量具R&R判定标准：日方客户的MSA要求与10%、30%解读
量具每年都按期校准，证书也归档了。可日方客户的品保突然发来邮件，要你提交量具R&R（GR&R，日文资料里写作 gēji R&R）的结果，或者一份"测量系统分析"（MSA，日文叫 sokutei shisutemu kaiseki）报告。给日系整车厂、日系一级供应商供货的企业，迟早会遇到这个要求。
校准（或检定）主要确认一件事：量具的示值与标准器相差多少，也就是偏倚。但实际测量时，同一个人重复测同一个零件，读数会有散差；换一个人来测，读数还会整体偏移。量具R&R就是把这部分散差量化，再与零件本身的变差或公差做比较。
本文依次说明量具R&R在MSA中的位置、做一次研究的6个步骤、用均值极差法算一个完整的（虚构）算例，以及方差分析法（ANOVA）结果有何不同、10%和30%的判定标准怎么读。最后给出日方客户常关注的点、提交前检查表和事先要问清的问题。
目录
量具R&R在MSA中评价什么
MSA评价的是整个测量系统，而不只是量具本身。测量系统包括测量人员、测量方法、工装夹具和环境。汽车行业事实上的标准是 AIAG（美国汽车工业行动集团）发布的 MSA 参考手册，国内通常称作"MSA 手册"。现行版本是2010年6月发布的第4版，截至2026年10月，AIAG 官网列出的仍是这一版。
手册把测量系统的误差分为两类：一类是"位置"误差，即读数平均值偏离真值；另一类是"宽度"（散布）误差，即读数围绕平均值散开。量具R&R评价的是宽度误差：对同一对象反复测量时，读数散开多大。
3项描述位置误差，2项描述宽度误差。量具R&R把宽度误差的两项合在一起评价。
※EV 为 Equipment Variation（设备变差），AV 为 Appraiser Variation（评价人变差）。分类依据归纳 AIAG MSA 手册第4版框架的说明资料。
重复性与再现性：日方文件中的说法
日方报告里，重复性写作"繰返し性"（kurikaeshi-sei），再现性写作"再現性"（saigen-sei），和国内 MSA 手册的叫法基本一致。日本的计量术语标准 JIS Z 8103 把重复性定义为重复性条件下的精密度：同一程序、同一操作者、同一测量系统、同一操作条件、同一地点，在短时间内对同一对象重复测量。量具R&R里的 EV 对应的就是这一项。
再现性的范围则不同。JIS 的再现性条件可以包括不同地点、不同测量系统；而量具R&R里的再现性（AV），主要指更换评价人带来的差异。国内计量规范 JJF 1001 里与之相近的术语写作"复现性"，范围同样比 MSA 的 AV 宽。向日方提交的作业指导书或报告中，建议直接写明"再现性＝评价人之间的差异"，避免被按 JIS 的宽口径去理解。
研究把观测到的总变差拆成两部分：零件本身的变差，以及测量系统的变差。拆分关系如下图。
测量系统良好时，零件变差占总变差的绝大部分，GRR 很小。
※只有方差（标准差的平方）可以相加。标准差和百分比不能直接相加。
校准与量具R&R的区别
校准是把量具与可溯源的标准器比较，确认示值误差。它只针对量具本身，主要对应图1中的"偏倚"。即使校准和溯源都没问题，夹具的松动、测量人员的习惯仍会带来变差。
量具R&R则使用实际零件，由平时负责测量的人，按日常的测量程序来做。校准问的是"量具准不准"，量具R&R问的是"这种测法能不能把零件区分开"。两者都满足，测量数据才能用于质量判断。
日方汽车客户为什么要求：IATF 16949 7.1.5.1.1
汽车行业质量管理体系标准 IATF 16949 在 7.1.5.1.1 条要求做测量系统分析：对控制计划中列出的每一类检验、测量和试验设备系统，要用统计研究分析其结果的变差。分析方法和接受准则应符合 MSA 参考手册；采用其他方法或准则，须经顾客批准，并保留批准的记录。
也就是说，评价范围由控制计划决定，客户自己的规定与 AIAG 的数字同样重要。日方客户在新产品导入流程中的位置，可参考相关文章。
量具R&R怎么做：6个步骤
结果能不能信，取决于数据怎么取，而不是怎么算。下面按典型方案——10个零件、3名评价人、每人测3次——分成6个步骤。
前3个准备步骤基本决定了结果是否可信。
※10个零件、2～3名评价人、2～3次重复是常见的参考做法（Minitab 技术资料）。客户有指定时，以客户要求为准。
步骤1：确定对象和目的
先确定评价哪个质量特性，用哪台量具、哪套夹具、哪种测量程序。适用 IATF 16949 的企业，通常从控制计划里列出的测量项目做起。
同时要明确这项测量用来做什么：是用控制图跟踪过程变差，还是出货前判定合格与否。答案决定后面计算 %GRR 时用哪个分母。
步骤2：确认分辨力和校准
量具的分辨力（最小可读单位）太粗，同一个零件测多少次读数都一样，变差就评价不出来。AIAG 的指导中有"10:1 规则"：分辨力应不超过公差的1/10。公差为0.10 mm 的尺寸，就需要能读到0.01 mm 或更细的量具。
还要确认量具的校准在有效期内。量具R&R不评价偏倚，所以校准已过期的量具即使做出好结果，也不能证明读数是对的。
步骤3：选取零件
零件要覆盖过程实际产生的变差范围。Minitab 的说明指出，在过程全范围内取样，才能更好地估计零件间变差。如果只取同一批次中相近的零件，零件变差会变小，%GRR 就会被不合理地推高。
零件要编号，但编号不能让评价人看到。看得见编号，评价人容易记住上一次的读数并刻意对齐。可以把编号标在零件背面，或者由另一个人负责递送零件。
另外，10个零件对零件变差的估计精度并不高。Minitab 的技术资料给了两个办法：增加零件数，或者采用由大量历史数据算出的过程标准差。
步骤4：按随机顺序测量
评价人要从平时实际做这项测量的人里选。只选最熟练的老师傅，会低估日常测量的变差。
第1轮由评价人A把10个零件各测一次，再由B、C依次同样测量。第2、3轮打乱零件顺序后重复。每轮都随机排序，并且不让评价人看到前面的结果，以排除记忆和测量顺序的影响。测量位置（零件的哪个部位）要事先约定，所有人保持一致。
步骤5、6：计算与判定
数据齐了以后，用均值极差法或方差分析法计算。电子表格也能算，但用统计软件可以一次性得到 ANOVA 结果和图形。判定时，把 %GRR 和 ndc（可区分类别数）与准则比较。
不合格时，看重复性和再现性哪个更大，据此决定处理方向。下一节用算例把计算一步步走一遍。
均值极差法的计算：一个算例
下面的数据是虚构的。所有数字都是为说明而编的，不来自任何真实工艺。条件是：轴的外径，规格 10.00 ±0.05 mm（公差带宽度 0.10 mm），用分辨力 0.001 mm 的千分尺测量。评价人 A、B、C 各对10个零件测3次。
| 评价人／次数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| A，第1次 | 9.972 | 9.986 | 10.020 | 9.995 | 10.029 | 9.962 | 10.008 | 9.994 | 10.014 | 10.000 |
| A，第2次 | 9.973 | 9.986 | 10.021 | 9.995 | 10.030 | 9.967 | 10.004 | 9.989 | 10.009 | 9.998 |
| A，第3次 | 9.966 | 9.984 | 10.017 | 9.999 | 10.030 | 9.964 | 10.000 | 9.988 | 10.015 | 10.002 |
| A，极差 | 0.007 | 0.002 | 0.004 | 0.004 | 0.001 | 0.005 | 0.008 | 0.006 | 0.006 | 0.004 |
| B，第1次 | 9.969 | 9.986 | 10.020 | 9.998 | 10.035 | 9.965 | 10.010 | 9.995 | 10.015 | 10.004 |
| B，第2次 | 9.974 | 9.987 | 10.019 | 10.000 | 10.036 | 9.962 | 10.013 | 9.992 | 10.015 | 10.010 |
| B，第3次 | 9.976 | 9.983 | 10.023 | 10.002 | 10.031 | 9.969 | 10.010 | 9.994 | 10.021 | 10.002 |
| B，极差 | 0.007 | 0.004 | 0.004 | 0.004 | 0.005 | 0.007 | 0.003 | 0.003 | 0.006 | 0.008 |
| C，第1次 | 9.969 | 9.980 | 10.017 | 9.990 | 10.024 | 9.960 | 10.007 | 9.989 | 10.007 | 9.996 |
| C，第2次 | 9.970 | 9.975 | 10.016 | 9.994 | 10.030 | 9.963 | 10.003 | 9.985 | 10.010 | 10.003 |
| C，第3次 | 9.967 | 9.980 | 10.018 | 9.994 | 10.025 | 9.958 | 10.004 | 9.985 | 10.014 | 10.000 |
| C，极差 | 0.003 | 0.005 | 0.002 | 0.004 | 0.006 | 0.005 | 0.004 | 0.004 | 0.007 | 0.007 |
| 零件平均值 | 9.9707 | 9.9830 | 10.0190 | 9.9963 | 10.0300 | 9.9633 | 10.0066 | 9.9901 | 10.0133 | 10.0017 |
均值极差法用极差（最大值减最小值）和平均值之差来估计标准差。把极差换算成标准差的系数是 K1、K2、K3，它们的取值随重复次数、评价人数和零件数而变化。
用系数把3个极差或差值换算成标准差，最后合成。
※n 为零件数，r 为重复次数。系数采用 AIAG MSA 第4版的方法，已与 SPC for Excel 的资料以及由 d2、d2* 表推算的值（K1＝1/d2，K2、K3＝1/d2*）核对。零件数为2～10个时的 K3：0.7071、0.5231、0.4467、0.4030、0.3742、0.3534、0.3375、0.3249、0.3146。
一些老教材和企业沿用的旧表格，用的系数是 4.56、3.05 之类的数。它们来自手册第1、2版，当时结果用 5.15 倍标准差（覆盖99%）表示。
相对总变差的 %GRR 不受影响，但 EV、AV 的绝对值和相对公差的比值会变，所以一定要确认表格用的是哪个版本的系数。企业自编表格和历史遗留的旧表格同样要核对。
1. 求重复性（EV）
先求每名评价人的平均极差。算例中 A 为 0.0047 mm，B 为 0.0051 mm，C 为 0.0047 mm，3人的总平均极差 R̿ 为 0.00483 mm（4.83 μm）。后面为了便于阅读，统一用 μm。
计算前，先确认每个极差都没有超过控制限（UCL ＝ D4 × R̿；3次重复时 D4 ＝ 2.574，得 12.4 μm）。如果有极差超限，就要怀疑测错或记录错误，把该零件重测以后再计算。
算例中最大极差为 8 μm，没有问题。3次重复对应 K1 ＝ 0.5908，所以 EV ＝ 4.83 × 0.5908 ≈ 2.86 μm。
2. 求再现性（AV）
每名评价人30个读数的平均值分别为：A 9.99723 mm，B 10.00053 mm，C 9.99443 mm。最高的 B 与最低的 C 之差 X̄diff 为 6.10 μm；评价人为3人，K2 取 0.5231。
X̄diff × K2 ＝ 3.19 μm，平方后为 10.18。由于评价人平均值中还含有一部分重复性变差，要减去 EV² ÷（零件数10 × 重复次数3）＝ 2.86² ÷ 30 ≈ 0.27。
结果是 AV ＝ √(10.18 − 0.27) ≈ 3.15 μm。如果根号内为负数，取 AV ＝ 0。
3. 求 GRR、PV、TV
GRR 是 EV 与 AV 平方和的平方根：√(2.86² ＋ 3.15²) ≈ 4.25 μm。
零件变差 PV 由 Rp 求得，Rp 是零件平均值最大值 10.0300 mm 与最小值 9.9633 mm 之差，即 66.67 μm。乘以10个零件对应的 K3 ＝ 0.3146，得 PV ＝ 20.97 μm。
总变差 TV ＝ √(4.25² ＋ 20.97²) ≈ 21.40 μm。至此，计算比值所需的数据都齐了。
4. 求 %GRR 和 ndc
%GRR ＝ 4.25 ÷ 21.40 × 100 ≈ 19.9%。同样计算可得 %EV ＝ 13.3%，%AV ＝ 14.7%，%PV ＝ 98.0%。
注意，%EV 加 %AV 并不等于 19.9%。正如图2的注释所说，能够相加的只有平方后的值（方差）。
ndc ＝ 1.41 × 20.97 ÷ 4.25 ≈ 6.96，舍去小数后为 6。其中 1.41 是 √2 的近似值。
%GRR 为 19.9%，属于"有条件接受"区间。再现性（AV）略大于重复性（EV）。
※虚构算例数据，计算已用 Python 复核。比值按平方和合成，所以 13.3% ＋ 14.7% 不等于 19.9%。
均值极差法与方差分析法（ANOVA）的区别
方差分析法把读数的变差分解为四个来源：零件、评价人、评价人与零件的交互作用、重复性误差。AIAG 手册两种方法都有介绍，统计软件中通常默认用 ANOVA。
据 Minitab 的说明，均值极差法无法计算评价人×零件交互作用的方差。交互作用指的是评价人在不同零件上表现不一致，比如"评价人C只在小零件上读数偏小"。ANOVA 一般能更准确地估计方差，还能检验交互作用是否存在。
X̄-R 法可以手算跟踪；ANOVA 提供的信息更多，估计也更准确。
※算例的 ANOVA 中，交互作用的 p 值为 0.75，较大，因此改用不含交互作用的模型重新计算（Minitab 在 p 值 ≥ 0.05 时去掉交互作用项）。
用 ANOVA 计算同一份虚构数据，重复性标准差为 2.63 μm，再现性为 3.02 μm，GRR 为 4.00 μm，零件间为 21.12 μm。%GRR（标准差之比）为 18.6%，ndc 为 7。
两种方法一个由极差估计，一个由均方估计，数值略有差异，但判定区间相同。
看软件输出时，不要把贡献率（%Contribution，日方报告写作"寄与率"，kiyo-ritsu）和%研究变异（%Study Var，日方写作"研究変動"）混为一谈。贡献率是方差之比，算例中 GRR 的贡献率为 3.5%；%研究变异是标准差之比，为 18.6%。
10%、30%的准则针对的是标准差之比（%研究变异，或占公差的比例）。对于贡献率，Minitab 另给出一套参考值：低于1%、1%～9%、高于9%。
判定准则：10%、30%与 ndc ≥ 5 怎么读
AIAG MSA 手册中最广为人知的准则，是以10%和30%为界，把 %GRR 分成三个区间。Minitab 也把同样的区间作为 AIAG 的指导值列出。
10%～30%不是自动合格，而是要结合用途和成本来判断的区间。
※来源：Minitab 帮助和 QI Macros，均将其作为 AIAG 指导值介绍。各客户、各行业的要求不同。
算例的 %GRR 为 19.9%，落在中间的"有条件接受"区间。ndc 为 6，满足准则，意味着测量系统大致能把过程变差分成6档。
如果 ndc 低于5，可能是测量系统太粗糙，也可能是所选零件的差异太小。ndc 的分子用的是零件变差 PV，所以零件选得不好，即使测量系统没问题，ndc 也会偏小。
分母用过程变差还是公差？
%GRR 可以相对总变差（过程变差）计算，也可以相对公差计算。相对公差的比值，是用 6 × GRR（标准差±3倍的宽度）除以公差带宽度，也叫 P/T 比（精密度与公差比）。
Minitab 的说明是：相对总变差的比值，反映与整个过程变差相比的情况；相对公差的比值，反映把零件分为合格与不合格时的适用性。因此通常的做法是：用于控制图的测量，看相对总变差的比值；用于出货检验合格判定的测量，看相对公差的比值。
具体用哪个，由测量系统的用途和客户的要求决定，也有报告把两者并列。同一份数据，分母不同结果就不同：算例中相对总变差是 19.9%，相对 0.10 mm 公差则是 25.5%。
报告里一定要写明"是相对什么的比值"，免得和客户的数字对不上。日本图纸上一般公差的写法，可参考相关文章。
除10%、30%外，日方客户还可能有什么要求
10%和30%是 AIAG 的指导值，不是通用的硬性界限。IATF 16949 以 MSA 参考手册为默认依据，但客户批准的话，也允许采用其他分析方法和准则。因此，整车厂和一级供应商可能在顾客特定要求（CSR，日文叫"顧客固有要求事項"，kokyaku koyu yokyu jiko）中，自行规定准则或适用范围。
日本的一些参考书和企业内部标准，会把"有条件"区间进一步细分，例如10%～20%视为基本可接受，20%～30%视为上限。各公司要求不一，不能把某一家日方客户的规定当作所有客户的规定。稳妥的顺序是：先确认客户的要求，再把自己的内部标准定得不比它宽松。
据 SPC for Excel 介绍，AIAG 手册本身就提醒过：只拿 GRR 的指导值当作合格线来判断，是不妥当的。除了数字是否在界限内，还要结合这项测量要做什么判断，来决定能不能用。
结果不理想时怎么办
%GRR 偏大时，先看重复性（EV）和再现性（AV）哪个更大。依据 AIAG MSA 第4版的资料（如 QI Macros），可能的原因大致可以这样分。
从哪里下手，取决于 EV 和 AV 哪个更大，以及 ndc 是否足够。
※来源：QI Macros（对应 AIAG MSA 第4版的说明）、Minitab 技术资料。采取对策后，要在同样条件下重做量具R&R，确认效果。
算例中，%AV（14.7%）比 %EV（13.3%）略大，评价人C的平均值比 B 低约 6 μm。这种情况，可以先检查 C 使用千分尺的方式（是否用了棘轮、测量面是否正确贴合零件），以及读数习惯。
如果是重复性偏大，在更换量具之前，先试试用夹具和固定测量位置能否降下来。很多时候，原因不在量具性能，而在零件放置方式和测量位置的差异。要缩小原因范围，可以按评价人、按零件把读数画成图，或用鱼骨图（因果图）从"人、量具、方法、环境"几方面梳理。
容易导致重做的常见失误
现场需要把量具R&R重做的情况，多半出在下面这些做法上。
- 10个零件取自同一批次，零件变差小，%GRR 显得很差
- 测量时看得见零件编号，评价人对齐之前的读数
- 只让最熟练的评价人做，结果比日常测量更好
- 没有约定测量位置，零件内部的变差混进了重复性
- 使用旧版（5.15σ 系数）的表格，EV、AV 与客户的计算对不上
- 报告没写 %GRR 的分母（总变差还是公差），数字与客户对不上
客户指出测量问题、要求提交纠正措施报告时，MSA 结果可以成为原因分析的依据。在报告里把 %GRR 作为"测量系统已验证"的证据，对策会更有说服力，格式可参考 8D 报告的写法。
计数型 MSA：合格/不合格判定与 Kappa
外观检查、对照限度样品（限度見本，gendo mihon）的判定、通止规等，结果只有"合格／不合格"，前面的计算方法就不适用了。这类计数型（属性）测量系统，要看的是判定的一致程度。
常用的是 AIAG 手册中的交叉表法。准备好已知正确判定（基准）的零件，由多名评价人对每个零件判定多次，用 Kappa 表示评价人之间、评价人与基准之间的一致程度。Kappa 衡量的是扣除偶然一致之后的一致度：1 表示完全一致，0 表示与偶然相当。据 Minitab，AIAG 把 Kappa ≥ 0.75 视为一致性良好，0.90 这样更大的值更理想。
结果从三个角度看：评价人内部（同一人重复判定是否一致）、各评价人与基准（判得对不对）、评价人之间（判定是否因人而异）。SPC for Excel 引用了 AIAG 手册（第3版）中的表，给出与基准对照时的参考值：有效性 90% 以上，漏判率（把不良判为合格）2% 以下，误判率（把良品判为不合格）5% 以下。
客户有指定准则时，按客户的来。零件中除了明显的良品和不良品，还要包含临界状态的零件，否则判定的差异根本体现不出来。
提交前：检查表与向日方客户提问的清单
上面提到的几个失误，比如没写分母、用了旧系数，多半不是量具有问题，而是双方的理解对不上。这些事项最好在做研究之前就和客户谈妥，而不是等报告被退回之后。
提交前检查表
下表可以直接作为自查的起点，再补上客户自己提交表格里的项目。
| 项目 | 确认内容 |
|---|---|
| 评价范围 | 特性、量具、夹具和测量程序已明确；该特性在控制计划中 |
| 分辨力 | 最小读数单位不超过公差（或过程变差）的1/10 |
| 校准 | 量具校准在有效期内 |
| 研究设计 | 写明零件数、评价人数、重复次数；零件覆盖过程范围；顺序已随机化；零件编号已隐藏 |
| 评价人 | 平时实际做这项测量的人，而不只是最熟练的检验员 |
| 方法 | 写明用的是均值极差法还是 ANOVA；用 ANOVA 时，说明交互作用项是保留还是去掉 |
| 系数 | K1、K2、K3 来自第4版（不是旧的 5.15σ 系数） |
| 分母 | %GRR 相对总变差、公差还是两者都有，已清楚标明 |
| 结果 | 有 %EV、%AV、%GRR、ndc；极差已对照控制限检查 |
| 准则 | 报告中写明采用的准则（AIAG 或客户 CSR） |
| 有条件区间 | %GRR 在10%～30%时，写明为何该用途可接受；需要时取得客户批准 |
| 计数型检查 | 包含临界零件；报告 Kappa、有效性、漏判率和误判率 |
向日方客户确认的问题
下面这些问题，最好在开始研究前就发给客户的品保窗口。
- 哪些特性需要做 MSA：控制计划中的全部项目，还是只做特殊特性和关键特性？
- 依据 AIAG MSA 第4版的准则，还是在 CSR 中另有自己的准则（例如对10%～30%区间再细分）？
- %GRR 相对过程变差计算、相对公差计算，还是两者都要？
- 是否指定方法（均值极差法或 ANOVA），以及零件数、评价人数、重复次数？
- 是否要求使用客户自己的 Excel 表格？如果是，它用的是哪一版的系数？
- 外观检查是否提供限度样品（限度見本，gendo mihon）？期望的 Kappa 或有效性是多少？
- 什么时候需要重做：更换量具、变更程序、更换评价人之后，还是按固定周期？
询问邮件范例
下面是一份中文范例，可以按实际情况改写；日方窗口习惯用英文沟通的话，也可以参照下面的英文版。
主题：关于零件 [零件号] 的量具R&R要求确认
[姓名] 先生/女士：
我们正在按控制计划为 [零件号／图号] 准备测量系统分析报告。为使报告符合贵司要求，想请您确认以下几点：
1. 判定准则：采用 AIAG MSA 第4版（%GRR 低于10%／10%～30%／高于30%，ndc ≥ 5），还是贵司自行规定的准则？
2. %GRR 的分母：过程变差、公差，还是两者都要？
3. 希望采用的方法（均值极差法或 ANOVA）以及研究规模（零件数、评价人数、重复次数）
4. 是否有指定的报告格式如果有特性落在10%～30%区间，我们会评估其用途是否可接受，并与贵司确认。
此致
[您的姓名]
Subject: Gage R&R requirements for part [part number]
Dear [Name],
We are preparing the measurement system analysis for [part number / drawing number] as listed in our control plan. Could you confirm: (1) acceptance criteria, AIAG MSA 4th edition (%GRR under 10% / 10–30% / over 30%, ndc of 5 or more) or your own; (2) the denominator for %GRR, process variation, tolerance, or both; (3) the preferred method (average and range or ANOVA) and study size; (4) whether a specific report format is required.
If any characteristic falls in the 10–30% range, we will assess whether it is acceptable for its intended use and confirm with you.
Best regards,
[Your name]
本文的局限
- 算例使用的是虚构数据。实际研究请按客户的表格和软件设置进行。
- 准则因客户、行业和特性而异。文中的 AIAG 区间只是参考，不能代替客户的 CSR。
- 本文介绍的是常见的交叉研究，即每名评价人测量每个零件。
- IATF 16949 的准确措辞，请以标准原文和现行 AIAG 手册为准，不要只看二手资料。
- 日方文件中的术语与国内 MSA 手册中文版、计量规范的用词未必完全一致，遇到分歧时，请以客户文件和原版手册的定义为准。
常见问题
量具R&R多久重做一次？
没有固定周期。更换量具、变更测量程序或更换评价人时，应当重新评估。如果客户的 CSR 规定了准则或范围，就按客户的要求安排。
量具已经校准了，还需要做量具R&R吗？
需要。校准只检查量具本身的偏倚，不涉及夹具松动、测量人员习惯等带来的变差，而这正是量具R&R评价的内容。
GR&R 是什么的缩写？
是 Gage Repeatability and Reproducibility，即量具的重复性和再现性。重复性记作 EV，再现性记作 AV，两者合成的值记作 GRR。日方文件使用同样的缩写，写作"ゲージR&R"（gēji R&R）。
只用电子表格能算量具R&R吗？
均值极差法很容易在电子表格中复现：乘以系数再合成即可。ANOVA 的计算要复杂得多，用统计软件或电子表格的分析工具更省事。
评价人应该选谁？
选2～3名平时实际做这项测量的人，而不是技术最好的那一个。只用最熟练的检验员，结果会比日常测量更好，变差也会被低估。
参考资料
- AIAG, MSA-4: Measurement Systems Analysis
- Q-DAS, Notes on the 4th Edition of the MSA Manual（发布时间与 5.15 系数）
- JIS Z 8103:2019《计测用语》与 JIS Z 8402-1:1999《测量方法及测量结果的准确度（正确度及精密度）第1部分》（日文）：Z 8103、Z 8402-1
- Minitab, Is my measurement system acceptable?
- Minitab, Interpret the key results for Crossed Gage R&R Study
- Minitab, Methods and formulas for gage R&R table 与 Methods and formulas for method of analysis
- Minitab, Data considerations for Crossed Gage R&R Study 与 Assistant technical paper: Gage R&R Study (Crossed)
- Minitab, What is gage resolution?
- SPC for Excel, Variable Measurement Systems – Part 4: Gage R&R
- SPC for Excel, Acceptance Criteria for Measurement Systems Analysis
- SPC for Excel, Attribute Gage R&R Studies – Part 2
- QI Macros, Gage R&R Made Easy
- IATF 16949 7.1.5.1.1 条说明（日文）：IATF16949 kōryaku
日文原文本指南改编自 MONOSCOPE 面向日本读者撰写的文章：ゲージR&Rのやり方｜MSAの手順・計算例と判定基準10％・30％の読み方
觉得有用？欢迎分享
关于编辑
MONOSCOPE 编辑FOUNDER & EDITOR曾在工厂设备制造商和工程公司工作约十年，负责设备的方案、设计与试运行，之后转向网络营销。现为 B2B 制造企业的网络顾问，帮助企业讲清自己的产品与技术。持有日本国家资格“能源管理士”和“第三种电气主任技术者”。
自 2017 年起运营技术博客（500 余篇文章），日文 YouTube 频道约有 2 万订阅。每篇指南都从日本生产现场的视角撰写，并对照所引用的标准进行核实。
