756833_zh-CN

liliconcom

这不可能是我的体重！我的体重秤坏了吗？测量系统分析 (MSA) 探索 (2021-US-45MP-826)

Jason Wiggins，JMP 高级系统工程师

从家庭到实验室再到生产车间，测量系统无处不在。在家里，有令人畏惧的浴室磅秤。在测试实验室中，各种系统用于测量重要的物理特性，例如材料强度。生产系统依赖于对机加工零件形状等质量特性的测量。我们接触的测量系统具有各种各样的行为。它们可能有噪声，也可能精确，可能准确，也可能有偏差。它们可能会改变或破坏我们的样品，也可能不会。无论行为如何，我们都需要充分了解测量系统中的噪声，以便在明智地选择如何使用它们时避免代价高昂的错误。20 世纪 90 年代初，哈勃望远镜的主镜因测量错误而被击落。这个在发射后才发现的错误几乎使该项目搁置。如果在发射前通过 MSA 了解并解决变化的根源，NASA 就可以节省超过 6 亿美元的太空维修费用。本次演讲将详细介绍如何应用由唐纳德·惠勒博士首创的“评估测量过程”(EMP) 方法中的 MSA 结果。演讲将概述 EMP 的概念，并结合家庭和工业领域的案例进行探讨。此外，还将在 JMP 中演示 EMP 量规分类、报告精度以及用于确保产品合规性的保护带规格限值。

自动生成的成绩单...

扬声器	抄本
奥利维亚·利平科特	再次，录音机经常处于静音状态，然后我会再次打开。
杰森·威金斯，JMP	好的。大家好。我很荣幸
	那个该死的浴室秤。
	所以对我来说，很难想象没有测量工具的生活会是什么样子，而测量是人类的本能。我们就是这样做的。
	我发现运行良好的测量系统会给我带来很多快乐，而当测量系统运行不正常时，我肯定会感到沮丧。
	开发、改进甚至正确使用测量系统都需要成本，无论它是简单的还是复杂的，都需要成本。
	根据我的经验，与使用错误仪表的数据或甚至误用良好仪表的数据所造成的后果成本相比，这笔费用很小。
	哈勃太空望远镜就是一个很好的例子。
	1990 年发射后不久就发现主镜存在像差。
	像差影响了望远镜图像的清晰度；事实上，这是前后的对比。
	问题的根源可以追溯到用于研磨镜子的设备校准不正确。
	超过6.2亿美元。以1993年的美元计算，这可是一大笔钱。
	我相信，如果在研磨镜子之前进行测量系统分析，就可以完全避免这种成本。
	虽然哈勃望远镜……哈勃太空望远镜的维修是高成本测量事故的典型例子，但我认为，测量系统的问题，即使风险较低，也同样令人沮丧。就拿我那可怕的浴室秤来说吧。
	去年...去年十二月我开始了减肥之旅。
	我只是让您了解一下我随着时间的推移以及每天所看到的情况。
	我的体重通常会增加四磅。现在我想，如果我现在接近我的目标体重……徘徊在目标体重附近，也许你知道，上下浮动四磅。
	这并不是不切实际的期望。现在，在这个过程的早期，情感上发生了一些不同的事情，
	我们就稍微缩小范围，聊聊这个问题吧。我现在正在努力减肥，做所有正确的事情。
	然后有一天早上我醒来，发现自己重了四磅。这很让人沮丧，对吧？希望其他人也能感同身受，但我的问题
	在此过程中（我可能应该在开始这次旅程之前做一个测量系统分析），但我的问题是当我看到这样的东西时
	这四磅体重中，有多少是我自己造成的，又有多少是测量系统中的噪音？所以我进行了测量系统分析来回答这个问题。现在剧透一下。
	我做的第一个研究不太好。测量结果糟糕透了。我真想把它扔掉，但我喜欢回收电子产品。
	最终，这不是一个好的可用衡量标准。
	我今天的目标之一是，这是对现实生活中测量系统的一次有趣的探索，你知道，也许我们都能理解，但我的另一个目标是强调它的一些好处
	使用 EMP 方法进行测量系统分析。现在，我将介绍一些基本定义，然后使用
	用更稳定的仪表进行 MSA 测试的结果。现在请放心，我们一会儿再回到我那个糟糕透顶的浴室秤示例。
	好的，首先，什么是测量系统分析？对我来说，一个简单的解释是，我们要进行一项实验，我们希望从实验中得到的是识别或测量测量系统的局限性。
	我们的目标是什么？如果我们进行测量系统分析，我们肯定能够确定我们使用的测量系统是否足够好。
	是否可以使用，或者是否需要改进。但我觉得更重要的是，EMP 方法的优势在哪里
	我们需要为测量数据的使用设定标准。世界上不存在完美的测量系统，那么我们可以制定哪些标准来帮助我们有效地使用测量数据呢？
	怎么做呢？这是方差分量分析，所以我们要寻找与测量系统相关的方差分量。
	希望这些变异比起我们零件相关的测量变异来说很小。所以我们得到了所有测量值的总变异，然后是各个分量，也就是我们需要了解的这两个不同的变异分量。
	那么，EMP 是什么？它代表评估测量过程。它是由唐纳德·惠勒博士首创的。有一本很棒的书，我强烈推荐。
	对我来说，我认为理解 EMP 最简单的方式可能是它提供了一种有效利用测量数据的统计方法。所以仅仅知道我的仪表好坏是不够的，
	因此，第一类、第二类、第三类，这些都是基于检测过程中转变的概率。
	我最先学到的旧方法，GRR（百分比 R&R），AIAG 方法，使用任意阈值进行轨距分类。所以，我遇到了一个问题……而这正是我最初接触 EMP 的原因。
	许多年前，我曾进行过破坏性试验，所以这是一个测量系统。
	我们做了测量系统分析，结果显示，按照百分比 R&R 标准，它只是一个四级量规。嗯……嗯，
	你知道，这确实有点道理，但这究竟在告诉我们什么呢？最让人难以接受的是，我们用的是这种破坏性测试
	在产品开发中做出能够创造收入的决策。这是一个有用的指标，所以百分比 R&R 并没有告诉我们这个指标的效用，也没有告诉我们任何关于
	关于如何使用该指标的建议。所以我觉得百分比 R&R 方法对我来说确实缺乏有效使用测量数据所需的信息。
	好的，这是一个不那么令人沮丧、更规范的仪表示例。这是坐标测量机。
	测量物体的几何形状。这是一个非常简单的实验，只需测量一个维度的长度。
	所以零件的长度是噪声变量，就像你会注意到这里的小操纵杆一样。我们的测量系统有操作员参与。我见过自动化版本，也许你不会把操作员也算进去，但在这种情况下，你会参与其中。
	零件之间有差异，然后是操作员与零件之间的相互作用。这就是……这个相互作用项，就像你们喜欢实验设计（DOE）的人一样，
	我们都知道交互无处不在，但我会尽力演示一个非常常见的操作员/部件交互的例子。所以我手里拿着的是
	金属圆筒，我有一个带表盘的卡尺。
	我要
	测量该部件的直径，我发现它约为 19 毫米。
	如果我知道这个尺寸是多少，或者我对这个直径有一个预期，我可能会做的是，我可能会在我的仪表上施加更多或更少的压力
	这样我就达到了预期的测量值。现在这种情况到处都在发生。我发现自己也这么做。如果这种事情每次发生在我们人类与测量系统互动时，那么
	如果你有足够的资金和预算来开展实验来寻找这一点，我绝对会推荐你这么做。
	好的，JMP 16。这挺有意思的。我喜欢这个新工具。它……
	抱歉...JMP 16 的 DOE 菜单中有一个 MSA 特定的实验设计工具。
	我将向您展示，演示一下这一点，但在此之前，我想先讨论一下随机化。
	对于我们所有进行实验设计（DOE）和测量系统分析的人来说，我们都知道要进行随机化，是为了降低潜在变量影响结果的风险。所以这应该算是理所当然的吧？
	如果我们不完全随机化，我们可能会遇到一些问题。
	我还建议让操作员对随机运行命令视而不见。想象一下我和我的卡尺，我正在测量10个不同的零件，我根本不知道我测量的是哪个零件，所以机会就更少了。
	仅仅因为知道这些信息，我就能对实验，对测量系统分析实验产生偏差。所以，如果可以的话，尽量做到随机盲测。
	如果遇到随机化问题，您可能会考虑裂区设计或其他处理随机化问题的方法，但我们绝对希望尽可能地做到这一点。
	好的，我们来看看。DOE，特殊用途，这就是我们的MSA设计。
	就像 JMP 中的所有其他 DOE 工具一样，我可以输入我的因子的名称，也许我需要在这里为运算符添加另一个因子。
	我真正喜欢的一件事是，我可以赋予它一个 MSA 角色，然后它会被复制为我们要生成的数据表中的列属性。
	假设操作员的名字不同，但我希望至少能确定我在 MSA 中将其用作操作员角色，这样我就能做到这一点。这太棒了。
	在这个实验中，我们有四个不同的部件，四个不同的操作员，我们将进行两次重复实验。这意味着
	我有我的原始副本，这是我第一次进行实验，我打算再重复两次。因此，每次运行我都会得到三个测量值。
	实验。
	我们将完全随机化，然后看一下设计。和实验设计（DOE）类似，快速预览一下我们的实验设计，可以看看。
	通常要确保它对我们来说是否合理，是否是我们想要做的，以及我们看到的结果是否正确。我非常喜欢这个工具的设计诊断功能，它与我们在自定义设计器中看到的略有不同，例如，
	或者在比较设计工具中。后台有一个模拟正在运行，我们可以尝试一下……你知道，也许我们可以调整与我的测试相关的方差分量，后台还有一个模拟正在运行。我们可以
	问几个问题。我们的实验设计是否足够完善，以至于我们可以标记一个一流的规范（如果我们有的话）？这真的很酷。
	我喜欢它，因为它非常注重测量系统分析，就像 DOE 一样，如果我们需要添加额外的部件或额外的操作员，添加额外的重复，你知道，我们可以在平台内进行操作，而不必立即转储到桌子上。
	好的，让我们看一下我们的标准 MSA。
	我想演示一下一些基本的图形输出。我们会讲得比较慢，因为我们会重复这个过程好几次。
	对于这个测量系统，我们从 EMP 报告中获得的图形输出实际上非常酷。例如，这个平均图表，
	如果我在这里显示数据而不是平均值，那将与我们从可变性属性仪表图工具获得的结果相同。
	所以它告诉我们如果我的测量结果......我的大部分测量结果都在我的控制元素之外，那么我们很可能能够检测到各个部分之间的差异。
	标准差，如果我选择的是分散范围，我们稍后会对此进行更深入的讨论。
	这直观地展现了可重复性，所以我们希望一切都在限度之内，这个量规就是这样的。还有更多。
	这是我最喜欢的一个。同样，是操作员/部件的交互。如果这张图上有交叉线，就表示这里可能发生交互。所以
	它们不会……这些线不必互相叠加，它们之间可以有间隙，但我们真的希望报告中不会出现任何交叉线。均值分析，我喜欢这个，你可以把它当作一个程序工具。
	这只是告诉我们，操作员一的平均测量值往往较低，而操作员二和操作员三的平均测量值往往较高。
	这未必是坏事，但如果是坏事，我们或许可以深入挖掘根源。你知道，为什么操作员一的平均测量值较低？所以，
	测试、重测、误差比较。我们只是想展示每个操作员的测量方式是否存在不一致。
	这些就是图表。我们来稍微讨论一下 EMP 的一些附加术语。EMP 中量规分类的基础是组内相关性。也就是与零件相关的变异比例。
	我们希望在内部与我们的重复测量部分相关，并且
	以及运算符和部分偏置项。我们真心希望这些值与总数相比很小，所以这个统计数据越高越好；1 是完美的。
	如果您要阅读 Wheeler 的书并手工计算方差分量的组内相关性等内容，请务必使用标准差图作为离散类型。
	惠勒在他的书中对何时应该使用量程进行了很好的讨论，我们接下来会用浴室秤的测量系统来说明。所以，如果你的……如果你的精度相当高，你很可能
	可以使用标准差弥散类型。如果数据量较大，那么范围可能是更好的选择。
	可能存在错误。我们会在几个不同的地方看到它。这有很多实用价值，我从书上借鉴了这一点。
	惠勒将其描述为“任何测量都不应该被解释为比正负一个可能误差更精确，因为测量至少有一半的时间会出现这个或更多的误差。”所以这个统计数据将在几个不同的地方使用。
	值得注意的是，我们将使用测量增量，
	它是概率误差的函数，为了调整我们对测量的精度期望，我们想要报告小数点后几位。
	我们将看到另一个地方在保护带中使用了可能的误差......统计保护禁止规范限制。
	好的，我们将浏览报告，然后实际执行 JMP 中的步骤。
	我们得到了一个实际的量规分类，所以这是二等的。Wheeler 的建议是，你可以决定绘制测量过程的图表，所以我可能想在进行这次测量之前先进行一次控制。
	这是有争议的。你知道，这又是一个预算问题。我们能抽出时间去做这件事吗？是的……如果可以，那就去做吧。
	如果没有，那么……改进仪表的成本是多少？我们能把它升级到一流的仪表吗？我们估计在一个项目中这样做会花费多少钱？
	这个监视器分类图例。花点时间仔细研究一下，你就能从中提炼出一些控制图或图表的指导原则。
	实际过程。为了达到这个仪表的有效分辨率，我们必须舍去一些数字。我会逐步讲解如何做到这一点。
	方差分量，这很棒。部分包含了大部分方差，所以这是一件好事，尽管我们仍然有一些运算符
	以及一些操作员与零件的交互。我们在图形分析中也看到了这一点。好的，我们……
	我建了一个插件，现在……我打算用它来演示。它有点小问题。如果我能解决一些问题，我会把它发布出来。
	但这只是启动 EMP 平台，然后它会给我一些其他的东西，其他相关的选项
	EMP报告。好的。我们只需记住零件和操作员。在这种情况下，我将使用标准差。
	好了，点击“确定”。这些就是我们在幻灯片里讨论的所有内容。
	我觉得没什么特别的。这直接来自EMP，我的做法是，考虑到我的测量系统中的噪声，我该如何……我能预期产品的一致性如何？
	规格限制是否合适？我可以通过收紧规格限制来改善吗？所以我将使用统计数据来保护频段
	我的规格限值。对于从事高科技制造业的人来说，你可能听说过保护带规格限值。有时它只是用百分比来表示。
	但我喜欢 EMP，因为我可以使用概率误差来进行计算
	当我收紧这些限制时，会将测量系统的噪声考虑进去。所以这意味着，对于 96% 的一致性，
	我需要收紧我的乐队。我忘了调整这里的小数位了，应该是从56到74。
	所以我把它拧紧一毫米。就这样，两边都一样，符合规格要求。黑线是原始规格限制，是我们为客户设定的。
	如果我们按照这些规格限制运行仪表，我们可以预期大约 64% 的符合率，所以这里有一个权衡，对吗？
	如果我们想收紧规格限制，那会付出代价。我们会拒绝更多零件，但这能更好地保护客户吗？当然能。事实上，如果我们在规格限制内增加四个可能的错误，
	我们可以获得 99.9% 的一致性，但我们将拒绝更多的产品，而其中一些产品实际上可能对客户有用。
	这里的权衡是企业的声音与客户的声音，这是一个商业决策，在你决定之前值得进行一些讨论
	你想把规格限制收紧到什么程度。好的，这是表现良好的量规，我们看到了……哦，我忘了，我本来要展示
	我该如何处理小数点精度问题？坐标测量机输出很多小数。
	EMP 告诉我，我真应该去掉数字。我的方法是创建一个公式列，用 around 函数，然后调整它，这样零就变成了现在的样子，不过我实际上试过二加一。
	然后重新运行 EMP 分析。每次……只要 EMP 告诉我不需要再丢掉一位数字，我就报告这个精度。
	好的，还有制造说明。同样，这也是在计算中使用概率误差和测量增量的地方。
	太棒了。这是一种统计方法，用于处理高科技制造业中常见的保护带。我们可以利用测量系统噪声来做到这一点
	算一下。好了，回到那个可怕的浴室秤。好吧，这有点意思。
	让我带您了解一下这个设计。
	我认为有趣的是，当我们开始做实验时，无论是 DOE 还是测量系统分析，
	我们必须发挥一点创造力。而我必须这么做。说实话，我差点被这个问题难住了。所以，我称体重或我家人称体重时产生的噪音，嗯，我们就是这样的，你知道的。我站在秤上。
	一部分...想想一部分就像我每天的体重波动，对吧？
	比如说，我的体重在正负4磅之间。我一个星期吃得太多，胖了两磅。这就是我想要检测出来的结果。
	现在实际上要做到这一点有点困难，因为我必须从操作员部分、我自己的部分中摆脱出每日体重波动。
	我的做法是……可能有很多不同的方法可以做到这一点，但我的做法是，我让我的参与者，也就是我的家人，参与测量系统分析。他们会测量自己的体重，
	他们走下秤，我递给他们一个哑铃，他们再回到秤上。我减去哑铃，就得到了体重，这就是我的部分测量值。
	现在，为了将其放在我的目标体重范围内，以便让我更容易理解，我只是将其标准化。
	它只是……它只是把比例改得更合理一些。好的，我们……看看效果怎么样。好的，我们再做一次插件。它有值得的地方
	注意。好的，我想如果我回想一下，它会再次记住操作员和零件。这是一个粗略的测量。我将使用极差图散度类型，并且设计是交叉的。
	好的，我们已经看到，我们可能无法检测到
	每日体重的差异。这里面可能有些东西与我的实验方式有关；这当然有可能，
	但看起来不太好。我们再看看其他几个，范围图看起来还不错。啊……哎呀，有个问题。我的组内变异，也就是与我的重复测量相关的变异，嗯，比我的零件……我的方差与我的零件间变异相关。
	这不是一件好事。
	所以第二个问题。你可以大致看看其他一些问题。测试、重测看起来还不错。我的均值偏差比较分析结果看起来不错。好吧，还有另一个问题。看看那个概率误差的大小。记住，我真的希望至少能看到
	一磅的重量差异，并不会造成任何影响。然而，实际误差会比这个数字大三倍，这就有问题了。
	我被告知要舍去一位数字。如果我重复这个过程，实际上我必须用科学计数法，报告两位数字，才能更接近结果。
	即使如此，可能的误差仍然很大，我们稍后会看到，在使用测量仪时，这可能会带来什么问题。
	对，三级量规。所以，如果我们必须使用量规，我们肯定会绘制测量过程图，从而运行控制或标准。
	在我们测量每日体重之前。操作员/部件的相互作用，又来了。这很有趣，因为三号操作员是我的姐夫。他是个挺聪明的人，尽管我尽力让他不去钻测试的空子，但我认为他还是钻了测试的空子。
	所以这可能与我的研究有关，而不一定与量规有关；只是我的观察。所以我们再玩一次96%的符合率游戏，把这个数字降到零。哦不，我无法计算极限。事实上，我的下限实际上是
	高于我的上限。为什么会发生这种情况？嗯，在计算中
	（让我看看，如果我回到我展示的地方），
	如果这个概率误差太大，就会产生问题，所以这个有一点限制
	惠勒在书中用到的工具。但对我来说，嘿，这告诉我，这个浴室秤就是个垃圾，我只需要买个新的。所以我有点小气，
	但我决定，你知道， 50 美元可能不是一个不合理的价格，所以我买了一个 Fitbit 体重秤，我们来看看它是什么样子的。
	哦。
	再次运行该研究。
	至于范围，我们会保持不变。好吧，我们已经看到了一些改进。它不如我的坐标测量机好，但是，嘿，我的一些测量结果实际上超出了控制限，所以我会把它算作改进。
	再看看这个。我的组内方差分量实际上小于部分。我的意思是，它仍然有点大，
	但50美元……也许如果我花100美元或1000美元，我可以稍微降一点，但我想我愿意接受这个价格。好吧，所以可能存在误差，嘿，耶。我们至少不到一磅了。
	当然，我们需要考虑舍去一位数字，所以我也会进行四舍五入，结果显示我们想要的是零小数精度。我们来看看这个，符合率96%。
	再说一次，嘿，我其实得到了一些合理的东西。所以对我来说，
	在整个减肥过程中，我给自己设定的期望是，我希望体重达到 180 磅。
	但我愿意接受体重上下五磅的波动。在这段时间里，我注意到我吃的东西可能会有变化，水分会在一天内增加，所以这是一个相当合理的预期。现在，如果我想确定，
	我会坚持我的目标，也许我需要将这些规格限制降低一磅。
	所以，一开始有点令人沮丧，经过一段相当漫长的减肥历程，还要忍受可怕的体重秤，现在我终于找到了可以接受的体重，而且实际上我还挺开心的。所以
	就这些。谢谢。希望这篇关于EMP测量系统分析方法的讲解能让你感到愉快。
奥利维亚·利平科特	是的，停止录音。
杰森·威金斯，JMP	我及时做到了，太好了。

高级统计建模基础数据分析与建模内容组织数据混合和清理预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果