QE能力进阶（8）｜在线测量与自动检测设备的 MSA 怎么做

某电子企业把装配线终检交给了一台在线自动检测设备：零件过站即测，超差自动报警，判定结果直接驱动放行，数据同时进 SPC 看板。设备验收那天，供应商做了一次"重复性试验"：拿一个标准件连测 30 次，极差 0.004 mm，屏幕上跳出一句"设备精度优于规格的 1%"。验收单当场签字，测量系统分析一栏写着"标准件重复性合格"。半年后客诉上门：一批尺寸卡在公差下限边缘的件被判合格放行，客户端装配时出现干涉。企业回头翻全部记录，才发现除了那份标准件试验，没有任何证据说明这台设备测的是不是零件的真实尺寸，也没有人算过它的判定阈值到底留没留余量。问题的根子在于：标准件测得好，只证明设备对自己的标准件稳定，不证明它对外来零件可信——这两件事在统计上完全是两回事。

一、原理要点：标准件法和零件法回答的是两个不同问题

设备的重复性好，常常被直接等同于"测量系统合格"。但测量系统的变差由几块构成：设备自身重复性、偏倚、工件定位与姿态、件间分辨能力、环境漂移。标准件法（用一个不随时间变化的标准件反复测量）能给出的只有两块：重复性与偏倚。它回答"设备稳不稳、偏不偏"，回答不了"设备能不能分辨出零件之间的细微差异"——而后者恰恰是在线检测的立身之本。

要评估分辨能力，必须用零件法：取一组覆盖实际过程波动的样件，观察设备能否把这些样件的差异从噪声里区分出来。两套方法不可互替，标准件法永远算不出 %GRR。

对以标准件做重复性试验的场景，工程上有一套专门的量化口径——设备能力指数：

• Cg = 0.1T / (3s)，T 为公差带宽，s 为重复测量的标准差；它反映设备在最短时间窗内的固有精度。
• Cgk = (0.1T − |偏倚|) / (3s)，把系统偏倚从设备能力里扣除，衡量的是设备实测能力。

换算一下：要求 Cg ≥ 1.33，等价于重复性标准差 s 不得大于公差带宽的约 1/40（2.5%）；新设备验收常用的 Cg ≥ 1.67，等价于 s 不得大于公差带宽的 1/50（2.0%）。

还有一层常被忽略的统计逻辑：属性判定（合格／不合格）本质上是一个二元决策，漏检率与误判率随判定阈值移动而此消彼长。阈值收紧，漏检下降但误判上升；阈值放宽则相反。所以不存在"判定能力很好"这种笼统结论，只能按缺陷严重程度分层给出各自的检出能力。

二、实操步骤：五步做完设备类 MSA

第一步：界定输出类型并预先写死判据。 先分清设备输出的是数值还是属性判定。数值型定 Cg／Cgk 门槛与 %GRR 门槛；属性型定漏检率、误判率目标与一致性下限。判据必须写进控制计划或设备管理规程，不能只留在质量工程师的电脑里——否则超标时一定有人要求"这次先放过"。

第二步：用标准件法测重复性与偏倚。 取一件经溯源的标准件，固定在工作位置不动，连续测 25 次，记录均值与标准差。

• 重复性判据：s ≤ T/40（对应 Cg ≥ 1.33）；新设备验收取 s ≤ T/50（对应 Cg ≥ 1.67）。
• 偏倚判据：偏倚 = 测量均值 − 标准件参考值。|偏倚| ≤ 10% 公差带宽可接受；同时用单样本 t 检验，|t| < t(0.05, n−1) 才可判定偏倚不显著。
• 标准件至少准备三件更好：一件接近规格中心，两件分别接近上下限附近，用以粗略探测设备的线性表现。

第三步：用零件法算分辨能力。 取 10 件覆盖过程实际波动的样件（其中至少 2 件接近上下限、1 件在公差外贴近处），每件在不同时间重复测 2～3 次，计算 %GRR = 6σ_测量 / T。判据：小于 10% 可接受；10%～30% 属有条件使用，必须配合保护带设置并明确风险；大于 30% 不得用于关键特性的判定与放行。同时看一个比例：若重复性变差明显小于件间变差（工程上常以低于其三分之一作为有分辨力的口径），说明设备能看出零件之间的差别。

第四步：属性型设备验证检出能力。 按缺陷类型分层建立黄金样本集：每一类缺陷不少于 20～30 件，其中接近判定阈值的临界缺陷不少于 10 件；良品不少于 30 件。判据：

• 漏检率目标为 0，但必须同时报出置信上限。样本 30 件、零漏检，95% 置信上限约为 9.5%；样本 50 件时约 5.8%；要做到声称漏检率低于 1%，样本量需上百件。样本量决定你能声称的能力水平。
• 误判率（过杀率）建议控制在 2% 以内，具体按停线与报废成本调整。
• 与仲裁判定比对时用 Kappa，判据 Kappa ≥ 0.75。特别提醒：Kappa 对良品基础发生率极敏感，在极高合格率场景下会出现"实际一致率 95%、Kappa 只有 0.50"的情形，此时应补看实际一致率或不平衡校正指标，别被单一数字误导。

第五步：与人工复判的一致性验证，以及常态化。 设备与人工对同一批件各判一遍，形成交叉表，不一致件全部送仲裁——仲裁手段应是破坏性解析、更高等级的量具或客户认可的判定方法，而不是"请老师傅再看一眼"。不一致率超过 3% 必须启动查因。日常执行三件事：每日用标准件测一次并画趋势图（套用控制图判异规则，而不是只看是否在公差内）；定期用黄金样本集做期间核查；发生光源更换、镜头清洁或更换、算法阈值调整、软件版本升级、设备搬迁大修后，必须重做分析。

三、常见误区

误区一：标准件重复性好就等于 MSA 合格。 混淆了"设备变差"与"测量系统变差"。件间分辨能力、定位与姿态变差完全没被考察，设备可能在良性重复性下把所有零件都测成同一个值。

误区二：把未经 MSA 验证的人工判定当作唯一基准。 用电检设备校准电检设备，两边都可能偏。属性检验员自身的一致性（Kappa）如果没做过，用他的判定做基准就是把误差写进了基准里。

误区三：只报一个笼统的总漏检率。 严重缺陷通常极易检出，轻微缺陷才是漏检重灾区。把两者混在一个数字里，恰好把最危险的部分掩盖掉。临界缺陷的漏检率必须单独报告。

误区四：漏检率为零就宣称设备合格。 零漏检不等于零风险，样本量不够时它只说明"这批样本里没漏"。30 件样本的零漏检撑不起任何低于 9.5% 的漏检率承诺。

误区五：判定阈值贴着规格限设置。 任何测量系统都有不确定度，判定限不做内缩（不留保护带），测量误差就会把一部分超差件推进合格区。判定限按测量不确定度内缩，是设备放行规则必须写清的一条。

误区六：变更后不重做。 调一次算法阈值、换一批光源，对判定结果的影响往往大于设备本身几年的磨损，而这类变更常常没有版本记录。

四、自查清单

• 每台在线／自动检测设备都有台账，标明用途、涉及的产品特性、关键参数版本与标定状态
• 已按 Cg／Cgk 或 %GRR 给出数值指标，且判据写进了控制计划而非只存在个人电脑里
• 属性型设备的黄金样本集按缺陷类型分层，含临界缺陷，且样本量足以支撑所声称的漏检率水平
• 判定阈值是否按测量不确定度设置了保护带，放行规则中是否明确写入
• 与人工复判的一致性验证以仲裁真值为基准，不一致率有处置阈值与查因记录
• 日常标准件点检、定期期间核查、变更触发重做三项已固化到设备管理规程中

在线自动检测设备的价值在于"快"和"省人"，但它的可信度不会因为没有人参与而自动获得。MSA 在这类设备上要回答的仍然只有两个问题：它测的，是不是零件的真实状态；它挑得出的，是不是你真的不要的东西。

没有人参与，不等于没有变差——设备也要过 MSA 这一关。

知识编号：6.2.1

版本：v20260918

作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。