新浪博客

如何理解GRR分析报告中的ndc

2017-12-29 10:58阅读:7,714
在对测量系统进行GRR分析的时候,根据AIAG的MSA手册的要求,在计算测量系统的GRR%的同时,还需要计算ndc。只有当GRR%和ndc都符合要求的情况下,该测量系统的GRR才可以被认定为OK。AIAG的MSA手册中对ndc的要求是>=5,但ndc到底代表个什么东西,手册中并没有详细说明,因此这个ndc也成为了很多MSA担当者的一个疑惑。这篇文章来讨论一下如何理解ndc。
先讲个生活中的例子。在说到彩虹的时候,人们通常都会说彩虹有7种颜色,红、橙、黄、绿、青、蓝、紫。为什么我们说是7种颜色,而不是更多?这是因为人的眼睛在观察彩虹的时候,只能区分出这7种颜色的变化,再多的区分凭借人眼的能力就存在困难了。在这个例子中,如果把人眼作为一个测量系统,彩虹的色彩作为测量对象,那么人眼在测量彩虹色彩时候的ndc就等于7。从这个例子,我们可以引申出对ndc的理解:ndc表征的是一个测量系统把测量对象的值有效区分成不同等级的能力。
接下来再从数学上来说明一下ndc是如何计算的。在这之前,先需要从数学来说明一下上文中所说的有效区分是个什么概念。
假设有个测量系统,它的偏移为0,重复性和再现性为GRR。如果用这个测量系统测量一个真实值为X1的样品1,则得到的测量结果,将是以X1为平均值,GRR为标准偏差的正态分布。同样,如果用这个测量系统测量一个真实值为X2 (X2>X1)的样品2,则得到的测量结果将是以X2为平均值,GRR为标准偏差的正态分布。这两个测量结果的分布如下图所示。
如何理解GRR分析报告中的ndc

从此图可以看出,虽然样品2的真实值大于样品1,但由于GRR的存在,其测量结果有可能小于样品1。当这种情况发生的时候,即样品2的测量值-样品1的测量值<=0的时候,测量系统对这两样品就发生了错
误区分。那么这种错误发生的概率是多少?我们来看一下两个样品的测量值之间的差值DeltaX是如何分布的。由于样品1和样品2的测量值分别是以X1和X2为平均值,GRR为标准偏差的正态分布,由正态分布的性质可以得出,DeltaX将是以X2-X1为平均值,1.414*GRR (即根号2乘以GRR)为标准偏差的正态分布,如下图所示:
如何理解GRR分析报告中的ndc
图中,阴影区域为DeltaX<=0的区域,这个区域的面积代表测量系统对两个样品发生错误区分的可能,它是由这个正态分布的中心线X2-X1和标准偏差1.414*GRR来共同决定的。通常认为,当X2-X1>=3*1.414*GRR时,DeltaX<=0的概率就很小了(由正态分布的性质可以计算这时的概率小于0.135%),即在这种情况下,可以认为测量系统有能力对样品1和样品2进行有效区分。3*1.414*GRR称为测量系统的有效解析度,它决定了测量系统对测量对象的值进行有效区分的能力
现在再回到ndc上来。在GRR分析中,如果由制造过程引起的样品性能分布的标准偏差为PV,代表这个制造过程生产的产品基本上都分布在6*PV范围内(根据正态分布可得出样品在6*PV范围内的概率是99.73%)。因为测量系统的有效解析度为3*1.414*GRR,该测量系统能将所有的样品有效区分成(6*PV)/(3*1.414*GRR)个不同等级,这个值即为该测量系统的ndc。所以,从数学上来说,
ndc=1.414*PV/GRR

留言板

下载客户端体验更佳,还能发布图片和表情~

亿万博主正在被热评!
999+

给此博文留言吧! 有机会上热评榜! 攒金币兑换礼品!

好的评论会让人崇拜发布评论

我的更多文章

下载客户端阅读体验更佳

APP专享
打开APP