搜索
2019/8/201测量系统分析属性2019/8/202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2019/8/203流程改善方法论步骤0：项目定义步骤Ⅰ：流程测量步骤Ⅱ：流程分析步骤Ⅲ：流程改善步骤Ⅳ：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2019/8/204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？2019/8/205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？2019/8/206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）2019/8/207Kappa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2019/8/208属性测量研究：方法需要跨越流程正态极限的值30-50个样本-大部分应该来自于ʻ灰色ʼ区域-剩余部分应该是明确的好或明确的不好例如：发票错误-我们收集30张发票样本-5张有明确的缺陷（一个单独的缺陷或足够多的小缺陷足以拒收的发票）-5张明确可以接受的发票（所有都正确）-剩余的样本在数量及缺陷类型各不相同2019/8/209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）2019/8/2010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2019/8/2011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%SampleABCD1RRRA2AARA3AAAA4AAAA5AAAA6AAAA7AAAA8AAAA9AAAA10ARRR11RAAR12AAAA13RAAR14ARAA15AAAA16AAAA17AAAA18AAAA19AAAA20AAAA检验之间是否达成一致？2019/8/2012属性MSA范例：投标报价%不好的接受%好的绝收A9/13=69%4/37=11%B9/13=69%4/37=11%C9/13=69%4/37=11%D8/13=62%3/37=11%整体正确判断的%=150/200=75%检验者与专家的结果SampleABCD1RRRA2AARA3AAAA4AAAA5AAAA6AAAA7AAAA8AAAA9AAAA10ARRR11RAAR12AAAA13RAAR14ARAA15AAAA16AAAA17AAAA18AAAA19AAAA20AAAA5AAAR10ARRR12AAAR13RAAR与专家是否一致？2019/8/2013Kappa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2019/8/2014KappaKappa（K）被定义为在剔除偶然一致之后评价者之间的一致比例：K=𝑷𝒐𝒃𝒔𝒆𝒓𝒗𝒆𝒅−𝑷𝒄𝒉𝒂𝒏𝒄𝒆𝟏−𝑷𝒄𝒉𝒂𝒏𝒄𝒆这里：𝑷𝒐𝒃𝒔𝒆𝒓𝒗𝒆𝒅=评价者一致同意的分类比率𝑷𝒐𝒃𝒔𝒆𝒓𝒗𝒆𝒅=评价者偶然一致的分类比率2019/8/2015Kappa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！-1to0.0随机一致≥0.60最低限度–需要较大努力≥0.70好–改善保证≥0.90优秀的Kappa值建议的解释2019/8/2016Kappa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2019/8/2017Minitab属性一致性分析项目：TRMSAATT.MPJ工作表：CustomerReturns.MTW设计：-3CSRs（评价者）-2天-30次退货（样本）代码在Category列中专家值在Expert列中2019/8/2018Minitab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2019/8/2019Minitab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2019/8/2020图表分析评价者之间的一致性就象重复性这里CSR1她自己有90%的时间是一致的。CSR2有86.7%的时间是内在性的一致，而CSR3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！2019/8/2021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%CIA302790.0(73.5,97.9)B302686.7(69.3,96.2)C302996.7(82.8,99.9)匹配的#：评价者在实验过程中是一致的。2019/8/2022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%CIA302376.7(57.7,90.1)B302066.7(47.2,82.7)C302273.3(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2019/8/2023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%CI301756.7（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%CI301550.0（31.3，68.7）匹配的#：所有评价者的评价与标准一致的数量。2019/8/2024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？2019/8/2025Kappa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）2019/8/2026Kappa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；PlannedAdju（计划调整）及Pricing（定价）的测量系统处于边缘状态IncorrectPr(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2019/8/2027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2019/8/2028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？2019/8/2029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%），并且继续前应该改善-所作的改进：建立判断错误的一致性的操作详细说明进行培训-第二次MSA结果评价者内部：100%评价者VS专家：95%在评价者之间：97%2019/8/2030案例研究：初始属性MSA评价者个人内部重复性情况这里评价者1当时与自己一致性是90%.评价者2当时内部的稳定性是86.7%，并且评价者3重复时与自己匹配的是96.7%图表显示在95%置信区间条件下，一致性的%图表显示评价者和专家意见一致性的%注释：这两个图表有不同的标准！2019/8/2031练习：糖果检验目标：评价M&M检验工具：-3个检验员-一袋M&MS程序：-在开袋前，定义计算你们关注的缺陷条件-让你们的检验员评价糖果样本的材料-评价测量系统-报告任何建议的改进活动时间：45分钟2019/8/2032如何进行：属性MSA1.设计研究总共30-50个样本2-3评价者，至少重复测量一次-每个评价者必须检验所有数据项（样本）-每个评价者在每一轮试验，必须检验这些相同的样本（各轮试验）理想的情况，也有“专家”评价2.建立数据采集矩阵表3.让操作者1按随机顺序测量所有样本一次4.让操作者2按随机顺序测量所有样本一次5.继续，直到所有操作者测量了样本一次（这是Trial1试验1）6.重复步骤3-5完成需要的试验次数7.见解过输入Minitab，通过下列信息确定：评价者内部一致性评价者之间一致性评价者和专家之间一致性Kappa值8.确定跟踪计划，如果需要2019/8/2033总结测量系统在开始流程改善活动之前的分析很重要在选取样本时留意-注意正确的分组和样本量需求分析操作员/评价者，部件/项目及试验效果的测量系统确保测量系统具有足够的区分样本的分辨