06 2021 档案
摘要：（1）特殊控制图的基本原理 （2）适用于非正太分布数据控制图 （3）适用于多品种情况的回归控制图 本节针对“不满足同一分布”的“多品种”的情况，介绍一种称为“回归控制图”的特殊控制图技术。 1. 回归控制图原理 针对“多品种”情况，可以采用“回归”技术，对服从不同正太分布的数据进行“预处理”，使不同
阅读全文
摘要：1. SQL 约束（Constraints） SQL约束用于规定表中的数据规则。如果存在违反约束的数据行为，行为会被约束终止。 约束可以在创建表时规定（通过 CREATE TABLE语句），或者在表创建之后规定（通过ALTER TABLE语句） SQL CREATE TABLE + CONSTRAI
阅读全文
摘要：1. SQL UNIQUE 约束 UNIQUE约束唯一标识数据库表中的每条记录。 UNIQUE和PRIMARY KEY约束均为列或列集合提供了唯一性的保证。 PRIMARY KEY约束自动拥有UNIQUE约束。 注意：每个表可以有多个UNIQUE约束，但每个表只能有一个 PRIMARY KEY约束。
阅读全文
摘要：1. SQL UNION运算符 UNION运算符用于组合两个或更多SELECT语句的结果集，而不返回任何重复的行。 UNION中的每个SELECT语句必须具有相同的列数 这些列必须有相似的数据类型 每个SELECT语句中的列顺序必须相同 每个SELECT语句必须有相同数目的列表达式 但每个SELEC
阅读全文
摘要：（1）特殊控制图的基本原理 （2）适用于非正太分布数据控制图 （3）适用于多品种情况的回归控制图 1. 非正太分布数据的控制图分析方法 对于非正太分布数据，采用两种方法使用控制图。 1. 数据转换方法 对非正太分布数据进行控制图分析包括三方面： （1）确认数据服从的分布 简单方法：概率纸、直方图 （
阅读全文
摘要：1. 在Navicat操作清空表中数据时，发现清空表（delete table）和删减表（truncate table）两个选项，这两个选项都是实现清空MySQL表中的数据，那么两者的区别是什么？ 2. 区别： （1）SQL不同： 清空表：DELETE FROM table_name; 删减表：TR
阅读全文
摘要：（1）特殊控制图的基本原理 1. 常规控制图的适用条件 1. 常规计量值控制图的适用条件 采用常规计量值控制图分析时参数满足两个条件： 1. 只有一个参数； 2. 数据完全相互独立，且服从同一正态分布（相互独立、服从正态分布、同一正态分布）。 2. 常规计数值控制图的适用条件 （1）常规计点值控制图
阅读全文
摘要：（一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 （五）常规控制图的应用 1. 分析用控制图与控制用控制图 SPC流程中有两步使用控制图，分别为“分析用控制图”、“控制用控制图”。它们基本原理完全相同。适用场合对数据的要求以及控制限的确定方法不同。 1. 分析用控
阅读全文
摘要：（一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 计点值数据的三种常规控制图：缺陷数控制图（c控制图）、单位缺陷数控制图（u控制图）、通用单位缺陷数控制图（uT控制图）。 常规计点值控制图的数学依据是计点值数据服从泊松分布。 1. 缺陷数控制图（c图） 适用于每批
阅读全文
摘要：（一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 除了计量值以外，还经常从成品率的角度分析生产中不合格品数或不合格品率。 这类检测数据称为计件值。 本篇介绍不合格品数控制图（np控制图）、不合格品率控制图（p控制图）、通用不合格品率控制图（Pr控制图）。 1. 不
阅读全文
摘要：（一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 表4-1所示的4种计量控制图中，目前均值-标准差（）控制图、均值-极差（）控制图应用广泛。 1. “ 均值-标准差“控制图 1. “均值-标准差”控制图的控制限 参数x的总体服从均值为μ、标准差为σ的正态分布，即x
阅读全文
摘要：（一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 这篇随笔介绍SPC（Statistical Process Control）概念和控制图的基本原理，剖析在实践中经常将加工结果是否合格与生产过程是否处于统计受控状态混淆的问题。 1. SPC基本概念 1. 结果起伏
阅读全文
摘要：举例：饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售量的因素全部相同，先从地理位置相似、经营规模相仿的五家超级市场上收集了前一期该种饮料的销售量情况，见表1： 超市 无色 粉色 橘黄色 黄色 1 26.5 31.2 27.9 30.8 2
阅读全文
摘要：Apriori算法用来找出频繁出现的数据集合。 1. 频繁项集的评估标准 常用的频繁项集的评估标准有支持度、置信度、提升度三个。 支持度：几个关联数据在数据集中出现的次数占总数据集的比重。或者说几个关联数据出现的概率。 比如两个想分析关联性的数据X和Y，则支持度为： 以此类推，三个想分析关联性的数据
阅读全文
