过程能力与测量系统分析

对过程（生产过程或服务流程）能力的评估，是确保过程能稳定地生产产品和交付服务的重要步骤，它需要基于可靠、真实的数据进行。

在质量管理和质量改善过程中，数据通常都是通过检测过程获得的，因此，对检测（测量）过程进行评价，确保检验员、测量仪器、被测对象、环境、测量方法等共同构成的测量系统（Measuring System）能准确地进行测量并输出可靠的数据，就显得尤为重要了，这正式测量过程能力评估和测量系统分析的重要目的。

如下是数字化检测与质量控制、分析系统建议的测量过程能力评估流程：
如下是通常使用的重复性和再现性数据搜集表，用户可以直接使用数字化检测与质量大
数据平台进行测量试验的设计、执行和分析。

一、数据收集计划
1)选择具有代表性的1-3位操作者
2)选择具有代表性的10个样本或10个零件
3)每位操作者、每个样本或零件分别测量2-3次
4)样本或零件编号后随机取用
5)记录测量数据的表格格式示例
关于QuAInS（萃盈科技）
QuAInS (['kwei'ins])是业内专业的数字化检测、质量大数据与智慧质量(Wise Quality)解决方案供应商，专注于提供数字化检测平台、实时质量风险控制（包括实时SPC）系统、质量大数据分析系统、全流程质量管理系统(QMS)、实验室管理系统(LIMS)以及制造智能平台等专业产品及持续改善顾问服务。

QuAInS解决方案荣获上海市创新基金奖励，在上海、广州、深圳等地设有分支机构，在中国大陆、东南亚等地拥有广泛的客户群和合作伙伴。

过程能力与测量系统分析引言过程能力与测量系统分析是一种质量管理方法，可以帮助企业评估和改进其生产过程和测量系统的能力。

通过分析过程能力和测量系统的稳定性和准确性，企业可以确定其产品或服务的质量水平，从而制定有效的质量控制策略。

本文将介绍过程能力与测量系统分析的基本概念、方法和应用。

过程能力分析过程能力分析是评估一个生产过程是否稳定、可控和满足质量要求的方法。

通过过程能力分析，企业可以确定生产过程是否具有足够的能力来满足客户的要求，并且可以预测生产过程在未来的一段时间内是否能够保持稳定的性能。

过程能力分析通常包括以下几个步骤：1.收集数据：首先，需要收集与生产过程相关的数据，例如产品的尺寸、重量、时间等。

这些数据可以通过实际生产过程中的测量结果或者控制图等方法获取。

2.统计分析：然后，对收集到的数据进行统计分析，计算得到过程能力指标。

常用的过程能力指标包括Cp、Cpk等，它们可以用来评估生产过程的稳定性和准确性。

3.结果解释：最后，根据得到的过程能力指标，判断生产过程是否能够满足质量要求。

如果过程能力指标高于一定的阈值，则表明生产过程具有足够的能力来满足质量要求；反之，则需要采取相应的改进措施。

过程能力分析可以帮助企业了解其生产过程的性能，发现潜在的问题，并制定改进措施，从而提高产品的质量水平和生产效率。

测量系统分析测量系统分析是评估一个测量系统是否准确和可靠的方法。

一个好的测量系统应该具有足够的准确性和稳定性，以确保测量结果的可靠性。

测量系统分析通常包括以下几个方面：系统的可重复性和再现性。

可重复性是指在相同的条件下进行多次测量时，得到相似的结果；再现性是指在不同的条件下进行多次测量时，得到相似的结果。

2.相关性分析：通过相关性分析，可以确定测量系统与实际值之间的一致性。

相关性分析通常使用皮尔逊相关系数或斯皮尔曼相关系数来度量。

系统是否存在系统性偏差。

偏倚分析通常使用均值差异或标准偏差差异来度量。

测量系统分析(MSA)方法测量系统分析(MSA)方法**** 1.目的对测量系统变差进行分析评估，以确定测量系统是否满足规定的要求，确保测量数据的质量。

2.范围适用于本公司用以证实产品符合规定要求的所有测量系统分析管理。

3.职责3.1质管部负责测量系统分析的归口管理;3.2公司计量室负责每年对公司在用测量系统进行一次全面的分析;3.3各分公司(分厂)质检科负责新产品开发时测量系统分析的具体实施。

4.术语解释4.1测量系统(Measurement system)：用来对被测特性赋值的操作、程序、量具、设备以及操作人员的集合，用来获得测量结果的整个过程。

4.2偏倚(Bias):指测量结果的观测平均值与基准值的差值。

4.3稳定性(Stability):指测量系统在某持续时间内测量同一基准或零件的单一特性时获得的测量平均值总变差,即偏倚随时间的增量。

4.4重复性：重复性（Repeatability）是指由同一位检验员,采用同一量具,多次测量同一产品的同一质量特性时获得的测量值的变差。

4.5再现性: 再现性(Reproductivity) 是指由不同检验员用同一量具，多次测量同一产品的同一质量特性时获得的测量平均值的变差。

4.6分辨率（Resolution）:测量系统检出并如实指示被测特性中极小变化的能力。

4.7可视分辨率（Apparent Resolution）:测量仪器的最小增量的大小,如卡尺的可视分辨率为0.02mm。

4.8有效分辨率（Effective Resolution）:考虑整个测量系统变差时的数据等级大小。

用测量系统变差的置信区间长度将制造过程变差（6δ）（或公差）划分的等级数量来表示。

关于有效分辨率，在99%置信水平时其标准估计值为1.41PV/GR&R。

4.9分辨力(Discrimination):对于单个读数系统,它是可视和有效分辨率中较差的。

4.10盲测:指在实际测量环境中,检验员事先不知正在对该测量系统进行分析，也不知道所测为那一只产品的条件下,获得的测量结果。

一、第二阶段（M 测量阶段）总结定义阶段已经产生了一个项目章程和项目团队，并对需要改进的过程进行了概述，列出了顾客关心的关键质量特性CTQs 。

在测量阶段，需要从数据的角度来理解流程的现状，从而寻找问题的源头或位置，即寻找聚焦的问题。

测量阶段的知识将有助于您缩小范围进入分析阶段寻找影响CTQ 的潜在根本原因。

测量阶段一项重要部分就是要建立项目过程能力水平的基线。

M 阶段已经完成，A 阶段工作正在有条理的进行着，针对M 阶段项目所遇到的相关分析工具以及技术性问题，我做了如下的总结讨论。

的内容。

量具的重复性和再现性研究(Gage R&R)，实际上就是执行一系列的实验，来研究测量系统的重复性和再现性相对于被测对象而言是否足够。

实验包括：（1）多个操作者、多个样品、多次测量实验；（2）数据必须均衡，每个操作者须测量每个样品相同次数；（3）例：3个操作者分别测量7个样品，每个测量2次；（4）样品就能代表过程中的变化范围；（5）操作者应随机盲目地进行测试，最好不要知道自己是在做实验，不能带有“偏见性”；同时在记录结果时，操作者不应知道在测量哪个样品。

（1） MSA 测量系统的分类：（1）1人多机的MSA ——自动监测，人的干预较少；（2）多人1机的MSA ——手动监测，人工干预较多；（3）多人多机的MSA ——自动、手动同时监测，人工干预较多；（4）人机混合的MSA ——难度最大，属于连贯性监测；（5）PT 与PTV 的区别——在进行MSA 时，PTV 很容易就满足条件，而PT 则不容易被满足。

（2）例1：测量某工件的长度分别为200mm、220mm、240mm、260mm，长度的规格值在±2mm之间，对所测量的数据进行PT及PTV的分析。

①PTV1：长度测量仪器可以分开，指200mm、220mm、240mm、260mm能够被测量仪器识别的参数；②PT1：200mm±2mm、220mm±2mm、240mm±2mm、260mm±2mm，指能够分辨出具体长度的仪器识别参数（3）例2：假设工件的跨度从20mm改变为40mm，则PT及PTV将如何改变，测量仪器的精确度不变①PTV2：200mm、240mm、280mm、320mm，用同样精密的仪器测量，PTV2比PTV1更容易合格；②PT2：200mm±2mm、240mm±2mm、280mm±2mm、320mm ±2mm，采用同样精密度的仪器，PT2比PT1更容易合格总体而言，观测到的过程偏差（σTotal）往往由过程的真正偏差（σpart-to-part）和测量系统的重复性和再现性（σR&R）两部分组成，测量系统研究就是要评估：测量系统的重复性和再现性偏差相对于观测到的过程偏差而言是否足够小。

前言测量系统分析报告(Measurement System Analysis Report)功能/Function 研究测量系统的重复性和再现性/V ariable Gauge R&R Study二、常见的定义1.测量系统：是对测量单元进行量化或对被测的特性进行评估，其所用的仪器或量具、标准、操作、方法、夹具、软件、人员、环境及假设的集合；用来获得测量结果的整个过程2.宽度变差－重复性：一个评价人使用一件测量仪器中，对同一零件的某一特性进行多次测量下的变差－再现性：不同评价人使用相同的量具，测量一个零件的一个特性的测量平均值的变差－GRR或量具的重复性和再现性：量具的重复性和再现性：测量系统重复性和再现性联合估计值测量系统能力：取决于所用的方法，可能包括或不包括时间的影响－测量系统能力：测量系统变差的短期估计值－测量系统性能：测量系统变差的长期估计值3.系统变差测量系统的变差可分类为：－能力：短期内读数的变化量－性能：长期读数的变化量－不确定度：有关被测值的数值估计范围，相信真值都被包括在该范围内注：测量系统的总变差的所有特征是假设该系统稳定并且一致三、测量系统的统计特性1.一个理想的测量系统是每次使用时均能产生“正确的”测量结果；每个测量都会遵循某个标准。

能够产生这样的测量结果的测量系统被称为具有如下的统计特性：零变差、零偏倚，及对其所测量的产品被错误分析的可能性为零2.管理者有责任为最佳的数据应用，识别最为重要的统计特征；管理者也有责任确保使用这些特征作为选择测量系统的依据3.评估一个测量系统为“好”的测量系统，包括一些基本特性：1) 具有足够的分辨力和敏感度。

测量的增值应该小于测量目的相应的过程变差或规范限值。

通常被称为10比1原则，也就是说仪器的分辨力应该能将公差(或过程变差)划分成10等份或者更多。

这比例规则的意图是作为选择量具时的一个实际最先遵守的原则2) 测量系统应处于统计受控状态。

SPC实施的两个步骤1. 收集数据为了进行统计过程控制（Statistical Process Control，SPC），首先需要收集相关数据。

收集数据的目的是为了对一个过程的稳定性和可变性进行分析，并且确定是否需要进行改进。

以下是SPC实施中收集数据的步骤：•确定关键特性：确定需要监控和控制的关键过程特性。

这些特性可以是产品质量指标、生产过程中的关键参数或者其他业务相关指标。

•建立测量系统：确保测量系统达到相应要求，可靠性高且可重复。

这包括选择合适的测量设备和仪器，并进行校准和验证。

•设定取样方法：确定采样频率和采样量。

取样方法应该采取随机和代表性的方式，确保样本可以准确地反映整个过程的特性。

•数据收集与记录：执行数据收集计划并定期记录所采集的数据。

可以利用电子数据采集系统或者手动记录的方式进行。

2. 分析数据在收集到数据之后，接下来需要对数据进行统计分析，以便了解过程的稳定性、可变性以及是否存在特殊因素。

以下是SPC实施中分析数据的步骤：•测量系统分析：对收集到的数据进行测量系统分析，确保测量系统的可靠性。

分析包括测量偏差、测量误差、稳定性以及是否存在系统性的问题。

•过程能力分析：使用统计方法评估过程的稳定性和可变性，以确定过程是否处于可控状态。

统计方法包括均值、范围、方差等指标的计算和分析。

•异常检测：使用统计技术检测特殊因素的影响，如过程中的异常事件、系统故障等。

异常的检测可以帮助确定特殊因素对过程稳定性和可变性的影响程度。

•控制图分析：绘制控制图，以可视化的方式展示过程的变化和趋势。

通过控制图的分析，可以帮助识别过程中的异常和规律，以便采取相应的控制和改进措施。

通过上述两个步骤，SPC可以帮助企业实现对过程的有效控制和持续改进。

收集数据和分析数据是SPC实施过程中的关键环节，它们提供了有关过程质量和稳定性的重要信息，以支持决策和行动。