浅谈测量系统分析(MSA)(三):什么是“零件与操作者之间的相互作用”
“交互作用”原本是实验设计的一个术语，指两个或两个以上因素同时作用时，单个因素的叠加效应会增大或减小，即1+1 >；2或1+1
接下来，我们来介绍另一个常用的工具，也就是大家熟知的方差分析(ANOVA)。方差分析本身可以看作是实验设计(DOE)，但通常是作为实验设计的数据分析工具，主要可以帮助我们做以下事情:1。元素不同层次间差异的显著性检验。2.分离相关因素，估计它们对总变异的贡献率。3.分析元素之间的交互作用是否显著。
测量系统的重复性和再现性分析实际上可以看作是一种特殊的实验设计，它包含两个因素，即零件(5级或10)和操作者(2级或3级)，而重复性是随机误差或组内变异，输出是某一产品特性的测量值。我们在做重复性和再现性分析的时候，只使用ANOVA的数据分析能力，预期的结果和实验设计是不一样的，这一点必须明确。关于方差分析(ANOVA)，我个人强烈建议大家了解一下。这很简单但很重要。
通过方差分析(ANOVA)报告和GRR报告，我们可以得到以下信息:1。运营商之间的区别明显吗？2.零件和操作员之间是否有显著的相互作用；3.随机误差的贡献率(EV/重复性)是否过大？4.重复性(EV)%；5.再现性(AV)%；6.GRR %；7.操作员和零件之间的相互作用%。
通常情况下，人们会直接看GRR%,我们经常会怀疑GRR%是否符合10%或30%的要求。符合要求就万事大吉，这是不对的。事实上，我们需要通过方差分析报告和GRR报告来了解整个测量过程和测量系统存在哪些问题。
首先，我们来看看随机误差(重复性/EV)是否过大。这个没有统一的标准。根据我的经验，如果EV超过7%，就要分析原因了。
第二，如果运营商之间的差异显著，无论GRR%是多少，都需要分析原因。一般来说，如果运营商之间存在显著差异，GRR%不会满足10%的要求，但可能满足30%的要求。我们需要做的是想办法消除运营商之间的差异。
第三，如果相互作用是显著的，则必须在下一步之前找到并消除原因。
让我们讨论一下数据表示和零件与操作符之间交互的原因。GRR的相互作用形式是一两个算符的测量值比其他算符的测量值大得多或小得多，即数据分布的模式不同。如果所有部分的测量值整体过大或过小，将显示操作员之间的误差。从下图所示的测量平均值的分布可以看出，操作员#1的测量数据的模式与其他两个人的完全不同，在这种情况下，操作员#1与零件之间存在交互作用。
我将通过两个简单的例子来说明它们之间的相互作用。在大多数情况下，原因是我之前提到的产品的形状误差或者其他一些偶然因素，所以我把“零件与操作者之间的相互作用”定义为“操作者之间测量产品的不同零件所产生的误差。”
案例1:比如，假设测量一个产品的厚度，但是用来测量厚度的两个平面平行度不好。三位操作者分别使用了三种不同的技术测量方法:1)在平面上任意位置随机测量；2)永远在边缘；3)始终与边缘x保持一定距离。
1方法将包括平行度偏差；第二种方法会随机包含边缘的异常变化，如毛刺；第三种方法不包括平行度的偏差，也不包括边缘的异常。在案例1和2中，将显示操作员和零件之间的交互。
情况二:再比如，测量某轴的直径时，轴的形状不一样(圆度差)，末端的毛刺程度也不一样。两个操作者采用不同的测量方法:操作者A:在轴的中心测量，取最大和最小直径，取其平均值，记录平均值。在中心测量可以消除任何毛刺的影响，计算平均值可以减少圆度的影响。操作工B:随机测量是在轴端，也就是说有些测量可能会受到毛刺的影响，而随机测量会受到圆度的影响。这可能显示为“操作员*零件”交互，因为不同的操作员以不同的方式测量不同的零件。
从上面的分析可以看出，分析重复性和再现性时的交互作用与实验设计(DOE)中的因素间交互作用略有不同，但在分析数据的方差时，这种现象是相同的。
那么如何消除它们之间的相互作用呢？从以上案例可以看出，避免交互的方法其实很简单。只要找到最好的测量方法然后规范操作就可以了。
2021-2-8