minitab实操:连续型MSA实操及图文解析
同学们,今天我们来手把手带着大家做一场连续型MSA的实操
在正式测量前,我们有四点需要注意:
1.确定测量特性是什么
2.确定检验员和样本来源
3.确定测量方式
4.提前做好记录表格,做好记录的准备

今天我们做测量大米重量的测量系统分析,
确定检验员是ABC三个人,样本要能覆盖正常重量波动范围,给10袋大米编号1-10。
测量方式为交叉试验,即每个人轮流重复测量三次编号1-10大米,不能让彼此之间看到测量结果,确保结果不受到干扰。
最终做好记录,如下表:

大家做MSA可以参照这个模版
用这个数据怎么做MSA呢?minitab不认识这个表格
我们需要对对数据做个转化,竖着排列,如下图:

数据重新在minitab排列后
minitab路径:统计-质量工具-量具研究-交叉

将数据对应输入


从选项这里点击进入,输入公差,假定是1

点击确定,得出以下图表


在MSA中,这张图非常重要,每个同学必须会看才行!
上面是实操部分,下面是MSA解析部分
我们将报告中的总图划分为六块分图,逐一进行详细讲解:
1.左上图:变异占比条形图
这张图包含三类条形指标,分别对应不同的变异衡量维度。
第一类百分比贡献条形,代表各波动分量的方差与总体波动分量的方差之比;
第二类百分比研究变异条形,代表各波动分量的标准差与总体波动分量的标准差之比;
第三类百分比公差条形,代表各波动分量的标准差的 6 倍数与公差之比。
这张图形最好和分析表搭配查看,图形只能观察大致的数值趋势,
分析表可以得到详细、具体且准确的数值。

从分析表中可以看到,这个测量系统的 P/TV、P/T 数值均大于 30%,NDC 数值小于 5,
结合测量系统能力判别准则,能够直接得出这个测量系统测量能力不足的结论。

即便只看图形,也能直观看到对应数值占比超过了 30%,可以粗略判断出测量系统能力不足。

在理想的测量系统中,量具 R&R、重复性、再现性这三项的变异占比会更小,
那么对应的部件间变异占比则会更大,这几项数值的平方和为 100%,也就是合计变异。

这就是理想状态,部件间的变异足够大,那么量具 R&R、重复性、再现性这三项的变异就越小
2.左中图:极差控制图(R 图)
这张图是以每个测量员测量同一个部件的极差形成的 R 图,正常情况下,数据点绝大多数应该落在控制限之内。

本次案例中,所有数据点都落在控制限之内,说明各部件测量结果的极差并无特异情况,
但这张图的控制限范围过宽,说明重复性误差过大。
这里需要明确,重复性的好坏,需要通过这张 R 图进行判断。
3.左下图:均值控制图(Xbar 图)
这张图是以所有部件的总平均值为中心,以重复观测的标准差为标准差绘制的常规控制图。

正常情况下,应该是绝大多数平均值点落在控制域外。
越多的数据点超出 Xbar 图的控制限,表明过程实际的波动越大,
同时表明测量系统能力越高,越能识别出过程中的变异。
行业内的通用经验认为,这张均值图最好要有 5 层以上的数据类别,层数越多,
表明测量系统识别变异的能力越强。
4.右上图:按部件分组的测量结果运行图
这张图是按部件分组的测量结果运行图,
图中均值连线的变化越大,表明过程实际的波动越大;
均值周围的多个散点分布越集中,表明重复性与再现性的波动越小。
以本次案例中的大米检测数据为例,6 号大米三个人的测量结果都比较相近,
而 10 号大米三个人的测量结果差异就比较大,
通过这张图可以直观看到不同部件测量结果的波动情况。
5.右中图:按人员分组的测量结果运行图
这张图是按人员分组的测量结果运行图,图中均值连线的变化越小,表明再现性的波动越小。

由于各部件本身的数值相差悬殊,将每个测量员的全部结果平均之后,一般都看不出显著的差异,
通过图中箱体的宽窄,只能粗略查看三个人员测量的波动大小,无法得出明确的结论,
因此这张图的参考价值有限。
6.右下图:人员 - 部件均值交互运行图
这张图重叠显示了三个人员按部件分组的测量结果均值运行图,
图中连线的变化越大,表明过程实际的波动越大;
三条连线越接近平行,表明人员与部件的交互作用越小。

如果出现交互,说明在对应点位,三个人的测量结果保持一致;
如果三条线完全平行无交互,三个人的测量结果呈现同步的高低变化,
有可能出现三个人均未测到真实值的情况。
综上所述:

这张图对测量系统的改进工作有明确的指导意义,我们可以通过这张图,找出测量员间测量结果差异较大的部件,
比如本次案例中的 4、5、10 号大米,在测量培训中,针对这几个部件开展深入的培训与练习,
就可以缩小再现性误差,提升测量的精度
读一千遍,不如自己动手做一遍!
大家可以跟着文章内容,自己操作一下,把知识变成自己的。
遇到不懂的可以后台私信
六六老师微信:zixiren666


全部 0条评论