質量管理五大工具 【乾貨】控制圖的選擇：I-MR控制圖

大家好,我是Aaron老師 我們今天繼續和大家分享我們常規控制圖裏面的IMR控制圖 這個是我們比較特殊的一個控制圖 那麼我們今天基本上分爲四大部分 那我們其實說的主題是我們的這個常規控制圖 也就是匈牙特控制圖 那麼我們把這個匈牙特控制圖也叫常規控制圖 那其實基本上它的分類呢 我們根據數據的類型啊 按照我們聯繫數據啊 基本上有三大控制圖 第一個呢 就是我們最開始學的這個X8S控制圖 那第二個呢 就是我們上次學的X8S控制圖 其實它倆的區別的差不多 那麼今天呢 我們來說一個第三個比較特殊的一個叫IMR控制圖 那麼這個IMR控制圖呢 我們四個部分啊 第一個我們來說一下什麼時候我們選擇IMR控制圖 第二呢 我們給大家去看一下這個IMR控制圖它的計算原理是什麼樣的 第三部分呢 我們來看一下IMR控制圖的應用 我們呢 也會給大家找一個實際的案例出來 大家去看一下我們怎麼去應用我們的IMR控制圖 包括我們metab怎麼操作 怎麼演示 怎麼解讀 好 那大家有什麼問題呢 就隨時打到我們的評論區 我們每講完一部分內容會和大家互動 大家可以幫我們直播間點點贊 好 那麼我們先來 因爲這個可能有上兩次沒來的小夥伴 所以我們先要說一下 那麼就是這個常規控制圖 修哈特控制圖 它的這個基本原理是什麼 那麼修哈特控制圖它的基本原理啊 我們給定一個定義的時候 這個叫它區分了組內變異和組間變異 那麼什麼叫組內變異 比如說啊 我們說按照時間抽樣 比如說我們定四小時一抽 那八點抽一次 那下一次抽就是十二點 再隔四小時呢 就是十六點 那麼每隔四小時一抽 那麼我們在八點這個時間段下抽的樣 你抽的這個樣品本身 他自己就算一個組吧 就算八點時間下我們生產的一個狀況 這就算一個組 那麼這一個子組裏邊 我們樣本本身的這些差異 這個就叫組內變異 或者說我們利用我們每一次抽樣 得到的這個子組裏邊的自身的差異性 來代表我們八點鐘 我們製造製程裏邊的一個組內變異的大小 那麼你再一抽十二點 他還有他的組內變異 再抽還有他的組內變異 那麼除了組內變異之外呢 其實我們還有一個叫組間變異 什麼意思 那大家知道基本上能決定我們製程水平 或者說能力或者說不良率的 基本上有兩個東西 第一個東西呢 其實就叫波動 第二個東西呢 就是我們的中心位置 大家有時候經常會說這個 我們現在的製程偏上線了 偏下線了 那這個說的是什麼呀 說的就是我們製程的中心位置 那麼我們在八點鐘的時候呢 我們也會有八點鐘這個時間段下來 他的中心位置 那麼每一個你抽樣監控的對應的時間的這個流程裏邊 都會有他自己的一箇中心位置 那麼中心位置與中心位置之間的這個差異 我們就叫組間變異 這個是虛華特控制裏邊 他一個基本的一個邏輯 我們要強調一下 就是大家區分組內變異和組間變異的概念 如果這個概念我們搞不清 那其實整個虛華特控制他的原理 我們也是搞不清的 所以這個非常重要 那好 我們瞭解了組內變異和組間變異之後 那麼我們在虛華特控制 大家就清楚了 他怎麼定義過程的穩定性呢 就是我允許你啊 我允許你存在組內變異啊 我允許你存在組內變異 但是你的組內變異 你大致上從統計上判定 你要差不多 比如說我們來畫這樣看的話 這是我們的 來畫一下 這有沒有組內變異 有啊 對吧 這就是組內變異 組內變異 可以有組內變異 但是你不能差太多 你不能說坐着坐着 你的組內變異變這麼大了 那這肯定是就證明過程不穩定吧 對吧 那麼組間變異是什麼 組間變異就是 我們每一個時刻下 我製成的中心位置 那麼組間變異呢 在匈牙特控制它的原理上 我們認爲你不能有這種顯著性的差異 什麼叫顯著性的差異 就是我給大家換一個顏色啊 對在我組內變異的這個寬度下 在我組內變異的寬度下 我這個組間變異的差異 不能是統計上判定有顯著差異的 統計上不能判定有顯著性 如果我組內變異這麼大 那我組內變異這麼大 這個中心位置在這裏 他倆之間的連線是什麼 他倆之間的這個差異就叫組間變異吧 但是大家知道 如果從數字層面上來說的話 你肯定中心位置是一直會有變化的 你不可能是一模一樣的 雖然數字上有這麼大的差異 但是我在統計上 我根據組內變異的這個程度 組內變異這麼寬 它的程度上我來判定 你組間變異是不是有這麼顯著的差異性 所以我們說組內變異允許你存在 但是你要大致差不多 你不能說突然變這麼大 或者突然變這麼小 這都不行 這都叫不穩定 那麼組間變異呢 就是中心位置 在我們的這個組內變異的程度上 我們去判定 你的組間變異不能有顯著的差異性 也就是不能在統計上判定 存在這種組間變異 所以就是允許我們存在 不隨時間變化穩定的組內變異 那麼組間變異不能有 當然這些都是統計層面上去判定的 那這呢 就是我們匈牙德控制的一個基本的原理 那麼我們來看一下 控制在選擇上 在我們匈牙德控制選擇上 其實大家可以看到 基本上我們在6SIGMA裏邊 大家所涉及到的一些工具 舉個例子 比如說MSA 比如說迴歸 對吧 比如說假設檢驗 你看基本上我們能設計的工具 其實你在選擇這大類的工具之後 根據我們數據的類型 基本上都分流了 就分成兩邊 一種是連運行數據 一種是這種技術型數據 或者你叫它計量或計數 連續或離散都可以 你看MSA 如果是連運行數據 我們做的是GRR分析 如果是技術型數據 我們做的就是kappa 一致性比率這樣 迴歸呢 如果我們的Y是連運行數據 我們做的就是一元線性迴歸 多元線性迴歸 對吧 如果是技術型數據 我們做的就比如說 二值迴歸 邏輯迴歸 那麼假設檢驗也一樣 連運行數據 我們做的可能是 單樣本T 雙樣本T 網能網 那離散型數據 可能是單比率 雙比率 列聯表 對吧 所以基本上 根據數據的類型 兩大類型 它就分流了 那麼我們的這個虛化的控制 也是這樣的 所以我們連運行數據 走一邊 你這個技術型數據 離散型數據走一邊 那麼今天我們的重點 其實不是說這種屬性類的數據 因爲這種東西 還是存在滯後性的 我們先說 先說什麼 就是當我們監控的對象 是哪 這個監控的對象 肯定是就說吧 某一個產品的質量特性 當我們輸出的質量特性 是連運行數據的時候 我們怎麼選 大家看看就分三個 M2控徒 X82控徒 和X82S控徒 那麼我們這個說過了 上一次這個也說過了 那大家如果上次沒來 上上次沒來的 大家可以點點關注 進我們左上角的 這個討教的主頁當中 大家去看 找Adrian老師 直播回放 去看一下我們過往的這個識別回放 這些應該都有 那我們今天說什麼呀 說這個M2控徒 那麼區別和選擇上有什麼區別 我們來看一下 好 我們拿X82來說 那我們之前也說過了 它叫X82控徒 其實呢 它是要畫兩個圖出來的 一個圖呢 是X bar 一個圖呢 是R 這個X bar什麼意思 就是你每次抽樣 你比如說我抽了五個樣品 你每次抽抽五個 這個叫子組容量吧 你每次抽五個 那麼這五個看到了吧 這五個你算一個平均值 你每次抽都算一個平均值 大家要清楚啊 我這個X bar是幹什麼用的 那麼我每次抽樣還能算一個極差 這個叫R嗎 這個R又是幹什麼用的 這個我們要搞清楚 那其實你看X bar S控徒呢 它也是兩個圖 一個是每次抽樣算一個X bar 每次抽樣算一個樣本標準差 然後畫兩個圖 你爲什麼要這樣幹 因爲再回過頭來說一下 我們虛華頭控徒 對吧 怎麼判定過程穩定啊 組內變異恆定 組間變異不存在 所以我們必須要有兩個圖 一個負責監控組間變異 一個負責監控組內變異 但其實大家也清楚啊 我們即使每次抽五個 每次抽五個 你抽了二十個子組 但其實我們有一百個數據嘛 那我們其實監控的並不是我們每一個數據 或者說每一個產品本身 我們監控的是對應子組的統計量 比如X bar就叫一個統計量 你比如說GXR就叫一個統計量 那麼X bar代表的是什麼 它代表組間變異 你的中心位置嗎 對吧 你看就這個藍色的地方了 是不是這個R是幹什麼用的 R是GX 爲了監控什麼 這個綠色的組內變異 我每次抽我都算一個GX 來監控組內變異 那統理大家要清楚了啊 這個IMR 一個是負責監控組間 一個是負責監控組內 我看大家有一個問題啊 X bar到底要大於6還是8 有些書上好像說大於6也行 大於8吧 你看我們metab給大家的這個幫助窗口 自由大小大於8 我們選擇X bar S 大於6有一些少了 大於6有些少了 好 那大家可以幫我們直播間點點贊啊 我們看看能不能先點到3000 那我們新進來的小夥伴呢 也可以點一點關注 因爲我們基本上一週七天每天都直播啊 我們一開播 大家能收到提醒 而且我們過往的直播已經做成了視頻的形式 創造了我們主頁當中 大家可以點點關注 點擊左上方的這個討教的頭像 進我們主頁當中 大家去找啊 所有視頻的最上方有一橫行 是我們所有直播老師的合集 那我是Asian老師 大家感興趣呢 也可以去看 那我的這個直播回放應該是最多的 差不多已經有快60個視頻了 這些都是免費的 大家可以點點下方預約的小風車 這也是給大家的福利 這裏邊是我們6Sigma系統的課程 是我們綠帶的課程 那麼大家點完小風車預約之後呢 會給大家發送免費的6Sigma綠帶的視聽課 視頻形式的視聽課 大家可以先去感受一下 向南也關注啊 感謝向南 百度不籤說 剛來S代表什麼 S就是我們的樣本標準差 是我們衡量數據啊 衡量一組數據波動程度 差異性大小的一個統計量 大家有什麼問題都可以打到評論區 那這個IMR就比較特殊 對吧 那既然你看我們百度不籤問到這個問題了 我們就來說一下 Sbar是什麼意思 這個叫樣本的均值嗎 對吧 R是什麼呀 樣本的積差 S是什麼呀 這個叫我們算的時候用樣本的標準差 那麼這個I和MR是什麼 哎 這倆是什麼東西 其實我們在學基礎統計這一門課的時候 我們介紹了很多的統計量 就說了Sbar 也說了R 也說了S 但是在基礎統計的課裏邊 我們是沒有涉及到I和MR 所以這個I是什麼意思 I的意思叫單值 大家可以先記住這個名字啊 一會我們展開說 MR叫什麼呀 這個R是積差 MR是什麼呀 MR叫移動積差 移動積差 好 我們來看一下 那麼我們怎麼去選擇 到底用MR控制圖 還是用Sbar控制圖 其實呢 最主要的一個區分幫助我們區分的選擇 就是根據我們子組容量的不同去定 那你看大家看到了啊 這個剛纔來評說靜音也說了一個問題啊 你看當我們的 這個叫什麼 子組容量啊 這個我和大家強調一下啊 呃 什麼叫子組容量 就是我們要清楚啊 我們是先對 你不能說我學了控制圖 我直接就弄用啊 這個肯定不行 先對我們負責的這個流程 有了一定的理解 然後我們去設計我們的什麼的控制圖啊 那這裏邊你既然設計 你就要考慮到一些實際的事項 有哪些實際的事項呢 比如說啊 子組容量什麼叫子組容量 子組容量的意思就是 哎 剛纔我們不說了每次抽幾個 每次抽幾個 你每次抽幾個 比如我每次抽五個 每次抽五個 這五個呢 就叫子組容量 那很多同學呢 也說這個東西不是叫樣本量 你叫他樣本量呢 也可以 對吧 但是我們說在這個控制圖裏邊啊 他不叫樣本量啊 他有他自己專門的名字叫子組容量 那我們爲什麼一直在強調這個子組容量這個概念啊 因爲大家會發現 你如果用metab去算這個cpk的時候 你在走那個路徑 走metab的路徑計算cpk的時候 他就會問你一句話 他讓我們輸一個信息叫什麼 叫子組容量是幾 子組大小是幾 對吧 我每次也給大家去展示 那很多同學他是剛學他可能有點模糊啊 你看統計控制圖 智能工具能力分析 對吧 大家算cpk的時候都都在往這個路徑裏面去找嗎 對吧 那接來之後 看見這有個子組大小唄 那很多人在這就蒙了 是填有填一的 有填五的 還有填這個我有多少個數據啊 我有100個數據 那我就去100的 這些都是不對的 那具體這填幾啊 所以這個就是我們徐華策控制圖裏邊的這個概念 就是你每次抽樣抽多少 這個叫子組容量 也可以叫子組大小 還有一個我們要確定的是什麼呀 就是我們的抽樣頻率 什麼叫抽樣頻率啊 你比如說我是四小時抽一次 我還是八小時抽一次 我還是一個班抽一次 我還是兩天抽一次 對吧 這個叫抽樣頻率 這些東西都定下來了 我們纔會去選對應的這個什麼控制圖 那麼我們來討論一下 大家感覺我們這個子組容量是越大越好 還是越小越好 大家可以把大家認爲的答案打到我們的評論區 我們來討論互動一下 我們新進來的小夥伴也可以點點關注 主頁有過往的直播回放 大家可以免費去看 那大家還可以點點下方預約的小風車 這裏邊是我們UseSigma系統的課程 大家點了預約之後呢 會給大家發送免費的試聽課 GB課程的試聽課 大家可以去感受一下 大家都說大對吧 嗯 老男生說這個給給給我們的百度不輕又解釋了一下 S代表多少差 大家可以看一下啊 大家說的答案都對啊 大家可以看一下劉年餘生和藍天白雲說的 其實我們想一下 SPC也好 CBK也好 它的本質是什麼 就包括我們算CBK也是一樣的 它的本質其實就是通過抽樣來推總體 CBK也是這樣 你CBK是基於SPC之後的一個產物 如果我們沒有SPC的話 沒有做常規控除的話 我們是算不了CBK的 你愣算它是沒有任何意義的 它不符合那個邏輯 那CBK是什麼 CBK其實就是通過我們抽樣來推斷總體的一個不良率 那麼只要涉及到抽樣 就是通過我們抽樣來怎麼樣 這個代表沒辦法來看一下 代表一下我們總體的一個狀況 所以只要是抽樣 那當然是樣本量越大越好 那在SPC裏邊 當然是自動容量越大怎麼樣 就像我們這個劉年餘生說的 它的這種代表性就越強 但是 餘生也說了 你要是抽起來這個東西 有的時候我們抽樣本 大家要考慮一個東西就是成本 那如果是破壞性測量怎麼辦 你比如我抽一個 換一個 抽一個換一個 你說我還能搞得很頻繁嗎 我兩小時抽一次 一次抽十個 那這些不都是報廢了嗎 對吧 你也就是沒兩個小時 你就會報廢十個產品 肯定是不行的 還有即使不是破壞性測量 那有沒有人啊 得有員工去抽吧 抽完他得測吧 那這個時間成本算不算 你要招一個員工過來 你說我一個月給你開一萬的工資 一天是五百的工資 對吧 你這一天可能十個小時 你八個小時 你都在 都在測 這些東西其實也不算是增值 對吧 也不算是增值 所以你要麼量越大 你成本就越高 但是要麼量越大 肯定對肯定什麼呀 我們的代表性就會越強 它裏面有一個悖論的關係 那麼我們說到這兒呢 其實我們今天重點的就說這個 什麼時候選擇MR控制圖 大家看到了 每次抽的時候只抽一個 這個一叫什麼呀 叫子組容量是一 或者叫子組大小是一 那大家可以想一下 什麼時候我們會每次只抽一個 第一 我們的抽樣成本比較高 比如說我們生產的產品是什麼呢 我瞎瞎說啊 這個Adrian老師瞎說 舉個例子 爲了讓大家能理解 比如我們做鑽石 我們要測這個鑽石的這個硬度 測量方法呢 是用這個壓機把它給壓碎了 看看多少兆帕能把它壓碎了 那你說我們能不能這樣搞 對不對 你這抽樣成本太高了 你這個抽一個測一個 啪就換一個 這成本太高 對吧 對你看 餘生說破壞性實驗 一般破壞性實驗 其實光破壞性實驗 也不也不一定啊 說我破壞性實驗 我就必須只能選一個 不一定啊 根本根本還是你的抽樣成本太高 你比如說我做的這個產品 我就是破壞性測量的 但是成本很低很低 非常非常低 我多抽幾個破壞的行不行 也行對吧 這個要結合我們自己對流程的管理 自己去這個衡量它 衡量這個成本問題 那第二呢 就比如說一些均勻的材料 那比如說我們是做酒的 你看啊 我們做酒 大家知道可能會 我們拿到的產品肯定是一瓶一瓶的 對吧 比如買瓶酒 500毫升一斤 那你這個酒廠在真正做的時候 它可是有大罐的 對吧 這一大罐 我們默認這種是均勻材料 什麼意思 你比如說我抽 你怎麼抽 你不會說 這怎麼說呢 我先來一勺 對吧 測一下酒精度 我再在這一大桶裏邊 我再來一勺 再來一個就再測一個酒精度 再來一勺 再測一個酒精度 大家感覺那這個還符不符合 這個合理制度原則 這還符合嗎 你這一鍋裏一鍋裏乘五勺 對吧 我們默認這種是均勻材料 什麼叫均勻材料 你就是在上方 在中間在下邊 你在任何一個罐裏的任何一個地方 它的酒精度都是 你不可能說這會是70度的酒 對吧 你這變成20度的酒了 這不現實 對吧 這個均勻材料一般抽一個 而且我們生產這一罐可能需要 比如說八個小時 對吧 那這個東西就沒法搞 你生產一罐八個小時 那你不能說我在這一罐裏邊取五勺 這個就不合理 還有一種常見的情況 就是你測量比較耗時 測量比較耗時 什麼叫測量比較耗時呢 有的這個產品的特性 你測一次的話花費很長時間 可能測量過程很複雜 你比如說可能花費30分鐘 那這個東西你說 那好吧 我的子組容量定爲五 你每次抽五個 抽五個是挺快的 你測完這五個150分鐘過去了 這兩個半小時過去了 這不行啊 這太誇張了 對吧 你對流程的這種監控性太滯後了 所以一般這三種情況沒有辦法 沒有辦法 我們一次抽一個 一次抽一個 好 那麼這個i2是什麼意思 i是什麼意思 叫單值 我來給大家 我把這個數據找出來給大家看一下 我們來討論一下 我們的監控後 我每次抽一個 那麼我隨便寫入一點信息 那麼大家看啊 這個是子組一 對吧 我問大家 這個81.395 這是第幾個子組 這是第幾個子 大家討論一下 這是子組一嗎 他和86.709 我們第一個數據是一個子組嗎 對啊 這是子組二 對吧 那這個東西啊 你看啊 我們就講一下啊 那首先你要有一個衡量位置的 對吧 代表什麼呢 代表組件變異 你還要呢 衡量有一個衡量波動的啊 來代表什麼呢 組內變異啊 啊 這個問題就來了啊 哎 我這個子組一啊 平常我抽子 我抽的話 每次都抽一個以上 比如抽三個 抽五個 抽八個 抽九個 我都是用x8來代表這一組的平均位置 現在好了 孤家寡人一個了 連個小夥伴也沒有了 這怎麼辦 那你的樣本均值本身是不是就他自己呀 對吧 所以我們用單值單值用什麼符號表達用愛來表示來代表位置啊 中心位置沒有辦法 只有我自己了 樣本均值不就是我本身嗎 然後這個波動怎麼衡量組內變異 這就沒法搞了 那這這這怎麼搞 就我一個人了 我跟誰衡量差異性啊 我們一說波動的話 你肯定是要有至少兩個數據能衡量波動啊 你一個數據怎麼衡量波動啊 所以我們就選擇一個東西叫什麼呢 叫m2 m2叫什麼呢 叫移動積差 那麼積差大家知道 積差的計算方法就是最大值減去最小值 那麼移動積差什麼意思 好 我就是相鄰相鄰兩個子組的差值 這個就叫移動積差 比如說86.709和81.739這個差值是多少 我得算一下 86.709減去81.398 5.311 這個用移動積差來代表組內變異 對 不不不一定是第二個減低一個啊 這個移動的積差啊 你看他倆裏邊的這個最大值減最小值 你看那麼你第三個字是什麼呀 這是86.476減去81.398 那麼這個時候大家就會發現 那麼我會 你看我有多少個子組啊 我有這多少個 34個子組啊 我有34個子組 那我問大家 我會有幾個移動積差 我34個子組 我會有幾個移動積差 我34個子組啊 好大家都說33個 那我會有幾個單值 這應該很簡單了 對吧 有幾個單值 34個單值吧 那麼爲什麼少一個移動積差呀 因爲第一個沒有啊 第一個子組沒有 爲什麼呀 他行大 他前面沒人了 你沒法相減了 後面的呢 都有啊 所以我們會有多少個 34個單值 33個移動積差 秋空一夜說了一個子組爲二 是可以使用中心極限定理嗎 這個中心極限定理啊 和子組多少 你子組爲二用中心極限定理 子組爲五用中心極限定理 他沒有這樣的一個邏輯關係 中心極限定理說的是什麼呢 他說的是 即使我的原始數據的原始的這個總體的分佈 不符合正態分佈 那麼隨着我樣本量的增加 我每一次抽樣 每一次抽樣得到的這個樣本均值 他的分佈會無限的趨近於正態分佈啊 那你說子組爲二的時候能用中心極限定理嗎 不一定啊 你說子組爲十的時候能不能用中心極限定理 或者說你說會不會能就他們的問題 應該是能不能滿足中心極限定理 就是說我子組爲十 是不是樣本均值就正態了 也不一定啊 你要看我原始的這個數據 他原始數據的分佈有多偏 你說原始數據特別特別偏 你可能子組 你比如說你這個子組爲十的時候 他也不一定就能給你拉成正態啊 你不能說光看樣本量 你還要看一下原始數據的分佈有多不正態 你說特別特別不正態 非常非常偏 那你說十個也不一定啊 這個具體要看一下 好那大家明白了 I什麼意思啊 M2什麼意思 我們繼續往下走 感謝來評的鼓勵啊 大家可以我們新年下班了 可以點點關注 因爲我們的直播 每週的每天基本上都有 大家可以來聽 大家可以去主頁的最上方 大家去找 這個我們直播的回放的合集 我是Aaron老師 大家可以去看有60多集了 大家感興趣的MSA啊 DOE啊都有啊 而且說的都很細 大家可以免費去看 那新進來的小夥伴也可以點點下方的這個小風車 這裏邊呢 是我們六Sigma系統的綠帶課程 因爲我們直播細嘛 確實是細啊 但是我們的主題總是在變 那六Sigma它畢竟 大家知道DMSA是很難的嘛 這個系統的方法論 最好還是系統的去學 大家可以點點下方預約小小風車 那麼會給大家發送免費的 我們GB的視聽課 大家可以先去感受一下 田帥問幾點到幾點直播 基本上每天都是八點到九點 一個小時 好 那我們來看一下啊 那麼這一頁呢 是我給大家拿出來的啊 這個是什麼呢 這個是我們的M2控除的一個控制線的計算公式 大家感興趣呢 可以去截屏 這裏邊呢 我就不拓展的給大家再去唸了 大家清楚一點就可以了 大家看到沒 我們這個I控制圖 它是幹什麼用的 它是監控組間的 這個我說一下重點 那麼M2控除呢 它是監控組內的 那不管是X82控除也好 還是X2S控除也好 還是M2控除也好 哪一種都好 只要看控制圖 先看組內的控制圖有沒有問題 沒有問題 再看組間 這個是有前後順序的啊 不是說我這個隨便看啊 有前後順序的先看組內再看組間 那麼爲什麼呀 因爲大家看到沒 我們的這個組間控除的控制線的寬度 那這個所謂的Sigma 這個Sigma的估算 是這個分子是什麼 M2- 也就是你的移動極差的平均值 它是由組內控除的這個平均值 那M2嘛 來決定的 所以我們得先保證組內控除沒有問題 再看組間 你說組內控除你都一堆超線的了 那這個東西你再看組間也沒有多大意義了 所以先看組內再看組間 全是大人問了一個 I是哪個數據 I我們剛纔說了 I叫什麼 叫單值 你每次抽一個 每次抽一個 你抽的這個數據本身就叫單值了 感謝不棄的關注啊 大家可以幫我們直播間點點贊 好 我們來看一下 這個M2控除呢 他怎麼去做 首先我們拿一個案例來說一下 我們監控的這個產品的質量特性是什麼 是厚度 剛纔在meetup裏邊也給大家展示了 那麼我們每兩小時抽一次啊 這個兩小時叫什麼 這個專業的在SPC裏面的術語叫什麼 來 大家可以打到評論區 這兩小時叫什麼 抽樣頻率 對 抽樣頻次 對 哎 我這沒寫啊 每次抽一個啊 每次抽一個 兩小時抽一次 這個一叫什麼 還有沒有人說樣本量 啊 你看 還有人說樣本量啊 樣本量對不對啊 也對啊 但是我是希望啊 希望就是我們在講的時候 希望大家還是叫他的這個專業的名詞叫什麼 叫子組容量或者叫子組大小 爲什麼 因爲有太多人問啊 很多人就是他算CPK的時候亂的原因 就是因爲他不知道CPK是有前提的 就是你要先做匈牙特控除 所以這個你看你這個做CPK能力分析的時候 你特別問的你的子組大小 其實就是我們在這個匈牙特控除裏邊說的這個N 所以我 我爲什麼說大家儘量不要說樣本量呢 我怕大家說樣本量這個東西又聯繫不起來了 就是我學SPC的時候明白叫樣本量 這個一做CPK分析的時候 一問我自助大小 我就不知道是什麼了 其實呢 就是大家說的這個樣本量啊 我們呢 叫他什麼叫他自助大小或者叫自助容量 那麼我們八大判義準則呢 在這裏邊 我們是選擇了三個啊 第一條 第二條和第三條怎麼選 怎麼勾這前三條 我們一會給大家去演示好吧 那麼做這個匈牙特控除的幾大前提 第一我要保證正態 爲什麼呀 因爲大家知道啊 這個控制圖裏邊 我們說第一條是什麼 就是我在監控過程的時候 你不能有點超控制線 那麼如果你超控制線 這個概率是多少啊 是0.27% 對吧 這個我們前面也說過 大家應該也聽着熟 那爲什麼是0.27% 怎麼來的 我們說均值正負三倍 誰個嘛 落在這區間裏邊的概率有多少 99.73% 那你落在這個區間以外的概率是多少 就是1-99.73% 就是0.27% 但是大家不要忘 這個所謂的均值正負三倍 誰個嘛 99.73%的概率落在這個區間範圍裏 這是誰的性質 你比如說一些偏態分佈 它也有均值 它也有誰個嘛 那它符合這個性質嗎 它不符合 所以這個是正態分佈的性質 所以我們Short控束的邏輯是這樣的一個邏輯 那麼你要先保證正態性 第二 我們要保證我們監控的這個數據怎麼樣 要有獨立性 我們來看一下怎麼去做這樣的分析 老男人問了一個問題 他說爲什麼不選八項只選三項 那麼第一 八項我們最開始的時候 就是Short控束圖發明出來的時候 它只有第一項 就是你不能有點超控制線 那後面七項 後面七個判斷準則是根據我們不斷的去完善 不斷的去完善 好像有一些 你比如說你看雖然沒超限 連續的上升下降 這也不行 所以又補充了幾條 但是我們不是說必須要把八條選選上 第一條是你必選的 後期條你任選 根據你自己工程的一個特性 你任選 那麼大家要清楚 如果我們選了八個都選了 那麼所謂的誤判率是會變高還是變低 這個0.27%叫什麼呀 其實其實這個老男人啊 這個他提了一個挺好的問題 這個0.27%叫什麼 這個0.27% 其實我們叫它α 這叫什麼呀 叫一類風險 也叫誤報風險 耳熟嗎 這個α 大家學解設檢驗的時候也有α 我們在假設檢驗裏邊定的是0.05 那所以這個什麼叫誤報風險 我舉個簡單的例子 你看啊 我雖然在瞄點瞄着瞄着 監控的過程有一個點超控制線了 那我問大家 雖然這個點超控制線了 那肯定是我的製造過程裏邊出現異常情況了嗎 哎 大家想一下 我有一個點超控制線了 肯定是我製造過程出問題了嗎 不穩定了 真的嗎 不一定嗎 對吧 那如果我們調查原因發現啥事也沒有啊 虛驚一場 那這個叫什麼呀 這個就叫誤報 對吧 什麼叫誤報 你本來沒有事 你瞎報 這個叫誤報嗎 對吧 那麼這個一類風險啊 這個叫誤報概率嗎 是多少啊 0.27% 本來0.27% 這是一條0.27% 你又選了七條 那你說這個誤報風險是變大了還是變小了 對吧 這就跟我們這個這個談戀愛找對象一樣嗎 你又要學歷好 對吧 這就很難找了 然後你又又要求這個這個長得漂亮 對吧 又要求家庭條件好 又要求工作好 又要求性格好 你設立這麼多 你會發現不好找了 對吧 同樣你這個一類 你一次你選一條他的誤報風險27% 你把八條全選上了 你這誤報風險就登登往上漲了 這誤報風險在變大呀 明白吧 方問了一個 他說這個9.73%是發現了合格率嗎 不是啊 這個多挨鞭啊 9.73%是我們落在這個區間範圍內的概率 好 那麼沒有人說你必須這個八條都選 好吧 好 那我們退回來看一下 我把這個剛纔給大家寫的沒有用的 我就刪了啊 呃 我們新進來小夥伴可以點點關注啊 我們的這個H老師一直在努力的講啊 沒沒很少和大家說 新進來小夥伴可以點點關注啊 支持一下我們直播間 大家也可以點點下方的預約小風車 這裏邊是我們六Sigma系統的綠帶課程 大家點完預約之後 後臺會給大家發送免費的視聽課啊 視頻的形式 大家可以去感受一下 這個是免費的 大家點了關注以後呢 我們一週七天基本上每天都直播 大家可以每天都來八點到九點 大家呢 也可以去主頁的最上方去找我們過往的直播的 回放視頻 MSA啊 DOE啊 假設檢驗啊 迴歸分析啊 這些常用的大家感興趣的 我們基本上都講了差不多啊 講得很細 大家可以去看一看 好 怎麼做正態性檢驗啊 那這個路徑大家應該比較熟了 對吧 統計 基本統計 正態性檢驗 我給大家說一下吧 說到這個正態性檢驗 我給大家說一下啊 那其實大家要清楚啊 我們現在已經是每一個單值算一個子組了 所以我們不用看子組均值的這個正態性啊 不用算 我們就看這個淵源數據啊 淵源數據就代表了這個單值吧 就直接看淵源數據的正態性了 那麼做正態性檢驗三個路徑啊 我給大家看一下這三個路徑分別在哪 第一個也是大家最常用的做正態性檢驗的路徑啊 統計 基本統計正態性檢驗 有需要的同學可以截圖 有需要同學可以截圖 點進去啊 我們點擊C一列厚度 默認用AD檢驗就可以了啊 然後點擊確定 那麼我們就會生成一個概率圖 那麼結論在哪裏 結論就在我們的這個右上角這個組塊裏面 最下邊的這個P值 P值只要大於等於0.05 我們就認爲它是符合正態的 所以大家可以看到P值0.08 大於等於0.05 那是正態的 沒有問題 好 這是一個路徑 第二個路徑在哪裏呢 在統計 基本統計圖形化彙總 需要的同學可以截圖 大家也可以自己嘗試去找啊 因爲你把光標放到每一個工具框的時候 它也會給我們一些信息 你看 點進去之後 變量這裏邊我們就輸原始數據C一列 那不用管 按變量分組也不用管 我們點擊確定 那這裏邊呢 其實它叫圖形化彙總嘛 它的信息就會很豐富 但是這裏邊也有正態性的信息啊 比如說右上邊 AD檢驗 對吧 你看P值0.08 而且我們也可以簡單的通過我們的這個直方圖 來看一下 有沒有一個正態的分佈啊 當然了 我們這個數據嘛 比較少 只有34個 所以他看這個直方圖呢 看起來不會有數據量大的時候那麼明顯 但是大家可以看右邊這個P值就可以 這是一個路徑 還有一個路徑在哪裏呢 圖形 把它先關了 圖形 然後概率圖 那這個需要大家可以截圖 大家可以截圖 然後點擊 概率圖 我們選單個啊 單個 因爲我們只有C1列一組數據 我們選單個 點擊確定 圖形變量 輸入C1 源源數據列 你雙擊它就可以了啊 雙擊 然後我們要在這裏邊選擇一下分佈 他呢 就比較怎麼說呢 你看他不像最開始我們的那個路徑 前兩個路徑有一個缺點 就是他只能做正態性檢驗 你看統計 基本統計 正態性檢驗 他就只能檢驗正態 那你圖這個統計這個圖形化彙總 他也只能輸出這個正態性檢驗的結果 那這個概率圖呢 其實大家看到有一個分佈嘛 我們通過點擊下面這個分佈 你點啊 他可以對 你看常見的這14個 14個分佈啊 差不多14個吧 你都可以做檢驗啊 當然我們這裏邊是做正態嘛 我們就默認是正態啊 點擊確定 然後點擊確定 大家看到右邊也會出來AD值和我們的這個P值啊 這個結論都是一樣的 都是0.08 所以呢 這三個路徑都可以走啊 這三個路徑都可以走 大家選哪一個都可以 好 那麼正態性做完之後 我們要檢驗獨立性獨立性呢 我們在檢驗的時候 他就沒有過多的這種路徑可以選了啊 那麼我們在質量工具的第一個運行圖 其實大家可以發現啊 我們之前在講這個描述統計的時候 大部分的這個meta的圖形分析 都在專門的這個菜單欄下的 就是圖形裏面 你看什麼散點圖啊 氣泡圖啊 脂肪圖啊 點圖啊 相線圖啊 這個餅圖啊 條形圖啊 那麼有幾個特殊的 你像運行圖和帕利托圖 他就比較特殊啊 他在質量工具裏邊 所以大家也應該清楚 這兩個工具啊 運行圖和帕利托圖 還有我們下邊這個多變異圖 其實這三個是比較特殊的 不簡簡單單的是做圖形分析啊 它的這個使用的背景 或者說它的意義更大一些 我們點擊運行圖 這個是做獨立性檢驗的啊 那我們點擊厚度 那這裏面我問大家 字大小填幾 你看又出字大小了 對吧 所以爲什麼儘量不讓大家說樣本量啊 我們老說字大小字容量字大小字容量 你有了這個概念之後 你在metab窗口裏面再選的時候 那你就可以怎麼說 就是能先前上 當然了 你學到最後都很熟的時候 那你肯定是沒有這些個困擾啊 就說對於初學上來說 儘量我們還是叫它一些專有的名詞 其實這個時候啊 你做運行圖的時候 你這個字大小填幾啊 太簡單了啊 我用最簡單最直白的例子和大家說 你就看我們C一列 這一列數據 幾個和幾個是一波 你比如說 第一個是不是自己一波 他代表子組一嘛 兩小時一抽嘛 再過兩小時 你抽了子組二嘛 再過兩小時 你抽了子組三嘛 所以每一個一波 所以你數子組一什麼意思啊 metab就會把我們的這個數據啊 一刀一刀切 但是你告訴他的這個子組大小是幾 就代表了他要他就清楚了 我和多少個數據砍一刀 你看和一個數據砍一刀和一個數據砍一刀和一個數據砍一刀 所以你必須要告訴他 然後我們點擊確定 那麼上邊這個圖呢 這個其實就是我們的這個描繪的單點的圖 但是大家要清楚啊 我們的原始數據 這你別看我只是堆啊 我只是堆了34個數據啊 這這34個數據之間會有關係的 大家能清楚吧 這34個數據有什麼關係啊 他一定要有一個時間的維度 什麼意思 86.709 他一定是先抽的那個 81.398是第二個抽的 86.47就是第三個抽的 這個時間的維度 你不能亂啊 有的人說啊 這個常見的誤區是什麼 有的是這麼幹的 很多人是這樣乾的 第一 你不是要34個數據嗎 好 我就從我的數據庫裏邊隨便抽34個 這個可不行啊 明白吧 你得有這個時間的維度和時間的順序啊 還有有的小夥伴可能是不小心 他可能點的時候這個排序了 從小到大排 從大到小排 這都不行啊 這都不行 所以你必須有時間的維度 好 那也就是說我們這個橫座標準吧 他叫觀測值的數順序嘛 第一個數據一直到第34個數據 那麼本身這就是一個時間的維度 大家看懂了吧 那當然了 你可以簡單的通過圖形來判斷一下 哎 有沒有一些不獨立的趨勢啊 比如說連續的上升 連續的下降 集中的扎堆 集中的在上方 或集中的在下方 有沒有啊 當然你數據量一多 這東西就不好看了啊 你用眼看就不好看了 所以我們還是要利用下方的這個定量分析 這個運行圖的邏輯呢 其實很簡單 什麼叫獨立啊 獨立其實就是下一個不影響上一個 上一個也不影響下一個 每一個都是獨立的去製作出來的這個產品 那麼也就是說從圖形裏邊 我們來看 它呈現一種隨機無規律的波動 隨機沒有任何的規律 你能看出來這個數據有什麼規律嗎 隨着時間的推移看不出來 好 所以在做量化分析的時候 我們反向去看 也就是說你不常見的 不隨機的是什麼樣的 比如說有劇烈性 有這種趨勢性 有振動性 有這種混合性 這是常見的四種不獨立的 有規律性的數據的分佈的情況 那麼我們倒着推 對吧 看你有沒有劇烈性 怎麼看 如果你對應的每一項的檢驗大於等於0.05 那就證明沒有劇烈性 也就是說這四項定量的檢驗都大於等於0.05 就證明我們的數據是獨立的 有一個小於0.05 數據就不獨立 所以大家也看出來了 那我們的都大於等於0.05 那數據是獨立的 好 然後我們來看 這個時候我們纔可以做控制圖 我們看一下怎麼做 劉年問了一個問題 這個均值和極差圖等控制圖是不是都要 當然 子組間一定要有 你比如說S8的控制圖 我每次稱五個 那這五個就是你連續取樣的 這就是一個子組 6到10是一個子組 你子組與子組間 你可是要有這種時間維度的 你可不能亂 把子組間都理解了 控制圖就比較簡單了 這個路徑統計控制圖 子組嗎 那肯定不是子組 沒子組了 子組是1了 所以就選什麼呀 單值的變量控制 然後選擇M2 把我們的數據列選進去 那這個時候你會發現 哎 Meetable怎麼不問了 這個自由大小 他怎麼不問了 因爲我們進的這個窗口是什麼 單值移動擊殺圖 其實就是默認了 子組大小就是1 所以他不問了 你要進這個 那我給大家看一下 你要進子組的這個S82控制圖 那他就問了 你自由大小是幾啊 你是2啊3啊4啊5啊6啊7啊 我也不知道 你得告我 那麼我們進這個單值控制圖 那他當然就不問了 對吧 肯定是1 然後我們剛纔說了 在這個案例裏邊 我們要選擇前三項判議準則 所以點擊M2選項 點擊檢驗 把前三個勾上 其實默認的是第一個 我們把前三個勾上 點擊確定 然後點擊確定 兩個圖吧 上面這個圖叫什麼 叫單值 看見沒 這個就是I圖 下面這個叫什麼 移動擊殺 這個是什麼 這個叫M2圖 然後我們來重點看兩個東西 第一 大家看啊 我們這觀測值爲1的時候 有I吧 有單值吧 單值這個點 對吧 你看你下邊移動擊殺圖 第一個觀測值的時候 你是空白的 沒有 所以這就是我們前面討論的 單值有多少個 34個 移動擊殺有多少個 33個 留言醫生說 爲什麼只選擇前三個 這個是我這個案例設定的 案例設定的 這個是靈活的 大家不是說必須選前三個 規則怎麼玩 第一個必選 就是不能有點超控制線 不能有點超控制線 然後後面這個七條 你結合實際的你工程的特點 你認選 好吧 這個可以 籤色可以 這個你根據你自己的工程的這個特點 你自己去選 我這個是案例 案例 大家千萬不要有誤會 說必須選前三個 認選 但是第一個必選 好吧 好 那麼最後我們來討論一個問題 這兩個圖出來之後 先看下邊的 還是先看上面的 大家把大家認爲的答案打到評論區 我們最後給大家留一個問題 先看下邊的 還是先看上面的 我們直播間62個小夥伴 大家如果有我們新來的小夥伴 可以點點關注 第一 我們基本上每週都直播 每天都直播 大家點完關注之後 會給大家 彈出直播的這個提醒 然後大家點完關注之後 可以點點我們左邊的這個討教頭像 進入到我們主頁最上方 大家去找Adrian老師合集 那麼裏邊有60多個視頻 都是我們過往的直播回放 各個主題的 大家可以去看 這個是免費的 那大家最主要的 也可以點點下方預約小風車 這裏邊是我們系統的6c 跟我們綠帶的課程 給大家的福利 大家點完約之後 會給大家發送免費的視聽課 大家可以去感受一下 系統的課程是什麼樣的 我來看看大家都說了些什麼 上面的嗎 下面的上面的 先看下面的 爲什麼呀 我們說了先看組內 後看組間 哪一個是組內啊 移動機叉這個統計量代表了組內 單值代表了組間 所以我們應該先看下面的 下面的有沒有問題啊 我沒有問題 沒有報警了 對吧 再看上面 明白了吧 好 嗯 這個就是IMR控服啊 那當然了 其實Meetup的操作 你會發現 這反而是最簡單的 對吧 我們也沒有花太多的課時 給大家在這裏邊說 這很簡單 對吧 我們重點的還是說前面的這個邏輯啊 概念啊 原理啊 所以這些是更重要的