自动测量设备，要不要做GRR

一、先看测量链路：人员到底有没有参与变差

判断自动测量设备怎么做GRR，第一步不是打开软件，也不是先想样本数，而是把测量链路拆清楚。

1. 人工动作是否进入测量结果

可以顺着几个动作检查：零件是谁放进去的？ 夹具是谁压紧的？ 程序是谁选择的？ 型号是谁切换的？ 参数是谁输入的？ 测量前是否需要人工扫码？ 异常边界是否需要人工确认？ 测量结果是否允许人工修正？

只要这些动作还由人完成，并且这些动作可能影响测量结果，人员就没有真正退出测量系统。

这就不能简单说我们是自动设备，所以没有人员再现性。因为设备虽然自动输出数据，但人的影响已经在前端进入了系统。

比如同一个零件，不同人放置角度不同；同一个夹具，不同人压紧力不同；同一台视觉设备，不同人选择了不同程序版本；同一批产品，不同班次对异常边界的处理习惯不同。

最后软件输出的是数字，但数字背后已经包含了人的操作差异。

2. 半自动设备里的再现性来源

现场不少自动测量，其实只是“自动读数”。

设备可以自动采集数据，自动输出结果，但零件装夹、定位、程序选择、参数输入，仍然由人完成。

这种情况下，传统交叉GRR仍然有价值。至少要把人员、班次、装夹方式、程序选择这些因素纳入分析。

否则验证出来的只是设备在某种理想操作下的表现，不是真实生产环境下的测量系统能力。

3. 全自动场景下的分析重心

真正可以把操作者因子拿掉的，是另一类场景：零件自动上料，夹具自动定位，程序自动调用，测量自动完成，结果自动输出，人员不参与装夹、不选择程序、不调整参数、不判断结果。

这种情况下，人员已经不是主要变差来源，再强行设计3名操作者参与测量，技术意义就不大。

此时是围绕设备、夹具、定位、算法、环境这些真实变差来源来设计MSA。

二、选分析方法：传统GRR还是Type 3 GRR

自动测量设备不是统一做传统GRR，也不是统一不做GRR。方法选择要跟测量过程匹配。

1. 传统GRR看的是“人+设备”的综合影响

传统GRR通常关注三个部分：

所以，传统GRR适合人员会影响测量过程的场景。

2. Type 3 GRR看的是“自动系统本身稳不稳”

在全自动测量场景下，操作者已经不是主要测量变差来源，这时更适合采用Type 3 GRR的思路。

Type 3 GRR不再把操作者作为主要分析因子，而是把重点放在自动测量系统本身：设备连续测量是否稳定； 自动装夹是否一致； 自动定位是否可靠； 识别算法是否一致； 测量系统能不能区分零件差异。

也就是说，Type 3 GRR不是在比较“不同人之间量得是否一致”，而是在确认：同一套自动测量链路，在真实运行条件下反复测量，结果是否可靠。

这才是全自动测量设备MSA的关键。

3. 审核时，要讲清楚方法选择逻辑

如果自动测量设备没有按“三个人、10个零件、每人测3次”做GRR，不能只解释一句：“因为我们是自动设备。”

而是要说清楚，本测量过程已经确认人员不参与装夹、程序选择、参数输入和结果判定，人员不是该测量系统的主要变差来源。因此没有采用传统交叉GRR，而是采用Type 3 GRR评价设备重复性、自动装夹定位一致性和零件区分能力。同时补充Type 1、偏倚、线性和稳定性分析，用于确认设备短期准确性、不同测量范围内的偏差，以及长期运行状态。

三、实验设计要贴近现场：样件、重复测量和重新装夹都不能省

自动测量设备做GRR，真正容易出问题的地方，往往不是公式，而是实验设计。

1. 重复测量不能只是连续测三次

有些现场会把零件放在夹具里不动，然后连续测三次。这样得到的数据通常很好看。因为零件没有移动，夹具没有重新动作，定位状态没有变化，设备只是对同一个姿态重复读数。但这不等于真实生产条件下的测量重复性。

真实生产中，每个零件都会重新进入设备，重新上料、重新定位、重新夹紧、重新识别、重新触发测量。这些动作恰恰是自动测量系统的重要变差来源。

所以，自动设备做GRR时，有一个动作不能省：每一次重复测量，都要把零件取出来，再重新上料、重新装夹、重新定位。

否则测出来的只是设备读数短期波动，不是完整测量过程的波动。

2. 样件不能只拿标准件反复测

标准件当然有价值，但它更适合用来看偏倚、短期重复性和稳定性。

GRR要看的是测量系统在实际零件上的表现，尤其是它能不能识别零件之间的真实差异。

所以，自动测量设备做GRR，样件最好来自实际生产过程。数量可以选10到25件，重点不是凑数量，而是覆盖过程波动。

样件最好包含几类：接近目标值的零件；靠近上规格限的零件；靠近下规格限的零件；处在正常波动区间的零件；现场认为比较难测或容易波动的零件。

样件太集中，零件间差异太小，ndc可能会不好看；样件差异过大，结果又可能显得过于理想，掩盖真实生产风险。

样件选择的原则不是“方便拿什么就测什么”，而是要尽量代表真实过程。

3. 多设备、多夹具、多班次，要考虑扩展因素

如果现场只有一台设备、一套夹具、一个固定程序，实验设计相对简单。

但很多自动测量场景并不是这样。

同一产品可能有多台测量设备，多套夹具，不同班次，不同程序版本，不同工位，不同温度环境。

这时只拿一台设备、一个夹具、一个时间段做GRR，结论会比较窄。它只能说明“这个条件下测量系统表现如何”，不能代表整个测量过程都可靠。

如果这些因素确实会影响测量结果，就要考虑纳入分析，至少在MSA策划时说明边界。

四、结果不能只看GRR：还要结合ndc、图形、偏倚、线性和稳定性

自动测量设备的MSA，不能只停在一个“通过/不通过”的结论上。

GRR只是其中一部分。要判断这套测量系统的数据能不能信，还要把多个结果放在一起看。

1. 先看%GRR和ndc

%GRR反映测量系统变差占公差或过程总变差的比例。

如果测量系统变差占比太高，说明测量误差已经明显影响判断。后面用这些数据做SPC、Cpk、趋势监控，就可能被测量噪声干扰。

ndc反映测量系统能把零件差异分成多少个有效类别。

说直白一点，就是设备有没有能力看清零件之间的差异。

如果ndc很低，说明测量系统分辨能力不足。零件之间明明存在差异，但设备区分不开。这样的数据拿去做过程控制，很容易把真实变化淹没掉。

2. 再看图形趋势

自动测量设备的很多风险，单看最终指标不一定明显。

要看同一个零件的多次测量点有没有散开，不同零件之间的均值有没有拉开，测量顺序有没有逐渐升高或逐渐降低，某些零件是不是特别不稳定，某个时间段是不是突然跳动。这些图形往往比最终结论更能暴露问题。

自动测量设备的典型风险，不一定是随机误差特别大，而是运行一段时间后慢慢漂移。

比如光源衰减、设备热稳定不足、夹具磨损、传感器状态变化、软件版本调整、环境温度波动，都可能让数据逐渐偏移。

所以，GRR报告不能只看“通过/不通过”，还要看数据背后的波动形态。

3. 最后补完整MSA项目

自动测量设备还有一个常见风险：重复性很好，但测得不准。

设备每次都能稳定输出结果，不代表结果接近真实值。它可能是稳定地偏大，也可能是稳定地偏小。

所以，自动测量设备的MSA不能只做GRR，还要补充几类分析。

所以，比较完整的自动测量设备MSA，应该把短期重复性、偏倚、实际零件区分能力、线性、稳定性放在一起看。