【专业文章】怎样做属性量具研究（分析法）

在公司的技术部，越来越多的对一些技术细节有了更深刻的理解。而有一些知识，不是可以随意百度到的。因此，开始做一个知识贡献者，将自己的经验分享出去。

在测量系统分析时，GRR经常用到的两种方法是：计量型GRR和属性一致性分析，较少用到属性量具研究。本文说明：

1. 属性一致性分析和量具属性研究的主要不同；

2. 什么时候做属性量具研究；

3. 怎么做属性量具研究。

1. 属性一致性分析和量具属性研究的主要不同

属性一致性分析，是检验评估员之间一致性的方法。应用的对象是“不同的检验人员”；

属性量具研究（分析法），是检验属性测量系统的偏倚和重复性的一种方法。应用的对象是“一台属性策略设备（仪器）”，与检验人员无关。

使用属性一致性分析可回答下列问题：

评估员在所有试验中其自己的意见是否一致？

评估员在所有试验中与已知标准是否一致？

所有评估员在所有试验中与自己的意见（评估员各自）以及他人（评估员之间）的意见是否一致？

所有评估员与其自己、他人以及标准是否一致？

使用属性量具研究（分析法）可回答该属性量具的准确性和重复性如何：

该属性量具是否存在偏倚？

该属性量具是否具有重复性？

2. 什么时候做属性量具研究

生产线上有一个100%的自动检测产品某“属性”的检测设备（仪器）时，需要对该“属性自动检测设备”进行属性量具研究。例如：自动检测产品外观缺陷的设备（通过或剔除）。

解释：回归到测量系统分析的本质：对某属性的策略系统的构成决定了采用什么样的分析方法。如果测量系统就是一台自动检测设备，和人无关，那么分析的一定是对这次设备的精确度和重复性，所以用属性量具研究。如果测量系统是由不同的检验员在不同的班次用某量具（如通止规（Go/No Go））进行对属性判断，那么就进行典型的“属性一致性分析”。

3. 怎么做属性量具研究

参考Minitab17中的 属性量具研究（分析法）中的方法：选择 8 个正常操作范围内的代表性部件，每个部件都具有对应的参考值。通过量具对每个部件测量 20 次并记录接受或拒绝数以评估偏倚和重复性。Minitab 提供了两种评估偏倚的方法：AIAG 法和回归法。如果使用 AIAG 法（默认方法），则每个部件必须至少进行 20 次试验，并且必须至少有6 个部件的接受数量大于 0 且小于最大接受数量（20）。

1. 使用 AIAG 法检验偏倚的条件：

·    每个部件正好有 20 次试验。

·    最小部件的接受次数必须为 0 次。

·    最大部件的接受次数必须为可能的最大接受次数。

·    必须正好有 6 个部件的接受次数大于 0 且小于最大接受次数。

2.  怎样选取具有代表性的8个样品。

做属性量具研究（分析法）的关键是：找到具有代表性的8个样品。

在使用minitab分析时，出现下面错误报警：

* 错误 * 数据必须包含 8 个或者更多的可区分参考，在最小和最大参考处为两个极值比率，之间有 6 个或更多的非极值可区分比率。

意思是 要有八个不同的“统计数”。

看下面的一组数：

原始数据列只有4个值“1,2,3,19,20”，且没有0. 说明这12个样品不具有代表性，换句话说，5-8为一样属性的样品9-12为一样属性的样品。而进行分析，还需要找到参考值介于3和19之间的一些样品。

理想的数据（编造的）应该如“Pass”列的数据“0,7,11,14,17,18,19,20”。

下面截取《MSA 4th edition》P147页的说明来解释怎样选取样品：