MSA-测量系统分析关键点总结，建议每一家企业收藏！

MSA基本概述

也许我们不能解释得很清楚，但其实每个人在我们初中化学课上都已经研实践了：读取试管中溶液量的时候，为确保读取值的准确度我们需要让视线与页面平直，这是一个简单的测量系统分析的问题。

简单地说测量系统分析就是“对测量系统所作的分析“。这么解释恐怕很难被接受，所以，为了理解MSA的含义，我们可以把它分解成两个部分，一个是“测量系统“，一个是“分析“。

在质量领域我们把变差视为头号大敌，认为变差小是一种美。

MSA的方法论

MSA涉及多种方法，每一种都跟统计有关。对大多数人来说，这些方法往往难以被记住。为了便于理解记忆，我们先对“变差”　进行“剥洋葱”，即进行解构，看看哪些指标可用于表征测量系统的测量变差。

弄清楚了这些指标，ＭＳＡ方法论也就清晰可见了。

解构第一层：

测量观察到的总变差（Observed Variation）

=零件间变差（Unit-to-unit variation）+ 测量系统误差（Measurement system Error)

其中零件间变差是指不同零件间客观存在的真实差异，由零件本身决定；测量系统误差就是我们ＭＳＡ的对象，即由测量系统能力决定的测量偏差。

解构第二层：

测量系统误差（Measurement system Error)

=精确度（precision) + 准确度（Accuracy）

精确度研究的是测量变差的波动范围，没有考虑与真值的差异；准确度研究的是测量变差离真值（或参考值）的差异。

解构第三层：

1）精确度（precision)=重复性Repeatability + 再现性Reproducibility

2）准确度（Accuracy）=偏倚Bias+稳定性Stability+线性Linearity

OK，MSA的研究变差的指标其实就是上面等号右边的这5个，所以ＭＳＡ方法论包括了：

① 重复性研究 Repeatability Study

同一个人，用同样的设备/方法/设置，在相同的环境，测量同一个产品多次所观察到的变差；主要研究设备导致的误差。

理解举例：你去金店买黄金饰品的时候，同一个营业员对你看上的金饰用相同的量具3次称重，你发现3次测量结果波动很大，这就是重复性不好。

② 再现性研究 Reproducibility study

不同的人，用同样的设备/方法/设置，在相同的环境，测量同一个产品所观察到的变差；主要研究人导致的误差。

理解举例：接上面的例子，这时另外一个营业员过来用同样的工具、方法对同样的金饰称3次，发现和第一个人测量的平均值比，此人的测量平均值差异也很大，那么就是说的再现性的问题。

③ 偏倚研究 Bias Study

观测到的均值和基准值（参考值）之间的差异。

理解举例：金饰的真值假设为50g,而今天你测量10次得到平均值为45g, 那么5g的差异就是偏差。

④ 稳定性研究 Stability Study

在不同时间区间测量时得到的偏倚大小的情况，好的稳定性意味着什么时候测量偏倚都差不多。

理解举例：接着上面偏倚的例子，一个月后，用同样的量具测那个真值50g的饰品10次，得到平均值40g, 比一个月前少了10g，这说明稳定性很不好啊。

⑤ 线性研究 Linearity Study

如测量结果随量程的变化始终保持很小的Bias，那么测量系统的Linearity就好。

理解举例：还是上面那个量具，第一次测量真值50g的金饰偏差假比为0.5g, 第二次测量真值200g金饰得到的偏差为5g.也就是说随着量程变大，变差也越来越大，这个系统的线性非常糟糕。

如何做MSA？

文章内容来源网络。如有侵权，请联系删除。