线性和偏倚分析
量具线性和偏倚研究概述使用量具线性和偏倚研究可评估测量设备操作范围内的精确度。
选择覆盖量具操作范围的部件。
每个部件必须有一个参考值。
例如，一名工程师要评估量具的线性和偏倚。
该工程师选择5 个表示测量预期极差的部件。
每个选中的部件均通过布局检查进行测量以确定其主要测量值。
一个操作员使用量具随机测量每个部件12 次。
在何处可找到此分析要执行量具线性和偏倚研究，请选择统计 > 质量工具 > 量具研究 > 量具线性和偏倚研究。
何时使用备择分析●要在具有交叉数据的情况下完整分析测量系统，请使用交叉量具R&R 研究。
●要在具有嵌套数据的情况下完整分析测量系统，请使用嵌套量具R&R 研究。
量具线性和偏倚研究的数据注意事项要确保结果有效，请在收集数据、执行分析和解释结果时注意以下准则。
每个参考部件必须具有已知测量值参考值是参考部件的已知标准测量值。
在测量系统分析过程中，将参考值用作主值进行比较。
例如，您使用已知重为0.025 g 的参考部件校准天平。
应按随机顺序收集数据如果不随机收集数据，分析结果可能会有误导性。
选择表示测量实际或预期极差的部件。
跨测量实际或预期极差选择部件，可以评估您的量具是否对量具测量的所有部件大小具有相同准确度。
一个操作员应执行所有测量单个操作员应测量所有部件和所有仿行，这样来自不同操作员的量具变异才不会成为因子。
量具线性和偏倚研究示例一位工程师想要评估用于测量轴承内径的测量量具的线性和偏倚。
该工程师选择了五个表示测量预期极差的部件。
按布局检查测量每个部件以确定其主测量值，然后由一位操作员随机测量每个部件12 次。
该工程师之前使用方差分析法执行了交叉量具R&R 研究，确定该总研究变异是16.5368。
1.打开样本数据，轴承直径.MTW.轴承直径.MTW2.选择统计 > 质量工具 > 量具研究 > 量具线性和偏倚研究。
3.在部件号中，输入部件。
4.在参考值中，输入主水平。
5.在测量数据中，输入响应。
6.在过程变异中，输入16.5368。
7.单击确定。
解释结果线性百分率（斜率* 100 的绝对值）是13.2，这表明量具线性可以解释整个过程变异的13%。
斜率的p 值是0.000，表明斜率是显著的，且在测量系统中存在线性。
因为线性是显著的，所有工程师必须使用单个偏倚值而不能使用整个平均偏倚值。
各个偏倚百分比值可以从0.2 到3.7，它们的p 值可以从0.000 到0.688。
参考值2、8 和10 有偏倚。
值4 和6 没有偏倚。
为量具线性和偏倚研究输入数据请完成以下步骤来指定量具线性和偏倚研究数据。
1.在部件号中，输入包含部件名称或编号的列。
2.在参考值中，输入包含每个部件的参考值的列。
参考值是每个部件已知的标准测量值。
3.在测量数据中，输入包含观测到的测量值的列。
4.（可选）在过程变异中，输入一个表示6 * 过程标准差的值（如果您有的话）。
您可以从量具R&R 研究的输出中“研究变异(6 * SD)” 列的“总变异”行获得过程标准差，也可以输入已知值（6 * 历史标准差）。
在该工作表中，部件包含部件号标识符，参考包含已知的标准测量值，响应包含每个部件的测量值。
4.1.选择统计 > 质量工具 > 量具研究 > 量具R&R研究（交叉）。
4.2.对话框中输入“部件号”和“测量数据”，并点击确定。
4.3从输出结果中找到过程变异为量具线性和偏倚研究指定研究信息统计 > 质量工具 > 量具研究 > 量具线性和偏倚研究 > 量具信息输入要用于识别此研究的信息。
量具名称输入量具标识符。
研究日期输入进行研究的日期。
报表人输入报告研究信息的人员的姓名。
量具公差输入量具公差。
量具公差表示量具所具有的辨别力（也称为测量增量）。
量具公差是量具的测量最小单位（也称为分辨率或分辨力）。
AIAG 指导原则，称为“十分规则”，说明量具分辨率应至少将过程公差分为10 部分。
过程公差是能够维持产品性质的偏离目标值的可允许偏差（过程变异）。
例如，您的公司生产外直径为0.35 mm 的圆珠笔。
可接受的圆珠范围为0.34 至0.36mm。
通过用最大直径与最小直径相减，得出过程公差为0.02。
为了准确测量这些滚珠，必须使用能够检测出此范围中的多个差异的量具。
U使用十分规则，计算过程公差的10%。
这表示量具必须能够检测出滚珠间至少0.002mm 的差异。
其他输入要记录的有关此研究的其他信息。
报告结果展示为量具线性和偏倚研究指定选项统计 > 质量工具 > 量具研究 > 量具线性和偏倚研究 > 选项输入要指定进行分析的信息。
重复性标准差的估计方法选择要让Minitab 用于评估重复性标准差的方法。
•样本极差：使用样本极差。
•样本标准差：使用样本标准差。
标题您可以为量具线性和偏倚报告输入自定义标题。
解释量具线性和偏倚研究的主要结果完成以下步骤解释量具线性和偏倚研究。
主要输出包括偏倚与参考值对比图、线性度量和偏倚度量。
步骤1：检查评估线性的拟合回归线线性通过测量系统的预期操作范围评估平均偏倚的差异。
使用“偏倚与参考值”图可以查看每个部件的偏倚值是如何变化的。
对于每个参考值，蓝圈表示偏倚值，红色方形表示平均偏倚值。
偏倚是部件参考值和操作员对部件的测量值之间的差异。
在“量具偏倚”表的“偏倚”下方还会列出平均偏倚值。
通过偏倚值，利用最小二乘回归法拟合回归线。
您希望数据形成水平线，表明偏倚在各个大小部件之间未发生变化，测量系统未包含显著偏倚。
当水平线接近于0 时，观测到的平均测量值和参考值之间的差异会非常小，也表明该系统未包含显著偏倚。
所有部件间的偏倚量很小理想情况是—线为水平线且接近于0。
每个部件的偏倚非常小，水平线表示线性不存在问题。
线性看起来没问题标绘线接近水平，表明平均偏倚相对稳定，且不依赖于参考值。
在此示例中，所有部件的测量值高于其相应参考部件的测量值。
线性看起来有问题标绘线是倾斜的。
在本示例中，较小部件的测量值高于其对应参考部件值的测量值。
而较大部件的测量值往往低于其对应参考部件值的测量值。
步骤2：确定量具线性是否有统计意义一般而言，拟合线的斜率越接近于零，量具的线性将越好。
理想情况下，拟合线将为水平线且接近于0。
使用拟合线斜率（量具线性斜率）的p 值来确定线性是否有统计意义。
如果p 值大于0.05，则可以推断线性不存在且可以评估偏倚。
使用平均偏倚的p 值评估平均偏倚是否显著不同于0。
●如果p 值小于或等于0.05，则可以推断出存在线性问题。
您可以评估每个单独参考值的偏倚而非整体偏倚。
当存在显著线性时将无法评估整体偏倚，因为不同参考值上的偏倚是不同的。
换句话说，当线性具有显著统计意义时，将仅解释单个参考水平的偏倚p 值。
主要结果：量具线性P在这些结果中，斜率的p 值是0.000，表明斜率是显著的，且在测量系统中存在线性。
因为线性具有显著统计意义，您必须使用单个偏倚值而不能使用整个平均偏倚值。
步骤2：确定比值在统计意义上是否显著偏倚是部件的参考值与操作员的部件测量值之差。
检查每个参考值的偏倚百分比和平均偏倚百分比。
平均偏倚百分比是表示为过程变异性百分比的偏倚。
理想情况下，偏倚值接近0。
0 以外的值表示以下内容：●正偏倚表示量具测量值高。
●负偏倚表示量具测量值低。
对于可以准确测量的量具，偏倚百分比值也很小。
使用P 值可以检验对于每个参考值和平均值偏倚是否有偏倚= 0。
主要结果：偏倚百分比、量具偏倚P在这些结果中，偏倚百分比值的范围是0.2 到 3.7，其P 值的范围是0.000 到0.688。
由于存在线性，因此仅解释单个参考水平的偏倚p 值，而不使用总体平均偏倚值。
参考值2、8 和10 的测量值有偏倚，而参考值 4 和 6 的测量值似乎没有偏倚。
量具线性和偏倚研究的所有统计量和图形为量具线性和偏倚研究提供的每个统计量和图形查找定义和解释指南。
偏倚与参考图使用“偏倚与参考”图可以查看每个部件的偏倚值是如何变化的。
蓝点表示每个参考值的偏倚值。
红色方框表示每个参考值的平均偏倚值。
直线表示拟合偏差的平均值的最小二乘回归线。
解释理想情况下，每个部件的偏差接近于0 且此拟合线为水平线。
线性看起来有问题标绘线是倾斜的。
在本示例中，较小部件的测量值高于其对应参考部件值的测量值。
而较大部件的测量值往往低于其对应参考部件值的测量值。
线性看起来没问题标绘线接近水平，表明平均偏倚相对稳定，且不依赖于参考值。
在此示例中，所有部件的测量值高于其相应参考部件的测量值。
系数系数是一些来自偏倚与参考值图的回归线的数字。
此最小二乘回归线的一般形式为：项b 表示固定系数。
它表示拟合线与Y 轴的相交位置。
项a 表示斜率系数。
直线的斜率表示直线的陡峭程度，是Y 轴随X 轴变化所发生的变化情况。
解释当斜率系数a 非常小时，斜率接近于水平。
因此，偏倚在多个参考值之间相对稳定，其线性不是显著问题。
斜率系数的绝对值|a| 越大，表示直线的陡峭斜率越大。
如果斜率的p 值小于alpha，则线性显著。
如果没有显著线性，则固定常量的绝对值|b| 越大，表示偏倚越大。
如果有显著线性，则必须查看各个偏倚值。
系数标准误回归系数估计值的标准误度量模型对系数未知值的估计的精确度。
系数的标准误始终为正。
解释使用系数的标准误来度量系数估计值的精确度。
标准误越小，估计值越精确。
将系数除以其标准误计算t 值。
如果与此t 值关联的p 值小于α 水平，则断定系数显著不等于零。
量具线性的p 值以下p 值用于检验线性：•常量的p 值：用于检验线性直线的常量是否等于0。
•斜率的p 值：用于检验线性直线的斜率是否等于0。
解释如果p 值大于α 值，则不能否定原假设，如下所示：•对于常量，如果p 值大于α 值，则不能否定原假设，并得出所有参考值的偏倚量等于0 的结论。
•对于斜率，如果p 值大于α 值，则不能否定原假设，并得出测量系统对于所有的参考值具有相同的偏倚量（不存在线性）的结论。
如果p 值小于α 值，则可否定原假设，如下所示：•对于常量，如果p 值小于α 值，则可否定原假设，并得出所有参考值的偏倚量不等于0 的结论。
•对于斜率，如果p 值小于α 值，则可否定原假设，并得出测量系统对于所有的参考值不具有相同的偏倚量（存在线性）的结论。
S 和R 平方S 和R 平方(R2) 是模型对数据的拟合优度的度量。
S 是对σ 估计，是围绕回归线的标准差。
R 平方(R2) 表示偏倚中的变异部分，依据偏倚和参考值之间的线性关系进行解释。
解释S 值越小表示在偏倚估计中的变异越少。
R2介于0 和100% 之间。
通常，R2值越高，模型拟合数据的优度越高。
线性、线性百分比线性通过测量系统的预期操作范围评估平均偏倚的差异。
做MSA时常见的十大错误问题
做MSA时常见的十大错误问题1.只做GR&R分析, 其它的偏倚,线性,稳定性不用做,理由是仪器校准过了!!--校准针对的只是该量具是否准确,而MSA是对整个测量系统的统计分析.两者区别这里不多说.2.做偏倚/线性分析时, 基准值直接选取为本次测量数据的平均值.--在上述情况下, 得出来的偏倚永远为零!因为是自己跟自己比较,有用吗?基准值应用更高精度的测量系统得出来,3.做偏倚时不分析其直方图,直接输入数据后看EXCEL给的判定.--此为懒人行为, 不想动脑筋的人. 分析直方图可以得知此次测量有无出现特殊原因, 否则偏倚不合格时你都不知道怎么回事, 除非你老是想造假数据.4.做线性分析时, 不区分量具的工作量程和固有量程.--很多时候同事们都不先考虑此量具的工作行程到底是多少, 而按其固有量程进行分析. 所以经常做无用功. 还有一种情况就是根本就不覆盖其整个工作量程, 这是不认真的态度.5.稳定性分析时, 未考虑时间和环境的变化, 每天固定时间进行测量.--请问, 这样做稳定性分析有什么意义?6.GR&R分析时, 不根据测量系统的目的来区分TV的不同.--TV可以用过程变差来计算,可以用公差来计算,可以用PV及GR&R来计算,具体选取哪一个,应考虑测量系统的目的. 测量系统用于判定时,TV用公差计算;测量系统用于过程控制及过程研究时, 用过程的变差(即6西格玛)来计算, 如对测量系统的持续适宜性或为了确定过程方向,TV用PV来计算,后两种样品应覆盖整个过程范围才有意义.7.GR&R分析时, 样品的分布未覆盖整个过程变差范围.--所以NDC数显得很低,因为其默认为样品分布是覆盖过程变差范围的,所以得出的仪器分辨力NG,不能区分出产品间的区别.8.GR&R分析时, 将测量值四舍五入.--这是乱来的, 关键是这样乱来的人还很多.9.计数型测量系统分析时, 样品的特性值不典型, 不取在模糊区间的样品.-- 例: 规格限为80-120,在其中则判定为OK,<80或>120即判NG.取样时, 样品都在50或150 左右, 分析出来量具100%可靠.晕请取在模糊区间的样品, 如79/ 81/ 118/ 121等, 否则有人会信服你的测量系统吗?10.做完MSA报告就完毕, 未将其结果输出给控制计划.--说实话, 这个比较难. 但对于GR&R大于10%,<20%仍接受的测量系统,最好将其考虑到CP中去. 因为在线控制中, 经常出出现测量值稍微超出控制限或规格限的情况, 这时候你能分清楚是测量系统的原因还是产品本身的原因吗?。
测量系统-偏倚研究
2019/4/1
19
确定偏倚的指南 -控制图法
确定的水平依赖于敏感度水平，而敏感度水平是用来评价/控 制该生产过程并且与产品/生产过程的损失函数（敏感度曲线）相关 联。如果水平不是用默认值0.05（95%置信度）则必须得到顾客的 同意。
2019/4/1
20
控制图法举例
对一个基准值 6.01的零件进行稳定性研究（见MSA手册p72页图 9），所有样本（20个子组）的 总平均值是 6.021。因而计算偏倚 值为 0.011。 使用电子表格和统计软件，研究者产生了数值分析结果（见表 4）。 因为0落在偏倚置信区间（- 0.0800 ，0.1020）内，过程小组 可以假设测量偏倚是可以接受的，同时假定实际使用不会导致附加 变差源。
2019/4/1
9
确定偏倚的指南 - 独立样件法
4.计算该评价人n个读数的均值。 公式如右：
5.计算可重复性标准偏差。 其中 d*2可以从附录c中查 到，g＝1，m＝n。
2019/4/1
10
确定偏倚的指南 - 独立样件法
6.确定偏倚的t统计量： 偏倚＝观测测量平均值－基准值 其中σ r=σ 重复性 7.如果0落在围绕偏倚值1-置信区间以内， 偏倚在水平是可接受的。 d2，d*2和v可以在附录c中查到，g=1，m=n。
偏倚的分析程序 1.1按生产过程所要求的检验项目、内容和检验规定，从生产过程中 选取一个零件作为样品。 1.2 首先确定所检查零件特性的基准值。基准值应尽可能通过更高 一级的计量装置或在工具室、 全尺寸检验设备上确定。确定的读数应与量具R＆R研究中的评价人 的观察平均值（Xa 、Xb、Xc）进行比较。
2019/4/1
11
独立样件法 —范例
标准差
偏倚的计算——精选推荐
偏倚计算的示例一名制造工程师需要对一个新的测量系统进行偏倚的分析，测量装置分析表明没有线性问题，所以工程师只做了测量系统偏倚，他的研究程序是：1.选取一个样件，得出一个可追溯到相关标准的基准值。
这个基准值是“6.0”。
2.请一个评价人，以工作状态通常的方法测量这个样件15次。
3.相对于基准值，将数据画出直方图。
评审直方图，确定是否存在特殊原因或出现异常；如果没有，继续分析。
4.计算该评价人n个读数的均值。
公式如下：x该评价人15次测量的平均值是：x=6.00675.计算可重复性标准偏差σr，既σ重复性。
其中d2*可以从《与均值极差分布相关的值》的表中查到，查出的d2*值是：3.55333注：g＝1（子组容量为1），m＝n=15（子组大小）。
计算结果：0.225146.确定偏倚的t统计量：t= 偏倚/σb偏倚= 测量值的平均值—基准值该评价人15次测量的偏倚值是：0.0067 σb利用下面的公式计算。
计算结果是：0.11537．根据子组的容量和子组的大小，通过173页的《与均值极差分布相关的值》表格，查找出自由度（v或df）；查出的结果是df=10.88．再查表找出显著的t值。
该值是通过查《t分布分位数表》来找出的，依据自由度v（df）10.8，选α（置信度）= 0.05，α/2就是0.025，1-α/2=0.9750，则从表p=0.9750与自由度V值10.8的交叉处选值。
该表中的自由度只有10和11，没有10.8我们所要求的数，故应予以分摊。
其中10为2.22814，11为2.20099，分摊到10.8的自由度为2.20642。
8．下面开始计算；0.0067-[0.05813（2.20642）]= -0.121560.0067+[0.05813（2.20642）]=0.134969．结果评价计算结果表明，“0”落在这两个上下限计算值之间。
结论是该测量系统的偏倚是可以接受的。
陈瑞泉。
计量型MSA五性分析报告
XXX 公司计量型MSA 分析报告日 期：实 施 人： 评 价 人：仪器名称： 仪器编号： 分析结论： 合格 不合格 审 核：批 准：2017年2月23日陈秋凤、雷丽花、欧阳丽敏 张志超数显卡尺（中间检验） XXX计量型MSA分析报告目录稳定性 (1)偏倚 (4)线性 (7)重复性和 (9)再现性备注: 对于有条件接收的项目应阐述接受原因.第一节稳定性分析1.1 稳定性概述在经过一段长时间下，用相同的测量系统对同一基准或零件的同一特性进行测量所获得的总变差，即稳定性是整个时间的偏倚变化。
1.2 试验方案2017 年 02 月份，随机抽取一常见印制板样品，让中间检验员工每天的早上及晚上分别使用数显卡尺对样品外形尺寸测量5次/组，共测量25组数据，并将每次测量的数据记录在表1。
1.3 数据收集表1 稳定性分析数据收集记录表1.4 测量系统稳定性可接受判定标准1.4.1 不允许有超出控制限的点；1.4.2 连续7点位于中心线同一侧；1.4.3 连续6点上升或下降；1.4.4 连续14点交替上下变化；1.4.5 连续3点有2点距中心的距离大于两个标准差；1.4.6 连续5点中有4点距离中心线的距离大于一个标准差；1.4.7 连续15点排列在中心线的一个标准差范围内；1.4.8 连续8点距中心线的距离大于一个标准差。
1.5 数据分析图1 中间检验_数显卡尺 Xbar-R控制图从图1 Minitab生成Xbar-R控制图可知，没有控制点超出稳定性可接受判定标准，表明该测量系统稳定性可接受。
1.6 测量系统稳定性分析结果判定对中间检验_数显卡尺进行稳定性分析，分析结果表明该测量系统稳定性可接受。
第二节偏倚分析2.1 偏倚分析概述对相同零件上同一特性的观测值与真值（参考值）的差异。
2.2 试样方案2.2.1选择一个被测样品,确定样品的外形尺寸基准值x，样品外形尺寸基准值通过__铣边工序所使用的泛用型尺寸测量机重复测量10次取测量均值获得。
MSA培训(一)
5
MSA
测量系统误差分类
• GR&R - 量具重复性和再现性 = (仪器 +人员)变 差
–重复性 - 同一测量人员用同一测量仪器，多次测量 同一零件的同一特性所获得的测量变差（绝对相同状 况下，进行的重复测量）
% 偏倚 = (|偏倚|/过程变差) x 100 = (0.00036/0.00310) x 100 = 11.6%
观测值要比基准值平均小0.00036”, 占过程变差的11.6%
观测次数 1 2 3 4 5 6 7 8 9
10
外径观测值 (英寸) 0.72660 0.72440 0.72535 0.72630 0.72710 0.72745 0.72630 0.72515 0.72525 0.72570
11
MSA
偏倚的解读
• 偏倚=0.00036,表明测量平均值比基准值大了0.00036. 由于测量误差的普遍存在，因此我们应分析此偏倚是测 量误差造成的表面现象，还是确实存在偏倚呢？
• 采用T检验来确定：“偏倚是否为0”.若确实存在偏倚， 则应在校准时确定其偏倚值，并在以后的测量时，对在 此特定的基准值加以相应的修正。
– 偏倚% =[(偏倚/过程变差(公差)]100
10
MSA
偏倚范例
同一作业员对一条轴的外径作了10次测量，数据如下：过程变差估计为0.00310”,基准值为 0.72650”，是一个名誉值，即假定产品与原样一致。估计偏倚
均值 (X-bar) = 0.72596
偏倚 = 观测均值 - 基准值 = 0.72596 - 0.72650 = 0.00036
临床生化检验常用质量评估指标
临床生化检验常用质量评估指标1.精密度：精密度是评估分析方法的复现性和重现性的指标。
它反映了在相同的条件下，同一样本在不同的时间、不同的实验室或不同的仪器上进行检验时，结果的一致性。
常用的评估精密度的方法包括重复测定同一样本，计算相对标准偏差（RSD）或方差。
2.准确度：准确度衡量了分析方法的测量结果与参考值或真实值之间的接近程度。
它可以通过与金标准方法或已知浓度的样本进行比较来评估。
常用的评估准确度的方法包括偏倚分析（bias analysis）、回归分析（regression analysis）和协议试验（protocol trial）。
3.线性范围：线性范围是指方法测量结果的有效浓度范围。
临床生化检验中，很多指标的浓度通常是一个数量级的变化，因此对于线性范围的评估十分重要。
常用的评估线性范围的方法包括制备一系列已知浓度的样本，并绘制浓度与测量结果之间的曲线。
线性范围通常通过斜率和截距来表示。
4.灵敏度：灵敏度是指方法检测到样本中的目标物质的能力。
它通常用最低检测限（LOD）或最低可测限（LOQ）来表示。
LOD是指方法可靠地检测到目标物质的最低浓度，而LOQ是指方法可以进行可靠测定的最低浓度。
5.特异性：特异性是指方法能区分目标物质与其他干扰物质的能力。
在临床生化检验中，特异性非常重要，因为样本中可能存在多种物质，而且有些物质的浓度非常接近。
6.稳定性：稳定性是指在一定条件下，样本的物质浓度是否会发生变化。
稳定性评估可以包括温度稳定性、时间稳定性和冻融稳定性等方面。
它可以通过存储样本在不同时间、温度和条件下的测量结果来评估。
7.参考范围：参考范围是指背景人群中正常人的测量结果的范围。
参考范围的确定可以通过大规模的人群调查和统计分析来获得。
参考范围的确定对于判断检验结果的异常与否具有重要意义。
综上所述，临床生化检验常用的质量评估指标包括精密度、准确度、线性范围、灵敏度、特异性、稳定性和参考范围等。
MSA测量系统五性说明
1、让每个测量人用检具测量每个部件2 次或以上，计入表格。 2、计算GR&R数据表（每个人的均值与极 差，每一行也求均值。） 3、计算重复性和再现性报告，先上后 下，先左后右。
95％，由无数个点的偏倚置信组合成一条“河”
斜率未变，节距变化，意味着平行的斜线。
6、计算绝对的t值
1、GR&R评价标准
a、GR&R小于10％，该测量系统可接受；
2、让测量人用被分析的检具测量 15次以上
析，描好点，做好图线即 3、计算每次测量的偏倚值（测量
可，不用分析。
值－基准值）
4、根据偏倚值或测量值做直方图
1、直方图如果成正态分布，该测
量系统的偏倚可接受，否则不可接
受。
2、如果可接受，计算偏倚的高值
当X-R图无异常时，该测量系 和低值，分别有公式：低值小于等
判断准则 统稳定性可以接受，否则不 于零，高值大于等于零，该检具的
可以接受。
偏倚可接受，否则不可接受。
3、以上1和2同时成立，才可接受
。主要看“t”值，关注附录C标准
第210页。
综述 对于一般的计量型检具：测量系统分析时：稳定性要分析，重复性和再现性要做，对于偏倚和
MSA测量系统分析方法
不能上三座标。
1、y＝0的线段如果在y＝ax＋b直线的置信区间 b、GR&R大于等于10％，小于等于30％
之内，该测量系统的线性可接受，否则不可接受 时，由项目小组（APQP）协商确定；
。
c、GR&R大于30％时，不可接受。
2、可接受继续进行分析第6步，计算绝对的t 2、ndc（代表分辨的能力）大于等于5
值，是否小于被查的数值。小于线性可接受。 时，可接受，否则不可接受。零件变差
MSA测量系统分析控制程序
MSA测量系统分析控制程序文件编号：版本号：AO发布日期：2023-03-11审批:编制:1.目的对测量系统变差进行分析评估，以确定测量系统是否满足规定要求，确保测量系统满足测量要求，确保产品质量。
2.范围本程序适用于本公司所要求的或顾客要求的所有测量设备的测量系统分析。
3.定义3.1MSA：指MeaSUrementSystemsAna1ySiS（测量系统分析）的英文简称。
3.2测量系统：指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。
3.3偏倚（准确度）：指测量结果的观测平均值与基准值的差值。
一个基准值可通过采用更高级别的测量设备（如：计量实验室或全尺寸检验设备）进行多次测量，取其平均值来确定。
3.4重复性：指由一个评价人，采用一种测量仪器，多次测量同一零件的同一特性时获得的测量值变差。
3.5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。
3.6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性时获得的测量值总变差。
3.7线性：指在量具预期的工作范围内，偏倚值的差值。
3.8盲测：指测量系统分析人员将评价的5—10个零件予以编号，然后要求评价人A用测量仪器将这些已编号的5—10个零件第一次进行依此测量（注意：每个零件的编号不能让评价人知道和看到），同时测量系统分析人员将评价人A第一次所测量的数据和结果记录于相关测量系统分析表中，当评价人A第一次将5—10个零件均测量完后，由测量系统分析人员将评价人A已测量完的5-10个零件重新混合然后要求评价人A用第一次测量过的测量仪器对这些已编号的5-10个零件第二次进行依此测量，同时测量系统分析人员将评价人A第二次所测量的数据和结果记录于相关测量系统分析表中，第三次盲测以此类推。
3.9AN0VA：方差分析法3.10计量型数据：定量的数据，可用测量值来分析。
3.11计数型数据：可以用来记录和分析的定性数据。
MSA丨偏倚及确定偏倚的方法
MSA丨偏倚及确定偏倚的方法
MSA分为计数型和计量型。
而偏倚是计量型所包含的一种方法。
偏倚通常被称为“准确度”。
是指对相同零件上同一特性的观测平均值与真值(参考值)的差异。
偏倚是测量系统的系统误差。
它会增进所有已知或未知的变差来源所共同影响的总偏差，这促使在某一测量时期内重复地应用相同测量过程时，以总偏差趋向去恒定和预测地补偿所有的结果。
范例：
一个制造工程师评价了一个用于过程监控的新测量系统。
测量设备的一项分析证明该测量系统应该没有线性误差的考量，所以该工程师只需对测量系统的偏倚进行评价。
他基于一份已文件化的过程变差描述，在这测量系统操作范围内选取了一个零件；通过对该零件进行了全尺寸测量来确定它的参考值,然后由主要操作者测量该零件15次。
通过使用散布图和统计软件，检验员得到了直方图和数值分析结果(参见图III-B2和表II-B2)
此柱状图并未显示出任何需要额外分析和评审的异常现象或异常值。
将0.2120的重复性与预期的过程变差(标准差) 2.5 进行比较。
由于%EV = 100(. 2120/2.5) = 8. 5%，所以这个重复性是可以接受的，偏倚分析也能继续进行。
由于0落在偏倚置信区间内(-0.1107，0. 1241)，该工程师可假设
这测量的偏倚是可接受的，即在实际使用时，将不会带来额外的变差来源。
MSA测量系统线性分析
6.7 MSA 测量系统线性分析说明：参考张智勇所著《ISO/TS16949五大工具最新版一本通》编写。
6.7.1 .1 线性概述线性概述每个测量系统都有其量程，因此，好的测量系统应该要求在量程的任何一处都不存在偏倚。
但由于偏倚可以通过校准而加以修正，因此有时可以对测量系统的偏倚放宽些要求，但为了在任何一处都能对观测值加以修正，我们必须要求测量系统的偏倚具有线性。
测量系统的线性是指如下两点要求：1)偏倚应是基准值的线性函数。
若记x 为基准值，y 为偏倚，则应有：y ax b =+ 这个要求对控制偏倚有好处，这样一来，当测量基准值较小（量程较低的地方）时，测量偏倚会比较小，当测量基准值较大（量程较高的地方）时，测量偏倚会比较大。
2）该线性函数的斜率a 要求较小。
因为斜率a 偏大，将会导致偏倚分散。
而斜率a 偏小，将会导致偏倚集中（见图6-14）。
图6-14 14 斜率斜率a 对偏倚的影响对偏倚的影响6.7.2 线性线性分析方法分析方法1）选择g 个（g≥5）零件作为基准件，这些零件的测量值应覆盖量具的操作范围。
2）用比要研究的测量系统更高级别的测量系统对这些零件进行多次测量，取多次测量值的平均值作为它们各自的基准值，如案例6-3所示。
3）选择1个测量人，对每个零件件重复测量m 次（m ≥10次），将测量数据记录在数据表里（见案例6-3）。
测量时，应注意保持各次测量结果之间的统计独立性，也就是要使后面的测量读数不受前面读数的影响，具体方法就是使各个零件和测量次数的组合随机化。
记i x 为第i 个零件的基准值，i j x ，为第i 个零件第j 次重复测量时的测量值，这样共有g m ×对数据：i i j x x ，（，），12i =，，......，g；j=1,2,......,m。
4）计算零件每次测量的偏倚i j B ，及每个零件的偏倚均值i B 。
i j i j i B x x =−，，1m i jj i BB m==∑，5）在线性图上画出相对于基准值的每个偏倚及偏倚均值（线性图见案例6-3）。