这个主题谈谈什么是相见图。先了解什么是相见图。相见图是一种用于显示一组数字分布情况的统计图,因形状如相纸而得名。 相对股可以用来识别异常值。初恋人看出数据是否具有对症性,分布的散布程度特别可以用于对几个样本的比较,把多个数组织的数据同时展现出来。再了解一下上线图如何选择一组数据的, 这是所有数据的中位数,所有数据的最小值,所有数据的最大值,最大值。以中位数之间的中位数相信图目的数据中的异常值值得关注。 不加剧组里把一场值包含经济数据的计算,分析各种的结果会带来不良影响。重视一场值的出现,分析其产生的原因,然后从未发现问题, 从而改进决策的契机。相应都是为了我们提供识别异常制的一个标准。相知者的废质依靠实际数据,不需要事先假定数据,服从特定的分布形式, 没有对数据做任何的限制要求,他只是真实直观的表现数字形状。本台面貌相对于在十倍异常之方面既有一定的优越性。
粉丝8658获赞3.4万


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。

大家好,今天是二零二零年的第一次微课堂,首先呢,祝大家新年快乐,当然今天也 是明太祖从入门到精通的第六节课,主要讲的是镶嵌图和概率图。 啊,大家可以从这个屏幕上看到,明太捕第一讲的第四部分,下面有两个,一个叫镶嵌图,一个叫概率图,我把这两个图放在一起 去讲解。这节课完成后,弥泰补基本图表的第一部分就讲完了,下一节课开始讲 第二部分相关的散点图和编辑图。 ok, 让我们来开始今天的课程,镶嵌图和概率图。首先我们看一下镶嵌图的这个做法,打开,明天打开,明天 以后呢?呃,这个数据呢,跟上一节课讲的点图的数据是一样的,我就不做说明。 好,我们直接看镶嵌图的第一个做法,如果我们想看厚度的分布,我们可以用镶嵌图来展示。 怎么展示呢?在图形里面有个镶嵌图,选一个 y, 简单啊,这是一个最基本的功能, 我们把厚度选进去啊,直接确定。 ok, 呈现我们的面,呈现给我们面前的是一个厚度的镶嵌图,咱们把鼠标放在这个镶嵌图上,以后看 看这个。明天我给我们显示有个 q 一、中位数 q 三等信息,这里的 q 一指的就是第一分位数, q 三指的是第三分位数,中间这个是中位数。 也就是说镶嵌图其实也是把数据从小到大的排列,从上往下排列出来的一个分布图。所以呢,大家看起来这个图应该炒过股的人都知道, 这个图看起来很像我们的那个开线图,对吧?啊,其实有很多类似的地方,所以他可以看我们的分布,这个盒子呢越窄呢说明我们的分布呢越集中, 那我们看到最下面有个星号点,这个呢其实就是我们的一个什么界外点,也是我们的这个异常点,异常点, ok, 这是镶嵌图的第一种用法,就是看我们的这个分布的分布的,那我们看镶嵌图还有什么第二种功能 啊?比如说我们还是一样,跟上次一样,我们想看这个不同的喷嘴,喷枪对厚度的影响,我们也可以用镶嵌图的方式,这里呢我就做一一个作为演示,其他的大家下去可以练习 好图形相线图啊。我们这个时候选的必须选一个 y 含组,因为我们要看他们之间的关系。 ok, 确定好,这个是我们把图形变亮,选 y 厚度用于分组的变量,选喷嘴, 确定, ok, 呈现给我们面前的是什么?是一个镶嵌图,这个镶嵌图呢,横坐标一五十是喷嘴, 然后重坐标是厚度,这样看来一号、五号、十号喷嘴喷出来的厚度的分布各不相同。从图像 图形上可以看出,一号喷的比较薄,十号喷的比较厚,但是从标准差的角度来看的话,五号的喷嘴的喷的标准差比较小, ok, 这样的话我们可以看出来喷嘴对喷漆厚度是有明显的这个影响,那么我们看一下喷枪是不是,是不是有影响,来 ctrl e 回来啊,我们把喷嘴换成什么喷枪, 然后确定。 ok, 这个手呈现在我们面前。 这个镶嵌图呢,我们看起来一号喷枪,二号喷枪,三号喷枪喷出来的厚度的分布呢,基本上是一致的,有总裁可以得出喷枪对厚度的影响并不显著。 ok, 这是镶嵌图的第二个功能,那镶嵌图还有第三个功能,我们可以再回到上一个界面, ctrl e。 如果我们想看喷枪喷嘴 同时对厚度的影响,我也可以在用于分组的类别变量里再把喷嘴给选进去。 选完以后呢,我们确定, ok, 呈现在给给我们面前的是一号、二号、三号 是喷枪,然后每个一号里面有一号、五号、十号是喷嘴,这样的话,我们就可以看出来三个喷枪的分布基本一致,但是三个喷嘴的分布呢,有明显的差异。 ok, 这个就是我们镶嵌图的。呃,三个功能。那第二个图形就是我们今天要讲的概率图。 ok, 我们上次在基本统计学里面讲过了,该例图主要是判定数据是不是符合正态分布,那这个目的也是一样。比如说我们想看一下厚度这一列数据是不是符合正态分布, 我们可以在图形里面点概率图选单一,然后确定, 这个时候我们把厚度放进去,直接确定出来这个图叫厚度的概率图。 这个时候我们怎么看这个图呢?主要的功能跟上次讲的这个正态性检验一样,看屁值,如果屁值大于零点零五,我们就认为这组数据是符合正态分布。 ok, 那我们如果想检验两组数据分别是否符合状态分布,我们可以利用弥菜谱里面图形里面的概率图的多个选项,多个可以同时检验两组 以上数据的正态。比如说我们要检验厚度和身高这两列数据的分布是否符合正态分布?我们可以把两列数据都选进去,然后确定, 这样的话,明太卜呈现给我们的就是两个数据在一起的正态性检验,同时会出来两个批值判断的标准是一样的。 ok, 今天呢,我们主要给大家讲的是镶嵌图和概率图的迷太谱入门操作。好,谢谢大家。

好,那我们的主题的话呢,叫做相信图与离群值检验啊,这个主题的话呢,其实这个名字起的呢,嗯,跟很多朋友的想法不一样,我们这里叫离群值啊,有的朋友可能更多的倾向于叫做 异常。这几年啊,那对于相信图的话呢,我相信呢很多朋友呢应该不太陌生了。好,那下面我们来看一看我们的内容。 我们的话呢,首先第一点啊,既然是讲这个异常值或者叫离群值,那这个的话呢,我们首先啊还是要需要对这个镶嵌图啊,这一个呢, 呃,可视化的分析工具啊,来给大家做个介绍啊,尤其是相线图的构成他的,呃,这个这个边呢,他的中间线啊,尤其这个虚出线,以及最重要的就是相线图当中这个信号点啊,这是我们今天要给大家着重介绍的内容,然后的话呢就是关于 非常的检验他的一些方法,那这些方法的话呢,其实我们是参考了这个国标啊,好,这是我们大概的内容,这个复录的话呢,我们这一次没讲到啊,这个没有时间那么讲。好,那我们首先啊 打开一个相信图给大家看一看,比如说大家看一看这么一个图形啊,这个图的话呢,是我在上格之前啊,我这边呢随机生成的啊,这个是通过仿真模拟啊,生成了这个一百, 哎,一万行数据啊,一万行数据,这我随机生成的,然后的话呢,我基于这个随机生成的一万行数据的话呢,这边呢,我画了一个这么一个相线图, 那么大家可以看到在这个相机组当中,他有很多的,你可以理解为叫我们叫信号点,但是很多朋友可能把它倾向于叫所谓的异常值,那这个信号点是不是异常值这个问题呢?我们等一下再来解决, 我们首先来思考一下啊,对于这个信号上线图当中有这么多这个信号点,我们可以回想一下大家平常在做数据分析的过程当中,对于这些信号点的数据啊,大家平常一般是怎么进行处理的 啊?大家可以思考一下,有很多会的话呢,可能的想法,他可能是把这些信号点当做异常值,然后把它删掉,那如果你想把它删掉的话呢,其实在这个图形编辑的过程当中的话呢,有一个很好的办法,如果你想删啊,方法很简单,怎么删呢?比如说 你可以用这边的我们叫其实这笔这个工具啊,应该应该叫什么呢?这个笔刷,比如说你右击这边有个叫笔刷,其实这跟这个名字有点不一样,但是他的工具呢都叫笔刷,应该都叫笔刷,你可以把这些信号点 把它刷中啊,把它刷中,比如说我们刷中这一块的这些信号点,那有的朋友,如果啊,你真的想说我想把这些所谓的信号点把它当做异常,直接把它删掉啊,如果你想这么做呢,其实有办法很简单啊,很简单,怎么做呢?你可以用鼠标啊, 右击这个图形,选择笔刷,然后呢按住笔刷播放,把这些所谓的信号点,你把它刷中,刷中以后呢,你可以看到啊,这些所谓的信号点的数据,它其实处在我的这 ce 列当中,哪些行啊?他会在你的右上角把这边的可以看看到啊,比如说第六十六行是一个信号点数据,第一百九十二行也是一个,第三百零七行也是一个信号点的数据,那这些被刷行其实就是你们可能是我们很多朋友啊 认为的异常值,那一般大家可都很多朋友处理的策略的话呢,就想把这些新号里的数据,把它啊把它删掉。那其实这个呢,如果你真的这么做啊,我们可以教个那种办法, 刷中以后直接点击这里的数据菜单,这边呢有个叫子集化子集,子集,什么叫子集呢?我们来看一下啊, 那么我们来构成一个新的子集,怎么构成呢?这边的话呢,有很多的创建子集的方法,比如说我们在这个相信图章的话呢,我们因为已经把这些所谓的信号点的数据已经被 刷显重的,这个严格上来讲不要,应该不是说使用图形当中已刷新的行,严格上来讲这个翻译的话呢,应该把它翻译为使用图形当中已被刷的行,然后你可以排除这些被刷 行,其实排除这些被消防,其实就是排除你选中的这些信号点,对不对?好,然后我们来创建一张新的表,点击确定好,我们回到我们的数据当中,那么这样的话呢,你可以创建一个新的子籍 工作表,那这些工作表的话呢,已经把刚刚上面这一块的信号点的数据啊,你把它删掉了。好,那么这样我们再来一次相信图, 好,我们再对这里的新的子籍工作表来画一个详细图啊,你可以看到呢,这边呢还是有信号点,然后我们可能的策略可能再来, 再来,然后呢再再次利用所谓的创建子极化的方法再筛,再来,哎,这样的话你又可以形成一张新的子极化的工作表,然后呢有可能又用相关 办法重复的去执行。好,那么问题就来了啊,首先大家可以思考一下,我用这种方法一直执行下去,然后呢直到把所有的这些所谓的信号点把它删掉为止, 然后再进行后续的所谓的一些其他的分析,比如说所谓的 spc 或者什么假设检验,或者说一些什么其他的一些回归建模等等等等啊,不管你后面采用什么方法针对这些剩下的数据做分析,那么大家首先思考一下啊, 用这方法,用这种方法来把这些信号点的数据全部把它删掉,然后执行后面的分析,这个方法靠不靠谱呢?或者说可不可能会存在一些风险呢? 但他肯定是有风险的,对不对?我这里数据还是比较多的啊,我一开始生成的是一万行吗?你这种方 画三的话呢,你可能啊三列的数据量可能保留下来了,你看一下,我进行了两次整计划工作表处理以后呢,我们剩下的样板数据还是比较多的,还有九万啊,九千九百二十八个数据, 但是呢,如果你九十万,可能你一直执行下去,那你后面能够用来做分析的数据啊,可能往往没那么多 啊,比如说你的数据的利用率啊,可能会越来越少,越来越少,而且你不要忘了,我这里还只有一个 y, 如果你是在做建模的时候,你有多个 y 啊?那么只要有一个 y, 比如说这里有 y 一,这里还有一个 y 二,还有 y 三啊,当然应该上不叫 y 吧,应该叫 x 吧,有 x 一, 你后面还有 x x 三,那当你把 x 一当中有异常值的数据把它删掉,那么你在建模的时候,其实应该不删的,不光删的是 x 一,这一键应该是 x 一对应的这个异常值的整行,那么 x 二 x 三, x 剩下的 x, 它的对应的对应的行数的这个值啊,也会被删掉。那么如果你是在做建模的话呢,你就会发现他删出来是整行,那这样的话呢,你的数据的利用率会进一步的下降, 对不对?所以说通过这种方法的话呢,可不可以做?可以啊,帮你来做些探索的啊,做一些数据的探索,但是严格上来讲,你用这种方法来处理数据啊,是行不通的,那这个问题出在哪里呢?其实这个问题啊,一个是出在 你的数据本身,为什么有这么多的信号点呢啊?比如说你看这个数据为什么这么信号点,其实本质的原因还是你的样本量太多了,那你这么多的样本量,你到底用来干嘛呢啊? 我们很多时候,很多客户朋友直接把这么多亮的数据直接扔进去,就画所谓的控制图,那这个其实本身逻辑错了,那我们说任何的工具他都有前提,然后呢?任何的 这个方法呀,他的应用啊,他的取样都要应该有规划。你直接比如说你拿一年的数据直接扔进去做分析,这个数据啊,比如说你画空控制图,那他能真实的反映你的过程的变异吗?对吧?你能把这些所谓的异常的变异,把它区别区区别开吗?这个是很难的, 很难的,但,但是呢,如果你这些数据啊,很多,比如说你有一万行数据,你来干嘛?你来做建模,我们在上一节课啊,上一节课我们跟大家分享过关于这个 cut 和这个 random forest 啊,这几大种啊,这个大数据建模的方法。那么如果你是 用这种大数据建模的方法的话呢,其实你的数据当中有这些所谓的什么信号点数据,甚至是有缺失的数据,其实呢在大数据建模当中,其实都不用担心啊,这个建模的方法呢,他会自动帮你做一些后台的处理,但是如果你数据当中本身就有一些啊,这些, 比如说有异常值啊,或者有缺失值啊,然后你用传统的回归建模,我们上节课也给大家说过,传统回归建模对于这些有 不干净的数据啊,你来做建模的话呢,他有很多的挑战啊,这个我们在上节课呢,也给他做很多的分享,所以说啊, 有些数据针对大数据建模,其实你不用担心,但是呢,关键是我们如果有小样的数据,我们仍然会出现这种有信号点或者所谓的异常,这个存在,我们该怎么进 处理,该不该删掉,怎么删掉啊?那就是我们今天啊要跟他分享的主题。好,那我们还是回到我们这个主题当中来啊,好,那么要想还是要想 要不要删这些异常值啊?还是我们首先啊要对这个所谓的信号点,他怎么构成的啊?我们要给大家做一个说明,但是呢你要把这个信号点怎么构成的,你要想弄明白呢,我们首先要对相信图他的基本概念做个了解, 之前的话呢,我们给大家讲一个案例啊,这个案例的话呢,是我们那个客户啊,他问了一个奇怪的一个相近图,那么大家来看一看这个相近图啊,很奇怪 啊,哪里奇怪呢?你会发现我们平常所谓的相信图啊,他有相体,然后呢有虚数线,但是这个虚数线我们一般的虚数线认为是他是往外拓展的,但是他这个客户呢,他提供的这 相信图啊,他的这个虚数线上虚数线他是往里面,往里面插入里面的,确实一个很奇怪的相信图,那我们首先啊对这个相信图来给他做一个简单的介绍,最重要的就是这里的虚数线以及信号点到底怎么形成, 那我们要想去了解啊,这里的相线图当中的信号点怎么形成的,我们首先呢需要去了解一些这个概念, 当然这些概念的话呢,需要大家对基础统计学有一个简单的了解,尤其像所谓的这里的 q 一啊, q 三, 这零点二五分位数,零点七五分位数以及中位数啊,就是零点五分位数啊,这三个概念的话呢,有一个初步的了解,我相信啊,绝大多数朋友呢对这些概念还是有一定了解,比如说所谓的中位数,就是零点五分 分位数,就是在这种数据当中,有百分之五十的数据比较小,有百分之五十的数据比较大,那这里的所谓的第一分位数 q 一呢,我们称之为零点二五分位数,也说百分之二十五的数据比较小,百分之七十五的数据比较大。另外呢, q 三啊,就是零点四啊啊,这个零点七五分位数,有百分之七十五的数据比较小,有百分之 二十五的数据比较大啊,这里呢有三个概念啊, q 一、 q 三以及零点五分位数就是中位数。好,那么有了这些基本的概念以后呢,那下面的话呢,我们来看一看相线图的构成。首先任何的相线图,它首先有一个相体, 然后乡里的话呢,中间还有一条线,就是这个中间的这条线呢,是他不是平均值啊,他是中位数线啊,中位数对应的线啊,然后呢还有对应的上下虚数线,那这个象限图的话呢,他的构成其实就利用到了我 我们刚讲到的这些所谓的分位数的概念。首先每一个相信图箱体的下边沿,对应的其实就是 q 一,叫第一生位数啊,那上边呢,其实对应的是 q 三啊,第三生位数中间这是中位数,然后的话呢,这个箱体的高度呢,其实就是 q 三减 q 一,那我们叫 icorent, 叫四分为间距, 那 q 三呢,叫零点七五分位数, q 一叫零点二五分位数, q 三减 q 一的话,就零点七五减零点二五。所以说每一个箱体啊,其实它都包含了我们对应组当中百分之五十的变异 啊,也就是说这个变异的话呢,其实就是我们所谓的四分位间距,所以说四分位间距啊,它包含了百分之五十的变音。那如果你把多个箱体把它放在一起,你可以直接去比较相 的高度啊,可以来判断来自于哪个组的变音啊,看起来要大一些。然后最重要的话就是这里的上虚度线和下虚度线, 为什么我们刚刚的这个客户提供的这个镶线图的报告当中有这么一个向下的虚度线呢?这个是怎么构成的呢?那么这个信号点, 你看刚刚那个那个那个上下的这个相信图当中还有信号点,那个信号点又怎么来的呢?这个信号点是不是异常值,该不该删呢?好,那下面的话呢,我们首先来看一看这个虚数线啊,他到底延伸到多长啊?为什么有时候他是往往上面凸,有的是往里面插入的啊?我们来看一下, 我们要想去了解这个相信图啊,他为什么会出现那么一个奇怪的相信图,我们首先啊把这个客户的数据拿到了,这客户的数据其实很简单,就六个数啊,那我们在基于这个六个数的话 话呢,我们首先啊把刚刚提到的这些所谓的啊,这个啊,比如 q 一啊, q 三啊,中位数啊,四分位间距啊,最大值最小值啊,我这边的话呢,通过密码键啊,很快呢就能够把它啊做出来啊啊,算下来结果的话呢,我已经把它放在对应的这个表当中了。 好,那么下面的话呢,我们基于这些数据的样本量数据啊,我们以及计算出来这些常用的样本统计量。那么呢这边我们首先来计算两个值,一个值啊,第一个值呢,我们叫做六一点一点五倍的向力高度 啊, q 一减去一点五倍的向力高度,那这样算出来的结果呢?是多少呢?是负的二点七六五二,然后呢我们再用 q 三加上一点五倍的向力高度算着这个值的话呢,叫做七点九三七五。 好,这边的话呢,首先大家了解一下,我们首先基于这个六个样本数据,我们计算出来了一些样本统计量, q 一中位数, q 三相比高度啊,以及这个最小值,最大值和这个四分位间距,那就相比高度了。 然后呢,我们记介词的话呢,又算出来两个值,哎,一个是负的二点七六二五,一个呢是七点九三七五。 好,那么基于算出来这两个值,我们就可以帮大家判断,在相机组当中什么时候会出现相信号点,什么时候不会出现信号点,那这个信号点怎么来的呢?首先我们来看一看啊,这个虚度线为什么是往点面插的 啊?这个相信这个需求线为什么是往里面插的啊?我们来看一下。好,我们把这些计算出来,结果啊,这边呢,我通过添加参考语的方式, 直接添加到了我们这个相信图当中来了。好,那么有了这个图以后呢,下面我们来看一看这些虚的线,为什么啊?为什么延伸到这里面来了?然后呢为什么下去的线延伸到这里, 尤其是这个上学的线为什么是往里面插的?那这样的话呢,我们就能够大概通过这个图呢就能看懂了。好,我们来看一看。首先我们来看一看啊,我们再来看一下上学的线以及这个信号点是怎么构成的, 我们来看一下这边的话呢,我们这个信号点的构成呢,可能跟绝大多数朋友的理解不一样,我们很多朋友认为这个信号点的形成是因为他超过了七点 九三七五,所以说会有信号点的形成,这句话的理解是错误的啊,和朋友说,因为我们 数据当中有大于 q 三加上一点五倍相提高度的值,所以说会出现信号点有小于 q 一减去一点五相一点五倍相提高度的值,所以就会出现信号点,这个理解是错的啊, 一定要注意啊,这个理解是错的,那真正的信号链的形成怎么形成呢?我们先来看一下上上面这些上这个信号链的形成,那么我们首先来看一看这个上虚度线他会延伸到哪里?为什么延伸到这里呢?首先我们来看看, 如果啊,如果最大值比我们刚刚求出来的这个九点 啊,七点九四要小,那上虚度线呢?它会延伸到最大值,那在我们这个数据当中最大值是八点五,那你看一下 我们这里计算出来 q 三加上一点五倍的相对高度是七点九四,他要比最大值比他小吗?不是吧,最大值是八点五,最大值比他大,所以说这个条件不满足。好,我们再来看一下第二条, 如果最大值比他大,那最大值八点五是不是比七点九四要大,对不对?好,我们满足是这一条。好,如果最大值比他大,那么上虚度线会延伸到哪里呢?上虚度线会延伸到比七点九四小的 最大值,那比七点九四小 比,在六个数据当中比七点九是小的当中,首先首先比他小啊, 所以说八点五就排出来比他小,比七点九、三七五,小的当中的最大值是谁呢?二点四,那这时候的话呢,我们的上虚度线就会延伸到二点四,二点四在哪里呢?再看二点四在哪里?二点四在这里, 二点四在这里,所以说上虚度线它会延伸到二点四,所以说这时候你会发现很奇怪,这个上虚度线啊,它不是往往底面缩的,它是往底面 往这个,哎,他不是往外面啊,扩展,他是往底面缩,缩到这里来,缩到哪里呢?缩到二点四了,所以你会发现一个很奇怪的一个象限图就是这么来的,那这里的话呢,最大值八点五呢啊,他就用信号表示,最大值用 星号表示啊,所这里的星号其实对应的就是最大值八点五,好吧,好,我们再看一下下虚数线延伸到哪里? 下轴线延伸哪里?首先如果最小值,这里的最小值啊,我们来看一下,这里的最小值是一点一,对不对?好,那如果最小值要比 q 一减去一点五倍的限流高率要小。小吗? 小不小? q 最小的是一点五,这个 q 一减去一点五倍的,相对高的是负的二点七五 会不会比较小?不会比较小,对不对?所以说我们仍然走的是第二条啊,如果比较小啊,那么虚度线的话呢,将延伸到比 q 一减去一点五倍,相连高度大的这个值当中最小的那一个位置。这两句话有点闹人啊, 这两句话大家理解一下啊,这两句话大家理解一下啊。好,所以这里呢是不满足的,我们这里最小值要比 负的二点七六要大,那么序数线的话呢,他将会延伸到最小值为主,到最小值是一点一,所以说下序数线他会延伸哪里呢?如果发现很短,他会延伸到一点一啊,一点一就结束了。 好,那这里有没有信号点呢?这个呢?下边就没有信号点,所以说我们在这个相机图当中的讲解的话呢,我们给大家理解了一下相线图的构成,以及虚数线它向外延伸的长度,到底延伸到哪里,以及什么时候会出现信号点。 好,这是关于相线图当中这些点啊,它的一些构成以及这些线的构成。好,下面的话呢, 我们关键再来理解一下,在我们这个相机图当中有一个八点五这么一个星号点。好,那么这个星号点是不是异常值要不要删?什么时候可以删,什么时候不能删? 好,那这边的话呢,我们下面呢就着重对这个信号点的数据啊,来给大家来做一个所谓的异常值检验啊,做一个异常值检验。

呃我们这一讲的内容基本上也就是这些内容了。 最后有一个总结啊,这个总结非常重要啊,这是我给你们的总结啊,你可以把这一页截屏一下。 呃,也就是说修哈特控制图,我们这次讲的叫修哈特控制图啊。呃,其实这是英文的直译方法 sharewellcomet。 我,我们国内翻译过来就叫常规控制图啊。 呃,我们的国家标准呢是标准化翻译呢,把 sheldacottat 呢翻译为常规控制图啊。但是我们还是习惯叫修图或者叫修哈特控制图。修图呢,它从数据类型上呢分为计量和计数。那计量呢?我的括号里面写了一个 要基于正太啊。呃,计数呢又分为计件和计点。计件呢就是基于二项分布来绘图,计点呢是利用坡松分布来绘图啊。哦,不好意思, 好,那这个计量型的呢,我们又分为,当 n 等于一的时候,我们做 i 杠 m r n 等于二到八的时候, x 八 r 或者 x 八 s 都可以,而 n 超过八大概等于九,要做 x 八 s。 对于计件的,哎,分为 n 恒定和 n 变化。同样对于 g 点的也分为这两个,如果 n 是恒定的, p 或者 n p 呢都可以,而如果 n 是变化的,那就要做 p 控制图。同样的,如果 n 是恒定的,那就是优 图和 c 图都可以,而对 n 是变化的就要做优图。大家只要记住优图是监控的,是 dpu, 所以它的英文叫单位产品。缺点是控制图 ok? 呃,这里有一个练习,大家来自己做一下啊。呃,这个是?嗯,长度啊, 重量,自组大小,然后他要选用什么控制图啊?自己做一下啊。呃下节课呢我们来对一下这个答案。好吧,这个比较简单了啊, 这边呢有一些控制图的计算公式啊。呃关于这个计算公式呢就是,呃我课程中不讲啊。这个呃大家呢,呃也不需要记啊呃因为现在有软件呢都可以绘制出来啊。呃我这边 呢稍微说一下,说不讲又要讲了,还是跟你们讲一下这个部分啊,当然我介绍的比较简单。呃我就以这个 x 半 r 的这个控制图为例子来跟你们讲一下其他的都类似。这边呢是 x 半 r 的控制图的公式啊,上下线和中心线的公式。 ok 我们来介绍一下。这样为了介绍这个鬼玩意呢,我们用一组数据,我们就用 x 八二,就用这组数据啊,我用 mini tab 来讲, ok 呃我这边呢求出 x 八这边呢求出他的 r 啊,那我们把这五个数据的平均值算了,放这里标呃吉他算了,放这里啊 呃你可以点计算计算器来写公式当然其实这块完全没必要,我可以用行统计量,我愿意的话也可以跟我操作啊。计算行统计量,然后呢点出他的均值,那输入的变量呢?是 x 一到 x 五,那结果存储再放到 c 七 x 八,然后我们点确定好均值就算出来了。 ctrl 加字母 e, 点它的极差,然后这块放到 c 八 啊,点确定好放过来了啊,那这样的话我们把这一列 c 七 x 八,我再给他这一列求平均值,那我就不再算了啊,就是把这一列的 x 八再算平均值就是 x 突 八, x 图八九 x 头顶上两个横杠,那把 c 八列这二十个 r 求平均值就是 r 八。好,我们来看我们的公式, 公式里面的 x two 霸和 r 霸就算出来了,那控制上限和控制下限怎么算呢?这里有一个 x 突霸加 a 二乘以 r 霸,这个是 x 突霸减 a 二乘以 r 霸,那关键是 a 二这边还有 d 三 d 四啊,那这个怎么出来呢 啊?我们这一页呢,大家自己可以截屏一下啊。呃,就是我们的控制图的长数 啊。呃,关于呃这个东西呢,我也给大家放到我们的数据包里面啊。呃,大家愿意的话也可以打开它啊。好,我们来查一下这个 a 二啊, a 二, 呃,我们这个案例呢,小 n 呢是等于五的啊,小 n 等于五, a 二呢,查出来是零点五七七啊。 ok, 那我们查一下第三第三他杠掉了,我们就可以认为这个杠掉呢,你就认为是零就可以啊,零,那第四呢是二点幺幺四。好,我们就可以代入到这块的公式,刚刚 x 八有了 a 二 第三第四都可以查表求得,也就是说他的这些数据呢,是跟小恩有关的统计量 啊,就可以查出来,然后呢我们就可以来算出来。好吧,那以上呢就是我们跟大家介绍的这块啊,另外呢就是说,呃,我记得是在 上节课程内容啊,在之前的课程内容里面呢,我们跟大家介绍过这块呢,有一个,呃,就是过程能力的时候的 c 个码的算法,它这里呢是阿坝处于第二 s 八除以 c 四,那这个第二和 c 四也是一样查表求得的啊,那这个第二和 c 四呢,也是查我们刚刚的那个表 啊,也就是这张表啊,他的这个这里也有 d 二和 c 四,比如说我们查一下 n 等于五的 d 二和 c 四啊,就在这里, 嗯, ok, 如果你是挨杠挨码,我们默认是两两做其差的话,你就要查 n 等于二的啊, n 等于二,因为不存在 n 等于一啊,如果你 n 等一就是两两做齐查,你就查 n 等于二的就可以了, ok, 以上呢是我们跟大家介绍的控制图的长数啊,这个指导一下,嗯,这个是投出平的。 好,我们最后呢把第三啊,啊,最后我们这块也说一下,就是,呃计量型和技术型的控制图呢,一般来说呢,就是,呃,我们更主张大家使用呃,尽可能的去使用计量型的控制图来做啊。 如果说,譬如说,呃我的一个产品呢?呃现场呢?测量呢?我既有用通知规测的数据,也有用有标卡尺测的数据啊,比如说我, 我的通知规呢是全检啊,判断他合格不合格,那,呃有标开始呢,是间隔两小时抽取连续的五千啊,或者怎么样?那这个时候呢,呃,两种控制度都能做啊,但是我们更主张大家呢去看这个计量性的控制度, 但是这块我们写了他的一些优缺点啊,呃,因为计量型控制图呢,他的这个 呃测量呢,他会慢一些,比如说我油标卡只测一个产品的外镜,和我通知归测一个产品的外镜, 这个时候呢,如果我们,呃只是判断他合格不合格,其实通知会测的会更快,如果说你的所有的数据,每一个产品都要测的话,那这个时候呢,你来不及啊,所以呢,呃,这就是他的主要的优缺点。 呃这块呢有一个链接有一个讨论题目啊,这个呢就你们自己下去讨论讨论就是根据你们公司的呃 qc 工程表或者是控制计划 cp 啊,不同的企业的用的不一样啊,一般来说用的 cp 会更多一些。控制计划啊,然后讨论呢。呃 哎你们工厂有哪些控制点呢,需要做控制图以及你们目前呢使用了哪一张啊?如果贵公司目前还没有呃现场没有控制图这一项呢也就没法讨论了啊。主要就是你们工厂呢目前做了哪些控制图 好最后呢我们简单做一个总结啊。呃这一讲呢就介绍了控制图的概数的部分,其实就介绍了控制图的一个行程七里,就是利用正态分布正负三 c 的脉来制定他的 控制上线、中心线和控制下线啊。呃那就是控制图的绘制呢,我们有一张总结图啊,我快速给你翻一下,就在附近啊,就这张。这个大家要知道一下。 好自己把那个复习一下那。呃啊就是绘制啊以及控制图的分类和选择啊。我们最后还布置了一个练习题目啊,这个练习题目大家记一下就是这一页啊。对对这一页的啊。呃讲一二十五页。 呃这个大家可以截屏一下。那除此之外呢我们也布置一下数据练习啊。呃这个练习题一呢我就不解释了哈。这个图层啊,他有一卷啊呃一个图层呢,测了三个就是呃这个是一个什么东西? 是一个呃一卷一卷的钢呃钢卷这里面呢他会在上面涂一层东西啊。然后呢我们来看一下他这个图层的厚度啊。 ok, 每一个,每一卷上取三个位置,可能是这个卷的刚开始和中间和最后啊,就是一卷上找三个测量位置。 呃,这个呢是连续生产五十件产品,测量产品的外径啊,这块规格写在这里,它的规格是小于等于六十啊,刚刚这个规格是五十,正范啊,这个我们讲一下,这个上面都有规格啊, 那练习三呢?是我们对于不良品啊。呃,每次呢抽二十个产品,我们看他不良品有多少个啊?第四个数据呢是。 呃,每次抽一件产品,这是产品的序号啊,间隔一定时间抽一件,我们看这个产品上有多少个气泡啊? ok, 假如说是生产的是玻璃啊,看一个玻璃上有多少个气泡,或者是其他。这个我也不不太清楚这个什么产品了,反正一次抽一件啊,看这个产品上有多少个气泡啊。那这里有四个数据,那请大家绘制一下控制图啊。 好,以上就是本节课程的内容啊,那我们下节课程再见。

那么在做完操作之后啊,你的数据也好,将来可能输出的一些啊,结果也好,或者是将来输出的一些图形也好,我们都可以进行保存,大家看一下在文件下边啊,文件下边 有保存项目啊,或者是将项目定存为,或者是将工作表定存为。如果说你只是为了保存这个数据表格,我们可以选择将工作表定存为 啊,大家可以看一下工作表定存尾,他会存成这种类型啊,也就是 mitaba 数据类型数据表的一些类型。另外呢,大家可以下拉下面看一下,他也可以存成一个赛欧表格的类型,以及 一些文本的类型啊,这个你可以自己选,如果只是为了保存这个工作表的话啊,他有这么多类型可以选,我们这里呢,先不保存, 或者是啊,我们在保存的时候可以选择保存项目啊,或者是将项目另存为啊,都是一样的。 这个项目是什么意思?我们在保存的时候,如果为了保存所有的操作所有的结果的话,推荐大家选择保存项目,当你下一次再打开这个项目的时候,你之前做的所有的啊,图形啊,所有的输出的结果,他都是会有的 啊,他他他都是会有的啊,比如说我们保存项目,大家可以看一下啊,明太门默认的保存项目的类型啊,就是这种类型,然后你也可以看一下他下拉啊,他就是这种类型,所以呢,在具体的操作完之后啊,推荐大家保存项目,他可以 把所有的这个输出结果都保存起来,这里我们先不操作啊,这是呃,第一个简单的一个数据的一个操作 啊,接下来呢,今天我们还要给大家介绍一下这个图形工具啊,图形工具 在这个图形里边啊,这里列了非常多的这个图形工具,我们先看一个简单的一个啊,叫做纸方图啊,纸方图,纸方图就是用条形来显示一些数据的频率啊,我们可以通过纸方图看一下他的这个 分布的情况是什么样子的啊,他的主要的集中的平均值大概是在什么地方啊?就是这样一个图形, ok, 文件打开啊,我之前自己存的一些数据啊,比如说直放图这个数据啊,大家看这是啊,我们存的这个数据在这个 数据里边啊,是显示了顾客等候的时间,一共显示了四十个数据啊,就是这么一个简单的一个数据文件,如果要对这个数据进行一个分析啊,大家可以有很多的这个基本的统计的分析的这个工具。我们在这里呢,先给大家演示一下这个指风图啊,点击图形 不行,下边选择纸方图啊,纸方图右下角会告诉你啊,怎么怎么样去用,我们点击进去, 大家看一下,在这个窗口里面会有简单的会有包含礼盒的,你可以通过这个呃呃,图形来看出来它有一些什么区别啊,比如说简单的图形就是一个变量的一个脂肪毒, 比如说这个啊,当你鼠标停留的时候,他就会显示啊,这是什么意思?一个变量的脂肪桶包含分布,礼盒,这个是含组的,这个是包含礼盒和组的,我们这个数据最简单啊,就 画一个最简单的指方的,所以选择第一个啊,不用选择第二个,选择第一个啊就可以了,点击确定进去, 大家看进来之后又是这样的一个窗口,对不对啊?基本上你每一步操作的时候都会出现类似的一个窗口,他会让你选择一些变量啊,选择一些输入设置,还有类似像啊,尺度标签,数据啊,图形啊这些选项等等 啊,所以大家每一个都可以点进去之后啊,做一些简单的设置,比如说在这个里边你可以设置这个刻度,设置网格线,参考线等等啊,如果你不设置的话,他就是默认的 一些设置,比如说标签里边啊,我们可以选标题或标题等等,都可以选啊,简单的打开来看一下,数据师图里边你可以选啊等等这些都可以选,我们在这里呢只会着一个最简 的一个直方图,图形变亮,大家看鼠标进来之后,你可以输入 c 一或者是我们左侧双击过来啊,选择过后等候时间,然后呢给他绘制一个简单的直方图,点击确定, ok, 点击确定之后,大家看这个图形是输出在哪里呢?就是输出在刚才我们说的那个绘画框里边啊,右下角,大家看点这个图标的时候,可以紧输出这个绘画框啊,这样的话我们可以啊明确的啊,看到这个图形是什么样子的, 所以大家看这是这个图形啊,所以呃这个图形呢,也可以进行很多的这个操作啊,在这里我们简单给大家提示一下,比如说你右键 右键,大家看一下会有一个有一项叫做编辑图形啊,编辑图形,也就是说在这个,呃,民意态度里边, 当你对得到这个图形之后,我们可以对他进行一些编辑,比如说他背景的颜色是什么,比如说这些条形的颜色是什么啊?比如说你是要用这个网格形还是要用以色的啊?他都是可以进行这个编辑的啊。 再比如说在这个明太本图形里边,你比如说我鼠标停留在这个地方的时候,他会给你显示值是多少,区间是多少啊,都会有这样的一些显示。 ok, 我们这里进行一个简单的一个操作啊, 比如说编辑图形,大家可以看一下啊,有很多可以选的,你可以进行这个啊,简单的一些操作啊,在这里呢,我们比如说增加项目啊,增加一个角度好了。角度是什么?就是比如,呃, 比如说这是我的第一张图, ok, 你点击确定, 那么大家看一下,这里啊,就增加了一个角度,所以他这个 mitaph 软件提供了很多的这个图形编辑的这个功能啊,这是一个大家如果对于这个已得到的图形你不太满意,你可以重新操作设置一下,你也可以呢,在这个图形上直接进行编辑 啊,就可以。这是啊,这个简单的一个操作。另外呢, metabo 啊,最近几个版本它增增加了一个功能啊,我们鼠标点击右键,在这个图形上点击右键,它增加了像发送到 word、 发送到 powerpoint 啊等等这些功能。比如说你点击发送到 word, ok, 大家看他会自动打开一个卧的文档,然后会把这个图形发送到卧的里边啊,所以他是非常方便 保存,也非常方便操作的,同样的道理,你也可以发送到 ppt 里边啊,你也可以发送到 ppt 里边啊,然后大家看,刚才我已经打开了一个 ppt, 所以呢,他在这个 ppt 里边就把这个图形给发送过来了啊,保存起,保存起来是非常方便的,这是这个。 另外呢,大家看一下,我们说这个窗口是有一二三个窗口,如果你想看一下这个图表所对应的数据呢?我们还是点右下角,大家看这个同时显示数据和输出,那么就可以看到刚才的这个数据啊,在这个数据呃数据的这个名字上面,我们点击右键 啊,点击右键,大家可以看有这个工作表说明啊,比如说打开看一下啊,你可以说一下这个工作表是什么用的啊?比如说创建者是谁,日期是谁,注视是什么? 比如说这是一个横幅的一个啊, sorry, 这是一个直方图的一个数据啊,等等,你可以做这样的一个简单的这个普通的一个说明。另外呢,大家看一下直方图啊,在这里直方图我右键点击啊工作表信息, 大家看一下,在这个绘画框里边,他就会给你显示你的这个数据表格啊,我们看一下,这里显示烈士 ce 列啊,我的名称是顾客等候的时间,我技术是多少?就是有四十个数据啊,他会在这里有一个显示,所以大家看一下, 在这个呃界面里边啊,这是跟一八版本不太一样的地方,左侧是导航器,刚才我们先绘制了一张纸方图,所以当你点击的时候,你可以看到这里有纸方图,然后我们刚才看了一下工作表的信息啊,所以他会显示工作表 信息,所以基本上就是导航器这个绘画框和数据表啊,这就是他主主要的这三个界面啊,所以大家可以灵活的啊,去操作一下,其实也是很简单,但是也是很方便的啊,这是纸方图, 接下来我们在绘制另外一个图形,叫镶嵌图,打开数据文件,我之前很好的一个数据镶嵌图,大家看一下这个数据, 大家看这个数据啊,左侧一第一列啊, c 一,我写的是供应商,是一个文本数据啊,供应商,大家分析一下,他分了假供应商和以供应商,对吧?然后右边呢是使用寿命啊,就说假供应商提供的这些产品,他采集了一些数据啊,他的寿命是这样一个分布,然后 以供应商呢是这样一个分布。我们在这里呢给大家操作一下这个啊,另外一个图形,图形下边选择镶嵌图啊,选择镶嵌图 进去啊,跟刚才只放图操作一样,他首先给出你这样一个窗口啊,我们可以选择简单的选择韩组的,选择啊,多个 y 的,或者是这个多个 y 韩组的,但是你要根据你自己的数据实际情况去选 啊,在这里我们选择一个歪啊,他只有一个歪,就是使用寿命选择韩组啊,为了把这个甲乙两个给区分开来,所以你选择韩组,点击确定, ok, 图形变量选择谁,使用寿命啊,选分组的变量选择谁选择,公益上双击过来就可以了啊,其他的这些啊,大家都可以打开来去设置一下,我们这里先简单绘制一个 镶嵌图, ok, 为了看这个图,大家点右下角可以看到这个镶嵌图,所以这就是一个镶嵌图,对吧?所以在这个图形工具里边啊,你选择相应的这个图形工具命令,他会给你绘制出相应的这个图形来, 然后大家看一下这个镶嵌图啊,有的同学可能学过啊,知道这个镶嵌图是什么意思,有的同学可能没有学过,不知道这个镶嵌图是什么意思,对吧?啊,在这里呢,我们给大家简单解释一下镶嵌图中间这条线 啊,中间这条线他叫做中位数啊,中位数就是小于这个中位数的他占到百分之五十,大于这个中位数的占到百分之五十 啊,像下面这个叫做第一分位数,上面这条线叫做第三分位数,等等啊,如果你想要了解这个镶嵌图,他具体的这个解释结果啊, 或者是你不不太明白一些知识点的时候,我们怎么办呢啊,除了学习课本上的内容之外,大家可以看一下啊,我们重新点图形镶嵌图啊,镶嵌图点开, 大家看一下,当你选择某一个操作命令的时候啊,每一个操作命令的左下角都有一个帮助啊,比如说我们为了去了解更多的这个关于相信图的这个内容啊,大家可以点击左下角这个帮助,点击进去, 那么他会链接到这个镶嵌图的。呃,这个帮助的这个界面 啊,这个啊,用起来非常方便,而且,呃,大家看一下,刚才不是说要选择选择哪个吗?一二三四,你是几个哇?哎,你是啊,这个含族不含族对吧?啊,所以 在这个帮助文档里边我们可以看到,比如说他一个 y 画出来是什么啊?一个 y 韩组画出来是什么?然后多个 y 啊,多个 y 这个韩组出来是什么?所以这个包住文档啊,一定要去充分的利用。然后大家看一下左边这个帮助文档啊,有这个概数部分 啊,就是镶嵌图是呃,什么样子的啊?他基本上有什么用?然后有啊,其他的创建图形的时候主要结果的一些解释等等。比如说我刚才讲中间这条线叫做中位数,下面这条线叫第一分位数,第三分位数,对吧?所以在这里他会有 啊,这个帮助文档里边会给你解释说这个详见组,你要去怎么看啊?所以我们可以利用这个帮助文档的啊,去学习啊,去学习。所以大家看这里有给你解释,第一分位数是什么啊?啊?第二四分位数是什么?中文位数是什么?四分 间距是什么啊?所以你可以根据这个啊去理解我们得出的这个结果是什么。所以回到这里啊,大家看一下,就是每一个操作下边,比如说直方头也是啊,当你点进去的时候,左下角有这个帮助本档啊,我们要点进去就可以看到他相应的这个解释的一些说明了。 ok, 这个相线图里边我们再给大家操作一下相线图,点击进去确定, 刚才我们讲啊,尺度标签、数据试图啊,多图形数据选项等等,你都可以点进去设置,我们在这里点击一个,比如说 啊数据选项,你看一下他可以进行哪些设计,比如说你不包含哪些数据啊,频率啊等等这些啊,比如说数据试图你可以点进去,比如说我们可以显示这个急刹框, 显示中位数连接号,均值符号,均值连接号等等啊,你可以选择一些啊,你选择的越多,他给你显示的这个输出的结果就越多。这里我们增加两个选项啊,选择均值符号,选择这个均值连接线,确定 啊,确定,所以大家看就画出来另外一个镶嵌图啊,同样的数据,但是你可以显示不同的一个结果。 呃,在秘密泰本呃十九里边啊,他增加了一个功能,就是我们在这个绘画框里边,大家看,现在只显示的是我新画的这个镶嵌图,对吧?如果你想看一下刚才画的这个镶嵌图怎么办呢?这里啊,这个地方就是刚才画的那个镶嵌图,对吧?所以当你鼠标右键点击的时候, 他这里有一条叫做在分隔视图中中打开, ok, 你点击确定,那么这话这个 绘画框就会显示两张你刚才选选画挥出来的这个啊镶嵌图,大家看一下,比如说我们要显示三个这个绘画框框的窗口啊,这个直放图你也想显示出来, ok, 在分割视频中显示,就可以显示三个啊,不同的这个绘画框的这个窗口。 所以这个新增加的这个功能呢,用起来非常方便。比如说我们做了两次分析啊,这一次分析和这一次分析的输出结果有什么不同?你可以在这样一个窗口里边并列就显示啊,方便你去做这样的一个结果的一个分析。

好,下来呢,还有上一次第二讲呢,给大家布置的数据作业啊,大家可以打开第二讲数据啊,我们把这边的练习一二三四五六七快速的给大家说一下啊。 首先呢针对这个数据啊,这次,呃,我就直接用 manita 二十一版本跟大家演示了,如果说各位你们有其他版本也参考来用就行了啊,因为差异不是很大。 好,我们先把它粘贴过来啊,它的规格是六百正负,我们对 c 二到 c 六的数据来做分析, ok, 呃,这边有两种方法,一种呢是把数据堆叠啊,一种呢就是直接对这个数据分析啊,我们先讲堆叠的方式,那堆叠注意这块呢,我们就要用行堆叠啊,那我可以把堆叠的数据放到 c 十列, 我先在 c 十列呢敲一个标识啊,标题列点数据堆叠列加要堆叠行。 sorry, 这块是要用行堆叠啊,这块是要用行堆叠 啊,把 x 一到 x 五选起来啊,堆叠后的数据呢,我们存到这次啊,下标就不存了。然后呢直接点确定啊,堆叠出来了,你会看到呢,这五个才是这五个, ok, 他就是这样放置了,所以呢,呃,航队结之后呢,用 n 等于五,我们来算一下六百正负五的。 当然呢,在这块呢,我们仍然建议呢做一下正态性检验啊,看一下数据的正态性如何。 好,我们这个数据呢 是呃服从正态分布的,因为它的 pv 六呢是超过零点零五,并且这些点呢是比较靠近这条线的。 那接下来呢,我们就可以考虑呢来做这样的能力分析啊。呃,对对的,这个数据自助大小呢输五,然后呢规格线是六百正负,呸,看规格是多少,我没记,应该是六百正负五,印象中 好,让我们用康初加字母 e 或者点这个快键按钮,可以把你刚刚的命令调出来。好,这块要输那六百正负就是五百九十五和六百零五, 然后我们点确定啊,这块呢就会给出我们的分析结果,那这边有 cpkppk 这个案例呢, cpkppk 使用哪一个都可以,因为它的过程是稳定的 啊,而他的数据也是服从正在分布的。当然呢,你也可以直接用一个命令,就是六合一的图,这样的话正态性和那个上面都有啊,所以我是推荐大家呢使用这个命令 啊,我操作比较快啊,然后各位如果跟不上可以点赞停键啊啊,正态性啊,过程也是稳定的啊, cpkppk 相差不大,那用谁都可以啊。 ok, 那我们再教另一种方法呢,就是直接对这个数据做啊。呃,当然呢,这两个命令都可以直接做能力分析,正态这个也可以直接做,这个呢,也可以直接做我们用这个六合一啊,呃, sqsn 啊,点开之后呢,我们勾子组跨数行 啊,然后呢把 c 二到 c 六选进来,然后规格, ok, 这 这个做出来跟刚刚是一模一样的啊,这个就不多解释了啊,我们快速进入练习二啊,练习二呢,这个是 n 等于一的一个数据啊,就是间隔一定时间呢,抽一键啊,它的规格是幺幺五零。 ok, 我们对这个数据来做一下同样的给他 ctrlc 和 ctrlv 啊,你也可以用文件新件工作表啊,如果是老版本的呃,十五到十八版本,你是要用这样来新件工作表好,然后粘贴过来,那这块呢,同样上来呢,我们仍然要先做一下正态性, ok, 数据又近似正态了,下来呢,我们来算他的能力 啊。当然呢,也有些人习惯用这个六合一,你就不用做正台信了啊,直接点啊,这样吧,我后面都尽量用这个六合一,这样就避免去每次都去做这个正台信了啊。这样 起来这个是一啊,那他的规格呢?是单边规格要求小于幺幺五零啊,然后我们点确定 好,我核对一下啊,规格是啊,对幺幺五零,对的啊,那这边你会看到数据服从正在分布,这边有 cpkppk, 你会看到 cpkppk 差异比较大,这两根线也 这边的异常点比较多,所以这个过程是不稳定的,那这个时候呢,我们就建议用 ppk, 当然呢,一般我们的 ppk 的要求呢是大约等一点三三,他做到了一点五五,所以他的过程能力呢还是非常好的, 但是他这个过程是不稳定的啊。呃,这边我们要说明一下,如果你是单边规格的话,你会看到这边的 cp 和 pp 是算不出来的,这个大家知道一下啊,我们继续往后练习。三啊, 第三呢是我们的这个呃记件的数据的批控制图,他每次的检验样本量是相同的啊, 同样的方式呢,我们快速的给他粘贴过来,然后呢这块呢是要做批控制图啊, 呃,不是,呃 sorry sorry, 这块是要错 sorry 啊,二项的能力分析啊,我们点二项, ok, 点开,那缺陷数呢是 是瑕疵品啊,他这块呢长量,其实你可以手工输两百啊,当然你也可以点实际样本量,然后呢把这个一键一键敲过来,这两个方法都行,你只要选一个,那我就用这个长量两百啊,然后点确定 好。这边呢,哎。呃,是他的一些数据,那你会看到在尾端呢,基本上波动还不算大啊,所以呢,这个样板量基本上够了。 那他的这个过程的 z 呢?是一点六,加上再加一点五是三点一,所以他还是小于四啊,所以过程呢,呃,能力呢,并不好,好,这个了解一下。 呃,我们来看练习四的数据啊,同样的把它指过来, 呃,这个呢也是 p 图啊,这这个呢也是做二项分布的能力啊,当然呢,它的控制图就是 p 图啊,能力分析,那我们仍然用二项, 然后下面是不良数。哎,这块呢就只能用实际样本量了啊,因为他每次的抽样量是不一样的 啊,点出来之后的话,我们也可以看下面这边波动不大,所以呢,它的过程零点九六啊,如果直接过程 z 呢,是要跟二点五比较,如果说我们给它加一点五啊,变成了多少二点四几 啊?二点大概二点五左右,那他是小于四的,所以过程能力也是不好的。 这个数据呢,呃,是记点的数据啊,这是记点的数据,他一个产品可能出现多个亮点啊,那我们来给他放到我们的数据里面,那这个时候就要用坡松分布 啊,找到 sqao 啊,缺陷呢,就是缺陷数啊,这块的样本呢,它不是一个长量,它是一个 a sir, 这个是一个样本啊,然后我们点确定 啊,同样的我们可以看到哦,这个尾端可能还没有在,可能数据量还要再维持一些,因为看起来好像这两个点波动不达,但是其他的其实还是在持续下降,这个稳妥点的,我们还要 再增加一些数据,所以这块的 dpu 零点六八九四呢,可能并不是准确的啊,所以还要再持续追踪数据 啊。我们来看练习六啊,这个是也是一个经典的数据,它的 n 呢,等于一 好,我们的路径仍然是 sqao 坡冲分布啊,然后这块呢是污点,这块就勾长量,然后说一点确定好,我们来看一下效果 啊,这个尾端的数据可能还是建议再收集一些,因为他这边在持续增加之后又开始下降了啊,所以再收集一些看看。如果说, 呃,连续五六个数据呢,正当不大,那我们基本上就可以呢,认为数据量是可以的啊,这块看起来这个还是有点问题,所以数据量还是要再补充啊。我们来看练习期啊, 好,练习期呢是杂志率啊,它是 n 等于五啊,它的规格也是单面规格小于十五啊,我们来做一下分析 啊,这个呢是,呃,这次呢,我们直接用六合一的图,然后用正太 sqsn 啊,点开之后, 杂志率这个用途它是要小于十五的啊。刘树老师,你没剪它的正态性,没关系,这个六合一的图里面有正态概率图, ok, 大家会发现 这个数据呈现了非正态啊,你会看到他这个离这个直线是比较远的,他的 pv 六是小于零点零五的,所以这个数据是非正态的。那这块算出来的这两个值呢,就不是很精确啊,比如说老师,那这怎么办好? 呃,当然我们这一讲还不讲,那我们会在下一讲就是 spc 的进阶课程里面呢,会跟大家来讲这部分内容啊,所以这个题目呢,我们且听后续分解, ok。