只有在了解測量系統後，矯直過程才能做出合理的修正決策. 量具重複性和再現性研究有助於評估與測量過程相關的變化, 但如果一般研究不能代表實際工件，則可能會產生誤導, 基準, 夾具, 支援, 釋放狀態條件和正在做出的決定. A machine's correction repeatability is also not the same thing as measurement-system R&r.
本文介紹如何建構 MSA/Gage R&R研究. 它不報告 StraighteningTech %R&r, Cg/Cgk 結果, 客戶接受結果或通用閾值. 結論由適用的客戶/行業要求和真實研究數據決定.
*工程概念圖. 它顯示了候選測量和校正上下文, 不是已完成的 MSA 研究或聲稱的測量能力。 *
首先定義被測量和決策
準確說明研究測量的內容: 釋放狀態直線度值, 指定站點的跳動, 中心線偏差, 管子橢圓度值或其他受控特性. 凍結繪圖數據, 支援, 方向, 測量, 計算方法和通過/失敗使用. 如果一項研究的測量條件因試驗而異，則無法解釋.
| 研究問題 | 為什麼這很重要 |
|---|---|
| 測量什麼特性? | 妨礙直線度, 跳動, 橢圓度和夾具訊號混合 |
| 預期的決定是什麼? | 篩選研究和最終驗收研究可能需要不同的嚴格性 |
| 適用哪些數據和支援條件? | 設定可能是導致變化的主要因素 |
| 零件是被釋放還是被約束? | 條件必須符合驗收要求 |
研究分離出的變異
研究設計的目的是將觀察到的總變化分類到可分配的桶中，以便確定最大的貢獻者. 設備差異—可重複性—是同一操作員所面臨的問題, 相同的設定, 重複讀數會顯示相同的部分: 感測器噪音, 座位分散, 計算舍入. 評估員差異（再現性）是手動站上操作員之間發生的變化: 設定技術, 探頭放置, 閱讀習慣. 部件之間的變化是真實訊號: 樣品零件之間的真正差異. 當桶子錯誤混合時－該部件在某些讀數之間重新定位，但在其他讀數之間則不重新定位, 兩個操作員使用不同的支撐位置 - 研究屬性夾具和方法分散到吸收它的桶, 結論指向錯誤的目標.
一個結構細節值得更多關注: 百分比數字有不同的分母, 他們回答不同的問題. 作為研究自己觀察到的分佈的一部分的變化告訴您量規是否可以對零件進行相互排名 - 對於製程控制和糾正決策很有用. 作為公差一部分的變化告訴您儀表是否可以監管驗收邊界——這個問題對於最終檢查很重要. 一個系統可能在一個系統中顯得足夠，而在另一個系統中則顯得不足, 特別是當製程使零件比公差更均勻時, 這正是在有能力的直線上的情況. 報告一個數字而不指定分母是一項研究在技術上誠實但實際上具有誤導性的最常見方式.
為什麼樣本部件決定研究的命運
量規R&R 研究在數學上需要樣本部分不同; 如果他們不這樣做, 零件到零件的桶子向零塌陷，測量變化主導每個百分比, 即使是好的儀表也會受到譴責. 這創造了經典的陷阱: 從控制良好的垃圾箱中取出的零件讀數幾乎相同, 研究 “失敗”, 得出的結論是，當實際發現樣品沒有攜帶訊號時，儀表是壞的. 補救措施是精心選擇樣本——涵蓋工藝實際生產範圍的零件, 故意包括接受決定確實不確定的近邊界部分, 並專門用於矯直, 校正前後測量的部件，以便研究了解特性的工作範圍. 這一切都不涉及人為修改零件; 它涉及對真實分佈進行採樣，而不是對其舒適的中間分佈進行採樣, 並記錄每個樣本的來源.
選擇代表性零件和條件
包括代表正常過程範圍和相關決策邊界的部分, 不僅易於測量樣品. 在適當的情況下, 包括不同的零件條件, 車站或方向. 研究計劃應避免將零件之間的差異與不受控制的夾具或設定變更混為一談.
*工程概念圖. 代表一個工件測量問題, 不是規定的學習裝置, 感測器或採樣計劃。 *
特意包括重新安裝和夾具效果
對於直線, 載入中, 基準座位, 支撐接觸和夾具狀況會影響讀數. 確定重新就座是否是常規過程的一部分，並在相關時將其納入研究中. 如果生產過程中會重複重新加載零件，請勿透過將零件保持在一次性理想位置來隱藏夾具變化.
看 夾具重複性和基準定位 和 加載與釋放直線度測量 對於這些邊界.
區分手動和自動測量條件
在手動過程中, 操作員設定, 接觸和閱讀習慣可能是因素. 在自動化過程中, 相關變化可能包括自動加載, 零件編號, 食譜, 夾具順序, 感測器穩定性和異常處理. 研究應記錄實際情況, 不要假設自動化消除了所有再現性或穩定性風險.
*工程概念圖. 它強調最終的釋放狀態決定; 這並不表示測量變化在任何特定限制內。 *
審查研究的預期用途
檢討重複性, 適用時的再現性, 零件之間的差異, 設定/夾具貢獻, 穩定, 偏差/相關性（如果可用）以及系統是否可以支援預期的驗收或過程控制決策. 僅憑百分比並不能得出完整的結論. 報告應解釋零件族, 基準, 測量, 研究設計, 結果限制, 糾正措施和審批權限.
Use machine gauge versus customer gauge correlation to connect a line study to the customer's final method, 和 矯直樣品試驗及驗收 將證據納入 FAT/SAT 規劃.
偏見, 線性度和穩定性: 其他三個問題
重複性研究的答案 “儀表是否與自身一致?” — 另外三個問題完善了一個可靠的測量系統. 偏差詢問儀表讀數相對於參考值是否系統性地偏高或偏低: 在一條直線上, 參考是客戶儀表, 機器與客戶的比較是偏差研究, 在兩種方法下對匹配零件執行. 線性度詢問任何偏差在整個測量範圍內是否保持恆定: 在中等彎曲零件上與客戶一致但在嚴重彎曲零件上出現偏差的機器規格存在線性問題，僅對簡單零件進行的研究永遠不會揭示這一問題. 穩定性詢問系統的行為是否隨著時間的推移而持續: 轉變對轉變, 一周又一周, 隨著工具磨損, 感測器老化和季節變化. 一項為期一天的研究並不能證明這些; 生產期間定期檢查的穩定性日誌確實. 這四個問題共同映射了一條真實路線的實際焦慮——我可以相信閱讀內容嗎？, 我可以在邊界相信它嗎, 我可以在範圍內的任何地方信任它嗎, 我可以相信下個月嗎.
研究失敗時該怎麼辦
失敗的研究是一個發現, 不是尷尬, 並且響應有一個命令. 第一的, 重新檢查設定: 重新安置分散, 基準條件和支撐位置是矯直站的主要影響因素, 而且它們的修復成本也是最便宜的——所描述的檢查 診斷旋轉訊號 申請. 第二, 檢查方法定義: 試驗之間的混合測量條件, 不明確的計算規則或不一致的儀表接觸會產生任何硬體變更都無法消除的變化. 第三, 檢查硬體: 感測器狀況, 探頭磨損, 夾具合規性－依照可能性的順序, 不是相反. 當殘差變化真正隨機時，對每個決策的更多讀數進行平均是合理的緩解措施, 但當真正的原因是支撐鬆動或數據不明確時，它只是一個創可貼, 它會減慢生產線的速度，同時隱藏缺陷. 每個糾正措施都會循環回到同一樣本設計的重複研究, 所以之前和之後是可比的——那個比較, 隨著時間的推移, 生產線如何建立其驗收決策所依據的測量可信度, 這是 FAT 或 SAT 審核員要求查看的證據, 根據 驗收檢查表紀律.
常見無效學習模式
- 研究與生產驗收特性不同的特性;
- 使用對於預期決策來說有意義的變化太少的部件;
- 排除正常的重新安裝/夾具影響而不記錄原因;
- 將機器校正結果視為測量值 R&r;
- 在沒有客戶/品質背景的情況下應用通用百分比閾值;
- 使用線規代替客戶規相關性.
常問問題
是蓋奇R&R與機器能力相同?
不. 蓋奇R&R評估測量系統. 機器/流程能力是一個具有不同證據的單獨問題.
自動化是否消除了 MSA 的需求?
不. 自動設定, 固定裝置, 感應器, 穩定性和軟體都會造成變化或偏差.
一項 MSA 結果能否適用於所有軸或管系列?
不會自動. 工件, 基準, 夾具, 特徵和預期決策必須具有可比性.
為什麼當儀表是新的時我們的研究失敗了?
通常是樣品, 不是感測器. 從控制良好的垃圾箱中取出的零件幾乎沒有零件之間的差異, 因此，即使對於優秀的硬件，百分比也會膨脹. 首先檢查樣本設計－零件應該涵蓋實際的製程範圍, 包括近邊界範例 - 然後是設定和方法條件, 然後只有儀表本身.
耐受性和研究變異的 %GRR 之間有什麼區別?
分母. 反對研究變異, 數字表示儀表是否能夠區分各個部件—製程控制問題. 反對寬容, 它說儀表是否可以監管接受邊界——檢查問題. 一個系統可以透過一個系統而使另一個系統失敗, 尤其是在生產具有寬公差的零件的生產線上, 所以每個報告的百分比都應該列出它的分母.
矯直線多久重複一次 MSA?
基於觸發器而不是通用日曆: 夾具後, 感測器或儀表變化; 部分修改或新系列引進後; 當與客戶指標的相關性發生漂移時; 並進行定期穩定性檢查，其間隔由品質系統設定. 重複應使用與原始樣本相同的樣本設計，以便結果具有可比性.