测量系统分析的NDC到底是啥(测量系统分析的NDC到底是啥)
测量系统分析的NDC到底是啥(测量系统分析的NDC到底是啥)可以看到,X1的分布和X2的分布存在部分重叠,即可能出现测量结果X2大于X1,这样就与基准值矛盾,我们的测量系统出现了错误。为了分析这种概率,我们再重新设定一个变量Xn=X1-X2。由统计学相关知识可知,Xn服从均值为UN=(XT1-XT2),方差为的σN=2σMeans2正态分布,如下图。假设某测量系统的偏倚为B,测量系统的变差为σMeans,使用该测量系统对一个零件进行多次测量,其测量值X服从均值(XT B),方差为的σMeans2正态分布。我们假设用这个测量系统测量两个基准值XT1和XT2,假定XT1>XT2,那么测量值的分布如下图所示。如果假设NDC与GRR相互独立,那么我们可以推导出如下理论公式:带入计算,可得如下结果。我们发现GRR=10%时,NDC=14,GRR=27%时,NDC=5,所以通常情况下,我们把NDC≥14称为优秀,14>NDC≥5称为可接受,NDC<5则不
前言:为了便于大家理解,我们可以做这么一个类比,NDC可以理解为测量系统的“分辨力“。
前面我们提到,GRR考察指标里面有一个是“可区分的类别数“,即NDC,今天我们就来谈谈什么是NDC。
NDC是Number of Distinct Categories的缩写,它表示的是测量系统的有效解析度。为了便于大家理解,我们可以做这么一个类比,NDC可以理解为测量系统的“分辨力“。而且,测量系统的NDC与测量仪器的分辨力(d)存在递进关系。即:测量仪器的分辨力(d)满足过程变差的1/10要求,才有可能保证测量系统的有效解析度(NDC)满足要求。
MSA手册给出的NDC计算公式为:NDC=1.41*PV/GRR,PV是零件变差。值得注意的是NDC需要下取整,即如果计算NDC=5.9,那么NDC=5,不能四舍五入取6。关于NDC的要求,《六西格玛管理》红宝书中推荐的要求如下图,MSA手册则要求NDC≥5。
如果假设NDC与GRR相互独立,那么我们可以推导出如下理论公式:
带入计算,可得如下结果。我们发现GRR=10%时,NDC=14,GRR=27%时,NDC=5,所以通常情况下,我们把NDC≥14称为优秀,14>NDC≥5称为可接受,NDC<5则不能接受。
以上,我们简单介绍了NDC,为了便于理解,我们把NDC公式的来源再讲述一遍。这里面涉及较多统计学知识,不想看的朋友可以选择忽略。
假设某测量系统的偏倚为B,测量系统的变差为σMeans,使用该测量系统对一个零件进行多次测量,其测量值X服从均值(XT B),方差为的σMeans2正态分布。我们假设用这个测量系统测量两个基准值XT1和XT2,假定XT1>XT2,那么测量值的分布如下图所示。
可以看到,X1的分布和X2的分布存在部分重叠,即可能出现测量结果X2大于X1,这样就与基准值矛盾,我们的测量系统出现了错误。为了分析这种概率,我们再重新设定一个变量Xn=X1-X2。由统计学相关知识可知,Xn服从均值为UN=(XT1-XT2),方差为的σN=2σMeans2正态分布,如下图。
当Xn<0时,即X1<X2,上述错误就发生了。可以看出UN越大,发生错误的概率就越低。根据正态分布,6σ=±3σ的分布概率为99.73%,可以得出6σ水平下,小概率事件发生的概率为0.27%。所以当
时,我们就认为这个出错的概率非常小了。
于是,我们重新定义测量系统的“分辨力”D。
D的意义就是,当不同零件的同一特性的差别≥D时,测量系统对这个差别误判概率P≤0.135%,则认为D满足要求。
于是,我们就引出来了NDC的计算公式,如下,其中σ实际为零件变差,有些地方直接记为PV,系数直接写成1.41。