测量系统分析全集.docx
《测量系统分析全集.docx》由会员分享,可在线阅读,更多相关《测量系统分析全集.docx(47页珍藏版)》请在冰豆网上搜索。
测量系统分析全集
测量系统分析(MSA)
通用测量系统指南
-引言、目的和术语
-测量系统的统计特性
评价测量系统的程序
-测量系统变差的类型:
偏倚、重复性、再现性、稳定性和线性
-测量系统的分析
-测量系统研究的准备
-计量型测量系统分析:
1.稳定性分析方法
2.重复性和再现性分析方法
3.线性分析方法
-量具特性曲线
-计数型量具研究
MeasurementSystemAnalysis–MSA
测量系统分析
测量系统的特性
◆测量:
-通过把零件与已定的标准进行比较,确定出该零件有多少单位的过程。
-有数值与标准测量单位
-是测量过程的结果
测量数据的质量
◆基准值
-确定比较的基准
-对于理解“测量的准确性”很重要
-可以在实验条件下,使用更准确的仪器以建立准确的测量来获得
测量数据的质量
◆高质量
-对于某特性,测量接近基准值
◆低质量
-对于某特性,测量远离基准值
使用统计方法
进行准确测量
过程
◆过程的声音
★人
★
产品或服务
我们工作的方法/资源配合
装置
★材料
★方法
★环境
确定改进的机会
输入过程/系统过程模式
质量循环中的测量系统
管理者责任4.1
测量4.10
实施
改善
质量策划4.2
客户的特殊要求4.3
测量系统必须具有的性能
◆测量系统必须处于统计控制中
◆测量系统的变差小于制造过程的变差
◆测量系统的变差小于规定极限或允许的公差
◆测量变差小于过程变差或公差带中较小者
◆测量最大(最坏)变差小于过程变差或公差带中较小者
定义
◆量具
-用来获取测量的任何设备
◆测量系统
-用来给被测特性赋值的操作、程序、量具及其他设备、软件和操作人员的集合
◆公差
-零件特性允许的变差
◆受控
-变差在过程中表现稳定且可预测
◆不受控
-所有特殊原因的变差都不能消除
-有点超出控制图的控制限,或点在控制限内呈非随机分布形状
受控过程
+1σ=68%
+2σ=95%
+3σ=99.7%
定义
◆分辨率
-测量设备能将测量的标准件分细的程序
-测量设备所能指示的最小的刻度
◆分辨能力
-测量设备检测被测参数的变差的能力
测量系统的变差类型
◆重复性
-一个操作者,用一种量具,对同样零件的同一特性进行多次测量,所获得的测量值的变差。
◆再现性
-不同的操作者,用同样的量具,对同样零件的同一特性进行测量,所获得的测量平均值的变差。
◆偏倚
-所见测量结果的平均值与基准值之差。
◆线性
-量具在预期工作范围内,偏移值的差值。
◆稳定性
-测量系统在某延续时间内测量相同零件的单个特性所得测量总变差。
◆分布能由以下特性进行描绘:
位置–偏倚、线性、稳定性
宽度或范围—重复性、再现性
重复性
基准值
观测平均值
图1偏倚图2重复性
稳定性
操作者B
时间2
操作者C
时间1
操作者A
再现性
图3再现性图4稳定性
线性
线性是在量具预期的工作范围内,偏倚值的差值。
基准值基准值
偏倚较小
观测的平均值观测的平均值
范围的较低部分范围的较高部分
图5a线性
观测的平均值
无偏倚
基准值
图5b线性(变化的线性偏倚)
有偏倚
线性(变化的线性偏倚)
评价方法
◆可变量具(利用量具的重复性与再现性报告进行长期研究的方法)
★★量具R&R可接受的指导原则:
-<10%:
测量系统可以接受。
-10%to30%:
基于应用的重要程度、量具的成本、修理成本等考虑,可能被接受。
->30%:
需要改进,尽一切努力确定问题所在并将之改正。
◆可变量具研究(图形方法)
-误差图
-极差图
-均值/键图
-归一化的单值图
-振荡图
-X–Y均值–基准图
-X–Y比较图
-散点图
◆极差法:
只提供整个测量系统的总体情形;
◆均值极差法(X&R):
允许将测量系统分解成重复性和再现性而不是它们的交互作用;
◆ANOVA法:
能用来确定这种量具与评价人员之间的交互作用。
极差图可帮助确定:
.关于重复性的统计控制;
.评价人对每个零件测量过程的一致性。
极差
UCLR
5
4
3.
RCLR
2.......
......
1
0。
ABCABCABCABCABC评价人
12345零件
图13a1极差图
极差
UCLR
5
4
3.
R
2......
.......
1
0。
123451234512345零件
ABC评价人
图13a2极差图
误差图(图13b)
测量系统的数据分析可采用根据已接受的基准值得到的单值偏差的“误差图”来进行。
每个零件的单值偏差或误差计算取决于是否可得到被测数据的基准值来选择如下二公式之一:
误差=观测值–基准值
或
误差=观测值–零件平均测量值
在任何其它统计分析之前应系统地分离明显原因造成的系统偏差。
从画出的数据分析中可以得出多个有用解释。
例如,从图13b中可以看出一些现象:
1)评价人B的第二个读数有规律地高于其第一个读数;
2)评价人B的平均值高于其他评价人的测量平均值;
3)10号零件很难测量一致——我们应确定其原因。
零件1零件2零件3零件4零件5
20B
误差
10CBCCB-B
BBCBBAAC
0AAACABCCC
ABCAAA
-10
-20
零件6零件7零件8零件9零件10
20
误差
B
10BBB
CBBBA
0AABCACCAAAB
BAACCCCA
-10
C
-20C
图13b误差图
偏倚
为了在过程范围内指定的位置确定测量系统的偏倚,得到一个零件可接受的基准值是必要的。
通常可在工具室或全尺寸检验设备上完成。
基准值从这些读数中获得,然后这些读数要与量具R&R研究中的评价人的观察平均值(定为XA,XB,XC)进行比较。
如果不可能按这种方法对所有样件进行测量,可采用下列替代的方法:
1)在工具室或全尺寸检验设备上对一个基准件进行精密测量;
2)让一位评价人用正被评价的量具测量同一零件至少10次;
3)计算读数的平均值。
基准值与平均值之间的差值表示测量系统的偏倚(见线性一节)。
如果需要一个指数,把偏倚乘以100再除以过程变差(或公差),就把偏倚转化为过程变差(公差)的百分比。
如果偏倚相对比较大,查看这些可能的原因:
1)基准的误差;
2)磨损的零件;
3)制造的仪器尺寸不对;
4)仪器测量了错误的特性;
5)仪器校准不当;
6)评价人员使用仪器不当。
偏倚示例
偏倚由基准值与测量观测平均值之间的差值确定。
为此,一位评价人对一个样件测量10次。
10次测量值如下所示。
由全尺寸检验设备确定的基准值为0.80mm,该零件的过程变差为0.70mm.。
X1=0.75X6=0.80
X2=0.75X7=0.75
X3=0.80X8=0.75
X4=0.80X9=0.75
X5=0.65X10=0.70
观测平均值为测量结果总和除以10
=
0.75
=
X=
∑X7.5
1010
如图9所示,偏倚是基准与观察平均值间的差值.
基准值
0.80
X=0.75
图9偏倚示例
偏倚=观察平均值–基准值
偏倚=0.75–0.80=-0.05
偏倚占过程变差的百分比计算如下:
偏倚%=100[|偏倚|/过程变差]
偏倚%=100[0.05/0.70]=7.1%
偏倚占公差百分比采用同样方法计算,式中用公差代替过程变差。
因此,在量具R&R研究中使用的厚度仪的偏倚为-0.05mm。
这意味着测量观测值平均比值小0.05mm,是过程变差的7.1%。
重复性
测量过程的重复性意味着系统自身的变异是一致的。
由于仪器自身以及零件在仪器中位置变化导致的测量变差是重复性误差的两个一般原因。
由于子组重复测量的极差代表了这两种变差,极差图将显示测量过程的一致性。
如果极差图失控,通常测量过程的一致性有问题。
应调查识别为失控的点的不一致性原因加以纠正。
唯一的例外是前面讨论过的当测量系统分辨力不足时出现的情况。
如果极差图受控,则仪器及测量过程在研究期间是一致的。
重复性标准偏差或仪器变差(σe)的估计为R/d2,式中R为重复测量的平均极差.仪器变差或重复性(假定为两次重复测量,评价人数乘以零件数量大于15)将为5.15R/d2或4.65R,代表正态分布测量结果为99%。
d2#等于1.128,可从表2中查出。
重复性示例
从生产过程选取5年样品。
选择两名经常进行该测量的评价人参与研究。
每一位评价人对每个零件测量三次,测量结果记录在数据表格上(见表1)。
评价人1评价人2
零件1234512345
试验
1217220217214216216216216216220
2216216216212219219216215212220
3216218216212220220220216212220
均值216.3218.0216.3212.7218.3216.3218.3217.3215.7213.3220.0216.9
极差1.04.01.02.04.04.04.01.04.00.0
表1数据表
通过计算每个子组的均值(X)及极差(R)来分析数据。
极差值标绘在极差控制图上(见图10)并计算平均极差(R)。
根据试验次数(3)得出的D3及D4因子(见表3)用来计算极差图的控制限值。
画出控制限值来确定所有数值是否受控。
如同这里显示的如果所有极差都受控,则所有评价人看起来“相同”。
如果一名评价人失控,那么他的方法与其他人的不同。
如果所有评价人都有一些失控的极差,则测量系统对评价人的技术是敏感的,需要改进以获得有用数据。
重复性极差控制图
2名评价人3次试验5个零件
评价人1评价2
6.4
....
2.5.
...
0.0.
1234512345
极差受控一测量过程是一致的
R=25/10=2.5
R图控制限D3=0.000D4=2.575(见表3)
UCLR=R×D4=2.5×2.575=6.4
LCLR=R×D3=0.000
重复性或量具变差的估计:
=
=1.45
σe=
R2.5
d21.72
式中d2#从表2中查得,它是依赖于试验次数(m=3)及零件数量乘以评价人数量(g=5×2=10)。
本次研究得出的重复性计算为5.15σe=5.15×1.45=7.5,式中5.15代表正态分布的99%测量结果。
m
23456789101112131415
1
2
3
4
5
6
7
8
g
9
10
11
12
13
14
15
15
1.411.912.242.482.672.832.963.083.183.273.353.423.493.55
1.281.812.152.402.602.772.913.023.133.223.303.383.453.51
1.231.772.122.382.582.752.893.013.113.213.293.373.433.50
1.211.752.112.372.572.742.883.003.103.203.283.363.433.49
1.191.742.102.362.562.732.872.993.103.193.283.353.423.49
1.181.732.092.352.562.732.872.993.103.193.273.353.423.48
1.171.732.092.352.552.722.872.983.093.193.273.353.423.48
1.171.722.082.352.552.722.872.983.093.193.273.353.423.48
1.161.722.082.342.552.722.862.983.093.183.273.353.423.48
1.161.722.082.342.552.722.862.983.093.183.273.343.423.48
1.161.712.082.342.552.722.862.983.093.183.273.343.413.48
1.151.712.072.342.552.722.852.983.093.183.273.343.413.48
1.151.712.072.342.552.712.852.983.093.183.273.343.413.48
1.151.712.072.342.542.712.852.983.083.183.273.343.413.48
1.151.712.072.342.542.712.852.983.083.183.263.343.413.48
1.1282.0592.5342.8473.0783.2583.407
1.6932.3262.7042.9073.1733.3363.472
g:
对重复性,为零件数x评价人数对现性,为极差数(=1)
表2平均极差分布的d2值①
(d2#值g>15)的
子组内
观察次数
A2D3D4
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1.88003.267
1.02302.575
0.72902.282
0.57702.115
0.48302.004
0.4190.0761.924
0.3730.1361.864
0.3370.1841.816
0.3080.2231.777
0.2850.2561.744
0.2660.2841.716
0.2490.3081.692
0.2350.3291.671
0.2230.3481.652
表3控制图常数
再现性
测量过程的再现性表明评价人的变异性是一致的。
考虑评价人变异性的一种方法是认为变异性是一致的。
考虑评价人变异性的一种方法是认为变异性代表每位评价人造成的递增偏倚。
如果这种偏倚或评价人的变异性真正存在,每位评价人的所有平均值将会不同,这可以通过比较评价人对每个零件的平均值,在均值控制图上看出。
评价人的变异性或再现性可通过每一评价人所有平均值,然后从评价人最大平均值减去最小的得到极差(R0)来估计。
再现性的标准偏差(σ0)估计为R0/d2。
再现性(假定2名评价人)为5.15R0/d2或3.65R。
代表正态分布测量结果的99%.d2#等于1.41(见表2).
再现性示例
根据表1所示数据,通过平均每位评价人获得的所有样品值来计算各位评价人平均值,确定评价人平均值的极差(R0)由最大减去最小值得出。
R0=216.9–216.3=0.6
估计的评价人标准偏差σ。
=R0/d2#=0.6/1.41=0.4
式中d2#从表2查出,它取决于评价人的人数(m=2)和g,这里g为1,因为只有1个极差计算。
再现性5.15σ。
=5.15R0/d2#=2.2
由于量具变差影响了该估计值,必须通过减去重复性部分来校正.
校正过的再现性=
5.15
R(5.15σe)2
d2nr
=[2.2]2-
7.52
5×3
=1.0
式中:
n=零件数量,r=试验次数
校正的评价人标准偏差σ。
=1.0/5.15=0.19
线性
测量仪器的工作范围内选择一些零件可确定线性.这些被选零件的偏倚由基准值与测量观察平均值之间的差值确定.最佳拟合偏倚平均值与基准值的直线的斜率乘以零件的过程变差(或公差)是代表量具线性的指数。
为把量具线性转换成过程变差(或公差)的百分率,可将线性乘以100然后除以过程变差(或公差)。
至于稳定性,建议分析技术可采用图形,即带最佳拟合直线的散点图。
正如在偏倚研究中一样,零件的基准值可由工具室或全尺寸检验设备确定。
在操作范围内选取的那些零件由一个或多个评价人测量,确定每一零件的观察平均值,基准值与观察平均值之间的差值为偏倚,要确定各个被选零件的偏倚。
线性图就是在整个工作范围内的这些偏倚与基准值之间描绘的。
如果线性图显示可用一根直线表示这些标绘点,则偏倚与基准值之间的最佳线性回归直线表示这两上参数之间的线性。
线性回归直线的拟合优度(R2)确定偏倚与基准值是否有良好的线性关系。
系统的线性及线性百分率由回归线斜率及零件过程变差(或公差)计算得出。
如果回归线有很好的线性拟合那么可以评价线性幅度及线度百分率来确定线性是否是可接受的。
如果回归线没有很好的线性拟合,那么可能偏倚平均值与基准值有非线性关系。
这需要进一步分析以判定测量系统的线性是否可接受。
如果测量系统为非线性,查找这些可能原因:
1)在工作范围上限和下限内仪器没有正确校准;
2)最小或最大值校准量具的误差;
3)磨损的仪器;
4)仪器固有的设计特性。
线性示例
某工厂领班对确定某测量系统的线性兴趣。
基于该过程变差,在测量系统工作范围内选定五个零件。
通过全尺寸检验设备测量每个零件以确定它们的基准值。
然后一位评价人对每个零件测量12次。
零件随机抽取,每个零件平均值与偏倚值的计算如表5所示。
零件偏倚由零件平均值减去零件基准值计算得出。
零件12345
基准值2.004.006.008.0010.00
试
验
次
数
12.705.105.807.609.10
22.503.905.707.709.30
32.404.205.907.809.50
42.505.005.907.709.30
52.703.806.007.809.40
62.303.906.107.809.50
72.503.906.007.809.50
82.503.906.107.709.50
92.403.906.407.809.60
102.404.006.307.509.20
112.604.106.007.609.30
122.403.806.107.709.40
零件均值2.494.136.037.719.38
基准值2.004.006.008.0010.00
偏倚+0.49+0.13+0.03-0.29-0.62
极差0.41.30.70.30.5
表5量具数据一览表
偏倚与基准值之间的交点标绘见图12.最佳拟合这些点的线性回归直线及该直线的拟合优度(R2)计算如下:
y=b+ax
式中:
x=基准值
y=偏倚
a=斜率
=0.1317
∑xy-
)
(∑x-
∑y
a=
n
∑x2-
(∑x)2
∑
n
b=∑y–a×(∑x)=0.7367
nn
R2=(∑xy-∑x×∑y/n)2{∑x2–[(∑x)2/n]2}×{∑y2–[(∑y)2/n]2}
偏倚=b+ax
=0.7367–0.1317×(基准值)
线性=|斜率|×(过程变差)
=0.1317×6.00
=0.79
%线性=100[线性/过程变差]
=13.17%
拟合优度(R2)=0.98
线性图
1名评价人12次试验5个零件过程变差=6.00
低名义高
线性:
0.79
%线性=13.17
R2=0.98
1.20
偏
倚
(0.05)
1.00
0.80
0.60
0.40
0.20+
-0.00+
-0.20
基准值
-0.40+
-0.60
4.006.008.0010.00
图12线性图
拟合优度可用来推断偏倚与基准值之间的线性关系.我们可以从它得出它们之间是否有线性关系的结论,并且如果有,是否可接受.但是必须再次强调,线性是由最佳拟合直线的斜率而不是拟合优度(R2)的值确定的。
一般地,斜率越低,量具线性越好;相反斜率越大,量具线性越差。
确定重复性和再现性用指南
计量型量具的分析可以运用多种不同的技术。
本节详细讨论三种可接受的方法。
它们是极差法,均值和极差法(包括控制图法)和方差分析法。
除极差法外,这些方法的分析数据设计都非常相似。
正如介绍的,所有方法在他们的分析中都忽略了零件内变差(例如:
圆度、锥度、平面度等)。
但是,基本量具研究数据设计工作表除了不能用于极差法外,可以很容易地运用在零件内变差的识别和统计分析上。
J(见图16和17,完整的应用于均值和极差法的扩展计算表的例子。
但是,这样做很不便于数据收集过程。
相应地要定量表示“纯”测量仪器变差,本节所述任何技术中使用的所有过程零件都能在量具研究之前被抽样来找出试件内部的最大变差(例如旋转零件360°找出总的不圆度,检查顶部和底部直径找出总的锥度)。
如果零件内最大变差相对被测特性不可忽略(要求对过程了解),应在零件上作出标记(使用非特殊形式;即在零件的任意选择的位置上作标记)以指示要测量出全部读数的点/线/面位置。
实质上这从量具重复性变差中消除了零件内变差,否则,必须意识到量具重复性变差中将至少包括一些零件内变差。
但是,要再次强调整个测量系统不仅包括量具本身及相关的精度,重复性等,而且还包括被检零件的变差,就是说,除非有某些特殊合理的目的需要这么做,一般避免从(上述段落中描述的)分析中排除零件内变差,因为这个变差会影响零件的配合及功能。
怎样处理零件内变差必须基于对零件使用目的和测量目的的适当了解。
还有,采用恰当的统计方法(但是有些不方便)来特别地识