说实话，我入行做质量那会儿，最烦的就是填那一堆量具校准表格。觉得纯属浪费生命。直到有一次——
一批零件全检合格，发到客户手里却退货了。客户那边用他们的尺子一量，超差。️ 我当时就懵了，怎么可能？回过头把我们的卡尺拿去第三方校准，没问题啊。后来才发现，是测量员手法的问题……那种一巴掌扇醒自己的感觉，至今记得。
这就是测量系统分析（MSA）要命的点：你以为是零件在变异，其实只是你的测量系统在抖。
很多人一听到MSA，脑子里就蹦出来GR&R，然后跟做作业似的填个%GR&R，小于10%就皆大欢喜。但这事儿要是这么简单，工厂里就不会有那么多扯皮了。
别把MSA当成填表游戏
有一回我审核供应商，对方质量经理特自豪地拍出一叠GR&R报告：“我们的量具全部通过！” 我问了句：“你们偏倚和线性做过分析吗？” 空气突然安静。
——稳定性呢？
对方额头开始冒汗。你看，这就是典型的把MSA窄化了。MSA涵盖分辨率、偏倚、线性、稳定性以及重复性和再现性（GR&R），缺了任何一个，你的测量数据都可能是个美丽的误会。
举个例子，一台秤，每天零点漂移，你从来不做稳定性监控，等到月底才发现生产记录全是错的。多惨。
GR&R那张表，藏着多少猫腻
咱们来拆一拆。做过GR&R的都知道，10个零件、3个人、重复3次。然后电脑给出%GR&R——低于10%叫可接受，10%~30%叫凑合，超过30%就废了。可是！你有没有遇过一种情况：%GR&R明明很好，但实际用起来就是不对劲？
问题可能出在分辨率不够。假如公差带只有0.02mm，你的千分尺分辨率是0.01mm，看着挺细，但其实规格最多只能分两层，明显不够。这时候%GR&R可能因为零件变异选得好，依然低空飞过……等于自欺欺人。
还有再现性比重复性高出一大截。别急着怪人。可能是量具设计问题，比如卡尺的测砧面不平，换个人抓的位置稍不同，结果就飞了。我见过最离谱的一次，操作员A和B的差值居然达到公差的一半，最后发现是固定夹具的螺丝松了。这种系统性问题，光看数据根本猜不到。
问：那我们该怎么选零件做GR&R？随便抓10个吗？
答：大错特错。必须从实际生产过程中取，而且要尽量覆盖整个公差范围——甚至故意包含1-2个超差件。这样才能真实暴露测量系统在全量程上的能力。如果只取接近中值的“乖宝宝”，%GR&R当然漂亮，但一到边界就误判，客户投诉永远减不下来。
有一回我坚持让供应商混入边界件重做GR&R，原本8%的结果直接飙到45%。他们的质量总工脸都绿了，但后来改进夹具后，在线不良率降了12%。所以别怕数据难看，怕的是假装看不见。
“人”才是最难校准的仪器
这些年做MSA，最大的感触是：技术上的偏倚和线性还能用标准块调，人的习惯却极难纠正。比如测外径，有人习惯用卡尺尖部，有人用根部；有人旋转工件，有人直接卡。这些微小的差异，在精密公差下会被放大成灾难。
所以我现在审核，一定会在现场看操作员实际测量。有一次，一个干了十年的老师傅，手法稳得一批，但他的量具放置架子有磁性，吸附了细小铁屑——测什么都偏大0.005mm。查了三天才发现。❗
问：我们的量具每年外校，还需要做MSA吗？
答：外校只证明在特定条件下量具合格，无法保证在你车间温湿度、粉尘、操作员习惯、测量对象材质影响下的真实表现。MSA是评价整个测量系统——人、机、料、法、环——的综合变差。我见过太多外校OK，上线一用就崩的案例。所以，必须结合具体应用场景定期做MSA，特别是关键特性。
顺便说一句，稳定性监控可以用控制图定期打标准件，能提前预警量具漂移。比每年来一次外校靠谱多了。
数字化转型下的MSA新坑
现在车间上MES、搞自动化测量了，有人觉得可以松口气。呵呵。自动检测设备也有偏倚和线性，而且因为速度太快，一旦失真，产生废品的速度比人工还猛。去年帮一个轴承厂做自动线MSA，发现检测站的压缩空气水分导致传感器漂移，三个小时数据全废。他们IT部还在查数据库为什么报警逻辑没触发……其实根本不是软件的问题。
更别说视觉检测，光照变化、算法阈值设置，都会引入新的变差源。所以，MSA的思维不能丢，反而要扩展到这些新设备上——别只盯着传统的卡尺千分尺。
最后的话
我见过最聪明的工程师，是那些敢把MSA结果贴在车间看板上的人。数据难看就改进，改好了再贴。这比任何口号都管用。测量系统是数据的源头，源头脏了，后面的SPC、DOE、CpK全成了行为艺术。
所以，下次当你看到一堆检查数据时，不妨先问一句：这数据，多大程度反映的是我的测量系统本身？——然后，去做MSA。
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）：为什么你车间的数据总在撒谎？ https://www.dachanpin.com/a/tg/64590.html
