minitab15怎么计算grr值
这个主题坦荡。不可重复测量系统如何进行测量系统分析，我们最后用 maticle 实现分析什么是不可重复的测量系统？这是经过检测后，受检部件的管理性遭到破坏或部分破坏而不能重复测量。例如拉力燃烧，硬度测试等， 这些药店都无法进行第二次测量。不可重复的测量分为两类，这次产品会由于测量构成遭到破坏。意图强度测试指拉力测试、燃烧测试等。 测试产品本身并不会由于测量过程而遭到迫害，但是被测的特性会随着测试而发生变化，例如功力测试、泄露测试等。在这内测试过程中，测量只会呈现某种趋势的规律。用拉力机的离子来进行不可重复测量。系统分析先进行测。 测量策划由二名评价人用拉力机对十个零件进行三次不可重复测量。计时杠二，杠三 g 二二不可重复测量。每个零件为一组，共十组，每组测量三次，共测量三次数。 如何获得这十组零件？把十组零件编号一到十，这十个零件必须行业攻差或者过程变差的百分之八十范围，也就是说有靠近上限的零件，也有靠近下线的零件。 如果确保这十组零件有较的差异，获得的方式不同批号，不同炉号，不同批，原材料不同班制。在可从物测量中，能够零件可以从物测量。评价人一随机测量了一号零件三次，评价人二随机测量了一号零件三次。因此，如果是可从 测量，每组只需要一个零件，共十个零件。在不可重复测量中，由于每个零件无法进行第二次测量，采取另外的策略就是每组零件需要六个，共需要六十个零件。要保证每组内的六个零件在最大程度上非常接近， 相当于同一个零件，即同一个零件的加工过程，要保证五按加一亿，尽量相同，这样每个评价者都可以以测量同一个零件。三、一组零件被测量六次，我们把每组内的零件编号为一， a e b e c e d e e， f。 主内差异小，主间差异大是其一样的基本原则。将测量数据汇总在表格内，主内零件尽可能一致，尽可能在一致条件下生产出来。主和主 之间零件有明显的差异，是在尽可能有区别的生产条件下生产出来。这样一共有六十个零件， 十乘以六等于六十个，每个人间对应一个测量值。接下来使用 mateper 软件进行分期，先创造测量，用数据表启动 matep， 选择统计， 选择质量工具，选择良机研究，选择创造良机。 r 二、研究工作表在弹出的对话框中输入零件数量，我们这里是十个， 输入评价人员数量，我们这里选择。二、输入每个人对每个零件测量的次数，我们这里的次数是。三、输入每个零件的名称，一般用数字作为编号，输入评价人的具体名字，运行研究工作表，获得数据表格。我们根据部件以及操作 顺序分别实施试验工作，获得的测量值填入西五列中，这里签收一个加杀型研究和嵌套型研究。 当测量对象是相同的时候，我们用交叉型研究，例如两台机器，三个测量员测量其改变，三个测量员都能够测到两台机器，这就是交叉型研究。而当我们进行不可从物测量时，每个人每次测量零件是相似的， 不是相同的。例如两台机器由于是不可从无测量，每台机器都不能被两个以上的测量员测到， 不可从无测量，每组论里的零件是相似的，但绝对不是相同的，因此每个零件只能被测一次，所以采用的是签到型研究。接下来使用 minitable 软件进行 rnr 研究，启动 minitable 选择统计， 选择质量工具，选择良机研究，选择良机二二二研究嵌套在坛子的对话框中进行选择，选择零件名称这里选择部件，选择操作员，选择测量值。单击选项， 在弹出的对下方中输入规格的最高值以及最低值，这里我们选择规格下线二十九，这里我们选择规格上限四十一、按确定返回，再按确定运行， 对获得的结果进行分析。针对图表进行分析，一般先分析二图是否有点操作控制线，如有，必须分析原因再重新测量， 不能有太多点的直为某个特定词，如有十分便利。问题，观察不同操作者之间的差异，确认是否由每个操作者造成控制性偏大。二度分析后并且 没问题后接着分析，那是霸图，需要超过半数以上的点在控制线之外观察不同操作人的差异，不能有明显差异。接着看看不同操作人所有测量值的金值，不同操作人员他们自己所测量临近的金值应该是相等的。 如果我们各操作员的金职和其他操作员不同，必须调查其产生的原因。分析操作员在测量一组零件时及一个测量值是否有差异。我们这里是三个指数值， 每组四十，里面的几个数字应该是大事相等的，如果有异常点，则必须调查原因。只要关注各类变差组成，这个越小越好。蓝色各波动分量六倍，标准差与公差之比，如果没有输入公差，则没有意思。然后就是数据表，共有两个数据表，我们先分析 第一个数据表各部分的变差，各部分变差占总变差的旁屏，希望你见变差比良机的变差大的多，也就是说，也就是前面三数，也就是前面三行，数值比第四次长小的多。再看看第二指数字和气氛的内位数，最好大于十。
粉丝8870获赞3.4万
相关视频
11:28查看AI文稿AI文稿这是一个加一个是要表头这种格式，十个零件， 然后 a 作业员测量三次， b 作业员测量三次， c 作业员测量三次这样的数据结构。但是在我们的密利太本里面，他数据结构不是这样的，要进行转换，他是这样的一个结构， 这个是 a 做元测量十个零件的第一次， a 做元测量十个零件的第二次这样的，嗯， 第三次。然后 b 座椅也是一样的， c 座椅他是数据结构是这样的，那我们要建立这样的一个结构的数据，一个这个一个是要 表的数据格式，然后再打开我们的这个密集特表，密集特表你刚打开软件页面是这样的，你看这边是一个很大的这个空白页，我们需要把这个把鼠标放到这里， 然后变成这种形状的时候往上拉啊，这样就变大了，这个就有这个有点类似于可是要狂。然后我们就把这个刚才转换好这个数据 全部烤过去，然后复制烤到这一台。 你应该应该记得这个零件号，测量纸和测量也是在上面的话，在上面 单元格下面才有数据。然后我们再选这个统计，统计 这个质量工具，质量工具，然后再点量去研究，选啊啊交叉这个啊， 不是圈套也不是扩散，是交叉， 然后他就会出来一个对号框，这个部件号，部件号就是我们一到十个零件，那就我们刚才的对应的这个是零件号， 然后操作语文就测量语音选他，你要你，你点到这里的时候，要选中双击左边的这 一个相应的直啊测量数据就测量值，那这边有两个选项，下面一个是方叉分析，一个是一个是霸，一个是君子吉他图的分析方法，一个是方叉的分析方法，两种都可以啊。然后 你点这个良具信息里面，这里可以编辑一些基本的一些数据，比如说你到底是什么样的测量设备啊？什么时候研究的？然后谁来编制的良具的工厂，这些可以可以写，可以不写啊？ 然后这边可以不用动他，就这样不用动他也可以，你要写也可以，但是不影响这个家的这个最终借口。那我们选君子吉他法吧，好，再点确定， 点完确定以后他就会生成一个表，当你看不见这个东西，你在这里可以。呃， 查看这里啊，查看这里是数据和输出，如果我们要看数据的话， 点点这个紧输出啊，紧输出。好啦，切到切换到另外一个页面，那你就能看到这个他分析的一个结果，然后他分析结果分为这个数值，数值有两个数值，一个是方差的分量，一个是良具的评估。 那实际上按照我们手术的要求，方叉你不评估他也可以哈，我们看两句评估就可以了。然后两句评估这里 里面有啊啊，藏种就是良具的重复性、战性性变差，藏种变差的多少就在这里就能看见， 那其实我们核心的就是这个指标啊，这个你看现在就是三十八点三八，那我们要求是十以下，他这个有点大了。然后这个就是对应我们以前的 ndc 可区分内别墅，就有点像我们 家里面一个手表里面那个 ndc， 那这是数值。然后这边有图形，有六个图形， 六个图形我们来看一下，把它放大，看看能不能放大，可以放大，然后这六个图形怎么看呢？这个就是变异的分量， 是重复性账总变差的百分比，在线信息账变差的百分比，还有重复性在线信息账总变差的百分比，还有零件变差账总变差的百分比。 这是一个柱状图，让你更直观的容易看出到底哪个变差是比较大的。 那比较好的情况下就是重复性变差，再行进变差和啊啊的变差，柱子越短越好，就是相当于这三个占总变差，越小越好， 那这个柱子越高越好，就是是零件的变差或者部件之间的变差，占总变差的占比是越大越好的。 然后再看下面这个急刹图，急刹图有要求， 就是不能点，有点超出控制线，这是上控制线，这是下控制线。点不能超出控制线。很明显这里必做有缘的第七。第七个点是超出去的，那说明测量过程中是有异常的，重复性是有问题的。 那这是一个君子图，君子图就是一到十个零件啊，十个零件每个质量原，这是 a， 这是 b， 这是 c 质量原，三个质量原他们的君子的分布。 那我们要求一般是百分之五十的点要在控制线以外啊，这是上控制线，就是他是下控制线，这上控制线大多说点要在控制线外面，如果有很多点都落在控制线 里面，那可能说明我们测量系统分辨率是有问题的，不能够识别我们制造过程中的一些变差啊。那像这种情况，像这个图，你看大多数是在外面，而是百分之五十点在外面就可以了， 那这个是一个十个零件，十个零件三个测量员测量的值 在在什么地方？就是我们希望呢，就是大家的点都在一起，就是 a 作业员、 b 作业员、 c 作业员测量的这个值 啊，都一致的，这比较好。如果很分散，你像这种像第七个点，他很分散，那就说明在三个测量员里面测量这个零件的时候，有很大的值，也有 很小的值，那他这个就会比较大，这个越越大，说明重复性越差啊。 那这个图就是看三个人测量的值，你看这个最好是三个人测量值，大致是相等的， 那如果有一个座椅员相对于其他两个座椅员或者车辆员，他车辆的值。 如果是，就像这个图，你能看出 b 测量员他测量的值总体情况下会比 a 和 c 测量员值要大一点，所以你看他就往上，那他如果往下，就说明 b 测量员 测量的值总体是比 a 和 c 要小的。所以如果是有一个呃测量员，他 他的值跟另外两个测量员差异的非常大，那可能要注意，说明这个测量员可能手法上有问题，或者说他的操作方式是有问题的， 那这是一个交付作用的一个图，最好的方式就是说你看这个是十个零件啊，然后这个是 abc 测量员测量的值， 那最好的情况下，就三个人测量的值都应该差不多的啊，那是比较好的，如果差异的特别大，你像这个， 你这个 b 作业员测量的值就会比 a 和 c 测量测量员的值要大，他就会跑到上面去，知道吧？就像这个是 a， a 测量员，他的测量第四个零件的时候，他的均值就要比 c 和 b 测量的只要小，他就会跑到 b 下面 就给你看了。那如果有一个作业测量员的时候，有一个测量员他老是所测量所有零件的值都是比其他测量员都偏大或者都偏小，那说明这个 这个测量员他总体发生了偏影，要么偏大要么偏小，这是简单的帮大家分析一下。 那其实我们如果操作的时候，可以把这个图表复制到一个设有表里面，做完了以后啊，如果想要输出的话，你可以把这个图表复制复制出来，把这个图表复制啊，是可以复制的， 你直接按 ctrl 加 c， 点点中，他按 ctrl 加 c 就可以了，然后我们再建立，比如说把它复制到这里粘贴，他就会过来，这个图表就会过来， 比如说我们可以这个数据加上这个图表，然后再把这个也拷拷贝过来，以 ctrl 加 c 给他拷贝过来， 把它扛进来， 这可以把它放大一点啊， 然后我们只要看这个就可以了，然后你再给他设定一个表头，这里跑过来， 然后你再设给他设定一个表头，其实这个就可以做一个 gir 分析了，比如说这个就像就像这个表头一样，就给他弄一个表头， 类似这样的可以把烤出去， 那这个就就往成分系了啊。
836解码IATF16949
12:35查看AI文稿AI文稿大家好，这一期网络课程主要是教大家怎么样使用迷你 type 的时期，这个软件来帮助我们做家的分析。 那我们很多企业在做 gir 分析的时候，一般是用一个色的表的这种模式来进行分析的，那这一期呢，就教大家用软件来做分析。那介绍一下迷你特别软件， 那这个软件是一九七二年就已经发布了啊，一到现在已经是五十多年了，他是有一个国外的一个软件，那现在很多公司都在用哈，比如说通用啊，机翼啊，福特啊都在用这个软件， 他不仅仅可以帮助我们去做这个加分析，他可以还可以帮助我们做一些 spc 的分析，以及生成各种各样的图表，是非 非常有用的一个质量统计的一个软件，有兴趣的小伙伴可以把这个软件下载下来体验一下啊，我们正式的进入我们今天的主题啊，那这个是我们企业经常用的一个，一个是要表格式的加 的分析表格啊，这里是数据，这边是数据，这个图大家应该都比较熟悉啊。嗯，这一期课程不会去讲 这个加分析的一个操作流程和步骤，如果大家对操作流程和步骤不是很熟悉，或者是对加的原理也不是很熟悉，希望你能上一下我的其他的一些网络课程，就专门讲加的分析的一个流程步骤和原理。也有 这样的网课的啊，那这节课我们不说。嗯，那这是十个零件啊，我们一般选取十个零件，然后三个作业员， a、 b、 c 作业员，然后每个人测量的次数一二三这样测量次数， 然后在这个数据填上去以后，我们就一般会去看这个呃值两项，我们比较关注的就是这个按啊的值是二点四，那二点四呢？我们的准则是小于十二点四是可以的，然后这个是 ndcndc， 我们要求大于等于五，他五十九也是可以的。 好，那用一用这个一个 ceo 表格式，他有一个什么样的缺陷呢？那呃，因为这个这个表格有可能很多小伙伴是从网上下载下来的，或者说他客户给 给他的，以及他的同事给他的，然后这里面像这种加的这个值啊，你点他，你会发现他会， 他会涉及到很多链接到很多公式，那你也不确定这个公式到底是对的还是不对的。那我们以前发现有很多公式都是不对的。那第二个就是这个长数，你看比如说这个 k 一、 k 二、 k 三的长数，他不同版本的这个，呃， mac 里面的这个长数也是不一样的， 那就是有时候就会有这种遇到这种情况，嗯，你把这个家的表给你客户，让你客户去 说你算出来的价值，怎么跟我的算出来价值不一样呢？当他挑战你的时候，你对自己的这个数据，其实你是也没有这个信心的，因为你也不知道自己的这个公式是不是对的，常数是不是对的。那这个 时候如果我们有一个迷你特别软件去验证一下啊，你心里就，你心里就更有底了。所以这就是我们呃讲课的一个目的啊，也也告诉大家有多种的一种分析方法。 然后我们要把这个数据放到 mate type 的软件里面去分析的时候，我们要有做一个，呃，做一个转换啊，因为 money type 软件里面的那个数据结构跟我们的一个色的表的数据结构它是不一样的，你像这个 一个射手表的格式，他是这样的，数据结构是这样的啊，但是迷你太他就不是这样的，迷你特是另外一种方式，所以我们要对这些数据进行转换。那怎么转换呢？简单的说一下，那我们这 个是零件号，一二三四五六七八九十，就是十个零件 a 最圆，对十个零件测量的第一次。啊，是这是这样的结构，然后这下面这一个是 a 最圆，对这个十个零件测量第二次， 然后 a 座椅对这个十十个零件测量的第三次。那那接下来由此的推就是 b 座椅和 c 座椅总共有九十个数据，对吧？你把它数据结构转换成这个，然后再把它拷贝拷贝下来， 接着我们就打开迷你太婆这个软件， 我现在用迷你特别的软件的版本是十七哈，当然也有更高的版本我没有用，我觉得十七又已经挺好用的。 拿这个软件打开的时候有一点需要一点时间啊，不是那么快好打开来了。 那接着我们就把这个刚才转换过的这个数据把它拷贝一下， 把它复制复制，然后再粘贴在这里。啊，这样就深，这样就是就可以了啊，数据结构就可以了。 然后我们再选这个统计质量工具良具研究，然后选这个，呃，良具按按交叉研究，交叉这里点它 他嗯，部件号我们就选中 c， 那就这个零件号我们把它选进来， 操作员就是这个 c 三，然后这个测量值就是指这个啊 c 二，我们就把它选出来，然后分析方法，这里面选这个啊， s 八杠二，然后点确定， 那迷你特别软件就把我们生成了这个数据了，那这边数据分成两部分，一部分是这个，一部分是这个啊，那我们来讲一讲这个大字。讲一下啊，那这里数据我们只要看这边就可以了， 那这里看第一个就是按二，按二，我们看最后一个是二点三八，那他的意思就是说，呃重复性在线性按二的这个变差占总变差的百分之二点三八，那我们按照我们这个呃 准则来看啊，小于十是比较好的，他二点三八也是 ok 的。那我们再来看我们的这个一个 ceo 表里面，一个 ceo 表里面他是二点四， 二点三八，其实他是两个小数，如果是约等一下也其实也是等于二点四，那就跟我们这个一个这个表是一样的，那说明我们这个一个这个表的这种公式是对的。 然后再看重复性，重复性的变差是占总变差是一点九六，百分之一点九六，占用性变差是占总变差是一点三六，然后零件变差占总变差是百分之九十九点九七，那就是这个意思，帮助这么去分析他， 然后可区分的区别数等于五十九，就是我们这个 ndc， 也就是我们一个是要表的这个数值， 这个看完了以后，我们再看这个图表，就刚才那个图表 就这个，那这个也这是一个图形，图形展示，刚才是这个数据展示，那这个图形展示怎么样去看他呢？啊？我们要去了解他这个是什么意思，要看得懂。 然后这个图我们一开始要看，这个是阿图，阿图，这个是 a 作业的阿图、 b 作业的阿图和 c 作业的阿图。 阿图的这个要求是不能有点超出控制线，你看到没有？ b 做圆有点超出去的， c 做圆有点超出去的， 那如果是有点超出，呃，这个阿图说明测量过程是不受控的，就是重复性是有问题的，如果 重复性有问题，然后这个积压的最终的结果是不被认可的，就是没有用啊，就必须测量过程要受控，重复性要没问题，你积压的值才有意义啊，所以这点请要注意。 然后再看这个君子图，叫 a spa， 控制图也是分成 a、 b、 c 这个作业员，那他这个判定准则跟阿图是不一样的，他百分之五十点要落在控制线外面 啊，如果是百分之五十的点控制点落在控制线里面，那可能是我们的测量系统的分辨率可能是不足够，不能很好的去发现我们制造过程的一些变差 啊。那像这种 abc 都是可以的，因为他百分之五十点住在外面，他是这么判定的。 然后再看这个，就是呃，测量值和零件，嗯，他的这个分布情况， 那他主要是讲的是不同测量人测量某个零件的差异图，这种差异档次相当的啊。就是呃，不同的人，他测量这个 这个零件的时候，他均值应该是大致差不多的，也不能偏差很大。他重合的时候是比较好，像这种是比较好的，像这种就不好。这种就是说明就是大家测量的值差异比较大，三个作业员的这个测量的均值比较大，不太好啊， 像这个也不好，差异的特别大啊，这是这么看的，然后这个这个图呢，叫测量值和测量员之间的这个图，就是能能看出不同测量元素 所有的测量均值，这是 a 作业员和 b 作业员， c 作业员测量的均值到底怎么样？那如果是我们希望的最好的结果，就是三个作业员，三个测量员的均值应该是一样的，这是最，这是最好的，那一样的话，他就会成一条直线， 他如果是呈这种线，就说明 a 作业员和 c 作业员测量的君子要比 b 作业员要大一些 啊，这个 b 作元测量均值要比 a 和 c 要小一些啊，他就可能是成一个这样的一个形状，或者是这样的一个形状，都不是很好啊，最好是一条直线，这是大家均值差不多， 那这个图就是交互作用的一个图哈，就是最好的方式就是大家的点啊，都是大致相当的，就说明，嗯，所以 的作业员跟这个零件之间是没有交付作用的啊，如果有一个这个点啊，跟这个值差的很多啊，这说明可能这这个这个这个作业员跟这个零件可能有交付作用，就这个意思啊。 然后最后一个图，就这个图，这个叫变异分量，指的就是呃两句啊啊的这个占总变差的这个比重是多少？从无形变差占总变差的比重，在线性变差占总变差的比重， 那我们希望的就是呃重复性，这样总变差比重很小。再性性这样总变差变差很小，零件这样总变差越大越好，也就说我们测量系统分析的这个变异主要来 来自于零件和零件的变差，是是是，比较好的，那我们就测量系统分析一般是没问题的，所以部件之间，零件之间的变差，这个柱子是越高越好，然后两句啊啊的这个柱子越小越好，越低越好，重复性也是越低越好啊，在线性也是越低越好。 那一看像这个像这个图啊，就是良具的啊啊，占总变差的这个比值是比较高的，你看看这把达到快百分之五十了，说明这个测量系统肯定是不行的啊，这点大家要学会看啊。 然后这一批这一期的这个呃，简单的教学啊，就到这里，希望大家懂怎么样去用这个 mate type 来 来做分析啊，那如果需要没特别软安装软件的时候请联系我啊，谢谢大家的观看。
385解码IATF16949
13:44查看AI文稿AI文稿哈喽，各位朋友，大家好，我是何茂林，今天的话呢，想给大家分享一下关于这个控制除的 控制线计算的一些问题，那么对于控制土的控制线的话呢，他的计算有的时候比较简单，有的时候呢比较复杂， 那么其实呢，嗯，我们平常在上课的时候呢，一直给大家去强调，就是我们对于空心的计算啊，我们交给我们面上软件就可以搞定了， 但是的话呢，我们有些朋友啊，他对于这个计算的过程非常感兴趣，所以这段话呢，我通过这一节课程来给大家做一个关于 imr 控制图的控制性的计算 啊，那么我讲这个案例的话呢，只是想跟大家说明一下计算的过程呢，其实你说重不重要， 其实已经是来说对我们实际应用的朋友来说话呢，应该不会太重要啊，我们只要知道控制出来原理，然后判以后我们该怎么做啊？那么我讲这个案例的话呢，只是想给大家说明一点， 就是我们用密杀软件计算出来的控制性啊，可能跟大家用其他的比如说 excel 吧， 计算的结果啊，他是有差异，那么差在哪里啊？这个呢，我通过这个视频呢，想给大家来做一个简单的介绍。好，我们直接来看一看我们当前的这些数据，我们这里的话呢，有一个 我们叫什么，我们叫单职的数据啊，就是每个批次每个批次呢取一个数据啊，这是一个不是直组的，他是以单职收集到的数据，一共有二十多个批次，每个批次的话呢，收集一个数据，然后进行测量， 得到我们的二十五的结果，那么如果我们要对这里的 ycld 来画控制图，那么很明显啊，像这种类型的数据的话呢，它是一个连续型的，然后数据呢，又是以单子形式收集的，所以我们要画控制图的话呢，我们可以画统计 控制图啊，这个是单子的单子的必量控制图，我们这边可以画一个 im 二啊，叫单子移动吉他控制图。 好，这边呢我们把这里的歪啊，这里的歪的数据就十二点数据竖了进来，当然这边你也可以进行相应的判断原则，这边呢也是一样的八大判断原则。这个呢 啊，这个今天不是我们介绍的对象，我们今天的话呢，主要看一下控制性的计算的问题，我们这个默认啊，其他都默认好，你确定再确定好，那么这样的话呢，我们会得到这么一个，呃， 单值移动即将控制图，那么我们今天呢，就来看一看这里的控制线是怎么算的，那么怎么算的呢？其实它的关键在于哪里呢？关键我们我们大家都知道控制线的计算，我们单值控制图的计啊，控制线的计算是均值加减三倍的 c 个码，那么其实啊，整个对于 spc 当中相关的计算的难点就是关于这里的 c 个码， c 个码呢，它是一个总体的参数啊，总体参数它是一个估计值，那么估计方法呢，有很多种，比如说我们再回到我们的上一对话框啊，我们编辑上一对话框， 然后再点击哎呀妈选项，我们来看一看这个估计按钮，我们点一下，那么大家看一下，当如果你的支持太小等于一的时候呢，我们这里估计标准上的方法，这里其实有两种啊，默认是用移动其他平均值，还有用 方法叫做移动极差中位数，那么什么叫默认的移动极差平均值呢？我们来给大家做个介绍。好，我们打开第二张表， 在第二张表当中的话呢，我已经啊完成了一些相关的计算啊，然后的话呢，我们来看一看到底是什么计算呢？ 首先我们 c 二列一共有二十五个数据，那么什么叫移动极差频率值了，什么叫移动极差呢？所谓移动极差就是相邻两个数大的减小，相邻两个数大的减小的，那么比如说 这里六点零五和五点九九啊，这两个数是相顶的，那么大的减小的就得多少，就等于六点零五减去五点九九，等于零点零六，那么同理呢，五点九九和六点一一啊，这两两次相邻的大的减小的呢，六零一减去 五点九九啊，这样的话我们得到零点一二，但如果你这个手算，你觉得太麻烦啊，因为二十五个 y 的值呢，你计算差值，像你两个差值的话呢，你可以得到二十四个移动级差啊，这个你可以一个一个去算，但如果你觉得是算比较麻烦，你可以怎么做呢啊？比如说我们还有一个比较简单的办法，怎么做呢？很简单， 你可以在这里点击按麦显下，然后呢这边有个叫乘除按钮，你可以把这个呃绘制的这个点啊，把它乘坐下来啊，把它乘坐下来点，你确定确定 啊？如果你沉住下来以后呢，大家看一下啊，如果你沉住下来以后呢，你看一下我们这里的零点零五啊，零点一啊，啊，这个零点零零啊，这个他会自动的啊，会自动的帮你 才能下来。这个字的话呢，其实就是我们所谓的叫二十四个移动其差啊，第一个算不出来，第一个没有啊，就是说第一个呢，你可以把它，把这个单元格啊，你可以把它剪切掉，那么这样的话呢，我们这里会得到多少个移动其差？会得到二十四个移动其差。好， 那么 c 三店呢，就是二十四个移动体差，那么有了二十四个移动体差以后呢，我们这边你要想去估计这里的 c 个码，你还要去查表，查什么表呢？我们叫修篇系数表 去得到低二二和低三二。为什么叫低二二和低三二呢？这边呢这一点的话我们要给大家做个简单说明，这里所谓的低二二和低三二，大家可以看到，我们在估计按钮当中，我们可以看到移动极差的长度默认是二，随着我们这里算移动极差呀，是相邻两个数大的减小的，那么这里的 d 二 n 就是 n 等于多少呢？ n 等于二，那么 d 二二和 d 三二等于多少呢？这个呢我们可以通过查表。怎么查呢？其实很简单啊，我们可以在这个输出结果右上角这个倒三角点一下，然后再点击这个帮助按钮， 好，然后呢我们跳转到密探软件的一个在线帮助，那么这个 d 二二等于多少？ d 三二等于多少？这个呢整个的计算过程其实就是在这里的这个帮助网页当中， 那么这个表怎么查呢？这个表啊，其实在后面这边有相应的修平系数表，比如说 dn 和 d 三， ndnn 等于二的时候，因为我们的移动急刹的长度等于二，所以说 n 等于二就 d 二 n， n 等于二就 d 二，二就等于一点一二八， d 三二就是顶点八五二五，是吧？ d 二二一点一二八， d 三二就是零点八五二五。好，我们先把这两个值查表，得到第二一点一二八提升进来。 d 三二零点八五二五。好，那么有了移动吉叉 c 三点，我们再把 c 三点求一个君子这个好球吧，就把二十四个移动吉叉 求格均值，得到结果多少呢？得到结果是移动其他平均值是零点一五二五啊，那么有了移动其他平均值怎么去估计我们的 c 根码呢？就把这里的移动集上的平均值 c 六点，这里的顶点一五二五 除以多少呢？除以 d 二二一点一二八，所以说我们就可以得到 c 个码 c 系列， c 系列怎么来的呢？ c 系列就是把 c 六点，顶点一五二五，就把移动接到评论值除以修兵次数。 d 二二啊，这段话呢，我们可以 估计出来，我们这里的 c 个码等于顶点一三五一九啊，得了这么 c 个码的结果，那有 c 个码以后呢？ 我们要求我们的控制线就很简单的，比如说我们来看一看我们上面这个公式图，叫单子控制图，他的上控制线、中心线和下控制线，那么怎么求呢？很简单，也就把 c 二点， c 二点 y 的值有几个 歪的只有几个，十二点歪的只有二十五个，对不对？你把这二十五个数据求个什么？求一个均值得到结果呢？我们放在 c 八列就是歪的均值就是五点九八四八， 然后有了均值，有了十个码以后，控制线怎么算的呀？我们均值单值的上限就是什么怎么敲的啊？这个很简单，就是把这里的 y 的均值五点有 c， 八点五点九八四八，加上三倍的 c 个码， c 个码是等于 c 气垫的零点一三五一九五，所以说我们上面这个单子空投的上限呢，就等于 五点九八四八，加上三倍的零点一三五一九五，所以说算出来结果是多少呢？算出来的结果就等于六点三九零三九。这个值啊，其实就是这里的 啊，六点三九零啊，只不过他做了一个四舍五入啊，做了一个四舍五入，说这个结果的话呢，就是这里啊，这两个是对应的，下线呢，也是一样的。下线怎么算下线呢？就是把这里的 啊，下线呢，就是把这里的这个什么，把这里的均值五点九八四八，减去三倍的顶点一三五一九。所以说 我们算出来这个下线的歪，就单值的下线的结果是多少呢？是五点五七九啊，这里是五点五七九二一啊，做了一个四舍五入。好，这是上面这个单子控制图，那么下面还有一个叫 移动急刹控制图，那么移动急刹控制图他的中心线多少呢？这里的中心线啊，顶点一五二是什么东西啊？其实就是什么，就是这里的移动急刹的平均值顶点一五二啊，这两个是对应的，那么这里的上线 下线怎么求呢？下线为什么是零呢？啊？为什么是零呢？好，我们来看一下他的球法，那么这里的球法的话呢，有点特殊，当然你如果不太注意记得的话呢，你可以去看这里的这个帮助的说明，这个帮助的说明当中的话呢，会有这个非常详细的这个呃，公式 给了大家啊，这里面有有有公司啊会给大家，但是可能自己去在这里呢去看一看啊，自己在这里去看一看，比如说我们看一下这个移动极差的 啊，这里呢有相应的这个公式啊，这个公式怎么算的呢？这里的公式呢，他有点特殊，比如说我们先看，我们先看上限吧， 上限的公司是 d 二 w， 这个 w 等于二，这个 d 二二乘以这里的四个码，然后加上 k 末零是三，加上三乘以 d 三二乘以四个码，所以说我们这里的上限求结果得多少呢？ 就是下面这个控控制图啊，他的上限是 d 二二乘以 c 个码， d 二二呢是在 c 四点一点一二八乘以 c 个码， c 个码是在 cc 店零点一三五一九五，加上三倍的 d 三二乘以 c 个码，所以我们下面这个控制图叫移动 其他控制图，他的上限求出来的结果是多少？是顶点四九八二六幺，就是这里顶点四九八三啊，约等于零点四九八三 啊。下线的话呢，下线的结果呢，就把那个加号呀，中间那个加号你干什么？你改成啊这个减号就可以了，我们这边稍微往拉一点啊，你就把这里的加号啊改成减号，就是第二 二四个码减去三倍的低三二乘以四个码，然后算的结果多少呢？这算的结果啊，他等于负值， 这样对于复制，那么下线呢，不可能等于复制，如果你通过这些公式啊，计算结结果等于复制的话呢，密探软件会自动把它设置为零，咱不可能为复制嘛，对吧？所以说密探软件的话呢，这句话呢，会自动把它设为零，所以说大家可以看到这两个 控制性的话呢，他不是对称的啊，不是，不是对称的，因为这里的话呢，密探软件出现了复数啊，进了结果出现复数，密探软件会自动把它归为零，所以说大家可以看到，这就是我们整个的一个计算的过程，那么这个计算关键其实就在于这里的 在什么？在于这里的 c 根码的过期方式，当然我们刚刚讲的过期方式呢，是用移动捷达评论指的方式，那么同理 啊，一个是求平移动其他平均值，那么移动其他的中位数呢，也是差不多的求法啊，大家如果感兴趣的话呢，你可以去看看这个帮助当中的说明，看一下怎么去求的啊。这个计算过程呢，也很简单，但是呢， 讲到这里，大家应该啊，对于这里我们单职移动极大控制的控制性的计算有一个大致的了解，但是呢，我这边再次强调一下这个整个的计算过程，虽然看起来还算是比较简 简单，但是你说有手算的必要吗？完全没有必要啊，完全没有必要，但是我为什么要去讲呢？我再次强调，我讲的目的是想告诉大家，你用 excel 模板做的结果跟 meta 不做的结果 应该是不一样的，因为一个赛奥当中的四个码的估计方式啊，他会非常的简单，而且是错误的，直接由样本的 s 代替四个码，这是绝对不允许的。而且呢这里还有一点 什么问题呢，就是我们整个的计算的过程其实都要满足一个前提条件，什么前提条件？就是我们这里的 c 二店数据要 服从正态分布，所以说你正正在用这些公式计算之前呢，你首先要对这里的希尔利啊做一个正态音检验，那么这里的数据的话呢，是服从正态分布呢，那么整个的接收过程才是有意义的，但是你用一个上模板的 做，我相信大家根本就没有去考虑到所谓的正态不正态的问题，如果你出去非正态，强行用这些均值加减，所谓的均值加减三倍四根本的方法去计算控制线，你这个误报警的概率啊，就会非常高啊，大概是误报警的概率会增大四到五倍 啊，所以在里面一定要强调一下，蜜蜂的结果跟一个笑有结果的差异啊。好，那么今天呢就讲到这里。
04:32查看AI文稿AI文稿大家好，欢迎大家来到柏林企业大学在线课程明太补从入门到精通，精通的第一讲第二节课， 本节课呢主要来给大家讲解云台布的统计技术部分，大家可以看到界面上显示的第二大部分，统计基础包括两大部分，一个是分布，一个是统计量的计算。我们把这两个部分呢分成两个小段进行讲解。 今天呢主要给大家来介绍分布里面的这两个部分，一个是离散型的分布，另一个是连续性的分布啊，在明太普里如何去实现他的分布？第三个我们会讲到正态性检验，如何检验一组数据是否正太， ok， 首先呢我们打开明太普，先看一下明太普里面的菜单，如何实现我们的分布， ok， 好，打开明太白， 我们在图形里面啊，在这个概率分布图，那概率分布图我们可以看从左到右大概有四个，我们先看第一个叫单一试图，单一试图里面我们可以画一个正餐分布，比如说我们给这个零一零标三二一的正餐分布，我们只要确定 这个时候就可以呈现给我们一个平均支持零标准，他是一的正态分布，也是我们经常所说的这个 z 分布。 ok， ok， 那第二个操作呢，给大家介绍一下也在图形里面的概率分布图啊， 这里面呢大家可以看一下，我可以用第二个不同参数，就是我可以做出来平均值相同但标准差不同的三种，分三种中单分布，比如说我们先做一个均值相同，然后标准差不同的啊，三种分布，我们只要在这个标准差里面输空格二，空格三，这个时候我们就可以得出来一个 平均值相同，但标准标准差不同的这个分布图。那同样我们也可以在图形的概率分布图里面 把这个不同参数里面的这个什么均值不同，但是呢 他是一样的，都是一。这种呢，我们也可以做一个啊，图形啊，我们看到了这两种图形啊，第三种呢，就是我们会把第三种呢，我们就是会把这个什么会把图形概率图，概率分布图 里面的两个分布，这个两个分布呢，其实可以把比赛型的分布和正常分布的放在一起，比如说我们实验数是一百啊，实践数零点零五啊，这个时候我们就可以把两个图放在一起，等明天补充献给大家 两个去对比。 ok， 这个其实是分布，那其他还有很多什么 f 分布、 t 分布、卡猫分布等等，其实他们的这个原理都是一样的，我就不在这给大家一一演示了。 ok， 那接下来第二个就是正态性检验，正态性检验这块呢，其实，呃比较常用的有三个路径。首先第一个路径是在哪里？在统计 基本统计量里面有一个正确性检验，这个时候呢我们可以把这个数据列输到我们的边上里面去， 然后确定这个时候我们就可以得出来一个概率图，我们看这个批值，现在大家先记住批值大于零点零五，我们就认为这个数据是符合正态分布。 另外一个路径是在同图形里面的概率图啊，概率图，大家看啊，概率图啊，一样的单一的概率图，我们把这一列呢也选进去 啊，选进去，然后确定啊，这个是我们也出来的概率图，跟他一样也是看壁纸。那另外一个呢就是我们的常见的统计， 基本统计量里面有个图形花卉种，图形花卉种呢也是可以看出来壁纸的啊，所以呢我们确定身高放进去一样，我们也可以会看到一个壁纸，这个壁纸也是零点四零八，所以这三种方法都是检验数据的正派性的。 哎，人民台北还有个小技巧给大家讲一下，如果我们想把这三个图放一起呢，我们点这个右下右上角有个按钮点，然后点这个布局工具，这个时候呢我们就可以把想要放的数据呢放在一起，比如说我要把这个数据，这个图还有呢下面这个图，哎，还有这个，这个什么分布图，我要放在这个什么 一起，然后我们点完成，那这个时候呢我们就得到了一个布局图，这个布局图就是把我们想放的图呢放在一起，这个小技巧给大家介绍一下。 ok， 今天呢我们就简单的介绍了 云台布的一些基本统计学里面的分布和正常性检验，希望能帮助到大家，谢谢大家。
787BMC博瑞林
08:29查看AI文稿AI文稿哈喽，大家好，我是小何，上海泰康马达 mitami 应用顾问，欢迎大家收看本期课程，今天给大家分享一下如何利用 mitam 软件进行测量系统分析。我们首先来看一下今天要分析的数据 啊，现在呢，我们选择了 abc， 三个测量人员选择了十个部件，每个部件呢重复测量三次，一共得到了九十个数据啊，当前的工作表呢？我们是通过统计质量工具 良具研究，然后呢选择创建良具研究的工作表进行创建的。我们选择十个部件，然后选择了 三个赛场，人员一共重复测量三次，得了当前的一个工作表，然后通过当前的工作表呢 安排人员测量，把测量结果呢放到 c 三店，找到当前的一个数据。对于当前数据，我们该如何进行测量系统分析呢？我们点击统计，然后选择质量工具， 再选择两句研究，这里呢有三种平行方法，交叉限套和扩展。我们来看一下当前的数据，这里呢，部件一被 a 测量了，部件一呢，也可以被 b 测量，部件一呢，虽然可以被 c 测量， 我们也可以反过来说， a 可以测量部件一， b 也可以测量部件一， c 呢，仍然可以测量部件一。一个部件可以被三个不同的车辆人员重复测量，这段话呢，就形成了一个交叉， 所以我们这里的选择的分析方法为统计质量工具两具研究，这里我们选择交叉 完成一下当前的电话框，我们把部件号操作员 以及测量数据输入进来，这里有两种分析方法，方差分析和君子及差法。这两种分析方法有什么区别呢？如果我们选择的是方差分析法的话呢，他考虑了人员与拨进的交互作用，而下面一种方法呢，他是没有考虑的， 我们点击选项把过程攻差输入一下，这里过程攻差呢为一， 然后点确定再确定啊。 mtim 软件呢，给我们两个输出，一个是图形输出，一个是绘画窗口的文字输出。我们首先来看一下绘画窗 的文字输出，这里呢我们看一下包含江湖中的双因子发财分析表，通过批值我们发现所有边缘的批值都是小于零点零五的，也就是说他们都是显著的。我们再来看一下发差分量， 方叉分量，我们都知道方叉他是可以相加的，这里呢涉及到一个边缘的拆分。 合计良具的变异呢，它是有两部分走形的，一个是部件间的差异加上车辆系统引起的差异，也就是说合计变异的差，呃，合计变异的方差分量零点零四 零五七二六，等于空间间的方差分量零点零三零三六零零三三，加上合计良具，也就是说车辆系统引起的方差分量 零点零零四五六九三，就是这有一个边缘拆分的一个等式， 而合计良具的并也就说测量系统引起的方式分量呢，他是有两部分走的，一个是重复性加上再性性，而再性性的方式分量呢，他是由操作员加上操作员与部件之间的交互用的方式分量。 这里呢设计了一个边缘的拆分，我们把过制的方差分量呢与合计兵也进行比，然后得到了过制的方差分量贡献率， 这里我们过程工程呢是设为一，我们这把方叉分量开根号得到了相应的标准叉，标准叉乘以六，得到了研究兵营，我们把过制的研究兵营比赛 让火机兵役得到了百分之连接兵役，我们再把连接兵役比上我们的过程攻差，这里为一，得到了百分之攻差。 这里呢有两个值，一个是百分之连接边缘，一个是百分之公差，这里呢有一个百分之三十三点五六，一个是百分之四十点五六，这是我们平常说的百分之三十三点五六，这是我们平常说的一个加加二点二， 百分之四十点五六呢，就是我们平常说的 pt 笔值，这两个值呢有相应的判定标准，如果这两个值都是小于零点一的话呢，我们就说当前的车辆系统啊是良好的，如果这两个值 有一个大于百分之三十的话呢，我们就说当前的车辆系统是不合格的。当前数据当中我们发现 dha 二等于 百分之三十三点五三， pt 比值呢等于四十点五六，都是大于百分之三十的，也就说当前的车辆系统是不合格的，我们也可以 看一下可区分的类别数， ndc 他是等于三，一般要求呢我们是大于五的，也就说不管是这三个考察的话，我们都发现当前的车辆系统呢是不合格的。 那么不合格的测量系统到底是什么原因引起的呢？我们可以看一下发灾分量，从发灾分量中我们发现，因为我们希望的是 部件之部件之间的差异越大越好来说车辆系统引进的差异呢，越小越好，但是车辆系统引起的病因呢，它是有两部分，走程重复性加上再性性，我们发现呢，再性性当中呢，方差分量的攻心率呢，达到了百分之八点六四，而在意性影响 发财分量呢，由部件与交互作用的呃，与操作员的交互作用呢，他的发财分量责任了百分之六十点六。也就是说引起当前质量系统不合格的原因呢，可能是由于部件与操作员之间的交互作用引起的。 那么到底是哪几个部件引起来引起了当前的交互作用比较大呢？我们可以通过图形来进行相应的分析 啊，当前图形呢，左上角呢，是对绘画窗口的一个总结，图形化的总结，左中呢是一个啊控制图。从当前控制图我们发现所有的都在控制线以内，但是呢，这个控制线还是比较宽的，可能呢，他的一个重复性还是比较大的。 而左线呢，是一个君子控制图，而其实呢，是他现在已经不算一个控制图了。我们传统的 君子控制图呢，希望的是所有点都在控制线以内，但是当前的控制图呢，我们希望的是在控制线以外的点越多越好，因为控制线以外的点越多，就说明部件与附近之间的差异越大 来。左侧呢是一个部件的以部件分类的一个运行图，当前图形呢，我们均值连线，希望他的一个波动越大越好，波动越好，波动越大的话呢，我们部件与部件这点差异就越大。 而我们希望君子周围的这一点呢，越接近越好，越接近的话呢，我们就说重复性与家境性越小， 哎，按操作员分类呢，我们可以发现，如果这些均值连线越平行的话，我们就说，哎，占据性越小，呃。部件与操作员的交互作用图形，我们可以发现，对于部件，四 不见五不见六啊，不见八不见十，也就说对于四号不见，五号不见，八号不见和十号不见呢，他的一个交互作用是比较明显的， 我们刚刚也说了，从刚才的方太分量，我们发现引起当前测量系统不合格的原因呢，可能是我们的部件与操作员的交互作用比较大引起的， 哎，部件与操作员的加厚重呢，是由于四号部件、五号部件、八号部件和十号部件引起的。别的说，这四个部件呢，我们要重点考察一下，到底是什么原因引起当前的加厚作用是比较大的 啊？通过当前一个测量系统分析呢，我们发现当前的测量系统是不合格的，哎，不合格的原因呢，可能就是部件于人员的交通作用比较大引起的 啊。以上呢就是本次的内容分享，希望呢对大家有一定的帮助。本期课程到此结束，谢谢大家收看更多视频教程，请关注我们的微信公众账号， that 中国。
29:33查看AI文稿AI文稿哈喽，各位朋友，大家好，我是何茂林，那我看到有朋友呢在留言啊，想去学习一下测量系统分析，那么对于这一块的话呢，确实我在这些平台上分享的小视频呢，确实不多啊，为什么呢？ 因为对于我来说的话呢，我觉得这个模块啊，他应该是一个系统学习的模块，不是说我通过分享几个小视频就能够确保大家都能够学会啊，像我们平常培训的话呢，光 mac 这个模块我们就有两天的一个培训内容。 那既然有朋友感兴趣啊，那这边的话呢，我今天的话呢就来，呃，其实呢是也写了一篇文章啊，这个文章的话呢，应该在我们下周啊，就是九月份第一周啊，他的这个微信公众号里面，我们的微信公众号里面应该会做一些呃相关的发表啊，如果大家感兴趣的话呢，大家可以去看一下啊，可以去看， 那我们今天的话呢，就文章大家下周可以去看啊，我们今天的话呢，先把这个呃操作的内容呢，我们用视频的形式啊，来给大家做个说明啊，给他做个说明。好，那我们首先来看一看啊， 那么用 metam 键做啊，我们今天讲的是一个可重复测量的啊，这这么一个测量系统分析的案例，那么我们对用 metama 键做可重复测量系统分析的话呢，我们会有一些数据，然后的话呢会得到一些统计和图形的结果。那我们今天的话呢，首先就来看一看， 从一开始的准备到操作到结果解释啊，我们怎么用 excel 软件呢来完成我们对于这个可重复测量啊，他的这个规划解读啊这一块。好，那我们首先来了解一下我们的这 一个问题的背景啊，那这边的话呢，是这个案例啊，它是来自于我们的呃，蓝皮书啊，学六四个码，学 metal， 大家都喜欢看这个蓝皮书啊，第最新版本第三版的四百零八页啊，大家感兴趣的朋友可以去翻一下啊，里面的一个案例。 那这案例的话呢，是对这个糖果包啊来做测量啊，他的重量来做测量。那这边的话呢椅子啊椅子，他的公叉带宽呢是四十五点五，正负零点五。 那这边的话呢，我用红色字体给大家标出来了啊，这边告诉你什么呢？这边他告诉你是我的公差贷款是正负零点五，所以说公差 工商上线减工商下线等于一啊，这边呢十个部件，十个包裹啊，十个糖果包，然后呢随机换测了三个人啊，随机挑选三个人， 每个人呢对每个糖果包随机测量了三次啊，这是打乱顺序测量的。那么这句话呢，有一点要说明一下啊，我们在看一些书籍的时候， meta 的操作书籍六十个嘛，相关的书籍， 他会给你案例的背景，然后呢给出来相应的案例的数据。但是其实对于我们自己 实际工作当中做测量线分析，其实我们只有什么？我们只有一些想法，比如说我们有十个部件啊，随机选十个部件，随机选三个人，然后呢每个人带每个部件重复再量三次，那我们其实是没有数据的啊，所以说对于我们 实际工作当中做测量系统分析的话呢，我们需要做的第一步干嘛呢？我们第一步要安排测量的实验，那这个安排怎么安排呢？也就是什么意思？就是我们这个数据表，我们先把这个表啊，要把它生成， 我们一开始是什么，现在是没有数据的，没有表的，那我们首先要去排随机化的测量实验，那怎么排呢？这个呢， meta 软件当中也可以搞定，不管是可重复的还是不可重复的 啊，还是破坏性的。密开软件也可以做啊，那我们今天讲的是可重复的，这个比较简单一点啊，三个人，十个部件，每个人的每个部件重复生长三次。好，那下面的话呢，我们用密开软件来操作一下，怎么做呢？点击统计， 选择质量工具啊，这个我们是放在了良具研究下面啊，那么这边的话呢，我们首先来看一看，叫创建良具啊，那啊研究工作表啊，我们用这个窗口进来 十个部件啊， c、 d 取十个部件，一到十编号三个人，比如说 a、 b、 c 啊，这个中英文都可以。这边的话呢，最少 啊，最少每个人对每个部件重复测量两次啊，最少两次啊，这的话呢，我们这边呢是测量了三次，重复测量三次。 好，然后呢我们还有一点要做到随机化啊，打乱，迅速去盲测。那怎么做到盲测呢？我们点击这个里的选项，在选项当中的话呢，我们其实默认已经勾选了，再操作内部随机化就可以了。好，至于什么叫操作内部随机呢，我们来看一看，点确定点确定 好。那这样的话呢啊， meta 软件呢，它就会自动帮我们去生成，一共多少次呢？ 十个部件，三个人，每个人对每个部件重复测量三次，十乘以三乘以三，一共是九十次的测量，那这个九十次量怎么做到所谓的随机呢啊？这边的话呢，我们叫操作员内部随机。什么意思？ 比如说按照我们这里生成的随机化的顺序，比如说我们先干嘛先把编号为六的部件给 a 去测，然后呢？把测量结果啊，把测量值呢，你把它啊记录下来啊，停到这里来，然后呢？哎， 六号部件测完以后，哎，这个 a 这个人别走啊，我再拿编号为二的部件给 h 测测量结果，把它记录下来，当然呢， a 这个人他是人呐，操作员他是不知道这个编号的，看不到 啊，然后呢，这就所谓的叫操作员内部把这个十个编号啊部件编号把它打乱，给他撤啊，这个叫操作员内部随机。 好，那么我们完成了这个测量过程以后呢，我们得到了相应的测量数据，我们把数据打到密码软件当中来，下面的话呢，就是进行密码软件来做相应的啊，这个这个测量性的分析。 好，那我们这边呢，我们也来操作一下，怎么分析呢？点击统计，选择质量工具 两句研究啊。这边的我们写的什么呢？写的交叉，那有人会问老师，什么叫交叉，什么叫欠套，什么叫扩扩展呢？他们这有什么差别呢？ 那这个呢，确实呢，有很多概念性的东西啊，如果大家感兴趣的话，最好是系统呢，去参加一下两天的 mac 的培训。好吧，当然我们后面呢也有机会啊，会给大家来去做一些相应的概念的介绍，好证明我们这个是叫可重复的 啊，可重复的这个是呢，是一个叫交叉的车辆交叉，谁跟谁交叉呢？部件和人之间成了交叉关系。 好，那这边的话呢，我们啊，因为我们刚把这个数据已经给大家操作了一遍，说这个他的这个操作记录会记录下来啊，操作步骤会记录下来，那这边的部件，对部件就是这里的糖果包了， 操作完呢？对 cad 操作完，测量结果呢？对测量结果啊，这个实力是没有啊，你要实体输入一下啊，好，然后这边的话呢，还有两种方法，一个叫方则分析方法，一个叫 xbox 和 r 的方法。这两种方法的话呢， mit 软件默认的又是方式分析方法。那至于下面的这个 xbox 和 r 的方法的话呢，这个呢，是绝大部分 excel 模板用来做测量系统分析的方法啊。 x 八均值而极差啊，最大值减最小值的那个极差，说这个均值啊，比较好算，这个极差，最大值减最小值的极差呢，也很好算。所以说绝大部分的 excel 模板做 mac 啊，都是用这种比较好算的。这种 x 八和 r 的方法呢，来编辑相应的模板。但这个方法哪个方法比较好呢？我们等一下呢，也可以利用这个数据啊，来给大家做个比较顺便的话， 那我们也可以来说明一下，为什么做测量性的分析 excel 是不行的啊？我们这边呢，先改用一下默认的算法是方车分析方法。然后的话呢，这边还有一些极大的选项啊，比如说这里的良具信息， 在良具信息当中的话呢，你可以填入啊，你测量用的什么良具？他的名字什么啊，什么时候啊，测量的啊，谁谁谁谁测的 啊，他的报表人是谁负责的啊？用的是这个良居工差是多少？有没有需要备注的信息？你需要填的，那这边的话呢啊，最好是啊，就是对于企业里面做测量系统分析的话呢，我是希望大家在这里的话呢填录一下这些信息啊，当然一般我们这上课的话呢，这边我们就不填了啊。 好，另外还有一个地方要指定一下，就这里的选项当中的话呢，我们需要告诉我们的公叉带宽啊， 产品的工资贷款，这里呢是四十五点五正负零点五，所以它的工差贷款呢，等于一啊，等于一啊。好，这边呢我们点击确定好，然后点确定 好这句话呢，我们会得到一个既 meteor 软件默认的算法方插分析方法的结果啊，它有这边呢有方插分析表，有方插分量表，有梁具评估表，然后呢下面呢还有很多的图形， 那这个一般怎么看呢？其实很简单，如果要我来建议的话呢，我一般建议大家先看一看这个良具评估这一块，那么这一块怎么看呢？其实呢大家我们这边会有两个值，一个呢我们把这个给他画一下啊， 这边有两个值，一个叫做百分之研究变异哎，一个叫什么呢？我给大家一个是合计两句对应的百 百分之年旧变异百分，这里是多少呢？这里是百分之三十三点五六，这个值呢其实就是我们平常大家经常提到的叫什么 gager and r， 叫 g r r 啊，我们或者说百分之 g r 啊，这就是我们说的 g r， 那这个指的话呢，对吧？ g r， 我们叫做过程比，那这个指的话呢，它是把测量系统变异啊，一个呢是把测量系统的变异跟什么跟我们的 总的变异去比啊，这个比值叫做过程比，就是我们说的 gr 了，那还一个比值呢，就是把测量系统变异跟公差公差去比，得到一个所谓的公差比 啊，当然这两个值，比如说这边呢，假如说是一个一般特性啊，我们可以把这两个值呢跟百分之三十去比，那很明显的话，这两个值啊，一个是百分之三十 三点五六，一个呢是百分之四十点五六，这两个字呢都是大于百分之三十，那这两个当中只要有一个啊大于百分之三十，那我就认为当前车辆系统是不合格的， 那这边还有一个值呢，也有朋友可能比较喜欢去看啊，这个呢叫可区分类别数啊，就大家所说的 n、 d、 c， 对吧，一般我们要大于等于五了，那很明显这里等于三啊，它是小于五的，所以说这三个指标你不管看哪一个，我们得到的结论是当前车辆系统是不合格的。那如果 我们改用一下 excel 当中的算法，大家会出现什么情况呢？我们可以看一下我们点击编辑上下多少框，然后呢，假如说我们改用一下 excel 当中的 x 八和 r 的方法，我们也来看一下。好，这边的话呢，我们也是点击一下选项啊，在选项当中，我们告诉一下它的 公差贷宽也是等于一，点击确定，点击确定。好，那我们来看一看，如果我们用 excel， 同样一种数据，你用 meta 软件默认的方法分析方法算，得到的结论是，当前车辆系统不合格。但是如果同样一种数据，你用 excel 模板来算的话呢？你会发现什么问题呢？你看一下 绝大部分模板得到结果，你看它的过程比百分之二十四点二九，公差比呢？百分之二十五点八四，可区分类别数， n、 d、 c 呢？刚好得有啊，如果没有百分之三十为界 迷彩软件发家分析方法，得到结果是当然车辆系统啊，当前车辆系统不合格。如果你用 excel 当中的 x 八和 r 的方法得到的结论是，这两个字呢，都是小于百分之三十， 对吧？然后呢， n、 d， c 呢，刚好等于五，所以说，你用 excel 当中的算法呢，得到结果呢，就是 合格的啊，同样的数据，你用 excel 算合格，你用 metal 算不合格啊，但那是这种情况，是应该开心吗？啊，大家可以想象一下，如果比如说同样的数据啊，你们公司没有买 metal 啊，你用什么呢？你用你上模板去算结果，算出来结果呢？这个报告呢，是没有问题的，是 ok 的。然后呢，你把这个报告数据发给客户，哎，你的客户呢，刚好又买了软件，然后呢，同样的数据，他用 meta 软件方法分析的方法去算一遍，得到结果，跟你的结果 刚好相反，你很开心，报告是合格的，但是他用 meta 软件跑一次发现不合格，这种情况就比较糟糕了。那为什么会存在这个差异呢？我们可以来做个比较啊。怎么做比较的话，这边我们教大家一种办法啊，我们在 meta 软件 新版本的这个导航器这个窗口当中，我们可以鼠标左键双击第一次方插分析方法的结果啊，这是第一次方插分析方法结果，然后在第二次 x 八和 r 方法这里呢，右击 这边呢，我们有一个叫在分割视图当中打开，我们点一下，然后的话呢，我们再点击一下左下角，把这个导航器呢把它关掉，让我们的这个工作窗口放大一点。 好，那这边的话呢，我们可以来左右比较，一个是左边的 metime 的算法，一个呢是呃右边的 excel 当中的算法，那么我们来看一看这两个有什么差异呢？这两个算法为什么会有差异呢？差异的地方在哪里呢？他们差的地方主要是在于这里， 我们用 meta 软件默认方车分析方法，它的这个结果当中啊，多了一块，多了一个什么东西呢？多了一个叫 交，呃，检验员与部件啊，这里是糖果包啊，检验员与部件之间的交互作用，而 x 八和 r 的算法呢，他把这个交互作用啊直接删掉了。好，那么关键就是在于这里的交互作用该不该删，能不能删， 那怎么看能不能删呢？好，我们看一看方扎分析方法上面，我们往上面走，看什么呢？我们来看一看，在这上面的话呢，还有个叫方扎分析表， 在方式分析表当中，我们可以看一下糖果包与部件啊，这个糖果包与人，部件和人之间的交互作用，它的批值， 那很明显这里批值是小于啊，小于零点零五的说明什么？鸟，说明这里的交互作用是显著存在的啊，那么说明什么鸟？既然是显著存在，那我们就不 不能删啊，这里的骄傲纵是显著啊，效应是显著的，我们就不能删，但是你用 x 霸和 r 的方法啊，他直接把这个骄傲纵把他删掉了，那么他这个结论呢，就是蠢 啊。所以说对于这种数据的话呢，你用 me time 两天算和 excel 算 excel 的结果就是错的。但是有时候的话呢，如果这里的交互作用 它的 p 值大于零点零五，交互作用不显著，那你就可以把它踢掉。这时候的话呢，你用 meter 软件的算法和 excel 的算法呢，它就是一致的，所以说有时候一致，有时候不一致，所以说最好的办法就是干嘛呢不能用 啊， excel 啊，他可能会有输错，就最好的办法是用迷彩软件默认的发在分析方法，如果这里的交征不显著，他会自动帮你删。好吧，好，这是解决大家一个问题啊，那么既然 excel 当中算法是有问题的，那 我们就只来看一看这个方差分析的算法。那么通过刚刚方差分析算法，我们刚刚初步的那个什么结论呢？当前测量系统是不合格的，过程比公差比 ndc 啊，都是不满足要求好，那么不满足要求 它是什么原因导致的呢？是吧，那这个呢， excel 没办法去帮你去找原因，那么 meta 软件可以帮你找原因，怎么找呢？其实测量系统分析啊，其实是一个，它的本质呢，是一个变异源的分析， 你当前车辆系统的变异很大，导致当年车辆系统不合格，他的过程比比较大，公差比比较大，那什么原因导致的呢？我们首先来看一看，我们从上往下看 走，我们来看一下方程分析表，在方程分析表当中，我们可以看到这里呢有三个批值，而且三个批值都是小于 d 零六，分别表示什么意思呢？糖果包，你写十个糖果包，那这十个糖果包之间有没有 写的差异呢？皮值小于零点五，说明这十个糖果包之间是有显示差异的，那么这里呢有几个人呢？三个人，三个减一元，三个减一元之间有没有显示差异呢？他的批值也是小于零点零五的啊，批值等于零点零四六，也是小于零点零五，说明三个人之间也是有显示差异的。哎，这就有问题了， 那么三个人有差异，那么到底是谁啊？比如说谁的测量结果老是偏大，谁的测量结果老是偏小呢？这个呢，我们等一下可以截个图形的方法，帮你来做进一步的探索 啊。另外我们刚刚说过啊，这里的交互作用呢，也是显著的，那么交互作用显著，那么到底是测量哪个部件的时候，引起三个人员之间存在显著的交互呢？这个呢，我们等一下也可以通过图形的方法帮我们来做进一步的调查。 好，这里呢，我们初步得到一个结论啊，三个结论，第一个结论，十个部件之间存在显露差异，第二个，三个人之间存在显露差异， 第三个部件和人之间效果就也是显著的。好，我们再往前面看，那我们刚刚说过，变异元啊，这测量性的分析，它的本质呢是做一个叫变异元的分析，那变异元分析的本质呢？它是来计算相应的方式分量，当然这边的话呢，我并不需要大家去进行相关的计算， 没有没有必要让他去手算啊，大家只需要细啊了解一下，这里呢有对应的一些计算的规则，比如说合计量距 rnr 就是测量系统的方差分量啊，方差是可以相加的，测量系统的方差分量加上什么呢？部件间的这两个相加就等于合计 啊，什么意思呢？比如说这里的零点零零四五六九三，加上这里的零点零三六零零三三，这两个相加的话呢，就等于合计的啊，零点四零五七二六，当然有一点小数点的差异，有时候 那测量系统的变异，我们应该都知道，测量系统变异来自于两个重复性加在线性，也说这两个相加就等于这一个 啊，当然有有小数点的差异，在线性的话呢，重复性没办法再分，在线可以再分为检验员以及检验员与部件之间的交互，也是说这两个相加就等于这个啊，我们有这么一些 变异元拆分的等式关系，然后呢，我们还可以帮你去算出来各自的变异来源，它的方值分量以及方值分量跟总的合计变异去比它的方差分量贡献率。那么我们刚刚说过，当年质量系统是不合格的，比如说这个 测量系统的这个方差分量占比比较大，那测量系统变异占比比较大主要什么原因呢？我们可以看到重复性占的比较少，只有百分之二点六二啊，但是呢在线性 占的比较多啊，占到了百分之八点六四，在意当中的话呢，又有什么呢？这里的交互作用占到了绝大部分，百分之六点六啊，所以说对于当前车辆系统不合格，其中可能的啊，只能说可能的一个主要原因呢，可能来自于这里的交互， 那到底是哪个部件引起交互呢？为什么会是交互呢？好，我们来继续往下面看。好，我们继续往下面看，我们把这里的方叉啊开根号呢得到的这里呢对应的标点差，把标点差乘以六，得到对应的研究变异。好，我们把测量系统的 变异，这里啊，这里是测量系统变异是多少呢？六倍的，我们叫顶点四零五五八。这里顶点四零五五八，那就是测量系统的变异， 我们用六倍的斯格玛 m s 表示，然后呢比上总的变异，总的变异多少呢？这里的合计的变异比上总的变异，比如说我们用六倍的斯格玛偷偷表示，当然一般的话这六跟六约掉了，所以说我们可以得到这么一个比值，这个比值的话呢，其实我们所谓的叫百分之啊加， 当然要乘以百分之百了，百分之百什么意思？就是你把这里的零点四零五五八除以这里的一点二零八五六，然后呢再乘以百分之百，就得到了我们的 g r 多少呢？百分之三十三点五六 啊，这就是所谓的 gi， 就是把测量系统变异比上我们的总变异啊，合计变异啊，就在这个值，这个值是大于百分之三十不合格。另外一个呢，还有个叫这是刚是过程比，还有个叫公差 比，公差比的话呢，他是把测量系统的变异六倍的 c 格码 m s 比上我们的什么公差带宽啊，比上我们的公差带宽，那测量系统变异呢？是多少呢？零点四零五八八，公差呢？是一啊，所以把啊，再乘以百分之百 啊，再乘以百分之百啊，就是我们对应的所谓的叫公差比啊，公差比，所以说你把零点四零五五八 除以一，再乘以百分之百，就约等于百分之四十点五六啊，这是我们所谓的公差比，很明显这里的公差比也是大于百分三十，所以说你不管看哪一个啊，这边的话呢 啊，我们的测量系统不管是看过程比还是看公差比，我们当地测量系统都是不合格的。另外这里呢还有一点呢，这个也很有 朋友经常来问到，我也提一下什么问题呢？比如说大家看一下这里的方差贡献率，前面这些相加就等于百分之百 啊，这里的方差贡献率啊，这边前面全部相加就等于百分之百。但是有人说，老师啊，为什么下面的这里的百分之连接病和百分之公差前面相加，为什么不是百分之百呢？为什么？因为 像开了根号以后得到标准差，你的标准差来做一些乘除的计算，那这边的话呢，方差可以相加，在标准差是不能相加的，所以说方差相加合计百分之百，但是标准差乘除以后呢，也得到些比值相加，他不是百分之百啊，所以这里这里简单点了解一下啊。 好的呢，你也可以通过相应的公式得到可区分列表数啊，这个 n、 d、 c 的值呢，它等于三也是小于五啊，所以说这边呢，三个指标，你不管看哪一个呢？当你 这都不合格。好，那么为什么不合格呢？我们再来看一下图，那这个图的话呢，我只讲啊，左中、右中和右下这三个可以帮大家来找到一些有用信息的。其他三个，其他像这个图啊， 这个图啊，这三个图的话呢，意义不大啊意义不大，真正能够有利于大家来找原因做决策的是这三个图，所以说我只把这三个图的话呢，来给大家做进一步介绍啊， 为什么要停下呢？因为我不，我不讲的话呢？又跑来问，所以说为什么不讲呢？因为没什么用，那没什么用。当然如果你想了解这些图表， 每个图表都想去了解他到底什么含义啊，比如说老师，你，你讲这是三个，你六个，只讲三个，你不都讲一下吗？啊？没有用，讲什么呢？是吧？如果你真想去了解，很简单啊，你点击这里的右上角这个按钮啊， 而且这个帮助啊，你如果想了解这些所有的图形它的作用，你可以看一看，这帮助当中有个叫什么呢？在结构解释这边有个叫所有统计量和图形， 如果你感兴趣啊，下面的每一个图啊，什么意思？每个统计量什么意思啊？你都可以在帮助当中啊，找到相应的说明啊，你就说这个图什么意思啊？这个图什么意思？每个图什么意思啊？在帮助当中都有啊，我只讲重点啊，只讲重点。好，我们来看一看左中啊。首先来看一下左中， 左中呢？是啊，图啊，叫极差控制图，什么叫啊呢啊？叫最大值减最小值，叫做啊叫极差， 那我们这个图呢，一般怎么看呢？你就去看一看在这个图当中有没有我们叫粗大误差，或者说有点可能会超过我们的空的上限。那这里的话，比如说大家看一下这个点， 这个点，这个点的话呢，是谁呢？这个点呢？是由谁啊？由 a 这个人在测量 d 五号部件的时候，有这么一个大的极差点，哎，为什么呢？ 他说明什么问题呢？首先大家可以看一下 a 这个人测量第五号部件测了多少次呢？每个人对每个部件重复测量了三次，对不对？那么这里的极差什么意思啊？就是三次当中最大值减最小值 得到这么一个极差值。那么大家可以想象一下， a 这个人测量第五号部件重复测了三次，结果三次结构当中最大值减最小值得了这么大的一个极差，说明什么问题啊？ 哎，人是同样一个人呢，部件是同样一个部件，他只不过重复唱了三次，这个差异就这么大，那什么原因呢？啊？这样的话呢？就是通过这个图呢，我可以帮你去定位到底是哪个人在唱哪个部件的时候啊？出问题了， 对不对？那至于为什么会存在这个问题啊？这个呢，软件没办法回答你，你要想去回答这个问题的话呢，你需要做进一步的调查，比如说你可以把编号为五的部件单独不能拿出来，然后呢把 a 这个人单独定出来啊？你干嘛呢？你让 a 这个人 啊拿着编号为五的部件，当着我的面复测几次，然后这样的话呢，可以进步的去了解一下，为什么会有这么大的差异，对不对？我们可以通过复测去调查原因。 好，然后呢右中，右中的话呢？是啊，这边呢是人之间的差异，那我们刚刚在放在分析表当中看到 超检验员的批值是小于零点零五的，说明什么问题啊？说明三个人之间是存在显著差异，那么通过这个图，大家看一看，是谁跟谁有差异呢？这个图的话呢，其实我们如果来 看一下，你会发现 a 和 c， 他的这个测量的结果的均值啊，差异好像没那么大，但是这个 b 的话呢，跟 ac 去比啊，他好像测量均值偏下偏下轴了，他的这个均值好像偏偏小了， 对不对？哎，所以这个图我们可以有，其实可以有两种解释，那你说 abc 三个人有差异，那我可不可以说是 b 的问题， b 什么问题呢？他跟 acg 比，他的每次测量结果他老是偏小 啊？但是还有一种解释就是 b 没有问题，也可能是 a c 的问题， a 什么问题啊？ b 没有问题， a c 老是偏大了，可不可以这种解释呢？也可以，所以说到底是 b 的问题还是 a c 问题呢？这个我也不确定，我去干嘛呢？你要想进一步的去了解 需要干嘛呢？也是一样的去复测，比如说你可以拿一个已知参考值的部件，让这三个人啊，当着你的面复测几次， 然后呢，通过跟椅子，参稿子，跟参稿子去比，看看是到底是谁偏大谁偏小，对不对？通过副车呢，我们可以进一步的帮你去判断到底是谁在搞鬼。当然我们也可以通过另外一个图，什么图呢？这边的话呢，我们也可以来画一下。什么图呢？ 我们在这边呢有一个叫统计指南工具，这边还有一个叫良具研究，这边有个叫良具运行图，通过良具 运行图的话呢，我们也可以帮你去进一步的去探测一下啊，到底是哪个部件啊？有哪个人测的时候呢？他偏大偏小啊？这边那个叫良居运行图，你可以看一下，比如说你大家可以看一下第一号 部件啊，这三个结果可能是 a 比较偏大一点，第二部件的话呢，好像差不多，第三个部件好像也差不多，那第四个部件又是 a 偏大了， a 跟，嗯，也不叫 a 偏大吧，应该说 a 跟 bc 去比， a 的结果要偏大，对不对？然后呢？ 第五号部件的话呢，好像是 b 相对来说比较偏小，然后再来看啊，比如说你看第八号部件好像是 b 也相对偏偏小， 然后呢？你看第十号部件呢啊，这三个人的差异啊，就比较大啊，这个叫良具运行图，他可以帮你看每一个部件，三个人啊，他的一个车辆结构的一个差异的走势啊，你可以通过这里呢可以去了解一下一些情况。 好，那当然最好是复测了，最好是已知参考值的部件去复测。好我们再回来啊，我们再来看一下右下角这个图，我们刚刚说过，当前测量系统不合格最可 可能那个原因啊，是个交互，因为他的方式分量的贡献率啊，在这个测量系统的误差当中呢，比例是最高的。那到底是哪个哪些部件在测量的时候引起人之间成了交互呢？很多朋友不太理解什么叫交互啊？比如说你看第十二部件， 什么叫交互啊？同样一个部件三个人去测，其实严格式来讲，不管你谁去测，他的值应该都是差不多的，但是第十号部件他的值到底取多少，他取决于三个不同的人，那么如果一个部件他的取值取决于不同的人，那么我们就说人和部件之间呢，成了交互， 那这里呢有交互作呢？你看第十个就比较明显，像第八个呢，也有第五个呀，第四号部件啊，啊，这个也有，那为什么呢？等于说第四号部件，第五号部件，第八部件，第十号部件为什么会存在交互呢啊？ 开软件也不知道冰箱面，只告诉你有，至于为什么有，我们要干嘛，我们要到测量的现场去调查啊，这个原因呢，可能会很多了，可能是人的 绝大部分啊，其实应该说绝大部分可能跟人的操作习惯有关系啊，当然具体是什么原因导致的， 一定要到测量现场去调查软件在这里的话呢，他会告诉你的是有问题，至于为什么一定要去调查啊，这就是我们所谓的叫基于 mini 软件的可重复的测量系统分析。好，那么大家从头再到尾再回顾一下，你会发现 mini 软件可以帮你去排时间计划， 也可以帮你做分析，也可以帮你去评估，也可以干嘛呀？帮你去找相应的原因啊，当然这个验证原因去进不了，去调查原因的话呢，这个我们需要到现场去调查。好，那以上的话就是一个可重复的车辆，那么对 有其他测量，比如说什么泡外音测量啊，什么自动化测量呢啊？比如说如果有更多变异来源的测量，我们该怎么做 啊？比如说可能还会有一些这么单边工价的测量，又该怎么进行处理？那后面的话呢，我们有机会呢，可能再给大家做一下分享啊。当然啊，大家如果想系统学习的话呢，也可以参加我们些相关的 mac 专题的一些培训。好，那我们今天的话呢，就讲这里，谢谢大家。
05:24查看AI文稿AI文稿哈喽，大家好，我是小何，上海泰克玛的 mitami 应用顾问，欢迎大家收看本集课程，今天给大家分享一下如何利用 mitami 软件对于非正在数据进行过程能力的分析。我们首先来看一下今天要分析的数据， 现在呢，我们想对杂质含量进行扩散能力的分析，我们按皮取压，每个批次呢取了五个样品，一共取了二十五个批次 啊，在这里呢，简单的给大家提一下对于数据量的问题，一般的要求的话呢，我们的数据量要大于一百个，这样的话呢才才能对我这个过程能力呢进行很好的估计。 我们之前就说了，要想对数据进行过程能力分析，我们首先要做的第一步呢就是质量性检验，我们点击统计，然后选择 基本统计，图形画绘中我们把变量杂志含量输入进来，然后直接点击确定 从当前的汇总报告安达森达林正在新检验的批值小于零点零五，也就是说杂质含量这种数据呢是不服从正在分布的。对于不服从正在分布的数据，我们该如何进行过程能力的分析呢？在这里呢，我们有两个思路， 第一个呢，我们可不可以把不服从正在分布的数据通过某种转换，对吧，把它转换成服从正在分布的数据，然后利用服从正在分布的方法呢进行过程能力的分析，这是第一种思路。 第二种思路呢，我现在数据不服从正在分布了，我可不可以通过某种分布来进行礼盒，然后再进行过程的 飞机，对吧？这里呢，我们有两种思路， 要在这两种思路当中进行选择的话呢，我们首先要做的第一步呢就是个体分布标识，我们点击统计，然后选择质量工具，这里呢有一个个体分布标识， 我们把单店 ce 店输入进来，直组大小输入进来， 这里呢我们选择使用所有的分布和变换，因为现在呢我不知道哪种分布，对吧？对我的数据呢也和的比较好，或者是我通过哪种变换比较好，这里我不知道，所以说呢，我所用 使用所有的分布和变换，然后直接点击确定， 我们通过分 爱地图，然后结合绘画窗口的文字输出你和优度结验。这里这么多输出，我们该如何看呢？很简单，我们只用看你和优度结验的批值，哪个批值最大我们就选哪个。我们可以发现 啊，正正太的皮质呢是小于零点零五的哎，博斯科斯变化呢，他的皮质是零点七九六，然后从下面看找最大的，我们看到最后一个桌身变换，他的皮质呢是零点八六三，是这里面呢是最大的一个皮质。 为什么说选最大的呢？我们现在是有两种思路嘛，第一种是通过呃变换，第二种呢通过分配礼盒，这里呢我们找到的是做生变换，是批子最大的，这个批子是怎么解释 我的数据当前的杂质含量，这种数据是不服从正在分布，我的想法是通过桌身变换把它变换成分，呃变换成呢服从正在分布的数据， 那么变化后的数据服从正在分布的概率是多少呢？服从正在分布的概率就是这里的批值，也就是说我通过做生变化以后呢，杂质含量通过做生变化以后呢，他服从正在分布的概率就是零点八六三，这里的零点八六三 我们现在找到了，我们通过桌身变换，对吧，是一种最好的方法，那么呢我们再来看一下怎么操作呢？我们点击统计，然后选择质量工具，我们再选择能力分析，这里呢我们可以选择 正太， 呃，这里呢又有两种分布操作，今天呢我们只讲一种，我们把 c 一点输入进来，直组大小 c 二，或者是输入数值五， 我们来规格上线二十四。我们第一要讲的方法呢就是比较简单，我们直接点击右上角的一个变换， 然后呢这里呢我们选择的是桌身变换，因为我们刚刚通过个体分布标识嘛，我们发现你和优度姐姐面的，你和优度姐姐里面呢，桌身变换的屁值最大，所以说我们选择的是桌身变换， 然后直接点确定再确定啊，这就达到了杂志含量的过程能力报告，对吧， 这就是我们今天要分享的哎，如何利用煤炭软件呢？对于非正在数据的一个过程，能力分析的一个简单的步骤， 当然了，对于非正在数据呢，我们还有其他的操作方法，我们在后续的课程当中呢，会给大家慢慢讲到，那么今天的课程呢，就到此结束，谢谢大家观看更多视频教程呢，请关注我们的微信公众账号，今天下午中国。
02:05查看AI文稿AI文稿大家好，我是程伟，这节课呢我会给大家分析跟上一节使用实际一样的 vi 连续 x 连续数据的相关性分析的另外一个方法叫一元回归， 那么一元回归的使用时机和相关分析的使用时机是一样的，都是 y 和 x， 都是连续型数据。 ok， 那我们看一下，第一列数据叫车速，第二列叫刹车距离，我们想去建立刹车距离和车速的 数学模型，那么我们就可以用到一元回归。 ok， 大家可以看一下，我们先打开统计 回归里面一个你和线图，我们把响应叫刹车距离，预测变量叫车速， 这个时候我们就可以确定啊，我们就会得到一个方程式，这个方程式呢就是刹车距离等于一百八十二点八加 零点四七六三乘以车速啊，这就是我们的一元回归模型。那么其实我们还是可以看到批值，当我们的批值小于零点零五，我们也能判定三十距离和车速强相关 啊。同时呢我们也可以看到二平方等于百分之六十九点五，那说明有百分之六十九点五的刹车距离的变异呢，是可以由车速去解释的，还有百分之三十的来自于其他因素的影响， 这就是一元回归的一个操作过程。那么在做了一元回归以后呢，其实我们还是要做一个残杀分析，那残杀分析怎么做呢？ ctrl e 回来，在图形里面我们点四合一， 然后决定。 ok， 明代给我们说出了一个残擦图，那么这个残擦图如何看呢？我们要确保两个，第一残 残叉是符合正态分布的，那我们可以看到残叉图的批值是零点八四，是大于零点零五，所以残叉符合正态分布。第二个我们要看的是与你合直的右上角，这个图案要呈无规则状，不能有任何规则的形状， 我们就认为我们的模型是可靠的，所以残擦分析的目的就是来验证模型的有效性。 ok。
234BMC博瑞林
02:13查看AI文稿AI文稿今天教大家如何用 meantable 制作脂肪土和过程能力分析。 首先将需要分析的数据录入 c 一栏内，然后点击图形， 选择直方图，点击包含礼盒，点击确定，选择 c， 点击此度，选择参考线，在数据值输入上下线和中心指中间用空格分开， 点击确定，点击确定，直方图就做完了。要注意的是，在这个直方图中间 呢，我们并不能看出不良率以及这个 cpk 和 ppk 等相关的值。如果你想知道这个数据的 cpk 和 ppk 以及 ppm 是多少，那么我们就要进行过程能力分析。 点击统计质量工具 能力分析正太，在单列里面选择 c 一，因为我们所有的数据都在 c 一列里面，直组大小输入五， 然后输入规格，下线和上线，点击选项， 在目标里面输入三幺零，点击确定，确定， 过程能力分析就做完了。在这个图中间，大家可以看到 cpk， ppk 以及 ppm 分别是多少。 想学习更多这方面知识的家人们请关注我，关注我学习质量知道。
3592老张说管理
13:47查看AI文稿AI文稿哈喽，各位朋友，大家好，我是何茂林，今天的话呢，想给大家分享一个大家平常用的比较少，但是非常有用，而且对于我们做质量做研发的工程师啊，必须要去掌握的一个工具叫做变异软的分析。 那可以这么说啊，我们今天讲的这个方法工具，可以说是我们学 mac， 学控制图，学过程能力分析，甚至是学 doe 以及其他建模方法的一个非常重要的一个基础。 如果这一块你根本就没有去学，根本就没有去了解的话呢，可以这么说，我们后面用到的这些统计工具和质量工具啊，基本上啊，你要想让你的结果比较靠谱啊，基本上都很难啊，那为什么这么说呢？好，我们通过一个具体的案 地呢，来给大家去说明一下什么叫电影院分析啊，那我们这个视频呢，我们就承接啊，我们上一个视频的内容，我们在上个视频的话呢，给大家去分享了一个关于可重复测量的 mac 的一个案例，对三个人，十个部件，每个人呢带每个部件重复测量三次啊，一共是九十次的测量结果。然后的话呢，我们做了一个呃，基于密码软件默认算法方沙分析方法，得到这么一个呃，可重复测量的 mac 的一个案例啊，那么大家如果对这一块感兴趣啊，可以看一看上面一个视频，那么我们在这个 mac 测量系统分析当中的话呢，我们给大家去讲过怎么去安排 mac 的实验计划，怎么去做操作， 怎么做结果解释。那其实啊，如果大家要学习 msa 学的比较透彻，我们在上节课也跟大家说过 msa 的它的内容的话呢，很多我们培训都要培训两天，那为什么有这么多的内容呢？它的关键的难点在于哪里呢？ 他的关键的难点并不在于软件的操作，也不在于计算，那你买了软件了，计算都交给软件，所以说也不在于计算，也不在于结果解释，关键的难点在于叫做一个叫 变异源这个调查啊，关键哪里在哪里呢？其实关键的难点，或者说非常重要的一个部分，其实在这边叫做方差分量的这个模块。那我们做测量系统分析，其实 主要呢是看什么呢？测量系统他测的准不准？另外一个呢，看的是测量系统的精不精。当我 我们当然更多重点的关注的是重复性和战略性，比如说关注他的一个变异叫精不精的问题啊，他的变异，那如果测量系统不合格，他的变异很大，那他到底是什么原因导致的呢？他的变异来源是什么呢？那这个就是我们测量系统分析当中的一个关键，干嘛呢？就是找 导致当前车辆系统变异比较大，导致当前车辆系统不合格的一个主要变异来源。 那这边的话呢，就涉及到一些关于方差分量的计算，但这个计算很麻烦啊，我们交个软件帮我们算，但是呢我们要去理解一下方差分量啊，以及关于边缘分析啊，我们自己这个案例为例啊，来进一步的把它探测一下 怎么做边缘的分析。但这个边缘分析呢，他的内容也很多啊，他的内容很多，我们就以这个比较简单的案例为主啊， 我们来给大家进步展开，如果大家学习更难的地方的话呢，也欢迎大家来报名相应的培训，我们也有两天的一个培训内容。好，那我们来看一看 当前测量系统分析啊，我们其实在上一个视频给大家说过，我们的过程比百分之三十三三十三点五六，公差比的话呢，百分之四十点五六啊， ndc 呢是等于三，不管你看哪一个，三个指标当中不管看哪一个呢？我们当前得到的结论都是测量系统是不合格的， 那当前测量系统不合格，也就是说当前的测量系统变异比较大，那变异比较大它的主要原因是什么呢？为什么我们的测量值 变这么大呢？那其实在我们这个案例当中的话呢，有两个变异来源，一个是来自于不同的人啊，这边像我们形容随机挑选的三个人人之间可能会成为便利的来源。那另外一个呢，就是我们随机挑选的十个部件，部件 之间他也是有差异的啊，他也是有差异，所以说我们这里病来源呢，有两个随机挑了三个人，随机挑了十个部件，那这两个因子的话呢？只有两个因子，那这两个因子其实在这里的话呢，我们都把它叫什么呢？叫做随机因子。好，那么基于以上的分析，下面的话呢，我们就可以帮 大家来做一个叫为什么测量结果变这么大，我们可以来做一个边缘调查，是人主要问题还是我们这里的糖果包这个部件主要问题呢？好，我们来做一个边缘的分析，那这里的边缘分析的话呢，我们可以直接借助密探软件当中的统计 方式分析。这边呢我们叫做一般线性模型啊，一般线性模型他不是单印的，只有两个因子，我们叫做一般线性模型啊，然后呢选择你和 一般线性模型。好，我们这里想要研究的是测量值它的变异位置这么大因子的话呢，这边有两个，一个是简易元，一个呢是这里的部件就是糖果包， 我们要想去算变异的来源，它的大小占比，或者说算所谓的这里的方差分量的占比，我们需要做一些操作，除了把因子告诉软件以外呢，我们还要去点击这里的随机和嵌套的按钮， 那这个话呢有几个概念啊？这个概念的话呢，我们这里呢就不展开了，比如说这边呢有一些叫什么叫随机，什么叫欠套，让我们在做测量系统分析当中，我们在上一个视频当中讲测量系统分析的时候，我们也跟他说过，我们什么有 两句 on 二交叉，有两句 on 二欠套，还有两句 on 二研究扩展，那么这三个有什么差？ 结果我们后面有机会呢再给大家做分享。那我们这里的两个因子检验员和糖果包，就是人和部件之间是欠套关系吗？他这边没有欠套，他是什么关系啊？这里其实一种交叉的关系，他是一个可重复测量这种可交叉的关系，说这样的话呢，并没有谁被谁欠套啊，这边我们就不用填了， 然后这里还要注意一下，我们如果要算变异的来源的占比啊，这里的话呢，我们这个因子啊，要是什么因子呢？他不能是固定因子啊，你要算发射分量的占比呢，我们需要把这个因子啊改成随机因子，这边我们是随机挑选了三个人，然后随机选择了十个部件啊，都是随机啊， 好点确定。那另外我们这里虽然没有被谁被谁践踏啊，这两个因子没有谁被谁践踏，但是他们之间是不是没有关系啊？他们之间有交叉，那如果这个有交叉关系，怎么把这个交叉 关系输入进来呢？我们只需要在模型按钮当中把什么把这两个变量之间的一个叫交互作用，把它加进来，怎么加入呢？很简单啊，我们在这里呢用鼠标左键啊，鼠标左键啊，在左上角这个框里面，左上角把这两个 因子把它选中，选中以后呢，这边有个叫按变量顺序添加交互项，添加几阶呢？这边我们添加二阶啊，点，然后呢点击一下这个添加按钮 啊，点击添加按钮，好，添加进来以后啊，当然后面我们后等一下可以看一下这个 啊，加号中是不是显著的，如果显著呢，你可以加进来，如果不显著的话呢，你在这里点击这个加号啊，你可以把它删掉啊，这个加号呢啊，这个叉号啊，你可以把它删掉啊，我们先加入啊，点击确定好再点击确定。那对于这里的 变异元的一个分析啊，当然这里呢也会给出来相应的发质分析表，我们可以看到人之间有没有差异呢？三个简易元之间批值小于零点六是有显著差异的，你不能删。 糖果包部件之间的批值也是小于点六，是有显著差异，也就是十个部件是有显著差异，那么交互作用显不显著呢？交互作用批值也是小于点六，说明什么？交互这种显著也不能删， 所以说我们刚刚的这个交互中啊，你不能删，但是如果这里批值大于的利用呢，你就可以删了，所以说刚刚的那个叉号啊，你可以点一下，如果不显示就可以把它删掉啊，把它删掉。 好，那下面的话呢，我们再来看一看相应的方差分量的计算啊，方差分量的计算我们来看一下，当然这个计算过程呢，是比较复杂的啊，我们这里的话呢，先不做具体的展开啊，我们直接来看一个结论。看什么结论呢？我们这边呢主要看一个这里的叫方差分量表啊，看最后一， 这里看什么呢？其实最重要的是看总和的百分比啊，方车分量表这边呢有个叫总和的百分比，我们来看一下我们把这里的一般信息模型得到的结论，跟我们在上一个视频当中，用方车分析方法做可重复测量 m i c 来做个比较啊，这个怎么做比较很简单啊，比如说我们数在这个导航器窗口当中，鼠标左键双击测量系统分析的结果，然后在一般线性模型这里结果这里呢右击，我们这边有个叫在分割视图当中打开，我们点击一下。 好，然后呢我们点击左下角的这个隐藏按钮啊，把这个导航器窗口隐藏掉，我们把这两个来做个比较，最重要的比较地方呢就在哪里呢？在于方叉分量，这里我们来看一下，大家看一下是不是 这两个其实结果是一样的，比如说人的变异来源占比是多少呢？是不是看一下百分之二对不对？然后呢糖果包不间接的呢，就是百分之八十八点七四，一致的吧。然后呢我们再来看一下还有什么 误差对应的，这里的误差对应的就是这里的重复性啊，误差对应的就是重复性啊啊，我们是百分之 二点六二，然后还有什么交互作用的，交互作用的话呢，他的发烧分量的贡献率就是变异的占比呢？占了百分之六点六啊，我们就看这一列啊，就看这一列，所以说大家可以看一下， 一般先进模型得到的结果，其实跟测量系统分析得到的结果这个方向分量占比这一块呢，是一样的。好，那么 接下来重点就是当前测量系统不合格测量值的变异很大，变异来源是什么呢？首先第一个部件之间是有显得差异的啊，就糖果包，当然这一块的话呢，我们在做测量系统分析当中其实并不关注，因为我们在做测量系统分析当中，并不关注你这个部件合不合格，稳不稳定啊，好不好？ 这个我我其实不关注，我更多的是关注什么测量系统本身，那么对于测量系统本身，它的变异来源主要是人以及交货用，以及什么重复性，对不对？所以说那么在这三个当中重点的是什么重点占比最高的是 人和糖果包，人和部件之间交重，他的占比呢是占到了百分之六点六，所以说我们在上节课讲测量系统分析的时候，我们跟大家说过，如果当年测量系统不合格，我们其实最应该关注的是这里的交货重啊，为什么有这么高的交重？到底什么部件引起 这三个人之间存在很大的差异，导致交互存在了，那我们要做进一步的调查，那这个就是我们说嘛，测量系统分析它的本质，只不过呢，我们做两句按按研究，用这个方子分析方法当中的话呢，它不光可以帮你算测量系统变异的来源的占比， 而且还可以得到相应的评估的结果，比如说什么过程比公差比 ndc 等等，这些指标也可以通过一些图形的方法帮你来做进一步的判断，当前车辆系统不合格，他的哪个部件和哪个人出问题了，对不对？所以说 两种方法它的本质含义是相通的，只不过呢，到了具体方法以后呢，它的作用会更强啊，作用会更强。好，那么问题来了，我们为什么要去讲测量系统啊，这个边缘分析，比如说这里的一般信息模型呢？ 说老师我这个两句阿，那研究我用这个方式分析方法就可以搞定呢？你为什么还要让我去学习所谓的边缘分析一般先进模型呢？为什么呢？ 那当然是想让大家把我们做 mac 以及做 s、 p、 c、 d、 o e 的内容做一些拓展，那么大家可以想象一下，你这里的变异来源是来自于部件和人， 那如果有其他变异来源呢？比如说如果你有三台三坐标的仪器，有两个部分的家具啊，有两个部分的班次，有三个部分的供应商，部分的批次， 那他们之间有没有差异呢？那我这里是对测量系统，那如果是一个过程呢？你过程的速度结果，你对过程做过程的分析，如果过程能力很糟糕，你的过程能力很差，那他的变异来源又来自于哪里呢？来自于人，来自于你的仪器，来自于 你的班次，来自于你的这个，不同的人，还是来自于不同的这个供应商，对吧？那么同样的道理，我们也可以用同样的办法去收集下面的数据，然后用一般新型模型做什么？做变异源的调查，那么只有之于变异源的调查， 我们后面才能够正确的去选择合适的工具。比如说我们做车辆线的分析当中，到底选择交叉嵌套还是扩展，但我们做控制图当中还是选择什么 啊？常规的控制图还是用一些其他的，比如说什么组间组内控制图，那么过程的分析也是一样的， d o e 亦是如此。 所以说边缘分析应该说是我们做质量管理，做相关的研发同事要学习的一个非常重要的内容，也是一个最基础，当然也有点难度的内容。那么有了这一部分的基础以后， 我们后面再讲 mac， 再讲控图者的时候呢，我们就可以把我们的案例场景做些拓展的，那么后面的话呢，我们可能会在这一块再给大家去讲相关的场景啊，希望把大家平常用的一些比较常规的 方法，做一些实战应用的拓展，那就是我们今天要讲的这一部分，一般先进模型变异员分析的一个目的。好，那么这节课呢？就到此结束，谢谢大家。
06:37查看AI文稿AI文稿今天我给大家继续介绍复制列道列。 有的时候啊，我们在图形当中发现一些数据的点，想要从工作表中删除掉，比如这个工作表中， 工作表里啊有两列数据，分别是 c 一油漆列和 c 二硬度列。我对所有的硬度数据做了一个单值图， 经研究，图形当中最上端的一个最大值和最下端的两个最小值应该删除掉， 这应该如何操作呢？我们双击这个图形进入， 然后点击左上角的选择数据点或者右键选择笔刷功能都是可以的。 出现一出现了一个啊，手使用手指的箭头，我们先左键框选最上面的点， 然后按住 shift 再框选啊最下面的两个点。 好，这样呢，这三个点就都同时选中，在右侧我们可以看到被刷行的信息。好的，我们现在啊把这个图形拉到旁边不碍事的地方， 然后我们可以点击菜单栏的数据选择复制，选择列道列， 我们在列复制这里我们把 c 一油漆列和 c 二硬度列加入加入进来，然后复制的数据存储在 当前工作表指定的列中，我们还是存在 c 三和 c 四列中。 好，我们再点击划分数据子级，这里我们选择指定不包括的行， 在下面指定要排除的行里，我们选择被刷行， 点击确定再确定。这样 我们在 c 三和 c 四列生成了复制过来的列，并且啊输出窗格注明了不包括已刷格式的行，分别是第八行、第九行和第十三行。 我们把窗口关掉，看新复制新复制过来的列啊，确实是少少了三行的。 那如果我只是想从原始的数据列当中复制第二行， 第六到第十行，还有第十六到第二十行， 这应该如何操作呢？我们按 ctrl 加 e 键， 再次调出复制列对列的对话框，之前的默认设置我们不变，直接进入划分数据自己的对话框中， 我们要选择指定包括的行， 在下方指定要包括的行里选择行号， 我们需要第二行数据，所以输入二加一个空格， 需要第六第六行到第十行，一个一个输入啊，当然是可以的， 但如果行太多了，这样输就很费劲。我们可以输入六冒号十，然后加入一个空格， 需要第十六行到第二十行，我们输入十六 冒号二十。注意这里的输入啊，每个集合之间都要用一个空格来间隔开冒号呢，不能使用中文字符，必须是 英文字符的，否则输入完成后，密太保会提示错误，最后点击确定再确定。 这样啊，我们在 c 三列和 c 四列生成了复制过来的列，并且输出窗格注明了包括指定的这些行。 复制过来的这些行呢，总共是十一行。好的，以上就是我给大家介绍的复制列到列的操作方法。
18刘金恒讲质量
05:39查看AI文稿AI文稿hello， 各位朋友，大家好，我是何茂林，今天的话呢，我们想跟大家分享一下，关于在模型礼盒过程当中，我们去判别模型礼盒效果的一个指标，就是关于 asquire。 那我们很多朋友的话呢，经常会有一个疑问，我们在鉴定模型以后，那么这个模型的阿斯 q 达到多大，才能说这个模型离合的比较好呢？是不是阿克越高，说明模型离合的就越好呢？那么其实呢，这是一个非常典型的错误， 那么我们今天的话呢，想通过一些仿真模拟的方法啊，我们进入 meta 软件啊，通过仿真模拟，我们来给大家说明一下这个观点，不要过度的去关注，不要过度的去迷信高二十块的模型，二十 什么意思？好，我们一起来看一下，那我们现在呢用 meta 软件啊，我们现在最新版本是到了 meta 五二一版本。好，下面呢我们通过啊仿真模拟生成一组数据，我们点击计算选择随机数据， 然后呢我们随机生成一组，比如说正太帆布的数据吧，计算随机数据正太 好，这边呢，我们随机生成，比如说十行，不用太多啊，十行，然后呢乘除在 c 一到 c 十十列，说我随随机生成十行十列的数据，那么它的分布呢？假如说是正态分布啊，这个大概其他分布也是一样的，可以啊，比如说正态分布，它的君子我随便输啊，君子武术本差，我随便给一个哦， 我们点击确定。好，这样的话呢，我们可以看一下，我们当前是随机生成了十列十行的数据，那么对于这十列数据，假如说我们给他不同的这这个名称，比如说十一列数据是 x 一，第二列数据 x 二， x 三， x x 五， x 六， x 七， x 八， x 九，然后呢十列数据的话呢，我们作为 y 什么意思呢？要说我们这里呢有十列数据，前面九列数据都作为我们建模的时候的 x， 然后呢第十列数据作为我们的 y， 也就是说我们这里呢有十呃，九个 x 啊，一个 y， 这么一个呃数据，现在的话呢，我们来鉴定 模型，而我们可以通过回归的方法来建模。那么大家可以猜一下，我们通过这十列数据建立这个模型，他的礼盒效果会怎么样呢？或者说他的 ask 是低还是高呢？有人说这个，这个应该不会太高吧，对吧？为什么呢？ 要说你这个数据不是随便生成的吗？随便生成的数据，他的关系应该不会太好吧？比如说他二十块应该不会太高，那么事实真的如此吗？好，我们来试一下，我们点击统计，我们来进行模型统计，回归， 回归啊，你和回归模型啊，这个这个路径的话呢，就是我们多元回归模型建立的过程当中啊，经常用到的一种方法啊。好，我们你和回归模型 y 呢？作为响面料， y 呢就是我们的 c 词列就一个 y， x 都是连续的，有九个 x。 这边的话呢，我们可以 用比较简单方法，你可以直接用鼠标拖显重啊，这这这个蓝色显重以后呢，然后呢再点击这个选择按钮，这样的话呢，我们的 c 一到 c 九，这九个 s 都进来了，好吧，但其他呢，我们这个交互作用，这些我们就不管了啊，我们就不考虑这些比较复杂的了， 我们就直接啊，我不考虑交货作用，其他呢全部默认，直接点击确定。好，我们来看一下这个效果，好， 让我们来看一看我们当前建立的模型模型有没有，有吧，对吧？你其实你任意给我一些数据，任意给我两列或者多列数据，我都可以帮你建立模型， 那关键是你这个模型你后面要来做预测分析的，你这个模型礼盒的效果怎么样呢？那么有人说，老师啊，这个模型礼盒的好不好看什么呢？看阿斯快，阿斯快要高就说明模型好，那么真的如此吗？我们来看一看钢琴模型礼盒效果怎么样？ 再看一下 austral austral， 你会发现哇，这个模型 austral 非常棒， austral 能够达到百分之一百 啊，百分之一百，那 hospital 达到百分之一百能说明这个模型离合的就很好吗？这个你不要忘了我的数据怎么来的呀？我这里的数据是通过仿真模拟随机生成的，也就说你随机 出来一些数据，他的礼盒效果阿斯卡都能够达到百分之一百，那能说明模型就礼盒的很好吗？这个其实啊，这个模型有没有用这个还是个问号， 而且你会发现这里有很多新号啊，就为什么这么新号啊？这个呢，有的朋友可能之前了解过，那这个其实主要原因的话呢，就是你有，呃，九个 x 啊，一个 y， 然后呢只有十天数据，那么实际上你的总的自由度啊，其实是十减一。那么这里的话呢，其实主要原因是什么呢？主要原因是你的这个误差的自由度啊， 为零啊，误差为零，自由度为零。那么其实呢，这么晚其他所很多的变量， f g 啊， p 值啊，什么都没有啊，什么都有，就所以说光看一个 sql 很高，并不代表你的模型就会很好 啊，像这种模型的话呢，经常会出现在什么时候，经常会出现那种我们所谓的叫过度礼盒的情况，那么出这种情况怎么办啊？这个呢，我们后面有机会啊，来跟大家做进一步的分享。 好，那么这个呢，就是我们今天给大家分享的观点，不要去过度的迷恋高阿斯卡的模型，这些模型啊，可能会迷惑你啊，可能会迷惑你，所以说一定要注意注意。
