MSA răspunde la o întrebare simplă, dar critică: câtă încredere poți avea în datele cu care controlezi și îmbunătățești procesul? AIAG tratează calitatea datelor de măsurare ca bază pentru decizii mai bune în fabricație. MSA nu se reduce la Gage R&R.
Separă repetabilitatea, reproductibilitatea și variația piesă-la-piesă într-un studiu continuu. QAPP folosește model ANOVA încrucișat cu interacțiune și afișează VarComp, Study Variation, %Study Var, %Contribution, ndc și %Tolerance dacă introduci toleranța.
Analizează Gage R&R →Biasul este diferența sistematică dintre rezultatul măsurării și o valoare de referință. Un sistem poate fi repetabil și totuși să măsoare constant prea sus sau prea jos.
Analizează Bias →Verifică dacă biasul este constant pe domeniul de măsurare. O eroare mică la o dimensiune nu garantează aceeași acuratețe la capetele domeniului.
Analizează Linearity →Urmărește un check standard în timp. Caută drift, schimbări ale centrului sau modificări ale preciziei față de o perioadă baseline.
Analizează Stability →Pentru inspecții vizuale sau clasificări OK/NOK, defect A/B/C etc. Verifică repetabilitatea evaluatorului, acordul între evaluatori și acordul față de standard.
Analizează Attribute Agreement →| Întrebarea | Studiul | Exemplu |
|---|---|---|
| Câtă variație introduce măsurarea? | Gage R&R | 3 operatori măsoară aceleași piese în repetări |
| Măsurăm sistematic prea sus/jos? | Bias | Repetări pe un etalon de 50,000 mm |
| Biasul se schimbă cu mărimea? | Linearity | Etaloane distribuite de la 10 la 50 mm |
| Sistemul se schimbă în timp? | Stability | Check standard măsurat zilnic |
| Evaluatorii clasifică la fel? | Attribute Agreement | Inspecție vizuală OK/NOK |
%Contribution folosește componentele de varianță și arată cât din varianța totală este asociată fiecărei surse. %Study Var compară deviațiile standard și nu se adună la 100%. %Tolerance compară variația sistemului de măsurare cu toleranța tehnică; este relevantă când scopul măsurării este decizia față de specificații. ndc estimează câte categorii distincte poate diferenția sistemul în raport cu variația pieselor.
Nu folosi un singur indicator drept verdict. Dacă interacțiunea operator×piesă este importantă, investighează geometria, metoda, fixarea, instrucțiunile și instruirea. Dacă piesele din studiu acoperă prea puțin din variația reală, %Study Var poate conduce la o interpretare greșită a utilizării sistemului.
Un studiu de bias cere o referință potrivită și trasabilă. Linearity extinde întrebarea pe întreg domeniul de utilizare. NIST recomandă mai mult de patru standarde de referință distribuite pe domeniu și repetări la fiecare nivel. În QAPP, panta regresiei biasului față de referință arată dacă eroarea sistematică se modifică odată cu mărimea măsurată.
Stabilitatea este proprietatea în timp. Un instrument poate fi calibrat astăzi, dar poate deriva din cauza temperaturii, uzurii, mediului, fixării sau altor schimbări. QAPP folosește un baseline pentru limite și monitorizează ulterior check standardul cu I-MR; limitele rămân fixe în faza de monitorizare.
Pentru date nominale, procentul brut de acord este ușor de înțeles, dar nu corectează acordul care ar putea apărea întâmplător. Kappa face această corecție. QAPP arată acordul în interiorul evaluatorului, acordul evaluatorului cu standardul, Fleiss κ între evaluatori și matricea de clasificare. Minitab, citând AIAG MSA ediția 4, indică κ≥0,75 ca acord bun și valori mai mari, precum 0,90, ca preferabile; criteriul final trebuie însă legat de riscul clasificării și cerința clientului.
QAPP folosește sursele publice pentru formule și explicații și AIAG pentru alinierea metodologică automotive. Nu reproduce manualul AIAG licențiat și nu certifică automat conformitatea.