Cp Cpk Cg Cgk 1.33,1.67的由来_cpk值1.33和1.67是什么意思-程序员宅基地

技术标签: python  机器学习  概率论  

image

在定义制造过程时,目标是确保生产的零件符合规格上限和下限(USL,LSL)。所以设计出过程能力这个概念,过程能力是衡量制造过程能够在规范范围内生产零件的一致性的参数。
基本想法很简单,让制造过程:

  1. 以设计工程师要求的标称值为中心
  2. 变异性的规格宽度窄。
    Cp是零件变异是否小于公差宽度
    在这里插入图片描述

Cpk是零件变异和中心指数要小于公差宽度
在这里插入图片描述

以汽车过门作为零件变异的举例:
在这里插入图片描述

Cp=0.7 Cpk=0.7 Cp=1.0 Cpk=1.0 Cp=2.0 Cpk=0.7 Cp=2.0 Cpk=2.0
驾驶员是不稳定的。汽车经常刮伤墙壁。会生产有缺陷的零件除非过程变异宽度减少且过程是居中的。 驾驶员还是不稳定但与以前相比好一点。也经常会靠近墙壁。很可能有缺陷,除非变异宽度减少。 驾驶员无法使汽车居中。但是他始终如一-总是离得一侧太近。是可能有缺陷,除非过程是重新居中的。 驾驶员总能成功通过。过程是居中,并且分布狭窄。不太可能有缺陷即使过程发生了变化稍微向两侧倾斜。

表格来源:

image

那么这些参数怎么来的呢?首先

C p = U S L − L S L 6 σ Cp = \frac{USL-LSL}{6\sigma} Cp=6σUSLLSL

C p k = { U S L − X ‾ 3 σ ; X ‾ − L S L 3 σ } Cpk = \{\frac{USL-\overline{X}}{3\sigma};\frac{\overline{X}-LSL}{3\sigma}\} Cpk={ 3σUSLX;3σXLSL}

设如果随机变量的 X X X的概率密度为

p ( x ) = 1 2 π σ e − ( x − μ ) 2 2 σ 2 p(x) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}} p(x)=2π σ1e2σ2(xμ)2

则称变量 X X X服从参数为 μ \mu μ , σ 2 \sigma^2 σ2的正态分布。记作 X ∽ N ( μ , σ 2 ) X \backsim N(\mu,\sigma^2) XN(μ,σ2)
计算 μ = 0 \mu=0 μ=0 , σ 2 = 1 \sigma^2=1 σ2=1的正态分布函数

# -*- coding: utf-8 -*-
"""
 Python program for plot Gauss function
"""
import numpy as np
import math
import matplotlib.pyplot as plt
from scipy import integrate
def gd(x, mu=0, sigma=1):
    # Gauss Disbutrion
    left = 1 / (np.sqrt(2 * math.pi) * np.sqrt(sigma))
    right = np.exp(-(x - mu)**2 / (2 * sigma))
    return left * right


if __name__ == '__main__':
    x = np.arange(-7, 7, 0.1)
    y_1 = gd(x, 0, 0.2)
    y_2 = gd(x, 0, 1.0)
    y_3 = gd(x, 0, 5.0)
    y_4 = gd(x, -2, 0.5)

    #  plot
    plt.plot(x, y_2, color='blue')

    #  set coordinate
    plt.xlim(-7.0, 7.0)
    plt.ylim(-0.2, 1)


    plt.legend(labels=['$\mu = 0, \sigma^2=1.0$'])
    sigma_1 = integrate.quad(gd,-1,1)
    sigma_1_percent = "%.3f%%" % (sigma_1[0] * 100)
    sigma_2 = integrate.quad(gd,-2,2)
    sigma_2_percent = "%.3f%%" % (sigma_2[0] * 100)
    sigma_3 = integrate.quad(gd,-3,3)
    sigma_3_percent = "%.3f%%" % (sigma_3[0] * 100)
    sigma_6 = integrate.quad(gd,-6,6)
    sigma_6_percent = "%.20f%%" % (sigma_6[0] * 100)
            # plot 1 time sigma 
    plt.plot([1,1],[0,gd(1,0,1)])
    plt.plot([-1,-1],[0,gd(-1,0,1)])
    plt.text(-1,0.2,sigma_1_percent,fontsize=15)
            # plot 2 time sigma
    plt.plot([2,2],[0,gd(2,0,1)])
    plt.plot([-2,-2],[0,gd(-2,0,1)])
    plt.text(-2,0.05,sigma_2_percent,fontsize=15)
            # plot 6 time sigma
    plt.plot([6,6],[-1,gd(6,0,1)])
    plt.plot([-6,-6],[-1,gd(-6,0,1)])
    plt.text(-6,-0.1,sigma_6_percent,fontsize=15)           
    plt.show()

∫ − 1 1 f ( x ) d x = 0.68269 \int_{-1}^{1} f(x)dx = 0.68269 11f(x)dx=0.68269

∫ − 2 2 f ( x ) d x = 0.95450 \int_{-2}^{2} f(x)dx = 0.95450 22f(x)dx=0.95450

∫ − 3 3 f ( x ) d x = 0.99730 \int_{-3}^{3} f(x)dx = 0.99730 33f(x)dx=0.99730

∫ − 6 6 f ( x ) d x = 0.9999999980 \int_{-6}^{6} f(x)dx = 0.9999999980 66f(x)dx=0.9999999980

image

简单的只从Cp出发,假设平均值和名义中心重合,公差是 + / − 6 σ +/-6\sigma +/6σ的时候合格率可以达到99.9999998%,而合格率想达到99.73%那么的公差宽度就得等于 + / − 3 σ +/-3\sigma +/3σ
C p = 6 σ 6 σ = 1 Cp = \frac{6\sigma}{6\sigma} =1 Cp=6σ6σ=1
而合格率想达到99.9936%公差宽度得等于 + / − 4 σ +/-4\sigma +/4σ

C p = 8 σ 6 σ = 1.33 Cp = \frac{8\sigma}{6\sigma} =1.33 Cp=6σ8σ=1.33

而Cg,Cgk有异曲同工之妙:
C g = 0.2 T 6 σ C_g = \frac{0.2T}{6\sigma} Cg=6σ0.2T

在这里插入图片描述

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/LJM1200/article/details/130612289

智能推荐

从零开始搭建Hadoop_创建一个hadoop项目-程序员宅基地

文章浏览阅读331次。第一部分:准备工作1 安装虚拟机2 安装centos73 安装JDK以上三步是准备工作,至此已经完成一台已安装JDK的主机第二部分:准备3台虚拟机以下所有工作最好都在root权限下操作1 克隆上面已经有一台虚拟机了,现在对master进行克隆,克隆出另外2台子机;1.1 进行克隆21.2 下一步1.3 下一步1.4 下一步1.5 根据子机需要,命名和安装路径1.6 ..._创建一个hadoop项目

心脏滴血漏洞HeartBleed CVE-2014-0160深入代码层面的分析_heartbleed代码分析-程序员宅基地

文章浏览阅读1.7k次。心脏滴血漏洞HeartBleed CVE-2014-0160 是由heartbeat功能引入的,本文从深入码层面的分析该漏洞产生的原因_heartbleed代码分析

java读取ofd文档内容_ofd电子文档内容分析工具(分析文档、签章和证书)-程序员宅基地

文章浏览阅读1.4k次。前言ofd是国家文档标准,其对标的文档格式是pdf。ofd文档是容器格式文件,ofd其实就是压缩包。将ofd文件后缀改为.zip,解压后可看到文件包含的内容。ofd文件分析工具下载:点我下载。ofd文件解压后,可以看到如下内容: 对于xml文件,可以用文本工具查看。但是对于印章文件(Seal.esl)、签名文件(SignedValue.dat)就无法查看其内容了。本人开发一款ofd内容查看器,..._signedvalue.dat

基于FPGA的数据采集系统(一)_基于fpga的信息采集-程序员宅基地

文章浏览阅读1.8w次,点赞29次,收藏313次。整体系统设计本设计主要是对ADC和DAC的使用,主要实现功能流程为:首先通过串口向FPGA发送控制信号,控制DAC芯片tlv5618进行DA装换,转换的数据存在ROM中,转换开始时读取ROM中数据进行读取转换。其次用按键控制adc128s052进行模数转换100次,模数转换数据存储到FIFO中,再从FIFO中读取数据通过串口输出显示在pc上。其整体系统框图如下:图1:FPGA数据采集系统框图从图中可以看出,该系统主要包括9个模块:串口接收模块、按键消抖模块、按键控制模块、ROM模块、D.._基于fpga的信息采集

微服务 spring cloud zuul com.netflix.zuul.exception.ZuulException GENERAL-程序员宅基地

文章浏览阅读2.5w次。1.背景错误信息:-- [http-nio-9904-exec-5] o.s.c.n.z.filters.post.SendErrorFilter : Error during filteringcom.netflix.zuul.exception.ZuulException: Forwarding error at org.springframework.cloud..._com.netflix.zuul.exception.zuulexception

邻接矩阵-建立图-程序员宅基地

文章浏览阅读358次。1.介绍图的相关概念  图是由顶点的有穷非空集和一个描述顶点之间关系-边(或者弧)的集合组成。通常,图中的数据元素被称为顶点,顶点间的关系用边表示,图通常用字母G表示,图的顶点通常用字母V表示,所以图可以定义为:  G=(V,E)其中,V(G)是图中顶点的有穷非空集合,E(G)是V(G)中顶点的边的有穷集合1.1 无向图:图中任意两个顶点构成的边是没有方向的1.2 有向图:图中..._给定一个邻接矩阵未必能够造出一个图

随便推点

MDT2012部署系列之11 WDS安装与配置-程序员宅基地

文章浏览阅读321次。(十二)、WDS服务器安装通过前面的测试我们会发现,每次安装的时候需要加域光盘映像,这是一个比较麻烦的事情,试想一个上万个的公司,你天天带着一个光盘与光驱去给别人装系统,这将是一个多么痛苦的事情啊,有什么方法可以解决这个问题了?答案是肯定的,下面我们就来简单说一下。WDS服务器,它是Windows自带的一个免费的基于系统本身角色的一个功能,它主要提供一种简单、安全的通过网络快速、远程将Window..._doc server2012上通过wds+mdt无人值守部署win11系统.doc

python--xlrd/xlwt/xlutils_xlutils模块可以读xlsx吗-程序员宅基地

文章浏览阅读219次。python–xlrd/xlwt/xlutilsxlrd只能读取,不能改,支持 xlsx和xls 格式xlwt只能改,不能读xlwt只能保存为.xls格式xlutils能将xlrd.Book转为xlwt.Workbook,从而得以在现有xls的基础上修改数据,并创建一个新的xls,实现修改xlrd打开文件import xlrdexcel=xlrd.open_workbook('E:/test.xlsx') 返回值为xlrd.book.Book对象,不能修改获取sheett_xlutils模块可以读xlsx吗

关于新版本selenium定位元素报错:‘WebDriver‘ object has no attribute ‘find_element_by_id‘等问题_unresolved attribute reference 'find_element_by_id-程序员宅基地

文章浏览阅读8.2w次,点赞267次,收藏656次。运行Selenium出现'WebDriver' object has no attribute 'find_element_by_id'或AttributeError: 'WebDriver' object has no attribute 'find_element_by_xpath'等定位元素代码错误,是因为selenium更新到了新的版本,以前的一些语法经过改动。..............._unresolved attribute reference 'find_element_by_id' for class 'webdriver

DOM对象转换成jQuery对象转换与子页面获取父页面DOM对象-程序员宅基地

文章浏览阅读198次。一:模态窗口//父页面JSwindow.showModalDialog(ifrmehref, window, 'dialogWidth:550px;dialogHeight:150px;help:no;resizable:no;status:no');//子页面获取父页面DOM对象//window.showModalDialog的DOM对象var v=parentWin..._jquery获取父window下的dom对象

什么是算法?-程序员宅基地

文章浏览阅读1.7w次,点赞15次,收藏129次。算法(algorithm)是解决一系列问题的清晰指令,也就是,能对一定规范的输入,在有限的时间内获得所要求的输出。 简单来说,算法就是解决一个问题的具体方法和步骤。算法是程序的灵 魂。二、算法的特征1.可行性 算法中执行的任何计算步骤都可以分解为基本可执行的操作步,即每个计算步都可以在有限时间里完成(也称之为有效性) 算法的每一步都要有确切的意义,不能有二义性。例如“增加x的值”,并没有说增加多少,计算机就无法执行明确的运算。 _算法

【网络安全】网络安全的标准和规范_网络安全标准规范-程序员宅基地

文章浏览阅读1.5k次,点赞18次,收藏26次。网络安全的标准和规范是网络安全领域的重要组成部分。它们为网络安全提供了技术依据,规定了网络安全的技术要求和操作方式,帮助我们构建安全的网络环境。下面,我们将详细介绍一些主要的网络安全标准和规范,以及它们在实际操作中的应用。_网络安全标准规范