16-05-2019, 12:34 PM
داده های حاصل از اندازه گیری، امروز بیش از هر زمان دیگری مورد کاربرد دارند. برای مثال، امروزه حدود کنترل آماری یک فرایند با داده های حاصل از اندازه گیری (و یا آمارهایی که از آنها استخراج می شود) مقایسه می گردند و تعیین می شود که آیا فرایند به تنظیم (هایی) نیاز دارد یا خیر.
استفاده دیگری که از داده های حاصل از اندازه گیری صورت می گیرد، بررسی وجود و یا عدم وجود رابطه بین دو متغیر است. برای مثال، ممکن است در یک فرایند تولید لازم باشد بدانیم که آیا بین بعد خاصی از قطعه تولیدی و درجه حرارت پلاستیک تزریقی، رابطه ای وجود دارد یا خیر. وجود یا عدم وجود چنین رابطه ای را با استفاده از یک روش آماری بنام “رگرسیون” می توان مورد بررسی قرار داد.
مطالعاتی از این دست، مصادیقی از موضوعی هستند که دکتر دمینگ آن را مطالعه تحلیلی می نامد.
مطالعه تحلیلی، مطالعه ای است که به شناسائی علت هایی می پردازد که بر روی فرایند تأثیر می گذارند.
مطالعات تحلیلی از جمله مهمترین کاربردهای داده های اندازه گیری هستند، چرا که به بهترین نحوی به درک بهتر فرایند کمک می کنند.
مزایای حاصله از یک چنین روش مبتنی بر داده ای، به طرز گسترده ای به کیفیت داده های اندازه گیری بستگی دارد. چنانچه کیفیت داده ها پایین باشد، مزایای استفاده از چنین روشی نیز پایین خواهد بود. به عکس هرچه کیفیت داده ها بالاتر باشد، مزایای استفاده از این روش بالاتر خواهد بود.
یکی از متداولترین دلایل وجود داده های با کیفیت پایین وجود نوسان های بسیار در داده ها است. بسیاری از این نوسانات به دلیل تأثیرات متقابلی است که بین سیستم اندازه گیری و محیط پیرامون آن وجود دارد.
چنانچه این تأثیرات باعث به وجود آمدن نوسانات بسیار زیادی شود، ممکن است کیفیت داده ها آن قدر پایین باشد، که عملاً استفاده ای نداشته باشند.
به عنوان مثال، یک دستگاه اندازه گیری با نوسانات فراوان، برای تجزیه و تحلیل یک فرایند تولیدی مناسب نیست، چرا که ممکن است نوسانات سیستم اندازه گیری حتی نوسانات فرایند تولید را تحت الشعاع قرار دهد.
عمده کار مدیریت یک سیستم اندازه گیری معطوف به نظارت و کنترل نوسانات می باشد. چنانچه کیفیت داده های یک سیستم اندازه گیری قابل قبول نباشد، آنگاه چاره ای جز بهبود آن وجود ندارد. این امر بیشتر از آنکه به معنای بهبود خود داده ها باشد به معنای بهبود سیستم اندازه گیری است.
تجزیه و تحلیل سیستم های اندازه گیری (MSA) یکی از مراحل برنامه ریزی برای اجرای فرایند کنترل آماری (SPC)، طراحی آزمایش ها (DOE) و … می باشد چرا که اگر ابزارهای مورد استفاده در کنترل یا تنظیم فرایند، داده هایی با نوسانات بسیار زیاد تولید کنند به سادگی به نتایج حاصل نمی توان استناد کرد. این نوسانات می تواند ناشی از تأثیر سیستم اندازه گیری، اپراتور اندازه گیر و روش اندازه گیری باشد. اما MSA به لطف نرم افزار تخصصی آن یعنی Minitab از دو طریق صحت (خطای میانگین) و دقت (خطای پراکندگی) به بررسی این نوسانات می پردازد.