Interpretazione del calibro R&R quando si tiene conto degli effetti incrociatiL'MSA utilizzato per calcolare GaugeR&R consiglia di selezionare Crossed come tipo di modello. Questo è un metodo leggermente diverso rispetto alla valutazione dei soli effetti principali di Appraiser e Part che molti fogli di calcolo e strumenti utilizzano per calcolare Gauge. Capisco il concetto di effetti incrociati, ma ho difficoltà a capire come viene effettuato il calcolo della varianza incrociata (ad esempio se voglio calcolare manualmente per capire cosa determina questa fonte di errore). Sembra che in determinate situazioni l'effetto incrociato possa portare a risultati errati (inaspettati) e non dovremmo utilizzare il risultato per giudicare l'accettabilità del gauge.
Nell'analisi sottostante ho un calibro molto buono (quasi ideale) che non produce sostanzialmente alcuna variazione all'interno della risoluzione della dimensione del passo di misurazione. Il perito 2, tuttavia, ha misurato la parte 9 costantemente 0,005 V in meno rispetto a tutti gli altri periti. Questo errore è ben all'interno della tolleranza di 0,9 V, tuttavia l'analisi del calibro che utilizza effetti incrociati segnala che il 61,21% della variazione di misurazione deriva da un effetto incrociato proveniente da questo perito e da questa parte. Questo non ha senso dal punto di vista fisico per me e sembra essere un caso limite speciale a causa della bassa/mancanza di variazione.
A un certo punto deve esserci un crossover in cui questo effetto può iniziare a influenzare falsamente i risultati di Gauge e sto cercando di capire come interpretare i risultati e in quali casi l'analisi dovrebbe essere modificata per evitare questo artefatto. Sembra che ci possano essere situazioni in cui la matematica potrebbe portare a conclusioni errate e l'effetto Crossed non dovrebbe essere utilizzato.
Modellazione statistica avanzataEsplorazione e visualizzazione dei datiProgettazione degli esperimentiIngegneria della qualità e dei processiRe: Interpretazione del Gauge R&R quando si tiene conto degli effetti incrociatiMi dispiace, non capisco questo " per scopi di R&R, effetti casuali per definizione"? R&R sta per precisione, ripetibilità e riproducibilità. Cosa intendi per "effetti casuali per definizione"? Non capisco nemmeno cosa intendi con "l'effetto del fattore casuale è meglio stimato da un design nidificato"? I design nidificati o gerarchici sono piuttosto utili per i componenti degli studi di variazioni e particolarmente utili quando si valuta stabilità/coerenza. Se questo è l'obiettivo dello studio, allora sì, uno studio nidificato è più efficace. Se tuttavia stai cercando di comprendere la struttura causale e sviluppare modelli predittivi, gli studi incrociati sono più efficaci (ad esempio, DOE).
Non esiste un modo unico per eseguire un'analisi. L'analisi appropriata è una funzione delle domande a cui si sta cercando di rispondere e dipende completamente da come sono stati acquisiti i dati.
Re: Interpretazione del Gauge R&R quando si tiene conto degli effetti incrociatiper scopi R&R, effetti casuali per definizione, non ha senso eseguire solo un design nidificato? non è una questione di preferenza, ma una questione di obiettivo. In altre parole, l'effetto del fattore casuale è meglio stimato da un design nidificato. Idee?
Re: Interpretazione del Gauge R&R quando si tiene conto degli effetti incrociatiEcco i miei pensieri. Innanzitutto un effetto incrociato è un'interazione. Ciò significa che l'effetto di uno dei termini nel modello dipende da un altro termine nel modello.
Ti sei imbattuto in un problema significativo con tutte le analisi quantitative. Si tratta di fare analisi quantitative (ad esempio, ANOVA) prima di analizzare i dati per "punti dati e modelli insoliti" prima di interpretare i risultati dell'analisi quantitativa. Dovresti cercare di capire perché il perito 2 ha ottenuto risultati diversi per UUT #9. Non vedo come tu possa concludere in modo coerente, vedo solo un punto dati, ma nonostante ciò, perché? All'interno di questo set di dati, Deming potrebbe chiamare questo punto dati "speciale" e Shewhart lo chiamerebbe "assegnabile".
Le percentuali sono della tolleranza. Personalmente non penso che questo sia l'unico confronto per giudicare un sistema di misurazione. IMHO, questo è il meno importante poiché le tolleranze sono derivate in modo indipendente e in genere senza alcuna comprensione del processo di fabbricazione del prodotto (o della quantità di variazione del prodotto). Ciò che vuoi che il tuo sistema di misurazione sia in grado di fare è quantificare la variazione nel prodotto in modo che la variazione possa essere ridotta o prevista. Per valutare questo, devi considerare:
1. la discriminazione (risoluzione effettiva),
2. la stabilità/coerenza,
3. la ripetibilità della precisione e forse la riproducibilità,
del sistema di misura.
Il software vorrà tenere conto di questo insolito punto dati. Poiché è, come si vede dal grafico, associato a un solo perito, ciò verrebbe quantificato come un effetto di interazione (vale a dire, l'effetto del perito dipende da quale UUT viene misurato). Non fatevi ingannare dalla dimensione della % (si noti che la variazione della parte (UUT) rappresenta il 720,79% della tolleranza!). Non avete molta variazione nel perito, la maggior parte della variazione è dovuta a UUT (vedere il grafico della componente di varianza).
A proposito, uno dei problemi degli studi incrociati è che di solito sono inadeguati per valutare la coerenza. I grafici di controllo non gestiscono gli effetti incrociati. Per comprendere la coerenza, si preferiscono gli studi nidificati.
