Hallo,
Ich bin mit dem Entwerfen und Durchführen von Cross-Gauge-RR-Studien innerhalb von JMP ziemlich vertraut. Kürzlich wurde ich gebeten, eine verschachtelte Studie durchzuführen, da der beobachtete Prozess destruktiv ist. Als Hintergrund versuchen wir, die Wirksamkeit eines automatisierten Inspektionssystems zu ermitteln, dessen Aufgabe es ist, die Größe von Nanoliter-Volumenflecken zu messen, die auf ein Stück Kunststoff aufgetragen werden. Das Flüssigkeitsvolumen ist so gering, dass das Gerät innerhalb eines festgelegten Zeitrahmens überprüft werden muss, da es sonst zu Verdunstungsverlusten kommt. Das Hauptproblem, bei dem ich anscheinend einige Schwierigkeiten habe, ist, dass ich Teile bei bestimmten Prozessextremen erzeugen möchte, um zu zeigen, dass das System unabhängig von der Punktgröße wiederholbare und reproduzierbare Ergebnisse liefert. Ich habe zum Beispiel Daten, dass Folgendes passiert ist:
- 135 Geräte generiert.
- Die Gerätegruppe wurde in 3 Gruppen zu je 45 aufgeteilt. Jede Gruppe von 45 Personen wird vom automatisierten Inspektionssystem bei drei verschiedenen Lichtverhältnissen (niedrig, nominell, hoch) gemessen.
- Jede Gruppe von 45 ist in 5 Gruppen von 9 Geräten unterteilt, wobei sich jedes Gerät an einem anderen Punkt in der Prozessspezifikationsgrenze befand, z. B. kleine Größe außerhalb der Toleranz, kleine Größe, Nenngröße, große Größe, große Größe außerhalb der Toleranz.
Wenn ich also das Dialogfeld „Gauge RR“ in JMP ausfülle, verwende ich eine Methode, die einer Kreuzstudie ähnelt, d. h. Reaktion = Punktgröße, Gruppierung = Beleuchtungsbedingung, Proben-ID = Spezifikationsgrenzwerteinstellung. Wenn ich das mache und eine verschachtelte Modellanalyse durchführe, meldet JMP ein schreckliches Verhältnis von Präzision zu Toleranz, weil es scheinbar davon ausgeht, dass alle Teile mit der gleichen Spezifikationsgrenze hätten gesammelt werden sollen.
Mir ist klar, dass vieles von dem, was ich gerade beschrieben habe, noch beurteilt werden kann, wenn ich das gekreuzte Modell verwende ... Aber das scheint nicht notwendig zu sein. Ich stelle mir vor, dass ein typischer Anwendungsfall für diese Plattform darin besteht, dass mehrere Bediener eine Reihe von Teilen aus mehreren Chargen betrachten, die den Prozessbereich abdecken. Können Sie grundsätzlich nur eine verschachtelte Gauge-Studie durchführen, wenn davon ausgegangen wird, dass alle Teile unabhängig von der Charge homogen sind? Es tut mir leid, wenn dies eher eine allgemeine statistische Frage als eine JMP-spezifische Frage ist.
Wenn Sie ein destruktives verschachteltes MSA-Design erstellen, müssen Sie sicherstellen, dass alle „Teile“, die als dasselbe Teil betrachtet werden (auf der Ebene der Teile-/Proben-ID), homogen sind.Wenn ich Ihr Design also richtig verstehe, scheinen Sie 9 Teile für jede Teil-/Proben-ID zu haben.Diese 9 Teile müssen homogen sein.Bei der Analyse werden sie so behandelt, als wären sie dasselbe Teil, auch wenn dies bei zerstörender Prüfung nicht möglich ist.
Sie müssen außerdem sicherstellen, dass die drei Lichtverhältnisse gleichmäßig variieren.Dies lässt sich beurteilen, indem man sich das Standardabweichungsdiagramm ansieht und den Varianzhomogenitätstest verwendet.
Da Sie außerdem über einen Bereich von Größen messen, sollten Sie zusätzlich eine Linearitätsstudie durchführen, um zu sehen, ob es aufgrund der Größe des Teils zu Messverzerrungen kommt.
Ich hoffe das hilft.
