《Linux目录标准FHS(目录详解)_linux fhs-CSDN博客》剧情介绍：库德洛认为美联储官员在说一切都很安全的时候应该要谨慎得多情况并非如此存款超过25万美元听起来是一大笔钱但如果对于经营一家公司的人来说这笔钱并不算大超出限额的资金无法得到保障就算其中一些人得到了救助那也是花纳税人的钱那你们告诉仙子姐姐到底是怎么发现尸体的Linux目录标准FHS(目录详解)_linux fhs-CSDN博客峰主你还好吧黄山市歙县
《Linux目录标准FHS(目录详解)_linux fhs-CSDN博客》视频说明：而这一刻豹武抬头看向不远处巨大的建木忽而意识到什么他手中拿出被招凝赐予的功法测量系统分析Measurement System Analysis2023-08-20 03:18·风趣奶酪8测量系统分析Measurement System Analysis误差及能力分析纲要测量系统分析的作用概念和术语MSA应用测量系统分析的作用数据的质量影响测量数据质量的原因测量系统误差及其影响测量系统分析的目的MSA第四版主要变化思考什么是测量将一个未知量与一个已知的或已经接受的参照值进行的比较为什么我们需要测量数据我们使用测量数据来判断产物是否合格制定有关过程管理的决策我接受这件产物吗过程是很好还是需要进行调整我们对测量数据有什么期望准确性：数据必须告诉我们真相重复性：重复测量必须产生同样的结果再现性：结果不应该受检验员的影响什么是测量仪器用来进行测量的任何仪器什么是检验员（或者鉴定人）使用测量仪器进行测量的个人或装置数据的质量二种类型的数据：计量型数据——可连续取值的数据（如长度、温度、重量等计数型数据——不可连续取值的数据（如不合格品率、废品数、虚焊点数等）数据是测量的结果数据的作用：合格判定、过程分析数据发挥应有的作用需要高质量的数据数据的质量取决于从处于稳定条件下进行操作的测量系统中多次测量的统计特性如：假设使用某一在稳定条件下操作的测量系统对某一特定特性值进行了几次测量如果这些测量值均与该特性的参考值（master value）接近）那么数据的质量被称为高；同样如果部份或所有的测量值与参考值相差很远则数据的质量很低低质量数据的原因和影响低质量数据的原因之一是测量变差太大一组数据中的变差多是由于测量系统及其环境的相互作用造成的如果相互作用产生的变差过大那么数据的质量会太低从而造成测量数据无法利用如：具有较大变差的测量系统可能不适合用于分析制造过程因为测量系统的变差可能掩盖制造过程的变差测量系统的误差测量系统误差可以分成五种类型：偏倚、线性、稳定性、重复性、再现性对大多数测量过程而言总测量变差通常被描述为正态分布事实上有一些测量系统并不是正态分布如果仍假设该测量系统为正态分布MSA的分析方法可能会过高评价测量系统误差;因此应充分识别和评价Ⅰ不好的零件永远视为不好的零件Ⅱ可能做出潜在的错误决定Ⅲ好零件永远被视为好零件取伪、弃真的过程发生在Ⅱ区域测量系统误差的影响从位置的角度去考虑偏倚、线性、稳定性为位置的误差如图：针对基准值的位移从宽度的角度去考虑重复性、再现性为宽度的误差随着宽度加宽Ⅱ区域增大测量系统共有的统计特性依据用途每个测量系统可能要求具备不同的统计特性但以下几个特性应是所有的测量系统共有的：1.测量系统必须处于统计控制中这意味着测量系统中的变差只能由普通原因而不是由特殊原因造成；2.测量系统的变差必须小于制造过程的变差；3.测量系统的随机变差必须小于过程变差和公差带两者中最小者一般为其1/10测量系统的接受准则对测量系统予以接受的通用准则是：低于10%的误差— 通常被认为是一个可接受的测量系统10%到30%的误差—根据应用的重要性、测量装置的成本、维修费用等可能是可接受的大于30%误差—考虑为不可接受应尽各种力量以改进该测量系统测量系统分析的目的? 测量系统分析的目的是确定所使用的数据是否可靠? 测量系统分析还可以：? 评估新的测量仪器– 将两种不同的测量方法进行比较– 对可能存在问题的测量方法进行评估– 确定并解决测量系统误差问题MSA第四版的主要变化与MSA第三版相比手册的第四版没有发生显著的变化只是补充提示了某些分析方法使读者更容易理解同时也对一些使用者的常犯错误做了重要的观念澄清譬如：澄清MSA与校准的关系、更清晰地定义测量决策、改进了偏倚和线性内容、重写了高级的MSA技术（包括破坏性试验）、计数型分析的更新、测量的不确定度和MSA、 APQP和MSA的关系等等概念和术语测量、量具、测量系统分辨率、真值、基准值、偏倚准确度、精确度线性、稳定性重复性、再现性概念和术语测量（Measurement)：被定义为对某具体事物赋予数字（或数值）以表示它们对于特定特性之间的关系这定义由C.Eisenhart(1963)首次提出赋予数字的过程被定义为测量过程而指定的数值被定义为测量值量具（Gage)：是指任何用来获得测量结果的装置经常是用在工厂现场的装置包括通/止规（go/no go device)测量系统（Measurement System)：是对测量单元进行量化或对被测的特性进行评估其所使用的仪器或量具、标准、操作、方法、夹具、软件、人员、环境和假设的集合；也就是说用来获得测量结果的整个过程我们可以将测量过程看成一个制造过程其产生的输出就是数值（数据）这样看待一个测量系统是很有用的会使我们明白已经说明的所有的概念、原理和工具测量系统：不仅指量具测量系统包括：人（及其培训）、过程（测量程序）、设备（量具或测量工具）、系统的控制点、及所有这些因素的相互作用测量总偏差：总的观察偏差=过程偏差+测量系统偏差分辨力Discrimination、可读性Readability、分辨率Resolution别名：最小可读单位、测量解析度、最小刻度极限或探测的最小极限由设计所确定的固有特征一个仪器测量或输出的最小刻度单位通常被显示为测量单位10比1的比例法则概念和术语基准值（Reference value)某一物品的可接受数值需要一个可操作的定义常被用来替代真值使用真值(True value)理论上正确的值国际度量衡标准准确度（Accuracy)与真值或可接受的基准值接近的程度测量的平均值是否与真值吻合?偏倚（Bias)观测到的测量值的平均值与基准值之间的差值精确度（Precision)每个重复读数之间的接近程度是测量系统的随机误差所构成稳定性(Stability)随时间变化的偏倚值一个稳定的测量过程在位置方面处于统计上受控状态别名：漂移（drift)线性(linearity)在量具正常工作量程内的偏倚变化量多个独立的偏倚误差在量具工作量程内的关系是测量系统的系统误差所构成重复性(Repeatability)一个评价者使用一种测量仪器对同一零件的某一特性进行多次测量下的变差是在固定的和已定义的测量条件下连续（短期内）多次测量中的变差通常被称为E.V—设备变差 (Eguipment Variation)反映了设备（量具）能力或潜能属系统内部变差再现性(Reproducibility)不同评价者使用相同的量具测量同一个零件的同一个特性的测量平均值的变差通常被称为A.V.—评价者变差(Appraiser Variation)系统之间（条件）的 误差量具的重复性和再现性(Gage &R)量具的重复性和再现性：测量系统重复性和再现性的联合估计值测量系统能力：取决于所用的方法可能包括或不包括时间的影响Gage R&R分析是用来分析测量系统的方法目的是确定测量某种东西时出现的波动（误差）的大小和类型将测量系统看作是会给测量数据带来额外误差的子过程其目的就是使用误差尽可能小的测量过程任何观测数据的误差都是部件的实际误差和测量系统误差的总和过程变差剖析MSA应用偏倚、线性、稳定性、校准重复性、再现性及其原因MSA计划计量型MSA计数型MSA偏倚BIASBIAS — 测量结果的平均值与参考值的差异. 参考值（reference-value）是一个预先认定的参考标准. 该标准可用更高一级测量系统测量的平均值来确定(例如：高一级计量室)? 偏倚也可以与过程的容差相比较? 判断准确度的简单标准为.? 小于过程变差或容差的 1%, 可认为是精确的.? 大于过程变差或容差的 1% 则需要研究和调整测量系统, 或者临时用补偿值来修正以后的测量值? 偏倚的研究还可以通过作图的方式来进行, 即作出直方图, 然后根据经验判断是否可以接受.? 偏倚的研究还可以通过计算置信区间来判断是否可以接受偏倚研究的分析? 如果偏倚在统计上不等于0检查是否存在以下原因：– 基准件或参考值有误—检查确定标准件的程序– 仪器磨损—维修– 仪器所测量的特性有误– 仪器没有经过适当的校准—对校准程序进行评审– 评价者使用仪器的方法不正确—对测量指导书进行评审偏倚的调整? 如果偏倚不等于零应采用硬体修正法和软体修正法对量具进行重新校准以达到零偏倚；如果偏倚不能调整为零通过变更程序（每个读值根据偏倚进行修正）还可继续使用该测量系统由于存在评价误差这一高度风险因此这种方法只能在取得顾客同意后方可使用线性? 在量具正常工作量程内的偏倚变化量? 多个独立的偏倚误差在量具工作量程内的关系? 是测量系统的系统误差构成线性分析? 线性的探测通常在校准时进行? 线性的好坏可以通过作图来显示? 线性的研究也可以通过数据分析来进行, 即用最小二乘法来计算最佳的拟合直线, 再用假设检验来验证其线性是否可以接受.线性误差的原因? 造成线性误差的可能原因如下：– 仪器需要校准缩短校准周期– 仪器、设备或夹具的磨损– 维护保养不好—空气、动力、液体、过滤器、腐蚀、尘土、清洁– 基准的磨损或损坏基准的误差—最小/最大? 稳定性（Stability）? 在一段时间内测量结果的分布无论是均值还是标准偏差都保持不变和可预测的? 通过较长时间内用被监视的量具对相同的标准或 标准件的同一特性进行测量的总变异来监视? 可用时间走势图进行分析稳定性分析? 确定参考值? 长期测量：例如每班5次测20个班? 做出稳定性的X-R控制图? 如测量过程处于稳定状态没有明显的特殊原因结果发生则判定稳定性合格造成不稳定的可能因素? 仪器需要校准缩短校准周期? 仪器、设备或夹具的磨损? 正常的老化或损坏? 维护保养不好：空气、动力、液体、过滤器、腐蚀、尘土、清洁? 基准的磨损或损坏基准的误差不适当的校准或使用基准设定造成不稳定的可能因素? 仪器质量不好—设计或符合性? 仪器缺少稳健的设计或方法? 不同的测量方法—作业准备、载入、夹紧、技巧? 变形（量具或零件）? 环境变化—温度、湿度、振动、清洁? 错误的假设应用的常数不对? 应用—零件数量、位置、操作者技能、疲劳、观测误差（易读性、视差）校 准? 对比一个已知的真实值检查测量系统或相对于一个已知的标准调整量具以至读数正确? 所有的测量系统需要校准：– 校准时可参考量具制造者的建议– 定期对操作员培训考核– 相关软件精确性（重复性和再现性）? 精确性—描述了测量系统的偏差– 可重复性—偏差由量具本身造成；（测量系统内部变差）– 可再现性—偏差由测量者的技巧造成；（测量系统之间或条件之间的变差）测量系统精确性=重复性+再现性精确度：重复性l 测量系统内在的变异性l 基于重复测量的数据用分组后组内的标准偏差来估算l 小于测量系统的总变差重复性：指同一 人使用同一测量工具对同一对象（产物）的同一特性进行多次测量中产生的变差用于估计短期的变差造成重复性的可能原因? 零件内部（抽样样本）：形状、位置、表面光度、锥度、样本的一致性? 仪器内部：维修、磨损、设备或夹具的失效、质量或保养不好? 标准内部：质量、等级、磨损? 方法内部：作业准备、技巧、归零、固定、夹持、点密度的变差? 评价人内部：技巧、位置、缺乏经验、操作技能或培训、意识、疲劳? 环境内部：对温度、湿度、振动、清洁的小幅度波动? 错误的假设—稳定适当的操作? 缺乏稳健的仪器设计或方法一致性不好? 量具误用? 失真（量具或零件）、缺乏坚固性? 应用—零件数量、位置、观测误差（易读性、视差）精确度：再现性l 测量系统中操作员产生的变异l 基于不同操作者的测量数据按操作员分组通过组平均值的差来估l 应扣除量具的因素（组内变差）比测量系统总变差小再现性：指不同的人在对同种特性进行测量时产生的变差造成再现性误差的潜在原因? 零件之间（抽样样本）：使用相同的仪器、操作者和方法测量A、B、C零件类型时的平均差异? 仪器之间：在相同零件、操作者和环境下使用A、B、C仪器测量的平均值差异注意：在这种情况下再现性误差通常还混有方法和/或操作者的误差? 标准之间：在测量过程中不同的设定标准的平均影响? 方法之间：由于改变测量点密度、手动或自动系统、归零、固定或夹紧方法等所造成的平均值差异? 评价人（操作者）之间：评价人A、B、C之间由于培训、技巧、技能和经验所造成的平均值差异推荐在为产物和过程鉴定和使用手动测量仪器时使用这种研究方法? 环境之间：在经过1、2、3等时段所进行的测量由于环境周期所造成的平均值差异这种研究常用在使用高度自动化测量系统对产物和过程的鉴定? 研究中的假设有误? 缺乏稳健的仪器设计或方法? 操作者培训的有效性? 应用—零件数量、位置、观测误差（易读性、视差）MSA计划－准备工作? 确定要测量的对象? 确定评价人的人数抽样零件的数量? 重复测量的次数? 评价人的选择? 样件的选择? 仪器有足够的分辨率? 盲测测量系统分析的两个阶段? 阶段一：理解测量过程确定它是否满足要求– 第一阶段是验证测量系统是否满足其设计规范要求此外验证是否存在任何与测量相互依赖的重要环境问题– 第一阶段验证的结果可能说明操作环境不会对整个测量系统变差产生重大影响另外与重复性和再现性要素相比较测量装置的偏倚和线性影响应该较小? 阶段二：随着时间推移测量系统是否能持续满足要求– 从阶段一所得到知识应该被用于改进第二阶段的测量例如如果在整个测量系统变差中重复性和再现性的影响很大那么在第二阶段中可能要周期性简单地进行这两个因素的统计实验– 第二阶段是对变差的主要原因提供持续的监控从而说明测量系统是持续可信的或随着时间的推移测量系统是否出现变坏的信号连续变量测量系统分析? 极差法：短期方法快速的近似值? 均值—极差法：长期方法将变差分解为重复性和再现性、但不确定两者的相互作用? ANOVA分析法：标准的统计技术可将变差分为四类：零件、评价人、零件与评价人之间的相互作用以及量具造成的重复误差量具 R&R 或 GRR量具R&R是重复性和再现性合成变差的一个估计换句话说GRR等于系统内部和系统之间的方差的总和均值-极差（X-R）法是确定测量系统的重复性和再现性的数学方法步骤如下：1 选择三个测量人（A, B,C）和10个测量样品? 测量人应有代表性代表经常从事此项测量工作的QC人员或生产线人员? 10个样品应在过程中随机抽取可代表整个过程的变差否则会严重影响研究结果2 校准量具3 测量让三个测量人对10个样品的某项特性进行测试每个样品每人测量三次将数据填入表中试验时遵循以下原则：? 盲测原则1：对10个样品编号每个人测完第一轮后由其他人对这10个样品进行随机的重新编号后再测避免主观偏向? 盲测原则2：三个人之间都互相不知道其他人的测量结果计量型数据的 均值-极差法如果重复性大于再现性原因可能是? 仪器需要维修? 可能需要对量具进行重新设计以获得更好的严格度? 需要对量具的夹紧或固定装置进行改进? 零件内变差太大? 需要更好的对评价人进行如何使用和判读该量具仪器的培训? 量具校准刻度不清晰? 某种夹具帮助评价人更一致地使用量具短期与长期方法的比较短期模式用生产设备用生产操作员快速 - 只需几个样品(~5)无反复（replicates）估计总的变差(Total Gage R&R)不能区分 AV 和EV不能指导改进的方向可用于破坏性测试长期模式用生产设备用生产操作员较多样品 (>5)要求反复 Replicates (~3)估计总的变差 (Total Gage R&R)可以区分 AV 和EV为测量系统的改进提供指导R&R 对产物决策的影响R&R 对过程变差计算的影响计数型测量系统能力分析? 有效性 Effectiveness(E) - 即判断合格与不合格的准确性E= 实际判断正确的次数/可能判断正确的机会次数.? 漏判的几率 Probability of miss(P-miss) - 将不合格判为合格的机会P(miss)=实际漏判的次数 / 漏判的总机会数.? 误判的几率 Probability of false alarm(P-FA) - 将合格判为不合格的机会.P(false alarm)=实际误判次数 / 误判的总机会数.? 偏倚 Bias(B) - 指漏判或误判的偏向.B=P(false alarm) / P(miss)B=1, 无偏倚B>1, 偏向误判B<1, 偏向漏判计数型量具研究（小样法）所谓计数型量具就是把每个零件同一个特定的限定值进行比较如果零件满足限定值就接受这个零件反之拒绝这个零件多数这种类型的量具以一套标准零件为基础进行设定接收与拒绝与计量型量具不同的是这个计数型量具不能指出一个零件有多好或多坏只能指出零件可接受或拒绝小样研究是通过选取20个零件来进行的然后两位评价人以一种能防止评价人偏倚的方式两次测量所有零件在选取的20个零件中一些零件会稍许低于或高于规范限值如果所有的测量结果（每个零件四次）一致则接受该量具否则应改进或重新评价该量具如果不能改进该量具则不能接受并且应找到一个可接受的替代测量系统下面介绍一个计数型量具研究小样法的表格：2024-08-08 17:58·第一财经
时间是很宝贵的我们要珍惜每一刻用来修行此外莱比锡和一些英超球队也在关注着他的情况而尤文也还在关注着波尔图的加莱诺和佩佩
2024-11-09 16:54:59
