최근에 JMPer가 실험 설계를 컨설팅하고 구현하기 전에 어떤 준비를해야합니까?이 주제의 확장은 실제로 매우 크고 모든 사람의 자기 질문과 자기 답변은 측정 시스템 분석을 가리키는 경향이 있습니다. (측정 시스템 분석, MSA) . 생각 해보니 모든 사람이 강조하고 싶은 것은 데이터 품질의 보증인 측정 시스템의 분석이 아니라 일반적으로 데이터는 측정의 결과이기 때문에 실험 데이터의 타당성은 당연히 측정 시스템을 통과해야한다는 것을 알게되었습니다. 효과가 보장됩니다. 그러나 실제로 둘 사이에는 불가피한 인과 관계가 없습니다. 다시 말해, 측정 시스템 분석은 실험 설계 수행 여부에 관계없이 기본적이고 일상적인 작업이지만 데이터를 사용하여 정량적 의사 결정을 내리고 자 할 때 평가, 검증 및 확인을 통해 측정 시스템의 효과를 보장해야하지 않습니까? ?
따라서 또 다른 기본적인 질문, 즉 JMP를 통과하는 방법이 나타났습니다. 측정 시스템 분석을 수행하는 소프트웨어? 이 기사에서는 시작하기위한 몇 가지 지침을 제공합니다.
우선 일부 사용자는 JMP를 사용합니다. 타다 MSA 약간의 혼란에 대한 이유 중 하나는 JMP ...에 대한 MSA 다중 플랫폼 지원으로 때로는 더 많은 선택을 제공하지만 선택하기가 더 어렵습니다. 우리는 명확히하기 위해 여기에 있습니다.
현재 JMP에서 주로 두 가지 지원이 있습니다 MSA 기능성 플랫폼 ( 그림 -1) , 그들은 각각 다음과 같습니다.
- 분석> 품질 및 프로세스 > 측정 시스템 분석
- 분석> 품질 및 프로세스 > 가변성 / 계산 및 그리기
그림 -1 JMP ...에 대한 MSA 다중 플랫폼 지원
"측정 시스템 분석"플랫폼의 경우 먼저 EMP (Evaluating the Measurement Process)를 기반으로합니다. 측정 시스템 분석을 수행하는 방법. 이 개념은 오랫동안 제안되지 않았으며 미국에서 개발되었습니다. SPC 전문가 도널드 J. 조타실 박사 학위 1984 년 그의 작품에서 수년 측정 프로세스 평가 처음 제안 JMP 인용 된 방법은 2006 년 에 게시 EMP Ⅲ 불완전한 데이터 사용 (2006) 책에서 ( 그림 -2) 내용 및 단계를 설명했습니다.
이 방법은 아직 중국에서 대중화되지 않았기 때문에 아는 사람이 거의 없기 때문에 저희가 연락 한 JMP에서 사용자 그룹에서는 사용률이 낮기 때문에이 기사에서는 처음으로 자세히 다루지 않습니다. 또한 플랫폼은 실제로 전통적인 " 게이지 R & R "분석 방법의 시작이지만 이것은 / "카운팅 수량 차트"의 플랫폼에 들어가는 효과는 동일하므로 다음을 직접 참조하시기 바랍니다.
그림 -2 EMP Ⅲ 불완전한 데이터 사용 (2006)
현재 중국의 주류 측정 시스템 분석 아이디어는 주로 AIAG (Automotive Industry Action Group)를 기반으로합니다. "측정 시스템 분석 참조 매뉴얼"은 지속적으로 업데이트됩니다.
이 정책의 지침에 따라 6 측정 시스템을 평가하기위한 두 가지 일반적인 치수가 있습니다. (안정) 편견 (편견) , 선형 (선형성) , 해상도 (차별) , 반복성 (반복성) 그리고 재현성 (재현성) .
그중 그림 -3과 같이 표시된대로 바이어스는 측정 시스템의 정확도입니다. (정확성) 측정 결과의 가장 직접적인 측정은 측정 결과의 평균값과 실제 값의 차이를 반영합니다. 반복성과 재현성은 측정 시스템의 정확도입니다. (정도) 측정 값은 측정 결과의 변동을 반영하며 측정 시스템의 장단점을 평가하는 데 가장 중요한 지표입니다. 그래서 "가변성 / "Counting and Drawing"플랫폼의 경우 대부분의 기능 항목이 이와 관련되어 있습니다.
이미지 3 바이어스 및 정확도 다이어그램
대부분의 중국 사용자의 경우 위 6 이러한 특성 중 가장 친숙한 특성은 "반복성"과 "재현성"입니다. 게이지 R & R , 식스 시그마 경영과 관련된 거의 모든 교재, 교육 및 프로젝트는 필연적으로 감동을 받아 많은 사람들이 게이지 R & R 거의 동일 MSA , 이것이이 기사의 초점입니다.
여기서 "반복성 오차"는 동일한 작업자가 동일한 측정 장비를 사용하여 동일한 구성 요소의 동일한 특성을 짧은 시간 간격으로 여러 번 측정하고 얻은 결과의 일관성, 즉 모든 측정 결과를 강조하는 것을 의미합니다. 가능한 동일한 조건에서 발생하는 변동 (EV (장비 변동)이라고도 함) 반면, "재현성 오류"는 동일한 측정 구성 요소의 동일한 특성이 변경 될 수있는 다양한 측정 조건에서 여러 번 측정되고 얻은 결과가 일관된다는 점을 강조합니다. 기존의 경우 재현성 오류는 주로 인력 변동이라고도하는 다른 운영자에 의해 발생합니다. (평가자 변동, AV) .
이 두 종류의 변동은 일반적으로 분산 또는 표준 편차로 표현됩니다. 변동이 작을수록 측정 시스템이 더 좋습니다. 전통적인 분석 방법은 종종 생산 공정의 변동과 결합되며 랜덤 효과 요인을 고려한 분산 분석으로 실현됩니다. 분산 분해 과정은 그림 -4에 나와 있습니다. 표시됩니다.
그림 -4 Gage R & R 기존 분석 방법의 개략도
결국 측정 시스템의 정확도를 평가하는 두 가지 중요한 지표는 다음과 같습니다.
그중 % Gage R & R 전체 공정 변동에 대한 측정 시스템의 측정 효과를 평가하는 데 중점을두고 생산 공정을 개선하기위한 측정 시스템의 분해능을 강조합니다.
% P / T 제품 사양에 대한 측정 시스템의 측정 효과를 평가하는 데 중점을두고 허용 오차 한계를 구별하는 측정 시스템의 기능을 강조합니다.
% Gage R & R 와 % P / T 측정 시스템의 성능을 평가하는 것은 두 가지 다른 측면이며, 좋은 측정 시스템은이 두 지표를 동시에 충분히 작게 만들어야합니다. -1 이 두 가지 지표에 대한 일반적인 참조 및 판단 기준입니다.
표 -1 게이지 R & R 참고 판정 기준
지금까지 위의 분석 아이디어와 논리를 이해할 수 있다면 JMP에서 최신 통계 분석 소프트웨어의 도움으로 수집하고 구성하기 만하면됩니다. 게이지 R & R 필요한 관찰 데이터를 분석하고 소프트웨어를 입력 한 다음 모든 후속 계산 프로세스는 소프트웨어에 맡깁니다.
다음으로 간단한 사례를 사용하여 Gage R & R에 대해 논의하겠습니다. 기존 분석 방법의 운영 과정을 시연하고 출력 결과를 간략히 분석합니다.
"버니어 캘리퍼를 사용하여 가공 된 부품의 샤프트 직경을 측정 할 때 알려진 공차 요구 사항은 45.5 ± 0.5입니다. , 측정 시스템의 정확도를 분석하려면 :
- 대표 추첨 10 부품 및 번호
- 랜덤 픽 3 검사관은 자체 캘리퍼로 각 부품을 측정합니다.
- 부품의 순서를 중단하고 두 번째 테스트 타임스
- 부품의 순서를 중단하고 세 번째를 테스트하십시오. 타임스
- 측정 프로세스 회로도와 기록 데이터 테이블은 그림 -5에 나와 있습니다. 표시 "
그림 5 측정 프로세스의 개략도 및 데이터 시트 기록
JMP 게이지 R & R 분석 단계 :
- JMP와 결합 데이터 관리 관련 플랫폼, 그림과 같이 데이터를 쉽게 가져오고 구성 -6 표시된 데이터 테이블 구조
그림 -6 Gage R & R 데이터 입력 및 정렬
- 그림 -7에 따르면 설정, 시작 "분석 > 품질 및 프로세스 > 가변성 / Counting and Drawing”플랫폼
그림 -7 "변동성 / 플랫폼 설정 시작
- 그림 -8 그림과 같이 "Variability Gauge"옆에있는 빨간색 삼각형을 선택합니다. > 측정 도구 연구 > 측정 도구 RR ,이 예에서는 공차 구간을 입력합니다. 46.0-45.0 = 1
그림 -8 시작 "게이지 RR "분석
측정 도구 R & R 분석 결과 보고서의 간략한 분석 :
그림 -9 측정 도구 R & R 분석 결과 보고서
그림 -9에서 게이지 표시 R & R 출력 보고서에서 반복성 분산 성분은 대략 0.0011 , 재현성 분산 성분은 대략 0.0035 , 측정 시스템의 정확도를 평가하기위한 두 가지 중요한 지표 % 게이지 R & R = 33.56 % , % P / T = 40.56 % , 둘 다보다 큼 30 % 따라서 측정 시스템의 정확도 수준이 높지 않으며이를 개선하기위한 조치를 취해야하며 재현성 오류를 줄이는 데 개선을 우선시 할 수 있습니다.
추가 분석을 통해 재현성 변화에서 "inspector * 구성 요소 변형 (0.3116)> "검사기"변형 (0.1708) , "측정 값"변동성 그래프 및 평균 "측정 값"과 관련이 있습니다. - 검사관 * " 부품 " 상호 작용 다이어그램 ( 측정 도구 연구 > 측정 도구 RR 그림 > 평균 플롯 ) 발표 삼 검사관 4 , 5 , 10 아니요. 구성 요소 측정 결과는 큰 차이 현상과 일치합니다.
따라서 측정 표준 운영 교육에서 이러한 구성 요소의 특징에 대한 심층 연구를 수행하면 재현성 오류를 줄이고 측정 시스템의 정확도를 높일 수 있습니다.
그림 -10 "측정 값"의 변동성 그래프와 "측정 값"의 평균값 - 검사관 * " 부품 " 상호 작용 다이어그램
위 내용은 이번 호에서 MSA에 대해 소개 할 내용입니다. 소개 내용, 실제로 MSA 파괴 실험의 측정 시스템 분석, 카운팅 데이터의 측정 시스템 분석, 표준 부품 또는 고정 부품을 사용하는 측정 시스템 분석, 두 정확도 지표가 일치하지 않을 때 측정 시스템을 평가하는 방법과 같은 기본 지식이 많이 있습니다. 그리고 더 많은. 이러한 내용은 한편으로는 소프트웨어의 작동과 관련이 있고 다른 한편으로는 방법론 자체부터 시작해야하며 이후 기사에서 논의 할 것입니다.
안녕하세요, 실제 사용시 문제 즉, 상대적인 양 (즉, 전체 변동의 비율) 인 % GRR의 값을 발견하여 PV가 증가하면 필연적으로 % GRR이 작아집니다 . % GRR이 요구 사항 (특히 고객이 요구하는 경우)을 충족시키기 위해 일부 불량 샘플은 의도적으로 선택되고 (예 : 측정 된 값이 분명히 사양을 벗어남) 일부는 그러한 샘플이 없을 때 의도적으로 제조됩니다. . 제품의 일관성이 더 좋으면 기능 분포가 적으므로 % GRR이 커지는 경우가 많습니다. 이 상황이 불합리하다고 생각합니다.
