考慮交叉效應時測量 R&R 解釋用於計算 GaugeR&R 的 MSA 建議選擇 Crossed 作為模型類型。與僅評估許多電子表格和工具用來計算儀表的評估者和零件的主要影響相比，這是一種略有不同的方法。我理解交叉效應的概念，但我很難理解交叉方差計算是如何進行的（即，如果我想手動計算以了解驅動此誤差來源的原因）。似乎在某些情況下，交叉效應可能會導致錯誤（意外）結果，我們不應該使用該結果來判斷量規的可接受性。
在下面的分析中，我有一個非常好的（幾乎理想的）測量儀，它在測量步長的分辨率內基本上沒有變化。然而，與所有其他評估器相比，評估器 2 測量的第 9 部分始終低 0.005V。該誤差完全在 0.9V 容差範圍內，但使用交叉效應的量規分析報告稱，61.21% 的測量變化來自該評估員和零件的交叉效應。這對我來說沒有物理意義，並且由於變化少/缺乏，似乎是一個特殊的極端情況。
在某些時候，必須存在交叉，這種效應可能開始錯誤地影響儀表結果，我試圖了解如何解釋結果以及在什麼情況下應該更改分析以避免這種偽影。似乎在某些情況下，數學可能會導致錯誤的結論，因此不應使用交叉效應。
進階統計建模數據探索和視覺化實驗設計品質和工藝工程回覆：考慮交叉效應時的量規 R&R 解釋抱歉，我不明白「出於 R&R 目的，定義為隨機效應」？ R & R 代表精密重複性和再現性。 「定義上的隨機效應」是什麼意思？我也不明白「隨機因素效應最好從嵌套設計中估計」是什麼意思？嵌套或分層設計對於變異研究的組成部分非常有用，在評估穩定性/一致性時特別有用。如果這是研究的目標，那麼嵌套研究是最有效的。然而，如果您試圖了解因果結構並開發預測模型，交叉研究會更有效（例如 DOE）。
沒有一種方法可以執行任何分析。適當的分析取決於您試圖回答什麼問題，並且完全取決於資料的獲取方式。
回覆：考慮交叉效應時的量具 R&R 解釋出於 R&R 目的，根據定義，隨機效應僅運行嵌套設計沒有意義。這不是一個偏好問題，而是客觀問題。換句話說，隨機因素效應最好透過嵌套設計來估計。想法？
回覆：考慮交叉效應時的量具 R&R 解釋這是我的想法。首先，交叉效應是一種交互作用。這意味著模型中一項的效果取決於模型中的另一項。
您偶然發現了所有定量分析的一個重大問題。也就是說，在解釋定量分析結果之前，先進行定量分析（例如，變異數分析），然後分析「異常數據點和模式」的數據。您應該設法理解為什麼評估者 2 對 UUT #9 得到不同的結果。我不明白你如何得出一致的結論，我只看到一個數據點，但儘管如此，為什麼？在這個數據集中，戴明可能會稱這個數據點為“特殊”，休哈特會稱其為“可分配”。
百分比是公差的百分比。我個人並不認為這是判斷一個測量系統的唯一比較。恕我直言，這是最不重要的，因為公差是獨立得出的，通常沒有對產品製造過程（或產品變化量）有任何了解。您希望測量系統能夠量化產品的變化，以便減少或預測變化。要評估這一點，您必須考慮：
1. 歧視（有效解決），
2.穩定性/一致性，
3. 精確的重複性和再現性，
的測量系統。
該軟體需要考慮這一不尋常的數據點。正如您從圖中看到的，由於它僅與一名評估員相關，因此將被量化為互動效應（即，評估員的效果取決於測量哪個 UUT）。不要被 % 的大小誤導（請注意，零件變異 (UUT) 佔公差的 720.79%！）。評估員沒有太多變化，大部分的變化是由 UUT 引起（請參閱變異數分量圖）。
順便說一句，交叉研究的問題之一是它們通常不足以評估一致性。控製圖不處理交叉效應。為了理解一致性，首選嵌套研究。
