EMP 交叉(测量过程评价)
EMP Crossed 对交叉量具研究进行双因素方差分析,再由重复性均方计算 Wheeler 的方差分量。它报告重测误差、概然误差、含偏倚与不含偏倚的组内相关系数、偏倚影响和 Class Monitor 等级,并给出重复性、信噪比、平行性、ANOM 和 ANOM-R 图。每个零件与操作员组合至少需要 2 次重复。
最后审阅
核心要点
EMP Crossed 用 Wheeler 的 EMP 方法评价零件 × 操作员 × 重复的交叉量具研究,报告组内相关系数和第 1 至 4 类 Class Monitor 等级,而不是对照公差的 %GRR。
用途
EMP Crossed 通过 Wheeler 的 EMP(Evaluating the Measurement Process,测量过程评价)方法来评价交叉量具 R&R 设计(零件 × 操作员 × 重复),而不是应用中 Crossed GRR 工具给出的基于方差分析的经典 %GRR / %Contribution / ndc 报告。EMP Crossed 不将测量变异与公差比较,而是围绕组内相关系数(ICC)重新审视同一数据集,并为测量系统给出第 1 至 4 类 Class Monitor 等级,这是一种真正不同的测量系统评价思路,而不是应用中其他交叉 GRR 或能力比较工具的重复。
主要功能
- 将 Wheeler 的 EMP 方法作为标准交叉零件/操作员/重复设计的另一种视角,报告组内相关系数和四级分类,而不是对照公差的 %GRR。
- 每个零件与操作员组合至少需要 2 次重复读数(强制要求,否则工具会报错),因此可直接由单元格内变异估计重复性。
- 报告 Test-Retest Error、Probable Error、不含偏倚和含偏倚的两种组内相关系数,以及 Bias Impact 百分比,最终给出第 1 至 4 类 Class Monitor 分类。
- 在一份报告中生成 5 张诊断图:按操作员拆分的 Repeatability(极差)图、Signal-vs-Noise 图、Parallelism 图,以及两张均值分析图(针对操作员均值和操作员平均极差)。
- 可选的研究信息字段(零件号、量具名称/编号、分辨率、报告人、备注等),用于报告标注,另可导出 Excel,将 EMP Statistics、ANOVA、选项和原始数据打包为 4 个工作表。
统计方法
工具首先运行与应用中经典 Crossed GRR 工具相同的含交互作用的双因素方差分析,包括 Part、Operator、Part×Operator 交互作用、Repeatability 和 Total,每项都有各自的 DF、SS、MS、F 和 P,由此得到零件间、操作员间和交互作用效应的常规显著性检验,然后再据此推导 EMP 专用的统计量。
随后,Wheeler 的方差分量由重复性(误差)均方计算,而不是交互作用均方,这是一种有意为之的 EMP 简化,与含交互作用方差分析的完整 GRR 不同:σ²_e(重复性)= MS_Repeatability;σ²_p(零件)= max(0, (MS_Part − MS_Repeatability) / (操作员数 × 重复数));σ²_op(再现性)= max(0, (MS_Operator − MS_Repeatability) / (零件数 × 重复数));总方差 = σ²_p + σ²_op + σ²_e。
据此,EMP Statistics 表报告:Test-Retest Error = σ_e(即 σ²_e 的平方根);Probable Error = 0.6745 × Test-Retest Error(Wheeler 经典的“PE”,在正态性下相当于中位数绝对偏差);Intraclass Correlation (no bias) = σ²_p / (σ²_p + σ²_e);Intraclass Correlation (with bias) = σ²_p / 总方差,该统计量决定最终分类;以及 Bias Impact (%) = σ²_op / 总方差 × 100。
测量系统按含偏倚的 ICC 分类:≥0.80 = 1st Class Monitor,≥0.50 = 2nd Class Monitor,≥0.20 = 3rd Class Monitor,否则为 4th Class Monitor,这是 Wheeler 本人发表的阈值,直接采用。
5 张图的规格:(1) Repeatability 图,即零件在操作员内的极差的极差图,每个操作员一条序列,UCL = d4·R̄,LCL = max(0, d3·R̄),d3/d4 为对应重复数的标准 SPC 常数;(2) Signal-vs-Noise 图,将每个零件的均值相对总均值绘出,并带有 ±3·σ_e 噪声带;(3) Parallelism 图,叠加每个操作员按零件的均值轮廓,用于检查各操作员对零件的排序是否一致;(4) ANOM 图,将操作员均值相对决策限 grand_mean ± t_crit·σ_e·√((operators−1)/(operators×parts×replicates)) 绘出,其中 t_crit = t.ppf(1−alpha/2, df_repeatability);(5) ANOM-R 图,将操作员平均极差按与图 1 相同的 d4/d3·R̄ UCL/LCL 约定绘出,每个操作员一个点。
LSL、USL、Historical Std Dev 和 Measurement Increment 可在表单中输入,提供时会回显到报告的 Study Information 区块,但上述任何 EMP 公式都不会使用它们,这与本文档在应用其他位置采用的“接受但不使用”的透明处理一致。
输入字段和选项
字段 | 说明 |
Part | 必填。标识每个读数所属零件的列。 |
Operator | 必填。标识每个读数由哪位操作员测得的列。 |
Measurement | 必填。被评价的数值型响应列。 |
Alpha | 默认值 0.05(范围 0.001–0.5)。显著性水平,仅用于 ANOM 和 ANOM-R 决策限。 |
LSL / USL | 可选。回显到 Study Information 区块;不用于任何 EMP 计算。 |
Historical Std Dev | 可选。回显到 Study Information 区块;不用于任何 EMP 计算。 |
Measurement Increment | 可选。回显到 Study Information 区块;不用于任何 EMP 计算。 |
Download as Excel | 可选。将 EMP Statistics、ANOVA、选项和原始数据导出为含 4 个工作表的工作簿。 |
Study Information(可选,仅用于报告标注)
字段 | 说明 |
Report Title / Company Name / Customer Name | 可选标签,显示在生成的报告顶部。 |
Date of Study | 可选的日期字段。 |
Part number: / Part name: / Characteristic: | 被研究零件的可选标识标签。 |
Gauge Name / Gauge Number / Gauge Resolution: | 测量仪器的可选标识标签。 |
Reported By / Remarks | 可选的自由文本字段。 |

图 1 — 数据窗格中加载了工具内置的“Measurement System”示例(10 个零件 × 3 位操作员 × 3 次重复,共 90 行),数据位于 Part/Operator/Measurement 列,并在 Options 面板中完成映射,Alpha 为默认值 0.05。
输出说明
- Study Information 表(提供任一可选标注字段时显示):客户、零件号/名称、特性、量具名称/编号/分辨率、报告人、备注、研究日期、提供时的 LSL/USL,以及数据集中的操作员列表。
- EMP Statistics 表:Test-Retest Error、Probable Error、Intraclass Correlation (no bias)、Intraclass Correlation (with bias)、Bias Impact (%),以及最终的 Classification。
- Two-Way ANOVA 表:Part、Operator、Part×Operator 交互作用、Repeatability 和 Total 的 DF、SS、MS、F 和 P。
- Signal-vs-Noise 图:将零件均值相对总均值绘出,并带有 ±3·σ_e 噪声带,显示零件间差异(“信号”)相对重复性(“噪声”)是否足够大。
- Parallelism 图:叠加每个操作员按零件的均值轮廓,直观检查各操作员对零件的排序是否彼此一致。
- Repeatability(极差)图:零件在操作员内的极差,按操作员拆分,并对照基于 d4/d3·R̄ 约定的 UCL/LCL。
- ANOM 图:将操作员均值相对以总均值为中心的决策限绘出,标记均值与其他操作员存在显著差异的操作员。
- ANOM-R 图:将操作员平均极差按与 Repeatability 图相同的 UCL/LCL 约定绘出,每个操作员一个点,标记重复性与其他操作员存在显著差异的操作员。
- 可选的 Excel 导出(Download as Excel),将 EMP Statistics、ANOVA、选项和原始数据分别导出为 4 个独立工作表。

图 2 — EMP Statistics 表(Test-Retest Error、Probable Error、两种组内相关系数、Bias Impact % 和 Classification)以及 Two-Way ANOVA 表。

图 3 — Signal-vs-Noise 图:将 10 个零件均值相对总均值绘出,并带有 ±3·σ_e 噪声带,显示零件间的信号相对重复性噪声很大。

图 4 — Parallelism 图、Repeatability(极差)图、ANOM 图和 ANOM-R 图,均按操作员(A、B、C)拆分或绘制。
计算示例
使用工具内置的“Measurement System”示例数据集,这是一项坐标测量量具研究,记录了 10 个零件相对标称值的偏差,由 3 位操作员(A、B、C)各测 3 次重复读数(共 90 个读数)。在默认 Alpha = 0.05 下,Two-Way ANOVA 显示 Part 效应高度显著(F ≈ 492.3,P ≈ 0.000),Operator 效应显著(F ≈ 79.4,P ≈ 0.000),而 Part×Operator 交互作用无实际意义(F ≈ 0.43,P ≈ 0.974)。EMP Statistics 表报告 Test-Retest Error ≈ 0.2144,Probable Error ≈ 0.1446,Intraclass Correlation (no bias) ≈ 0.9594,Intraclass Correlation (with bias) ≈ 0.9178,Bias Impact ≈ 4.33%,超过 1st Class Monitor 分类的 0.80 阈值,这意味着零件间变异(量具需要检出的真实信号)在很大程度上超过了重复性噪声和较小的操作员间偏倚。
常见问题
EMP 如何对测量系统分类?
分类采用含偏倚的组内相关系数:0.80 及以上为 1st Class Monitor,0.50 及以上为 2nd Class Monitor,0.20 及以上为 3rd Class Monitor,更低则为 4th Class Monitor。这些是 Wheeler 发表的阈值。在内置示例中,含偏倚的 ICC 约为 0.918,得到 1st Class Monitor。
EMP 与经典量具 R&R 有何不同?
经典的交叉量具 R&R 报告 %GRR、%Contribution 和 ndc,并将测量变异与公差比较。EMP Crossed 使用相同的交叉零件、操作员和重复数据,但围绕组内相关系数重新审视,并给出 Class Monitor 等级。其方差分量来自重复性均方,而不是交互作用均方。
EMP 中的概然误差是什么?
概然误差等于重测误差的 0.6745 倍,其中重测误差是重复性方差的平方根。这是 Wheeler 经典的 PE,在正态性下相当于中位数绝对偏差。在内置示例中,重测误差约为 0.2144,概然误差约为 0.1446。
EMP Crossed 需要哪些数据?
一个 Part 列、一个 Operator 列和一个数值型 Measurement 列,每个零件与操作员组合至少有 2 次重复读数,否则工具会报错。在 Zometric Statistical Software 中,LSL、USL、历史标准差和测量增量仅回显到报告中,不用于任何 EMP 计算,而 Alpha(默认 0.05)仅用于 ANOM 限。
