我们常见的偏移、线性、重复性与再现性GR&R，都是对计量型的数据展开研究的，也就是连续型数据。
当然，还有一类是计数型或者属性值，比如产品的合格/不合格、通规的通过/不通过等，没有具体的数据，只有一个属性，这一类的数据是不能进行偏移、线性、重复性与再现性GR&R，因为不能对零件的好坏程度进行量化。
对这一类数据进行测量系统分析的时候该怎么办呢？
通常是考察一致性，比如测量人员重复检验的一致性，测量人员之间的一致性，测量人员的检验结果与标准属性（值）的一致性。
属性值做测量系统分析怎么抽样？
一般选择20个或以上的样品，当然不是随机选择，合格品与不合格品应该各占50%左右。另外，选择的合格品中应该有近一半的数量靠近不合格品，也就是常说的在限度样品之内可以判定为合格的。选择的不合格品中也应该有近一半的数量靠近合格品，也就是在限度样品之外的。
增加这样一些“模糊”样品的目的是考察测量人员，也就是测量系统能否识别出这种微小的变化，就是我们常说的测量系统应该有足够的识别过程细微变差的能力。
选择两个或以上的作业员，分别对样品重复检验两次或以上，评价其检验的一致性，以及与标准属性的一致性。
当然，不能让测量人员提前知道样品的合格与否，不然就没有任何意义了。
我说的不一定对，望独立思考
