Minitab系列16：Gage线性和偏倚的案例分析

导读

整个MSA过程就是一个小型的DOE，随机、重复以及区组化三要素当然是必不可少了。这一章节直接就不列举取样细节了，直接拿数据分析线性与偏倚拼操作。

案例

在一个项目中想要评估用于测量轴承内径的测量量具的线性和偏倚，选择了五个表示测量范围的标准部件，按布局检查测量每个部件以确定其主测量值，然后由一位操作员随机测量每个部件12 次。

统计-质量工具-量具研究-量具线性和偏倚研究：

按如下信息填写：

Note: 在“选项栏”一般选择“样本标准差”这样时结果更准确，很多公司在使用Excel作相应分析时默认使用“样本极差”。

随即输出如下报告：

分三步分析报告的解释：

1.看图粗略分析，图中有4部分内容：蓝色点表示偏倚值，红色点表示该水平上的平均偏倚，红实线表示平均偏倚的回归拟合线，虚线表示95%的置信区间。这样，红点离0越近表示偏倚越小，而拟合线与0参考线夹角越小则线性不强。

2.统计意义的线性：使用拟合线斜率（量具线性斜率）的 p 值来确定线性是否有统计意义，该案例存在线性问题，这里的R-sq以及S值就不作过多解释，在前面DOE的章节涉及到回归特征值的含义。

如果 p 值大于 0.05，则可以推断线性不存在且可以评估偏倚，使用平均偏倚的 p 值评估平均偏倚是否显著不同于 0。

如果 p 值小于或等于0.05，则可以推断出存在线性问题。当存在显著线性时将无法评估整体偏倚，因为不同参考值上的偏倚是不同的。换句话说，当线性具有显著统计意义时，将仅解释单个参考水平的偏倚p 值。

3.统计意义的偏倚：因为量具存在显著的线性问题，所以第一项“平均”不作解释项，从数据中可以看到2,8,10项有显著的偏倚，4,6测量结果没有显著偏倚。

补充

假设这个做线性与偏倚之前做过GR&R，这是实践的常态例如是16.5368，将数据填入“过程变异”项中。

输出的报告就会多了3项内容：

线性与线性百分比：线性指示量具是否在所有参考值中具有相同的准确性（相同偏倚）。线性百分比是线性表示为过程变异的百分比。

偏倚百分比：%偏倚是表示为过程变异性的百分比。

占过程变异的百分比：直观的显示偏倚与线性问题。

结束语

在研发阶段偏倚、线性甚至是Cgk的深入研究是非常有必要的，但是随着产业更新换代越来越快，Agile等项目模式的流行，对测量系统的研究慢慢变得粗犷起来，这种模式对制造、服务以及反馈系统的稳定性与可靠性的负面影响还是相当大的。

整理不易，欢迎点亮再看！

---Minitab系列---

Minitab系列18：统计过程控制（SPC）_“懒人” 实操

----------------------------------------------

整理不易，欢迎点亮再看！

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。