เฮ้ ในฐานะซัพพลายเออร์ของ 2.4851 ฉันมักจะถูกถามเกี่ยวกับจำนวนที่เฉพาะเจาะจงนี้เกี่ยวข้องกับค่าเบี่ยงเบนมาตรฐานในการแจกแจงปกติ เรามาดำดิ่งลงไปและทำลายหัวข้อที่ค่อนข้างซับซ้อนนี้ในแบบที่เข้าใจง่าย
ก่อนอื่นการกระจายปกติหรือที่เรียกว่าการกระจายแบบเกาส์เป็นแนวคิดที่สำคัญที่สุดในสถิติ มันเป็นเส้นโค้งรูประฆังที่คุณอาจเคยเห็นในบางจุด เส้นโค้งมีความสมมาตรรอบค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานเป็นการวัดว่าการกระจายข้อมูลมาจากค่าเฉลี่ยอย่างไร
ดังนั้น 2.4851 พอดีกับทั้งหมดนี้? ในการแจกแจงแบบปกติเราใช้ค่าเบี่ยงเบนมาตรฐานเพื่อหาว่ามันมีแนวโน้มที่จะหาค่าเฉพาะภายในช่วงที่กำหนดได้เพียงใด ตัวอย่างเช่นประมาณ 68% ของข้อมูลตกอยู่ในค่าเบี่ยงเบนมาตรฐานหนึ่งค่าเฉลี่ย 95% ตกอยู่ในสองส่วนเบี่ยงเบนมาตรฐานและประมาณ 99.7% อยู่ในสามส่วนเบี่ยงเบนมาตรฐาน
แต่ 2.4851 ไม่ใช่ตัวเลขทั่วไปที่เกี่ยวข้องกับเปอร์เซ็นต์ที่รู้จักกันดีเหล่านี้ อย่างไรก็ตามมันอาจเป็นตัวแทนของคะแนน Z ที่เฉพาะเจาะจง คะแนน Z - บอกคุณว่าองค์ประกอบส่วนเบี่ยงเบนมาตรฐานมาจากค่าเฉลี่ยจำนวนเท่าใด หากเรามี AZ - คะแนน 2.4851 หมายความว่าค่าที่เราดูคือค่าเบี่ยงเบนมาตรฐาน 2.4851 ห่างจากค่าเฉลี่ย
สมมติว่าเรากำลังจัดการกับชุดข้อมูลที่เป็นไปตามการกระจายปกติเช่นน้ำหนักของผลิตภัณฑ์บางประเภทที่เราผลิต หากน้ำหนักเฉลี่ยคือ 50 กรัมและค่าเบี่ยงเบนมาตรฐานคือ 5 กรัมและเรามีคะแนน AZ - 2.4851 เราสามารถคำนวณน้ำหนักที่แท้จริงของผลิตภัณฑ์ได้ เราใช้สูตร (x = \ mu + z \ sigma) โดยที่ (\ mu) คือค่าเฉลี่ย (z) คือคะแนน z - และ (\ sigma) คือค่าเบี่ยงเบนมาตรฐาน ดังนั้น (x = 50 + 2.4851 \ times5 = 50 + 12.4255 = 62.4255) กรัม
ตอนนี้จากมุมมองของซัพพลายเออร์การทำความเข้าใจความสัมพันธ์นี้ระหว่าง 2.4851 และค่าเบี่ยงเบนมาตรฐานจะมีประโยชน์จริงๆ ตัวอย่างเช่นเมื่อเราผลิตชิ้นส่วนที่มีข้อกำหนดเฉพาะ สมมติว่าเรากำลังสร้างตัวยึดเหมือน933 DIN912 DIN934 904L Fasteners- เราจำเป็นต้องตรวจสอบให้แน่ใจว่าขนาดของตัวยึดเหล่านี้อยู่ในช่วงความอดทน ด้วยการใช้แนวคิดของค่าเบี่ยงเบนมาตรฐานและคะแนน z - เราสามารถทำนายจำนวนตัวยึดที่อาจอยู่นอกช่วงที่ยอมรับได้
หากเราตั้งค่าเส้นผ่านศูนย์กลางเฉลี่ยของตัวยึดเป็น 10 มม. และค่าเบี่ยงเบนมาตรฐานเป็น 0.1 มม. และเรารู้ว่าคะแนน AZ - 2.4851 แสดงถึงขีด จำกัด สูงสุดของความอดทนของเราเราสามารถคำนวณเส้นผ่านศูนย์กลางที่ยอมรับได้สูงสุด การใช้สูตร (x = \ mu + z \ sigma) เราได้รับ (x = 10 + 2.4851 \ times0.1 = 10.24851) มม. สิ่งนี้ช่วยเราในการควบคุมคุณภาพและสร้างความมั่นใจว่าผลิตภัณฑ์ของเราเป็นไปตามมาตรฐานที่ต้องการ
อีกพื้นที่หนึ่งที่ความรู้นี้มีประโยชน์อยู่ในบริการเครื่องตัดเฉือนที่กำหนดเอง เราเสนอOEM 316L Machining Services เป็นภาพวาด- เมื่อมีการตัดเฉือนชิ้นส่วนตามพิมพ์เขียวที่เฉพาะเจาะจงมักจะมีการเปลี่ยนแปลงบางอย่างในผลิตภัณฑ์ขั้นสุดท้ายเนื่องจากปัจจัยเช่นความแม่นยำของเครื่องจักรและคุณสมบัติของวัสดุ โดยการทำความเข้าใจความสัมพันธ์ระหว่างค่าเช่น 2.4851 และค่าเบี่ยงเบนมาตรฐานเราสามารถจัดการรูปแบบเหล่านี้ได้ดีขึ้น
นอกจากนี้เรายังสามารถใช้แนวคิดนี้เมื่อจัดการกับวัสดุเช่น2.4602, โลหะผสม 22, UNS N06022 สแตนเลสสตีลกลวงกลวง Acme เกลียว- คุณสมบัติของวัสดุเหล่านี้เช่นความแข็งแรงและความต้านทานการกัดกร่อนอาจแตกต่างกันไป โดยการวิเคราะห์ข้อมูลเกี่ยวกับคุณสมบัติเหล่านี้โดยใช้การกระจายปกติและคะแนน z - เราสามารถกำหนดโอกาสในการรับผลิตภัณฑ์ที่มีคุณภาพในระดับหนึ่ง
ในโลกแห่งความเป็นจริงสิ่งต่าง ๆ ไม่สมบูรณ์แบบเสมอไป จะมีค่าผิดปกติในข้อมูลอยู่เสมอ แต่ด้วยการมีความเข้าใจที่ดีว่า 2.4851 (หรือคะแนน z อื่น ๆ ) เกี่ยวข้องกับค่าเบี่ยงเบนมาตรฐานเราสามารถตัดสินใจได้มากขึ้น ตัวอย่างเช่นหากเราสังเกตเห็นว่าผลิตภัณฑ์จำนวนมากลดลงเกินกว่า AZ - คะแนน 2.4851 อาจเป็นสัญญาณว่ามีบางอย่างผิดปกติกับกระบวนการผลิตของเรา บางทีเครื่องจักรอาจต้องได้รับการสอบเทียบหรือวัตถุดิบยังไม่ถึงเท่ากัน
ดังนั้นในฐานะซัพพลายเออร์ความรู้นี้ช่วยเราได้หลายวิธี ช่วยให้เราสามารถจัดการคุณภาพเพิ่มประสิทธิภาพกระบวนการผลิตของเราและในที่สุดก็มอบผลิตภัณฑ์ที่ดีขึ้นให้กับลูกค้าของเรา ไม่ว่าจะเป็นตัวยึดชิ้นส่วนกลึงหรือวัสดุพิเศษความสัมพันธ์ระหว่าง 2.4851 และค่าเบี่ยงเบนมาตรฐานในการแจกแจงแบบปกติเป็นเครื่องมือที่ทรงพลังในชุดเครื่องมือของเรา
หากคุณอยู่ในตลาดสำหรับผลิตภัณฑ์ที่มีคุณภาพสูงเช่นเดียวกับที่ฉันได้กล่าวไว้ข้างต้นหรือหากคุณมีคำถามใด ๆ เกี่ยวกับวิธีที่เราใช้แนวคิดทางสถิติเหล่านี้เพื่อให้แน่ใจว่ามีคุณภาพของผลิตภัณฑ์ฉันชอบที่จะแชท อย่าลังเลที่จะเข้าถึงและเริ่มการสนทนาเกี่ยวกับความต้องการเฉพาะของคุณ เราอยู่ที่นี่เสมอเพื่อจัดหาโซลูชั่นที่ดีที่สุดสำหรับธุรกิจของคุณ
การอ้างอิง
- "สถิติสำหรับหุ่น" โดย Deborah Rumsey
- "ความน่าจะเป็นและสถิติ" วัสดุหลักสูตรจากมหาวิทยาลัยต่างๆ
