4. MSA方法体系与选择逻辑
在MSA工程实践中，最常见的失误不是算错GRR，而是在一开始就选错了方法。测量系统的数据类型、测量行为是否破坏样本、以及研究目的（评估重复性再现性、评估偏倚线性、还是评估一致性），共同决定了应该采用哪一套分析路径。本节把MSA方法体系拆成三条正交的分类轴，并给出一棵可直接用于现场判断的决策树。
第一条轴：计量型与计数型
计量型测量系统输出的是连续数值，例如用千分尺测轴径得到 25.012 mm、用电子秤测重量得到 50.03 g。它的信息量最大，可以计算均值、标准差、极差，因此能进一步分解出重复性（EV）、再现性（AV）、偏倚、线性、稳定性等指标。计量型GRR通常要求 10 个零件、3 名评价人、每人重复 2～3 次，共 60～90 个数据点，用均值极差法或ANOVA法计算 %GRR。
计数型测量系统输出的是离散判定，例如通止规判定“合格/不合格”、目视检查判定“有缺陷/无缺陷”、颜色比对判定“通过/不通过”。它无法给出标准差意义上的重复性，只能通过一致性来评价：同一评价人两次判定是否一致（重复性）、不同评价人之间是否一致（再现性）、与基准判定是否一致（准确性）。常用指标包括 Kappa 值、一致性百分比、漏判率与误判率。计数型研究通常选 30～50 个样本，其中约一半为边界样本（接近规格限），否则一致性会虚高。
两者的关键区别在于：计量型回答“测量值有多准、多稳”，计数型回答“判定有多一致、错判有多少”。如果过程输出本身是连续量，却用通止规去卡，等于主动丢弃信息，GRR 会显得很好，但过程控制能力被掩盖。
第二条轴：破坏性与非破坏性
非破坏性测量指测量后样本仍可继续使用，例如尺寸测量、电性能测试、外观检查。这类研究可以真正实现“同一零件被同一评价人重复测量”，重复性定义清晰。
破坏性测量指测量后样本失效或不可恢复，例如拉伸试验、盐雾试验、焊接金相切片、电池针刺。此时无法对同一件重复测量，必须用“嵌套”或“同批近似件”来替代。常见做法是：取一批工艺条件相同的样本，按“批内近似”假设认为它们足够接近，把批内差异当作重复性、批间差异当作零件间差异。这种替代会引入额外变异，因此破坏性GRR的 %GRR 通常偏大，判读时要结合工艺均匀性一起看。若批内本身波动大，GRR 结果会失真，此时应先做批内均匀性确认，再决定是否继续。
第三条轴：研究目的决定分析工具
同样是计量型数据，目的不同，方法也不同：评估重复性与再现性用GRR；评估测量值与基准值的系统偏差用偏倚；评估偏倚随量程的变化用线性；评估测量系统随时间漂移用稳定性；评估两台设备或两种方法是否可比用双样本t或Bland-Altman。计数型则用属性一致性分析（Attribute Agreement Analysis）。把目的和方法对应清楚，才能避免“用GRR去回答偏倚问题”这类错配。
MSA方法选择决策树
下面这棵决策树把上述三条轴合并成一条可执行的判断路径。现场使用时，从顶部“测量输出类型”开始，逐层回答，即可落到具体方法。
现场判断的三个易错点
第一，把计数型当计量型做。有人对“合格/不合格”编码为 1/0，然后直接跑GRR，得到 %GRR 很小就认为系统很好。这是错误的：0/1 的方差取决于合格率，合格率 99% 时方差天然很小，%GRR 必然好看，但它并不反映判定一致性。计数型必须用属性一致性分析。
第二，破坏性测量直接套标准GRR。标准GRR要求同一零件被重复测量，破坏性样本做不到。若强行把不同零件当重复，会把零件间差异混入重复性，导致 EV 虚高、%GRR 虚高，最后误判测量系统不可用。正确做法是嵌套设计，并先确认批内均匀性。
第三，忽略量程与分辨率。无论哪条路径，测量系统的分辨率应至少为公差带的 1/10，或为过程变差的 1/10。分辨率不足时，GRR 结果会被“量化台阶”主导，此时任何统计方法都救不回来，应先换量具或换测量方式。
一个可执行的判断示例
某工序用数显卡尺测量连接器插针长度，规格 12.00 ± 0.10 mm，测量后零件不损坏。判断路径：输出为连续数值 → 计量型；测量不破坏样本 → 标准GRR；目的为评估重复性与再现性 → 均值极差法。取 10 个覆盖量程的零件、3 名评价人、每人测 2 次，共 60 个数据。若算得 %GRR = 18%、ndc = 6，则结论为：测量系统在成本允许下可接受，能分辨 6 个过程类别，可用于过程监控，但不宜用于对公差极限的精细判定。
若同一插针改用通止规判定，则路径变为：输出为离散判定 → 计数型；有基准判定 → 属性一致性分析。取 40 件样本，其中 20 件接近上下限，3 名评价人各判 2 次，计算 Kappa 与漏判率。若 Kappa = 0.62、漏判率 8%，则说明判定一致性不足，需重新培训或改用带读数的量具。两条路径对应两种完全不同的改进动作，这正是方法选择逻辑的价值所在。