738719_zh-CN

liliconcom

我的仪表不够好——它的误差会花钱吗？多少钱？（2023-EU-30MP-1277）

所有仪表都有误差。这些误差可能微不足道，也可能很大，但总是存在的。无论误差大小，仪表都有可能犯第 1 类和第 2 类错误（让坏部件通过或让好部件不合格）。接近规格限值的部件出现错误的可能性更高。这些错误会造成真金白银的损失！但我们如何量化这些成本？本文以 2022 年 JMP Americas Discovery 论文（2022-US-30MP-1123）中显示的结果为基础，该论文讨论了如何量化仪表性能以及如何设置“信息制造规范”（或保护带）以提高仪表在区分好部件和坏部件方面的性能。在本文中，我们扩展了学习和脚本功能，并讨论了如何将仪表特性与单独让坏部件通过、拒绝好部件和预测产量的成本相结合。这有助于深入了解风险分析，例如，我应该预算多少钱来应对测量误差，是否（或多少）需要花费来改进我们的测量仪，等等。

你好， 我是 杰瑞 鱼。 我是 a 支持 工程师 和 JMP， 帮助 顾客 在 这 中央 部分 的 这 团结的 州。 今天的 讲话 是 有权 我的 测量 不是 作为 好的 作为 它 可以 是- 将要 它是 错误 成本 我们 钱 和 如何 很多？

我是 杰森 威金斯， 还 a 高级的 系统 工程师， 和 I 支持 半导体 用户 在 这 西 团结的 州。 这 讲话 是 a 跟随 在 到 一 我们 做过 为了 发现 美洲 在 2022 年。 在 我们的 第一的 讲话， 我们 引入 这 概念 那 测量 系统 是 不可缺少的 到 我们的 企业。 在 事实， 我们 有 许多 测量 系统 我们 相互影响 和 在 我们的 日常的 生活。 沿着 和 那 主意， 我们 引入 这 概念 那 测量 系统 或者 测量 变化 能 影响 决策 在 真实的 世界 检查 情况。 我们 引入 测量 表现 曲线 作为 a 方式 的 可视化 测量 变化 和相对 到 规格 限制。 在 这 讲话， 出色地 延长 那 和 探索 这 成本 联系 和 测量 变化 通过 a 乐趣 角色 玩 对话 之间 a 质量 经理 的 一个 汽车 制造业 植物， 那会 是 杰瑞， 和 患病的 是 演技 作为 a 质量 顾问。 到 踢 事物 离开， 患病的 得到 在 a 快的 团队 称呼 和 杰瑞。 你好， 杰瑞。

你好， 杰森。 如何 是 你 正在做？

我是 正在做 漂亮的 好的。 谢谢 为了 开支 a 很少 分钟 和 我。 作为 a 质量 顾问， I 帮助 质量 利益相关者 喜欢 你自己 理解 和 提升 流程。 现在， I 更喜欢 使用 跳转 作为 它是 a 一般的 目的， 简单的 到 使用 数据 分析 包裹 那 有 许多 质量 和 过程 控制 特征。 跳转 使 快的 工作 的 这 分析 部分 的 过程 改进， 所以 更多的 时间 能 是 投入的 到 实际上 改善 这 过程。

出色地， 它 是 好的 到 见面 你， 杰森。 只是 到 让 你 知道， 尽管， 我们 已经 有 软件 在 地方 为了 我们的 内部的 质量 程序， 所以 我是 不是 真的 当然 什么 你的 软件 能 做 那 我们 不能 已经 做。 能 我们 制作 这 快的？

I 理解 完全地， 杰瑞。 患病的 尝试 到 制作 这 最多 的 你的 时间 今天。 第一的， 能 你 告诉 我 a 小的 少量 关于 你的 公司 和 你的 质量 程序？

当然， 快乐的 到。 巅峰 电机 有 建造 a 名声 和 我们的 顾客 的 制造业 这 最高 质量 汽车。 是 总是 担心的 和 质量。 我们 有 各种各样的 量规 那 我们 使用 到 确保 我们的 质量 停留 高的。 我们 到过 正在做 这 为了 年， 和 坦白说， 我们 思考 是 漂亮的 好的 在 它。

我是 熟悉的w 其 巅峰 电机 和 你的 高的 质量 名声。 我的 咨询 团队 和 I 有 最近 到过 在职的 和 制造业 公司 喜欢 你的 到 进步 这 使用 和 效力 的 测量 研究。 测量 系统 分析， 其他 方式 的 说 那。 一 的 这 事物 我们 寻找 到 理解 是 这 货币 成本 联系 和 这 量规 用过的 到 措施 过程 质量 特征 在 你的 制造业 植物。 有 你 量化 如何 很多 任何 的 你的 量规 是 成本核算 你的 商业？

我是 不是 当然 什么 你 意思是。

出色地， 量规 是 不是 完美的。 他们 制作 错误。 有时 他们会 扔 离开 好的 部分 和 有时 他们会 经过 坏的 部分。 除非 你 有 a 完美的 测量 和 真的 不 一 有 这些， 这些 错误 是 不可避免的。

I 认为 所以， 但 我们已经 完毕 测量 研究 那 说 我们的 量规 是 好的。 出色地， 一些 的 他们 是 实际上 已归类 作为 足够的 经过 这 人工智能 股份公司 指南。 没有 那 意思是 是 好的 到 使用 他们？

出色地， 可能， 但 那里 是 a 很多 更多的 到 这 故事 比 只是 使用 好的， 足够的， 和 贫穷的 人工智能 股份公司 测量 评估 标准。 为了 例子， 有 你 看到 a 测量 表现 曲线？

I 不能 说 那 I 有。 不。

现在， 这 是 什么 一 看起来 喜欢。 这 X 轴 节目 这 真的 部分 值 和 这 降低 和 上 规格 限制 是 显示 和 这些 線。 这 Y 轴 节目 这 可能性 的 通过 a 部分。 如果 你 有 a 部分 那 是 确实 好的 但 非常 关闭 到 这 降低 规格 限制， 有 几乎 a 50 % 机会 这 测量 将要 推荐 那 你 扔 它 离开。 这就是 一 方式 的 思维 关于 它。 但 还， 有 几乎 a 50 % 机会 那 你 将要 接受 a 部分 那 是 确实 坏的 和 靠近 这 降低 规格。

非常 有趣的。 什么 發生 如果 我们 可以 改变 这 变化 的 这 测量 然后？

出色地， 这 形状 的 这 曲线 确实 取决于 在 如何 好的 你的 测量 是。 让我们 玩 和 这 只是 a 小的 少量。 什么 如果 我们 可以 减少 这 变化 经过 a 因素 的 10？ 制作 a 快的 改变 这里 和 重绘 我们的 测量 表现 曲线。 如果 这 是 可能的， 我们 将要 正确地 接受 或者 拒绝 更多的 的 这 部分。 是 移动 从 不正确 到 正确的 什么时候 我们 做 这。 让 我 休息 从 这 角色 玩 为了 只是 a 片刻。 这 测量 表现 曲线 I 是 显示 是 一个 添加 在 那 我们 制成 为了 我们的 2022 发现 美洲 推介会。 这 添加 在 是 可用的 在 这 社区。 后退 到 你， 杰瑞。

那 是 真的 一个 有趣的 图表， 杰森。 I 不 思考 我们 做 任何事物 喜欢 那。 什么 你是 说 是 那 这 测量 错误 污染 这 测量， 但 全部 I 有 是 这 不完善 测量。 你的 测量 表现 曲线 是 绘制 相对 真的 部分 值。 I 希望 I 知道 那些 真的 部分 价值观， 然后 I 可以 知道 确切地 哪个 部分 到 保持 和 哪个 到 扔 离开。 是 那里 a 方式 I 能 知道 这 真的 部分 价值？

我们 可以 知道 那 直接地 如果 我们 有 那 曾经 难以捉摸 完美的 测量， 哪个 我们 不。 我们 真的 不能 曾经 得到 到 这 等级 的 会心 这 真的 价值 的 一个 个人 部分， 但 我们 能 估计 这 真的 部分 分配 给定 我们的 知识 的 这 测量 特征 和 这 测量 部分 分配。

如何 会 你 做 那？

出色地， 如果 我们 认为 那 测量 错误 是 通常情况下 分布式， 和 为了 这 片刻， 让我们 忽略 任何 偏见 或者 线性 问题 那 你 可能 有， 和 那 我们 有 这 测量 部分 分配。 如果 我们 有 那， 我们 能 后退 出去 这 方差 的 这 真的 部分 分配 使用 a 简单的 方程。 那 简单的 方程 是 只是 这 不同之处 之间 这 测量 部分 方差 和 这 测量 方差。 这 阴谋 在 这 正确的 是 显示 为了 a 情况 在哪里 这 测量 方差 是 25岁， 这 测量 方差 是 16， 和 如果 我们 减去 那些 二， 这 真的 部分 方差 是 九。 是 开始 到 得到 这 参数 为了 那 分配 因为 我们 知道 这 结果 的 我们的 测量 学习 和 我们 理解 这 方差 联系 和 我们的 测量。

现在， 我们 会， 从 这， 建造 a 普通的 分配 那 居中 在 这 测量 分配 意思是 和 这 新的 标准 偏差。 A 获得， 这 结果 的 哪个 是 去 到 看 喜欢 这 阴谋 在 这 正确的。 在 这 阴谋， 这 蓝色的 酒吧 代表 你的 测量 部分 分配。 这 区域 多于 和 以下 这 规格 是 是 阴影 在 粉色的。 注意 那 这 测量 部分 分配 是 很多 更广泛 比 这 真的 部分 分配。 这 测量 分配 是 什么 你 得到 什么时候 你 跑步 这 真的 部分 分配 通过 你的 不完善 测量。

好的， 那 使 感觉， 在 至少 a 简单的 案件。 如何 做 你 涉及 这 到 什么 它是 成本核算 我的 公司？

出色地， 我们 能 使用 这 信息 在 a 数字 模拟 到 表征 这 错误 那 我们的 测量 是 去 到 制作。 什么时候 我们 做 那， 我们 能 产生 a 部分 检查 桌子 喜欢 这。

让 我 学习 这 桌子 为了 a 分钟。 我的 眼睛 是 立即地 绘制 到 这 中心， 这 绿色的 盒子 那 说 95.4 . 是 I 口译 这 正确的？ 95.4 % 的 我的 全部的 生产 是 确实 好的 和 是 船运 它。

正确的。

这就是 a 好的 事物。 现在， 寻找 在 这 第一的 和 最后的 列， 如果 I 添加 18 和 25岁， 让我们 看， 这就是 关于 0.043 % 的 我的 生产 部分 是 确实 低的 部分。 A 另一个 0.041 % 在 这 最后的 柱子 是 确实 高的。 这 是 坏的。 它 说 我的 过程 是 制作 坏的 部分 那 必须 是 被抛出 离开 或者 重新制作。 I 看 其他 问题。 如果 I 看 在 那 中心 柱子 和 I 添加 那些 全部 一起， I 得到 99.9 % 的 我的 生产 部分 那 确实 是 好的。 它 说 那 这 测量 是 识别 2.3 % 的 那些 作为 也 低的 和 2.3 % 是 也 高的 作为 出色地。 现在， 这 顾客 没有 关心 关于 那。 他们 仍然 获得 好的 部分 b 出去 I 当然 做。 我是 制作 好的 产品 和 我是 投掷 它 离开。 最差 然而， 看 在 那 中心 排， 那些 红色的 正方形。 有 其他 0.036， 18 和 18， 的 确实 坏的 部分， 部分 那 是 也 低的 或者 也 高的 那 是 存在 公认 经过 这 测量 测量。 这 是 严肃的。 I 做 不是 想 到 船 坏的 部分 到 我的 顾客 如果 I 能 帮助 它。

这就是 正确的。 这 是 凉爽的。 你 开始 到 看 这 成本 的 具有 一个 不完善 测量。

这 是 真的 有趣的。 它 节目 那 如果 I 不 做 某物 关于 我的 不完善 测量， 患病的 风险 接受 坏的 部分 和 投掷 离开 好的 部分， 两个都 的 哪个 是 坏的 为了 我的 商业。 在 这 其他 手， I 思考 我们已经 得到 a 方式 到 处理 这， 杰森。

好的， 什么是 那， 杰瑞？

出色地， 我们 使用 某物 称为 警卫 乐队。 这些 是 我们的 乐队 那 是 放 里面 这 规格 限制。 如果 我们 放 他们 远的 足够的 里面 这 规格 限制， 我们 能 减少 和 本质上 排除 船运 坏的 部分。 没有 那 使固定 在 至少 部分 的 我们的 问题？

在 至少， 警卫 乐队 是 确实 a 好的 方式 到 减少 这 百分比 的 坏的 部分 那 制作 它 通过 你的 检查 过程。 A 很多 的 公司 使用 他们。 有 你 经过考虑的 这 事实 那 改善 质量 使用 警卫 乐队 來 在 这 费用 的 投掷 离开 好的 部分？

诚实地， 那 有 發生 到 我们， 但 我们 没有 尝试过 到 量化 那 损害。

出色地， 让我们 延长 这 例子 出去 a 小的 少量 更多的 和 让我们 只是 认为 那 我们 带来 那些 规格 在 经过 一 单元 的 措施。 出色地 称呼 这些 警卫 乐队 限制。 我们的 降低 警卫 乐队 限制 会 是 41 和 我们的 上 警卫 乐队 限制 会 是 59. 是 去 到 使用 这 作为 我们的 检查 筛查 值 反而 的 这 原来的 上 和 降低 规格。 现在， 我们 能 做 这 相同的 数值 模拟 和 更新 这 结果。 让我们 只是 拿 a 看 在 这 差异 之间 这 表。 能 你 看 如何 这 百分比 有 變化？

我们 去了 从 船运 大致 0.04 % 的 部分 那 是 确实 坏的 到 仅有的 船运 0.03 % 的 坏的 部分。 那 看起来 成功的。 或许 我们 可以 甚至 挤 我们的 警卫 乐队 在 更远 和 提升 那。 尤其 给定 我们的 高的 生产 体积。 是 说 真实的 雄鹿 这里。

它 是。 还 注意 如何 许多 确实 好的 部分 是 现在 存在 筛选 出去。 每一个 时间 你 屏幕 出去 和 扔 离开 好的 部分， 它 是 成本核算 你的 公司 钱。

出色地， 你是 正确的 关于 那， 杰森。 是 那里 a 方式 到 看 在 这 金钱上？ 什么 如果 我们 认为 那 a 坏的 部分 在 这 模拟 结果 在 a 坏的 车？ 能 我们 输入 这 成本 的 报废 这 车 和 看 如何 那 影响 这 底部 线？

绝对地， 我们 能 做 那。 患病的 需要 到 得到 a 小的 信息 从 你， 尽管。 第一的， 如何 很多 做 它 成本 到 制作 这 车？

是的， 让我们 说 为了 这 清酒 的 这 示范， 35,000 美元。

好的， 伟大的。 那 方法 为了 每个 拒绝 车， 它 成本 你的 公司 35,000 美元。 你 可能 生产 在 返工 成本 这里， 但 让我们 说， 为了 例子， 我们 只是 扔 这 车 离开。 现在 我们 需要 生产 数量。

I 不 知道。 让我们 只是 选择 a 百万 汽车。

好的， 伟大的。 现在， 如何 很多 做 你 收费 为了 a 确实 好的 车 那 使 它 到 a 经销店？

这 经销店 买... 让我们 只是 说 他们 买 这些 汽车 从 我们 为了 40,000 美元。

好的。 如果 I 理解 这 正确的， 你的 利润 每 车 是 那 4万 减 这 三十五 K 和 你的 利润 有 到过 5,000 美元 每 车。

正确的。

最后的 事物， 做 你 知道 这 成本 联系 和 出售 a 坏的 车？

这就是 a 小的 更加坚强。 那里 是 这 明显的 成本 的 维修 到 这 坏的 车 或者 潜在的 成本 的 返回。 那些 是 相对地 简单的 到 计算， 但 有 还 损害 到 我们的 名声。 我们的 顾客 要求 质量， 和 如果 我们 开始 放置 坏的 产品 出去 这 门， 它 能 迅速地 得到 出去 的 手 和 结果 在 丢失的 未来 销售量。 这就是 a 很多 更多的 难的 到 计算。 I 知道 你 需要 这 数字。 为了 这 清酒 的 争论， 让我们 只是 说 那 总计 到 5万美元 每 坏的 车 那 使 它 出去 进入 这 市场。

出色的。 让我们 拿 a 看 在 这 利润 和 损失。 相同的 模拟。 只是 审查， 制作 当然 那 是 寻找 在 这 正确的 值。 你 告诉 我 那 制造业 成本 每 车 是 35,000 美元。 你 然后 卖 那 到 a 经销商 为了 40,000 美元。 我们的 利润 是 5,000 美元。 成本 的 出售 a 坏的 车 是 50,000 美元。 是 去 到 看 在 这 穿过 a 1 百万 车 生产 跑步。 我有吗 捕获e 一切， 正确的？

I 思考 那 看起来 好的。

全部 正确的。 如果 我们 看 在 这 网 利润 和 损失， 你 站立 到 制作 关于 346 十亿 从 这 1 百万 汽车 你 制作。

那 声音 好的。

不是 坏的。 这 全部的 利润 从 这 确实 好的 汽车 那 是 已发货 是 关于 371 十亿。 这 损失 到期的 到 制作 确实 坏的 汽车 那 是 捕捉 在 你的 检查 是 199 百万， 哪个 是 这 和 的 98 百万 加 101 百万。

好的。

这 法律... 我让 你 消化 为了 a 第二？

是的， 我是 下列的。

好的。 这 法律 到期的 到 船运 确实 坏的 汽车， 这 是 这 一 你 是 真的 担心的 关于， 是 137 百万， 哪个 是 68 百万 加 69 百万。 最后， 这 损失 从 报废 确实 好的 汽车， 这 是 什么是 成本核算 你的 商业， 是 25美元 十亿。 这就是 相当 a 很多。 这就是 这 和 的 12.4美元 百万 和 12.4 百万。

这就是 迷人 和 还 a 小的 沉闷 那 是 失败 那 很多 钱。 如果 你 改变 事物， 让我们 说 你 改变 这 警卫 乐队 设置， 将要 这 全部的 网 利润 改变？

这就是 正确的。 这就是 确实 真的。 你 可以 看 那 改变。

在 那 案件， 然后 可以 那里 是 一个 最佳？ I 能 想象 加宽 这 警卫 乐队 或者 缩小 他们 和 寻找 在 网络 利润， 会 那里 是 一个 最佳 为了 那 网 利润 峰 出去？

是的， 你 能 确实 探索 那 贸易- 离开 在 a 很多 的 不同的 方式。 你 可以 回答 问题 喜欢， 如何 会 改善 我的 测量 经过 a 因素 的 10， 喜欢 我们 显示 和 这 测量 表现 曲线， 提升 我的 盈利能力？ 或者 如何 很多 能 I 买得起 到 花费 在 定影 或者 替换 a 测量？ 如果 我们 知道 什么 这 成本 到 这 公司 是 为了 我们的 测量 系统， 然后 我们 能 证明合法 这 成本 的 定影 或者 替换 测量。 还， 只是 到 你的 观点， 什么 如果 I 已调整 我的 警卫 乐队？ 我们 能 确实 回答 那 问题。 A 另一个 常见的 一 是 什么 如果 I 提升 我的 过程 能力？ I 只是 收紧 这 变化 在 我的 过程， 什么 做 那 做 到 我的 利润 和 损失？

I 可以 贸易 那 离开 反对 这 成本 的 改善 那 过程 能力。 有趣的。 出色地， I 必须 说， 杰森， 我是 印象深刻。 这 有 到过 a 好的 使用 的 时间， 但 I 思考 I 欠 它 到 我的 公司 到 浑 这 水域 只是 a 小的 少量。 这 是 全部 伟大的 为了 普通的 分布 和 简单的 测量 错误 和 那些 种类 的 事物。 那些 计算 那 你已经 显示 是 简单的。 但 什么 如果 I 有 测量 线性 或者 偏见 问题？ 或者 什么 如果 I 有 a 歪斜的 分配， 哪个 是 真的 漂亮的 典型的 在 我的 公司。 我们 很少 跑步 进入 这 好的 钟 形状 曲线。 获取 a 真的 部分 分配 出去 的 这 测量 部分 分配 变成 a 很多 更多的 难的 比 只是 使用 那 简单的 公式 你 显示 更早。 能 你 甚至 能 做 那？

绝对地。 我们 是 写作 一个 添加- 在 那 将要 制作 你 有能力的 到 定义 这 形状 的 任何 测量 部分 分配。 W e 能 做 这 相同的 锻炼 和 测量 部分 分布 那 是 普通的 或者 日志- 普通的， 制服， 威布尔， 或者 甚至 a 风俗 分配。 它是 一个 添加- 在 是 在职的 在。 它是 a 工作 在 进步。

全部 正确的， 这就是 极好的。 我是 准备好 到 买 在。 什么时候 将要 那 是 可用的？

我们 有 这 基础知识 的 这 添加 在 工作 出去， 但 我们 需要 一些 时间 到 制作 它 更多的 用户 友好的。 出色地 是 在职的 在 那 在 这 未来 很少 个月。 大概 前 年中， 出色地 有 那 包裹 向上。 什么时候 它是 完毕， 出色地 邮政 它 在 这 跳转 网站 在 我们的 社区 文件 交换。

A 很少 个月， 真的吗？ 患病的 忘记 全部 这 经过 然后。

这就是 好的。 我们 认出 那。 一次 我们的 广告 在 是 准备好 为了 主要的 时间， 出色地 宣布 a 系列 的 打开 到 这 民众 研讨会 在哪里 我们 将要 去 进入 细节 关于 什么 你已经 看到 这里， 作为 出色地 作为 其他 方面 喜欢 相关 这些 概念 到 唐纳德 惠勒 电磁脉冲 方法论， 哪个 是 其他 性格 在 这 测量 系统 分析 平台 在 跳转。 以下是 a 快的 窥视 在 这 主题 为了 这 向上 和 未来 会谈。

出色地 花费 更多的 时间 阐述 在 如何 测量 研究 那 是 使用 这 人工智能 股份公司 分类 那 我们 谈论 关于 早些时候， 出色地 讲话 关于 如何 那 能 带领 到 不切实际 测量 评估。 出色地 还 探索 如何 惠勒 评估 这 测量 过程， 这 电磁脉冲 方法， 能 提供 我们 更多的 实际的 测量 分类。 是 去 到 展示 这 问题 和 在 和 展示 这 解决方案 使用 惠勒 方法。 出色地 还 展示 如何 电磁脉冲 方法 能 建议 我们 在 如何 到 使用 我们的 测量。 如何 做 我们 使用 它 在 这 生产 过程？ 一 例子 那 出色地 是 覆盖 是 客观地 环境 警卫 弯道。 这 其余的 主题， 嘿， 出色地 花费 a 小的 少量 更多的 时间 口译 测量 表现 曲线， 讲话 关于 如何 到 混合 表现 和 部分 变化 到 决定 成本 联系 和 不完善 量规。

真的吗， 那 是 什么 是 说 关于 今天， 但 我们 感觉 喜欢 我们 需要 到 延长 那 a 小的 少量 所以 那 我们 全部 理解 如何 那 作品。 最终的 二 主题， 如何 能 惠勒 计算 是 因式分解 进入 这 测量 成本 对话， 和 如何 到 理解 测量 成本， 再次， 到 这 观点 的 非 普通的 部分 分布。

这就是 完美的。 能 你 制作 当然 那 我是 在 那 邀请 列表？ I 想 到 制作 当然 那 每个人 在 我的 质量 部门 出席 你的 研讨会。

当然 事物， 杰瑞。 任何事物 别的 I 能 做 为了 你 今天？

是的。 得到 后退 到 工作 在 那 广告- 在。 这 更早 它是 可用的， 这 更好的。

将要 全部 正确的， 这 总结 我们的 推介会。 患病的 说 那 作为 我们 是 正在做 研究 为了 这 讲话， 我们 裸露 许多 概念 那 是 重要的 到 理解 如何 到 使用 测量 系 统。 我们 感觉 像一个 的 这些 概念 应得 更多的 时间 比 我们 有 在 我们的 讲话 今天。 我们 看 向前 到 继续 这 对话 和 你 在 这 未来 个月。 任何 结束 思想， 贾里？

只是 那 如果 你已经 种类 各位 那 是 出席 今天， 如果 你是 感兴趣的 在 出席 那些 即将推出 研讨会， 请 让 你的 当地的 跳转 支持 人 知道 或者 你的 支持 团队 知道， 和 他们会 制作 当然 那 你是 包括 在 那 邀请 列表。

出色的。 和 那， 感谢 你， 每个人， 为了 出席。

谢谢， 全部。

高级统计建模自动化和脚本基础数据分析与建模内容组织数据探索与可视化质量与工艺工程可靠性分析