测量系统是工厂质量的基石。在进行 SPC 控制或 Cpk 能力评估之前，必须先验证测量工具是否可靠。当测量误差占比过高时，即使工艺正常也会表现出虚假的波动。此方法帮助你判断测量系统是否能够精准区分零件差异，从而避免误判过程能力。
测量系统可靠性评估
MSA 量具 R&R 分析通过方差分解技术，将总变异拆解为设备重复性（EV）和操作员再现性（AV）。通过评估这些分量在整体波动中的占比，我们能明确测量系统对工艺数据造成的偏差程度。
该方法严格遵守 AIAG MSA 第 4 版标准，采用 ANOVA 方法进行计算。这能够更精准地评估操作员与零件之间的交互作用，从而识别是否存在某些零件难以被特定操作员准确测量的复杂情况。
基于工艺要求的决策门槛
我们通过 %GRR 指标将测量系统分为三个等级：小于 10% 为可接受，10% 至 30% 为边缘状态，大于 30% 则被视为不可接受。对于关键质量特性，建议始终追求 %GRR 在 10% 以下。
除了 %GRR，该工具还会参考 %Tolerance（公差占比）来评估测量系统是否满足规格要求。无论哪种指标，只要触及不可接受的阈值，系统都会触发警报，提醒你测量噪声已混淆真实的工艺变异。
工艺工程铁律：MSA 先行
在 Lattice 平台，我们强调严谨的质量工程流程：先通过 MSA 量具 R&R 分析确保测量系统可用，再通过控制图判断过程稳定性，最后才计算 Cpk 能力指数。
跳过 MSA 直接评估 Cpk 往往会得出误导性结论。若测量系统本身不可靠，通过调整工艺参数来优化 Cpk 是徒劳的。确保测量噪声处于受控范围，是实现质量持续改进的前提。
1 · Intent → method
An LLM picks msa_gauge_rr from a fixed catalog.
2 · Method → numbers
Deterministic Python engine runs the math. Same input → same output.
3 · Numbers → plain language
A second LLM translates the result into your domain’s vocabulary.
为什么我的 SPC 和 Cpk 结果不可信？
如果 MSA 量具 R&R 分析结果显示 %GRR 大于 30%，说明测量系统已经无法正确反映零件的真实变异。此时测量噪声过大，导致 SPC 和 Cpk 计算结果失去参考价值，必须先改善测量设备或操作流程。
什么是 NDC 指标，为什么它很重要？
NDC（可分辨类别数）衡量测量系统区分不同零件的能力。若 NDC 小于 5，说明测量系统分辨力不足，无法有效识别产品间的微小差异，即使 %GRR 数据尚可，也建议升级测量装置以提高分辨精度。
Tool 输入字段
Schema for msa_gauge_rr not exported yet (run pnpm export:registry).