下列变动成本差异中，无法从生产过程分析中找出产生原因的是（）。-中华考试网
当前位置： >>
>> 文章内容
下列变动成本差异中，无法从生产过程分析中找出产生原因的是（）。
来源：焚题库&&[ 日 ]&&【
单项选择题 下列变动成本差异中，无法从生产过程分析中找出产生原因的是（ ）。
A.变动制造费用效率差异
B.变动制造费用耗费差异
C.材料价格差异
D.直接人工效率差异
正确答案：C
责编：jiaojiao95
上一篇:下一篇:
Copyright &
All rights reserved.中华考试网 版权所有.湘ICP备号-1方差分析-海文库
全站搜索：
您现在的位置：&>&&>&财务管理
第六章方 差 分 析本章内容?第一节 方差分析概述??第二节 单因素方差分析第三节 多因素方差分析第一节 方差分析概述一、方差分析概述（一）方差分析的概念通常，一个复杂的事物，往往受因素的影响。如果我们能够掌握在众多的影响因素中，哪些因素对事 物的影响起到了主要的、关键性的作用，我们就可以 根据实际情况对这些关键因素加以控制。 方差分析就是提供解决这类问题的一个有效的统计方法，通过检验多组样本均值间的差异是否具有统计意义有助于我们找到事物的内在规律性。（二）方差分析的研究思路方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量，对观测变量有显著影响的各个控制变量的不同水平以及 各水平的交互搭配是如何影响观测变量的。 如果控制变量的不同水平对观测变量产生了显著影 响，那么，它和随机变量共同作用必然使得观测变量数据有显著变动；相反，如果控制变量的不同水平对观测变量没有产生显著影响，那么，观测变量数据的 变动就不会明显表现出来，它的变动可以归结为受随 机变量影响造成的。?因此，严格讲，“方差分析”所分析的并非方差，而是研究数据间的“变异”，是在可比较的群组中，把总的变异按各个指定的变异来源进行分解的一种 方法。对变异的度量，可以说唯一有效的方法是离 差平方和。方差分析方法就是从总离差平方和中分 解出可追溯到指定来源的部分离差平方和，这是一个很重要的基本思想。?方差分析对观测变量总体的分布还有以下两个基本的假设前提：（1）观测变量各总体应服从正态公布；（2）观测变量各总体的方差应相等。? ? ?二、SPSS方差分析过程1.One-Way过程 One-Way过程是单因素的简单方差分析过程，可以 进行单因素的方差分析。 2.General Linear Model（简称GLM）过程? ?在General Linear Model菜单项的下一级菜单中有 四项，如Univeriate过程、Multivariate命令、 Repeated Measures命令、Vriance Cmponents命 令，每个菜单项分别完成不同类型的方差分析任务。本章只讲授一元方差分析的内容，其中单因素方差 分析将用到One-Way过程，多因素方差分析将用到 Univeriate过程过程。?第二节 单因素方差分析? ? ?一、单因素方差分析的定义和基本步骤 （一）单因素方差分析的定义 单因素方差分析就是用来研究某一个控制变量的 不同水平是否给观测变量造成了显著影响。（二）单因素方差分析的基本步骤 1、提出原假设 原假设是：在控制变量的不同水平下，观测变量 各总体的均值无显著性差异。 2、剖析观察变量的方差 单因素方差分析将观测变量总的变差平方和（记 为 SST ）分解为两个部分：一部分是由控制变量引 起的变差（记为 SSA），另一部分是由随机变量引起 的变差（记为 SSE）。于是有：SST ? SSA ? SSE（6.1）其中：niSST ? ?? ( xij ? x ) 2i ?1 j ?1kSSA ? ? ? ( xi ? x ) ? ? ni ( xi ? x ) 22 i ?1 j ?1 i ?1k niknikSSE ?2 ( x ? x ) ?? ij i i ?1 j ?1?3、比较观测变量总离差平方和各部分的比例，计 算检验统计量的观测值和概率值 单因素方差分析用 F 统计量来表示观测变量总离 差平方和各部分的比例关系。SSA /( k ? 1) MSA F? ? ~ F (k ? 1, n ? k ) （6.5） SSE /( n ? k ) MSESPSS自动计算 F 统计量和相伴概率 P 值。 4、给定显著性水平 ? ，并作出决策。 如果概率值小于或等于用户心中的显著性水平,则拒 绝零假设；相反，如果概率值大于用户心中的显著性 水平,则不能拒绝零假设。二、单变量方差分析在SPSS中的实现? ?（一）单因素方差分析主对话框1、建立或打开数据文件后，进入Analyze→Compare Means→One-Way ANOVA，如图6-1所示。图6-1 单因素方差分析对话框2、将观测变量选择到Dependent List框。?3、将控制变量选择到Factor框。控制变量有几个不同的取值就表示控制变量有几个水平。?至此，SPSS便自动分解观察变量的变差，计 算组间方差、组内方差、 F 统计量和相伴概率 P 值，完成单因素方差分析的相关计算，并将计算 结果输出到SPSS输出窗口中。（二） 单因素方差分析的进一步分析1、方差齐性检验?SPSS单因素方差分析中，方差齐性检验采用了 方差同质性的检验方法，其原假设是各水平下观测 变量总体方差无显著性差异。在方差分析的结果中 将出现关于方差是否齐性的检验结果和相伴概率值。 如果相伴概率值小于或等于给定的显著性水平，则 拒绝原假设；相反，如果相伴概率值大于给定的显 著性水平，则不能拒绝原假设。其操作步骤为： 在单因素方差分析主对话框中，单击“Options” 按钮，展开options对话框，如图6-2 所示。??图6-2 options对话框?（1） Statistics 栏，输出统计量的选择项。其中： ①Descriptive复选项，要求输出描述统计量。② Fixed and random effects复选项，输出固定效应模 型的相关统计量。③Homogeneity-of-variance复选 项，要求进行方差齐性检验。④Brown-Forsythe复 选项，用Brown-Forsythe 统计量检验各组均值是否 相等。⑤Welch复选项，用Welch 统计量检验各组均 值是否相等。 （2） Means plot 复选项，要求做均值分布图，根 据因素变量值所确定的各组均值描绘出被解释变量的 均值分布情况。 （3） Missing Value 栏中，选择缺失值处理方式。??2、多重比较检验多重比较检验就是分别对每个水平下的观测变量 均值进行逐对比较，判断两均值之间是否存在显著 差异。原假设是，相应两水平下观测变量总体的均 值不存在显著差异。?SPSS提供的多重比较检验的方法比较多，有 些方法适用在各总体方差相等的条件下，有些适用 在方差不相等的条件下。其操作步骤为： 在单因素方差分析主对话框中，单击Post Hoc 按钮，展开Post Hoc Multiple Comparisons 多重 比较对话框，如图6-3 所示。??图6-3 多重比较对话框??????（1）方差具有齐性时，矩形框中有14种方法检验 方法，常用的有以下5种方法： ①LSD 方法，称为最小显著性差异法，其特点是 敏感性高。 ②Bonferroni (LSDMOD)方法，与LSD方法基本 相同，不同的是对犯第一类错误的概率进行了控制。 ③Scheffe 方法，对所有可能的组合进行同步进 入的配对比较。 ④S-N-K方法，使用Student Range统计量进行 所有各组均值间的配对比较。 ⑤Tukey方法，用 Student-Range 统计量进行 所有组间均值的配对比较，用所有配对比较的累计 误差率作为实验误差率，还进行子集一致性检验。?（2）方差不具有齐性时，有4种方法可供选择：?①Tamhane’ s T2 复选项，用检验进行各组均 值配对比较。②Dunnett’s T3 复选项，用学生化最大建模 检验进行各组均值间的配对比较。 ③Games Howell 复选项，进行各组均值配对 比较检验，该方法较灵活。 ④Dunnett’s C 复选项，用学生化值域检验进 行均值配对比较。 （3）Significance level选项设定各种检验的 显著性概率临界值。????3、趋势检验和先验对比检验? ?（1）趋势检验和先验对比检验概述①趋势检验，又称多项式检验。当控制变量为定序变量时，趋势检验能够分析随着控制水平的变化，观测变量值变化的总体趋势是呈线性变化趋势，还 是呈二次、三次等多项式变化。?在方差分析表中，不仅只计算输出组间平方和， 还将计算显示组间平方和的各分解结果以及 F 统计量和相伴概率 P 值。同时，还给出了方差分析的组 间平方和与回归平方和之间的差。?②先验对比检验，指事先指定各均值的系数，再对其线性组合进行检验的分析方法。?SPSS单变量方差分析的先验对比检验要求研究 者应事先对各水平间观察变量的均值对比有大致的 了解和把握，然后再对这种大致把握做出统计检验。 原假设是：相应组的均值之间无显著差异。?在检验中，SPSS根据研究者凭经验确定的各水平间观察变量均值对比系数，以正负号确定不同的 对比组，然后利用 t 检验方法判定相应对比组的均 值是否为先验制定的对比系数。? ?（2）趋势检验和先验对比检验在SPSS中的实现在单因素方差分析主对话框中，单击“Contrasts”按 钮，进入Contrasts 对话框，用来进行均值的趋势检验 和先验对比检验。如图6-4所示。?图6-4 趋势检验和先验对比检验对话框??①趋势检验在SPSS中的实现选中Polynomial 复选项，以激活其右面的Degree 参数框。然后单击Degree 参数框右面的向下箭头展开阶次菜单，可以选择Linear（线性 趋势检验）、Quadratic（二次趋势检验）、 Cubic（三次趋势检验）、4th（四次趋势检验）、 5th（五次趋势检验）。系统将在输出中给出指定阶次和低于指定阶次的各阶的平方和分解结果和各阶次的自由度、F 值和相伴概率 P 值。??②先验对比检验在SPSS中的实现在Coefficients 框中输入一个系数，单击“Add”按钮，Coefficients 框中的系数进入下面的方框中。 重复上述操作，依次输入各组均值的系数，在方形 显示框中形成一列数值。?另外，可以同时进行多组均值组合比较。一组系数输入结束，激活“Next”按钮，单击该按钮后Coefficients框中清空，准备接受下一组系数数据。最多可以输入10组系数。第三节 多因素方差分析? ? ?一、多因素方差分析的概念和基本步骤 （一）多因素方差分析的概念 多因素方差分析用来研究两个及两个以上控制 变量是否对观测变量产生显著影响。多因素方差 分析不仅能够分析多个控制变量对观测变量的独 立影响，更能够分析多个控制变量的交互作用能否对观测变量产生显著影响，进而最终找到利于观测变量的最优组合。? ? ?（二）多因素方差分析的基本步骤1、提出原假设原假设是：各控制变量不同水平下观测变量各总 体的均值无显著性差异。??2、观测变量方差的分解在多因素方差分析中，观测变量变量值的变动会 受到三个方面的影响：（1）控制变量独立作用的 影响；（2）控制变量交互作用的影响；（3）随机 因素的影响。基于上述原则，多因素方差分析将观 测变量的总变差分解为（以两个控制变量为例）：???SST ? SSA ? SSB ? SSAB ? SSE（6.6）其中：SST ?2 ( x ? x ) ? ? ? ijk i ?1 j ?1 k ?1krnijSSA ? ?? nij ( xi ? x ) 2A i ?1 j ?1krSSB ? ?? nij ( xi ? x ) 2B i ?1 j ?1k rrkSSE ? ??? ( xijk ? xiji ?1 j ?1 k ?1nijAB 2)SSAB ? SST ? SSA ? SSB ? SSE3、比较观测变量总离差平方和各部分所占比例， 计算检验统计量的观测值和概率值多因素方差分析的第三步是通过比较观测变量总离差平方和各部分所占的比例，推断控制变量以及控制 变量的交互作用是否给观测变量带来了显著影响。多 因素方差分析采用的检验统计量仍为F 统计量。SPSS自动计算 F 统计量，并依据 F 分布表给出 相应的相伴概率 P 值。 在多因素方差分析中，控制变量可以进一步划分为固定效应和随机效应两种类型。固定效应模型中，各 F 检验统计量为FA ? SSA /( k ? 1) MSA ? ~ F (k ? 1, kr(l ? 1)) SSE / kl(l ? 1) MSESSB /( r ? 1) F MSB FB ? ? ~ F (r ? 1, kr(l ? 1)) SSE / kr(l ? 1) MSEFABSSAB /( k ? 1)( R ? 1) MSAB ? ? ~ F (( k ? 1)( r ? 1), kr(l ? 1)) SSE / kr(l ? 1) MSE?随机效应模型中， FAB 统计量同上式，其他两个F 检验统计量分别为：?SSA/(k ? 1) MSA FA ? ? SSAB /(k ? 1)( r ? 1) MSABSSB /(r ? 1) MSB FB ? ? SSAB /(k ? 1)( r ? 1)) MSAB?4.给定显著性水平?，并做出决策?在固定效应模式中，如果 FA 的相伴概率值小于或等于给定的显著性水平,则应拒绝原假设；相反，如果的相伴概率值大于给定的显著性水平 ,则不 FAB 和 B 、 A 交互作用应拒绝原假设。对控制变量的推断同理。在随机模型中，应首先对、A 的 B交互作用是否显著进行推断，然后再分别依次对 A 、 B 的效应进行检验。? ?二、多因素方差分析在SPSS中的实现 （一）多因素方差分析主对话框 1、建立或打开数据文件后，进入Analyze-&General Linear Model-& Univariate ，出现多因素方差分析过程 主对话框，如图6-7所示。?图6-7 多因素方差分析主对话框??2、指定观测变量到Dependent Variable 框中。3、指定固定效应的控制变量到Fixed Factor 框中，指定随机效应的控制变量到Rrandom Factor框中。?至此，SPSS将主动建立多因素方差分析的饱和模式，计算各检验统计量的观测值和对应的概率值，并将结果显示在SPSS输出窗口中。（二）多因素方差分析的非饱和模型如果研究发现，控制变量的某阶交互作用没有给观测变量产生显著影响，那么可以尝试建立非饱和模型。区别在于将饱和模型中某些部分合并到SSE中，例如两因素非饱和模型为：SST ? SSA ? SSB ? SSE对于非饱和模型，其参数估计的方法，采用的检验统计量与饱和模型类似。?基本操作步骤为：在“多因素方差分析过程主对话框” 中按Model按钮，出现图6-8对话框：?图6-8 分析模型对话框?单击Custom选项，此时便可定义非饱和模型中 的数据项。 1、选择模型中的主效应：选择一个单个的因素 变量名，单击Build Term(s)栏中下面的箭头，该 变量出现在Model框中，一个变量名占一行称为主 效应项。 2、选择交互效应类型：单击Build Term(s)右面 的向下箭头可以展开小菜单。可以看到有如下几项： （1）Main effects选项，指定主效应。（2） Interaction选项，选中此项可以指定任意的交互效 应。（3）All 2-way、All 3-way、All 4-way、All 5-way选项，指定所有二维交互效应、所有三维交 互效应、所有四维交互效应、所有五维交互效应。???3、选择分解平方和的方法。在对话框的下部有Sum of squares选项框，可以进行四项选择来确定平方和的分解方法，包括Type Ⅰ、TypeⅡ、Type Ⅲ和Type Ⅳ四种。?4、选中Include intercept in model复选项，系统默认截距包括在回归模型中。如果能假设数据通过原点，可以不包括截距，即不选择此项。（三）多因素方差分析的均值比较分析在SPSS中，利用多因素方差分析功能还能够对各个控制变量不同水平下的均值是否存在显著差异进行比较，实现方式有两种：多重比较检验 （Post Hoc）和对比检验（Contrast）。 多因素方差分析中的多重比较检验方法与单因 素方差分析中的多重比较检验方法类似，即在主对 话框中，单击“Post Hoc”按钮，展开Post Hoc Multiple Comparisons 多重比较对话框，选择合适的多重比较检验方法。多因素方差分析中的对比检验实际采用的是单样本检 验的方法，它将控制变量不同水平下的观测变量值看做 来自不同总体的样本，并依次检验这些总体的均值是否 与某个指定的检验值存在显著差异。其操作过程为：在 多因素方差分析主对话框中，单击Contrasts按钮，展开 Univariate：Contrasts对话框，如图6-9所示。?图6-9 选择对照方法对话框1、可供选择的对照方法包括： （1）None选项，表示不进行均数比较。 （2）Deviation选项，表示以观测变量的总体均值 为标准，比较各水平上观测变量的均值是否有显著 差异； （3）Simple选项，表示以第一个水平或最后一个 水平上的观测变量的均值为标准，比较各水平上的 观测变量均值是否有显著差异； （4）Difference选项，表示将各水平上观测变量 均值与其前一个水平上的观测变量均值做比较； （5）Helmert选项，表示将各水平上观测变量均 值与其后一个水平上的观测变量均值做比较。 （6）Repeated选项，对相邻的水平进行比较。 （7）Polynomial选项，多项式比较。?2、单击Change按钮，选中的（或改变了的）对照方法显示在步骤（1）选中的控制变量后面的括号中。?3、对照的参考水平有两个，只有选择了Deviation或Simple方法时才需要选择参考水平。共有两种可能的选择，最后一个水平Last选项和第一水平First选项。系统默认的参考水平是Last。??（四）控制变量交互作用的图形分析边际均值图（Profile）用于比较边际均值。边 际图是线图，图中每个点表明观测变量在控制变 量每个水平上的边际均值的估计值，纵轴为观测 变量，横轴为控制变量。?单因素方差分析时，边际图表明该控制各水平 的观测变量均值。如果控制变量之间无交互作用， 各水平对应的直线是近似平行的；如果控制变量 之间存在交互作用，各水平对应的直线会相互交 叉。 SPSS交互作用的图形分析的基本操作步骤为：??1、在多因素方差分析主对话框中单击Plots按钮，展 开Univariate：Profile Plots对话框，如图6-10所示。在 该对话框中，选择做边际均值图的参数。?图6-10 选择分布图型对话框?2、Factors框中为主对话框中所选控制变量 名。? ? ? ?3、Horizontal Axis框，确定横坐标变量。 4、Separate Lines框，确定分线变量。 5、Separate Plots框，确定分图变量。 6、将图形表达式送到Plots框后发现有错误， 可以修改和删除。? ?（五）模型分析 SPSS多因素方差模型建立完成后，可以在主窗 口中单击Save按钮对模型进行分析，并将分析结 果以变量的形式存入SPSS数据编辑窗口中。其中， Predicted Values框中的选项用来计算观测变量的 预测值；Residuals框中的各选项用来计算各种残 差，评价模型对数据的拟合程度；Diagnostics框 实现对数据中异常值的诊断。 模型分析的具体操作如下： 1、在多因素方差分析主对话框中，单击Save按 钮，展开Univariate:Save对话框，如图6-11所示。? ??图6-11 选择保存运算结果对话框???? ?? ?2、Predicted Values栏，系统对每个观测量给出 根据模型计算的预测值。 （1）Unstandardized复选项，给出非标准化预 测值。 （2）Weighted复选项，如果在主对话框中选择 了WLS（Weighted Least Squares）变量，选中 该复选项，将保存加权非标准化预测值。 （3）Standard error复选项，给出预测值标准误。 3、Diagnostics诊断栏，测量并标识对模型影响 较大的观测量或解释变量。 （1）Cook’s distance复选项，给出Cook距离。 （2）Leverage values复选项，给出非中心化杠 杆值。?4、Residuals残差栏?（1）Unstandardized复选项，给出非标准化残差 值，即观测值与预测值之差。（2）Weighted复选项，保存加权非标准化残差值。??（3）Standardized复选项，给出标准化残差，又 称Pearson残差。（4）Studentized复选项，给出学生化残差。 （5）Deleted复选项，给出剔除残差。 5、Save to New File栏? ? ??选中Coefficient statistics复选项，将模型参数估 计的方差―协方差矩阵保存到一个新文件中。??（六）选择输出项的对话框1、在多因素方差分析主对话框中，单击Options按钮， 展开Univariate：Options对话框，见图6-12所示。?图6-12 选择输出项的对话框? ?2、Estimated Marginal Means估计的边际均值栏。（1）在Factor(s) and Factor Interactions框中 列出了在Model对话框中所指定的效应项。（2）在Display Means for框中有主效应时激活 此框下面的Compare main effects复选项，共有三 个选项。其中： ①LSD（none）选项，不进行调整。 ②Bonferroni选项，邦佛伦尼方法，是基于Student 统计量的方法。适用于要进行比较的均值，对数比较 少的情况。 ③Sidak选项，计算统计量进行多重配 对比较，调整多重比较的显著性水平。??? ?3、Display栏，指定要输出的统计量。①Descriptive statistics复选项，输出描述统计量。②Estimates of effect size复选项，输出效应量估 计。③Observed power复选项，给出各种检验假设的 功效。 ④Parameter estimates复选项，给出各控制变量 的相关统计量。 ⑤Contrast coefficient matrix复选项，显示变换 系数矩阵或矩阵。????⑥Homogeneity tests复选项，进行方差齐性检 验。 ⑦Spread vs. level plot复选项，绘制观测量均 值―标准差图、观测量均值―方差图。 ⑧Residuals plot复选项，绘制残差图。 ⑨Lack of fit复选项，检查独立变量和非独立变 量间的关系是否被充分描述。 ⑩General estimable function复选项，可以根 据一般估计函数自定义假设检验。 4、在Significance level框中改变Confidence intervals框内多重比较的显著性水平。?? ???谢谢！
上一篇： 下一篇：
All rights reserved Powered by
copyright &copyright 。文档资料库内容来自网络，如有侵犯请联系客服。求教：MSA手册第3版中对过程变差的定义_百度知道
求教：MSA手册第3版中对过程变差的定义
我有更好的答案
代表仪器已不稳定，须做维修或调整，维修及调整完后须再做校正以及稳定性分析 。 偏倚接受准则如果 0 落在围绕偏倚值1-а置信区间以内，偏倚在а水平是可接受的。线性接受准则判定 : 1）画出“偏倚=0”线、成本及维修费用：50%以上的点要在控制线外，必须改进。4) 均值图;30％不能接受，评审该图指出特殊原因和线性的可接受性（见案例讲解），依量具的重要性。6）、分级数（ndc）≧5目前都是使用MSA第四版了，第三版中过程变差是6*Б（标准差），标准差在excel里面输入测量数据就可以用公式得到。R＆R％ 1） R＆R％&10％可接受，5) 不可以有连续七点或更多点持续上升或下降的情形。2）为使测量系统线性可被接受，“偏倚=0”线必须完全在拟合线置信带以内，3) 不可以有连续五点中有四点在B区或B区以外的位置，4) 不可有连续八点或更多点在控制图的同一侧。5) 极差图：所有点均需在控制线内。3）为使测量系统线性可被接受，最佳拟合线必须完全在拟合线置信带以内,（ ndc 取整数 ）利用控制图判定稳定性的接受准则。1) 不可以有点子超出控制界限，2) 不可以有连续三点中有二点在A区或A区以外的位置；如果有以上情形。2) 10％≤R&R％≤30％，决定是否接受。3) R&R％&gt
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。IATF16949质量管理体系五大工具之MSA（测量系统分析）实操及异常分析。
我的图书馆
IATF16949质量管理体系五大工具之MSA（测量系统分析）实操及异常分析。
IATF1版汽车行业质量管理体系五大工具，其分别是：APQP&FMEA&MSA&SPC&PPAP&质量工程师之家今日给大家分享MSA（测量系统分析），本文包含常规的测量系统分析、破坏性测试的测量系统分析和计数型测量系统分析等。一.MSA定义测量系统定义:用来对被测特性赋值的量具和其它设备,人员,标准,规程,操作,软件,环境和假设的集合,用来获得测量结果的整个过程.测量系统变差来自于:设备,人员,原材料,操作规程,环境等测量误差来源& & &如果测量的方式不对，那么好的结果可能被测为坏的结果，坏的结果也可能被测为好的结果，此时便不能得到真正的产品或过程特性。准确度与精密度误差：1.偏倚(Bias)是测量结果的观测平均值与基准值的差值。真值的取得可以通过采用更高等级的测量设备进行多次测量，取其平均值。1.1造成过份偏倚的可能原因仪器需要校准仪器、设备或夹紧装置的磨损磨损或损坏的基准，基准出现误差校准不当或调整基准的使用不当仪器质量差─设计或一致性不好线性误差?应用错误的量具不同的测量方法─设置、安装、夹紧、技术测量错误的特性量具或零件的变形环境─温度、湿度、振动、清洁的影响违背假定、在应用常量上出错应用─零件尺寸、位置、操作者技能、疲劳、观察错误2.重复性(Repeatability)指由同一个操作人员用同一种量具经多次测量同一个零件的同一特性时获得的测量值变差（四同）重复性与偏倚值是独立的零件(样品)内部：形状、位置、表面加工、锥度、样品一致性。仪器内部：修理、磨损、设备或夹紧装置故障，质量差或维护不当。基准内部：质量、级别、磨损方法内部：在设置、技术、零位调整、夹持、夹紧、点密度的变差评价人内部：技术、职位、缺乏经验、操作技能或培训、感觉、疲劳。环境内部：温度、湿度、振动、亮度、清洁度的短期起伏变化。违背假定：稳定、正确操作仪器设计或方法缺乏稳健性，一致性不好应用错误的量具?量具或零件变形，硬度不足应用：零件尺寸、位置、操作者技能、疲劳、观察误差(易读性、视差)3.再现性(Reproducibility)由不同操作人员，采用相同的测量仪器，测量同一零件的同一特性时测量平均值的变差（三同一异）3.1再现性不好的可能潜在原因：零件(样品)之间：使用同样的仪器、同样的操作者和方法时，当测量零件的类型为A,B,C时的均值差。仪器之间：同样的零件、操作者、和环境，使用仪器A,B,C等的均值差标准之间：测量过程中不同的设定标准的平均影响方法之间：改变点密度，手动与自动系统相比，零点调整、夹持或夹紧方法等导致的均值差评价人(操作者)之间：评价人A,B,C等的训练、技术、技能和经验不同导致的均值差。对于产品及过程资格以及一台手动测量仪器，推蕮进行此研究。环境之间：在第1,2,3等时间段内测量，由环境循环引起的均值差。这是对较高自动化系统在产品和过程资格中最常见的研究。违背研究中的假定仪器设计或方法缺乏稳健性操作者训练效果应用─零件尺寸、位置、观察误差(易读性、视差)4.线性(Linearity)在量具正常工作量程内的偏倚变化量多个独立的偏倚误差在量具工作量程内的关系是测量系统的系统误差构成4.1线性误差的可能原因仪器需要校准，需减少校准时间间隔；仪器、设备或夹紧装置磨损；缺乏维护—通风、动力、液压、腐蚀、清洁；基准磨损或已损坏；校准不当或调整基准使用不当；仪器质量差；—设计或一致性不好；仪器设计或方法缺乏稳定& 性；应用了错误的量具；不同的测量方法—设置、安装、夹紧、技术；量具或零件随零件尺寸变化、变形；环境影响—温度、湿度、震动、清洁度；其它—零件尺寸、位置、操作者技能、疲劳、读错。5.稳定性(Stability)测量系统在某持续时间内测量同一基准或零件的单一特性时获得的测量值总变差。5.1不稳定的可能原因仪器需要校准，需要减少校准时间间隔仪器、设备或夹紧装置的磨损正常老化或退化缺乏维护─通风、动力、液压、过滤器、腐蚀、锈蚀、清洁磨损或损坏的基准，基准出现误差校准不当或调整基准的使用不当仪器质量差─设计或一致性不好仪器设计或方法缺乏稳健性不同的测量方法─装置、安装、夹紧、技术量具或零件变形环境变化─温度、湿度、振动、清洁度违背假定、在应用常量上出错应用─零件尺寸、位置、操作者技能、疲劳、观察错误6.分辨力分辩力不足的表现：R图至少有四个点极差值为0二.测量系统特点1.测量系统特性:一个好的测量系统具备条件:测量系统在受控条件下2.测量数据的质量数据的质量:取决于从处于稳定条件下进行操作的测量系统中，多次测量的统计特性.数据质量最通用的统计特性:准确度 ( Accuracy )& X→μ或称偏移(BIAS): 量测实际值与工件真值间之差异,是指数据相对基准（标准）值的位置。精密度 ( Precision ) σ或称变差(Variation): 利用同一量具，重复量测相同工件同一质量特性，所得数据之变异性。是指数据的分布。3.好的测量系统四个特点足够分辨力和敏感度测量系统受控测量系统变差小于规格差测量系统变差能证明具有有效分辨力,小于制造过程变差.4.测量系统误差可造成影响第一类错误:不好零件永远是不好零件第二类错误:好零件判为坏零件或坏的判好的第三类错误:好零件永远是好零件三.稳定性误差分析方法1)找到样品,取要分析的产品参考值2)每天/周测参考值3-5次3)记录在X-R图X-δ图上4)第一种分析方法:图示法:看看有无特殊点& 第二种分析方法:数值分析法以下为一个案例:一个零件每天测量5次,共测量2周,有10组数据.画出X-R图1.稳定性分析之执行:四.偏倚误差分析方法1.独立样本法分析步骤1).取一样件,测量出参考值2).让一个训练QC盲测10次以上.3).结果分析方法两种:第一种用直方图第二种数值法2.偏倚BIAS分析之执行:独立样本法—案例：设参考值为6.00,测量值为(一个人连续盲测15次)5.8/5.7/5.9/5.9/6/6.1/6/6.1/6.4/6.3/6/6.1/6.2/5.6/6可以看出符合正态分布,偏倚可接受独立样本法—案例
df=10.8查表,210页数值计算法,V=10.8查表得五.线性误差分析方法第一种方法,图示法可以看出偏倚=0这条线不全部在95%的置信区间内.存在线性问题,不可接受第二种方法& 数值分析假设法Ta和TB&t查表值， 存在线性问题,不可接受六. GRR误差分析方法1.N&=5,至少取5个产品2.找三个QC,盲测3.让A测量零件,在第一行4.让B测量,记在第六行,第十一行5.让A测量第二次,记录在第二行,以次类推案例为10个零件,GRR&=10%,NDC&=5可接受.GRR分析,平均值和极差法第二种分析法:X图&=50%点落在管制线外R图所有点在管制线内,如果有超出要分析是否可接受结果: 重复性与再现性.MTW&量具 R&R 研究 - XBar/R 法 &&&&&&&&&&&&&&&&&&&&&&&& 方差分量来源&&&&&&&&&& 方差分量&&& 贡献率合计量具 R&R& 0.0018554&&&&&
5.91& 重复性&&&&&
0.0009434&&&&& 3.00& 再现性&&&&&
0.0009120&&&&& 2.90部件间&&&&&&& 0.0295523&&&& 94.09合计变异&&&&& 0.0314077&&& 100.00&&&&&&&&&&&&&&&&&&&&&&&&& 研究变异&& %研究变来源&&&&&&&&& 标准差(SD)& (6 * SD)&
异 (%SV)合计量具 R&R&&& 0.043074&&
0.25845&&&& 24.31& 重复性&&&&&&&
0.030715&& 0.18429&&&& 17.33& 再现性&&&&&&&
0.030199&& 0.18120&&&& 17.04部件间&&&&&&&&& 0.171908&& 1.03145&&&&
97.00合计变异&&&&&&& 0.177222&& 1.06333&&&
100.00可区分的类别数 = 5C4 的量具 R&R（嵌套） 来源&&&&&&&& 自由度&&&&&& SS&&&&&&&
MS&&&&&&& F&&&&& P检测员&&&&&&&&&&& 2&
0.3925&&& 0.188&
0.838批 (检测员)&&&&&& 3&
2.5708& 360.730&
0.000重复性&&&&&&&&&&& 6&
0.0342合计&&&&&&&&&&&& 11&
2.86602量具 R&R &&&&&&&&&&&&&&&&&&&&&&& 方差分量来源&&&&&&&&& 方差分量&&& 贡献率合计量具 R&R& 0.002342&&&&&
0.55& 重复性&&&&&
0.002342&&&&& 0.55& 再现性&&&&&
0.000000&&&&& 0.00部件间&&&&&&& 0.421183&&&& 99.45合计变异&&&&& 0.423525&&& 100.00过程公差 = 2&&&&&&&&&&&&&&&&&&&&&&&&& 研究变异&& %研究变&&&&&&
%公差来源&&&&&&&&& 标准差(SD)& (6&*&SD)& 异 (%SV)&
(SV/Toler)合计量具 R&R&&& 0.048391&&
0.29034&&&&& 7.44&&&&&& 14.52& 重复性&&&&&&&
0.048391&& 0.29034&&&&& 7.44&&&&&&
14.52& 再现性&&&&&&&
0.000000&& 0.00000&&&&& 0.00&&&&&&& 0.00部件间&&&&&&&&& 0.648986&& 3.89392&&&&
99.72&&&&& 194.70合计变异&&&&&&& 0.650788&& 3.90473&&&
100.00&&&&& 195.24可区分的类别数 = 18七.计数性MSA分析方法第一种:交叉表分析法情景是过程受控,PPK=0.5,有不良产品,已生产出50个,算出KAPPA,&=75%可接受&
TA的最新馆藏
喜欢该文的人也喜欢}