msa看贡献率吗？没有任何拒绝她的理由
msa看贡献率吗？没有任何拒绝她的理由MSA是基于统计原理，对整个测量系统的可靠性进行详细评估，进而主导过程和产品改善的方法。听到这，是不是觉得开始头疼了？别怕，咱们继续…每个公司都有过程质量工程师，俗称PQE，这个职位的作用是确保生产过程和过程输出的产品符合标准，其工作的唯一方法就是通过测量和数据收集确保任何波动变化都在可接受的公差范围内。那问题就来了，你测得准不准？你的测量结果可靠吗？如果测量设备（量具）不准确或未正确校准怎么办？如果测量员反复测量得到的结果不一致怎么办？如果同一零件，两个测量员之间的测量值存在很大差异怎么办？作为SQE我经常跟供应商说你的测量系统有缺陷，那从这个测量系统中得出的数据也是有缺陷的，进而导致有缺陷的过程和有缺陷的产品流出。
今天我们还是用5W2H这个小工具来讲解经典的质量工具《MSA测量系统分析》，闲话少说，上硬菜：
【What】什么是测量系统分析 (MSA)？
MSA是测量系统分析Measurement Systems Analysis的首字母缩写。在这里提醒下，大家要特别关注System，系统这个词，这是接下来我们深入探讨这个工具的前提。
在制造业中，产品和过程的波动变化是不可避免的。
每个公司都有过程质量工程师，俗称PQE，这个职位的作用是确保生产过程和过程输出的产品符合标准，其工作的唯一方法就是通过测量和数据收集确保任何波动变化都在可接受的公差范围内。
那问题就来了，你测得准不准？你的测量结果可靠吗？如果测量设备（量具）不准确或未正确校准怎么办？如果测量员反复测量得到的结果不一致怎么办？如果同一零件，两个测量员之间的测量值存在很大差异怎么办？
作为SQE我经常跟供应商说你的测量系统有缺陷，那从这个测量系统中得出的数据也是有缺陷的，进而导致有缺陷的过程和有缺陷的产品流出。
听到这，是不是觉得开始头疼了？别怕，咱们继续…
MSA是基于统计原理，对整个测量系统的可靠性进行详细评估，进而主导过程和产品改善的方法。
测量系统分析的三个关键任务：
- 确定测量过程中存在多少变化，也就是我们常说的测量误差是多少？
- 了解客户要求
- 验证测量系统的准确性和一致性
测量系统由以下部分组成：
- 设备和工具：量具、检测仪器等
- 操作员：训练、假设、疲劳等
- 标准操作流程
- 环境
【Why】为什么 MSA 很重要？
我们质量信奉的交流原则是：Speak with data 用数据/事实说话
准确的测量产生准确的数据，从而为设计和制造做出最佳决策。
错误的测量导致错误的数据，从而导致设计和制造的决策失误。
质量决策来自质量数据，MSA 就是确认测量系统的完整性的方法。
MSA 的 5 个好处：
- 预防因小失大，错误输入导致错误决策
- 识别并减少测量误差
- 提高过程的可靠性、质量和安全性
- 更好的数据可以做出更好的决策
- 更好的客户满意度
【When】什么时候需要 MSA？
只要是使用测量来评估产品质量和数量的时候，都需要 MSA。
【How】MSA 流程的工作原理
首先我们必须点明：MSA 确认测量变化的可信度，测量变化由准确度和精密度定义。也就是说通过MSA一系列活动，我们最终得到的结论是：由我的测量系统给出的数据，我能信吗？
准确度 Accuracy
准确度是指测量值与真实值或参考值（主样本的平均测量值）的接近程度。准确度的高低以误差的大小衡量，即误差越小，准确度越高；误差越大，准确度越低。
一说到准，我们首先想到的就是枪法：
准确度包括：
- 稳定性：随时间推移的准确度。
- 线性度：整个测量范围内的准确度。
- 分辨率/辨别力：测量系统检测度量特性的轻微变化的能力。
- 偏倚：就是偏差，观察值与参考值之间的差异。
关于上述的概念我给大家举个例子哈，最近网上刘耕宏很火，大家跟着他一起跳操，目的就是保持健康，我家夫人每次跳操结束都要上秤称一称：
稳定性：假设跳操有效，每天的消耗和摄入持平，也就是不长肉，体重保持不变，今天的读数会与明天或一周后的读数相同吗？这就是测量系统相对于事件的推移，结果接近真值的准确度考评。
线性：我是180斤，我老婆100斤，我女儿30斤，我们家的体重秤是不是都能将不同体重准确称量出来呢？是否适合我们家所有人…
分辨率：我家的体重秤可以精确到kg后面2位小数，我理发前后的体重变化都能够被准确识别出来，这分辨力还可以吧？如果买台挂秤砣的机械秤，也许就没这么精准了吧。东北菜市场经常听到：2斤半高高滴啊！这句话充分反映出测量系统中人的因素是不能被忽略的…
偏差：如果我老婆没上秤呢，就显示 5 kg而不是0kg，那她下秤后绝对要放弃刘耕宏跳操了，这就是准确的数据准确的输入，准确的决策，错误的输入，错误的决策！
精确度 Precision
精度是相同条件的多次测量值彼此接近的程度。
精度包括：
- 可重复性：由相同的评价人多次使用同一种测量仪器，对同一零件的同一特性进行测量而获得的测量变差；
- 再现性：由不同的评价人使用同一个测量仪器，测量同一个零件的同一个特性时产生的测量变差；
举个简单的例子：
可重复性：让你按照泡面的操作说明，泡10袋方便面，然后测试口味差异。结果不会有太大的区别，所以泡面这个操作的重复性非常好，方便面是真方便。
再现性：你随机找10个人，按照泡面的操作说明，泡10袋方便面，然后测试口味差异。结果不会有太大区别，所以泡面这个操作的再现性非常好，方便面是真方便。
量具研究 Gage Studies
量具研究是MSA工具重要的组成部分，用于了解由于测量准确度和精密度中可能存在的误差而导致的测量不确定性。
1 型量具研究（准确度）
1 型量具研究可识别测量系统中的任何缺陷。
偏差：
一名操作员多次测量标准部件，通常超过 50 次。然后用标准部件的真值减去所有测量的平均值，从而产生偏差。偏差可接受范围是 /-10%公差，如果超出这个范围，我们就要质疑这个测量系统的能力了哦~~
然后计算能力Cg和Cgk 标准要求这两个值≥1.33。
如果测量值超出可接受的公差范围，则量具精度可能存在问题。
量具 R&R(精确度)：
量具 R&R（重复性和再现性）研究估计由重复性和再现性误差引起的组合变化。执行量具 R&R 研究之前应执行1型量具研究。量具 R&R 研究确定了实测过程变异有多少是由于测量系统变异导致的。
它决定了两个重要方面：有多少变化是由设备引起的(量具变化)和有多少变化是由人员引起的(操作员变化)。
最终结果是校准或更换量具、测量工具，并为操作员提供更新的培训和程序。
有两种类型的量具 R&R 研究：
- 用于变量数据（无限值）的量具 R&R
- 用于属性数据（特定值）的量具 R&R
以下是两者的推荐条件：
针对变量数据的推荐量具 R&R 研究：
- 操作员（评估员）人数：最少 2 人。推荐 3 或 4 人。
- 零件数量：最少 10 个。
- 检测次数：最少 2 次。推荐 3 次。
- 总测量值：90。
- 以随机顺序测量。
- 操作人员在再次测量同一零件时不应知道测量值，以避免主观认知偏差，就是我们通常说的要盲测。
- 操作人员应使用相同的方法进行测量。
针对属性数据推荐的量具 R&R 研究：
- 操作员（评估员）人数：最少 2 名。推荐 3 名。
- 零件数量：最少 30 个。推荐 50 个。
- 由认证过的操作员评估所有零件以做出正确决定。
- 每位操作者应独立并以随机顺序对所有部件进行 3 次评估（通过、失败）。
- 记录结果。
计算有效性、未命中率、误报和 Kappa 的分数。
- 有效性：测试结果正确的数量
- 未命中率：检验员评估为合格，但实际是不合格的数量
- 误报：检验员认为不合格，实际为合格的数量。
- Kappa：两个检验员对相同数据进行测评的一致程度。
Gage R&R 研究得出的分数要与主样本产生的参考值进行比较。
以下是判断可接受性的准则。
- 变量数据的量具 R&R 研究的接受准则：
小于 10%：可接受。
10 到 30%：根据相对重要性可能是可以接受的。
超过 30%：不可接受。
- 属性数据的量具 R&R 研究的接受标准：
|
有效性 |
未命中率 |
误报 | |
|
可接受 |
≥90% |
≤ 2% |
≤ 5% |
|
尚可接受但需改善 |
≥80% |
≤5% |
≤10% |
|
不可接受 |
≤80% |
≥5% |
≥10% |
|
Kappa值 |
≥75% | ||
通常：
- 如果与再现性值相比，重复性值更大，则可能是量具错误。
- 如果与重复性值相比，再现性值更大，则很可能是操作员错误。
测量系统错误的可能原因
稳定性、线性度、偏倚：
- 仪器需要校准。
- 仪器、设备或固定装置的磨损
- 正常老化或过期
- 维护不善：气动、动力、液压等装置
- 磨损或损坏的主控，主控错误
- 校准不当。
- 劣质仪器：设计或一致性不佳。
- 不同的测量方法。
- 环境：温度、湿度、振动、清洁度等。
- 违反假设，应用常数错误。
- 实际操作：零件尺寸、位置、操作员技能、疲劳度、观察误差（稳定性、视差）。
重复性：
- 零件本身（样品）：形状、位置、表面、光洁度、锥度、样品一致性问题。
- 仪器本身：维修、磨损、设备或夹具故障、质量差或维护不当。
- 基准问题：质量、级别、磨损。
- 方法：技术、位置、缺乏经验、操作技能或训练、感觉、疲劳。
- 环境：温度、湿度、振动、照明、清洁度的短期波动。
- 违反假设：在稳定、正确操作方面的运行
- 仪器设计或方法缺乏稳健性，一致性差。
- 应用错误的量规。
- （量规或零件）变形，硬度、刚性不足
- 应用：零件、尺寸、位置、操作者技能、疲劳、观察误差（可读性、视差）
再现性：
- 零件（样品）之间：使用相同的仪器、操作员和方法测量零件 A、B、C时的平均差异。
- 仪器之间：相同零件、操作员、环境下，使用仪器 A、B、C 等造成的平均差异。
- 标准之间：测量过程中不同的设定标准的平均影响。
- 方法之间：改变点密度，手动与自动系统相比，调零，夹持或夹紧方法等引起的平均差异。
- 操作员之间：不同操作员 A、B、C 之间由培训、技术、技能和经验引起的平均差异。这种研究在手动设备的使用过程中经常进行。
- 环境之间：随时间 A B C不同时间段因环境变换引起的平均测量差异。在自动化程度较高的系统中对产品和过程鉴定最常见的研究。
- 违背研究中的假设。
- 仪器设计或方法缺乏稳健性。
- 操作员培训效果。
- 应用：零件尺寸、位置、观察误差（可读性、视差）。
关于MSA就讲这么多，详细的操作方法大家使用相关表单或者使用Minitab即可，原理性的东西这篇内容足够了！
