对吧?这一点点嘛,对吧?所以呢,它比单纯的 air mar 图这个图啊,大家记住结论就就行了,因为时间有限嘛,如果对对这个具体背后统计内容那个 有有兴趣啊,大家可以去预约一下课程,然后那个中字写有本红宝书也不错的,对吧?但金老师呢,就是说通过这个 今天的这个介绍,基本上可以大家形成一个比较系统化的完整的一个初步概念,好吧,你们有这个概念你们再去看书就不会比较晕, 对,能够就他比单单值极差更那个 p e n 啊,说的对的,他比单值极差能够更有效的去区分出这个普通的那个他比单值极差更敏感,可以这么说好吧,更能准确的去识别出过程有没有异常。 但为什么会有艾玛图呢?艾玛图其实他最大的优势在哪里呢?最大的优势就是在他只需要二十五个数据啊,就可以去画出来了,但是呢,就是说因为他数据量少,他就丧失了一些, 就是说一些数据的信息量,他的敏感度呢,就要比那个差。但是有些时候呢,就是说你不得不用挨骂的前提就是就像刚才那个 那个布拉多说的那个破坏性实验,你不可能就是说呃,连续破坏五个每小时,这样的话对于企业这个成本就很高,对吧?就 前提就是说我们有些时候在收集数据非常困难的情况下面啊,比方说是那个破坏性实验的时候,那这个时候我们可以用艾玛读,但在具备一定条件或者说收集数据的成本不是很高的情况下面,我其实就 老师是推荐大家用挨骂啊, x 八图, x 八图比较敏感一些,这跟二十小姐啊,这跟二十四小时还不是特别大的关系啊,这个前面已经说了,就是跟你数据取样的这个成本大小,难易程度他有关系。好吧, 那么这个就是控制图的解读啊,就连续二十五个点啊,对吧?这个就代表这个过程当中出现异常了, 然后七点位于君子的一侧,对吧?七点位于君子的一侧,对吧?连续上升的这些东西都是什么?都是,都是这种统计上面的那个非随机的 这个现象一旦出现分水机的,你就知道什么啊,你就知道了我这个过程当中有这个异常原因的影响了,那比方说啊,比,比方说金老师啊,在上班的过程当中,一天比一天到的晚,一天比一天到的晚,这个就代表了什么?这个 就代表的过程一定是有异常因因素的影响了。前面说的对于一个统计稳态受控的一个过程,金老师到公司的时间,他应该围绕一个君子应该是什么? 对的,挨骂是成本更大一些嘛,因为数据不好收集,成本大,我所以只能用取单词嘛,如果好收集的话,我就取二十五个哦,每组取五个嘛,最后二十五组对吧? ok, 还有前面说了 in e 正态 分布来判断图形,好吧,这个对于这个分布,对吧?我这个点应该是什么呢? 就是说什么呢?三分之二的点落在区域,正负三分之一的区域,好吧,有三分之二的点落在三分之一的区域里边,这个是什么原因啊?这个有人能解释一下吗? 为什么啊?我们认为随机的图形,对吧?随机,随机的图形应该是三分之二的点落在三分之中间,在均值,均值 中间三分。为什么?为什么有这个结论? 这个其实是来自于什么呢?正态分布的这个理论啊,前面说了, 大家这张图啊,太重要了,你这张图你记住了,你就知道什么了,对吧?三分之一的区域没有加减,这个控制线是不是没有加减?三 正负三个是一个码了,对吧?那么在三分之一的区域是不是加减一个是一个码了? 一个数字码里面他应该有多少啊?百分之六十八吗?是吧?你百分之六十八除以百分之百, 它是不是就是相当于三分之二嘛? us 对,三分之二,对吧?这个 看到吧,他就是这个结论来的啊,这个结论就是这么来的。 然后大家看一下啊,如果我这个阿图失控,他表现是什么呢?表现就容易出现,你比方说我们说这个阿图是连续取五个点短时间啊,这个这个就明显代表有点落出去了,这就代表了什么?你过程的普通运营都变化了吗?对吧?这个普通运营都有变化了, 但金老师讲一下啊,其实普通原因发生变化了,就代表了什么呢?其实就 代表那个过程产生异常原因了,因为前面区分普通原因和异常原因的一个很好的判断准则,就是什么呢?就是 cme 发生变化了,人机料法环当中一定有某个因素发生了变化,所以阿图出现这种落出的点也就代表了这个其实也是背后的分布啊,发生 变化,所以他我们说一个稳定的过程,随着时间推移,他的分布应该是君子 分布形状和他的那个标准差都是一样的。但是这个里边你看到吧,明显就是这个 c 个码要大一些吗?对吧?这个 c 个码要大,他只要变化了,就代表了这个过程不稳定了啊,那这个是阿图失控, 这个是什么呢?这个是 x 拔土, x 拔土失控啊, 后面讲过程能力怎么去算啊?平时说的这个算过程能力的前提条件啊,上两次课金老师已经说过了, 就是算过程的那个前提呢?一定是先要确保过程稳定受控啊,或者说你在算 c b k 和 p p k 的这个前提。 我们平时怎么算过程能力的啊?也就是说在过程啊, 画控制图以后啊,你不是画控制图以后这个所有的点都落在控制线里面了吗?哦,我那个 pn 我跟你讲一下单边过程能力计算方法啊,我今天的话会特别强。 pn。 你讲的这个东西啊,因为跟我今天讲的课程也有点关系吗?这个我就直接跟他那个吧。 cp 是代表什么? cp? cp 代表的是那个 潜在过程能力,对吧?潜在过程能力是指什么?我们把公式回忆一下,好吧,是 usl 减去这个 s l s l 再去除上 六倍的 c 个码嘛,是不是啊?六倍的 c 个码是怎么来的?它代表了什么?有人能说说吗? 六倍的 c 个码就是我什么均值加减正负三个 c 个码嘛,对吧?的有百 百分之九十九点七三的变差,对吧?这个就是代表了什么呢?过程分布的宽度你也可以认为是什么呢?就是这一段宽度 usl 减去 lsl, 它是什么呢?把什么?把这个客户的规范线,拿客户规范 和什么和我的过程波动,过程波动,哎,进行直接比较理解吧。对, what's up process? 但是你可以发现一点,我这个这这个分布现在在这,如果我 c 个码没变啊,我就君子变了。对于这两个过程啊,他其实算出来的 c p 潜在过程能力都是只是一样, 因为什么?他是不考虑什么我这个过程的君子,这个 new 和客户的这个他给他, new 和这个他给他,他是不对终啊,他是不看的,知道吧? 他这个是,所以我们把它称之为是什么呢?称之为是那个潜在的过程能力啊。 那么 p n 那个你等会我跟你讲一下啊,那单边的是怎么算啊?其实单边的跟双边的唯一的区别就是单边的能算那个,能算那个, 那个叫什么? cp 吧,潜在过程能力吧,单边的单边不可以算潜在过程能力啊,为什么?因为单边的你这个 usl aos 你都拿不出来你,因为你只有一个兵,你所以算不住这个。但是对于单边的和双边的在算这个过程能力的时候,我们把它称之为前面那个是 cp 潜在过程能力。 cpk 代表的是过程能力,就把潜在他其实考虑到的就是什么君子和啊,你懂了就我就不解释了啊,那个你你懂了就是其实他 对其实这个过程能力啊,他你你他,他跟单边算边了还真没有太大的关系,但是你要说算潜在过程能力,他确实就是单边的,他是没有办法算潜在过程能力的。好吧,那么我们继续啊, 那么我们平时讲这个过程能力怎么算?就是我们看一下。哎,这个君子啊,到我这个客户规范线啊,能够放 进几个标准差啊,你就可以理解了,那个能够放,前面几次讲了,能放标准差越多代表了这个曲线啊,越抖越抖,越窄越密集,那么 用这个方法算上册,对吧?均客户上线减去均值除以 c 个码,是不是代表了能够放进几个几个标准差嘛? 是吧?那么 这个啊,这个就是零点九四,好吧,这个算出来,那么我们同样可以看一下这个到这一段能够放进几个标准差,那么这个就是二点三八。那么 c p k 是什么呢? c p k, 其实啊, 他就是把这个零点就是你算出来这个谁吗?和这个谁吗?去取一个小的,因为我们说什么从那个过程的短板这个角度,你明显是 这一块能力更差嘛,对吧?短板原理,他其实 cpk 他也是,就是考虑到你哪一块能力更更弱一些嘛。 cpu 的公式就是拿小的那个啊, 等于小的那个啊,就就是这样的,那这里面哪个小就是零点九四, c p k 就等于 这里边小的那个。所以从这个例子上面,刚根据金老师前面说的这个,大家互动一下这个过程,如果你现在表现是这样的话,他 c p k 是等于多少? c p k 有人打下字吧,不是零点九四啊, c p k 等于什么?等于这个东西去除以三,好吧, 这个去除以三就代表了你的这个 c p k, 好吧,然后这个过程我再给大家隐身一下啊,平时大家说的 sigma 是 sigma 水平啊,大家听说过六 sigma 水平吗?对吧?那么这个呢?就是说 sigma 水平,就是 也是拿一个取一个小的,这里面取一个小的,以后大家算出来,别人要问你啊,你这个十一值,十一值代表什么?十一值代表我均值到客户规范线能够放进几个标准差,是吧?那这里边可以放进零点九四个标准差,是吧?从这个过程 c、 p、 k 等于 零点九四去除以三,对吧?零点九四去除以三,这个吗?水平等于什么呢? sim 水平等于这个零点九四啊,还是取小的啊?大家看到吧,我现在有零点九四,还有二点三八,我们平时都研究小的那一段啊,都研究小的那一段,零点九四 再加上一点五,好吧,平时那个 sigma 水平就是这么定义的。那么对于这个过程的 sigma 水平就多少呢?就是 二点四四,我们要的要求的是什么?六 c 嘛?水平嘛?这个水平只有什么二点四四,好吧,这就是我们平时的这个定义啊。
粉丝9.1万获赞28.3万

啊好啊,我把第二讲的数据关掉。好,我们来看一下第三讲的数据啊,这样我们先把这个 x 八二 s 这个数据呢复制粘贴到我们的密集台部软件里来。好,我这块新建一个 好站过来,大家会看到这边的格式呢是横行啊, n 等于五啊, n 等于五,那我们 对这个数据呢可以做控制图那呃这边呢是数列啊,比如说设备一号,那他连续的五件自组大小,这里有一个自组 id 啊,设备二号自组 id 啊。呃这样我们先对这个数据来做一下啊这个数据 来做一下。呃这个数据,当然呢我们可以把它行堆叠之后其实就转成 c 九列的类似这个数据,那如果我们不做行堆叠啊,呃也可以直接做啊。呃下来呢我们来跟大家介绍控制图啊,各位可以跟着我操作 啊,路径是 scsb 啊,这个呢就是呃 x 八 r 的控制图的绘制路径 scsb 啊, 点开,呃他目前默认的格式呢是这种竖列的格式,那如果你要想用这个格式呢,你要勾下拉菜单在多列的同一行中,然后到这里呢把 c 二到 c 六选进来啊,怎么把多列选进来?你可以点住 c 二用鼠标左键 转,也可以按住 shift 键点到 c 六点下面的选择啊,这个之前在密集太伏的基本操作的时候跟大家讲过啊。 ok, 那我们直接点确定就可以。好,这张这两张图就绘制成功了,上面这张呢是 x 八,下面这张是阿尔图, 这个图怎么判断怎么使用呢?呃通过这样的呃图形呢,其实我们刚刚给大家绘制的这个叫分析用的啊, 呃另外有一类控制用的,我们在下一节来讲啊。呃那绘制出来这个图呢就是判断整个过程是否稳定的,那过程稳定的判断方式呢?其实我刚刚跟大家讲过了啊,可能很多人没注意啊,我们再复习一下所有的点随机无规律那 呃中心线上下点的数量大致相等以及出界的点的数量很少,甚至没有。好,我们来看一下这个时候呢,哎我们位于中心线上下点的, 呃数量大致相的啊,点也是随机的,并且出界的点的数量很少,甚至没有。我们习惯上呢会先看下面这张儿图再看上面这张 s 霸图啊。呃用以来判断, ok, 所以这个过程基本上是稳定的啊。好,呃我们来演示一下。 哎对于 c 九列的数据,哎我们来做一下啊。呃路径呢?还是刚刚那个路径,你甚至可以用 ctrl 加字母 e 啊快捷路径。然后这块呢我们要勾到列中,那这里呢我们可以把设备一敲进来,那资助大小呢?有两 两种输入方法,你可以直接输五,为什么呢?因为他这块的 n 就是五啊,当然你也可以用子组 id 啊,我们这次用一下子组 id, 因为以前我们都直接输五啊,你子组 id 也可以,然后我们直接点确定, ok, 那这个呢是我们的。呃 x 八孩啊,这块呢会有一个点的出界了啊,他这块有标注啊,他是第八个点啊,你鼠标在这块他会显示第八个点,这个第八个点呢相当于是。 呃这个多少?四十啊四十啊,应该是啊四十一到四十五吧啊是这个数据是吧? ok 算一下一到五十一啊,反正就是第八组数据啊。这个你要去看一下。好。呃 呃这个君子呢出界了啊。呃所以呢在这块呢如果说,呃那这个过程到底稳定不稳定呢?其实这块呢我们仍然认为他是勉强稳定的啊。勉强稳定的啊。因为出界的点呃很少啊。 呃有人说老师那什么叫很少啊?就是这块有很没有肯定是稳定的。那很少什么叫很少呢? 呃一般来说呢像这种三十个点呃或者是二十五个点啊,如果他出去一个呢其实我们认为呢他是偏向于稳定啊。 像这款呢是二十个点比较接近二十五个点啊,就是二十五正负五吧啊有一个点出去呢都认为是稳定的。呃如果有一百个点我们出去两个点其实也认为是偏向于稳定的。 就一百个数据里面啊,连续一百个数据里面有两个点调出去呃两百个点里面呢出呃三个点也基本上认为是偏小于稳定的。 呃三百五十个点出四个点也偏向于认为是稳定的啊。就是说其实这种一百个点出两个点包括二十五个点出一个点,这个就是一个稳定稳定的临界状态啊。 ok 这个大家了解一下。呃其实我我们后面经常会用到这个临界状态啊,很多人对这个临界状态这个名词这样我这块就稍微啰嗦一下。 呃我们在呃做产品检验的时候我们假如说检验产品的外观我们会跟客户有一个迁样或者叫限度样本,那我想问 这个限度样本就有点类似我们这块的临界状态,这个限度样本是合格品还是不合格品的, 这是一个常识。那这是一个极限合格品,也就是说呃,临界状态呢,其实我们可以认为他是一个极限啊,就是在差和好的就是极限的状态,也就是说他是一个极限合格品啊, 就是,嗯,比这个再差一点就是不合格了。所以这块呢,他是一个稳定的临界状态,也就是呃,介于稳定和不稳定的边缘,但我们还偏向于认为他勉强稳定的一种状态,当然你说他不稳定也可以啊,就是说明你的要求比较高了啊。 好,以上呢是我们跟大家介绍的艾滋半儿的绘制啊,建议大家呢,这块可以暂停一下,然后呢把我们这几 几个练习呢做一下,就是这个设备二的数据啊,你自己练一下,然后设备二做完了,你可以把设备三自己画一下啊, x 八二, ok。

接下来我们要用 mini type 演示一下西瓜特控制图的制作过程。首先我们打开 mini type, 然后在这里输入直径, 接下来我们在下面是创建一组数据,一百二十五个,然后创建过程,点击计算,点击随机数据,点击均匀,在这里我们要生成的数据行数是一百二十五行, 然后选择在哪一列程程双击直径,那下段点,我们假设下线值是九点五,上线值是十点五, ok, 点击确定, 我们就会看到下面生成了一百二十五个数据,接下来我们点击统计,选择控制图,选 选择直组的变量控制图,选择均均值极差控制图,然后我们在这里选择直径,双击就这一列,然后直组大小我们 n 等于五,那这里,嗯,输入输入五,然后我们要注意 x 八, 而且现在是在这里我们选择检验方式,就是八种检验方式,我们选择第二个和最后一个,就常见的 判定呃,准则,我们选择检验准则,我们选定确定,选定之后确定最后 我们的,嗯,禁止截杀,控制图便出现在这里了,如果该控制图出现问题,下面会有,呃,说明哪里出现问题,然后点也会标红,好,今天就到这。

大家好,今天继续给大家分享一道六 c 跟马黑带考试的题目,这道题主要考察的是关于控制图的知识。 好,我们具体来看一下这道题。在为芯片镀膜的生产过程中,膜后是关键尺寸, 为了监控镀膜的厚度,每间隔一小时在生产线上终端抽取一片芯片, 每片芯片测量三行三列共九个固定位置处的厚度,作为一个子组的数据,希望建立有效的控制图来监 控生产过程,那么最佳选择的控制图是好。 首先我们在做控制图选择的时候,先来看一下描述产品的特性的数据类型,是可变数据还是属性数据,因为不同的数据类型 会选择不同类型的控制图。从我们这道题目描述可以看到, 产品的特性是磨后,所以说它是可变数据。那么根据数据的类型,我们那么可以先划掉 d 选项,因为 d 选项它是属性数据的控制图, abc 是可变数据的控制图。 好,那我们再来看 a 选项, a 选项是 x 八 r 控制图,也就是我们的均值极差控制图, b 选项是 x r s 控制图是均值标准差控制图。 c 选项是单值移动极差控制图,也就是我们所称的 i m r 控制图。 那么他们三个控制图不同的特点是什么呢? c 他是单值移动 极差控制图,那么他在选择数据收集的过程中,他是不会分子组的,也就是他以单个数据作为一个子组, 他不分组。所以说从我们题目可以看到,我们三行三列九个固定位置出的厚度作为一个职组,所以说 c 选项也不能选 a 和 b 选项,他们之间的区别又是怎样的呢?对于 a 选项,他的子组数 n, 我们通常取的是三到六个,也就是说我们的子组数量通常会相对会小一些。 二 b 选项均值标准差控制图,那么对于子组要求数据会更多一些啊。 所以说对于这两个控制图来讲的话,我们应用最广泛的就是 x 八 r 控制图。 对于,但是对于这道题目来看,我们这个测量数据的方式是三行三列,那么是九个数据,作为一个子组,那么子组数会更多,所以说我们这道题的正确选项是 b x 八 s 控制图。所以这道题就给大家分享到这, 谢谢大家的关注,再见!

看完这个视频你就知道什么是控制图,这期呢,先来讲讲控制图的概念和分类。控制图也叫做管制图,最早最早是由休哈特提出,是控制生产过程状态、保证工序加工产品质量的重要工具。 应用。控制图呢,可以对工序过程状态进行分析、预判、判断、监控和改进。就是像图上这样,是以单指控制图、 gx 图为例,说明一般控制图的基本模式。 控制图通常由一条中心线、上控制线和下控制线组成,中心线表示过程的平均值,而控制线则反映过程的正常波动范围。数据点在控制线内波动,说明过程在控制当中,而 数据点落在控制线之外,则意味着过程出现的特殊因素,需要进行进一步分析和处理。控制图呢,主要分为两大类, 计量控制图和计数控制图。计量控制图一般用于监控连续数据,比如说尺寸呐,重量呀,温度等等。而计数控制图呢,用于监控离散数据,像是合格与否啊,缺陷数量啊等等。以下是一些常见的计量控制图和计数控制图, 用于监控过程中连续数据的平均值和极差。适用于小样本量情况。用于监控过程中连续数据的平均值和标准差。适用于较大样本量情况。 用于监控过程中单个数据点的连续数据。适用于单个数据点的监控。 np 制图用于对不合格品数的管理。 p 控制图用于对产品不合格频率控制的场合,是通过产品的不合格频率变化来控 质量的。 c 控制图用于单件上缺线数,如柱结上的气孔、沙眼数、物品上的次点等的控制。 u 控制图用于单位面积、单位长度上缺线数的控制。 那么今天我们就先分享到这里,更多质量知识呢,请点点关注,想学习六系格码的同学呢,可以点击评论区置顶链接预约课程,我们下期再见,拜拜!

x 八 r 图,一个叫 s 八 s 图啊,计算器自动帮你计算,计算出来结果是一样的啊,结果是一样的啊。比如说,我们选择 x 八 s 图,点开 啊,图表的所有观测列在多列中啊,多列的同一侧下拉有一个菜单,点到直组的观测值位于同多列的同一行中。好,点开, 点到这个白色的部分,一闪一闪,双击啊, c 二,双击, c 三,双击, c 四, c 五, c 六, c 七,双击,他就进来了。 x 一 x 二, x 三, s s 五 x 就双击进来了。好,进来之后呢,有一个关键的地方, x 八 s 选项,点开选项,这里有一个参数,如果是我要按规定的要求去检验他,那我们就把参数写进去 啊,如果不是,我就先不写了啊。我们分析用控制图是不用写的,控制用控制图才要写啊,所以这个先不写检验 点到检验这个地方啊,这是八大原则啊,质量判疫的八大原则,请把它全部勾选啊,全部勾选, 全部勾上,跟上吗?全部勾上,确定啊,确 好,控制图他就做完了。控制图做完了怎么看哈,先看下面这张图,再看上面这张图。

控制图介绍,今晚二十点开播,一种格式可以满足三种控制图的要求,均值极差图、中位数极差图和均值标准差图。第一部分,设定符合顾客要求,适合自己公司 spc 运行所需要的控制图不受控的规则。 第二部分,输入产品基本信息,如产品特性、规格、控制线、测量仪器、控制图类型。这里还有一键自动生成数据功能。 第三部分,控制图表头由第二部分目录自动带过来,可以手工输入数据,也可以自动生成数据。 紫组样本可达二十个 均值 极差标准差中位数图表显示区 cpk ppk 自动计算 不受控点,自动判读提示 删除不受控点,但不删除原始数据。通过这里调整你想要的 cpk 和中心偏差。事件日志记录区域 控制线自动计算区、直方图、正态分布判读区。 第四部分,添加自己的良具类别。关注我,今晚二十点准时来我的直播间,关注我,学习质量之道!

这个主题台单如何进行良机的稳定性研究?稳定性测量系统其质量特性随时先保持恒定的能力。例如汽车车门的简介,在早晨、中午以及夜班是不是都保持稳定?测量了结果会不会因此有偏差? 如何获得一个良机的稳定性?在不同时间段进行测量,用控制度来分析测量系统的稳定性。很多情况下,良机的稳定性体现在夏天和冬天的差异,这时候需要长时间收集数据进行研究。使用空中图判定良机稳定性的接收准则。 好的文件件是控制图上没有出现失控信号,当控制图上出现失控信号,则可能需要对测量系统进行前面的分析。文件性分析步骤,步骤一,其一样件,并建立其可追收到相关标准的参考词。 可以利用更精密的良机获得样件的参考值。如果该样品无法取得,选择一个落在产品车辆中间的生产零件,指定其为基准样件,以进行稳定性分析。 步骤二,以一定的周级基础天周测量基准件三至五次 量数量和频率,并且于对测量系统的认知,应在不同时间段起的多次图纸,以代表测量系统的实际使用情况。这将考虑的在一天之中不同因素可能发生的变化。不做商, 将数据按时间顺序画在控制图上。步骤是建立控制线,使用控制图去分析评价是否有不收购和不稳定情况。步骤五,如果测量过程是稳定的,数据可以用于确定测量系统的偏影。步骤 六,测量的标准茶可以用作测量系统重复性的近视值。重复性可以与过程的标准差相比较,也确定测量系统的重复性是否适用于 稳定性地址。精致 r 控制图采用二十五个指数数,每次测量三次,就是用一个样件,用一个量计测量这个样件一个尺寸, 每个短时内内测三次算一组测。二十五组数字运行控制图对分析获得数字进行解释。第五点,超标必须分期其原因,同时这个了解的古年人是不可以接受的。 稳定性不好的原因可能是以下一种或多种原因,可以按照图标的要求进行参考。

大家好呃,本期跟伙伴们一起来分享六十的马丁 back 在控制阶段我们会用到的控制图,那今天重点跟大家一起来分享当值移动极差的控制图。 控制图的分类如果按数据来分的话,我们是分为两种,两大类,一种是计量型的,一种是技术型的。 计量型的跟计数型的控制图呢,它的区别在于计计量型的控制图呢,其实有点我们叫预防控制啊,那计计数型的呢,就是适合补救啊。呃,我们这两种是最大的区别,那控制图如果按用图来分的呢,我们又分为一种是 我们叫分析解析一样的控制图,还有一种是控制一样的控制图。那从解析呢,完了以后,我们要确定我们的支撑办公室 稳定的,然后再用控制图做一个预防的防控。那从大家一般还讲谁那我,呃,如果是数据丝毫是属于正态分布呢? 呃,跑过来来讲,只要你的过程呢是受控状态,你的数据肯定是正态分布。那如果说你的数据是正态分布的话,一定是过程是受控稳定的吗? 肯定是不一定啊,因为正态分布的话,你是要确定有没有在我们说控制界限之内可以说明呢过程处于稳定的状态。 那自己说正太怎么分布呢?我们,呃,在迷你态度里面,他是有一个照片的工具,就是正太检验。那检验里面,正太检验里面又分为三种啊,那我们这边就做具体的介绍,来我们举一个例子哈,来看一下我们如何 只做单子移动极差的控制啊。那当然我们收集了这些数据呢,我们首先要做分析,解析呢,看这个过程是否在受控稳定的状态, 那这个里面我们先算出我们的移动的极差,所谓的移动的极差就是第二个值,减去第一个值的差值和结对值啊,这里面大家要记住,一定是结对值,那第三个减七三点七五,减七三点十九,就是结局的是零点二六,那现在呢?三点六六呢?第四个呢?减去第三个三点七五呢? 那得出来是负的零点零九,我们要去绝对值啊。好,那这个一值呢,我们算二十四个的移动级差的值,然后我们算出来总和,然后接出来,我们算出来什么平均值呢?就是九十一点二三,除以二十五组数据,那这个呢? 移动极差的平均值呢?我们是要怎么算呢?是除以二十五组的瞬间呢?还是除以二十四组的瞬间? 对了,我们应该要处于二十四组的数据啊,能算出来是这两个字,那这一端呢,就是我们单指移动吉他控制图的,所以表来计算控制图的控制中心向,还有控制上限,还有控制的下限,那这边是 呃,单子的,这个是移动机舱,那控制土的 x, 控制土的呢?这个中心指呢? 呃,中心线呢,就是他的平均值,因为 c、 l、 e 呢?因为我们这个直组呢,是两个之间的比对,所以这就是选二,随时选一二,二点六六,一次可以推到,我们算出 l c、 l 就是管制土的,控制下 就是瓶子是减去啊,这个是重三个西德玛的一个原则啊,一二呢,也是二点六六,算出来是这样,那呢那极差的控制度呢?就是 你们可以计算出来啊,这边有一算 am, 第一是第四是七,多少?可能是两个指数是三点二六七,所以算出来是零点二八四五。 那我们一一级这个呢,把每一个点秒上去,然后把控制界线换上去,中心线换上去啊,那还有一栋 极差的也是一样的,这边我们可以看到这里面有一些 x 控制度,里面有两个异常点啊,那当然,这里面我们精彩的读图方法,从连续级的上升和下降,可能读起来有点困难,但是这个呢,还有明显就看到超出了短制的界限,那这个极差的控制度也是一样的啊, 可以看到这边有一个明显的长松短直接线,那当时我们可以知道说这个过程呢,还是不稳定啊,就是在受伤的状态啊,那我们来用一下 mini cap。 好,那我们点击同置控制图单子的边缘控制图,然后点击这个单词移动警察, 然后这个变量呢,肯定是选择这个只有一列数据,那点击这个选项呢,要指移动极差的选择,我们选择检验啊,那这里面这里面有很多种的一个判定的检验,那我们选择咨询所有的特殊原因的 检验,我给你确定看一下图形表。好,那我们把这个图形表呢,可以考完了以后,录制完了以后跟一个一个复制,包括这个这样的结果复制呢, 布置完了可以调到我们的鼻涕鼻涕以上,那我们就换个鼻涕来看,会更清晰一点。 那大家可以看到哈,我们所有看到这些网址的界限呢啊,包括判定的一个异常点, 这跟我们传统做出的结果啊,都是一样的啊,房子涉嫌零九九二七三七六啊,零八九二,然后最后面一位是可能有点有点差异,是因为四舍五入的一些问题,那你这个好处呢?大家这边可以看到,就是会比较 简单。好,然后第二个呢,他可以去自动做一些判定检验,那特别我们有连续三生到下下进的趋势,很容易看得到,还有超出这个管子界限,容易看到他在同一侧呢,脚手有延续十几个点,不是说在一个标准差之内,有延续几个 在同一个车,这个我们判断起来就会后面看起来是比较困难。好,那我们大概都知道说,呃,目前这个过程呢,他所处的状态呢?他是不受控啊,不受控状态, 那正常来讲呢,我们做控制图的废纸流程呢?如果你确定不是在稳定收工的状态下呢?我们要去找有音,然后把要用完了,要重新再做这个几十年的控制度,判定完是稳定的状态的时候呢, 这里面我们是推荐说要废纸纸翻图,那如果大家觉得大家废纸纸翻图呢,是比较翻传统的方法是比较困难的,那大家也可以用 linita 来做,那还有一种哪 vita 来做的时候,你就可以判定出来说,哎,我这个是不是符合这常态正态的一个分布, 然后我们再去确定说是不是满足我们的规格要求,你不要说我的完成这些呢,以我的规格呢?以我的产品的规格呢?赔款那肯定是不行的。 如果是这样子出现这个情况呢,我们还是要去检讨,然后重新再做,然后这个最后面才能作为后面的一个控制图。那这样把这个控制图呢,我们算个 cdk 啊,应该是越高越好啊。我们所做的控制图呢,这个逻辑呢,就是根据消耗者的三个型的那个原则啊, 至少说你按正常来讲应该能够满足标准的三个四个码,当然我们希望你的四个码,呃,是越高越好。那说明说你这个要来做控制图,第二个控制图呢,是能够起到更好的 我们所有说的一款的作用。以上呢就跟伙伴们分享到这。

大家好,又见面了。在上两个视频中,我们首先讲解了控制图的基本理论, 就是用假设检验的三 d 连接线作为上下控制线, 但由于总体位置和散布无从得知,于是使用合理紫组技术连续抽取样本作为一个抽样点, 持续的抽取就可以建立起特定统计量的控制线。 而连接总体与特定统计量位置和散步关系的就是我们第二节提到的控制图长数,包括且不限于第二、第三和 c 四。 今天开始讲控制图的应用,它分为 face 一和 face 二两个阶段。 在开始使用控制图前,制造流程的变差有源自系统原因的, 通常也会有异常原因,我们称之为失控。阶段一就是构建控制图, 目标是找到并消灭掉异常原因, 之后总体得到了进化,我们称之为受控。 在后面就是对流程进行监控,发现不良现象冒头就立即解决掉,目的呢是持续受控。嗯,听起来颇有点挽救失足青年的感觉。 啰嗦了半天,开始讲阶段一,以均值极差控制图为例, 再啰嗦一句,监控什么就叫做什么控制图。 控制图构建首先要考虑的是抽样的子组数量,这个呢,已经讨论过,只有在二十组以上控制图长数才比较靠谱。 紫组样本量我们可以以四到六个开局,假如最后建立的控制线类似这样, 各个样本点总是在两个西格玛附近晃悠,说明四到六个小样本是合理的。 如果建立的控制图像这样流程变差就比较小,也许就需要加大子组的样本量, 比如说十或者更多,然后改变控制图类型,比如说 s 控制图。 需要确定的呢,还包括抽样频率,这个是没有标准答案的, 取决于管理者对现账的判断。比如说在两次抽样之间产出,如果比较高,也许就需要加大频度, 或者呢报废成本比较高,也可以考虑加大频度,反之呢,就减少频度。 现在开始收集数据, 二十五个点,注意需要去除异常值,计算平均值和上下控制线。 我们发现有四个点超出了控制线,这呢需要调查异常的原因,如果确认之后,就可以去除这四个点, 用剩余的点重新计算控制线 前面没有超出的一个点,超出了新的控制线,我们需要再去调查原因,去除此点,再重新计算控制线也使用剩余的自主点, 如果没有点超出控制线以及异常模式的存在,继续抽样,得到二十五个点,重复前面的动作。 如果没有问题,就可以认为当前的中心线和控制线是合适的,大致的流程就是这样,也许需要几次反复。 需要提醒的是,即使中心线和控制线确定之后,后续还是可以调整的。 如果过程中有个别点无法找到异常原因,没有多大关系, 抽烟喝酒等小毛病,闭闭眼就过去了,只要后续一受控就无关紧要。 现在推倒控制线的计算。这个以前在 mac 分析时简单介绍过, 控制图呢,永远是两个图,位置和散步,这里是均值和极差。 我们介绍过,位置变差的控制线是基于组内变差,比如监控均值变差 实际上是以组内监控组间基于两者基本相等的假设,而监控极差则是名正言顺。 如果总体均值和标准偏差未知,来计算一下均值的均值与控制线 均值的均值等于总体均值,这基于大数定律。根据中心极限定律,均值的标准偏差等于总体标准偏差除以子组样本数 n 的开平方, 而极差平均值与总体标准偏差的比值等于第二。 简单带入计算均值的控制线就等于总均值加减三,除以第二与根号 n 的乘积, 再乘以极差平均值,将这个值以 a 二代替,我们就得到均值极差控制图的均值控制线。 极差控制图根据大数定律,从总体抽取 n 个样本的极差均值等于样本的极差均值。还有第三和第二长数 带入后,得到极差控制线等于极差均值加减,极差均值乘以三倍的第三除以第二。另大第四等于一, 加上三倍的第三除以第二。大第三等于一,减三倍的第三除以第二,就可以得到其他的控制性。 假如喵和西格玛与之均值的控制线得来。当然很简单, 极差也是如此。 这是一张常见的控制图长数表,在 n 小于七的时候,第一和第三抖小于零, 极差是不可能小于零的,所以即为零。至于为什么小于零,大家可以自行拿起笔计算一下。 控制图建立过程和建立之后,都需要对失控和异常进行解读, 这里有一个原则,就是如果儿童异常,就需要先解决儿童的问题, 等到 r 图正常了,再对付均值图。 通常情况下,呢阶段一处于 失控状态,这时候刚刚建立起控制图,很容易揪出毛病来,失足青年嘛,所以会十分的高效。 这时候了异常很多是以失效模式的状况出现,统计学家总结出了五种情况。 第一种异常模式,我们看到了上下翻滚,这种模式呢叫做循环, 对于均值图,循环的原因包括人、机器、环境等方面。 对于及插图循环的原因包括设备维护、工具磨损和做预言疲劳等等。 这是第二种异常模式,不良青年频繁的横穿马路。这种模式呢叫做混合, 可能的原因包括频繁调整以及不同来源输出混杂等等。 第三种异常模式是流程的水平漂移,可能的原因包括 人员、机器和方法等方面的变动。 第四种失效模式是趋势向上或者向下,原因包括机器的磨损和人员疲劳等等。 最后一种模式,看似个个乖乖宝,其实全靠大家的衬托, 学名是滚层,原因是建立控制线的时候,其他的来源蒙混了进来, 注意他与混合的区别。混合是建立控制线后发生的。 稍微总结一下对异常的解读方法,包括超出控制线 五个异常模式。异常模式通常更容易出现在阶段一, 还有八种的叛逆准则适用于任何阶段。 最后是没有假警报,后两者呢,会在下个视频介绍。 最后说一下正态性对均值极差或者 标准差控制图的影响。一些著名的统计学家做了非常深入的研究, 结论是非常的稳健,除非极度的偏斜,否则呢,不用担心。 谢谢观看,下次再见。


x 八二图,那么刚才讲的啊,第一个他最常用啊,第二个他精度还行,第三个他这个工作量他不高,好吧,所以他众多的优点啊, 众多的优点就决定了这个头的应用,好吧,相对来讲是比较广泛的啊, 相对来讲比较广泛。那么接下来看这个,这个,这个,这个,这个 s 八的这个做法,那么把的所有控制图的流程都一模一样啊,做的流程呢?首先第一步收集数据,第二步计算基本统计量啊,计算控制一线绘制图。这个什么 不愧是图完了,从叛徒,叛徒有异常的话,把异常点要,不知道吧,原因找到,把这个点批除掉,重新收集数据,好吧,那么直到他什么,直到他,直到这个图这个稳定有能力为止。好吧, 那么这是一个改善过程啊,那么这次什么呢?这次做法这个步骤咱们不再不再讲了啊,那么接下来就咱们回答,就是回答这个收集数据的问题啊,因为咱们刚才这个群里面有人有,有人说,哎,老师,这个数据收集的频率怎么定?好吧,那么 s 八二图,我们刚才讲的啊,一般的你要收集什么呢?一般的你要收集一百个数据,那这一百个数据你要么分二十五组,要么分二十组,好吧,那么咱们拿拿分二十组来说吧。好吧,那分二十组的话,就是就是每组几个? 每组要要要要有五个,呃,五个数据对吧?如果分二十场,分二十五组,每组四个,对吧?咱们就不聊这个东西了啊,那么这个其实差别不大,那么假设我每组每,假设我每天 收集一组数据,明白了,那假党这次的假设啊,那么假设每天收几个数据的话,那么收集一组数据一组几个?五个,那么大家会发现我要把这个数据收集完,其实需要什么?二十天, 那么二十天待最啊,按照劳动法规定来讲的话,你二十天基本上是一个月,对吧?基本上是一个月,那有很多人就马上提出疑问了,老师不行啊,我们公司这个产品可能搞个两三天的吧,这活就干完了, 对不对?那么如果你们两三天就把这个订单都干完了,下次订单要要要隔一段时间,再有,你偏要给我一天收集数据,那代表你有问题,对吧? 我们希望什么概念的吧?特别做碱性控制的时候,大家听清楚了啊?我们希望在换气筒之前明白了,要把这二十或者二十 组织要收集到位,换机种之前要把它收集收集到位,那么你要开始思考了,好吧,那么大家要知道啊,一般来讲,咱们做特别做四生产的时候,四生产就说 app 中四生产要做解性控制图吧,一般企业四生产是多少件呢?三百件知道吧?就人家客户不讲的话,就默认三百件,那么这个三百件你要收一百件出来,知道吧?做 sbc, 那你就要思考了,对吧?那你到底什么三百件?假设啊?假设 那个假设这个三百件,假设我什么?我两天就干完了,那两天的两天就干完了,两天是多长时间啊? 两天的话是十六小时对不对?十六小时干完了,我要在十六小时自立,我要收集什么?我要收集二十组数据,那你帮我 除一下吗?十六除以二十,他是多长时间?反过来一推的话啊,十六除以二十,大概零点八小时,对吧? 零点八小时是吧?你要你要什么?收集一组零点八小时就四十八分钟嘛,对吧?四十八分钟,这个四十八很难控制,对吧?那你就很简单,半小时收集一组数据,能理解吧?一组几个?一组五个, 这个时间间给大家知道了啊,在你换机种前做解析的时候啊,换机种之前要把这个我要做控制,用解析,用控制图的数据要全部到位,明白了,如果不到位的话,这个图没意义,知道吧?数据量太小,不具有代表性, 好吧,那么这是什么呢?这是做解析的时候这个时间点啊,怎么定?就反推,哎,我多少时间收集一一组,那么这是 第一个问题,好吧,你说每一组我时间间隔到底间隔多少?那么接下来就马上会遇到第二个问题, ok 了,老师。半小时之内要收集五个产品,对不对?那么半小时之内要收集五个产品,这五个产品怎么收集? 你说我早上什么八点半开始上班啊?八点钟开始上班的,那么大家要知道啊,如果你们家是八点钟开始上班的,你们一定要注意,注意啥呢? 八点钟刚开始上班的,那前两三个产品不要把这个数据放在控制图里面,为啥?知道吧?原因非常简单,刚一开班的时候,大家注意机器在预热,知道吧,一系列的因素,其实都是什么?都是, 都是不正常的一个状态,那么如果你把这个数据放进去,那么最后原因分析,分析下来啥?因为设备刚开机需要预热,所以它造成这个不稳定,那你有本事让他不要 不开机,不要去这呢?你做不到,知道吧?所以大家注意啊,像这种数据仿放到 atsbc 这个数据里面去,你就在给自己找字。明白了,那如果是我的话啊,那么半小时取一组数据,八点钟开始上班,我八点半算 去第一组数据,听清楚了啊?八点半第一组数据,九点钟第二组数据,能理解吧?九点半第三组数据,九点那个十点钟第四组数据,这样子去收集能力吧,我把这二十组数据把它收集到位, 那么接下来举个例子,我现在就是八点半啊,八点钟开机了,我八点半,我是做 app 的工程师,我来收集数据了,那收集 数据的话,哎,假设一小时我就生,我可以生产,是吧?半小时就我可以生产二十个产品,假设啊,半小时生产二十个,那么有些人这样子的脑子,我八点半的时候呢?我是我我我,我收集我一个数据。明白了,那么我呢?八点三十, 八点三十六分的话,我收集第二个数据,哎,八点四十二的,我收集一个数据,八点多了,那么四十八种收集个数据,哎,那个,这个到什么 等说我,我这个五个数据,我一次每间隔多少时间收集,大家听清楚了啊,那么刚才讲的这个每间隔五分钟或者六分钟收集数,这个数据数据叫定期法。明白了, 那么有有些人说我比较偷懒,老师,我不让你干的,我八点半到你这个点,到你这个生产线,他连续做了五个产, 我把它测完,我数据,数据好了我就走人了,我才不等你什么八年三十六的,对吧?都见鬼了对不对?哎,那刚才讲这种收集方法叫计时法,收集能力吧,大家听清楚了啊。那么我们其实做 spc 有两种收集数据方法,一种叫计时法,一种叫什么 定期法。计时法的话就是连续的把这个,把这个产品收集完,我中间不间隔的。明白了,连续五个产品,你说组队组五个,我连续五个收集完走人, 那么定期法意思,哎,九点在八点半到九点钟之间上,那个半小时吧,你要收集我,哎,我每隔什么?我每隔六分钟我收集一个数据。明白了,这定期法大家听清楚了啊,那么在做 spc 的时候必须采用 计时法收集数据。听清楚了啊,如果你帮我采用了定期法的话,这个控制图一 一点意义都没有,而且还会误导你,你说你不用给我建个,就是阻力的话,半小时的话,你就连续四个产品,五个产品,把这纸给我贴错,中间一个都不要。间隔。听清楚了啊,连续四个五个这种计时法,那计时法说不清楚你的好处在哪里呢?他说极小化样本内的差异, 什么意思对吧?你想连续四个产品,五个产品,人家好像是不是高度一致啊?这叫啥?这叫什么?这叫计时法。干脆啊,大家要阻力收 这数据。计时法组间就第一组跟第二组,是定期法,听清楚了啊,是定期能, 对吧?就是第一组跟第二组间隔,刚才讲了半小时,这叫定期好吧,组内的话,五个或者四个产品要连续四个,五个产品要这样子收集 这次收集的收集数据的方法,那么即使把极小化样本类的差异,极大化的什么样本间的差异,那么你说我第一组数据跟第二组数据真的得到什么?半小时能力吧? 那么这个什么极大化样品餐,那么这个时候他的好处在哪里吧?如果哪一组数据出问题了, 他告诉你是时间点,就是八点半出问题了,能理吧?如果说你这一组数据是每隔五分钟,他就告诉,哎,八点半到九点钟出现问题了,能理吧?所以定期把告诉你的是出现问题的时间段,能理吧?那很显然,对于找原因来讲的话,时间点找原因是不是简单多了? 那时间段早原因就晕了,对吧?这个老铁们明白了,这是第三个啊,第四个,即使拿取样的话啊,如果过程有变异,知道吧?他会很敏感, 所谓敏感中有变异的话,那个控制装马上给你颜色看的明白了点,就会有异常,明白了,这是最最关键的,知道吧,我们对过程要什么进行监视,过程有变异,我要知道啊,这个图要有反应,没有反应的话,这个控制就失去意义了好不好? 那么这是什么呢?第四个,他样本是其中性的,什么意思?什么其中性,知道吧,就连续四个,五个就就是这个四个,五个产品的人电话完册是高度一致,就这个意思好吧,但定期法就不一样了,那么定期法其实做讲了啊,如果你每隔五分钟,六分钟出几个数据,那么这一组的第一 这个数据跟最后一个数据都隔了半小时啊,明白了,这个其实意义不是很大,那么它极易的话,要每天跟要每天的差距有第一组数据跟第二组数据其实没什么差别。明白了,这个没意思。好吧,那么刚才讲他提供原因,什么时间段?好吧,那么他说 或许在某些特定的工序下使用,其实一般来讲都是不适用的好吧,哎,刚才有人问说,哎,一张 sbc 表上只能做一个尺寸?答对了,是的,你不可能把几个尺寸放在一张表上做的,这没有道理的。好吧, 那么他的样本难以启统,为啥?是吧?你想吧,有些企业可能败掉资料要换两次料的,对吧? 到后面这个尿都变了,你告诉我他怎么怎么齐通呢?不可能齐通,是不是老李吧。所以的话啊,做 spc 大家听听清楚了啊,组间是定期的, 阻力绝对是计时的好不好?

刚刚入门穿越金的你,是不是对非控电条、图传这些密密麻麻的连接线感到头大呢? 哈喽大家好,我是大雪糕。传染机内部有非常非常多的硬件模块,而这些乱糟糟的连接线确实让人很头疼。其实我们简单梳理一下这些模块怎么连接就变得非常简单。 此时我们要记得两个词是 rx 以及 tx。 这两个单词其实会出现在飞控电条以及图船上方,它也代表了我们飞控内部的控制信号传输方向其实非常简单, rx 代表的是 receive, 也就是接收的意思。而 tx 呢,则代表 transmit, 也就是发射的意思。所以说知道了这两个单词的意思就变得非常简单了。图传的二 x 要接收来自飞控的控制信号你 你需要通过飞控发射指令来控制图船的频点变化或功率调整,同样电条的运转信息也要反馈给飞控,这样的话才能使用双向低效的协议。同时我们还有很多双向工作的部件,比如说接收机,比如说 gbs, 比如说外接的电子罗盘等等等等, 都有 rx 和 tx, 我们连接各类设备的时候要使用 rx 一到 rx 六等等这些串口。我们连接各种部件的时候,只要分清楚信号的传递方向就没有问题了。如果在各种部件上是接收端,那么非控一定要连接发射端, 依次类推,各种部件的连接就变得非常简单了。正好今天我们来到了外场进行飞行训练,下期视频我们一起来聊一聊,到户外飞行应该携带哪些东西比较合适呢?记得点个关注,我是大雪糕,我们下期再见,拜拜。

然后就是 n p 图啊,这是不良品数啊,不良品数, 你看这是检测的数据,这是季节的数据,然后做出来图,图是这样子的啊,那么这里也是有两个点失控啊,有两个点失控, c 图啊, c 图就是主要是针对缺线数啊,缺线数 他做出来也是这样子的啊, u 图是单位切线数啊, c 图是切线数, u 图是单位切线数,那么单位切线数就会涉及到什么 我们的抽样的这个大小,所以只要涉及到我们抽样的这个样本量不一样的时候,他做 出来的这个图它是上下键,它是计时状的啊,计时状的,好吧,我们整个这个控制图,嗯,常见的控制图呢, 就是这些啊,就是这些, 我们回到刚才这个表,就主要是这些啊, 就这张表上这些,一个是均值极差工作图啊,一个是这个均值标准差,均中位值,这个极差啊,包括不合格品率、不合格品数、单位切线数啊,切线数, 一般就是这些控制图啊,就这些控制图,大家在选择的时候啊,选择的时候是有标准的啊,那么 我们在使用这个 mini table 的时候啊,他也是会提供我们的这个选择的啊,就是我们讲到的这个这个图啊,这个图 我们选择什么样的图,就主要是根据这个来的,一个是数据类型,一个是有没有分组啊,直组的大小是多少?包括我们在离散型里面,直组大小是不是一致的 啊?就是根据这些概念来的。嗯,那么整个控制图的核心内容,我们简单回顾一下,今天讲了哪些东西啊?第一块就是讲了我们整个控制图的一个原理,到底是什么啊?一个是小概率,是 另外一个呢,就是这个征服三个 c 格码,包括零点二七、百分之零点二七这么一个数 啊,大家都可以把它记一下。这是第一个就是我们控制图是基于这一个概念来的。那么第二块呢,就是我们控制图怎么判断稳定,怎么判断异常?他也是基于我们的概念学 啊,概念学里面什么呢?就是这个我们判断稳定是哎,比如说三十五个,二十五个点没有一个出去,三十五个点里面最多有一个出去 啊。然后呢我们判断异常呢,一般是用八大准则来判断啊,他也是主要就是八大准则里面其实就是两句话,第一个呢 就是我们出界了啊,第二个呢就是我们这个控制图做出来里面的点有规律, 有规律说明什么?说明我们小概率事件发生了,说明我们也有可能有异常啊,比如说我们里面讲到的这个 连续的点啊上升,连续的点下降啊,说明我们的这个值,其实他可能有一些输入要素可能发生了变化 啊。这是我们今天跟大家分享的最后一块呢,就是跟大家介绍了这个 常用的这几种控制图啊,常用的就是控制图,那么具体这些图怎么做呢?我们下一次直播的时候会给他 大家分享,就是怎么用 mini table 来做这些控制图啊,因为时代在变化啊,我们现在不可能再用这个 用笔再去计算我们这些上下界啊,计算这些概率,我们现在一般都是这个使用软件哈,或者用这个一个已经制作好的这种标准的一个手表 来来做这个控制图。接下来还有一点时间,大家可以这个提一下,有没有什么问题啊?有没有什么问题? 通过八大准则反推数据制作是没问题的。 我们八大准则呢,主要是用来判断有没有异常啊,有没有异常。那么如果说大家有数据作假的可能, 哎,也有可能可以通过八大准则判断出来啊。嗯, c m k 和 c p k c m k 主要是针对设备啊,机器这一块啊,它是 c p k 呢,主要是针对这个过程啊,主要针对过程 c p k 偏下线从哪几个方面改善?那么 c p k 如果说大家的 c p k, 比如说小于一点,三三了,或者很接近, 从哪一方面改善了?一般是我们的过程能力不足,对不对?比如说过程能力不足从哪些地方改善?主要是从我们输入要素,比如说设备的加工精度啊,这个员工的操作手法啊,员工的熟练程度啊,包括我们选择一些这个 呃新的工艺啊,比如说我们质量更好的原材料啊等等这些通过这些方式来改善。那么具体的问题要大家要这个根据具体的这个 例子来来找原因啊,指主大小不是很理解啊,指主大小不是很理解,这个指主大小的计算呢?主要是指主大小啊,是我们这个,因为我们整个数据呢, 他是这个基于正态分布,基于统计学来的啊,基于统计学来的,所以呢我们的直组大小,比如说我们这个是要计算里面要计算标准差的, 对吧?那你如果说数据量太小,那你计算出来的这个标准差,那可能是不准确的啊, 所以这个执主的大小主要就是基于什么呢?基于这个我们统计学里面的这个, 我们看一下这个 mini table 软件里面有个协助啊,这里面有个控制图,你看他要求我们的指数大小是要大于八的啊, 因为我们要计算标准差啊,如果你的数据小了,它是不准的啊,不准的。这个直组大小我们 是要设置设置的啊,就是我们在这个地方是要输入的啊,是要输入的,就是我们在做数据统计的时候,我们的这个标准差,比如说我们 控制一个量,我们每一次同,每一次抽十个样,对不对?每一次抽十个样,那我们这十个样, 我们两小时抽一次,每一次抽十个产品来测量我们的这个长度,对吧?那我们的纸组大小就是十,这个地方他是要填在填在我们的软件里面的啊,填在软件的 不分组的,一般是用那个单值移动极差啊,就是不分组,我们就是直组,就是默认为 唯一嘛。啊?不分组和分组有什么区别啊? 一般来说呢,就是这个是根据实际情况来的啊,根据实际情况来的,比如说我们实际的过程,他是分组的,那你就用分组的,如果实际的过程你没有办法分组也没有分,那你就用不用分组的。原则上来说呢, 你的数据呢?越大啊,越大,比如说你的分组越大越详细,他的这个整个肯定是越精确的。但是呢,我们 分组太多,别说我们一个组抽分组太多,别说我们一个组抽抽二十个样,对吧?抽的太多,这个时候他是会需要涉及到成本的啊,涉及到成本的, 我们抽样太多,他是成本很高的啊,他测量也是需要时间的,所以说我们原则上我们如果选择一些比较简单的控制图,够用了啊,我们整个这个特征他要求也不是特别严, 够用了就可以了。嗯,这里面主要是基于成本的考虑啊,如果说没有基于成本考虑,我们可以直接全减啊,百分之百全减,那这个时候就不需要什么呢?不需要控制图了啊。控制图它主要还是记忆,什么记忆?抽样吗?抽样之后我们用少量的数据 来预测我们的大样本,它是不是这个出现了这个变异或者失控了。如果我们从一个批次起样算 p、 p、 k, 那么直组发现就是总抽样数吗?对,如果说你是从一个批次里面, 哎,你这个问题描述的不是很清楚啊。我们的直组数,比如说我们是连续生产啊,连续生产,那么我们 假设我们从这个批次里面抽样,假设抽十个啊,抽十个,那我们的直组数就是十,那我下一个批还是抽十个啊,下下个批还是抽十个, 就这样的,这个直组就是这样来的啊。但是我们这个算合格率,比如说我们 做燃料检验的时候,我们计算合格率,它的直组大小可能是不一样的, 他指数大小为什么不一样呢?比如说我们,哎,这一次我们的这个 供应商送货是两千个,这时候我们可能抽了十个,那下一次我们可能供应商送货是五千个,我们可能抽一样是什么呢?就是二十五个,这个时候什么呢? 我们的抽样数据是直组,大小就是不一样的,所以大家才会看到我们刚才分享的这个图,他这个计算出来我们的控制界限 啊,他是这种锯齿状的啊,才会出现这种情况。二十五个啊,要确认我们的这个制造能力是否满足一点,三三 cp 至少要二十五个啊,这是据这个统计学的一个概念来的。好的,那如果没有什么其他的问题,我们今天的分享就到这里啊,谢谢大家。