MSA คืออะไร

Posted by on Jan 16, 2017


  • MSA หรือ Measurement System Analysis คือ เครื่องมือที่ใช้ในการ วิเคราะห์ เพื่อหาอัตราค่าความผิดพลาด (Error) ต่างๆ ที่เกิดขึ้นในระบบการวัด และตีความจากผลลัพธ์ที่ได้ เพื่อนำไปสู่แนวทางแก้ไขปัญหาที่ถูกต้องกับระบบการวัด
  • องค์ประกอบที่สำคัญ ของระบบการวัด คือ เครื่องมือวัด และผู้ทำการวัด

 

การเปลี่ยนแปลงของ MSA


MSA ฉบับที่ 4 ได้รับการปรับปรุงเปลี่ยนแปลงที่สำคัญ รวมถึงการเพิ่มตัวอย่างเพื่อช่วยในการทำความเข้าใจของพื้นฐานระบบการวัดการปรับปรุงรวมถึง

               1.  ปรับปรุงสารบัญเพื่อช่วยในการใช้คู่มือ

               2.  ชี้แจงความสัมพันธ์ระหว่างการสอบเทียบ และ MSA

               3.  ความหมายที่ชัดเจนของการตัดสินการวัด

               4.  ปรับปรุงส่วนของ Bias และ Linearity

               5.  ความชัดเจน และปรับปรุงส่วนของการทดสอบแบบ Attribute และ non-replication (เช่น ทดสอบแบบทำลาย)


หลักพื้นฐาน 3 ประการในการประเมินระบบการวัด

  1. 1.         พิจารณาว่าระบบการวัดมีความสามารถในการแยกแยะเพียงพอหรือไม่ (Discrimination)

 

ข้อเท็จจริงเกี่ยวกับความสามารถในการแยกแยะของระบบการวัด

  • ความสามารถในการแยกแยะของระบบการวัด ทำให้สามารถทราบข้อมูลเกี่ยวกับความผันแปรของกระบวนการที่ชัดเจนขึ้น
  • ข้อมูลจากระบบการวัด จะไม่สามารถถูกใช้ในการวิเคราะห์ได้ ถ้าระบบการวัดไม่สามารถแยกแยะ เพื่อตรวจจับความผันแปรของกระบวนการได้
  • ระบบการวัดจะไม่สามารถถูกใช้ในการควบคุมกระบวนการได้ถ้าระบบการวัดไม่สามารถแยกแยะ เพื่อตรวจจับสิ่งผิดปกติได้



การพิจารณาความสามารถในการแยกแยะของระบบการวัด

  • ให้พิจารณาจากความละเอียด (Resolution) ของเครื่องมือวัดว่ามีขนาดน้อยกว่าหรือเท่ากับ 1 ใน 10 ของ Tolerance หรือไม่  เช่น  ถ้าความละเอียดของเครื่องมือวัด = 0.01 ม.ม. และ ใช้วัดงานที่มี Tolerance = 0.10 ม.ม. แล้ว ค่าความละเอียดของเครื่องมือวัดนี้จะเท่ากับ 1 ใน 10 ของ Tolerance ซึ่งถือว่าเป็นค่าที่ยอมรับได้
  • ให้พิจารณาจาก Range Charts ถ้าพบว่า
  • ค่า R  ต่างๆ ที่อยู่ในเส้นควบคุม มีค่าซ้ำๆ กันเพียง 1,2 หรือ 3 ค่าเท่านั้น

-     ค่า R  ต่างๆ ที่อยู่ในเส้นควบคุม มีค่าซ้ำๆ กันเพียง 1,2 หรือ 3 ค่าเท่านั้น

-     หรือมีค่าซ้ำๆ กัน เพียง 4 ค่าเท่านั้น ที่อยู่ในเส้นควบคุมและมากกว่า 1 ใน 4 ของค่าเหล่านั้นอยู่ที่ศูนย์แสดงว่าระบบการวัดนั้น มีความละเอียดในการแยกแยะไม่เพียงพอ

  1. 2         ระบบการวัดมีความเที่ยงตรงหรือไม่ (Accuracy)

-     Accuracy คือ ความสามารถของระบบการวัดที่จะให้ได้ค่าถูกต้องตรงตามค่าจริง (True Value)

  1. 3         ระบบการวัด มีความแม่นยำ หรือไม่ (Precision)

Precision คือ ความสามารถของระบบการวัด ในการวัดเพื่อให้ได้ค่าที่ตรงกัน จากการวัดซ้ำๆ กัน


ทำไมต้องศึกษาระบบการวัด?

เพื่อให้มั่นใจว่าได้ข้อมูลการวัดที่มีคุณภาพ ซึ่งนำปใช้ประโยชน์ในการควบคุมกระบวนการ หรือการวิเคราะห์ความสัมพันธ์ของตัวแปรต่างๆ


ประเภทต่างๆ ของการประเมิน Accuracy & Precision

ความถูกต้อง (Accuracy) คือ ความสามารถเข้าใกล้ค่าจริง (True Value) ของผลการวัด True Value ในที่นี้คือ Conventional True Value (of a Quantity) คือ ค่าซึ่งแสดงคุณลักษณะของปริมาณเฉพาะเจาะจงที่ตกลงยอมรับร่วมกันจากที่ประชุม โดยมีค่าความไม่แน่นอน (uncertainty) ที่เหมาะสมสำหรับจุดประสงค์ที่กำหนด

ความแม่นยำ (Precision) คือ

  1. องศาของความสอดคล้อง และเป็นไปตามกันของการวัดที่ไม่ขึ้นต่อกันของปริมาณอันหนึ่งภายใต้เงื่อนไขเดียวกัน
  2. ค่าความใกล้เคียงกันของผลการวัดซ้ำหลายๆ ครั้ง ซึ่งการ   วัดหลายๆ ครั้ง จะต้องกระทำภายใต้สภาวะและเงื่อนไขเดียวกัน

ความคลาดเคลื่อน (Error) คือ ผลของการวัดลบด้วยค่าจริงของปริมาณที่ถูกวัด

Error  =  Measured Value - True Value

ความไม่แน่นอน (Uncertainty)  คือ

  1. ขอบเขตที่กำหนดไว้แน่นอน (Parameter) ร่วมกับ   ผลการวัด ซึ่งบอกลักษณะการกระจายของค่าที่ได้จากวัดซ้ำๆ กันที่สามารถทำให้อ้างได้สมเหตุสมผลว่าเป็นของปริมาณที่ถูกวัด (Measured)
  2. การรายงานผลการวัด จะต้องรายงานค่าความไม่แน่นอน

ปริมาณ  =  ค่าที่วัดได้ + ความไม่แน่นอน ที่ระดับความเชื่อมั่น …... %


ความแม่น (Accuracy) กับ ความเที่ยง (Precision)

  •  ความแม่น (accuracy)
    • ความใกล้เคียงค่าจริงหรือค่าที่ยอมรับได้ของการวัด
    •  ความคลาดเคลื่อน (error)
      • ความคลาดเคลื่อนสัมบูรณ์ (absolute error) E = Xi - Xt
      • ความคลาดเคลื่อนสัมพัทธ์ (relative error) E= (Xi – Xt)/Xt
      •  ความเที่ยง (precision)
        • ความใกล้เคียงของผลการวัดจากการวัดที่เหมือนกัน

Bias (ความเอนเอียง)

               เป็นค่าความแตกต่างระหว่างค่าเฉลยของการวัดจากการสังเกต(Observed Value) และค่าอ้างอิง (Reference Value)


วิธีการคำนวณหาค่า Bias


Bias = ค่าเฉลี่ยของค่าที่วัดได้จากชิ้นงาน – ค่าอ้างอิง


โดยที่ ค่าอ้างอิงได้จากค่าเฉลี่ยของค่าที่วัดได้จากชิ้นงานโดยใช้เครื่องมือวัดที่มี Accuracy สูงกว่า


%Bias = 100 (Bias/Tolerance (หรือ Process Variation))


โดยที่ Process Variation = 6?  (อ้างอิงจาก Control Chart)



Stability (ความสามารถด้านเสถียรภาพ) 

Stability (หรือ Drift) คือ ความผันแปรทั้งหมดในการวัดที่ได้จากระบบการวัดที่ใช้ตัว Master หรือชิ้นงานเพียงตัวเดียว จุดวัดจุดเดียว จุดวัดจุดเดียว ตลอดช่วงเวลาหนึ่งๆ (ช่วงเวลานี้จะต้องนับเป็น “วัน” ไม่ใช่ “ชั่วโมง)


 

วิธีการคำนวณหาค่า Stability

  1. จัดเตรียม Master หรือชิ้นงาน เพื่อใช้ในการศึกษาค่า Stability โดยชิ้นงานนี้ควรมีค่าอยู่ที่ค่ากลางของ Tolerance (หรือ Process Variation)
  2. นำ Master หรือชิ้นงานมาวัดค่า โดยทำการวัดซ้ำ 3 ถึง 5 ครั้ง แล้วนำมาหาค่าเฉลี่ย (Xbar)
  3. Plot ข้อมูลที่ได้ลงบน Xbar – R Chart
  4. เมื่อ Plot ค่าจนครบ 20 ค่า ทำการคำนวณหาค่า Control Limit
  5. ตัดค่า Xbar ที่ Out of Control Limit ออก
  6. นำค่า Xbar ทั้งหมดที่เหลือมาหาค่า s
  7. คำนวณหาค่า Stability จากสูตร Stability = 5.15 s
  8. คำนวณหาค่า %Stability = 100 [Stability/Tolerance] หรือ = 100 (Stability/Process Variation)

 


Linearity (ความสามารถในการวัดเมื่อเปลี่ยนย่านวัด)

Linearity คือค่าความแตกต่างของความโน้มเอียงตลอดช่วงการใช้งานของเครื่องมือวัด เป็นการศึกษาถึงความสามารถของเครื่องมือวัดเมื่อทำการเปลี่ยนย่านวัด


วิธีการคำนวณหาค่า Linearity 

  1. เลือกชิ้นงาน 5 ถึง 8 ชิ้น ที่มีค่าแตกต่างกันตลอดช่วงการใช้งาน
  2. ทำการหาค่าอ้างอิง ของแต่ละชิ้นงาน โดยใช้เครื่องมือวัดที่มีค่า Accuracy แม่นยำที่สูงกว่า
  3. ใช้ผู้วัดและเครื่องมือวัดเดียวกัน ในการวัดชิ้นงาน
  4. ทำการวัดชิ้นงานแต่ละชิ้น โดยทำการวัดซ้ำ 10-12 ครั้ง
  5. คำนวณหาค่า Bias ของแต่ละชิ้น

Bias = ค่าเฉลี่ยของค่าที่วัดได้ - ค่าอ้างอิง

  1. นำค่า Bias และค่าอ้างอิงมา Plot บนแกน X–Y จากนั้น ลากเส้นตรงให้ผ่านจุดให้มากที่สุด (Scatter Plot)
  2. คำนวณค่า Linearity จากสูตร

Linearity = Slope x Tolerance (หรือ Process Variation)
% Linearity = 100 [Linearity/Tolerance]

หรือ = 100 (Linearity/Process Variation)


Repeatability (ความสามารถในการวัดซ้ำ)

Repeatability คือความผันแปรของการวัด ที่ได้จากระบบการวัดที่ใช้เครื่องมือวัด ตัวเดียว ผู้วัดคนเดียวและชิ้นงานเพียงชิ้นเดียวแต่มีการวัดหลายๆ ครั้ง


Reproducibility (ความสามารถในการประเมินซ้ำ)

Reproducibility คือความผันแปรของค่าเฉลี่ยของการวัด ที่ได้จากระบบการวัดที่ใช้คนวัดที่แตกต่างกัน แต่ชิ้นงานและเครื่องมือวัดเพียงตัวเดียว


ชนิดของค่าวัดที่นำมาวิเคราะห์ GRR

VARIABLE DATA

ATTRIBUTE DATA

1. Range Method

1. Attribute Gauge Study



2. Average and Rang Method  


(Including the control Chart Method)




3. ANOVA




GRR (Variable) Average and Range Method

  1. ให้ผู้วัด (จำนวน 2 หรือ 3 คน) ทำการวัดชิ้นงาน 10 ชิ้นๆ ละ 2 หรือ 3 ครั้ง อย่างสุ่ม (Random)
  2. นำผลการวัดที่ได้มาบันทึกลงบนแบบฟอร์มที่กำหนด
  3. คำนวณหาค่าเฉลี่ย (X) และพิสัยเฉลี่ย (R) ของค่าที่วัดได้ทั้งหมด
  4. นำพิสัยเฉลี่ย (R) ของผู้วัดแต่ละคนมาเฉลี่ย (R)
  5. นำค่าเฉลี่ยที่มากที่สุดมาลบกับค่าเฉลี่ยที่น้อยที่สุด (XDIFF)
  6. คำนวณหาค่า UCLR
  7. คำนวณหาค่า EV, AV, R&R, PV, TV, %EV, %AV, %GRR, %PV และ ndc ตามลำดับ
  8. ตีความจากผลลัพธ์ที่ได้ (กรณีที่ไม่เป็นไปตามเกณฑ์ที่ลูกค้ากำหนดไว้ให้หาแนวทางแก้ไขกับระบบการวัดนั้นๆ)


เกณฑ์ในการตัดสินผลการวิเคราะห์ GRR

  • ถ้า %GRR < 10%  ยอมรับได้
  • ถ้า 10% < %GRR < 30% อาจจะยอมรับได้ขึ้นอยู่กับความสำคัญ, ค่าใช้จ่าย เป็นต้น
  • ถ้า %GRR > 30% ยอมรับไม่ได้ต้องมีการปรับปรุง
  • ndc > 5

                              ndc = number of distinct categories

                              ค่าระดับความเชื่อมั่นในการหา GRR ที่ 97%


GRR (Attribute)

  1. เลือกชิ้นงาน 50 ชิ้น โดยให้มีทั้งของดี และของเสียปะปนกัน (ผู้ดำเนินการต้องทราบว่าตัวไหนดี ตัวไหนเสียแต่ผู้ตรวจเช็คไม่ทราบ)
  2. เลือกผู้ตรวจเช็ค 3 คน ที่มีหน้าที่ในการตรวจเช็คงานนี้ โดยใช้ Gauge เป็นประจำ
  3. ให้ผู้ตรวจเช็คทำการตรวจเช็คงานทั้ง 50 ชิ้น 3 ครั้ง แบบสุ่ม


เงื่อนไขการตัดสินใจ (Attribute Measurement Systems Study)

 

Decision Measurement System

Effectiveness

Miss Rate

False Alarm Rate

ยอมรับพนักงานทดสอบ

> 90%

< 2%

< 5%

ยอมรับเพียงบางส่วน ต้องการการปรับปรุง

> 80%

< 5%

< 10%

ไม่สามารถยอมรับพนักงานได้ ต้องมีการแก้ไข

< 80%

> 5%

> 10%

KAPPA Analysis

เป็นการวิเคราะห์เปรียบเทียบความสามารถในการวัดข้อมูลทางด้านคุณภาพเมื่อเปรียบเทียบ

-ระหว่างผู้วัด (APPERAISER CROSS APPREAISER)

-ระหว่างผู้วัดเปรียบเทียบกับชิ้นงานมาตรฐาน (APPERAISER CROSS REFERENCE)


                                             KAPPA =(Po-Pe)/(1-Pe)

                                             Acceptant Criteria : Kappa>75 %