夏彬 | 测量系统分析(MSA)——量具R&R(2)

原文始发于微信公众号(药时代):夏彬 | 测量系统分析(MSA)——量具R&R(2)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

引言

上篇,咱们聊了:MSA实验设计表格引导生成过程中需要注意的方面。除了“操作员以随机顺序测量部件”、“操作员应至少测量10个部件外”,特别是“请选择表示过程变异的实际或预期极差的部件”(因为很容易犯的一个错误就是测量连续的部件、或者单个生产线的部件)。

正文

一、量具R&R研究(交叉)

正如大多数实验一样,一般,量具研究也必须是平衡的(每个操作员必须对每个部件进行相同次数的测量)。如果出现缺失数据,可以使用“扩展量具R&R研究”分析不平衡性。

夏彬 | 测量系统分析(MSA)——量具R&R(2)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图1 打开创建量具R&R界面-选项

建议选择“在操作员内部随机化运行顺序”。每个操作员按随机顺序测量第一个仿行中的所有部件。然后,每个操作员测量第二个仿行中的所有部件。

随机数生成元基数:当创建新数据集工作表时,如果希望得到相同的一组随机顺序,可以将基数设置为同一个值(如上图设置为2018)。

二、输入数据及结果分析

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图2 输入数据

选择minitab工具栏-统计-质量工具-量具研究-量具R&R研究(交叉)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图3 填入相关标签

注意:“分析方法”这里咱们选择“方差分析”(通常能更准确的估计方差,同时也考虑操作员与部件的交互性)。

同样点开“选项”。

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图4 量具研究(交叉):方差分析选项

1. 过程公差: 部件在仍满足客户要求的前提下可具有的变异数量。一般是规格上限与规格下限之间的差。比如:规格上限为31mm,规格下限是28mm.则过程公差为3mm。

2. 研究变异默认为6倍标准差,包含99.73%的测量值所需标准差的数量。

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图5 结果图表

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图6 方差分析表

之前咱们选择的方法是:方差分析。 现在咱们看看图6,来源包括:

(1)部件:部件的变异;

(2)操作员:操作员的变异;

(3)操作员*部件:操作员与部件的交互作用;

(4)重复性:非部件、操作员或操作员和部件交互作用解释的变异。

图6中“操作员*部件”交互作用P值为0.974>0.05,说明交互作用不显著,则应删除其效应,见图7.

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图7 方差分析表(不包含交互作用)

接着,咱们往下看:

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图8 方差分量(VarComp)

误差的变异性用“方差分量”和“方差分量贡献率”来评估。

(1)合计量具R&R:重复性和再现性方差分量的总和;

(2)重复性:衡量“同一操作员多次测量同一部件”测量变异性;

(3)再现性:衡量“不同操作员测量同一部件”的测量变异性;

(4)部件间:部件之间的测量变异性。

正如之前我们的希望:所有的观测值都是主要反映部件本身的变异(部件间);而“重复性”与“再现性”变异应尽量的小。图8中,“部件间”贡献率为92.24%,而“合计量具R&R”贡献率为7.76%。(92.24%+7.76%=100%)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图9 量具评估

概念解释:

1. 标准差(SD):每个变异来源的标准差,等于该源方差分量的平方根;

2. %研究变异(%SV): 每个变异来源的研究变异/总研究变异*100;

3. %公差(SV/Toler):每个来源的研究变异进行计算,除以过程公差并乘以100计算得出;

4. 可区分类别数:用于识别测量系统检测测量特征中的差异的能力。

注:

(1)由AIAG(汽车工业行动组织)出版的《测量系统手册》声明了5个或更多的类别,用于指示可接受的测量系统。如果可区分类别数小于5,则测量系统不具备足够的分辨力。如图9中,测量10个不同的部件,minitab报告可区分类别数位4,意味着该测量系统无法检测一些部件之间的差异。增加量具的精确度需要增加可区分类别数;

(2)%SV<10%测量系统可接受;10%<%SV<30%测量可能被接受,根据量具的重要性、量具的成本以及修理费用而定;%SV>30%测量系统不能接受,需要改进,应努力找到问题所在并纠正。如图9中,%SV为27.86%说明该测量系统还需谨慎接受。

夏彬 | 测量系统分析(MSA)——量具R&R(2)

图10 结果图表

回到图10,咱们依次解释:

1. 变异分量:上图显示绝大多数的变异来自于“部件间”;

2. R控制图:一种极差控制图,显示操作员的一致性;

3. Xbar控制图:将部件间的变异与重复性分量进行比较;

4. 测量X部件:每个部件的测量值的点期望尽可能的接近,这样则表示测量系统的变异小;

5. 测量X操作员:理想情况下,每个操作员的测量值之间均值应相同,也就是直线;

6. 部件X操作员:线重合在一起表示操作员的测量结果相似。线交叉在一起或者不平行表示操作员一致地测量部件的能力取决于测量哪个部件。

尾声

本篇概念内容较多,做MSA是很容易的:minitab上功能很齐全,结果解读也不难;同样也很难,难点在:上篇及本篇引言部分提到的注意事项,请记住:随机、重复、分组的原则

注:部分内容来源于网络,如有侵权请通知公众号处理。需要详细了解相关内容,请联系药时代drugtimes@qq.com

夏彬 | 测量系统分析(MSA)——量具R&R(2)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

夏彬 统计SME

工程师、医学硕士、LeanSigma黑带大师、国际知名统计学软件公司程序测试员。现任上海合全药业制剂项目部组长,负责业务相关数据工作,指导和参与二十余个QbD & DoE项目的设计、开展和统计分析。内容包括:传统统计、实验设计、数据挖掘、机器学习技术等开发和应用。精通Minitab、JMP、Design Expert、Python等软件。迄今,发表核心期刊论文10篇、专利33项(其中11项已授权)。

推 荐 阅 读

夏彬 | 测量系统分析(MSA)——量具R&R(1)

夏彬 | 测量系统分析(MSA)——总论1

夏彬 | 液体制剂的模拟仿真技术

DOE工具5——JMP篇-1(DOE系列之七)

DOE工具4——Statgraphics篇(DOE系列之六)

DOE工具3——MODDE篇(DOE系列之五)

DOE工具之二 —— Minitab篇(DOE系列之四)

DOE工具之一 —— Design Expert篇(DOE系列之三)

处方工艺DOE之我见(系列之二)

处方工艺DOE之我见(系列之一)

原创首发 | 从疫苗事件看当今制药工艺设计

夏彬 | 测量系统分析(MSA)——量具R&R(2)

夏彬 | 测量系统分析(MSA)——量具R&R(2)

欢迎联系我们!drugtimes@qq.com

发布者:药时代,转载请首先联系contact@drugtimes.cn获得授权

发表评论

登录后才能评论
分享本页
返回顶部