測量系統中再現性較大的改進方法

『壹』 如何理解測量系統分析的基本思想

從測量的定義可以看出，除了具體事物外，參與測量過程還應有量具、使用量具的合格操作者和規定的操作程序，以及一些必要的設備和軟體，再把它們組合起來完成賦值的功能，獲得測量數據。這樣的測量過程可以看作為一個數據製造過程，它產生的數據就是該過程的輸出。這樣的測量過程又稱為測量系統。它的完整敘述是:用來對被測特性定量測量或定性評價的儀器或量具、標准、操作、夾具、軟體、人員、環境和假設的集合，用來獲得測量結果的整個過程稱為測量過程或測量系統。
測量系統分析，是指用統計學的方法來了解測量系統中的各個波動源，以及他們對測量結果的影響，最後給出本測量系統是否合符使用要求的明確判斷。進一步地，如果不符合使用要求，則利用工程方法對測量系統進行改進。

測量系統分析，針對的是整個測量系統的穩定性和准確性，它需要分析測量系統的位置變差、寬度變差。在位置變差中包括測量系統的偏倚、穩定性和線性。在寬度變差中包括測量系統的重復性、再現性。

『貳』 物理中減少測量誤差的方法

1、選用准確度較高的測量儀器，改進實驗方法，熟練實驗技能等。在一般實驗中，減小誤差的有效途徑是取多次測量的平均值(這種方法對偶然誤差的減小有效)。

2、多次測量求平均值：由於隨機誤差的變化不能預定，因此，這類誤差也不能修正，但是，可以通過多次測量取平均值的辦法來削弱隨機誤差對測量結果的影響。

(2)測量系統中再現性較大的改進方法擴展閱讀

除了被測的量以外，凡是對測量結果有影響的量,即測量系統輸入信號中的非信息性參量,都稱為影響量。電子測量中的影響量較多而且復雜，影響常不可忽略。環境溫度和濕度、電源電壓的起伏和電磁干擾等，是外界影響量的典型例子。

雜訊、非線性特性和漂移等，是內部影響量的典型例子。影響量往往隨時間而變，而且這種變化通常具有非平穩隨機過程的性質。不過，這種非平穩性大都表現為數學期望的慢變化。

此外，在測量儀器中，若某個工作特性會影響到另一工作特性，則稱前者為影響特性。影響特性也能導致測量誤差。例如，交流電壓表中檢波器的檢波特性，對測量不同波形和不同頻率的電壓會產生不同的測量誤差。

『叄』 如何改進測量方法

你好，據我所知，關於改進測量方法，首先你要找到相應的影響因素，然後加以整改。

『肆』 測量系統分析有哪幾種分析方法

五種分析：

1、偏倚(Bias)：測量結果的觀測平均值與基準值的差值。

2、穩定性(Stability)：測量系統在某持續時間內測量同一基準或零件的單一特性時獲得的測量平均值總變差，即偏倚隨時間的增量。

3、重復性（Repeatability）：由同一位檢驗員用同一量具，多次測量同一產品的同一質量特性時獲得的測量值的變差。

4、再現性(Reproctivity) ：由不同檢驗員用同一量具，多次測量同一產品的同一質量特性時獲得的測量平均值的變差。

5、測量系統(Measurement system)：用來對被測特性賦值的操作、程序、量具、設備以及操作人員的集合，用來獲得測量結果的整個過程。

(4)測量系統中再現性較大的改進方法擴展閱讀：

MSA使用數理統計和圖表的方法對測量系統的解析度和誤差進行分析，以評估測量系統的解析度和誤差對於被測量的參數來說是否合適，並確定測量系統誤差的主要成分。測量系統的誤差由穩定條件下運行的測量系統多次測量數據的統計特性：偏倚和方差來表徵。

測量系統分析已逐漸成為企業質量改進中的一項重要工作，企業界和學術界都對測量系統分析給予了足夠的重視。

『伍』 淺談測量系統分析（MSA）（八）：計數型測量系統分析各種方法的比較

在測量系統分析研究中，還有一個難點就是計數型測量系統分析（Attribute MSA）。從產品控制的角度來講，無論是計量型還是計數型測量系統，計算GRR的目的實質上得到上圖中II區（混淆區）的寬度，當然是越窄越好，越窄對產品誤判的機會就少。我在前面也介紹過，所謂計數型測量系統指的是不能測量出產品特性具體的數據，只能做出產品合格與否的判斷的測量系統，在這兒我想澄清一個誤解，很過計量型的自動測量系統顯示「Pass」或「Fail」，但實際上是可以測出具體數據的，只是軟體把測量結果與公差進行比較後，顯示「Pass 」 或「Fail」，此類測量系統仍屬於計量型測量系統。

首先，咱們介紹一下什麼情況下採用計數型測量系統。一般情況下，計數型測量系統用於以下場合：

1. 非關鍵產品特性的抽查或100%檢查，100%檢查用於過程能力偏低時，否則會有大量不合格品流到客戶端；抽查主要用於過程式控制制。

2. 特殊產品特性的100%的檢查。在過程不穩定或過程能力偏低時，由於技術問題、節拍問題或成本問題不能採用計量型測量系統進行測量時，使用計數型測量系統進行100%測量。在這種情況下，即使增加100%檢查也不能滿足客戶PPM的要求，但是在過程能力得到改善之前所能才採取的最好辦法了。

第二，計數型測量系統分析的方法有如下幾種，下面我們就分別介紹一下各種方法的優缺點。

1. 小樣法（Short Form Method）

2. 假設檢驗分析-交叉表法（Hypothesis Test Analysis - Cross-Tab Method）

3. 信號探測法（Signal-Detect Approach）

4. 解析法（Analytic Method）

在以上4種方法中，有一個共同的難點，就是取樣必須涵蓋上圖中的II區，也就是混淆區域，否則測量系統分析就不會成功或沒有意義。

小樣法： 小樣法在AIAG MSA 第2版中仍然在使用，只是在第3版以後才被其他方法替代。優點就是簡單、容易理解，缺點也很明顯。

1. 樣本的產品參數必須通過其他測量系統准確地的測量出具體數值，才能保證取到在上下限附近的附近的樣本。否則，在不知道混淆區域的寬度（CONFUSED AREA）的情況下隨機取樣，沒辦法保證取到的樣本處於混淆區域之內，如果樣本都在混淆區域之外，也就失去了做MSA的意義。而實際上，大部分人都是這樣做的。

2. 不允許有任何誤判，好的產品一定判定為「合格品」，壞的產品一定會被判定為「不合格品」，即使是「Perfect」的測量系統也做不到，對於處於混淆區域的產品，這是不符合統計規律的。比如正好處於上、下限（Upper/Lower Limit）的產品，從統計學的考慮，50%的概率被判定為合格品，也有50%的概率判定為不合格品。

假設檢驗分析 - 交叉表法 (Cross-Tab Method) 。這種方法從MSA 手冊的第3版才開始被推薦使用。基本原理是利用科恩的Kappa（COHEN'S KAPPA）系數來評估評價者之間、評估者與標准之間的一致性（也就是再現性Reprocibility），再加之有效性（Effectivenes）、漏判率（Miss Rate）和誤判率（False Alarm Rate）等指標綜合來評價測量系統是否可以接受。總的來講，該方法既有統計的理論依據，又能夠量化接受的標准，是不錯的方法，而且可以用於可量化和不可量化的產品參數。這種方法用得最多，大家也最熟悉，但仍然有兩個問題：

1. Kappa>0.75即可接受，不知道這個標准怎麼來的，個人認為標准有點偏低，如果Kappa=0.75的話，那誤判的產品將是一個災難性的數字，只能作為參考。建議以有效率、誤判率、漏判率作為主要判斷標准，因為這三個指標滿足要求，Kappa肯定也滿足要求。

2. 要求樣本涵蓋整個過程變差的范圍，當Ppk=0.5時，需要的樣本容量就多大50個，而且隨著過程能力的增加要求的樣本量顯著增加，如PpK=1.33,時，樣本容量將是一個可怕的數字，從而使該方法的可操作性和經濟性大打折扣，或者說不具有可操作性。

信號探測方法（Signal-Detect Approach） 也是從MSA手冊的第3版才開始引入。原理也很簡單，計算混淆區域（第2區域）的寬度作為GRR，只有簡單數學運算沒有任何統計的估計。難點在於取樣本，只有在公差上下限附近密集取樣，而且必須用其他方法准確地測量具體數值，才能夠比較准確的估計出GRR，其實實施起來還是比較困難的。而且對於不能量化的產品參數，也就無能為力了，比如外觀檢查等。

解析法（Analytic Method/Long Method） ，基本原理主要是運用量具性能曲線（GRC）來計算出重復性（Repeatability）和偏倚（Bias）。方法也比較簡單，樣本容量只有8個，如果運用軟體的話，還是比較容易的。如果是在線自動測量系統，建議採用該種方法，因為一般而言自動測量系統受到再現性的影響很小，而重復性和偏倚是其主要測量變差的來源。同樣的對於不能量化的產品參數不適用。

總結一下：

1. 小樣法（Short Form Method）,已經不再是AIAG MSA手冊推薦的方法了，就不推薦使用了。

2. 如果是在線100%自動測量系統，推薦使用解析法 或信號探測方法，量化GRR%和偏倚。

3. 假設檢驗分析 - 交叉表法，不同於信號探測和解析法，不能量化GRR%，而是通過Cohen's Kappa、有效率、漏判率、錯判率等指標來評價測量系統。可用於不能量化的產品參數的檢查，如目視、聽覺等感官方法，也可用於可量化的產品參數的抽檢的量具，但要求的樣本容量太大，很多情況下不具可操作性。

既然，大家最喜歡用交叉表法，下一次我們就介紹一下如何在小樣本容量的情況下也能達到同樣的效果。

2021 - 6 - 12