Corso P17 – MSA – MEASUREMENT SYSTEM ANALYSIS

Introduzione

• Perché misurare?
• Importanza della MSA – Measurement System Analysis
• Tipi di MSA: per caratteristiche misurabili (Variabili) e giudicabili (per Attributi)

Misurare è un processo

• Gli elementi caratteristici
• Esempi pratici e discussione dei casi

MSA: Per chi, perché e quando risulta utile

• Perché MSA un requisito Automotive
• Cosa è un sistema di misurazione (AIAG)

Fattori con influenza sul processo di misurazione

• Parallelo fra processo produttivo e processo di misurazione
• Cause di variabilità e pattern di anomalie del sistema di misurazione
• Andamenti di variabilità “anomala” (pattern)

Idoneità generale di uno strumenti di misura

• Quando un sistema di misura si può dire idoneo
• L’incertezza di misura (U), l’impatto sul giudizio di conformità (zone I, II, III) ed errori conseguenti
• Risoluzione accettabile di uno strumento di misurazione. Pattern di scarsa risoluzione

Errori di Misurazione: Leve per minimizzarli

• Metriche di accuretezza (bias e linearità)
• Metriche di Precisione (ripetitibilità e riproducibilità)
• Stabilità (control-charts utili)
• Attività preliminari alle sessioni di validazione del sistema di misurazione

Valutazione di Sistemi di Misurazione per VARIABILI

• Strumenti per VARIABILI. Esempi
• Il processo di valutazione
• Metodologie di Analisi (prova funzionale, altre verifiche preliminari)

Analisi dello Strumento

• Type 1 Gage Study: finalità e suo svolgimento
• Caratteristiche del campione master
• Sinottico riassuntivo delle attività (scopo, numero operatori, campioni e repliche)
• Stima di ripetitibilità e bias
• Criteri di accettabilità

Analisi del Processo di Misurazione

• Type 2 Gage Study: finalità e suo svolgimento
• Richiamo delle “fonti” di variabilità per AIAG: EV – Equipment Variability e AV- Appraiser Variability
• Evidenza geometrica delle due componenti EV/AV
• Sinottico riassuntivo delle attività (scopo, numero operatori, campioni e repliche)
• Metodo Xbar-R (Average Range Method)
• GR&R – Componenti della varianza e altri indicatori
• Scopo dello studio in atto e migliori driver per giudicare l’idoneità del modo di misurare
• Criteri di loro idoneità statistica e di accettabilità per AIAG
• GR&R – Esempi “tabellari” su MS Excel e loro limiti rispetto l’uso di SW statistici
• Metodo ANOVA (crossed e nested): le configurazioni sperimentali possibili
• Richiamo di ANOVA: modello della media e componenti della varianza di una misura
• L’evidenza della interazione (parte*operatore) e suo significato operativo mentre si misura
• Esempi di report grafici: condizioni operative e critica delle evidenze
• Azioni da svolgere se il sistema risulta inadeguato
• Relazione fra GR&R e capacità di un processo (Cp e Cpk)
• Type 3 Gage Study: finalità e suo svolgimento
• Sinottico riassuntivo delle attività (scopo, numero operatori, campioni e repliche)

Valutazione di Sistemi di giudizio per ATTRIBUTI

• Strumenti per ATTRIBUTI. Esempi
• Come valutarli
• Valutazione NON OGGETTIVATA (per caratteristiche non misurabili)
• Attributi da classificare: uso dei dati categorici (nominali, binomiali, ordinali)
• Numero di campioni da giudicare
• Criteri di giudizio (K-Statistics; Coefficienti di Kendall)
• Cosa può capitare se è noto un riferimento (miss rate, false alarm, falso positivo / negativo). Esempi
• Criteri AIAG di accettabilità
• Azioni da svolgere se il sistema risulta inadeguato
• Valutazione OGGETTIVATA (per caratteristiche misurabili)
• Attribute Agreement
• Metodo Analitico