中篇·理论与提高

第4章 测量数据

4.1 对测量数据质量的期望

测量数据的作用表现在三个方面^[1]：用于判断和决策、确定变量间的关系、见证作用。

对于测量数据的质量总体期望包括：测量数据是有效的、可靠的，它会告诉我们真相。这是对测量数据质量定性的要求，这种定性要求直接衍变成对测量系统的要求，测量系统具备多种可靠性特性，因此，对测量系统的定性要求就可以解构成以下几个问题：

● 测量系统有足够的能力将产品之间的差异识别出来吗？

● 测量数据离真实值有多大的差距呢？

● 这种差距有规律可言吗？能修正吗？

● 多次重复测量的数据能一致吗？

● 不同人员、量具、测量方法、时间点、物料、环境下，测量的数据之间差异大吗？

● 随着时间的推移，测量系统还能提供可靠的数据吗？

● 属性类测量（如产品的外观检查等）到底判断得对不对呢？多少漏判？多少过杀？

以上是对测量系统定性的要求，但实际工作中这些定性的要求还远远不够，还要对测量系统进行定量的评定，这就是测量系统分析（MSA）了，常见的定量指标如下：

1）有效解析度（Number of Distinct Categories, NDC）：测量系统是否有足够的能力将产品之间的差异识别出来。

2）偏倚（Bias）：测量数据与真实值的差距。

3）线性（Linearity）：这种差距是否有规律并且能否修正。

4）重复性（Repeatability）：多次重复测量的数据能否一致。

5）再现性（Reproducibility）：不同人员、量具、测量方法、时间点、物料、环境下，测量数据之间的差异。

6）稳定性（Stability）：随着时间的推移，测量系统能否提供可靠的数据。

7）一致性（Agreement）：属性类测量（如产品的外观检查等）到底判断得对否且有多少漏判和过杀。

然而，实际测量工作中，要获得完全没有误差的数据是不可能的。因此，需要有一个可接受的范围，这种可接受范围的判定就来自于给上述定量指标设立统一的接受标准。

在本书的第8章，将详细地介绍上述定量指标的定义以及接受的标准，习惯上，统称上述定量指标为MSA的六大特性（NDC含在重复性和再现性中，不另外提及）。这六大特性是一般企业常用的评定指标，而MSA参考手册中还提及到其他的一些特性，包括敏感度（Sensitivity）、（重复性前后的）一致性（Consistency）、均一性（Uniformity）、能力（Capability）、性能（Performance）等，但很多时候，我们没有必要面面俱到，只要能保证上述六大特性符合使用要求，那么，在绝大多数的情况下，都能够获得有效的、可靠的测量数据。