JMP数据分析：JMP使用技巧串烧：JMP测量系统分析(MSA)系列之二
MSA测量系统的分析过程
MSA测量系统的分析过程简介MSA（测量系统分析）是用于评估和确定测量系统进行精确测量的能力和可靠性的一种方法。
MSA的目标是确定测量系统中存在的任何误差，并分析其对测量结果的影响。
本文将介绍MSA测量系统分析的过程，并提供一些常用的工具和技术。
MSA测量系统分析的步骤1. 定义测量系统的目的和类型首先，我们需要明确测量系统的目的和类型。
测量系统可以是某种仪器、设备、工具或软件程序。
在这一步，我们需要确定测量系统用于测量哪些特定的量，并了解它是被动型、主动型还是控制型测量系统。
2. 选择合适的测量技术在这一步，我们需要选择适合的测量技术，根据测量任务的要求来确定使用哪种技术。
这可能包括使用传感器、测量仪器、计算机软件等。
3. 收集数据在进行测量系统分析之前，我们需要收集足够的测量数据。
数据收集可以通过对样本进行测量，或者从已有的数据集中获取。
收集的数据应包括尽可能多的不同样本，以便对测量系统的变化性进行评估。
4. 进行数据分析通过对收集的数据进行分析，我们可以得到一些关于测量系统的重要统计数据和指标。
这些数据可以帮助我们评估测量系统的稳定性、可重复性和准确性。
数据分析的方法包括平均值和标准偏差的计算、方差分析、相关性分析等。
我们可以使用统计软件工具，如Excel、Minitab等来进行数据分析。
5. 进行测量系统评估在这一步，我们将基于数据分析的结果对测量系统进行评估。
评估的目的是确定测量系统是否满足所需的精度要求，并识别系统中可能存在的任何问题或缺陷。
通常，我们使用一些指标来评估测量系统的能力，如控制图、方差分析图、偏差图等。
这些图形可以帮助我们直观地了解测量系统的性能并发现问题。
6. 优化测量系统如果评估发现测量系统存在问题或不满足要求，我们需要采取适当的措施来优化系统。
这可能包括调整测量设备、改进测量方法、培训操作人员等。
优化测量系统的目的是提高系统的稳定性、重复性和准确性，以确保测量结果的可靠性。
jmp过程sigma报表
jmp过程sigma报表JMP（Jump）是一种统计分析软件，它提供了丰富的数据分析和可视化工具，帮助用户更好地理解数据并做出科学决策。
其中，Sigma报表是JMP中的一个重要功能，它能够帮助用户进行过程能力分析，评估过程的稳定性和一致性。
本文将介绍JMP过程Sigma报表的基本概念和使用方法。
首先，我们需要了解什么是过程能力分析。
过程能力分析是一种用于评估过程的稳定性和一致性的方法。
它通过统计分析过程数据，计算过程的能力指标，如过程的均值、标准差、过程能力指数等，从而判断过程是否处于控制状态，是否满足产品质量要求。
JMP过程Sigma报表是一种用于展示过程能力分析结果的报表。
它以图表的形式展示过程的均值、标准差、过程能力指数等指标，直观地反映了过程的稳定性和一致性。
使用JMP过程Sigma报表，用户可以快速了解过程的状态，判断过程是否处于控制状态，是否需要采取改进措施。
使用JMP过程Sigma报表进行过程能力分析的步骤如下：第一步，收集过程数据。
首先，我们需要收集过程的样本数据，通常是连续的时间序列数据。
这些数据可以是产品尺寸、重量、时间等方面的测量结果。
收集足够多的样本数据是进行过程能力分析的基础。
第二步，打开JMP软件并导入数据。
在JMP软件中，选择“文件”菜单下的“导入数据”选项，将收集到的过程数据导入到JMP中。
确保数据的格式正确，包括数据的列名、数据类型等。
第三步，选择过程能力分析功能。
在JMP软件中，选择“分析”菜单下的“质量和过程”选项，然后选择“过程能力分析”功能。
在弹出的对话框中，选择导入的数据和需要分析的变量，点击“确定”按钮。
第四步，生成Sigma报表。
在JMP软件中，选择“报表”菜单下的“过程能力”选项，然后选择“Sigma报表”功能。
在弹出的对话框中，选择需要分析的变量和计算的指标，点击“确定”按钮。
JMP软件将自动生成Sigma报表，并以图表的形式展示过程的均值、标准差、过程能力指数等指标。
msa测量系统分析
msa测量系统分析MSA测量系统分析随着科技的不断发展和应用，测量系统在各个领域都起着至关重要的作用。
而为了确保测量结果的准确性和可靠性，我们需要对测量系统进行全面的分析和评估。
这就是测量系统分析（Measurement System Analysis，简称MSA）的目的所在。
本文将从理论、方法和实践等方面综述MSA的重要性和应用。
一、概述测量系统是实现测量目的的一套工具、设备和操作程序的集合，它可以对特定的量进行测量和分析。
测量系统分析是指对测量系统的各种因素进行评估和分析，以确保其满足预期的测量要求，并且可以提供准确可靠的测量结果。
二、MSA的重要性一个可靠的测量系统对于各个行业和领域都至关重要。
无论是在制造业、医疗保健、环境监测还是科学研究中，如果测量系统存在问题或者误差较大，将会导致错误的决策和不可靠的结果。
因此，MSA成为了保证测量系统准确性和可靠性的重要手段。
三、MSA的方法1. 重复性和再现性分析重复性是指在相同条件下，同一测量员对同一物体进行多次测量时得到的测量值的一致性。
再现性是指在不同条件下，不同测量员对同一物体进行测量时得到的测量值的一致性。
通过对重复性和再现性的分析，可以评估测量系统的稳定性和可靠性。
2. 偏倚分析偏倚是指测量结果与真实值之间的差异。
通过对偏倚进行分析，可以确定测量系统是否存在系统性误差，并对其进行校正和调整。
3. 线性度和稳定性分析线性度是指测量系统对于不同测量范围内的样本是否呈现线性关系。
稳定性是指测量系统的输出值是否随时间的推移而发生变化。
线性度和稳定性的分析可以帮助我们了解测量系统的工作状态，并进行相应的调整。
4. 分类和排序分析对于某些特定的测量系统，如视觉检测和图像识别系统，我们可以通过分类和排序分析来评估其性能和可靠性。
通过对样本的分类和排序，可以判断测量系统对于不同特征的判断准确程度。
四、MSA的实践MSA的实践需要依赖于科学的方法和工具，同时也需要结合具体的领域和应用情况。
msa第三版测量系统分析
MSA第三版测量系统分析1. 引言测量系统分析〔Measurement System Analysis, MSA〕是一种用于评估和改良测量系统〔包括设备、人员和过程〕准确性和可靠性的方法。
它是质量管理的重要组成局部，用于确保测量数据可信并符合质量要求。
本文将介绍MSA第三版的测量系统分析方法和工具，包括测量系统的评估、误差分析和改良措施等内容。
2. MSA第三版概述MSA第三版是根据实践和经验教训进行了更新和改良的最新版本。
它提供了一套全面的方法和工具，用于评估和改善测量系统的能力。
在MSA第三版中，测量系统被定义为一个用于测量、检查或观察的设备、软件、人员和过程的组合。
它涵盖了测量仪器的准确性、稳定性、线性性、重复性等方面。
第三版还引入了测量系统能力指数〔Measurement System Capability, MSC〕，用于评估测量系统是否满足质量控制要求。
3. MSA第三版的主要内容3.1 测量系统评估测量系统评估是MSA的第一步，它用于确定测量系统的准确性和可靠性。
在评估过程中，可以使用不同的工具和方法，例如测量重复性与再现性分析、测量偏差分析和测量不确定度评估等。
3.2 测量误差分析测量误差分析是MSA的核心内容，通过分析测量系统的误差来源，可以确定造成测量偏差的主要原因。
常用的方法包括误差树分析、回归分析和变异分析等。
3.3 测量系统改良测量系统改良是MSA的最后一步，目的是减少测量误差并提高测量系统的准确性和稳定性。
改良方法可以包括校准和维护测量设备、培训和指导测量人员以及优化测量过程等。
3.4 测量系统能力评估测量系统能力评估是MSA第三版引入的重要概念。
它用于评估测量系统是否能够满足质量控制要求。
常用的指标包括测量系统的制程能力指数〔Process Capability Index, Cp〕和制程能力指数偏差〔Process Capability Index Deviation, Cpk〕等。
MSA-测量系统分析
18 101.1 101.0 101.4
19 99.3 99.8 100.7
20 98.8 98.9 100.6
21 98.9 100.2 99.7
22 99.9 101.5 100.6
23 100.7 101.0 100.5
24 99.6 101.5 100.7
25 99.2 100.1 99.1
• 量规仪器的选择，首先是有关分辨率的要求。
– 分辨率：仪器的最小跳动值，请切记录是最小跳动值， 而不是最小刻度值。
– 选择的标准：在于考虑仪器必须有能力侦测出产品或 制程的变化，所以一般的通用要求要在规格的1/10以下。
– 精度要求一般也要在1/10以下。
p10
10
Phase2 计量型MSA
p11
p46
46
偏倚分析的做法
决定要分析的测量系统 抽取样本，取值参考值 请现场测量人员测量15次 输入数据到EXCEL表格中
计算EV及t值，并判定
是否合格，是否要加补正值 保留记录
p44
44
偏倚分析的做法
决定要分析的测量系统 抽取样本，取值参考值 请现场测量人员测量15次 输入数据到minitab表格中
计算EV及t值，并判定
是否合格，是否要加补正值 保留记录
现场人员测量： 现场人员：指的是实际在现场工作 的人员，由于他们来进行测量，才能 真正了解公司测量的偏差是多少。 重复测量十五次，取记录其值。
划出控制界限 将点子绘上 先检查R图，是否连续25点都在控制界限内， 以判定重复性是否稳定。 再看Xbar图，是否连续25点都在控制界限内， 以判定偏移是否稳定。 可以利用Xbarbar-标准值，进行偏差检定， 看是否有偏差。 可以利用Rbar/d2来了解仪器的重复性。
JMP数据分析：巧用公式,让变量的生成更简单
巧用公式，让变量的生成更简单在数据整理及分析中，我们经常遇到需要根据现有变量生成新变量的情况，比如将连续型的年龄划分为年龄段，将BMI的具体值转换为“标准”、“超重”等分组，提取地址变量中的某个字段，提取时间变量中的年月日等等。
在常用的一些编程统计分析软件中，我们需要记住一些函数才能够实现。
而在JMP中，这些需求都可以通过清晰直观的“公式编辑器”点击操作实现，某些甚至可以一键生成。
今天这篇文章我们将介绍几个平时分析中最常用的情境，帮助大家直观感受JMP生成新变量的方便与快捷。
为了帮助更多的临床医师学习如何运用JMP高效地开展数据分析，提高日常工作和发表论文的效率，2020年8月起，JMP资深用户、JMP特约专栏作者、资深统计学家冯国双博士及其团队将在JMP 数据分析平台为大家分享一系列统计及数据分析、JMP实战操作、JMP分析报表解读等干货内容，每期一个经典话题，帮助大家掌握一个新技能。
值得注意的是，这些话题并非仅针对临床医师，对所有运用JMP软件开展数据分析的小伙伴都适用。
本文为此系列文章的第7期。
点击上方“专辑”或文末可回顾其他几期。
01如何利用"公式编辑器”生成新变量？我们首先选取JMP自带样本数据库中的Diabetes数据，如图1。
图1 JMP样本库自带示例数据Diabetes插入新变量假设我们要根据BMI产生分类变量。
首先，创建一个新变量用来指示分组。
这里有两种方式，第一种是在任何一个变量顶部变量名处单击右键弹出菜单选择插入列，如图2。
图2 插入新变量（方式1）第二种是在空列处双击左键，如图3。
图3 插入新变量（方式2）插入新变量后，我们可以在该列名处单击右键进行列信息的设置，包括变量名称及类型等（关于变量名称的转换，可点击这里回顾）。
这里我们将该变量命名为[BMI分组]，变量类型设置为名义变量。
编辑公式假设将BMI分为三组：正常为<25，超重为25-<30，肥胖为>=30，我们需要利用条件公式，也就是常说的if-then创建新变量。
JMP基础操作
調整喜好設定＆工具列
喜好設定 Preferences
工具列 Toolbars
Page 16
Copy data from Excel to JMP Try「Shift+Paste」
開啟Excel&JMP
1.選取Excel中所需的資料，包括 變數名稱與該變數的資料。
Page 17
Copy data from Excel to JMP Try「Shift+Paste」
原有資料形式：
Page 31
Stack堆疊
2.選擇需堆疊選項變數，按OK
Page 32
Stack堆疊
Page 33
成為JMP易分 析的格式
Split分派
資料原先型態
Page 34
Split分派
2.選擇需分派選項與分派準則選項，按OK
Page 35
Split分派
Page 36
Add a Computed Column
Page 13
3.選擇角色…
Entering data
先進入資料編輯模式後
Tab：儲存格先往右，再往下移動 Shift + Tab：儲存格先往左，再往上移動 Enter：只能往下移動／到底後會自動新增一列 可直接以上下左右鍵移動亦可
Page 14
Find & Replace
類似 Excel 之尋找 / 取代” 功能
Add a new column
Keypad 介紹：
輸入公式
Page 37
Insert key Delete Key Switch Terms (運算符號前後 / 分子分母 對調) Unary Sign Function (改變正負號) Local Variable Key (用代數方式表示運算式) Delete Expression (移除運算式 / Peel off…)
MSA指导
一、测量系统分析在日常生产中，我们经常根据获得的过程加工部件的测量数据去分析过程的状态、过程的能力和监控过程的变化；我们必须从两方面来保证分析的结果是正确的，一是确保测量数据的准确性/质量，使用MSA方法对获得测量数据的测量系统进行评估；二是确保使用了合适的数据分析方法，如使用SPC工具、试验设计、方差分析、回归分析等。
测量系统的误差由稳定条件下运行的测量系统多次测量数据的统计特性：偏倚和方差来表征。
偏倚指测量数据相对于标准值的位置，包括测量系统的偏倚（Bias）、线性（Linearity）和稳定性（Stability）；而方差指测量数据的分散程度，也称为测量系统的R&R，包括测量系统的重复性（Repeatability）和再现性（Reproducibility）。
一般来说，测量系统的分辨率应为获得测量参数的过程变差的十分之一。
测量系统的偏倚和线性由量具校准来确定。
测量系统的稳定性可由重复测量相同部件的同一质量特性的均值极差控制图来监控。
测量系统的重复性和再现性由GageR&R研究来确定。
分析用的数据必须来自具有合适分辨率和测量系统误差的测量系统，否则，不管我们采用什么样的分析方法，最终都可能导致错误的分析结果。
在ISO10012-2和QS9000中，都对测量系统的质量保证作出了相应的要求，要求企业有相关的程序来对测量系统的有效性进行验证。
测量系统特性类别有F、S级别，另外其评价方法有小样法、双性、线性等.分析工具在进行MSA分析时，推荐使用Minitab软件来分析变异源并计算Gage R&R和P/T。
并且根据测量部件的特性，可以对交叉型和嵌套型部件分别做测量系统分析。
当一个部件只被一个测量员测量一次，其获得的数据模型就是嵌套模型；如果被多个测量员重复多次测量，其获得的数据模型就是交叉模型，而原则上，如果部件条件允许时，部件应该被多个测量员重复测量，以评估测量系统的再现性和重复性变差。
MSA量测系统分析
MSA量测系统分析引言MSA（Measurement System Analysis）即量测系统分析，是一种用于评估和改进量测系统的方法。
在各种工业生产和实验环境中，准确的量测是非常重要的。
量测系统包括测量设备、测量方法和人工操作。
通过进行MSA分析，我们可以确定量测系统的可靠性和精度，并且找出并消除潜在的误差来源，以达到准确和可重复的量测结果。
本文将对MSA量测系统分析方法进行详细说明，并讨论其应用和实施过程。
MSA分析方法MSA分析通常包括以下几个步骤：1.确定量测系统的目标：首先，我们需要明确量测系统的目标和测量要求。
例如，我们可能需要测量某个零件的尺寸，或者测量某个过程中的温度变化。
2.选择适当的测量方法：根据量测的特点和要求，选择适当的测量方法。
常见的测量方法包括直接测量、间接测量和视觉检测等。
3.收集测量数据：使用所选的测量方法，收集一定数量的测量数据。
这些数据将被用于后续的分析和评估。
4.进行变差分析：通过对收集到的测量数据进行统计分析，评估测量系统的变差情况。
常见的变差分析方法包括方差分析、极差分析和变异系数分析等。
5.评估测量系统的可靠性和精度：根据变差分析的结果，评估测量系统的可靠性和精度。
通常会使用一些指标来表示测量系统的性能，例如Gage R&R（重复性与再现性）指标。
6.确定并消除误差来源：根据评估结果，确定可能导致测量误差的主要来源，并采取相应的措施来消除或减小这些误差。
7.持续监控和改进：一旦改进措施被实施，需要定期监控和评估测量系统的性能，以确保其稳定并满足要求。
如果发现问题，需要及时采取措施进行改进。
MSA实施过程下面将详细介绍MSA实施过程的每个步骤。
1. 确定量测系统的目标在进行MSA分析之前，首先需要明确量测系统的目标和测量要求。
这可以通过与相关人员的讨论和需求分析来完成。
确定量测目标对于后续的工作非常重要，它将指导我们选择合适的测量方法和评估指标。
测量系统分析(MSA)基础知识及操作指导
测量系统分析（MSA）基础知识及操作指导在进行MSA之前，需要明确测量系统的目标，例如测量系统是否要用
于决策、控制过程或产品规范。
这将决定需要评估哪些方面的测量系统性能。
主要的MSA指标包括可重复性、再现性和准确性。
可重复性是指在相
同条件下，同一测量人重复测量同一件物品时，测量结果的一致性。
再现
性是指在相同条件下，不同测量人重复测量同一件物品时，测量结果的一
致性。
准确性是指测量结果与真实值之间的偏差，通常通过与已知参考值
进行比较来评估。
进行MSA的一种常用方法是通过使用方差分析（ANOVA）来评估测量
系统的偏差和变异。
这涉及到对多个测量人、多个测量仪器和多个样本进
行测量，并使用统计工具来分析数据。
ANOVA可以帮助确定是否存在系统
误差、测量人和仪器之间的差异以及这些差异对测量结果的影响。
进行MSA时，还需要确保测量系统的稳定性。
这意味着测量仪器应该
经过校准和维护，以确保其在测量过程中的稳定性和精确性。
此外，测量
人员也需要受过培训和了解测量程序，以减少人为误差。
基于MSA的结果，可以采取相应措施来改善测量系统的性能。
例如，
如果发现测量仪器存在较大的偏差，则可能需要调整或更换仪器。
如果发
现测量人员之间存在较大的差异，则可能需要对其进行培训或重新分配任务。
总之，测量系统分析（MSA）是一个评估测量系统性能的重要工具，
可用于确保测量结果的准确性和可靠性。
通过对测量系统进行分析和改进，可以提高质量控制和过程改进的效果，进而提高产品或服务的质量。
- 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)。
JMP使用技巧串烧：JMP测量系统分析(MSA)系列之二
在上一期的《JMP测量系统分析(MSA)系列之一》中，我们为大家介绍了入门级的传统计量型测量系统的分析过程，而当过程的输出特性为计数型数据时，即测量值为一组有限的分类数，最常见的如合格/不合格，一等品/二等品/三等品/······时，此类测量系统的分析方法显然将会有所不同。
目前，对于计数型测量系统多采用一致性比率和Kappa值来进行分析，本文的重点就是向大家介绍如何应用JMP来进行辅助评估。
其中，一致性比率是度量分类测量结果一致性最常用，也是最通俗易懂的一个统计量，用公式来描述即：
一致性比率=一致的次数/测量的总次数
而Kappa值(κ)则是另一个度量分类测量结果一致性的统计量，并且比较常见的是Cohen κ，它适用于度量两个变量具有相同的分级数和分级值时的吻合程度。
用公式来描述即：
公式中，P0为实际一致的比率；Pe为期望一致(随机猜对)的比率。
如果您觉得Kappa公式有些晦涩的话，那么不妨如下定性理解即可，假设我们欲评估两个评级员对30个部件合格与否的测量结果的一致性，试想一下，即便两个评级员不严格贯彻标准作业流程，只
是分别信口胡说30个评级测量结果，那么也可以获得两者在某种程度上的一致性，那么，所谓Kappa值就是扣除了这部分随机瞎蒙成分后的一致性结果，因此，相对更为准确。
在这里，作为应用者，我们不必过于纠结Kappa值的计算过程，因为在JMP等现代统计分析软件的辅助下，都可直接给出相应的计算结果，您只需会对结果进行解释和判定即可。
一般情况下，-1≤κ≤1，当κ=1时，表示两者完全一致；当κ=-1时，表示两者截然相反；当κ=0时，表示两者一致程度跟瞎蒙差不多。
此外，在AIAG MSA手册中，其建议参考标准如表-1所示。
表-1 Kappa值的一般判定标准
接下来，为了避免不必要的分歧和争议，我们直接引用AIAG MSA手册(第4版，英文版)，Chapter Ⅲ，Section C，Attribute Measurement Systems Study，P131-140中的案例，来对计数型测量系统分析的操作过程予以演示，并对输出结果予以简析。
“50个代表性部件，3个评级员，每个部件每人测3次的计数型数据汇总如表-2所示。
·“1”表示部件合格或接受；
·“0”表示部件不合格或拒绝；
·代表性部件的抽样细节其实很关键，比如50%左右的部件应该来自于“灰色”地带(即临近规格上下限的临界地带)，而剩余部件则应为明确的合格品与不合格品各半；
·检测者应实施盲测，以避免人为主观因素影响测量数据的真实性。
表-2 计数型测量系统分析数据集
JMP针对本例的计数型测量系统的分析操作步骤：
1. 首先，在源数据导入至JMP后，利用堆叠平台并稍加整理，即可轻松转换数据结构至图-1所示形式，并且最终变量类型都应设置为名义型变量。
图-1 计数型测量系统分析数据的录入和整理
2. 按图-2设置，启动“分析>质量和过程>变异性/计数量具图”平台。
图-2 “变异性/计数量具图”启动平台设置
3. 点击确定之后，后续核心工作便是对计数型测量系统分析输出报表的系列解析，依据AIAG MSA手册的指南，它主要包括以下几个方面：
1) 基于Kappa值，评估评级员之间是否具有良好的一致性，结果如图-3所示。
从中可以看出，由于Kappa值全部>0.75，因此认为评级员之间具有良好的一致性。
图-3 不同评级员之间Kappa值汇总
2) 基于Kappa值，评估评级员和参考标准之间是否具有良好的一致性，结果如图-4所示。
从中可以看出，由于Kappa值全部>0.75，因此认为评级员和参考标准之间也具有良好的一致性。
图-4 不同评级员和参考标准之间Kappa值汇总
3) 在评估了评级员之间、评级员和参考标准之间的一致性后，还可基于一致性比率评估每个评级员的测量有效性、误报率和漏报率。
首先，如图-5所示，在AIAG MSA手册中，该环节评估了以下4个方面：
I. 在所有测量中，评级员本身的一致性
II. 评级员的所有测量和参考标准的一致性
III. 所有评级员本身与其他评级员之间的一致性
IV. 所有评级员本身与其他评级员之间一致，且与参考标准一致的情况
图-5 AIAG MSA手册计数型测量系统分析有效性研究汇总表
而在JMP中，与之对应的输出报表如图-6所示。
值得一提的是，在JMP中，对于Ⅱ评估项的有效性定义为：正确决策数与决策机会总数之比。
举个例子，假定评级员A 对于某个部件的3次评级，有1个决策不正确（如合格、合格、不合格），那么，另外两个决策仍计为正确决策。
这一有效性定义不同于AIAG MSA手册，因为在AIAG MSA手册的定义下，评级员A对该部件的全部3个决策都将计为不正确。
可以认为，这两种定义无所谓绝对的对错，相对来说，单独计算所有评级决策可以提供整个测量过程的更多信息。
对于Ⅳ评估项结果，JMP虽然未直接给出，但也未发现AIAG MSA手册对该评估项设立明确的参考标准。
图-6 JMP计数型测量系统分析有效性研究相关输出报表
其次，在不同评级员的误报率和漏报率方面，汇总结果如图-7所示。
这里的误报率和漏报率分别是指：
图-7 不同评级员的误报率和漏报率汇总报表
最终，在AIAG MSA手册中，给出了本评估环节中一些定量指标的参考标准示例，如表-3所示，以及本环节的评级员实际评估结果汇总，如表-4所示。
表-3 评级员有效性、漏报率和误报率参考标准示例
表-4 评级员有效性、漏报率和误报率评估结果汇总
通过比对不难看出，如果以当前评级员有效性、漏报率和误报率参考标准为依据，那么没有哪位评级员在3个维度上是完全可以被接受的，也没有哪位评级员在3个维度上是完全不可被接受的，问题主要在于漏报率的指标评估上，这似乎在某种程度上与之前的Kappa值统计结论相悖。
因此，作为该测量系统分析的研究小组，一方面可以重新审视当前的有效性、漏报率和误报率标准定义是否合理，还是评级员需要更好的培训(特别是评级员代表C)，测量系统需要更进一步的改善？另一方面，也可以和内、外部客户沟通研讨，他们如何看待当前的分析结果，他们的期望和要求又是什么，双方是否
可以共同承担当前所反应出来的测量系统风险？因为综合所有分析结果来看，当前的测量系统并非不可有条件的接受。
此外，除了上述与AIAG MSA手册相呼应的分析内容外，JMP还给出了一些其它的可视化图表，比如图-8所示的量具计数图。
在量具计数图中，您同样不必过于纠结Y轴取值的来历，能够首要明晰在第一个图中，“一致性百分比”值越低的部件，评级员对其给出的测量结果越不一致；在第二个图中，“一致性百分比”值越低的评级员，与其他评级员或是自我评级结果越不一致即可。
即为您更进一步地深入分析该计数型测量系统指明了方向，并且也可与其它分析结果相互佐证。
图-8 JMP量具计数图
好了，以上就是我们本期所要介绍的有关计数型测量系统分析的全部内容，希望本文能够帮助您进一步了解JMP在MSA领域的具体应用，我们下期再见。