|
Measurement Systerm Hierarchy
准确度是指测量结果和真值或可接受参考值的接近程度，准确度包含以下要素：
本文详细介绍线性度 线性度：量具在测量不同零件时，零件之间测量偏倚值之间的差别。
同一量具量不同零件，偏差程度要一致，线性愈强愈不好。偏倚是针对单点处而言的，而每个测量系统都会有量程作为测量结果的范围。原则上说应当要求量程内的任何一处都不存在偏倚，这才是最好的测量系统。但是如果在一点处能够准确地知道偏倚的数值，或者在整个量程范围内有共同的偏倚，则可以通过扣除偏倚加以修正。例如昂贵的设备经过数年后平台出现固定偏倚，考虑到高更换成本，便会加上offset来做补偿。
具体来说，线性是指在测量系统预期的量程范围内，各点处的偏倚与参考值呈现线性关系。一般来说，线性就是要求这些偏倚量在数学上表现为是其对应参考值的线性回归关系。如何根据多点处的偏倚求出线性回归方程，以及如何判断回归方程的斜率不为0，偏倚是否有线性，可以用下图中的两种形式来说明。
一般情况下， 类似于上左图的表达形式使用得更多一些， 这是因为偏倚与被测值相比会非常小，右图中的两条线常常分辨不开，因而很难精确画出。 偏倚和线性的计算 通常用线性度Linearity衡量某个量程的偏倚的总体变化程度，其定义是线性方程斜率 b 的绝对值与过程总波动PV的乘积，即
此量代表过程总波动范围内，测量值偏倚的波动范围。量程偏倚的总体变化程度也可以用百分比的形式，即线性百分率%linearity表示，数学表达式为
换言之，%linearity将IbI写成百分比，即
线性评估标准
实际工作中，常常同时评估偏倚和线性。在量程范围内，将偏倚作为 y，参考值作为 x， 进行简单线性回归分析，计算出线性回归方程：y= a+ bx，构建此数学模型。 用例子对测量系统的偏倚和线性分析方法加以说明：一家公司的质检部门新购一台测厚仪，在正式使用之前，需要对此测量系统进行评估。根据实际需要的量程范围，挑选了5个具有代表性的标准部件。然后由检验员以随机的方式对每个部件测量了6次。假设已知过程总波动PV（ 即 6 倍的过程标准差）为12，试分析其偏倚和线性。
MINITAB的实现方法如下： 1. 从“ 统计 ＞ 质量工具 ＞ 量具研究 ＞ 量具线性和偏倚研究（ Stat ＞ Quality Tools ＞ Gage Study ＞ Gage Linear &Bias Study）” 进入
2. 指定“部件号（ Part numbers” 为“ 部件”，“ 参考值（ Reference value” 为“ 参考 值”，“ 测量数据（ Measurement data）” 为“ 测量值”， 在“ 过程变异（ Process variation）” 中输入“12”， 运行命令.
从图中可以看到下述分析结果：整体偏倚值= 0.117667， 整体偏倚百分率= 1.0， 因为对应的p值=0. 000< 0. 05， 所以判定整体偏倚确实存在。 同时，还可以查阅到5个具有代表性的测量点的偏倚值和偏倚百分率， 其中在参考值为20时， 偏倚严重存在。线性度=0.242664 ，线性百分率=2.0， 表明当需要测量的部件的波动范围在12（已知条件）之内时，我们测量的偏倚值的波动保持在0.242664的范围内。 偏倚的线性回归拟合方程是y（偏倚）=-0.09264+0.020222x（参考值）
因为斜率和截距相应的p值都小于0.05， 式中的斜率和截距都显著地不为0，结合左侧带拟合直线的散点图，表明此测试设备在整个量程范围内有线性偏倚。 ▪仪器需要校正,缩短校正周期 ▪仪器、设备或夹具的磨损 ▪设备维护保养不良 ▪基准的磨损或损坏,基准的最大与最小误差 ▪不当的校正(未涵盖量测有效范围) ▪仪器质量不良 ▪应用了错误的仪器或参考件 ▪不同的量测方法 ▪环境 −温度、湿度、振动、落尘、讯号 ▪分析方法 −计算错误、零件数、人员、技术、观测误差 |
|
|
