I comandi dell’app, gli identificatori dei fogli dati e i valori dei dati di esempio conservano la forma originale. Screenshot, grafici e file da scaricare sono in inglese. Gli esempi mantengono il punto decimale e la virgola come separatore delle migliaia della notazione inglese originale; i prezzi e i conteggi del sito seguono invece la formattazione italiana.
Esempio: alesaggi dei corpi valvola
Tre controllori misurano ciascuno gli stessi 10 corpi valvola tre volte, estraendo e riposizionando l’alesametro tra le letture. Lo studio comprende 90 misure, con ordine dei pezzi randomizzato e letture precedenti nascoste.
Scarica l’esempio degli alesaggi dei corpi valvola (CSV)È lo stesso esempio usato in Help. bore_diameter_mm contiene le letture in mm. Questo strumento richiede ID numerici: part_number associa P01–P10 a 1–10, mentre operator_number associa A, B e C a 1, 2 e 3. trial identifica i tre cicli di misura.
1. Crea l’analisi
Nella barra laterale, apri Measurement systems, scegli GRR (ANOVA) e assegna un nome all’analisi. Seleziona New blank worksheet e Create analysis.
2. Importa i dati
Nella scheda Worksheet, scegli Import. Seleziona il file scaricato oppure incollane il contenuto. Imposta Comma come delimitatore, usa Decimal dot e seleziona First row contains column names. Visualizza l’anteprima dell’importazione, quindi scegli Import into worksheet. Mantieni tutte le righe nell’ordine originale.
3. Assegna le colonne in ingresso
Nella scheda Inputs, assegna part_number a Part ID, operator_number a Operator, trial a Trial ID e bore_diameter_mm a Measurements, selezionandoli dai rispettivi selettori di colonna. Usa le colonne degli ID numerici.
Controlla che l’app rilevi 10 parts × 3 operators × 3 trials. Ogni pezzo deve avere tutte le tre ripetizioni di ciascun operatore.
4. Imposta le opzioni dello studio
Inserisci 0.05 in Significance level (α). Inserisci 19.950 in Lower specification limit (LSL) e 20.050 in Upper specification limit (USL). L’ampiezza della specifica è 0.100 mm.
Apri Precision e lascia Apply decimal precision to results deselezionato. L’esempio contiene già le misure; non serve Create a worksheet template.
5. Esegui l’analisi
Scegli Run analysis, quindi apri Results.
6. Interpreta i risultati
Comprendi lo studio
Ogni controllore misura ogni corpo valvola tre volte. Le differenze tra letture ripetute mostrano la dispersione della misura; le differenze tra corpi valvola mostrano la variabilità tra pezzi. Lo studio confronta entrambe.
Leggi la dispersione della misura
EV è la ripetibilità: la dispersione quando lo stesso controllore ripete una misura. AV è la riproducibilità: la variabilità associata ai controllori. GRR le combina. Qui GRR è 0.01778 mm. Questi valori della tabella sono dispersioni pari a sei deviazioni standard, non singole deviazioni standard.
Componenti della variabilità dello studio in mm, espresse come dispersioni a sei sigma. Queste barre non sono contributi alla varianza. Visualizza il grafico a grandezza originale (si apre in una nuova scheda) Confronta le due percentuali
GRR è il 12.90% della dispersione totale dello studio e il 17.78% dell’ampiezza della specifica di 0.100 mm. Sono confronti diversi. Nessuno dei due è la percentuale di corpi valvola scartati. I pezzi selezionati influenzano la percentuale dello studio.
Confronta i controllori su ogni pezzo
Le linee mostrano la media di ciascun controllore per ogni corpo valvola. Le differenze tra controllori cambiano da pezzo a pezzo. Il p-value dell’interazione è circa 0.000479, inferiore a 0.05, quindi l’app mantiene questo effetto. Pezzo 1–10 indica P01–P10; Operatore 1/2/3 indica A/B/C.
Diametro medio dell’alesaggio in mm per ogni controllore e pezzo, basato su tre letture per cella. Visualizza il grafico a grandezza originale (si apre in una nuova scheda) Decidi cosa indagare
Confronta la tecnica e il posizionamento dello strumento sui pezzi per cui i controllori differiscono. Il grafico non identifica la causa. NDC intero è 10: lo strumento distingue più livelli tra questi pezzi selezionati, ma questo non ne dimostra l’idoneità per ogni uso futuro.
Altri dettagli: leggi ogni sezione dei risultati
Le tabelle complete dei risultati usano sei cifre significative, come in Help.
Componenti della variabilità dello studio (6σ)
La tabella riporta la variabilità dello studio (6σ), in mm. La ripetibilità EV è 0.01033 mm; la riproducibilità AV è 0.01446 mm; GRR totale è 0.01778 mm. La variabilità tra pezzi è molto maggiore, pari a 0.1366 mm. Non leggere questi valori come deviazioni standard o percentuali; dividi una componente 6σ per sei per ottenere la sua SD.
| Componente | Variabilità dello studio (6σ) |
|---|---|
| EV | 0.0103344 |
| AV | 0.0144637 |
| GRR | 0.0177764 |
| PV | 0.136598 |
| TV | 0.13775 |
- O×P significativo; non aggregato all’errore. %GRR (variabilità dello studio) = 12.9% NDC ≈ 10
Valutazione dello studio
GRR è il 12.90% della variabilità totale dello studio e il 17.78% dell’ampiezza della specifica di 0.100 mm. NDC è 10.835, con NDC intero 10. Le percentuali della variabilità dello studio usano rapporti tra SD; i contributi alla varianza userebbero rapporti al quadrato (circa 1.67% per GRR totale in questo caso), quindi le percentuali rispondono a domande diverse. NDC dipende anche dalla dispersione dei pezzi selezionati.
| Metrica | Valore |
|---|---|
| GRR (% della variabilità dello studio) | 12.9048 |
| GRR (% della tolleranza) | 17.7764 |
| NDC | 10.8348 |
| NDC (intero) | 10 |
| α | 0.05 |
| Interazione operatore × pezzo aggregata all’errore | No |
ANOVA a due fattori con interazione
Operatore × pezzo ha p ≈ 0.000479, inferiore ad α = 0.05, quindi l’app mantiene l’interazione anziché aggregarla alla ripetibilità. Le differenze tra operatori vanno quindi considerate insieme alle differenze specifiche dei pezzi. Il p-value dell’operatore è circa 0.000321; questi test non identificano perché si verifichino le differenze.
| Fonte | SS | df | MS | F | p |
|---|---|---|---|---|---|
| Operator | 0.000241089 | 2 | 0.000120544 | 12.9997 | 0.000320941 |
| Part | 0.0420662 | 9 | 0.00467402 | 504.055 | 9.41451e-20 |
| O×P | 0.000166911 | 18 | 0.00000927284 | 3.12568 | 0.000479281 |
| Ripetibilità (errore) | 0.000178 | 60 | 0.00000296667 | — | — |
| Totale | 0.0426522 | 89 | 0 | — | — |
- Valori F e p del modello completo. Operatore × pezzo viene aggregato alla ripetibilità quando il suo p ≥ α.
Medie operatore × pezzo
Ogni cella è la media di un operatore per un pezzo nelle tre ripetizioni. Confronta gli operatori sullo stesso pezzo prima di confrontare pezzi diversi.
| Operatore | Pezzo 1 | Pezzo 2 | Pezzo 3 | Pezzo 4 | Pezzo 5 | Pezzo 6 | Pezzo 7 | Pezzo 8 | Pezzo 9 | Pezzo 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| Operator 1 | 20.004 | 19.97 | 20.0207 | 19.9867 | 20.008 | 19.979 | 20.0287 | 19.9927 | 20.0167 | 19.9623 |
| Operator 2 | 20.003 | 19.9687 | 20.023 | 19.9853 | 20.011 | 19.9763 | 20.0323 | 19.9953 | 20.0173 | 19.9653 |
| Operator 3 | 20.0047 | 19.9723 | 20.028 | 19.988 | 20.0157 | 19.981 | 20.0297 | 20 | 20.02 | 19.9677 |
Medie marginali
Le medie complessive per operatore e per pezzo riepilogano lo studio incrociato. Fare la media tra pezzi può nascondere l’interazione operatore × pezzo mantenuta nel modello.
| Fonte | Media |
|---|---|
| Complessivo | 19.9984 |
| Operator 1 | 19.9969 |
| Operator 2 | 19.9978 |
| Operator 3 | 20.0007 |
| Part 1 | 20.0039 |
| Part 2 | 19.9703 |
| Part 3 | 20.0239 |
| Part 4 | 19.9867 |
| Part 5 | 20.0116 |
| Part 6 | 19.9788 |
| Part 7 | 20.0302 |
| Part 8 | 19.996 |
| Part 9 | 20.018 |
| Part 10 | 19.9651 |
7. Crea un report
Conserva Study variation components (6σ), Study assessment, Two-way ANOVA with interaction, Operator × part means, Marginal means ed entrambi i grafici delle componenti e delle medie delle celle. Registra a quali controllori e pezzi corrispondono gli ID numerici e mantieni l’ampiezza della specifica di 0.100 mm.
Seleziona Add to report dall’esecuzione completata. Apri Choose individual items and advanced options per selezionare tabelle e grafici, quindi scegli Add to draft. Gli elementi nascosti restano nell’analisi salvata.
Assegna un nome al report e aggiungi lo scopo dello studio e la tua interpretazione. Seleziona Save, controlla Preview, quindi usa Export → Download HTML. L’esempio seguente contiene tutti i contenuti selezionati, compresi i risultati che occupano più di una schermata.