没见过这种报告,有点像以前一个同事用过的Q-DAS。
单从他给出的运行图和分析结果来看,是比较可疑的,GRR应该不会这么小。但是部件的公差限很宽,基于公差来计算的话可能合格。
说来说去还是自己算一遍比较好。放一个minitab的分析结果。
——————————————————————————————————————
量具 R&R 研究 - XBar/R 法
方差分量
来源 方差分量 贡献率
合计量具 R&R 0.0002012 24.90
重复性 0.0002012 24.90
再现性 0.0000000 0.00
部件间 0.0006068 75.10
合计变异 0.0008080 100.00
过程公差 = 0.6
研究变异 %研究变 %公差
来源 标准差(SD) (6 * SD) 异 (%SV) (SV/Toler)
合计量具 R&R 0.0141844 0.085106 49.90 14.18
重复性 0.0141844 0.085106 49.90 14.18
再现性 0.0000000 0.000000 0.00 0.00
部件间 0.0246331 0.147799 86.66 24.63
合计变异 0.0284251 0.170551 100.00 28.43
可区分的类别数 = 2
测量数据 的量具 R&R
—————————————————————————————————
量具 R&R 研究 - 方差分析法
包含交互作用的双因子方差分析表
来源 自由度 SS MS F P
部件号 9 0.0403267 0.0044807 15.6507 0.000
操作员 2 0.0002800 0.0001400 0.4890 0.621
部件号 * 操作员 18 0.0051533 0.0002863 1.5337 0.146
重复性 30 0.0056000 0.0001867
合计 59 0.0513600
删除交互作用项选定的 Alpha = 0.25
量具 R&R
方差分量
来源 方差分量 贡献率
合计量具 R&R 0.0002365 25.28
重复性 0.0001867 19.95
再现性 0.0000498 5.32
操作员 0.0000000 0.00
操作员*部件号 0.0000498 5.32
部件间 0.0006991 74.72
合计变异 0.0009356 100.00
过程公差 = 0.6
研究变异 %研究变 %公差
来源 标准差(SD) (6 * SD) 异 (%SV) (SV/Toler)
合计量具 R&R 0.0153780 0.092268 50.28 15.38
重复性 0.0136626 0.081976 44.67 13.66
再现性 0.0070580 0.042348 23.08 7.06
操作员 0.0000000 0.000000 0.00 0.00
操作员*部件号 0.0070580 0.042348 23.08 7.06
部件间 0.0264400 0.158640 86.44 26.44
合计变异 0.0305869 0.183521 100.00 30.59
可区分的类别数 = 2
测量数据 的量具 R&R
——————————————————————————————
不出所料,不管是均值极差法还是ANOVA,基于部件间变差计算的GRR都是很差的,达到了50%左右,ndc也只有2。万幸的是基于公差的计算结果在30%以内,属于条件接受。
考虑到实际情况,如果他们做MSA选取的样品没有特意筛选,那么这家供应商的过程能力应该是很高的,而且基本不会出现不合格品。这种情况下MSA可以通过。
以上观点仅供参考~
单从他给出的运行图和分析结果来看,是比较可疑的,GRR应该不会这么小。但是部件的公差限很宽,基于公差来计算的话可能合格。
说来说去还是自己算一遍比较好。放一个minitab的分析结果。
——————————————————————————————————————
量具 R&R 研究 - XBar/R 法
方差分量
来源 方差分量 贡献率
合计量具 R&R 0.0002012 24.90
重复性 0.0002012 24.90
再现性 0.0000000 0.00
部件间 0.0006068 75.10
合计变异 0.0008080 100.00
过程公差 = 0.6
研究变异 %研究变 %公差
来源 标准差(SD) (6 * SD) 异 (%SV) (SV/Toler)
合计量具 R&R 0.0141844 0.085106 49.90 14.18
重复性 0.0141844 0.085106 49.90 14.18
再现性 0.0000000 0.000000 0.00 0.00
部件间 0.0246331 0.147799 86.66 24.63
合计变异 0.0284251 0.170551 100.00 28.43
可区分的类别数 = 2
测量数据 的量具 R&R
—————————————————————————————————
量具 R&R 研究 - 方差分析法
包含交互作用的双因子方差分析表
来源 自由度 SS MS F P
部件号 9 0.0403267 0.0044807 15.6507 0.000
操作员 2 0.0002800 0.0001400 0.4890 0.621
部件号 * 操作员 18 0.0051533 0.0002863 1.5337 0.146
重复性 30 0.0056000 0.0001867
合计 59 0.0513600
删除交互作用项选定的 Alpha = 0.25
量具 R&R
方差分量
来源 方差分量 贡献率
合计量具 R&R 0.0002365 25.28
重复性 0.0001867 19.95
再现性 0.0000498 5.32
操作员 0.0000000 0.00
操作员*部件号 0.0000498 5.32
部件间 0.0006991 74.72
合计变异 0.0009356 100.00
过程公差 = 0.6
研究变异 %研究变 %公差
来源 标准差(SD) (6 * SD) 异 (%SV) (SV/Toler)
合计量具 R&R 0.0153780 0.092268 50.28 15.38
重复性 0.0136626 0.081976 44.67 13.66
再现性 0.0070580 0.042348 23.08 7.06
操作员 0.0000000 0.000000 0.00 0.00
操作员*部件号 0.0070580 0.042348 23.08 7.06
部件间 0.0264400 0.158640 86.44 26.44
合计变异 0.0305869 0.183521 100.00 30.59
可区分的类别数 = 2
测量数据 的量具 R&R
——————————————————————————————
不出所料,不管是均值极差法还是ANOVA,基于部件间变差计算的GRR都是很差的,达到了50%左右,ndc也只有2。万幸的是基于公差的计算结果在30%以内,属于条件接受。
考虑到实际情况,如果他们做MSA选取的样品没有特意筛选,那么这家供应商的过程能力应该是很高的,而且基本不会出现不合格品。这种情况下MSA可以通过。
以上观点仅供参考~
LJ淡 • 2019-07-15 11:54
请问这句话怎么理解“考虑到实际情况,如果他们做MSA选取的样品没有特意筛选,那么这家供应商的过程能力应该是很高的,而且基本不会出现不合格品。这种情况下MSA可以通过”
ScharnHorst • 2019-07-15 15:39
@LJ淡:意思就是虽然纸面上的数据是测量系统不合格,但是毕竟公差带那么大,生产过程也是稳定的,实际上并不会因为测量系统能力低而造成不合格品流出,或者说这种情况发生的概率非常非常小。如果老板追求的只是不流出不合格品,并且无意花钱购买更高精度的设备,那么这个MSA我认为可以通过。