上回我们进行了APQP、FMEA、PPAP三大版块的学习，这次我们进一步深化学习剩余的两个板块——SPC、MSA。

---

在不断追求卓越品质的道路上，沃德夫于2024年六月底成功开展了第二轮IATF 16949：2016质量管理体系培训，同时本轮培训也是本次质量培训的结束课程。上回我们进行了APQP、FMEA、PPAP三大版块的学习，这次我们进一步深化学习剩余的两个板块——SPC、MSA。

开篇我们深入补充学习新版FMEA的七步法，在旧版的基础上添加了新的流程，以精确、关联和完整的方式提供了 技术风险记录的结构：:

① 规划和准备：表头；
② 结构分析：结构树、设计矩阵、框图结构、流程图；
③ 功能分析：功能树、P图；
④ 失效分析：失效树、S（严重度）；
⑤ 风险分析：AP、O、D；
⑥ 优化：特殊特性；
⑦ 结果文件化。

专业讲解：深度解析MSA和SPC

培训过程中，邀请的质量管理老师对MSA和SPC进行了详细讲解。从基本概念到实际应用，再到具体案例的分析，老师为大家呈现了一场内容丰富、干货满满的知识盛宴。员工们通过理论学习和案例分析，深入理解了MSA和SPC在质量控制中的重要性和应用价值。

 

MSA是 测量系统分析的缩写，全称为Measurement System Analysis。是质量管理中用于评估和改进测量系统性能的重要工具。MSA的目的是确保测量系统的准确性和一致性，从而提高数据的可靠性和产品质量。足够的分辨率（Resolution）是进行MSA的前提。 

● 分辨率也叫测量装置的敏感度（最小刻度）；
● 由设计决定的固有特性；
● 满足1/10原则

MSA中的术语很多，主要是分析以下几项，合称 MSA的五性::

● 偏移（倚）： 实际测量值和真值间的差值，通常又被称为“准确度”；（偏倚是针对同一零件上的同一个特性而言的。）

● 稳定性： 随时间变化的偏移值；（又名漂移，是相同的测量系统对同一基准或零件的同一特性测量所获得的总变差）

● 线性： 在量具正常工作量程内，偏移的变化量，是测量系统的系统误差所构成；

● 重复性：当测量系统已被确定和定义——在确定的零件、仪器、标准、方法、操作者、环境和假设之下，系统内部的变差。

● 再现性：不同的测评人，采用相同的仪器，测量同一零件，同一特性时测量平均值的变差，是系统间的变差。

● Repeatability: When the measurement system has been determined and defined — under specified parts, instruments, standards, methods, operators, environment, and assumptions — the variation within the system.

● Reproducibility: The variation in measurement averages when different appraisers use the same instrument to measure the same part and the same characteristic; it represents variation between systems.

* 其中，重复性和再现性，合称R&R或GR&R。

GR&R 分析步骤

1. 选择样本：
选择若干具有代表性的零件样本，通常为10个或更多。

2. 选择操作员：
选择若干操作员，通常为3个或更多。

3. 进行测量：
每个操作员对每个零件进行多次测量，通常为2次或更多。

4. 数据分析：
使用方差分析（ANOVA）或其他统计方法，计算重复性、再现性和总变差。

测量系统最低要求：

● 足够的分辨率和敏感度 （1:10原则）;
● 统计受控（变差只能是普通原因而非特殊原因造成）
● 测量变差＜过程变差＜规范公差

接下来，企业需要收集一定数量的样本数据，以便进行分析。样本的选择应该代表整个生产过程或产品的特征。

MSA在质量控制中的作用：

① MSA可以帮助我们 选择合适的测量系统。根据产品的特点和要求，通过MSA评估不同测量系统的性能，选择最适合的测量设备。

② MSA可以 识别和排除测量系统中存在的问题。通过对测量系统进行稳定性和重复性的分析，发现测量过程中可能存在的误差和变异。然后，采取相应的改进措施，提高测量系统的稳定性和精度。

③ MSA可以 持续监控和控制测量系统的性能。 在产品制造过程中，测量系统可能会随着时间的推移而发生变化。通过定期进行MSA分析，及时发现并纠正测量系统中的偏差，保证产品质量的稳定性。

SPC全称是”Statistical Process Control”，即统计过程控制。是1924年美国休哈特博士发明控制图后产生的，通过各种工具来区分普通原因变差和特殊原因变差，以便对特殊原因变差采取措施。

常用的统计工具有直方图、过程能力分析、控制图等。

统计学：

● 收集、整理、展示、分析、解析统计资料；
● 由样本（n）推论母体/群体（N）；
● 能在不确定的情况下通过分析做出决策，是科学的方法和工具。

数据类型：

● 计量型： 也称定量数据，能够在度量单位上连续测量。

● 计数型： 也称定性数据，通过计数的方法得到的。

▶ 描述性统计——分布

● 对于随机数据通常应用分布来描述，（集中性、离散性幅度，以及不合格的可能性）；

● 对于计量型数据，最常见的是正态分布。

普通原因变差的理解：

● 过程产生的“变差”是正常的，且这些变差不能完全被消除。在某种水平上测量，所有的过程都产生变差；

● 若变差在过程受控中、波动在范围之内，不用采取改善行动；

● 普通原因变差是 系统产生的自然变差。要减少系统变差，必须改变系统，需投入较多成本进行改善。

特殊原因变差的理解：

● 特殊变差是 单一的错误，发生在异常或系统之外。 一般发现特殊变差的源头（根源）问题即可改善，而不需要改变整个系统；

● 过程中的特殊变差将产生严重的品质问题和成本浪费。变差越大，品质越差，浪费越大，单位资源的增值越小。

从内容方面来看，统计过程控制分为两大内容：

1、控制图：控制图是SPC的核心工具，用于监控过程的变异情况，帮助识别是否存在特殊原因变异。 利用控制图分析过程的稳定性，对过程存在的异常因素进行预警；

* 与普通折线图不同的是，SPC图上会有三条线，分别是上下控制限和均值线。这些线和数据点的组合帮我们判断一个过程是不是稳定受控。

2、过程能力分析：计算过程能力指数分析稳定的过程能力满足技术要求的程度，对过程的质量进行评价。

SPC在质量控制中的作用：

SPC强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。 防。SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正 做到"事前"预防和控制。

实践互动：以实际产品为案例

为确保员工对所学知识的掌握程度，培训特别设计了实践互动环节。员工们分组讨论，并以公司实际产品为案例进行模拟编写，并进行讲解对比。这样的学习方式不仅增强了员工们的实践操作能力，也提升了他们的团队合作精神和解决问题的能力。

(Group discussion and answer recording)

轻松氛围：寓教于乐的学习体验

在整个培训过程中，老师以生动的案例和有趣的互动方式，将原本枯燥的理论知识变得生动有趣。通过这样的寓教于乐的方式，激发了员工们的学习兴趣，使得培训过程既严谨又充满乐趣。

(Displaying answers and providing explanations)

测试评估：巩固知识，提高技能

培训结束后，员工们参加了课程测试。通过测试，不仅巩固了所学知识，还让大家认识到在实际工作中应用这些工具的重要性。这次培训不仅是对员工能力的一次提升，也是对我司质量管理体系的一次全面巩固。

通过此次MSA和SPC培训，沃德夫的员工在质量管理工具的应用上得到了进一步提升。这不仅有助于我们在未来的生产过程中更好地进行质量控制，也彰显了公司对品质的高度重视和不断追求。

沃德夫始终坚持以客户为中心，通过不断学习、改进及创新，确保为客户提供优质的产品和服务。以客户满意为目标，坚定不移地在质量管理的道路上前行，与广大客户携手共创更加美好的未来。

此次培训的结束只是我们在品质管理道路上的一个重要节点，未来我们还将继续投入更多资源，不断完善和提升质量管理体系，也将一如既往地为客户提供卓越品质的产品，与您携手共创美好未来。