Ölçmek parçayı yok ediyorsa
Ölçer çalışması basit bir soru sorar: sayı değiştiğinde değişen parça mı yoksa ölçüm mü? Standart cevap, birkaç operatörün AYNI parçaları birkaç kez ölçmesi ve değişkenliğin ayrılmasıdır. İşe yarar — ölçüm parçayı tüketene kadar.
Çekme testinin sorunu. Bir numuneyi kopana kadar çekerseniz bir daha çekemezsiniz. Bitmiş yüzeye sertlik dalması, numuneyi çözen kimyasal analiz, patlatma testi de öyle. “Aynı parçanın iki kez ölçülmesi” diye bir şey yoktur; dolayısıyla kitabın anlattığı çapraz çalışma da yoktur.
Bunun yerine ne yapılıyor ve neden yanlış gidiyor. Alışılmış çözüm her operatöre kendi parça setini verip sayıları sıradan bir çalışma gibi işlemektir. Ama o zaman yazılım, A operatörünün 1 numaralı parçası ile B'nin 1 numaralı parçasını AYNI parça sanır. Değildirler — iki farklı çelik parçasıdırlar. Aralarındaki her gerçek fark ölçüm sisteminin hanesine yazılır. %GRR devleşir ve ölçer, parçaların birbirinden farklı olması suçundan mahkûm edilir.
Hata ne kadar büyük? Kurgulanmış bir çalışmada SenSight doğru iç içe çözümde %18,9, AYNI ölçümleri çapraz saydığında %92,5 veriyor. Tekrarlanabilirlik ikisinde de aynı — 0,382 — çünkü parça içindeki tekrarlar gerçekten tekrardır. Bütün fark parça değişkenliğinde: doğru okunduğunda 8,58, model yanlış olduğunda 3,36. Biri “dikkatle kullanılabilir” der, öteki “ekipmanı değiştirin”.
İç içe tasarım. Dürüst yapı şudur: parçalar operatörlerin içinde durur. Her operatör kendi numunelerini alır — birbirine olabildiğince benzesin diye yan yana kesilmiş — ve her birini iki üç kez ölçer. SenSight verinizin hangi yapıda olduğunu size sormak yerine OKUR: her parça kodu tek bir operatörde geçiyorsa iç içedir ve öyle çözülür.
Neyden vazgeçiyorsunuz. İç içe çalışmada operatör×parça etkileşimi tahmin edilemez. “Sıfır varsayılır” değil — EDILEMEZ, çünkü onu ayırmak aynı parçanın iki kişi tarafından ölçülmesini gerektirir ve elinizde olmayan tam olarak budur. Tahribatlı veri için etkileşim terimi basan bir araç onu uyduruyordur.
Tahribatla ilgisi olmayan bir şey daha. Sıradan çalışmalarda bile ANOVA ortalama-aralık yönteminden iyidir, çünkü aralık yöntemi de o etkileşimi ayıramaz. Bir operatör kalın parçaları yüksek, ince parçaları düşük okuyorsa aralık yöntemi bunu tekrarlanabilirliğin içine gömer; siz insanları yeniden eğitmeye kalkarsınız, oysa asıl kusur parçanın bağlantı aparatında nasıl konumlandığındadır.
Çekme testinin sorunu. Bir numuneyi kopana kadar çekerseniz bir daha çekemezsiniz. Bitmiş yüzeye sertlik dalması, numuneyi çözen kimyasal analiz, patlatma testi de öyle. “Aynı parçanın iki kez ölçülmesi” diye bir şey yoktur; dolayısıyla kitabın anlattığı çapraz çalışma da yoktur.
Bunun yerine ne yapılıyor ve neden yanlış gidiyor. Alışılmış çözüm her operatöre kendi parça setini verip sayıları sıradan bir çalışma gibi işlemektir. Ama o zaman yazılım, A operatörünün 1 numaralı parçası ile B'nin 1 numaralı parçasını AYNI parça sanır. Değildirler — iki farklı çelik parçasıdırlar. Aralarındaki her gerçek fark ölçüm sisteminin hanesine yazılır. %GRR devleşir ve ölçer, parçaların birbirinden farklı olması suçundan mahkûm edilir.
Hata ne kadar büyük? Kurgulanmış bir çalışmada SenSight doğru iç içe çözümde %18,9, AYNI ölçümleri çapraz saydığında %92,5 veriyor. Tekrarlanabilirlik ikisinde de aynı — 0,382 — çünkü parça içindeki tekrarlar gerçekten tekrardır. Bütün fark parça değişkenliğinde: doğru okunduğunda 8,58, model yanlış olduğunda 3,36. Biri “dikkatle kullanılabilir” der, öteki “ekipmanı değiştirin”.
İç içe tasarım. Dürüst yapı şudur: parçalar operatörlerin içinde durur. Her operatör kendi numunelerini alır — birbirine olabildiğince benzesin diye yan yana kesilmiş — ve her birini iki üç kez ölçer. SenSight verinizin hangi yapıda olduğunu size sormak yerine OKUR: her parça kodu tek bir operatörde geçiyorsa iç içedir ve öyle çözülür.
Neyden vazgeçiyorsunuz. İç içe çalışmada operatör×parça etkileşimi tahmin edilemez. “Sıfır varsayılır” değil — EDILEMEZ, çünkü onu ayırmak aynı parçanın iki kişi tarafından ölçülmesini gerektirir ve elinizde olmayan tam olarak budur. Tahribatlı veri için etkileşim terimi basan bir araç onu uyduruyordur.
Tahribatla ilgisi olmayan bir şey daha. Sıradan çalışmalarda bile ANOVA ortalama-aralık yönteminden iyidir, çünkü aralık yöntemi de o etkileşimi ayıramaz. Bir operatör kalın parçaları yüksek, ince parçaları düşük okuyorsa aralık yöntemi bunu tekrarlanabilirliğin içine gömer; siz insanları yeniden eğitmeye kalkarsınız, oysa asıl kusur parçanın bağlantı aparatında nasıl konumlandığındadır.
Uygulamada dene
Deneyin: Gage R&R sekmesi, ANOVA paneli. Parça ve operatör kolonlarını seçin ve çalıştırmadan ÖNCE tasarım satırını okuyun — SenSight hiçbir şey hesaplamadan önce verinizin çapraz mı iç içe mi olduğunu söyler.