[讨论]各位大侠，讨论下公差分析结果，非常感谢！ [复制链接]

如果公差分析采用MTF评价，公差分析结果时是看MTF的平均改变量还是看模特卡罗模拟给出的概率啊？例如： w
>m/c1  
Estimated Performance Changes based upon Root-Sum-Square method: Llg[YBJ7>  
Nominal MTF              :     0.6885 !5{t1 oJ  
Estimated change         :    -0.1242 4!E6|N%f  
Estimated MTF            :     0.5642 UY|nB hL  
这个显示公差分析满足要求了 YE0s5bB6  
f+F /`P%  
Nominal    0.688465755 _A%z^&k(i  
Best       0.604758465    Trial    21 -M(:z  
Worst      0.219598341    Trial     4 h#`qEK&u  
Mean       0.427677699 f PDn
kr  
Std Dev    0.091295533 i[FBll-  
*SC~_  
90% >=     0.311110949             Uh&MoIBs#  
50% >=     0.407041563             4}=]QQoE  
10% >=     0.548585753             #X|'RL($  
而从概率看好像还不行啊！ r$0"Y-a  
到底如何看公差分析是否可以了呢？ u2BVQ<SA  
再次感谢，请指教一下吧！

2楼讲得很清楚，呵呵！

学习学习

学习一下

牛人啊

做出来，再组装一下 你就知道行不行啦

mang2004:试着回复楼主， & 2& K9R  
想一想著名的Murphy's law，可能有点悲观：Anything that can go wrong will go wrong。（玩笑！） r8pTtf#Q  
一般而言，当MonteCarlo Run次数足够大时，其结果将非常接近RSS。批量生产时MTF性能有0.1~0.15降低是大家都认可的。 [^
A93F  
祝好运。
....... (2011-11-26 01:39)  ~^UQw?;  

?r"m*fY
%  
呵呵，明白了，谢谢楼主！

mang2004:试着回复楼主， a.L ?J  
想一想著名的Murphy's law，可能有点悲观：Anything that can go wrong will go wrong。（玩笑！） bEfxu;Su3  
一般而言，当MonteCarlo Run次数足够大时，其结果将非常接近RSS。批量生产时MTF性能有0.1~0.15降低是大家都认可的。 S\JV96  
祝好运。
....... (2011-11-26 01:39)  Fyrr,#  

A_6b 4T  
楼主能再讲详细一点吗？本人菜鸟一名，您的意思我不是很明白，拜托赐教！

试着回复楼主， x>m_ v  
想一想著名的Murphy's law，可能有点悲观：Anything that can go wrong will go wrong。（玩笑！） ]e@'9`G-'  
一般而言，当MonteCarlo Run次数足够大时，其结果将非常接近RSS。批量生产时MTF性能有0.1~0.15降低是大家都认可的。 sc\4.Ux%Q  
祝好运。 @
jAuSBy  
*aT3L#0(  
N>giFj[dD  

这个结果可以了