MSA質(zhì)量量測系統(tǒng)分析匯總課件

MSA量測系統(tǒng)分析

MeasurementSystemAnalysisMSA量測系統(tǒng)分析

MeasurementSystemA哪個製程較好呢？哪個製程較好呢？量測過程：標準：零件：儀器：人/程序：環(huán)境SWIPE量測數(shù)值分析輸入輸出可接受可能可接受需改善量測系統(tǒng)如果測量的方式不對，那么好的結(jié)果可能被測為壞的結(jié)果，壞的結(jié)果也可能被測為好的結(jié)果，此時便不能得到真正的產(chǎn)品或過程特性。量測過程：標準S量測數(shù)分析輸入輸出可接受量測系統(tǒng)如果實際製程變異偏倚穩(wěn)定性線性已觀測的製程變異測量系統(tǒng)的變異組內(nèi)變異組間變異正確度精密度sP2sT2sR&R2sT2=sP2+sR&R2

sR&R2=sAV2+sEV2重復性再現(xiàn)性1)製程變異的理解我們所觀測製程的變異里包含了實際製程變異和測量系統(tǒng)的變異.假如測量系統(tǒng)的變異比較大時會發(fā)生什么樣的問題?測量系統(tǒng)驗證實際製程變異偏倚穩(wěn)定性線性已觀測的製程變異測量系統(tǒng)的變異組內(nèi)測量是為了表示某個物體的特定的性質(zhì)而對物體賦予數(shù)值的方法。操作方法,步驟,Gage和其它裝備,軟件,測量者等

為了得到測量值而使用的我們統(tǒng)稱為測量系統(tǒng)(MeasurementSystem).測量系統(tǒng)的誤差

正確度(Accuracy):測量值和真值之間的差異?偏倚(Bias),線性(Linearity),穩(wěn)定性(Stability)精密度(Precision):

用同樣的儀器對同樣的部品反復測量時產(chǎn)生的測量值的散布

?重複性(Repeatability),再現(xiàn)生(Reproducibility)精度低,正確度差精度低,正確度高精度高,正確度低精度高,正確度高測量系統(tǒng)的精度及正確度測量系統(tǒng)誤差測量是為了表示某個物體的特定的性質(zhì)而對物體賦予數(shù)值的方法。操

什么是正確度(Accuracy)?

什么是穩(wěn)定性(Stability)?真值正確度量測系統(tǒng)的平均值*真值是利用最準確的測量裝備測量時

所得到的值.?實際值(真值)和觀察平均之間的差異.?最少2次以上在不同時期對同樣的部品利用同樣的Gage測量時所得到的測量平均值之間的差異.?儀器設(shè)備因磨損,氣溫,濕度等環(huán)境變化

和時間的經(jīng)過而對測量結(jié)果產(chǎn)生影響.穩(wěn)定性Time1Time2時間經(jīng)過什么是正確度(Accuracy)?什么是穩(wěn)定性(St正確度偏差大正確度偏差小LSLUSL測定值真值真值測定值?在Gage的規(guī)定的操作范圍內(nèi)比較

正確度后進行評價.

即,在規(guī)定的操作范圍內(nèi)的兩個極限區(qū)間

最少各研討1次正確度后得到的差值.?Gage通常是在操作范圍的下限

(或者規(guī)格值)比上限它的正確度差.

什么是線性(Linearity)?

對Gage的操作范圍或者Spec范圍的

正確性.正確度偏差大正確度偏差小LSLUSL測定值真值真值測定值?什么是重復性(Repeatability)?重復性(Repeatability):“得到具有一貫性的結(jié)果”反復測量時的變異?一名測量者對同樣的部品用同樣的儀器對同樣的特性在比較短的時間內(nèi)反復測量時所發(fā)生的測量值的變異?這是因量具設(shè)備而發(fā)生的變異.測量者

A測量者

B測量者C再現(xiàn)性什么是再現(xiàn)性

(Reproducibility)??對同一個部品的同樣的特性利用同樣的儀器幾個人測量時產(chǎn)生的測量者之間的測量值平均之間的差異?這是因評價人而發(fā)生的變異.什么是精密度(Precision)?什么是重復性(Repeatability)?重復性(RepRepeatability重復性可能導致重復性不好的原因：Equipment:設(shè)備測量儀器需要維護。需要更嚴格的量具。部件的夾具需要改進。People:人員環(huán)境條件(照明，噪聲)身體條件(視力)Reproducibility再現(xiàn)性操作者B的測量均值操作者A的測量均值可能導致再現(xiàn)性不好的原因：測量程序不清楚操作者使用和判讀量具的能力沒有得到適當?shù)呐嘤?。零件尺寸、位置、觀察誤差(易讀性、視差)系統(tǒng)精密度不好的原因Repeatability可能導致重復性不好的原因：Repr利用Minitab分析測量系統(tǒng)正確度(Accuracy)的分析一名評價者反復10次測量了同一個部品:得到10個測量值.●基準值:0.8,部品的制程變異是0.7.Ho:Bias＝0Ha:Bias≠0One-SampleT:xTestofmu=0.8vsmunot=0.8VariableNMeanStDevSEMean95.0%CITPx100.75000.04710.0149(0.7163,0.7837)-3.350.008▲Bias=0.75–0.8=-0.05▲%Bias=|Bias|ProcessVariationX100|-0.05|0.70X100==7.1%P-value=0.008，所以可以認為正確度有問題.Stat>BasicStatistics>1-Samplet利用Minitab分析測量系統(tǒng)正確度(Accuracy)的分◎Bias(偏倚)分析▲Bias=測量值的平均

–

基準值(真值)▲%Bias=|Bias|ProcessVariationX100(因製程變異發(fā)生的偏倚的百分比)▲%Bias=|Bias|

ToleranceX100(對允許公差的偏倚的百分比)用某個量具對同一個產(chǎn)品測量時所得到的測量值的平均和基準值(真值)之間的差異我們稱之為偏倚(Bias)或是不正確度(Inaccuracy),Bias越小時它的正確度會越高.

ProcessVariation=6σ

Tolerance=USL-LSL◎Bias(偏倚)分析▲Bias=測量值的平均–?

線性(Linearity)比較良好的情況在測量范圍全領(lǐng)域基準值和測量平均值一致/沒有偏倚正確地測量.在測量范圍全領(lǐng)域具有常數(shù)倍數(shù)的偏倚./雖有偏倚但是因為大小一定所以可以容易調(diào)整.基準值基準值測量平均偏倚偏倚測量平均基準值基準值?線性(Linearity)比較良好的情況在測量范圍全領(lǐng)域

線性(Linearity)的分析①線性不好的情況

–

測量范圍全領(lǐng)域偏倚(正確度)不一定的情況

無法矯正.偏倚基準值偏倚基準值線性(Linearity)的分析①線性不好的情況–測②線性(Linearity)和偏倚(Bias)判定基準③線性(Linearity)差時需要考慮的事項：調(diào)查量具測量范圍中上部或下部的刻度是否合適檢驗基準值是否正確檢驗測量位置是否正確檢驗測量者是否正確的使用了儀器檢驗量具磨損與否檢驗量具校準與否調(diào)查量具本身內(nèi)部設(shè)計問題※電子式的話在測量全范圍進行再校準.※機械式的話在測量范圍中以經(jīng)常使用的范圍為中心進行校準后不允許在其他范圍使用.②線性(Linearity)和偏倚(Bias)判定基準③▲Linearity=|傾斜度

|xProcessVariation▲%Linearity=LinearityProcessVariationX100在量具的測量范圍內(nèi)評價測量的一貫性,在量具的測量范圍內(nèi)如果Bias一定的話可以說線性較好.為了評價線性必須要計算Bias.*ProcessVariation=6σ=|傾斜度

|x100%Linearity值如果接近‘0’的話可以判定線性比較好.▲回歸模型

:y=a+bxy:Biasx:基準值b:傾斜度◎線性的計算公式▲Linearity=|傾斜度|xProces指的是隨時間經(jīng)過時，對同樣部品的測量結(jié)果的變異程度.隨時間的經(jīng)過如果測量結(jié)果互不相同的話這時我們可以認為此測量系統(tǒng)的穩(wěn)定性缺乏.分析穩(wěn)定性的方法我們通常用連續(xù)型管制圖(Xbar–R管制圖).目前所有的測量值都在管制界限內(nèi),因此可以說此儀器是比較穩(wěn)定的在管制界限外有測量值或者具有特定的周期或者傾向的話不能說此儀器是穩(wěn)定的.穩(wěn)定性(Stability)分析指的是隨時間經(jīng)過時，對同樣部品的測量結(jié)果的變異程度.隨時間的+=實際製程變異測量系統(tǒng)變異已觀測到的製程變異?GageR&RStudyMethod

Xbar–R:假設(shè)部品和測量者之間沒有交互作用之后進行分析(傳統(tǒng)的方法)ANOVA:部品和測量者之間存在交互作用的情況交互作用沒有意義時兩種方法的結(jié)果都差不多,但是交互作用有意義時可用ANOVAMethod.GageR&R-精度(Precision)分析①GageR&ROverview精密度散布散布R&RStudy

sR&R2=sEV2+sAV2+=實際製程變異測量系統(tǒng)變異已觀測到的製程變異?Gage準備事項短期方法長期方法(通常)測量者數(shù)2名3名樣本數(shù)量5個10個測量次數(shù)測量者別各1次測量者別各2次或者3次賦予編號以及隨機化對各個樣本賦予編號,每次測量都要隨機排列.確認測量位置及方法把測量位置標識在樣本,讓所有的測量者都要熟悉同樣的測量方法.選擇評價方法雖然迅速但是重復性和再現(xiàn)性被混合可以區(qū)分重復性和再現(xiàn)性的誤差.可以得到有關(guān)誤差原因的情報.③為了做GageR&R而采集數(shù)據(jù)的方法準備事項短期方法長期方法(通常)測量者數(shù)2名3名樣本數(shù)量5個步驟1.選定代表製程長期變動的10個樣本2.量測儀器的校正3.讓第一個作業(yè)者對所有樣本任意順序各做一次量測(BlindMeasurement)4.讓第二個作業(yè)者按同樣地方法實施(所有作業(yè)者相同)5.以同樣的方法按必要的次數(shù)重復量測6.得到的DATA輸入Minitab并進行分析GageR&R步驟步驟GageR&R步驟

樣本的選定樣本一般為10個，能代表製程的散布。假如樣本只選定接近製程平均的時，量測能力評價指標將會比實際不好。

假如樣本的選定在比工程散布寬范圍寬時，量測能力評價指標將會比實際好。

樣本反映制品的實際散布(製程變異)時才有意義。樣本的選定樣本一般為10個，能代表製程的散布。假如樣本只選%Contribution=×100%%GRR(=%StudyVariation)=×100%%Tolerance=×100%Numberofdistinctcategories=Round{×1.41}(NDC識別指數(shù))識別指數(shù)意味著量測System能區(qū)別的制品散布。即，

區(qū)別製程散布區(qū)間的數(shù)。例：識別指數(shù)為3時部品散布(σp)量測散布(σMS)GageR&R評價指標評價指標σ2MSσ2TotalσMSσTotal5.15×σMSTolerance*Tolerance=USL-LSL%Contribution=NDC分辨指數(shù)表明測量系統(tǒng)對一個特定的產(chǎn)品的可用性。提供測量系統(tǒng)在過程偏差的范圍內(nèi)可以精確測量的區(qū)分數(shù)。該數(shù)表明了一個測量過程檢測產(chǎn)品偏差(過程偏移和改進)能力的好壞。Red

Yellow

Green510NDC分辨指數(shù)指南

一種NDC分辨指數(shù)的直觀表示：1category3categories6categoriesNDC分辨指數(shù)表明測量系統(tǒng)對一個特定的產(chǎn)品的可用性。Red

評價基準%StudyVar或%Tolerance為10%以上時，首先區(qū)分評價重復性和再現(xiàn)性后，查明各個受影響的原因，并采取措施。

根據(jù)用途的優(yōu)先參照評價指標

-在制程判斷合格與否很重要時，

優(yōu)先確認%Tolerance-製程管制用或製程顯示用時，

優(yōu)先確認%StudyVar

GageR&R評價指標區(qū)分%Contribution%GRR(%StudyVariation)或%ToleranceNDC辨別指數(shù)良好<1%<10%>10費用/考慮重要性1~10%10~30%5~9不可使用>10%>30%<4評價基準GageR&R評價指標區(qū)分%Contribut

Minitab輸入DATA

計量型

GageR&R部品作業(yè)者

1作業(yè)者

2作業(yè)者

3量測1量測2量測3量測1量測2量測3量測1量測2量測31234567891024.0324.0324.0224.0224.0224.0324.0324.0424.03Minitab輸入DATA計量型GageR&R部品

利用Minitab的分析例)3名量測者對10個樣本做重復3回量測時Stat>QualityTools>GageR&RStudy(Crossed…)

計量型

GageR&RMinitab提供

ANOVA法和

X

barandR兩個分析方法。部品和量測者之間有交互作用時，

ANOVA法可以把交互作用分離顯示，所以是更正確的分析方法。利用Minitab的分析例)3名量測者對10個樣本做重

計量型

GageR&RMinitab分析結(jié)果

Graph解釋“選定的樣本是否如實反映工程的散布?”如果這個值均勻，意味樣本沒能如實反映工程的散布?！白鳂I(yè)者之間是否有差異？”作業(yè)者之間最好沒有差異?！懊棵鳂I(yè)者對樣本是否做不同的量測？”每名作業(yè)者對樣本的量測值一致為好。計量型GageR&RMinitab分析結(jié)果Gr

計量型

GageR&RMinitab分析結(jié)果

Graph解釋“在全體散布中

R&R所占的比重是否充分小?”

GageR&R,Repeat,Reprod.的高度越接近0越好?！白鳂I(yè)者別重復量測值是否穩(wěn)定?”注意!!!要是超過RChart的界限，就得調(diào)查其原因，

并重新量測?！氨鎰e相互不同部品的能力是否充分?”與RChart相反，盡量多超過管理界限為好。(50%以上的點)計量型GageR&RMinitab分析結(jié)果GrANOVA

解釋良好的量測System為時，在ANOVAtable中應要部品影響大(P值<0.05)，

作業(yè)者及作業(yè)者與部品的交互作用不影響(P值>0.05).

在這里作業(yè)者*部品有影響，不能說量測System是良好。

SourceDFSSMSFP

部品90.2410270.0267807132.4320.00000作業(yè)者20.0006490.00032441.6040.22846作業(yè)者*部品180.0036400.00020223.3700.00021Repeatability600.0036000.0000600Total890.248916

計量型

Gage

R&RANOVA解釋良好的量測System為時，在A%ContributionSourceVarComp(ofVarComp)

TotalGageR&R1.11E-043.64Repeatability6.00E-051.96Reproducibility5.15E-051.68

作業(yè)者4.07E-060.13

作業(yè)者*部品4.74E-051.55Part-To-Part2.95E-0396.36TotalVariation3.06E-03100.00StdDevStudyVar%StudyVarSource(SD)(5.15*SD)(%SV)

TotalGageR&R1.06E-020.05437619.07Repeatability7.75E-030.03989213.99Reproducibility7.18E-030.03695212.96

作業(yè)者2.02E-030.0103953.65

作業(yè)者*部品6.89E-030.03545912.44Part-To-Part5.43E-020.27986798.16TotalVariation5.54E-020.285100100.00NumberofDistinctCategories=7

評價指標的計算

計量型

GageR&R%Contribution==X100=3.64(%)

σ2MSσ2Total0.0001110.00306%StudyVar==X100=19.07(%)

0.0543760.2851005.15XσMS5.15XσTotal

辨別范周為7，小于基準值10，但大于基準值4.%StudyVar為19.07%，大于基準值10%，但小于基準值30%。%Contribution為3.64%，因部品之間差的變動為96.36%.還有，再現(xiàn)性散布為1.68%，比重復性散布1.96%小，因此可以說因重復引起的變動比作業(yè)者之間的差異更大。

評價指標解釋%ContributionSourceVarComp(ofVarComp)

TotalGageR&R1.11E-043.64Repeatability6.00E-051.96Reproducibility5.15E-051.68作業(yè)者4.07E-060.13

作業(yè)者*部品4.74E-051.55Part-To-Part2.95E-0396.36TotalVariation3.06E-03100.00StdDevStudyVar%StudyVarSource(SD)(5.15*SD)(%SV)

TotalGageR&R1.06E-020.05437619.07Repeatability7.75E-030.03989213.99Reproducibility7.18E-030.03695212.96

作業(yè)者2.02E-030.0103953.65

作業(yè)者*部品6.89E-030.03545912.44Part-To-Part5.43E-020.27986798.16TotalVariation5.54E-020.285100100.00NumberofDistinctCategories=7

計量型

Gage

R&R總的來看，考慮與費用所需的精密度來決定是否允許使用量測System，比再現(xiàn)性應給重復性的改善大的比重，來研究量測System的改善方案。辨別范周為7，小于基準值10，但大于基準值4.%Stud例)計算%Tolerance時%Tolerance==5.15×σMSTolerance5.15×σMSUSL-LSL例)計算%Tolerance時%Tolerance=%Toleance被計算的例子

計量型

Gage

R&R%Tolerance==X100=68.61(%)

0.343060.55.15XσMSUSL-LSLProcessTolerance%Toleance被計算的例子計量型GageR&R%一個人反復3次測試同樣的部件的結(jié)果值之間有很大的差異..?即,可判斷出重復性上有問題.另外,大部分的測量值都靠近平均的附近,所以可以判斷出測量系統(tǒng)的區(qū)別上有問題.對個別測量值的圖表分析?圖表分析結(jié)果?

Minitab使用方法(StatQualityTools

GageRunChart?結(jié)果的解釋一個人反復3次測試同樣的部件的結(jié)果值之間有很大的差異..?GageR&RRunChart的使用根據(jù)部品Plot每個測試人員的測量值能了解到同樣部件,同樣的人反復測出的值之間的變動量,也就是反復性.能了解到幾個人測了同樣部件時測出的值之間的變動量,也就是再現(xiàn)性.?反復性上有問題的時候?再現(xiàn)性上有問題的時候?GageR&RRunChart的使用根據(jù)部品Plo異常原因調(diào)查及采取措施GageR&RStudy實行Xbar-RChart參照管制狀態(tài)？GR&R評價產(chǎn)品的合格與否

判定

重要(%Tolerance)製程管制用(%StudyVar)滿足%R&R基準評價測量系統(tǒng)的NDC識別力滿足區(qū)別力基準適合判定

&運營采取措施后再測定或者刪除數(shù)據(jù)GageRunChart制作區(qū)分對重復性和再現(xiàn)性的統(tǒng)計值后參照研討提高量具精度的方案查明原因及改善NoNoNoDATA采集50%以上要超過

Xbar管制界限.NDC≥5GageR&R整個

Process異常原因調(diào)查及采取措施GageR&RStudy實行XGageR&RXbar-R方法ANOVAGageR&R(Nested)GageR&R(Crossed)連續(xù)型

Data離散型

DataNested:不可以反復測量的Data(例:破壞檢查)Crossed:可以反復測量的

DataANOVA④GageR&RStudy的種類GageR&RXbar-R方法ANOVAGageR不能反復測量同樣一個部件時就不能把重復性和再現(xiàn)性區(qū)分進行測量,所以評價破壞檢查的方式進行測量的GageR&R時，為了能夠反復地進行測試要準備能看作為同一個部件的相近的部品.也就是說能假設(shè)在batch(Lot)內(nèi)的產(chǎn)品是都一樣時，可以在一個Batch(Lot)中抽出多個部品進行測試.3名測試人員對5個部品進行2次反復測試時?

二元分配法(CrossedDesign):各batch中可準備6個部品?

枝分試驗法(NestedDesign):各batch中只能準備2個部品二元分配法枝分試驗法⑦不能進行反復測試時的GageR&RStudy不能反復測量同樣一個部件時就不能把重復性和再現(xiàn)性區(qū)分進行測量Sample不能進行反復檢查時(例,破壞檢查)從15個batch中各取2個部品,并且假設(shè)同batch內(nèi)的部品是一樣的.3個人進行了測試.用枝分試驗法分析測試系統(tǒng).?

Example◎測試結(jié)果Sample不能進行反復檢查時(例,破壞檢查)從15個baGageR&RStudy-NestedANOVANestedANOVATableSourceDFSSMSFPOperator20.01420.007080.003850.99615Part(No)(Operator)1222.05521.837941.425490.25516Repeatability1519.34001.28933Total2941.4094GageR&R%ContributionSourceVarComp(ofVarComp)TotalGageR&R1.2893382.46Repeatability1.2893382.46Reproducibility0.000000.00Part-To-Part0.2743017.54TotalVariation1.56364100.00StdDevStudyVar%StudyVarSource(SD)(5.15*SD)(%SV)TotalGageR&R1.135495.8477790.81

Repeatability1.135495.8477790.81

Reproducibility0.000000.000000.00

Part-To-Part0.523742.6972541.88TotalVariation1.250456.43984100.00NumberofDistinctCategories=1分析了的GageR&R值超出30%,并且NumberofDistinctCategories是1,所以要求改善測試系統(tǒng)!GageR&R的貢獻量比部件變異引起的貢獻量大很多,所以儀器測試系統(tǒng)不合適對再現(xiàn)性的貢獻量是0的反面，即重復性的貢獻量是

GageR&R的全部,所以找出影響重復性的因素后進行改善.?

Minitab分析結(jié)果GageR&RStudy-NestedANOVA??圖表分析結(jié)果?Minitab使用方法(StatQualityTools

GageR&RStudy(Nested)?結(jié)果的解釋4)5)3)1:因GRR的變異量大,所以要改善測試系統(tǒng)的不適合和重復性.2:處于管制狀態(tài),所以可判斷測量上有一致性.3:因全部都在管制的規(guī)格線內(nèi),所以不適合用在部品間有無變異的檢查.4:同樣的人對同樣的部件進行測試時存在大的差異,所以重復性上有問題及需要改善.5:測試人員測出的值的平均值比較接近,所以再現(xiàn)性良好.?圖表分析結(jié)果?Minitab使用方法(Stat◆對分析出來結(jié)果的對策①重復性誤差比較大時

-->因測量儀器的變異比較大.-儀器保全不足

-使用不合適的儀器

-儀器的固定夾具或者位置問題

②再現(xiàn)性誤差大時

-->因人的變異比較大.-測量者對使用和讀Gage還不夠熟悉.-->需要對測量者進行培訓

-Gage的刻度不夠準確.③測量的誤差或者變異的要素

-I儀器

:儀器之間的差異,刻度頻度之間的差異

-P測量方法

:讀儀器的方法之間的差異,測量方法的差異

-E測量條件

:濕度,溫度,壓力等作業(yè)環(huán)境之間的差異

-W測量樣本

:樣本之間的變異

-P測量者

:測量者之間的差異,實驗室之間的差異,作業(yè)班次之間的差異◆對分析出來結(jié)果的對策①重復性誤差比較大時-->因測量作業(yè)者/量測次數(shù)零件平均數(shù)123456789101.張三

133.6533.0032.8532.8533.5533.0032.9532.8533.0033.602.233.6033.0032.8032.9533.4533.0032.9532.8033.0033.703.平均數(shù)33.6333.0032.8332.9033.5033.0032.9532.8333.0033.65=33.134.全距0.050.000.050.100.100.000.000.050.000.10Ra=0.055.李四133.5533.0532.8032.8033.4033.0032.9532.7533.0033.556.233.5532.9532.7532.7533.4033.0532.9032.7032.9533.507.平均數(shù)33.5533.0032.7832.7833.4033.0332.9332.7332.9833.53=33.078.全距0.000.100.050.05.000.050.050.050.050.05Rb=0.049.王五133.5033.0532.8032.8033.4033.0032.9532.8033.0533.8510.233.5533.0032.8032.8033.5033.0532.9532.8033.0533.8011.平均數(shù)33.5333.0332.8032.8033.4533.0332.9532.8033.0533.83=33.1312.全距0.050.050.000.000.100.050.000.000.000.05Rc=0.0313.零件平均數(shù)33.5733.0132.8032.8333.4533.0232.9432.7833.0133.67Rp=0.8914.公式：[0.05+0.04+0.03]/[作業(yè)者人數(shù)]==0.04015.作業(yè)者人數(shù)=316.公式：[Max33.13–Min33.07]=diffdiff=0.0617.公式：[D4]=UCLR=0.043.27=UCLR=0.1318.公式：[D3]=LCLRLUCR=0示范：量具再現(xiàn)性及再生性數(shù)據(jù)表

xRRRx作業(yè)者/量測次數(shù)零件平均數(shù)123456789101.張公式：%AV=100[AV/TV]%AV=10.79%n=零件數(shù)

r=量測次數(shù)

再現(xiàn)性──作業(yè)者．變異（AV）公式：AV=n=10 r=2AV=0.0304 公式：%EV=100[EV/TV]%EV=12.59%

重復性──設(shè)備變異（EV）公式：EV=R*K1EV=0.0355％制程變異量測單元分析量測次數(shù)K1230.88620.5908作業(yè)者人數(shù)23K20.70710.5231示范：量具重復性及再現(xiàn)性報告公式：%AV=100[AV/TV]再現(xiàn)性──作業(yè)者．

全變異（TV）公式：TV=TV=0.2839

公式：%PV=100[PV/TV]

％PV=98.62%公式：ndc=1.41[PV/GRR]ndc=8.3978

零件變異（PV）公式：PV=Rp*K3PV=0.2800

公式：%R&R=100[GRR/TV]

%R&R=16.58%

重復性&再現(xiàn)性（GRR）公式：GRR=

GRR=0.04668

％制程變異量測單元分析0.70710.52310.44670.40300.37420.35340.33750.32490.31462345678910K3零件數(shù)示范：量具重復性及再現(xiàn)性報告全變異（TV）公式：%PV=100[PV/TV]零件變屬性數(shù)據(jù)測量系統(tǒng)分析

AttributeMSA屬性數(shù)據(jù)測量系統(tǒng)分析

AttributeMSAKappa屬性測量系統(tǒng)屬性/順序測量系統(tǒng)使用了接受/拒絕標準或分級，例如，用(1-5)確定是否達到可以接受的質(zhì)量水平Kappa技術(shù)可以用來評估這些屬性和順序測量系統(tǒng)Kappa屬性測量系統(tǒng)屬性/順序測量系統(tǒng)使用了接受/拒絕標準你真的擁有太多的屬性數(shù)據(jù)嗎?很多檢驗過程能夠收集連續(xù)數(shù)據(jù)，但選擇屬性數(shù)據(jù)以簡化檢驗員的任務(wù)例如，很多功能測驗將連續(xù)地評估一項產(chǎn)品（溫度、承載力，硬度等等）并以通過/失敗記錄其結(jié)果設(shè)法獲取連續(xù)數(shù)據(jù)你真的擁有太多的屬性數(shù)據(jù)嗎?很多檢驗過程能夠?qū)傩院晚樞驕y量屬性和順序測量經(jīng)常依靠主觀分類或分級例子包括：把部件特征分級為好或壞在品嘗之后分級葡萄酒的香味和口感從1到5給雇員的表現(xiàn)分級給體操打分在利用這些測量系統(tǒng)之前，我們應該評估它們嗎？不評估它們的后果是什么呢？屬性和順序測量屬性和順序測量經(jīng)常依靠主觀分類或分級測量系統(tǒng)分析–屬性數(shù)據(jù)什么方法適于評估屬性測量系統(tǒng)？屬性系統(tǒng)－同等處理所有誤分類的Kappa技術(shù)順序系統(tǒng)－考慮誤分類等級的Kappa技術(shù)例如，如果我們從1到5判斷一油漆產(chǎn)品的等級，檢驗員A把它評為1級，檢驗員B評為5級，比起檢驗員A把它評為4級而檢驗員B評為5級來，具有更大的誤分類測量系統(tǒng)分析–屬性數(shù)據(jù)什么方法適于評估屬性測量系統(tǒng)數(shù)據(jù)類型常態(tài):包含不具有排序基礎(chǔ)或可以分別出量的差別的數(shù)字，例如

例子:一公司中:A部門、B部門、

C部門

一車間中:機器1、機器2、機器3

運輸?shù)念愋?船、火車、飛機順序:包含可以分等級的數(shù)字。但是不能根據(jù)該標度推斷出數(shù)字之間差別。

例子：產(chǎn)品性能:優(yōu)秀、很好、好、一般、差

品嘗試驗：味淡、辣、很辣、辣得難受

客戶調(diào)查：強烈滿意、滿意、不滿意、強烈不滿意數(shù)據(jù)類型常態(tài):包含不具有排序基礎(chǔ)或可以分別出量的差別的數(shù)Kappa技術(shù)Kappa適用于非定量系統(tǒng)，如好或壞通過/不通過區(qū)分聲音(嘶嘶聲、叮當聲、重擊聲)區(qū)分色彩亮度通過/失敗Kappa技術(shù)Kappa適用于非定量系統(tǒng)，如Kappa技術(shù)適用于屬性數(shù)據(jù)的Kappa同等處理所有誤分類要求單元之間相互獨立，并且檢驗員或分級員是獨立作出分級的要求評估類別是相互排斥的Kappa技術(shù)適用于屬性數(shù)據(jù)的Kappa操作定義（檢查標準）存在著一些質(zhì)量特點，或者難以定義或者定義很耗費時間要一致地評估分類，幾個單元必須由一個以上的評估人或判定人作出分類如果評估員之間達成足夠的一致，那么就有可能，盡管不能保證，分級是正確的如果評估員不能達成足夠的一致，那么分級的可用性就很有限了差勁的屬性測量系統(tǒng)幾乎總是可以歸咎于差勁的操作定義操作定義（檢查標準）存在著一些質(zhì)量特點，或者難以定義或者定義

留意事項樣品應選定代表Process的樣品。任意選定25個樣品時，以下能成為向?qū)А?/p>

把平時檢查的作業(yè)者選定為作業(yè)者的選定對象，并成為BlindAppraisal.計數(shù)型

GageR&R很難區(qū)分良/不率的樣品20%~30%不易區(qū)分良/不率的樣品30%~40%比較容易區(qū)分良/不率的樣品30%~40%很容易區(qū)分良/不率的樣品0%~20%留意事項計數(shù)型GageR&R很難區(qū)分良/不率的樣品2屬性測量系統(tǒng)中的α和β風險α風險/生產(chǎn)者風險

合格產(chǎn)品被拒絕不必要的報廢/返工的原因被人為削減的過程性能β風險/消費者風險接受了不合格產(chǎn)品不滿意的客戶夸大的過程性能屬性測量系統(tǒng)中的α和β風險α風險/生產(chǎn)者風險結(jié)果?哪些是重要的應關(guān)心的問題？如果檢驗員之間和內(nèi)部不能達成很好的一致，會有什么風險呢？次品正在流向下一步操作或客戶嗎？優(yōu)質(zhì)品正在被返工或處理掉嗎？評估的標準是什么？

如何度量一致性？結(jié)果?哪些是重要的應關(guān)心的問題？什么是Kappa?Pobserved

判定員一致同意的單元的比率=判定員一致判定為優(yōu)良的比率+判定員一致判定為次劣的比率Pchance預期偶然達成一致的比率=（判定員A判定為優(yōu)良的比率*判定員B判定為優(yōu)良的比率）+（判定員A判定為次劣的比率*判定員B判定為次劣的比率）

注意：上述等式適用于兩類分析，即優(yōu)良或次劣什么是Kappa?PobservedKappa要達成完全一致，Pobserved=1且K=1一般說來，如果Kappa值低于0.7，那么測量系統(tǒng)是不適當?shù)娜绻鸎appa值為0.9或更高，那么測量系統(tǒng)是優(yōu)秀的Kappa的下限為0到-1如果Pobserved=Pchance那么K=0因而Kappa值為0表示達成一致和隨機偶然預期達成的一致是一樣的Kappa要達成完全一致，Pobserved=1且Kappa量測能力評價指標上面的判斷基準根據(jù)Project的目標有可能變更。舉個例，不良率0.1%→0.001%改善課題的情況下檢出率必須為

100%.滿足指數(shù)40%→60%改善課題時，如果檢出率是70%以上就可以被選擇?；旧?，達不到100%時，必須調(diào)查其原因。判斷基準(良好)判斷基準(考慮)判斷基準(不足)判斷指標90%↑70~90%70%↓計數(shù)型

GageR&RKappa量測能力評價指標上面的判斷基準根據(jù)Project的屬性測量系統(tǒng)指導在選擇研究的部件時，要考慮以下幾方面因素：如果你只有兩個類別，優(yōu)良和次劣，你至少應該選擇20個優(yōu)良品和20個次劣品最多可選擇50個優(yōu)良品和50個次劣品

盡量保持大約50%的優(yōu)良品和50%的次劣品選擇不同程度的優(yōu)良和次劣屬性測量系統(tǒng)指導在選擇研究的部件時，要考慮以下幾方面因素：屬性測量系統(tǒng)指導如果你的類別超過2種，其中一類是優(yōu)良，其它類別是不同的缺陷方式，那么你至少應該選擇大約50%的優(yōu)良品和每種缺陷方式中的最少為10%的產(chǎn)品你可以把一些缺陷方式合并稱為“其它”這些類別應該互相排斥，否則它們應該合并起來屬性測量系統(tǒng)指導如果你的類別超過2種，其中一類是優(yōu)良，其它類分級員內(nèi)部/重復性考慮讓每個分級員至少兩次判定同一單元為每個分級員建立獨立的Kappa表，計算他們的Kappa值如果某個分級員的Kappa測量值很小，那么該分級員自己沒有很好地重復判定如果分級員自己沒有很好地重復判定，那么他也不能和其它分級員很好的做重復判定，這將掩蓋其它分級員內(nèi)部重復判定的好壞根據(jù)每個分級員的首次判定建立一個Kappa表，計算不同分級員之間的Kappa值不同分級員之間的Kappa值將進行兩兩對比(A和B,B和C,A和C)分級員內(nèi)部/重復性考慮讓每個分級員至少兩次判定同一單元Kappa例子#1BillBlackbelt正在努力改進一個具有高退貨率的油漆過程在工程早期，由于很明顯的檢驗員之間和檢驗員內(nèi)部的差別，所以測量系統(tǒng)就是一個關(guān)注的問題下一頁的數(shù)據(jù)是在測量系統(tǒng)研究中收集的。需要計算每個操作員的Kappa和操作員之間的KappaKappa例子#1BillBlackbelt正在努力改進考慮下列數(shù)據(jù)考慮下列數(shù)據(jù)分級員A的交叉表在每個單元格中填入收集到的信息分級員A的交叉表在每個單元格中填入收集到的信息交叉表第一格代表分級員A在第一次和第二次測量中判定為優(yōu)良的次數(shù)交叉表第一格代表分級員A在第一次交叉表第二格代表分級員A在第一次測量中判定一個單元為次劣，在第二次測量中判定為優(yōu)良的次數(shù)交叉表第二格代表分級員A在第一次測量中判定一個單元為次劣，在交叉表第三格代表分級員A在第一次測量中判定一個單元為優(yōu)良，在第二次測量中判定為次劣的次數(shù)交叉表第三格代表分級員A在第一次測量中判定一個單元為優(yōu)良，在交叉表第四格代表分級員A在第一次測量和第二次測量中判定一個單元為次劣的次數(shù)交叉表第四格代表分級員A在第一次測量和第二次測量中判定一個單交叉表邊格的數(shù)字代表行和列的總和交叉表邊格的數(shù)字代表行和列的總和交叉表-比例分級員A比例下表代表上表的數(shù)據(jù)，其中每個單元格用總數(shù)的百分比來表示代表10/20交叉表-比例分級員A比例下表代表上表的數(shù)據(jù)，其中每個單元格用交叉表-比例由行和列的總和計算而得交叉表-比例由行和列的總和計算而得對Kappa的定義將有所不同，取決于我們是在定義分級員內(nèi)部Kappa，還是在定義分級員之間的Kappa記得怎樣計算Kappa嗎?

Pobserved判定員一致同意的單元的比率=判定員A/B一致判定為優(yōu)良的比率+判定員A/B一致判定為次劣的比率Pchance預期偶然達成一致的比率=（判定員A判定為優(yōu)良的比率*判定員B判定為優(yōu)良的比率）+（判定員A判定為次劣的比率*判定員B判定為次劣的比率）對Kappa的定義將有所不同，取決于我們是在定義分級員內(nèi)部KPobserved等于上表對角線上概率的總和：

Pobserved=(0.500+0.350)=0.850Pchance

等于每個分類概率乘積的總和：

Pchance=(0.600*0.55)+(0.400*0..45)=0.51那么KraterA=(0.85-0.51)/(1-0.51)=0.693計算分級員A的KappaPobserved等于上表對角線上概率的總和：計算分級員AKRaterB=數(shù)字比例計算分級員B的KappaKRaterB=數(shù)字比例計算分級員B的Kappa分級員之間的Kappa我們使用相同程序估計分級員之間的Kappa計算中，我們將限于我們感興趣的一對檢驗員的首次判定如果有檢驗員的重復性很差（低于85%），那么在計算檢驗員間分級中不用到他/她分級員之間的Kappa我們使用相同程序估計分級員之間的KapKappa–

分級員A對分級員B兩個分級員都判定為優(yōu)良的次數(shù)

(使用首次測量)Kappa–分級員A對分級員B兩個分級員都判定為優(yōu)良的次分級員之間的Kappa分級員A判定一單元為優(yōu)良而分級員B判定為次劣的次數(shù)（使用首次測量）分級員之間的Kappa分級員A判定一單元為優(yōu)良而分級員B判定分級員A對分級員B的Kappa分級員A判定一單元為優(yōu)良而分級員B判定為次劣的次數(shù)（使用首次測量）分級員A對分級員B的Kappa分級員A判定一單元為優(yōu)良而分級分級員之間的Kappa兩個分級員都判定為次劣的次數(shù)

(使用首次測量)分級員之間的Kappa兩個分級員都判定為次劣的次數(shù)分級員之間的Kappa–數(shù)字計算分級員之間的Kappa:下表代表上表中的數(shù)據(jù)，其中每個單元格以總數(shù)的百分比來表示分級員之間的Kappa–數(shù)字計算分級員之間的Kappa:下對Kappa的定義將有所不同，取決于我們是在定義分級員內(nèi)部Kappa，還是在定義分級員之間的Kappa記得怎樣計算Kappa嗎?

Pobserved判定員一致同意的單元的比率=判定員一致判定為優(yōu)良的比率+判定員一致判定為次劣的比率Pchance預期偶然達成一致的比率=（判定員A判定為優(yōu)良的比率*判定員B判定為優(yōu)良的比率）+（判定員A判定為次劣的比率*判定員B判定為次劣的比率）對Kappa的定義將有所不同，取決于我們是在定義分級員內(nèi)部KPobserved等于上表對角線上概率的總和：

Pobserved=(0.450+0.300)=0.750Pchance等于每個分類概率乘積的總和：

Pchance=(0.600*0.55)+(0.400*0..45)=0.51那么KraterA/B=(0.75-0.51)/(1-0.51)=0.489計算分級員A對分級員B的KappaPobserved等于上表對角線上概率的總和：一些改進想法我們可以怎樣改進這一測量系統(tǒng)呢？額外的培訓實物標準/樣品分級員認證過程更好的操作定義一些改進想法我們可以怎樣改進這一測量系統(tǒng)呢？Kappa結(jié)論當前測量系統(tǒng)夠能用嗎？你將把你的改進努力集中在哪些方面？你將對哪些分級員進行必需的培訓？Kappa結(jié)論當前測量系統(tǒng)夠能用嗎？記住盡力避免屬性數(shù)據(jù)操作定義相當重要屬性測量系統(tǒng)需要大量的維護Kappa是測驗一個主觀測量系統(tǒng)的重復性和再現(xiàn)性的一個很容易的方法記住盡力避免屬性數(shù)據(jù)MSA量測系統(tǒng)分析

MeasurementSystemAnalysisMSA量測系統(tǒng)分析

MeasurementSystemA哪個製程較好呢？哪個製程較好呢？量測過程：標準：零件：儀器：人/程序：環(huán)境SWIPE量測數(shù)值分析輸入輸出可接受可能可接受需改善量測系統(tǒng)如果測量的方式不對，那么好的結(jié)果可能被測為壞的結(jié)果，壞的結(jié)果也可能被測為好的結(jié)果，此時便不能得到真正的產(chǎn)品或過程特性。量測過程：標準S量測數(shù)分析輸入輸出可接受量測系統(tǒng)如果實際製程變異偏倚穩(wěn)定性線性已觀測的製程變異測量系統(tǒng)的變異組內(nèi)變異組間變異正確度精密度sP2sT2sR&R2sT2=sP2+sR&R2

sR&R2=sAV2+sEV2重復性再現(xiàn)性1)製程變異的理解我們所觀測製程的變異里包含了實際製程變異和測量系統(tǒng)的變異.假如測量系統(tǒng)的變異比較大時會發(fā)生什么樣的問題?測量系統(tǒng)驗證實際製程變異偏倚穩(wěn)定性線性已觀測的製程變異測量系統(tǒng)的變異組內(nèi)測量是為了表示某個物體的特定的性質(zhì)而對物體賦予數(shù)值的方法。操作方法,步驟,Gage和其它裝備,軟件,測量者等

為了得到測量值而使用的我們統(tǒng)稱為測量系統(tǒng)(MeasurementSystem).測量系統(tǒng)的誤差

正確度(Accuracy):測量值和真值之間的差異?偏倚(Bias),線性(Linearity),穩(wěn)定性(Stability)精密度(Precision):

用同樣的儀器對同樣的部品反復測量時產(chǎn)生的測量值的散布

?重複性(Repeatability),再現(xiàn)生(Reproducibility)精度低,正確度差精度低,正確度高精度高,正確度低精度高,正確度高測量系統(tǒng)的精度及正確度測量系統(tǒng)誤差測量是為了表示某個物體的特定的性質(zhì)而對物體賦予數(shù)值的方法。操

什么是正確度(Accuracy)?

什么是穩(wěn)定性(Stability)?真值正確度量測系統(tǒng)的平均值*真值是利用最準確的測量裝備測量時

所得到的值.?實際值(真值)和觀察平均之間的差異.?最少2次以上在不同時期對同樣的部品利用同樣的Gage測量時所得到的測量平均值之間的差異.?儀器設(shè)備因磨損,氣溫,濕度等環(huán)境變化

和時間的經(jīng)過而對測量結(jié)果產(chǎn)生影響.穩(wěn)定性Time1Time2時間經(jīng)過什么是正確度(Accuracy)?什么是穩(wěn)定性(St正確度偏差大正確度偏差小LSLUSL測定值真值真值測定值?在Gage的規(guī)定的操作范圍內(nèi)比較

正確度后進行評價.

即,在規(guī)定的操作范圍內(nèi)的兩個極限區(qū)間

最少各研討1次正確度后得到的差值.?Gage通常是在操作范圍的下限

(或者規(guī)格值)比上限它的正確度差.

什么是線性(Linearity)?

對Gage的操作范圍或者Spec范圍的

正確性.正確度偏差大正確度偏差小LSLUSL測定值真值真值測定值?什么是重復性(Repeatability)?重復性(Repeatability):“得到具有一貫性的結(jié)果”反復測量時的變異?一名測量者對同樣的部品用同樣的儀器對同樣的特性在比較短的時間內(nèi)反復測量時所發(fā)生的測量值的變異?這是因量具設(shè)備而發(fā)生的變異.測量者

A測量者

B測量者C再現(xiàn)性什么是再現(xiàn)性

(Reproducibility)??對同一個部品的同樣的特性利用同樣的儀器幾個人測量時產(chǎn)生的測量者之間的測量值平均之間的差異?這是因評價人而發(fā)生的變異.什么是精密度(Precision)?什么是重復性(Repeatability)?重復性(RepRepeatability重復性可能導致重復性不好的原因：Equipment:設(shè)備測量儀器需要維護。需要更嚴格的量具。部件的夾具需要改進。People:人員環(huán)境條件(照明，噪聲)身體條件(視力)Reproducibility再現(xiàn)性操作者B的測量均值操作者A的測量均值可能導致再現(xiàn)性不好的原因：測量程序不清楚操作者使用和判讀量具的能力沒有得到適當?shù)呐嘤?。零件尺寸、位置、觀察誤差(易讀性、視差)系統(tǒng)精密度不好的原因Repeatability可能導致重復性不好的原因：Repr利用Minitab分析測量系統(tǒng)正確度(Accuracy)的分析一名評價者反復10次測量了同一個部品:得到10個測量值.●基準值:0.8,部品的制程變異是0.7.Ho:Bias＝0Ha:Bias≠0One-SampleT:xTestofmu=0.8vsmunot=0.8VariableNMeanStDevSEMean95.0%CITPx100.75000.04710.0149(0.7163,0.7837)-3.350.008▲Bias=0.75–0.8=-0.05▲%Bias=|Bias|ProcessVariationX100|-0.05|0.70X100==7.1%P-value=0.008，所以可以認為正確度有問題.Stat>BasicStatistics>1-Samplet利用Minitab分析測量系統(tǒng)正確度(Accuracy)的分◎Bias(偏倚)分析▲Bias=測量值的平均

–

基準值(真值)▲%Bias=|Bias|ProcessVariationX100(因製程變異發(fā)生的偏倚的百分比)▲%Bias=|Bias|

ToleranceX100(對允許公差的偏倚的百分比)用某個量具對同一個產(chǎn)品測量時所得到的測量值的平均和基準值(真值)之間的差異我們稱之為偏倚(Bias)或是不正確度(Inaccuracy),Bias越小時它的正確度會越高.

ProcessVariation=6σ

Tolerance=USL-LSL◎Bias(偏倚)分析▲Bias=測量值的平均–?

線性(Linearity)比較良好的情況在測量范圍全領(lǐng)域基準值和測量平均值一致/沒有偏倚正確地測量.在測量范圍全領(lǐng)域具有常數(shù)倍數(shù)的偏倚./雖有偏倚但是因為大小一定所以可以容易調(diào)整.基準值基準值測量平均偏倚偏倚測量平均基準值基準值?線性(Linearity)比較良好的情況在測量范圍全領(lǐng)域

線性(Linearity)的分析①線性不好的情況

–

測量范圍全領(lǐng)域偏倚(正確度)不一定的情況

無法矯正.偏倚基準值偏倚基準值線性(Linearity)的分析①線性不好的情況–測②線性(Linearity)和偏倚(Bias)判定基準③線性(Linearity)差時需要考慮的事項：調(diào)查量具測量范圍中上部或下部的刻度是否合適檢驗基準值是否正確檢驗測量位置是否正確檢驗測量者是否正確的使用了儀器檢驗量具磨損與否檢驗量具校準與否調(diào)查量具本身內(nèi)部設(shè)計問題※電子式的話在測量全范圍進行再校準.※機械式的話在測量范圍中以經(jīng)常使用的范圍為中心進行校準后不允許在其他范圍使用.②線性(Linearity)和偏倚(Bias)判定基準③▲Linearity=|傾斜度

|xProcessVariation▲%Linearity=LinearityProcessVariationX100在量具的測量范圍內(nèi)評價測量的一貫性,在量具的測量范圍內(nèi)如果Bias一定的話可以說線性較好.為了評價線性必須要計算Bias.*ProcessVariation=6σ=|傾斜度

|x100%Linearity值如果接近‘0’的話可以判定線性比較好.▲回歸模型

:y=a+bxy:Biasx:基準值b:傾斜度◎線性的計算公式▲Linearity=|傾斜度|xProces指的是隨時間經(jīng)過時，對同樣部品的測量結(jié)果的變異程度.隨時間的經(jīng)過如果測量結(jié)果互不相同的話這時我們可以認為此測量系統(tǒng)的穩(wěn)定性缺乏.分析穩(wěn)定性的方法我們通常用連續(xù)型管制圖(Xbar–R管制圖).目前所有的測量值都在管制界限內(nèi),因此可以說此儀器是比較穩(wěn)定的在管制界限外有測量值或者具有特定的周期或者傾向的話不能說此儀器是穩(wěn)定的.穩(wěn)定性(Stability)分析指的是隨時間經(jīng)過時，對同樣部品的測量結(jié)果的變異程度.隨時間的+=實際製程變異測量系統(tǒng)變異已觀測到的製程變異?GageR&RStudyMethod

Xbar–R:假設(shè)部品和測量者之間沒有交互作用之后進行分析(傳統(tǒng)的方法)ANOVA:部品和測量者之間存在交互作用的情況交互作用沒有意義時兩種方法的結(jié)果都差不多,但是交互作用有意義時可用ANOVAMethod.GageR&R-精度(Precision)分析①GageR&ROverview精密度散布散布R&RStudy

sR&R2=sEV2+sAV2+=實際製程變異測量系統(tǒng)變異已觀測到的製程變異?Gage準備事項短期方法長期方法(通常)測量者數(shù)2名3名樣本數(shù)量5個10個測量次數(shù)測量者別各1次測量者別各2次或者3次賦予編號以及隨機化對各個樣本賦予編號,每次測量都要隨機排列.確認測量位置及方法把測量位置標識在樣本,讓所有的測量者都要熟悉同樣的測量方法.選擇評價方法雖然迅速但是重復性和再現(xiàn)性被混合可以區(qū)分重復性和再現(xiàn)性的誤差.可以得到有關(guān)誤差原因的情報.③為了做GageR&R而采集數(shù)據(jù)的方法準備事項短期方法長期方法(通常)測量者數(shù)2名3名樣本數(shù)量5個步驟1.選定代表製程長期變動的10個樣本2.量測儀器的校正3.讓第一個作業(yè)者對所有樣本任意順序各做一次量測(BlindMeasurement)4.讓第二個作業(yè)者按同樣地方法實施(所有作業(yè)者相同)5.以同樣的方法按必要的次數(shù)重復量測6.得到的DATA輸入Minitab并