很多工厂一谈到测量系统分析（MSA），脑子里就蹦出GR&R。做了，合格了，万事大吉。真的吗？
我见过太多案例——GR&R通过，可产线量测数据就是跟客户那边对不上。每次出货都像在赌，赌对方的量具今天心情好。
这感觉，特糟心。
GR&R，别只盯着百分比
GR&R，也就是量具重复性和再现性。重复性：同一个人，同一把量具，多次测量同一个零件，差异有多大。再现性：不同人，同一把量具，测量同一个零件，差异又有多大。
业内常说“10%以下可接受，30%以上必须改进”。可你要是死磕这个%GR&R，就掉坑里了。
举个例子。去年我帮一家做精密轴承的工厂做诊断。他们的%GR&R=9.2%，漂漂亮亮。但装配线总投诉外径超差。我一看数据，ndc（可区分类别数）只有2。什么意思？这把量具只能把零件分成两类：合格，或者不合格。过程稍微一波动，它根本察觉不到。SPC控制图全是平线——不是过程稳，是量具瞎了。
所以，GR&R报告一出来，你首先该看的是ndc。ndc≥5，才谈得上统计过程控制。否则，%GR&R再好看，也是废纸。
忘了偏倚和线性？那MSA只做了一半
MSA不止GR&R。偏倚和线性，才是真正让你头疼的隐性杀手。
偏倚，就是量具测量平均值与参考值之间的差值。一把卡尺，测标准块总是大0.02mm，你觉得无所谓？调机师傅会哭着告诉你，0.02mm能毁掉整批产品的一贯性。
线性呢？是量具在预期量程内偏倚的差异。一台三坐标，测小孔偏倚+0.005，测大孔偏倚+0.03——这种情况太常见了。如果你只在量程中点做GR&R，呵呵，两端测出来的数据早就偏到姥姥家了。
我强烈建议！做MSA规划时，一定把偏倚和线性研究放在前面。先校准，消除偏倚；再检查线性，确保整个量程内偏倚一致。然后，才轮到GR&R。
否则，GR&R就算完美，也是在沙滩上盖城堡。
问：为什么%GR&R合格了，但测量还是不准？
答：很可能因为偏倚没消除。假设真实尺寸10.00mm，量具系统性地测出10.02mm，GR&R只反映测量波动，那个+0.02的恒定偏差它可不管。另外，如果线性不好，在不同尺寸段偏倚不同，你只在某个尺寸附近做GR&R，根本暴露不了问题。记住，GR&R衡量的是精密度，不是准确度。两者都健康，测量系统才算靠谱。
问：做GR&R时，零件选择有什么讲究？
答：千万别随手抓10个零件！样本必须覆盖整个过程的实际变差。理想情况是从近期生产的零件中，按时间间隔随机抽取，尽量让它们散布在公差带上下。如果样本只集中在规格中心，算出的%GR&R（相对于公差）会虚假地偏小；如果太分散，又可能夸大。我通常建议至少取10个件，搭配使用PPK值反推样本极差。还有个坑：盲测！评价人不能看到自己上一轮的测量值，零件顺序必须随机化，否则记忆效应会人为降低再现性。这是实操中最容易被忽略的细节。
实操中，我为什么讨厌“完美数据”
有时候，顾问会给你一份教科书般的MSA报告。数据极度收敛，所有判定指标绿得发光。这时候你得警觉——可能有人在造假。
真实工厂里，油污，振动，操作员疲劳，温度波动……测量系统天生就是变差的来源。那份“过于干净”的GR&R，要么是挑选了最好的零件，要么是让最熟练的检验员在恒温间里反复演练的结果。一到生产线，立刻现原形。
我特别推崇破坏性GR&R研究，许多人不愿碰。比如拉力测试、硬度测试，测一次零件就没了。怎么办？你得用嵌套实验设计，假定同一批内零件足够均匀，用批替代重复。过程麻烦，但能真实反映测量系统的表现。💡如果你在用Minitab，里面的破坏性量具R&R模块可以帮你，别手动硬算了——累且易错。
说到软件，Minitalb的MSA助手其实挺方便。员工总抱怨不会设计实验，不会看交互作用图。让他们点几下鼠标，自动生成随机化测量顺序，再输出带图表的报告，质量工程师就能腾出精力去现场找根本原因。
不过，软件用多了也有个毛病：大家只会看p值和百分比，忘了思考数据背后的物理意义。哪天停电，或者许可证过期，难道就不做MSA了？
别笑，我真见过这样的厂。
好了，扯远了。一句话总结：测量系统分析（MSA）是活的，得跟着你的工艺、环境和人员流动而迭代。不是每年审一次的质量文件。
做扎实，比做漂亮重要十倍。
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：测量系统分析（MSA）：避开GR&R的坑，你的量具真的靠谱吗？ https://www.dachanpin.com/a/tg/60822.html
