破坏性测试中做 Kappa 分析

Kappa分析（Kappa Analysis）是一种用于评估分类一致性或信度的统计方法，尤其适用于两名或多名评估者（raters）对同一组对象进行分类时，判断其一致性是否超出随机预期。它由Jacob Cohen在1960年提出，常用于医学、心理学、社会科学等领域。

核心概念

目的：

衡量评估者之间的一致性（Inter-rater reliability）。

排除单纯由随机因素导致的一致性，提供更严格的评估。

Kappa系数（κ）：

κ < 0：无一致性。

0-0.20：轻微。

0.21-0.40：一般。

0.41-0.60：中等。

0.61-0.80：高度一致。

0.81-1：几乎完全一致。

κ = 1：完全一致。

κ = 0：一致性等于随机预期。

κ < 0：一致性比随机预期还差（罕见）。

取值范围：-1 到 1。

一般标准（Landis & Koch, 1977）：

破坏性测试中做 Kappa 分析，主要是为了评估不同检验人员之间在判断结果上的一致性，尤其适用于计数型数据（如合格/不合格）。由于样品在测试过程中会被破坏，无法重复测量，因此方法上有一些特别的设计。以下是常见的做法：

Kappa 分析在破坏性测试中的基本流程

1. 样本准备
- 通常选取约 50 个样本，确保覆盖合格与不合格的情况。
- 样本应来自同一批次，确保其一致性。
- 每个样本只能测一次，因此需多人对不同样本进行盲测。

2. 评价人员安排
- 通常安排 3 位检验员，每人独立判断所有样本。
- 每个检验员对每个样本只做一次判断（因为样本会被破坏）。

3. 数据记录与分析
- 记录每位检验员对每个样本的判断结果（如 OK/NG）。
- 使用统计软件（如 Minitab）进行 Kappa 分析，计算一致性指标。

4. Kappa 值解释
- Kappa > 0.75：一致性良好
- 0.4 < Kappa ≤ 0.75：中等一致性
- Kappa ≤ 0.4：一致性较差，需要改进

Po

：观察到的实际一致性比例。

Pe：随机预期下的一致性比例（通过边际分布计算）。

附加指标（可选）

- 误判率：将合格品误判为不合格的比例
- 漏判率：将不合格品误判为合格的比例
- 有效性：判断结果与基准一致的比例（建议 ≥90%）

用焊接强度作为例子，我们可以设计一套适用于破坏性测试的 Kappa 分析方案。这里的关键在于，虽然每个试样只能被测一次，我们仍然可以通过合理的抽样和评价人员分配来进行一致性分析。

焊接强度破坏性测试中的 Kappa 分析步骤

1. 样本准备
- 准备约 50～60 个焊接样本，覆盖强度差异较明显的区间（包括“合格”与“不合格”边缘案例）。
- 样品来自相同材料和工艺条件，以排除其他变量干扰。

2. 判定标准设定
- 明确合格判定的强度阈值（例如 ≥180N 被判定为合格）。
- 如使用“拉力破断”法，可设置“断裂载荷”作为主要判断依据。

3. 评价方式（采用照片或视频）
- 由于测试具有破坏性，可在施加拉力前拍摄高分辨图像或录像焊点。
- 测试完成后，采集残余结构和断面图像。
- 让多位检验员仅根据图像对焊点是否“合格/不合格”作出判断。

4. 数据收集与分析
- 建立一个判断矩阵：列出每个检验员对所有样本的判断。
- 使用统计工具（如 Minitab、Excel 插件、Python 等）计算 Cohen’s Kappa 或 Fleiss’ Kappa（如检验员超过 2 人）。

5. 结果解释与改进建议
- 若 Kappa < 0.4，应优化培训、判定标准、图像清晰度等环节。
- 可进行再次盲测验证改进效果。

小贴士

- 图像必须具备足够判读性，包括：焊点大小、气孔/裂纹情况、变形区域等。
- 若有机器读数（如测试设备输出数值），也可对比“主观判断”与“数值标准”的符合性。