质量工具25---MSA测量系统分析

admin

一：认知重构——理解MSA的本质与价值

1. 核心定义

测量系统分析（MSA），是对用于获得测量结果的整个“过程”进行评估的系统方法。这个过程，即测量系统，由操作人员、测量设备、被测零件、测量方法和环境五大要素交互构成。MSA的核心目的，是量化并分离测量过程中引入的误差，从而判断测量数据有多大比例反映了产品的真实变异，又有多少是测量本身的“噪声”。

2. 战略价值

一个未经充分分析的测量系统，其数据会像一面失真的镜子，扭曲我们对过程与产品的认知。其直接后果是：可能导致对过程的错误调整、对供应商的不当处置、对合格产品的不必要报废，或更危险地，将不良品误判为合格品流出。因此，MSA是实施统计过程控制（SPC）、进行过程能力研究、以及任何基于数据的质量决策的强制性前提和信任基础。

二：系统解剖——MSA五大核心特性的实战评估

一个稳健的测量系统必须通过以下五大特性的检验。

特性一：偏倚 —— 系统性“准确度”的检验

定义：测量观测值的平均值与一个被接受的、更精确的参考值（基准值）之间的差值。它衡量的是测量系统的“系统性误差”。

实战操作：

a.选择一个可追溯到更高精度标准的基准件。

b.在固定环境下，由一位熟练操作者使用待评估量具，对该基准件重复测量25次或以上。

c.完整记录所有数据。

分析与决策：

a.计算测量平均值与基准值的差值，即偏倚。

b.进行统计检验（如t检验），判断该偏倚在统计上是否显著不为零。

c.决策点：若偏倚显著，必须对测量设备进行校准、调整或补偿。曾有一台用于测量轴径的精密测长仪，被发现存在+0.002mm的显著正偏倚，经校准修正后，消除了后续装配中因测量误差导致的干涉问题。

特性二：线性 —— 全量程“一致性”的考核

定义：在量具预期的工作范围内，偏倚值随被测尺寸大小变化的一致性。它确保量具在不同测量点上均保持准确的测量能力。

实战操作：

a.选取覆盖整个工作量程（最小、中值、最大附近等）的5个以上具有不同基准值的标准件。

b.使用待评估量具，对每个标准件进行多次测量（如10次）。

分析与决策：

a.绘制以基准值为X轴、偏倚值为Y轴的散点图，并进行线性回归分析。

b.分析回归直线的斜率。理想状态是斜率为零的直线。若斜率显著不为零，表明存在线性误差。

c.决策点：显著的线性问题通常意味着测量设备的设计或磨损存在根本性局限，可能需要设备升级、分段校准或更换。

步骤	方法/步骤	具体内容
1	确定测量范围	明确量具的量程范围，即测量系统能够准确测量的最小值和最大值。
2	选择测试点	在量程范围内均匀选择多个测试点，通常至少包括量程的最小值、最大值以及中间几个关键点。
3	准备基准值	使用更高精度的量具或标准件，在每个测试点上测量并获取基准值。
4	实施测量	使用待测量具，在每个测试点上分别进行多次测量，并记录每次测量的结果。
5	计算偏倚值	对每个测试点，计算待测量具的平均测量值与基准值之间的差值，即偏倚值。
6	绘制线性图	以测试点的值为横坐标，对应的偏倚值为纵坐标，绘制线性图。
7	评估线性	观察线性图，判断偏倚值是否随测试点的变化而呈现线性关系。
8	计算线性度	根据线性图，可以计算线性度指标，如最大偏倚值、偏倚值的最大变化量等，用于量化评估线性的好坏。
9	判断线性是否合格	将计算得到的线性度指标与预设的接受准则进行比较，判断测量系统的线性是否合格。
10	原因分析与改进措施	如果线性不合格，需要深入分析原因，如量具的设计缺陷、磨损、非线性误差等。
		根据原因分析，提出改进措施，如重新设计量具、更换磨损部件、校准调整等。
11	记录与报告	记录整个线性测量过程的数据和分析结果。
		编写线性测量报告，包括测量系统的基本信息、测试点的选择、基准值的获取、测量结果、线性图、评估结论以及改进措施等内容。

特性三：稳定性 —— 长期“可靠性”的监控

定义：测量系统的统计特性（均值与变差）随时间保持稳定的能力。

实战操作（推荐控制图法）：

a.选取一个性能稳定的中间值标准件或代表性产品。

b.制定计划，定期（如每日或每周）在固定条件下由同一人员测量该标准件3-5次。

c.将此作为日常监控项目，长期收集数据。

分析与决策：

a.将数据绘制成Xbar-R（均值-极差）控制图。

b.依据控制图判异准则（如点出界、连续趋势、链等）进行分析。

c.决策点：若控制图显示受控，则系统稳定；若发现异常模式，则需调查原因，如设备磨损、环境变化、维护不当等，并采取预防性维护或环境控制措施。例如，通过稳定性监控图，我们曾发现一台三坐标测量机在夏季特定时段测量值波动增大，最终锁定为空调周期性送风导致局部温度变化，通过加装挡风罩解决了问题。

步骤	方法/步骤	具体内容
1	确定测量对象与特性	挑选一个或多个具有代表性的零件，明确要测量的特定特性。例如在机械加工行业，可选择关键尺寸作为测量特性。 确保所选零件的特性在测量期间相对稳定，不会因自然因素或其他原因发生显著变化。
2	选择测量系统	确定用于测量的量具，保证量具经过校准且在有效期内，其精度能满足测量要求。 安排经过培训、熟悉量具操作的测量人员。
3	规划测量时间间隔	根据测量系统的预期使用频率和可能发生变化的时间周期，确定合理的测量时间间隔。例如，对于频繁使用的量具，可每周测量一次；对于使用频率较低的量具，可每月测量一次。 制定详细的测量计划，明确每次测量的具体日期和时间。
4	初始测量	在计划开始时，使用选定的测量系统对零件的特性进行多次测量（一般不少于 5 次）。 记录每次测量的结果，并计算初始测量值的平均值和标准差。
5	定期测量	按照预定的时间间隔，在相同的测量条件下（如相同的环境温度、湿度等），由同一测量人员使用同一量具对零件进行多次测量。 每次测量后，记录测量结果，并计算该次测量值的平均值。
6	数据收集与整理	将每次测量得到的数据整理成表格，包含测量日期、测量平均值等信息。 以测量日期为横轴，测量平均值为纵轴，绘制控制图（如 X - R 控制图或 X - s 控制图）。
7	分析稳定性	观察控制图上的数据点分布情况。如果数据点都落在控制限内，且没有明显的趋势或周期性变化，则说明测量系统的稳定性良好。 计算测量值的长期变差，可通过计算不同时间段测量平均值的标准差来评估。 将长期变差与预设的稳定性接受准则进行比较。
8	评估结果	如果测量系统的稳定性符合接受准则，则认为测量系统在长时间使用过程中能保持较好的准确性，可以继续正常使用。 如果稳定性不符合要求，需要进一步分析原因，如量具的磨损、环境因素的影响等。
9	采取改进措施	根据原因分析的结果，制定相应的改进措施。例如，如果是量具磨损导致稳定性问题，可对量具进行维修或更换；如果是环境因素影响，可改善测量环境。 实施改进措施后，重新进行稳定性分析，验证改进效果。
10	记录与报告	记录整个稳定性分析过程中的所有数据、图表和分析结果。 编写详细的稳定性分析报告，包括测量系统的基本信息、测量过程、分析结果、评估结论以及改进措施等内容，以便后续查阅和参考。

特性四与五：重复性与再现性（GR&R）—— 综合能力的“终极考验”

GR&R研究是MSA中最常用、最核心的部分，它综合评估了设备固有波动和人员操作差异。

重复性：同一操作者，使用同一设备，多次测量同一零件的同一特性时产生的变差（设备固有变差）。

步骤	方法/步骤	具体内容
1	确定测量条件	明确测量环境（如温度、湿度等） 确定测量人员 选择合适的测量量具 确定测量对象及测量特性
2	准备测量设备	确保测量设备经过校准并处于有效期内 检查测量设备的状态，确保其正常工作
3	选择测量样本	选取具有代表性的测量样本 确保样本数量足够，以反映测量系统的整体性能
4	设定测量次数	根据测量系统的特性和要求，设定合理的测量次数 一般情况下，测量次数应足够多，以减小随机误差的影响
5	实施测量	由同一测量人员使用同一量具，在相同条件下多次测量同一零件的同一特性 记录每次测量的结果
6	计算重复性	对测量结果进行统计分析，计算重复性标准差（通常使用标准差或变异系数来表示） 重复性标准差反映了量具本身在多次测量中的一致性程度
7	评估重复性	将计算得到的重复性标准差与预设的接受准则进行比较 如果重复性标准差小于接受准则，则认为测量系统的重复性是可接受的 如果重复性标准差大于接受准则，则需要进一步分析原因并采取措施进行改进
8	记录与分析	记录测量过程中的所有数据和分析结果 对重复性不佳的原因进行深入分析，如量具的磨损、测量人员的操作误差等 提出改进措施，如校准量具、培训测量人员等
9	实施改进措施	根据分析结果，实施相应的改进措施 对改进措施的效果进行验证，确保测量系统的重复性得到提高

再现性：不同操作者，使用同一设备，测量同一零件的同一特性时，测量平均值的变差（人员间变差）。

步骤	方法/步骤	具体内容
1	准备阶段	确认量具具有合格的校准证，且在有效期内 选择经过培训和考核的合格测量人员 确定测量环境，保持测量条件的一致性 选取具有代表性的测量零件和测量特性
2	设计测量方案	确定测量次数，通常每个测量人员对每个零件的每个特性进行多次测量 设计数据记录表格，用于记录每次测量的结果
3	实施测量	不同测量人员按照测量方案，使用同一量具在相同条件下进行测量 每个测量人员独立进行测量，避免相互干扰 记录每次测量的结果，确保数据的准确性和完整性
4	数据整理与分析	对测量结果进行整理，计算每个测量人员每次测量的均值 计算不同测量人员测量结果的均值之间的差异，即再现性变差 可以使用统计方法（如方差分析法）对再现性进行更深入的评估
5	评估再现性	将计算得到的再现性变差与预设的接受准则进行比较 如果再现性变差小于接受准则，则认为测量系统的再现性是可接受的 如果再现性变差大于接受准则，则需要进一步分析原因并采取措施进行改进
6	原因分析与改进措施	对再现性不佳的原因进行深入分析，如测量人员的操作差异、量具的精度不足等 根据分析结果，提出改进措施，如加强测量人员的培训、更换更高精度的量具等 实施改进措施，并对改进效果进行验证
7	记录与报告	记录整个测量过程的数据和分析结果 编写测量系统分析报告，包括再现性的测量结果、评估结论、原因分析及改进措施等 将报告提交给相关部门和人员，以便他们了解测量系统的性能并采取进一步的行动

GR&R实战操作流程：

1.样本准备：随机抽取10个能够代表过程实际变差的生产零件（非标准件）。

2.人员选择：选取3名日常执行该测量的操作员。

3.实施盲测：对样本编号并随机排序，确保操作员不知晓历史测量值。3名操作员以随机顺序，对全部10个样本各测量3次，共计90次测量。

4.数据记录：使用结构化的表格确保数据准确无误。

GR&R分析与决策的核心三指标：

这是决定测量系统命运的关键，必须综合解读：

1.%GR&R（占总变差百分比）：首要宏观指标。

＜10%：测量系统优秀。

10% - 30%：测量系统可接受，但用于关键特性时需谨慎评估。

＞30%：测量系统不可接受，必须改进。这意味着测量误差过大，掩盖了产品真实的信号。

2.%P/T（占公差百分比）：当过程能力极高（变差很小）时，需额外关注此指标。它表示测量波动占产品规格公差的比例，通常也要求低于10%或30%（依据特性重要性）。

3.可区分类别数：至关重要的诊断与能力指标。它直接回答了“我的测量系统能把产品区分为多少个不同的、有统计意义的类别？”

计算公式基于GR&R研究中的部件变差与测量设备变差。

接受准则：必须 ≥ 5。

深刻内涵：如果nd< 5，即便%GR&R勉强合格，也意味着测量系统的分辨率不足。它无法有效侦测到过程的微小变化，用于SPC控制图时几乎无效，因为数据点过于“粗糙”，无法揭示过程趋势。例如，ndc=3意味着测量系统只能将过程输出大致分为“小、中、大”三类，这对于现代精密制造的过程监控是远远不够的。

综合决策实战案例：

在某汽车零部件生产线，我们对一个关键装配间隙进行GR&R研究。初步结果：%GR&R = 28%（临界），但 ndc = 3.8（＜5）。深入分析方差成分，发现再现性变差占主导（超过70%）。这表明问题核心在于人员操作差异，而非设备本身。

改进措施（针对再现性差与低ndc问题）：

1.标准化作业：编制了图文并茂、包含关键操作要点的测量作业指导书，并录制了标准操作视频，统一了测量力度、对准方式和读数习惯。

2.操作员培训与认证：对所有相关检验员进行理论培训和实操考核，确保其理解并掌握标准方法，通过一致性测试后才予上岗。

3.测量工装优化（防错）：与工程部门协作，设计并制作了专用的测量定位夹具，极大减少了对操作者个人技巧的依赖。

改进效果验证：

三个月后重新进行GR&R研究，结果显著改善：%GR&R降至11%，同时 ndc提升至 8.2。这证实了测量系统不仅整体误差减小，而且分辨过程微小变化的能力得到了质的飞跃，为实施有效的SPC监控奠定了坚实基础。

质量工具25---MSA测量系统分析

三：从分析到行动——构建持续改进的测量管理体系

MSA的价值最终体现在驱动系统性改进上。管理者应将MSA视为一项持续的管理活动，而非一次性项目：

制度化：将关键测量系统的MSA（尤其是稳定性监控和定期GR&R复测）纳入年度质量计划。

责任化：明确设备维护、人员培训、作业标准化的责任部门与流程。

闭环化：任何MSA分析发现的问题，都必须有明确的纠正与预防措施，并跟踪验证其效果。

投资于严谨的MSA，就是投资于企业质量决策的“导航系统”的精度。它让我们从“数据争议”走向“数据共识”，从“经验猜测”走向“科学决策”。

在质量的世界里，没有准确的测量，就没有有效的控制，更谈不上卓越的改进。