Attribute Gage R & R Effectiveness
Instructions:
1) The following spreadsheet is used to calculate an Attribute GR&R Effectiveness, in which up to 100 samples
can be evaluated, using 2 or 3 operators.
2) In the Data Entry worksheet, fill in the appropriate information in the Scoring Report section and enter the type
of Attributes you are evaluating in the Attribute Legend section. THE INFORMATION MUST BE
ENTERED INTO THE ATTRIBUTE LEGEND SECTION OR THE SPREADSHEET WILL NOT
WORK. The attributes can be either alpha or numeric, e.g. Yes, No; pass, fail; go, stop; or 1, 2. You must be
consistent throughout the form and spell properly.
3) If you or an expert has selected samples to be evaluated and you know what attributes these samples are (Good
vs Bad), enter this information in the STANDARD column. This will enable you to determine how well each
operator can evaluate a set of samples against a known standard. You do not need to enter information in this
column for the spreadsheet to work, although you will not be able to assess the operators against known
standards.
4) You do not have to specify how many operators or the # of samples that you will be evaluating during the test.
Simply enter the data into the spreadsheet under the specific operator. Remember the attributes must be spelled
properly or the spreadsheet will not analyze the data correctly.
5) To print a copy of the report click on the Print Report icon.
6) To delete the data in the spreadsheet, click on the Delete Data icon.
7) To see a Demo of the Attribute GR&R Effectiveness spreadsheet, click on the Demo icon. Move around the
spread sheet to see the data. When you are finished, click the Delete Data icon to delete all data to begin
entering your own data.
NOTES:
The 95% UCL and 95% LCL represent the 95% upper and lower confidence limits on the
binomial distribution. The Calculated Score is the basic computation reported on the report
page for % Appraiser and % Score vs Attribute. The 95% confidence interval represents the
range within which the true Calculated Score lies given the uncertainty associated with
limited sample sizes. As sample size increases (in this case, Total Inspected) the confidence
interval will get smaller and smaller which indicates more reliable estimates of the true
percentages. In the case of the Demo data, the true Calculated score for Operator 1 could be
as low as 76.8% given that only 14 samples inspected, even though there was a 100%
Appraiser value calculated. Also, even though Operator 2 had a lower score, Operators 1 and
3 cannot be distinguished from Operator 2 because the calculated score of #2 (78.6%) lies
within the confidence limits for Operators 1 and 3.
With a worksheet limitation of 100 samples, the best the lower 95% limit can be is 96.4%.
Thus, we would have to say that the best an inspector could be is 96% efficient; even though
they did not make any mistakes.
Try different combinations of number of samples and number of matches to see the effects of
sample size. EXAMPLE: a sample size of 30 with one non-match will yield a 17%
confidence interval. In order to get reasonable reliability in estimates of efficiency, large
sample sizes will be required.
Attribute Gage R & R Effectiveness
SCORING REPORT
All operators agree witin
All Operators agree with
and between each other
Attribute Legend5 DATE:
(Must Enter Information) NAME:
1 C PRODUCT:
2 NC BUSINESS:
standard
Optional: Enter Operator Name or use Default
Operator #2 Operator #3
Known Population Y/N Y/N
Sample
# Standard Try #1 Try #2 Try #1 Try #2 Try #1 Try #2 Agree Agree
1 C C C C C C C Y Y
2 NC NC NC NC NC NC NC Y Y
3 C C C C C C C Y Y
4 C C C C C C C Y Y
5 C C C C C C C Y Y
6 NC NC NC NC NC NC NC Y Y
7 C C C C C C C Y Y
8 C C C C C C C Y Y
9 C C C C C C C Y Y
10 C C C C C C C Y Y
11 C C C C C C C Y Y
12 C C C C C C C Y Y
13 C C C C C C C Y Y
14 NC NC NC NC NC NC C N N
15 C C C C C C C Y Y
16 C C C C C C C Y Y
17 C C C C C C C Y Y
18 NC NC NC NC NC NC NC Y Y
19 NC NC NC NC NC NC NC Y Y
20 C C C C C C C Y Y
21 NC NC NC NC NC NC NC Y Y
22 C C C C C C C Y Y
23 C C C C C C C Y Y
24 C C C C C C C Y Y
25 C C C C C C C Y Y
26 C C C C C C C Y Y
27 C C C C C C C Y Y
28 C C C C C C C Y Y
29 C C C C C C C Y Y
30 C C C C C C C Y Y
31 C C C C C C C Y Y
32 C C C C C C C Y Y
33 C NC NC C C NC NC N N
34 NC NC NC NC NC NC NC Y Y
35 C C C C C C C Y Y
36 NC NC NC NC NC NC NC Y Y
37 C C C C C C C Y Y
38 C C C C C C C Y Y
39 C C C C C C C Y Y
40 C C C C C C C Y Y
41 C C C C C C C Y Y
42 C C C NC C C C N N
43 C C C C C C C Y Y
44 C C C C C C C Y Y
45 NC NC C C C NC C N N
46 C C C C C C C Y Y
47 C C C C C C C Y Y
48 C C C C C C C Y Y
49 C C C C C C C Y Y
50 C C C C C C C Y Y
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
% APPRAISER SCORE(1) -> 98.00% 98.00% 96.00%
% SCORE VS. ATTRIBUTE(2) -> 96.00% 96.00% 94.00%
SCREEN % EFFECTIVE SCORE(3) -> 92.00%
SCREEN % EFFECTIVE SCORE vs. ATTRIBUTE (4)
-> 92.00%
Note:
(1) Operator agrees with him/herself on both trials
(2) Operator agrees on both trials with the known standard
(3) All operators agreed within and between themselves
(4) All operators agreed within and between themselves AND agreed with the known standard
(5) Enter Pass/Fail, Good/Bad, Accept/Reject or other labels which indicate status of inspection
Statistical Report - Attribute Gage R&R Study
DATE: 30-Dec-1899 NAME: 0
PRODUCT: 0 BUSINESS: 0
% Appraiser to Self1 % Appraiser Vs Standard2
Operator Operator Operator Operator
Source 0 #2 #3 0 #2 #3
Total Inspected 50 50 50 50 50 50
# Matched 49 49 48 48 48 47
95% UCL 99.9% 99.9% 99.5% 99.5% 99.5% 98.7%
Calculated Score 98.0% 98.0% 96.0% 96.0% 96.0% 94.0%
95% LCL 89.4% 89.4% 86.3% 86.3% 86.3% 83.5%
False Negative (operator biased toward rejection) Std = Pass 1 0 1
False Positive (operator biased toward acceptance) Std = Fail 0 1 0
Mixed (Operator accepts and rejects the same part) 1 1 2
Screen % Effective Screen % Effective
Score3 Score vs Standard4
Total Inspected 50 50
# in Agreement 46 46
95% UCL 97.8% 97.8%
Calculated Score 92.0% 92.0%
95% LCL 80.8% 80.8%
% Apprraiser to Self % Appraiser Vs Standard
95% LCL 95% LCL
100.0% 100.0%
90.0% 90.0%
% Efficiency
% Efficiency
80.0% 80.0%
70.0% 70.0%
60.0% 60.0%
50.0% 50.0%
40.0% 40.0%
30.0% 30.0%
20.0% 20.0%
10.0% 10.0%
0.0% 0.0%
1 2 3 1 2 3
Notes
1) Operator agrees with him/herself on both trials
2) Operator agrees on both trials with the known standard
3) All operators agreed within and between themselves
4) All operators agreed within & between themselves AND agreed with the known standard
nstructions pour le Calcul de l'Efficacité d'une Étude R&R p
Ce document explique comment utiliser une feuille de calcul pour évaluer l'efficacité d
Instructions Détaillées :
1. Objectif de la Feuille de Calcul :
Cette feuille de calcul est conçue pour calculer l'efficacité d'une étude R&R (Rép
Elle permet d'évaluer jusqu'à 100 échantillons en utilisant 2 ou 3 opérateurs
2. Saisie des Données - Onglet "Data Entry" :
Section "Scoring Report" : Remplissez les informations pertinentes spécifiques
Section "Attribute Legend" (Légende des Attributs) :
C'est une étape CRUCIALE : Vous devez impérativement renseigner les type
Les attributs peuvent être soit alphabétiques (ex: "Oui", "Non"; "Pass", "Fail";
Consistance et Orthographe : Vous devez utiliser la même orthographe
3. Saisie de la Colonne "STANDARD" (Optionnel mais Recommandé) :
Si vous (ou un expert) avez présélectionné des échantillons à évaluer et que vou
Cela vous permettra d'évaluer la performance de chaque opérateur par rapport à
Note : Il n'est pas obligatoire de remplir cette colonne pour que la feuille de calcu
4. Saisie des Données des Opérateurs :
Vous n'avez pas besoin de spécifier à l'avance le nombre d'opérateurs ou le nom
Saisissez simplement les données directement dans la feuille de calcul sous la c
Rappel important : Les attributs doivent être écrits correctement (respectez l'ort
5. Impression du Rapport :
Cliquez sur l'icône "Print Report" pour imprimer une copie du rapport d'analyse.
6. Suppression des Données :
Cliquez sur l'icône "Delete Data" pour effacer toutes les données de la feuille de
7. Démonstration :
Cliquez sur l'icône "Demo" pour afficher un exemple de données pré-remplies da
Explorez la feuille de calcul pour voir comment les données sont présentées.
Une fois que vous avez terminé la démonstration, cliquez sur l'icône "Delete Data
Notes Importantes :
Limites de Confiance (UCL et LCL à 95%) :
Le "95% UCL" (Upper Confidence Limit) et "95% LCL" (Lower Confidence Limit)
Le "Calculated Score" (Score Calculé) est le résultat de base rapporté sur la pag
L'intervalle de confiance à 95% représente la plage dans laquelle se situe le véri
Impact de la Taille de l'Échantillon : Plus la taille de l'échantillon augmente (da
Exemple avec les Données de Démonstration : Même si l'Opérateur 1 a un "A
Limitation de la Feuille de Calcul :
Avec une limitation de 100 échantillons par feuille de calcul, la meilleure limite inf
Ainsi, même si un inspecteur ne fait aucune erreur, l'efficacité maximale que l'on
Expérimentation :
Essayez différentes combinaisons du nombre d'échantillons et du nombre de con
Exemple : Une taille d'échantillon de 30 avec une seule non-concordance (non-m
Pour obtenir une fiabilité raisonnable dans les estimations d'efficacité, des tailles
Ce guide devrait vous permettre de bien comprendre et d'utiliser la feuille de calcul po
é d'une Étude R&R par Attributs
cul pour évaluer l'efficacité d'un système de mesure par attributs (Go/No-Go, Conforme/Non-conforme, etc.).
acité d'une étude R&R (Répétabilité et Reproductibilité) par attributs.
ilisant 2 ou 3 opérateurs.
tions pertinentes spécifiques à votre étude (par exemple, le nom de la pièce, la date, etc.).
tivement renseigner les types d'attributs que vous évaluez dans cette section. La feuille de calcul ne fonctionnera PAS si cette section
"Oui", "Non"; "Pass", "Fail"; "Go", "Stop"), soit numériques (ex: "1", "2").
er la même orthographe et être cohérent dans toute la feuille de calcul pour la saisie des attributs. Toute faute de frappe ou variation inva
ais Recommandé) :
ntillons à évaluer et que vous connaissez leur véritable attribut (par exemple, "Bon" ou "Mauvais" selon une référence connue),
aque opérateur par rapport à une référence connue.
e pour que la feuille de calcul fonctionne. Cependant, si vous ne le faites pas, vous ne pourrez pas évaluer la capacité des opérateurs à jug
mbre d'opérateurs ou le nombre d'échantillons que vous allez évaluer.
la feuille de calcul sous la colonne de l'opérateur concerné.
correctement (respectez l'orthographe définie dans la "Légende des Attributs") sinon la feuille de calcul n'analysera pas les données correc
copie du rapport d'analyse.
les données de la feuille de calcul.
de données pré-remplies dans la feuille de calcul d'efficacité de l'étude R&R par attributs.
onnées sont présentées.
quez sur l'icône "Delete Data" pour supprimer toutes les données de démonstration et commencer à saisir vos propres informations.
L" (Lower Confidence Limit) représentent les limites de confiance supérieure et inférieure à 95% basées sur la distribution binomiale.
de base rapporté sur la page du rapport pour le "% Appraiser" (Pourcentage de l'Évaluateur) et le "% Score vs Attribute" (Pourcentage de
dans laquelle se situe le véritable "Score Calculé", compte tenu de l'incertitude liée à la taille limitée des échantillons.
e l'échantillon augmente (dans ce cas, le "Total Inspected" - Total Inspecté), plus l'intervalle de confiance devient petit. Cela indique que le
ême si l'Opérateur 1 a un "Appraiser value" calculé à 100%, son véritable "Calculated Score" pourrait être aussi bas que 76,8% (limite infér
calcul, la meilleure limite inférieure à 95% que vous pouvez obtenir est de 96,4%.
efficacité maximale que l'on peut affirmer avec 100 échantillons est d'environ 96% (en raison de l'incertitude statistique liée à la taille de l'éc
antillons et du nombre de concordances (matches) pour observer les effets de la taille de l'échantillon sur l'intervalle de confiance.
eule non-concordance (non-match) entraînera un intervalle de confiance de 17%.
ations d'efficacité, des tailles d'échantillon importantes seront nécessaires.
'utiliser la feuille de calcul pour vos études R&R par attributs.
nnera PAS si cette section est vide.
e de frappe ou variation invalidera l'analyse.
érence connue), saisissez cette information dans la colonne "STANDARD".
apacité des opérateurs à juger par rapport à un standard connu.
sera pas les données correctement.
propres informations.
distribution binomiale.
Attribute" (Pourcentage de Score par Attribut).
ent petit. Cela indique que les estimations des pourcentages réels sont plus fiables.
si bas que 76,8% (limite inférieure de confiance) étant donné que seulement 14 échantillons ont été inspectés. De plus, même si l'Opérateu
atistique liée à la taille de l'échantillon).
valle de confiance.
De plus, même si l'Opérateur 2 a un score calculé inférieur (78,6%), il ne peut pas être distingué des Opérateurs 1 et 3 car son score se sit
s 1 et 3 car son score se situe dans les intervalles de confiance de ces derniers.