در این مطلب، ویدئو ابزار کیفیت: Cpk با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,280
سلام، این اولین
2
00:00:02,280 –> 00:00:04,500
ویدیو از یک سری کوتاه در مورد صرفه جویی در
3
00:00:04,500 –> 00:00:06,600
هزینه با جایگزینی Minitab با پایتون خواهد بود
4
00:00:06,600 –> 00:00:09,059
Minitab نرم افزار فوق العاده قدرتمندی است،
5
00:00:09,059 –> 00:00:10,950
اما اکثر شرکت ها فقط از چند
6
00:00:10,950 –> 00:00:12,900
ویژگی استفاده می کنند که به راحتی با
7
00:00:12,900 –> 00:00:15,000
استفاده از پایتون و اکسل در این ویدیو تکرار
8
00:00:15,000 –> 00:00:17,640
می شوند. پوشش CPK یک
9
00:00:17,640 –> 00:00:19,859
نشانگر مشترک قابلیت فرآیند که یک
10
00:00:19,859 –> 00:00:22,109
راه ساده برای شروع استفاده از پایتون برای انجام
11
00:00:22,109 –> 00:00:24,150
آمار است.
12
00:00:24,150 –> 00:00:26,220
13
00:00:26,220 –> 00:00:27,689
14
00:00:27,689 –> 00:00:31,349
15
00:00:31,349 –> 00:00:33,120
بنابراین ما فقط میخواهیم همه چیز را
16
00:00:33,120 –> 00:00:35,460
در یک مقدار قابلیت آماری ساده جمع کنیم،
17
00:00:35,460 –> 00:00:39,059
اما در مرکز قرار میدهیم، من دیدم که
18
00:00:39,059 –> 00:00:40,920
این معمولاً
19
00:00:40,920 –> 00:00:43,350
مفیدترین سنج برای یک فرآیند است، بنابراین
20
00:00:43,350 –> 00:00:45,930
فقط به آن میرسیم، من یک متن را باز میکنم.
21
00:00:45,930 –> 00:00:47,940
ویرایشگر و اولین کاری که باید
22
00:00:47,940 –> 00:00:51,149
انجام دهیم این است که numpy را وارد کنیم و این
23
00:00:51,149 –> 00:00:53,430
دو کار را برای ما انجام می دهد که ما آن را آزمایش
24
00:00:53,430 –> 00:00:55,350
می کنیم، می خواهیم
25
00:00:55,350 –> 00:00:57,539
مقادیر تصادفی داشته باشیم، بنابراین بیایید بگوییم که
26
00:00:57,539 –> 00:01:02,309
قول می دهد با PI تصادفی برابر شود. d
27
00:01:02,309 –> 00:01:04,559
ما این کارها را با توزیع معمولی انجام می
28
00:01:04,559 –> 00:01:06,560
دهیم و اجازه دهید بگوییم حدود پنج
29
00:01:06,560 –> 00:01:09,510
با انحراف استاندارد سه و
30
00:01:09,510 –> 00:01:12,180
ما 30 امتیاز می خواهیم و همه اینها
31
00:01:12,180 –> 00:01:14,610
تولید مقادیری است که
32
00:01:14,610 –> 00:01:16,290
می توانید بدانید که هر دو می گویند اندازه گیری های ما را دوست دارند.
33
00:01:16,290 –> 00:01:17,970
از هر فرآیندی
34
00:01:17,970 –> 00:01:21,000
که داریم، پس کاری که میخواهیم انجام دهیم این است که یک
35
00:01:21,000 –> 00:01:22,710
تابع بسازیم و فقط میتوانیم آن را
36
00:01:22,710 –> 00:01:24,780
چیزی مانند cvk بنامیم،
37
00:01:24,780 –> 00:01:27,930
چند ورودی به آن خواهیم داشت، بنابراین اولین
38
00:01:27,930 –> 00:01:29,130
پارامتری که میخواهیم آن
39
00:01:29,130 –> 00:01:31,829
مقادیری را داشته باشیم. به عنوان یک لیست قرار می دهیم و
40
00:01:31,829 –> 00:01:35,130
سپس یک حد پایین و یک
41
00:01:35,130 –> 00:01:37,320
حد بالایی خواهیم داشت، بنابراین کار دیگری که
42
00:01:37,320 –> 00:01:38,939
numpy قرار است انجام دهد این است که
43
00:01:38,939 –> 00:01:41,880
محاسبه میانگین را برای ما بسیار آسان می کند.
44
00:01:41,880 –> 00:01:47,220
45
00:01:47,220 –> 00:01:50,270
انحراف استاندارد را به
46
00:01:54,020 –> 00:01:55,890
آن برسانیم تا حالا که میانگین و
47
00:01:55,890 –> 00:01:57,930
انحراف استاندارد داریم، همه چیزهایی را که
48
00:01:57,930 –> 00:02:01,320
برای محاسبه CPK نیاز داریم در اختیار داریم، بنابراین
49
00:02:01,320 –> 00:02:02,850
این کار را در چندین بخش انجام می
50
00:02:02,850 –> 00:02:07,410
دهیم و Cpl یا پایین تر را می گیریم و این
51
00:02:07,410 –> 00:02:09,530
فقط به برابر میانگین منهای پایین تر
52
00:02:09,530 –> 00:02:12,360
می رویم و عدد را تقسیم می کنیم t در سه برابر
53
00:02:12,360 –> 00:02:17,220
انحراف استاندارد نیز به همین ترتیب CPU برای قسمت
54
00:02:17,220 –> 00:02:24,230
بالایی فقط بالای منهای میانگین
55
00:02:24,230 –> 00:02:28,920
تقسیم بر سه برابر انحراف استاندارد خواهد بود
56
00:02:28,920 –> 00:02:32,880
و وقتی مرکز
57
00:02:32,880 –> 00:02:36,210
را در نظر بگیریم یا CPK فقط
58
00:02:36,210 –> 00:02:39,260
با حداقل بین Cpl و CPU ما برابر است،
59
00:02:39,260 –> 00:02:44,640
بنابراین این خوب است.
60
00:02:44,640 –> 00:02:47,370
اکنون همه چیز را محاسبه کردهایم، اجازه دهید آن را چاپ کنیم و
61
00:02:47,370 –> 00:02:49,950
فقط چیزی شبیه به میانگین خود میگوییم
62
00:02:49,950 –> 00:02:52,560
که با چیزی برابر با انحراف معیار ما خواهد بود
63
00:02:52,560 –> 00:02:54,420
و شما میدانید که چه
64
00:02:54,420 –> 00:02:55,860
چیزی آن را چاپ میکنیم، بنابراین بیایید زیبا به نظر برسد
65
00:02:55,860 –> 00:03:02,120
به همین دلیل است که قالب بندی رشته شما
66
00:03:03,440 –> 00:03:07,709
فقط مانند آن و بیایید Cpl خود را چاپ
67
00:03:07,709 –> 00:03:11,489
کنیم گاهی اوقات خوب است
68
00:03:11,489 –> 00:03:14,400
تفاوت را بدانیم اگر یکی از محدودیت های شما
69
00:03:14,400 –> 00:03:18,660
مهمتر از دیگری است به خصوص و
70
00:03:18,660 –> 00:03:22,130
ما همین کار را در اینجا انجام خواهیم داد
71
00:03:22,130 –> 00:03:26,130
و در نهایت آن چیزی که همه
72
00:03:26,130 –> 00:03:32,640
نگران آن هستند CPK است و ما این کار را انجام می دهیم،
73
00:03:32,640 –> 00:03:35,010
پس بیایید ادامه دهیم و سعی کنیم این را اجرا کنیم
74
00:03:35,010 –> 00:03:38,840
، می گوید cbk مصوت هایی را که
75
00:03:38,840 –> 00:03:42,030
ایجاد کرده ایم را در اینجا قرار می دهد و بیایید ببینیم خوب است،
76
00:03:42,030 –> 00:03:44,820
بنابراین میانگین پنج و انحراف استاندارد
77
00:03:44,820 –> 00:03:47,040
سه داریم، بنابراین بیایید بگوییم که ما
78
00:03:47,040 –> 00:03:49,709
حد پایین سه است و حد بالای ما
79
00:03:49,709 –> 00:03:51,450
هشت است یا چیز مسخره ای مانند
80
00:03:51,450 –> 00:03:56,250
آن حالا فقط باید یک
81
00:03:56,250 –> 00:03:58,320
ترمینال را باز کنیم و بیایید جلو برویم و سعی کنیم
82
00:03:58,320 –> 00:04:00,390
اجرا کنیم که حالا من چه کار کردم
83
00:04:00,390 –> 00:04:02,360
اوه
84
00:04:02,360 –> 00:04:04,620
من بارها تایپ کردم که انجام نمی دهم.
85
00:04:04,620 –> 00:04:09,569
نمی دانم چگونه این بار آن را خراب کردم و
86
00:04:09,569 –> 00:04:14,220
همچنین نمی توانم املای معمولی را بنویسم و فکر نمی کن
87
00:04:14,220 –> 00:04:15,949
آن را درست در همان جا نوشتم، خو
88
00:04:15,949 –> 00:04:19,190
89
00:04:20,209 –> 00:04:23,010
است، بنابراین اینجا خیلی خوب است که می
90
00:04:23,010 –> 00:04:24,600
ن