Πώς να υπολογίσετε το NDC

Εάν επιχειρείτε μια στατιστική ανάλυση δεδομένων, χρειάζεστε κάτι περισσότερο από την ποικιλία αριθμών που δημιουργούνται από οποιαδήποτε διαδικασία συλλογής που χρησιμοποιήσατε. Πρέπει επίσης να είστε σίγουροι για την αξιοπιστία της ίδιας της διαδικασίας συλλογής. Με άλλα λόγια, εάν κάποιος σας είπε ότι τα κέικ ενός αρτοποιείου της γειτονιάς ποικίλλουν σε ποιότητα κατά 15 τοις εκατό από μια παρτίδα έως το επόμενο, θα πρέπει να γνωρίζετε εάν οι μετρήσεις που χρησιμοποιήθηκαν για τον προσδιορισμό αυτής της ποιότητας ήταν οι ίδιες επαρκείς ποιότητα. Τι γίνεται αν τα κέικ είναι λίγο πολύ τα ίδια μεταξύ των παρτίδων και στην πραγματικότητα το σύστημα αξιολόγησης ποιότητας δείχνει πραγματική διακύμανση από το ένα σύνολο δεδομένων στο άλλο;

Τέτοιες ανησυχίες βρίσκονται στο επίκεντρο της ανάλυσης συστήματος μέτρησης ή MSA. Η εννοια τουαριθμός διακριτών κατηγοριών, ή NDC, στο MSA είναι ένας σημαντικός τρόπος για να παρακολουθείτε τους τρόπους με τους οποίους αξιολογείτε την ποιότητα της απόκτησης δεδομένων σας και προέρχεται από το Gage R&R. Αυτά τα στατιστικά εργαλεία είναι πολύ χρήσιμα σε καταστάσεις όπου παράγεται μεγάλος αριθμός αντικειμένων και θεωρητικά, πανομοιότυπο (π.χ. ένα είδος ανταλλακτικού αυτοκινήτου που πηγαίνει σε έναν τύπο οχήματος αλλά κατασκευάζεται στο επίπεδο των χιλιάδων ανά έτος).

Ένας υπολογισμός MSA διερευνά πόση παραλλαγή σε μια μέτρηση προκύπτει από τα εργαλεία μέτρησης, τη μέτρηση διαδικασία, περιβάλλον εργασίας, οι άνθρωποι που κάνουν τη μέτρηση και άλλοι παράγοντες εκτός του αντικειμένου μελετημένος. Επιστρέφοντας στο παράδειγμα για τα κέικ, θα θέλατε να μάθετε πόση από τις αναφερόμενες παραλλαγές στην ποιότητά τους ήταν το αποτέλεσμα της διακύμανσης στην αντίληψη της ποιότητάς τους. Στην πραγματικότητα ήταν «πολύ γλυκά» την προηγούμενη εβδομάδα σε σύγκριση με πριν από έξι μήνες ή θα μπορούσε να είναι το αποτέλεσμα του πώς οι άνθρωποι δοκιμάζουν τα πράγματα το χειμώνα σε σχέση με το καλοκαίρι;

Η ιδέα πίσω από την επίκληση του MSA είναι η χρήση των αποτελεσμάτων για τη βελτίωση μιας διαδικασίας παραγωγής και την εξάλειψη των σφαλμάτων. Είναι μια σχετικά εξελιγμένη πτυχή του ποιοτικού ελέγχου. Τα περισσότερα, συμπεριλαμβανομένων των πληροφοριών Gage R&R και NDC που παράγει, δεν γίνονται με το χέρι αλλά με τη χρήση πακέτων λογισμικού στατιστικών.

Το "R&R" μέρος του "Gage R&R" σημαίνει "αξιοπιστία και αναπαραγωγιμότητα". Η αξιοπιστία αναφέρεται στην ικανότητα ενός μόνο χειριστή (συχνά ενός ατόμου) να έχει το ίδιο αποτέλεσμα ξανά και ξανά. η αναπαραγωγιμότητα αναφέρεται στις μετρήσεις πολλαπλών τελεστών που εμπίπτουν όσο το δυνατόν πιο σφιχτά σε ένα αριθμητικό σύμπλεγμα.

Αυτός ο τύπος MSA περιλαμβάνει έως και τρειςχειριστές(δηλαδή, εργαλεία μέτρησης), πέντε έως 10ανταλλακτικάήαντικείμενακαι έως τρίαεπαναλάβετε μετρήσεις. Αυτές οι αναλύσεις είναι δομημένες έτσι ώστε κάθε ξεχωριστό μέρος να χειρίζεται ξεχωριστά από κάθε χειριστή και ότι οι μετρήσεις από κάθε ζεύγος ανταλλακτικών επαναλαμβάνονται τουλάχιστον μία φορά.

Το Gage R&R μετρά μόνο τη μεταβλητότητα των μετρήσεων. Σημειώστε ότι αυτό δεν λέει τίποτα για την ακρίβεια των μετρήσεων, η οποία μπορεί να διασφαλιστεί μόνο μέσω βαθμονόμησης. Ένας ευνοϊκός υπολογισμός αναπαραγωγιμότητας είναι άχρηστος εάν τα ίδια τα δεδομένα είναι ύποπτα.

Όταν εκτελείτε ένα Gage R&R στο πρόγραμμα λογισμικού σας, τα αποτελέσματα θα περιλαμβάνουν ένα NDC. Ωστόσο, είναι χρήσιμο να κατανοήσουμε από πού προέρχεται αυτός ο αριθμός.

Ο τύπος είναι:

Εδώ, σ_μέρος αντιπροσωπεύει την τετραγωνική ρίζα της διακύμανσης του συστατικού στοιχείου του Gage R&R, ενώ σ_{υπολογίζω} αντιπροσωπεύει την τετραγωνική ρίζα της διακύμανσης ολόκληρης της ανάλυσης Ε & Α Gage. Μια τιμή NDC 5 ή μεγαλύτερη θεωρείται επιθυμητή. Λιγότερο από 2 είναι πολύ λίγα επειδή δεν υπάρχει τίποτα για σύγκριση μεταξύ. Οι τιμές των 2 και 3 μπορούν να χρησιμοποιηθούν για τη δημιουργία κατηγοριών "περισσότερο / λιγότερο" και "χαμηλή / μέση / υψηλή", αλλά είναι μη βέλτιστες.