矯正プロセスは、その測定システムが理解されている場合にのみ、防御可能な修正の決定を下すことができます。. ゲージの再現性と再現性の研究は、測定プロセスに関連する変動の評価に役立ちます, しかし、一般的な調査は、実際のワークピースを表していない場合、誤解を招く可能性があります。, データム, 治具, サポート, リリース状態の状態と決定中. A machine's correction repeatability is also not the same thing as measurement-system R&r.
この記事ではMSA/Gage Rのフレーム作成方法について説明します。&R学習. StraighteningTech %R は報告されません&r, CG/CGK結果, 顧客の受け入れ結果または普遍的なしきい値. 適用される顧客/業界の要件と実際の研究データが結論を左右します.
*エンジニアリングの概念図. 測定と補正のコンテキストの候補を示します, 完了したMSA研究や主張された測定機能ではありません。*
最初に測定対象と決定を定義する
研究で何を測定しているのかを正確に説明する: リリース状態の真直度値, 定義されたステーションでの振れ, 中心線のずれ, チューブの楕円率値またはその他の制御された特性. 図面データムを固定する, サポートします, 向き, ゲージ, 計算方法と合否の用途. 試験ごとに測定条件が変わると、研究を解釈できなくなります.
| 研究の質問 | なぜそれが重要なのか |
|---|---|
| どのような特性が測定されるのか? | 直進性を妨げる, なくなる, 楕円形とフィクスチャ信号の混合 |
| 意図された決定とは何ですか? | スクリーニング研究と最終受け入れ研究には異なる厳密さが必要な場合があります |
| どのデータムとサポート条件が適用されるか? | セットアップが変動の主な要因となる可能性がある |
| パーツは解放されていますか、それとも拘束されていますか? | 条件は受け入れ要件と一致する必要があります |
研究が分けるバリエーション
研究設計の目的は、観察された変動の合計を割り当て可能なバケットに分類して、最大の要因を特定できるようにすることです。. 装置のバリエーション - 再現性 - は同じオペレーターのものです, 同じセットアップ, 繰り返し読んでも同じ部分が表示される: センサーノイズ, 座席が分散している, 計算の四捨五入. 鑑定者のばらつき、つまり再現性は、手動ステーションのオペレータ間で変化するものです: セットアップテクニック, プローブの配置, 読書習慣. 部品間の変動が実際の信号です: サンプル部品間の実際の違い. バケットが間違って混合されている場合、一部の測定値の間で部品が再装着されますが、他の測定値では再装着されません。, 異なるサポート位置を使用する 2 人のオペレーター — スタディ属性のフィクスチャとメソッドは、それを吸収したバケットに分散します。, そしてその結論は間違った目標を指している.
構造上の詳細の 1 つは、それ以上に注目に値するものです: パーセンテージの数値には分母が異なります, そして彼らはさまざまな質問に答えます. 研究独自に観察された広がりのシェアとしての変動は、ゲージが部品を相互にランク付けできるかどうかを示します。これは、プロセス管理と修正の決定に役立ちます。. 公差の割合としての変動は、ゲージが合格境界を監視できるかどうかを示します。これは最終検査にとって重要な問題です。. システムは、一方に対しては適切であるように見えても、他方に対しては不十分であるように見える場合があります。, 特に、プロセスにより部品が許容範囲よりもはるかに均一になる場合は、, これはまさに、有能な矯正ラインの状況です。. 分母を明らかにせずに 1 つの数字を報告することは、研究が技術的に誠実であり、事実上誤解を招く最も一般的な方法です.
サンプル部品が研究の運命を決める理由
ゲージR&R の研究には数学的に異なるサンプル部分が必要です; そうしないと, 部品間のバケットはゼロに向かって崩壊し、測定の変動があらゆる割合を支配します。, 優れたゲージでも非難する. これにより古典的なトラップが作成されます: 適切に管理された箱から取り出した部品は、すべてほぼ同じと読み取られました, 研究 “失敗する”, 実際の結果はサンプルが信号を伝送していないということであるにもかかわらず、導き出された結論はゲージが不良であるということです. 解決策は、プロセスで実際に生成される範囲にわたる部分を意図的にサンプル選択することです。, deliberately including near-boundary parts where the acceptance decision is genuinely uncertain, そして特に矯正のために, parts measured before and after correction so the study sees the working range of the characteristic. これらには人為的に部品を変更することは含まれていません; 快適な中間分布ではなく、実際の分布をサンプリングする必要があります。, 各サンプルの出所を文書化する.
代表的な部品と条件を選択してください
通常のプロセス範囲と関連する決定境界を表す部分を含めます。, 簡単に測定できるサンプルだけではありません. 適切な場合, さまざまな部品条件を含む, 駅や方向. 研究計画では、制御されていない治具やセットアップの変更によって部品間の変動が混同されることを避ける必要があります。.
*エンジニアリングの概念図. ワークの測定に関する質問を表します, 規定の学習備品ではない, センサーまたはサンプリング計画*
再装着と治具の効果を意図的に含める
まっすぐなラインに, 読み込み中, データムシート, サポートの接触とクランプの状態は読み取り値に影響を与える可能性があります. 再装着が日常的なプロセスの一部であるかどうかを決定し、関連する場合は研究に含めます。. 生産で繰り返しリロードされる場合は、部品を 1 回限りの理想的な位置に保持して治具の変動を隠さないでください。.
見る 治具の再現性とデータム着座 そして 荷重と解放の真直度測定 これらの境界線のために.
手動測定条件と自動測定条件の区別
手動プロセスでは, オペレータのセットアップ, 接触や読書の習慣が要因となる可能性がある. 自動化されたプロセスで, 関連するバリエーションには自動読み込みが含まれる場合があります, パーツID, レシピ, フィクスチャシーケンス, センサーの安定化と例外処理. 研究では実際の状況を文書化する必要がある, 自動化によって再現性や安定性のリスクがすべて排除されるとは考えないでください.
*エンジニアリングの概念図. 最終的な解放状態の決定を強調します; 測定変動が特定の制限内にあるということを表明するものではありません。*
研究の使用目的を確認する
再現性のレビュー, 該当する場合は再現性, 部品間のばらつき, セットアップ/備品の貢献, 安定性, 利用可能な場合はバイアス/相関関係、およびシステムが意図した受け入れまたはプロセス制御の決定をサポートできるかどうか. パーセンテージだけでは完全な結論は得られません. レポートでは部品ファミリーについて説明する必要があります, データム, ゲージ, 研究デザイン, 結果の制限, 是正措置と承認権限.
Use machine gauge versus customer gauge correlation to connect a line study to the customer's final method, そして 矯正サンプルテストと合格 FAT/SAT 計画に証拠を置くため.
バイアス, 直線性と安定性: 他の 3 つの質問
再現性研究の答え “ゲージはそれ自体と一致していますか?” — three further questions complete a defensible measurement system. バイアスは、ゲージの読み取り値が基準に対して系統的に高いか低いかを尋ねます。: on a straightening line, 基準は顧客ゲージです, マシンと顧客の比較はバイアス研究です, 両方の方法で一致したパーツに対して実行されます. 直線性は、測定範囲全体にわたってバイアスが一定に保たれているかどうかを問います。: 適度に曲がった部品については顧客と一致するが、ひどく曲がった部品については乖離する機械ゲージには、簡単な部品についてのみ実行した調査では決して明らかにならない直線性の問題がある. 安定性では、システムの動作が長期間にわたって維持されるかどうかが問われます: shift against shift, week against week, as tooling wears, センサーの老化と季節の変化. 1 日の調査ではこれらのいずれも証明されません; 生産期間中の定期的なチェックの安定性ログは、. 4 つの質問を合わせると、実際のラインでの実際的な不安がマッピングされます。その内容を信頼できますか?, 境界線で信じてもいいですか, 範囲内のどこでも信頼できますか, 来月は信じてもいいですか.
研究が失敗した場合の対処法
失敗した研究は発見である, 恥ずかしいことではない, そして応答には順序があります. 初め, 設定を見直す: スキャッタを再配置する, データムの状態とサポートの配置が矯正ステーションに大きく影響します, また、修正するのが最も安価です。 回転信号の診断 適用する. 2番, メソッド定義を調べる: 試行間の測定条件の混合, あいまいな計算ルールや一貫性のないゲージ接触により、ハードウェアを変更しても除去できない変動が生じます。. 三番目, ハードウェアを調べる: センサーの状態, プローブの磨耗, 治具のコンプライアンス — 可能性の高い順, not the reverse. 残留変動が本当にランダムである場合、決定ごとにより多くの読み取り値を平均することは正当な軽減策です。, しかし、本当の原因が緩いサポートや曖昧なデータである場合、それはバンドエイドです。, 欠陥を隠しながらラインを遅くする. すべての修正アクションは、同じサンプル設計の繰り返しスタディにループバックします。, したがって、前後は比較可能です - その比較, 時間とともに, ラインがその合格決定の基準となる測定の信頼性をどのように構築するか, それは、FAT または SAT の審査員が確認を求める証拠です。, per the 受け入れチェックリストの規律.
よくある無効な学習パターン
- 生産受け入れ特性とは異なる特性を研究しています;
- 意図した決定に対して意味のあるバリエーションが少なすぎるパーツを使用している;
- 理由を文書化せずに通常の再装着/固定効果を除外する;
- 機械補正結果を測定値 R として扱う&r;
- 顧客/品質のコンテキストを持たない一般的なパーセントしきい値を適用する;
- 顧客とゲージの相関関係の代わりにラインゲージを使用する.
よくある質問
ゲージRですか&R 機械の能力と同じ?
いいえ. ゲージR&R は測定システムを評価します. マシン/プロセスの能力は別の質問であり、証拠も異なります.
自動化により MSA は不要になりますか?
いいえ. 自動セットアップ, 備品, センサー, 安定化とソフトウェアはすべて変動や偏りに寄与する可能性があります.
1 つの MSA 結果はすべてのシャフトまたはチューブ ファミリに適用できますか??
自動的ではありません. ワーク, データム, 治具, 特性と意図された決定が比較可能でなければなりません.
ゲージが新しいのになぜ研究が失敗したのか?
Usually the samples, not the sensor. 適切に管理されたビンから取り出された部品には、部品間のばらつきがほとんどありません。, そのため、優れたハードウェアであっても割合は膨らみます. 最初にサンプル設計を確認してください。部品は実際のプロセス範囲にわたる必要があります。, 境界付近の例を含む - 次に、セットアップとメソッドの条件, そしてその後初めてゲージ自体が.
許容誤差に対する%GRRと研究変動に対する%GRRの違いは何ですか?
分母. 研究の変動に対して, 数字は、ゲージが部品を相互に区別できるかどうかを示します - プロセス管理の問題. 耐性に反対, ゲージが合格境界を監視できるかどうか、つまり検査の質問が示されています. システムは一方を通過しても、もう一方は失敗する可能性があります, 特に、広い公差内で部品を生産する有能なラインでは, したがって、報告されるすべてのパーセンテージには分母を指定する必要があります.
矯正ラインはどれくらいの頻度でMSAを繰り返す必要がありますか?
ユニバーサルカレンダーではなくトリガーで: after fixture, sensor or gauge changes; 部品の改訂後または新しいファミリの導入後; 顧客ゲージとの相関がずれた場合; 品質システムが設定した間隔での定期的な安定性チェック. 結果が比較できるように、繰り返しではオリジナルと同じサンプル デザインを使用する必要があります。.