我学MSA 之：偏倚分析（续篇−控制图法）

01、开篇语

各位小伙伴，你们好。

在《我学 MSA之“系列”》的第一篇，给您介绍了偏倚分析的“独立样件法”；第二篇，介绍了稳定性分析-控制图法。作为承接，本篇介绍利用“稳定性分析−控制图法”的结果对偏倚进行分析的过程，作为对手册中的方法补充。

02、偏倚分析的准备说明

 1. 对测量系统的稳定性分析以后（统计稳定性），其结果可以用来做偏倚分析 — 这就是偏倚−控制图法的由来；

2. 稳定性分析时如果策划利用其结果进行“偏倚”分析，需要确定基准值，方法与独立样件法基本相同（选定单件，用更精密的仪器多次测量，如10次以上，建立基准值）；

3. 样件基准值能溯源到相应国家或国际标准；

4. 本例基准值确定为 6.04（本例中的数据有所调整，在实际使用该方法时，请使用您的实际数据，本例仅为学习过程提供参考）

示例数据如下：

 03、利用稳定性分析结果进行偏倚分析的步骤

 【步骤1】：正态性检验

这里略去MSA计划等一系列策划方面的介绍，请您参考前面的两篇文章介绍。

以防万一，对数据进行正态性检验还是有必要的。方法依然是两个：直方图或者正态性检验工具。

如图结果，P值 0.750＞0.05，数据呈现正态，可以进一步进行分析。

【步骤2】基础数据引用和σR统计量的判断

从控制图中引用并计算出以下数据：

1. 计算总体均值X-bar = average（数据区域）=6.0462

2. 平均极差Rbar = average（极差数据区域）=0.242

3. 重复性标准偏差

σR=R-bar/d2*=0.242/2.32593=0.142

d2*常数到《与平均极差的分布有关的数值》表获取（手册附录C）

此例中g=25，m=5，此时用d2替代d2*，

4. 对重复性标准偏差进行判定

重复性接收准则是σR/σObs=0.104/2.5=4.162% ≤10%可接受（2.5是已知的过程变差，接收规则参考GRR的10%规则）

此例重复性满足条件，可以进行进一步分析。

注意：数据都是虚拟的，仅为模拟学习过程，实际的变差2.5可能没有这么差哦

【步骤3】其他统计量计算

形成以下列表（均在Excel中生成），用于最终结果分析：

- 测量次数N=子组容量×子组数=m×g=5×25=125

- 均值Xbar=直接引用均值控制图CL值

- 平均偏倚Average Bias=均值Xbar−参考值=6.0462-6.04=0.0062

- 极差均值=R控制图中心线=0.242

- 重复性标准差σR=0.142（算法如上步）

- 偏倚平均标准误差σb=重复性标准差/(测量次数^0.5)=0.142/(125)^0.5=0.0093

- 统计量t值=平均偏倚/偏倚平均标准误差=0.0062/0,0093=0.6705

- 自由度ν，在《与平均极差的分布有关的数值》表查询后，=v(g=20，m)的自由度+(g-20)*m对应的cd常数=72.7+5*3.623(cd常数)=90.8

- α小概率常规设定0.05

- 显著t临界值 用Excel函数 = T.INV(1-0.05/2，90.8)=1.9867

- 95%置信区间=偏倚均值±显著t*偏倚平均标准误=0.0062±1.9867×0.0093=[-0.012~0.024]

【步骤4】结论

依上述结果做结论评价：

- 临界值法，0落在95%置信区间 [-0.012~0.024] 内，偏倚不显著可接受；

- P值法（用函数=T.DIST.2T(t统计量,自由度)=0.504>0.05），偏倚不显著可接受（此处是假设检验的典型应用，即统计意义上偏倚为0的原假设不能拒绝）；

- 还可以Bias%作为辅助评价指标=0.0062/(6*2.5）≈0.04%