Professional Documents
Culture Documents
Six Sigma
2009
蘇朝墩
©版權所有,未經授權請勿使用及出版
Chapter 11
量測系統分析
2009
蘇朝墩
©版權所有,未經授權請勿使用及出版
Outline
計量型量測系統分析
量測系統誤差
計量型Gage R&R
計數型量測系統分析
計數型量測系統誤差分析
Kappa分析
Minitab統計軟體分析
不可重複型量測系統分析
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 3
Introduction
Measure
通常我們透過量測來獲得所需的數據資料
六標準差利用資料分析來進行決策,而「量
測」是一個非常重要的基礎
你所獲得的量測值(觀測值)是有效的嗎?你
的量測系統的誤差有多大?
計量型量測系統可展示受測物在一連續尺度上的好
壞程度
推薦的分辨力為六倍總流程標準差之1/10
例:一個符合規格之流程的標準差為0.001,則至少應使
用解析度為 (0.001× 6)/10 = 0.0006的量測系統進行量測
也常使用來自gauge R&R study之區別分類數
(number of distinct categories)來協助分析
一個量測系統應該將其所關切的
區域,至少分成5個「數據類別」
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 12
Example: Discrimination
當分辨力不足時,R chart會顯示出jumps或step的現象
Example:
原始資料
平均值
全距
1000
100
975
950
50
925
900 0
平均值 四捨五入後的資料 全距
1000 x x
100
975
950 50
925
900 0
補救措施:使用具有額外分辨力的量測系統,如取更多位有效數字
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 13
Properties of Measurements
對於同一個被量測物,量測系統不管在現在或未來都應產
出相同的量測結果,亦即應具有「穩定性」
必須能夠產生一個接近被量測物之真值或參考值的量測數
字,亦即應該具有較小的「偏倚」。
量測系統應在所有可量測範圍內擁有準確的量測結果,亦
即應具有「線性」的特性
由同一施測人員對同一受測零件進行重複量測時,每次的
量測結果應呈現一致,亦即需具備「重複性」
由經訓練的不同施測人員對同一受測零件進行量測時,應
得到相同的量測結果,亦即量測系統應具有「再現性」
量測系統誤差包括由於量具的穩定性
(stability)、偏倚(bias)、線性(linearity) 、重
複性(repeatability)與再現性(reproducibility)
所結合造成的變異。
Mon.
造成量測系統不穩定的可能原因為:
量具或夾具的損耗或腐蝕、設備的老
化、環境溫度的變化等。
stability
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 16
Example: Stability
Stability可透過管制圖的實施來確定
利用標準件
使用x-bar and R charts: σˆ = R / d 2 σˆ = s / c4
某一標準件,經過精密測定後得知其正確尺寸為
6.00。其後施測人員使用該量測系統對標準件進行
量測,如下
回
1 2 3 4 5 6 7 8 9 10
重複
1 6.01 6.07 5.99 5.89 6.04 5.97 5.97 5.98 6.03 6.03
2 6.07 6.02 5.91 6.00 6.05 6.00 5.98 6.03 6.02 5.99
3 6.10 6.08 5.98 6.01 6.05 5.97 6.03 6.03 6.01 6.03
4 6.03 5.95 5.99 6.02 6.05 5.89 6.01 6.01 6.02 6.07
5 5.99 6.10 6.00 6.09 6.03 6.00 5.98 6.09 6.09 5.97
_
_
X=6.0144
6.00
5.95 LCL=5.9555
1 2 3 4 5 6 7 8 9 10
Sample Group
UCL=0.2160
0.20
Sample Range
0.15
_
0.10 R=0.1021
0.05
0.00 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample Group
此量測系統之穩定性是可接受的
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 18
Bias
Bias係指所觀測到的量測值 (trials under
repeatability conditions)之平均值與基準值之
間的差異(historically referred to as accuracy)
bias
例:
Improper calibration of equipment
reference average
造成線性誤差的原因可能有:儀器未
校正、量具品質不佳、缺乏穩健的量
測方式、受測零件或量具之變形量隨 reference
量測尺寸不同而有所差異等。
Bias大,接近
量測範圍尾端
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 22
Example 11.3: Linearity
Linearity: 在量具之正常工作範圍內之偏倚的
變化量
Example
PART 1 2 3 4 5 6
Ref. value 3.00 5.00 7.00 9.00 11.00 13.00
Measureme
Each part was measured 12 times in a random sequence.
nts
Part average 3.72 5.49 7.11 8.74 10.59 12.34
Bias 0.72 0.49 0.11 -0.26 -0.41 -0.66
偏倚
參考值
線性(linearity)是由最佳適配直線的斜率來決定
The linearity of the gauge: slopeprocess variation (or
tolerance)
% linearity: 100linearity/process variation (or tolerance)
較低的斜率(slope)表示具有較佳的量具線性
0.0
可解釋98.5%的偏倚變異
-0.2
-0.4 偏倚量受量程的不同所影響,
這並非是一個好的量測系統。
-0.6
-0.8
2 4 6 8 10 12 14
Reference
不一致的偏倚
有線性誤差
一致的偏倚
無線性誤差 偏 偏
倚 倚
0 0
偏
倚 量測之量程 量測之量程
0
偏 偏
量測之量程 倚 倚
0 0
量測之量程 量測之量程
在良好的量測系統下,
不論量程的大小,其
所得到的偏倚應該是
相同的。
人員變異(Appraiser variation)
不同的操作人員使用相同的儀器,是否可以量
測出相同的結果? 誤差可能是評價者、環境、方法…
施測人員之間的變異
Frank
Jane
repeatability
reproducibility
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 29
Variability Sources
σ process
2
由特殊原因引起,可能不存在
σ σ product
2 2
Total
不同製造零件間的差異而形成的變異
σ inherent
2
σ repeatabil
2
ity
σ measuremen
2
t
σ reproducib
2
ility
量測系統所造成之變異
In this course
σ = σ +σ
2
T
2
m
2
p
σ = σ +σ
2
T
2
m
2
p
若是,則量測系統是可靠的,也就是
量測所得的數據是可信任的;
若否,則量測系統需要進行改善。
1/10
量測系統變異佔規格公差(Tolerance)之百分比
6σ m
% R & RTolerance = ×100%
USL − LSL
or %P/T
大於30%的誤差,
考慮為不可接受,並且應該改善量測系統
使用以下二個準則
第1項與第2項皆須滿足
[
使用 min % R & RTV , % R & RTolerance ]
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 43
Number of Distinct Categories
區別分類數(ndc):表達量測系統可以可靠的
分辨不同讀數之數目
σ p
Number of distinct categories = ×1.41
σ m
ndc應該採無條件捨去的方式取到整數位值,
而且要大於或等於5
R=
∑ R i
=
0.35
= 0.07
5 5
那麼 σ m 0.0588
%Gage R & R = = = 35.0% > 30%
σ T 0.1680
結論:量測系統需進行改進
g = 子組的個數
d2*
1 2 3 4 5
m= 2 1.41 1.28 1.23 1.21 1.19
子組的大小 3 1.91 1.81 1.77 1.75 1.74
1
1 UCL=0.846
__
X=0.485
0 1 1 LCL=0.124
-1 1
1 2 3 4 5 6 7 8 9 10
Sample Group
0.60 UCL=0.6273
Sample Range
0.45
0.30
_
R=0.192
0.15
0.00 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample Group
σ 儀具
2
R人員 2 2
0.446 0.166
2
σ 人員 = * − = − = 0.311
2
d 重複量測數 × 受測零件數 1 .414 2 × 5
σ 量測 = σ 儀具
2
+ σ 人員
2
= 0.166 2 + 0.3112 = 0.353
R零件 2.930
σ 零件 = = = 1.181
d 2* 2.481
σ 總 = σ 量測
2
+ σ 零件
2
= 0.3532 + 1.1812 = 1.233
σ 量測 0.353
%RR 總變異 = ×100% = ×100% = 28.63%
σ總 1.233
σ 零件 1.181 量測系統的能力不佳
ndc = ×1.41 = ×1.41 = 4.72 ≅ 4
σ 量測 0.353
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 54
Example 11.5: Gage R&R (Average and Range method)
Gage R& R (Xbar/R) for 量測值
Components of Variation 量測值 by 受測零件
100
% Contribution 2
% Study Var
Percent
50 0
0 -2
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5
受測零件
R Chart by 施測人員
1 2 量測值 by 施測人員
UCL=0.6273
2
0.50
Sample Range
_ 0
0.25
R=0.192
0.00 LCL=0 -2
1 2
施測人員
Xbar Chart by 施測人員
1 2 施測人員 * 受測零件 Interaction
施測人員
1.5 1.5 1
UCL=0.846
Sample Mean
2
__
Average
1 2 3 4 5
受測零件
如何改善量測系統之再現性
員工教育、訓練
可能需要某些夾具協助操作員,使其更具一致性的使用
量具
清楚定義操作程序,使容易執行
綜合三個量測類別的偏倚,該量測系統的線性為:
線性 = 0.028 − (−0.027) = 0.055
g1 g2
f1 × + f 2 ×
a+d n n
Po = Pe =
n n
a 表示被施測人員A及施設人員B皆判定為類別0的受測物數量;
d 表示被施測人員A及施設人員B皆判定為類別1的受測物數量;
f1 × g1 / n 為二施測人員一致地將受測物判定類別1的期望數量;
f 2 × g 2 / n 為二施測人員一致地將受測判定為類別0的期望數量;
清華大學 工業工程與工程管理學系 蘇朝墩 編 Pg 75
Example: Kappa Analysis
計數型量測系統Kappa分析之數據
施測人員A 施測人員B 施測人員C
受測物 真值
A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3
1 1 1 1 1 0 1 1 1 1 -1
2 0 0 0 0 0 0 0 0 0 0
3 -1 0 -1 -1 -1 1 -1 -1 -1 -1
4 1 1 1 1 1 1 1 1 1 1
5 -1 -1 -1 -1 0 -1 -1 -1 -1 -1
6 -1 -1 -1 0 -1 -1 -1 1 -1 -1
7 0 0 0 0 0 0 0 0 0 0
8 1 1 1 1 1 1 1 1 1 1
9 1 1 0 1 1 1 1 1 0 1
10 1 1 1 1 1 1 1 1 1 1
11 0 0 0 1 0 -1 0 0 0 0
12 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
13 0 0 0 0 0 0 0 1 0 0
14 1 1 1 1 1 1 1 1 1 1
15 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
分析結果顯示:
• 所有施測人員得到的量測結果與真值間具有良好的一致性
(Kappa係數大於0.75)
• 施測人員A與施測人員C的量測結果亦具有一致性
• 施測人員A與B,以及施測人員B與C之間的量測一致性則仍須加強
Within Appraisers
Assessment Agreement
Appraiser # Inspected # Matched Percent 95 % CI
A 15 11 73.33 (44.90, 92.21)
B 15 11 73.33 (44.90, 92.21)
C 15 11 73.33 (44.90, 92.21)
# Matched: Appraiser agrees with him/herself across trials.
Between Appraisers
Assessment Agreement
# Inspected # Matched Percent 95 % CI
15 8 53.33 (26.59, 78.73)
# Matched: All appraisers‘ assessments agree with each other.
0.2 R 0.053
UCL = 0.1743 σm = = = 0.047
d 2 1.128
0.1
R = 0.0533 n 2 3 4
LCL = 0.000 d2 1.128 1.693 2.059
1 2 3 4 5 6
When tracking the consistency of the process, it is best to use the x-mR chart.