案例 | MSA 测量系统分析关键点总结！

MSA的目的就是通过对测量系统输出变差的分析，判断测量系统是不是可接受的，如果不可接受，进而采取相应的对策。

世界上没有绝对完美的测量系统，测量系统误差可以减少，但不能绝对消除。

我们把变差视为头号大敌，变差小是一种美。

也许我们不能解释得很清楚，但其实每个人在我们初中化学课上都已经研实践了：

读取试管中溶液量的时候，为确保读取值的准确度我们需要让视线与页面平直，这是一个简单的测量系统分析的问题。

简单地说测量系统分析就是“对测量系统所作的分析“。

这么解释恐怕很难被接受，所以，为了理解MSA的含义，我们可以把它分解成两个部分，一个是“测量系统“，一个是“分析“。

我们知道测量就是一个对被测特性赋值的过程，测量系统其实就是这个赋值过程涉及到的仪器或量具、标准、操作、方法、夹具、软件、人员、环境等要素的集合。

系统中各个要素对测量结果的影响可能是独立的，也可能是相互影响的（交互作用）。

因此，影响测量结果的因素除了所使用的仪器外，还包括测量的标准、操作人员的使用方法、读数误差、夹具的松紧、环境温度等综合因素。

人、机、料、法、环，使用的仪器是好的，并不意味着测量出的结果就是准确的，所以称为测量系统，是对影响测量结果的因素的综合分析。

MSA要回答的问题是：

我们测量出来的数据在多大程度上代表了真实的数据？

尽管我们永远不能确保测量出绝对准确的数据，但如果采集的数据偏差过大，那么这些数据就没有分析意义，可见MSA是非常关键的。

ＭＳＡ的目的就是通过对测量系统输出变差的分析，判断测量系统是不是可接受的，如果不可接受，进而采取相应的对策。

需要注意的是，世界上没有绝对完美的测量系统，因此测量系统误差可以减少但不能绝对消除。

在质量领域我们把变差视为头号大敌，认为变差小是一种美。

现在要用一把千分尺测量槽的直径。

千分尺长期测量这一款产品，两个接触面上因为磨损出现了一个和产品直径相对应的圆弧（如红线所示）。

校验时测量标准块用的接触面的最高点，因此校验是合格的。但如果拿来测量产品，就会因为圆弧而有一定的误差。

A、选择合适的量具：必须保证量具有足够的分辨率力，最少满足1/10原则。分辨力太低不能探测出过程中的变差。

B、测量系统是稳定而且受控制的，即不能包括特殊变差在内。如有特殊变差则不能用于控制。

• 购买的新量具；
• 根据顾客要求或过程要求；
• 持续改进的过程中，测量数据之前；
• 按PPAP的要求，所有CP中提到的量具都需要进行分析。对于用同一个量具测量多个尺寸的情况，则选择KPC尺寸或公差最小的尺寸进行分析。

MSA的方法论

MSA方法的分类

• 计量型分析（极差法、均值极差法等）
• 计数型分析（交叉法）
• 破坏型分析（嵌套法）

MSA涉及多种方法，每一种都跟统计有关。对大多数人来说，这些方法往往难以被记住。

为了便于理解记忆，我们先对“变差”　进行“剥洋葱”，即进行解构，看看哪些指标可用于表征测量系统的测量变差。

弄清楚了这些指标，ＭＳＡ方法论也就清晰可见了。

解构第一层：

测量观察到的总变差（ObservedVariation）

=零件间变差（Unit-to-unitvariation）+ 测量系统误差（Measurement system Error)

其中零件间变差是指不同零件间客观存在的真实差异，由零件本身决定；

测量系统误差就是我们ＭＳＡ的对象，即由测量系统能力决定的测量偏差。

解构第二层：

测量系统误差（Measurementsystem Error)

=精确度（precision)+ 准确度（Accuracy）

精确度研究的是测量变差的波动范围，没有考虑与真值的差异；

准确度研究的是测量变差离真值（或参考值）的差异。

解构第三层：

1）精确度（precision)=重复性Repeatability+ 再现性Reproducibility

2）准确度（Accuracy）=偏倚Bias+稳定性Stability+线性Linearity

OK，MSA的研究变差的指标其实就是上面等号右边的这5个，所以ＭＳＡ方法论包括了：

① 重复性研究 Repeatability Study

同一个人，用同样的设备/方法/设置，在相同的环境，测量同一个产品多次所观察到的变差；主要研究设备导致的误差。

理解举例：你去金店买黄金饰品的时候，同一个营业员对你看上的金饰用相同的量具3次称重，你发现3次测量结果波动很大，这就是重复性不好。

② 再现性研究 Reproducibility study

不同的人，用同样的设备/方法/设置，在相同的环境，测量同一个产品所观察到的变差；主要研究人导致的误差。

理解举例：接上面的例子，这时另外一个营业员过来用同样的工具、方法对同样的金饰称3次，发现和第一个人测量的平均值比，此人的测量平均值差异也很大，那么就是说的再现性的问题。

③ 偏倚研究 Bias Study

观测到的均值和基准值（参考值）之间的差异。

理解举例：金饰的真值假设为50g，而今天你测量10次得到平均值为45g，那么5g的差异就是偏差。

④ 稳定性研究 Stability Study

在不同时间区间测量时得到的偏倚大小的情况，好的稳定性意味着什么时候测量偏倚都差不多。

理解举例：接着上面偏倚的例子，一个月后，用同样的量具测那个真值50g的饰品10次，得到平均值40g，比一个月前少了10g，这说明稳定性很不好啊。

⑤ 线性研究 Linearity Study

如测量结果随量程的变化始终保持很小的Bias，那么测量系统的Linearity就好。

理解举例：还是上面那个量具，第一次测量真值50g的金饰偏差假比为0.5g，第二次测量真值200g金饰得到的偏差为5g。也就是说随着量程变大，变差也越来越大，这个系统的线性非常糟糕。

如何做MSA？

测量系统分析前的准备

1、策划所使用的方法。

2、确定评估者人数、抽样数量和重复读数的次数，具体情况需综合考虑：

a、尺寸的关键性

b、零件的形态

c、顾客的要求。

3、评价者应该从正常操作这些仪器的人当中抽取；

4、样件的选择非常关键；

5、仪器需有足够的分辨力，即1/10原则；

6、MSA中所有分析方法都是假设单个读数之间具有独立性，因此：

a、所有数据必须进行盲测；

b、数据的读取和记录需保留最小刻度值；

c、研究过程中需有人监督和管理。

一、偏倚

1、准备样件；
2、由评价者按正常方法测量10次以上；
3、计算 (利用Minitab)。

二、稳定性

1、准备样件；
2、按一定时间间隔，定期测量样件并记录；
3、将数据画在SPC控制图上并进行判定。

三、线性

1、准备样件（g≥5,并包括量具的整个工作范围）；
2、管理者对每个样件进行测量并给出参考值；
3、由操作者测量每个样件10次以上；
4、输入数据并计算（利用Minitab）。

四、GRR分析

A、定义：

(1) 重复性(EV)：由同一个评价人，使用同一测量仪器，多次测量同一零件的同一特性时获得的变差；

(2) 再现性(AV)：由不同的评价人，使用同一测量仪器，多次测量同一零件的同一特性时获得的变差；

* 重复性和再现性合称R&R或GRR；

B、哪些情况下适合进行GRR分析？

1、计量型数据  

2、可反复测量

C、方法（三三十原则）：

取10个样本，由三个人员对10个零件分别测量3次，并分别记录。根据记录的结果计算GRR和NDC系数，并画出均值和极差图。

注意事项：

• 零件应分别进行盲测；
• 10个零件分别编号，保证测量结果一一对应。

D、取样原则：

选取的样本应该代表整个过程变差（注意不是产品公差），因此有大约一半或更多的均值需落在控制线之外。

出现这种图形，测量系统就能够充分探测出零件—零件之间的变差并且测量系统能够提供对过程分析和过程控制有用的信息。

如果少于一半的均值落在控制限则测量系统缺乏足够的分辨率或样本不能代表期望的过程变差。

现有一个产品，外径公差是￠2+0.02/-0.02，需对测量此尺寸的量具做MSA分析，步骤如下：

• 首先需选择合适的量具，分辨率应至少为1/10

• 选择一些和此生产过程相关的人员，如作业员或QC；

• 选择10件代表性的样本；
• 将零件分别编号并盲测后分别记录；
• 将测量结果记录到表格中（见下页）

判定指标：

R&R等于系统内部和系统外部方差的总和

• R&R＜10%，说明测量系统是可以接受的；
• 10%＜  R&R＜30%，说明测量系统可能可以接受，但是需要进行改进；
• R&R＞30%，说明测量系统是不能被接受的。

定义：NDC就是覆盖预期的产品变差所用不重叠的97%置信区间的数量

NDC=1.41（PV/GRR）
NDC必须≥5
NDC需取整数位

注：只要GRR小于10%，NDC一定会大于5，但这两个指标不是判定MSA是否合格的唯一标准。

极差图：用于确定过程是否受控，是否有特殊变差存在。

均值图：可以直观的体现出所选样本是否代表足够的过程变差。

结果判定：由检测出的数据算出了三个检验员之间、检验员和标准之间的一致性。

判定标准1.Kappa值

Kappa值是针对评价人之间一致性的测量值，只考虑他们一致与否，不考虑一致的程度。

Kappa是评价测量系统好坏的重要指标，要求如下：

Kappa>0.75，表示一致性好，可以接受；

Kappa<0.4，表示一致性差，不能接受；

0.4<Kappa<0.75，表示需对一致性进行改进。