测量系统分析MSA

1
课程内容
z第一讲 统计技术基础知识
z第二讲 MSA概述
z第三讲 MSA和TS16949
z第四讲 测量系统理论知识
z第五讲 计量型MSA分析
z第六讲 计数型MSA分析
z第七讲 破坏型MSA分析
z第八讲 总结

2
第一章 统计技术基础知识
数据类型
‧计数型 计量型

Caliper
NO-GO GO

SHIPPING ORDER

QTY UNIT DESCRIPTION TOTAL

1 $10.00 $10.00
3 $1.50 $4.50
10 $10.00 $10.00
2 $5.00 $10.00 ERROR
Time

On Off
TEMPERATURE

Thermometer

3
计量型数据的优点

需要较多的样本 Attribute Continuous 仅需要较少样本

以做决策 就可做决策

稀少的信息 富裕的信息

x
x x
Good Bad
Good Bad

4
计量数据的基本统计—数据分布

‧ 对一个相同的输出变量Y期多个数据点绘图它们形成了
一个分布。
‧ 这些数据点的堆积可以不同的图形来代表：
–散点图/概率图
–直方图

5
连续性数据─中心趋势的测量

n
‧ 平均值
–一组数据的算术平均值数法
∑x n
X= i =1
‧均等反映了所有数据的影响 n
‧会受极端值强烈影响
‧ 中位数
–反映50%的那个位置
~
X
–对一组排序数据点的中心数
–对极端值较＂坚耐＂

6
连续型数据─变异的测量

‧极差: Range = max− min

–一组数据中最大值与最小值之间的
差

‧标准偏差(s ; s) : n
–等于方差的平方根，在量化变异时 ∑ i
(X − X ) 2

常用会到 s= i =1
n −1

方差等于标准偏差的平方，通常只是为了计算的目的

7
连续型数据─了解极差

ƒ 以下数据的极差是多少？
‧ 1, 2, 3, 4, 5, 6, 7, 8, 9

ƒ 以下数据的极差是多少
‧ 1, 2, 3, 4, 5, 6, 7, 8, 200

‧ 标准偏差可以用计算机来计算（EXCEL里的STDEV公式）

8
计算标准差

6 2+42+12+32+62
s2 = ----------------------- = 24.5 ==> s = 4.95
4 (=n-1)
Measurements
701
696
694
706
4 1 703
6 3
6
x
694 696 698 700 702 704 706

9
连续性数据─平滑(正态)分布

‧假定数据符合正态分布
–假设收集到无限多的数据，这些数据可能看起来像下图
‧我们可将这些数据看成平滑的分布
–红线 x
x
x x x x x
x x x x x
x x x x x x x
x x x x x x x
x x x x x x x
x x x x x x x x
x x x x x x x x x x
x x x x x x x x x x
x x x x x x x x x x x
x x x x x x x x x x x
x x x x x x x x x x x
x x x x x x x x x x x x
x x x x x x x x x x x x x x x
x x x x x x x x x x x x x x x
x x x x x x x x x x x x x x x x
x x x x x x x x x x x x x x x x x x x
x x x x x x x x x x x x x x x x x x x x x
x x x x x x x x x x x x x x x x x x x x x x x x x
练习：概率分布图
55 60 65 70 75 80

Inches
10
正态曲线和概率

‧了解了正态曲线的平均值和标准偏差有助于估计风险
Probability of sample value

40%
在两个值之间可以得到一个
在两个值之间可以得到一个
累积的概率值
累积的概率值
30% 99.73%

20%
95.45%
10%

68.27%
0%
-4 -3 -2 -1 0 1 2 3 4
Z-axis (scale in units of ｀s＇)
Number of standard deviations from the mean
11
正态分布的应用

如果我们货物交付给顾客的平均时间是240分钟，这一过程的标准偏差是
15分钟，那么在270分钟后到货的概率为多少？
Probability of sample value

40%
X −X
30% 99.73%
Z=
S
20%
95.45
%
10%
68.27
0% %
Z-axis
-4 -3 -2 -1 0 1 2 3 4
195 210 225 240 255 270 285
Time (minutes) X-axis

12
常用统计量

• 定义
• 1、表示总体特性的统计量，称为总体统计量，如：
• 总体平均数、总体方差、总体标准差

• 2、表示样本特性的统计量，称为样本统计量，如：
• 样本平均数、样本方差、样本标准差、样本极差、移动极差

13
 总体统计量 样本统计量

名称 符号 名称 符号
x
分布中心位置 总体均值 µ 样本均值 ~
x
样本中位数
数据分散程度 总体方差 σ2 样本方差 s2
总体标准差 σ 样本标准差 s
样本极差 R

14
总结

‧ 连续型数据能有很多可能的数值，计数型数据是不连续
的
‧ 连续型数据的信息比较丰富，计数型的就要少得多
‧ 对位置的测量是平均值和中位数
‧ 对离散的测量：标准偏差和极差
‧ 图表出来的信息会多于数据
‧ 正态曲线可用来估计缺陷的风险

15
第二讲 MSA概述
1、什么是测量系统
2、什么是测量误差
3、为何要做测量系统分析

16
测量

对某具体事物赋于数值，以表示它们对于特定特性之
间的关系。

被测产品特性 数据/测量结果
检验/测量
输入 输出

受控：量具、仪器、检测人员、程序、软件
活动：测量、分析、校正

17
测量和测量过程

1) 测量定义为赋值给具体事物以表示它们之间关于特
殊特性的关系；
2) 赋值过程定义为测量过程；
3) 赋予的值定义为测量值；
4）测量过程看成一个制造过程，它产生数字（数据）
作为输出。

18
量具

任何用来获得测量结果的装置；经常用来特指用在车
间的装置；包括通过／不通过装置。
例如：直尺、游标卡尺、千分尺、角度规、投影仪、
通/止规

19
测量系统

用来对被测特性定量测量或定性评价的仪器或量具、标准、操
作、方法、夹具、软件、人员、环境及假设的集合；用来获得
测量结果的整个过程。
根据定义，一个测量过程可以看成是一个制造过程，它产生数
值（数据）作为输出。

20
Why Do MSA?
z 了解测量过程，确定在测量过程中的误差总量，及
评估用于生产和过程控制中的测量系统的充分性。MSA
促进了解和改进、减少测量变差。
z 为SPC的顺利进行提供基础

21
When Do MSA?

„ 在正常仪器维护条件下，测量仪器误差很大
„ 测量仪器进行了改装，如更换了重要零部件
„ 对测量仪器进行了大修
„ 进行工序能力分析时需要测量仪器的测量能力
„ 测量系统不稳定
„ 测量结果波动大
„ 决定是否接受一台新仪器
„ 测量仪器之间进行比较
22
第三讲 MSA和TS16949

1、ISO/TS16949对MSA的要求
2、APQP、SPC、PPAP对MSA的要求

23
TS16949的要求
z 7.6.1 测量系统分析
¾ 统计研究必须对每一种测量和试验系统出现的结果变化进
行分析。
¾ 本要求必须运用于控制计划中的测量系统。
¾ 使用的分析方法和接受标准必须与客户推行的测量系统分
析参考手册相一致。当客户批准时，也可采纳其他的分析方
法和接受准则。

24
1.3 MSA 与 APQP/CP、FMEA、PPAP和SPC的关系

DFMEA PFMEA MSA MSA

SPC SPC
PPAP
（Ppk≧1.67) （Cpk≧1.33）
样件CP 试生产CP 生产CP

第一阶段 第二阶段 第三阶段 第四阶段 第五阶段

计划和 产品设计 过程设计 产品和 反馈、评定

确定项目 和开发 和开发 过程确定 和纠正措施

样件制作 试生产 批量生产

25
第四讲 测量系统理论部分

1、测量数据的用途和重要性
2、量具分辨力、有效分辨力、溯源性
3、理想的测量系统、好的测量系统
4、变差源、测量系统变异性的影响
5、测量系统变差的类型
6、测量系统研究的步骤

26
测量数据的用途

z 判断过程是否受控或产品是否合格
9 统计量：完全由样本确定的量（不应该与总体分布有关），
从数学观点来看，统计量是样本的函数。
9 利用统计量，通过假设检验来判断过程是否受控。

z 确定两个变量或更多变量之间是否存在重要关系
9 回归分析的统计方法来研究

27
测量的重要性

„ 如果测量系统出错，那么好的结果可能被测为坏的结果，
坏的结果也可能被测为好的结果，此时便不能得到真正的
产品或过程特性。

⎧ good
人 机 法 环 测量 ⎨
⎩ bad

原料 PROCESS 产品

28
测量数据的质量

z 偏倚（准确度）：指数据相对基准值的位置
z 方差（精度）：指数据的分布离散的状况

29
真值

z 物品的真实值
z 不可知的
z 通常用基准值来替代

30
基准值

„ 被承认的一个被测体的数值，作为一致同意的用于进行
比较的基准或标准样本。
– 一个基于科学原理的理论值或确定值。
– 一个基于某国家或国际组织的指定值。
– 一个基于科学或工程组织主持的合作试验工作产生的
一致同意值。
– 对于具体用途，采用接受的参考方法获得一个同意
值。
– 该值包含特定数量的定义，并为其它已知目的自然被
接受，有时是按惯例被接受。

31
分辨力

„ (别名)又称最小可读单位，分辨力是测量分辨率、刻度限值或测量装置
和标准的最小可探测单位。
„ 它是量具设计的一个固有特性，并作为测量或分级的单位被报告。
„ 数据分级数通常称为”分辨力比率”，因为它描述了给定的观察过程变差
能可靠地划分为多少级。

.28 .28 直尺 .28 .28

.279 .282 卡尺 .282 .279
.2794 .2822 千分尺 .2819 .2791

32
有效分辨率

„ 考虑整个测量系统变差时的数据分级大小叫有效分辨率。
基于测量系统变差的置信区间长度来确定该等级的大小。
„ 通过把该数据大小划分为预期的过程分布范围能确定数据
分级数ndc。
„ 对于有效分辨率，该ndc的标准(在97%置信水平)估计为
1.41(PV/GRR)。

33
理想的测量系统

„ 只产生准确的测量结果，即与基准值一致。
„ 测量系统具有零方差、零偏倚和对所测任何产品错误分类
为零概率的统计特性。
„ 这样的测量系统几乎不存在

34
测量系统误差的来源－1

„ 人/程序 工件 仪器
„ 仪器 清洁 制造
质变 设计
„ 工件 变形 维护
„ 标准 测量系统变
标准
异性
„ 环境
态度
溯源性
湿度 培训
照明 经验
环境 温度 人员

35
测量系统变异性的影响

„ 对于产品决策的影响

„ 对于过程决策的影响

产品决策 零件是否在明确的规格之内

过程决策 过程是否稳定和可接受

36
对产品决策的影响－1

„ Type I 错误：将好的判成坏的
LSL USL

37
对产品决策的影响－2

„ Type II 错误：将坏的判成好的
LSL USL

38
对产品决策的影响－3

„ 对零件做出错误决定的潜在因素只在测量系统误差与公差
交叉时存在。

LSL USL

Confused area Confused area

Bad is bad Good is good Bad is bad

I II III II I

39
对产品决策的影响－4

„ 对于产品状况，若想最大限度做出正确的判断
* 改进生产过程:减少过程变差，从而减少出现在II区域的
零件数
$ 改进测量系统:减少测量系统误差，从而减少II区域的面
积

40
测量的策划

过程 责任者

决定关键特性 开发工程师

决定所需要的分辨率 开发工程师

考虑整个测量系统的特性 项目小组

决定那些是可以使用的设备 项目小组

41
决定哪些需要测量

„ 顾客的声音
– 你必须转换成技术特征或规格。
„ 关键的或重要的技术特征
„ 失效模式分析
„ 控制计划
– 因为在条文要求中，只要是列在控制计划中的就必须
进行测量

42
测量系统的评价

在评价测量系统时必须考虑三个问题：
* 测量系统必须显示足够的灵敏度
¾ 仪器具有足够分辨力
$ 测量系统必须是稳定的
¾ 测量系统变差只归因于普通原因
% 统计特性（误差）在预期的范围内一致

43
分辨力的要求

„ 测量仪器分辨力至少是被测范围的十分之一
„ 测量系统的分辨力
– 建议的要求是总过程6σ(标准偏差)的十分之一

1
0 T
3
0
9 推荐使用

44
分辨力不足

可以通过SPC过程变差极差图显示出来
„ 极差图显示只有一个、二个或三个极差值在控制限内时
„ 有四个值在控制限内，但超过四分之一的极差值为零

45
分辨力
X/R控制图 分辨率=0.001

0。145 UCL=0.1444
样本均值

Mean=0.137
0。140

0。135 LCL=0.1350

子组 0 5 10 15 20 25

0.02 ULC=0.01717
样本极差

0.01 R=0.00812

0.00 LCL=
0

46
分辨力
X/R控制图 分辨率=0.01

0。145 UCL=0.1438
样本均值

Mean=0.1397
0。140

0。135 LCL=0.1359

子组 0 5 10 15 20 25

0.02 ULC=0.01438
样本极差

0.01 R=0.0068

0.00 LCL=
0

47
测量系统变差的类型

„ 位置变差（准确度） 位置
– 偏倚
偏倚
– 稳定性
– 线性
„ 宽度变差（精密度） 基准值 宽度
位置
– 重复性
– 再现性 偏倚

基准值 宽度

48
偏倚
真 值 指 根 据可 推测
观测值的平均和真值的差异差程度 的 公 认 标 准仪 器的
测定值。

正确度低的潜在原因
平均值
平均值
• GAGE的刻度调整不妥当

• 作业者使用 GAGE不准确

• 不明确的步骤书

• 人为的界限

49
稳定性

随时间的正确度或精密度的变动程度
随时间经过，根据异常要因影响测定系统的变动。

真值
始点 1 始点 1
始点 2
始点 2

稳定性好 稳定性不好

50
线性

线性是在量具预期的工作范围内，偏倚值的差值

有偏倚
基准值 基准值 观
测 无偏倚
平
均
值
观测平均值 观测平均值 基准值
量程

51
重复性
真值

虽然正确但
重复性太差
虽不正确但 了!!
重复性好!!

重复性低的潜在原因
测量仪器 人
GAGE需要修理 环境原因(照明, 噪音)
需要更精密的 GAGE 身体原因(视力)
有需要改善的部品
52
再现性
不同(同一)人利用同一(不同) 装备测定同一部品的同一特性。
真值 检查者 B
检查者 A
检查者 B 检查者 A
检查者 C
检查者 C

检查者间再现性
虽不准确，但检
非常不好!
查者间再现性非
测定方法是否还
常好!
没形成标准化?

低再现性潜在原因
• 测定步骤不明确
• 作业者没有学清楚 GAGE使用方法和 GAGE读法
• 事务间接 PROJECT情况 – 测定定义不明确
53
GRR或量具R&R

„ 量具重复性和再现性：测量系统重复性和再现性合成的评
估，GRR等于系统内部和系统之间的方差的总和

σ 2
GRR =σ 2
＋σ
再现性
2
重复性

54
测量不确定度

„ 不确定度是赋值给测量结果的范围，在规定的置信水平内
预期包含有真测量结果的范围。这个概念的简单表达：

真测量值 ∈ 观测到的测量值（结果）± U

55
测量问题分析步骤

„ 识别问题
– 对于测量问题，用准确度、变差、稳定性等形式来体现
– 将测量变差和其贡献与过程变差相分离
„ 确定小组
– 小组规模根据测量系统和问题的复杂而定
„ 测量系统和过程的流程图
„ 因果图
„ 计划－实施－研究－措施
„ 可能的解决方法和纠正的验证
„ 使更改制度化化

56
测量系统的评定

从两个重要方面进行评定：
– 验证在适当的特性位置正在测量正确的变量；识别与
测量相互依赖的任何关键的环境
– 确定测量系统需要具有何种统计特性才是可接受
通过两个阶段的试验得到上述两方面的评定：
* 了解测量过程，验证该过程是否满足要求
¾验证设计规范
¾利用实验来评价操作环境对测量系统参数的影响
$ 测量过程随时间的推移是否满足要求

57
测量系统研究的准备－1

„ 先计划将要使用的方法
„ 评价人的数量，样本数量及重复读数次数的确定。在此考
虑的因素如下：
9 尺寸的关键性－根据量具研究评价所需的置信度
9 零件结构－零件的大小或重量
„ 评价人的选择－日常操作该仪器的人员
„ 样本的选择－至关重要！
9 样本的选择分为两种情况：产品控制和过程控制

58
样本的选择－产品控制的情况

„ 产品控制的情况－测量系统用于根据规格判定产品是否合
格
¾ 样本随机抽样－不需要覆盖整个过程范围
¾ 测量系统的评价基于特性的规格公差

59
测量系统研究的准备－2

„ 仪器的分辨力应允许至少直接读取特性的预期过程变差的
十分之一
„ 确保测量方法（如评价人和仪器）在按照规定的测量步骤
测量特性的尺寸。

60
测量系统研究的步骤

n 测量应按照随机顺序
(评价人不应知道那个零件在被检查
(研究人员知道被检查的零件，并记下相应数据
o 在设备读数时，测量值应记录到仪器分辨率的实际限度
p 研究工作由知其重要性且具有能力的人进行

61
制定试验计划时考虑的因素

制定两个阶段试验计划时，考虑以下方面因素：
z 评价人对测量过程有何影响？
- 日常使用该仪器的评价人要包括在内
- 每个评价人的程序相同，评价人所使用方法的差异在
测量系统的再现性中反映
z 评价人对测量仪器的校准是否会引起变差？
- 评价人在获取每组读数前重新对设备进行校准
z 要求多少样品和重复读数？
- 取决于被测特性重要性和所要求的置信水平水平

62
结果分析（接受准则）－位置误差

„ 位置误差（主要是偏倚和线性）
- 根据测量数据得到测量不确定度，看零误差是否在属
于不确定度的范围
- 偏倚和线性的误差是否超出校准程序确定的最大允许
误差

63
结果分析（接受准则）－宽度误差

„ 宽度误差（重复性和再现性）
测量系统接受准则为测量系统变差占生产制
造过程变异性的百分比或零件公差的百分比：
- 低于10％－通常认为测量系统可接受
- 10％到30％之间－基于应用的重要性、测量装置
的成本、维修成本等方面考虑，可能可以接受
- 大于30％－不可接受，要改进测量系统
注：分级数（ndc）要大于等于5，即测量系统可
接受
64
第五讲 计量型MSA分析

1、稳定性分析
2、偏倚分析
3、线性分析
4、重复性分析
5、再现性分析

65
MSA分析的主要内容

„ 主要分析如下：
– 人员的变异情况
– 仪器的变异情况
– 产品（零件）的变异情况
– 过程参数的变异情况

66
MSA分析方法的分类

MSA

计量型 计数型 破坏型

67
Phase 1
计量型测量系统研究

68
计量型MSA的分类

偏倚分析
位置分析
线性分析

重复性分析
计量型 宽度分析
再现性分析

稳定性分析 稳定性分析

69
稳定性的研究指南－1

选取一个样本 „ 取一个样本并建立相对于可溯
源的标准值
定期测量样本3～5次 ¾ 可选择落在测量中程数的生
产零件
将数据画在Xbar&R图 ¾ 对于稳定性，基准值的具体
数值不需要知道
计算控制限，判图

后续持续点图、判图 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
记录保存
好。

70
稳定性的研究指南－2

选取一个样本 „ 建议测量25组数据，每组对样
本测量3～5次
定期测量样本3～5次 „ 测量周期（每天、每周），每
组样本重复测量次数组织根据情况
将数据画在Xbar&R图 确定，要能反应测量系统随时间的
变化。
计算控制限，判图 „ 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。
后续持续点图、判图 当初期研究稳定后，测量周期可以
逐渐变长。
记录保存

71
稳定性的研究指南－3

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Xbar&R图

计算控制限，判图

后续持续点图、判图

记录保存

72
稳定性的研究指南－4

选取一个样本 „ 计算控制限
„ 平均值图：x ± A2 R
定期测量样本3～5次 „ R值图：( D3 R , D4 R )
„ 画出控制限，判图：
将数据画在Xbar&R图 „ 先检查R图，是否连续25点都
在控制界限内，以判定重复性是
否稳定。
计算控制限，判图
„ 再看Xbar图，是否连绩25点都
在控制界限内，以判定偏移是否
后续持续点图、判图 稳定。
„ 利用 R / d 2 来了解仪器的重复性
记录保存

73
稳定性的研究指南－5

选取一个样本 „ 如果前面的控制图是稳定的，则其控
制限可做为后续的控制用控制限
„ 我们后续就固定时间，使用同样的样
定期测量样本3～5次
本、同样的测量仪器，同样的测量人员。
„ 由于样本、仪器、人都是固定的，若
将数据画在Xbar&R图 绘出来的图形有异常，一般就代表仪器有
问题，要进行相应的处理。
„ 异常的判定
计算控制限，判图
¾点：一点超出控制界限
¾线：连续七点上升，连续七点下降，连
后续持续点图、判图 续七点在同一侧。
¾面：非随机性分析，在±σ的范围
记录保存 内应覆盖68%的概率。

74
稳定性的研究指南－6

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，
定期测量样本3～5次 以有效证明公司的测量仪器其测量
能力是足够的。
将数据画在Xbar&R图

计算控制限，判图

后续持续点图、判图

记录保存

75
 范例1
10/13 10/19 10/25 10/31 11/06 11/12 11/18 11/24 11/30 12/06 12/12
48.6 48.4 48.9 48.9 48.9 48.5 48.4 48.7 47.8 47.9 48.1
48.7 48.8 48.6 47.9 50.1 49.0 48.2 48.0 48.6 48.3 48.6
48.3 48.0 48.9 48.0 49.2 49.0 48.3 47.7 48.7 48.4 48.7

12/18 12/24 12/30 1/05 1/11 1/17 1/23 1/29 2/04 2/10 2/16
48.2 48.1 48.3 48.0 48.1 48.1 48.3 48.1 48.0 48.2 47.9
48.5 48.7 48.9 48.7 48.4 48.4 48.6 48.6 48.6 48.4 48.3
48.9 48.5 48.6 48.6 48.7 48.7 48.5 48.7 48.7 48.9 48.7

2/22 2/28 3/06

48.0 48.1 47.9
48.4 48.6 48.3
48.8 48.9 48.4

76
范例2
批次 直径1 直径2 直径3 直径4 直径5
1 10.95 10.90 10.95 10.96 10.98
2 10.91 10.97 10.95 10.98 10.94
3 10.97 10.91 10.94 10.95 10.93
4 10.92 10.94 10.95 10.95 10.93
5 11.02 10.96 10.92 10.98 10.99
6 10.92 10.94 10.93 10.98 10.95
7 10.98 10.91 10.96 10.90 10.93
8 10.96 10.93 10.94 10.93 10.96
9 10.94 10.93 10.97 10.96 10.95
10 10.91 10.95 10.93 10.96 10.92
11 10.94 10.94 10.98 10.94 10.97
12 10.97 10.95 10.93 10.92 10.98
13 10.99 10.95 10.95 10.95 10.96
14 10.93 10.97 10.94 10.92 10.93
15 11.02 10.98 10.97 10.96 10.91
16 10.95 10.95 10.93 10.94 10.93
17 10.96 10.95 10.97 10.99 10.95
18 10.97 10.97 10.93 10.95 11.01
19 11.00 10.93 10.95 10.96 10.96
20 10.95 10.92 10.92 10.98 10.93
21 10.95 10.94 10.95 10.96 10.97
22 10.92 10.97 11.00 10.94 10.94
23 10.95 10.94 10.93 10.96 10.95
24 11.00 10.99 10.9 10.94 10.98
25 10.94 10.92 10.96 10.93 10.96
77
手工计算如下：

平均值控制图
x1 + x + x + ..... + x
x = 2 3 k
• =273.76/25=10.950
k
极差控制图
R + R + ..... + R • =1.45/25=0.58
R = 1 2 k
k

78
平均值控制图
CLX = X =10.950
UCLX = X + A2 R =10.950+0.577*0.588=10.983
LCLX = X − A2 R =10.950-0.577*0.588=10.916
极差控制图
CLR = R
=0.58
UCLR = D4 R
=2.2114*0.058=0.1226
LCLR = D3 R
=0

79
80
判图并分析稳定性

• 请判定前图是否有异常

由上图可知，极差图和均值图均无异常，我们可以判定测量
系统稳定。

81
偏倚的研究指南－1

选取一个样本 „ 取一个样本并建立相对于可溯
源的标准值
测量样本10次以上 ¾ 可选择落在测量中程数的生
产零件
将数据画出直方图 ¾ 测量零件大于等于10次，取
均值作为“基准值”
计算均值和标准差
注：建议取预期测量的最低值、最高
确定t统计量并判定 值和中程数三个样本，分别作研究更
好，若有偏倚，可再做线性研究。
记录保存

82
偏倚的研究指南－2

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
测量样本10次以上 解公司的测量偏差
„ 测量样本数10次以上（建议15
将数据画出直方图 次）

计算均值和标准差

确定t统计量并判定

记录保存

83
偏倚的研究指南－3

选取一个样本 „ 将数据画成直方图，并标注基
准值
测量样本10次以上 „对直方图进行评审，确定是否存
在异常（即直方图近似服从正态分
将数据画出直方图 布）
„ 若无异常，可继续分析
计算均值和标准差

确定t统计量并判定

记录保存

84
偏倚的研究指南－4

选取一个样本 „ 计算测量读数的均值
n

测量样本10次以上
∑ xi
X = i =1

n
将数据画出直方图
„ 计算可重复性标准差
计算均值和标准差 max ( xi ) − min ( xi )
σr =
d 2∗
确定t统计量并判定
这里 d2∗ 可以查表得到，g＝1，m＝n

记录保存

85
偏倚的研究指南－5

选取一个样本 „ 确定偏倚的t统计量
偏倚＝观测平均值－基准值
测量样本10次以上 即 bias = x − μ0
σb = σr / n
将数据画出直方图 bias
t=
σb
计算均值和标准差 „ 给定置信水平α，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 ⎤
确定t统计量并判定 ⎢bias − ∗ t1− α ( v ) , bias + ∗ t1− α ( v ) ⎥
⎣ d2 2 d2 2 ⎦

记录保存

86
偏倚的研究指南－6

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
测量样本10次以上 效证明公司的测量仪器其测量能力
是足够的。
将数据画出直方图

计算均值和标准差

确定t统计量并判定

记录保存

87
偏倚的研究－控制图法

„ 在稳定性研究时，控制图指出测量系统稳定受控，则
可以继续进行偏倚的研究。
„ 这时，有g个子组，每个子组容量为m。
R bias
„ 偏倚＝ X －基准值，σ r = d ∗ σb = σr / g
， =
t，
2 σb

„ 给定置信水平α，确定置信区间（偏倚的不确定
度），判断0是否落在该区间（v是自由度）
⎡ d 2σ b d 2σ b ⎤
⎢bias − ∗ t1− α ( v ) , bias + ∗ t1− α ( v ) ⎥
⎣ d2 2 d2 2 ⎦
88
例题
基准值=6.0 偏倚
1 5.8 -0.2
2 5.7 -0.3
3 5.9 -0.1
4 5.9 -0.1
5 6.0 0.0
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

89
偏倚研究的分析

„ 如果偏倚从统计上非0，则可能的原因如下：
¯标准或校准误差
¯仪器磨损（在稳定性分析中也可以表现出）
¯仪器制造尺寸问题
¯仪器测量错误特性
¯仪器为精确校准
¯评价人设备操作不当
¯仪器修正运算不正确

90
线性的研究指南－1

„ 取至少5个样本，样本测量值要
选取至少5个样本
覆盖测量仪器一定的量程范围。
„ 确定每个样本的基准值
测量样本10次以上
¾ 测量样本大于等于10次，取均
值作为“基准值”
计算偏倚和偏倚均值

绘制线性图

画出“偏倚＝0”并判定

记录保存
91
线性的研究指南－2

选取至少5个样本 „ 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10次以上 测量样本
„对每个样本测量10次以上
计算偏倚和偏倚均值

绘制线性图

画出“偏倚＝0”并判定

记录保存

92
线性的研究指南－3

选取至少5个样本 „ 计算每次测量的样本的偏倚
biasij = xij − 基准值i
测量样本10次以上
„ 计算每种样本测量的偏倚均值
计算偏倚和偏倚均值 m

∑ bias
j =1
ij

绘制线性图 biasi =
m
画出“偏倚＝0”并判定

记录保存

93
线性的研究指南－4

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 是基
测量样本10次以上 准值，yi 是偏倚平均值
„ 利用最小二乘法计算出斜率a和
计算偏倚和偏倚均值 截距b ，以及在置信水平为α下的
置信带
绘制线性图 „ 由于计算很复杂（见MSA第三版
79页），推荐使用软件进行拟合，
画出“偏倚＝0”并判定 EXCEL或MINITAB

记录保存

94
 ∑ y
∑ xy − (∑ n x )
截距=a=
(∑ x ) 2

∑ x − 2

n
y x
斜率=b= ∑ − a × (∑ )
n n
∑
2
⎡ y⎤
⎢∑ xy − ∑ x ⎥
⎢⎣ n ⎥⎦
拟合度= R 2 =
⎡
⎢∑ x 2 −
( ∑ x ) 2
⎤ ⎡
⎥ × ⎢∑ y 2 −
( ∑ y ) 2
⎤
⎥
⎢⎣ n ⎥⎦ ⎢⎣ n ⎥⎦
线性=斜率*过程变差
线性接受准则：
%线性=100%{线性／过程变差}
a. 对测量特殊特性的测量系统，线性%≤5% 接受，线性%>5%时，不予接受。
b. 对测量非特殊特性的测量系统，线性%≤10%接受，线性%>10%时，不予接受。
如果测量系统为非线性，查找这些可能原因：
在工作范围上限和下限内仪器没有正确校准；最小或最大值校准量具的误差；
95
磨损的仪器；
线性的研究指南－5

选取至少5个样本 „ 画出“bias＝0”的直线
„ 若“bias＝0”的直线完全在拟合
测量样本10次以上 线置信带以内，则线性可接受；否
则，线性不可接受
计算偏倚和偏倚均值

绘制线性图

画出“偏倚＝0”并判定

记录保存

96
线性的研究指南－6

选取至少5个样本 „ 线性分析的记录要保存下来，
可以和PPAP档案存放在一起，以
测量样本10次以上 有效证明公司的测量仪器其测量能
力是足够的。
计算偏倚和偏倚均值

绘制线性图

画出“偏倚＝0”并判定

记录保存

97
例题
p m r p m r p m r p m r p m r
1 2 2.7 2 4 5.1 3 6 5.8 4 8 7.6 5 10 9.1
1 2 2.5 2 4 3.9 3 6 5.7 4 8 7.7 5 10 9.3
1 2 2.4 2 4 4.2 3 6 5.9 4 8 7.8 5 10 9.5
1 2 2.5 2 4 5.0 3 6 5.9 4 8 7.7 5 10 9.3
1 2 2.7 2 4 3.8 3 6 6.0 4 8 7.8 5 10 9.4
1 2 2.3 2 4 3.9 3 6 6.1 4 8 7.8 5 10 9.5
1 2 2.5 2 4 3.9 3 6 6.0 4 8 7.8 5 10 9.5
1 2 2.5 2 4 3.9 3 6 6.1 4 8 7.7 5 10 9.5
1 2 2.4 2 4 3.9 3 6 6.4 4 8 7.8 5 10 9.6
1 2 2.4 2 4 4.0 3 6 6.3 4 8 7.5 5 10 9.2
1 2 2.6 2 4 4.1 3 6 6.0 4 8 7.6 5 10 9.3
1 2 2.4 2 4 3.8 3 6 6.1 4 8 7.7 5 10 9.4

98
例题解答

先计算偏倚和每种样本的偏倚平均值
零件基准值 1 2 3 4 5
2.00 4.00 6.00 8.00 10.00
1 0.7 1.1 -0.2 -0.4 -0.9
2 0.5 -0.1 -0.3 -0.3 -0.7
3 0.4 0.2 -0.1 -0.2 -0.5
4 0.5 1 -0.1 -0.3 -0.7
5 0.7 -0.2 0.0 -0.2 -0.6
6 0.3 -0.1 0.1 -0.2 -0.5
7 0.5 -0.1 0.0 -0.2 -0.5
8 0.5 -0.1 0.1 -0.3 -0.5
9 0.4 -0.1 0.4 -0.2 -0.4
10 0.4 0.0 0.3 -0.5 -0.8
11 0.6 0.1 0.0 -0.4 -0.7
12 0.4 -0.2 0.1 -0.3 -0.6
偏倚均值 0.491667 0.125 0.025 -0.29167 -0.61667

99
结论

„ 从图形可以明显看出：测量系统存在线性问题。 “偏倚
＝0”的线与置信带交叉，但不包含在内。
„ 主管需要对线性问题查找原因
„ 如果偏倚在测量范围内不能调整为0，只要测量系统稳
定性OK，进行软件调零后仍可用于产品和过程的控制，
但不能用于对产品和过程进行分析。

100
再练习

• 一家公司的质检部门新购买一台测厚仪，在正式使用之
前，需要对些测量系统进行评估。根据实际需要的测量范
围，挑选了5个具有代表性的标准部件，然后由检验员以
随机方式对每个部件测量6次，假设已知过程总动动PV为
12，试分析其偏倚和线性

101
 测厚仪的测量结果
零件基准值 1 2 3 4 5

2.00 5.00 10.00 15.00 20.00

测量值1 2.03 4.93 10.11 14.80 20.35

测量值2 2.07 5.08 10.05 15.17 20.52

测量值3 1.93 4.89 9.90 15.15 20.40

测量值4 2.05 4.95 10.13 15.26 20.44

测量值5 1.95 5.12 10.13 15.32 20.38

测量值6 1.96 5.13 9.88 15.24 20.21

102
重复性和再现性的研究指南

在研究R&R时，有三种方法可以选择
„ 极差法
„ 均值极差法
„ ANOVA法（方差分析法）

注：重复性和再现性的研究是已统计稳定为前提

103
极差法

„ 提供测量变异的近似值，可快速检查验证GRR是否发生了变
化
„ 研究测量系统的整体概况，不能将变异分为重复性和再现
性
„ 典型的极差方法：
n选择2个评价人和5个零件进行研究
o两个评价人各将每个零件测量一次
p计算每个极差的和与平均极差
q将平均值除以 d 2*得到GRR

104
举例

零件号 评价人A 评价人B 极差（A与B）

1 0.85 0.80 0.05
2 0.75 0.70 0.05
3 1.00 0.95 0.05
4 0.45 0.55 0.10
5 0.50 0.60 0.10

从以前的研究知过程标准偏差为0.0777，查表的m
＝2，g＝5的 d 2* ＝1.19
105
例题解答

„ 平均极差
R=
∑ R i
=
0.35
= 0.07
5 5
„ 重复性和再现性 GRR

„ ％GRR R 0.07
GRR = ∗ = = 0.0588
d 2 1.19

⎛ GRR ⎞
%GRR = 100 × ⎜ ⎟＝75.7%
⎝ 过程标准偏差 ⎠
106
均值极差法

„ 将测量系统的变差分成三部分——零件，评价人（但不考
虑两者的交互作用）、仪器。
„ 需要一个样本的零件数n>5，这些零件要代表这个样本的实
际的或估计的变差范围
„ 评价人随机地测量这n个零件。重复这一过程2～3次，每次
必须做到随机测量。
„ 研究人员要知道零件的编号，将数据记录到表格相应位置。

107
例题
零件 1 2 3 4 5 6 7 8 9 10
评价人

1 6.2 7.3 5.6 6.2 7.0 7.3 6.9 7.5 6.6 7.2
2 6.4 7.3 5.7 6.2 7.1 7.4 6.8 7.4 6.5 7.2
A 3 6.3 7.4 5.7 6.4 7.1 7.3 6.9 7.5 6.5 7.2
评价人

1 6.4 7.3 5.6 6.3 7.0 7.3 6.9 7.4 6.5 7.3
2 6.4 7.3 5.6 6.3 6.9 7.3 6.9 7.4 6.5 7.3
B 3 6.2 7.3 5.7 6.2 6.9 7.2 7.0 7.5 6.6 7.2
评价人

1 6.4 7.3 5.6 6.3 7.0 7.3 6.9 7.5 6.4 7.2
2 6.4 7.4 5.6 6.3 6.9 7.3 7.0 7.6 6.4 7.2

C 3 6.5 7.3 5.7 6.3 6.9 7.4 6.9 7.5 6.5 7.2

108
GRR数据收集表的填写

„计算每个评价人对各个零件测量的极差和
均值，并得到极差的均值（ Ra ，Rb ，Rc )和每
个人的测量平均值（ X a ，X b ，X c ）
„计算 R ，R = Ra + Rb + Rc / 3 ，将 R × D4 得到极差
的上控制限UCLR。当对每个零件的测量次
数少于7时，控制下限LCLR为0
„对于超出控制限的极差读数，重新读数或
者剔除，再重新计算 R 和UCLR的值。并对
出现的失控分析和纠正
109
GRR数据收集表的填写

„计算 X = max ( X a ，X b ，X c ) − min ( X a ，X b ，X c )

DIFF

„对所有测量值求和。除以测量总次数得到 X
„计算每个零件总的测量均值，并用最大零
件均值减去最小零件均值，得到 R p
„下面是R&R数据分析表的示例

Microsoft Excel
工作表

110
量具R&R报告的填写

„ 重复性或设备变差（EV）的计算
1
EV = R × K1 = R × ∗ d 2∗ 取决于试验次数（m）和零
d2 件的数量乘以评价人数（g）
„ 再现性或评价人变差（AV）的计算

( EV )
2

( X DIFF × K 2 ) 1
2
AV = − , K2 =
nr d 2∗
d 2∗ 取决于评价人的数量（m）和g=1，因为只计算一个极差。n=
零件数，r＝试验次数。由于评价人的变差包含设备变差，所以需
要减去设备变差因素。若平方根下为负，则AV默认为零。

111
量具R&R报告的填写

„ 计算R&R
R&R = ( EV ) + ( AV )
2 2

„ 计算零件变差
1
PV = R p × K 3 , K 3 = ∗
d2 d 2∗ 取决于零件数量（m）和g
„ 计算总变差 ＝1，因为只计算一个极差

TV = ( GRR ) + ( PV )
2 2

112
量具R&R报告的填写

„ 计算各变差占总变差的比例
% EV = 100 [ EV / TV ] % AV = 100 [ AV / TV ]

%GRR = 100 [GRR / TV ] % PV = 100 [ PV / TV ]

„ 计算分级数
– 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。
ndc = 1.41( PV / GRR )
注：若分析是基于公差而不是过程变差（TV），则
计算各变差占总变差的比例时，用公差值除以6
代替TV计算
113
量具R&R报告的示例

Microsoft Excel
工作表

114
R&R研究的判定准则

„ 测量系统接受准则为测量系统变差占生产制
造过程变异性的百分比或零件公差的百分比：
- 低于10％－通常认为测量系统可接受
- 10％到30％之间－基于应用的重要性、测量装置
的成本、维修成本等方面考虑，可能可以接受
- 大于30％－不可接受，要改进测量系统

注：分级数（ndc）要大于等于5，即测量系统可
接受
115
GRR研究分析

„ 当重复性较大时，原因可能：
– 设备需要维护与保养
– 测量的夹紧或定位需改进
– 零件在重复测量下测量特性遭破坏或改变
„ 当再现性较大时，原因可能：
– 评价人需要接受培训
– 量具的刻度盘不清晰，致使评价人的校准不一致

116
Phase 2
计数型测量系统研究

117
引言

„ 计数型测量系统最常见的是判断通过/不通过量具
„ 使用这种测量系统的最大风险在于II区域

LSL USL
Confused area Confused area
Bad is bad Good is good Bad is bad
I II III II I

118
第六讲 计数型MSA分析

1、假设检验法
2、信号分析法
3、数据解析法

119
风险分析法

„ 对于有些计数型测量系统，零件的测量无法达到基准值
的分辨力，因此，判断（好与坏）会带来风险，对这种
风险的评价采用以下两个方法：
¾假设检验分析
用来评价计数型测量系统的有效性，以及评价人之
间和评价人与基准值之间的一致性
¾信号分析法
确定区域II宽度，并因此确定测量系统GRR

120
假设检验法－1

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
重复判断样本2～3次 „ 此样本要包括合格、不合格的
产品，临界附近的产品
将数据记录在表格 „ 研究人员对每一样本取得基准
值，并正确判断是否合格
计算一致性和有效性 „ 2～3名现场的测量人员

判定

记录保存

121
假设检验法－2

选取样本和测量人员 „ 每个人重复测量2～3次，根据
规格作出是否合格的判定
重复判断样本2～3次

将数据记录在表格

计算一致性和有效性

判定

记录保存

122
假设检验法－3

选取样本和测量人员 „ 将测量人员的判定结果记录在
表格中
重复判断样本2～3次 „ 记“1”为合格；记“0”为不合格

将数据记录在表格

计算一致性和有效性

判定

记录保存

123
假设检验法－4

选取样本和测量人员 „ 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
重复判断样本2～3次 性
„ 计算每个评价人作出判定的有
将数据记录在表格 效性

计算一致性和有效性

判定

记录保存

124
假设检验法－5

选取样本和测量人员 „ 一致性
¾kappa值大于0.75，一致性好
¾Kappa值小于0.4，则一致性差
重复判断样本2～3次
„ 有效性
¾个人的重复性正确百分比>90%。
将数据记录在表格 ¾个人和标准值相比较的正确百分
比>90%。
¾全部测量人员一致的百分比>90%。
计算一致性和有效性 ¾全部测量人员和标准一致的百分
比>90%。
判定 ¾万一小于此百分比，则代表此测
量系统尚不可以被接受，应做
调整。
记录保存

125
假设检验法－6

选取样本和测量人员 „ 风险分析的记录要保存下来，
可以和PPAP档案存放在一起，以有
重复判断样本2～3次 效证明公司的测量仪器其测量能力
是足够的。
将数据记录在表格

计算一致性和有效性

判定

记录保存

126
案例

„ 某生产过程受控，但性能
指数Pp=Ppk=0.5，该过程 LSL USL
会产生较多不合格产品。

因此，需要一个可接受的 0.40 0.50 0.60

计数型测量系统将不合格
产品从生产流中挑选出来。 LSL USL
与计量型量具不同的是，
该量具不能指出产品的好
坏，只能指出产品可接受 0.40 0.50 0.60
或拒绝。

127
案例

„ 这个测量系统与公差相比的%GRR＝25%，公差为0.01。但
尚未小组证明，需要进行测量系统研究。
„ 样本的选择：随机地从过程中抽取50个零件样本，要覆
盖过程变差。（注：样本要包括合格、不合格的产品，
临界附近的产品）

128
案例

„ 选择三名评价人，每个人对每个产品评价了三次，记录在
计数型研究数据表中

Microsoft Excel
工作表

129
零件 A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3 基准 基准值 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 x
7 1 1 1 1 1 1 1 0 1 1 0.465454 x
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 x
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 x
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 x
22 0 0 1 0 1 0 1 1 0 0 0.545604 x
130
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 +
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 x
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 x
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 0 0.449696 x
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 x
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 x
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 +
131
50 0 0 0 0 0 0 0 0 0 0 0.446697 -
一致性分析－列联表（评价人之间）

A与B的列联表
B 总计
0 1
0.0 计算 44 6 50
期望的计算 15.7 34.3 50.0
A
1.0 计算 3 97 100
期望的计算 31.3 68.7 100.0
总计 计算 47 103 150
期望的计算 47.0 103.0 150.0

132
列联表（评价人之间）

B与C的列联表
C 总计

0 1

0.0 计算 42 5 47
期望的计算 16.0 31.0 47.0
B
1.0 计算 9 94 103
期望的计算 35.0 68.0 103.0
总计 计算 51 99 150
期望的计算 51.0 99.0 150.0

133
列联表（评价人之间）

A与C的列联表
C 总计

0 1

0.0 计算 43 7 50
期望的计算 17.0 33 50.0
A
1.0 计算 8 92 100
期望的计算 34.0 66.0 100.0
总计 计算 51 99 150
期望的计算 51.0 99.0 150.0

134
一致性分析－Kappa

„ Kappa是一个评价人之间一致性的测量值
„ Kappa的计算：
设p0＝列联表正对角线单元中观测值的总和
pe＝列联表正对角线单元中期望值的总和
Kappa＝（p0－pe）/（1－pe）
„ Kappa的判定（通常的建议法则）
– Kappa大于0.75表示好的一致性
– Kappa小于0.4则表示一致性差，需要改进

135
 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 x
7 1 1 1 1 1 1 1 0 1 1 0.465454 x
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 x
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 x
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 0.45231 x
22 0 0 1 0 1 0 1 1 0 0 0.545604 x
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 +
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 x
136
怎样计算kappa值

C
0 1 總計
0 計算 43 7 50 Po
期望的計算 17.0 33.0 50
A 1 計算 8 92 100
期望的計算 34 66 100
計算 51 99 150
總計 期望的計算 51 99 150
Pe

Po-Pe 0.9-0.55
• Kappa＝ = = 0.776
1-Pe 1-0.55
Po=(43+92)/150=0.9
Pe=(17+66)/150=0.55
137
Kappa－评价人之间

„ 计算评价人之间的Kappa值

kappa A B C

A 0.86 0.78

B 0.86 0.79

C 0.78 0.79

138
列联表（评价人与基准值）

A与基准判断列联表
基准 总计
0 1
0.0 计算 45 5 50
期望的计算 15.0 34.0 50.0
A
1.0 计算 3 97 100
期望的计算 33.0 68.0 100.0
总计 计算 48 102 150
期望的计算 48.0 102.0 150.0

139
列联表（评价人与基准值）
B与基准判断列联表
基准 总计
0 1

0.0 计算 45 2 47
期望的计算 15.0 32.0 47.0
B
1.0 计算 3 100 103
期望的计算 33.0 70.0 103.0
总计 计算 48 102 150
期望的计算 48.0 102.0 150.0

140
列联表（评价人与基准值）

C与基准判断列联表
基准 总计
0 1
0.0 计算 42 9 51
期望的计算 16.3 34.7 51.0
A
1.0 计算 6 93 99
期望的计算 31.7 67.3 99.0
总计 计算 48 102 150
期望的计算 48.0 102.0 150.0

141
Kappa－评价人与基准值

„ 评价人与基准值之间的一致性

A B C

kappa 0.88 0.92 0.77

142
有效性
„ 有效性的计算
有效性＝正确判断的数量/判断机会的总数
„ 案例的计算结果如下
%评价人 %SCORE VS ATTRIBUTE
来源
评价人A 评价人B 评价人C 评价人A 评价人B 评价人C
总受检数 50 50 50 50 50 50
符合的 42 45 40 42 45 40
不符合的 8 5 10 8 5 10
95% UCI 93% 97% 90% 93% 97% 90%
计算得分 84% 90% 80% 84% 90% 80%
95% LCI 71% 78% 66% 71% 78% 66%

143
有效性

„ 测量系统的有效性计算结果

SYSTEM % EFFECTIVE SCORE SYSTEM % EFFECTIVE SCORE vs

REFERENCE
TOTAL 50 50
INSPECTED
#IN 39 39
AGREEMENT
95% UCI 64% 64%

计算得分 78% 78%

95% LCI 89% 89%

144
有效性的评价

„ 以下表格提供了对测量系统评价的指南

判断 漏发警报的比 误发警报的比
有效性
测断系统 例 例

评价人可接受 ≥90% ≤2% ≤5%

评价人可接受
的边缘─可能 ≥80% ≤5% ≤10%
需改进
评价人不可接
<80% >5% >10%
受─需改进

145
有效性的评价

„ 根据案例数据得到三个评价人的信息

有效性 漏发警报的比例 误发警报的比例 结论

A 84% 2% 3.33% 边缘
B 90% 2% 1.33% 可接受
C 80% 4% 6% 不可接受

­ 评价人A处于可接受的边缘，可能需要改进
­ 评价人B可接受
­ 评价人C不可接受，需要改进，建议重新进行培训，甚至弃用

146
案例：

• 巧克力公司为检验新员工感官的培训效果，特取6块不同
等级的巧克力请3位受训员工品尝并评分，试对此测量系
统进行分析

147
第七讲 破坏型MSA分析
1、偏倚分析
2、R&R分析
3、稳定性分析

148
Phase 3
破坏型测量系统研究

149
破坏型MSA的特点

„ 样本无法重复测量
„ 取样上有特殊的要求
¾ 具有标准样本，这些样本不会随时间而变化
¾ 标准样本所服从的正态分布的μ和σ已知
¾ 从同一批次中选取的标准样本间差异要非常小
„ 基本方法和思路与非破坏型是相同的

150
稳定性研究

„ 样本的选取满足
– 从同一批次中抽取标准样本，标准样本间的差异非常
小，小到与过程变差相比可以忽略不计
– 标准样本不会随时间而变化
„ 除标准样本的选择外，其他基本方法和思路与非破坏型
的稳定性研究是相同的

151
偏倚的研究－1

选取样本和测量人员 „ 选取30个左右标准样本，标准
样本必须满足要求：即30个样本所
测量标准样本 服从的正态分布的μ和σ已知；同
一批次中抽取的这30个样本间的差
计算均值和标准差 异非常小，小到与过程变差相比可
以忽略不计。
计算偏倚和t统计量 „ 挑选现场实际测量的一个人

判定

记录保存

152
偏倚的研究－1

选取样本和测量人员 „ 测量每个标准样本，记录下数
据
测量标准样本

计算均值和标准差

计算偏倚和t统计量

判定

记录保存

153
偏倚的研究－1

选取样本和测量人员 „ 计算测量的标准样本值的均值
和标准差
测量标准样本

计算均值和标准差

计算偏倚和t统计量

判定

记录保存

154
偏倚的研究－1

选取样本和测量人员 „ 偏倚＝测量平均值－μ
„ t统计量
测量标准样本 偏倚
t=
测量标准差 / n
计算均值和标准差

计算偏倚和t统计量

判定

记录保存

155
偏倚的研究－1

选取样本和测量人员 „ 查表得 t0.05 (30 − 1) = t0.05 (29) = 2.04

„ 若t≥2.04，则存在偏倚问题
测量标准样本 „ 若t＜2.04，则偏倚可接受

计算均值和标准差

计算偏倚和t统计量

判定

记录保存

156
偏倚的研究－1

选取样本和测量人员 „ 破坏型偏倚研究的记录要保存
下来，可以和PPAP档案存放在一
测量标准样本 起，以有效证明公司的测量仪器其
测量能力是足够的。
计算均值和标准差

计算偏倚和t统计量

判定

记录保存

157
例题

„ 今有一台硬度计，其配予了一片的标准片，但由于硬度
计是破坏性试验，所以被测过的地方是不能再测的。在
购买标准硬度片时，厂商提供的数据：μ＝75，σ＝1。
现测量这30个标准样本数据如下，试问有无偏倚问题。

75.6 74.3 76.3 77.7 77.6 78.3 73.2 75.7 77.4 74.6

75.1 73.8 73.6 74.7 75.0 73.2 75.3 75.5 76.2 75.5

75.6 75.5 77.7 75.9 75.8 75.3 78.6 77.1 79.1 75.1

158
例题解答

„ 计算测量值的均值和标准差
均值＝75.8 标准差＝1.544
„ 计算偏倚和t统计量

偏倚＝75.8-75=0.8 0.8
t= = 2.83
1.544
„ 判定 30
因为t>2.04，所以存在明显的偏倚问题

159
R&R研究(1)－样本的选择

„ 选取同批次的多个标准样本，样本间的差异与
过程变差相比小到可以忽略不计。
„ 选取多个批次的标准样本，多个批次的样本要
能代表过程变差。
„ 比如，在非破坏型试验中，我们选择10个样
件，3个操作者，每个操作者重复测量样件2次。
那么，在破坏型试验中，每个样件3个人共六次
的重复测量，我们用同一批次中6个差异可以忽
略不计的标准样本代替，而10个样件即用10个
可以代表过程变差的批次代。
160
R&R研究(2)

„ 在无法取到相当数量的样本时，我们采用另一种方法来
进行测量系统的R&R研究。
„ 样本的选择
– 选取7～10个批次，每个批次取两个样本
– 批次要能代表过程范围，同批次的两个样本差异要小
到可以忽略不计

161
R&R研究(2)－例题

„ 下表所示的是某材料黏度试验的测试结果，考虑到
材料的制造成本很高，且黏度刷牙样本无法重复使
用，所以从同一批次中抽取2个样本，7个批次，用
同样的方法（人员和量具）测取数据。
批次 1 2 3 4 5 6 7

样本1 20.48 19.37 20.35 19.87 20.36 19.32 20.58

样本2 20.43 19.23 20.39 19.93 20.34 19.30 20.68

162
R&R研究(2)－例题
)
„ 计算测量系统的波动σ m
将每一批的样本构成一个子组，计算子组的极差
批次 1 2 3 4 5 6 7
样本1 20.48 19.37 20.35 19.87 20.36 19.32 20.58
样本2 20.43 19.23 20.39 19.93 20.34 19.30 20.68
极差 0.05 0.14 0.04 0.06 0.02 0.02 0.10 R = 0.0614
)
σm
用下面式子估计
) R
σm = , 式中，d 2可查表得到，它与样本容量 n 有关。本例中，n = 2 。
d2
) R 0.0614
σm = = = 0.054
d 2 1.128

163
R&R研究(2)－例题
)
„ σp
计算批次间的波动（过程波动）
在计算批次间的波动时，应使用各批次间的移动极
批次
差 1 2 3 4 5 6 7
样本1 20.48 19.37 20.35 19.87 20.36 19.32 20.58
样本2 20.43 19.23 20.39 19.93 20.34 19.30 20.68
x 20.455 19.300 20.370 19.900 20.350 19.310 20.630 x = 20.04

极差 1.155 1.07 0.47 0.45 1.04 1.32 R = 0.9175

)
用下面式子估计 σp
) R
σp = , 式中，d 2可查表得到，它与样本容量 n 有关。本例中，n = 2 。
d2
) R 0.9175
σp = = = 0.813
d 2 1.128
164
R&R研究(2)－例题

„ 计算R&R%
) ) )
σ T = σ m2 + σ p2 = 0.054 2 + 0.8132 = 0.8148
) )
R & R% = σ m / σ T = 0.054 / 0.8148 = 0.06627 = 6.63%

„ 结论
因为R&R%小于10%，故测量系统可以接受

165
案例：

• 军工单位生产新型射孔弹，需要进行试验。考虑到产品无
法重复使用。从15批产品中各抽取2个射孔弹，安排3名操
作员第人对5批射孔弱各测取2次射孔深度的数年据。假设
同一个人在同一批次内的2次测量是重复测量。已知公差
要求为16，试分析该测量系统。

166
编号 射孔弹 操作员 测量值 编号 射孔弹 操作员 测量值 编号 射孔弹 操作员 测量值

1 1.1 甲 148 6 6.1 丙 141 11 11.1 乙 142

1 1.2 甲 149 6 6.2 丙 143 11 11.2 乙 143

2 2.1 乙 145 7 7.1 甲 137 12 12.1 丙 140

2 2.2 乙 148 7 7.2 甲 135 12 12.2 丙 144

3 3.1 丙 146 8 8.1 乙 140 13 13.1 甲 148

3 3.2 丙 146 8 8.2 乙 139 13 13.2 甲 145

4 4.1 甲 142 9 9.1 丙 141 14 14.1 乙 146

4 4.2 甲 143 9 9.2 丙 138 14 14.2 乙 145

5 5.1 乙 145 10 10.1 甲 144 15 15.1 丙 147

5 5.2 乙 145 10 10.2 甲 142 15 15.2 丙 143

167
第八讲 总结

1、基本计量型――极差法、均值与极差法、ANOVA法、偏倚、线
性、控制图法
2、基本计数型――信号控测法、假设试验分析法
3、不可重复（破坏型）――控制图法
4、复杂的计量型――极差法、均值与极差法、ANOVA法、偏倚、
线性、控制图法
5、复合的系统、量具或试验标准――控制图法、ANOVA法、回归
分析法
6、持续的过程――控制图法

168
 样本m D2系数表

2 3 4 5 6 7 8 9 10 11 12 13 14 15
组数

1 1.41 1.91 2.24 2.48 2.67 2.83 2.96 3.08 3.18 3.27 3.35 3.42 3.49 3.55

2 1.28 1.81 2.15 2.40 2.60 2.77 2.91 3.02 3.13 3.22 3.30 3.38 3.45 3.51
g

3 1.23 1.77 2.12 2.38 2.58 2.75 2.89 3.01 3.11 3.21 3.29 3.37 3.43 3.50

4 1.21 1.75 2.11 2.37 2.57 2.74 2.88 3.00 3.10 3.20 3.28 3.36 3.43 3.50

5 1.19 1.74 2.10 2.36 2.56 2.73 2.87 2.99 3.10 3.19 3.27 3.35 3.42 3.49

6 1.18 1.73 2.09 2.35 2.56 2.73 2.87 2.99 3.10 3.19 3.27 3.35 3.42 3.49

7 1.17 1.73 2.09 2.35 2.55 2.72 2.87 2.99 3.10 3.19 3.27 3.35 3.42 3.48

8 1.17 1.72 2.08 2.35 2.55 2.72 2.87 2.98 3.09 3.19 3.27 3.35 3.42 3.48

9 1.16 1.72 2.08 2.34 2.55 2.72 2.86 2.98 3.09 3.18 3.27 3.35 3.42 3.48

10 1.16 1.72 2.08 2.34 2.55 2.72 2.86 2.98 3.09 3.18 3.27 3.35 3.42 3.48

11 1.16 1.71 2.08 2.34 2.55 2.72 2.86 2.98 3.09 3.18 3.27 3.35 3.41 3.48

12 1.15 1.71 2.07 2.34 2.55 2.72 2.86 2.98 3.09 3.18 3.27 3.35 3.42 3.48

13 1.15 1.71 2.07 2.34 2.55 2.71 2.85 2.98 3.09 3.18 3.27 3.35 3.42 3.48

14 1.15 1.71 2.07 2.34 2.54 2.71 2.85 2.98 3.08 3.18 3.27 3.35 3.42 3.48

15 1.15 1.71 2.07 2.34 2.54 2.71 2.85 2.98 3.08 3.18 3.27 3.35 3.42 3.48

>15 1.128 1.693 2.059 2.326 2.534 2.70 2.84 2.907 3.078 3.173 3.25 3.336 3.40 3.472
4 7 8 7

169
170
 标准正态分布函数表
φ(x) x
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
x
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.648 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772 0.6808 0.6844 0.6879

0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.719 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.758 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834 0.8365 0.8389

1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879 0.881 0.883
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9278 0.9292 0.9306 0.9319
171
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406 0.9418 0.943 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9648 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.97 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.975 0.9756 0.9762 0.9767

2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.983 0.9834 0.9838 0.9842 0.9846 0.985 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9874 0.9878 0.9881 0.9884 0.9887 0.989
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.992 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936

2.5 0.9938 0.994 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.996 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.997 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.998 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986

3 0.9987 0.999 0.9993 0.9995 0.9997 0.9998 0.9998 0.9999 0.9999 1

3.1 0.999032 0.999065 0.999096 0.999126 0.999155 0.999184 0.999211 0.999238 0.999264 0.999289

3.2 0.999313 0.999336 0.999359 0.999381 0.999402 0.999423 0.999443 0.999462 0.999481 0.999499

3.3 0.999517 0.999534 0.999550 0.999566 0.999581 0.999596 0.999610 0.999624 0.999638 0.999660

3.4 0.999663 0.999675 0.999687 0.999698 0.999709 0.999720 0.999730 0.999740 0.999749 172
0.999760
3.5 0.999767 0.999776 0.999784 0.999792 0.999800 0.999807 0.999815 0.999822 0.999828 0.999885
3.6 0.999841 0.999847 0.999853 0.999858 0.999864 0.999869 0.999874 0.999879 0.999883 0.999880
3.7 0.999892 0.999896 0.999900 0.999904 0.999908 0.999912 0.999915 0.999918 0.999922 0.999926
3.8 0.999928 0.999931 0.999933 0.999936 0.999938 0.999941 0.999943 0.999946 0.999948 0.999950
3.9 0.999952 0.999954 0.999956 0.999958 0.999959 0.999961 0.999963 0.999964 0.999966 0.999967

4 0.999968 0.999970 0.999971 0.999972 0.999973 0.999974 0.999975 0.999976 0.999977 0.999978
4.1 0.999979 0.999980 0.999981 0.999982 0.999983 0.999983 0.999984 0.999985 0.999985 0.999986
4.2 0.999987 0.999987 0.999988 0.999988 0.999989 0.999989 0.999990 0.999990 0.999991 0.999991
4.3 0.999991 0.999992 0.999992 0.999930 0.999993 0.999993 0.999993 0.999994 0.999994 0.999994
4.4 0.999995 0.999995 0.999995 0.999995 0.999996 0.999996 0.999996 1.000000 0.999996 0.999996

4.5 0.999997 0.999997 0.999997 0.999997 0.999997 0.999997 0.999997 0.999998 0.999998 0.999998
4.6 0.999998 0.999998 0.999998 0.999998 0.999998 0.999998 0.999998 0.999998 0.999999 0.999999
4.7 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999
4.8 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999 0.999999
4.9 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000

173
Thanks for your supports
感谢支持与信赖

174