Analisis Sistem Pengukuran
Pengukuran Analisis Sistem (MSA), adalah metode untuk mengidentifikasi komponen-komponen variasi dalam pengukuran. Hal ini digunakan untuk mengukur dampak dari kesalahan pengukuran dan untuk memastikan integritas data yang digunakan untuk analisis.Sama seperti proses memiliki variasi yang melekat, proses pengukuran memiliki variasi juga. Oleh karena itu, ketika membuat keputusan yang bergantung pada data, adalah penting untuk memastikan bahwa sistem yang mengumpulkan data yang akurat dan tepat. Meskipun tidak mungkin untuk benar-benar menghilangkan kesalahan pengukuran, tujuan MSA adalah untuk memastikan bahwa varians pengukuran relatif jauh lebih kecil daripada varians diamati.MSA adalah prasyarat penting untuk analisis data. Hal ini karena sistem pengukuran yang tidak akurat dan / atau tepat dapat menyebabkan keputusan yang salah yang dibuat. Sebagai contoh, sebuah proses yang terganggu dengan kesalahan pengukuran mungkin tampak tidak mampu dan membuat perbaikan untuk proses dapat membuat keadaan menjadi lebih buruk.
Sumber Variasi
Proses varians diamati terdiri dari proses yang benar berbeda dan varians pengukuran. Sumber variasi pengukuran (error) dapat dicirikan dalam lima cara seperti yang ditunjukkan pada gambar di bawah.
Presisi dan Akurasi
Kesalahan pengukuran mungkin salah satu dari 4 skenario yang diberikan di bawah ini. Umumnya, akurasi rendah bisa disebabkan oleh masalah stabilitas, linearitas atau prasangka. Presisi rendah bisa disebabkan reproduktifitas (jika ada lebih dari satu operator) atau pengulangan (jika salah satu dari satu percobaan per operator).
Hubungan
Relevansi adalah properti yang paling penting dari pengukuran. Jika pengukuran tidak relevan dengan pelanggan atau sistem tidak dapat membedakan ingin pelanggan anggap sebagai "baik" atau "buruk", sistem pengukuran paling mampu masih akan ada gunanya. Oleh karena itu penting untuk menetapkan definisi operasional yang baik untuk pengukuran yang mencerminkan kebutuhan pelanggan.
Resolusi
Resolusi tes adalah gradasi terbaik pada skala pengukuran. Sebuah sistem pengukuran dengan resolusi cukup membuat menyembunyikan variasi yang ada dan membatalkan hasil analisis. Hal ini umumnya direkomendasikan bahwa resolusi setidaknya 1/10 lebih rendah dari spesifikasi toleransi dan variasi proses.
Bias
Bias adalah perbedaan antara nilai standar dan nilai observasi dan linearitas adalah konsistensi akurasi di seluruh rentang sistem pengukuran. Misalnya timbangan bias jika selalu mengukur lebih besar dari nol di dalamnya keadaan bebas dan itu adalah linear jika memiliki akurasi yang sama untuk mengukur bobot yang berbeda. Linearitas dan studi Bias dapat digunakan untuk menentukan akurasi pengukur Anda di seluruh rentang operasi yang diharapkan.
Stabilitas
Stabilitas adalah variasi dalam pengukuran unit yang sama diukur dengan operator yang sama menggunakan peralatan yang sama dari waktu ke waktu. Sebuah pengukur stabil derajat presisi atau akurasi tidak berubah dari waktu ke waktu. Stabilitas gages dapat dipantau oleh digunakan diagram kontrol pada materi referensi internal.
Mampu Sistem Pengukuran
Berikut ini adalah karakteristik umum suatu sistem pengukuran yang mampu:
- Stabilitas dari waktu ke waktu
- Varians pengukuran kecil untuk memproses rasio variasi
- Pengukuran varians kecil dibandingkan dengan batas spesifikasi
- Sistem pengukuran harus memiliki resolusi yang cukup
Meningkatkan Kemampuan Gage
Cara untuk meningkatkan kemampuan pengukur tergantung pada sumber variasi diidentifikasi. Jika sumber dominan variasi pengulangan, masalahnya adalah mungkin dengan alat ukur, yang mungkin memerlukan perawatan, penggantian atau kalibrasi. Jika sumber dominan variasi reproduktifitas, Anda harus menyelidiki akar penyebab untuk menyebabkan perbedaan antara operator. Masalah reproduktifitas rendah bisa disebabkan kurangnya pelatihan, definisi operasional miskin dan prosedur operasi standar tidak diikuti atau tidak.
Pengukuran Analisis Sistem (MSA), adalah metode untuk mengidentifikasi komponen-komponen variasi dalam pengukuran. Hal ini digunakan untuk mengukur dampak dari kesalahan pengukuran dan untuk memastikan integritas data yang digunakan untuk analisis.Sama seperti proses memiliki variasi yang melekat, proses pengukuran memiliki variasi juga. Oleh karena itu, ketika membuat keputusan yang bergantung pada data, adalah penting untuk memastikan bahwa sistem yang mengumpulkan data yang akurat dan tepat. Meskipun tidak mungkin untuk benar-benar menghilangkan kesalahan pengukuran, tujuan MSA adalah untuk memastikan bahwa varians pengukuran relatif jauh lebih kecil daripada varians diamati.MSA adalah prasyarat penting untuk analisis data. Hal ini karena sistem pengukuran yang tidak akurat dan / atau tepat dapat menyebabkan keputusan yang salah yang dibuat. Sebagai contoh, sebuah proses yang terganggu dengan kesalahan pengukuran mungkin tampak tidak mampu dan membuat perbaikan untuk proses dapat membuat keadaan menjadi lebih buruk.
Sumber Variasi
Proses varians diamati terdiri dari proses yang benar berbeda dan varians pengukuran. Sumber variasi pengukuran (error) dapat dicirikan dalam lima cara seperti yang ditunjukkan pada gambar di bawah.
Presisi dan Akurasi
Kesalahan pengukuran mungkin salah satu dari 4 skenario yang diberikan di bawah ini. Umumnya, akurasi rendah bisa disebabkan oleh masalah stabilitas, linearitas atau prasangka. Presisi rendah bisa disebabkan reproduktifitas (jika ada lebih dari satu operator) atau pengulangan (jika salah satu dari satu percobaan per operator).
Hubungan
Relevansi adalah properti yang paling penting dari pengukuran. Jika pengukuran tidak relevan dengan pelanggan atau sistem tidak dapat membedakan ingin pelanggan anggap sebagai "baik" atau "buruk", sistem pengukuran paling mampu masih akan ada gunanya. Oleh karena itu penting untuk menetapkan definisi operasional yang baik untuk pengukuran yang mencerminkan kebutuhan pelanggan.
Resolusi
Resolusi tes adalah gradasi terbaik pada skala pengukuran. Sebuah sistem pengukuran dengan resolusi cukup membuat menyembunyikan variasi yang ada dan membatalkan hasil analisis. Hal ini umumnya direkomendasikan bahwa resolusi setidaknya 1/10 lebih rendah dari spesifikasi toleransi dan variasi proses.
Bias
Bias adalah perbedaan antara nilai standar dan nilai observasi dan linearitas adalah konsistensi akurasi di seluruh rentang sistem pengukuran. Misalnya timbangan bias jika selalu mengukur lebih besar dari nol di dalamnya keadaan bebas dan itu adalah linear jika memiliki akurasi yang sama untuk mengukur bobot yang berbeda. Linearitas dan studi Bias dapat digunakan untuk menentukan akurasi pengukur Anda di seluruh rentang operasi yang diharapkan.
Stabilitas
Stabilitas adalah variasi dalam pengukuran unit yang sama diukur dengan operator yang sama menggunakan peralatan yang sama dari waktu ke waktu. Sebuah pengukur stabil derajat presisi atau akurasi tidak berubah dari waktu ke waktu. Stabilitas gages dapat dipantau oleh digunakan diagram kontrol pada materi referensi internal.
Mampu Sistem Pengukuran
Berikut ini adalah karakteristik umum suatu sistem pengukuran yang mampu:
- Stabilitas dari waktu ke waktu
- Varians pengukuran kecil untuk memproses rasio variasi
- Pengukuran varians kecil dibandingkan dengan batas spesifikasi
- Sistem pengukuran harus memiliki resolusi yang cukup
Meningkatkan Kemampuan Gage
Cara untuk meningkatkan kemampuan pengukur tergantung pada sumber variasi diidentifikasi. Jika sumber dominan variasi pengulangan, masalahnya adalah mungkin dengan alat ukur, yang mungkin memerlukan perawatan, penggantian atau kalibrasi. Jika sumber dominan variasi reproduktifitas, Anda harus menyelidiki akar penyebab untuk menyebabkan perbedaan antara operator. Masalah reproduktifitas rendah bisa disebabkan kurangnya pelatihan, definisi operasional miskin dan prosedur operasi standar tidak diikuti atau tidak.
No comments:
Post a Comment