msa_attribute_agreement — SPC msa op

• 데이터 종류: table → table

• 호출: import fullseye as fs; fs.ledger.msa_attribute_agreement(table, appraiser='appraiser', part='part', rating='rating')(구현을 직접 호출하려면 import spc; spc.msa_attribute_agreement(table, appraiser='appraiser', part='part', rating='rating'), 원장에서 가져오려면 opsspc.get("msa_attribute_agreement"))

사용법

계수치(합격/불합격) 검사에서 검사원 간의 일치도 (`table`).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

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)。

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

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

같은 카테고리(msa)

msa_anova_table · msa_gauge_rr · msa_bias_linearity

*Provenance: spc.py — SPC 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

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