机器视觉23

MiniTab软件 计算GRR填写以上数据到工作表中注意:在进行GRR分析时Minitab要求数据符合3列的格式一般是第一列是部件序列号第二列是测量员第三列是数据。所有数据要合并依次打开统计→质量工具→量具研究→量具RR研究交叉在部件号位置选择“部件”操作员位置选择“操作员”测量数据位置选择“测量”分析方法勾选“方差分析”点击“量具信息”在对话框中录入相关量具信息研究时间等点击“确定”回到上一对话框。GRR结果图测量系统可靠性‌‌量具RR占比‌98.70%方差分量和99.35%研究变异远高于10%的接受阈值表明测量系统变异占主导‌无法有效区分部件间差异‌。‌变异来源分析‌‌重复性EV‌占比98.70%是主要误差来源需优先优化测量工具或操作规范。‌再现性AV‌占比0.00%说明操作员间一致性良好无需额外培训。扩展: 用Minitab堆叠搞定Excel多列合并进行GRR分析https://baijiahao.baidu.com/s?id1831340485317629469wfrspiderforpc2. 相关性测试相关性指我们的机台对于相应的测量项的测量结果异与客户认可的标准机所给出的测试结果的差这样的差异又可以分为以下两部分1偏移Bias偏移是测量结果的测量平均值与标准值的差值。测量设备进行多次测量取其平均值。2线性Linearity线性是在测量中的偏移变化量。多个独立的偏移组成了线性偏移。如我们编写的程序测量32个产品的偏移 如果测试的线性斜率标准以1数字为标准 在1左右浮动 越接近1 证明与客户的预期越接近案例相关性的要求由客户给定同时测量的次数物料的片数也严格按照客户要求来进行根据测量项来确定线性斜率在针对偏移量进行补偿以后测量值与真值所拟合的线性斜率越接近1说明我们的机台与标机结果越符合。例如客户提供一种标准的测量设备 -测量32pcs片产品 得到32个标准数据比如长度数据我们使用自己的机台 测试数据 对比 结果与客户数据 比对后 得到一组差值 如下图1.提供32个真值和测量值2.计算线性斜率根据Slope函数 计算线性斜率选取32个真值和32测量值到对应 x 和y集合中线性斜率MiniTab计算相关性第一份结果用AI 解读 搜索 用于报告的专业解读文本1. 模型构建与回归方程本研究以测量值为自变量真值为因变量构建一元线性回归模型回归方程为真值−1.19641.2236×测量值其中截距项为 - 1.1964P0.020α0.05斜率项为 1.2236P0.001α0.05表明测量值与真值之间存在显著的线性关联。2. 模型拟合优度决定系数R-Sq为 97.4%调整后决定系数R-Sq 调整为 97.1%说明模型可解释 97.4% 的真值变异拟合效果极佳。残差标准误S为 0.00418679表明模型预测值与实际真值的平均偏差极小预测精度较高。3. 模型整体显著性方差分析结果显示回归模型 F 值为 265.70P0.001α0.05表明模型整体线性关系高度显著测量值对真值的线性解释力极强。4. 结论与应用该回归模型拟合效果优异测量值与真值之间存在显著的线性正相关关系可用于通过测量值可靠地预测真值为相关测量校准或数据修正提供统计依据。第二份结果1. 模型构建与回归方程本研究以测量值为自变量真值为因变量构建一元线性回归模型回归方程为真值2.5340.5273×测量值其中截距项为 2.534P0.111α0.05斜率项为 0.5273P0.088α0.05表明在常用显著性水平 α0.05 下测量值与真值之间的线性关系不具备统计学意义。2. 模型拟合优度决定系数R-Sq为 55.9%调整后决定系数R-Sq 调整为 44.9%说明模型仅能解释 55.9% 的真值变异拟合效果一般。残差标准误S为 0.0358932虽残差波动较小但因模型整体不显著该精度的参考价值有限。3. 模型整体显著性方差分析结果显示回归模型 F 值为 5.07P0.088α0.05表明模型整体线性关系在 α0.05 水平下不显著无法可靠地用测量值预测真值。样本量过小n6可能导致检验效能不足影响结果可靠性。4. 结论与建议该回归模型拟合效果不佳测量值对真值的线性解释力不足。建议扩大样本量、验证变量间是否存在非线性关系或引入其他影响因素构建多元回归模型以提升模型的统计效力与解释力。3.CPK1.CPK制程能力指数用于衡量生产过程的稳定性和能力评估产品规格的一致性。2.CPK的值是根据具体的产品规格、生产过程数据以及统计分析得出。3.CPK的值越高表示制程能力越强产品规格的一致性越好。CPK与不良率PPM 百万分之一 即每百万件产品中的不良品数的对照关系CPK 值不良率PPM0.67非常高1.00较高1.33中等1.67较低2.00非常低当CPK值达到1.33或更高时通常认为制程能力良好不良率相对较低具体的CPK值根据产品特性、客户需求和行业标准而异。关键参数$USL$Upper Specification Limit规格上限即产品规格允许的最大值。$LSL$Lower Specification Limit规格下限即产品规格允许的最小值。$\mu$Mean制程数据的平均值$\sigma$Sigma制程数据的标准差“\frac{}{}”是数学中表示分数的一种标准方式。具体来说“\frac{a}{b}”表示a除以b的分数形 式 其中a是分子b是分母计算与规格上限的偏差公式 [ \frac{USL - \mu}{3*sigma} [规格上限减去平均值]除以[3乘标准差]计算与规格下限的偏差公式 [ \frac{\mu - LSL}{3*sigma} [平均值减去规格上限]除以[3乘标准差]案例某家汽车制造厂商生产汽车发动机缸套其长度规格要求为98-102毫米即LSL98毫米USL102毫米。估该生产过程的稳定性和能力厂商从生产线上随机抽取了20个发动机缸套样本进行测量并计算了样本的平均值和标准偏差。测量数据样本数量20个样本平均值μ99.5毫米样本标准偏差σ0.5毫米计算与规格上限的偏差 \frac{102 - 99.5}{3*0.5} \frac{2.5}{1.5} 1.67计算与规格下限的偏差 \frac{99.5 - 98}{3*0.5} \frac{1.5}{1.5} 1.00取两者中的最小值作为CPK 1.00MiniTab软件 计算CPK1.打开minitab把测试获得的数据复制到minitab软件内数据放在同一列中 填入尺寸数据越多越能真实反映加工能力的水平2. 计算CPK(1)找到并点击“选择统计”菜单栏在其下找到“质量工具”选项并依次选择能力分析、正态选项填入 对用数据列 和USL 和LSLcpk 0.26 说明 产品 不良率高 需要改进生产过程的稳定性和能力扩展mintab计算数据标准差和平均值3.根据上图标准差和平均数计算USL 和LSL计算与规格上限的偏差USL[规格上限减去平均值]除以[3乘标准差]计算与规格下限的偏差LSL [规格下限减去平均值]除以[3乘标准差]项目工作流程1.接到项目需求、根据项目测量精度选择合适的相机和镜头2.准备电脑、相机、镜头、光源、打光支架等一套系统3.如果客户可以提供样品到车间外面可以在公司实验室打光测试如果不允许则需要到车间现场打光测试4.出具打光方案、评估项目风险如 测量项目、机台运行过程中车间是否有强烈的震动产品是否是在治具中单片测量如果在塑料料盘里如何保证焦距一致性5.测量静态重复性保证视觉检测方面没有问题6.和机构设计沟通视觉方案的安装方式和检测CT检测时间7.编写程序和检测算法8.机台到现场以后调试程序、测量动态重复性保证设备检测精度没有问题9.如果是测量机台调试完成和客户一起做相关性10.如果是引导机台测量动态重复性保证找到的贴合点坐标位置准确11.贴合完成后 做CPK等相关数据保证机台稳定性没有问题12.二次开发1.选型2.打光3.熟悉公司业务流程4.面试题背诵 理解性记忆5.熟悉机台