整理《六西格玛管理统计指南》蓝皮书 第11章”测量系统分析“的关键内容，只列要点，避免摘抄，促进理解，下次重读时再做补充，增加工作中的几个例子和想法。
关键词：偏倚Bias，精度Precision，“良好的测量系统”的标准，测量系统分析（MSA, measurement system analysi)
测量系统的六个指标及其含义
六个关键评估项目：分辨力，稳定性；偏倚，线性；重复性Repeatability，再现性reproducibility
统计学强调，要准确说明一组测量结果，一看平均值Center，二看波动Spread。 测量系统也是如此，center就是“偏倚Bias“，测量平均值和真值的差别大小，如果看全量程，就有了”线性“指标；而center就是精度，包括两个R，所以常说的Gage R&R，强调的就是精度，包括重复性和再现性这两点。
两个R是最重要的，精度包括两个R，换言之，测量系统的过程波动，主要有两个原因，一是设备，即重复性repeatability，二是测试者，即重现性reproducibility。 实际工作中，也要从这两个角度考虑。
怎样才算良好的测量系统？
书中给出了三个评判标准，一个是%G=%Gage R&R, 强调精度（两个R的方差之和）在总波动（如何计算？设定的波动范围？）中的占比，应该低于10%。
第二个是%P/T，强调精度在公差的占比，同样应该低于10%。
第三个是“可区分类别数ndc”，我没有仔细研究，只知道结论是，ndc和 %Gage R&R存在对应关系，只不过从不同的角度阐述一个本质问题。
三个指标的具体计算方法：略
工作中的几个例子
“测量系统”的概念，再怎么强调其重要性也不为过。这就像巧妇难为无米之炊，如果我们没有合适的测量工具，什么也干不了，没有规律或者规律禁不起重复，自然谈不上改进。
所以开展任何一个研发项目，最基本的几个问题是：（1）我用什么指标（响应变量）来衡量，（2）用什么工具测量，（3）测量工具是否可以”良好“？
假如测量系统的精度太差，也就是我们常说的波动太大，那测量系统本身的误差已经覆盖了控制变量带来的变化，那就没办法改进。这就像高射炮打蚊子，高射炮是测量工具，波动都是多少米，一个蚊子只有毫米尺寸。分辨力极差的测量系统，结合精度要求很高的具体工作，那就是纯粹浪费时间。
当然反过来，用过度精密的测量仪器，做一个粗糙的工作，虽然不会犯错，但是效率大打折扣，这就像用万分之一的天平称量350mL水，配制泥浆，水量增减1mL都不会影响结果，那万分之一的精度就是大材小用。
很多测量系统，如果用得不对，波动就比较大，比如KD2 Pro要求探针四周至少有2cm样品，比如设备要预热，假如设备不预热测试，第一个值会偏低，严格来说，这是”操作错误“而不是”测量系统的重复性波动“，可是很多时候，我们不把测量仪器弄明白，平白放大了波动，自然就难以做好工作。
上面这些都属于比较简单的错误，但设备如果是”黑箱子“，我们并不知道其中的运行原理，或者操作流程比较繁琐，不能像米尺和游标卡尺一样直接给出精度。那我们只能通过分析历史测试结果，了解仪器的精度，然后才拿来做研究。比如工作中有一个例子，研究控制变量ABC对铸造性能G的影响，但性能G测试比较麻烦。 如果我们单纯通过设定不同的控制变量ABC(比如温度设定200，250，300C）来观察铸造性能G的变化，除非重复很多次，否则我们无法给出准确的结论。因为测试铸造性能G的仪器本身的精度，是未知的！ 从本章知识的角度看，这个问题很明显甚至有些多此一举，谁不知道用一个“已知精度的设备去做实验啊？！” 但项目一旦变复杂，研究者一头钻井去，忘了全局，就把测量系统给忘了。 这就像士兵只顾着冲锋陷阵，却忽视拿的武器并不适合，盲干是没有出路的。
2020-7-28 快速回顾本章重点，我三月份读完本章，最近结合工作重读，没有提及细节，简单说几个工作的事情，不展开说细节。