机器视觉-测量系统分析方法GR&R的使用

测量系统分析方法中的GR&R用于评估测量系统相关性重复性。GR&R分析可以帮助我们确定测量系统中的误差来源,并提供改进措施。

GR&R 其中一个重要概念    重复性   分为  静态重复性和动态重复性

静态重复性:单次操作将一片物料放在机台上,无取放地对相应测量项测试10次,观察相应测量项的数据跳动,通常需要三个操作员每个人测三次,每次测10片样品,静态重复性的要求标准通常是公差的10%    静态重复性主要作用:检验相机精度和算法的稳定性

动态重复性:有取放地对一片物料的相应测量项测试32次,并观察相应的测量项的数据跳动,动态重复性的要求通常是公差的20%    动态重复性主要作用:机台稳定性(机台放料平台是否水平,加料工具是否松动,  相机是否抖动等)

影响重复性的主要因素总结
        样品:测量的特征本身并不稳定,比如电池容易发生变形,刚性存在不足;
        测量设备:设备精度差,测量的方法不够健壮;
        测试人员:参数设置不够合理;
        环境:温度、适度、震动等

机器视觉-测量系统分析方法GR&R的使用_第1张图片

上图是一组重复性数据测试结果: 

序号代表1个产品测试的次数

高度1 高度2.......代表产品的不同方位高度的测试

Max 一组中最大值

Min 一组中最小值

MAN-MIN  一组中最大值和最小值 差值    差值越小 代表重复性测试的精度越高

GR&R 其中一个重要概念  相关性偏差

相关性偏差: 相关性偏差是指测量系统中的误差与被测量对象之间的相关性。帮助我们了解测量系统是否存在与被测量对象相关的误差,并进一步评估测量系统的准确性

相关性要求:
        相关性的要求由客户给定,同时测量的次数,物料的片数也严格按照客户要求来进行,根据测量项来确定线性斜率,在针对偏移量进行补偿以后,测量值与真值所拟合的线性斜率越接近1,说明我们的机台与标机结果越符合。

机器视觉-测量系统分析方法GR&R的使用_第2张图片

机器视觉-测量系统分析方法GR&R的使用_第3张图片

例如:客户提供一种标准的测量设备 -测量32pcs(片)产品  得到32个标准数据(比如长度数据)
我们使用自己的机台 测试数据  对比   结果与客户数据  比对后 得到一组相似的比例值   大概差值在0.03 ,一般客户会提供相关性检测工具(如上图)  我们需要填写检测结果后  就会自动计算相关性

你可能感兴趣的:(c#)