测量系统变异可以掩盖真实的流程性能,导致工程决策存在缺陷. Gauge重复性和再生性(R&R)研究提供了一种结构化的方法,可以量化观测到的变异有多少来自测量系统本身而不是被测量的部分. 通过正确解释研究与再生结果,工程师可以自信地决定一个测量系统是否适合其预期目的,或者如果在数据可以信任之前需要纠正行动.

高格是什么样的R&R?

Gauge R&R是一种统计方法,通常作为计量系统分析的一部分进行,将总的计量变化分解为两个基本组成部分:

  • 重复性 — — 当单个操作者在相同条件下用相同的测量仪多次测量同一部分时观察到的变异。 这捕捉了仪器的内在精度和操作者的一致性。
  • 复制性 — — 当不同的操作者使用相同的测量标准测量相同部分时会出现的变异。 这一组成部分反映了操作者技术、培训或测量程序解释方面的差异。

部分变异,测量变异,以及操作员逐段交互等其他来源也在全跨高格R&R研究中进行评估,通常使用差异分析(ANOVA)方法. ANOVA方法更受欢迎,因为它可以分离相互作用效应,不需要等同的样本大小,使其比老范围方法更强壮.

Gauge 研究与研究结果中的关键计量

解释依赖于几种衍生统计数据,这些统计数据表明测量系统相对于其他变异源的错误。

% 研究变化(也称为 %GRR 或% SV)

这个度量法将测量系统的标准差(可重复性+可再生产性)与总变异(测量系统+部分变异)相比较,它回答:数据总分布的多少是由于测量和操作员造成的?

  • 在10%以下 – 测量系统被认为是可以接受的,特别是对于过程控制和能力研究来说.
  • 10%至30% — — 视所计量特性的应用、错误成本和临界度而定,可能可以接受。 通常需要根据风险做出决策。
  • 超过30% — — 测量系统是不可接受的。 在数据被用于决策之前,需要做出重大改进。

容忍度(也称为P/T比率)

将测量系统的变化(通常是6/ 5 — — 研究与研究)与工程耐性(USL — — LSL)相比较。 它揭示了测量仪是否能够可靠地区分符合和不符合的部件。 低于10%的数值是极好的;低于10+30的数值可能是可以接受的;超过30 % 表明测量仪错误消耗了太多的耐性带,有可能造成虚假拒绝或虚假接受。

不同类别的数目(NDC)

NDC 表示测量系统可以可靠地区分各个部分的多个单独的组别,它被计算为由测量系统标准差除以部分标准差,然后四舍五入。一个5或以上的NDC 被认为足够,而一个2或更少的信号表示测量系统无法有效地将各个部分分离。3至4的值是边际的。

解释高格R & R 工程决策结果

光是原始数字是不够的。 工程师必须根据业务目标来解释结果:流程控制、能力分析或分拣/分解减少。

当测量系统可以接受时(%GRR < 10%,国家数据中心= 5)

在此情景下,测量系统引入了最小噪音. 数据可以用于能力研究[(Cpk,Ppk]),并且控制图(X ⁇ bar & R,个人)将反映真实的流程变化. 工程变化可以评估而不用担心测量错误掩盖了真正的改进. 关于流程调整,供应商接受,产品释放的决定是数据驱动和可靠的.

需要改进时(%GRR > 30%或国家数据中心 < 3)

高度测量变化导致若干风险:控制图中的假信号(要么没有发现真正的转变,要么在噪音上行动),能力指数不可靠,以及错误地对好对坏部分进行排序。工程师应立即采取措施减少变化。常见的根源包括:

  • 操作技术 — — 武力、对齐或阅读方法的应用不一致。 重新培训和标准作业程序往往有帮助。
  • 枪械条件 – 接触器粗,电池电池低,校准不严. 常规维护时间表减少此.
  • 研究中的部分变异 — 如果样本部分过于相似(小部分变异),即使测量表足够, %GRR也会显得膨胀。 可以通过选择跨越全容范围的部分来解决。
  • 定点或方向 — — 在测量过程中移动的部分引入了重复性错误。 专用固定点或改进的夹击可以解决此问题。

实施纠正行动后,应该进行后续研究以核实改进情况。 延展到 % GRR 下降20%(或内部阈值),是一种健全的工程实践。

减少计量差异的实际步骤

根据对研发结果的解释,以下行动最为有效:

  1. 标准测量程序。 写一个清晰的,步骤的,步骤的工作指示,包括部分方向,测量零,读取时间。
  2. 改进操作员培训。 采用盲目审计的交叉训练。确保每个操作员在同一部分重复相同的测量,直到其变化达到可接受的范围。
  3. 升级或替换仪表. 更精确的仪器(如数字卡利佩斯对手动,或激光显微计对机械)可以大幅剪切可重复性错误.
  4. 控制环境因素。 温度、湿度、振动和照明都影响测量。 如果研究表明不同变化之间的可复制性差异很大,环境变化可能是罪魁祸首。
  5. 使用辅助器或固定器. 简单的导线或停止可以减少操作员的依赖性对齐错误,降低可复制性.
  6. 定期重校。 将校准间隔与测量系统的观测漂移相连接。 一些公司利用研发结果调整校准频率。

案例:使用R&R解决质量问题

汽车轴的制造商由于外径(OD)测量而出现高的废料率。 最初的Gauge R & R研究表明,只有2的NDC为42%的GRR%,测量仪是手动微米,有3个操作员在线路上旋转。

调查发现,微米的斜拉杆有一个磨损的平面,操作人员用不连贯的力压住斜拉杆。 此外,该部分没有支持,在测量过程中造成凹陷。

纠正行动:微米被一个带有恒功率机制的数字微米取代,增加了一个V ⁇ block固定装置以支持轴线,所有操作人员都接受了30分钟的手动训练,并附有标准化的测量清单。 后续的R & R研究得出8%的GRR和7. NDC的%RR, 下个月中,废料率从5%下降到0.5%以下,工艺能力Cpk从0.8提高到1.33。

这一案例说明,如何直接解释研发结果,从而导致可采取行动的补救措施,从而提高质量和成本。

将R&R整合到 Data Driven 工程中

Gauge R & R 不应该是一次性的练习。 这是持续改进周期的一部分 :

  • 对所有关键测量系统进行初步研究。
  • 利用结果设定定期的重新研究(每季度或经过任何测量修复、操作员改变或过程改变)。
  • 将结果与不同类别和百分比GRR的数量一起记录在计量系统中。
  • 在接受任何能力研究供客户报告之前,使研发产出成为必要的投入。

当测量系统变异度低时,工程决策变得强健:过程调整反映了真实的变化,控制图信号真实的流程转变,产品接受决定准确. 这种数据驱动的方法减少了重工,消除了对流程的过度调整,并建立了对质量系统的信任.

关于方法和接受标准,请参看AIAG计量系统分析手册(第4版)——许多行业都使用的标准参考。NIST工程统计手册提供了带有工作实例的关于高格R&R的在线章节(]). MISTAB还为解释产出提供实用指导(明尼塔布格R&R Blog). 此外,ASQ Six Sigma知识体 涵盖了MSA,在]ixSigma Gauge R&R中可找到一份综合指南。

通过掌握高格研发结果的解释,工程师将原始测量数据转化为可靠、可操作的信息 — — 健全工程决策的基石。