交叉量具 R&R 研究示例

某工程师选择了 10 个代表过程变异预期极差的部件。三名操作员按照随机顺序测量 10 个部件，每个部件测量三次。

此工程师执行交叉量具 R&R 研究来评估因测量系统导致的测量值的变异性。

解释结果

双因子方差分析表包含了关于部件的项、操作员以及操作员和部件的交互作用。如果交互作用的 p 值 ≥ 0.05，Minitab 将忽略来自全模型的交互作用，因为该交互作用不是显著性的。在该示例中，p 值为 0.974，因此 Minitab 将再生成一个双因子方差分布表，该表从最终模型中省略交互作用。

使用方差分量 (VarComp) 可以将每个测量误差源的变异与整体变异进行比较。在这些结果中，量具 R&R 表中的贡献 % 列显示部件间的变异为 92.24%。此值远大于总体量具 R&R 的贡献百分比（即 7.76%）。因此，许多变异是因部件间的差异所致。

使用“研究变异 %”将测量系统变异和总体变异进行比较。总体量具 R&R 等于研究变异的 27.86%。根据应用场合，总体量具 R&R 的贡献 % 可能是可接受的。有关更多信息，请转到我的测量系统是否可接受？。

对于此数据，可区分类别数为 4。按照 AIAG 的要求，您需要至少 5 个可区分类别才能得到满足要求的测量系统。有关更多信息，请转到在量具 R&R 研究中使用不同类别的数量。

这些图形还提供有关测量系统的如下信息：

在变异分量图中，部件间的贡献百分比大于总体量具 R&R 的贡献百分比。因此，许多变异是因部件间的差异所致。
“R 控制图（按操作员）”显示操作员 B 的部件测量值很不稳定。
在“Xbar 控制图（按操作员）”中，大部分点位于控制限外部。因此，许多变异是因部件间的差异所致。
“按部件”图显示部件之间的差异很大。
在“按操作员”图中，操作员之间的差值小于部件之间的差值，但非常显著（p 值 = 0.00）。操作员 C 的测量值稍低于其他操作员的测量值。
在“操作员*部件交互作用”图中，线之间接近平行，在表中找到的操作员*部件交互作用的 p 值为 0.974。这些结果指示每个部件和操作员之间不存在显著的交互作用。

过程公差 = 8

来源	标准差(SD)	研究变异 (6 × SD)	%研究变异 (%SV)	%公差 (SV/Toler)
合计量具 R&R	0.30237	1.81423	27.86	22.68
重复性	0.19993	1.19960	18.42	14.99
再现性	0.22684	1.36103	20.90	17.01
操作员	0.22684	1.36103	20.90	17.01
部件间	1.04233	6.25396	96.04	78.17
合计变异	1.08530	6.51180	100.00	81.40

可区分的类别数 = 4