1：只做GR&R分析, 其它的偏倚,線性,穩定性不用做,理由是儀器校準過了!!
回答：
校準針對的只是該量具是否準確，而MSA是對整個測量系統的統計分析，兩者區別這里不多說。
Q2：做偏倚/線性分析時, 基準值直接選取為本次測量數據的平均值？
回答：
在上述情況下，得出來的偏倚永遠為零！因為是自己跟自己比較，有用嗎?
基準值應用更高精度的測量系統得出來。
Q3：做偏倚時不分析其直方圖,直接輸入數據后看EXCEL給的判定?
回答：
此為懶人行為，不想動腦筋的人，分析直方圖可以得知此次測量有無出現特殊原因， 否則偏倚、不合格時你都不知道怎么回事，除非你老是想造假數據。
Q4：做線性分析時, 不區分量具的工作量程和固有量程?
回答：
很多時候同事們都不先考慮此量具的工作行程到底是多少，而按其固有量程進行分析，所以經常做無用功。還有一種情況就是根本就不覆蓋其整個工作量程。這是不認真的態度。
Q5：穩定性分析時, 未考慮時間和環境的變化, 每天固定時間進行測量?
回答：
請問這樣做穩定性分析有什么意義？
Q6：GR&R分析時, 不根據測量系統的目的來區分TV的不同?
回答：
TV可以用過程變差來計算，可以用公差來計算，可以用PV及GR&R來計算。具體選取哪一個，應考慮測量系統的目的。測量系統用于判定時，TV用公差計算，測量系統用于過程控制及過程研究時，用過程的變差(即6西格瑪)來計算。如對測量系統的持續適宜性或為了確定過程方向，TV用PV來計算，后兩種樣品應覆蓋整個過程范圍才有意義。
Q7：GR&R分析時, 樣品的分布未覆蓋整個過程變差范圍?
回答：
所以NDC數顯得很低，因為其默認為樣品分布是覆蓋過程變差范圍的，所以得出的儀器分辨力NG，不能區分出產品間的區別。
Q8：GR&R分析時, 將測量值四舍五入.?
回答：
這是亂來的，關鍵是這樣亂來的人還很多.。
Q9：計數型測量系統分析時,樣品的特性值不典型，不取在模糊區間的樣品？
回答：
例，規格限為80-120,在其中則判定為OK,<80或>120即判NG，取樣時， 樣品都在 50或150 左右，分析出來量具100%可靠，暈！！！
請取在模糊區間的樣品, 如 79/ 81/ 118/ 121等， 否則有人會信服你的測量系統嗎？
Q10：做完MSA報告就完畢, 未將其結果輸出給控制計劃?
回答：
說實話， 這個比較難。但對于GR&R大于10%、<20%仍接受的測量系統，最好將其考慮到CP中去。
因為在線控制中, 經常出出現測量值稍微超出控制限或規格限的情況, 這時候你能分清楚是測量系統的原因還是產品本身的原因嗎?
MSA也叫測量系統分析，全稱是Measurement Systems Analysis。
數據是通過測量獲得的，對測量定義是：測量是賦值給具體事物以表示他們之間關于特殊特性的關系。這個定義由C．Eisenhart首次給出。賦值過程定義為測量過程，而賦予的值定義為測量值。測量系統分析（MSA）的定義：通過統計分析的手段，對構成測量系統的各個影響因子進行統計變差分析和研究以得到測量系統是否準確可靠的結論。
為了理解MSA的含義，我們可以把它分解成兩個部分，一個是“測量系統”，一個是“分析”。
什么是測量系統？
我們知道測量就是一個對被測特性賦值的過程，測量系統其實就是這個賦值過程涉及到的儀器或量具、標準、操作、方法、夾具、軟件、人員環境等要素的集合。系統中各個要素對測量結果的影響可能是獨立的，也可能是相互影響的。
什么是“分析”？
測量系統分析的根本對象不是零件，而是測量系統輸出的變差。“分析”代表了一系列的分析方法。
MSA的目的是什么？
MSA的目的就是通過測量系統輸出變差的分析，判斷測量系統是不是可接受的，如果不可接受，進而采取相應的對策。需要注意的是，世界上沒有絕對完美的測量系統，因此測量系統誤差可以減少但不能絕對消除。在質量領域我們把變差視為頭號大敵，認為變差小是一種美。然而在自然界，變差就是多樣性，本身就是一種美。
MSA的方法論是什么？
MSA涉及多種方法，每一種都跟統計有關。對大多數人來說，這些方法往往難以被記住，包括我自己。為了便于理解記憶，我們先對“變差”進行剝絲抽繭，即進行結構，看看那些指標可以用于表征測量系統的測量變差。
第一層：
測量觀察到的總變差=零件間變差+測量系統誤差，其中零件間變差是指不同零件間客觀存在的真實差異，由零件本身決定；測量系統誤差就是我們MSA的對象，即由測量系統能力決定的測量偏差。
第二層：
測量系統誤差=精確度+準確度，精確度研究的是測量變差的波動范圍，沒有考慮與真值的差異；準確度研究的是測量變差離真值（或參考值）的差異。
第三層：
A、精確度=重復性+再現性；B、準確度=偏倚+穩定性+線性。
MSA的研究變差的指標其實就是上面等號右邊的5個，所以MSA方法論包括了：
重復性研究：
同一個人，用同樣的設備/方法/設置，在相同的環境，測量同一個產品多次所觀察到的變差；主要研究設備導致的誤差。理解舉例：你去買黃金飾品的時候，同一個營業員對你看上的金飾用相同的量具3次稱重，你發現3次測量結果波動很大，這就是重復性不好。
再現性研究：
不同的人，用同樣的設備/方法/設置，在相同的環境，測量同一個產品所觀察到的變差；主要研究人導致的誤差。理解舉例：接上面的例子，這時另外一個營業員過來用同樣的工具、方法對同樣的金飾稱3次，發現和第一個人測量的平均值比，此人的測量平均值差異也很大，那么就是說的再現性的問題。
偏倚研究：
觀測到的均值和基準值（參考值）之間的差異。理解舉例：金飾的真值假設為50g，而今天你測量10次得到平均值為45g，那么5g的差異就是偏差。
穩定性研究：
在不同時間區間測量時得到的偏倚大小的情況，好的穩定性意味著什么時候測量偏倚都差不多。理解舉例：接上面例子，一個月后，用同樣的量具測那個真值50g的飾品10次，得到平均值40g，比一個月前少了10g，這說明穩定性很不好。
線性研究：
如測量結果隨量程的變化始終保持很小的偏倚，那么測量系統的線性就很好。理解舉例：上面那個量具，第一次測量真值50g的金飾偏倚假比為0.5g，第二次測量真值200金飾得到偏差為5g，也就是說隨著量程變大，變差也越來越大，這個系統的線性非常糟糕。
什么是SPC？
統計過程控制（簡稱SPC）是一種借助數理統計方法的過程控制工具。它對生產過程進行分析評價，根據反饋信息及時發現系統性因素出現的征兆，并采取措施消除其影響，使過程維持在僅受隨機性因素影響的受控狀態，以達到控制質量的目的。
它認為，當過程僅受隨機因素影響時，過程處于統計控制狀態（簡稱受控狀態）；當過程中存在系統因素的影響時，過程處于統計失控狀態（簡稱失控狀態）。由于過程波動具有統計規律性，當過程受控時，過程特性一般服從穩定的隨機分布；而失控時，過程分布將發生改變。
SPC正是利用過程波動的統計規律性對過程進行分析控制。因而，它強調過程在受控和有能力的狀態下運行，從而使產品和服務穩定地滿足顧客的要求。
實施SPC的過程一般分為兩大步驟：
步驟一：
用SPC工具對過程進行分析，如繪制分析用控制圖等；根據分析結果采取必要措施：可能需要消除過程中的系統性因素，也可能需要管理層的介入來減小過程的隨機波動以滿足過程能力的需求。
步驟二：
用控制圖對過程進行監控。
控制圖是SPC中最重要的工具。
目前在實際中大量運用的是基于Shewhart原理的傳統控制圖，但控制圖不僅限于此。近年來又逐步發展了一些先進的控制工具，如對小波動進行監控的EWMA和CUSUM控制圖，對小批量多品種生產過程進行控制的比例控制圖和目標控制圖；對多重質量特性進行控制的控制圖。
MSA和SPC之間的關系？
對于計量值而言,需要使用有效的測量工具來取得需要控制特性的具體數值，SPC圖對MSA有很高的要求。通常, 要求GR&R不大于10%。而在進行測量系統分析之前，要事先確認測量儀器的分辨率達到1：10法則，所以先MSA，后SPC是必要的行事準則，如果MSA分析結果顯示測量系統的分辨識率本身不合格，那么收集的數據制成SPC控制圖就不能有效的識別過程的變差。而很多企業而言,因為此點導致做出來的SPC控圖沒辦法有效的應用，甚至造成不必要的錯誤管控。
MSA手冊提出，把測量過程當做是一個制造數據的過程，要評估數據本身的質量，可以拿測量過程做試驗研究，評估測量過程中測量誤差是否足夠小。所以，通常在進行SPC分析之前，需要先考慮MSA。
MSA和SPC區別：
1、MSA是SPC的基礎和根據，只有MSA可依賴了，SPC工作才能意義。
2、MSA使用數理統計和圖表的方法對測量系統的分辨率和誤差進行分析，以評估測量系統的分辨率和誤差對于被測量的參數來說是否臺適，并確定測量系統誤差的主要成分。而SPC用來確定過程的統計控制界限,判斷過程是否失控和過程是否有能力，為過程提供一個早期報警系統，及時監控過程的情況以防止廢品的發生，減少對常規檢驗的依賴性， 定時的觀察以及系統的測量方法替代了大量的檢測和驗證工作。
3、MSA了解測量過程，確定在測量過程中的誤差總量，及評估用于生產和過程控制中的測量系統的充分性。MSA促進了解和改進(減少變差)，對過程做出可靠有效的評估。SPC依其特性所收集的數據，通過過程能力的分析與過程標準化，發掘過程中的異常，并立即采取改善措施，使過程恢復正常的方法。
來源：半導體封裝工程師之家
半導體工程師半導體經驗分享，半導體成果交流，半導體信息發布。半導體行業動態，半導體從業者職業規劃，芯片工程師成長歷程。