解释 属性量具研究(分析法) 的主要结果

完成以下步骤解释属性量具研究。主要输出包括偏倚度量、模型拟合指示符以及量具性能曲线。

步骤 1:评估是否在测量系统中出现偏倚

偏倚用来度量测量系统的准确度。偏倚等于参考部件的已知标准值与观测到的平均测量值之间的差异。低偏倚值说明属性量具测量部件所得的测量值接近于部件的参考值。

要确定测量系统中的偏倚在统计意义上是否显著,请将 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 指示在实际上不存在显著偏倚时得出存在偏倚的风险为 5%。

主要结果:P 值

对于此示例,偏倚为 0.0097955,p 值为 0.0000021。因为 p 值小于显著性水平 0.05,所以您否定偏倚等于 0 的原假设。您断定测量系统中存在统计意义上显著的偏倚。

注意

如果您将默认设置更改为使用回归法替代 AIAG 法,则 p 值可能稍有差异。

步骤 2:评估拟合线图

正态概率图显示每个参考值的接受百分比。由于尚未有来自量具的实际测量值可用于估计偏倚和重复性,因此 Minitab 通过使用所有部件的计算得到的接受概率和已知参考值拟合正态分布曲线,从而计算偏倚和重复性。

如果测量误差服从正态分布,则计算得到的概率沿着直线分布。回归线能够拟合概率。

拟合回归线的 R 平方 (R2) 值表明回归模型解释的接受概率响应中的变异百分比。R2 介于 0 和 100% 之间。通常,R2 值越高,模型拟合数据的优度越高。大于 90% 的 R2 值通常表示能够很好地拟合数据。

主要结果:R 平方

在此示例中,R 平方是 0.969376。拟合线非常符合数据,模型拟合近 97% 的变异。

步骤 3:评估量具性能曲线

量具性能曲线将估计的接受概率显示为项参考值的函数。垂直参考线表示您为该分析输入的限值。

对于此数据,在公差下限 –0.020 接受某一项的概率相对较高(大约为 0.84)。但是,接受率也比较高,仅低于公差限制。如果公差下限非常重要,则需要进行一些改进。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策