MSA 测量系统分析

功能安全L1别名 MSA · 测量系统分析 · GR&R · Gauge R&R · Repeatability · Reproducibility · 更新 2026-07-12

本质与导读

本质 MSA 回答的问题是"我测出来的数据到底是真的吗"——任何 Cpk / SPC / PV 报告的前提都是"测量靠谱"。MSA 把观测值的方差拆成 真实工艺差异 + 测量系统噪声,然后用 GR&R (Gauge Repeatability & Reproducibility) 量化测量噪声占比。GR&R > 30% 意味着测量噪声盖过工艺真值,所有 Cpk 数据失效——这就是为什么 topic-ppap element 8 强制要求 MSA 先于 element 11 (Cpk) 完成。MSA 不只是"标定量具",它是统计学意义上的"测量信任度证书"。

主线坐标:方法 / 标准层(跨站支撑) · ↑ 全景主线

1. 为什么 MSA 是前提

MSA 不是质量部门可选项,而是所有统计判定的根基——任何 Cpk / SPC / DV / PV 数据的可信度依赖测量本身。

观测到的方差实际是两个独立来源的卷积:

σ_{total}^{2} = σ_{process}^{2} + σ_{measurement}^{2}

方差分解 — Total = Process + Measurement (GR&R = Repeatability + Reproducibility)

如果 $σ_{measurement}$ 与 $σ_{process}$ 同量级:

看到的"超规"可能是测量误差,不是工艺漂
看到的"分布"是真分布与测量噪声的卷积,不是真分布
Cpk 公式分母里的 $σ$ 被人为放大,Cpk 被低估

关键认知:没做 MSA 就报 Cpk 是统计学意义上的"裸奔"。所以 topic-ppap 把 MSA (element 8) 排在 Cpk (element 11) 之前——审计员看到 element 11 就一定会回查 element 8。

2. MSA 五大特性

MSA 不只看 GR&R 一项——完整的测量系统评估有 5 个特性:

特性	物理意义	测法
Bias (偏倚)	测量平均值 vs. 真值的固定偏差	与基准件 (NIST 可追溯) 对比
Linearity (线性度)	不同量值下 Bias 是否一致	在量程上下限分别测 Bias
Stability (稳定性)	长期是否漂	X-bar/R 控制图监测基准件
Repeatability (重复性, EV)	同操作员同件多次测的离散	同一人测 10 次取 σ
Reproducibility (再现性, AV)	不同操作员/班次测同件的离散	3 个操作员各测 10 件

车规默认:Bias + Linearity 在 量具校准 时完成 (年度校验);GR&R (Repeatability + Reproducibility) 在 PPAP 阶段做,作为 element 8 的核心交付。

3. GR&R 实验设计

GR&R 标准做法是"3 操作员 × 10 零件 × 3 次重复"——AIAG MSA 4th 推荐配方。这套 90 个数据点能把 σ²_EV、σ²_AV、σ²_part 三者分离。

维度	推荐
零件数	10 (覆盖整个过程范围,不是 10 个一模一样)
操作员数	3 (代表实际班次/人员多样性)
重复次数	每件每人 2–3 次
试验顺序	随机化——避免学习/疲劳偏差
总样本量	60–90 个测量值

关键陷阱:

零件没覆盖过程范围 → AV 看起来很小,其实是因为零件本身差异小
不随机化 → 第一个操作员测的全是新的、后两个测的全是用过的 → AV 被低估
操作员事先知道结果 → 心理暗示,Reproducibility 失真

4. GR&R 计算

GR&R 核心公式(基于方差和):

σ_{GR&R} = σ_{EV}^{2} + σ_{AV}^{2}

其中:

$σ_{EV}^{2}$ = Repeatability 方差 (设备误差)
$σ_{AV}^{2}$ = Reproducibility 方差 (评估员误差)

两种归一化:

4.1 相对于公差 (% Tolerance)

GR&R 相对公差归一化用 6σ / (USL-LSL) — 公差越严测量要求越苛刻,Cpk 计算用这条:

% GR&R_{T} = \frac{6 σ _{GR&R}}{U S L - L S L} \times 100%

这条用于判定测量系统能不能配这个零件——公差越严,测量要求越苛刻。

4.2 相对于过程方差 (% Study Variation)

第二条归一化用过程实际方差 — 判定测量系统能否监控这个过程,SPC 用这条:

% GR&R_{P} = \frac{σ _{GR&R}}{σ _{total}} \times 100%

这条用于判定测量系统能不能监控这个过程——SPC 用得上 GR&RP,Cpk 用得上 GR&RT。

4.3 判定门槛 (AIAG)

AIAG 用 < 10% / 10-30% / > 30% 三档判定 — < 10% 才能用于关键特性 SPC,> 30% 必须改测量系统:

GR&R %	判定	工程含义
< 10%	优秀	可放心用于 SPC + Cpk
10% – 30%	可接受	关键特性需评估,一般特性可用
> 30%	不可用	改进或换量具,数据不可信

ndc (Number of Distinct Categories):

n d c = 1.41 \times \frac{σ _{part}}{σ _{GR&R}}

ndc ≥ 5 → 系统能分辨足够多的零件类别,适合 SPC
ndc < 5 → 测量系统粒度太粗,看不到工艺差异

5. GR&R 失败的根因

GR&R 不达标 来自三种数学场景——EV 大、AV 大、两者都大。识别落在哪一种才能对症下药。

现象	数学表现	根因	修法
EV 大、AV 正常	$σ_{E V}^{2} ≫ σ_{A V}^{2}$	量具本身精度不足 / 零件难夹持	换量具 / 改夹具 / 加重复次数
AV 大、EV 正常	$σ_{A V}^{2} ≫ σ_{E V}^{2}$	操作员手法差异 / SOP 模糊	培训 / SOP 标准化 / 自动化
EV + AV 都大	$σ_{E V}^{2} \sim σ_{A V}^{2}$	系统性问题 (环境/校准漂/量具变形)	重新校准 / 改测量环境 / 整体替换

6. 计数型 (Attribute) GR&R

上面讲的是计量型 (variable) GR&R——测出连续数值。对计数型 (attribute) 检验 (Go/No-Go、目检、瑕疵分类),要用不同方法:

Kappa 系数:衡量评估员一致性, $κ > 0.75$ 优秀, $κ < 0.40$ 不可用
**EMP (Effectiveness, Miss rate, false alarm) **:三个指标分别看正确率/漏判/误判

典型场景:外观瑕疵分级 (A/B/C 级) 通常用计数型 GR&R——3 个 QC 各分 50 件,看一致性。

7. MSA 与 PPAP / SPC / Cpk 的关系

MSA 是底层基础设施——SPC、Cpk、PV 全部依赖它:

依赖关系	物理意义
MSA → SPC	控制限基于测量数据,测得不准 → 控制限不可信
MSA → Cpk	Cpk 分母含测量噪声,GR&R 越大 Cpk 越被低估
MSA → PV	PV 抽样数据全部依赖测量靠谱
MSA → DV	DV 加速试验后的数据测量必须可信

PPAP 18 要素串联:DFMEA (4) → PFMEA (6) → CP (7) → MSA (8) → FAI (9) → 试验报告 (10) → Cpk (11)。MSA 在 8 号位置是有逻辑的——它在工艺确定后、统计数据交出前,给所有后续数据盖"可信戳"。

8. 5 个常见陷阱

MSA 执行失败集中在 5 个坑——零件没覆盖范围、不随机化、操作员同质、用公差替代过程方差、年度校准混同 MSA。

陷阱	描述	预防
零件单一	10 件都差不多,AV 假装很小	零件覆盖过程范围,从 LSL 到 USL
不随机化	顺序固定,学习/疲劳偏差进结果	用随机数表打乱测序
操作员同质	3 个都是熟手,AV 低估	抽 1 新手 + 1 中手 + 1 熟手
% T vs % P 混用	用 % T 判定 SPC 适用性 (其实该用 % P)	看用途选公式:Cpk 用 % T,SPC 用 % P
校准 ≠ MSA	只做年度校准认为 MSA 不用做	校准只覆盖 Bias/Linearity,GR&R 必须单独做

9. 实操示例：GR&R 计算与判定

以下示例演示一次完整 GR&R 研究的数据汇总与 %GRR 判定，帮助工程师理解如何从实验室数据推导出最终结论。场景：焊脚阻抗测量仪（量具）用于 PPAP element 8，公差 USL=10.0 mΩ，LSL=8.0 mΩ（公差带 = 2.0 mΩ），关键特性 CC。

实验设计：3 名操作员（A、B、C）× 10 个零件（覆盖过程范围 8.2~9.6 mΩ）× 3 次重复 = 90 个测量值，试验顺序随机化。

方差分解结果（由 ANOVA 方法从 90 个测量值计算得出）：

变差来源	标准差 $σ$ (mΩ)	方差 $σ^{2}$
Repeatability (EV，设备)	0.040	0.0016
Reproducibility (AV，操作员)	0.030	0.0009
GR&R 合计	0.050	0.0025
Part-to-Part（零件真实差异）	0.230	0.0529
Total（总变差）	0.235	0.0554

GR&R 合计 $σ_{GR R} = 0.04 0^{2} + 0.03 0^{2} = 0.0025 = 0.050$ mΩ。

两种归一化判定：

% GR R_{T} = \frac{6 \times 0.050}{2.0} \times 100% = \frac{0.300}{2.0} \times 100% = 15.0%

% GR R_{P} = \frac{0.050}{0.235} \times 100% = 21.3%

n d c = 1.41 \times \frac{0.230}{0.050} = 1.41 \times 4.6 = 6.5 \geq 5 ✓

判定：%GRR_T = 15% 落在 10-30% 范围（边缘可接受）；关键特性 CC 要求 %GRR_T < 10%，本测量系统不满足 CC 要求，需改进。因 EV（设备方差）> AV（操作员方差），问题根源在量具精度不足或夹具稳定性差，而非操作员技术。正确处置：更换精度更高的量具（如从接触式探针改为非接触激光测微仪），而非培训操作员。

10. 边界与局限

MSA 方法论在三类场景下存在根本局限，强行套用标准 GR&R 程序会产生误导性结论。

局限一：破坏性测量。标准 GR&R 要求同一零件被同一操作员重复测量 2-3 次——前提是每次测量不改变零件状态。对于破坏性试验（焊接剪切力测试、密封撕裂力测试、拉力断裂），同一零件只能测一次。强行做 GR&R 会产生 EV 和 AV 都是"零件批次间差异"的虚假数字。破坏性测试的替代方案是"嵌套 GR&R"（Nested Gage R&R）——从同一过程条件下制造多个"同质对子"，每对只测一个，从对子间差异估计测量变差；但实施复杂，统计效力低，需要 Minitab 专门的嵌套 GR&R 模块。

局限二：测量系统本身有自动补偿。某些现代精密测量系统（如视觉检测仪、CMM 坐标测量机）内置了温度补偿、形变补偿或自动标定功能。对这类系统做 GR&R 时，操作员间的 AV 会人为偏低（因为仪器屏蔽了操作员手法差异），而仪器内部补偿漂移这一风险被 GR&R 完全掩盖。正确做法是补充"稳定性（Stability）测试"——用一个已知基准件每天定时测量，持续 20-30 天，才能发现仪器的长期补偿漂移。仅依赖 GR&R 单次合格，不做稳定性跟踪，会漏掉"量具在量产期间悄悄漂"的风险。

局限三：多特性、多工位测量系统。标准 GR&R 对单一特性、单台量具建立一个 GR&R 研究。当 SPC 系统同时监控 20+ 特性（如 AOI 视觉检测仪一次扫描 50 个测量项），理论上需要对每个测量项单独做 GR&R，成本极高。实际工程中常见做法是"按风险等级分层"：CC/SC 特性每项单独 GRR，普通特性按量具类型抽样代表性测量项做 GRR，其余按"同款量具通过即可接受"处理。这种抽样代理方式没有 AIAG 正式认可，但已是行业通行实践——执行时需要在 MSA 报告中明确记录分层逻辑和抽样依据，而不是默默跳过没有做 GRR 的特性。

核心要点

MSA 是 SPC / Cpk / PV 的前提——测量不靠谱,所有后续统计失效。
GR&R 拆成 Repeatability (EV, 设备) 和 Reproducibility (AV, 评估员) 两个分量。
判定门槛:< 10% 优秀 / 10-30% 可接受 / > 30% 不可用。
标准实验:3 操作员 × 10 零件 × 2-3 重复,试验顺序必须随机化。
五大特性:Bias / Linearity / Stability / Repeatability / Reproducibility——前三在校准,后两在 GR&R。
失败三种根因:EV 大 (设备) / AV 大 (人员) / 两者都大 (系统),对症下药。
计数型检验用 Kappa 系数,不是连续 GR&R。
topic-ppap element 8 必须先于 element 11 (Cpk) 完成——审计员看到 Cpk 一定回查 MSA。

Engineering Objects

引用此页的结构化 Engineeri…

引用此页的结构化 Engineering Object(v2.0 Copilot 自动生成,不要手动编辑此段)。

metric · metric_grr — GR&R — Gauge Repeatability & Reproducibility

Cross-references

← 索引
SPC 控制图详解 — MSA 是 SPC 的前提
DV 与 PV 详解 — PV 阶段的 Cpk 依赖 MSA
PPAP 与汽车零部件开发阶段 — element 8 必交项
APQP 先期产品质量策划 — Phase 3 末完成
特殊特性 (CC/SC) — 关键特性 GR&R 必须 < 10%
控制计划 (Control Plan) — CP 上每项测量都需要 MSA 确认