%EV คือ 20/Cg. หาก Cg = 1.33 แล้ว %EV จะเป็น 15%.

หากค่า %EV (ความซ้ำได้และความเอนเอียง) สูงกว่า 15% ความแปรปรวนของการวัดจะมากกว่าค่าความเผื่อของชิ้นงาน และในขณะเดียวกัน ค่าความเอนเอียง (ความแตกต่างระหว่างค่าเฉลี่ย Xm และ Xref) ก็มีความสำคัญ ควรสังเกตว่าโดยทั่วไปจะใช้ค่า 10 หรือ 15% เป็นขีดจำกัด ซึ่งในอุดมคติแล้วควรต่ำกว่าเปอร์เซ็นต์ที่กำหนดไว้

จากเมตริกทั้งสี่ข้างต้น (Cg, Cgk, %EV Repeatability และ %EV Repeatability and Bias) สามารถสังเกตได้ว่าความเอนเอียงของเกจที่มีต่อค่าอ้างอิงก็ได้รับการพิจารณาและตรวจสอบอยู่บ่อยครั้งเช่นกันดังนั้น จึงเป็นเรื่องปกติที่จะรวมการทดสอบ T แบบตัวอย่างเดียว (1 sample T-test) ในการศึกษา GR&R ประเภทที่ 1 เพื่อเสริมความแข็งแกร่งทางสถิติเพิ่มเติมว่า Xm แตกต่างหรือห่างไกลจาก Xref หรือไม่ ในการประเมินโดยใช้การทดสอบ T แบบตัวอย่างเดียว ค่า p-value ที่เกี่ยวข้องจะต้องสูงกว่า 0.05 จึงจะสามารถสรุปได้ว่าไม่มีความแตกต่างอย่างมีนัยสำคัญระหว่าง Xref และ Xm

ใน Datalyzer Qualis 4.0 MSA Gage Management สามารถเลือกชิ้นส่วนได้ระหว่าง 25 ถึง 50 ชิ้นเพื่อทำการศึกษาเกจประเภทที่ 1 เมื่อเพิ่มค่าอ้างอิง ขีดจำกัดล่างของข้อกำหนด (LSL) และขีดจำกัดบนของข้อกำหนด (USL) ข้อมูลสรุปจะแสดงในแท็บ ‘Dataset’ ดังต่อไปนี้

การตัดสินจะแสดงในแท็บ ‘ผลลัพธ์’ โดยใช้เกณฑ์เมตริกที่ระบุไว้ ผลการศึกษาด้านล่างแสดงการตัดสินว่า ‘ผ่าน’ สำหรับการศึกษา GR&R ประเภท 1 เนื่องจากค่า p-value สูงกว่า 0.05, Cg และ Cgk สูงกว่า 1.33 และทั้ง %EV น้อยกว่า 10%

บางองค์กรใช้ค่า p-value เฉพาะในการศึกษาเกจประเภทที่ 1 เท่านั้น ในขณะที่บางองค์กรใช้เฉพาะค่า Cg/Cgk เท่านั้น การเลือกเกณฑ์ใด ๆ สามารถกำหนดเป็นกฎเริ่มต้นสำหรับบริษัทของคุณในซอฟต์แวร์ Datalyzer Qualis 4.0 MSA Gage Management ได้

เกณฑ์การตัดสิน:

เกณฑ์ที่ใช้แตกต่างกันไปในแต่ละอุตสาหกรรม ซึ่งอาจทำให้ผู้ใช้ปลายทางสับสนได้ %EV (ความสามารถในการทำซ้ำและความเอนเอียง) ไม่เหมือนกับ %EV ในการศึกษา GRR ประเภท 2 เนื่องจากความเอนเอียงไม่ได้รวมอยู่ในการศึกษาประเภท 2 ดังนั้นเกณฑ์อาจแตกต่างกันไปในแต่ละประเภทของการศึกษา นอกจากนี้ลูกค้าอาจต้องการเกณฑ์อื่น ๆ ด้วย

ตัวอย่างเช่น สำหรับการศึกษาประเภทที่ 2 ในคู่มือ AIAG (ยานยนต์) ข้อกำหนดสำหรับ GR&R คือ: GRR < 10% ถือว่าดี, 10% < GRR < 30% ถือว่าอยู่ในเกณฑ์ขอบเขต และ GRR > 30% ถือว่าไม่ดี

Minitab ใช้เกณฑ์ 2 ข้อ: GRR < 15% ถือว่าดี และ GRR > 15% ถือว่าไม่ดี สำหรับ Cg และ Cgk เราจะใช้อิงเกณฑ์เดียวกัน ใน Datalyzer เราใช้เกณฑ์เดียวกับ AIAG โดยค่าเริ่มต้น แต่ลูกค้าปลายทางสามารถเปลี่ยนเกณฑ์ได้หากต้องการเบี่ยงเบนจากมาตรฐานยานยนต์

การศึกษาความแปรปรวนของเครื่องมือวัด ประเภทที่ 2

การศึกษาความแม่นยำและซ้ำของเกจประเภทที่ 2 (Type 2 Gage R&R) เป็นวิธีการ GR&R ที่ถูกนำไปใช้มากที่สุดในองค์กรที่ใช้การศึกษาความแม่นยำของเกจ (MSA) มีแนวทางหรือวิธีการในการประเมินผลการศึกษาระดับความแม่นยำและซ้ำของเกจประเภทที่ 2 อยู่ 3 วิธี ได้แก่:

1. วิธีการช่วง
2. วิธีการเฉลี่ยและช่วง
3. วิธี ANOVA

ใน Datalyzer Qualis 4.0 MSA Gage Management เราสนับสนุนทั้งสามวิธี

วิธีการช่วง (หรือที่รู้จักในชื่อ ‘การศึกษาสั้น’ หรือ ‘แบบฟอร์มสั้น’) เป็นวิธีการ GR&R แบบแปรผันที่ง่ายขึ้น และไม่ควรใช้ในการประเมินระบบวัดทั้งหมดจากผลลัพธ์เพียงอย่างเดียว มักใช้เป็นการประมาณคร่าว ๆ ของความแปรปรวนในการวัดและเพื่อตรวจหาการเปลี่ยนแปลงที่สำคัญใน GR&R สำหรับเกจที่มีอยู่

วิธีการช่วง (Range Method) มักใช้ผู้ประเมิน 2 คน และ 5 ส่วน โดยแต่ละผู้ประเมินจะทำการวัดหนึ่งครั้ง (หนึ่งครั้งทดลอง) จากผลลัพธ์จะได้ %GRR ซึ่งคำนวณจาก:

ค่า GRR จะคำนวณจากค่าเฉลี่ยของแต่ละช่วงหารด้วยค่าคงที่ d2 ซึ่งได้มาจากตารางค่าคงที่ทางสถิติ จาก %GRR เราสามารถตีความสัดส่วนของความแปรปรวนในการวัดเมื่อเทียบกับความแปรปรวนทั้งหมดได้ ความแปรปรวนในการวัดไม่สามารถมีค่ามากเกินไปเมื่อเทียบกับความแปรปรวนทั้งหมด

ในระบบ Datalyzer Qualis Gage Management การศึกษา GR&R ประเภท 2 จะมีตัวเลือก ‘ประเภทการศึกษา’ ที่ผู้ใช้สามารถเลือก ‘การศึกษาแบบสั้น’ ตามด้วย ‘วิธีการช่วง’ ในช่อง ‘วิธีการคำนวณ’ เพื่อเลือกใช้วิธีการช่วงในการศึกษา GR&R

ผลลัพธ์จะปรากฏขึ้นหลังจากการป้อนข้อมูล ซึ่งจะมีการประเมินเกณฑ์ทั่วไปของการศึกษาตาม %GRR โดยทั่วไปแล้ว %GRR ควรน้อยกว่า 10% เพื่อให้การศึกษาวิธีการช่วงถือว่าผ่าน

วิธีที่สองในการศึกษา GR&R ประเภทที่ 2เรียกว่าวิธีค่าเฉลี่ยและช่วง ในการศึกษานี้ โดยปกติจะมีผู้ประเมิน 2 ถึง 3 คนวัดชิ้นส่วนระหว่าง 10 ถึง 35 ชิ้น โดยแต่ละคนทำการทดลอง 2 ถึง 4 ครั้ง ในระบบ Datalyzer Qualis Gage Management สามารถใช้วิธีการหลายวิธีในการคำนวณความแปรปรวนทั้งหมด ในตัวอย่างด้านล่างนี้เลือก ‘Study Variation’

มีวิธีการสามวิธีในการหาค่า Total Variation ในการศึกษา GR&R:

1. จากผลรวมของความแปรปรวนในการศึกษา ซึ่งได้มาจากข้อมูลการวัด GR&R เอง:

2.จากการควบคุมกระบวนการทางสถิติ (SPC) ซึ่งนำมาจากส่วนเบี่ยงเบนมาตรฐานใน SPC จากกระบวนการที่เสถียร

3. จากค่าความทนทานรวมของกระบวนการ, USL และ LSL.

Datalyzer รองรับวิธีการทั้งหมดข้างต้นในการหาค่าความแปรปรวนทั้งหมดในการศึกษา GR&Rในซอฟต์แวร์ Datalyzer Qualis 4.0 MSA Gage Management หากผู้ใช้เปิดใช้งานช่องทำเครื่องหมาย “SPC” ที่แสดงด้านล่าง ผู้ใช้สามารถเลือกชิ้นส่วนและคุณลักษณะจากระบบ SPC และซอฟต์แวร์ Qualis Gage Management จะนำเข้าความแปรปรวนของกระบวนการและค่าความทนทานของกระบวนการล่าสุด (LSL และ USL) จากซอฟต์แวร์ Datalyzer SPC โดยอัตโนมัติ

ข้อกำหนดของ MSA ที่ว่าความแปรปรวนของชิ้นส่วนที่เลือกสำหรับการศึกษาควรเป็นตัวแทนของกระบวนการนั้น ไม่ใช่เรื่องง่ายเสมอไปที่จะปฏิบัติตาม ดังนั้นเราจึงเสนอทางเลือกในการใช้ความแปรปรวนของกระบวนการจริงเพื่อให้แน่ใจว่าข้อกำหนดนี้ได้รับการปฏิบัติตามเสมอ

โดยใช้วิธีค่าเฉลี่ยและช่วง ผลลัพธ์สามารถดูได้ในแท็บผลลัพธ์ตามที่แสดงด้านล่าง:

เกณฑ์การตัดสินสำหรับการศึกษา GR&R ประเภทที่ 2 อิงตาม %GRR (เปอร์เซ็นต์ของความเที่ยงตรงในการทำซ้ำและความสามารถในการทำซ้ำของเครื่องมือวัด) และ ndc (จำนวนหมวดหมู่ที่แตกต่างกัน) สำหรับการศึกษาประเภทที่ 2 ที่จะถือว่าผ่าน %GRR ต้องน้อยกว่า 10% และ ndc ต้องเท่ากับหรือมากกว่า 5

%GRR ในค่าเฉลี่ยและช่วงขึ้นอยู่กับทั้งความแปรปรวนของอุปกรณ์ (EV) หรือความแปรปรวนของผู้ประเมิน (AV) หาก %GRR สูงกว่า 10% การศึกษาประเภทที่ 2 จะอยู่ในระดับขอบเขตหรือล้มเหลว และผู้ใช้สามารถดู EV และ AV เพื่อหาปัจจัยที่มีส่วนร่วมมากที่สุดในการล้มเหลว

เกณฑ์อีกประการหนึ่งที่ใช้ในการกำหนดความสำเร็จของการศึกษาประเภทที่ 2 คือ ndcซึ่ง ndc ย่อมาจาก จำนวนหมวดหมู่ที่แตกต่างกัน ndc มักใช้เพื่อระบุความสามารถของระบบการวัดในการตรวจจับความแตกต่างในลักษณะที่วัดได้ อุตสาหกรรมต่างๆ ใช้แนวทางทั่วไปของ ndc ที่กำหนดโดย Wheeler, 1989 ซึ่ง ndc สามารถประมาณได้โดยใช้สูตร:

จากนั้น ndc จะถูกตัดออกให้เป็นตัวเลขเต็ม ดังนั้น ndc ของ 5.67 จะเป็น ndc ของ 5

นอกเหนือจากการคำนวณเชิงตัวเลขแล้ว ซอฟต์แวร์ Datalyzer Qualis Gage Management ยังมีการแสดงผลแบบกราฟิกเพื่อช่วยผู้ใช้ในการให้ข้อมูลเพิ่มเติมเกี่ยวกับการศึกษา GR&R แผนภูมิกราฟต่อไปนี้สามารถใช้ได้ในวิธีค่าเฉลี่ยและช่วงของประเภทที่ 2:

วิธีที่สามในการศึกษา GR&R ประเภทที่ 2 คือวิธี ANOVA (การวิเคราะห์ความแปรปรวน) ข้อมูลการวัดเดียวกันที่ใช้ในวิธีค่าเฉลี่ยและช่วงสามารถใช้กับวิธี ANOVA ได้เช่นกัน แต่มีวิธีการคำนวณที่แตกต่างกัน

ในวิธีการเฉลี่ยและช่วง ส่วนประกอบของการคำนวณจะถูกแบ่งออกเพียงระหว่างความแปรปรวนของอุปกรณ์ (EV) และความแปรปรวนของผู้ประเมิน (AV) เท่านั้น ใน ANOVA จะพิจารณาถึงปฏิสัมพันธ์ระหว่างผู้ประเมินและชิ้นส่วนด้วย ซึ่งเป็นเหตุผลว่าทำไม ANOVA จึงมักเป็นที่นิยมมากกว่าวิธีการเฉลี่ยและช่วง ตัวอย่างต่อไปนี้อธิบายเกี่ยวกับปฏิสัมพันธ์ระหว่างผู้ประเมินและชิ้นส่วน

ในโรงงานผลิตรถยนต์ ผู้ปฏิบัติงานสองคน ซาร่าห์และไมค์ มีหน้าที่ตรวจสอบขนาดของวาล์วเครื่องยนต์ เป้าหมายคือการประเมินความแปรปรวนในการวัดระหว่างผู้ปฏิบัติงานทั้งสอง

สถานการณ์ที่ 1: หากซาร่าห์วัดขนาดวาล์วเครื่องยนต์ได้ใหญ่กว่าไมค์อย่างต่อเนื่อง ไม่ว่าผลิตภัณฑ์ที่วัดจะเป็นอะไร อาจมีผลหลักของผู้ประเมินผลอยู่ได้ สถานการณ์ที่ 1 นี้สามารถตรวจพบได้ทั้งใน ANOVA และวิธีการเฉลี่ยและช่วง

สถานการณ์ที่ 2: อย่างไรก็ตาม หากความแตกต่างในการวัดระหว่างซาร่าห์และไมค์มีความแปรปรวนอย่างมีนัยสำคัญ ขึ้นอยู่กับว่าพวกเขากำลังตรวจสอบวาล์วเฉพาะหรือไม่ อาจมีผลของปฏิสัมพันธ์เกิดขึ้นได้ สถานการณ์ที่ 2 นี้สามารถตรวจพบได้ง่ายในวิธี ANOVA เนื่องจาก ANOVA พิจารณาปฏิสัมพันธ์ระหว่างปัจจัย ซึ่งในกรณีนี้คือระหว่างซาร่าห์/ไมค์กับวาล์วเครื่องยนต์เฉพาะ

ในซอฟต์แวร์ Datalyzer Qualis 4.0 MSA Gage Management สามารถเลือกวิธีการคำนวณ ANOVA ได้หากต้องการ

เมื่อป้อนข้อมูลการวัดแล้ว จะสามารถเห็นการคำนวณสนับสนุน ANOVA ได้ในตัวอย่างด้านล่าง

การคำนวณสนับสนุนข้างต้นสามารถให้ข้อมูลบางอย่างแก่ผู้ใช้โดยอิงจาก DF (ระดับอิสระ), SS (ผลรวมของกำลังสอง), MS (ค่าเฉลี่ยของกำลังสอง) และค่าสถิติ F

ในการวิเคราะห์ความแปรปรวนแบบกลุ่มย่อย (GR&R ANOVA) ค่าความอิสระ (Degrees of freedom, DF) หมายถึงจำนวนข้อมูลอิสระที่มีอยู่เพื่อใช้ในการประมาณค่าความแปรปรวนของระบบวัด โดยเฉพาะอย่างยิ่ง:

1. จำนวนอิสระระหว่างผู้ประเมิน: ตัวนี้แสดงถึงจำนวนอิสระที่เกี่ยวข้องกับค่าความแตกต่างระหว่างผู้ประเมิน (ผู้ประเมิน) ในการวัดค่าของพวกเขา ซึ่งเท่ากับจำนวนผู้ประเมินลบหนึ่ง 2. จำนวนอิสระภายในผู้ประเมิน: ตัวนี้แสดงถึงจำนวนอิสระที่เกี่ยวข้องกับค่าความแตกต่างภายในแต่ละการวัดของผู้ประเมิน ซึ่งเท่ากับจำนวนการวัดทั้งหมดลบจำนวนผู้ประเมินทั้งหมด

ค่าเฉลี่ยกำลังสอง (MS) แสดงถึงความแปรปรวนเฉลี่ยภายในและระหว่างผู้ปฏิบัติงาน โดยเฉพาะ:

1. ค่าเฉลี่ยกำลังสองระหว่างผู้ปฏิบัติงาน: ตัวนี้แสดงถึงความแปรปรวนเฉลี่ยระหว่างผู้ปฏิบัติงาน และคำนวณโดยการหารผลรวมกำลังสองระหว่างผู้ปฏิบัติงานด้วยจำนวนอิสระระหว่างผู้ปฏิบัติงาน2. ค่าเฉลี่ยกำลังสองภายในผู้ปฏิบัติงาน: ตัวนี้แสดงถึงความแปรปรวนเฉลี่ยภายในแต่ละการวัดของผู้ปฏิบัติงาน และคำนวณโดยการหารผลรวมกำลังสองภายในผู้ปฏิบัติงานด้วยจำนวนอิสระภายในผู้ปฏิบัติงาน

ผลรวมของกำลังสอง (SS) แสดงถึงความแปรปรวนทั้งหมดในระบบวัด ซึ่งแบ่งออกเป็นความแปรปรวนระหว่างผู้ปฏิบัติงานและความแปรปรวนภายในผู้ปฏิบัติงาน โดยเฉพาะ:

1. ผลรวมของกำลังสองระหว่างผู้ปฏิบัติงาน: ตัวนี้แสดงผลรวมของกำลังสองของความเบี่ยงเบนของค่าเฉลี่ยของผู้ปฏิบัติงานจากค่าเฉลี่ยทั้งหมด โดยให้น้ำหนักตามจำนวนการวัดของผู้ปฏิบัติงานแต่ละคน2. ผลรวมของกำลังสองภายในผู้ปฏิบัติงาน: ตัวนี้แสดงผลรวมของกำลังสองของความเบี่ยงเบนของค่าการวัดแต่ละค่าจากค่าเฉลี่ยของผู้ปฏิบัติงานที่เกี่ยวข้อง

ค่า F-statistic คืออัตราส่วนของค่าเฉลี่ยกำลังสองสองค่า ค่า F ที่ใหญ่กว่าบ่งชี้ถึงความแตกต่างระหว่างผู้ปฏิบัติงานที่มากกว่าเมื่อเทียบกับความแปรปรวนภายในผู้ปฏิบัติงาน ซึ่งอาจบ่งชี้ว่าระบบการวัดอาจไม่น่าเชื่อถือ หน้าจอการคัดกรองต่อไปนี้จะแสดงสำหรับผลการวิเคราะห์ความแปรปรวน (ANOVA) สำหรับการศึกษา GR&R ประเภทที่ 2:

สำหรับผลลัพธ์ข้างต้น ผู้ใช้สามารถเห็นเกณฑ์ที่คล้ายกับวิธีการเฉลี่ยและช่วง ซึ่งคือค่า %GRR และค่า ndc การศึกษาประเภท 2 ข้างต้นล้มเหลวเนื่องจากค่า %GRR สูง (สูงกว่า 10) และค่า ndc ต่ำ (ต่ำกว่า 5) ผู้ใช้ยังสามารถเลือกดูค่า %GRR ในตารางข้างต้นด้วยตนเองในคอลัมน์สุดท้าย (%SV) ซึ่งเป็นคอลัมน์ % การเปลี่ยนแปลงของการศึกษา

การศึกษาความแปรปรวนของเครื่องมือวัดประเภท 3

การศึกษาความแปรปรวนของเครื่องมือวัด (Gage R&R) ประเภทที่ 3 เป็นเวอร์ชันที่ปรับปรุงมาจากการศึกษาประเภทที่ 2 ซึ่งในการศึกษานี้จะไม่มีการแทรกแซงจากผู้ปฏิบัติงานแต่อย่างใด ประเภทที่ 3 นี้ถูกนำมาใช้ในอุตสาหกรรมสำหรับเครื่องจักรหรือเครื่องทดสอบอัตโนมัติที่มีคุณลักษณะจำนวนมาก โดยไม่มีปัจจัยมนุษย์ที่มีอิทธิพลอย่างมีนัยสำคัญต่อระบบการวัด

ในการศึกษาประเภทที่ 3 โดยทั่วไปจะเลือกชิ้นส่วนจำนวน 25 ชิ้นเพื่อทำการวัดสองครั้ง (สองครั้ง) และไม่มีผู้ปฏิบัติงานเข้ามาเกี่ยวข้อง ดังนั้นผลลัพธ์จะมาจากเครื่องเดียวเท่านั้น ในกรณีนี้ เครื่องจะเป็นผู้ประเมินเอง

ในทางตรงกันข้ามกับประเภทที่ 1 เกณฑ์การตัดสินประเภทที่ 3 จะเหมือนกับประเภทที่ 2 ซึ่งคือ %GR&R ในขณะที่ประเภทที่ 1 จะพิจารณา Cg/ Cgk และเกณฑ์อื่นๆ ที่เน้นไปที่ปัจจัยความซ้ำซ้อนและปัจจัยความเอนเอียงมากกว่าความแตกต่างหลักในการคำนวณระหว่างการศึกษาประเภทที่ 3 และประเภทที่ 2 คือ %GRR ซึ่งคำนวณจากค่าความแปรปรวนของอุปกรณ์ (EV) เพียงอย่างเดียว โดยไม่รวมค่าความแปรปรวนของผู้ประเมิน (AV) ในการคำนวณ GRR ซึ่งหมายความว่าในการศึกษาประเภทที่ 3 สูตรสำหรับ GRR คือ:

ในซอฟต์แวร์การจัดการเกจ Datalyzer Qualis ทั้ง ANOVA และ Average and Range สามารถเลือกได้สำหรับการศึกษาประเภท 3 หลังจากป้อนข้อมูลแล้ว หน้าจอผลลัพธ์สำหรับการศึกษาประเภท 3 จะมีลักษณะคล้ายกับหน้าจอรูปแบบของการศึกษาประเภท 2

ในตัวอย่างข้างต้น ได้เลือกใช้วิธี ANOVA ในการศึกษาประเภทที่ 3 โปรดทราบว่าปัจจัยผู้ประเมินผลและปฏิสัมพันธ์ระหว่างผู้ประเมินผลกับชิ้นส่วนจะถูกตัดออกจากตาราง ANOVA (แสดงเป็นศูนย์) เนื่องจากไม่มีผลจากผู้ประเมินผล

หน้าจอด้านบนแสดงผลลัพธ์ของการศึกษาลักษณะหนึ่ง แต่ในกรณีส่วนใหญ่เราจะวัดลักษณะหลายร้อยลักษณะ (เช่น CMM ของชิ้นส่วนที่ซับซ้อนหรือการทดสอบทางไฟฟ้าของแผงวงจร PCB)ในกรณีนี้ ซอฟต์แวร์ Datalyzer MSA Gage Management สามารถใช้ร่วมกับโมดูลนำเข้าอัตโนมัติเพื่อนำเข้าคุณลักษณะทั้งหมดในครั้งเดียวและแสดงการศึกษา MSA แบบเต็มรูปแบบสำหรับคุณลักษณะหลายร้อยรายการ ปัจจุบันบริษัทส่วนใหญ่เลือกเฉพาะคุณลักษณะที่สำคัญที่สุดเท่านั้น เนื่องจากการใช้เวลาในการศึกษาคุณลักษณะหลายร้อยรายการนั้นใช้เวลานานมาก การทำให้กระบวนการนี้เป็นอัตโนมัติอย่างสมบูรณ์จะช่วยให้คุณทราบได้ทันทีว่า คุณลักษณะใดที่อาจมีความสำคัญโดยอิงจากผลการทดสอบ MSA