MSA计数型测量系统分析指导书 - 图文(2)

JT/C－7.6J－004

设 Po = 对角栏框中，观测比例的总和 Pe = 对角栏框中，期望部分的总和

则 Kappa =（Po - Pe）/（1 - Pe）

★ Kappa是一种程度而不是检验。通过使用一种渐进和标准误差以形成一个t统计值来判断其大小。通用的比例法则是Kappa值大于0.75，则表示很好的一致性（最大的Kappa值＝1）；Kappa值小于0.4则表示一致性不好。

Kappa不考虑评价人间的不一致量有多大，只考虑他们之间是不是一致。

★ 通过以上对评价人计算了Kappa程度，小组得到以下结论：

Kappa A B C

A — .86 .78 B .86 — .79 C .78 .79 — 这分析表明所有评价人与其它评价人之间有良好的一致性。这种分析用来确定评价人之间是否有差异的需求。但不能告诉我们这测量系统从坏零件中挑出好零件的能力。在本分析范例中，小组使用一计量型测量系统来评价零件，并应用其结果来确定其参考决定。

★ 使用新的信息建立了另一组交叉表，以便将每个评价人与参考决定进行比较。

A 与基准判断交叉表

A .00 计算 期望的计算 1.00 计算 期望的计算 总计 计算 期望的计算 基准 .00 45 16.0 3 32.0 48 48.0 1.00 5 34.0 97 68.0 102 102.0 总计 50 50.0 100 100.0 150 150.0 JT/C－7.6J－004

B .00 计算 期望的计算 1.00 计算 期望的计算 总计 计算 期望的计算 B与基准判断交叉表

基准 .00 45 15.0 3 33.0 48 48.0 总计 1.00 2 32.0 100 70.0 102 101.0 47 47.0 103 103.0 150 150.0 A .00 计算 期望的计算 1.00 计算 期望的计算 总计 计算 期望的计算 C与基准判断交叉表

基准 .00 1.00 42 16.3 6 31.7 48 48.0 9 34.7 93 67.3 102 102.0 总计 51 51.0 99 99.0 150 150.0

★ 小组也计算了Kappa值以确定每个评价人与参考决定之间的一致 性。 Kappa

A .88 B .92 C .77 以上这些数据可被解释为每个评价人与标准之间有很好的一致性。然后，过程小组计算了这测量系统的有效性。

有效性 =作出正确判断的次数 / 总决定次数

JT/C－7.6J－004

评价人% 来源 总受检数 符合的

评价人A 评价人B 评价人C 50 42 50 45 50 40 结果％与归因的比较 评价人A 评价人B 评价人C 50 42 0 0 8 93% 84% 71% 97% 90% 78% 90% 80% 66% 93% 84% 71% 50 45 0 0 5 97% 90% 78% 50 40 0 0 10 90% 80% 66% 错误的拒收（由于评价人偏移造成的拒收） 错误的接受（由于评价人偏移造成的接受） 不相配 95%上限 计算得分 95%下限

系统有效结果％ 检查总数 一致的结果 95％UCI 计算所得的结果 95％LCI

9% 78% 64% 50 39 8 系统有效结果％与参考的比较 50 39 69% 78% 64% 注： 1）在所有的测量中，评价人本身是一致的。 2）评价人对所有测量与已知的标准一致。 3）所有评价人本身与其它人之间是一致的。 4）所有评价人本身与其它人之间一致，并与参考值一致。 5）UCL和LCI分别为置信区间边界的上限和下限。

★ 每对评价人间多次试验的的假设可用零假设来表示：

Ho：两个评价人一致的有效性。

★ 经计算，由于每位评价人结果的计算值均落在其它人的置信度区间 内，小组决定不能拒绝零假设。这结论进一步证实了Kappa测量得到的结论。

JT/C－7.6J－004

★ 为进一步分析，小组的一名成员得出下列数据表格，为每个评价人 的结果提供指南：

决定 测量系统 评价人可接受 评价人可接受的边缘 －可能需改进 评价人不可接受 －需改进

有效性 ≥90% ≥80% <80% 错误率 （漏发警报的比例） ≤2% ≤5% >5% 错误警报率 （误发警报的比例） ≤5% ≤10% >10% 对他们所已得到的所有信息进行汇总，小组得出以下结论：

A B C 有效性 84% 90% 80% 错误率 （漏发警报的比例） 6.3% 6.3% 12.5% 错误警报率 （误发警报的比例） 4.9% 2.0% 8.8%

这些结果显示，各个评价人对于该测量系统，在有效性、错误率与错误警报率上都有不同程度的结果；在所有三个项目中，没有一位评价者是以被接受的。是否需要为这过程更改其接收标准？这些风险可以被接受吗？评价者是否要更好的培训？测量的环境可不可以被改善？重要的是：顾客对着测量系统与其研究结果会有什么看法？顾客原本预期的情况是什么？

顾客是否接受这些风险。

★ 关注点：

1） 关于可接受的风险，并没有以理论为基础的决策准则。以上指南是探索性的。并且是基于怎样才是“接受”的个别“信念”下所发展的。最终的决定准则应该取决于对后续过程和最终顾客的影响（如风险）。这是一个客观事物的决定－而不是统计上的决定。

2） 上述分析是以数据为依据的。例如，如果过程能力指数为

Pp=Ppk=1.00，那么所有的结论都可能是正确的，因为不会有零

JT/C－7.6J－004

件落在测量系统的II区（“灰色”区域）中。

图3 Pp=Ppk=1.00的过程范例

在这新情况下，可以得出这样的结论：所有的评价人都是可被接受的，因为将不会有决定的误差。

★ 通常对于交叉的结果的实际意义有一误解。以B的 结果为例：

B .00 数量 在参考值内的％ 1.00 数量 在参考值内的％ 总计 数量 在参考值内的％ B 参考交叉表

基准 .00 1.00 45 93.8％ 3 6.3％.0 48 100.0％ 2 20.％ 100 98.0％ 102 100.0％ 总计 47 31.3％ 103 68.7％ 150 100.0％

由于检验的目的在于找出所有的不合格零件，许多人视左上角处一个测量找到坏零件的有效性。这个百分比表示将已经是坏的零件判定坏的零件的可能性：

Pr（称为坏零件 一个坏零件）

假设过程已经被改进到Pp=Ppk=1.00，生产者关心的的概率是：

Pr（零件是坏的 被称为怀的）

JT/C－7.6J－004

★ 从上面的数据中确定以上结果，必须应用贝叶斯Baye的理论。

Pr（判不合格\\ 判不合格）* Pr（不合格）

Pr（不合格\\ 判不合格）= Pr（判不合格\\ 判不合格）+ Pr（判不合格\\ 判不合格）* Pr（不合格）

.938 * (.0027)

Pr（不合格\\ 判不合格）=

.938 * (.0027)+.020 * (.997 …… 此处隐藏：1383字，全部文档内容请下载后查看。喜欢就下载吧 ……