新闻详细

ASQ QP分享《测量研究 - 用量具重复性和再现性研究确定测量系统的可接受程度》

发布日期:2018-02-07 10:39:25

  • 变异在任何过程中都不可避免地存在——无论其由操作者或是由设备而产生。测量和识别出这种变异是所有精益生产或六西格玛改进工作中重要的第一步。
  • 量具的重复性和再现性研究可以确定一个测量系统中变异的程度,并识别出对测量设备的限制。


六西格玛是一种高度严谨、以数据为基础的过程,它能帮助组织减少变异,从而通过改进经营过程的能力、提升绩效,开发并交付近乎完美的产品、服务和项目。

改进绩效和降低波动对提升质量、具备更好的可预测性、提高利润及激励团队的士气都有极重要的贡献。

要降低变异,你首先必须理解和分析测量系统,以识别出测量系统在变异中所占比例和在开展六西格玛改进前的情况。


测量方法

一个测量系统指收集数据以进行统计分析的一组工具。它包含4个关键部分:

  1. 测量设备;

  2. 操作者;

  3. 测量过程;

  4. 环境。

要评估一个测量系统以识别出测量数据输出的准确度和精密度,并找出在该测量系统中潜在的任何变异。

有两种方法可用来衡量一个测量系统:一种是定义—测量—分析—改进—控制(DMAIC),另一种是六西格设计(DFSS)。其中DFSS包括了定义—测量—分析—设计—验证(DMADV)或识别—定义—开发—优化—验证(IDDOV)两种。

DMAIC是一种为改进过程而采取的以数据为驱动的质量战略,这是组织开展六西格玛活动的主体部分。它是过程改进及减少绩效变异的路线图。组织一般都是从DMAIC开始,随着其在文化和经验方面的成熟而逐步进展到DFSS、DMADV或IDDOV。

DMAIC过程为:

  • 定义(Define)存在问题及所需要的改进。

  • 测量(Measure)过程绩效。

  • 分析(Analyze)变异的原因。

  • 消除根本原因改进(Improve)过程绩效。

  • 控制(Control)改进后的过程及未来的过程绩效。


为什么关注要测量

所有的测量活动都有一定程度的不确定性,用测量的标准差来表示。当进行人工测量或部分自动化测量时,人的因素就会在过程变异中有所体现。

不管是否能够观测到,一个过程始终会产生变异。而测量又增加了额外的部分变异。在一个过程中存在的固有变异,在收集和应用数据进行分析之前必须将其识别出来。

掌握测量系统的变异对以下事项非常重要:

  • 尽可能早地分辨出产品的好坏;

  • 确定持续改进活动是否起作用;

  • 理解过程的稳定性。

如果一个测量系统不能被信任,其所产生的数据同样不可信。因此,测量系统分析(MSA)成为建立、改进和保持质量体系的一个关键组成部分。


测量系统分析(MSA)

“测量”是DMAIC过程中一个重要步骤。组织把测量作为过程改进的基础,因为你不可能对不能测量的事物进行控制。

正确地测量数据很重要, 因为测量出不正确数据就不能识别出变异的根本原因,进而得到无效的改进措施,这是改进举措失败的一个主要原因。理想的情况是测量装置在受控的环境下得到评估。但这样的情况并不总是可能的。因此,要正确地测量,测量装置必须认真地构造和校准。

MSA可对连续数据和离散数据进行分析。对连续数据,测量并重新测量过程输出,将测量变异与总体过程变异进行比较。用控制图可以图示地用子组内和子组间变异表示出来。

分析变量或连续数据有3种通用的方法:

1. 汽车工业行动组(AIAG)方法。AIAG是一个全球性组织,它为全世界组织提供一个公开的论坛,开发并分享对汽车业有用的信息。统计过程控制(SPC)是利用统计方法评价一个过程当前运行与历史运行情况的对比。在SPC手册中,AIAG指出了确定一个过程是否失控的6条法则:

  • 数据点超出控制限;

  • 7个连续的数据点位平均线一侧;

  • 7个连续的数据点持续升高或降低;

  • 90%以上的数据点位于控制限区域中间的三分之一处;

  • 位于控制限区域中部的数据点数少于40%;

  • 明显的非随机现象,如周期性循环。

2. 方差分析法(ANOVA)。检查什么变异源对结果有显著性影响。

3. 控制图法。检查过程是如何随时间而改变。

然而,对于离散数据就很难用图示的方法评价,因为其测量判别力较差——例如对“是或否”“接收或拒收”这样的测量。分析离散或计数型数据常用的方法是属性一致性分析,这种方法用于要主观评价事项时。


产生测量变异的原因

所观测到的过程变异由两个原因产生:实际过程变异和测量变异(见图1)。MSA将对由测量系统引起的数据变异进行量化。

测量变异会影响测量准确度和精密度(见图2)。准确度是测量值与真值的接近程度,它由3个部分组成。

  1. 偏倚。测量平均值与参照标准值之间的差异。

  2. 线性。在正常运行范围中偏倚的变化。

  3. 稳定性。测量过程中其均值和变异随时间而改变的统计稳定性。

而测量精密度指重复测量值之间的密集程度。精密度有2个组成部分:

1. 重复性(设备变异)。指测量系统本身的变异。它是在同样条件下连续测量时所产生的变异:

  • 同样的测量人员;

  • 同样的测量单位;

  • 同样的测量特性;

  • 同样的测量装置;

  • 同样的安排和环境条件。

2. 再现性(操作者间的变异)。当由两个或多个人员用同样量具(或工具)以同样的单位进行测量时产生的测量变异。

  • 不同的测量人员;

  • 同样的测量单位;

  • 同样的测量特性;

  • 同样的测量装置;

  • 同样的安排和环境条件。

量具重复性和再现性(GR&R)是进行MSA时用以评价测量系统绩效的。MSA对测量装置的能力和限制进行量化,经常要估计出其重复性和再现性。一项GR&R研究可以确定:

  • 由不同操作者所引起的测量系统变异的程度;

  • 测量系统是否能辨别不同工件之间的差异;

  • 测量系统的变异是否小于过程变异。


3种GR&R研究

有3种GR&R研究——交叉式、嵌套式和扩展式——每种各有不同的目的。选择哪一种方法进行GR&R研究取决于有多少可用的数据以及测量试验是否是破坏性的。

1. 交叉GR&R研究。进行这种研究时,由每个操作者测量每个工件。之所以称为交叉GR&R研究是因为同一工件被每一位操作者测量多次(见图3)。

它用于确定由测量系统变异产生了少过程变异。

交叉GR&R研究用于非破坏性测量——即测量过程中工件没有被破坏并且可以被测量2次。

示例:测量一个工件的长度——在测量期间工件的长度并不改变。分析交叉GR&R研究结果常用的2种方法为均值极差法和方差分析法(ANOVA)。

2. 嵌套GR&R研究。这种方法用于仅由一个操作者测量每个工件,通常是由于测量破坏了工件(见图4)。这种研究称为嵌套研究是因为一或多个因素嵌套在另一因素中,而不是与其他因素交叉。

嵌套GR&R研究用于破坏性试验的情况,如冲击试验和化学分析。嵌套GR&R研究中一个关键的因素是识别一个材料批是否如此接近于原始状况,由此可以假设该批中的工件都是同样的工件。能够进行破坏性GR&R研究的关键是假设该产品批是均质的。

ANOVA用于分析破坏性GR&R研究的结果。均值极差法此处不能用。

例如, 测试打开薯片袋所需的力、热处理钢管以及拉断绳子的强度。在这些示例中,测试中样品被破坏,对样品不可能进行再次测试。

3. 扩展GR&R研究。标准GR&R研究(即交叉和嵌套研究)评价测量系统中2个因素的效果——典型的指操作者和工件(见图5)。然而,在许多情况下,操作者和工件的效果对提供测量系统的理解还不够充分,因此第3个变量(典型的指量具)被加入到标准GR&R研究中。

当分析时包含有3个或更多因素时, 这种研究称为扩展GR&R研究

(见图6)。如果存在下列一项或多项条件时可以进行扩展GR&R研究:

  • 要评价2个以上因素:研究不仅分析工件和操作者,还可以多至8个附加因素,如量具、实验室或位置等;

  • 存在缺失的数据点:扩展GR&R研究可以对不完整数据和不平衡数据进行研究;

  • 对固定或随机因素具有更大的灵活性。

标准与扩展GR&R研究之间的差别有:

  • 扩展GR&R研究可以评估附加因素;

  • 附加因素与操作者和工件间的交互作用可以得到评价;

  • 扩展GR&R研究对有缺失数据点的情况下也可以进行数据分析;

  • 扩展GR&R研究一般要对数据收集计划进行调整。对每一个附加因素都重复标准GR&R研究的计划成本太高, 所以工件数经常要减少。例如, 让3 位操作者使用3 个随机选择的量具测量5个工件,每位操作者测量每个工件2次,这样全部样本量为5×3×3×2=90个。在标准GR&R研究中,可以选择更多工件,但对扩展GR&R研究中就将成为不可接受的大样本量。

  • 当没有足够数据进行标准GR&R研究时,扩展GR&R研究是一种全面描绘测量系统特性的理想工具。


结果分析

几个重要尺度可用于分析GR&R研究的输出,如贡献百分比、变异百分比研究和可区分类别。

  • 贡献百分比是指测量系统变异占总变异的百分比——所有变异来源总计为100%。

小于1%:测量系统可接受。

1~9%:测量系统可接受——取决于实际应用、测量设备的成本、维修和其他因素的成本。

大于9%:测量系统不可接受并应当改进。

  • 变异百分比研究是测量系统产生的变异占总变异的百分比——所有变异源总计不为100%,可以允许外推。

小于10%:测量系统可接受。

10%~30%:取决于实际应用、测量设备的成本、维修和其他因素的成本。

大于30%:测量系统不可接受并应当改进。

  • 可区分类别代表测量系统能够区分工件的程度。可区分类别越高,测量系统越精确。

可区分类别1:测量系统不能区分工件。

可区分类别2:数据可分为两组,如高和低。

可区分类别3或4:数据可分为3组,如低、中和高。

可区分类别5或更高:测量系统可以理想地辨别工件并表示测量系统可接受。


成功的关键

GR&R是一种用于评价测量系统重复性和再现性的工具,因为测量系统本身也会引起测量变异。GR&R是识别和处理变异的关键工具,是六西格玛项目和统计改进措施成功的关键。

在决定GR&R研究是否适合进行MSA时,要考虑测量工件的可行性,要处理的参数数量,操作者和可获得数据点的数量。


作者简介

尼图·楚哈丽(Neetu Choudhary):拥有印度博帕尔拉吉夫·甘地技术大学的计算机应用硕士学位;美国质量学会(ASQ)成员,ASQ注册六西格玛黑带,ISACA认证的公司IT管理员、欧洲质量管理基金认证的评审员、能力成熟度模型整合协会会员和ISO9001:2015高级审核员。

译者 箫笙(CAQ)