게이지 R&R - 재현성 공식<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕!!
JMP의 GRR 연구에서 반복성과 재현성에 사용되는 정확한 공식을 알려주실 분 계신가요? 나는 사례 가변성 차트 게이지 R&R(공차 %)의 재현성을 계산하는 데 잘못된 공식이 사용되었다고 생각합니다. MSA-4판 책과 비교해 보았는데 JMP의 결과가 다르게 나오는 것을 발견했습니다. 변형을 고려 중입니다(6* 표준 개발).
미리 감사드립니다...
Re: 게이지 R&R - 재현성 공식해당 주제에 대한 Donald Wheeler 박사의 백서(JMP 사이트의 "백서" 아래에 있음)를 읽어 보시기 바랍니다.그의 설명과 예는 매우 유익합니다.
Re: 게이지 R&R - 재현성 공식친애하는 Laural/Michael ,
답장을 보내 주셔서 감사합니다. 이는 MSA와 JMP 방식의 계산 방식에 차이가 있음을 증명하고 싶은 것입니다. 차이점도 확인해보세요 재현성 :
JMP 공차 % = 76.13%
Excel 공차 % = 28.06%
거대하다. 이제 어느 것이 옳다고 생각해야 할까요? 정말 혼란스럽습니다. JMP를 가장 좋은 것으로 간주하고 변동을 76.13%에서 40.0%로 줄이기 시작한다고 가정해 보겠습니다. 이 경우에도 여전히 만족스러운 수준인 20~30%를 초과합니다. 그러나 MSA에 따르면 실제로는 20% 미만일 수 있습니다. 큰 혼란
JMP의 경우 반복성과 재현성을 모두 계산하는 정확한 공식을 알려주실 수 있나요?
MSA의 경우 다음 공식이 사용됩니다.
반복성 : (Rbarbar) x (K1) x (6 시그마)
재현성 :
| (6 시그마) x SQRT{(Xbar diff x K 2)^2 - (EV/[(# 부분) x (# 시행)])} |
감사해요
아쇼크
Re: 게이지 R&R - 재현성 공식이 특정 2요인 교차 예시에서 방법 간 EV 및 AV 추정치 간의 큰 차이는 주로 상당한 차이가 있다는 사실에 기인합니다. 평가자-부분 상호 작용 . 평균 및 범위 방법은 이를 포착하지 못하지만 JMP에서 사용하는 분산 분석 방법은 이를 포착합니다. 상호 작용을 확인하는 한 가지 방법(여러 가지 중)은 측정 시스템 분석 > 평행도 플롯을 실행하는 것입니다.
이 상황은 MSA 매뉴얼의 103페이지에 설명되어 있습니다.
평균 및 범위 방법(X & R)은 다음을 제공하는 접근 방식입니다.
측정의 반복성과 재현성에 대한 추정치
체계.
그러나 평가자와 부품/게이지 간의 상호 작용으로 인한 변동은 분석에서 고려되지 않습니다.
ANOVA 방법은 Gage와 평가자 간의 상호 작용이 존재하는 경우 이를 확인하는 데 사용할 수 있습니다.
남자 이름
Re: 게이지 R&R - 재현성 공식안녕하세요,
Excel에서 AIAG 결과와 2요인 교차 예제의 PDF를 살펴보면 여기에 사용된 방법은 범위를 사용하는 매뉴얼 119페이지에서 사용된 방법과 동일한 것으로 보입니다.JMP는 분산 성분과 게이지 결과를 계산하는 데 이 방법을 사용하지 않으므로 JMP의 결과가 이 예와 일치합니다.예를 들어 Excel 파일은 장비 변동을 0.3131로 계산하는 반면 JMP는 이를 0.3860052로 계산합니다. 공차 백분율은 이러한 값을 사용하여 계산되므로 서로 다릅니다.
공차 % = 100*변이/공차
JMP 허용 오차 % = 100 * 0.3860052 / 0.6 = 64.33%
Excel 공차 % = 100 * 0.3131 / 0.6 = 52.183%
두 방법 모두 "잘못"된 것이 아니며 통계를 추정하는 방법이 다를 뿐입니다.그러나 대부분의 사람들은 더 나은 추정치를 제공할 수 있는 ANOVA 방법(AIAG에도 있음)과 JMP의 다른 방법을 사용하는 것이 더 낫다고 생각합니다.
이게 도움이 되길 바란다.
Re: 게이지 R&R - 재현성 공식친애하는 마이클,
답변해 주셔서 다시 한 번 감사드리며 위 답변에 표시된 내용에 전적으로 동의합니다. 하지만 제 걱정은 표준 편차나 분산 구성 요소의 %에 관한 것이 아닙니다. 내 진짜 걱정은 공차 % 구성 요소. 이러한 계산 중에 값이 일치하지 않습니다. 첨부파일을 잘 살펴보시기 바랍니다. JMP 데이터베이스의 예와 동일한 비교를 시도했습니다. " 2 팩터가 교차되었습니다."
Re: 게이지 R&R - 재현성 공식첨부된 더 큰 JMP 데이터 테이블에 포함된 스크립트 중 하나 또는 둘 다를 실행하십시오. 아래로 스크롤하여 GRR 보고서를 확인하고 MSA 매뉴얼 127페이지 및 129페이지에 보고된 결과와 비교해 보세요. 두 번째 첨부된 JMP 데이터 테이블에 포함된 JMP 보고서를 볼 수 있습니다.
결과는 MSA 매뉴얼의 127페이지와 129페이지의 예에 표시된 결과와 일치하는 것을 볼 수 있습니다.
특히 (p127):
JMP GRR = 0.302373(MSA 표준 개발(GRR)과 일치)
JMP 반복성 = 0.039973(MSA 분산 추정치(EV)와 일치)
JMP 재현성 = 0.051455(MSA 분산 추정치(AV)와 일치)
남자 이름
Re: 게이지 R&R - 재현성 공식사랑하는 mpb님,
답변해 주셔서 감사합니다. 하지만 이 경우에는 유감스럽게도 다음과 같은 비교를 시도해 보았습니다. 2요인이 교차됨 사양 제한이 0.5~1.1인 JMP의 예
내가 찾은 것은 다음과 같은 경우에는 완전히 다른 결과입니다. 허용오차 % . 내 결과는 다음과 같습니다.
JMP와 함께 :
반복성 : 64.33%
재현성: 76.13%
게이지 R&R: 99.68%
MSA 매뉴얼 4판 포함 :
반복성 : 52.18%
재현성: 28.067%
게이지 R&R: 59.250%
이메일 ID를 알려주시면 파일과 계산서를 보내드릴 수 있습니다. 나는 내 방식이 옳다고 생각한다.
또한 JMP에서는 GRR에 대해 특별히 사용되는 공식(공차 % 계산이 올바르지 않음)
이는 JMP 방식과 MSA 방식의 큰 차이점입니다. 무엇을 믿어야 할까요?
친절하게 도와주세요
Re: 게이지 R&R - 재현성 공식R&R 분석의 두 가지 서로 다른 구현을 비교하는 것은 적어도 두 가지 이유로 인해 상당히 혼란스러울 수 있습니다.
1. 분석을 수행하는 방법에는 여러 가지가 있으며 결과는 약간 다릅니다. JMP에서는 EMS, REML 또는 Baysian 방법을 사용하여 분석을 수행할 수 있습니다.
2. 결과를 보고하는 방법에는 여러 가지가 있습니다.
어떤 경우에도 JMP는 "틀린" 것이 아닙니다. 결과를 사과 대 사과로 비교하면됩니다.
118페이지에 있는 MSA 4판의 예제를 jmp로 가져왔으므로 다음과 같습니다.
ID 감정인 평가판 파트 Y
1A 1 1 0.29
1A12 -0.56
1A 1 3 1.34
1A14 0.47
1A15 -0.8
1A 1 6 0.02
1A 1 7 0.59
1A18 -0.31
1A19 2.26
1A110 -1.36
2A 2 1 0.41
등.
그런 다음 이 스크립트를 (대화식으로 먼저) 실행했습니다.
변동성 차트(
Y( :Y ),
X( :평가자, :부분 ),
모델( "교차" ),
최대 반복( 100 ),
전환 한도( 0.00000001 ),
숫자 적분 가로좌표( 128 ),
숫자 함수 평가( 65536 ),
분석 유형(REML 분석 사용),
역사적 시그마( 0 ),
표준 편차 차트( 1 ),
게이지 RR( 6, 0, 0, 0 ),
게이지 RR 보고서( 1 )
);
그런 다음 보고서의 R&R 섹션을 129페이지의 MSA 보고서와 비교한 결과 "Anova" 방법 결과와 일치하는 것을 발견했습니다.
이 경우에는 EMS가 동일한 결과를 가져왔지만 REML 방법을 강제로 적용했습니다.
또는 다음 스크립트를 사용하여 동일한 작업을 수행할 수 있습니다.
EMP 측정 시스템 분석(
Y( :Y ),
X( :평가자 ),
부분(:부분),
모델( "교차" ),
분산형 차트 유형( 범위 ),
EMP 결과( 1 ),
EMP 게이지 RR 결과( 1 ),
평균 차트( 1 ),
분산 차트( 1 ),
최대 반복( 100 ),
전환 한도( 0.00000001 ),
SendTo보고(
보내다(
{"평균 차트"},
"1",
스케일박스,
{회전된 라벨( "자동" )}
),
Dispatch( {"범위 차트"}, "1", ScaleBox, {회전된 레이블( "자동" )} )
)
);
도움이 되었기를 바랍니다.
남자 이름
