MSA是啥？

Posted 2023-05-16

MSA（MeasurementSystemAnalysis）指测量系统分析，使用数理统计和图表的方法对测量系统的分辨率和误差进行分析，以评估测量系统的分辨率和误差对于被测量的参数来说是否合适，并确定测量系统误差的主要成分。

MSA分析工具

1、在进行MSA分析时， 推荐使用Minitab软件来分析变异源并计算Gage R&R和P/T。并且根据测量部件的特性，可以对交叉型和嵌套型部件分别做测量系统分析。

2、Minitab软件在分析量具的线性和偏倚研究以及量具的分辨率上也提供很完善的功能，用户可以从图形准确且直观的看出量具的信息。

统计特性

1、测量系统必须处于统计控制中，这意味着测量系统中的变差只能是由于普通原因而不是由于特殊原因造成的。这可称为统计稳定性。

2、测量系统的变差必须比制造过程的变差小。

3、变差应小于公差带。

4、测量精度应高于过程变差和公差带两者中精度较高者，一般来说，测量精度是过程变差和公差带两者中精度较高者的十分之一。

5、测量系统统计特性可能随被测项目的改变而变化。若真的如此，则测量系统的最大的变差应小于过程变差和公差带两者中的较小者。

参考资料

百度百科.百度百科[引用时间2017-12-30]

参考技术A MSA应该是Measurement
Systems
Analysis测量系统分析，是QS9000标准和TS16949标准要求的，主要是以数据为研究基础，将测量所得到的数据用数理统计的方法，来研究所用的测量系统存在的变差。

gtrendsR 地理 MSA/区号

【中文标题】gtrendsR 地理 MSA/区号

【英文标题】：gtrendsR geo MSA/Area Code

【发布时间】：2018-10-23 10:20:23

【问题描述】：

我正在使用 R 包 gtrendsR 收集 Google 趋势数据。我正在尝试为每个大都市统计区（MAS）提取数据，但区号也很好。到目前为止，我只设法获得了州级数据。这是它的代码。

example <- gtrends("car", geo="US-FL")$interest_over_time 

我为 MSA 尝试了以下方法：

example2 <- gtrends("car", geo="US-FL-Jacksonville FL")$interest_over_time 

区号：

example3 <- gtrends("car", geo="US-FL-904")$interest_over_time 

我收到错误消息，提示包无法检索有效代码。在与包关联的数据（“国家”）中，代码仅适用于州级 - 例如佛罗里达州的 US-FL。

我很想知道如何使用这个包检索更精细的数据，如上面示例 2 和示例 3 中所述。

【参考方案1】：

要检索“佛罗里达州杰克逊维尔”的数据，您应该使用geo = "US-FL-561"：

example2 <- gtrends("car", geo = "US-FL-561")$interest_over_time

要查找城市的地理代码，您可以使用此代码（您可以将"US-FL" 替换为您想要的任何国家/地区代码）：

data("countries")
codes <- unique(countries$sub_code[substr(countries$sub_code, 1,5) == "US-FL"])
codes

#[1] US-FL     US-FL-571 US-FL-592 US-FL-561 US-FL-528 US-FL-534 US-FL-656 US-FL-539 US-FL-548 US-FL-530

countries[countries$sub_code %in% codes[2:length(codes)],]

#       country_code  sub_code                                name
#122665           US US-FL-571                Ft. Myers-Naples, FL
#122666           US US-FL-592                     Gainesville, FL
#122667           US US-FL-561                    Jacksonville, FL
#122668           US US-FL-528            Miami-Ft. Lauderdale, FL
#122670           US US-FL-534 Orlando-Daytona Beach-Melbourne, FL
#122671           US US-FL-656                     Panama City, FL
#122672           US US-FL-539  Tampa-St Petersburg (Sarasota), FL
#122673           US US-FL-548      West Palm Beach-Ft. Pierce, FL
#122680           US US-FL-530     Tallahassee, FL-Thomasville, GA

功能

如果更简单，也可以将代码写成函数：

city_code <- function(geo)
  codes <- unique(countries$sub_code[substr(countries$sub_code, 1,5) == geo])
  if(length(codes) > 1)
    countries[countries$sub_code %in% codes[2:length(codes)], 2:3]
   else
    message('No city code for this geo')
  

示例

city_code("US-AL")

#        sub_code                                        name
#122636 US-AL-630                              Birmingham, AL
#122637 US-AL-606                                  Dothan, AL
#122638 US-AL-691           Huntsville-Decatur (Florence), AL
#122639 US-AL-698                      Montgomery (Selma), AL
#122669 US-AL-686 Mobile, AL-Pensacola (Ft. Walton Beach), FL

city_code("US-CA")

#        sub_code                                          name
#122649 US-CA-800                               Bakersfield, CA
#122650 US-CA-868                             Chico-Redding, CA
#122651 US-CA-802                                    Eureka, CA
#122652 US-CA-866                            Fresno-Visalia, CA
#122653 US-CA-803                               Los Angeles, CA
#122654 US-CA-828                          Monterey-Salinas, CA
#122655 US-CA-804                              Palm Springs, CA
#122656 US-CA-862               Sacramento-Stockton-Modesto, CA
#122657 US-CA-825                                 San Diego, CA
#122658 US-CA-807            San Francisco-Oakland-San Jose, CA
#122659 US-CA-855 Santa Barbara-Santa Maria-San Luis Obispo, CA