msa 测量系统的指南.doc

第Ⅰ章通用测量系统指南第一节引言、目的和术语引言测量数据的使用比以前更频繁、更广泛。例如,是否调整制造过程现在普遍依据测量数据来决定。把测量数据或由它们计算出的一些统计量,与这一过程的统计控制限值相比较,如果比较结果表明这一过程在统计控制之外,那么要做某种调整,否则,这一过程就允许运行而勿须调整。测量数据的另外一个用途是确定两个或多个变量之间是否存在某种显著关系。例如,人们可以推测一模制塑料件的关键尺寸与浇注材料温度有关系。这种可能的关系可通过采用所谓回归分析的统计方法进行研究。即比较关键尺寸的测量结果与浇注材料温度的测量结果。探索象这类关系的研究,是戴明博士称为以分析的方法研究的一些实例。通常,分析研究是增加对于有关影响过程的各种原因的系统的知识。各种分析研究是测量数据的最重要应用之一,因为这些分析研究最终导致更好地理解各种过程。应用以数据为基础的方法的益处,很大程度上决定于所用测量数据的质量。如果测量数据质量低,则这种方法的益处很可能低,类似地,如果测量数据质量高,这一方法的益处也很可能高。为了确保应用测量数据所得到的益处大于获得它们所花的费用,就必须把注意力集中在数据的质量上。测量数据的质量测量数据质量与稳定条件下运行的某一测量系统得到的多次测量结果的统计特性有关。例如,假定用在稳定条件下运行的某测量系统,得到某一特性的多次测量结果。如果这些测量数据与这一特性的标准值都很“接近”,那么可以说这些测量数据的质量“高”,类似地,如果一些或全部测量结果“远离”标准值,那么可以说这些数据的质量“低”。表征数据质量最通用的统计特性是偏倚和方差。所谓偏倚的特性,是指数据相对标准值的位置,而所谓方差的特性,是指数据的分布,但是,其它的统计特性如错误分类率在某些情况下也是恰当的。低质量数据最普通的原因之一是数据变差太大。例如,测量某容器内的流体的容积,使用的测量系统可能对它周围的环境温度敏感,在这种情况下,数据的变差可能由于其体积的变化或周围温度的变化,使得解释这些数据更困难。因此这一测量系统是不太合乎需要的。一组测量的变差大多是由于测量系统和它的环境之间的交互作用造成的。如果这种交互作用产生太大的变差,那么数据的质量会很低,以致这些数据是无用的。例如,一个具有大量变差的测量系统,用来分析一个制造过程,可能是不恰当的,因为这一测量系统的变差,可能会掩盖制造过程中的变差。管理一个测量系统的许多工作是监视和控制变差。这就是说,在这些事情中应着重于环境对测量系统的影响,以获得高质量的数据。绝大部分变差是不希望有的,但也有一些重要的例外。例如这一变差是由于被测量特性的小变化而引起的,一般情况下这一变差被认为是有用的。一个测量系统对这种变化越灵敏,这个系统越是良好。因为这一系统是一个较敏感的测量系统。如果数据的质量是不可接受的,则必须改进,通常是通过改进测量系统来完成,而不是改进数据本身。测量过程在本手册中,术语“测量”定义为“赋值给具体事物以表示它们之间关于特殊特性的关系”。(1963)首次给出。赋值过程定义为测量过程,而赋予的值定义为测量值。从这些定义得出,应将一种测量过程看成一个制造过程,它产生数字(数据)作为输出。这样看待测量系统是有用的。因为它允许我们接受那些早已表明它们在统计过程控制领域用途的所有概念、原理和工具。目的本手册的目的是介绍选择各种方法来评定测量系统质量的指南。尽管这些指南足以通用于任何测量系统,但它们主要用于工业界的测量系统。本手册不打算作为所有测量系统分析的概要,它主要的焦点是对每个零件能重复读数的测量系统。许多分析对于其它形式的测量系统也是很有用的,并且该手册的确包含了参考意见和建议。尽管如此,如果你有这样的系统,还是建议你从适宜的统计资源中寻求帮助。术语量具:任何用来获得测量结果的装置;经常用来特指用在车间的装置;包括用来测量合格/不合格的装置。测量系统:用来对被测特性赋值的操作、程序、量具、设备、软件以及操作人员的集合;用来获得测量结果的整个过程。第二节测量系统的统计特性理想的测量系统在每次使用时,应只产生“正确”的测量结果。每次测量结果总应该与一个标准值(见戴明,1986,281页)相符。一个能产生理想测量结果的测量系统,应具有零方差、零偏倚和对所测的任何产品错误分类为零概率的统计特性。遗憾的是,具有这样理想的统计特性的测量系统几乎不存在,因此过程管理者必须采用具有不太理想的统计特性的测量系统。一个测量系统的质量经常仅仅用其测量数据的统计特性来确定。其它特性,如成本、使用的容易程度等对一个测量系统总体理想性的贡献也很重要。但是,确定一个系统质量的正是其测得的数据的统计特性。应认识到,在某一用途中最重要的统计特性在另一种用途中不一定是最重要的特性。例如,对一个座标测量机(CMM)的