Das R&R-Pfand Attribut bezieht sich speziell auf Attributmerkmale, d. h. Merkmale, die eher kategorisiert als numerisch gemessen werden. Zum Beispiel Merkmale wie die Übereinstimmung mit einer Spezifikation, das Vorhandensein oder Nichtvorhandensein eines Fehlers etc.
Der MSA-Standard (Measurement System Analysis), bietet Richtlinien und Methoden zur Bewertung und Verbesserung der Zuverlässigkeit eines Messsystems, unabhängig davon, ob es sich um kontinuierliche oder attributbasierte Messungen handelt. Für Attributmerkmale bietet die MSA spezifische Methoden zur Bewertung der Wiederholbarkeit und Reproduzierbarkeit, insbesondere mit der Gage R&R Attributmethode mit dem Cohen Kappa Indikator (siehe Details).
Gemäß dem MSA-Standard werden zur Durchführung einer Gage R&R-Attributstudie im Allgemeinen die folgenden Schritte empfohlen:
Auswahl der Attributmerkmale : Identifizieren Sie die Attributmerkmale, die Sie bewerten möchten. Beispiel: Der Aspekt
Definition von Kategorien : Definieren Sie für jedes Attributmerkmal eindeutig die Kategorien oder Klassifikationen. (CF/NCF) / (OK/KO) usw...
Auswahl der Operatoren : Wählen Sie die Operatoren aus, die die Messungen durchführen werden. Es ist wichtig, dass diese Operatoren repräsentativ für diejenigen sind, die das Messsystem in der Praxis benutzen werden.
Sammeln von Daten : Messen Sie die Attributmerkmale an einer Stichprobe von Teilen mithilfe des betreffenden Messsystems. Dieser Schritt erfordert einen Experten, der die Proben vor der Gage R&R-Studie charakterisieren wird. Dann sollte jeder Bediener jedes einzelne Teil messen.
Analyse der Daten Die Gesamtvariation wird mithilfe geeigneter statistischer Methoden in die Komponenten zerlegt, die der Wiederholbarkeit (Variation durch denselben Bediener) und der Reproduzierbarkeit (Variation durch verschiedene Bediener) zuzuschreiben sind.
Interpretation der Ergebnisse : Beurteilen Sie den Anteil der Gesamtvariation, der der Wiederholbarkeit und der Reproduzierbarkeit zuzuschreiben ist. Wenn diese Variationsanteile im Vergleich zum Toleranzintervall des Merkmals gering sind, wird das Messsystem für die Attributmerkmale als zuverlässig angesehen.
Cohens Kappa
Cohens Kappa-Koeffizient, oft einfach "Kappa" genannt, ist ein statistisches Maß, das zur Bewertung der Übereinstimmung zwischen zwei Beobachtern oder Messmethoden verwendet wird, wenn sie Elemente in diskrete Kategorien einordnen. Er wird häufig in der medizinischen Forschung, der Epidemiologie, der Psychologie und anderen Disziplinen verwendet, in denen die Übereinstimmung zwischen Beobachtern oder Methoden wichtig ist.
Der Kappa-Koeffizient berücksichtigt sowohl die tatsächliche Übereinstimmung zwischen den Beobachtern als auch die Übereinstimmung, die durch Zufall zustande kommen könnte. Er korrigiert somit die einfache Brutto-Zustimmungsrate, indem er die zufallsbedingte Wahrscheinlichkeit der Zustimmung berücksichtigt.
Der Kappa-Koeffizient wird mithilfe der Formel :
Kappa =\frac{P_{0}-P_{e}}{1-P_{e}}
𝑃0 est la proportion d’accord observée entre les observateurs.
𝑃𝑒 est la proportion d’accord attendu due au hasard.
Der Kappa-Koeffizient kann zwischen -1 und 1 variieren, wobei :
Kappa = 1, zeigt eine perfekte Übereinstimmung zwischen den Beobachtern an.
Kappa=0, zeigt eine Übereinstimmung an, die derjenigen entspricht, die durch Zufall zustande kommen könnte.
Kappa=-1, zeigt eine völlige Uneinigkeit zwischen den Beobachtern an.
Effektivität :
Die Effektivität einer Attributmessmethode, ermöglicht die Quantifizierung des Anteils richtiger Entscheidungen an der Gesamtzahl der Chancen.
Efficacité = \frac{\text{nombre de décisions bonnes}}{\text{nombre de pièces contrôlées}}
Fehlerquote :
Die Fehlerquote drückt aus, wie oft ein nicht konformes Teil vom Bediener fälschlicherweise als konform eingestuft wird.
Taux d'erreur = \frac{\text{nombre de décisions "conformes" sachant que la pièce est "non conforme"}}{\text{nombre d'opportunités pour une pièce non conforme}}
Fehlalarmrate :
Die Fehlerquote drückt aus, wie oft ein konformes Teil vom Bediener fälschlicherweise als nicht konform eingestuft wird.
Fausses alarmes = \frac{\text{nombre de décisions "non conformes" sachant que la pièce est "conforme"}}{\text{nombre d'opportunités pour une pièce conforme}}