최근에는 JMPer가 많이 등장하고 있습니다. 실험 설계를 구현하기 전에 어떤 준비를 해야 합니까? 이 주제에는 광범위한 주제가 있지만 대부분의 질문과 답변은 측정 시스템 분석에 관한 경우가 많습니다. (측정 시스템 분석, MSA) . 곰곰이 생각해 보니 모두가 강조하고 싶은 것은 측정 시스템의 분석이라기보다는 데이터의 품질을 보장하는 문제라는 점을 알게 되었습니다. 데이터는 일반적으로 측정의 결과이므로 실험 데이터의 타당성은 당연히 측정 시스템을 통해 검증해야 하며 효율성은 보장됩니다. 그러나 실제로 둘 사이에는 필연적인 인과관계가 없습니다. 다시 말하면, 측정 시스템 분석은 기본적이고 일상적인 작업입니다.실험 설계 여부에 관계없이 데이터를 사용하여 정량적 결정을 내리려면 평가를 통해 측정 시스템의 유효성을 보장해야 하지 않겠습니까? 검증과 확인??
결과적으로 또 다른 보다 기본적인 질문, 즉 JMP를 통과하는 방법이 발생합니다. 측정 시스템 분석을 수행하는 소프트웨어는 무엇입니까? 이 글에서는 시작하기 위한 몇 가지 지침을 제공합니다.
첫째, 일부 사용자는 JMP를 사용하게 됩니다. 지휘하다 MSA 약간 혼란스러운 이유 중 하나는 다음과 같습니다. JMP ~을 위한 MSA 다중 플랫폼 지원은 때때로 너무 많은 선택 사항을 제공하여 선택하기 어렵게 만듭니다. 우리는 명확히 하기 위해 왔습니다.
현재 JMP에서는 , 주로 두 가지 지원을 제공합니다 MSA 기능성 플랫폼 ( 그림 -1) ,그들은 각각 다음과 같습니다:
- 분석> 품질과 공정 > 측정 시스템 분석
- 분석> 품질과 공정 > 가변성 / 계산 도구 도면
그림-1 JMP ~을 위한 MSA 다중 플랫폼 지원
"측정 시스템 분석" 플랫폼은 먼저 EMP(Evaluating the Measurement Process)를 기반으로 합니다. 측정 시스템 분석 방법. 이 개념은 얼마 전에 제안되었고 미국에서 제안되었습니다. SPC 전문가 도널드 J. 조타실 유 박사 1984년 그의 저서에는 측정 프로세스 평가 에서 처음 제안되었으며, JMP 인용된 방법은 다음에서 파생됩니다. 2006년 에 출판됨 EMP Ⅲ 불완전한 데이터 사용(2006) 책에서 ( 그림 -2) 내용과 단계가 설명되어 있습니다.
이 방법은 중국에서는 아직 대중화되지 않았고 아는 사람도 거의 없기 때문에 우리가 접하게 된 JMP에서는 사용자 그룹 중에서는 이용률이 낮은 편이므로 이 글에서는 이에 대해 자세히 설명하는 데 시간을 낭비하지 않겠습니다. 게다가, 플랫폼은 실제로 전통적인 " 게이지 R&R ” 분석 방법의 시작이지만 이는 “변동성”과 동일하지 않습니다. / "카운팅 툴 드로잉" 플랫폼에 진입한 효과는 동일하므로, 다음 내용을 직접 참고하실 수 있습니다.
그림-2 EMP Ⅲ 불완전한 데이터 사용(2006)
현재 중국의 주류 측정 시스템 분석 아이디어는 주로 AIAG(Automotive Industry Action Group)를 기반으로 합니다. "측정 시스템 분석 참조 매뉴얼"은 지속적으로 업데이트됩니다.
이 지침에 따르면 일반적으로 6시까지 측정 시스템을 평가하는 데에는 안정성이라는 두 가지 일반적인 차원이 있습니다. (안정) , 편견 (편견) , 선형 (선형성) , 해결 (차별) , 반복성 (반복성) 재현성 (재현성) .
그 중 그림-3과 같이 그림에서 볼 수 있듯이 편향은 시스템 정확도의 척도입니다. (정확성) 가장 직접적인 측정은 측정 결과의 평균값과 실제 값의 차이를 반영하며 반복성과 재현성은 측정 시스템의 정확성입니다. (정도) 측정은 측정 결과의 변동을 반영하며 측정 시스템의 품질을 평가하는 데 가장 중요한 지표입니다. 그래서 “가변성 / "계산 도구 도면" 플랫폼의 경우 대부분의 기능 항목이 이와 관련됩니다.
이미지 3 바이어스 및 정밀도 다이어그램
대부분의 중국 사용자의 경우 위 6가지 중 이러한 특성 중 가장 친숙한 특성은 소위 "반복성"과 "재현성"입니다. 게이지 R&R , 거의 모든 6시그마 경영 관련 교육 자료, 교육 및 프로젝트에서 이에 대해 다루기 때문에 시간이 지남에 따라 많은 사람들이 잊어버리게 됩니다. 게이지 R&R 거의 동등하다 MSA , 이것이 우리 기사의 초점이기도 합니다.
여기서 "반복성 오류"는 대부분 동일한 작업자가 동일한 측정 장비 세트를 사용하여 짧은 시간 간격 내에 동일한 구성 요소의 동일한 특성을 여러 번 측정하고 얻은 결과의 일관성을 강조하는 것을 의미합니다. 모든 측정 결과의 일관성 가능한 모든 조건이 동일한 변동 조건, 장비 변동(EV)이라고도 함 ; 대조적으로 "재현성 오류"는 다양하게 변화하는 측정 조건에서 동일한 측정 구성 요소의 동일한 특성을 여러 번 측정하여 얻은 결과의 일관성을 강조합니다. 전통적인 경우 재현성 오류는 주로 다른 작업자에 의해 발생합니다. 인사 변동 (평가자 변형, AV) .
이 두 가지 변동은 일반적으로 분산 또는 표준편차로 표현되며 변동이 작을수록 측정 시스템이 우수합니다. 전통적인 분석 방법은 종종 생산 공정의 변동과 결합되며 무작위 효과를 고려한 분산 분석을 통해 이루어집니다. 분산 분해 과정은 그림-4에 나와 있습니다. 표시됩니다.
그림-4 게이지 R&R 기존 분석 방법의 개략도
마지막으로 측정 시스템의 정확도를 평가하기 위한 두 가지 중요한 지표가 도출됩니다.
그 중 %Gage R&R 전체 공정 변동에 대한 측정 시스템의 측정 효과를 평가하는 데 중점을 두고 생산 공정 개선을 해결하는 측정 시스템의 능력을 강조합니다.
%P/T 제품 사양에 대한 측정 시스템의 측정 효과를 평가하는 데 중점을 두고 공차 한계를 해결하는 측정 시스템의 능력을 강조합니다.
%게이지 R&R 그리고 %P/T 측정 시스템의 성능을 평가하는 두 가지 측면이 있습니다. 좋은 측정 시스템은 두 지표를 동시에 충분히 작게 만들어야 합니다. -1 이 두 지표에 대한 일반적인 참고 판단 기준입니다.
표-1 게이지 R&R 참고 판단 기준
이 시점에서 위의 분석 아이디어와 논리를 이해할 수 있다면 JMP에서는 최신 통계 분석 소프트웨어를 사용하면 수집하고 정리하기만 하면 됩니다. 게이지 R&R 분석에 필요한 관측 데이터를 소프트웨어에 입력할 수 있으며, 이후의 모든 계산 과정은 소프트웨어에 맡길 수 있습니다.
다음으로 간단한 작은 사례를 사용하여 Gage R&R을 분석하겠습니다. 전통적인 분석방법의 운용과정을 시연하고, 출력결과를 간략하게 분석한다.
"버니어 캘리퍼스를 사용하여 특정 가공 부품의 샤프트 직경을 측정합니다. 알려진 공차 요구사항은 45.5±0.5입니다. , 측정 시스템 정확도 분석의 경우:
- 10개의 대표 샘플 부품과 번호가 매겨진
- 무작위로 3개 선택 검사관은 자체 캘리퍼스로 각 부품을 측정합니다.
- 부품 순서를 섞은 후 두 번째 테스트 이류
- 부품 순서를 섞은 후 3위를 테스트했습니다. 이류
- 측정 프로세스 다이어그램과 기록 데이터 테이블은 그림-5에 나와 있습니다. 표시됨"
그림 5 측정 프로세스 다이어그램 및 기록 데이터 시트
JMP 게이지 R&R 분석 단계:
- JMP와 결합 데이터 관리 관련 플랫폼으로, 그림과 같이 데이터를 쉽게 가져오고 정리할 수 있습니다. -6 표시된 데이터 테이블 구조
그림-6 게이지 R&R 데이터 입력 및 구성
- 그림-7을 누르세요. 설정, "분석 시작 > 품질과 공정 > 가변성 / "카운팅 도구 드로잉" 플랫폼
그림-7 "가변성 / "카운팅 게이지 드로잉" 스타트업 플랫폼 설정
- 그림-8과 같이 그림과 같이 "Variability Gage" 옆에 있는 빨간색 삼각형을 선택합니다. > 게이지 연구 > 측정 도구 ₩₩ , 이 예에서는 공차 구간을 입력합니다. 46.0-45.0=1
그림-8 "측정 도구" 시작 ₩₩ "분석하다
게이지 R&R 분석 결과 보고서의 간략한 분석:
그림-9 측정 도구 R&R 출력 보고서 분석
그림-9에서 표시된 게이지 R&R 출력 보고서에서 반복성 분산 구성요소는 대략 다음과 같습니다. 0.0011 , 재현성 분산 성분은 대략 다음과 같습니다. 0.0035 , 측정 시스템의 정확성을 평가하는 두 가지 중요한 지표 %게이지 R&R=33.56% , %P/T=40.56% , 모두보다 큼 30% , 따라서 본 측정 시스템의 정확도 수준은 높지 않으며 이를 개선하기 위한 조치가 필요하며 개선은 먼저 재현성 오류를 줄이는 것부터 시작될 수 있습니다.
재현성 변화에서 "검사자* "부분" 변형 (0.3116)> "검사관" 변형 (0.1708) , "측정값"의 변동성과 평균 "측정값"으로 플롯됩니다. - 검사관 *" 부분 " 상호작용 다이어그램 ( 게이지 연구 > 측정 도구 ₩₩ 그림 > 평균 차트 ) 에서 발표 삼 검사관의 4 , 5 , 10 이는 부품의 측정 결과에 큰 차이가 나타나는 현상과 일치합니다.
따라서 측정 표준 운용 훈련 시 이들 구성요소의 특성을 심도 있게 논의한다면 재현성 오류를 줄여 측정 시스템의 정확도를 향상시킬 수 있다.
그림-10 "측정된 값" 및 평균 "측정된 값"에 대한 변동성 플롯 - 검사관 *" 부분 " 상호작용 다이어그램
이번 호에서 MSA에 대해 소개할 내용은 다음과 같습니다. 소개 내용은 실제로 MSA 파괴 실험을 위한 측정 시스템 분석, 데이터 계산을 위한 측정 시스템 분석, 표준 부품 또는 고정 부품을 사용한 측정 시스템 분석, 두 가지 주요 정확도 지표가 있을 때 측정 시스템을 평가하고 결정하는 방법 등의 기본 지식이 여전히 많이 있습니다. 일관성이 없다 등등 이러한 내용은 한편으로는 소프트웨어 운영과 관련이 있고 다른 한편으로는 방법론 자체에서 출발해야 하는데, 이에 대해서는 후속 기사에서 논의하겠습니다.
안녕하세요, 실제 사용 중에 문제점을 발견했습니다. 즉, %GRR 값은 상대적인 양(즉, 전체 변동에 대한 비율)이므로 PV가 증가하면 %GRR은 필연적으로 작아집니다. %GRR이 요구 사항을 충족하도록 하기 위해(특히 고객의 요구 사항이 있는 경우) 일부 불량 샘플이 의도적으로 선택되고(예: 측정된 값이 명백히 사양을 벗어남) 일부는 의도적으로 제조되기도 합니다. 샘플을 사용할 수 없습니다. 제품의 일관성이 좋아지면 기능의 분포가 작아지기 때문에 %GRR이 더 커지는 경우가 많습니다.
