msa_attribute_agreement — SPC msa op

• データ種: table → table

• 呼び出し: import fullseye as fs; fs.ledger.msa_attribute_agreement(table, appraiser='appraiser', part='part', rating='rating') (実装を直接呼ぶなら import spc; spc.msa_attribute_agreement(table, appraiser='appraiser', part='part', rating='rating')、台帳から引くなら opsspc.get("msa_attribute_agreement"))

使い方

計数値(合否)検査の一致度(`table`)。

同じ部品を複数の検査員が判定した表から、検査員の対ごとの Cohen のカッパと

全体の Fleiss のカッパ、および素の一致率を返す。

★カッパは一致率そのものではない。`kappa = (p_o - p_e)/(1 - p_e)` で、

偶然でも起きる一致 p_e を割り引いた残りを測る —— 合格率 95 % の工程では

でたらめに判を押しても素の一致率は 90 % を超えるので、一致率だけ見ると

「よく合っている」と読めてしまう。

★門にできる厳密な値: 全員が同じ判定 → `kappa = 1`(厳密)。2 人 x 2 カテゴリの

Cohen のカッパは `2(ad-bc)/((a+b)(b+d)+(a+c)(c+d))` という閉形式と一致する。

独立でたらめな判定では期待値 0(こちらは標本ごとに揺れるので区間で見る)。

参考(サンプルデータ・文献)

• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py

型が繋がる次の op(table を入力に取れる)

msa_anova_table · msa_gauge_rr · msa_bias_linearity · gum_standard_uncertainty · gum_propagate · gum_expanded · gum_monte_carlo · gum_validate

同カテゴリ(msa)

msa_anova_table · msa_gauge_rr · msa_bias_linearity

*Provenance: spc.py — SPC operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.