量測系統分析

濃湯真的太辣了嗎？

熊媽媽已經達到了容忍極限。最近一次對她的濃湯辣度的爭論，發生在張牙舞爪和一個非常驚恐的小姑娘情況下結束。

熊媽媽相信，那個小姑娘是問題所在。自從金髮姑娘來了以後，在任何事情上都無法有共識，像是床太軟或太硬、粥太燙或太冷。 而今晚，金髮姑娘表示湯太辛辣，熊爸爸則說還是不夠辣。

為了維護家中的平靜，熊媽媽認為小女孩必須離開，但每次只要熊媽媽提到這件事，雄爸爸就會挺身維護金髮姑娘。 熊媽媽需要用數據來加強她的論點，她知道該如何做：使用一種量測系統分析(Measurement Systems Analysis, MSA)工具，稱作屬性一致性分析 (Attribute Agreement Analysis)。 在Minitab17的Assistant功能協助下，熊媽媽知道這會很簡單。

首先，她煮了6鍋濃湯，其中3鍋只加足夠辣椒和香料，使之溫潤入味，但不會太辣。她在其餘3鍋則添加更多的辣醬。

跟著熊媽媽一起使用Minitab統計軟體來設定、收集和分析資料，她希望能找出為什麼小熊家族常常如此意見分歧。

在下方影片中您將觀看到 Minitab 統計軟體的分析小幫手如何輕鬆的完成分析

動手做做看 !

使用這個資料集和 Minitab 17 的分析小幫手幫熊媽媽找出原因！

Step 1：建立一個屬性一致性分析

選擇Assistant > Measurement Systems Analysis (MSA)

Assistant功能提供了一個決策樹，其中包括MSA的“評鑑 (Appraisal)” 資料。

熊媽媽計畫讓每一位家族成員試喝6種不同的濃湯，分辨濃湯為好喝(“Zesty!”)或太辣(“Ow!”)。 每一位評鑑員會試喝每一種濃湯四次，因此，熊媽媽不僅能夠看出每一位評鑑員彼此是否有一致的判斷，以及他們本身的一致性。

但她計劃收集的資料足以完成這項分析嗎？請點擊Attribute Agreement Worksheet 下方的“more...”，來檢視所需的檢查列表。 舉例來說，Assistant功能建議評估人員評定好與壞的項目數要相同，且應至少具有三位評估人員，熊媽媽的計畫都有滿足這些條件。

現在，熊媽媽能有信心地確定她的計畫是恰當的，點選Back，接著點選 Attribute Agreement Worksheet 並完成如下的對話框。

點選OK後，Minitab會對每一位評鑑人員和每一種濃湯，產生一連串四個試喝的隨機試驗，並建立一個對應的資料表。

Minitab讓您可以將現成的資料蒐集表列印出來，包含每一位評鑑人員的每次試喝。

接著，熊媽媽將6種濃湯加熱，由Minitab中所指定的隨機順序，讓每一位評鑑人員試喝每一種濃湯各四次。然後，她只需將結果輸入到資料表相對應的欄位：

此時，您可以收集自己的數據，或下載使用熊媽媽收集到的測試數據。

Step 2: 分析資料

使用工作表中輸入的結果，熊媽媽可以繼續進行分析。返回到Assistant> Measurement Systems Analysis (MSA)，這次我們不選Set up study，而是Analyze data的選項。

完成如上的對話框設定，點選OK後，Minitab 就會產生所有熊媽媽需要的輸出結果。

總結報告 (Summary Report) 顯示，整體而言，小熊家族正確地評比濃湯辣度的時候只有75%。 報告也顯示出每位評鑑人員的準確度，熊媽媽和熊寶寶的分數最高，準確度分別為95.8% 和87.5%。熊爸爸也不差，有79.2% 的準確度。然而，金髮姑娘的整體準確度只有37.5%。

Assistant的準確度報告提供給熊媽媽每位評鑑人員績效的更多細節，由評鑑人員和標準圖所顯示的百分比結果，可看出三隻熊都能良好地分辨好濃湯，而金髮姑娘正確分辨好濃湯的準確度不到20%。

證據就在濃湯裡

對熊媽媽來說，屬性一致性分析的結果可清楚顯示出濃湯辣度歧見的原因在哪裡，並終止這樣的歧見。Assistant這份簡單明確的圖表，連熊爸爸也能清楚地瞭解到，金髮姑娘試喝濃湯的評價差異，就是造成小熊家族產生歧見的原因。

無論您比較喜歡溫潤或特辣的濃湯，您已經成功完成了這項量測系統分析。您已經運用Assistant建立一個屬性一致性分析工作表，並分析您收集到的資料，分辨出評鑑人員何以產生歧見的關鍵。