias i‬‬
‫‪r‬‬
‫ﺑﺮاي هﺮ ﻳﻚ از ﻗﻄﻌﺎت )‪RV‬هﺎ(‪ ،‬ﻧﻤﻮدار ﮔﺮاﻳﺶهﺎي ﻣﻨﻔﺮد و ﻣﻴﺎﻧﮕﻴﻦ ﺁن را روي ﻳﻚ ﻧﻤﻮدار رﺳﻢ‬ ‫‪-٥‬‬
‫ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫اآﻨﻮن ﻣﻌﺎدﻟﻪ ﺑﻬﺘﺮﻳﻦ ﺧﻄﻲ آﻪ از اﻳﻦ ﻧﻘﺎط ﻋﺒﻮر ﻣﻲﻧﻤﺎﻳﺪ ﺑﺼﻮرت ‪ Y=ax+b‬ﻣﻲﺑﺎﺷﺪ آﻪ در‬ ‫‪-٦‬‬
‫‪ Y=Bias‬و ‪ X=RV‬ﺣﺎل ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺿﺮﻳﺐ زاوﻳﻪ و ﻋﺮض از ﻣﺒﺪأ اﻳﻦ ﺧﻂ از ﻓﺮﻣﻮلهﺎي‬ ‫ﺁن‬
‫زﻳﺮ اﺳﺘﻔﺎدﻩ ﻣﻲﻧﻤﺎﺋﻴﻢ‪:‬‬
‫‪1‬‬
‫)‪∑ xy − ( n.r ∑ x.∑ y‬‬
‫=‪a‬‬
‫‪1‬‬
‫‪∑x‬‬ ‫‪2‬‬
‫‪−‬‬
‫‪n.r‬‬
‫‪(∑ x ) 2‬‬

‫ﻣﻴﺎﻧﮕﻴﻦ آﻞ ﮔﺮاﻳﺶهﺎ = ‪y‬‬

‫‪b = y − ax‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ ‪RV‬هﺎ = ‪x‬‬
‫اآﻨﻮن ﺑﺮاي ﻳﻚ ‪ X 0‬دادﻩ ﺷﺪﻩ )‪ RV‬دﻟﺨﻮاﻩ(و ﺑﺮاي ﺳﻄﺢ ‪ α‬اﻃﻤﻴﻨﺎن ﻣﻘﺎدﻳﺮ و ﺣﺪود ﻗﺎﺑﻞ ﻗﺒﻮل‬ ‫‪-٧‬‬

‫را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬

‫‪‬‬ ‫‪1‬‬ ‫‪( x0 − x) 2 1 2‬‬ ‫‪‬‬
‫( * ‪Lower = b + ax0 −  t r .n − 2,1−α 2‬‬ ‫‪+‬‬ ‫‪) *s ‬‬
‫‪‬‬ ‫)‪r.n ∑ ( xi − x‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪( x0 − x) 2 1 2‬‬ ‫‪‬‬
‫( * ‪Upper = b + ax 0 +  t r .n − 2,1−α 2‬‬ ‫‪+‬‬ ‫‪) *s ‬‬
‫‪‬‬ ‫)‪r.n ∑ ( xi − x‬‬ ‫‪2‬‬
‫‪‬‬

‫‪r .n‬‬ ‫‪r .n‬‬ ‫‪r .n‬‬

‫∑‬ ‫‪yi2 − b∑ yi − a ∑ xi yi‬‬

‫=‪s‬‬ ‫آﻪ در ﺁن‪:‬‬
‫‪r.n − 2‬‬

‫ﺑﺮاي ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮدن ارﺗﺒﺎط ﺧﻄﻲ‪ ،‬ﺧﻂ ‪ Bias=0‬ﺑﺎﻳﺴﺘﻲ در داﺧﻞ ﻣﺤﺪودﻩ ﺗﻌﻴﻴﻦ ﺷﺪﻩ در ﮔﺎم‬ ‫‪-٨‬‬
‫‪ ٧‬ﻗﺮار داﺷﺘﻪ ﺑﺎﺷﺪ‬
‫اﮔﺮ در ﮔﺎم ‪ ٨‬ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﮔﺮاﻓﻴﻜﻲ ﻧﺸﺎﻧﺪهﻨﺪﻩ وﺿﻌﻴﺖ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺮاي ارﺗﺒﺎط ﺧﻄﻲ ﺑﺎﺷﺪ‪،‬‬ ‫‪-٩‬‬
‫در اﻳﻨﺼﻮرت ﻓﺮض زﻳﺮ ﺑﺎﻳﺴﺘﻲ درﺳﺖ ﺑﺎﺷﺪ‬
‫|‪|a‬‬
‫=| ‪| t‬‬ ‫‪≤ t r .n − 2,1−α 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪s‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2 ‬‬
‫‪‬‬ ‫‪∑ ( x j − x) ‬‬
‫ﭼﻨﺎﻧﭽﻪ ﻓﺮض ﻓﻮق ﺻﺤﻴﺢ ﺑﺎﺷﺪ‪ ،‬ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﺎﻳﺴﺘﻲ ﻳﻚ ﻣﻘﺪار واﺣﺪ ﮔﺮاﻳﺶ ﺑﺮاي ﺗﻤﺎم‬
‫‪RV‬هﺎ داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬اﻳﻦ ﻣﻘﺪار ﻗﺎﺑﻞ ﻗﺒﻮل‪ ،‬ﺑﺎﻳﺴﺘﻲ ﺑﺮاﺑﺮ ﺑﺎ ﺻﻔﺮ ﺑﺎﺷﺪ‪.‬‬
‫|‪|b‬‬
‫=| ‪| t‬‬ ‫‪≤ t r .n − 2,1−α 2‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ 1 +‬‬ ‫‪x‬‬ ‫‪‬‬
‫‪ n.r ∑ ( xi − x) 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫ﻣﺜﺎل‪ :‬ﺳﺮﭘﺮﺳﺖ ﻳﻚ آﺎرﺧﺎﻧﻪ ﺑﺮاي ﺗﻌﻴﻴﻦ ﻣﻴﺰان ارﺗﺒﺎط ﺧﻄﻲ از ‪ ٥‬ﻗﻄﻌﻪ آﻪ )ﻳﻚ از ﺁﻧﺎن ‪ ١٢‬ﻣﺮﺗﺒﻪ‬
‫اﻧﺪازﻩﮔﻴﺮي ﺷﺪﻩاﻧﺪ اﺳﺘﻔﺎدﻩ ﺷﺪﻩ اﺳﺖ و ﻧﺘﺎﻳﺞ ﺁن ﻣﻄﺎﺑﻖ ﺑﺎ ﺟﺪول زﻳﺮ ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪Part‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪Reference‬‬
‫‪2.00‬‬ ‫‪4.00‬‬ ‫‪6.00‬‬ ‫‪8.00‬‬ ‫‪10.00‬‬
‫‪Value‬‬
‫‪1‬‬ ‫‪2.70‬‬ ‫‪5.10‬‬ ‫‪5.80‬‬ ‫‪7.60‬‬ ‫‪9.10‬‬
‫‪2‬‬ ‫‪2.50‬‬ ‫‪3.90‬‬ ‫‪5.70‬‬ ‫‪7.70‬‬ ‫‪9.30‬‬
‫‪3‬‬ ‫‪2.40‬‬ ‫‪4.20‬‬ ‫‪5.90‬‬ ‫‪7.80‬‬ ‫‪9.50‬‬
‫‪T‬‬ ‫‪4‬‬ ‫‪2.50‬‬ ‫‪5.00‬‬ ‫‪5.90‬‬ ‫‪7.70‬‬ ‫‪9.30‬‬
‫‪R‬‬ ‫‪5‬‬ ‫‪2.70‬‬ ‫‪3.80‬‬ ‫‪6.00‬‬ ‫‪7.80‬‬ ‫‪9.40‬‬
‫‪I‬‬ ‫‪6‬‬ ‫‪2.30‬‬ ‫‪3.90‬‬ ‫‪6.10‬‬ ‫‪7.80‬‬ ‫‪9.50‬‬
‫‪A‬‬ ‫‪7‬‬ ‫‪2.50‬‬ ‫‪3.90‬‬ ‫‪6.00‬‬ ‫‪7.80‬‬ ‫‪9.50‬‬
‫‪L‬‬ ‫‪8‬‬ ‫‪2.50‬‬ ‫‪3.90‬‬ ‫‪6.10‬‬ ‫‪7.70‬‬ ‫‪9.50‬‬
‫‪S‬‬ ‫‪9‬‬ ‫‪2.40‬‬ ‫‪3.90‬‬ ‫‪6.40‬‬ ‫‪7.80‬‬ ‫‪9.60‬‬
‫‪10‬‬ ‫‪2.40‬‬ ‫‪4.00‬‬ ‫‪6.30‬‬ ‫‪7.50‬‬ ‫‪9.20‬‬
‫‪11‬‬ ‫‪2.60‬‬ ‫‪4.10‬‬ ‫‪6.00‬‬ ‫‪7.60‬‬ ‫‪9.30‬‬
‫‪12‬‬ ‫‪2.40‬‬ ‫‪3.80‬‬ ‫‪6.10‬‬ ‫‪7.70‬‬ ‫‪9.40‬‬

‫ﻣﻄﻠﻮﺑﺴﺖ ﺗﻌﻴﻴﻦ ﻣﻴﺰان ارﺗﺒﺎط ﺧﻄﻲ و اﻳﻨﻜﻪ ﺁﻳﺎ ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ ﻳﺎ ﺧﻴﺮ‬

‫ﺣﻞ‪:‬‬
‫‪Bias1 = 0.491667‬‬
‫‪Bias 2 = 0.125‬‬
‫‪Bias3 = 0.025‬‬
‫‪Bias 4 = −0.29167‬‬
‫‪Bias5 = −0.61667‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﻣﻮل رﮔﺮﺳﻴﻮن ﺿﺮﻳﺐ زاوﻳﻪ و ﻋﺮض از ﻣﺒﺪأ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬
 ‫‪a = −0.1316‬‬
‫‪b = 0.7366‬‬

‫در اﻳﻨﺼﻮرت ﻣﺤﺪودﻩهﺎي ﻣﺠﺎز ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬

‫‪∑ xy = −82.4‬‬
‫‪∑ y = 11.82‬‬
‫‪2‬‬

‫‪s = 0.1543‬‬ ‫‪∑ y = −3.2‬‬

‫‪∑ x = 360‬‬
‫‪x=6‬‬

‫‪‬‬ ‫‪ 1 ( x − 6) 2 ‬‬

‫‪12‬‬
‫‪‬‬
‫‪Uper : 0.7366 − 0.1316 x + 2.00172  +‬‬ ‫‪‬‬ ‫*‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪1543‬‬‫‪‬‬
‫‪‬‬ ‫‪ 60‬‬ ‫‪480 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ 1 ( x − 6) 2 ‬‬
‫‪12‬‬
‫‪‬‬
‫‪Lower : 0.7366 − 0.1316 x − 2.00172  +‬‬ ‫‪‬‬ ‫*‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪1543‬‬‫‪‬‬
‫‪‬‬ ‫‪ 60‬‬ ‫‪480 ‬‬ ‫‪‬‬
‫‪t (58,975) = 2.00172‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﺤﻠﻴﻞ ﮔﺮاﻓﻴﻜﻲ و اﻳﻨﻜﻪ | ‪ | 12.043 |, | 10.158‬ﺑﺰرﮔﺘﺮ از ‪ 2.00172‬ﻣﻲﺑﺎﺷﻨﺪ ﻧﺘﻴﺠﻪ ﻣﻲﮔﻴﺮﻳﻢ‬

‫آﻪ ارﺗﺒﺎط ﺧﻂ ﻣﻨﺎﺳﺐ و ﻗﺎﺑﻞ ﻗﺒﻮﻟﻲ وﺟﻮد ﻧﺪارد‪ .‬از ﺁﻧﺠﺎﺋﻴﻜﻪ آﻪ رﻳﺴﻚ زﻳﺎدي ﺑﺮاي ﺧﻄﺎ ﺑﺎزرﺳﺎن‬
‫ﻣﻮﺟﻮد ﻣﻲﺑﺎﺷﺪ‪ ،‬اﺳﺘﻔﺎدﻩ از اﻳﻦ ﺳﻴﺴﺘﻢ ﺑﺎﻳﺴﺘﻲ ﻣﻨﻮط ﺑﻪ هﻤﺎهﻨﮕﻲ ﺑﺎ ﻣﺸﺘﺮي ﺑﺎﺷﺪ‪.‬‬

‫‪1‬‬

‫‪-------- Bias= 0‬‬

‫‪Bias‬‬

‫‪0‬‬
‫‪Regression‬‬
‫‪95% CI‬‬
‫‪Bias Average‬‬
‫‪-1‬‬

‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬

‫‪ -٤-١‬ﺗﻜﺮارﭘﺬﻳﺮي )‪(Repeatability‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻌﺮﻳﻒ ﺗﻜﺮارﭘﺬﻳﺮي اﻳﻦ ﻣﻌﻴﺎر ﺑﺴﺘﮕﻲ ﺑﻪ ﻣﺴﺎﺋﻞ ﻣﻮﺟﻮد در ﺧﻮد دﺳﺘﮕﺎﻩ ﻳﺎ اﺑﺰار دﻗﻴﻖ و ﻳﺎ‬
‫ﻣﻮﻗﻌﻴﺖ و ﺟﺎﻳﻲ آﻪ اﺑﺰار دﻗﻴﻖ در هﻨﮕﺎم اﻧﺪازﻩﮔﻴﺮي روي ﺁن ﻗﺮار ﻣﻲﮔﻴﺮد دارد‪ .‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪ‬
‫ﺗﻜﺮارﭘﺬﻳﺮي ﺑﻪ ﺷﺮح زﻳﺮ ﻋﻤﻞ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫‪ ١٠‬ﻗﻄﻌﻪ را اﻧﺘﺨﺎب ﻧﻤﻮدﻩ‪ ،‬اﻳﻦ ﻗﻄﻌﺎت ﺑﺎﻳﺴﺘﻲ در ﺣﻴﻄﻪ ﺗﻮﻟﻴﺪ ﻗﺮار داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪.‬‬ ‫‪-١‬‬
‫از ﺑﺎزرس ﻣﺮﺑﻮﻃﻪ ﻣﻲﺧﻮاهﻴﻢ ﺗﺎ ﻗﻄﻌﺎت را اﻧﺪازﻩﮔﻴﺮي ﻧﻤﻮدﻩ‪ ،‬ﻋﺪد ﺧﻮاﻧﺪﻩ ﺷﺪﻩ را ﺛﺒﺖ‬ ‫‪-٢‬‬
‫ﻣﻲﻧﻤﺎﺋﻴﻢ )ﺑﺎ اﻳﻦ ﻗﻄﻌﺎت ﺑﻄﻮر ﺗﺼﺎدﻓﻲ ﺑﻪ ﺑﺎزرس دادﻩ ﺷﻮد و ﺑﺎزرس ﻧﺒﺎﻳﺴﺘﻲ ﻗﻄﻌﺎت را‬
‫ﺷﻨﺎﺳﺎﻳﻲ ﻧﻤﺎﻳﺪ(‬
‫اﻳﻦ ﻋﻤﻞ )ﮔﺎم ‪ (٢‬را ﭼﻨﺪ ﺑﺎر ﺗﻜﺮار ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﻣﻌﻤﻮﻻً ‪ ٢‬ﻳﺎ ‪ ٣‬ﺑﺎر(‬ ‫‪-٣‬‬
‫ﺑﺮد اﻧﺪازﻩﮔﻴﺮيهﺎي ﻣﻜﺮر را ﺑﺮاي هﺮ ﻗﻄﻌﻪ ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪-٤‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﺑﺮدهﺎي ﺑﺪﺳﺖ ﺁﻣﺪﻩ در ﮔﺎم ‪ ٤‬را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪(R) .‬‬ ‫‪-٥‬‬

‫در اﻳﻨﺼﻮرت اﻧﺤﺮاف ﻣﻌﻴﺎر ﺗﻜﺮارﭘﺬﻳﺮي ﺑﺮاﺑﺮ ﺧﻮاهﺪ ﺑﻮد ﺑﺎ‬ ‫‪-٦‬‬
‫‪R‬‬
‫= ‪σ RPT‬‬
‫*‪d 2‬‬

‫و ﻧﻮﺳﺎﻧﺎت دﺳﺘﮕﺎﻩ )‪ (EV‬ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‬

‫‪EV = σ RPT * 5.15‬‬

‫*‪ d 2‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺟﺪول ﺿﻤﻴﻤﻪ ﻗﺎﺑﻞ اﺳﺘﺨﺮاج ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫)‪ 5.15‬ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ ‪ %٩٩‬ﺳﻄﺢ زﻳﺮ ﺳﺨﺘﻲ ﻧﺮﻣﺎل(‬

‫‪ -٥-١‬ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ‪Reproducibility‬‬
‫ﭼﻨﺎﻧﭽﻪ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻴﺶ از ﻳﻚ ﺑﺎزرس‪ /‬اﭘﺮاﺗﻮر داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﻋﻼوﻩ ﺑﺮ ﻣﻘﺪار ﺗﻜﺮارﭘﺬﻳﺮي‪،‬‬
‫اﺧﺘﻼف ﺑﻴﻦ ﺑﺎزرﺳﺎن ﻧﻴﺰ ﺣﺎﺋﺰ اهﻤﻴﺖ ﻣﻲﺑﺎﺷﺪ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ﺑﻪ ﻃﺮﻳﻖ زﻳﺮ ﻋﻤﻞ‬
‫ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫ﭼﻨﺪ ﻗﻄﻌﻪ )‪ (n ≥ 5‬اﻧﺘﺨﺎب ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﺑﻬﺘﺮ اﺳﺖ ﺗﻌﺪاد ﻗﻄﻌﺎت * ﺗﻌﺪاد ﺑﺎزرﺳﺎن ≤ ‪ 15‬ﺑﺎﺷﺪ(‬ ‫‪-١‬‬

‫از ﺑﺎزرﺳﺎن ﻣﻲﺧﻮاهﻴﻢ آﻪ ﻗﻄﻌﻪ اﻧﺘﺨﺎب ﺷﺪﻩ را اﻧﺪازﻩﮔﻴﺮي ﻧﻤﺎﻳﻨﺪ )ﺑﺼﻮرت ﺗﺼﺎدﻓﻲ و ﻏﻴﺮ‬ ‫‪-٢‬‬
‫ﻗﺎﺑﻞ ﺷﻨﺎﺳﺎﻳﻲ(‬
‫اﻧﺪازﻩﮔﻴﺮيهﺎي ﻣﺮﺑﻮط ﺑﻪ هﺮ ﻳﻚ از ﺑﺎزرﺳﺎن را ﺛﺒﺖ ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﻣﻌﻤﻮﻻً اﻧﺪازﻩﮔﻴﺮيهﺎ روي هﺮ‬ ‫‪-٣‬‬
‫ﻳﻚ از ﻗﻄﻌﺎت ‪ ٢‬ﻳﺎ ‪ ٣‬ﺑﺎر ﺗﻜﺮار ﻣﻲﺷﻮد‪(.‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ آﻞ اﻧﺪازﻩﮔﻴﺮيهﺎي ﺑﺪﺳﺖ ﺁﻣﺪﻩ ﺑﺮاي هﺮ ﺑﺎزرس را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪-٤‬‬
‫ﺑﺮد ﻣﻴﺎﻧﮕﻴﻦهﺎي آﻞ ﺑﺮاي ﺑﺎزرﺳﺎن را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪X DIFF .‬‬ ‫‪-٥‬‬

‫در اﻳﻨﺼﻮرت اﻧﺤﺮاف ﻣﻌﻴﺎر ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬ ‫‪-٦‬‬

‫‪X DIFF‬‬
‫= ‪σ RPD‬‬
‫*‪d 2‬‬
 ‫و ﻧﻮﺳﺎﻧﺎت ﺑﺎزرﺳﺎن )‪ (AV‬ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‬

‫‪X DIFF‬‬ ‫‪( EV ) 2‬‬

‫( = ‪AV‬‬ ‫*‬ ‫‪5‬‬‫‪.‬‬‫‪15‬‬‫)‬ ‫‪2‬‬
‫‪−‬‬
‫*‪d 2‬‬ ‫‪n.r‬‬

‫آﻪ در ﺁن ‪ n‬ﺗﻌﺪاد ﻗﻄﻌﺎت و ‪ r‬ﺗﻌﺪاد ﺗﻜﺮارهﺎي اﻧﺪازﻩﮔﻴﺮي روي هﺮ ﻗﻄﻌﻪ ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪ -٦-١‬ﻧﻮﺳﺎﻧﺎت ﻗﻄﻌﻪ ﺑﻪ ﻗﻄﻌﻪ )‪(Part to Part Variation‬‬

‫هﻤﺎﻧﻄﻮرﻳﻜﻪ ﺑﻌﺪاً ﻧﻴﺰ ﺑﻪ ﺁن اﺷﺎرﻩ ﺧﻮاهﻴﻢ ﻧﻤﻮد ﺑﺮاي اﻳﻨﻜﻪ ﺗﻌﻴﻴﻦ آﻨﻴﻢ‪ ،‬ﺧﻄﺎهﺎي دﻗﺖ ﻳﻚ ﺳﻴﺴﺘﻢ‬
‫اﻧﺪازﻩﮔﻴﺮي ﻳﻌﻨﻲ ﺗﻜﺮارﭘﺬﻳﺮي و ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ﻗﺎﺑﻞ ﻗﺒﻮل هﺴﺘﻨﺪ ﻳﺎ ﺧﻴﺮ ﺑﺎﻳﺴﺘﻲ ﺁن را ﺑﺎ ﻳﻚ ﻣﻌﻴﺎر‬
‫ﻣﻘﺎﻳﺴﻪ ﻧﻤﺎﺋﻴﻢ‪ .‬ﺑﻌﻨﻮان ﻣﺜﺎل ﻣﻤﻜﻦ اﺳﺖ ﺑﺮاي ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي اﺑﻌﺎدي ‪ 0.1‬ﻣﻴﻠﻴﻤﺘﺮ در ﻳﻚ‬
‫ﺻﻨﻌﺖ ﺧﻄﺎي زﻳﺎدي ﺑﺎﺷﺪ در ﺣﺎﻟﻴﻜﻪ هﻤﻴﻦ ﺧﻄﺎ در ﻳﻚ ﺻﻨﻌﺖ دﻳﮕﺮ و ﺑﺮاي ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي‬
‫دﻳﮕﺮي ﻗﺎﺑﻞ ﭼﺸﻢ ﭘﻮﺷﻲ ﺑﺎﺷﺪ‪.‬‬
‫ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر ﻣﻌﻤﻮﻻً ﺧﻄﺎهﺎي دﻗﺖ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي را ﻧﺴﺒﺖ ﺑﻪ ﺗﻠﺮاﻧﺲ ﻓﺮﺁﻳﻨﺪ ‪(Process‬‬
‫)‪ Variation‬ﻳﺎ ﺗﻠﺮاﻧﺲ ﻃﺮاﺣﻲ )‪ (USL , LSL‬ﻣﻘﺎﻳﺴﻪ و ﺗﺼﻤﻴﻢﮔﻴﺮي ﻣﻲﻧﻤﺎﻳﻨﺪ‪ .‬ﺣﺎل ﭼﻨﺎﻧﭽﻪ ﻣﻌﻴﺎر‬
‫ﺑﺮاي ﺗﺼﻤﻴﻢﮔﻴﺮي ﺗﻠﺮاﻧﺲ ﻓﺮﺁﻳﻨﺪ ﺑﺎﺷﺪ )ﺑﻌﺪاً ﺗﻮﺿﻴﺢ دادﻩ ﺧﻮاهﺪ ﺷﺪ آﻪ ﭼﻪ ﻣﻮﻗﻊ از ﺗﻠﺮاﻧﺲ ﻓﺮﺁﻳﻨﺪ و‬
‫ﻳﺎ ﻃﺮاﺣﻲ اﺳﺘﻔﺎدﻩ ﻣﻲﻧﻤﺎﺋﻴﻢ( ﻧﻴﺎز دارﻳﻢ ﺗﺎ اﻳﻦ ﻣﻘﺪار را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﺋﻴﻢ‪ .‬ﻳﻜﻲ از راﻩهﺎي ﺗﺨﻤﻴﻦ اﻳﻦ‬
‫ﻣﻘﺪار اﺳﺘﻔﺎدﻩ از ﻗﻄﻌﺎت اﻧﺘﺨﺎب ﺷﺪﻩ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺗﻜﺮارﭘﺬﻳﺮي و ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ﻣﻲﺑﺎﺷﺪ ﺑﻪ اﻳﻨﺼﻮرت‬
‫آﻪ‪:‬‬
‫= ‪X Pi‬‬ ‫ﻣﻴﺎﻧﮕﻴﻦ آﻞ ﻗﻄﻌﻪ ‪ i‬ام‬ ‫‪R P = Max X Pi − min X Pj‬‬

‫)ﺑﺮد ﻣﻴﺎﻧﮕﻴﻦهﺎي آﻞ ﻗﻄﻌﺎت اﻧﺪازﻩﮔﻴﺮي ﺷﺪﻩ = ‪( R P‬‬

‫‪Rp‬‬ ‫‪RP‬‬
‫= ‪PV‬‬ ‫آﻪ ‪* 5.15‬‬ ‫‪=σP‬‬
‫*‪d 2‬‬ ‫*‪d 2‬‬

‫ﺑﺎﻳﺴﺘﻲ اﻳﻦ ﻣﻮﺿﻮع را ﻧﻴﺰ در ﻧﻈﺮ ﮔﺮﻓﺖ آﻪ هﻨﮕﺎﻣﻲ ﻣﻲﺗﻮان از ‪ PV‬ﻣﺤﺎﺳﺒﻪ ﺷﺪﻩ در ﺑﺎﻻ‪ ،‬ﺑﻌﻨﻮان‬
‫ﻧﻮﺳﺎﻧﺎت آﻞ ﻓﺮﺁﻳﻨﺪ اﺳﺘﻔﺎدﻩ ﻧﻤﻮد آﻪ اﻳﻦ ﻧﻮﺳﺎﻧﺎت )ﻧﻮﺳﺎﻧﺎت ﻗﻄﻌﺎت( در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻧﻮﺳﺎﻧﺎت‬
‫ﺗﻜﺮارﭘﺬﻳﺮي )‪ (R‬ﺑﺴﻴﺎر ﺑﺰرﮔﺘﺮ ﺑﻮدﻩ و ﺑﻌﺒﺎرت دﻳﮕﺮ ﻧﻮﺳﺎﻧﺎت ﺗﻜﺮارﭘﺬﻳﺮي ﻧﻮﺳﺎﻧﺎت ﻗﻄﻌﺎت را ﭘﻮﺷﺶ‬

‫ﻧﺪهﺪ‪ .‬ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻨﻜﻪ ﻣﺤﺪودﻩ آﻨﺘﺮل ﺑﺮاي ﻣﻴﺎﻧﮕﻴﻦهﺎي هﺮ ﻗﻄﻌﻪ ﺗﺎﺑﻌﻲ از‬
‫ﻧﻮﺳﺎﻧﺎت ﺗﻜﺮارﭘﺬﻳﺮي ﻣﻲﺑﺎﺷﺪ‪ ،‬وﻗﺘﻲ ﻣﻲﺗﻮان از ﻗﻄﻌﺎت ﻣﺬآﻮر ﺑﻌﻨﻮان ﻧﻤﺎﻳﻨﺪﻩ آﻞ ﻓﺮﺁﻳﻨﺪ اﺳﺘﻔﺎدﻩ‬
‫ﻧﻤﻮد آﻪ ﺑﻴﺶ از ‪ %٥٠‬از ‪ X Pi‬هﺎ‪ ،‬داﺧﻞ ﻣﺤﺪودﻩهﺎي آﻨﺘﺮل ﻣﻴﺎﻧﮕﻴﻦ ﻧﺒﺎﺷﺪ در ﻏﻴﺮ اﻳﻨﺼﻮرت ﻗﻄﻌﺎت از‬

‫ﺗﻤﺎم ﻓﺮﺁﻳﻨﺪ اﻧﺘﺨﺎب ﻧﺸﺪﻩ و ﻳﺎ ﻧﻮﺳﺎﻧﺎت ﺗﻜﺮارﭘﺬﻳﺮي در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻧﻮﺳﺎﻧﺎت ﻓﺮﺁﻳﻨﺪ ﺑﺴﻴﺎر زﻳﺎد ﻣﻲﺑﺎﺷﺪ‬
‫و در هﺮ ﺣﺎﻟﺖ ‪ PV‬ﻣﺤﺎﺳﺒﻪ ﺷﺪﻩ را ﻧﻤﻲﺗﻮان ﻣﻌﺘﺒﺮ ﻓﺮض ﻧﻤﻮد‪.‬‬
‫)‪UCL X P = X + ( A2 .R‬‬

‫)‪LCL X P = X − ( A 2 .R‬‬

‫‪%(R,R) -٧-١‬‬
‫در ﺑﺨﺶهﺎي ﻗﺒﻞ ﺗﻮﺿﻴﺢ دادﻩ ﺷﺪﻩ آﻪ ﭼﮕﻮﻧﻪ ‪ AV ،EV‬و ‪ PV‬را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪ .‬در اﻳﻦ ﺑﺨﺶ ﺑﻪ‬
‫دﻧﺒﺎل ﻣﺤﺎﺳﺒﻪ ﻣﻌﻴﺎري ﺟﻬﺖ ﺗﺼﻤﻴﻢﮔﻴﺮي راﺟﻊ ﺑﻪ اﻳﻨﻜﻪ دﻗﺖ‪ ،‬ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ‬
‫ﻳﺎ ﺧﻴﺮ ﻣﻲﺑﺎﺷﻴﻢ ﻗﺒﻼً ﺗﻮﺻﻴﺢ دادﻩ ﺷﺪ آﻪ ‪ EV‬و ‪ AV‬هﺮ دو از ﺟﻨﺲ ﭘﺮاآﻨﺪﮔﻲ ﺑﻮدﻩ و در ﻋﻴﻦ ﺣﺎل ﺑﺎ‬
‫ﻳﻜﺪﻳﮕﺮ واﺑﺴﺘﮕﻲ دارﻧﺪ‪ .‬هﻤﺎﻧﻄﻮرﻳﻜﻪ در ﻋﻠﻢ ﺁﻣﺎر و اﺣﺘﻤﺎﻻت هﻢ ﺑﻪ ﺁن اﺷﺎرﻩ ﺷﺪﻩ ﻣﺠﻤﻮع دو‬
‫ﭘﺮاآﻨﺪﮔﻲ ) ‪ ، (σ‬ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ ﺟﺬر ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت ﺁﻧﻬﺎ‪ ،‬ﭘﺲ ﺑﺮاي اﻳﻨﻜﻪ ﻣﺎ ﺑﺘﻮاﻧﻴﻢ ﭘﺮاآﻨﺪﮔﻲ آﻞ‬

‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي را ﻣﺤﺎﺳﺒﻪ آﻨﻴﻢ ﺑﺎﻳﺴﺘﻲ ﺑﻪ ﻃﺮﻳﻖ زﻳﺮ ﻋﻤﻞ ﻧﻤﺎﺋﻴﻢ‪.‬‬

‫)‪ = EV 2 + AV 2 = ( R, R‬دﻗﺖ آﻞ ﺳﻴﺴﺘﻢ‬

‫ﺣﺎل ﺑﺮاي ﺑﺮررﺳﻲ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮدن اﻳﻦ دﻗﺖ ﻧﻴﺎز دارﻳﻢ ﺗﺎ ﺁﻧﺮا ﻧﺴﺒﺖ ﺑﻪ ﺗﻠﺮاﻧﺲ ﻃﺮاﺣﻲ ﺑﺎ ﺗﻠﺮاﻧﺲ‬
‫ﻓﺮﺁﻳﻨﺪ ﺑﺴﻨﺠﻴﻢ‪.‬‬
‫اﻟﻒ( ﭼﻨﺎﻧﭽﻪ اﻳﻦ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﺮاي ﺑﺎزرﺳﻲ )ﻗﺒﻮل ﻳﺎ رد آﺮدن ﻗﻄﻌﺎت( ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد‬
‫ﺑﺎﻳﺴﺘﻲ ﺷﺎﺧﺺ )‪ %(R,R‬را ﺑﻪ ﻃﺮﻳﻖ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد‪:‬‬
‫) ‪( R, R‬‬
‫= )‪%( R, R‬‬ ‫‪* 100‬‬
‫‪USL − LSL‬‬

‫ب( ﭼﻨﺎﻧﭽﻪ اﻳﻦ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺟﻬﺖ ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ و ﻣﻄﺎﻟﻌﺎت ﻓﺮﺁﻳﻨﺪ )ﻣﺜﻞ ‪ (SPC‬ﺑﻜﺎرﮔﺮﻓﺘﻪ‬
‫ﻣﻲﺷﻮد ﺑﺎﻳﺴﺘﻲ ﺷﺎﺧﺺ )‪ %(R,R‬را ﺑﻪ ﻃﺮﻳﻖ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮد‪:‬‬
‫) ‪( R, R‬‬
‫= )‪%( R, R‬‬ ‫آﻪ‬ ‫‪TV = PV 2 + AV 2 + EV 2‬‬
‫‪TV‬‬
‫در هﺮ دو ﺣﺎﻟﺖ )ﭼﻪ ﻣﻄﺎﻟﻌﺎت ﻓﺮﺁﻳﻨﺪ ﭼﻪ ﺑﺎزرﺳﻲ(‪ ،‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺪار )‪ %(R,R‬ﺑﻪ ﺷﺮح زﻳﺮ‬
‫ﺗﺼﻤﻴﻢﮔﻴﺮي ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫اﮔﺮ ‪ %( R, R) ≤ %10‬ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ‪.‬‬ ‫‪(١‬‬

‫اﮔﺮ ‪ %10 < %( R, R) ≤ %30‬ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻣﻤﻜﻦ اﺳﺖ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺎﺷﺪ‬ ‫‪(٢‬‬

‫اﮔﺮ ‪ %( R, R) > %30‬ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻏﻴﺮ ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ‪.‬‬ ‫‪(٣‬‬

‫ﺗﻮﺟﻪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ در ﻣﺤﺎﺳﺒﻪ )‪ %(R,R‬ﺑﺮاي ﻣﻄﺎﻟﻌﺎت ﻓﺮﺁﻳﻨﺪ ﻣﻲﺗﻮان از ‪ 5.15‬ﻓﺎآﺘﻮرﮔﻴﺮي ﻧﻤﻮدﻩ و‬
‫‪1‬‬
‫ﻧﻮﺷﺖ‪= K 1 , K 2 , K 3 :‬‬
‫*‪d 2‬‬
‫آﻪ در ﺁن ‪ K 1‬ﺗﺎﺑﻌﻲ از ﺗﻌﺪاد ﺗﻜﺮارهﺎ و ﺑﺮاي ‪ EV‬آﺎرﺑﺮد دارد و ‪ K 2‬ﺗﺎﺑﻌﻲ از ﺗﻌﺪاد ﺑﺎزرﺳﺎن و ﺑﺮاي ‪AV‬‬

‫آﺎرﺑﺮد دارد و ‪ K 3‬ﺗﺎﺑﻌﻲ از ﺗﻌﺪاد ﻗﻄﻌﺎت و ﺑﺮاي ‪ PV‬آﺎرﺑﺮد دارد‪.‬‬

‫هﻤﭽﻨﻴﻦ از ﻧﺴﺒﺖ زﻳﺮ ﻣﻲﺗﻮان ﺑﺮاي ﺗﻌﻴﻴﻦ دﻗﺖ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‬
‫‪PV‬‬
‫*‪ ndc=1.41‬ﺗﻌﺪاد ﻃﺒﻘﺎت ﻣﺠﺰا‬
‫‪GRR‬‬
‫ﺷﺮط ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮدن ﻧﺴﺒﺖ ﻓﻮق اﻳﻦ اﺳﺖ آﻪ ﺑﺰرﮔﺘﺮ ﻳﺎ ﻣﺴﺎوي ‪ ٥‬ﺑﺎﺷﺪ‪.‬‬

‫‪ -٨-١‬ﻧﻮﺳﺎﻧﺎت درون ﻗﻄﻌﻪاي )‪(Within Part Variation‬‬

‫در ﺑﻌﻀﻲ ﻣﻮاﻗﻊ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺎهﻴﺖ اﻧﺪازﻩﮔﻴﺮي‪ ،‬ﻧﻮﺳﺎﻧﺎت درون ﻗﻄﻌﻪاي از اهﻤﻴﺖ زﻳﺎدي ﺑﺮﺧﻮردار‬
‫ﻣﻲﺷﻮﻧﺪ‪ .‬اﻳﻦ ﻧﻮﺳﺎﻧﺎت رﻳﺸﻪ در ﻣﺎهﻴﺖ ﻗﻄﻌﻪ داﺷﺘﻪ و هﻤﺎﻧﻨﺪ اﻧﺪازﻩﮔﻴﺮي ﻗﻄﺮ ﻳﻚ ﺳﻮارخ‪ ،‬ﻣﻤﻜﻦ‬
‫اﺳﺖ ﺑﺴﺘﮕﻲ ﺑﻪ ﺑﻴﻀﻲ ﺑﻮدن ﻳﺎ ﺑﻴﻀﻲ ﻧﺒﻮدن ﺳﻮراخ داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬اﻳﻦ ﺧﻄﺎهﺎ در دﻓﻌﺎت ﻣﺨﺘﻠﻒ‬
‫اﻧﺪازﻩﮔﻴﺮي‪ ،‬ﺑﺮروي ﺗﻜﺮارهﺎي اﻧﺪازﻩﮔﻴﺮي ﺗﺎﺛﻴﺮ ﮔﺬاﺷﺘﻪ و ﻋﺪم ﺁﮔﺎهﻲ از ﺁﻧﻬﺎ‪ ،‬ﺳﺒﺐ ﺧﻮاهﺪ ﺷﺪ ﺗﺎ‬
‫ﺗﺨﻤﻴﻦ ﺗﻜﺮارﭘﺬﻳﺮي و ﺗﺠﺪﻳﺪﭘﺬﻳﺮي دﻗﻴﻖ ﻧﺒﺎﺷﺪ‪ .‬ﺑﺮاي ﻣﺤﺎﺳﺒﻪ اﻳﻦ ﻧﻮع ﺧﻄﺎ ﺑﻪ ﺗﺮﺗﻴﺐ ﮔﺎمهﺎي زﻳﺮ ﻋﻤﻞ‬
‫ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬

‫ﺑﺮدهﺎي ﻣﺮﺑﻮط ﺑﻪ ‪ min, max‬را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﺳﻄﺮهﺎي ‪ ٥‬و ‪ ١٠‬و ‪(١٥‬‬ ‫‪(١‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﺑﺮدهﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪﻩ در ﮔﺎم ﻗﺒﻠﻲ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮدﻩ و در ﺳﻄﺮ ‪ ١٨‬ﺛﺒﺖ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪(٢‬‬
‫‪ EV‬را ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﻣﻮل ﻣﺮﺑﻮﻃﻪ و ﻣﻴﺎﻧﮕﻴﻦ ﺑﺮدهﺎ در ﮔﺎم ﻗﺒﻠﻲ ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪(٣‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﻣﺮﺑﻮط ﺑﻪ هﺮ ﻗﻄﻌﻪ ﺑﺎزرس را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﺳﻄﺮهﺎي ‪ ٤‬و ‪ ٩‬و ‪(١٤‬‬ ‫‪(٤‬‬
‫ﻣﻴﺎﻧﮕﻴﻦ آﻞ هﺮ ﺑﺎزرس را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ )ﺳﺘﻮن ﺁﺧﺮ ﺳﻄﺮهﺎي ‪ ٤‬و ‪ ٩‬و ‪(١٤‬‬ ‫‪(٥‬‬
‫‪ X DIFF‬را ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮدﻩ و در ﺳﻄﺮ ‪ ١٩‬ﺛﺒﺖ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪(٦‬‬
‫‪ AV‬را ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﻣﻮل اراﺋﻪ ﺷﺪﻩ ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬ ‫‪(٧‬‬
‫‪ RGE‬را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪) .‬ﺑﺮدهﺎي ﺳﻄﺮي(‬ ‫‪(٨‬‬

‫= ‪) X WIV‬ﺳﻄﺮ ‪(١٧‬‬
‫را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ آﻪ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ هﺮ ﻗﻄﻌﻪ ‪∑ RGE‬‬ ‫‪X WIV‬‬ ‫‪(٩‬‬
‫‪a.t‬‬
‫ﺑﺮد ‪ X WIV‬ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ )ﺳﺘﻮن ﺁﺧﺮ ﺳﻄﺮ ‪(١٧‬‬ ‫‪(١٠‬‬

‫= ‪ =n) X WIV‬ﺗﻌﺪاد ﻗﻄﻌﺎت(‬

‫‪∑X‬‬ ‫‪WIV‬‬
‫‪ X WIV‬را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ آﻪ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‬ ‫‪(١١‬‬
‫‪n‬‬
‫ﺑﺮد ﺑﺮدهﺎي ﺑﺪﺳﺖ ﺁﻣﺪﻩ در ﮔﺎم ‪ ٨‬را ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪ RRGE ) .‬هﺎ(‬ ‫‪(١٢‬‬

‫= ‪EVWIV‬‬
‫‪∑R‬‬ ‫‪RGE‬‬
‫در اﻳﻨﺼﻮرت ‪* k1‬‬ ‫‪(١٣‬‬
‫‪n.a‬‬
 ‫ﻣﺤﺎﺳﺒﻪ ‪ WIV‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﻣﻮل زﻳﺮ‪:‬‬ ‫‪(١٤‬‬
‫‪‬‬ ‫‪( EVWIV ) 2‬‬ ‫‪‬‬
‫‪ ( R XWIV * K 3 ) 2 −‬‬ ‫‪‬‬
‫‪a.t‬‬
‫‪WIV = ‬‬ ‫‪+ X‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪WIV‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫در اﻳﻨﺼﻮرت ﻣﻲﺗﻮان در ﻓﺮﻣﻮل )‪ %(R,R‬ﺑﺠﺎي ‪ TV‬ﻧﻮﺷﺖ‪:‬‬ ‫‪(١٥‬‬

‫‪TV = EV 2 + AV 2 + PV 2 + WIV 2‬‬

‫ﺗﻤﺮﻳﻦ‪:‬‬
‫ﺳﺮﭘﺮﺳﺖ آﻨﺘﺮل آﻴﻔﻴﺖ ﺟﻬﺖ ﺗﻌﻴﻴﻦ ﻣﻴﺰان ﺧﻄﺎي )‪ (R,R‬ﺑﺮاي ﻣﺸﺨﺼﻪ ﻗﻄﺮ ﻣﻴﻠﻪ‪ ،‬آﻪ ﺗﻮﺳﻂ ﻳﻚ‬
‫ﻣﺎﺷﻴﻦ ﺧﺎص ﺗﻮﻟﻴﺪ ﻣﻲﺷﻮد ‪ ٥‬ﻗﻄﻌﻪ را اﻧﺘﺨﺎب آﺮدﻩ اﺳﺖ‪ .‬اﻳﻦ ‪ ٥‬ﻗﻄﻌﻪ ﺗﻮﺳﻂ ﺑﺎزرﺳﺎن و ﺷﻴﻔﺖ‬
‫)ﺳﻪ ﺑﺎزرس( ‪ ٢‬ﺑﺎر اﻧﺪازﻩﮔﻴﺮي ﺷﺪﻩ و در هﺮ ﺑﺎر اﻧﺪازﻩﮔﻴﺮي‪ ،‬ﭼﺮﺧﺎﻧﺪن ﻣﻴﻜﺮوﻣﺘﺮ ﺣﺪاﻗﻞ و ﺣﺪاآﺜﺮ ﻗﻄﺮ‬
‫ﻣﻴﻠﻪ ﻣﻄﺎﺑﻖ ﺟﺪول زﻳﺮ ﺛﺒﺖ ﺷﺪﻩ اﺳﺖ‪ .‬ﻣﻄﻠﻮﺑﺴﺖ ﻣﺤﺎﺳﺒﻪ )‪ %(R,R‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺧﻄﺎي ‪.WIV‬‬

‫ﻗﻄﻌﻪ‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫ﺑﺎزرﺳﺎن‬
‫ﺣﺪاﻗﻞ و ﺣﺪاآﺜﺮ‬ ‫‪Max‬‬ ‫‪Min‬‬ ‫‪Max‬‬ ‫‪Min‬‬ ‫‪Max‬‬ ‫‪Min‬‬ ‫‪Max‬‬ ‫‪Min‬‬ ‫‪Max‬‬ ‫‪Min‬‬
‫‪0.68‬‬ ‫‪0.58‬‬ ‫‪1.07‬‬ ‫‪0.93‬‬ ‫‪0.87‬‬ ‫‪0.78‬‬ ‫‪0.97‬‬ ‫‪0.83‬‬ ‫‪0.58‬‬ ‫‪0.42‬‬
‫ﺑﺎزرس ‪١‬‬
‫‪0.67‬‬ ‫‪0.57‬‬ ‫‪1.08‬‬ ‫‪0.92‬‬ ‫‪0.85‬‬ ‫‪0.77‬‬ ‫‪0.96‬‬ ‫‪0.81‬‬ ‫‪0.59‬‬ ‫‪0.40‬‬
‫‪0.59‬‬ ‫‪0.51‬‬ ‫‪1.08‬‬ ‫‪0.92‬‬ ‫‪0.82‬‬ ‫‪0.73‬‬ ‫‪0.84‬‬ ‫‪0.71‬‬ ‫‪0.49‬‬ ‫‪0.31‬‬
‫ﺑﺎزرس ‪٢‬‬
‫‪0.60‬‬ ‫‪0.50‬‬ ‫‪1.07‬‬ ‫‪0.93‬‬ ‫‪0.81‬‬ ‫‪0.75‬‬ ‫‪0.85‬‬ ‫‪0.70‬‬ ‫‪0.48‬‬ ‫‪0.32‬‬
‫‪0.56‬‬ ‫‪0.49‬‬ ‫‪1.10‬‬ ‫‪0.95‬‬ ‫‪0.84‬‬ ‫‪0.77‬‬ ‫‪0.87‬‬ ‫‪0.74‬‬ ‫‪0.56‬‬ ‫‪0.39‬‬
‫ﺑﺎزرس ‪٣‬‬
‫‪0.55‬‬ ‫‪0.47‬‬ ‫‪1.08‬‬ ‫‪0.94‬‬ ‫‪0.84‬‬ ‫‪0.76‬‬ ‫‪0.88‬‬ ‫‪0.73‬‬ ‫‪0.57‬‬ ‫‪0.38‬‬

‫‪ -٩-١‬روش ﺑﺮد )‪(Range Method‬‬

‫روش ﺑﺮد ﻳﻚ روش اﺻﻼح ﺷﺪﻩ اﺳﺖ آﻪ ﻳﻚ ﺗﺨﻤﻴﻦ ﺳﺮﻳﻊ از ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻓﺮاهﻢ ﻣﻲﺁورد‪ .‬اﻳﻦ‬
‫روش ﺗﻨﻬﺎ ﺗﺼﻮﻳﺮ آﻠﻲ از ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﺪﺳﺖ ﻣﻲدهﺪ و ﻧﻤﻲﺗﻮاﻧﺪ ﺗﻌﻴـﻴﻦ آﻨﻨـﺪﻩ ﺗﻜﺮارﭘـﺬﻳﺮي و‬
‫ﺗﺠﺪﻳﺪﭘﺬﻳﺮي ﺑﺎﺷﺪو ﻣﻌﻤﻮﻻً ﺑﺮاي ﭼﻚ آﺮدن ﺳـﺮﻳﻊ‪ ،‬و ﺑﺮرﺳـﻲ ﺗﻐﻴﻴـﺮات ‪ GRR‬ﺑﻜـﺎر ﻣـﻲرود ‪ .‬اﻳـﻦ روش‬
‫ﭼﻨﺎﻧﭽﻪ از ‪ ٥‬ﻗﻄﻌﻪ ﺑﻌﻨﻮان ﻧﻤﻮﻧﻪ اﺳﺘﻔﺎدﻩ ﺷـﻮد‪ %80 ،‬اﮔـﺮ از ‪ ١٠‬ﻗﻄﻌـﻪ اﺳـﺘﻔﺎدﻩ ﺷـﻮد ‪ %90‬ﺗﻮاﻧـﺎﻳﻲ‬
‫ﺷﻨﺎﺳﺎﻳﻲ ﻳﻚ ﺳﻴﺴﺘﻢ ﻏﻴﺮ ﻗﺎﺑﻞ ﻗﺒﻮل را دارا ﻣﻲﺑﺎﺷﺪ‪.‬‬
 ‫ﻣﺜﺎل‪:‬‬

‫ﺑﺮاي ﺗﻌﻴﻴﻦ اﻳﻨﻜﻪ ﺁﻳﺎ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻗﺎﺑﻞ ﻗﺒﻮل ﻣﻲﺑﺎﺷﺪ ﻳﺎ ﺧﻴﺮ در ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي از ‪٢‬‬
‫ﺑﺎزرس و ‪ ٥‬ﻗﻄﻌﻪ اﺳﺘﻔﺎدﻩ ﺷﺪﻩ اﺳﺖ و ﻧﺘﺎﻳﺞ ﺑﻪ ﺷﺮح زﻳﺮ ﻣﻲﺑﺎﺷﺪ ﻣﻄﻠﻮﺑﺴﺖ ﺗﻌﻴﻴﻦ ‪GRR‬‬

‫ﻗﻄﻌﻪ‬ ‫ﺑﺎزرس ‪١‬‬ ‫ﺑﺎزرس ‪٢‬‬

‫‪1‬‬ ‫‪0.85‬‬ ‫‪0.80‬‬
‫‪2‬‬ ‫‪0.75‬‬ ‫‪0.70‬‬
‫‪3‬‬ ‫‪1.00‬‬ ‫‪0.95‬‬
‫‪4‬‬ ‫‪0.45‬‬ ‫‪0.55‬‬
‫‪5‬‬ ‫‪0.50‬‬ ‫‪0.60‬‬

‫ﺣﻞ‪:‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻧﺪازﻩﮔﻴﺮي اﻧﺠﺎم ﺷﺪﻩ ﺑﺮد ﻣﺮﺑﻮط ﺑﻪ هﺮ ﻗﻄﻌﻪ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ‪:‬‬

‫ﻗﻄﻌﻪ‬ ‫ﺑﺮد‬
‫‪1‬‬ ‫‪0.05‬‬
‫‪2‬‬ ‫‪0.05‬‬
‫‪3‬‬ ‫‪0.05‬‬
‫‪4‬‬ ‫‪0.10‬‬
‫‪5‬‬ ‫‪0.10‬‬

‫در اﻳﻨﺼﻮرت‪:‬‬

‫=‪R‬‬
‫‪∑R‬‬ ‫‪i‬‬
‫‪= 0.07‬‬
‫‪5‬‬
‫‪R 0.07‬‬
‫= ‪GRR‬‬ ‫=‬ ‫‪= 0.0588‬‬
‫‪d 2* 1.19‬‬
 ‫ﻓﺼﻞ ‪ :٢‬ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢهﺎي اﻧﺪازﻩﮔﻴﺮي وﺻﻔﻲ‬

‫در ﻓﺼﻞ ‪ ١‬ﺑﺎ ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢهﺎي اﻧﺪازﻩﮔﻴﺮي آَﻤّﻲ ﺁﺷﻨﺎ ﺷﺪﻳﻢ‪ .‬در اﻳﻦ ﻓﺼﻞ ﺳﻌﻲ دارﻳﻢ ﺗﺎ‬
‫ﭼﻨﺪ روش را ﺑﺮاي ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢهﺎي اﻧﺪازﻩﮔﻴﺮي وﺻﻔﻲ ﻣﻌﺮﻓﻲ ﻧﻤﺎﺋﻴﻢ‪.‬‬

‫‪ -١-٢‬روش ﻣﺘﻘﺎﻃﻊ‬
‫در اﻳﻦ روش ﺑﺎ اﺳﺘﻔﺎدﻩ از ﻳﻚ ﻣﺜﺎل و ﻋﻠﻢ اﺣﺘﻤﺎﻻت ﺳﻌﻲ در ﻣﺤﺎﺳﺒﻪ ﺑﻌﻀﻲ از ﺷﺎﺧﺺهﺎ ﺑﺮاي ﺗﺎﻳﻴﺪ‬
‫و ﻳﺎ ﻋﺪم ﺗﺎﻳﻴﺪ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻣﻲﺑﺎﺷﻴﻢ‪ .‬ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر ‪ ٥٠‬ﻗﻄﻌﻪ‪ ،‬ﺑﻪ ﺗﺮﺗﻴﺐ ‪ ٣٤‬ﻗﻄﻌﻪ رد و‬
‫‪ ١٦‬ﻗﻄﻌﻪ ﻗﺒﻮل اﻧﺘﺨﺎب ﺷﺪﻩاﻧﺪ‪.‬‬
‫‪Part‬‬ ‫‪A-1‬‬ ‫‪A-2‬‬ ‫‪A-3‬‬ ‫‪B-1‬‬ ‫‪B-2‬‬ ‫‪B-3‬‬ ‫‪C-1‬‬ ‫‪C-2‬‬ ‫‪C-3‬‬ ‫‪Reference‬‬ ‫‪Ref Value‬‬ ‫‪Code‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.476901‬‬ ‫‪+‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.509015‬‬ ‫‪+‬‬
‫‪3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.576459‬‬ ‫‪-‬‬
‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.566152‬‬ ‫‪-‬‬
‫‪5‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.570360‬‬ ‫‪-‬‬
‫‪6‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0.544951‬‬ ‫*‬
‫‪7‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.465454‬‬ ‫*‬
‫‪8‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.502295‬‬ ‫‪+‬‬
‫‪9‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.437817‬‬ ‫‪-‬‬
‫‪10‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.515573‬‬ ‫‪+‬‬
‫‪11‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.488905‬‬ ‫‪+‬‬
‫‪12‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.559918‬‬ ‫*‬
‫‪13‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.542704‬‬ ‫‪+‬‬
‫‪14‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0.454518‬‬ ‫*‬
‫‪15‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.517377‬‬ ‫‪+‬‬
‫‪16‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.531939‬‬ ‫‪+‬‬
‫‪17‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.519694‬‬ ‫‪+‬‬
‫‪18‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.484167‬‬ ‫‪+‬‬
‫‪19‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0520496‬‬ ‫‪+‬‬
‫‪20‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0477236‬‬ ‫‪+‬‬
‫‪21‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0452310‬‬ ‫*‬
‫‪22‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0545604‬‬ ‫*‬
‫‪23‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0529065‬‬ ‫‪+‬‬
‫‪24‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.514192‬‬ ‫‪+‬‬
‫‪25‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0599581‬‬ ‫‪-‬‬
‫‪26‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0547204‬‬ ‫*‬
‫‪27‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0502436‬‬ ‫‪+‬‬
 ‫‪28‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0521642‬‬ ‫‪+‬‬
‫‪29‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0523754‬‬ ‫‪+‬‬
‫‪30‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.561457‬‬ ‫*‬
‫‪31‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0503091‬‬ ‫‪+‬‬
‫‪32‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0505850‬‬ ‫‪+‬‬
‫‪33‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0487613‬‬ ‫‪+‬‬
‫‪34‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0.449696‬‬ ‫*‬
‫‪35‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0498698‬‬ ‫‪+‬‬
‫‪36‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.543077‬‬ ‫*‬
‫‪37‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.409238‬‬ ‫‪-‬‬
‫‪38‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.488184‬‬ ‫‪+‬‬
‫‪39‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.427687‬‬ ‫‪-‬‬
‫‪40‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.501132‬‬ ‫‪+‬‬
‫‪41‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.513779‬‬ ‫‪+‬‬
‫‪42‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.566575‬‬ ‫‪-‬‬
‫‪43‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0.462410‬‬ ‫*‬
‫‪44‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.470832‬‬ ‫‪+‬‬
‫‪45‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.412453‬‬ ‫‪-‬‬
‫‪46‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.493441‬‬ ‫‪+‬‬
‫‪47‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.486379‬‬ ‫‪+‬‬
‫‪48‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.587893‬‬ ‫‪-‬‬
‫‪49‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.483803‬‬ ‫‪+‬‬
‫‪50‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0.446697‬‬ ‫‪-‬‬

‫ﺳﺮﺑﺎزرس اﻳﻦ ‪ ٥٠‬ﻗﻄﻌﻪ را هﺮ آﺪام ﺳﻪ ﺑﺎر اﻧﺪازﻩﮔﻴﺮي ﻧﻤﻮدﻩاﻧﺪ‪ .‬ﻋﺪد ‪ ١‬ﺑﻤﻌﻨﺎي ﻗﺒﻮل آﺮدن و ﻋﺪد ‪٠‬‬
‫ﺑﻤﻌﻨﺎي رد آﺮدن ﻗﻄﻌﺎت ﻣﻲﺑﺎﺷﺪ‪ .‬هﻤﭽﻨﻴﻦ آﺪهﺎي ‪ * ،- ،+‬ﺑﻤﻌﻨﻲ‪ ،‬هﻢ راﻳﻲ هﻤﻪ ﺑﺎزرﺳﺎن در ﻗﺒﻮل‬
‫ﻗﻄﻌﻪ ﺳﺎﻟﻢ‪ ،‬هﻢ راﻳﻲ هﻤﻪ ﺑﺎزرﺳﺎن در ﻋﺪم ﭘﺬﻳﺮش ﻗﻄﻌﻪ رد‪ ،‬ﻋﺪم هﻢراﻳﻲ ﺑﻴﻦ ﺑﺎزرﺳﺎن و ﻣﻘﺪار‬
‫ﻣﺮﺟﻊ ﻣﻲﺑﺎﺷﺪ‪ .‬ﺣﺎل ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺪار ﺟﺪول ﻓﻮق ﺟﺪاول ﺑﻴﻦ ﺑﺎزرﺳﺎن را ﺑﻪ ﺷﺮح زﻳﺮ ﻣﺤﺎﺳﺒﻪ‬
‫ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫‪B‬‬
‫‪Total‬‬
‫‪.00‬‬ ‫‪1.00‬‬
‫‪A‬‬ ‫‪.00‬‬ ‫‪Count‬‬ ‫‪44‬‬ ‫‪6‬‬ ‫‪50‬‬
‫‪Expected Count‬‬ ‫‪15.7‬‬ ‫‪34.3‬‬ ‫‪50.0‬‬
‫‪1.00‬‬ ‫‪Count‬‬ ‫‪3‬‬ ‫‪97‬‬ ‫‪100‬‬
‫‪Expected Count‬‬ ‫‪31.3‬‬ ‫‪68.7‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪47‬‬ ‫‪103‬‬ ‫‪150‬‬
‫‪Expected Count‬‬ ‫‪47.0‬‬ ‫‪103.0‬‬ ‫‪150.0‬‬
 ‫‪C‬‬
‫‪Total‬‬
‫‪.00‬‬ ‫‪1.00‬‬
‫‪B‬‬ ‫‪.00‬‬ ‫‪Count‬‬ ‫‪42‬‬ ‫‪5‬‬ ‫‪47‬‬
‫‪Expected Count‬‬ ‫‪16.0‬‬ ‫‪31.0‬‬ ‫‪47.0‬‬
‫‪1.00‬‬ ‫‪Count‬‬ ‫‪9‬‬ ‫‪94‬‬ ‫‪103‬‬
‫‪Expected Count‬‬ ‫‪35.0‬‬ ‫‪68.0‬‬ ‫‪103.0‬‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪51‬‬ ‫‪99‬‬ ‫‪150‬‬
‫‪Expected Count‬‬ ‫‪51.0‬‬ ‫‪99.0‬‬ ‫‪150.0‬‬

‫‪C‬‬
‫‪Total‬‬
‫‪.00‬‬ ‫‪1.00‬‬
‫‪A‬‬ ‫‪.00‬‬ ‫‪Count‬‬ ‫‪43‬‬ ‫‪7‬‬ ‫‪50‬‬
‫‪Expected Count‬‬ ‫‪17.0‬‬ ‫‪33.0‬‬ ‫‪50.0‬‬
‫‪1.00‬‬ ‫‪Count‬‬ ‫‪8‬‬ ‫‪92‬‬ ‫‪100‬‬
‫‪Expected Count‬‬ ‫‪34.0‬‬ ‫‪66.0‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪51‬‬ ‫‪99‬‬ ‫‪150‬‬
‫‪Expected Count‬‬ ‫‪51.0‬‬ ‫‪99.0‬‬ ‫‪150.0‬‬

‫هﺪف از اﻳﻦ ﺟﺪاول ﺗﻌﻴﻴﻦ ﺗﻮاﻓﻖ ﺑﻴﻦ ﺑﺎزرﺳﺎن ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر ﺷﺎﺧﺺ آﺎﭘﺎ ‪ Kappa‬را‬
‫ﻣﺤﺎﺳﺒﻪ ﻣﻲﻧﻤﺎﺋﻴﻢ‪ .‬ﻋﺪد ‪ ١‬ﻧﺸﺎﻧﺪهﻨﺪﻩ ﺗﻮاﻓﻖ آﺎﻣﻞ ﺑﻴﻦ ﺑﺎزرﺳﺎن و ﻋﺪد ﺻﻔﺮ ﻧﺸﺎﻧﺪهﻨﺪﻩ ﻋﺪم ﺗﻮاﻓﻖ‬
‫ﺑﻴﻦ ﺁﻧﻬﺎ ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪P − Pe‬‬ ‫ﻣﺠﻤﻮع ﻧﺴﺒﺖهﺎي ﻣﺸﺎهﺪﻩ ﺷﺪﻩ در ﺳﻠﻮلهﺎي ﻗﻄﺮ = ‪P0‬‬

‫‪Kappa = 0‬‬
‫‪1 − Pe‬‬ ‫ﻣﺠﻤﻮع ﻧﺴﺒﺖهﺎي ﻣﻮرد اﻧﺘﻈﺎر در ﺳﻠﻮلهﺎي ﻗﻄﺮ = ‪Pe‬‬
‫ﺑﺎﻳﺪ ﺗﻮﺟﻪ داﺷﺖ آﻪ آﺎﭘﺎ ﺑﻴﺸﺘﺮ ﻳﻚ اﻧﺪازﻩﮔﻴﺮي اﺳﺖ ﺗﺎ ﻳﻚ ﺗﺴﺖ و ﻣﻘﺪار ﺁن ﭼﻨﺎﻧﭽﻪ ﺑﻴﺸﺘﺮ از ‪0.75‬‬
‫ﺑﺎﺷﺪ ﻧﺸﺎﻧﺪهﻨﺪﻩ ﺗﻮاﻓﻖ ﻋﺎﻟﻲ و اﮔﺮ آﻤﺘﺮ از ‪ 0.40‬ﺑﺎﺷﺪ ﻧﺸﺎﻧﺪهﻨﺪﻩ ﺗﻮاﻓﻖ ﺿﻌﻴﻒ ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪Kappa‬‬ ‫‪A‬‬ ‫‪B‬‬ ‫‪C‬‬

‫‪A‬‬ ‫‪-‬‬ ‫‪.86‬‬ ‫‪78‬‬
‫‪B‬‬ ‫‪.86‬‬ ‫‪-‬‬ ‫‪.79‬‬
‫‪C‬‬ ‫‪.78‬‬ ‫‪.79‬‬ ‫‪-‬‬

‫ﺑﺮاي ﺗﺼﻤﻴﻢﮔﻴﺮي در ﻣﻮرد ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻪ اﻳﻦ روش ﺑﺎﻳﺴﺘﻲ ﺑﺮاي هﺮ ﺑﺎزرس ﺷﺎﺧﺺهﺎي‬
‫زﻳﺮ را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﺋﻴﻢ‪.‬‬

‫ﺗﻌﺪاد دﻓﻌﺎت ﻗﻄﻌﺎت رد ﭘﺬﻳﺮﻓﺘﻪ ﺷﺪﻩ‬

‫ﻧﺮخ اﺷﺘﺒﺎﻩ‬ ‫=‪=Miss Rate‬‬
‫ﺷﺎﻧﺲ ﭘﻴﺪا آﺮدن ﻗﻄﻌﺎت رد‬
 ‫ﺗﻌﺪاد دﻓﻌﺎت ﻗﻄﻌﺎت ﺳﺎﻟﻢ رد ﺷﺪﻩ‬
‫ﻧﺮخ اﻋﻼن ﻧﺎدرﺳﺖ‬ ‫=‪=False Alarm Rate‬‬
‫ﺷﺎﻧﺲ ﭘﻴﺪا آﺮدن ﻗﻄﻌﺎت ﺳﺎﻟﻢ‬

‫ﺗﻌﺪاد دﻓﻌﺎت ﺗﺸﺨﻴﺺ ﻗﻄﻌﺎت ﺑﻄﻮر ﺻﺤﻴﺢ‬

‫اﺛﺮ ﺑﺨﺸﻲ‬ ‫=‪=Effectiveness‬‬
‫آﻞ ﻓﺮﺻﺖهﺎي ﺷﻨﺎﺳﺎﻳﻲ ﻗﻄﻌﺎت‬

‫در اﻳﻨﺼﻮرت ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺎدﻳﺮ ﺑﺪﺳﺖ ﺁﻣﺪﻩ ﺑﺮاي هﺮ ﺑﺎزرس و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺟﺪول زﻳﺮ ﺗﺼﻤﻴﻢﮔﻴﺮي‬
‫ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬

‫ﺗﺼﻤﻴﻢﮔﻴﺮي‬ ‫اﺛﺮ ﺑﺨﺸﻲ‬ ‫ﻧﺮخ اﺷﺘﺒﺎﻩ‬ ‫ﻧﺮخ اﻋﻼن اﺷﺘﺒﺎﻩ‬

‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ‬ ‫‪≥ %90‬‬ ‫‪≤ %2‬‬ ‫‪≤ %5‬‬
‫ﺳﻴﺴﺘﻢ ﻣﻤﻜﻦ اﺳﺖ ﺑﺮاي ﺗﻤﺎم ﻳﺎ ﺑﻌﻀﻲ از‬
‫‪≥ %80‬‬ ‫‪≤ %5‬‬ ‫‪≤ %10‬‬
‫ﺑﺎزرﺳﺎن ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺎﺷﺪ‬
‫ﺳﻴﺴﺘﻢ ﻏﻴﺮ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺮاي ﺗﻤﺎم ﻳﺎ ﺑﻌﻀﻲ‬
‫‪< %80‬‬ ‫‪> %5‬‬ ‫‪> %10‬‬
‫از ﺑﺎزرﺳﺎن ﺑﻮدﻩ و ﻧﻴﺎز ﺑﻪ اﺻﻼح دارد‬

‫‪ -٢-٢‬روش ﺑﻴﺰي‬
‫ﻳﻜﻲ از اﻳﺮادات ﻋﻤﺪﻩاي آﻪ ﺑﻪ روش ﻣﺘﻘﺎﻃﻊ ﻣﻲﺗﻮان ﮔﺮﻓﺖ اﻳﻦ اﺳﺖ آﻪ‪ ،‬اﻧﺘﺨﺎب ﻗﻄﻌﺎت ﺳﺎﻟﻢ و رد‬
‫در ﻧﻤﻮﻧﻪهﺎ ﺑﻌﻬﺪﻩ ﻣﺎ ﻣﻲﺑﺎﺷﺪ‪ .‬وﻟﻲ در ﻋﻤﻞ و در ﺗﻮﻟﻴﺪ ﻣﻤﻜﻦ اﺳﺖ درﺻﺪهﺎي ﻗﻄﻌﺎت ﻣﻌﻴﻮب ﺑﺎ ﺁﻧﭽﻪ‬
‫‪16‬‬
‫ﻗﻄﻌﻪ ﻣﻌﻴﻮب در ﻣﺜﺎل ﻗﺒﻞ(‬ ‫آﻪ ﻣﺎ در ﻧﻤﻮﻧﻪهﺎ اﻧﺘﺨﺎب ﻧﻤﻮدﻩاﻳﻢ ﺑﺮاﺑﺮ ﻧﺒﺎﺷﺪ )ﺑﻌﻨﻮان ﻣﺜﺎل ﻧﺴﺒﺖ‬
‫‪50‬‬
‫ﭘﺮواﺿﺢ اﺳﺖ آﻪ ﭼﻨﺎﻧﭽﻪ اﻳﻦ ﻧﺴﺒﺖ )ﻣﻌﻴﻮبهﺎ( هﺮ ﭼﻪ آﻤﺘﺮ ﺑﺎﺷﺪ اﺣﺘﻤﺎل ﻧﺮخ اﺷﺘﺒﺎﻩ ﻧﻴﺰ آﻤﺘﺮ‬
‫ﺧﻮاهﺪ ﺑﻮد‪ .‬ﭼﻨﺎﻧﭽﻪ ﺗﺨﻤﻴﻨﻲ از ﻧﺴﺒﺖ ﻗﻄﻌﺎت ﺳﺎﻟﻢ و ﺧﺮاب داﺷﺘﻪ ﺑﺎﺷﻴﻢ ﻣﻲﺗﻮان ﻣﺤﺎﺳﺒﺎت دﻗﻴﻘﺘﺮ‬
‫و واﻗﻌﻲ ﺗﺮي از ﺷﺎﺧﺺهﺎي ﻓﻮق اراﺋﻪ داد‪ .‬ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر از روﺷﻲ ﺑﻨﺎم روش ﺑﻴﺰ آﻪ ﻗﻀﻴﻪ ﺁن در‬
‫ﺿﻤﻴﻤﻪ ﺁوردﻩ ﺷﺪﻩ اﺳﺖ اﺳﺘﻔﺎدﻩ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬
‫)‪False Alarm Rate= P (G|Called bad‬‬
‫)‪Miss Rate= P (B|Called good‬‬
 ‫ﻣﺜﺎل‪:‬‬
‫ﻓﺮض آﻨﻴﺪ ﺑﺮاي ﺑﺎزرس ‪ B‬ﺟﺪول زﻳﺮ را داﺷﺘﻪ ﺑﺎﺷﻴﻢ‪ .‬ﺑﺎ ﻓﺮض ‪ PP = PPK = 1.33‬ﻣﻄﻠﻮﺑﺴﺖ ‪ MR‬و ‪FA‬‬
‫‪REF‬‬
‫‪Total‬‬
‫‪.00‬‬ ‫‪1.00‬‬
‫‪B‬‬ ‫‪.00‬‬ ‫‪Count‬‬ ‫‪45‬‬ ‫‪2‬‬ ‫‪47‬‬
‫‪%Within REF‬‬ ‫‪93.8%‬‬ ‫‪2.0%‬‬ ‫‪31.3%‬‬
‫‪1.00‬‬ ‫‪Count‬‬ ‫‪3‬‬ ‫‪100‬‬ ‫‪103‬‬
‫‪%Within REF‬‬ ‫‪6.3%‬‬ ‫‪98.0%‬‬ ‫‪68.7%‬‬
‫‪Total‬‬ ‫‪Count‬‬ ‫‪48‬‬ ‫‪102‬‬ ‫‪150‬‬
‫‪%Within REF‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬ ‫‪100.0%‬‬

‫ﺣﻞ‪:‬‬
‫‪P (bad ) = 27 * 10 −4‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮض ﻣﺴﺌﻠﻪ ﭘﺲ‬
‫‪P ( good ) = 9973 * 10 − 4‬‬

‫ﭘﺲ ﺧﻮاهﻴﻢ داﺷﺖ‪:‬‬

‫) ‪P(Cbad | g ) P( g‬‬
‫= ) ‪FA = P( g | Cbad‬‬ ‫=‬
‫)‪P(Cbad | g ) P( g ) + P(Cbad | b) P(b‬‬
‫)‪(0.02)(0.9973‬‬
‫‪= 0.89‬‬
‫‪(0.02)(0.9973) + (0.938)0.0027‬‬
‫)‪P(Cg | b) P(b‬‬
‫= ) ‪MR = P(b | Cgood‬‬ ‫=‬
‫) ‪P(Cg | b) P(b) + P(Cg | g ) P ( g‬‬
‫)‪(0.063)(0.0027‬‬
‫‪= 0.000173‬‬
‫)‪(0.063)(0.0027) + (0.98)(0.9973‬‬

‫‪ -٣-٢‬روش ﺳﻴﮕﻨﺎل‬
‫ﻳﻚ روش ﺑﺮاي ﺗﻌﻴﻴﻦ اﺣﺘﻤﺎﻻت ﺧﻄﺎ در ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي روش ﺳﻴﮕﻨﺎل ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻔﻬﻮم ﻣﻨﺤﻨﻲ ﻋﻤﻠﻜﺮد ﮔﻴﺞ )ﺑﻌﺪاً ﺗﻮﺿﻴﺢ دادﻩ ﺧﻮاهﺪ ﺷﺪ(‪ ،‬ﻣﻔﺎهﻴﻢ زﻳﺮ را ﺗﻌﺮﻳﻒ ﻣﻲآﻨﻴﻢ‪.‬‬

‫ﺑﺰرﮔﺘﺮﻳﻦ ﻗﻄﻌﻪ در ﻣﺮز ‪ LSL‬آﻪ هﻤﻪ ﺑﺎزرسهﺎ ﺁﻧﺮا رد آﺮدﻩاﻧﺪ= ‪A‬‬

‫آﻮﭼﻜﺘﺮﻳﻦ ﻗﻄﻌﻪ ﻗﺒﻮل آﻪ هﻤﻪ ﺑﺎزرسهﺎ ﺁﻧﻬﺎ را ﻗﺒﻮل آﺮدﻩاﻧﺪ = ‪B‬‬
‫ﺑﺰرﮔﺘﺮﻳﻦ ﻗﻄﻌﻪ ﻗﺒﻮل آﻪ هﻤﻪ ﺑﺎزرسهﺎ ﺁﻧﺮا ﻗﺒﻮل آﺮدﻩاﻧﺪ= ‪C‬‬
‫آﻮﭼﻜﺘﺮﻳﻦ ﻗﻄﻌﻪ در ﻣﺮز ‪ USL‬آﻪ هﻤﻪ ﺑﺎزرسهﺎ ﺁﻧﺮا رد آﺮدﻩاﻧﺪ = ‪D‬‬

‫ﺳﭙﺲ ﺗﻌﺮﻳﻒ ﻣﻲآﻨﻴﻢ‪:‬‬

 ‫‪d USL + d LSL‬‬
‫=‪R‬‬ ‫‪d lsl = B − A‬‬ ‫‪,‬‬ ‫‪d usl = D − C‬‬
‫‪2‬‬

‫ﭘﺲ در اﻳﻨﺼﻮرت‬
‫‪R‬‬
‫= ‪GRR‬‬ ‫‪* 5.15‬‬
‫*‪d 2‬‬

‫ﻣﺜﺎل‪ :‬در ﻣﺜﺎل روش ﻣﺘﻘﺎﻃﻊ ‪ GRR‬را ﺑﺎ روش ﺳﻴﮕﻨﺎل ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﻳﻴﺪ‪.‬‬

‫‪Ref Value‬‬ ‫‪Code‬‬ ‫‪Ref Value‬‬ ‫‪Code‬‬

‫‪0.599581‬‬ ‫‪-‬‬ ‫‪0.503091‬‬ ‫‪+‬‬
‫‪0.587893‬‬ ‫‪-‬‬ ‫‪0.502436‬‬ ‫‪+‬‬
‫‪0.576459‬‬ ‫‪-‬‬ ‫‪0.502295‬‬ ‫‪+‬‬
‫‪0.570360‬‬ ‫‪-‬‬ ‫‪0.501132‬‬ ‫‪+‬‬
‫‪0.566575‬‬ ‫‪-‬‬ ‫‪0.498698‬‬ ‫‪+‬‬
‫‪0.566152‬‬ ‫‪-‬‬ ‫‪0.493441‬‬ ‫‪+‬‬
‫‪0.561457‬‬ ‫*‬ ‫‪0.488905‬‬ ‫‪+‬‬
‫‪0.559918‬‬ ‫*‬ ‫‪0.488184‬‬ ‫‪+‬‬
‫‪0.547204‬‬ ‫*‬ ‫‪0.487613‬‬ ‫‪+‬‬
‫‪0.545604‬‬ ‫*‬ ‫‪0.486379‬‬ ‫‪+‬‬
‫‪0.544951‬‬ ‫*‬ ‫‪0.484167‬‬ ‫‪+‬‬
‫‪0.543077‬‬ ‫*‬ ‫‪0.483803‬‬ ‫‪+‬‬
‫‪0.542704‬‬ ‫‪+‬‬ ‫‪0.477236‬‬ ‫‪+‬‬
‫‪0.531939‬‬ ‫‪+‬‬ ‫‪0.476901‬‬ ‫‪+‬‬
‫‪0.529065‬‬ ‫‪+‬‬ ‫‪0.470832‬‬ ‫‪+‬‬
‫‪0.523754‬‬ ‫‪+‬‬ ‫‪0.465454‬‬ ‫*‬
‫‪0.521642‬‬ ‫‪+‬‬ ‫‪0.462410‬‬ ‫*‬
‫‪0.520496‬‬ ‫‪+‬‬ ‫‪0.454518‬‬ ‫*‬
‫‪0.519694‬‬ ‫‪+‬‬ ‫‪0.452310‬‬ ‫*‬
‫‪0.517377‬‬ ‫‪+‬‬ ‫‪0.449696‬‬ ‫*‬
‫‪0.515573‬‬ ‫‪+‬‬ ‫‪0.446697‬‬ ‫‪-‬‬
‫‪0.514192‬‬ ‫‪+‬‬ ‫‪0.437817‬‬ ‫‪-‬‬
‫‪0.513779‬‬ ‫‪+‬‬ ‫‪0.427687‬‬ ‫‪-‬‬
‫‪0.509015‬‬ ‫‪+‬‬ ‫‪0.412453‬‬ ‫‪-‬‬
‫‪0.505850‬‬ ‫‪+‬‬ ‫‪0.409238‬‬ ‫‪-‬‬

‫ﺣﻞ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺟﺪول ﻓﻮق ﺧﻮاهﻴﻢ داﺷﺖ‪:‬‬

‫‪d LSL = 0.470832 − 0.446697 = 0.024135‬‬
‫‪d USL = 0.566152 − 0.542704 = 0.023448‬‬
‫‪0.024135 + 0.023448‬‬
‫=‪R‬‬ ‫‪= 0.0237915‬‬
‫‪2‬‬
‫‪R 0.0237915‬‬
‫= * = ‪GRR‬‬ ‫‪* 5.15 = 0.09577‬‬
‫‪d2‬‬ ‫‪1.27931‬‬

‫‪ -٤-٢‬روش ﺗﺤﻠﻴﻠﻲ‬
‫ﻳﻚ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي اﻳﺪﻩﺁل‪ ،‬ﻓﻘﻂ ﻗﻄﻌﺎﺗﻲ را آﻪ اﻧﺪازﻩ ﺁﻧﻬﺎ ﺑﻴﻦ ‪ LSL‬و ‪ USL‬ﻣﻲﺑﺎﺷﺪ ﻗﺒﻮل آﺮدﻩ و‬
‫ﺳﺎﻳﺮ ﻗﻄﻌﺎت را ﻣﺮدود ﻣﻲﻧﻤﺎﻳﺪ‪ .‬ﻣﺘﺎﺳﻔﺎﻧﻪ ﭼﻨﻴﻦ ﺳﻴﺴﺘﻤﻲ در ﻋﻤﻞ ﻣﻤﻜﻦ اﺳﺖ وﺟﻮد ﻧﺪاﺷﺘﻪ‬
‫ﺑﺎﺷﺪ و ﺳﺎﻳﺮ ﻗﻄﻌﺎت ﻧﺰدﻳﻚ ﺑﻪ ﺗﻠﺮاﻧﺲ‪ ،‬ﻣﻤﻜﻦ اﺳﺖ در ﻋﻴﻦ رد )ﻗﺒﻮل( ﺑﻮدن ﻗﺒﻮل )رد( ﮔﺮدﻧﺪ‪.‬‬
‫‪USL + LSL‬‬
‫در ﻋﻤﻞ ﻣﺎ ﺑﺎ ﺳﻴﺴﺘﻢهﺎﻳﻲ ﺳﺮ و آﺎر دارﻳﻢ آﻪ اﺣﺘﻤﺎل ﻗﺒﻮﻟﻲ ﻗﻄﻌﻪ در ﻧﻘﺎط ﻧﺰدﻳﻚ ﺑﻪ‬
‫‪2‬‬
‫ﺑﺴﻴﺎر ﺑﺎﻻﺗﺮ از ﺳﺎﻳﺮ ﻧﻘﺎط ﻣﺮزي ﻣﻲﺑﺎﺷﺪ ﺑﻌﺒﺎرت دﻳﮕﺮ هﺮ ﭼﻪ ﺑﻪ ﻃﺮف ﻧﻘﺎط ﻣﺮزي ﭘﻴﺶ ﻣﻲروﻳﻢ‪،‬‬
‫اﺣﺘﻤﺎل ﻗﺒﻮل ﻗﻄﻌﻪ آﻢ ﺷﺪﻩ و در ﻧﺘﻴﺠﻪ اﺣﺘﻤﺎل روي ﺁن اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ‪.‬‬
‫از ﻣﻔﻬﻮم ﻓﻮق ﺑﺮاي ﻣﻄﺎﻟﻌﻪ ﮔﻴﺞهﺎي اﻧﺪازﻩﮔﻴﺮي ﻣﺸﺨﺼﻪهﺎي آﻴﻔﻲ اﺳﺘﻔﺎدﻩ ﻣﻲﺷﻮد‪ .‬اﻳﻦ ﺗﺠﺰﻳﻪ و‬
‫ﺗﺤﻠﻴﻞ را ﻣﻲﺗﻮان ﺑﺮاي ﮔﻴﺞهﺎي دو ﻣﻨﻈﻮرﻩ و ﻳﻚ ﻣﻨﻈﻮرﻩ اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪ .‬ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﻓﻮق ﺷﺒﻴﻪ ﺑﻪ‬
‫هﻢ ﺑﻮدﻩ و ﻓﻘﻂ ﺗﻌﺒﻴﺮ ﺑﺰرﮔﺘﺮﻳﻦ ﻗﻄﻌﻪ و آﻮﭼﻜﺘﺮﻳﻦ ﻗﻄﻌﻪ ﺗﻐﻴﻴﺮ ﻣﻲﻧﻤﺎﻳﺪ‪ .‬ﺑﻌﻨﻮان ﻣﺜﺎل ﻣﺎ ﭼﮕﻮﻧﮕﻲ‬
‫ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﻳﻚ ﮔﻴﺞ ﺑﺮاي ﻣﺤﺪودﻩ ‪ LSL‬را ﺗﺸﺮﻳﺢ ﻣﻲﻧﻤﺎﻳﻴﻢ‪.‬‬
‫هﺮ آﺪام از اﻳﻦ ﻗﻄﻌﺎت ‪ 20‬ﺑﺎر اﻧﺪازﻩﮔﻴﺮي ﻣﻲﺷﻮﻧﺪ‪ .‬آﻮﭼﻜﺘﺮﻳﻦ ﻗﻄﻌﻪ )ﺑﺪﺗﺮﻳﻦ ﻗﻄﻌﻪ ﺣﻮل ﺧﻮش‬
‫ﻣﺤﺪودﻩ ﭘﺎﻳﻴﻨﻲ( ﺑﺎﻳﺴﺘﻲ در اﻳﻦ ‪ 20‬ﺑﺎر ﺁزﻣﺎﻳﺶ ‪ 20‬ﺑﺎر رد ﺷﺪﻩ ﺑﺎﺷﺪ و ﺑﺰرﮔﺘﺮﻳﻦ ﻗﻄﻌﻪ )ﺑﻬﺘﺮﻳﻦ‬
‫‪USL + LSL‬‬
‫ﺑﺎﻳﺴﺘﻲ در اﻳﻦ‪ 20 ،‬ﺑﺎر ﺁزﻣﺎﻳﺶ ‪ 20‬ﺑﺎر ﻗﺒﻮل ﺷﺪﻩ ﺑﺎﺷﺪ‪ 6 .‬ﻗﻄﻌﻪ دﻳﮕﺮ را ﻃﻮري‬ ‫ﻗﻄﻌﻪ(‬
‫‪2‬‬
‫اﻧﺘﺨﺎب ﻣﻲآﻨﻴﻢ آﻪ ﺗﻌﺪاد ﻗﺒﻮﻟﻲ ﺁﻧﻬﺎ در اﻳﻦ ﺑﻴﺴﺖ ﺑﺎر ﺁزﻣﺎﻳﺶ ﺑﻴﻦ ‪ ١‬ﺗﺎ ‪ ١٩‬ﺑﺎﺷﺪ در اﻳﻨﺼﻮرت اﺣﺘﻤﺎل‬
‫ﻗﺒﻮﻟﻲ ﻗﻄﻌﻪ ﺑﺮاﺑﺮ ﺧﻮاهﺪ ﺑﻮد ﺑﺎ‪:‬‬
‫‪a + 0.5‬‬ ‫‪a‬‬
‫اﮔﺮ‬ ‫‪< 0.5, a ≠ 0‬‬
‫‪m‬‬ ‫‪m‬‬
‫‪a − 0.5‬‬ ‫‪a‬‬
‫اﮔﺮ‬ ‫‪> 0.5, a ≠ 20‬‬
‫‪m‬‬ ‫‪m‬‬
‫‪a‬‬
‫اﮔﺮ ‪0.5‬‬ ‫‪= 0.5‬‬
‫‪m‬‬
‫= ‪ P ′a‬اﺣﺘﻤﺎل ﻗﺒﻮﻟﻲ ﻗﻄﻌﻪ‬ ‫)آﻮﭼﻜﺘﺮﻳﻦ ﻗﻄﻌﻪ( ‪ a = 0‬اﮔﺮ ‪0‬‬
‫)ﺑﺰرﮔﺘﺮﻳﻦ ﻗﻄﻌﻪ( ‪ a = 20‬اﮔﺮ ‪1‬‬
‫‪0.025‬‬ ‫ﺑﻪ ﺟﺰ آﻮﭼﻜﺘﺮﻳﻦ ﻗﻄﻌﻪ ‪a = 0‬‬

‫‪0.975‬‬ ‫ﺑﻪ ﺟﺰ ﺑﺰرﮔﺘﺮﻳﻦ ﻗﻄﻌﻪ ‪a = 20‬‬

 ‫در اﻳﻨﺼﻮرت ﻣﻲﺗﻮان ﮔﻔﺖ آﻪ ﺑﺮاي هﺮ ‪) X T‬ﻣﻘﺪار ﻗﻄﻌﻪ(‬

‫ﻣﺤﺪودﻩ ﭘﺎﻳﻴﻨﻲ ‪ = B = X T ( P ′a = 0.5) −‬ﺗﻤﺎﻳﻞ‬

‫آﻪ ‪ Xt‬از راﻩ ﺗﻨﺎﺳﺐ ﺑﺮاي ﻣﻘﺪار ‪ 0.5‬ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ اﺳﺖ‪.‬‬

‫‪X T (′ Pa = 0.995) − X T (′ Pa = 0.005‬‬
‫ﺗﻜﺮارﭘﺬﻳﺮي‬
‫‪1.08‬‬
‫ﺑﺮاي اﻳﻨﻜﻪ ﺗﻤﺎﻳﻞ را ﻣﺤﻚ ﺑﺰﻧﻴﻢ و ﺑﺒﻴﻨﻴﻢ ﺑﻄﻮر ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪاي از ﺻﻔﺮ ﺑﻴﺸﺘﺮ اﺳﺖ ﻳﺎ ﺧﻴﺮ‪ ،‬ﻣﻘﺪار ‪ τ‬را‬
‫ﻣﺤﺎﺳﺒﻪ آﺮدﻩ اﮔﺮ ﻣﻘﺪار ﻓﻮق از ‪ 2.093‬ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ ﻣﻲﺗﻮان ادﻋﺎ آﺮد‪ ،‬ﺗﻤﺎﻳﻞ ﺑﻪ ﺻﻮرت ﻣﻼﺣﻈﻪاي‬
‫ﺗﻤﺎﻳﻞ | *‪31.3‬‬ ‫|‬
‫=‪τ‬‬ ‫از ﺻﻔﺮ ﺑﻴﺸﺘﺮ اﺳﺖ‪:‬‬
‫ﺗﻜﺮارﭘﺬﻳﺮي‬
‫)‪2.093 = t (0.025 *19‬‬

‫ﺗﻤﺮﻳﻦ‪:‬‬
‫ﺟﻬﺖ اﻃﻤﻴﻨﺎن از اﻳﻨﻜﻪ ﻗﻄﺮ ﺷﻔﺖهﺎي ﺗﻮﻟﻴﺪ ﺷﺪﻩ ﺗﻮﺳﻂ ﻳﻚ ﻣﺎﺷﻴﻦ ‪ C.N.C‬از ﻣﻘﺪار ﻣﻌﻴﻨﻲ ﺑﻴﺸﺘﺮ‬
‫هﺴﺘﻨﺪ از ﻳﻚ ﮔﻴﺞ اﺳﺘﻮاﻧﻪاي ‪ No Go‬اﺳﺘﻔﺎدﻩ ﻣﻲﺷﻮد‪ .‬ﺑﺎ ﻓﺮض اﻳﻨﻜﻪ ﺗﻠﺮاﻧﺲ اﻳﻦ ﻗﻄﻌﻪ ‪5.00±‬‬
‫‪ 0.01‬ﺑﺎﺷﺪ ‪ ١٠‬ﻗﻄﻌﻪ را اﻧﺘﺨﺎب ﻧﻤﻮدﻩ و ﻣﻘﺎدﻳﺮ ‪ a‬و )‪ P(a‬و ﻧﻴﺰ ﻣﻘﺪار ‪) X T‬ﻗﻄﺮ ﺷﻔﺖ( را ﺑﻪ ﺷﺮح زﻳﺮ‬

‫ﺑﺪﺳﺖ ﺁوردﻩاﻳﻢ‪ .‬ﻣﻄﻠﻮﺑﺴﺖ ﺗﻜﺮارﭘﺬﻳﺮي‪ ،‬ﺗﻤﺎﻳﻞ و اﻳﻨﻜﻪ ﺁﻳﺎ اﻳﻦ ﻣﻘﺪار ﺗﻤﺎﻳﻞ ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ ﻳﺎ ﺧﻴﺮ‪،‬‬
‫‪a=0‬‬ ‫‪p ′a = 0‬‬ ‫‪X T = 4.9837‬‬
‫‪a=0‬‬ ‫‪P ′a = 0.025‬‬ ‫‪X T = 4.9840‬‬
‫‪a =1‬‬ ‫‪P ′a = 0.075‬‬ ‫‪X T = 4.9850‬‬
‫‪a=3‬‬ ‫‪P ′a = 0.175‬‬ ‫‪X T = 4.9860‬‬
‫‪a=5‬‬ ‫‪P ′a = 0.275‬‬ ‫‪X T = 4.9870‬‬
‫)‪P ′(a‬‬
‫‪a=8‬‬ ‫‪P ′a = 0.425‬‬ ‫‪X T = 4.9880‬‬
‫‪a = 16‬‬ ‫‪P ′a = 0.775‬‬ ‫‪X T = 4.9890‬‬
‫‪a = 18‬‬ ‫‪P ′a = 0.875‬‬ ‫‪X T = 4.9895‬‬
‫‪a = 20‬‬ ‫‪P ′a = 0.975‬‬ ‫‪X T = 4.9900‬‬
‫‪a = 20‬‬ ‫‪P ′a = 1.0‬‬ ‫‪X T = 4.9920‬‬

‫ﺣﻞ ﺑﺎﻳﺴﺘﻲ )‪ X T ( P ′a = 0.005), X T ( P ′a = 0.5), X T ( P ′a = 0.995‬را ﻣﺤﺎﺳﺒﻪ ﻧﻤﺎﺋﻴﻢ‪.‬‬

‫‪X T = 4.9880 → P ′a = 0.425‬‬
‫‪→ X T ( P ′a = 0.5) = 4.98821‬‬
‫‪X T = 4.9890 → P ′a = 0.775‬‬

‫‪Bias = 4.99 − (4.9882) = 0.0018‬‬

‫‪X T = 4.9837 → P ′a = 0‬‬

‫‪→ X T ( P ′a = 0.005) = 4.9838‬‬
‫‪X T = 4.9840 → P ′a = 0.025‬‬

‫‪X T = 4.9900 → P ′a = 0.975‬‬

‫‪→ X T ( P ′a = 0.995) = 4.9916‬‬
‫‪X T = 4.9920 → P ′a = 1.0‬‬

‫‪4.9916 − 4.9838‬‬
‫= ‪Re peatability‬‬ ‫‪= 0.00726‬‬
‫‪1.08‬‬
‫‪31.3 * 0.0018‬‬
‫=‪τ‬‬ ‫‪= 7.717‬‬
‫‪0.00726‬‬

‫ﭼﻮن ﻣﻘﺪار ‪ τ‬از ‪ 2.093‬ﺑﻴﺸﺘﺮ اﺳﺖ ﻣﻲﺗﻮان ادﻋﺎ ﻧﻤﻮد آﻪ ﺗﻤﺎﻳﻞ اﺧﺘﻼف ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪاي ﺑﺎ ﺻﻔﺮ‬
‫دارد و ﻏﻴﺮ ﻗﺎﺑﻞ ﻗﺒﻮل ﻣﻲﺑﺎﺷﺪ‪.‬‬
 ‫ﻓﺼﻞ ‪ :٣‬ﺗﺴﺖهﺎي ﻣﺨﺮب و ﻏﻴﺮ ﺗﻜﺮارﭘﺬﻳﺮ‬
‫در اﻳﻦ ﻓﺼﻞ ﺳﻌﻲ دارﻳﻢ ﺗﺎ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﻨﻮن ﺗﻮﺿﻴﺢ دادﻩ ﺷﺪﻩ در ﻓﺼﻮل ﻗﺒﻠﻲ در ﺑﻌﻀﻲ ﺣﺎﻻت ﺗﺠﺰﻳﻪ‬
‫و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي را ﺗﺴﺖهﺎي ﻣﺨﺮب و ﻏﻴﺮ ﺗﻜﺮارﭘﺬﻳﺮي ﺗﻌﻤﻴﻢ دهﻴﻢ‪ .‬ﺑﻪ هﻤﻴﻦ ﻣﻨﻈﻮر در‬
‫ﻣﻮرد اﻳﻨﮕﻮﻧﻪ ﺳﻴﺴﺘﻢهﺎ‪ ،‬ﻣﻄﺎﻟﻌﺎت و ﺗﺤﻠﻴﻞ را ﺑﻪ ‪ ٢‬ﺑﺨﺶ ﺑﺮاي ﺛﺒﺎت و ﺗﻐﻴﻴﺮﭘﺬﻳﺮي ﺗﻘﺴﻴﻢ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬

‫‪ -١-٣‬ﺛﺒﺎت‬
‫‪ -٢-٣‬ﺣﺎﻟﺖ اول ) ‪: ( S1‬‬

‫ﺷﺮاﻳﻂ‪:‬‬ ‫•‬
‫اﻧﺪازﻩﮔﻴﺮي روي ﻗﻄﻌﺎت ﻗﺎﺑﻞ ﺗﻜﺮار ﻧﺒﻮدﻩ‪ ،‬ﭘﺲ اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﻣﻲﺗﻮاﻧﺪ ﺑﺮاي ﺗﺴﺖهﺎي ﻣﺨﺮب و‬ ‫‪-‬‬
‫ﺳﻴﺴﺘﻢهﺎي ﻏﻴﺮ ﺗﻜﺮارﭘﺬﻳﺮي ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻗﺮار ﮔﻴﺮد‪.‬‬
‫دورﻩ ﻋﻤﺮ ﻣﺸﺨﺼﻪ ﻗﻄﻌﻪ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ اﺳﺖ و اﻳﻦ دورﻩ ﺑﻴﺸﺘﺮ از زﻣﺎن ﻣﻄﺎﻟﻌﻪ‬ ‫‪-‬‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻮدﻩ و ﻣﺸﺨﺼﻪ ﻣﻮرد ﻧﻈﺮ در ﻃﻮل اﻳﻦ دورﻩ ﺗﻐﻴﻴﺮ ﻧﻤﻲآﻨﺪ‪.‬‬
‫ﻗﻄﻌﺎت ﮔﺴﺘﺮﻩ ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻧﻮﺳﺎﻧﺎت ﻓﺮﺁﻳﻨﺪ را ﺑﺮاي ﺁن ﻣﺸﺨﺼﻪ ﭘﻮﺷﺶ ﻣﻲدهﻨﺪ‪.‬‬ ‫‪-‬‬
‫ارﺗﺒﺎط ﺧﻄﻲ ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ اﺳﺖ )ﻣﺴﺘﻨﺪ ﺷﺪﻩ اﺳﺖ(‪ ،‬اﻳﻦ ارﺗﺒﺎط ﺧﻄﻲ‬ ‫‪-‬‬
‫ﺑﺮاي آﻞ ﮔﺴﺘﺮﻩ ﻣﻮرد اﻧﺘﻈﺎر ﻣﺸﺨﺼﻪ در دﺳﺘﺮس اﺳﺖ و ﭼﻨﺎﻧﭽﻪ ارﺗﺒﺎط ﺧﻄﻲ وﺟﻮد ﻧﺪارد‪،‬‬
‫دادﻩهﺎ ﺑﺎﻳﺴﺘﻲ ﺗﻨﻈﻴﻢ و ﺗﺼﺤﻴﺢ ﮔﺮدﻧﺪ‪.‬‬
‫روش ﺗﺤﻠﻴﻞ‪:‬‬ ‫•‬
‫ﺑﻪ وﺳﻴﻠﻪ اﻧﺪازﻩﮔﻴﺮي )‪ (n ≥ 30‬ﻗﻄﻌﻪ‪ ،‬ﻧﻮﺳﺎﻧﺎت آﻞ و ﺗﻮاﻧﻤﻨﺪي ﻓﺮﺁﻳﻨﺪ را ﻣﺸﺨﺺ ﻧﻤﺎﻳﻴﺪ‪٣٠) .‬‬ ‫‪-‬‬

‫ﻗﻄﻌﻪ ﻳﻜﺒﺎر اﻧﺪازﻩﻳﮕﺮي( اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﻣﻘﺪﻣﺎﺗﻲ هﻤﭽﻨﻴﻦ ﺑﺎﻳﺴﺘﻲ ﺷﺎﻣﻞ ﺑﺮرﺳﻲ ﺳﺎزﮔﺎري‬
‫ﻗﻄﻌﺎت از ﻳﻚ ﺗﻮزﻳﻊ ﻳﻜﺴﺎن ﺑﺎﺷﺪ‪.‬‬
‫‪ ، σ 2 TotaL = σ PROC‬ﺣﺎل ﺗﻌﺪاد ﻳﻚ ﻳﺎ ﭼﻨﺪ ﻗﻄﻌﻪ را از ﻳﻚ ﻧﻤﻮﻧﻪ ﺟﺪاﮔﺎﻧﻪ‪،‬‬
‫‪2‬‬
‫از ﺁﻧﺠﺎﺋﻴﻜﻪ ‪ESS + σ Measurement‬‬
‫‪2‬‬
‫‪-‬‬

‫اﻧﺘﺨﺎب ﻧﻤﻮدﻩ ﺑﻪ وﺳﻴﻠﻪ ﻧﻤﻮدار )‪ ( X , MR‬و )‪) ( X , R‬ﺑﺎ اﺳﺘﻔﺎدﻩ از ﻣﺤﺪودهﺎي آﻨﺘﺮل ﻣﺸﺨﺺ‬

‫ﺷﺪﻩ در ﻣﻄﺎﻟﻌﻪ ﻣﻘﺪﻣﺎﺗﻲ( ﺗﺤﺖ آﻨﺘﺮل ﺑﻮدن را ﺑﺮرﺳﻲ ﻣﻲﻧﻤﺎﺋﻴﻢ‪.‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻨﻜﻪ ﻗﻄﻌﺎت از ﻳﻚ ﻧﻤﻮﻧﻪ ﺟﺪاﮔﺎﻧﻪ ﻣﻲﺑﺎﺷﻨﺪ‪ ،‬هﺮ ﮔﻮﻧﻪ اﻟﮕﻮي ﻋﺪم آﻨﺘﺮل‬ ‫‪-‬‬
‫ﻧﺸﺎﻧﺪهﻨﺪﻩ ﺗﻐﻴﻴﺮ در ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪ -٢-١-٣‬ﺣﺎﻟﺖ ‪: ( S 2 ) ٢‬‬

‫ﺷﺮاﻳﻂ‪:‬‬ ‫•‬
‫دورﻩ ﻋﻤﺮ ﻣﺸﺨﺼﻪ ﻗﻄﻌﻪ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ اﺳﺖ و اﻳﻦ دورﻩ ﺑﻴﺸﺘﺮ از زﻣﺎن ﻣﻄﺎﻟﻌﻪ‬ ‫‪-‬‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻮدﻩ و ﻣﺸﺨﺼﻪ ﻣﻮرد ﻧﻈﺮ در ﻃﻮل اﻳﻦ دورﻩ ﺗﻐﻴﻴﺮ ﻧﻤﻲآﻨﺪ‪.‬‬
‫ﻗﻄﻌﺎت ﮔﺴﺘﺮﻩ ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻧﻮﺳﺎﻧﺎت ﻓﺮﺁﻳﻨﺪ را ﺑﺮاي ﺁن ﻣﺸﺨﺼﻪ ﭘﻮﺷﺶ ﻣﻲدهﻨﺪ‪.‬‬ ‫‪-‬‬
‫ﻗﻄﻌﺎت ﺑﺼﻮرت ‪ m‬ﺑﺨﺶ ﺟﺪاﮔﺎﻧﻪ هﺴﺘﻨﺪ‪ .‬در ﺻﻮرﺗﻴﻜﻪ ‪ m=2‬ﺑﺎﺷﺪ اﻳﻦ ﺣﺎﻟﺖ را ﻣﻄﺎﻟﻌﻪ ﺗﺴﺖ‬ ‫‪-‬‬
‫و ﺗﺴﺖ ﻣﺠﺪد ﻣﻲﮔﻮﻳﻨﺪ‪.‬‬
 ‫روش ﺗﺤﻠﻴﻞ‪:‬‬ ‫•‬
‫از روش ﻧﻤﻮدار ﺑﺮد )‪ (Range chart‬ﺑﺮاي ﺑﺮرﺳﻲ ﺳﺎزﮔﺎري ﻓﺮﺁﻳﻨﺪ اﻧﺪازﻩﮔﻴﺮي اﺳﺘﻔﺎدﻩ ﻧﻤﺎﻳﻴﺪ‬ ‫‪-‬‬
‫)آﻪ ﺑﺎ ﺳﺎزﮔﺎري داﺧﻞ ﺑﭻ )‪ ،(m‬ﺁﻣﻴﺨﺘﻪ ﺷﺪﻩ اﺳﺖ(‬

‫‪ σ e = R‬را ﻣﺤﺎﺳﺒﻪ ﻧﻤﻮدﻩ و ﺁﻧﺮا ﺑﺎ ‪) σ E‬ﺗﻜﺮارﭘﺬﻳﺮي( ﻣﻘﺎﻳﺴﻪ‬ ‫ﺧﻄﺎي ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي‬ ‫‪-‬‬
‫*‪d 2‬‬

‫ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫‪ σ e2 = σ E2 + σ btwn‬ﭘﺲ ﺧﻄﺎي آﻞ اﻧﺪازﻩﮔﻴﺮي ﻳﻚ آﺮان ﺑﺎﻻ ﺑﺮاي ‪ σ E2‬ﻣﻲﺑﺎﺷﺪ‪،‬‬
‫‪2‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻨﻜﻪ‬ ‫‪-‬‬

‫ﻟﺬا ﻣﻲﺗﻮان از اﻳﻦ ﺧﻄﺎ ﺑﺮاي ﺑﺮرﺳﻲ ﺳﺎزﮔﺎري ﻓﺮﺁﻳﻨﺪ ﺗﻮﻟﻴﺪ اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪.‬‬

‫‪ -١-٣‬ﺗﻐﻴﻴﺮﭘﺬﻳﺮي‬
‫‪ -١-٢-٣‬ﺣﺎﻟﺖ ‪(V1) ١‬‬
‫ﺷﺮاﻳﻂ‬ ‫•‬
‫دورﻩ ﻋﻤﺮ ﻣﺸﺨﺼﻪ ﻗﻄﻌﻪ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ اﺳﺖ و اﻳﻦ دورﻩ ﺑﻴﺸﺘﺮ از زﻣﺎن ﻣﻄﺎﻟﻌﻪ‬ ‫‪-‬‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻮدﻩ و ﻣﺸﺨﺼﻪ ﻣﻮرد ﻧﻈﺮ در ﻃﻮل اﻳﻦ دورﻩ ﺗﻐﻴﻴﺮ ﻧﻤﻲآﻨﺪ‪.‬‬
‫ﻗﻄﻌﺎت ﮔﺴﺘﺮﻩ ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻧﻮﺳﺎﻧﺎت ﻓﺮﺁﻳﻨﺪ را ﺑﺮاي ﺁن ﻣﺸﺨﺼﻪ ﭘﻮﺷﺶ ﻣﻲدهﻨﺪ‪.‬‬ ‫‪-‬‬
‫ﻗﻄﻌﺎت ﺑﺼﻮرت ‪ m=2‬ﺑﺨﺶ ﺟﺪاﮔﺎﻧﻪ هﺴﺘﻨﺪ‪ ،‬اﻳﻦ ﺣﺎﻟﺖ را ﻣﻄﺎﻟﻌﻪ ﺗﺴﺖ و ﺗﺴﺖ ﻣﺠﺪد‬ ‫‪-‬‬
‫ﻣﻲﮔﻮﻳﻨﺪ‪.‬‬
‫روش ﺗﺤﻠﻴﻞ‬ ‫•‬
‫ﺗﻜﺮارﭘﺬﻳﺮي را ﺑﺮاﺑﺮ ﺑﺎ ﺧﻄﺎي آﻞ اﻧﺪازﻩﮔﻴﺮي در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪σ E = σ e .‬‬ ‫‪-‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻜﺮار ‪ ٢‬ﺑﺮاي هﺮ ﻗﻄﻌﻪ ﺗﺨﻤﻴﻦ‪ ،‬ارﺗﺒﺎط ﺧﻄﻲ ﺑﺎ ﻣﻘﺎﻳﺴﻪ ﻧﻘﺎط ﺑﺎ ﺧﻂ ‪ X=Y‬اﻣﻜﺎﻧﭙﺬﻳﺮ‬ ‫‪-‬‬
‫ﺧﻮاهﺪ ﺑﻮد‬

‫‪ -٢-٢-٣‬ﺣﺎﻟﺖ ‪(V2) ٢‬‬

‫ﺷﺮاﻳﻂ‪:‬‬ ‫•‬
‫دورﻩ ﻋﻤﺮ ﻣﺸﺨﺼﻪ ﻗﻄﻌﻪ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﺷﻨﺎﺧﺘﻪ ﺷﺪﻩ اﺳﺖ و اﻳﻦ دورﻩ ﺑﻴﺸﺘﺮ از زﻣﺎن ﻣﻄﺎﻟﻌﻪ‬ ‫‪-‬‬
‫ﺳﻴﺴﺘﻢ اﻧﺪازﻩﮔﻴﺮي ﺑﻮدﻩ و ﻣﺸﺨﺼﻪ ﻣﻮرد ﻧﻈﺮ در ﻃﻮل اﻳﻦ دورﻩ ﺗﻐﻴﻴﺮ ﻧﻤﻲآﻨﺪ‪.‬‬
‫ﻗﻄﻌﺎت ﮔﺴﺘﺮﻩ ﻣﻮرد اﺳﺘﻔﺎدﻩ ﻧﻮﺳﺎﻧﺎت ﻓﺮﺁﻳﻨﺪ را ﺑﺮاي ﺁن ﻣﺸﺨﺼﻪ ﭘﻮﺷﺶ ﻣﻲدهﻨﺪ‪.‬‬ ‫‪-‬‬
‫ﻗﻄﻌﺎت ﺑﻪ ﺻﻮرت ‪ m‬ﺑﺨﺶ ﺟﺪاﮔﺎﻧﻪ هﺴﺘﻨﺪ‪.‬‬ ‫‪-‬‬
‫ﺗﺤﻠﻴﻞ‬ ‫•‬
‫اﺳﺘﻔﺎدﻩ از روش ‪) GRR‬هﺮ ﻗﻄﻌﻪ ‪ m‬ﺗﻜﺮار(‬ ‫‪-‬‬
‫اﺳﺘﻔﺎدﻩ از روش ‪ANOVA‬‬ ‫‪-‬‬
 ‫ﻓﺼﻞ ‪۴‬‬
‫ارزﻳﺎﺑﯽ اﺟﺮای‪MSA‬‬
‫در ﻓﺼﻮل ﮔﺬﺷﺘﻪ ﺳﻌﯽ ﺷﺪ‪ ،‬ﺗﺎ ﺑﺎ اﺳﺘﻔﺎدﻩ از روﺷﻬﺎی ﺁﻣﺎری ﭼﮕﻮﻧﮕﯽ ارزﻳﺎﺑﯽ و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ‬
‫هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﺑﺎﺗﻮﺟﻪ ﺑﻪ ﺷﺎﺧﺺ هﺎی ﺗﻌﺮﻳﻒ ﺷﺪﻩ ﺑﺮای ﺳﻴﺴﺘﻢ هﺎی ﮐﻤﯽ و وﺿﻌﯽ ) ‪variable‬‬
‫‪ (& Attribute‬ﺗﺸﺮﻳﺢ ﮔﺮدد‪ .‬در اﻳﻦ ﻓﺼﻞ ﺑﺎ ﻓﺮض ﺑﻪ اﻳﻨﮑﻪ ﻣﻤﻴﺰ ﻳﺎ ارزﻳﺎب ﺑﺎ ﻣﻔﺎهﻴﻢ ﺁﺷﻨﺎ ﺷﺪﻩ‪ ،‬ﻣﺮاﺣﻞ‬
‫ارزﻳﺎﺑﯽ و ﭼﮏ ﻟﻴﺴﺖ هﺎی ﻣﻤﻴﺰی ﺑﺮای ‪ MSA‬ﺗﺸﺮﻳﺢ ﻣﯽ ﮔﺮدد‪:‬‬
‫‪ -١-۴‬ﻣﺮاﺣﻞ ارزﻳﺎﺑﯽ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی‪:‬‬
‫‪ -١-١-۴‬ﺷﻨﺎﺳﺎﻳﻲ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی در ﻳﮏ ﺳﺎزﻣﺎن ‪:‬‬
‫اوﻟﻴﻦ و ﻣﻬﻤﺘﺮﻳﻦ ﮔﺎم ﺑﺮای ﺷﺮوع ارزﻳﺎﺑﯽ ‪ ،MSA‬در اﺑﺘﺪا ﺷﻨﺎﺳﺎﻳﻲ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﻣﻮﺟﻮد‬
‫در ﻳﮏ ﺳﺎزﻣﺎن ﻣﯽ ﺑﺎﺷﺪ‪ .‬از ﺁﻧﺠﺎﺋﻴﮑﻪ ﻣﻌﻤﻮﻻً در ﺻﻨﺎﻳﻊ ﺧﻮدرو و ﻗﻄﻌﻪ ﺳﺎزی ﮐﻠﻴﻪ دﺳﺘﻮراﻟﻌﻤﻞ هﺎی‬
‫ﺑﺎزرﺳﯽ در ﻗﺎﻟﺐ ﻃﺮح ﮐﻨﺘﺮل )‪ (Control Plan‬ﺗﻬﻴﻪ ﻣﯽ ﺷﻮد ﺑﻬﺘﺮﻳﻦ ﻣﺮﺟﻊ‪ ،‬ﺑﺮای ﺷﻨﺎﺳﺎﻳﻲ اﻳﻦ‬
‫ﺳﻴﺴﺘﻢ هﺎ ﺑﺮرﺳﯽ و ﻣﺮور ﮐﺮدن ﻃﺮح هﺎی ﮐﻨﺘﺮل ﮐﻪ ﺗﻮﺳﻂ ﺳﺎزﻣﺎن ﺗﻬﻴﻪ ﺷﺪﻩ اﺳﺖ ﻣﯽ ﺑﺎﺷﺪ‪.‬‬
‫ﻧﮑﺘﻪ ﻗﺎﺑﻞ ﺑﺮرﺳﯽ اﻳﻦ اﺳﺖ ﮐﻪ ﻣﻤﻴﺰﺑﺎﻳﺴﺘﯽ اﻃﻤﻴﻨﺎن ﺣﺎﺻﻞ ﻧﻤﺎﻳﺪ ﮐﻪ ‪:‬‬
‫اﻟﻒ ( ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﺗﻌﺮﻳﻒ ﺷﺪﻩ ﻳﺎ ﮐﻼً ﺑﺎزرﺳﯽ هﺎی ﺗﻌﺮﻳﻒ ﺷﺪﻩ اﻟﺰاﻣﺎت ﻣﺸﺘﺮی را‬
‫ﭘﻮﺷﺶ دهﺪ‪.‬‬
‫ب ( روﺷﻬﺎ و اﺑﺰار اﻧﺪازﻩ ﮔﻴﺮی ﺗﻌﻴﻴﻦ ﺷﺪﻩ ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﭘﺎراﻣﺘﺮ ﻣﻮرد اﻧﺪازﻩ ﮔﻴﺮی ﺑﺎﺷﺪ‪.‬‬

‫‪ -٢-١-۴‬ﺗﻌﺮﻳﻒ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی و ﭘﻮﺷﺶ ﻃﺮح ﮐﻨﺘﺮل ﺗﻮﺳﻂ ﺁﻧﻬﺎ‪:‬‬
‫در اﻳﻦ ﮔﺎم ﻣﻤﻴﺰ ﺳﻌﯽ ﻣﯽ ﻧﻤﺎﻳﻨﺪ ﺗﺎ ﻳﮏ ﻳﺎﭼﻨﺪ ﻣﺸﺨﺼﻪ ﻣﻮرد اﻧﺪازﻩ ﮔﻴﺮی را در ﻃﺮح هﺎی ﮐﻨﺘﺮل‬
‫اﻧﺘﺨﺎب و ﺑﺮرﺳﯽ ﻧﻤﺎﻳﺪ ﮐﻪ ﺳﺎزﻣﺎن ﺁﻳﺎ در ﻗﺎﻟﺐ ﺗﻌﺮﻳﻒ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﻗﺎدر ﺑﻪ ﭘﻮﺷﺶ‬
‫دادن ﺗﻮاﻧﻤﻨﺪی ﺑﺮای ﻣﺸﺨﺼﻪ ﻣﻮرد ﻧﻈﺮ ﻣﯽ ﺑﺎﺷﺪ ﻳﺎ ﺧﻴﺮ‪ .‬در اﻳﻦ ﻣﺮﺣﻠﻪ ارزﻳﺎﺑﺎن ﺑﺎ ﺗﺠﺮﺑﻪ ﺳﻌﯽ دارﻧﺪ‬
‫ﮐﻪ روی ﻣﺸﺨﺼﻪ هﺎی ﻣﻬﻢ ﻣﺤﺼﻮل – ﻓﺮﺁﻳﻨﺪ ﻳﺎ اﻧﺪازﻩ ﮔﻴﺮی هﺎﻳﻲ ﮐﻪ ﺑﺎ ﺗﻠﺮاﻧﺲ هﺎی ﺧﻴﻠﯽ ﺗﻨﮓ‬
‫ﺗﻌﺮﻳﻒ ﺷﺪﻩ اﻧﺪ ﺗﻤﺮﮐﺰ ﻧﻤﺎﻳﻨﺪ دﻗﺖ ﻧﻤﺎﻳﻴﺪ ﮐﻪ در اﻳﻦ ﻣﺮﺣﻠﻪ اﻟﺰاﻣﺎت ارزﻳﺎﺑﯽ هﻤﻮارﻩ ﺑﻌﻨﻮان ﻣﺮﺟﻊ ﺣﺎﮐﻢ‬
‫ﺑﺮ ﻗﻀﺎوت ارزﻳﺎب ﻣﯽ ﺑﺎﺷﺪ ﺑﻌﻨﻮان ﻣﺜﺎل در اﺳﺘﺎﻧﺪارد ‪ ISO TS -16949‬اﻟﺰام ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ اﻧﺪازﻩ‬
‫ﮔﻴﺮی ﺑﺮای هﻤﻪ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﺗﻌﺮﻳﻒ ﺷﺪﻩ در ﻃﺮح ﮐﻨﺘﺮل ﻣﯽ ﺑﺎﺷﺪ در ﺣﺎﻟﻴﮑﻪ در ﭼﮏ‬
‫ﻟﻴﺴﺖ ﺳﺎﭘﮑﻮ ‪ ٧٩‬ﺗﻤﺮﮐﺰ روی اﻳﺴﺘﮕﺎهﻬﺎﻳﻲ اﺳﺖ ﮐﻪ ‪ SPC‬اﺟﺮا ﻣﯽ ﺷﻮد‪.‬‬
‫ﻟﺤﺎظ داﺷﺘﻦ ﻣﻮارد زﻳﺮ در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺴﻴﺎر ﻣﻔﻴﺪ ﺧﻮاهﺪ ﺑﻮد‪:‬‬
‫اﻟﻒ ( دﺳﺘﻪ ﺑﻨﺪی و ﮔﺮوﻩ ﺑﻨﺪی ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی از ﻃﺮف ﺳﺎزﻧﺪﻩ ﺑﻼﻣﺎﻧﻊ اﺳﺖ‪ ،‬ﻣﮕﺮ اﻳﻨﮑﻪ‬
‫ﻳﺎ ﺷﻮاهﺪ ﻧﺸﺎﻧﺪهﻨﺪﻩ اﻳﻦ ﺑﺎﺷﺪ ﮐﻪ اﻳﻦ ﮔﺮوﻩ ﺑﻨﺪی ﻏﻴﺮﻣﻨﻄﻘﯽ اﺳﺖ و ﻧﻤﯽ ﺗﻮان ﻧﺘﺎﻳﺞ‬ ‫ﺗﺠﺮﺑﻪ‬
‫ﺑﺪﺳﺖ ﺁﻣﺪﻩ را ﺑﻪ هﻤﻪ اﻋﻀﺎی ﮔﺮوﻩ ﺗﻌﺮﻳﻒ ﺷﺪﻩ ﺗﻌﻤﻴﻢ داد‪.‬‬
‫ب ( در دﺳﺘﻪ ﺑﻨﺪی ﻳﺎ ﮔﺮوﻩ ﺑﻨﺪی )ﺑﻪ ﺧﺼﻮص ﺑﺮای ﻣﺤﺎﺳﺒﺎت ﺷﺎﺧﺺ هﺎی دﻗﺖ(‪ ،‬ﻣﻨﻄﻘﯽ اﺳﺖ ﮐﻪ‬
‫روی ﺗﻨﮕﺘﺮﻳﻦ ﺗﻠﺮاﻧﺲ هﺎی ﺗﻌﺮﻳﻒ ﺷﺪﻩ اﻳﻦ ﻣﻄﺎﻟﻌﺎت اﻧﺠﺎم ﭘﺬﻳﺮد‪) .‬ﻣﮕﺮ اﻳﻨﮑﻪ ﺗﻮﺟﻴﻪ دﻳﮕﺮی اراﺋﻪ‬
‫ﮔﺮدد‪(.‬‬
 ‫ج ( ﭼﻨﺎﻧﭽﻪ ﺑﺎزرس ﻳﺎ اﭘﺮاﺗﻮر اﻧﺪازﻩ ﮔﻴﺮی ﻧﻘﺸﯽ در ﺗﺨﺼﻴﺺ ﻋﺪد ﺑﻪ ﻗﻄﻌﻪ ﻣﻮرد اﻧﺪازﻩ ﮔﻴﺮی‪ ،‬ﻧﺪاﺷﺘﻪ‬
‫ﺑﺎﺷﺪ ﻣﯽ ﺗﻮان از ﻣﺤﺎﺳﺒﺎت "ﺗﺠﺪﻳﺪ ﭘﺬﻳﺮی" ﺻﺮﻓﻨﻈﺮ ﻧﻤﻮد‪.‬ﺑﺴﻴﺎری از ﺳﺎزﻣﺎﻧﻬﺎ در اﻳﻦ ﻣﺮﺣﻠﻪ اﻗﺪام ﺑﻪ‬
‫ﺗﻬﻴﻪ ‪ MSA PLAN‬ﻣﯽ ﻧﻤﺎﻳﻨﺪ ﮐﻪ در ﺁن ﺳﻴﺴﺘﻢ اﻧﺪازﻩ ﮔﻴﺮی و ﻣﻄﺎﻟﻌﺎت ﺁن ﺗﻌﺮﻳﻒ ﺷﺪﻩ اﺳﺖ‪ .‬در‬
‫ﺷﮑﻞ زﻳﺮ ﻳﮏ ﻧﻤﻮﻧﻪ‪ MSA PLAN‬اراﺋﻪ ﻣﯽ ﺷﻮد‪.‬‬
‫‪ID‬‬
‫‪Attribute‬‬ ‫‪Variablc‬‬
‫‪Code‬‬
‫‪Description‬‬
‫‪E‬‬ ‫‪PMR‬‬ ‫‪PFA‬‬ ‫‪STABL‬‬ ‫‪LINER‬‬ ‫‪BIAS‬‬ ‫‪AV‬‬ ‫‪EV‬‬

‫ﮐﻮﻟﻴﺲ‬ ‫ﺗﻤﺎم‬
‫هﺎی ‪ ٠٫١‬ﮐﻪ‬
‫ﺗﻮﺳﻂ‬
‫ﻳﮑﺒﺎر ﺑﻌﺪ‬ ‫‪QC‬‬ ‫ﺑﺎرزﺳﺎن‬
‫ﺑﻌﺪ از هﺮ‬ ‫ﺑﻌﺪ از هﺮ‬
‫از ﺗﻌﺮﻳﻒ‬ ‫ﺁﻗﺎﻳﺎن ﻋﻠﻮی و‬ ‫‪Calol‬‬
‫ﺑﻌﺪ از هﺮ‬ ‫ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬ ‫ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬
‫ﺳﻴﺴﺘﻢ‬ ‫‪-‬‬ ‫ﺣﺴﻴﻨﯽ ﺑﺮای‬
‫ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬ ‫ﺗﻌﻮﻳﺾ‬ ‫و‬ ‫ﺗﻌﻮﻳﺾ‬ ‫و‬
‫اﻧﺪازﻩ‬ ‫ﮔﻴﺮی‬ ‫اﻧﺪازﻩ‬
‫ﺑﺎزرس‬ ‫ﺑﺎزرس‬
‫ﮔﻴﺮی‬ ‫ﺧﺎرﺟﯽ‬ ‫ﻗﻄﺮ‬
‫ﺑﮑﺎ ر ﻣﯽ رود‬
‫–ﮐﻮﻟﻴﺲ‬
‫ﺷﻤﺎرﻩ ‪XX‬‬
‫ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬ ‫ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬ ‫ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬ ‫ﻧﻤﺎم ﮔﻴﺞ هﺎی‬
‫ﺗﻌﻮﻳﺾ‬ ‫و‬ ‫ﺗﻌﻮﻳﺾ‬ ‫و‬ ‫ﺗﻌﺮﻳﺾ‬ ‫و‬ ‫ای‬ ‫اﺳﺘﻮاﻧﻪ‬
‫اﭘﺮاﺗﻮر‬ ‫اﭘﺮاﺗﻮر‬ ‫اﭘﺮاﺗﻮر‬ ‫ﺑﺮو – ﻧﺮو ﮐﻪ‬
‫اﻧﺪازﻩ‬ ‫ﺑﺮای‬
‫ﮔﻴﺮی ﻗﻄﺮهﺎی‬
‫‪GN08‬‬
‫ﺑﮑﺎر‬ ‫ﺧﺎرﺟﯽ‬
‫اﭘﺮاﺗﻮر‬ ‫ﻣﻴﺮود‪،‬‬
‫ﺗﻘﻮی‪.‬‬ ‫ﺗﻮﻟﻴﺪ‬
‫ﮔﻴﺞ ‪ YY‬ﺑﺎ ﺗﻨﮓ‬
‫ﺗﺮﻳﻦ ﺗﻠﺮاﻧﺲ‬

‫‪ -٣-١-۴‬ﺑﺮرﺳﯽ ﺳﻮاﺑﻖ اﻧﺠﺎم ‪: MSA‬‬

‫در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻮع ﺳﻴﺴﺘﻢ اﻧﺪازﻩ ﮔﻴﺮی )ﮐﻤﯽ ﻳﺎ وﺻﻔﯽ( و اﻟﺰاﻣﺎت اﺳﺘﺎﻧﺪارد ﻣﺮﺟﻊ‪ ،‬ﻣﻤﻴﺰ‬
‫ﺑﺎﻳﺴﺘﯽ ﺑﺎ ﺑﺮرﺳﯽ ﺳﻮاﺑﻖ و اﻟﺒﺘﻪ ﺗﺠﺎرب ﺷﺨﺼﯽ در ﻣﻮرد ﮐﻔﺎﻳﺖ و ﺗﻨﺎﺳﺐ ﺗﺤﻠﻴﻞ هﺎی اﻧﺠﺎم ﺷﺪﻩ‬
‫ﺗﺼﻤﻴﻢ ﮔﻴﺮی ﻧﻤﺎﻳﺪ‪ .‬ﻟﺤﺎظ ﻧﻤﻮدن ﻣﻮارد زﻳﺮ در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺴﻴﺎر ﻣﻔﻴﺪ ﺧﻮاهﺪ ﺑﻮد‪.‬‬

‫اﻟﻒ ( ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﮐﻤﯽ‪:‬‬

‫‪ (١‬اوﻟﻴﻦ و ﻣﻬﻤﺘﺮﻳﻦ ﺑﺮرﺳﯽ روی ﺳﻮاﺑﻖ و ﺷﺮوع ﺁن ﻣﻌﻤﻮﻻً از ﺑﺮرﺳﯽ ﻣﻄﺎﻟﻌﺎت ‪ Stability‬ﻣﯽ‬
‫ﺑﺎﺷﺪ‪ .‬دﻗﺖ ﻧﻤﺎﻳﻴﺪ ﭼﻮن در ﻣﻄﺎﻟﻌﻪ ﺛﺒﺎت هﺪف ﺑﺮرﺳﯽ اﺛﺮ ﺗﻐﻴﻴﺮات زﻣﺎن روی ﭼﮕﻮﻧﮕﯽ دادﻩ‬
‫هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﻣﯽ ﺑﺎﺷﺪ ﻣﻌﻤﻮﻻً در اﻧﺪازﻩ ﮔﻴﺮی هﺎی اﺑﻌﺎدی ﺑﺎ ﺗﻠﺮاﻧﺲ هﺎی ﺑﺎﻻ‪ ،‬اﻧﺪازﻩ‬
‫ﮔﻴﺮی هﺎی ﻣﺸﺨﺼﻪ هﺎ ی وزن‪ ،‬اﻟﮑﺘﺮﻳﮑﯽ و ‪ ...‬دارای ﺛﺒﺎت ﺧﻮاهﺪ ﺑﻮد‪ .‬ﻣﮕﺮ اﻳﻨﮑﻪ اﺷﮑﺎﻻﺗﯽ‬
‫در ﻧﺤﻮﻩ ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن اﺑﺰار اﻧﺪازﻩ ﮔﻴﺮی ﻣﻮﺟﻮد ﺑﺎﺷﺪ‪.‬‬
‫‪ (٢‬در ﺑﺮرﺳﯽ ﺷﺎﺧﺺ هﺎی ‪ BIAS‬و ﻳﺎ ‪ LINERITY‬دﻗﺖ ﻧﻤﺎﻳﻴﺪ ﮐﻪ ﻣﻘﺎدﻳﺮ ‪ RV‬ﭼﮕﻮﻧﻪ اﻧﺘﺨﺎب‬
‫ﺷﺪﻩ اﺳﺖ ﺑﻌﻀﯽ از ﺷﺮﮐﺘﻬﺎ ﺑﻪ اﺷﺘﺒﺎﻩ ﻣﻘﺪار ‪ RV‬را از روی ﺧﻮد اﺑﺰار ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﻣﺤﺎﺳﺒﻪ‬
‫ﻣﯽ ﻧﻤﺎﻳﻨﺪ‪.‬‬
‫ﺑﺮای اﻳﻦ ﻣﻨﻈﻮر ﺑﻬﺘﺮ اﺳﺖ از اﺑﺰار اﻧﺪازﻩ ﮔﻴﺮی ﺑﺎ دﻗﺖ ﺑﺎﻻﺗﺮ ﻳﺎ ﺧﺪﻣﺎت ﻣﺮاﮐﺰ ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬
‫ﻣﻌﺘﺒﺮ اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪.‬‬
‫‪ (٣‬در ﺑﺮرﺳﯽ ﺷﺎﺧﺺ هﺎی ‪ EV‬و ‪ AV‬دﻗﺖ ﻧﻤﺎﻳﻴﺪ ﮐﻪ ﻣﻌﻤﻮﻻً اﺑﺰار اﻧﺪازﻩ ﮔﻴﺮی در ﺣﻴﻄﻪ رﻳﺰﻧﮕﺮی‬
‫ﺧﻮد ﺧﻄﺎی )‪R‬و‪ (R‬دارﻧﺪ‪ .‬ﭼﻨﺎﻧﭽﻪ ﻣﻘﺪار ‪ EV‬ﺑﺰرﮔﺘﺮ از ‪ AV‬ﺑﺎﺷﺪ ﺑﻪ اﺣﺘﻤﺎل ﺧﻴﻠﯽ زﻳﺎد اﺑﺰار‬
‫اﻧﺪازﻩ ﮔﻴﺮی ﻣﺸﮑﻞ ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن دارد و اﮔﺮ ‪ AV‬ﺑﺰرﮔﺘﺮ از ‪ EV‬ﺑﺎﺷﺪ ﺑﺎزرﺳﺎن از روش ﻳﮑﺴﺎﻧﯽ‬
‫ﺑﺮای اﻧﺠﺎم اﻧﺪازﻩ ﮔﻴﺮی اﺳﺘﻔﺎدﻩ ﻧﻤﯽ ﻧﻤﺎﻳﻨﺪ‪ .‬ﭼﻨﺎﻧﭽﻪ ﻣﻘﺪار ‪ AV‬ﻣﻨﻔﯽ ﺷﻮد ﺗﻮﺟﻪ داﺷﺘﻪ‬
‫ﺑﺎﺷﻴﺪ ﺑﻪ اﻳﻦ ﻣﻌﻨﯽ اﺳﺖ ﮐﻪ ﺧﻄﺎی ﺗﮑﺮار ﭘﺬﻳﺮی در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺧﻄﺎی ﺗﺠﺪﻳﺪ ﭘﺬﻳﺮی ﺑﺴﻴﺎر‬
‫زﻳﺎد ﺑﻮدﻩ و ﻓﻌﻼً ﻣﯽ ﺗﻮان از ﺑﺮرﺳﯽ ﺧﻄﺎی ﺗﺠﺪﻳﺪ ﭘﺬﻳﺮی ﺻﺮﻓﻨﻈﺮ ﻧﻤﻮد‬
‫‪ (۴‬در ﻣﻮرد ﻣﺤﺎﺳﺒﻪ ﺧﻄﺎی )‪ % (R,R‬دﻗﺖ ﻧﻤﺎﻳﻴﺪ‪ ،‬ﭼﻨﺎﻧﭽﻪ از ‪) TV‬ﻧﻮﺳﺎﻧﺎت ﮐﻞ( ﺑﺮای ﻣﺤﺎﺳﺒﻪ‬
‫)‪R‬و‪ %(R‬اﺳﺘﻔﺎدﻩ ﺷﺪﻩ اﺳﺖ ﺑﺎﻳﺴﺘﯽ ﺣﺪاﻗﻞ ‪ ۵٠‬درﺻﺪ ﻧﻘﺎط )ﻣﻴﺎﻧﮕﻴﻦ هﺎی اﻧﺪازﻩ ﮔﻴﺮی‬
‫ﻗﻄﻌﻪ‪/‬ﺑﺎزرس( ﺧﺎرج از ﻣﺤﺪودﻩ هﺎی ﮐﻨﺘﺮل ﻣﻴﺎﻧﮕﻴﻦ هﺎ ﻗﺮار ﮔﻴﺮد در ﻏﻴﺮ اﻳﻨﺼﻮرت ‪ TV‬ﺑﺪﺳﺖ‬
‫ﺁﻣﺪﻩ ﻣﻌﺘﺒﺮ ﻧﻴﺴﺖ )ﭼﻮن ‪ PV‬در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺧﻄﺎهﺎی ﺗﮑﺮار ﭘﺬﻳﺮی ﮐﻮﭼﮏ اﺳﺖ(‬
‫‪ (۵‬ﺑﻪ ﺷﺎﺧﺺ ‪ ndc‬ﻣﺤﺎﺳﺒﻪ ﺷﺪﻩ دﻗﺖ ﻧﻤﺎﻳﻴﺪ ﮐﻪ ﺑﺎﻳﺴﺘﯽ ‪ ndc ≥5‬ﺑﺎﺷﺪ‪.‬‬

‫ب ( ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی وﺻﻔﯽ ‪:‬‬

‫‪ (١‬در ﻣﻮرد ﺳﻴﺴﺘﻢ هﺎی وﺻﻔﯽ ﻣﻬﻤﺘﺮﻳﻦ و ﺷﺎﻳﺪ ﺳﺨﺖ ﺗﺮﻳﻦ ﻣﺮﺣﻠﻪ ﺗﻌﻴﻴﻦ ‪ RV‬ﻗﻄﻌﺎت ﻣﺮﺟﻊ‬
‫ﻣﯽ ﺑﺎﺷﺪ‪ .‬ﺑﺮای اﻧﺪازﻩ ﮔﻴﺮی هﺎی ﮐﻤﯽ ﮐﻪ وﺻﻔﯽ ﺷﺪﻩ اﻧﺪ ﻣﯽ ﺗﻮان از ﻣﺮاﮐﺰ ﮐﺎﻟﻴﺒﺮاﺳﻴﻮن‬
‫ﻣﻌﺘﺒﺮ اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪ .‬ﺑﺮای ﺳﺎﻳﺮ ﻣﺸﺨﺼﻪ هﺎی وﺻﻔﯽ ﻣﺜﻞ ﺻﺪادار ﺑﻮدن ﮔﻴﺮﺑﮕﺲ‪ ،‬ﺷﻴﺪ رﻧﮓ‬
‫و ‪ ...‬ﻣﯽ ﺗﻮان از ﻣﺮاﺟﻊ ﮐﻪ ﺑﻪ ﺗﺎﻳﻴﺪ ﻣﺸﺘﺮی ﻳﺎ واﺣﺪ ﻓﻨﯽ و ﻣﻬﻨﺪﺳﯽ و‪ ...‬رﺳﻴﺪﻩ اﺳﺖ‬
‫اﺳﺘﻔﺎدﻩ ﻧﻤﻮد‪.‬‬
‫‪ (٢‬در ﺑﺴﻴﺎری از ﻓﺮﺁﻳﻨﺪهﺎ ﻣﻤﮑﻦ اﺳﺖ ﻋﻤﻼً ﺗﻮﻟﻴﺪ ﻳﺎ ﺗﻬﻴﻪ ﻗﻄﻌﺎت ﻣﻌﻴﻮب اﻣﮑﺎﻧﭙﺬﻳﺮ ﻧﺒﺎﺷﺪ‪) .‬در‬
‫ﻳﮏ ﻓﺮﺁﻳﻨﺪ ﺧﺸﻦ ﺗﺮاﺷﯽ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﻴﮑﺴﭽﺮ ﻃﺮاﺣﯽ ﺷﺪﻩ هﻤﻴﺸﻪ ﻃﻮل ﻗﻄﺮ ﻗﻄﻌﺎت ﺑﻴﺸﺘﺮ‬
‫از ﻣﻘﺪار ‪ LSL‬ﺑﻮدﻩ و ﺑﻪ هﻴﭽﻮﺟﻪ اﻣﮑﺎن ﻧﺪارد ﮐﻪ ﮐﻮﭼﮑﺘﺮ از ﺗﻠﺮاﻧﺲ ﭘﺎﺋﻴﻨﯽ ﺑﺎﺷﺪ( در اﻳﻨﺼﻮرت‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺸﺎهﺪات ﻣﻤﻴﺰ‪ ،‬ﺑﺮرﺳﯽ ﺳﻮاﺑﻖ )ﻧﺘﺎﻳﺞ ﺑﺎزرﺳﯽ‪ CPK ،‬و‪ / (...‬ﻣﯽ ﺗﻮان از‬
‫ﻣﺤﺎﺳﺒﺎت و ﺑﺮرﺳﯽ ‪ PMR‬و‪ PFA‬ﺑﺮای ﺑﻌﻀﯽ از ﻗﻄﻌﺎت رد ﺻﺮﻓﻨﻈﺮ ﻧﻤﻮد‪.‬‬
 ‫‪ -۴-١-۴‬اﻧﺠﺎم اﻗﺪاﻣﺎت اﺻﻼﺣﯽ ﺑﺮای ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﺗﺎ ﺣﺼﻮل ﻧﺘﻴﺠﻪ‬
‫در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ ﺁﻣﺪﻩ در ﻣﻄﺎﻟﻌﺎت ‪ MSA‬ﻣﯽ ﺑﺎﻳﺴﺖ ﺳﺎزﻣﺎن اﻗﺪاﻣﺎت اﺻﻼﺣﯽ‬
‫ﺧﻮد را در ﻗﺎﻟﺐ ﻃﺮﺣﻬﺎ و ﭘﺮوژﻩ هﺎی ﺗﻌﺮﻳﻒ ﺷﺪﻩ اراﺋﻪ ﻧﻤﻮدﻩ و ﺳﻮاﺑﻖ ﺁﻧﺮا ﺑﻪ ﻣﻤﻴﺰ ﻧﺸﺎن دهﺪ‬
‫اﻗﺪاﻣﺎت اﺻﻼﺣﯽ ﻣﯽ ﺗﻮاﻧﺪ ﺷﺎﻣﻞ ﻣﻮارد زﻳﺮ ﺑﺎﺷﺪ‪.‬‬
‫ﺁﻣﻮزش ﺑﺎزرﺳﺎن و ﻗﺮاردادن ﻗﻄﻌﺎت ﻣﺮﺟﻊ‪ ،‬ﻋﮑﺲ و‪ ...‬ﺑﺮای ﺷﻨﺎﺳﺎﺋﯽ ﺻﺤﻴﺢ ﻣﺘﻐﻴﺮهﺎی‬ ‫‪-‬‬
‫وﺻﻔﯽ‬
‫ﺗﻐﻴﻴﺮ ﻳﺎ ﺑﻬﺒﻮد اﺑﺰار اﻧﺪازﻩ ﮔﻴﺮی‬ ‫‪-‬‬
‫ﺗﻐﻴﻴﺮ ﻳﺎ ﺑﻬﺒﻮد روش اﻧﺪازﻩ ﮔﻴﺮی‬ ‫‪-‬‬
‫دﻗﺖ ﻧﻤﺎﺋﻴﺪ ﮐﻪ ﻣﻌﻴﺎرهﺎی ﻓﻮق ﻣﯽ ﺗﻮاﻧﺪ )ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺮﺟﻊ ﻣﺸﺘﺮی( ﻣﺒﻨﺎﻳﻲ ﺑﺮای ﺗﺼﻤﻴﻢ ﮔﻴﺮی در‬
‫ﻣﻮرد ﻣﻨﺎﺳﺐ ﺑﻮدن ﻳﺎ ﻧﺒﻮدن ﻳﮏ ﺳﻴﺴﺘﻢ اﻧﺪازﻩ ﮔﻴﺮی ﺑﺎﺷﺪ‪.‬‬
‫اﻟﻒ ( ﺗﺤﺖ ﮐﻨﺘﺮل ﺑﻮدن ﻧﻤﻮدار ﻣﻴﺎﻧﮕﻴﻦ و ﺑﺮدهﺎ در ﻧﻤﻮدار ﺛﺒﺎت )ﺑﺨﺼﻮص ﻣﻴﺎﻧﮕﻴﻦ(‬
‫ب ( ﺑﺮ ﻗﺮار ﺑﻮدن ﺗﺴﺎوی زﻳﺮ ﺑﺮای ﮔﺮاﻳﺶ ‪:‬‬
‫‪d σ‬‬ ‫‪‬‬ ‫‪d σ‬‬ ‫‪‬‬
‫‪BIAS −  2 b (TV ,1− a / 2 ) ≤ Ο ≤ Bias +  2 b (TV ,1− a / 2 )‬‬
‫‪ d *2‬‬ ‫‪‬‬ ‫‪ d *2‬‬ ‫‪‬‬

‫ج ( ﺑﺮ ﻗﺮاری ﺗﺴﺎوﻳﻬﺎی زﻳﺮ ﺑﺮای ﺑﺮرﺳﯽ ارﺗﺒﺎط ﺧﻄﯽ‪:‬‬

‫‪ta ≤ t gm − 2,1− a / 2‬‬

‫‪ta ≤ t gm − 2,1− a / 2‬‬

‫د ( ﮐﻮﭼﮏ ﺑﻮدن ﺧﻄﺎی )‪ (R,R‬ﻧﺴﺒﺖ ﺗﻠﺮاﻧﺲ ﻃﺮاﺣﯽ ﻳﺎ ﻓﺮﺁﻳﻨﺪ‬

‫‪%( R, R) ≤ 10%‬‬

‫و ( ﺑﺮای ﻣﺸﺨﺼﻪ هﺎی وﺻﻔﯽ ﺑﺎﻳﺴﺘﯽ ﺷﺎﺧﺺ هﺎی ‪ PFA‬و ‪ PMR‬و ‪ E‬ﻣﻘﺎدﻳﺮ زﻳﺮ را داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪.‬‬
‫‪E ≥ 90%‬‬ ‫‪PMR ≤ 2%‬‬ ‫‪PFA ≤ 5%‬‬

‫‪ -٢-۴‬ﻳﮏ ﻗﺎﻧﻮن ﻧﺎﻧﻮﺷﺘﻪ در ‪: MSA‬‬

‫در ﺑﺤﺚ ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺳﻴﺴﺘﻢ هﺎی اﻧﺪازﻩ ﮔﻴﺮی ﻣﺘﻮﺟﻪ ﺷﺪﻳﻢ ﮐﻪ هﺪف ﻏﺎﻳﻲ و ﻧﻬﺎﻳﻲ ‪MSA‬‬
‫ﺟﻠﻮﮔﻴﺮی از ارﺳﺎل ﻣﺤﺼﻮل ﻧﺎﻣﻨﻄﺒﻖ ﺑﺮای ﻣﺸﺘﺮی )ﻋﺪم ﺷﻨﺎﺳﺎﻳﻲ ﻗﻄﻌﻪ رد( ﮐﻪ ﻣﻨﺠﺮ ﺑﻪ ﻧﺎرﺿﺎﻳﺘﯽ‬
‫وی ﻣﯽ ﮔﺮدد و اﻟﺒﺘﻪ ﺗﻮاﻧﺎﻳﻲ در ﺷﻨﺎﺳﺎﻳﻲ ﺻﺤﻴﺢ ﻗﻄﻌﺎت ﺳﺎﻟﻢ )ﻋﺪم ﺷﻨﺎﺳﺎﻳﻲ ﻗﻄﻌﻪ ﻗﺒﻮل ﮐﻪ‬
‫ﻣﻨﺠﺮ ﺑﻪ ﺿﺮر درون ﺳﺎزﻣﺎﻧﯽ ﻣﯽ ﺷﻮد( ﻣﯽ ﺑﺎﺷﺪ‪ .‬هﺮ ﭼﻪ ﺧﻄﺎهﺎی دﻗﺖ و ﺻﺤﺖ در اﻳﻦ زﻣﻴﻨﻪ‬
‫ﺑﻴﺸﺘﺮ ﺑﺎﺷﻨﺪ ﻗﺪر ﻣﺴﻠﻢ رﻳﺴﮑﻬﺎی ﺗﻌﺮﻳﻒ ﺷﺪﻩ ﺑﻴﺸﺘﺮ ﺧﻮاهﺪ ﺑﻮد‪ .‬ﺑﺪﻳﻬﯽ اﺳﺖ در ﻳﮏ ﺑﺮرﺳﯽ‬
‫اﺟﻤﺎﻟﯽ ﭼﻨﺎﻧﭽﻪ ﺗﻮاﻧﻤﻨﺪی ﻓﺮﺁﻳﻨﺪ ﺑﺎﻻ ﺑﺎﺷﺪ )اﺣﺘﻤﺎل وﺟﻮد ﻗﻄﻌﻪ ﻧﺎﻣﻨﻄﺒﻖ ﮐﻢ ﺑﺎﺷﺪ( ﺑﺎ وﺟﻮد ﺧﻄﺎی‬
‫اﻧﺪازﻩ ﮔﻴﺮی زﻳﺎد‪ ،‬ﮐﻤﺎﮐﺎن رﻳﺴﮏ ارﺳﺎل ﻣﺤﺼﻮل ﻧﺎﻣﻨﻄﺒﻖ ﺑﺮای ﻣﺸﺘﺮی ﮐﻢ ﺧﻮاهﺪ ﺑﻮد )ﺑﻪ دﻟﻴﻞ‬
‫اﺣﺘﻤﺎل ﮐﻢ وﺟﻮد ﻗﻄﻌﻪ ﻧﺎﻣﻨﻄﺒﻖ(‪ .‬ﺗﺌﻮری ﺑﻴﺰ )‪ (Bayes‬ﮐﻪ در اﻳﻦ دورﻩ ﺑﻪ ﺁن ﭘﺮداﺧﺘﻪ ﺷﺪﻩ ﺳﻌﯽ‬
‫داﺷﺖ ﺗﺎ ﺑﻪ ﻧﻮﻋﯽ اﻳﻦ ﻣﻮﺿﻮع را اﺛﺒﺎت ﻧﻤﺎﻳﺪ‪ .‬ﺷﮑﻞ زﻳﺮ اﻳﻦ ﻣﻮﺿﻮع را ﻧﺸﺎن ﻣﯽ دهﺪ‪.‬‬

‫‪CPK = 3‬‬
‫‪R) = 30%‬و‪(R‬‬

‫)‪R‬و‪(R‬‬ ‫)‪R‬و‪(R‬‬

‫‪X − 3σ‬‬ ‫‪X − 3σ‬‬

‫‪LSL‬‬ ‫‪USL‬‬
‫‪X‬‬

‫دﻗﺖ ﻧﻤﺎﻳﻴﺪ ﮐﻪ در ﭼﻨﻴﻦ ﻣﻮاردی ﺑﻪ دﻟﻴﻞ ﺗﻮاﻧﻤﻨﺪی ﺑﺎﻻی ﻓﺮﺁﻳﻨﺪ‪ ،‬ﮐﻤﺎﮐﺎن ﺑﺎ وﺟﻮد ﺧﻄﺎی )‪ (R,R‬زﻳﺎد‪،‬‬
‫اﺣﺘﻤﺎل رد ﻗﻄﻌﻪ ﻗﺒﻮل و ﻗﺒﻮل ﻗﻄﻌﻪ رد ﺑﺴﻴﺎر ﮐﻢ ﺧﻮاهﺪ ﺑﻮد‪ ،‬ﺷﺎﻳﺪ ﻓﺮﻣﻮل زﻳﺮ ﺑﺘﻮاﻧﺪ ﻳﮏ ﻣﺤﮏ‬
‫ﻣﻨﺎﺳﺒﯽ در ﻣﻮارد اﻳﻨﭽﻨﻴﻨﯽ ﺑﺎﺷﺪ‪.‬‬

‫ﺷﺪﻩ⋅ ⋅ ⋅ )‪%( R, R‬‬

‫ﻣﺤﺎﺳﺒﻪ ⋅ ⋅ ⋅‬
‫‪⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ 30%‬‬
‫= )‪ %( R, R‬ﺗﻌﺪﻳﻞ ﺷﺪﻩ‬ ‫=‬ ‫‪= 10%‬‬
‫‪CPK‬‬ ‫‪3‬‬
 ‫ﭘﻴﻮﺳﺖ ‪١‬‬

‫ﻗﻀﻴﻪ ﺑﻴﺰ‪:‬‬
‫ﻓﺮض آﻨﻴﺪ آﻪ ‪ K‬ﭘﻴﺸﺎﻣﺪ ‪ AK ,..., A2 , A1‬دادﻩ ﺷﺪﻩ ﺑﺎﺷﻨﺪ ﺑﻪ ﻃﻮرﻳﻜﻪ‬

‫ﻓﻀﺎي ﻧﻤﻮﻧﻪ= ‪S‬‬

‫‪A1UA2U ... AK = S‬‬
‫‪Ai ∩ A j = Φ∀i ≠ j‬‬

‫در اﻳﻨﺼﻮرت ﺑﺮاي هﺮ ﭘﻴﺸﺎﻣﺪ ‪ E‬دارﻳﻢ‪:‬‬

‫) ‪P( E | A j ) P( A j‬‬
‫= ) ‪P( A j | E‬‬ ‫‪K‬‬

‫∑‬
‫‪i =1‬‬
‫) ‪P( E | Ai ) P( Ai‬‬

‫ﺗﻮﺿﻴﺢ )‪ P(B|A‬را ﺑﺨﻮاﻧﻴﺪ “اﺣﺘﻤﺎل ﭘﻴﺸﺎﻣﺪ ‪ B‬ﺑﻪ ﺷﺮط ‪ A‬و اﻳﻦ ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ اﺣﺘﻤﺎل وﻗﻮع ﭘﻴﺸﺎﻣﺪ‬
‫‪ B‬ﺑﻪ ﺷﺮط ﺁﻧﻜﻪ ﻗﺒﻼً ‪ A‬رخ دادﻩ ﺑﺎﺷﺪ آﻪ ﺑﻪ ﻃﺮﻳﻖ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪:‬‬
‫)‪P( B ∩ A‬‬
‫= )‪p ( B | A‬‬
‫)‪P( A‬‬
 ٢ ‫ﭘﻴﻮﺳﺖ‬

n t .995 t .99 t .975 t..95 t .90 t .80 t .75 t .70 t 0.60 t 0.55
1 63.66 31.82 12.71 6.31 3.08 1.376 1.000 .727 .825 .158
2 9.92 6.96 4.30 2.92 1.89 1.061 .816 .617 .289 .142
3 5.84 4.54 3.18 2.35 1.64 .978 .765 .584 .277 .137
4 4.60 3.75 2.78 2.13 1.53 .941 .741 .569 .271 .134

5 4.03 3.36 2.57 2.02 1.48 .920 .727 .559 .267 .132
6 3.71 3.14 2.45 1.94 1.44 .906 .718 .553 .265 .131
7 3.50 3.00 2.36 1.90 1.42 .896 .711 .549 .263 .130
8 3.36 2.90 2.31 1.86 1.40 .889 .706 .546 .262 .130
9 3.25 2.82 2.26 1.83 1.38 .883 .703 .543 .261 .129

10 3.17 2.76 2.23 1.81 1.37 .879 .700 .542 .260 .129
11 3.11 2.72 2.20 1.80 1.36 .876 .697 .540 .260 .129
12 3.06 2.68 2.18 1.78 1.36 .873 .695 .539 .259 .128
13 3.01 2.65 2.16 1.77 1.35 .870 .694 .538 .259 .128
14 2.98 2.62 2.14 1.76 1.34 .868 .692 .537 .258 .128

15 2.95 2.60 2.13 1.75 1.34 .866 .691 .536 .258 .128
16 2.92 2.58 2.12 1.75 1.34 .865 .690 .535 .258 .128
17 2.90 2.57 2.11 1.74 1.33 .863 .689 .534 .257 .128
18 2.88 2.55 2.10 1.73 1.33 .862 .688 .534 .257 .127
19 2.86 2.54 2.09 1.73 1.33 .861 .688 .533 .257 .127

20 2.84 2.53 2.09 1.72 1.32 .860 .687 .533 .257 .127
21 2.83 2.52 2.08 1.72 1.32 .859 .686 .532 .257 .127
22 2.82 2.51 2.07 1.72 1.32 .858 .686 .532 .256 .127
23 2.81 2.50 2.07 1.71 .132 .858 .685 .532 .256 .127
24 2.80 2.49 2.06 1.71 1.32 .857 .685 .531 .256 .127

25 2.79 2.48 2.06 1.71 1.32 .856 .684 .531 .256 .127
26 2.78 2.48 2.06 1.71 1.32 .856 .684 .531 .256 .127
27 2.77 2.47 2.05 1.70 1.31 .855 .684 .531 .256 .127
28 2.76 2.47 2.05 1.70 1.31 .855 .683 .530 .256 .127
29 2.76 2.46 2.04 1.70 1.31 .854 .683 .530 .256 .127

30 2.75 2.46 2.04 1.70 1.31 .854 .683 .530 .256 .127
40 2.70 2.42 2.02 1.68 1.30 .851 .681 .529 .255 .126
60 2.66 2.39 2.00 1.67 1.30 .848 .679 .527 .254 .126
120 2.62 2.36 1.98 1.66 1.29 .845 .677 .526 .254 .126
∞ 2.58 2.33 1.96 1.645 1.29 .842 .674 .524 .258 .126
‫ﭘﻴﻮﺳﺖ ‪٣‬‬
 ٤ ‫ﭘﻴﻮﺳﺖ‬

Table Of Constants and Formulas for Control Charts

X and R Charts* X and S Charts*

Chart for Chart for
Chart for
Averages Chart for Rages ( R) Averages
Standard Deviations (S)
Subgroup
( X ) ( X )
Size
Divisors for Factors Divisors for
Factors for
Estimate of Factors for for Estimate of Factors for
Control
Standard Control Limits Control Standard Control Limits
Limits
Deviation Limits Deviation
n A2 d2 D3 D4 A3 C4 B3 B4
2 1.880 1.128 - 3.267 2.659 0.7979 - 3.267
3 1.023 1.693 - 2.574 1.954 0.8862 - 2.568
4 0.729 2.059 - 2.282 1.628 0.9213 - 2.266
5 0.577 2.326 - 2.114 1.427 0.9400 - 2.086

6 0.483 2.534 - 2.004 1.287 0.9515 0.030 1.970

7 0.419 2.704 0.076 1.924 1.182 0.9594 0.118 1.882
8 0.373 2.847 0.136 1.864 1.099 0.9650 0.185 1.815
9 0.337 2.970 0.184 1.816 1.032 0.9693 0.239 1.761
10 0.308 3.078 0.223 1.777 0.975 0.9727 0.284 1.716

11 0.285 3.173 0.256 1.744 0.927 0.9754 0.321 1.679

12 0.266 3.258 0.283 1.717 0.886 0.9776 0.354 1.646
13 0.249 3.336 0.307 1.693 0.850 0.9794 0.382 1.618
14 0.235 3.407 0.328 1.672 0.817 0.9810 0.406 1.594
15 0.223 3.472 0.347 1.653 0.789 0.9823 0.428 1.572

16 0.212 3.532 0.363 1.637 0.763 0.9835 0.448 1.552

17 0.203 3.588 0.373 1.622 0.739 0.9845 0.466 1.534
18 0.194 3.640 0.391 1.608 0.718 0.9854 0.482 1.518
19 0.187 3.689 0.403 1.597 0.698 0.9862 0.497 1.503
20 0.180 3.735 0.415 1.585 0.680 0.9869 0.510 1.490

21 0.173 3.778 0.425 1.575 0.663 0.9876 0.523 1.477

22 0.167 3.819 0.434 1.566 0.647 0.9882 0.534 1.466
23 0.162 3.858 0.443 1.557 0.633 0.9887 0.545 1.455
24 0.157 3.895 0.451 1.548 0.619 0.9892 0.555 1.445
25 0.153 3.931 0.459 1.541 0.606 0.9896 0.565 1.435

UCLX LCLX = X ± A2 R UCLX LCLX = X ± A3 s

1 1

UCLR = D4 R UCLs = B4 s

UCLR = D3 R LCLs = B3 s

σˆ = R / d 2 σˆ = s / c4
*
From ASTM publication STP-15D, Manual on the Presentation of Data and Control Chart Analysis, 1976; pp
134-136. Copyright ASTM, 1916 Race Street, Philadelphia, Pennsylvania 19103. Reprinted, with permission.
 Median Charts ** Charts for Individuals*
Chart
Chart for for
Medians Chart for Ranges (R) Individ Chart for Ranges (R)

(X ) uals
(X)

Subgrou Divisors Divisors

p Size Factors for Factors for

for Estimate Factors for for Estimate Factors for
Control of Control Limits Control of Control Limits
Limits Standard Limits Standard
Deviation Deviation
~ D2 D3 D4 E2 D2 D3 D4
A2
2 1.880 1.128 - 3.267 2.660 1.128 - 3.267
3 1.187 1.693 - 2.574 1.772 1.693 - 2.574
4 0.796 2.059 - 2.282 1.457 2.059 - 2.282
5 0.691 2.326 - 2.114 1.290 2.326 - 2.114

6 0.548 2.534 - 2.004 1.184 2.534 - 2.004

7 0.508 2.704 0.076 1.924 1.109 2.704 0.076 1.924
8 0.433 2.847 0.136 1.864 1.054 2.847 0.136 1.864
9 0.412 2.970 0.184 1.816 1.010 2.970 0.184 1.816
10 0.362 3.078 0.223 1.777 0.975 3.078 0.223 1.777

~ ~
UCL X~ LCL X = X ± A 2 R UCL X 1 LCL X = X ± E 2 R

UCL R = D 4 R UCL R = D4 R

LCL R = D3 R LCL R = D3 R

σˆ = R / d 2 σˆ = R / d 2
*
From ASTM publication STP-15D, Manual on the Presentation of Data and Control Chart
Analysis, 1976; pp 134-136. Copyright ASTM, 1916 Race Street, Philadelphia,
Pennsylvania 19103. Reprinted, with permission.
~
** A 2 Factors Derived from ASTM-STP-15D Data and Efficiency Tables Contained in W.J.
Dixon and F.J. Massey, J .r, Introduction to Statistical Analysis, Third Edition, 1969; Page
488; McGraw-Hill Book Company, New York.
 ‫ﭘﻴﻮﺳﺖ ‪٥‬‬
‫‪Z‬‬ ‫‪0.00‬‬ ‫‪0.01‬‬ ‫‪0.02‬‬ ‫‪0.03‬‬ ‫‪0.04‬‬ ‫‪0.05‬‬ ‫‪0.06‬‬ ‫‪0.07‬‬ ‫‪0.08‬‬ ‫‪0.09‬‬
‫‪0.0‬‬ ‫‪0.50000‬‬ ‫‪0.50399‬‬ ‫‪0.50798‬‬ ‫‪0.51197‬‬ ‫‪0.51595‬‬ ‫‪0.51994‬‬ ‫‪0.52392‬‬ ‫‪0.52790‬‬ ‫‪0.53188‬‬ ‫‪0.53586‬‬
‫‪0.1‬‬ ‫‪0.53983‬‬ ‫‪054379‬‬ ‫‪0.54776‬‬ ‫‪0.55172‬‬ ‫‪0.55567‬‬ ‫‪0.55962‬‬ ‫‪0.56356‬‬ ‫‪0.56749‬‬ ‫‪0.57142‬‬ ‫‪0.57534‬‬
‫‪0.2‬‬ ‫‪0.57926‬‬ ‫‪0.58317‬‬ ‫‪0.58706‬‬ ‫‪0.59095‬‬ ‫‪0.59483‬‬ ‫‪0.59871‬‬ ‫‪0.60257‬‬ ‫‪0.60642‬‬ ‫‪0.61026‬‬ ‫‪0.61409‬‬
‫‪0.3‬‬ ‫‪0.61791‬‬ ‫‪0.62172‬‬ ‫‪0.62552‬‬ ‫‪0.62930‬‬ ‫‪0.63307‬‬ ‫‪0.63683‬‬ ‫‪0.64058‬‬ ‫‪0.64431‬‬ ‫‪0.64803‬‬ ‫‪0.65173‬‬
‫‪0.4‬‬ ‫‪0.65542‬‬ ‫‪0.65910‬‬ ‫‪0.66276‬‬ ‫‪0.66640‬‬ ‫‪0.67003‬‬ ‫‪0.67364‬‬ ‫‪0.67724‬‬ ‫‪0.68082‬‬ ‫‪0.68439‬‬ ‫‪0.68793‬‬
‫‪0.5‬‬ ‫‪0.69146‬‬ ‫‪0.69497‬‬ ‫‪0.69847‬‬ ‫‪0.70194‬‬ ‫‪0.70540‬‬ ‫‪0.70884‬‬ ‫‪0.71226‬‬ ‫‪0.71566‬‬ ‫‪0.71904‬‬ ‫‪0.72240‬‬
‫‪0.6‬‬ ‫‪0.72575‬‬ ‫‪0.72907‬‬ ‫‪0.73237‬‬ ‫‪0.73565‬‬ ‫‪0.73891‬‬ ‫‪0.74215‬‬ ‫‪0.74537‬‬ ‫‪0.74857‬‬ ‫‪0.75175‬‬ ‫‪0.75490‬‬
‫‪0.7‬‬ ‫‪0.75804‬‬ ‫‪0.76115‬‬ ‫‪0.76424‬‬ ‫‪0.76730‬‬ ‫‪0.77035‬‬ ‫‪0.77337‬‬ ‫‪0.77637‬‬ ‫‪0.77935‬‬ ‫‪0.78230‬‬ ‫‪0.78524‬‬
‫‪0.8‬‬ ‫‪0.78814‬‬ ‫‪0.79103‬‬ ‫‪0.79389‬‬ ‫‪0.79673‬‬ ‫‪0.79955‬‬ ‫‪0.80234‬‬ ‫‪0.80511‬‬ ‫‪0.80785‬‬ ‫‪0.81057‬‬ ‫‪0.81327‬‬
‫‪0.9‬‬ ‫‪0.81594‬‬ ‫‪0.81859‬‬ ‫‪0.82121‬‬ ‫‪0.82381‬‬ ‫‪0.82639‬‬ ‫‪0.82894‬‬ ‫‪0.83147‬‬ ‫‪0.83398‬‬ ‫‪0.83646‬‬ ‫‪0.83891‬‬
‫‪1.0‬‬ ‫‪0.84134‬‬ ‫‪0.84375‬‬ ‫‪0.84614‬‬ ‫‪0.84849‬‬ ‫‪0.85083‬‬ ‫‪0.85314‬‬ ‫‪0.85543‬‬ ‫‪0.85769‬‬ ‫‪0.85993‬‬ ‫‪0.86214‬‬
‫‪1.1‬‬ ‫‪0.86433‬‬ ‫‪0.86650‬‬ ‫‪0.86864‬‬ ‫‪0.87076‬‬ ‫‪0.87286‬‬ ‫‪0.87493‬‬ ‫‪0.87698‬‬ ‫‪0.87900‬‬ ‫‪0.88100‬‬ ‫‪0.88298‬‬
‫‪1.2‬‬ ‫‪0.88493‬‬ ‫‪0.88686‬‬ ‫‪0.88877‬‬ ‫‪0.89065‬‬ ‫‪0.89251‬‬ ‫‪0.89435‬‬ ‫‪0.89617‬‬ ‫‪0.89796‬‬ ‫‪0.89973‬‬ ‫‪0.90147‬‬
‫‪1.3‬‬ ‫‪0.90320‬‬ ‫‪0.90490‬‬ ‫‪0.90658‬‬ ‫‪0.90824‬‬ ‫‪0.90988‬‬ ‫‪0.91149‬‬ ‫‪0.91308‬‬ ‫‪0.91466‬‬ ‫‪0.91621‬‬ ‫‪0.91774‬‬
‫‪1.4‬‬ ‫‪0.91924‬‬ ‫‪0.92073‬‬ ‫‪0.92220‬‬ ‫‪0.92364‬‬ ‫‪0.92507‬‬ ‫‪0.92647‬‬ ‫‪0.92785‬‬ ‫‪0.92922‬‬ ‫‪0.93056‬‬ ‫‪0.93189‬‬
‫‪1.5‬‬ ‫‪0.93319‬‬ ‫‪0.93448‬‬ ‫‪0.93574‬‬ ‫‪0.93699‬‬ ‫‪0.93822‬‬ ‫‪0.93943‬‬ ‫‪0.94062‬‬ ‫‪0.94179‬‬ ‫‪0.94295‬‬ ‫‪0.94408‬‬
‫‪1.6‬‬ ‫‪0.94520‬‬ ‫‪0.94630‬‬ ‫‪0.94738‬‬ ‫‪0.94845‬‬ ‫‪0.94950‬‬ ‫‪0.95053‬‬ ‫‪0.95154‬‬ ‫‪0.95254‬‬ ‫‪0.95352‬‬ ‫‪0.95449‬‬
‫‪1.7‬‬ ‫‪0.95543‬‬ ‫‪0.95637‬‬ ‫‪0.95728‬‬ ‫‪0.95818‬‬ ‫‪0.95907‬‬ ‫‪0.95994‬‬ ‫‪0.96080‬‬ ‫‪0.96164‬‬ ‫‪0.96246‬‬ ‫‪0.96327‬‬
‫‪1.8‬‬ ‫‪0.96407‬‬ ‫‪0.96485‬‬ ‫‪0.96562‬‬ ‫‪0.96638‬‬ ‫‪0.96712‬‬ ‫‪0.96784‬‬ ‫‪0.96856‬‬ ‫‪0.96926‬‬ ‫‪0.96995‬‬ ‫‪0.97062‬‬
‫‪1.9‬‬ ‫‪0.97128‬‬ ‫‪0.97193‬‬ ‫‪0.97257‬‬ ‫‪0.97320‬‬ ‫‪0.97381‬‬ ‫‪0.97441‬‬ ‫‪0.97500‬‬ ‫‪0.97558‬‬ ‫‪0.97615‬‬ ‫‪0.97670‬‬
‫‪2.0‬‬ ‫‪0.97725‬‬ ‫‪0.97778‬‬ ‫‪0.97831‬‬ ‫‪0.97882‬‬ ‫‪0.97932‬‬ ‫‪0.97982‬‬ ‫‪0.98030‬‬ ‫‪0.98077‬‬ ‫‪0.98124‬‬ ‫‪0.98169‬‬
‫‪2.1‬‬ ‫‪0.98214‬‬ ‫‪0.98257‬‬ ‫‪0.98300‬‬ ‫‪0.98341‬‬ ‫‪0.98382‬‬ ‫‪0.98422‬‬ ‫‪0.98461‬‬ ‫‪0.98500‬‬ ‫‪0.98537‬‬ ‫‪0.98574‬‬
‫‪2.2‬‬ ‫‪0.98610‬‬ ‫‪0.98645‬‬ ‫‪0.98679‬‬ ‫‪0.98713‬‬ ‫‪0.98745‬‬ ‫‪0.98778‬‬ ‫‪0.98809‬‬ ‫‪0.98840‬‬ ‫‪0.98870‬‬ ‫‪0.98899‬‬
‫‪2.3‬‬ ‫‪0.98928‬‬ ‫‪0.98956‬‬ ‫‪0.98983‬‬ ‫‪0.99010‬‬ ‫‪0.99036‬‬ ‫‪0.99061‬‬ ‫‪0.99086‬‬ ‫‪0.99111‬‬ ‫‪0.99134‬‬ ‫‪0.99158‬‬
‫‪2.4‬‬ ‫‪0.99180‬‬ ‫‪0.99202‬‬ ‫‪0.99224‬‬ ‫‪0.99245‬‬ ‫‪0.99266‬‬ ‫‪0.99286‬‬ ‫‪0.99305‬‬ ‫‪0.99324‬‬ ‫‪0.99343‬‬ ‫‪0.99361‬‬
‫‪2.5‬‬ ‫‪0.99379‬‬ ‫‪0.99396‬‬ ‫‪0.99413‬‬ ‫‪0.99430‬‬ ‫‪0.99446‬‬ ‫‪0.99461‬‬ ‫‪0.99477‬‬ ‫‪0.99482‬‬ ‫‪0.99506‬‬ ‫‪0.99520‬‬
‫‪2.6‬‬ ‫‪0.99534‬‬ ‫‪0.99547‬‬ ‫‪0.99560‬‬ ‫‪0.99573‬‬ ‫‪0.99585‬‬ ‫‪0.99598‬‬ ‫‪0.99609‬‬ ‫‪0.99621‬‬ ‫‪0.99632‬‬ ‫‪0.99643‬‬
‫‪2.7‬‬ ‫‪0.99653‬‬ ‫‪0.99664‬‬ ‫‪0.99674‬‬ ‫‪0.99683‬‬ ‫‪0.99693‬‬ ‫‪0.99702‬‬ ‫‪0.99711‬‬ ‫‪0.99720‬‬ ‫‪0.99728‬‬ ‫‪0.99736‬‬
‫‪2.8‬‬ ‫‪0.99744‬‬ ‫‪0.99752‬‬ ‫‪0.99760‬‬ ‫‪0.99767‬‬ ‫‪0.99774‬‬ ‫‪0.99781‬‬ ‫‪0.99788‬‬ ‫‪0.99795‬‬ ‫‪0.99801‬‬ ‫‪0.99807‬‬
‫‪2.9‬‬ ‫‪0.99813‬‬ ‫‪0.99819‬‬ ‫‪0.99825‬‬ ‫‪0.99831‬‬ ‫‪0.99836‬‬ ‫‪0.99841‬‬ ‫‪0.99846‬‬ ‫‪0.99851‬‬ ‫‪0.99856‬‬ ‫‪0.99861‬‬
‫‪3.0‬‬ ‫‪0.99865‬‬ ‫‪0.99869‬‬ ‫‪0.99874‬‬ ‫‪0.99878‬‬ ‫‪0.99882‬‬ ‫‪0.99886‬‬ ‫‪0.99889‬‬ ‫‪0.99893‬‬ ‫‪0.99896‬‬ ‫‪0.99900‬‬
‫‪3.1‬‬ ‫‪0.99903‬‬ ‫‪0.99906‬‬ ‫‪0.99910‬‬ ‫‪0.99913‬‬ ‫‪0.99916‬‬ ‫‪0.99918‬‬ ‫‪0.99921‬‬ ‫‪0.99924‬‬ ‫‪0.99926‬‬ ‫‪0.99929‬‬
‫‪3.2‬‬ ‫‪0.99931‬‬ ‫‪0.99934‬‬ ‫‪0.99936‬‬ ‫‪0.99938‬‬ ‫‪0.99940‬‬ ‫‪0.99942‬‬ ‫‪0.99944‬‬ ‫‪0.99946‬‬ ‫‪0.99948‬‬ ‫‪0.99950‬‬
‫‪3.3‬‬ ‫‪0.99952‬‬ ‫‪0.99953‬‬ ‫‪0.99955‬‬ ‫‪0.99957‬‬ ‫‪0.99958‬‬ ‫‪0.99960‬‬ ‫‪0.99961‬‬ ‫‪0.99962‬‬ ‫‪0.99964‬‬ ‫‪0.99965‬‬
‫‪3.4‬‬ ‫‪0.99966‬‬ ‫‪0.99968‬‬ ‫‪0.99969‬‬ ‫‪0.99970‬‬ ‫‪0.99971‬‬ ‫‪0.99972‬‬ ‫‪0.99973‬‬ ‫‪0.99974‬‬ ‫‪0.99975‬‬ ‫‪0.99976‬‬
‫‪3.5‬‬ ‫‪0.99977‬‬ ‫‪0.99978‬‬ ‫‪0.99978‬‬ ‫‪0.99979‬‬ ‫‪0.99980‬‬ ‫‪0.99981‬‬ ‫‪0.99981‬‬ ‫‪0.99982‬‬ ‫‪0.99983‬‬ ‫‪0.99983‬‬
‫‪3.6‬‬ ‫‪0.99984‬‬ ‫‪0.99985‬‬ ‫‪0.99985‬‬ ‫‪0.99986‬‬ ‫‪0.99986‬‬ ‫‪0.99987‬‬ ‫‪0.99987‬‬ ‫‪0.99988‬‬ ‫‪0.99988‬‬ ‫‪0.99989‬‬
‫‪3.7‬‬ ‫‪0.99989‬‬ ‫‪0.99990‬‬ ‫‪0.99990‬‬ ‫‪0.99990‬‬ ‫‪0.99991‬‬ ‫‪0.99991‬‬ ‫‪0.99992‬‬ ‫‪0.99992‬‬ ‫‪0.99992‬‬ ‫‪0.99992‬‬
‫‪3.8‬‬ ‫‪0.99993‬‬ ‫‪0.99993‬‬ ‫‪0.99993‬‬ ‫‪0.99994‬‬ ‫‪0.99994‬‬ ‫‪0.99994‬‬ ‫‪0.99994‬‬ ‫‪0.99995‬‬ ‫‪0.99995‬‬ ‫‪0.99995‬‬
‫‪3.9‬‬ ‫‪0.99995‬‬ ‫‪0.99995‬‬ ‫‪0.99996‬‬ ‫‪0.99996‬‬ ‫‪0.99996‬‬ ‫‪0.99996‬‬ ‫‪0.99996‬‬ ‫‪0.99996‬‬ ‫‪0.99997‬‬ ‫‪0.99997‬‬
‫‪4.0‬‬ ‫‪0.99997‬‬ ‫‪0.99997‬‬ ‫‪0.99997‬‬ ‫‪0.99997‬‬ ‫‪0.99997‬‬ ‫‪0.99997‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬
‫‪4.1‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99998‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬
‫‪4.2‬‬ ‫‪0.99998‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬
‫‪4.3‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬
‫‪4.4‬‬ ‫‪0.99999‬‬ ‫‪0.99999‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬ ‫‪1.00000‬‬
 ٦ ‫ﭘﻴﻮﺳﺖ‬
APPRAISER/T
PART AVERAGE
RIAL#
1 2 3 4 5 6 7 8 9 10
1. A 1
2. 2
3. 3

4. Average Xa =
5. Range Ra =
6. B 1
7. 2
8. 3

9. Average Xb =
10. Range Rb =
11. C 1
12. 2
13. 3

14. Average Xc =
15. Range Rc =
16. Part X =
Average ( X p ) Rp =

17. ([R = ]+ [R = ]+ [R = ])/[# OF

a b c APPRAISERS = ]= R=
18. [Max X = ] − [Min X = ] = X DIFF

19. [R =
*
]* [D = ] = USL
4 R

20.* [R = ]* [D = 3 ] = LCLR
*
D4 = 3.27 for 2 trials and 2.58 for 3 trials; D3=0 for up to 7 trials. UCLR represents the
limit of individual R’s Circle those that are beyond this limit. Identify the cause and
correct. Repeat these readings using the same appraiser and unit as originally used or
discard values and re-average and recomputed R and the limiting value from the
remaining observations.

Notes: ----------------------------------------------------------------------------------------------
----
Part No. & Name: Gage Name: Date: Performed by:
Characteristics: Gage No:
Specifications: Gage Type:

Form data sheet: R= X DIFF = RP =

Measurement Unit Analysis % Total Variation (TV)
Repeatability- Equipment Variation (EV)
Trials K1 % EV = 100[ EV / TV ]
EV = R * K1
= 100[___/___]
= ___* ___ 2 4.56
3 3.05 = ____ %
= ____
Repeatability- Appraiser Variation (AV)

% AV = 100[ AV / TV ]
AV = ( X DIFF * K 2 ) 2 − ( EV 2 / nr )
= 100[___/___]
= (__* __) 2 − (__ 2 /__* __)
= ____ %
= ___ n= number of parts
Appraisers 2 3 r=number of trials
K2 3.65 2.70
Repeatability & Reproducibility (R&R)
Parts K3 %R & R = 100[ R & R / TV ]
R&R = ( EV 2 + AV 2 )
2 3.65
= 100[___/___]
= (__ 2 + __ 2 ) 3 2.70
= ____ %
4 2.30
= ____
5 2.08
Part Variation (PV) 6 1.93
PV = RP * K 3 7 1.82
8 1.74
= ___* ___
9 1.67
= ____ % PV = 100[ PV / TV ]
10 1.62
Total Variation (TV)
= 100[___/___]
= ____ %
TV = R & R 2 + PV 2
= (__ 2 ) + (__ 2 )
= ____
All calculations are based upon predicting 5.15 sigma (99.0% of the area under the normal distribution curve).
K is 5.15/ d2* where d2* is dependent on the number of trials (m) and the number of parts times the number of
appraisers (g) which is assumed to be greater than 15. d2* values are form Table 2, p. 29.
AV-If a negative value is calculated under the square root sign, the appraiser variation (AV) defaults to zero (0).
K2 is 5.15/ d2* where d2* is dependent on the number of appraisers (m) and (g) is 1, since there is only one range
calculation.
K3 is 5.15/ d2* where d2* is dependent on the number of parts (m) and (g) is 1, since there is only one range
calculation.
d2* is obtained form Table D3 “Quality Control and industrial Statistics,” A.J Duncan. (See Reference List, 4.)
 ٧ ‫ﭘﻴﻮﺳﺖ‬

PART
1 2 3 4 5
APPRAISER
APPRAISER AVG
MAX

MAX

MAX

MAX

MAX
MIN

MIN

MIN

MIN

MIN
RGE

RGE

RGE

RGE

RGE
TRIAL #

1.A 1
2. 2
3. 3
4. Average
(All)
5. Range

6.B 1
7. 2
8. 3
9. Average
(All)
10. Range

11.C 1
12. 2
13. 3
14. Average
(All)

15. Range R0 =
16.Part
RP =
Average X p

17. AVE OF
R x wiv =
WIN (X ) WIN

R REPEAT =
∑ RANGE(LINES5,10,&15) = = (MAX/MIN RANGES ONLY)
# RANGEREADINGS
18.

19. [Max X = ]− [Min X = ]= X DIFF

20.* [R = ]* [D = 4 ] = USLR
21.* [R = ]* [D = 3 ] = LCLR
*
D4 = 3.27 for 2 trials and 2.58 for 3 trials; D3=0 for up to 7 trials. UCLR represents the limit of individual R’s
Circle those that are beyond this limit. Identify the cause and correct. Repeat these readings using the same
appraiser and unit as originally used or discard values and re-average and recomputed R and the limiting
value from the remaining observations.

Notes: --------------------------------------------------------------------------------------------------
 Part No. & Name: Gage Name: Date:
Characteristics: Gage No: Performed by:
Specifications: Gage Type: _______________

Form data sheet: R= X DIFF = RP =

Measurement Unit Analysis % Total Variation (TV)

Repeatability- Equipment Variation (EV)

Trials K1 % EV = 100[ EV / TV ]
EV = R * K1
= 100[___/___]
= ___* ___ 2 4.56
3 3.05
= ____ %
= ____
Repeatability- Appraiser Variation (AV)

% AV = 100[ AV / TV ]
AV = ( X DIFF * K 2 ) 2 − ( EV 2 / nr )
= 100[___/___]
= (__* __) 2 − (__ 2 /__* __)
= ____ %
= ___ n= number of parts
Appraisers 2 3 r=number of trials
K2 3.65 2.70

Repeatability &Reproducibility (R&R)

Parts K3 %R & R = 100[ R & R / TV ]

R&R = ( EV 2 + AV 2 )
2 3.65 = 100[___/___]
= (__ + __ ) 2 2
3 2.70
= ____ %
4 2.30
= ____
5 2.08
Part Variation (PV) 6 1.93
% PV = 100[ PV / TV ]
PV = RP * K 3 7 1.82
8 1.74 = 100[___/___]
= ___* ___
9 1.67 = ____ %
= ____ 10 1.62
Within- Part Variation (WIV)
WIV=

 ( EVWIN ) 2   (__) 2 
 (R * K3 −)
2
  (__) 2 − 
WHERE X WIV +
X WIV
a.t  = __ +  _* _  = __ %WIV = 100[WIV / TV ]
 2   2 
    = 100[___/___]
   

∑X WIV ( LINE 17 ) = ____ %

X WIV = = __ = __
# X WIN READINGS
WIN = # APPRAISERS , r = # TRIALS ,&
 ∑ RRGE ( LINES 5.10,&15) 
EVWIN =   * K1 = __* __ = __

 # RRGE READINGS 
Total Variation (TV)

TV = ( R, R 2 ) + PV 2 + WIV 2
= (__) 2 + (__) 2 + (__) 2
= ______