앱 명령어, 워크시트 식별자 및 예제 데이터 값은 원문 그대로 유지됩니다. 스크린샷, 차트 및 다운로드 파일은 영어로 제공됩니다. 예제는 영어 원문의 숫자 표기를 유지하며, 소수점에는 마침표를, 천 단위 구분에는 쉼표를 사용합니다.
예제: 밸브 보어
세 검사자가 동일한 밸브 하우징 10개를 각각 세 번씩 측정하며, 매번 보어 게이지를 뺐다가 다시 설치합니다. 총 측정값은 90개이며, 부품 순서는 무작위로 정하고 이전 측정값은 보이지 않게 합니다.
밸브 보어 예제 다운로드(CSV)Help 에서 사용하는 것과 같은 예제입니다. bore_diameter_mm 에는 mm 단위 측정값이 들어 있습니다. 이 도구에는 숫자형 ID가 필요합니다. part_number 는 P01–P10을 1–10에 대응시키고, operator_number 는 A, B, C를 1, 2, 3에 대응시킵니다. trial 은 세 번의 측정 회차를 구분합니다.
1. 분석 만들기
사이드바에서 Measurement systems 를 열고 GRR (ANOVA) 를 선택한 다음 분석 이름을 입력합니다. New blank worksheet 와 Create analysis 를 선택합니다.
2. 데이터 가져오기
Worksheet 에서 Import 를 선택합니다. 다운로드한 파일을 지정하거나 파일 내용을 붙여 넣습니다. 구분 기호는 Comma, 소수점 표기는 Decimal dot 으로 설정하고 First row contains column names 를 선택합니다. 가져올 내용을 미리 확인한 다음 Import into worksheet 를 선택합니다. 모든 행의 원래 순서를 유지하세요.
3. 입력 열 지정하기
Inputs 에서 열 선택기를 사용해 part_number 를 Part ID 에, operator_number 를 Operator 에, trial 을 Trial ID 에, bore_diameter_mm 를 Measurements 에 지정합니다. 숫자형 ID 열을 사용하세요.
앱이 10 parts × 3 operators × 3 trials 를 인식하는지 확인합니다. 각 측정자가 각 부품을 세 번씩 모두 측정한 데이터가 있어야 합니다.
4. 분석 옵션 설정하기
Significance level (α) 에 0.05를 입력합니다. Lower specification limit (LSL) 에 19.950을, Upper specification limit (USL) 에 20.050을 입력합니다. 규격 폭은 0.100 mm입니다.
Precision 을 열고 Apply decimal precision to results 는 선택하지 않은 상태로 둡니다. 예제에 측정값이 이미 있으므로 Create a worksheet template 은 필요하지 않습니다.
5. 분석 실행하기
Run analysis 를 선택한 다음 Results 를 엽니다.
6. 결과 해석
측정 설계 이해하기
각 검사자는 모든 하우징을 세 번씩 측정합니다. 반복 측정값 간 차이는 측정 산포를, 하우징 간 차이는 부품 변동을 보여 줍니다. 이 분석에서는 두 가지를 비교합니다.
측정 산포 읽기
EV는 반복성으로, 같은 검사자가 반복해서 측정할 때의 산포입니다. AV는 재현성으로, 검사자와 관련된 변동입니다. GRR은 두 가지를 합한 값이며, 여기서는 0.01778 mm입니다. 이 표의 값은 표준편차가 아니라 여섯 시그마 산포 폭입니다.
영어 원본 차트: mm 단위의 연구 변동 성분을 여섯 시그마 산포 폭으로 표시합니다. 막대는 분산 기여율이 아닙니다. 차트를 원본 크기로 보기 (새 탭에서 열림) 두 백분율 비교하기
GRR은 전체 연구 변동 폭의 12.90%이며, 규격 폭 0.100 mm의 17.78%입니다. 두 비율은 비교 기준이 다릅니다. 어느 것도 불합격 하우징의 비율을 뜻하지 않습니다. 연구 변동 대비 비율은 선택한 부품에 따라 달라집니다.
부품별로 검사자 비교하기
각 선은 하우징별 검사자의 평균을 보여 줍니다. 검사자 간 차이는 부품에 따라 달라집니다. 교호작용의 p값은 약 0.000479로 0.05보다 작으므로 앱은 이 효과를 모형에 유지합니다. Part 1–10은 P01–P10을, Operator 1/2/3은 A/B/C를 뜻합니다.
영어 원본 차트: 검사자와 부품별 보어 직경 평균(mm)으로, 각 셀의 측정값 세 개를 사용합니다. 차트를 원본 크기로 보기 (새 탭에서 열림) 조사할 사항 정하기
검사자 간 차이가 있는 부품에서 측정 기법과 게이지 위치를 비교하세요. 차트만으로 원인을 알 수는 없습니다. 정수로 표시한 NDC는 10입니다. 게이지가 선택한 부품들 사이의 여러 수준을 구분할 수 있다는 뜻이지만, 앞으로의 모든 용도에 적합하다는 근거는 아닙니다.
자세히 보기: 각 결과 섹션 읽기
전체 결과 표는 Help와 동일하게 유효숫자 여섯 자리로 표시합니다.
연구 변동 성분(6σ)
표는 mm 단위의 연구 변동(6σ)을 나타냅니다. 반복성 EV는 0.01033 mm, 재현성 AV는 0.01446 mm, 전체 GRR은 0.01778 mm입니다. 부품 변동은 0.1366 mm로 훨씬 큽니다. 이 값을 표준편차나 백분율로 읽지 마세요. 각 6σ 성분을 여섯으로 나누면 해당 표준편차(SD)가 됩니다.
| 성분 | 연구 변동(6σ) |
|---|---|
| EV | 0.0103344 |
| AV | 0.0144637 |
| GRR | 0.0177764 |
| PV | 0.136598 |
| TV | 0.13775 |
- O×P가 유의하므로 통합하지 않았습니다. %GRR (Study Var) = 12.9%, NDC ≈ 10
측정시스템 평가
GRR은 전체 연구 변동의 12.90%이며, 규격 폭 0.100 mm의 17.78%입니다. NDC는 10.835이고 정수 NDC는 10입니다. 연구 변동 대비 백분율에는 표준편차(SD)의 비를 사용하지만, 분산 기여율에는 그 비의 제곱을 사용합니다. 여기서 전체 GRR의 분산 기여율은 약 1.67%입니다. 따라서 두 백분율은 서로 다른 질문에 답합니다. NDC 역시 선택한 부품들의 산포에 따라 달라집니다.
| 지표 | 값 |
|---|---|
| GRR(연구 변동 대비 %) | 12.9048 |
| GRR(공차 대비 %) | 17.7764 |
| NDC | 10.8348 |
| NDC(정수) | 10 |
| α | 0.05 |
| 측정자 × 부품 교호작용 통합 여부 | 아니요 |
교호작용을 포함한 이원 ANOVA
측정자 × 부품의 p ≈ 0.000479는 α = 0.05보다 작으므로, 앱은 교호작용을 반복성과 통합하지 않고 유지합니다. 따라서 측정자 간 차이는 부품에 따른 차이와 함께 고려해야 합니다. 측정자의 p값은 약 0.000321입니다. 이 검정들로 차이가 발생하는 원인을 알 수는 없습니다.
| 변동 요인 | 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 |
| 반복성(오차) | 0.000178 | 60 | 0.00000296667 | — | — |
| 전체 | 0.0426522 | 89 | 0 | — | — |
- 전체 모형의 F값과 p값입니다. 측정자 × 부품의 p ≥ α이면 해당 성분을 반복성과 통합합니다.
측정자 × 부품 평균
각 셀은 한 측정자가 한 부품을 세 번 측정한 평균입니다. 서로 다른 부품을 비교하기 전에 같은 부품에서 측정자들을 비교하세요.
| 측정자 | 부품 1 | 부품 2 | 부품 3 | 부품 4 | 부품 5 | 부품 6 | 부품 7 | 부품 8 | 부품 9 | 부품 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 |
주변평균
각 측정자와 각 부품의 주변 평균은 이 교차형 연구를 요약합니다. 부품 전체에 걸쳐 평균을 내면 모형에 유지된 측정자와 부품의 교호작용이 가려질 수 있습니다.
| 구분 | 평균 |
|---|---|
| 전체 | 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. 보고서 만들기
Study variation components (6σ), Study assessment, Two-way ANOVA with interaction, Operator × part means, Marginal means, 변동 성분 차트와 셀 평균 차트를 모두 남깁니다. 각 숫자형 ID가 어떤 검사자와 부품을 나타내는지 기록하고 규격 폭 0.100 mm도 명시하세요.
완료된 실행 결과에서 Add to report 항목을 선택합니다. 표와 차트를 선택하려면 Choose individual items and advanced options 항목을 엽니다. 그런 다음 Add to draft 항목을 선택합니다. 숨긴 항목은 저장된 분석에 남아 있습니다.
보고서 이름을 정하고 분석 목적과 해석을 추가합니다. Save 항목을 선택하고 Preview에서 내용을 확인한 뒤 Export → Download HTML을 사용합니다. 아래 예시는 한 화면에 다 보이지 않는 결과까지 포함하여 선택한 콘텐츠 전체를 보여 줍니다.