读懂MSA手册中Kappa分析的结果(IATF16949五大手册 测量系统分析)
IATF169492016-5大手册PPT课件
第一部分：生产件的定义
生产件定义：
—采用正式批量生产所用的工装、量检具、过程，材料、 操作员、环境和过程参数（如进给量/转速/压力/温度/节 拍等）生产出的产品。
—用于PPAP的零件必须取自正式的批量试生产 — 1小时到8小时的连续生产件。 —至少300件连续生产，除非顾客另有规定。 —不同的冲模、铸模、工装或模型要分别取样测量验证，
Cpk = min( USL - X or X - LSL )
s3 R / d 2
s3 R / d 2
初始製程能力研究的品質指數
Ppk
標準差：s =
n (xi - x)2 i=1 n -1
= sˆ s
Ppk
=
USL -
min( 3sˆ s
X
or
X
- LSL
3sˆ s )
练习
A工廠品管人員須對製程中之所有不良品列入記錄, 展開與記載 其原因與改善行動
按操作员分组，通过组平均值 的差来估。 应扣除量具的因素（组内变差） 比测量系统总变差小
再现性指不同的人在对同 种特性进行测量时产生的
变差
Master Value Inspector A Inspector B Inspector C Inspector B Inspector A Inspector C
• 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。
2.测量系统组成
测量系统构成
量具 (Equipment ) 测量人员 (Operator ) 被测量工件 (Parts ) 程序、方法 (Procedure, Methods ) 上述之交互作用关系
● 阶段一：策划和定义项目（13项）
IATF16949测量系统分析程序(MSA)
文件制修订记录1.0目的为了更好地了解测量系统变差的来源，对测量系统进行有效地评价与控制。
2.0范围适用于本公司用于生产汽车产品的测量系统或客户特别指明的测量系统。
3.0权责3.1品质体系部:负责制定MSA分析方法，负责制定“MSA计划”，制作试产和量产的MSA分析报告，并对结果判定和异常处理。
负责检查测量系统是否有经过MSA分析和确定是否可投入使用。
3.2各相关部门:配合品质体系部进行测量系统分析数据收集工作。
3.3若客户有提供相关程序或准则，则依客户提供的方法实施测量系统分析而非依本程序。
4.0定义4.1量具:任何用来获得测量结果的装置，包括用来测量合格/不合格的装置。
4.2测量系统:用来获得表示产品或过程特性的数值的系统，称之为测量系统。
测量系统是与测量结果有关的仪器、设备、软件、程序、操作人员、环境的集合。
4.3量具重复性:指同一个评价人，采用同一种测量仪器，多次测量同一零件的同一特性时获得的测量值（数据）的变差。
4.4 MSA(Measurement System Analysis):测量系统分析。
4.5量具再现性:指由不同的评价人，采用相同的测量仪器，测量同一零件的同一特性时测量平均值的变差。
4.6稳定性: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值总变差。
4.7偏倚:指同一操作人员使用相同量具，测量同一零件之相同特性多次数所得平均值与采用更精密仪器测量同一零件之相同特性所得之平均值之差，即测量结果的观测平均值与基准值的差值，也就是我们通常所称的“准确度”。
4.8线性:指量具正常工作量程内偏倚的变化量。
4.9分辨力:指测量能检出并如实指示被测特性中最小变化的能力。
4.10计量型:是指具有通过数据分布中心及分散度来评价衡量其特性的类型。
4.11计数型:是指具有通过两个值(合格/不合格、成功/失败、通过/不通过、出席/缺席)来评价衡量其特性的类型。
5.0流程图：见下页。
IATF16949与五大质量工具(APQP-PPAP-FMEA-SPC-MSA)运用
IATF16949与五大质量工具（APQP-PPAP-FMEA-SPC-MSA）运用简介：众所周知，AITF16949的五大工具类课程，即生产件批准程序（PPAP 第四版2006）、产品质量先期策划和控制计划（APQP第二版2008）、潜在失效模式及后果分析（FMEA第四版2008）、测量系统分析（MSA第四版2010）、统计过程控制（SPC第二版2005）是IATF所推荐的配套工具类手册。
...广州开课；课程时长：2天；详细会务信息请登陆森涛培训网查看适合对象：管理者代表、质量部经理、其它与体系工作相关的人员及有志从事体系工作的人员;供应方与分承包方、品质主管、产品设计和过程设计工程师、设计部主管、工程部主管、品质管理人员、采购主管、生产主管等课程介绍【课程背景】众所周知，AITF16949的五大工具类课程，即生产件批准程序（PPAP 第四版2006）、产品质量先期策划和控制计划（APQP第二版2008）、潜在失效模式及后果分析（FMEA第四版2008）、测量系统分析（MSA第四版2010）、统计过程控制（SPC第二版2005）是IATF所推荐的配套工具类手册。
为了在中国推广和借鉴国际汽车工业质量管理先进经验，促进和提高中国汽车行业整体质量管理和质量保证水平，应广大学员的要求，本公司结合汽车行业多年工作的经验，特推出最新版五大核心工具培训课程，该培训班均由具有丰富汽车行业质量管理体系审核经验的高级咨询师授课，将结合深入浅出的案例阐述工具类课程在实际工作中的运用并有针对性的解答学员的疑难问题，充分保证教学质量。
【课程收益】1、理解APQP的目的、原理、过程和方法；掌握APQP的知识和技能，能有效开展项目管理，具备担任新产品开发项目组长的能力；明了APQP、项目管理和状态报告的关系，以确保新产品的准时投产；具备应用APQP方法对现有产品和过程实施过程评估的能力，以实现产品和过程的标准化和持续改进。
超详细MSA测量系统分析讲解
2.线性的分析方法和接受准则
●回顾：
1.什么是线性？
●线性指南
1.在量具的操作范围内，选择g（子组数）≥5个零件 2.检验每个零件，以确定基准值 3.一个人测量每个零件m（子组容量）≥10次 4.计算每次测量的零件偏倚及零件偏倚的平均值。（偏倚i，j=Xi，j -基准值） 5.在线性图上画出单值偏倚和基准的偏倚值 6.计算并画出最佳拟合线和置信带 7.画出“偏倚=0”线，评审该图指出特殊原因和线性的可接受性 （即“偏倚=0”线必须完全在拟合线置信带以内）
MSA
课前思考
1.什么是MSA ？ 2.什么时候做MSA？ 3.谁做MSA？ 4.哪些测量系统需要做MSA？ 5.在哪里做MSA？ 6.怎么做MSA？原理是什么？
MSA
第一单元
MSA的基本概念
MSA
二.MSA的基本概念
1.测量的定义
●测量：被定义为“对某具体事物赋予数字（或数值），以表示它们 对于特定特性之间的关系”。这定义由C.Eisenhart（1963）首次提出 。赋予数字的过程被定义为测量过程。而数值的指定被定义为测量值 。
3.MSA与FMEA（潜在失效模式及后果分析）
a. FMEA可以用来识别特殊特性，为SPC和MSA确定控制和分析的 对象
b.可以建立测量系统FMEA，管理测量系统的风险
MSA
一.MSA的概述介绍
（二）MSA 与汽车行业五大质量手册
4.MSA与SPC（统计过程控制）
测量系统对适当的数据分析来说是很关键的，在收集过 程数据之前就应很好地对它加以了解。这些测量系统缺少 统计控制，或它们的变差在过程总变差中占很大比例，就 可能做出不恰当的决定。
MSA测量系统分析与结果解释
量具R&R 研究（交叉）：摘要：每次测量过程结果时都会发现某些变异。
产生这样的变异的变异源有两个：一是任何按照过程制造的部件都会存在差别，二是任何测量方法都不是完美无缺的?因此，重复测量同一部件不一定会产生同样的测量结果。
使用量具R&R 可以确定测量产生的变异性中哪一部分是由测量系统本身引起的。
测量系统变异性包括由量具本身和操作员之间的变异性引起的变异。
此方法适用于非破坏性试验。
当满足下列假定条件时它也可用于进行破坏性实验：（1）同一批内的所有部件都极为相似，以至于可以认为是同一种部件；（2）所有操作员都测量同一批部件。
可使用方差分析法、均值和R 法进行交叉量具R&R 研究。
其中使用均值和R法时计算更为简单，而方差分析法则更为准确。
在进行量具R&R 研究时，测量应按随机顺序进行，所选部件在可能的响应范围内提供了代表性样本，这一点非常重要。
1.1.1 数据说明选择了十个表示过程变异预期极差的部件。
由三名操作员按照随机顺序测量每个部件的厚度，每个部件测量两次。
1.1.2 方差分析法与均值-R 法的比较由于利用控制图进行计算比较简单，因而首先产生了均值-R 法。
但是，在某些方面方差分析法更为准确：（1）利用方差分析法可以研究操作员和部件之间会产生哪些交互作用，而均值-R 法却不同。
（2）利用方差分析法所用的方差分量对变异性进行的估计比使用均值-R 法的极差进行估计更准确。
1.1.3 量具R&R 的破坏性实验量具R&R 研究的主要目的之一是要查看同一个操作员或多个操作员对同一个部件的重复测量结果是否相似。
如果要进行破坏性实验，则无法进行重复测量。
要对破坏性测试应用Minitab 的量具R&R 研究，则需要假定某些部件“完全相同”，可视为同一个部件。
如果假定是合理的，则可将同一批产品中的部件当作同一个部件。
如果上述情形满足该条件，则可以根据部件具体的测试方法选择使用交叉量具R&R 研究或嵌套量具R&R 研究。
iatf 16949 质量管理体系 五大工具
iatf 16949 质量管理体系五大工具
IATF 16949质量管理体系是汽车行业的质量管理体系标准，
它是汽车行业供应链中的一种认可和要求。
它强调了连续改进、缺陷预防和减少变动和浪费的重要性。
其中，五大工具是指在IATF 16949标准中被推荐使用的五种质量管理工具，它们有
助于实现质量目标和持续改进。
1. 流程流程流程管理(FMEAs)：失效模式和影响分析(FMEAs)
是一种评估潜在失效模式和其对产品、工艺和系统的影响的方法。
它旨在提前识别可能出现的问题，并采取预防措施来减少潜在的质量问题。
2. 统计过程控制(SPC)：统计过程控制是一种监测过程稳定性
和预测可能质量偏差的方法。
它通过收集和分析数据，以及对过程变化进行控制，确保生产的产品符合预定的质量要求。
3. 量测系统分析(MSA)：量测系统分析用于评估和确认测量系
统的准确性、精确度和可重复性。
它确保在检测和测量过程中使用的测量系统可靠，并能提供准确的数据。
4. 过程能力(PPAP)：生产工序批准程序(PPAP)是一个文件包，用于验证生产过程能力和确认供应商是否满足汽车行业的特定质量要求。
它包括工程评审、样品检验和生产线验证等步骤。
5. 8D问题解决(8D)：8D问题解决是一种结构化的方法，用于
解决和纠正质量问题并防止再次发生。
它包括八个步骤，涵盖问题定义、团队组建、原因分析、纠正措施、预防措施等内容。
使用这五大工具，组织可以更好地管理和改进质量，提高生产和产品质量，并满足IATF 16949标准的要求。
汽车16949(MSA, SPC, FMEA, PPAP, APQP)五大工具详解
不确定性 (Uncertainty) ：是一个与量测结果有关的参数， 其特性是由于被测物特征所可能合理造成的数值离散。
量测不确定性
量测系统 不确定性
＝
2 再现性 2 重复性 2 平行性 2 线性 2 稳定性
2 校正标准 2 时间 2 产品 2 温度
2 电性改变
七、量测不确定性 (Uncertainty)
量测不确定性 计算量测系统不确定性95%之信赖区间
t = 真值 m=量测值
t = m ±2 量测系统 不确定性
统计制程管制 SPC
Statistical Process Control
一、统计技术之应用
供货商
组织
顾C FQC/OQC
SPC
SQC
一、统计技术之应用(续)
1.市场分析 2.产品设计 3.相依性规格、寿命及耐用性预测 4.制程管制及制程能力研究 5.制程改善 6.安全评估／风险分析 7.验收抽样 8. 数据分析、绩效评估及不良分析
1.量测系统均须在统计管制下而其所产生之变异应根源 于共同原因，而非特殊原因。
2.量测系统之变异须相对小于生产制程之变异。 3.量测系统之变异须相对小于规格界限。 4.量测系统之最小刻度须相对小于制程变异或规格界限
之较小者。
四、变异的来源(一)
工作件(零件)
弹性变形 质量 弹性特性 支撑特性
相互关连 的特性
二、 SPC使用之统计技术
1.柏拉图（决定管制项目） 2.直方图（决定次数分配） 3.管制图 4.抽样计划 5.变异数分析
三、制程管制系统
制程中对策 绩效报告 成品改善
制程中对策
人设材 员备料
成
品
方环 法境
三、制程管制系统(续)
MSA测量系统分析手册
进行这种举例的互相关系探测研究，被戴明博士(Dr.W.E.Deming)称为分析研究法(analytic studies)。通常，分析研究法是不断增加对影响过程的系统原因知识的一种分析研究。分析研究 是测量数据使用的重要应用之一，因为应用它们能使得对过程有更好的理解。
使用以数据为基础的程序的最大益处取决于所使用的测量数据的质量。如果数据质量低， 程序的益处可能会较低；同样的，如果数据的质量高，利益也可能会较高。
由以上这些定义可以将测量过程看成一个制造过程，其产生的输出就是数值(数据)。这样看 待一个测量系统是很有用的，因为这样让我们明白已经说明的所有的概念、原理和工具，这在 统计过程控制中早已被证实他们的作用。
术语汇总 1
标准(Standard)
用于比较的可接受偏倚
接受的准则
一已知的值，在不确定度(uncertainty)的指定范围内，被接受而为一真值(true value) 参考值(referencr value)
0
MSA Manual
第一章
测量系统总指南
第一章 — 第 A 节
引言、目的及术语
引言
测量数据的应用比以前更多更广泛了。例如：现在，是否对制造过程进行调整的决定通常 以测量数据为基础，将测量数据或一些从它们所计算出的统计值与过程的统计控制限(statistical control limits)进行比较，如果该比较显示过程已超出统计控制，则进行某种调整；否则，该过 程将被允许在没有调整的状态下运行。测量数据的另一个用途是确定在两个或多个变数之间是 否存在重大的相互关系。例如，如果怀疑一个模塑零件的某一关键尺寸与材料的注塑温度有关， 这种可能的相互关系可以通过利用一种称为回归分析(rearession analysis)的统计程序研究，以比 较关键尺寸的测量值与材料注塑温度的测量值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
44，是A和B都评价150次，两 个人都认为不合格的次数
0 A
1
总计
B
0
1
观测值 44
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
期望值 47.0 103.0
总计
50 50.0 100 100.0 150 150.0
6，是A和B都评价 150次，A认为不合 格，而B认为合格
的次数
假设检验分析—交叉表法 评价人A与评价人B的交叉表
3，是A和B都评价150次，A认 为合格，B认为不合格的次数
0 A
1
总计
B
0
1
观测值 44
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
期望值 47.0 103.0
总计
50 50.0 100 100.0 150 150.0
期望是试验中每次可能结果的概率乘以其结果的总和 可以这样理解，当多次进行这样的试验，最终获得的结果就是期望值
期望的计算方法
简单例子：扔硬币，国徽向上获得1元，扔一次付出0.6元，那 么多次这样扔，收益多少？
计算：收益=获得—付出=0.5X1-0.6=-0.1元。这是赔钱的
假设检验分析—交叉表法
评价人A与评价人B的交叉表
假设检验分析—交叉表法
评价人A与评价人B的交叉表
这里15.7的期望值，通过评价人A、 B共同选择不合格的概率乘以评价
B
次数总获得计
0 A
1
总计
0
1
观测值 44
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
A选不合格概率：50/150
50 50.0 B 选不合格概率：47/150 100 独立事件，共同概率： 100.0 50*47/（150*150） 150 评价总次数：150
3
97
期望值 31.3
68.7
观测值 47
103
期望值 47.0 103.0
总计
50 50.0 100 100.0 150 150.0
103，是评价150 次，B认为合格 的总次数（6+97）
=103
假设检验分析—交叉表法 评价人A与评价人B的交叉表
观察值是：通过测量或测定所得到 的样本值。具有直观的唯一确定性。
1 观测值
3
97
100
期望值 31.3
68.7 100.0
总计 观测值 47
103
150
期望值 47.0 103.0 150.0
期望值 47.0 103.0 150.0
期望值=[（50*47）/(150*150)]*150=15.7
假设检验分析—交叉表法
评价人A与评价人B的交叉表
这里34.3的期望值，通过评价人A 选择不合格,评价人B选择合格的
B
概率总乘以计评价次数获得
0
1
0 观测值 44
6
A
期望值 15.7
34.3
A选不合格概率：50/150 50 50.0 B 选合格概率：103/150
这里15.7的期望值，通过评价人A、 B共同选择不合格的概率乘以评价
B
次数总获得计
0
1
0 观测值 44
6
A
期望值 15.7
34.3
A选不合格概率：50/150 50 50.0 B 选不合格概率：47/150
1 观测值
3
97
100
期望值 31.3
68.7 100.0
总计 观测值 47
103
150
期望值 47.0 103.0 150.0
这是通过表格数出来
B
总计
0
1
0 观测值 44
6
50
A
期望值 15.7
34.3
50.0
1 观测值
3
97
100
期望值 31.3
68.7 100.0
总计 观测值 47
103
150
期望值可以理解为： 多次这样的评价获 得的平均值。评价 次数越多，越接近 期望值
期望值 47.0 103.0 150.0
期望的计算方法
总计
50 50.0 100 100.0 150 150.0
100，是评价150 次，A认为合格 的总次数（3+97）
=100
假设检验分析—交叉表法 评价人A与评价人B的交叉表
47，是B评价150次，认为不 合格的总次数。（44+3）=47
0 A
1
总计
B
0
1
观测值 44
6
期望值 15.7
34.3
观测值
97，是A和B都评 价150次，A认为 合格，B也认为
合格的次数
假设检验分析—交叉表法 评价人A与评价人B的交叉表
50，是A评价150次，认为不 合格的总次数。（44+6）=50
0 A
1
总计
B
0
1
观测值 44
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
期望值 47.0 103.0
案例来自于MSA手册（第四版）第92页
安排人员进行评价后，形成的数据表单如下所示
零件编号 1—50
评价人的 评价值
评价人 A/B/C三 人
零件的真 实值 详见MSA 手册（第 四版）93 页
用1表示可以接受，0表示不可以接受 对手册上的几个表格进行分析，理解Kappa的意义
假设检验分析—交叉表法 评价人A与评价人B的交叉表
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
A选不合格概率：50/150 50 50.0 B 选合格概率：103/150 100 独立事件，共同概率： 100.0 50*103/（150*150） 150 评价总次数：150
期望值 47.0 103.0 150.0
1 观测值
3
97
100
期望值 31.3
68.7 100.0
总计 观测值 47
103
150
期望值 47.0 103.0 150.0
假设检验分析—交叉表法
评价人A与评价人B的交叉表
这里34.3的期望值，通过评价人A、 选择不合格,评价人B选择合格的
B
概率总乘以计评价次数获得
0 A
1
总计
0
1
观测值 44
如何读懂MSA手册中Kappa分析的结果 如何读懂MSA手册中Kappa分析的结果
大家好！今天我们谈谈：“如何读懂MSA手册中Kappa分析的结果”。让我们以后更懂得实施测量系统分析。
看看MSA手册中Kappa例子 在计数型测量中，从过程中随机抽取50个零件，零
件覆盖了整个过程的范围 三个评价人，每个评价人对每个零件评价三次
期望值=[（50*103）/(150*150)]*150=34.3
假设检验分析—交叉表法
评价人A与评价人B的交叉表
B
这里68.7的期望值，通过评价人A、 B共同选择合格的概率乘以评价次 数获得
总计
0
1
0 观测值 44
6
A
期望值 15.7
34.3
A选合格概率：100/150 50 50.0 B 选合格概率：103/150