Gauge R&R (Повторяемост и възпроизводимост) е статистическо изследване, което количествено определя колко от вариацията в набор от измервания произхожда от самата измервателна система, а не от измерваните детайли. То е основната техника в Анализа на измервателната система (MSA) и отговаря на един откровен въпрос: можете ли да се доверите на числата, които дават вашите уреди и инспектори? Ако измервателната система допринася твърде много за наблюдаваната вариация, всяко следващо решение, базирано на тези данни (контролни граници за качество, проучвания на възможностите, контролни диаграми), е компрометирано. Gauge R&R разделя измервателната грешка на две компоненти — повторяемост и възпроизводимост — и изразява техния комбиниран ефект като процент, за да можете да приемете, подобрите или отхвърлите системата.
Двете части на Gauge R&R описват различни източници на измервателна грешка, и объркването им води до поправяне на грешния проблем.
Комбинирани, те формират общата вариация на измервателната система, обикновено записвана като GRR. Останалата вариация в изследването ви трябва да произхожда от действителни разлики между детайлите, което е сигналът, който всъщност искате да откриете.
Измервателната система е лещата, през която виждате процеса си. Ако лещата е изкривена, не можете да се доверите на нищо, което наблюдавате през нея. Затова валидирано изследване Gauge R&R трябва да предшества статистическия контрол на процесите и всеки анализ на възможностите на процеса. Ако вашият уред добавя 25 процента от общата вариация, контролна диаграма може да сигнализира фалшиви аларми или, още по-лошо, да прикрие истински сигнали от специални причинители. Индекси на възможност като Cp и Cpk губят смисъл, защото част от разпространението, което те измерват, е чист измервателен шум. Структуриран процес за подобрение като DMAIC почти винаги валидира измервателната система във фазата Measure по точно тази причина: не можете да подобрите онова, което не можете да измерите надеждно.
Резултатите от Gauge R&R се докладват като процент, за да могат да бъдат преценени спрямо стандартно правило. Има две често използвани основи:
Свързана метрика е броят на различните категории (ndc), който оценява колко отделни групи детайли системата може надеждно да различи. NDC от 5 или повече се счита за приемливо.
Насоките на Automotive Industry Action Group (AIAG) дават просто правило за решение, базирано на стойността на %GRR:
Тези прагове са насоки, не закони. Размер, критичен за безопасността, може да изисква по-строги граници, докато груб уред за сортиране може да търпи по-голяма вариация.
Представете си изследване Gauge R&R на шублер за диаметър на вала. След изчисляване на стандартните отклонения получавате тези стойности в милиметри:
Тъй като тези компоненти се комбинират в квадрата (дисперсиите се събират, не стандартните отклонения), първо повдигнете всяка стойност на квадрат. Дисперсията на повторяемостта е 0.008^2 = 0.000064. Дисперсията на възпроизводимостта е 0.006^2 = 0.000036. Дисперсията на GRR е тяхната сума: 0.000064 + 0.000036 = 0.000100, така че стандартното отклонение на GRR е квадратният корен, 0.010 mm.
След това намерете общата вариация. Дисперсията част-към-част е 0.040^2 = 0.001600. Общата дисперсия = дисперсията на GRR + дисперсията на частите = 0.000100 + 0.001600 = 0.001700, така че общото стандартно отклонение е квадратният корен, приблизително 0.041231 mm.
Сега изчислете % Вариация в изследването: (стандартно отклонение на GRR / общо стандартно отклонение) × 100 = (0.010 / 0.041231) × 100 = 24.25 процента. Този резултат попада в диапазона 10–30 процента, което означава, че системата е гранична и си заслужава подобрение. Тъй като повторяемостта (0.008) е по-голяма от възпроизводимостта (0.006), резолюцията или състоянието на шублера е по-важният лост за действие, така че прекалибриране или ъпгрейд на уреда биха помогнали повече от преквалификация на операторите.
Когато едно изследване не успее, коренната причина обикновено попада в няколко категории. Ранжирането им чрез анализ на Парето ви помага да атакувате най-големия приносител първо.
Поправянето на тези проблеми е пряко свързано с по-широката дисциплина по надеждност. Добре управлявана програма за тотална продуктивна поддръжка поддържа уредите калибрирани и в добро състояние, а FMEA може да идентифицира начини на отказ на измерванията преди те да достигнат производствената площадка.
За яснота, провеждането на формално изследване Gauge R&R е специално MSA упражнение, изпълнявано в статистически софтуер, и Fabrico не е калкулатор за Gauge R&R. Това, което Fabrico предоставя, е надеждният слой производствени данни, който прави дисциплината на измерванията приложима в мащаб. Fabrico доставя в реално време OEE и мониторинг на производството, а нейният CMMS продукт следи активите, работните нареждания и превантивните графици, които поддържат вашето измервателно оборудване калибрирано и в спецификация. Fabrico също предлага мониторинг с компютърно зрение, който улавя данни за цикли и спирания дори на машини без PLC, така че събитията за качество се записват последователно, а не чрез непоследователно ръчно въвеждане. Добри измервателни системи намаляват непланираните престои, произтичащи от неправилно оценено качество, а споделен CMMS гарантира, че всеки уред има документирана история на калибрации. След като вашите измервания са надеждни, Fabrico дава на тези чисти данни постоянно място за съхранение, хоствано в ЕС.
Класическото пресечено изследване на AIAG използва 10 детайла, 3 оператора и по 3 проби всеки, за общо 90 измервания. Детайлите трябва да покриват целия обхват на вариацията на процеса, а операторите трябва да измерват в случаен ред без да виждат предишни резултати. По-малко детайли или проби намаляват статистическата увереност на оценката, затова оформлението 10×3×3 остава практическият стандарт за повечето размерни проверки.
Не. Калибрирането сравнява уред спрямо известен референтен стандарт, за да потвърди неговата точност (близост до истинската стойност), докато Gauge R&R измерва прецизността (разпръскването на повторните показания). Уредът може да бъде перфектно калибриран и въпреки това да не премине Gauge R&R, ако показанията му са разпръснати, и също може да бъде повторяем, но със систематична грешка, ако не е в калибър. И двете са необходими, и програма за проактивна поддръжка трябва да ги планира и двете.
Gauge R&R валидира входовете на измерванията, докато метриките за надеждност като MTBF и MTTR описват представянето на оборудването във времето. Те са допълващи се: ако времевите марки за престои и повреди се улавят непоследователно, вашите метрики за надеждност наследяват този измервателен шум. Надеждното събиране на данни, което Fabrico автоматизира, е общата основа под както анализа на качеството, така и на надеждността.
Надеждната измервателна система е отправната точка за всяка инициатива по качеството, а надеждните производствени данни са това, което я поддържа честна. Вижте как Fabrico превръща в реално време OEE, CMMS и мониторинг с компютърно зрение в чиста, хоствана в ЕС основа от данни за вашата програма по качество, като заявете демонстрация.
Вход
Блог
