GR&R测量系统分析

#GR&R 测量系统分析是什么？

GR&R（Gage Repeatability and Reproducibility，量具重复性与再现性）是 AIAG MSA 手册定义的测量系统能力分析方法： 它回答「你看到的差异，有多少来自零件本身、有多少来自测量系统」。重复性（Repeatability）指同一操作者用同一量具多次测同一零件的差异——设备变差 EV； 再现性（Reproducibility）指不同操作者测同一零件的平均值差异——操作者变差 AV。两者合成 GRR = √(EV² + AV²)， 再与总变差 TV 相比得到 %GRR：<10% 可接受，10%~30% 有条件接受（需成本权衡），>30% 不可接受。 若测量系统本身就占了大头，后续所有 SPC 与 Cpk 结论都建立在噪声之上。

#重复性（EV）与再现性（AV）的区别

重复性是「同一人、同一把量具、同一零件」的读数散布，来自量具分辨力、夹持方式与环境噪声，用同一格内 3 次读数的极差估计（EV = R̄̈ × K1）； 再现性是「不同人测同一零件」的平均值差异，来自操作手法、读数视线与夹紧力差异，用操作者均值的极差估计（AV = √((X̄diff × K2)² − EV²/(n·r))）， 减去 EV²/(n·r) 是为了避免重复性被重复计入。当操作者间差异小于重复性噪声时根号内为负，按 AIAG 规则 AV 取 0—— 本工具会明确提示这一情形。EV 大先查量具（分辨力、重复精度、夹具）；AV 大先查手法（作业指导、培训、定位方式）。

#为什么先做 GR&R，再算 Cpk？

Cpk 用 σ 把过程与公差比较，而 σ 是从测量数据里估出来的——如果测量系统噪声本身就很大，估出的 σ 被夸大，Cpk 会被系统性低估， 你会花冤枉钱去「改进」一个其实合格的过程；反过来若量具分辨力不足（数据被粗化），σ 可能被低估，Cpk 虚高，掩盖真实不良。 行业惯例是：新量具、新产线、新项目 PPAP 提交前先做 GR&R（%GRR ≤ 10% 或 ≤ 30% 按客户要求），确认测量系统可用后， 再用同一套数据流程算 Cpk 过程能力。 两者是「先验尺、再量布」的关系。

#均值极差法与 ANOVA 法怎么选？

均值极差法（本工具）用极差估计变差，公式简单、可在车间纸面完成，是 AIAG MSA 手册主推的现场方法； 代价是无法分离操作者×零件的交互效应，且极差估计在小样本下效率略低。ANOVA 法把总平方和分解为零件、操作者、交互与误差项， 能给出交互作用是否显著的检验，统计软件（Minitab、JMP）默认输出 ANOVA 法结果。 实务建议：日常快速确认用均值极差法；PPAP、客户审核或极差法结果落在 10%~30% 灰色地带时，用 ANOVA 法复核 （交互显著时均值极差法会低估或高估 AV）。两种方法对同一组数据通常给出接近的 %GRR。

#NDC（分级数）多少才够？

NDC（Number of Distinct Categories，分辨分级数）= ⌊1.41 × PV/GRR⌋，含义是「这套测量系统能把零件间的差异可靠地分成几档」。 AIAG 建议 NDC ≥ 5：低于 5 说明相对零件变差而言测量噪声太大，控制图上点会挤在一起、Cpk 对过程改进不敏感。 注意 NDC 与 %GRR 是同一件事的两面：%GRR = 10% 时 NDC 约为 14，%GRR = 30% 时 NDC 约为 4.7——所以 %GRR 压到 27% 以下 （NDC = 5）往往比盯死 30% 更有操作意义。NDC 为 0 或异常大时先检查数据是否全部相同或录入有误。

#常见问题 (FAQ)

口径与局限声明：本工具为 AIAG MSA 第四版均值极差法的简化实现（固定 10 零件 × 3 操作者 × 3 重复）， 未包含操作者×零件交互项与稳定性/偏倚/线性分析；正式 MSA 报告以 AIAG 手册与统计软件（ANOVA 法）为准。