Scopri di più nel nostro corso online gratuito:
Pensiero statistico per la risoluzione dei problemi industriali
In questo video, utilizziamo il file Area MSA Exercise Final.jmp per dimostrare come analizzare il bias nella piattaforma di Measurement Systems Analysis.
In questo studio, il sistema di misurazione di interesse è l'area di più oggetti, misurata da diversi ispettori. Il vero valore, o standard, è noto.
Per condurre questa analisi, selezionare la piattaforma Analisi dei sistemi di misurazione dal menu Analizza in Qualità e processo. In Metodo di analisi, selezioniamo Gauge R&R.
Quindi immettere Valore misurato come Y, Risposta, Ispettore come X, Variabile di raggruppamento e Numero parte come Parte, ID campione. Quindi, inseriamo Standard come Standard.
Per analizzare il bias, selezioniamo Gauge Studies e poi Bias Report dal triangolo rosso in alto.
Vediamo che il bias medio, che è la differenza tra le misurazioni ei valori veri, è -0,3731. In media, le misurazioni sono al di sotto dei valori reali.
I valori Lower 95% e Upper 95% rappresentano un intervallo di confidenza per la distorsione. Questo ci dice che la distorsione media è compresa tra -0,28 e -0,46.
Il rapporto sulla distorsione della misurazione per standard mostra un grafico e statistiche per studiare la distorsione media per i diversi standard. Apprendiamo, ad esempio, che le misurazioni per lo Standard 4.4 sono distorte. In media, le misurazioni sono 1,11 unità al di sotto del valore reale di 4,4.
Si noti che, quando confrontiamo le misurazioni con il valore reale, usiamo il termine bias. Quando confrontiamo le misurazioni con il valore reale per diversi operatori e parti diverse, utilizziamo il termine errore di misurazione, o semplicemente errore.
Per ulteriori grafici, selezioniamo Grafici di errore di misurazione dal triangolo rosso per il rapporto sulla distorsione della misurazione.
Qui, ci concentriamo sul rapporto sugli errori di misurazione di Inspector. Questo rapporto mostra l'errore medio per i diversi ispettori. Possiamo vedere, ad esempio, che l'errore medio per alcuni ispettori è grande, mentre l'errore medio per altri ispettori è molto piccolo.
