📏 MSA 量測系統分析工具
IATF 16949 / VDA 6.3 合規 · ANOVA 方法 · MSA 4th Edition · 標準量測系統分析輸出
🔌 課程貫穿案例：J3 連接器本體高度
內建示範資料沿用六標準差課程的 SMT 主線案例。該案例的 Y 是首次電測開路不良率，
懷疑的機構原因之一是連接器本體高度偏移造成接觸不良，因此先驗證這個尺寸的量測系統是否可信。
10 個零件涵蓋實際製程範圍，3 位技術員各重複量測 3 次。
規格 10.00 ± 0.05 mm（雙側）
公差 0.10 mm
10 零件 × 3 技術員 × 3 次
雙側規格才算得出 %Tolerance。同一課程的熱阻案例只有上限，屬單側規格，
那一份只報 %Study Variation 與 NDC，不硬造公差寬度——兩種情境的判準不同，這是本單元要分清楚的地方。
💡 核心概念 (Core Concepts)
📏 計量型（數值）：Gage R&R
量測系統須在統計管制狀態，且其變異須小於製程變異與規格界限。
• 重複性 EV (Repeatability, σ_e)：同一操作員、同一零件、量具自身的變異
• 再現性 AV (Reproducibility, σ_o + σ_op)：不同操作員之間的變異
• 零件變異 PV (Part-to-Part, σ_p)：被量測零件之間的真實變異
• GRR = √(EV² + AV²) ；TV = √(GRR² + PV²) ；NDC = 1.41 × (PV / GRR)
🏷️ 屬性型（判定）：屬性一致性分析
判定（OK／NG、等級）沒有數值可算變異，改問「判得一致嗎？判得對嗎？」
• 自身一致（Within）：同一人對同一零件前後判得一樣嗎 — 類似重複性
• 檢驗員之間（Between）：不同人判得一樣嗎 — 類似再現性
• 對標準（vs Standard）：判得對嗎 — 需要可靠的參考答案
• Kappa κ = (Po − Pe) / (1 − Pe)：扣除碰巧一致後的一致程度；≥ 0.9 很好、≥ 0.75 可接受、< 0.4 不佳
• 漏判率（不良判成良品，流到客戶）與誤殺率（良品判成不良，增加返修報廢）分開報；常見參考：有效性 ≥ 90%、漏判率 ≤ 2%、誤殺率 ≤ 5%
三種研究怎麼選：
① 零件可被多位操作員重複量測（如尺寸、扭力、電阻）→ Crossed。
② 量測會破壞或改變零件（如拉伸試驗、焊點剝離、燃點測試、化學分析）→ Nested，每位操作員量測自己的「同批中相似零件」（nested in 操作員），沒有 Part × Operator 交互項。
③ 結果是判定而不是數值（目視、AOI 複判、Go／No-Go 量規、缺陷分類）→ 屬性一致性分析。
屬性研究的設計重點：正式研究建議 ≥ 30 個零件，並刻意放入約 25% 難判的邊界樣本（全是明顯好壞件，一致性會虛高）；2–3 位檢驗員各判 2–3 次，盲測、隨機順序；參考答案的來源（工程判定、切片、更高等級量測）要寫進報告。
⚙️ 研究配置 (Step 1 — Study Setup)
🧮 屬性一致性分析設定 (Attribute Agreement — Setup)
適用於判定型量測：OK／NG、等級 A／B／C、缺陷類別等，無法用連續數值做 Gage R&R 的情況。每個零件要有一個參考答案（標準），由工程判定、切片或更高等級的量測確認。示範資料沿用課程主線：J3 連接器焊點的目視複判，10 個零件（含邊界樣本）、3 位檢驗員、各盲測 3 次。
用來定義漏判（不良判成良品）與誤殺
🗄️ 判定資料輸入 (Attribute Agreement — Data)
每列一個零件：先填標準（參考答案），再填每位檢驗員每一次的判定；與標準不同的判定標紅框，不是有效類別的標橘框。判定時應盲測且隨機順序，不讓檢驗員知道零件編號、標準或自己上一次的答案。
在任一判定格內按 Ctrl/⌘+V，即可從該格起整塊貼上 Excel 資料；也可以直接打字（不分大小寫）
從 Excel 複製整塊貼上。欄位順序：零件名稱（可省略）、標準、檢驗員 1 第 1 次…第 r 次、檢驗員 2 第 1 次…。含標題列也沒關係，會自動略過。
📊 屬性一致性結果 (Attribute Agreement — Results)
檢驗員自身一致性（Within Appraisers）
檢驗員 vs 標準（Appraiser vs Standard）
圓點為一致百分比，直線為 95% 信賴區間（Clopper–Pearson 精確法）。區間很寬代表零件數太少，結論不穩。
📚 教學提示（屬性一致性）
- 四種一致性各回答不同問題：自身一致（同一人前後一致嗎）、對標準一致（判得對嗎）、檢驗員之間一致（大家看法一樣嗎）、全體對標準（整個檢驗系統可靠嗎）。
- Kappa 扣除了「碰巧猜對」的一致，比百分比更嚴格：1 為完全一致，0 為與隨機相同。常用參考：≥ 0.9 很好、≥ 0.75 可接受、< 0.4 不佳。
- 不以單一 Kappa 判定：同時報告對標準的一致性、漏判率、誤殺率與各自的樣本數。漏判讓不良流到客戶，誤殺增加返修與報廢，兩者的代價不同。
- 樣本要有邊界件：全是明顯的好件和壞件，一致性會虛高；刻意放入約 25% 難判的邊界樣本才看得出問題。
- 參考答案要可靠：標準若本身判錯，所有「對標準」的指標都會失真；標準的來源要寫進報告。
🏷️ 零件與操作員命名 (Step 2 — Names)
操作員 (Operators / Appraisers)
🗄️ 量測資料輸入 (Step 3 — Measurements)
列為零件，欄按操作員分組（每組含 r 次試驗）。建議使用盲測且隨機順序輸入資料。
在任一 Trial 格內按 Ctrl/⌘+V，即可從該格起整塊貼上 Excel 資料
📋 從 Excel 貼上量測資料
📊 分析結果 (Step 4 — Results)
Two-Way ANOVA
完整模型 (含 Part × Operator 交互作用)：
變異分量 (Variance Components)
分量為 σ²；總變異 = GRR² + Part²。
| Component | VarComp | % Contribution |
|---|
Gage Evaluation
| Source |
StdDev (σ) |
Study Var (K·σ) |
%Study Var |
%Tolerance |
1️⃣ 變異來源組成 (Components of Variation)
理想情況：Part-to-Part 應遠大於 Gage R&R。
6️⃣ 操作員 × 零件 交互作用 (Interaction)
線條若交叉/不平行，表示存在交互作用。
2️⃣ R 管制圖 (Range by Operator)
應在管制中 (in-control) — 重複性穩定。
3️⃣ X̄ 管制圖 (Mean by Operator)
應有 ≥50% 點落在管制界外 — 量具能分辨零件。
4️⃣ 量測值 vs 零件 (By Part)
每零件的量測散佈與平均線。
5️⃣ 量測值 vs 操作員 (By Operator)
操作員之間平均應接近。
IATF 16949 / MSA 4th 判定準則
| % GRR | 判定 |
|---|
| < 10% | 汽車等級可接受 Acceptable |
| 10% ~ 30% | 考慮應用重要性、成本後可接受 Marginal |
| > 30% | 不可接受 Unacceptable |
並 NDC ≥ 5 才能用於製程管制 (Process Control)。