Measurement System Analysis

Measurement System Analysis
测量系统分析
扫码关注
汽车供应链可持续发展俱乐部公众号
学习更多汽车质量知识
1
目录页
⚫ 测量系统总指南 CONTENTS PAGE
— 引言、目的及术语
— 测量系统的变差类型
— 测量系统变差来源分析模型
— MSA工作流程图
— MSA接受准则
— 测量系统的分辨力
⚫可重复测量系统位置变差和宽度
变差分析（五性分析）
33%
67% — 稳定性分析（SPC图法）
— 偏倚分析（独立样本T检验法）
— 线性分析（回归分析法和假设检验法）
— 重复性和再现性分析（极差法、均值和
极差法、方差
分析法）
⚫ 计数型测量系统分析
— 假设检验分析法
— 信号探测分析法
2
课程目标
◼ 理解MSA的基本术语和定义
◼ 理解测量系统的变差类型
◼ 掌握测量系统变差来源分析模型
◼ 理解掌握测量系统的分辨力的概念，能够正确选择控制计划中的监视和测量设
备（量具）
◼ 掌握可重复测量系统的位置变差和宽度变差分析（五性分析）
◼ 了解计数型测量系统分析
◼ 通过课程实战训练加深对MSA的知识点的把握；将所学习的知识应用于本组织
3
第一章、测量系统总指南
第一章 —— 第1节引言、目的及术语
测量数据的的两个应用
1.现在是否对制造过程进行调整的决定通常以测量数据为基础的将测量数据或一些从它们
所计算出的统计量与过程的统计控制限（statistical control limits）进行相比较，如该
比较显示过程已超出统计控制，则进行某种调整；否则，该过程将被允许在没有调整的
状态下运行。
2.测量数确定在两个或更多变量之间是否存在显著的相互关系。例如，如果怀疑一个模塑
零件的某一关键尺寸与材料的注塑温度有关，这种可能的相互关系可以通过利用一种称为
回归分析（Regression Analysis）的统计程序研究，以比较关键尺寸的测量值与材料注
塑温度的测量值。
进行这种举例的互相关系探测研究，被戴明博士（Dr.W.E.Deming）称为分析研究法
（analytic studies）。通常，分析研究法是不断增加对影响过程的系统原因知识的一
种分析研究。分析研究是测量数据使用的重要应用之一，因为应用它们能使得对过程有更
好地理解。
使用以数据为基础的程序的最大益处取决于所使用测量数据的质量。如果数据质量低，程
序的益处可能会较低；同样的，如果数据的质量高，利益也可能会较高。
为了确保从使用测量数据得到的利益大到足以承担获得这些数据的成本，数据的质量需要
特别的注意。
第一章测量系统总指南 4
1.1、引言、目的及术语
数据的质量取决于从处于稳定条件下进行操作的测量系统中，多次测量的统计特性。例
如：假设使用某一在稳定条件下操作的测量系统对某一特定特性值进行了几次测量，如
果这些测量值均与该特性的基准值（master value）“接近”，那么，数据的质量被称
为“高”；同样，如果部分或所有的测量值与基准值相差“很远”，则称数据的质量很
“低”。
通常用来描述测量数据质量的统计特性是某测量系统的偏倚（bias）及变差（variance）
被称为偏倚的统计特征指的是数据值相对于基准参考（基准）值的位置。而被称为变差的
特性指的是数据的分布宽度（spread）。
低质量数据最普遍的原因之一是变差太大。一组数据中的变差多是由于测量系统及其环境
的相互作用（interaction）造成的。例如：一个用来测量一罐液体容积的测量系统，可
能对该测量系统所处的环境中的大气温度较敏感。在这种情况下，数据的变差可能是因
为容积的变化造成的，也可能是因为环境温度变化造成的。因此，对测量的数据很难解
释，因此，该测量系统不尽理想。
如果相互作用产生的变差过大，那么数据的质量会太低，从而造成测量数据无法利用。例
如：具有较大变差的测量系统可能不适合用于分析制造过程，因为测量系统变差可能掩
盖制造过程的变差。管理一个测量系统的许多工作集中在监视和控制其变差。其它的还
需要把重点集中在了解测量系统与其环境有什么样的相互作用，以便获得可接受质量的
数据。
通过测量系统的变差来衡量数据的质量
目的
为评估测量系统的质量提供指南
• 尽管这些指南一般而言可用于任何测量系统，但主要意图是用于工业界的测量系统。
• 主要用于那些对于每个零件的数据可以重复读取的测量系统。
• 对于其它形式的测量系统也是很有用的（如破坏性试验的不可重复的测量系统）
术语
如果不建立一套术语来引述共同的统计特征和相关的测量系统要素，那么讨论测量系统的
分析可能会造成混淆和误解。本节将常用术语汇总如下。
测量（Measurement）: 被定义为“对某具体事物赋予数字（或数值）以表示它们对于
特定特性之间的关系”。这个定义由Ｃ．Eisenhart（1963）首次提出。赋予数字的过
程被定义为测量过程，而数值的指定被定义为测量值。
量具（Gage）:是指任何用来获得测量的装置。经常是用在工厂现场的装置，包括通/止
规（go/no go/device）。（另见参考文献：ASTM E456-96）
测量系统（ Measurement system）:是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。
什么是测量系统？
1.2、测量系统变差来源
为了有效地控制任何过程变差，需要了解：
●过程应该做什么
●什么能导致错误
●过程在做什么
●规范和工程要求规定过程应该做什么
过程失效模式及后果分析（PFMEA）是用来确定
与潜在过程失效相关的风险，并在这些失效出现
前提出纠正措施。PFMEA的结果转移至控制计划。
通过评价过程结果或参数，可以获得过程正在做
什么的知识。这种活动，通常称为检验，是用适当的标准和测量装置，检查过程参数，
过程中零件，已装配的子系统，或者是已完成的成品活动。这种活动能使观测者确定
或否认过程是以稳定的方式操作并具有对顾客规定的目标而言可接受的变差这一前提。
这种检查行为本身就是过程。
与所有过程类似，测量系统受到变差的随机原因和系统原因的影响。这些变差的来源
是由于普通原因和特殊原因造成的。为了控制测量系统的变差：
1）识别潜在的变差来源。
2）消除（如有可能的话）或监控这些变差的来源。
尽管特殊原因取决于不同情况，但一些典型的变差来源可以被识别，有许多不同的方
法来呈现与分类这些变差的来源，例如：因果图、失效树等。
缩写S.W.I.P.E.被用来表示一个普遍化的测量
系统为了达成被要求的目标,有六个必要因
素.S.W.I.P.E. 分别代表标准、工作件、仪器、
人和程序，以及环境。可以考虑作为整个测
量系统的一个误差模型。
需要理解那些6个区域的影响因素，以便能够
控制或消除它们。
下页图显示了变差的某些潜在来源的原因与后果图。由于影响一个特定测量系统的
实际变差来源对该系统将是唯一的，所以，这图可作为开发一个测量系统变差来源
的思考启动器。
测量系统变差分析矩阵表
应依据测量系统变差源分析的结果策划MSA计划
测量系统分析计划
1.3、测量系统变差的类型
测量通常被假设是精确的，而且许多后续的分析和结论都是以该假设为基础。个人可能
无法意识到在测量系统中存在影响各个测量的变差，它进而又影响基于这些数据的结论。
测量系统误差可分成五类；稳定性、偏倚、线性、重复性和再现性。
测量系统研究的目的
是获得测量系统与其所处环境有相互作用时，其产生的测量变差的类型和结果的讯息。
这些信息是很有价值的，因为对于一般的生产过程，确定重复性和校准偏倚，以及为这
些制定合理的极限，比提供具有非常高重复性的准确量具更有用。应用这种研究可提供：
⚫ 接受一新测量设备的准则。
⚫ 一个测量装置与另一个测量装置的比较。
⚫ 评价一个疑似不充分量具的依据。
⚫ 测量设备维修前后的比较。
⚫ 为计算过程变差以及生产过程可接受程度的必要构成元素
⚫ 描绘量具性能曲线 (Gage∙Performance Curve，GPC)必要的信息。量具性能曲线
是指接受某一零件真值的概率。
1.3、测量系统变差的类型
下列定义帮助我们描述与一测量系统有关的误差或变差类型，以便在其后的讨论中清楚地理
解各个术语。每个定义都提出了说明，以便生动的展现每项术语的含义。
1.4、测量系统分辨率
⚫ 分辨力是指一测量仪器能够检测并忠实地显示相对于参考值的变化量。通常
也被称为可读程度或解析度。
⚫ 这种测量的能力通常是某测量仪器上最小刻度的值。如果仪器的刻度较“粗
略”，则可以使用刻度值的一半作为解析度
⚫ 一个通用的比例规则是，测量设备的分辨力要至少等于被测量距离的十分之一，
传统上把该距离看成是产品的规范；最近这10:1规则的意义被解释为：测量设备
要能分辨出过程变差的至少十分之一以上。这与持续改进的构想是一致的。（例
如：过程的关注焦点是一顾客指定的目标）。
⚫ 可以将上述的比例规则视为确定分辨力的一个起始点，因为这还没有包括测量
系统变差的任何其它因素。
⚫ 由于经济和物理上的限制，测量系统将不能识别过程分布成各个独立或不同测
量特性的所有零件；取而代之的是以这些测量特性分组成不同的数据种类。在同
一数据分类中的所有零件，对其被测特性来说具有相似的数值。
⚫ 如果测量系统的分辨力（敏感度或有效解析度）不足，它将不是一个合适的系
统来识别过程的变差，或对各个零件特性值定量。如果是这样的情形，应该使用
更好的测量技术。
⚫ 如果不能检测到过程变差，则这分辨力用于分析是不可接受的；如果不能检测
出特殊原因变差，它用于控制是不可接受的
数据分级的影响
⚫ 不适用的分辨力可能会在极差图（range chart）中出现，下图是包含了从相同数
据中取得的两组控制图，控制图（a）显示精确至千分之一英寸的原始测量值；控制
图(b)显示这些百分之一英寸的原始测量值是四舍五入的。由于人为的紧缩限制，控
制图（b）显示是失控的；这四舍五入的零极差超越了描述一产品的子组变差的象征。
⚫ 不合适的分辨力是最佳象征，可由过程变差的SPC极差图看出来。尤其是，当极差
图中只有一、二或三种可能的极差值在控制限值内时，这种测量正是在分辨力不足情
况下进行的结果，另外，如果极差图显示有4种可能的极差值在控制限值内超过四分
之一以上的极差值为零，则该测量也是在分辨力不足的情况下进行的。
⚫ 回到图中，控制图(b)，我们只看到只有两种可能的极差值在控制限值内，（数值
0.001和0.01），因此，上述规则正确地识别出失控的原因是分辨力不足，（敏感度
或有效分辨率）。
⚫ 当然，可以透过提高这测量的分辨力，从而改变检测子组内变差的能力来补救这一
问题。如果一个测量系统的可视解析度比过程变差小，该测量系统将具有足够的分辨
力，因此，为得到足够的分辨力，建议可视解析度最多可以到总过程的6σ标准偏差的
十分之一，以取代传统上设定可视解析度最多为公差范围的十分之一的规则。
量具重复性和再现性报
告中“有效分级数
（ndc）”须大于等于5
测量分辨率例：
某公司正在生产滚珠外径为0.35mm 的圆珠笔。可接受的滚珠范围为0.34到
0.36mm。为了准确测量这些滚珠，必须使用能够检测出此范围中的多个差异的量具？
⚫如果你具有通过/不通过量具，而且有两种规格（上限和下限），则该量具公差的一
半适用于通过量具GO，另一半适用于不通过量具NO‐GO。如果将整个公差应用于一
个或两个量具，则量具总公差将为产品公差的20%。因此，用于测量滚珠直径的通过
量具应该为0.001mm，不通过量具应该为0.001mm。这使得工具的分辨率始终比正
在测量的产品公差高出10倍。
1.5、MSA工作流程
1.6、结果分析及接收准则
结果应该被评价，从而确定这测量装置对其预期的应用来说是否为可接受。在进行任
何有效的分析之前，测量系统应该稳定。
接受性准则一计量装配或设备误差
一个设计不当的设备或拙劣装配的计量装置将增加测量的误差。这通常在测量值预示
或显示测量过程不稳定或己难以控制的情况下被发现。这可能是由于过度的计量参数
变化或过低的重复性、过低的GRR测试值所引起的。
一般来讲，当发现一个明显的测量问题已存在时，第一件要做的事情应该是回顾装配
过程，然后根据指令装配设备已确保计量装置是被正确组装的。(注：这一行为不被包
含在说明指令中。) 举个例子，夹子/探针应被正确放置并有适当的负载量。
如果在这些方面发现了问题，则应重置或修复计量装置，然后重新进行测量评估。
接收性准则一位置误差
位置误差通常被定义为偏倚和线性的分析。通常，如果一测量系统的偏倚或线性误差明显
的异于零、或超过该量具校准程序中所建立的最大容许误差，则该测量系统为不可接
受。在这种情况下，应该对这测量系统进行重新校准或进行一个补偿修正来减少这误
差。
1.6、结果分析即接收准则
接收性准则 ——宽度误差
一测量系统的变差是否为满意的准则，取决于测量系统变差对制造过程误差或零件公
差所占的百分比。对特定的测量系统的最终接收准则取决于测量的环境和目的，并且
应该经顾客同意。当开始评估一个组织机构的测量系统时，对测量系统的最初聚焦点
设置优先次序是有用的。由于最后的(总)变化是基于操作过程与测量变化的结合效应
（ σ Total = σ 2Process
），所以 + σ 2MSA 当SPC被运用于过程控制或对过程数据的收集，并且控制
图表显示操作过程是稳定的，总变化是可接受的，那么此测量系统是被认为可接受并且不需要单
独的重新评估。
如果发现有脱离控制的现象或不合格项的发生，第一件该做的事应去评估此测量系统。
对于目的是用来分析一过程的测量系统，对测量系统可接受性的通用比例原则如下：
GRR 判定评论
≤10% 通常被认为是一个可接受的测量体当排列或分类零件、需要加强过程控制时

系。被推荐运用。
是否可接受此误差应基于对应用的重要性、
10%—30% 在某些应用情况下被认为可接受。测量装置的成本、维修费用等因素的考量。
应得到客户的认可允许。
应该尽一切努力来提高测量体系。这种情况
＞30% 可以通过使用一种适当的测量战略来解决。
被认为是不可接受的。
举个例子，可以利用一些有相同部分特征
的读数的平均值来降低最终的测量变化。
1.6、结果分析及接收准则
额外的宽度误差度量标准另一个测量系统变化的统计是对于不同项目类别(ndc)的一
个数量。该统计表明测量过程的项目类别数量可以被划分。这个误差值应该≥5。
警告: 把GRR指南作为一个单独的门槛标准使用并不是一个对于确定测量系统是否可接受的适当
做法。
把此指南作为一个门槛，假设由此计算出的统计是对测量系统变化起到决定性评估的
（但其实不是）。说明把此指南作为门槛标准能导致一系列错误的行为。例如，供应
商可以通过消除真实生活中的差异来源或操纵测量数据来创造性的得到一个低的
GRR。(例如，把部分差异归为计量装置的相互作用、生产零件时外部预期的操作过
程差异。)
对于指南运用以及计量接受性的评论
当着眼于GRR与测量差异时，单独考虑每个运用是非常重要的，例如，查看什么被需
要以及测量将如何被使用。举个例子，温度测量的精准要求可能因为不同的应用而不
同。一个房间的恒温器能根据人的舒适度来调节温度并且被给予一个经济上的定价，
但这个GRR却可能超过30%。而对于这个运用环境，这是在一个可接受的范围内。但
在一个实验室里，细微的温度变化就能影响实验结果，所以就需要求一个更精密的温
度测量控制。这个恒温器将会贵很多并要求产生更少的差异(也就是要有个低的
GRR)。
一测量系统的最终可接受性应该不仅仅取决于一些简单的指数，应该同时使用随时间
变化的图表来分析测量系统的长期性能。
1.7、MSA与ISO/TS16949:2009 及其它AIAG的联系
TS要素: 7.6.1 测量系统分析为分析在各种测量和监视装置测量结果中呈现的变差，

应进行适当的统计研究，此要求应用于在控制计划中提出的测量系统。所用的分析
方法及接受准则应与顾客关于测量系统分析的参考手册相一致。
标准要点说明：
● 对控制计划中包含的测量系统要进行MSA
● 分析方法及接受准则应与MSA参考手册一致。
● 经顾客批准，可以采用其它方法及接受准则。
MSA与AIAG其它参考手册的关系
● PPAP手册中规定：对新的或改进的量具，测量和试验设备应参考MSA手册进行变
差研究。
● APQP手册中，MSA为“过程设计与开发”、“产品/过程确认”阶段的输出之一。
● SPC手册指出MSA是控制图必需的准备工作。
● FMEA手册指出MSA是对现行的探测控制方法的探测度产生影响。
1.8、类型1量具研究
第8节 “类型1量具研究”
通常，“类型 1 量具研究”是“量具 R&R 研究”之前执行的，以找出测量系统的缺
陷。在“类型 1 量具研究”中，将分析由一位操作员测量的一个部件的测量值，从而
估计量具本身、量具重复性和测量值精确性中的变异水平。
通过分析一位操作员测量一个参考部件得到的测量值，可以确定测量设备在具有相对
较小变异条件下是否能够测量特定的特性。如果所研究的系统不能满足要求，则必须
调查原因并加以改进，然后才能在生产设置中使用。
如果类型 1 量具研究指出系统能够可靠地测量参考部件，您可能希望扩展测量系统分
析以包括由不同操作员测量不同部件得到的测量值（量具 R&R 研究）。
类型1量具案例说明
某组织要验证一种新的超声波测量系统，该系统用于测量保护性硬涂层的厚度。已选
择了一个样本组块作为参考。参考硬涂层厚度是 0.025“。一位操作员使用新系统测
量参考组块50次。
数据：硬涂层.MTW （在minitab样本数据文件夹中）
From Minitab
运行图包括下列各项：
• 表示单个测量值的标绘点
• 绿色水平参考线 (Ref)，是标准的参考值
• 红色水平线，从参考值和公差的10%计算得到此图允许您以测量顺序查看测量值相对于规格范围
如何变化。您可以看到接近于参考线的测量值、在整个规格范围内变化的测量值、或超过 20% 公
差范围（+/‐ 10% 公差）的测量值；
minitab输出示例解释
•对于厚度数据，大部分测量值落入 +/‐10% 的规格范围内，但是，因为某些点超过了这个限度，
您应质疑系统的能力。请注意，此处是由一位操作员测量一个部件得到的结果，因此大部分变异
是由于测量系统的能力导致的。
基本统计量由测量值数据的摘要组成，这些数据包括：
⚫ 参考：表示标准的给定或已知测量值。
⚫ 均值：即标准的所有测量值的均值。
⚫ 标准差：即标准的所有测量值的标准差。
⚫ 6*标准差 (SV)：即6乘以标准差，该值表示研究变异，6 是默认值，您可指定其他值。
⚫ 公差 (Tol)：即测量分量的公差范围。它是规格上限和下限之间的差。
这些统计量给出了测量值的总体特征。查看均值与参考值的接近程度和标准差的大小是有帮助的。
对于厚度数据，均值 (0.024985) 略低于参考值(0.025)，并且标准差(0.0000438)很小；但是，
公差(0.0007)也很小，为测量值中的变异只留下了很小的空间。
偏倚统计量包括：
⚫ 偏倚：即均值与参考值之差。
⚫ T：即用于测试偏倚 = 0 的原假设的 T 统计量。
⚫ P 值：即T呈自由度为n‐1的t分布时的概率 (|T|>t)，其中 n是测量值的数目。这些值指示在测
量值中是否存在显著偏倚。
解释
对于厚度数据，p 值为0.021，这表示偏倚=0 的检验的原假设必须被拒绝。测量系统中存在显
著的偏倚，尽管该值看起来很小 (‐0.000015)。
能力指数包括下列各项：
⚫ Cg，比较公差与测量变异。
⚫ Cgk，比较公差与测量变异和偏倚。
这些值指示测量系统是否能够一致且准确地测量部件。
解释
对于厚度数据，两个指数都小于典型阈值 1.33（Cg = 0.53，Cgk = 0.42）；测
量系统不能满足要求，需要改进。在此例中，%Var（重复性）= 37.50%，%Var（重复性和偏
倚）= 47.52%。这些值远大于15%，再次表明因测量系统导致的变异很大。这些结果表示测量
系统不能一致且准确地测量部件，应该加以改进。
第二章：计量型测量系统研究
第一节 —— 稳定性（Stability）
稳定性（或漂移）是指经过一段长期时间下，用相同的测量系统对同一基准
或零件的同一特性进行测量所获得的总变差。也就是说，稳定性是整个时间
的偏倚变化。
第二章可重复测量系统位置变差和宽度变差分析 31
稳定性研究指南
选取一个样本 ◼ 取一个样本并建立相对于可溯源的标准值
➢ 可选择落在测量中程数的生产零件
定期测量样本3～5次 ➢ 对于稳定性，基准值的具体参考值不需
要知道
将数据画在X-R图上注：建议取预期测量的最低值、最高值和
中程数三个样本，分别作研究更好，可与
线性研究结合
计算控制限，判图
后续持续点图，判图
记录保存
选取一个样本
◼ 按预先制定的测量计划进行
◼ 建议测量25组数据，每组对样本测量
定期测量样本3～5次 3～5次
◼ 测量周期，每组样本重复测量次数组织
根据情况确定，要能反应测量系统随时间
将数据画在X-R图上的变化。
◼ 测量系统初期研究时，测量周期建议要
短，以便了解其稳定性；当初期研究稳定
计算控制限，判图后，测量周期可以逐渐变长。
记录保存
选取一个样本
◼ 计算每一组的平均数
◼ 计算每一组的R 值
定期测量样本3～5次 ◼ 计算总平均
◼ 计算R值的平均
将数据画在X-R图上
记录保存
选取一个样本
◼ 计算控制限
➢ 平均值图： X± A2R
定期测量样本3～5次 ➢ R值图：( D3R , D4R )
◼ 画出控制限，判图：
➢ 先检查R图，是否连续25点都在控制
将数据画在X-R图上界限内，以判定重复性是否稳定。
➢ 再看Xbar图，是否连续25点都在控制
界限内，以判定偏移是否稳定。
计算控制限，判图 ◼ 利用 R / d 2来了解仪器的重复性
记录保存
选取一个样本 ◼ 如果前面的控制图是稳定的,则其控制限可
做为后续继续研究用控制限
◼ 我们后续就固定时间，使用同样的样本、
定期测量样本3～5次
同样的测量仪器，同样的测量人员。
◼ 由于样本、量具、人都是固定的，若绘来
将数据画在X-R图上的图形有异常，说明测量系统存在特殊原因，
一般情况可能是量具出问题了，要采取相应
的措施。
计算控制限，判图 ◼ 异常的判定准则（8个准则） A点：一点超
出控制界限 A线：连续6点上升或下降，连续
14点交错，连续9 点在同一侧。 A面：非随机
后续持续点图，判图性分析，在±σ的范围内应覆盖68%的概率。
记录保存
选取一个样本
◼ 稳定性分析的记录要保存下来，可以和
PPAP档案存放在一起，以有效证明公司
定期测量样本3～5次的测量仪器其测量能力是足够的。
将数据画在X-R图上
记录保存
范例——稳定性
为了确定某一新测量仪器的稳定性是否为可接受，过程小组选取了生产过程输出范
围中接近中间值的一个零件。该零件被送到了测量实验室，经测量其参考值确定为
6.01。小组每班测量该零件5次，共测了四周（20个子组）：收集到所有数据后，
画了Xbar-R图:
造成不稳定的可能因素有：
➢ 仪器需要校准，缩短校准周期
➢ 仪器、设备或夹具的磨损
➢ 正常的老化或损坏
➢ 维护保养不好——空气、动力、液体、过滤器、腐蚀、尘土、清洁
➢ 基准的磨损或损坏，基准的误差
➢ 不适当的校准或使用基准设定
➢ 仪器质量不好——设施或符合性
➢ 仪器缺少稳健的设计或方法
➢ 不同的测量方法——作业准备、载入、夹紧、技巧
➢ 变形（量具或零件）
➢ 环境变化——温度、湿度、振动、清洁
➢ 错误的假设，应用的常数不对
➢ 应用—零件数量、位置、操作者技能、疲劳、观测误差（易读性、视差）
第二节偏倚研究指南——独立样件法
选取一个样本
◼ 取一个样本并建立相对于可溯源的标准值
➢ 可选择落在测量中程数的生产零件
测量样本十次以上 ➢ 测量零件大于等于10次，参考值已确定
并有较高的置信度（可采用更高分辨率的
将数据画出直方图已经过分析的稳定测量系统获得）
注：建议取预期测量的最低值、最高值和
计算均值和标准差中程数三个样本，分别作研究更好，若有
偏倚，可再做线性研究。
计算EV%
确定t统计量并判定
记录保存
偏倚研究指南
选取一个样本
◼ 由现场实际操作该仪器的人员测量样本，
由他们测量可以真正了解公司的测量偏差
测量样本十次以上（测量系统中的人）
◼ 测量样本数10次以上（建议15次）
将数据画出直方图
★ 评价人测量时，要想出办法，使其不知
道测量的是同一个样品，使其对偏倚的记
计算均值和标准差忆最小化。
计算EV%
记录保存
偏倚研究指南
选取一个样本
◼ 将数据画成直方图，并标注基准值
◼ 对直方图进行评审，确定是否存在异常
测量样本十次以上（即直方图近似服从正态分布）
◼ 若无异常，可继续分析
计算均值和标准差
计算EV%
记录保存
偏倚研究指南
选取一个样本
◼ 计算测量读数的均值
测量样本十次以上 x1 + x2 + ... + xn
X= ; n = 测量次数
n
将数据画出直方图 ◼计算标准差（重复性）
R max( xi ) − min( xi )
σr = = ;
计算均值和标准差 d 2* d 2*
这里 d 2* 可以查表得到，g＝子组数量=1，
计算EV% m＝子组大小/容量=n
记录保存
偏倚研究指南
选取一个样本
◼通过计算%EV确定此重复性是否可以被
接受
测量样本十次以上 %EV = 100 [ EV/TV ] = 100 [σrepeatability / TV ]
◼这里的总变化 (TV) 是基于预期的过程差
将数据画出直方图异 (首选)或被6划分的规格范围。如果
%EV是大的，那么这个测量系统的变化
可能不被接受。因为偏倚分析假定重复性
计算均值和标准差是可以接受，所以继续运用一个%EV值大
的测量系统进行分析会导致误导与混淆的
计算EV% 情况。
记录保存
偏倚研究指南
选取一个样本
◼ 计算t统计量
测量样本十次以上偏倚bias = X − 参考值;
X的标准偏差σ b = σ r / n ;
将数据画出直方图 X −u
t = bias /σ b = ; u = 参考值
σr / n
计算均值和标准差 ◼给定置信水平α，b 确定置信区间（偏倚

的不确定度），判断0是否落在该区间
 d 2σ b d 2σ b 
计算EV% bias − t a (n − 1); bias + t a (n − 1)
 d 2* 2 d 2* 2 
记录保存
偏倚研究指南
选取一个样本
◼ 偏倚分析的记录要保存下来，可以和
PPAP 档案存放在一起，以有效证明公司
测量样本十次以上的测量仪器其测量能力是足够的。
计算均值和标准差
计算EV%
记录保存
范例——偏倚
一个制造工程师评价了一个用于过程监控的新测量系统。测量设备的一项分析证明
该测量系统应该没有线性误差的考量，所以该工程师只需对测量系统的偏倚进行评
价。他基于一份已文件化的过程变差描述，在这测量系统操作范围内选取了一个零
件；通过对该零件进行了全尺寸测量来确定它的参考值，然后由主要操作者测量该
零件15次。
单样本t检验直方图
测量次数参考值=6.0 偏倚（均值的 Ho 和 95% t 置信区间）
1 5.8 -0.2
4
2 5.7 -0.3
3 5.9 -0.1
4 5.9 -0.1 3
5 6.0 0.0
6 6.1 0.1 2
频率
7 6.0 0.0
8 6.1 0.1
9 6.4 0.4 1
10 6.3 0.3
11 6.0 0.0 0 _
X
12 6.1 0.1
Ho
13 6.2 0.2
14 5.6 -0.4 5.6 5.8 6.0 6.2 6.4
样本值
15 6.0 0.0
From Minitab
计算过程
mu = 6 与 ≠ 6 的检验
变量 N 均值标准差均值标准误 95% 置信区间 T P

测量值 15 6.0067 0.2120 0.0547 (5.8893, 6.1241) 0.12 0.905
结论：
判定准则1：t=0.1153＜ta/2=2.14，差异不显著，测量系统偏倚可接受；
判定准则2：0落在偏倚的置信区间（-0.1107,0.1241）内，测量系统偏倚可接受；
判定准则3：P=0.905＞a=0.05值，测量系统可接受。
偏倚研究的分析：
如果偏倚在统计上不等于0，检查是否存在以下原因：
➢ 基准件或参考值有误，检查确定标准件的程序。
➢ 仪器磨损。这问题会在稳定性分析中呈现出来，建议进行维修或重新整修计划。
➢ 仪器产生错误的尺寸。
➢ 仪器所测量的特性有误。
➢ 仪器没有经过适当的校准。对校准程序进行评审。
➢ 评价者使用仪器的方法不正确。对测量指导书进行评审。
➢ 仪器纠正的指令错误
测量系统的偏倚不等于零怎么办？
如果测量系统的偏倚不等于零。若有可能，应该采用硬件修正法、软件修正法或同
时使用这两种方法来对量具进行重新校准以达到零偏倚。如果偏倚不能调整到零，
通过变更程序（如：对每个读值根据偏倚进行修正）还可以继续使用该测量系统。
由于存在评价者误差这一高度风险，因此这种方法只能在取得顾客同意后方能使用。
第三节 —— 线性（ Linearity ）
线性是在测量设备预期的工作（测量）量程内，偏倚值的差异。线性可被视
为偏倚对于量程大小不同所发生的变化。
线性研究指南
选取至少5个样本
◼ 取至少5个样本，样本测量值要覆盖测量
仪器一定的量程范围。
测量样本十次以上 ➢ 测量零件大于等于10次，参考值已确定
并有较高的置信度（可采用更高分辨率的
计算偏倚和偏倚均值已经过分析的稳定测量系统获得）
绘制线形图
计算EV%
画出偏倚=0并判定
记录保存
线性研究指南
◼ 随机化选择样本让评价人测量
◼ 由现场实际操作该仪器的人员测量样本，
测量样本十次以上由他们测量可以真正了解公司的测量偏差
◼ 测量样本数10次以上
计算偏倚和偏倚均值
★ 评价人测量时，要想出办法，使其不知
道测量的是同一个样品，使其对偏倚的记
绘制线形图忆最小化。
计算EV%
记录保存
线性研究指南
◼ 计算每个样本的偏倚
测量样本十次以上 biasi = X i − 参考值;
X i = 第i个样本n次测量的均值
绘制线形图
计算EV%
记录保存
线性研究指南
选取至少5个样本 ◼ 对计算出的偏倚均值和基准值建立线性
关系：yi = axi + b ，xi 是各个样本的参考
值， yi 是各个样本的偏倚；
测量样本十次以上 ◼ 利用最小二乘法计算出斜率a和截距b ，
以及在置信水平为α下的置信区间
k
1 k k
计算偏倚和偏倚均值  xi yi −  i  yi
x
k i =1 i =1
a= i =1
2
; b = yi − a xi ;
k
1  k
 xi −   xi 
2
k  i =1 
绘制线形图
i =1
◼ 对于一个已知的x0，α置信水平区间为：
y0 − t a / 2 , ( k − 2 ) s y
下限：
1
+
(
x0 − x ) 2
( )
;
k  xi − x 2
计算EV%
y0 + t a / 2 , ( k − 2 ) s y
上限：
1
+
(
x0 − x )
2
( )
;
k  xi − x 2
sy =
y i
2
− b yi − a  xi yi
;
记录保存 k −2
线性研究指南
◼ 计算重复性差异的标准偏差
σrepeatability = S
测量样本十次以上 ◼通过计算%EV确定此重复性是否可以被
接受
计算偏倚和偏倚均值 %EV = 100 [ EV/TV ] = 100 [σrepeatability / TV ]
◼这里的总变化 (TV) 是基于预期的过程差
异 (首选)或被6划分的规格范围。如果
绘制线形图 %EV是大的，那么这个测量系统的变化
可能不被接受。因为偏倚分析假定重复性
计算EV% 是可以接受，所以继续运用一个%EV值大
的测量系统进行分析会导致误导与混淆的
情况。
记录保存
线性研究指南
◼ 画出“bias＝0”的直线
◼ 若“bias＝0”的直线完全在拟合线置信
测量样本十次以上带以内，则线性可接受；否则，线性不可
接受
★ 也可对回归系数a、b进行显著性检验。
a b
t=  t (k − 2); t=  t (k − 2);
绘制线形图 Sa Sb
Sy ( x) 2
Sa = Sb = S y
1
+ n
计算EV% n
 ( xi − x) 2 n  ( x − x) 2
i =1 i =1
i
记录保存
线性研究指南
◼ 偏倚分析的记录要保存下来，可以和
测量样本十次以上的测量仪器其测量能力是足够的。
绘制线形图
计算EV%
记录保存
范例——线性
某工厂检验员对某过程引进了一套新测量系统。作为PPAP的一部分，需要对测量系
统的线性进行评价。根据已文件化的过程变差描述，在测量系统的全部工作量程范
围内选取了五个零件。通过对每个零件进行全尺寸检验从而确定它们的参考值，然
后由主要操作者对每个零件测量12次。在分析中，这些零件是随机抽取的。
参考值 1 2 3 4 5
测量次数 2.00 4.00 6.00 8.00 10.00
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
4 2.50 5.00 5.90 7.70 9.30
5 2.70 3.80 6.00 7.80 9.40
6 2.30 3.90 6.10 7.80 9.50
7 2.50 3.90 6.00 7.80 9.50
8 2.50 3.90 6.10 7.70 9.50
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
偏倚bias 0.49167 0.125 0.025 -0.29167 -0.61667
第二章：计量型测量系统研究 From Minitab
量具线性和偏倚研究
报表人:
量具名称: 公差:
P小于0.05，线性显著
研究日期: 其他:
量具线性
自变量系数标准误系数 P
回归常量 0.73667 0.07252 0.000
95% 置信区间
1.0 斜率 -0.13167 0.01093 0.000
数据
平均偏倚 S 0.239540 R-Sq 71.4%
0.5 量具偏倚
参考偏倚 P
平均 -0.053333 0.040
2 0.491667 0.000
偏倚
0.0 0 4 0.125000 0.293

6 0.025000 0.688
8 -0.291667 0.000
10 -0.616667 0.000
-0.5
Bias=0未被置信带覆盖，
存在线性问题。
-1.0
2 4 6 8 10
参考值
线性研究的分析：
造成线性误差的可能原因如下：
➢ 仪器需要校准，缩短校准周期
➢ 仪器、设备或夹具的磨损
➢ 维护保养不好—空气、动力、液体、过滤器、腐蚀、尘土、清洁
➢ 基准的磨损或损坏，基准的误差——最小/最大
➢ 不适当的校准（没有涵盖操作范围）或使用基准设定
➢ 仪器质量不好——设施或符合性
➢ 缺乏稳健的仪器设计或方法
➢ 应用了错误的量具
➢ 不同的测量方法——作业准备、载入、夹紧、技巧
➢ 随着测量尺寸不同，（量具或零件）变形量不同
➢ 环境——温度、湿度、振动、清洁
➢ 错误的假设，应用的常数不对
➢ 应用—零件数量、位置、操作者技能、疲劳、观测误差（易读性、视差）
第四节 —— 重复性和再现性
可以使用不同的方法进行计量型量具的研究。本节将详细讨论三种可接受的方法。
它们是：
◆ 极差法（Range method）
◆ 均值—极差法（Average and Range method）
◆ 方差分析法（ANOVA method）
极差法
选取2个评论人5个样本
◼ 取5个样本，且5个样本需要代表整个过
程的变差。
2个评论人各将每个零件
测量一次，并记录数据
计算每个子组的极差和极
差均值
计算零件的重复性和再现
性R&R
计算R&R占总过程变差的
百分比
分析/判断/记录
极差法
2个评论人各将每个零件评价人
零件号评价人A 极差R
测量一次，并记录数据 B
1
计算每个子组的极差和极 2
差均值 3
4
性R&R 5
百分比
极差法
测量一次，并记录数据 n
计算每个子组的极差和极 R i
差均值 R= i =1
;
n
性R&R
百分比
极差法
差均值 R&R = R/d ;
*
2
性R&R
百分比
极差法
R&R
%R & R = ;
过程标准偏差
差均值
◼ 其中过程标准偏差需要从以往的统计
计算零件的重复性和再现数据中获得。
性R&R
百分比
极差法
◼ 按照%GRR的接收准则进行分析判断。
◼ 极差分析法极差法是一种经修正的计量
2个评论人各将每个零件型量具研究方法，它能对测量变差提供一
个快速地的近似值。
◼ 这方法只能对测量系统提供变差的整体
情况，不能将变差分解成重复性和再现
差均值
性。它通常用来快速地检查以验证GRR
是否有变化。
性R&R
百分比
极差法量具研究
均值极差法—step1. 数据收集
选取10个零件，3个评价
人
每个人测量10个零件3次，
◼ 10个零件事先需要编号；
记录数据
◼ 样本代表过程变差；
计算每个人测量的极差均
值和平均值
均值极差法将变差分为三个部分：零件，
测量人和重复性。但是并不考虑人和零件
的交互；
计算总的极差均值和控制
线
计算总均值X和均值总变
差Xdiff
计算均值的极差RP
人
每个人测量10个零件3次， ◼测量的时候，每个的人测量尽可能随机。
记录数据
避免产生测量记忆。同时将测量后的结果
填入数据收集表中
值和平均值
线
差Xdiff
计算零件均值的极差RP
人
◼ 计算每个人的极差均值
每个人测量10个零件3次， Ra , Rb , Rc
记录数据
◼ 计算每个人的均值
值和平均值 X a, X b, X c
线
差Xdiff
人
◼ 计算总的极差均值
每个人测量10个零件3次， Ra + Rb + Rc
R= ;
记录数据 3
◼ 计算控制线：
计算每个人测量的极差均参照X-R图控制线计算公式
值和平均值
线
差Xdiff
人
◼ 计算总的均值
每个人测量10个零件3次， Xa + Xb + Xc
X= ;
记录数据 3
◼ 计算均值变差
值和平均值 (
X DIFF = R X a , X b , X c )
计算总的极差均值和控制 ( ) (
= max X a , X b , X c − min X a , X b , X c )
线
差Xdiff
人
每个人测量10个零件3次， ◼ 计算零件均值的极差
记录数据
X 1 , X 2 ...X 9 , X 10 表示10个零件9次测量的均值；
计算每个人测量的极差均 ( )
RP = R X 1 , X 2 ...X 9 , X 10
= max (X , X ...X , X ) − min (X , X ...X , X )
值和平均值
1 2 9 10 1 2 9 10
线
差Xdiff
均值极差法—step2. 计算各变差
计算重复性/设备变差EV
计算再现性/人员变差AV ◼ 计算重复性/设备变差
计算R&R EV = R  K1 = R / d *
2
K1 = 1 / d 2* ,
计算PV
对应于d 2表的计算容量m = 3，计算数量g = 30
计算AV
计算各个变差百分比
计算分级数ndc
计算再现性/人员变差AV ◼ 计算再现性/测量人变差
AV = (X  K2 )
2
−
( EV )
2
;
计算R&R DIFF
nk
计算PV K 2 = 1 / d 2* , 计算容量 = 3，计算数量 = 1
n = 重复测量次数， k = 零件数
计算AV
若平方根下为负，则默认AV=0
计算分级数ndc
计算再现性/人员变差AV
◼ 计算重复性&再现性变差
计算R&R
R&R = (EV ) + ( AV )
2 2
计算PV
计算AV
计算分级数ndc
◼ 计算零件变差
计算R&R
PV = R p  K3
计算PV K 3 = 1 / d 2* ,
对应于d 2表的计算容量m = 10，计算数量g = 1
计算AV
计算分级数ndc
◼ 计算总变差
计算R&R
TV = (R & R)2 + (PV )2
计算PV
计算AV
计算分级数ndc
◼ 计算各变差百分比
% EV = 100  (EV / TV )
计算R&R % AV = 100  ( AV / TV )
计算PV % R & R = 100  (R & R / TV )
计算AV % PV = 100  (PV / TV )
计算分级数ndc
◼ 计算分级数ndc
计算再现性/人员变差AV 这个分级数就是覆盖产品变差所需要的
97％置信区间的测量系统变差的数量。
计算R&R
ndc = 1.41 (PV / R & R )
计算PV
计算AV
计算分级数ndc
均值极差法—step3.判定
对R&R判定
GRR 判定
≤10% 测量系统可接受
对ndc判定
考虑维修成本等因素或许
10%—30% 可以接受，但是必须得到顾
客的批准
对Xbar图判断
测量系统不可以接受，必
＞30%
须进行改进
对R图判断
对R&R判定
对ndc判定分级数（ndc）要大于等于5，即测
量系统可接受
对Xbar图判断
对R图判断
对R&R判定 ➢ Xbar图可用来确认评价人之间的一致性；
➢ Xbar图可用来显示测量系统实用性。
◼ 控制限以内的区域表示测量的敏感性
对ndc判定（干扰）。由于研究中所使用的零件组代
表了过程变差，大约一半或一半以上的平均值
应该落在控制限之外。如果数据呈现这样的
图形，则测量系统应该是适合进行检验出
对Xbar图判断零件之间的变差，以及能为过程的分析和
控制提供有用的信息；如果少于一半的数
据点落在控制限之外，则测量系统的有效
对R图判断分辨率不足，或这样本不能代表预期的过
程变差。
对R&R判定 ◼ 极差图被用来确定过程是否受控
•原因是不论测量误差可能有多大，控制限将包含
该误差。这就是为什么要在进行相应的测量系统
研究之前，需要识别并消除特殊原因变差的原因。
•将由每个评价人对每个零件多次测量读值的极差，
对ndc判定
画在一个包括了极差平均值和控制限的标准极差
图上。从被画在图上数据的分析，可以得到一些
有用的解释。如果所有的极差均受控，则说明所
有评价人都进行了相同的工作。
对Xbar图判断 ➢ 如果某个评价人是在控制限之外，则说明他使
用的方法与其它人不一致。
➢ 如果所有的评价人均有一些超出控制范围的点，
则说明该测量系统对评价人的技巧较敏感，需要
对R图判断进行改进以获得有效的数据
第二章：计量型测量系统研究 From Minitab part 1
量具 R & R ( X b a r / R )
报表人:
变异分量 C3 × C1
100 % 贡献 2
% 研究变异
百分比
50 0
-2
0
量具 R&R 重复 (Repeat) 再现性部件间 1 2 3 4 5 6 7 8 9 10
C1
R 控制图（按评价人）
A B C C3 × C2
1.0 2
UCL=0.866
样本极差
0.5 _
R=0.336 0
0.0 LCL=0
1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 -2
零件
A B C
C2
Xbar 控制图（按评价人）
A B C C1 乘 C2 交互作用
2
2 C2
样本均值
__ A
UCL=0.344 B
0 X =-0.000
LCL=-0.344 平均 0 C
-2
1 2 3 4 5 6 7 8 910 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
-2
零件 1 2 3 4 5 6 7 8 9 10
C1
◼ 结果分析： From Minitab part 2

➢ %R&R=26.54%，测量系统的可接方差分量
受性处于灰色区域，必须得到顾客的来源
合计量具 R&R
方差分量
0.09235
贡献率
7.04
批准；重复性 0.03947 3.01
➢ ndc=5，测量系统的可接受性必须再现性 0.05288 4.03
部件间 1.21909 92.96
得到顾客的批准；可考虑提升测量系合计变异 1.31144 100.00
统的分辨率；
➢ 对均值图进行评价可知：测量系统研究变异 %研究变
有足够的解析度来测量样本零件所来源
合计量具 R&R
标准差(SD)
0.30389
(6 * SD)
1.82336
异 (%SV)
26.54
代表的过程变差。没有发现明显的评重复性 0.19866 1.19197 17.35
价人与评价人之间的差别。再现性
部件间
0.22997
1.10412
1.37980
6.62474
20.08
96.41
➢ 对均值图进行评价可知：评价人的合计变异 1.14518 6.87108 100.00
变差之间存在差异,评价人B的重复性
变差较大，需要改进。可区分的类别数 = 5
过程差异（TV）：
一般有4个不同的方法来确定过程差异，此过程可被用于分析测量差异的可接受性。
◆ 使用过程差异
过程差异取自于部分GRR研究本身，
当所取样本代表了预期的过程差异时使用；
◆ 替代过程差异
当没有足够的样本代表过程，但却存在一个拥有相似差异的过程时使用；
◆ Pp(or Ppk)目标值
当没有足够的样本代表过程，但却存在一个拥有相似差异的过程或新过程差异
预期将比此已存在过程更少时使用；
◆ 规范公差
当测量系统被用于分类此过程，并且此过程的Pp小于1.0时使用。
使用历史差异信息
如要使用此方法，那么这些信息必须来自于一个统计控制内的过程。如果已知该过
程差异，且它的值是以6σ为基础，则可用它来代替从量具研究数据中得到的总研究
变差 ( TV )。也就是说可通过以下两个公式进行计算完成：
Process Variation
TV =
6
PV = (TV )2 − (R & R)2

使用Pp （or Ppk）目标值
为了使用PP选项，则需要在GRR分析中使用以下方程计算出来的TV
USL − LSL
TV =
6 Pp
PV = (TV )2 − (R & R)2
使用公差（规范范围）
当把GRR研究的测量误差与公差进行对比时，就如同把此误差与Pp为1.00的生产过
程进行对比。OEM客户很少会预期过程差异低至Pp(k)值为1.00，他们也不会接受
一个如此低程度的过程。把测量差异与一个达到客户要求的生产过程表现来对比更
有意义。为了该选项，则需在GRR分析中使用以下方程计算出来的TV。
USL − LSL
TV =
6
PV = (TV )2 − (R & R)2

➢ 一旦确定了在量具研究中各个因素的变差后，可将它们与总变差（TV）进行比
较。也就是完成量具报告表中右侧“总变差%”下方的计算。
➢ 每个因素所占的百分比之和将不等于100%。
➢ 需要对各类变差的百分比结果进行评价，以确定该测量系统对其预期的使用是否
为可接受。
R&R研究的分析：
造成重复性的可能原因包括：
➢ 零件内部（抽样样本）：形状、位置、表面光度、锥度、样本的一致性
➢ 仪器内部：维修、磨损、设备或夹具的失效、质量或保养不好
➢ 标准内部：质量、等级、磨损
➢ 方法内部：作业准备、技巧、归零、固定、夹持、点密度的变差
➢ 评价人内部：技巧、位置、缺乏经验、操作技能或培训、意识、疲劳
➢ 环境内部：对温度、湿度、振动、清洁的小幅度波动
➢ 错误的假设——稳定、适当的操作
➢ 缺乏稳健的仪器设计或方法，一致性不好
➢ 量具误用
➢ 失真（量具或零件）、缺乏坚固性
➢ 应用——零件数量、位置、观测误差（易读性、视差）
造成再现性的可能原因包括：
➢ 零件之间（抽样样本）：使用相同的仪器、操作者和方法测量A、B、C零件类型
时
的平均差异。
➢ 仪器之间：在相同零件、操作者和环境下使用的A、B、C仪器测量的平均值差异。
注意：在这种情况下，再现性误差通常还混有方法和/或操作者的误差。
➢ 标准之间：在测量过程中，不同的设定标准的平均影响。
➢ 方法之间：由于改变测量点密度、手动或自动系统、归零固定或夹紧方法等所造
成的平均值差异。
➢ 评价人（操作者）之间：评价人A、B、C之间由于培训、技巧、技能和经验所造
成的平均值差异，推荐在为产品和过程鉴定和使用手动测量仪器时使用这种研究方法。
➢ 环境之间：在经过1、2、3等时段所进行的测量，由于环境周期所造成的平均值差
异，这种研究常用在使用高度自动化测量系统对产品和过程的鉴定。
➢ 研究中的假设有误。
➢ 缺乏稳健的仪器设计或方法。
➢ 操作者培训的有效性。
➢ 应用—零件数量、位置、观测误差（易读性、视差）
GRR结果分析：
◼ 重复性比再性大
➢ 仪器需要维护。
➢ 量具刚度不足。
➢ 夹紧和检测点需改进。
➢ 零件内变差（失圆、锥度等）过大。
◼ 再现性比重复性大
➢ 评价人培训不足。
➢ 刻度不清晰。
➢ 需要某种辅助器具。
方差分析法
变差数分析法(Analysis of variance，ANOVA)是一种标准的统计技术，可用它来分析测量
误差和一测量系统研究中的其它变差来源。在变差的分析中，变差可分解成四类：零件、
评价者、零件与评价者之间的相互作用，以及由于量具造成的重复误差。
方差分析法与 Xbar-R 法的比较

由于利用控制图进行计算比较简单，因而首先产生了Xbar-R法。但是，在某些方
面方差分析法更为准确：
● 利用方差分析法可以研究操作员和部件之间会产生哪些交互作用，而Xbar-R
法却不同。
● 利用方差分析法所用的方差分量对变异性进行的估计比使用Xbar-R法的极差进
行估计更准确。
第二章：计量型测量系统研究 From Minitab part 1
量具 R & R ( 方差分析)
报表人:
变异分量 C3 × C1
100 % 贡献 2
% 研究变异
百分比
50 0
-2
0
量具 R&R 重复 (Repeat) 再现性部件间 1 2 3 4 5 6 7 8 9 10
C1
R 控制图（按评价人）
A B C C3 × C2
1.0 2
UCL=0.866
样本极差
0.5 _
R=0.336 0
0.0 LCL=0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 -2
C1
A B C
C2
Xbar 控制图（按评价人）
A B C C1 乘 C2 交互作用
2
2 C2
样本均值
__ A
UCL=0.344
0 X =-0.000 B
LCL=-0.344
平均
0 C
-2
1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0
1 1 1
-2
C1 1 2 3 4 5 6 7 8 9 10
C1
From Minitab part 2
量具 R&R 研究 - 方差分析法量具 R&R
包含交互作用的双因子方差分析表方差分量
来源方差分量贡献率
来源自由度 SS MS F P 合计量具 R&R 0.08995 7.64
C1 9 88.4745 9.83050 477.043 0.000 重复性 0.03880 3.29
C2 2 3.1464 1.57321 76.343 0.000 再现性 0.05115 4.34
C1 * C2 18 0.3709 0.02061 0.466 0.963 C2 0.05115 4.34
重复性 60 2.6555 0.04426 部件间 1.08797 92.36
合计 89 94.6473 合计变异 1.17791 100.00
删除交互作用项选定的 Alpha = 0.25 研究变异 %研究变

来源标准差(SD) (6 * SD) 异 (%SV)
不包含交互作用的双因子方差分析表合计量具 R&R 0.29991 1.79947 27.63
重复性 0.19698 1.18186 18.15
来源自由度 SS MS F P 再现性 0.22616 1.35694 20.84
C1 9 88.4745 9.83050 253.364 0.000 C2 0.22616 1.35694 20.84
C2 2 3.1464 1.57321 40.547 0.000 部件间 1.04306 6.25834 96.11
重复性 78 3.0264 0.03880 合计变异 1.08532 6.51190 100.00
合计 89 94.6473
可区分的类别数 = 4
第三章：计数型测量系统研究
引言
计数型测量系统是一种测量数值为一有限的分类数量的测量系统。它与能获得一连
串数值结果的计量型测量系统截然不同。通/止规(go/no go gage)是最常用的量
具，它只有两种可能的结果；其它的计数型测量系统，例如目视标准，可能产生五
到七个分类，如非常好、好、一般、差、非常差。在前面章节中所介绍的分析方法
不能被用来评价这样的系统。
如前面所讨论，使用任何测量系统来作结论都会存在有一定程度的风险；由于最大
的风险位于分类的边界处，因此，最合适的分析方法是量化测量系统的变差成为量
具性能曲线。
第三章计数型测量系统分析 98
第一节计数型量具的分析方法——假设检验法
选取样本和测量人员 ◼ 选取20～50个样本，样本数可根据实际
情况而定
◼ 此样本要包括合格、不合格的产品，临
重复判断样本2～3次
界附近的产品（II区）
◼ 研究人员对每一样本取得基准值，并正
将数据记录在表格确判断是否合格
◼ 2～3名现场的测量人员
计算一致性和有效性
判定
记录保存
假设检验法
选取样本和测量人员
重复判断样本2～3次 ◼每个人重复测量2～3次，根据规格作出
是否合格的判定
将数据记录在表格
判定
记录保存

假设检验法
重复判断样本2～3次 ◼ 将测量人员的判定结果记录在表格中
◼ 记“1”为合格；记“0”为不合格
判定
记录保存

假设检验法
重复判断样本2～3次 ◼利用交叉表方法来确定评价人之间和评
价人与基准值之间的一致性
◼ 计算每个评价人作出判定的有效性
判定
记录保存

假设检验法
选取样本和测量人员 ◼ 一致性
➢ Kappa值大于0.75，则一致性好
➢ Kappa值小于0.4，则一致性差
重复判断样本2～3次
◼ 有效性
➢A个人的重复性正确百分比>90%。
将数据记录在表格 ➢A个人和标准值相比较的正确百分比
>90%。
➢A全部测量人员一致的百分比>90%。
计算一致性和有效性 ➢A全部测量人员和标准一致的百分比
>90%。
◼ 万一小于此百分比，则代表此测量系
判定统尚不可以被接受，应做调整。
记录保存

假设检验法
重复判断样本2～3次 ◼风险分析的记录要保存下来，可以和
的测量仪器其测量能力是足够的。
判定
记录保存

范例——假设检验法
➢情景
某生产过程处于统计受控状态，其性能指数为 Pp=Ppk=0.5，这是不可接受的。由于过程正
在生产不合格的产品，于是被要求采取遏制措施以便从生产过程中挑出不可接受的产品。
具体的遏制措施是：过程小组采用一个计数型量具来对每个零件与一指定的限值进
行比较，如果满足限值则可接受该零件，不满足的零件则拒收（如通/止量具）。许
多这样的计数型量具基于一套基准零件来设定接受还是拒收；不像计量型量具，计
数型量具不能显示一个零件多么好或多么坏，它只能指示该零件是被接受还是拒收
（即2个分类）。对于所有量具，计数型量具将会有对零件进行错误判定的“灰色地
带”
过程范例与测量系统有关的灰色区域

由于这还没有被小组文件化，然而，为了指出规格界限的风险所在，小组选择了
(25%零件数量，规格界限低端)与(25%零件数量，规格界限高端)两个抽量范围。
在某些情况，要做到这点是有难度的，因为为了增加结果的变异性，小组可能倾向
于使用一个低百分比的抽量范围。如果不能使零件接近规格界限，小组应该重新考
虑在此过程中使用计量器。考虑到每一种情况的特性，零件应该在可接受的差异中
被单独测量(例如，CMM)。
当需要测量一个用可变计量器难以测量的属性时，则可以使用其他方法进行测量，
例如请专家进行评判样本的好与坏。
需有三个评估人进行评估，并且每一位评估人对每件零件都需有3个评判结果。
设定用1表示可接受的决定，0为不可接受的决定。表Ⅲ- C1中所示的参考决定和计
量参考值在一开始还没有被确定。表Ⅲ-C1还显示了“代码”列，分别用 “－”
“×” “+” 代表零件是否位于Ⅰ区，Ⅱ区及Ⅲ区。
由于小组不知道零件参考决定，他们展开了交叉表格（cross-tabulations）来比
较每个评价者与其它人的结果。
交叉表格的过程为两个或两个以上的分类变相分析了分部数据。被排列在矩阵表中
的结果形成了一个列联表，此表将说明差异之间的依存关系*。

假设检验分析——交叉表法
计数型研究数据表
零件 A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3 参考参考值代码
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 0.520496 +
20 1 1 1 1 1 1 1 1 1 1 0.477236 +
21 1 1 0 1 0 1 0 1 0 1 0.452310 ×
22 0 0 1 0 1 0 1 1 0 0 0.545604 ×
23 1 1 1 1 1 1 1 1 1 1 0.529065 +
24 1 1 1 1 1 1 1 1 1 1 0.514192 +

假设检验分析——交叉表法
零件 A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3 参考参考值代码
25 0 0 0 0 0 0 0 0 0 0 0.599581 -
26 0 1 0 0 0 0 0 0 1 0 0.547204 ×
27 1 1 1 1 1 1 1 1 1 1 0.502436 +
28 1 1 1 1 1 1 1 1 1 1 0.521642 +
29 1 1 1 1 1 1 1 1 1 1 0.523754 +
30 0 0 0 0 0 1 0 0 0 0 0.561457 ×
31 1 1 1 1 1 1 1 1 1 1 0.503091 +
32 1 1 1 1 1 1 1 1 1 1 0.505850 +
33 1 1 1 1 1 1 1 1 1 1 0.487613 +
34 0 0 1 0 0 1 0 1 1 1 0.449696 ×
35 1 1 1 1 1 1 1 1 1 1 0.498698 +
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 -

第一步是总结观测数据。该小组审查了观测数据。无论是同意或不同意，他们都对
每一套评估进行了计算。在A-1=1和B-1=1的地方有34套评估；在A-2=1和B-
2=1的地方有32套评估；在A-3=1和B-3=1的地方有31套评估，即总共有97套。
下表是用于对观测数据A*B的数据分部总结。相似的表格还需用于对观测数据B*C
和A*C的总结。
B
Total
0 1
44 6
0 50
(agree) (disagree)
A
3 97
1 100
(disagree) (agree)
Total 47 103 150

第二部是估计预期数据分部。观察者对于纯偶然观测值赞同与否的可能性是什么?在150
个观察值中，观察者A拒绝拒收这个零件50次，观察者B拒收这个零件47次。
pRAOR = 47/150 = 0.313 pRBOR = 50/150 = 0.333
由于两个观察者是独立的，他们认为这个零件是坏的的概率为：
p(A0 ∩ B0) = pRAOR pRBOR =0.104
观察者A和观察者B认为这个零件是坏的的预期次数可以通过将他们分别认为零件是坏的
次数占总观察值的比例乘以总观察值得到。
150 x (pRAOR pRBOR) =150 x (47/150) x (50/150) = 15.7
为了完成下面的表格，小组对每个观察零件都做了相似的评估:
B
A*B交叉表 Total
0 1 34.3=103*50/150
0 数量 44 6 50
期望的数量 15.7 34.3 50.0
A 68.7=103*100/150
1 数量 3 97 100
期望的数量 31.3 68.7 100.0
总计数量 47 103 50
期望的数量 47.0 103.0 150.0

B
B*C交叉表 Total
0 1
0 数量 42 5 47
期望的数量 16.0 31.0 47.0
A
1 数量 9 94 103
期望的数量 35.0 68.0 103.0
总计数量 51 99 150
期望的数量 51.0 99.0 150.0
B
A*C交叉表 Total
0 1
0 数量 43 7 50
期望的数量 17.0 33.0 50.0
A
1 数量 8 92 100
期望的数量 34.0 66.0 100.0
总计数量 51 99 150
期望的数量 51.0 99.0 150.0

这些表格的目的在于确定评价人之间一致性的程度。为确定这一致性的程度，小组
使用了（cohen的）Kappa，这是用来衡量两个评价人对同一物体进行评价时，其
评定结论的一致性。 Kappa为1时，表示有完全的一致性，为0时，表示一致性不比可
能性来得好。Kappa仅用于表格，表中两个变数有相同的分类值，且两个变数有相
同的分类数量。
Kappa 一种对评价人内部一致性的衡量，它测试在诊断区（获得相同评定的零件）
中的数量与那些基于可能性期望的数量是否有差别。
让 Po= 在评价一致的对角栏框中，观测比例的总和
Pe = 在评价一致的对角栏框中，期望部分的总和
P0 − Pe
Kappa =
1 − Pe

B
例如计算Kappa（A*B): A*B交叉表 Total
0 1
Po=（44+97）/150=0.94 44 6 50
0 数量
Pe=（15.7+68.7）/150=0.563 期望的数量 15.7 34.3 50.0
Kappa（A*B) A
1 数量 3 97 100
=（0.94-0.563）/（1-0.563）期望的数量 31.3 68.7 100.0
= 0.86 总计数量 47 103 50
期望的数量 47.0 103.0 150.0
同理可计算出的各测评人之间的Kappa如下表
Kappa A B C
A —— 0.86 0.78
B 0.86 —— 0.79
C 0.78 0.79 ——

Kappa是一种程度而不是一种试验。通过使用一种渐近的标准误差以形成一个 t 统
计值来判断其大小。通用的比例法则是：
Kappa 值大于0.75则表示有很好的一致性（最大的 Kappa =1）；Kappa 值小于0.40
则表示一致性不好。
上面的分析表明所有评价人与其它评价人之间有良好的一致性。
◆ Kappa不考虑评价人之间的不一致量有多大，只考虑他们之间是不是一致。
◆ Kappa并没有告知测量系统分辨合格/不合格能力因此，经常需再计算和分析测
评人与基准的Kappa
➢ 即这种分析用来对确定评价人之间是否有差异的需求，但不能告诉我们这测量
系统从坏零件中挑选出好零件的能力。在本分析范例中，小组使用一计量型测量
系统来评价零件，并应用其结果来确定其参考决定。
✓使用新的信息建立了另一组交叉表，以便将每个评价人与参考决定进行比较。

Ref 16.0=50*48/150
A*Ref交叉表 Total
0 1
0 数量 45 5 50
期望的数量 16.0 34.0 50.0 68.0=100*102/150
A
1 数量 3 97 100
期望的数量 32.0 68.0 100.0
总计数量 48 102 150
期望的数量 48.0 102.0 150.0
Ref
B*Ref交叉表 Total
0 1
0 数量 45 2 47
期望的数量 15.0 32.0 47.0
A
1 数量 3 100 103
期望的数量 33.0 70.0 103.0
总计数量 48 102 150
期望的数量 48.0 102.0 150.0

Ref
C*Ref交叉表 Total
0 1
0 数量 42 9 51
期望的数量 16.3 34.7 51.0
A
1 数量 6 93 99
期望的数量 31.7 67.3 99.0
总计数量 48 102 150
期望的数量 48.0 102.0 150.0
小组也计算出了Kappa值以确定每个评价人与参考决定之间的一致性。
Kappa A B C
Ref 0.88 0.92 0.77
以上数据可被解释为每个评价人与标准之间有很好的一致性。

然后这过程小组计算这测量系统的有效性。有效性 = 作出正确决定的次数/总决定次数

注：
（1）在所有测量中，评价人本身是一致的。
（2）评价人对所有测量与已知的标准一致。
（3）所有评价人本身与其它人之间是一致的。
（4）所有评价人本身与其它人之间一致，并与参考人一致。
（5）UCI和LCI分别为置信区间边界的上限和下限。
每对评价人之间多次试验的假设可用零假设来表示：H0：两位评价人一致的
有效性。
⚫ 由于每位评价人结果的计算值均落在其它人的自信度区间内，小组决定不能
拒绝零假设。这结论进一步证实了Kappa测量得到的结论。
⚫ 为进一步分析，小组中的一名成员得出下列表格，为每个评价人的结果提
供指南：
决定测量系统有效性错误率错误报警率
评价人可接受的条件 ≥ 90% ≤ 2% ≤ 5%
评价人可接受的条件-可能需要改进 ≥ 80% ≤ 5% ≤ 10%
评价人不可接受的条件-需要改进 < 80% > 5% > 10%

请多指正
* 感谢您的阅读 *

Measurement System Analysis

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Measurement System Analysis

Uploaded by

Copyright:

Available Formats

Measurement System Analysis

≤10% 通常被认为是一个可接受的测量体 当排列或分类零件、需要加强过 程控制时

TS要素: 7.6.1 测量系统分析为分析在各种测量和监视装置测量结果中呈现的变差，

计算均值和标准差 ◼给定置信水平α，b 确定置信区间（偏倚

变量 N 均值 标准差 均值标准误 95% 置信区间 T P

0.0 0 4 0.125000 0.293

◼ 结果分析： From Minitab part 2

PV = (TV )2 − (R & R)2

PV = (TV )2 − (R & R)2

PV = (TV )2 − (R & R)2

方差分析法与 Xbar-R 法的比较

删除交互作用项选定的 Alpha = 0.25 研究变异 %研究变

第三章 计数型测量系统分析 100

第三章 计数型测量系统分析 101

第三章 计数型测量系统分析 102

第三章 计数型测量系统分析 103

第三章 计数型测量系统分析 104

第三章 计数型测量系统分析 105

第三章 计数型测量系统分析 106

第三章 计数型测量系统分析 107

第三章 计数型测量系统分析 108

第三章 计数型测量系统分析 109

第三章 计数型测量系统分析 110

第三章 计数型测量系统分析 111

第三章 计数型测量系统分析 112

第三章 计数型测量系统分析 113

第三章 计数型测量系统分析 114

第三章 计数型测量系统分析 115

第三章 计数型测量系统分析 116

第三章 计数型测量系统分析 117

评价人可接受的条件-可能需要改进 ≥ 80% ≤ 5% ≤ 10%

评价人不可接受的条件-需要改进 < 80% > 5% > 10%

第三章 计数型测量系统分析 118

You might also like

≤10% 通常被认为是一个可接受的测量体当排列或分类零件、需要加强过程控制时

变量 N 均值标准差均值标准误 95% 置信区间 T P

第三章计数型测量系统分析 100

第三章计数型测量系统分析 101

第三章计数型测量系统分析 102

第三章计数型测量系统分析 103

第三章计数型测量系统分析 104

第三章计数型测量系统分析 105

第三章计数型测量系统分析 106

第三章计数型测量系统分析 107

第三章计数型测量系统分析 108

第三章计数型测量系统分析 109

第三章计数型测量系统分析 110

第三章计数型测量系统分析 111

第三章计数型测量系统分析 112

第三章计数型测量系统分析 113

第三章计数型测量系统分析 114

第三章计数型测量系统分析 115

第三章计数型测量系统分析 116

第三章计数型测量系统分析 117

第三章计数型测量系统分析 118