gonogoMSA.docVIP

MSA第三版里有KAPPA方法的介绍不过，有些不太清楚，下面是论坛里一位大侠的帖子，我下了下来，忘了大侠的名字。这里专贴给你。Part I: 总则1. 概述：评价人在重复检测合格与不合格零件时的有效性或能力。SW评价人拒收合格零件或接受不合格零件的风险有多大。当评估再现性时，可以比较不同评价人的有效性。2.概念A. 有效性（E）：准确检测合格与不合格零件的能力，它介于0到1之间，1是最完美的。计算公式如下：??A E＝正确识别的零件数/正确数量的总机会数正确数量的总机会数＝零件数和每个零件被测次数的乘积。例如：10个零件各测3次，则正确数量的总机会数将为3x10＝30B. 漏报概率（Probability of a Miss）Pmiss ：? 指接收不合格零件的机会——非常严重的错误。计算公式：Pmiss＝漏报数量/不合格零件机会总数。不合格零件机会总数＝研究中所用的不合格零件与每个零件被测次数的乘积。例如：5个不合格零件各测3次，则不合格零件机会总数将为3x5＝15SPC , C.误报概率 Pfa （Probability of a false alarm）指拒收合格零件的机会?——造成不必要的返工和重检若Pfa过大，大量的成本将浪费于返工和重检。Pfa＝误报数量/合格零件机会总数合格零件机会总数＝所用的合格零件与每个零件被测次数的乘积。例如：6个合格零件各测3次，则合格零件机会总数将为3x 6＝18SPC 偏倚K 是 Pmiss和 Pfa的函数B 0 B＝Pfa/PmissB 1??偏倚倾向于接受零件 Pfa Pmiss B＝1 无偏倚 Pfa Pmiss B 1??偏倚倾向于拒收零件 Pfa Pmiss 3.具体收集数据的方法：从过程中抽取50个零件样本，以获得覆盖过程范围的零件。真值已知3名评价人，每人对每个零件测 3次。接受 合格 ——1? ?拒绝 不合格 —— 0经验: 特别选择—并非随机选择能判别合格或不合格的零件。所选零件数参见下表：——选1/3合格，1/3不合格，1/3边缘产品。边缘产品：又可细分为，合格边缘和不合格边缘产品。总结成MSA手册表12的格式.接下来再作数据分析! Part II:1.总结数据:?? - 评价人之间, 评价人和基准之间 - 评价人每次之间的一致性假设检验分析：——交叉表分析法 A*B A*C? ? B*C A*Ref? ? B*Ref? ?C*Ref 0*0 44 43 42 45 45 42SPC 0*1 3 8 9 3 3 6SPC 1*0 6 7 5 5 2 91*1 97 92 94 97 100 93 其中要注意就是评价人之间例如A*B时的个数算法是累积A1 和B1, A2和B2, A3和B3的结果比如上述第一个数据44就是A1 B1 0的个数加上A2 B2 0的个数加上A3 B3 0的个数. 其他依此类推.2. 计算科恩的 Kappa 它可以确定评价人之间意见一致的程度。? 采用 kappa 测量两个评价人对同一目标评价值的一致程度。? 1 表示完全一致。? 0 表示一致程度不比偶然的好，?将上述数据转化为MSA手册上的交叉表格式. 期望的计算法: A0B0 ??A0Bx *AxB0 50*47/150 15.7。Po 对角线单元中观测值的总和[ 44+97 /150 0.94]Pe＝对角线单元中期望值的总和[ 15.7+68.7 /150 0.56]Kappa P0-Pe / 1-Pe 0.94 –0.56 / 1- 0.56 0.38/0.44 86% 同理将AB, BC, AC, A*Ref, B*Ref和C*Ref的Kappa 计算出来，当Kappa 0.75,??表示好的一致性（Max为1）， 0.4,? ?表示一致性差。但这时只相当于系统的重复性, 他它不能衡量测量系统区分好和坏零件的能力 见part III 3.测量系统的一致性。—— 相当于测量系统的重复性 。系统有效性的评估准备成MSA手册 P115的格式。例如: 1 评价人自己在所有试验上都一致2 评价人在所有试验上都与基准一致3 所有评价人自己保持一致,两两间一致4 所有评价人自己和两两间一致并且与基准一致 Part III: 计算漏报和误报。漏报 实际不好判为好的/实际不好的。例如operator A的数据就是A*Ref 1*0的个数。A*Ref 1*0 1, 且Ref 0的有9个则漏报1/9。误报 实际好判为不好的/实际好的 。例如operator A的数据就是A*Ref 0*1的个数.。A*Ref 0*1 1, 且Ref 1的有81个则误报率为1/81 判断准则:判