================================================================================
                    MSA测量系统分析工具 使用说明
                    Gage R&R (均值极差法 Xbar-R)
================================================================================

【软件简介】

本软件是一款专业的测量系统分析(MSA)工具,采用均值极差法(Xbar-R)进行Gage R&R分析。
适用于半导体工厂、精密制造等领域的测量系统评估,帮助用户判断测量系统的可靠性和
准确性。

主要功能包括:
- 测量数据录入与管理
- Gage R&R计算(重复性、再现性、GRR、部件变异、总变异)
- 关键指标分析(%GRR、NDC分辨率)
- 方差分量可视化图表
- 数据导入导出(CSV格式)
- 分析报告生成


================================================================================
【安装运行】
================================================================================

1. 系统要求
   - Python 3.7 或更高版本
   - 操作系统: Windows 7/10/11, macOS, Linux

2. 依赖安装
   在命令行中执行:
   pip install -r requirements.txt

3. 运行程序
   双击 msa_tool.py 或在命令行执行:
   python msa_tool.py


================================================================================
【数据录入】
================================================================================

1. 手动录入
   - 在"数据管理"区域填写: 操作员、零件号、试验次数、测量值
   - 点击"添加数据"按钮将数据添加到列表
   
2. CSV导入
   - 准备CSV文件,格式如下:
     操作员,零件号,试验次数,测量值
     A,P01,1,48.5
     A,P01,2,48.6
     ...
   - 点击"导入CSV"按钮选择文件
   
3. 示例数据
   - 点击"加载示例"自动加载3操作员×10零件×3试验=90条示例数据


================================================================================
【执行分析】
================================================================================

1. 数据要求
   - 至少2个操作员
   - 至少2个零件
   - 每个操作员-零件组合至少1次试验
   
2. 执行步骤
   - 录入或导入测量数据
   - 点击"执行Gage R&R分析"按钮
   - 查看"分析结果"标签页中的详细报告
   
3. 结果解读
   a) 变异分量:
      - EV(重复性): 测量设备本身的变异
      - AV(再现性): 不同操作员之间的变异
      - GRR: 重复性和再现性的综合
      - PV: 不同零件之间的真实变异
      - TV: 总变异
   
   b) 百分比贡献:
      - %GRR是最关键的指标
      - %PV占比越高说明测量系统能有效区分零件差异
   
   c) NDC(可区分类别数):
      - NDC ≥ 5: 分辨率足够
      - 2 ≤ NDC < 5: 分辨率边缘
      - NDC < 2: 分辨率不足


================================================================================
【判定标准】
================================================================================

根据%GRR值对测量系统进行判定:

┌─────────────┬────────────┬──────────────────────────────────┐
│  %GRR范围   │  判定结果  │  颜色标识  │  建议              │
├─────────────┼────────────┼──────────────────────────────────┤
│ < 10%       │  优秀      │  绿色      │  可以接受          │
├─────────────┼────────────┼──────────────────────────────────┤
│ 10% - 30%   │  可接受    │  黄色      │  视情况改进        │
├─────────────┼────────────┼──────────────────────────────────┤
│ ≥ 30%       │  不可接受  │  红色      │  必须改进          │
└─────────────┴────────────┴──────────────────────────────────┘


================================================================================
【数据导出】
================================================================================

1. 导出CSV
   - 点击"导出CSV"将测量数据保存为CSV文件
   - 可用于数据备份或其他软件分析
   
2. 导出分析报告
   - 先执行Gage R&R分析
   - 点击"导出分析报告"按钮
   - 生成包含完整分析结果的文本报告


================================================================================
【实际应用建议】
================================================================================

1. 数据采集
   - 选择代表性零件(覆盖正常生产范围)
   - 随机化测量顺序
   - 操作员应在正常工作状态下测量
   
2. 改进措施
   当%GRR过高时,应考虑:
   - 重复性(EV)高: 检查量具校准、维护状态、测量方法
   - 再现性(AV)高: 加强操作员培训、标准化测量方法
   - 设备升级: 考虑更高精度的测量设备
   
3. 定期验证
   - 建议每季度或半年进行一次MSA分析
   - 量具维修/更换后必须重新验证


================================================================================
【注意事项】
================================================================================

1. 数据质量
   - 确保测量数据真实可靠
   - 避免录入错误数据
   - 删除异常值前应确认原因
   
2. 样本量
   - 推荐配置: 3操作员 × 10零件 × 3试验 = 90条数据
   - 最小配置: 2操作员 × 5零件 × 2试验 = 20条数据
   
3. 理解局限
   - 本工具采用均值极差法(Xbar-R)
   - 适用于正态分布数据
   - 对于非正态数据,建议使用ANOVA法


================================================================================
【技术支持】
================================================================================

如有问题或建议,请联系技术支持团队。

版本: 1.0.0
更新日期: 2026-07-11

================================================================================
