MSA测量系统分析｜老岳精准版

任务目标

本Skill用于：完整的测量系统分析（MSA），包括GRR计算、五性分析、Ppk计算、问题诊断和改进建议
能力包含：均值极差法/ANOVA法GRR计算、nDC四级判定、五性评估、Ppk过程性能分析、改进措施自动生成
触发条件：用户需要进行测量系统分析(MSA)、GRR分析、量具评估、偏倚/线性/稳定性分析

前置准备

依赖说明：scripts脚本所需Python依赖包
```
pandas>=1.5.0
numpy>=1.23.0
openpyxl>=3.0.0
```

核心概念

MSA五性分析

测量系统必须满足五性要求才能可靠使用：

| 特性 | 定义 | 评估方法 | 接受标准 | |------|------|----------|----------| | 偏倚(Bias) | 测量平均值与真值的差异 | 与标准件对比，多次测量取均值 | |偏倚%| < 10%TV | | 线性(Linearity) | 偏倚随量程范围的变化 | 在不同基准值点测量偏倚 | |线性%| < 10%TV | | 稳定性(Stability) | 偏倚随时间的变化 | Xbar-R控制图监控偏倚 | 控制图无异常模式 | | 重复性(EV) | 同一人重复测量同一零件的变异 | GRR研究中的组内变异 | %EV < 9%TV（理想） | | 再现性(AV) | 不同人测量同一零件的变异 | GRR研究中的评价人间变异 | %AV < 9%TV（理想） |

%GRR四级判定标准

| %GRR范围 | 判定 | 行动 | 说明 | |----------|------|------|------| | <10% | 优秀 | 正常使用 | 测量系统性能优良 | | 10%-20% | 可接受 | 建议关注改进 | 一般应用可接受，关键特性建议优化 | | 20%-30% | 有条件接受 | 需制定改进计划 | 仅限非关键特性使用 | | >30% | 不可接受 | 必须立即改进 | 测量系统变异过大，数据不可信 |

nDC四级判定标准（与%GRR双重判定）

| nDC范围 | 判定 | 说明 | |---------|------|------| | ≥14 | 优秀 | 可区分类别数充足 | | 10-13 | 良好 | 满足大多数应用需求 | | 5-9 | 勉强 | 仅满足最低要求，有提升空间 | | <5 | 不合格 | 分辨力不足，无法有效区分零件差异 |

综合判定规则：%GRR和nDC需同时满足要求，取两者中较差的等级作为最终判定。

操作步骤

标准流程

确认分析需求
- 了解量具类型（游标卡尺/千分尺/三坐标等）
- 确认测量特性和规格要求（USL/LSL或公差）
- 确认分析目的：GRR研究 / 偏倚分析 / 线性分析 / 稳定性分析
选择计算方法
- 均值极差法（推荐）：计算简单，适合大多数场景
- ANOVA法：更精确，可分离交互作用，适合严格场景
确认研究参数
- 标准参数：3个评价人、10个零件、每个零件测量2-3次
- 简化版支持：接受非标准参数（如2人5件），但需提示可能影响结果可靠性
- 零件选择要求：必须覆盖过程变差范围（从过程中随机取，不要只取合格品）
数据输入引导
- 表格形式：直接在对话中提供测量数据
- 文件形式：引导用户参考assets/data-template.csv格式提供CSV/Excel文件
- 参考references/data-format-guide.md中的详细格式说明
调用分析脚本计算GRR
- 将用户数据整理为CSV格式（临时文件）
- 调用 scripts/grr_analysis.py 执行计算
- 命令示例（含Ppk计算）：
```
python scripts/grr_analysis.py \
  --method average-range \
  --data-file ./temp_data.csv \
  --output-format text \
  --usl 10.50 --lsl 9.50
```
- 参数说明：
  - --method：计算方法（average-range / anova）
  - --data-file：数据文件路径
  - --output-format：输出格式（json / text）
  - --usl：规格上限（可选，用于Ppk计算）
  - --lsl：规格下限（可选，用于Ppk计算）
结果解读与判定
- 基于脚本输出，按四级标准进行%GRR和nDC双重判定
- 参考references/interpretation-guide.md进行详细解读
- 参考references/five-characteristics.md进行五性评估
- 输出结构化报告，包含：
  - 变差分解（EV/AV/PV/GRR/TV）
  - %GRR和nDC双重判定
  - 综合判定结论
  - EV/AV贡献分析
  - 改进措施表（含优先级）
  - Ppk分析（如有规格限）
问题诊断与改进建议
- 脚本自动生成改进措施表，包含问题、原因、措施和优先级
- 根据具体情况补充针对性建议

五性分析流程（完整MSA）

当用户需要完整五性分析时，按以下顺序：

分辨力检查：量具最小分度值应≤公差的1/10
稳定性分析：用控制图监控偏倚随时间的变化
偏倚分析：与标准件/基准值对比
线性分析：在量程范围内多点检查偏倚变化
GRR分析：重复性和再现性研究（本工具核心功能）

输出格式

完整报告应包含以下章节：

## MSA测量系统分析报告

### 1. 测量系统信息
- 量具名称/编号：
- 量具类型/分辨力：
- 测量特性：
- 规格要求（USL/LSL）：
- 分析方法：

### 2. 测试条件
- 评价人数/零件数/重复次数：
- 测试方式：盲测/明测
- 零件选择说明：

### 3. 变差分解
| 变差来源 | 数值 | %TV | 判定 |
|----------|------|-----|------|
| 重复性(EV) | | | |
| 再现性(AV) | | | |
| 零件变异(PV) | | | - |
| GRR合计 | | | |
| TV合计 | | 100% | |

### 4. 综合判定
- %GRR = __% → [优秀/可接受/有条件接受/不可接受]
- nDC = __ → [优秀/良好/勉强/不合格]
- 综合判定：[最终结论]

### 5. 贡献分析
- EV贡献占比：__%
- AV贡献占比：__%

### 6. 改进措施
| 问题 | 占比 | 可能原因 | 改进措施 | 优先级 |
|------|------|----------|----------|--------|

### 7. Ppk分析（如适用）
- Pp / Ppk值
- Ppk判定（≥1.33优秀 / 1.0-1.33良好 / <1.0需改进）

### 8. 五性评估总结（如适用）
| 特性 | 结果 | 判定 |
|------|------|------|
| 偏倚 | | 通过/不通过 |
| 线性 | | 通过/不通过 |
| 稳定性 | | 通过/不通过 |
| 重复性 | | 通过/不通过 |
| 再现性 | | 通过/不通过 |

资源索引

核心脚本：见scripts/grr_analysis.py（GRR指标计算+Ppk+改进措施表）
K系数表：见references/k-coefficients.md（K1/K2/K3系数查询）
数据格式规范：见references/data-format-guide.md（数据输入格式说明）
结果解读指南：见references/interpretation-guide.md（详细解读方法）
五性分析标准：见references/five-characteristics.md（五性评估方法和标准）
数据模板：见assets/data-template.csv（标准数据格式示例）

注意事项

脚本负责技术性计算，智能体负责交互引导和结果解读
确保数据完整性：同一零件的测量次数必须一致
优先使用均值极差法，除非用户明确要求ANOVA法
对于非标准参数，明确告知可能的结果偏差
%GRR和nDC必须双重判定，不能只看一个指标
改进建议必须具体到"谁干+怎么干"，不能写"加强管理"等废话
五性分析中偏倚和线性需用户提供标准件/基准值数据

使用示例

示例1：标准GRR分析

场景：3人测10个零件各2次，评估游标卡尺测量系统
执行：引导输入数据 → 调用脚本计算 → 输出完整报告（含四级判定+改进措施表）
输出：%GRR判定、nDC判定、综合判定、EV/AV贡献、改进措施表

示例2：GRR + Ppk联合分析

场景：用户提供规格限USL/LSL，同时评估测量系统和过程性能
执行：GRR分析 + 传入--usl/--lsl参数计算Ppk
输出：完整GRR报告 + Ppk/Pp值 + 过程性能判定

示例3：问题诊断

场景：%GRR偏高，需要找出原因并改进
执行：基于脚本输出的EV/AV贡献分析，定位问题根源
典型结论：
- EV贡献70%→量具精度问题→建议校准或更换
- AV贡献65%→评价人方法不一致→建议统一SOP并培训