Interpretation von Messgeräten und Regressionsanalysen unter Berücksichtigung von KreuzeffektenDas zur Berechnung von GaugeR&R verwendete MSA empfiehlt die Auswahl von „Gekreuzt“ als Modelltyp. Dies ist eine etwas andere Methode als die Auswertung nur der Haupteffekte von Gutachter und Teil, die viele Tabellenkalkulationen und Tools zur Berechnung von Gauge verwenden. Ich verstehe das Konzept der gekreuzten Effekte, aber ich habe Schwierigkeiten zu verstehen, wie die Berechnung der gekreuzten Varianz erfolgt (d. h. wenn ich manuell rechnen möchte, um zu verstehen, was diese Fehlerquelle verursacht). Es scheint, dass der gekreuzte Effekt unter bestimmten Umständen zu fehlerhaften (unerwarteten) Ergebnissen führen kann und wir das Ergebnis nicht verwenden sollten, um die Akzeptanz des Messgeräts zu beurteilen.
In der folgenden Analyse habe ich ein sehr gutes (fast ideales) Messgerät, das im Wesentlichen keine Abweichungen innerhalb der Auflösung der Messschrittgröße aufweist. Prüfer 2 hat jedoch Teil 9 im Vergleich zu allen anderen Prüfern durchgängig 0,005 V niedriger gemessen. Dieser Fehler liegt deutlich innerhalb der Toleranz von 0,9 V, doch die Messgeräteanalyse mit gekreuzten Effekten meldet, dass 61,21 % der Messabweichung von einem gekreuzten Effekt herrühren, der von diesem einen Prüfer und Teil herrührt. Das ergibt für mich physikalisch keinen Sinn und scheint aufgrund der geringen/fehlenden Abweichung ein Sonderfall zu sein.
Irgendwann muss es eine Überschneidung geben, bei der dieser Effekt die Messergebnisse fälschlich beeinflussen kann, und ich versuche zu verstehen, wie die Ergebnisse zu interpretieren sind und in welchen Fällen die Analyse geändert werden sollte, um dieses Artefakt zu vermeiden. Es scheint, dass es Situationen geben kann, in denen die Mathematik zu falschen Schlussfolgerungen führen kann und der Überschneidungseffekt nicht verwendet werden sollte.
Erweiterte statistische ModellierungDatenexploration und -visualisierungVersuchsplanungQualitäts- und ProzesstechnikBetreff: Interpretation von Messgeräten und Regressionsanalysen bei der Berücksichtigung von KreuzeffektenEntschuldigung, ich verstehe das nicht: „ Für R&R-Zwecke sind Zufallseffekte per Definition“? R&R steht für Präzision, Wiederholbarkeit und Reproduzierbarkeit. Was meinen Sie mit „Zufallseffekten per Definition“? Ich verstehe auch nicht, was Sie mit „Zufallsfaktoreffekte lassen sich am besten anhand eines verschachtelten Designs schätzen“ meinen? Verschachtelte oder hierarchische Designs sind für Komponenten von Variationsstudien recht nützlich und besonders nützlich bei der Beurteilung von Stabilität/Konsistenz. Wenn dies das Ziel der Studie ist, dann ist eine verschachtelte Studie tatsächlich am effektivsten. Wenn Sie jedoch versuchen, die Kausalstruktur zu verstehen und Vorhersagemodelle zu entwickeln, sind gekreuzte Studien effektiver (z. B. DOE).
Es gibt nicht nur eine Methode, eine Analyse durchzuführen. Die geeignete Analyse hängt von den Fragen ab, die Sie beantworten möchten, und vollständig davon, wie die Daten erfasst wurden.
Betreff: Interpretation von Messgeräten und Regressionsanalysen bei der Berücksichtigung von KreuzeffektenFür R&R-Zwecke, bei denen es per Definition Zufallseffekte gibt, ist es nicht sinnvoll, nur ein verschachteltes Design zu verwenden. Es ist keine Frage der Präferenz, sondern eine Frage des Ziels. Mit anderen Worten, der Zufallsfaktoreffekt lässt sich am besten anhand eines verschachtelten Designs schätzen. Was meinen Sie?
Betreff: Interpretation von Messgeräten und Regressionsanalysen bei der Berücksichtigung von KreuzeffektenHier sind meine Gedanken. Erstens ist ein Kreuzeffekt eine Interaktion. Dies bedeutet, dass die Wirkung eines der Terme im Modell von einem anderen Term im Modell abhängt.
Sie sind auf ein erhebliches Problem bei allen quantitativen Analysen gestoßen . Das bedeutet, dass Sie eine quantitative Analyse (z. B. ANOVA) durchführen, bevor Sie die Daten auf „ungewöhnliche Datenpunkte und Muster“ untersuchen, bevor Sie die Ergebnisse der quantitativen Analyse interpretieren. Sie sollten versuchen zu verstehen, warum Gutachter 2 für UUT Nr. 9 andere Ergebnisse erhalten hat. Ich verstehe nicht, wie Sie zu einer konsistenten Schlussfolgerung gelangen, ich sehe nur einen Datenpunkt, aber trotzdem, warum? Innerhalb dieses Datensatzes könnte Deming diesen Datenpunkt als „besonders“ bezeichnen und Shewhart würde ihn als „zuweisbar“ bezeichnen.
Die Prozentwerte beziehen sich auf die Toleranz. Ich persönlich glaube nicht, dass dies der einzige Vergleich ist, um ein Messsystem zu beurteilen. Meiner Meinung nach ist dies der am wenigsten wichtige, da Toleranzen unabhängig und normalerweise ohne Einblick in den Herstellungsprozess des Produkts (oder die Menge der Produktabweichungen) abgeleitet werden. Ihr Messsystem sollte in der Lage sein, die Abweichungen im Produkt zu quantifizieren, damit Abweichungen reduziert oder vorhergesagt werden können. Um dies zu beurteilen, müssen Sie Folgendes berücksichtigen:
1. die Diskriminierung (wirksame Lösung),
2. die Stabilität/Konsistenz,
3. die Wiederholgenauigkeit und ggf. Reproduzierbarkeit,
des Messsystems.
Die Software wird diesen einen ungewöhnlichen Datenpunkt berücksichtigen wollen. Da er, wie Sie aus dem Diagramm ersehen, nur mit einem Gutachter verknüpft ist, würde dies als Interaktionseffekt quantifiziert werden (d. h. der Effekt des Gutachters hängt davon ab, welcher Prüfling gemessen wird). Lassen Sie sich nicht von der Größe des Prozentsatzes täuschen (beachten Sie, dass die Teilevariation (Prüfling) 720,79 % der Toleranz ausmacht!). Sie haben nicht viel Variation beim Gutachter, der Großteil der Variation ist auf den Prüfling zurückzuführen (siehe Diagramm der Varianzkomponente).
Übrigens besteht eines der Probleme bei gekreuzten Studien darin, dass sie normalerweise nicht geeignet sind, um die Konsistenz zu beurteilen. Kontrollkarten können gekreuzte Effekte nicht verarbeiten. Zum Verständnis der Konsistenz sind verschachtelte Studien vorzuziehen.
