最新更新主题

月度关注热点

MSA操作中遇到的问题

字体: 小 中 大 | 打印 发表于: 2008-8-24 19:39    作者: winda312    来源: 6sigma品质网

在做MSA时出现了以下一些问题：

现用投影仪测量导电胶厚度，投影仪分辨率为0.001mm，厚度规格为0.90+/－0.1 mm。从IQC来料中抽取了10个物料，三个评价者进行测量。

Part        Appraiser        value
1        A        0.933
1        A        0.931
1        A        0.929
2        A        0.931
2        A        0.93
2        A        0.947
3        A        0.94
3        A        0.935
3        A        0.942
4        A        0.934
4        A        0.928
4        A        0.926
5        A        0.934
5        A        0.951
5        A        0.932
6        A        0.934
6        A        0.93
6        A        0.932
7        A        0.952
7        A        0.943
7        A        0.954
8        A        0.938
8        A        0.934
8        A        0.936
9        A        0.931
9        A        0.934
9        A        0.936
10        A        0.938
10        A        0.921
10        A        0.93
1        B        0.933
1        B        0.928
1        B        0.922
2        B        0.945
2        B        0.936
2        B        0.923
3        B        0.944
3        B        0.939
3        B        0.923
4        B        0.939
4        B        0.931
4        B        0.929
5        B        0.92
5        B        0.928
5        B        0.929
6        B        0.932
6        B        0.922
6        B        0.922
7        B        0.934
7        B        0.935
7        B        0.923
8        B        0.935
8        B        0.924
8        B        0.922
9        B        0.926
9        B        0.926
9        B        0.92
10        B        0.935
10        B        0.925
10        B        0.915
1        C        0.941
1        C        0.933
1        C        0.931
2        C        0.945
2        C        0.932
2        C        0.938
3        C        0.941
3        C        0.919
3        C        0.921
4        C        0.931
4        C        0.945
4        C        0.93
5        C        0.932
5        C        0.928
5        C        0.933
6        C        0.935
6        C        0.932
6        C        0.921
7        C        0.941
7        C        0.948
7        C        0.931
8        C        0.933
8        C        0.923
8        C        0.924
9        C        0.949
9        C        0.927
9        C        0.936
10        C        0.934
10        C        0.928
10        C        0.927

以下是MSA的实验结果：
可以看出可区分类别数（NDC）为1，是否选料出现问题？由于所选物料尺寸太接近，10个物料中最小值为0.915，最大值为0.954，最大值与最小值只相差0.039，所以即使测量系统是很精确的，NDC也很差？最后结果显示，测量系统的误差主要来自GR&R。

Process tolerance = 0.2                       
                                       
                                       
                                Study Var  %Study Var  %Tolerance       
Source             StdDev (SD)   (6 * SD)       (%SV)  (SV/Toler)
Total Gage R&R       0.0078830  0.0472980       94.76       23.65
  Repeatability      0.0072432  0.0434590       87.07       21.73
  Reproducibility    0.0031110  0.0186659       37.40        9.33
    Appraiser        0.0031110  0.0186659       37.40        9.33
Part-To-Part         0.0026580  0.0159481       31.95        7.97
Total Variation      0.0083191  0.0499144      100.00       24.96
                                       
                                       
Number of Distinct Categories = 1               
书中说可从平均值图看出仪器分辨率是否足够，若X Bar图有一半值是在控制限以外，才可以说明仪器分辨率足够。但仪器分辨率已达0.001，物料公差限有0.2那么大，理论上讲分辨率完全足够，所以实验结果有点矛盾。又有一种说法，R图的分层大于5，便说明仪器分辨率足够，是否这样？
从图表可以看出，在平均图中，基本全部数据在控制限内，所以NDC＝1。

因此，根据控制限的计算公式 UCL＝Xbar+A2Rbar，LCL＝Xbar－A2Rbar（公式有点打不出）虚构了零件的尺寸，最小值为0.838，最大值为0.998，最大值与最小值相差为0.16，而且使极差以及最后平均值基本保持不变，因此控制限基本不变，但由于所选零件一些比原来的小，另外一些比原来的大，因此就使许多点超出了控制限。从而使大部分数值超出控制限。NDC＝8。MSA实验结果如下：

Part        Appraiser        Value
1        A        0.998
1        A        0.996
1        A        0.994
2        A        0.886
2        A        0.876
2        A        0.869
3        A        0.99
3        A        0.986
3        A        0.983
4        A        0.892
4        A        0.896
4        A        0.9
5        A        0.967
5        A        0.976
5        A        0.986
6        A        0.914
6        A        0.916
6        A        0.918
7        A        0.972
7        A        0.966
7        A        0.961
8        A        0.858
8        A        0.856
8        A        0.854
9        A        0.933
9        A        0.936
9        A        0.938
10        A        0.966
10        A        0.95
10        A        0.949
1        B        0.979
1        B        0.986
1        B        0.992
2        B        0.899
2        B        0.888
2        B        0.877
3        B        0.963
3        B        0.973
3        B        0.984
4        B        0.885
4        B        0.89
4        B        0.895
5        B        0.969
5        B        0.973
5        B        0.978
6        B        0.9
6        B        0.905
6        B        0.91
7        B        0.956
7        B        0.95
7        B        0.944
8        B        0.854
8        B        0.848
8        B        0.843
9        B        0.933
9        B        0.93
9        B        0.927
10        B        0.94
10        B        0.95
10        B        0.96
1        C        0.98
1        C        0.982
1        C        0.99
2        C        0.872
2        C        0.878
2        C        0.885
3        C        0.997
3        C        0.986
3        C        0.975
4        C        0.896
4        C        0.894
4        C        0.881
5        C        0.979
5        C        0.976
5        C        0.974
6        C        0.923
6        C        0.916
6        C        0.909
7        C        0.956
7        C        0.966
7        C        0.973
8        C        0.848
8        C        0.843
8        C        0.838
9        C        0.944
9        C        0.933
9        C        0.922
10        C        0.962
10        C        0.958
10        C        0.957

Process tolerance = 0.2


                                   Study Var  %Study Var  %Tolerance
Source              StdDev (SD)  (5.15 * SD)       (%SV)  (SV/Toler)
Total Gage R&R        0.0080627     0.041523       16.76       20.76
  Repeatability       0.0068060     0.035051       14.15       17.53
  Reproducibility     0.0043226     0.022262        8.99       11.13
    Appraiser         0.0029550     0.015218        6.14        7.61
    Appraiser*Part    0.0031549     0.016247        6.56        8.12
Part-To-Part          0.0474268     0.244248       98.59      122.12
Total Variation       0.0481072     0.247752      100.00      123.88


Number of Distinct Categories = 8
NDC为8，显示出测量系统是很好的。最后结果显示，测量系统的变差主要来自零件变差。

该如何解释这一现象，好像测量系统的好坏变成与所选物料有关了。究竟做MSA时，物料应该怎样选取，MSA第三版中有说到，必须保证过程是统计受控的，所选物料应该在过程变差范围，若规格为0.90+/－0.1 mm，即物料的范围应为0.80-1.00，选料时是否不能选超出规格的？若选料是10个物料等间隔的在0.80－1.00，那仪器的NDC不用计算，根据感觉，出来的结果应该是较好的。
另，若生产商生产比较稳定，物料厚度保持在0.90，是否不需要做MSA？
MSA是否在物料生产商那里做，以便用于控制制程，在使用方来料检验做MSA是否意义不大？

请参考附件取得实验中的相关图表。


Gage fail.JPG



期待大家的讨论。


Part fail.JPG


我也来说两句 查看全部回复

最新回复

  • mercywolf (2008-8-24 20:09:09)

    下面说一下个人看法：
    MSA的目的：用来验证测量系统是否有足够的能力来监控制程。
    个人的理解，既然要监控制程，当然要用符合制程变异的Sample来做MSA。
    另外NDC可以理解为测量系统的分辨力，NDC越大，分辨力越高。
    所以如果sample选择差距过大，GRR结果一定是很小的，NDC一定够大，因为测量系统可以很容易就探测到sample的差别。反之NDC会很小。

    以上，供参考。

  • paladin_li (2008-8-24 20:47:26)

    对于2#的观点个人基本认可...
    类似问题其实可以参考属性型G R&R Sample:1/3 OK,1/3 NG,1/3(NG+OK..
    MSA目的在于考量量测系统的能力,是否有足够的能力认知制程中的变异.就如Xbar-R中用量测系统的R(bar)来探测观测值的变异.

  • psuhsoft (2008-8-24 21:49:59)

    个人观点：首先MSA包含，量具，样品，测量人员。既然量具精度有那么高，但是人员在测量同一样本时，表现出来的差异比较大，所以量具的实际精度没体现出来。当然Reproducity就比较差了，当然GR&R就比较差了，NDC就比较小了。从第一个图可以看出，量具的分辨率不够，测量人员间的变异较大。我认为量具提供的分辨率够，但是在测量过程中并没体现出来。

  • MOYEBIN (2008-8-25 08:29:11)

    MSA标准中(99页)第一点1： 获取一个样本零件数n>5（46），应代表实际的或期望的过程变差范围。
    所以，你选择样本时应该选择在做SPC控制上下线范围内的样品，而不是选择在规格范围内（包括超出控制线范围内的样品）。
    这是一个先有鸡后有蛋或者先有蛋后有鸡的问题，按照标准来说，是先做MSA的，但实际上，我们可以先做SPC，在做SPC时，你所选择的样品是可以代表过程变差范围内的样品，即你选择的是一个用稳定的过程生产出来的样品，这就符合MSA标准中的第一点了。
    在做完SPC时，同步就用做SPC的样品做SMA，这样，做测量系统分析就没有问题了。

  • xxg0007 (2008-8-25 10:44:01)

    从测量的结果来看，即使同一个人测量同一个样件所得的数据差别都已经很大了，更不要说不同的人之间了，所以肯定是测量方法有问题，楼主应该想办法去改进测量方法（例如设计夹具等），测量系统肯定是存在问题的，这个是毫无疑问的。

  • jgb170951net (2008-8-25 23:20:50)

    个人观点:

    第一次取样本身有问题,如果是其于过程那么所取样本需代表过程的变差,从第一张图形来看,均值图几乎没有一个点超出控制线(原则上是需要50%点超出控制线),极差图中居然还有一个点超出控制线,而且A,B,C三人测量值的交互性比较大.应该从样本的选取,测量方法上去找原因.

    第二次的取样显然是有了明显的改善(从均值图中可以看出)

  • dan1699 (2008-8-26 16:34:49)

    从首次测量的结果显示：同一个人测量同一个样件所得的数据差异大，问题的第一原因应是测量方法上，其次是考虑所选样本本身的变差是否有问题了。如果单是为了应付检查，只需要根据“组间变差大、组内变差小”的原则调整数据就行了，很快的。

  • AOIQA (2008-8-27 00:02:48)

    5楼讲出了MSA的本质,把构成MSA系统的几大要素之间的关系给理得很顺.

    QUOTE:

    原帖由 MOYEBIN 于 2008-8-25 08:29 发表
    MSA标准中(99页)第一点1： 获取一个样本零件数n>5（46），应代表实际的或期望的过程变差范围。
    所以，你选择样本时应该选择在做SPC控制上下线范围内的样品，而不是选择在规格范围内（包括超出控制线范围内的样品）。 ...

  • winda312 (2008-9-15 09:56:03)

    若制程比较稳定，且生产出来的样本差异小，那是否无论怎样取样，得出的结果都是NDC比较大呢？

  • winda312 (2008-9-15 09:58:29)

    QUOTE:

    原帖由 paladin_li 于 2008-8-24 20:47 发表
    对于2#的观点个人基本认可...
    类似问题其实可以参考属性型G R&R Sample:1/3 OK,1/3 NG,1/3(NG+OK..
    MSA目的在于考量量测系统的能力,是否有足够的能力认知制程中的变异.就如Xbar-R中用量测系统的R(bar)来探测观测 ...
    我也做过另外一个MSA，但取样是比较难的，不可能叫生产商故意生产出1/3 OK,1/3 NG,1/3(NG+OK)的吧？

  • winda312 (2008-9-15 10:06:15)

    QUOTE:

    原帖由 psuhsoft 于 2008-8-24 21:49 发表
    个人观点：首先MSA包含，量具，样品，测量人员。既然量具精度有那么高，但是人员在测量同一样本时，表现出来的差异比较大，所以量具的实际精度没体现出来。当然Reproducity就比较差了，当然GR&R就比较差了，NDC就比较 ...
    我有时在想，这个MSA的实际意义有多大，规格为0.90+/－0.1，表明是不太精确要求的零件，而且测量数据虽有差异，重复性与再现性不太好，但个人认为此测量系统用于来料检验是可以的，因为已经可以识别出好的零件与坏的零件。而且在MSA第三版中有说：这些都只是统计手法，具体还是要看对后续工序的风险如何，也就是说后果的严重性来决定测量系统是否接受。

  • wingoo (2008-9-15 11:05:29)

    样品选取时分层不够，也就是说样品选取缺乏典型性；产品规格范围是0.8~1.0，那么选样时应该有几个不合格的，例如0.7~0.8和1.0~1.1之间的，而且最好0.8~1.0之间的要均匀，就像第二组取样；

  • winda312 (2008-9-15 13:33:34)

    QUOTE:

    原帖由 wingoo 于 2008-9-15 11:05 发表
    样品选取时分层不够，也就是说样品选取缺乏典型性；产品规格范围是0.8~1.0，那么选样时应该有几个不合格的，例如0.7~0.8和1.0~1.1之间的，而且最好0.8~1.0之间的要均匀，就像第二组取样；
    呵呵，第二组数据是自己编的，并没有重新取样，所编数据全在规格内，若选一些不在规格内的，得出来的实验结果肯定会更好。

  • mp (2008-9-15 15:57:38)

    选取的零件太集中，分布宽度不到0.04，同一个人测量同一个样件所得的数据差异大，最大的就差了0.02以上，这样肯定显示分辨率不足，应从方法上解决测量的重复性，确认每次测的是不是同一个部位。

  • citypower0 (2008-11-17 14:01:00)

    MSA使用的样品
    包含整个公差带取样，这样结果才会好啊！
    切记
查看全部回复 我也来说两句