分享

纯干货:【MSA】重复性(Repeatability)和再现性(Reproducibility)

 草虫gg 2021-04-28

我们质量人通常所说的测量系统分析【MSA】分为计数型和计量型。计量型又包含:重复性&再现性、线性和偏倚。前几日介绍了偏倚: 纯干货:【MSA】偏倚及确定偏倚的方法,有质量朋友在后台留言请求介绍一下重复性&再现性,今天满足他们。

重复性(Repeatability)

传统上将重复性称为“评价者内部”的变差。重复性是用一个评价人使用相同的测量仪器对同一零件上的同一特性,进行多次测量所得到的测量变差;它是设备本身的固有变差或能力。重复性通常被称为设备变(equipmentvariation,EV),但这是一种误解,事实上,重复性是在指定的测量条件下连续测量的普通原因(随机误差)的变差。

重复性定义的最佳描述为:当测量条件已被确定和定义——以确定的零件、仪器、标准、方法、操作者、环境和假设之下,系统内部的变差。除了设备内部的变差之外,重复性还包括在误差模型中的任何条件下的内部变差。

图片

造成重复性的可能原因包括:

●零件内部(抽样样本):形状、位置、表面光度、锥度、样本的一致性

●仪器内部:维修、磨损、设备或夹具的失效、品质或保养

不好

●标准内部:品质、等级、磨损

●方法内部:作业准备、技巧、归零、固定、夹持、点密度

的变差。

●评价者内部:技巧、位置、缺乏经验、操作技能或培训、意识、疲劳

●环境内部:对温度、湿度、振动、清洁的小幅度波动

●错误的假设——稳定,适当的操作

●缺乏稳健的仪器设计或方法,一致性不好

●量具误用

●失真(量具或零件)、缺乏坚固性

●应用——零件数量、位置、观测误差(易读性、视差)

重复性可以理解为生产过程中的生产线的稳定性。衡量测量系统是否靠谱。

再现性(Reproducibility)

传统上将再现性称为“评价者之间”的变差。通常将再现性定义为用不同评价人使用相同的测量仪器对同一产品上的同一特性,进行测量所得的平均值的变差。手动仪器通常的确受操作者技能的影响;但是对于操作者不是变差主要原因的测量过程(例如自动的系统),上述说法是不正确的。因为这原因,再现性是指测量的系统之间或条件之间的平均值变差。人员之间的差别。

图片

造成再现性误差的潜在原因包括:

●零件之间(抽样样本):使用相同的仪器、操作者和方法测量A、B、C零件类型时的平均差异。

●仪器之间:在相同零件、操作者和环境下使用A、B、C仪器测量的平均值差异。注意:在这种情况下,再现性误差通常还混有方法和/或操作者的误差。

●标准之间:在测量过程中,不同的设定标准的平均影响。

●方法之间:由于改变测量点密度、手动或自动系统、归零、固定或夹紧方法等所造成的平均值差异。

●评价者(操作者)之间:评价者A. B. C之间由于培训、技巧、技能和经验所造成的平均值差异。推荐在为产品和过程鉴定和使用手动测量仪器时使用这种研究方法。

●环境之间:在经过1、2、3等时段所进行的测量,由于环境周期所造成的平均值差异。这种研究常用在使用高度自动化测量系统对产品和过程的鉴定。

●研究中的假设有误。

●缺乏稳健的仪器设计或方法。

●操作者培训的有效性。

●应用-零件数量、位置、观测误差(易读性、视差)。

量具R&R或GRR:量具的R&R是结合了重复性和再现性变差的估计值。换句话说,GRR值等于系统内部变差和系统之间变差的和。

确定重复性和再现性的指南-极差法

极差法是一种经修正的计量型量具研究方法,它能对测量变差提供一个快速地的近似值。这方法只能对测量系统提供变差的整体情况,不能将变差分解成重复性和再现性。它通常用来快速地检查以验证GRR是否有变化。

使用这方法能够潜在的检测出测量系统为不可接受的概率是:对于样本数量是5的情况下,机率为80%;对于样本数量为10的情况下,机率为90%。

用极差法进行研究时通常选用两个评价者与五个零件。在这种研究中,两个评价者测量每个零件一次。由评价者A测量的每个零件的极差与由评价者B测量的每个零件的极差是截然不同的。计算极差之和以及极差的平均值(R);总测量变差即为极差的平均值乘以1/d*2,d*2可在附录C中d*2查到,取m = 2,且g=零件的数量。

图片

图片

为了确定测量变差占过程标准差的多少百分比,可通过把GRR乘以100,再除以过程标准差,即可将GRR转化成百分数。在以上范例中(参见表1I-B6) ,该特性的过程标准差为0.0777,因此:

图片

现在已确定了这测量系统的%GRR,就应该对这结果进行解释。在表II-B6中,%GRR 被确定为75.7%, 于是结论是需对测量系统进行改进。

图片 

来源:网络

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多