質量管理五大工具 【必讀】六西格瑪:測量階段MSA之偏移分析

工程质量
2粉絲
2 次觀看·2026年5月19日
AI 生成·可能包含錯誤
視頻概述
AI 生成本视频探讨了六西格玛的学习方法论及测量系统分析(MSA)中的偏移分析。通过“知能愿”与“道术器用”模型构建知识体系,并详细讲解了偏移(Bias)的定义、Minitab实操判定标准(P值、CG/CGK)以及底层T检验逻辑,旨在指导学习者将理论转化为工程实践,确保测量数据的可靠性。
上節課我們和大家一起全面的去複習了一下測量系統分析關於
測量階段關於測量系統分析的所有的知識點
講的會比較快
然後我們有一些新同學加進來
所以應大家的要求我們今天會把
測量系統分析中
關於我們的
偏移分析會給大家去做一個
詳細的講解
那麼也許有小夥伴聽過偏移的分析
那我想
說今天呢除了
以前講的這些內容啊
我們偏移怎麼去做怎麼去看批值怎麼去
怎麼去判斷它是否有偏移怎麼去做量級的矯正
之外我會講更深入的我們偏移用的工具假設檢驗棄檢驗是怎麼樣的
那我今天也會把這些
新的內容
加進去那麼這樣的話我們就可以
不僅僅知道這個
測量系統分析它的
表象我們用什麼樣的工具去做我們也能理解它的本質
所以這是我們今天講課的一個
主要的內容
好
那麼測量階段呢我們重點會去講測量系統分析這個是一個非常
大的話題也是一個比較複雜的話題
上節課呢我和大家一起來複習了整個測量系統分析
那今天呢
我相信有一些小夥伴我之前
承諾給大家的
我需要把我們怎麼來去學習
6sigma
以及我們去學習msa測量系統分析
我們的學習方法我給大家去做一個
做一個個人的
這麼多年的一個深刻體會的一個分享吧完全是從
個人在學習
質量管理再去學習項目管理產品管理這個過程中啊
總結出來的一些學習的方法
大家如果覺得
我給大家分享這些方法有幫助的話呢
就可以動動你的小手幫我點個贊
好
我們去說一下這個6sigma的學習方法
我們在去學習一件事情的時候啊或者是說做一件事情的時候
我們腦子裏是需要有一個模型的
比如說你看我們在去做更新分析的時候我們會有
這個魚骨圖對吧
人機量法環
這就叫模型
比如說我們去做再大一點啊我們去做這個企業的戰略分析
我們會有sport
會有pst這些模型
那這種模型呢它可以很好的
幫我們
在大框架上能夠建立起我們的知識結構
那對於我們去學習而言也是一樣的我們也需要有自己的學習模型
那我的學習模型是什麼呢
我的學習模型叫做
知
能
願
不知道有小夥伴有沒有聽說過這個模型的知能願這個模型
有聽過的幫我扣個1沒有聽過的扣高
我看有沒有小夥伴聽過這個模型
知能願這個模型啊
我其實並不是用它來去做學習總結的
這個模型是我用來做團隊管理的
團隊管理在去用知能願的時候我們去看這個團隊成員
他去做一件事情
他在認知層面
在能力層面和願力層面是不是可以去勝任這個工作
比如說這個工作他需要有一定的知識背景
他需要有一定的硬技能
他自己本身的意願是不是很願意去做這件事情
那麼從這些維度呢就可以去判斷出來
這個員工
他是不是能勝任這個工作或者我們在去組建團隊的時候啊
在去分配任務的時候呢
就可以用這個模型來去對
團隊管理對員工管理來去用
那麼我把這個模型呀
把它推廣到我的學習方面
學習方面也是這樣的那我們需要知道
我們去學習6sigma啊
無論不管是6sigma還是其他的
呃比如項目管理或者產品管理
我們也可以從這三個維度來去管理自己啊
那首先呢
哎我在這裏頭說智能院我首先先說的是個這個院院裏院裏
那我們去學這一件學6sigma就像現在哎大家有很多小夥伴
來聽我們的分享對吧
我相信大家
是非常優秀的那能在晚上大家休息的時間
可以來去學習
那說明你有一定願力了啊有一定願力了
我們去學6sigma
首先先得有意願啊那這個意願源於什麼
源於我們想去改變哎我們想去改變
我們有了一個願意讓自己變得更好的一個想法
那這個時候我們願力就會比較強
願力它是我們去做成一件事情的基礎
支撐它是我們去改變的動力源
動力源所以哎這個願力是基礎那我們
去學6sigma也是這樣那你要想想你爲什麼要去學6sigma你的願力是什麼
你是希望學習它對你的哪些方面提供好處提供幫助
我說說我學6sigma的願力啊
我去做我做質量管理之前我是在研發部門去做的
那麼在機緣巧合呢我去做了質量管理
我突然發現我需要有一個系統的方法論來指導我的工作的實踐
需要讓我變得更專業啊 需要讓我去解決問題的時候思路更清晰
這就是我的願力 這是我的願力
那麼我們有了願力之後呢 第二步我們就需要去提高我們的認知
認知是怎麼樣 認知就是我們的這件事情或者對我們要去學習的這個目標
它所涵蓋的這一系列的知識 我們需要去了解 需要去學習 需要去
全面的去把握 去把握
只有通過了不斷的去學習
那我們才能對我們的這個目標有一個清晰的認知 那這就是我們的這個認知
那提高認知的最大的好 最大的手段是什麼呢
就是我們過來去聽課 我們拿着合適的書本 然後去學習
然後和同學之間 同事之間去做交流 這就是我們提高認知的這一系列手段
那麼我們有了認知之後呢 我們還需要有能力 這個能力指的是什麼 它包括硬技能和軟技能 兩方面
硬技能 比如說我們6c蠻相關的 你的數據分析的能力 對不對啊
我們使用統計學的各種能力 是不是
還有我們的業務相關的 這些知識點 你是做汽車的 你是不是得對汽車
需要有認知 需要有汽車相關的這些解決問題的能力啊
你學這個 你是在IC行業的 那你需要對電子相關的這些硬技能需要有能力
那還有軟技能 對吧 軟技能 比如說我們的溝通能力 我們的組織能力 我們的
策劃能力啊 領導力對吧啊 這些
那我們在學習學習過程中呢 我們首先需要去建立起自己的淵
然後不斷的通過我們的
學習對吧 我們去聽課 去看書 去交流 提高我們的認知力
在我們的工作中不斷的去提高我們的硬技能和軟技能 對吧 提高我們的能力 這是我給大家去講的我們的
學習模型 我們的智能院
那麼我們如果說
在這樣的一個學習模型下 那我們學六sigma 我們有一個非常重要的一個點叫怎麼樣 你學習方法叫做
要建立起你自己的知識結構 建立起你的知識結構
我給大家之前講過啊 我們如何去搭建自己的知識結構 我們需要把各個知識點由點到面
由面到體 我們需要去把它形成一個
叫立體型的 我們叫做多維型的這樣的一個知識結構
那這個知識結構可以由哪幾部分組成呢
那第一部分呢 就是我們需要對這樣一個新的領域 我們要對它的概念是比較熟悉的 概念是需要熟悉的
我們會聽到很多
新的概念 新的方法 那這些東西我們需要去學習 那第二個呢 就是方法
方法 那我們在去建立起知識體系的過程中
我們需要知道我們如何去應用這些概念 我們都有哪些方法 哪些方法 那還有呢 就是我們的工具
尤其是在我們的這個實踐過程中啊 實踐過程中我們
用比如說啊 我們剛纔所說的 哎 這個msa測量系統分析
我們有人用mintype去做 有人用gmp去做 也有人 哎 我還
這是最近去那個去audit的去去審查我的供應商啊 我們的供應商
仍然看到有供應商是在用excel去做的
就是說我們每個人或者是每個企業
他會選擇不同的工具 哎 對 我們要去掌握我們的工具的使用方法
比如說我們接下來會去講的mintype 對吧 那這樣的一個好的工具 哎 就可以去提高你在
去做事情的效率也好 準確度也好 哎 都會有非常的幫大的幫助
所以我們在搭建自己的知識體系的時候啊 我們需要去
哎 深刻的去理解我們的概念 去學習相應的方法
以及把握我們的工具
更更重要的是 我剛纔說了 我們需要點線面體 哎 打造自己的這個
立體性的知識體 知識結構 那我們就需要搞清楚 哎 這個概念與概念之間的方法是怎麼樣的
我概念與概念之間的聯繫是怎麼樣的 我方法是如何去應用這些概念
我的工具是怎麼去實踐的 來使我們這些概念和方法落實到我們的工程中 落實到我們的實踐中
啊 那好 說到實踐呢 那學習方法的第三個點 最重要的一個點啊
知性合一 我們不能光學習啊 我們不能光學習 我們需要把學的東西
用到你的工作中 用到你的生活中啊 用到你生活中 甚至你可以把你的學習的
已經掌握的這些技能 你的認知 你的能力 我們可以做遷移 做遷移 就像我剛纔給大家講的啊
我們智能院的這個模型啊 我一開始去用它的時候 我是用來做團隊管理的 做員工培養的
那麼我也可以把它遷移到我們去學六sigma的這個學習上面啊 我可以把它遷移成一個學習模型
同樣的 我們在學習過程中 我們也需要去學習
實踐思考 哎 我們需要去迭代啊 需要去迭代 這樣的話我們就可以
成爲一個優秀的六sigma的黑帶啊
你不管是從你的認知層面上 還是從你的能力 還是從你去爲公司解決問題的角度上 哎 你都會有一個非常
非常強的實力啊 非常強的實力 這是我們去學六sigma的學習方法 大家覺得哎 這一部分
哎 對你有幫助的 請給主播點一波贊
這是我的從業20年 哎 非常深的個人體會啊 非常深的個人體會
如果你認同我剛纔和你講的 哎 先幫我扣個一 如果你覺得 哎 哪一些
理解起來有點困難 或者有問題的 哎 你可以扣個二 好 感謝妹同學吐司 好 謝謝大家
好 我們再去說一下啊 再再說 來 第二個點 那就是說
我們去學六sigma的方法論 方法論是什麼 我們
去說這個一個事情啊 我們一定得有一個方法論來支撐我們的學習 來支撐我們學習
那我的方法論是什麼 我的方法論叫做倒速啓用啊
我在學六sigma過程中啊 其實是走了不少彎路的 我相信大家剛開始接觸這個
這個新的這個知識領域的時候啊 也會覺得一頭霧水 畢竟這是西方人發明的 對吧 大家都知道
六sigma是摩托拉發明的 對吧 摩托拉通過他的職能管理 總結出來的一套體系
上升到他的企業管理的策略上面 對吧 那麼西方人去做這個
方法論的時候啊 他比較喜歡 哎 把它總結成套路 比如說我們的demag define
對吧 environment analyze improve control 對吧 他會把它
按照步驟 哎 去告訴你 你怎麼怎麼去做 哎 這就可以了
那他的這樣的一個做法的好處是什麼 是能保證80%的人能達到80分
80%能達到80分 但是他的不好的地方是什麼 他沒有辦法能把他的精髓講的比較透
他的精髓講的比較透
而中國人的思想啊 我們東方人的思想 我們從倒數七用的角度來去
去看待 同樣去看待這個職能管理這個事情 我們可以從倒數七用四個維度來去做
同樣是這樣的一個方法論 我們來去對這個事情 來去從另外一個角度去理解 這樣的話
更符合我們東方人的思維方式 也更容易能去把握 把握這一件事情的本質
把握他的精髓 那好
我們舉個例子 道是什麼 道 我們都說道可道 非常道 道生一 一生二
道生三 三生萬物 道是世界的本源 道是事物的本質 對不對 所以我們無論去學
定義也好 去學測量也好 我們一定得去把他的本質抓了抓到
那利用sigma的本質是什麼
利用sigma的本質是 他是一個去解決客戶問題 或者去解決問題
來去爲企業提升效益 對吧 提升客戶滿意度的一個
一個管理體系 對不對 所以他的道是什麼 他的道是 我要讓客戶滿意
讓企業有更高的利潤 對不對 然後通過解決問題 通過我們解決各種質量問題 來去達到這樣的一個目的
那麼我們說這個msa的道是什麼 我們的msa的道 測量系統分析的道
我們爲什麼要去做測量系統分析 測量系統分析
他的道是說 我們要去保證 保證這樣的一個測量系統
能夠給我們提供一個可靠的數據 對不對
那麼問題來了 假如啊 我們沒有gigana
沒有偏移線性 這種武力分析 我們認爲拿到這些數據 我們應該怎麼去做
我們知道現在的這個社會是個大數據社會 對不對 我們大部分的企業都在去做數字化轉型 都在做ai的落地
那如果說我們沒有這些偏移線性 重複性穩定性的這種這種模型 我們應該怎麼去做 我們是不是可以去用這個道
來去思考
比如說大數據 你可以要去做數據的清洗 對不對
啊 要去做合理的聚類 對不對 那我們要去保證數據是一個可靠的數據
那這個時候我們就可以去利用這個數據
來去做 哎 若干個方向性的決策 對不對
所以我們的道 哎 是爲了保證我們的數據可靠性 這是我們的根源
那數又是什麼呢
數就是在我的這個道的基礎上 哎 我們可以去有若干個方法論 哎 比如說
我們六sigma的方法論是什麼 哎 是不是就dmac呀
dmac我是要去滿足我這個本質
這個邏輯的這樣的一個目的 基礎上我可以有什麼樣的方法 哎 有什麼樣的一個手段
可以去 哎 解決或者達到我這個目的 嗯
那這又是我們的 哎 數 那測量系統的數是什麼呢
就是我們測量系統的 哎 各種方法 是不是啊 我們去做偏移分析
做線性分析 做穩定性分析 哎 重複性 再現性 那這就是我們的數
那氣又是什麼呢 哎 氣說白了 它就是一個工具 對不對 我們所說的道數氣用 氣就是一個工具
那我們想去
實現我們剛纔所說的這些方法 我們得有一個承載的 哎 工具來去使它實現 對不對
那這個時候我們就會去用mintype 對吧 或者gmp 或者
哎 有的企業說 我沒有這工具人呢 excel也能做 對不對 拿excel的一些模板啊 我也可以去做相關的這些分析 嗯
那麼最重要的 最重要的就是用 我們剛纔說到了自信合一 是不是 我們需要 哎
需要把你的這一些測量系統分析的 哎
整套邏輯 我們要放到工程實踐裏頭 哎 放到工程實踐
我們爲什麼要去做這個測量系統分析 我們對工程需不需要去做這個測量系統分析 我應該對哪一些特性來去做分析
如何去做啊 我們分析完的結果 如何去對測量系統進行評估和改進 哎 這是我們的用 對不對
我們的用 那就是我們的工程實戰 哎 工程實戰去把我們的啊
這個道 哎 落實到地 哎 我們使它落地的一個一個行爲 嗯
這就是我們 哎 東方的倒數其用 哎 倒數其用 嗯
好 大家覺得 哎 這一塊聽明白了 哎 聽明白了
是不是能夠更加符合我們東方人的思維 中國人的思維 是不是
好 那麼我們再去講這個
六sigma的知識點的時候啊 我一般會按照這樣的幾個邏輯去講 就是我們由淺入深
由深入實踐 哎 去講
那麼淺到什麼程度呢 那我們 哎 以綠帶爲基礎 啊 綠帶爲基礎 我們先得對概念有理解 對吧 啊 我們爲
什麼是測量系統分析呀 我們爲什麼要去做它呀 那測量系統分析 我們都分析哪一些內容啊 哎 它的五大特性都有什麼樣
哎 綠帶會對他做做一個基本的要求啊 那
那到黑帶了呢 黑帶他就會對你的這個測量系統分析的這些數據和場景就會有更加深入的理解了
會給你一個報告 哎 問你 你看這個良機 他是有什麼樣的問題啊
他是否有偏移 是否有 是否穩定啊
那他在什麼樣的場景下 我應該去分析他的哪一些
測量系統的特性啊 那這就是我們黑帶考題裏頭經常會去考的啊
我的重複性在線性分別指的是我去評估的哪一些因子啊
那麼到註冊黑帶啊 註冊黑帶其實就是我們的用我們最
我們真正要去實踐的那部分 那就是註冊黑帶去做實踐的 你要去做項目啊 做完項目啊
你纔可以把你所學的這些知識點深刻的去體會理解 嗯 那這樣的話我們
形成一個閉環啊
那麼註冊黑帶可能會要涉及哪一些領域啊 比如說 你得
拿到了一個項目之後 或者說 我們最近新開了條產線 我們新引入了一些良機
那我測量系統的目標是什麼 對吧 我這些良機 我哪一些測量系統 我需要去做分析
那我要去做分析的時候 我應該設計怎麼樣的測量系統分析的實驗來去做
那我的樣品應該怎麼去選
對吧 那麼我們獲得了這個實驗數據之後 我如何去分析這個結果 我的良機是不是合格 是不可接受
如果不可接受 我怎麼去評估它 我怎麼去改進它
改進完了以後 我們如何去做這個測量系統的持續監控
我們所說的整個過程 測量系統分析本身
它也是一個debug的過程 對不對 我的定義myrow分析
然後改進監控 是不是
所以 我們所說的這些知識點 它都是通的 它都是通的
當你對知識體系形成了這樣的點面線體 點線面體 這樣的立體型的知識體系結構的時候
你會發現很多很多的知識點 它都是通的
ok 好 這是關於我們所說的 學習方法這部分的內容
我們如果把這些說透了 我相信
我在很多分享過程中 經常會給大家去講一些具體的知識點 對吧 比如說 我們今天會去講我們的
偏移 對吧 講我們的偏移 那授人以魚不如授人以魚 我把學習這個東西的
學習這些知識的方法論 告訴你
實踐這些方 實踐這些知識的方法論 告訴你 那麼我相信
你再去學習 例如西格瑪的過程中 你就會更有思路啊 你就不會只見樹木 哎 我只看到了偏移
我沒有看到聖靈 我整個車輛系統我沒有看到 我整個項目實踐我沒有看到
我爲什麼要去做這個項目 對公司的貢獻是什麼 這樣的話 你的視野 你的視角就會越來越大
你所能做出的貢獻就會越來越大
好 大家對我這部分講解 覺得有收益的 覺得贊同老師所說的 請給老師點一波贊
我們點贊超過1000呢 我就會給大家發放我們的第一波福利
第一波福利包括我們的大綱 教材 公式的整理 思維導圖
知識點的總結 歷年的考題 歷年的考題是我們拿高分的神器
然後還有我們的培訓的ppt 好 請小夥伴給老師點一波贊
好 那我們講到這裏以後啊 我們就來去說一下 我們今天去跟大家一起去聊了
測量系統分析的偏移 那我們測量系統偏移它在哪裏啊
它是在我們的分析的五大特性之一 五大特性之一
它分析的五大特性之一 這個偏移指的是什麼呢
指的是說我們在測量系統中 我們的均值 這測量系統所測出來的均值
可能會產生偏差 我們需要對它進行分析
那這是我們偏移所處的這個位置啊 所處的這個位置
好 那麼我們就來去聊一聊 什麼是偏移 我們怎麼來去做偏移
好 我們來去看一下啊 偏移
是在哪裏啊 是在我們的測量系統的五大特性裏面
那我們測量系統的五大特性 它做了兩個分類 做兩個分類 這兩個分類是比較有意思的
大家猜一猜 這兩個分類是基於什麼角度去做的分類呀
想一想 我們有一個叫位置變差 有一個叫寬度變差 那這個分類 它是基於我們
測量系統所測量對象的數據的
數據的屬性進行進行的分類 我們的數據屬性 比如說有聯繫連續性數據 還有離散性數據
我們要想去看我們的連續性數據 去評估連續性數據 我們有兩個
數據特徵值
一個叫mu 我們的均值 一個叫做我們的
sigma 我們的標準差 來去評估 或者是說來去表達我們這一組連續性數據
那麼均值它反映的是什麼 反映的是我們整個數據分佈的位置的變差 對吧 我們的均值位置的變差
那麼寬度變差指的是什麼 我們的這個波動 對吧 我們的這個波動 我們這個波動大小 波動大小
那麼偏移 它所考察的是什麼 考察的是我們的這個位置變差 我們的mu 我們的mu均值
好
那麼這個偏移它指的是什麼呢
它指的是說呀 當我們使用一個量據 使用一個量據進行測量
測量之後呢 我們觀測的平均值和增值
之間的差值 差值就叫偏移 偏移
那麼這個偏移 我們用這個圖來去表達呢 就會比較清楚了 你看這個
分佈是我們的一個
觀測值的一個分佈 對吧 我們觀測值的這個分佈會有一個均值
均值
那我們這個均值呢 會和我們的一個基準值進行比較 比較的這個結果叫偏移
ok 好 這個delta叫偏移 所以呀 這就是我們測量出來的和我們
實際 或者是說我們的這個標準件 它本身的這個值之間的差距
它叫偏移 這個偏移反映出來什麼 反映出來我們這個量據測的這個值
夠不夠準 對吧 夠不夠準 測的是我們的準度 對吧
好 這部分 哎 大家關於我剛纔講偏移這個概念 哎 聽懂了 扣個一 哎 沒有聽懂了 扣個二
大家有任何問題啊 都可以打到我們的這個評論區裏 好
大家覺得 哎 我剛纔講的概念有沒有聽懂 大家可以經常和我一起進行互動啊 我不知道我的
有的時候啊 我講課的內容會有點多 我就會去
提高我的語速 那這個時候啊 可能有一些小夥伴 他之前對這個沒有沒有接觸過呢 就會聽不明白
啊 如果你聽不明白呢 你可以扣個二
然後把你不明白的點呢 可以打到我們的評論區裏 我可以給你去做解答啊
好吧 好 歡迎樂陽同學 哎 你這塊沒有明白 對不對 嗯 其他有沒有小夥伴聽懂的 嗯
聽懂了 幫我扣個一 哎 沒有聽懂了 幫我扣個二 嗯
好 那我再重複去
或者是說啊 我不用重複 我再深入的去解答一下 嗯 深入的去去去講解一下 這個偏移是一個什麼意思
那麼我們在
以一組 哎 實際測量的數據中呢 哎 它是這樣的一個分佈 對吧
那我這個測量的這個數據啊 測量的 這只是我這個兩句測出來的數據 它會有這樣的一個分佈 但是呢
我們還有一個值叫增值 就是說我測量的這個對象啊
他本身 哎 我們已經知道他是多少了 哎 比如說我們測的這是一個 嗯 比如說是一個物體的重量吧
哎 我們已經知道了 哎 他這是100克了
但是呢 我測出來的這個值啊 我可能是比如說是95
到105 哎 有這樣的一個分佈啊 那我這個均值呢 測出來的是101啊
啊 那我們測出來的這個均值啊
觀測的這個均值和我這個增值之間的這個差別呢 這個delta 哎 這個1呢 就是我們這個偏移啊 就是這個偏移
嗯 好 樂陽同學 你這個有沒有聽明白啊
那我們再說這裏頭 哎 以前小夥伴有問啊 這個增值是哪裏來的呢
增值來源有兩個 第一個是標準件 哎 比如說我們再說這個標準件 哎 這是一個
這個計量局給你提供的 哎 一個砝碼 對不對 哎 這是一個100克的砝碼 是個50克的砝碼 那
這是 哎 一個標準件 那我們已經知道
它的值是多少了 那還有一種呢 就是說我們還可以用 哎 更高級別的這個儀器 哎 更高級別就是我們的
精度比我們當前的這個量具的精度 哎 更高一級的 更高一級的這個
儀器 哎 多次測量出來的這個均值 哎 獲得的這個值 我們叫它 哎 增值
嗯 哎 這樣的話 我們就可以拿這個增值啊
啊 和我們測量出來這個值進行一個比較 對吧 進行一個比較 那來去看看我這個量具啊
它是不是有偏移啊 偏移 就是說 哎 我很簡單的去說 就是我這是一個100克的砝碼 你測出來是不是100克
如果不是 那這就是有偏移了
好 那這部分聽懂的啊 我剛纔又詳細的去舉了一個例子啊 大家聽懂了 哎 幫我扣個一
好 那我們這個偏移的評測方法是什麼樣的呢 哎 我們會去找 哎 一個測量員
然後拿我們的 哎 一個被測的這個
增值的標準件 哎 或者是更高級別的儀表 哎 測出來的這個樣品
哎 那我們是知道他的
這個測量的值是多少的 對不對 但我不能告訴這個測量員 對吧 啊 也
啊 其實這個測量員也知道 我們是主要是去衡量的是這個設備啊 主要去衡量這個設備
那我們拿這個件啊 拿這個件去反覆測十次以上 哎 測十次以上
測出來這個值 我們去求它的均值啊 求它的均值 那麼
我們測量出來了一系列的這個數據之後呢 我們就可以拿到我們的
mintab裏頭來去做分析了 那他分析用到的方法呢 用到的工具呢 就是我們的 哎 質量工具中的兩句研究
類型一的兩句研究啊 那研究完了以後呢 哎 這個時候我們的mintab他就會給你出一個報告
出一個報告
那這個報告呢 我們重點來去看它是否有偏移的一個非常核心的一個點 叫做p值
p值 如果這個p值
大於0.05 說明偏移不顯著 如果p值小於0.05 說明p值說明 哎 這個兩句顯著
所以啊 這個如果我們
呃 是拿到這個報告 哎 比如說我們考題告訴你 哎 給你這樣的一個報告啊
然後你應該先看什麼啊 應該先看p值 我們看p值是否大於0.05 是否小於0.05啊
大於0.05線性不偏移 小於0.05線性偏移 那麼我們根據現在的這個
講解啊 大家來判斷我們當前這個兩句
是否存在線性偏移 有偏移的扣個一 沒有偏移的扣個零
有偏移的扣個一 哎 沒有偏移的扣個零 大家來一波互動哈 我們看看
嗯 沒有偏移的扣個零
好 有很多新來的小夥伴啊 我們現在正在跟大家講的是
測量系統分析的偏移分析 測量系統分析五大特性之一偏移分析
那我們看偏移分析的核心是想比較我們的這個兩句測測出來的這個數據是不是夠準
那是否扣準呢 我們用的工具是用 哎 這個minitab中的兩句一的研究 我們通過p值來去做判斷
非常好啊 我看到哎 這個東洋同學 嗯 嗯 非常棒 嗯 還有
EHX同學 是的 那我們能看到 哎 這個兩句 啊 沒有偏移 對不對
那如果你會看p值了 恭喜你 我們綠帶的考題你就能做對了
嗯 綠帶的考題就能做對了 好 我們接下來去講黑帶的考題 那麼我們再去說
這個p值當它
大於0.05的時候說明它線性不顯著 那爲什麼它就線性不顯著了呢 它的本質邏輯是怎麼呢
哎 它的本質邏輯是我們上面的這個值
我們上面的這個值t值啊t值
這個值t值 它這一塊的本質邏輯是說 我們拿出了這樣的一個 哎
這差不多得有30組數據吧 啊 這這些數據
然後呢 這個數據是有一個數據分佈的 哎 這個數據分佈它是符合
t分佈的 那麼我們是用t分佈的一個假設檢驗 哎 t分佈的假設檢驗
這個t值 哎 中間是0 那我這個t值在
0.443 哎 這有紅線擋住了 它是0.443 那它是落在我們假設檢驗的
接收域還是拒絕域 嗯 如果它落在我們的接收域裏面
說明我們的這個 哎
線性不顯著 因爲我們假設啊 假設它線性不顯著
那進入我們拒絕域 就是我們拒絕 哎
它線性 啊 它這個偏移不顯著了 這樣的一個假設呢 它就線性 它就偏移顯著了
所以它的本質邏輯是去看我這個t值 我們算出來這個t值 它是落在我這個t分佈的
哪個區域 哎 是在接收域裏面 還是拒絕域裏
那我們通過這個0.443這個值 我們能看到 哎 它落在了我的接收域裏面
啊 從而呢 我們基於它去算出來了 我們的這個p值 p是相當於什麼呀
是我們的一個概率密度 對不對 我們的概率密度66% 哎 66%
那當我這個p值小於0.05 比如說只有0.001
那說明什麼 進入我的拒絕域裏面 我們認爲或者是假設偏移不顯著 偏移這個
這個良具沒有偏移的這個假設 它不成立拒絕它 說明它偏移是顯著的 好
這是我們去看t值 好 那麼我們還要看什麼呀 還要看我這個偏移的程度是什麼
偏移的程度是什麼
那如果我們發現這個良具啊
它偏移顯著了 那這個時候我們就會去看這個偏移的值
我們看到它偏移不顯著 哎 我這個偏移的值是0.000
是不是啊 發現它沒有什麼偏移 對不對 沒有什麼偏移
那這樣的話 我們就可以通過 哎 我們的這個t檢驗
來去知道我良具是否有偏移 我們通過這個偏移的這個量 來去看我偏移的程度是什麼
大家注意 哎 我們這塊會有一個減號 對不對 是有一個符號的 是有一個符號的 這個符號意味着什麼
意味着我們良具測量出來這個值
和我們這個參考值是向上偏移的 還是向下
向上偏移的 還是向下偏移的 哎 對吧 如果我們現在看到這個值是符號 說明我們測出來這個值
比我們的參考值小 那我說明我們這個良具 哎 它測出來的值小了啊
向下偏移了 那我們再去矯正的時候 我就得往上矯正
往上矯正 比如說我們的這個參考值是100克 哎 結果我測出來的是99
那我這個時候去做矯正的時候 我就需要把我的良具往上矯正了
那麼同理 當我們看到是正號的時候 那我們良具就需要往下矯正
好 那這個時候就會涉及到我們這個黑帶的內容了
好 這部分大家聽懂的 哎 幫我扣個一 嗯 沒有聽懂的幫我扣個二
這個
偏移分析如何去用meantime來去做 那麼我們今天給大家去做實驗的數據啊 是這個數據
大家看一下啊 是這個數據 我們有五組數據 哎 有五組數據 分別來去給大家看看啊 我們
通過不同的角度來去
看我們偏移會遇到什麼樣的成績 這裏頭有大量實戰的 哎 有大量實戰的講解啊 大家去跟上我的節奏
這個數據呢 也在我們的資料包裏啊 我們後臺點擊我們的小分車 老師就會發放給你
你拿上這些資料 哎 拿到了這個數據
在課後放到你的meantime裏 哎 把這些步驟重新去做一遍
拿這些報告自己重新去看一下 那收穫會非常大 你會有一種
通透的感覺啊 一定得去實踐 一定得去實踐 聽完了 百聽不如一座啊 百聽不如一座
好 我們先把我們的這個數據 哎 拷到我們的meantime裏 新建一個工作表 ok 好
數據拷進來
如果手上有軟件的小夥伴 有軟件的小夥伴 請把你的meantime打開 哎
好 那麼我們剛纔說了這個偏移分析 哎 大家記住一下 我們當時去 我們剛纔去說
去找的這個步驟是質量工具裏面的良具研究的類型一的良具研究
meantime這個軟件啊 它的功能會非常豐富 所以有的時候你可能會找不到
這些路徑你可能得稍微記一記啊 稍微記一記 如果你使用多了 那熟悉了 那你就很容易找到了
那我們的這個良具的研究呢 它是一種質量工具 哎 是一種質量工具
這個質量工具呢 是藏在 哎 良具分析是在這裏 良具研究
良具研究 你看我們這裏頭會有多種 哎 良具研究的方法 對吧 啊 有類型一的 是不是啊
啊 有我們的給gNR的嵌套交叉 是吧 哎 不同的啊 這種工具 那我們用的是類型一的研究
類型一的研究呢 我們這裏頭就會去看 哎 這是我們的測量數據 對吧 我們的測量數據 我們現在
這裏頭有情況1-5 那相當於我們現在有五個良具 對吧 你就可以把它列成五個良具
每個良具呢 測了有30組數據 那我們現在先拿1 先看一下啊 先拿1看一下
那這個時候 我們這裏頭會去放一個參考值 哎 這個參考值
這個參考值是怎麼樣 大家知道嗎 我剛纔給大家講的
這個參考值是我們的這個標準件的增值 對不對 哎 我這個標準件的增值 或者我們是用
更高級別的 哎 這個良具測量儀
多次測量的這個均值 哎 就是我們的這個參考值 那我這個參考值是
6對吧 16啊 在這裏啊 我們這個數據裏頭已經告訴你了 這是6啊 這是我們的一個參考值
那這個時候我們還需要去填一個 哎 叫公叉的 哎 上下線
那我們這裏面的規格上線 我們的規格上線 我放大一點給大家看哈
叫規格上線 叫做usl 哎 什麼叫usl啊 它是
這個英文字母叫app-spec-level的這個縮寫 就是我們的規格上線 規格上線
那麼我們
還有一個叫lsl 這叫the low-spec-level 對吧 我們的規格的下線 我們規格上線是6.1
規格下線是5.9 那好 我問大家 我們規格上線和規格下線的差值是多少呢 哎 知道的 哎 打到我們的公屏裏
我們的規格上線減規格下線的差值是多少
好 成本同學答的是0.2 螞蟻同學答的是0.1啊 還有沒有不同的答案 有沒有不同的答案
我們的規格上線是6.1 哎 規格下線是5.9
這個計算非常簡單啊 就是我們的上值減下值 哎 6.1減5.9 答案是0.2啊 0.2
這個螞蟻同學是不是算錯了 哈哈
好 你看我們下面這塊還有啊 就是有兩個選項 叫做僅規格下線和僅規格上線
它這個是在什麼場景下會去用啊
它是說 當我們的這個被撤產品 或者是我們的被撤目標啊
它是一個 哎 單邊的
單邊的分佈是什麼意思呢 就是說 哎 我們要去測量的這個數據特性啊 我只考慮我的規格上線 比如說
我這個 呃 這個長度呀 我只要不高於6.1就可以了啊 那
低於多少我不在乎 那這個時候啊 我們就是單邊的 單邊的 這個時候我們就考慮 哎 規格上線
或者我考慮規格下線 哎 我這個 呃 這個
測量的這個值啊 啊 這個重量啊 我不能小於15克啊
不能小於15克 那再大了我都覺得都沒有問題啊 那這個時候我就去考慮我的規格下線 好
那麼我們把這些寫完以後啊
在做工程的時候啊 我經常看到在去做項目 去指導項目的過程中
非常多的小夥伴 他不在乎去填這些內容
啊 不會去填 哎 我用的是什麼良具 我啥時候去做的分析 誰去做的啊 他自己不去填
那導致的一個結果是什麼
你做了一堆一堆的分析 因爲我們去一般去做這個測量系統分析啊 會去做很多的數據分析 你做了很多之後
他有時候就暈了 那我這個這個這個報告啊 這個數據到底是誰的啊
到底是兩舉一的還是兩舉二的 分不清楚了 我哪天做的也分不清楚了 那這些報告啊
我們如果把它寫清楚了 那最後生存的那個報告他就很清楚 你以後直接用的時候也會很清楚啊
所以哎 這個是我們實戰 實戰的時候大家經常會去忽略的這個點啊 大家如果去做項目的時候得注意這個點
那麼顯像裏面啊 我們這裏頭會有一個哎 cg值 cg的20%啊 20%還有一個研發研究的這個變
研究變異六個sigma 那這20%呢
我們一般呢 都會去給他設置一個20% 我們之前去講說 兩者研究有一個10%的原則啊 有10%的原則
那這裏頭我們會爲什麼會放到20%呢 一會我們跑出來的圖給大家講啊
好 那這個時候我們點確定 那就點確定 那這個我們就會出現這樣的一個報告啊 那好
那基於這個報告 大家來去看我們當前這個良具是否有偏移
有偏移的扣個一 沒有偏移的扣個零 有偏移的幫我扣個一 沒有偏移的幫我扣個零
非常棒 我看我們的小夥伴非常好 跟的節奏非常好
大家我相信大家
已經是遠遠超過綠帶水平了 在車輛系統分析的偏移分析
這個知識點上遠遠是超過綠帶水平的能力的 好 那我就不解釋了啊 我看大家
聽得很明白啊 那我們這個時候會去講一件難一點的東西 我們去看一看
他偏移 他是怎麼偏移了呢 我們看到這個偏移值是0.0
0.022對吧
0.022說明我們的良具是出差的均值 他比我們的增值要大 對不對 要大
同時 我們去看他還有一個值 還有一隻叫做cg和cgk 他反映的是什麼
反映的是我們良具的重複性 我們還記不記得 我們會讓
這個產品我們會去測10次以上 對不對 你看我們在這裏測了有30次
他反映的是我們這個良具所測量的這個值 它的波動的情況
哎 波動的情況啊 他波動比較大 那說明我們的這個良具 他的穩定性不好 對不對
良具的
比較穩定性啊 這個
瞎說了 這個良具的 他的重複性不好 良具的重複性不好 就是我們去測同一個值時候
他一會大一會小 一會大一會小 而且這個大小差的還挺遠的啊 他的波動會比較大 反映出來的就是我們這個cg這個值
cg他本身在六sigma的綠帶和黑帶中啊 他其實是不做不做要求的
哎 在我們的aiag的就是
這個汽車領域裏頭 我們去做良具分析的時候啊 經常會去用他來去衡量我們這個良具
他的重複性的能力是什麼樣的 還有一個叫cgk對吧 cgk他會去考慮我們的重複性和偏移性
哎 這部分內容有點操綱了哈 有點操綱了 好 這一塊大家聽懂了 哎 幫我扣個1啊
好 今天有可能會拖點騰哈 那好 我們
這塊哎 是情況一的 那我們再來一個啊 我們再來個情況二的 我們再來個情況一的看一下
情況一的 哎 大家看這個圖
這個圖是不是發現 哎 他的這個p值哎 是不是跟我們ppt裏頭的是一樣的啊 這就是我們一個
這個良具 哎 沒有偏移的情況 哎 他長的是這個樣子的 長的是這個樣子的
我們能看他的cg和cgk哎 是不是也比較好
啊 順便給大家講一下 我們cg和cgk
他的這個要求跟我們cp和cpk的要求哎是一樣的 我們都要求他大於1.33大於1.33啊
那從這個數據來看 我們的這個良具一 哎 他是一個比較好的情況
好 我們再給大家來一個例子啊 我們去看看情況三 情況三的情況是什麼樣子啊 第三個良具
第三個呢 哎 這也是一個非常有意思的現象 哎 大家看到了沒 這個現象大家覺得是有什麼問題
嗯 我們還是剛纔看 哎 我們偏移有沒有偏移
有沒有偏移
大家來先判斷一下 我們第一步先判斷他是不是有偏移
是否有偏移 如果有覺得扣1 哎 沒有扣0
哎 是有偏移對不對 哎 是有偏移啊 是沒有偏移對吧 我這個p值大於0.05說明他沒有偏移
但是我們這個良具是撤出來的 哎 這個數據有什麼問題啊
哎 就光我們看這個數據啊 就能看出來 他是不是波動特別大 一會大一會小 一會大一會小
那麼我們怎麼去衡量他這個波動大小呢 cg cgk cg cgk
cg 0.18 cgk 0.14 你看這個cg和cgk 其實挺接近的
我們又發現他偏移沒有 說明他這個良具主要的問題是什麼 主要就是波動 對吧 啊 重複性比較差
重複性比較差 那這個時候我們就需要去分析了 我這個良具重複性比較差的原因是什麼 對吧
是和我們的溫測量的環境有關係 還是和我們的某一些參數的設計有關係
對不對 嗯 那這個時候我們就需要去看我們的良具的重複性 這
比較複雜了 我已經講到了我們六sigma還註冊黑帶的這種程度了 我們的實踐這個程度了
大家能不能聽懂 哎 能聽懂的幫我扣個一 有任何問題的都可以打到我們的屏幕裏啊 哎呀
一不小心就講多了 又給大家
講超了 那我們今天的主要的分享內容就到這裏了 大家有任何問題的話 可以打到我們公屏裏 我給大家留最後三分鐘
留最後三分鐘 哎 來提問題
然後呢 請大家沒有點擊我們小分車領材料的小夥伴 抓緊時間點小分車 哎 抓緊時間點小分車
我們直播結束了以後呢 就沒有辦法給大家發放資料了 所以大家珍惜最後的時間
如果覺得我剛纔的講解對大家有幫助啊 我今天的講解對大家有幫助 哎 你覺得有收穫 請給老師點一波贊
請給老師點一波贊啊 好 有任何問題都可以打到我們屏幕裏 然後我給大家來做解答
哎 陳某同學 我下一次的直播是週三啊 是週三 今天我們到九點就結束了啊
然後請你關注我 哎 關注我 然後我會
關於你沒有
還想聽的內容 你可以打到你的這個屏幕 可以打到我們的直播間的屏幕裏啊
我下次可以優先來去解答你的問題 或解答你去講你想聽的內容 好不好
EH同學問t值是怎麼分析的 來 給大家去做個演示吧
既然都講到了 今天都說了 要跟大家去講我們的假設檢驗
比如說我們不去用它 哎 不去用這個兩舉一的分析 我們怎麼去做假設檢驗
演示一下啊 假設檢驗 首先我們要去做t檢驗的第一步是要去判斷這個數據
哎 是不是正態分佈 對不對
啊 有沒有人知道他
先去做正態性檢驗 在基本統計裏面的正態性檢驗 我們去看看啊
我們的情況 剛纔我們剛纔是哪一個兩兩句 他沒有沒問題啊 一對吧 不管了 沒關係
你看 我們先去看這一組數據 他是否是正態的 哎 是不是還是看p值啊
p值p值小於0.05 哎 說明他就不正態了 p值大於0.05 哎 說明我們這個數據正態
那這是我們去做t檢驗的第一件事情啊 我們需要去保證這個數據是正態的啊 好
那其他的呢 我就不去檢驗了 我們去給大家演示一下t檢驗在哪裏做
還是在這個統計
基本統計裏面 你看我們這塊有叫單樣本的t檢驗 哎 單樣本的t檢驗
我們的所有的數據在一列裏面 哎 選擇他啊
我的檢驗的值 進行假設檢驗的值是多少啊 剛纔我們說的這個增值是16 對不對
16 然後我們把它點擊確定
這個時候我們就去看我這個假設檢驗的這個t值了 啊 還記不記得剛纔我們去看到了
我這個t值是多少 0.44啊 然後我們算出來這個p值是
放大一點啊 放大一點 我算出來這個p值是0.661
所以我們
不能拒絕原假設 原假設是說我測量出來的值
是6和增值是一樣的
這就是我們所說的偏移分析的本質邏輯是用假設檢驗的t檢驗來去做的
聽明白了嗎 哎 大家這塊能聽明白啊
時間有限啊 確實沒有辦法給大家講的 那已經講的很深了啊 已經講的很深了嗯
哎 覺得講的好的給老師點一波贊 我再看看有沒有其他的問題啊
好eh同學 我給大家給你講明白了嗎 你聽懂了嗎
好dyz同學問cg和cpk怎麼去判斷好壞
1.33 1.33 我們跟cp和cpk的判斷方法是一樣的 我們期待它是大於1.33的啊
期待它是大於1.33的
1到1.33哎 是勉強可接受的 但是我們可能需要去看看原因是什麼 我們需不需要去做改進啊
好
做了type1還需要做type2嗎 哎 這個我後面會去講啊 因爲今天來不及了 我們先去講的是偏移分析 接下來我們有可能要去
做完偏移分析 我們還需要去做怎麼樣 去做看看 這兩句會不會有線性偏移 對不對 我們第一個特性沒有偏移
後面幾個特性是不是會有偏移 有偏移之間 它會不會有一些
有一些規律
那線性偏移 線性偏移的本質邏輯是相關分析和迴歸分析 相關分析和迴歸分析
好 我們再說 單邊空差我們選多少 cg20%和6倍sigma嗎
哎 你這是一個非常好的問題啊 我們需要根據自己的項目來去做判斷 需要根據項目來判斷
一般情況我們去做 哎 這個兩句分析有一個通用的 或者是說有一個基本規則叫做
哎 十分之一元者10% 十分之一元者 十分之一元者
如果你是單邊的話 我們希望能夠比較嚴格的去控制 那這個時候你把它cg的那個值可以配成10%
因爲你所容忍的 哎 所容忍的這個波動只是朝一邊去走啊 朝一邊去走
