Il livello di fiducia, MSA e capacità nella tecnologia di misura

La precisione invisibile: Tecnologia di misurazione, garanzia della qualità e certezza statistica. Nel mondo della tecnologia di misura digitale, dove precisione e affidabilità sono cruciali, la garanzia della qualità delle misurazioni è di fondamentale importanza.

Simile al gioco, dove ogni pixel e ogni calcolo conta, i risultati devono anche essere affidabili nei progetti tecnici. È qui che entra in gioco la tecnologia di misurazione, che garantisce l'affidabilità dei dati attraverso procedure standardizzate e analisi statistiche.

Dr. Wolfgang Kessel da PTB ha scritto su questo nella sua pubblicazione Spiegazione generale dell'incertezza di misura È scritto il seguente testo:

La definizione [...] di incertezza di misura esprime il fatto ben noto che le misurazioni non forniscono, anzi non possono fornire, un valore esatto. Le misurazioni sono soggette a carenze e imperfezioni che non possono essere quantificate con precisione. Alcuni di loro hanno
la loro causa in effetti casuali, come fluttuazioni a breve termine della temperatura, dell'umidità e della pressione atmosferica dell'ambiente. Inoltre, le prestazioni disomogenee dell'osservatore che esegue la misurazione possono essere la causa di effetti casuali: se è necessario stimare determinate deviazioni da un valore di scala durante la lettura di un valore o impostare un parametro in un processo di misurazione. Le misurazioni ripetute nelle stesse condizioni mostrano risultati diversi a causa di queste influenze casuali.

Altre inadeguatezze e imperfezioni sono dovute al fatto che alcuni effetti sistematici non possono essere corretti esattamente o sono solo approssimativamente noti. Questa sottovoce comprende:
Tra le altre cose, la deviazione del punto zero di uno strumento di misura, la variazione dei valori caratteristici di una normale tra due tarature (deriva), la distorsione dell'osservatore a trovare un valore precedentemente ottenuto in lettura, o anche l'incertezza con cui il valore di uno standard di riferimento o di un materiale di riferimento è specificato in un certificato o in un manuale.

Oltre ai livelli di confidenza statistica, si tratta soprattutto di procedure standardizzate di Analisi del sistema di misurazione (MSA), che rendono tangibile l'affidabilità delle misurazioni. Senza un sistema di misura capace, le metriche di capacità della macchina o del processo come Cm, Cmk, Pp o Ppk non possono fornire dichiarazioni affidabili. Pertanto, la capacità di misurazione costituisce la base di ogni dichiarazione di qualità affidabile.

Per i laici, questo può essere riassunto come segue: Un dispositivo di misurazione è come una macchina fotografica. Se l'obiettivo è nitido (precisione), l'immagine ripetibilmente la stessa (precisione di ripetizione), coerente (riproducibilità) con ogni fotografo e stabile nel tempo, allora possiamo fidarci degli scatti.

Uno strumento di base in metrologia è il metodo 1 per valutare la capacità del mezzo di misura (Procedura MSA 1). Questo metodo viene utilizzato per valutare l'idoneità di un dispositivo di misurazione per un compito di misurazione specifico concentrandosi sulla ripetibilità. Esamina quanto siano vicini tra loro i singoli valori misurati quando lo stesso campione con la stessa caratteristica, dallo stesso operatore e con lo stesso mezzo di misura viene misurato in condizioni identiche.

Un prerequisito importante per questo metodo è che il mezzo di misura abbia una risoluzione sufficiente, in genere non superiore a 5% la tolleranza della caratteristica da misurare per garantire letture sicure e leggibili. 

Il metodo 1 è una valutazione a breve termine ed è spesso utilizzato come parte di audit di routine o test intermedi per valutare la stabilità della misurazione nelle condizioni più reali possibili.

L'affidabilità delle misurazioni è espressa dall'incertezza di misura, che è spesso associata a Livelli di fiducia quantificato. Molte misurazioni, specialmente nell'assicurazione della qualità, seguono una distribuzione normale (chiamata anche distribuzione gaussiana), che è rappresentata graficamente come una curva a campana. All'interno di questa distribuzione normale, alcune percentuali dei punti di dati si trovano all'interno di deviazioni standard definite (sigma, σ) dalla media:

68,27% Livello di confidenza (±1σ): Circa 68% i valori misurati rientrano in una deviazione standard dal valore medio. Questo può già essere utilizzato per la garanzia della qualità. Ad es. 10 campioni sono quindi 7 "abbastanza buoni" o dimensionalmente stabili.

95,45% Livello di confidenza (±2σ): Questo livello significa che circa 95,45% i valori misurati si situano entro due deviazioni standard dal valore medio. Si tratta di un livello di confidenza comunemente utilizzato, anche nei sondaggi di opinione in cui indica il "margine di errore".

99,73% Livello di confidenza (±3σ): Un livello di fiducia ancora più elevato, dove 99,73% i valori misurati si situano entro tre deviazioni standard dal valore medio. Questa "regola dei tre sigma" è spesso considerata una certezza quasi assoluta nelle scienze empiriche. In pratica, quindi, anche se spesso "bello da avere", si prega di non mirare a tutti i costi.

Queste certezze statistiche costituiscono la base per metodi avanzati di gestione della qualità. Consentono di quantificare l'affidabilità e la coerenza di un processo o di una misurazione.

La filosofia del "Livello 92" è ulteriormente confermata qui: Si tratta di raggiungere un livello elevato e statisticamente significativo di qualità e affidabilità che sia "abbastanza buono" per lo scopo previsto senza perdersi in una ricerca irraggiungibile della perfezione assoluta.

Capacità media di misurazione: La base per i dati più affidabili possibili

Uno strumento di misura è «in grado» di rappresentare la realtà in modo così preciso e preciso che i valori ottenuti possano essere utilizzati in modo affidabile per le decisioni di processo. I criteri più importanti sono:

• Precisione (polarizzazione): Deviazione dal valore di riferimento.
• Ripetibilità: Quanto sono vicine tra loro diverse misurazioni dello stesso campione?
• Precisione comparativa (riproducibilità): In che misura i diversi operatori influenzano i risultati?
• Linearità: Il sistema di misura è affidabile su tutto il campo di misura?
• Stabilità: Il sistema di misurazione fornisce risultati coerenti per lunghi periodi di tempo?
• Discriminazione (NDC): Il sistema di misurazione rileva in modo affidabile le differenze tra i campioni di prova?

---

Metodi di analisi del sistema di misurazione (MSA)

Procedura 1 – Valutazione a breve termine della capacità di misurazione

Il metodo 1 è utilizzato per valutare sistemi di misurazione nuovi o modificati. Si concentra sulla ripetibilità e, laddove esista uno standard di riferimento, anche sulla deviazione sistematica.

• Pratica: 20-50 misurazioni ripetute sulla parte normale dallo stesso controller in condizioni identiche.
• Dati principali: Cg (scattering) e Cgk (scattering + deviazione dal setpoint).
• Criteri: Risoluzione ≤ 5% tolleranza; Incertezza di taratura del normale significativamente inferiore alla tolleranza.

Il metodo 1 è quindi una sorta di «prova rapida» prima che un dispositivo di misurazione entri in uso produttivo.

Metodo 2 – Calibro R&R (ripetizione e precisione di confronto)

Mentre il metodo 1 verifica la ripetibilità pura, il metodo 2 continua: Esamina inoltre l'influenza di diversi operatori.

• Pratica: Diversi esaminatori misurano diversi esemplari, ciascuno più volte.
• Figura chiave: R & amp; R valore (proporzione della dispersione del sistema di misura nella fluttuazione totale).
• Obiettivi: R & amp; R < 10% La tolleranza è ideale, 10-30% accettabile, >30% critica.

Questo metodo è particolarmente importante quando l'influenza umana svolge un ruolo, ad esempio nelle misurazioni a mano con calibri o viti di misurazione.

Procedura 3 – Per i sistemi automatizzati

Il metodo 3 è una forma speciale del metodo 2 e testa i sistemi di misura senza l'influenza diretta dell'operatore, come le macchine di misura a coordinate o le prove in linea automatizzate.

• Pratica: Ripetere i test sul sistema, di solito automatizzato.
• Figura chiave: anche R & amp; R valore.
• Obiettivo: La prova che il sistema misura stabile e capace anche senza l'influenza dell'operatore.

Procedura 7 – Prove di attribuzione

Non tutte le caratteristiche possono essere espresse in numeri. Si tratta spesso di decisioni buone / cattive, come ispezioni visive o insegnamenti borderline. È qui che entra in gioco la procedura 7.

• Pratica: Gli ispettori o i sistemi valutano le stesse parti più volte.
• Dati principali: Tasso di corrispondenza, valore Kappa o tasso di errore.
• Obiettivo: Garantire che le decisioni di audit siano chiare, riproducibili e affidabili.

Incertezza della misurazione e livello di fiducia

L'affidabilità delle misurazioni è determinata dalla Incertezza di misurazione espresso. Descrive l'intervallo in cui il valore reale si trova con una certa probabilità. Anche i livelli di confidenza statistica svolgono un ruolo fondamentale in questo contesto:

• 68,27% (±1σ): Prima stima, circa 7 campioni su 10 rientrano nella tolleranza.
• 95,45% (±2σ): Livello comunemente utilizzato, noto anche dalle indagini come "margine di errore".
• 99,73% (±3σ): Certezza quasi assoluta, spesso ricercata in applicazioni altamente critiche.

Le due facce dell'incertezza di misura: Tipo A e tipo B

Una misurazione fisica non fornisce mai il «valore reale» con certezza assoluta. Invece, il risultato della misurazione è sempre accompagnato da un Incertezza di misura (u) Definisce un intervallo in cui il vero valore si trova con una certa probabilità. Questa incertezza deriva da due fonti principali:

Deviazioni sistematiche (tipo B): Si tratta di deviazioni prevedibili, spesso costanti, che provengono da fonti esterne. Esempi sono gli errori nel certificato di taratura dello strumento di misura, le influenze ambientali come le fluttuazioni di temperatura o l'influenza individuale dell'operatore.

Deviazioni casuali (tipo A): Queste incertezze derivano dalla dispersione di misurazioni ripetute nelle stesse condizioni. Sono imprevedibili e sono registrati statisticamente, ad esempio dalla deviazione standard di una serie di misurazioni. Questo può successivamente aiutare a centrare i processi.

L'incertezza di misura combinata deriva da entrambe le proporzioni. Importante: Non è un errore, ma un Misura della fiducia in un risultato di misurazione.

Esempio: Se una pinza indica il valore di 10.00 mm ± 0.05 mm, ciò significa che con un'alta probabilità il valore reale è compreso tra 9,95 e 10,05 mm. Questa considerazione congiunta rende tangibile la fiducia in un risultato di misurazione.

Ancora una volta, vorrei citare il professor Kessel:

La definizione di incertezza di misura mostra che si tratta di una misura quantitativa della qualità del rispettivo risultato di misurazione. Fornisce una risposta alla domanda su quanto bene il risultato ottenuto rifletta il valore della misurazione. Consente all'utente di valutare l'affidabilità del risultato della misurazione, ad esempio per confrontare i risultati di diverse misurazioni della stessa misurazione tra loro o con valori di riferimento. La fiducia nella comparabilità dei risultati delle misurazioni è importante nel commercio nazionale e internazionale di beni. Aiuta ad abbattere le barriere commerciali ed economiche.

Un valore di misura deve spesso essere confrontato con i valori limite specificati in una specifica o in un regolamento normativo. In questo caso, l'incertezza di misura può essere utilizzata per determinare se il risultato della misurazione rientra chiaramente nei limiti specificati o se i requisiti sono solo a malapena soddisfatti. Se il valore misurato è molto vicino a un valore limite, vi è un grande rischio che il valore misurato non soddisfi i requisiti. L'incertezza di misura associata è un aiuto importante in questo caso per valutare realisticamente questo rischio.

Regressione lineare e incertezza di misura per le serie di misurazione

In pratica, vengono spesso registrate intere serie di misurazioni. Per analizzare le tendenze o le relazioni, si utilizza il Regressione lineare. Una linea retta è posta attraverso i punti di misura, che descrive la relazione tra due variabili.

Anche l'incertezza gioca un ruolo importante: Maggiore è la dispersione dei punti attorno alla linea di regressione, più incerta è la previsione. Le statistiche forniscono strumenti come Determinazione (R2) o intervalli di confidenza per cogliere quantitativamente questa incertezza.

Per i profani, questo può essere spiegato come segue: Più i punti di misura sono vicini alla linea, migliore è la previsione. Se deviano bruscamente, la fiducia nella dichiarazione diminuisce.

Migliori pratiche per l'applicazione

• Eseguire sempre un MSA prima Analisi delle capacità della macchina o del processo.
• Ripetere l'analisi per i nuovi sistemi di misura, dopo riparazioni, modifiche di processo o a intervalli regolari.
• Utilizzare condizioni realistiche: Stesso ambiente, stesso controller, stessi componenti.
• Documentare i risultati: sono fondamentali per gli audit e le approvazioni dei clienti.
• Obiettivo "abbastanza buono": L'obiettivo non è la perfezione assoluta, ma risultati affidabili e mirati.

Conclusione: La Filosofia di Livello 92 nella Tecnologia di Misura

La tecnologia di misura non è forzare una perfezione irraggiungibile. È fondamentale raggiungere un livello di qualità e affidabilità elevato e statisticamente garantito.

Un sistema di misura deve essere «capace», non impeccabile, ma Affidabile per lo scopo previsto. Ecco dove sta l'arte: L'equilibrio tra precisione, sforzo e pragmatismo. Oppure, nel linguaggio della filosofia del livello 92 -> "abbastanza buono per andare davvero avanti".