Gage R 및 R 분석이 처음인 경우 EV%가 100%를 초과합니까?안녕하십니까,
내가 만든 테스트 도구(3축 가속도 측정 중)에서 측정의 가변성을 이해하려고 노력 중이며 Gage R 및 R에 대해 들었습니다.
연구는 다음과 같이 설정되었습니다. 부품 1개, 측정 시스템 3개, 측정 시스템당 10개(이 경우 부품 변동성은 신경 쓰지 않으므로 단일 부품만 측정되었습니다).
JMP의 Gage R 및 R 분석 도구를 사용하여 다음과 같은 결과를 얻을 수 있습니다.
연구를 통해 도구의 최대 EV%가 30%인 것으로 보입니다. 표에서 EV%는 어떤 값이 될까요? 1.116 값입니까? EV%가 100% 이상일 수 있습니까? 내 측정 변동성이 그렇게 끔찍합니까?
도움을 주셔서 미리 감사드립니다!
Re: Gage R 및 R 분석이 처음인 경우, EV%가 100%를 초과합니까?Gage R&R 연구는 측정 정밀도(반복성 및 재현성)의 구성요소를 측정 중인(또는 구별할 수 있기를 원하는) 구성요소와 비교하기 위한 것임을 인식하십시오. 부품 간 변동을 감지해야 합니까? 그런 다음 측정 구성 요소를 부품-tp-부품 변동(연구에 존재하지 않음)과 비교해야 합니다. 부품 내 변동을 감지해야 합니까? 그런 다음 측정 구성 요소를 비교할 부품 내 여러 측정이 필요합니다. 말이 됩니까?
Re: Gage R 및 R 분석이 처음인 경우 EV%가 100%를 초과합니까?나는 완전히 동의합니다 @cwillden 님의 분석에 대한 결론입니다. 이 경우 Gage R&R 또는 MSA(측정 시스템 분석)를 수행하지 않습니다. 도구의 성능 자체를 판단할 수는 없습니다. 동일한 도구가 한 상황에서는 매우 좋은 측정을 제공하고 다른 상황에서는 좋지 않은 측정을 제공할 수 있습니다. 차이점? 무엇을 구별 할 것으로 예상됩니까? 이는 부품 변동량을 기준으로 합니다.
연구 정보는 어디서 얻었습니까? 부품 변형이 없는 Gage R&R의 프레젠테이션을 본 적이 없습니다. (존재할 수도 있다는 점은 인정합니다.)
30% EV의 상한선에 대한 근거는 무엇입니까? 전체 변동과 관련이 있습니까? EV가 80% 이상:
이러한 '경험 법칙'은 종종 특정 상황에서 의미가 없거나 도움이 되지 않습니다. 예를 들어 내 EV가 높지만 측정값이 저렴한 경우(예: 비용, 시간) 이 구성 요소를 평균화하고 줄이기 위해 반복 측정 횟수를 결정할 수 있습니다. 반면에 내 EV가 높고 측정값이 비싸다면 이 변동의 근본 원인을 찾아 줄이거나 제거하거나 다른 도구를 찾아야 할 수도 있습니다.
Re: Gage R 및 R 분석이 처음인 경우, EV%가 100%를 초과합니까?1.117이라는 숫자는 실제로 비율이 아닙니다. 이것이 반복성 분산의 실제 추정치입니다.이 30%는 전체 분산에 대한 반복성 분산의 비율을 나타냅니다. 부품 변동은 신경 쓰지 않을 수 있지만 측정 시스템의 품질을 판단하는 중요한 기준점이며 많은 기존 GRR 메트릭은 해당 구성 요소 없이는 의미가 없습니다.전체 분산에 0개의 부품 변동이 있으므로 반복성은 전체 변동(1.117/1.145)의 100%에 매우 가깝습니다.
샘플 간(부품 간) 변동이 측정 시스템의 맥락에서 실제로 중요하지 않은 경우 더 적절한 메트릭을 선택해야 합니다.아마도 변동 계수와 같은 것일까요?
