MSA确定偏倚的指南.docx
- 文档编号:15322256
- 上传时间:2023-07-03
- 格式:DOCX
- 页数:12
- 大小:1.03MB
MSA确定偏倚的指南.docx
《MSA确定偏倚的指南.docx》由会员分享,可在线阅读,更多相关《MSA确定偏倚的指南.docx(12页珍藏版)》请在冰点文库上搜索。
MSA确定偏倚的指南
偏倚
偏倚通常被称为“准确度”。
由于“准确度”有多种意思,建议不要用准确度来代替偏倚。
偏倚是指对相同零件上同一特性的观测平均值与真值(参考值)的差异。
偏倚是测量系统的系统误差。
它会增进所有已知或未知的变差来源所共同影响的总偏差,这促使在某一测量时期内重复地应用相同测量过程时,以总偏差趋向去恒定和预测地补偿所有的结果。
造成过大的偏倚的可能原因有:
●仪器需要校准
●仪器、设备或夹具磨损
●基准的磨损或损坏,基准偏差
●不适当的校准或使用基准设定
●仪器质量不良-设计或符合性
●线性误差
●使用了错误的量具
●不同的测量方法-作业准备、加载、夹紧、技巧
●测量的特性不对,变形(量具或零件)
●环境——温度、湿度、振动、清洁
●错误的假设,应用的常数不对
●应用零件数量、位置、操作者技能、疲劳、观测误差(易读性、视差)
在校准过程所使用的测量程序(如:
使用“基准”),应该尽可能地与正常操作的测量程序一致。
校验报告中会给出不同值的偏倚量。
偏倚为负,说明观察值比参考值小,偏倚为正,说明观察值比参考值大。
前提是测量系统的偏倚量是可重复的
【MSA】确定偏倚的指南一控制图法
进行研究
如果用XBar&R图来衡量稳定性,其数据也可以用来进行偏倚的评价。
在偏倚被评价之前,控制图分析应该表明这测量系统处于稳定状态。
1)取得一个样件,并且建立可追溯到相关标准的参考值。
如果不能取得参考值,选择一件落在生产测量值范围中间的生产零件,将它指定为偏倚分析的基准样件。
在工具室里测量该零件n≥10次,并计算n个读值的平均值。
使用该平均值作为“参考值"。
2)进行g(子组)稳定性研究:
g≥20m值的子组。
结果分析-图示法
3)如果控制图显示过程是稳定的并且m=1。
那么使用独立样本方法(见上述内容)所描述的分析。
4)如果m≥2,则画出这些数据相对于参考值的柱状图。
评审柱状图,运用专业知识以确定是否有特殊原因或异常现象存在。
如果没有,则继续进行分析。
结果分析-数值法
5)从控制图上获取平均值X
6)用平均值 X减去参考值,计算得到偏倚
7)用极差的平均值来计算重复性标准差。
公式中,d2*取决于子组的大小(m)和在控制图中的子组中的数量(g)。
8)通过以下计算确定重复性是否可被接受
%EV=100[EV/TV]=100[σ重复性/TV]
这里的总变差(TV) 是基于预期的过程差(首选)或规格范围除6。
( 见下面的GRR研究)
如果%EV是大的,那么这个测量系统的变差可能不被接受。
因为偏倚分析假定重复性是可以接受,所以继续运用一个%EV值大的测量系统进行分析会导致误导与混淆的情况。
也就是说,分析结果可能显示偏倚是统计学上的0值,然而其绝对量已超过了可接受的设备值。
9)确定对偏倚的统计t值:
10)若0落在偏倚值附近的1-ɑ置信区间内,则偏倚在这ɑ水准上是可接受的。
所使用的ɑ水准取决于敏感度的水准,敏感度水准对评价/控制一过程是必要的,并且与产品/过程的损失函数(敏感度曲线)有关。
如果ɑ置信度水准不是使用默认值0.05(95%置信度),则应该得到顾客的同意。
范例-偏倚
参见图EB1对一个参考值为6.01的零件进行了稳定性研究,所有样本(20个子组)的整体平均值为6.021;因此偏倚的计算值为0.011。
使用散布图和统计软件,检查员得到了数值分析结果(见
表III-B3)。
由于0落在这偏倚的置信度区间内(-0.0299,0.0519),该过程小组可以假设这测量系统的偏倚是可接受的,即在实际使用中将不会带来额外的变差来源。
偏倚研究的分析
如果偏倚在统计上不等于0,检查是否存在以下原因:
●基准件或参考值有误,检查确定标准件的程序。
●仪器磨损。
这问题会在稳定性分析中呈现出来,建议进行维修或重新修正计划。
●仪器产生错误的尺寸。
●仪器所测量的特性有误。
●仪器没有经过适当的校准。
对校准程序进行评审。
●评价者使用仪器的方法不正确。
对测量指导书进行评
审。
●仪器纠正的指令错误
如果测量系统的偏倚不等于零。
若有可能,应该采用硬件修正法、软件修正法或同时使用这两种方法来对量具进行重新校准以达到零偏倚。
如果偏倚不能调整到零,通过变更程序(如:
对每个读值根据偏倚进行修正)还可以继续使用该测量系统。
由于存在评价者误差这一高度风险,因此这种方法只能在取得顾客同意后方能使用。
【MSA】确定偏倚的指南—独立样件法
进行研究
确定偏倚是否可接受的独立样本方法采用假设试验:
H0bias=0
H1bias≠0
评估计算的平均偏倚来确定这个偏倚是否是由于随机(取样)变差而产生的。
一般来说,如果相对于它的重复性,它在统计上并不是显著不同于零,则测量系统的偏倚或线性误差是可接受的。
因此,重复性与过程变差比较时必须是可接受的,以便让这个分析是有用的。
1)取得一个样件,并且建立其与可追溯到相关标准的参考值。
如果不能得到这参考值,选择一件落在生产测量范围中间的生产件,并将它指定为偏倚分析的基准件。
在工具室里测量该件n≥10次,并计算n个读值的平均值。
将该平均值视为“参考值”。
也许会希望拥有位于期望测量结果的下限、中间及上限位置的基准样件,如果可做到这样,可以使用线性研究来分析这些数据。
2)让一个评价者以正常方式测量样件n≥10次。
结果分析-绘图
3)确定每个读数的偏倚
偏移:
=xi-参考值
4)绘制出偏倚数据相对于参考值的柱状图。
评审柱状图,运用学科知识以确定是否有特殊原因或异常现象存在。
如果没有,则继续进行分析。
当n<30时,则应特别小心的进行理解分析。
结果分析—数值
5)计算n个读数的平均偏倚
6)计算重复性标准偏差(看下面的量具研究和极差法)
如何GRR研究可以得到(并有效),那么重复性标准偏差的计算就应该基于GR的研究结果进行计算。
7)通过计算%EV确定此重复性是否可以被接受
%EV=100[EV/TV]=100[σ重复性/TV]
这里的总变差(TV) 是基于预期的过程差(首选)或规格范围除6。
(见下面的GRR研究)
如果%EV是大的,那么这个测量系统的变差可能不被接受。
因为偏倚分析假定重复性是可以接受,所以继续运用一个%EV值大的测量系统进行分析会导致误导与混淆的情况。
8)确定偏倚的t值;
9)如果符合以下两种情况,那么偏倚就可在a水平被接受(统计意义上的0值)。
●P值相对于tbias是小于ɑ的。
●基于偏倚值,0落在1-ɑ的偏差置信区间内:
所使用的ɑ水准取决于敏感度的水准,敏感度水准对评价/控制过程是必要的,并且与产品/过程的损失函数(敏感度曲线)有关。
如果ɑ置信度水准不是使用默认值0.05(95%置信度),则应该得到顾客的同意。
偏倚-范例
一个制造工程师评价了一个用于过程监控的新测量系统。
测量设备的一项分析证明该测量系统应该没有线性误差的考量,所以该工程师只需对测量系统的偏倚进行评价。
他基于一份已文件化的过程变差描述,在这测量系统操作范围内选取了一个零件;通过对该零件进行了全尺寸测量来确定它的参考值,然后由主要操作者测量该零件15次。
通过使用散布图和统计软件,检验员得到了直方图和数值分析结果(参见图III-B2和表II-B2)
此柱状图并未显示出任何需要额外分析和评审的异常现象或异常值。
将0.2120的重复性与预期的过程变差(标准差)2.5 进行比较。
由于%EV=100(.2120/2.5)=8.5%,所以这个重复性是可以接受的,偏倚分析也能继续进行。
由于0落在偏倚置信区间内(-0.1107,0.1241),该工程师可假设这测量的偏倚是可接受的,即在实际使用时,将不会带来额外的变差来源。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- MSA 确定 偏倚 指南