데이터에 대한 통계적 분석을 시도하는 경우, 어떤 수집 프로세스를 사용하든 생성 된 다양한 숫자 이상의 것이 필요합니다. 또한 수집 프로세스 자체의 신뢰성도 확인해야합니다. 즉, 누군가 이웃 빵집 케이크의 품질이 한 배치에서 15 %까지 다양하다고 말하면 다음으로, 이 품질을 결정하는 데 사용 된 측정 값 자체가 충분한 지 알아야합니다. 품질. 케이크가 배치에서 모두 거의 동일하고 실제로 한 데이터 세트에서 다음 데이터 세트로의 실제 변화를 보여주는 품질 평가 시스템이라면 어떨까요?
이러한 우려는 측정 시스템 분석 (MSA)의 핵심입니다. 개념구별되는 범주의 수, 또는 NDC는 MSA에서 데이터 수집의 품질을 평가하는 수단을 추적하는 중요한 방법이며 Gage R & R에서 파생됩니다. 이러한 통계 도구는 많은 항목이 생산되고 이론적으로는 다음과 같은 상황에서 매우 유용합니다. 동일 (예: 한 유형의 차량에 들어가지만 당 수천 개 수준으로 제조되는 일종의 자동차 부품 년).
MSA 설명
MSA 계산은 측정 도구에서 측정 결과의 변동 정도를 탐색하여 프로세스, 작업 환경, 측정을 수행하는 사람 및 항목 외부의 다른 요소가 실제로 존재합니다. 공부했다. 케이크에 대한 예로 돌아가서보고 된 품질 변동 중 품질에 대한 인식 변동의 결과 인 정도를 알고 싶을 것입니다. 사실 지난주에 6 개월 전과 비교했을 때 "너무 달콤"했나요? 아니면 사람들이 겨울과 여름에 음식을 맛보는 방식의 결과일까요?
MSA 호출의 기본 아이디어는 결과를 사용하여 생산 프로세스를 개선하고 오류를 제거하는 것입니다. 품질 관리의 상대적으로 정교한 측면입니다. Gage R & R 및 생성되는 NDC 정보를 포함한 대부분은 수작업이 아니라 통계 소프트웨어 패키지를 사용하여 이루어집니다.
Gage R & R
"Gage R & R"의 "R & R"부분은 "신뢰성과 재현성"을 의미합니다. 신뢰성이란 단일 운영자 (종종 사람)가 동일한 결과를 반복해서 얻을 수있는 능력을 말합니다. 재현성은 가능한 한 좁은 숫자 군집에 속하는 여러 연산자의 측정을 나타냅니다.
이 유형의 MSA에는 최대 3 개의연산자(즉, 측정 도구), 5 ~ 10부속또는항목, 및 최대 3 개반복 측정. 이러한 분석은 각 개별 부품이 모든 작업자에 의해 개별적으로 처리되고 각 부품-작업자 쌍의 측정이 최소 한 번 반복되도록 구성됩니다.
Gage R & R은 측정의 변동성 만 측정합니다. 이것은 교정을 통해서만 보장 될 수있는 측정의 정확성에 대해서는 아무런 의미가 없습니다. 데이터 자체가 의심스러운 경우 유리한 재현성 계산은 쓸모가 없습니다.
NDC 계산
소프트웨어 프로그램에서 Gage R & R을 실행하면 결과에 NDC가 포함됩니다. 그러나이 숫자의 출처를 이해하는 것이 유용합니다.
공식은 다음과 같습니다.
NDC = \ sqrt {2} \ frac {\ sigma_ {part}} {\ sigma_ {gage}} = 1.41 \ frac {\ sigma_ {part}} {\ sigma_ {gage}}
여기, σ부품 Gage R & R의 부품 구성 요소 분산의 제곱근을 나타내는 반면 σ표준 전체 Gage R & R 분석의 분산 제곱근을 나타냅니다. NDC 값이 5 이상이면 바람직한 것으로 간주됩니다. 2 개 미만은 비교할 것이 없기 때문에 너무 적습니다. 2와 3의 값은 "더 많음 / 적음"및 "낮음 / 중간 / 높음"범주를 만드는 데 사용할 수 있지만 차선책입니다.