交叉量具 R&R 研究 概述
在研究中,每个操作员测量每个部件时,可使用 交叉量具 R&R 研究 评估测量系统中的变异。要进行此研究,您必须具有包含随机因子的平衡设计。
例如,一名工程师选择了 10 个表示过程变异预期极差的部件。对于此研究,3 名操作员将按随机顺序测量 10 个部件,每个部件测 3 次。
在何处可找到此分析
要执行交叉量具 R&R 研究,请选择。
什么情况下使用备择分析
- 要在具有嵌套数据的情况下分析测量系统,请使用 嵌套量具 R&R 研究。
- 要在具有其他因子或非平衡设计的情况下分析测量系统,请使用 扩展量具 R&R 研究。
要确保结果有效,请在收集数据、执行分析和解释结果时注意以下准则。
交叉量具 R&R 研究 的数据注意事项
操作员应以随机顺序测量部件要确保数据收集顺序不影响结果,每个操作员应随机测量仿行内的所有部件。所有操作员测量所有部件一次后,对所有仿行重复此过程。要进行充分研究,操作员应至少测量 10 个部件 可以从大量历史数据或研究中的部件估计过程变异。如果拥有过程变异历史估计值,通常需要 10 个部件即可。如果没有历史估计值,应考虑使用 10 个以上的部件。尽管需要大量部件才能获得非常精确的过程变异估计值,但使用 15 至 35 个部件获得的估计值比使用 10 个部件要好得多。请选择表示过程变异的实际或预期极差的部件。从整个过程范围选择部件可以增加对部件间变异进行良好估计的可能性。例如,不要测量连续部件、来自单个班次或单个生产线的部件或来自一批拒绝品的部件。操作员和部件因子必须是交叉的当一个因子的每个水平与另一个因子的每个水平组合发生时,这两个因子就是交叉的。例如,如果操作员和部件因子是交叉的,则每个操作员必须对每个部件进行评估。
-
- 有关交叉因子的详细信息,请转到量具 R&R 研究的因子类型。
操作员和部件因子必须随机
-
- 当某因子具有许多个可能的水平时,该因子为随机因子,但是在数据中仅包含这些水平的随机样本。例如,当为研究选择的部件旨在表示生产过程中的所有可能部件时,部件是随机因子。例如,当有多个进行测量的员工,但您会随机选择其中几个操作员用于此次研究时,操作员是随机因子。有关随机因子的详细信息,请转到量具 R&R 研究的因子类型。
操作员必须至少对每个部件测量两次测量变异细分为两个分量:再现性和重复性。再现性就是当不同人员测量同一部件时所发生的变异。重复性则是当同一人员重复测量同一部件时所发生的变异。如果使用至少 10 个部件和至少 3 个操作员,应让每个操作员以随机顺序测量每个部件两次,这样才能获得足够的重复性估计值。要进行充分研究,应至少具有 3 个操作员为了获得最佳效果,研究应包含 3 至 5 个操作员。在研究中,操作员的人数不应少于 3 个,除非使用测量系统的实际操作员人数不到 3 个。如果怀疑操作员之间存在较大差异,则应考虑使用多于 3 至 5 个操作员。如果识别出操作员之间的差异后,如某个操作员的准确度低于其他操作员,则可通过培训提高一致性。在选择操作员进行研究时,应确保他们能代表使用测量系统的所有操作员。如果只使用最好(或最差)的操作员进行研究,结果将会出现偏倚,不能提供检操作员差异的准确估计。确保准确度的最佳方法是随机选择操作员进行研究。
交叉量具 R&R 研究示例
某工程师选择了 10 个代表过程变异预期极差的部件。三名操作员按照随机顺序测量 10 个部件,每个部件测量三次。
此工程师执行交叉量具 R&R 研究来评估因测量系统导致的测量值的变异性。
- 打开样本数据 量具数据.MTW.
- 选择。
- 在部件号中,输入部件。
- 在操作员中,输入操作员。
- 在测量数据中,输入测量。
- 在分析方法下,选择方差分析。
- 单击选项按钮。在过程公差下,选择规格上限 - 规格下限并输入 8。
- 单击每个对话框中的确定。
解释结果
双因子方差分析表包含了关于部件的项、操作员以及操作员和部件的交互作用。如果交互作用的 p 值 ≥ 0.05,Minitab 将忽略来自全模型的交互作用,因为该交互作用不是显著性的。在该示例中,p 值为 0.974,因此 Minitab 将再生成一个双因子方差分布表,该表从最终模型中省略交互作用。
使用方差分量 (VarComp) 可以将每个测量误差源的变异与整体变异进行比较。在这些结果中,量具 R&R 表中的贡献 % 列显示部件间的变异为 92.24%。此值远大于总体量具 R&R 的贡献百分比(即 7.76%)。因此,许多变异是因部件间的差异所致。
使用“研究变异 %”将测量系统变异和总体变异进行比较。总体量具 R&R 等于研究变异的 27.86%。根据应用场合,总体量具 R&R 的贡献 % 可能是可接受的。有关更多信息,请转到我的测量系统是否可以接受?。
对于此数据,可区分类别数为 4。按照 AIAG 的要求,您需要至少 5 个可区分类别才能得到满足要求的测量系统。有关更多信息,请转到可区分类别数的使用。
这些图形还提供有关测量系统的如下信息:
- 在变异分量图中,部件间的贡献百分比大于总体量具 R&R 的贡献百分比。因此,许多变异是因部件间的差异所致。
- “R 控制图(按操作员)”显示操作员 B 的部件测量值很不稳定。
- 在“Xbar 控制图(按操作员)”中,大部分点位于控制限外部。因此,许多变异是因部件间的差异所致。
- “按部件”图显示部件之间的差异很大。
- 在“按操作员”图中,操作员之间的差值小于部件之间的差值,但非常显著(p 值 = 0.00)。操作员 C 的测量值稍低于其他操作员的测量值。
- 在“操作员*部件交互作用”图中,线之间接近平行,在表中找到的操作员*部件交互作用的 p 值为 0.974。这些结果指示每个部件和操作员之间不存在显著的交互作用。
- 输入数据
- 分析方法
输入数据
完成以下步骤指定量具 R&R 研究数据。
- 在部件号中,输入包含部件名称或编号的列。
- 在操作员中,输入包含操作员名称或编号的列。
- 在测量数据中,输入包含观测到的测量值的列。
C1 | C2 | C3 |
---|---|---|
部件 | 操作员 | 测量 |
1 | A | .29 |
1 | A | .41 |
1 | A | .64 |
2 | A | -.56 |
分析方法
选择统计量法分析测量变异。
- 方差分析:使用方差分析 (ANOVA) 步骤计算方法分量。方差分量估计由测量系统引起的百分比变异。方差分析法通常能更准确地估计方差,并提供更多有关交互作用的信息。
- Xbar 和 R:使用操作员测量部件获得的每组测量值的样本极差。样本极差用于计算重复性的平均极差。Xbar 和 R 法无法计算操作员与部件交互作用的方差。
输入要用于识别此研究的信息。
- 量具名称
- 输入量具标识符。
- 研究日期
- 输入进行研究的日期。
- 报表人
- 输入报告研究信息的人员的姓名。
- 量具公差
- 输入量具公差。量具公差表示量具所具有的辨别力(也称为测量增量)。有关详细信息,请转到什么是量具公差?。
- 其他
- 输入要记录的有关此研究的其他信息。
- 研究变异
- 输入一个常量,将其乘以标准差以估计测量值中的变异。默认乘数为 6,这是包含 99.73% 的测量值所需标准差的数量。
- 过程公差
- 输入规格限或公差范围,以对测量系统变异和客户规格进行比较。当您输入规格限或公差范围时,Minitab 将在表中和“变异分量”图形中显示“% 公差”列。“% 公差”列显示测量系统变异占公差的百分比。
- 历史标准差
-
输入总变异的已知值,它等于部件间变异与测量系统变异之和。使用下拉菜单可以指定是使用历史标准差估计过程变异,还是使用研究中的部件估计过程变异。
选择使用研究中的部件估计过程变异时,Minitab 将在表中和“变异分量”图形中显示“% 过程”列。“% 过程”列显示每个方差分量占过程标准差的百分比。
- 删除交互作用项选定的 Alpha
- 输入用来从模型中删除交互作用项的 alpha 值(又称为显著性水平)。此选项仅与分析方法的方差分析选项(默认)一起使用。
- 显示错误分类的概率
- 如果已在过程公差下指定了至少一个规格或输入了公差范围,则选择此选项显示错误分类的概率。有关详细信息,请转到所有统计量和图形并单击“错误分类概率”。此选项仅与分析方法的方差分析选项(默认)一起使用。
- 不显示百分比贡献
- 指定是否显示贡献百分比。
- 不显示百分比研究变异
- 指定是否显示研究变异百分比。
- 在单独的图页上绘制图表,每页一张图
- 分 别显示每个图形。默认情况下,Minitab 一起显示 6 个图形。
- 标题
- 您可以为量具研究输入自定义标题。
指定是否包括置信区间并指定置信水平和类型。
- 包括置信区间
- 在量具 R&R 表中显示置信区间。
- 置信水平
- 输入置信区间的置信水平。通常,置信水平为 95% 即可。
- 置信区间
- 选择要显示的置信区间或边界类型:
- 双侧:显示具有置信下限和置信上限的置信区间。
- 下限:仅显示下限。下限是可能小于参数的值。
- 上限:仅显示上限。上限是可能大于参数的值。
可以将分析统计量保存到工作表中,以便可以将它们用在其他分析、图形和宏中。Minitab 将选定的统计量存储在最后一个数据列后面。存储列的名称以一个数字结尾,如果您将同一个统计量存储多次,结尾的数字会递增。
存储可用的统计量取决于您为分析选择的选项。有关任何这些统计量的详细信息,请转到 交叉量具 R&R 研究 的所有统计量和图形。
关于本主题
- 方差分量和百分比贡献
- 标准差
- 与公差之比(%)
- 测量系统变异及百分比
- 与过程变异之比(%)
- 可区分类别数
方差分量和百分比贡献
- 方差分量和百分比贡献
- Minitab 将这些值存储在 VarComp1 和 VarComp2 列中。
- 方差分量的置信区间
- Minitab 将置信区间值存储在 IVarComp1 和 IVarComp2 列中。
- 百分比贡献的置信区间
- Minitab 将置信区间值存储在 IPVarComp1 和 IPVarComp2 列中。
标准差
- 标准差
- Minitab 将这些值存储在 StdDev1 列中。
- 标准差的置信区间
- Minitab 将置信区间值存储在 SIStdDev1 和 SIStdDev2 列中。
与公差之比(%)
- 与公差之比(%)
- Minitab 将这些值存储在 Tolerance1 列中。
- 与公差之比(%)的置信区间
- Minitab 将置信区间值存储在 ITolerance1 和 ITolerance2 列中。
测量系统变异及百分比
- 测量系统变异及百分比
- Minitab 将这些值存储在 StudyVar1 和 StudyVar2 列中。
- 研究变异的置信区间
- Minitab 将置信区间值存储在 IStudyVar1 和 IStudyVar2 列中。
- 百分比研究变异的置信区间
- Minitab 将置信区间值存储在 IPStudyVar1 和 IPStudyVar2 列中。
与过程变异之比(%)
- 与过程变异之比(%)
- Minitab 将这些值存储在 Process1 列中。
- 百分比过程变异的置信区间
- Minitab 将置信区间值存储在 IProcess1 和 IProcess2 列中。
可区分类别数
- 可区分类别数
- Minitab 将这些值存储在 Distinct1 列中。
- 可区分类别数的置信区间
- Minitab 将置信区间值存储在 IDistinct1 和 IDistinct2 列中。
完成以下步骤解释交叉量具 R&R 研究。主要输出包括变异评估、测量和测量变异的图表。- 步骤 1:使用方差分析表识别显著因子和交互作用
- 步骤 2:评估每个测量误差源的变异性
- 步骤 3:检查图形以获得有关量具研究的更多信息
步骤 1:使用方差分析表识别显著因子和交互作用
使用方差分析表识别哪些变异源是显著的。方差分析表的“来源”列中包含以下项:
- 部件:来自部件的变异。
- 操作员:来自操作员的变异。
- 操作员*部件:来自操作员和部件交互作用的变异。当操作员以不同方式测量不同部件时将存在交互作用。
- 错误或重复性:非部件、操作员或操作员和部件交互作用解释的变异。
注意
如果为分析方法选择 Xbar 和 R 选项,则 Minitab 不显示方差分析表。
如果操作员和部件交互作用的 p 值是 0.05 或更大值,则 Minitab 将删除该交互作用,因为其并非为显著交互作用,且会生成不包含该交互作用的又一个方差分析表。
步骤 2:评估每个测量误差源的变异性
使用方差分量 (VarComp) 和贡献百分比评估每个测量误差源的变异性。来源如下:
- 合计量具 R&R:重复性方差分量和再现性方差分量之和。
- 重复性:这是指同一操作员多次测量同一部件时产生的测量变异性。
- 再现性:不同操作员测量同一个部件时的测量变异性。
- 部件间:由于部件的不同所引起的测量变异性。
理想情况下,只有很少的变异性应由重复性与再现性导致。而绝大部分变异性都应由部件之间的差异引起。
步骤 3:检查图形以获得有关量具研究的更多信息
量具 R&R 图形提供有关测量系统的如下信息:
- 变异分量图
- 显示最大的变异分量是否为部件之间的变异。
- 按操作员显示的 R 控制图
- 显示是否有任何点位于控制上限上方。
- 按操作员显示的 Xbar 控制图
- 显示大多数点是否落在控制限外部。
- 部件测量值图
- 显示每个部件的多个测量值是否接近。
- 操作员测量值图
- 显示操作员之间的差异是否小于部件之间的差值。
- 操作员*部件的交互作用图
- 显示将每位操作员的测量值连接在一起的线是否相似或者这些线是否相互交叉。
- 我的微信
- 微信扫一扫
- 我的微信公众号
- 微信扫一扫
评论