测量系统分析属性培训课件17715

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,2012-11-3,#,2024/10/2,1,测量系统分,析,属性,2024/10/2,2,目标,在本模块结束时你将能够：,描,述属性测量系统分析,定,义基本的测量术语,进,行 属性,gage,研究（测量系统分析）概要程序,执,行测量研究,2024/10/2,3,流程改善方法论,步骤,0,：项目定义,步骤,：流程测量,步骤,：流程分析,步骤,：流程改善,步骤,：流程控制,计划项目，确定重要的流程输入,/,输出变量,进行基本测量系统地测量仪器研究,进行短期流程能力研究并建立控,制计划,完成,FMEA,并评价控制计划,完成多变量研究以确定潜在的关,键输入变量,评价数据并优化关键的输入变量,用实验设计验证关键的输入变量,决定最优化的操作窗口,修正控制计划,最后完成控制计划,持续验证流程的稳定性和能力,2024/10/2,4,研,究测量系统,我们一旦有正确的数据，我们必须确定有能力来测量它,需,要获取的信息,-,测量误差有,多大,？,-,测量误差的,来源,是什么？,-,测量系统随时间变化依然是,稳定,的吗？,-,对于研究有,足够能力,吗？,-,我们如何,改善,测量系统？,2024/10/2,5,计,数型数据,MSA,如,果很多人评估同一事物，他们需要达成一致：,-,相互之间,-,他们自己之间,计,数型数据比计量型数据包括更少的信息，但往往只有它是所能得到的,-,所以我们必须对完整的属性测量进行持续不断的研究,问,题是,-,我能够相信我的测量系统得到的数据吗？,2024/10/2,6,属性,MSA,目标,确,定：,-,与整体一致的,%,-,与评价者一致的,%,（重复性）,-,与评价者之间一致的,%,（再现性）,-,与已知标准一致的,%,（准确性）,-Kappa,（究竟测量系统比随机偶然性好多少）,2024/10/2,7,Kappa,技术,非参数方式提供了一些处理主观计数数据的工具,Kappa,技术可以用于属性（计数型）,/,分类数据的分级,当质量标准难于或不可能定义时使用,几,个单位必需分类为由超过一个评价者测量一次以上组成,-,如果基本上是一致的，存在评价正确的,可能性,-,如果一致性差，评价是,非常有限的,2024/10/2,8,属性测量研究：,方法,2024/10/2,9,属,性测量研究,-,方法,挑,选,2-3,个经常评估的人,随,机的向一个人提供样本（不告诉哪个样本是哪个）并让这个人评估每一项,一,旦第一个人完成对所有项目的评估，让其他的几个人重复这个工作,一,旦每个人都已经评估了每一项，再重复一遍上面的实验,注,意：所有评估人、项目及“实验”的组合可能应该,-,每个评估人必须检测所有项目,-,每个评估人必须检测同样次数的项目（实验）,2024/10/2,10,属性,MSA,范例：,投标接受,这,个范例源于一家公司评估合同报价,.,关,注于当可能应该被接受却可能拒绝的合同，对该部门进行研究，如何测定评价员评价的一致性,.,选,取了,50,个样本,一些是明确可以接受的，一些是明确不能接受的，还有一些考虑为处于“边界线”之间。,四个评估员和一个专家记录了他们的评价结果,-,拒绝 或 接受合同,2024/10/2,11,属性,MSA,范例：,投标接受,结果显示出明确的问题,（显示了,50,个样本中的,20,个结果）,在,50,个样本中，检验者实际上只对一个“拒收”的样本全体一致通过,他,们对于,29,个“接受”样本全体一致通过,%,的不一致产品,=,20/50=40%,Sample,A,B,C,D,1,R,R,R,A,2,A,A,R,A,3,A,A,A,A,4,A,A,A,A,5,A,A,A,A,6,A,A,A,A,7,A,A,A,A,8,A,A,A,A,9,A,A,A,A,10,A,R,R,R,11,R,A,A,R,12,A,A,A,A,13,R,A,A,R,14,A,R,A,A,15,A,A,A,A,16,A,A,A,A,17,A,A,A,A,18,A,A,A,A,19,A,A,A,A,20,A,A,A,A,检验之间是否达成一致？,2024/10/2,12,属性,MSA,范例：,投标报价,%,不,好的接受,%,好的绝收,A 9/13=69%4/37=11%,B 9/13=69%4/37=11%,C 9/13=69%4/37=11%,D 8/13=62%3/37=11%,整体正确判断的,%=150/200=,75%,检验者,与 专家的结果,Sample,A,B,C,D,1,R,R,R,A,2,A,A,R,A,3,A,A,A,A,4,A,A,A,A,5,A,A,A,A,6,A,A,A,A,7,A,A,A,A,8,A,A,A,A,9,A,A,A,A,10,A,R,R,R,11,R,A,A,R,12,A,A,A,A,13,R,A,A,R,14,A,R,A,A,15,A,A,A,A,16,A,A,A,A,17,A,A,A,A,18,A,A,A,A,19,A,A,A,A,20,A,A,A,A,5,A,A,A,R,10,A,R,R,R,12,A,A,A,R,13,R,A,A,R,与专家是否一致？,2024/10/2,13,Kappa,技术,在属性,MSA,研究过程中，,Kappa,被用来总结在去除偶然 一致性后在评估人之间的一致程度,-,如果存在实质性的一致，那就存在级别准确的,可能性,-,如果不能达成一致，分级的有效性就,非常有限了,使,用需求：,-,测量的 单位是彼此独立的,-,评估人的检验及分类是独立的,分,类级别相互排斥及彻底的,Minitab,计算,Kappa,值作为属性一致性分析输出的一部分,2024/10/2,14,Kappa,2024/10/2,15,Kappa,技术,Kappa,将在,-1,及,+1,之间,Kappa,值为,+1,的代表完全一致,一,般规则：,如果,K0.70,，就需要注意测量系统！,-1 to 0.0,随机一致,最低限度,需要较大努力,好,改善保证,优秀的,Kappa,值,建议的解释,2024/10/2,16,Kappa,技术,Kappa,可以用于有多个评价者和具有多个分类的情况,客,户返品案例：,-,一个绿带有一个减少客户返品的项目。由一位客户服务代表（,CSR,）给,每一个客户返品标识一个代码。大家会担心,CSR,们标识代码时不能,够始终一致。,-,三个评价者被要求为,30,个返品标识原因代码。每个评价者评价两次（,在两个 不同时间各做一次）。,-,绿带同时要求一个部门专家来评价返品情况,2024/10/2,17,Minitab,属性一致性分析,项,目：,TR MSA ATT.MPJ,工,作表：,Customer,Returns.MTW,设,计：,-3 CSRs,（评价者）,-2,天,-30,次退货,（样本）,代,码在,Category,列中,专家值在,Expert,列中,2024/10/2,18,Minitab,属性一致性分析,使,用属性一致性分析来分析属性测量系统的结果,2024/10/2,19,Minitab,属性一致性分析,首先填写适当的列信息,包括专家评级,确保在窗口,Results,中的,Kappa,选项被选中,2024/10/2,20,图表分析,评,价者之间的一致性就象重复性,这,里,CSR 1,她自己有,90%,的时间是一致的,。,CSR 2,有,86.7%,的时间是内在性的一致,，而,CSR 3,对于返回有,96.7%,的时间是一,致的,图上显示了,95%C1,一致性的,%,这,个图显示了在,CSRs,与专家观点之间一致性的,%,注意,：这两个图有不同的测量刻度！,2024/10/2,21,数,字输出：在评价者范围内,与左图类似的信息（看前面的幻灯片）,增,加特定的匹配及检验数量,在评价者范围内,评价一致性,评价者,#,检验的,#,匹配的,#,比例（,%,）,95.0%CI,A 30 27 90.0 (73.5,97.9 ),B 30 26 86.7 (69.3,96.2 ),C 30 29 96.7 (82.8,99.9 ),匹配的,#,：评价者在实验过程中是一致的。,2024/10/2,22,数字输出,评价者与专家,这显示了评价者被给予“正确”答案的频率,r,每个评,价,者与标准,评价一致性,评价者,#,检验的,#,匹配的,#,比例（,%,）,95.0%CI,A 30,23 76.7,(,57.7,90.1,),B 30,20 66.7,(,47.2,82.7,),C 30,22 73.3,(,54.1,87.7,),匹配的,#,：评价,者的评估在实验过程中是与标准一致的。,我们希望,90%,或更好的一致性,2024/10/2,23,数,字输出,评,价者之间的一致性与再现性相似：,评,价者之间,评价一致性,检,验的,#,匹配的,#,比例 （,%,）,95.0%CI,30 17 56.7,（,37.4,，,74.5,）,匹配,#,：所有评价者之间的评估是一致的。,所用评价者与标准给出了检验标准有效性的指标：,所有评价者与标准,评,价一致性,检,验的,#,匹配的,#,比例 （,%,）,95.0%CI,30,15 50.0,（,31.3,，,68.7,）,匹配的,#,：所有评价者的评价与标准一致的数量。,2024/10/2,24,数,字输出,-Kappa,为评价者之间提供每一类缺陷的,Kappa,及,Kappa,值（及其它部分）,我们能够识别缺陷类型到什么程度？,2024/10/2,25,Kappa,技术,对,于这个例子，下面的,Kappa,值被计算为,-,评,价者自己,单,个类别的,Kappa,代表每个评价者多次评价同一个样本的一致性,每,个评价者的总体,Kappa,代表评价者对于所有分类的一致性,-,在评价者之间,单,个类别的,Kappa,代表所有评价者对于那个分类样本的一致性,总体,Kappa,代表整个研究范围的一致性（涵盖所有评价者和分类）,2024/10/2,26,Kappa,技术,解,释结果,-,范围从,0.19,到,0.94,的独立,Kappa,值，意味着在评价者中的一,致性是：,对,于,Damaged,的检查能力是优秀的,Administrative(,管理）及,Quantity,（数量）的测量系统不可接受的低；,Planned Adju,（计划调整）及,Pricing,（定价）的测量系统处于边缘状态,Incorrect Pr(,不正确的生产）、,Overstock,（过量库存）及,Quality,（质量）的测量系统可用,-,总体,Kappa,是,0.7106,，指示系统可以使用一些改善方法,要改善这个测量系统就很可能需要改变每个缺陷类型的操作定义,或再次训练评价者，或二者都需要,2024/10/2,27,改,善属性测量系统,感,受增效器（改善人类感觉的装置）,面,具,/,模板（封闭不重要的信息）,检,查清单,自,动化,重组工作区域,最为重要的是：评价标准,2024/10/2,28,测量系统,-,要问的问题,你挑选了正确的测量系统了吗？这个测量系统与关键输出相关联吗？,精,确性、准确性及稳定性看起来像什么？,变,异的来源是什么，及测量误差是什么？,要改善这个系统需要做什么？,我们是否向合适的人通知了我们的结果？,这,个系统是否在适当的部位有控制计划？,培,训频率是多少？频率足够吗？,相,同的系统匹配吗？,2024/10/2,29,案例研究：,属性,MSA,步,骤,1,：数据完整性研究是对任何现有数据采集都要执行,-,成本：完整性好,步,骤,2,：执行 属性 测量系统分析 确定是否可以准确的测量发票错误,-,结论：,评价者内部还算一致（大约,94%,），但,能够使用微小改进,评,价者与专家和评价者间的准确性是很遭的（大约,68