数据驱动的编轮
分析1800个轮组，建立编轮的性能标准
关于编轮的文章常将我们的技艺描述为一门艺术，这确实如此。然而，它不必完全停留在主观层面。通过访问编轮应用SpokeCalc后台数据库中的近1800份张力记录文件，我有机会探索当工匠精神与数据相遇时会发生什么。通过揭示常见模式、确定基准，并引入创新的轮组质量评估方法，这项全面分析为编轮的性能测量奠定了基础——提供有价值的见解和指标，帮助编织者追求卓越并随时间推移提升一致性。
编轮正在演进，编织者们逐渐吸收技术来追踪和改进工作流程。图片来源：Fabrice Veyre，别名docfab21。
你是否曾想过，究竟是什么真正造就了一个好轮组？编轮者又该如何追踪自己工作的长期一致性？在本文中，我将分享从大约1,800份保存的张力文件中得出的发现，重点介绍在各类轮组构建中达到的常见质量标准，并引入用于追踪和测量轮组质量的性能指标。
主要目的？ 提供一个包含轮组质量通用基准标准的性能指标框架。这将帮助同行编织者更好地理解轮组质量评估，并促进采用更数据驱动的方法，为改进提供依据。
但在深入探讨这些见解之前，请允许我先分享几点开场白。
免责声明： 如果你好奇为什么这篇关于性能评估的文章如此详尽，那么要知道，性能测量对我而言并不新鲜。事实上，它是我在经济学研究生期间硕士论文的重点。
📋 目录
由于本文分析范围广泛，以下是目录以便于导航。敬请阅读！
🔑 关键要点
- 为何基于指标的方法很重要
- 建立编轮的新标准
- 编轮质量的基准
- 数据驱动方法面临的挑战
📊 数据集
- 张力实验室 - 一个致力于质量的页面
- 关于设计指标的说明
📈 结果与讨论
- 辐条平衡指数
- 质量评分，一个统领性的指标
- 分布概览
- 准确度指数
- 张力变异性指数
- 范围一致性评分
- 应力指数
- 达成目标
- 辐条效率指数
- 精确度图表
🎯 综合应用
- 雷达图
🚀 未来影响与后续步骤
💭 最终感想
🔑 关键要点
探索如此庞大的数据集令我惊叹，因为它揭示了清晰模式和基准，可以为编轮的质量奠定基础。以下是一些亮点。
为何基于指标的方法很重要
"测量你想改进的东西。" 仅仅依赖经验和直觉常常会导致不一致的结果，尤其是在每个轮组都至关重要的专业环境中。通过采用指标驱动的方法，编织者能更深入地了解自己工作的质量和一致性，并获得可操作的见解来逐步改进。
事实证明，这种方法也提供了一种实用的方式来沟通和分享结果，包括客户的结果。想象一下，能够递交一份简单而全面的报告，展示易于理解的指标，证明他们轮组的可靠性。这种透明度建立了信任，并超越了手工技艺的整体附加值。
建立编轮的新标准
通过分享发现，我希望激励编织者将数据作为实现更高标准的工具。编轮将始终是一门手艺，但通过部署一些数据衍生的指标，它也可以成为一门科学。从这个数据集中得出的见解，标志着迈向更科学、数据驱动的编轮的一步。
建立编轮新标准 - 重要的性能指标，提供关于辐条张紧过程的可操作见解。
编轮质量的基准
为了确定质量的基准，我开发了受统计学原理启发的指标，以追踪和测量编轮标准，旨在：
- 提供一种更清晰、歧义更少的评估构建质量的方法
- 识别具体的改进领域
- 监控长期趋势和一致性
数据衍生的指标提供了关于辐条张力均匀性、达到目标张力的速率、张力分布模式等方面的见解。通过量化辐条张力的变异性，而不是依赖估计，它们建立了一个清晰的框架来评估当前和提升长期工作的一致性。
虽然我将在发现过程中涉及其中一些指标，但完整的指标列表将在文末提供以供参考。
数据驱动方法面临的挑战
尽管这种方法听起来很吸引人，但在繁忙的工作坊环境中追求这些指标的完美分数可能会显得过分，甚至模糊了你试图达成的更宏观目标。尤其是在低质量组件使得理想结果难以实现时，很容易陷入困境。
在编轮中，我们或多或少都在管理不完美。具有讽刺意味的是，目标不是完美——而是进步。专注于与你工作流程和专业设置相一致的指标，并利用它们来追踪质量和一致性随时间的改进。
最近实施的张力比分析可能很有见地，但对于新手编轮者来说，很可能在初期至少会感到困惑。
注意： 通过张力变异性指标评估轮组质量，只是提供高质量产品的一个维度。只有当它与最小的真圆度缺陷和精心挑选的组件相结合时，我们才谈得上达到了顶尖水平的专业服务。
📊 数据集
张力实验室 - 一个致力于质量的页面
如前所述，当前的数据集来源于我的数据库，包含不到2,000个轮组，前轮和后轮在样本中几乎平均分布，如下面的统计卡片所示。
由于驱动侧和非驱动侧的张力读数是分开存储的，数据允许在适用时进行特定侧别的分析，从而更深入地了解编轮的当前状况。
张力实验室是SpokeCalc应用内的一个页面，致力于分析编轮质量的当前状况。
注意： 对于应用会员，当前数据（包括解读）可在SpokeCalc应用网站内的"张力实验室"页面上获取。
关于设计指标的说明
试图涵盖构建质量的不同方面，这里简单提一下精确度与准确度的区别。精确度指的是张力值彼此之间的一致性或接近程度。如果大多数辐条的张力落在较小的偏差范围内，则认为构建是精确的，因为它显示出均匀性和最小的变异性。另一方面，准确度衡量的是平均张力与目标张力的接近程度。
准确度 vs. 精确度 - 区别。
其次，在设计编轮质量指标时，直观上，用于标准化数据的常用因子是目标辐条张力值。然而，初步的见解向我表明，目标张力似乎是一个相当难以捉摸的术语。
虽然目标张力通常来源于轮圈在主导张力侧的最大允许张力，但非主导张力侧则更为复杂，因为它是通过数学计算推导出来的，而非直接指定，并且在现实设置中可能有所不同。当使用目标张力作为准确度的参考点时，这种变异性常常会引入不一致性。
基于用于辐条计算的组件几何形状，辐条计算器通常会计算张力比、支撑角，并根据允许的最大张力估算非主导目标张力。
为了解决这个问题，我选择尽可能避免依赖目标张力。相反，我在计算中纳入了平均张力，为质量评估提供了更稳定和统一的基准。
最后但同样重要的是，依赖单一指标可能是有限的，可能无法捕捉轮组构建质量的全部复杂性。虽然每个指标都提供了有价值的见解，但当它们与其他指标一起使用时最为有效。这种方法确保了更全面的评估，同时意识到任何单一测量方法固有的局限性。
📈 结果与讨论
辐条平衡指数
虽然辐条平衡指数（SBI）不是轮组质量的直接衡量标准，但它为了解所分析轮组驱动侧（DS）和非驱动侧（NDS）之间常见的辐条张力平衡提供了有价值的视角。
平均而言，分析显示前轮的SBI为0.89，表明左侧在大多数情况下是主导侧，而右侧的辐条张力为左侧的89%。另一方面，后轮则显示出相反的趋势，SBI为1.49，反映出驱动侧承受了显著更多的张力。
辐条平衡指数。前轮比率在左侧，后轮比率在右侧。
SBI指标相对简单：它使用1.00作为基线来表示完全对称的构建，使其成为比较组件几何形状（如花鼓法兰间距或轮圈设计）如何影响整体张力平衡和轮组结构的直观方式。
虽然SBI不是一个独立的质量指标，但其作用更像是一个说明性工具，帮助编织者可视化并更好地理解组件选择如何影响轮组的结构平衡。
质量评分，一个统领性的指标
在探索了轮组张力的不同方面之后，我想设计一个单一的指标来代表整体构建质量。这便产生了质量评分，它衡量的是轮组内辐条张力的一致性。
质量评分 = (1 - (方差 / 平均张力)) × 100
质量评分旨在将辐条张力的变化与平均张力进行比较。因此，较低的变化导致较高的分数，数值范围从0到100。此外，接近100的质量评分应表示更好的张力一致性。由于它使用平均张力进行了归一化，因此该评分可以在不同的构建之间进行比较。
从分析的样本来看，前轮的整体质量评分平均为87.3，而后轮的平均得分略高，为88.2。
一个统领性的指标 - 质量评分 - 衡量辐条张力的一致性。
进一步分析，后轮在两侧的辐条张力往往更平衡，这表明编织者可能在后轮上实现了比前轮稍好的一致性。
质量评分应为编织者提供一种简单的方法来追踪和改进他们的工作。通过随时间推移追求更高的分数，更容易发现趋势并进行调整。它还提供了一种清晰的方式向客户展示其轮组的质量。
分布概览
通常探索分布时，最常见的统计指标包括平均值和范围（在我们的案例中由最小和最大辐条张力定义）。这些指标为理解辐条张力在不同轮组构建中的变化提供了必要的基础。
对于前轮：
- 左侧的平均辐条张力为 101.85 kgF
- 右侧为 90.75 kgF
- 平均张力范围为 13.46 kgF，在张力较大的那一侧稍高
- 该范围对应的平均最小和最大辐条张力分别为 95.01 kgF 和 108.47 kgF
我们数据集中前轮的分布指标。
对于后轮：
- 非驱动侧的平均辐条张力为 75.25 kgF
- 驱动侧为 112.4 kgF
- 有趣的是，绝对辐条张力范围稍小一些
- 平均而言，非驱动侧的张力范围围绕平均值跨越 10.93 kgF
- 驱动侧显示出稍高的 12.12 kgF 范围
我们数据集中后轮的分布指标。
这些见解揭示了前轮和后轮之间张力分布的细微但重要的差异，为轮组几何形状和构建实践如何影响辐条张力提供了量化的视角。
准确度
准确度指数（AI）
现在我们对张力变化有了更好的认识，那么目标达成度如何呢？准确度指数（AI）追踪实现的平均辐条张力与设定目标张力的接近程度。它计算为平均记录张力与目标张力的比率。
准确度 = 平均张力 / 目标张力
准确度指数为1.00表示完美匹配，即平均辐条张力完全达到目标。高于或低于1.00的比率分别表示轻微过张或欠张。
当前轮和后轮两侧平均时，结果显示有轻微的欠张倾向，指数值为0.97。这表明编织者会谨慎行事以避免超过最大允许张力。
前轮的目标张力设置模式。
但是，编织者在张紧轮组之前总会设定目标张力吗？事实证明，在大多数情况下他们会：
- 82.3% 的前轮有预定义的目标张力
- 后轮的比例更高，平均有 90.9% 的构建设定了目标
尽管目标设定似乎是大多数构建的标准做法，但并非所有构建都应用了它。其原因已在上文"关于设计指标的说明"部分中提及。
后轮显示出低于1.00的准确度指数，表明在接近最大张力时张紧辐条的谨慎行为。
注意： 主导张力侧通常由最大允许辐条张力决定，而非主导侧则通过计算（例如，辐条计算）得出。然而，现实设置可能会引入偏差。因此，非主导侧的准确度指数可能并不总是与设定的目标张力完美吻合。另一个原因隐藏在对已建成的轮组中，我们无法准确知道构建的几何形状以计算张力比。
变异性测量
张力变异性 – 辐条张力的一致性度量
回到分布的话题，数值的分散程度如何？虽然我们已经讨论了绝对平均值和范围，但这些本身并不能为比较多個构建提供基础。它们也无法表明数据集是表现出低离散度（数值紧密围绕中心聚集）还是数值显著偏离平均值。
从统计学的角度来看，评估变异性的一个普遍可比较的指标是变异系数（CV）。CV计算为标准差与平均张力之比，它提供了一个衡量离散度的统计量。它突显了数据集中存在的变异量，或者说辐条张力分布的均匀程度。较大的离散度可能表明轮组构建质量存在不一致性。
为了使这个概念适用于编轮并易于理解，CV被重新命名为张力变异性指数（TVI）。这个指标非常适合比较具有不同平均值（例如，轮组的不同侧）甚至不同单位（例如，kgF与Nm）的数据集。
TVI = (标准差 / 平均张力) × 100
结果如下：
- 前轮计算得出的TVI，左侧为3.35%，右侧为3.91%
- 后轮计算得出的TVI，左侧为3.95%，右侧为3.26%
计算得出的前轮（上图）和后轮（下图）张力变异性。注意主导张力侧通常表现出较低的TVI分数。
有趣的是，主导张力侧（大多数后轮的右侧和前轮的左侧）往往表现出更高的一致性，表现为较低的TVI值。这表明编织者在主导侧投入了更多注意力，导致这些侧面的辐条张力均匀度更高。
然而，由于CV（或TVI）可能更难解释或在实际使用中不那么直观，因此部署了另外两个测量指标来直接观察辐条张力的一致性 - 范围一致性评分和应力指数。
范围一致性评分（RCS）
范围一致性评分（RCS）提供了一种实用方法来评估辐条张力围绕平均值的聚集程度。它通过比较数值的分布范围（最大值和最小值张力之差）与平均张力来实现：
范围一致性评分 = (1 - (范围 / 平均张力)) × 100
这个指标易于解释。较高的辐条张力范围意味着数据集内偏差较大，从而降低评分，表明一致性较差。由于结果按比例缩放到1到100，因此RCS可以在多个轮组构建之间进行比较。
较高的RCS值表示更好的辐条张力一致性（相对于平均值范围较小），而较低的RCS值则突显出辐条张力变异性较大，表明均匀性较差。然而，需要注意的是该指标的局限性：虽然它基于由上下边界定义的范围来评估均匀性，但在此范围内的辐条张力仍然可能分布不均。
作为参考点，以下是张力应用内所有轮组的RCS结果：
- 前轮平均得分为86.3
- 后轮得分略高，为87.3
前轮（上图）和后轮（下图）范围一致性评分的细分。
根据范围跨度（此指标基于此）来判断辐条张力均匀性，后轮总体上在此指标上表现稍好。
注意： 虽然RCS非常适合评估轮组内辐条张力的精确度和均匀性，但它并未涉及实现的张力与目标张力（准确度）的接近程度。为了进行全面评估，最好将RCS与前面描述的准确度指数（AI）结合使用。
应力指数（SI）
应力指数（SI）很可能是在轮组张紧过程中最容易使用和最实用的实时指标。许多编织者都熟悉计算单个辐条张力读数相对于某个基线（如目标张力或平均张力）的百分比偏差。应力指数将这种方法形式化，以一种直接的方式评估相对意义上的精确度。
应力指数 = (1/n) * Σ |Tension_i - 平均张力|
该指标通过测量每个辐条张力与其相应侧别平均张力（用作伪"目标"）的偏差，来追踪应力（或应变）在辐条之间分布的均匀程度。其名称中包含"应力"一词，反映了它在突出应变在轮组上分布情况方面的作用。
观察应变的变化使编织者能够在张紧过程的早期发现并纠正不一致之处。但应用内部在这方面实际结果如何呢？
后轮： 整体平均应力指数为3.11%，右侧表现显著更好为2.65%，而左侧为3.58%。这表明编织者在主导（驱动）侧更注重精确度。
后轮的整体应力指数得分更好，但请注意左右侧之间的偏差程度更大。
前轮： 乍一看，前轮的整体偏差稍高，SI为3.44%。然而，仔细观察发现两侧性能接近相等，左侧为3.39%，右侧紧随其后为3.49%。
根据应力指数指标，前轮在左右侧之间的应变偏差往往具有更高的均匀性。
精确度
达成目标
了解了准确度指数，让我们稍微回顾一下，探讨编织者在构建开始时的期望。了解他们可接受的标准对于评估他们是否成功实现这些标准至关重要。
可接受的上限和下限公差，定义为作为边界的张力限制或期望分布范围的百分比范围：
- 前轮为5.82%
- 后轮为6.01%
可接受的张力限制在张紧辐条之前设定，并在工作过程中以虚线形式显示在条形图上，以定义可接受张力的上下边界。
一旦编织者在张紧前选择了张力限制，它们就会以虚线的形式显示在条形图上，以直观地定义可接受张力的上下边界。
辐条效率指数（SEI）
辐条效率指数（SEI）衡量的是落在这些预定义的可接受张力限制范围内的辐条百分比，这些限制在轮组张紧过程中作为精确度的基准。这些限制通常以条形图上的虚线形式可视化，描绘出张力偏差的上下边界。
虽然这些限制提供了有用的指导，但它们有些主观，取决于编织者的偏好及其张力计的准确性。
那么，应用内的编织者精确度如何呢？
SEI为0.83表示所有前轮辐条中有**83.29%**保持在 +/- 5.82%的可接受张力限制内。
比较设定目标张力限制与实际上实现它们的动态。上图是前轮统计数据。
SEI为0.87表明，**87.49%**的后轮辐条达到了 +/- 6.01%的限制目标。
后轮表现出较高的SEI分数，但与前轮相比，张力限制也设定得稍宽松一些。
了解SEI将使我们能够全面了解张力分布情况，而下一个指标——精确度图表，则真正更进一步，因为它能更深入地洞察各个构建所实现的精确度。
精确度图表
精确度图表旨在以有组织且可测量的方式可视化轮组构建中辐条张力的分布情况。通过将单个辐条张力根据其与平均值的接近程度分组到不同范围，该图表清晰地展示了整个构建过程中达到的质量水平基准。
从设定在平均辐条张力 +/- 10%的边界开始分析，结果显示超过90%的辐条落在此范围内。不出所料，分布在此边界之外的辐条比例相对较小：
- 前轮为7.75%
- 后轮为5.62%
我们开始慢慢收紧公差。有趣的是，剩余的辐条张力大部分落在 +/- 5%的范围内。事实上：
- **近80%**的辐条在前轮
- **83.2%**的辐条在后轮落在此范围内
这个范围也与前面提到的张紧轮组前设定的可接受张力限制相符。
前轮精确度图表。观察通过收紧公差导致的下降情况，使我们清晰地了解实现的精确度。
我们随后确实观察到，随着公差进一步收紧，下降呈现出某种非线性特征。65-70%的所有辐条张力保持在 ±3%的范围内，显示出精确度下降的速度较慢。基于辐条百分比，这应该是我们的黄金范围。
最后，我们有平均张力 +/- 1%的范围，代表了前沿的精确度水平。在这里，达到这一极其严格标准的辐条比例实际上是前一个范围的一半，但前轮和后轮仍然都达到了近32%。令人印象深刻！
后轮在集群内的分布显示出相似性。
🎯 综合应用
雷达图
在编轮行业中，可能最有意义且最广泛理解的张力可视化工具是雷达图。通过帮助检测异常值、探索张力对称模式以及评估每侧与基线的对齐情况，它持续被证明是编织者有用且直观的工具。
既然我们已经揭示了SpokeCalc应用内实现的编轮模式和質量水平，那么基于单个辐条张力平均值构建的模板雷达图看起来是什么样的呢？
使用最常见的编轮图表 - 雷达图 - 进行的前轮辐条张力可视化。
由于后轮平均构建时辐条数量更多，雷达图上选择了14根辐条作为代表。
注意： 对于前轮，选择了12根辐条计数，而图表代表后轮为14根辐条，以更好地反映典型的布局。
🚀 未来影响与后续步骤
既然已经揭示了质量基准并引入了性能指标来测量轮组质量和追踪一致性，下一步是什么？
张力实验室页面数据库内的现有查询已经为应用会员提供了当前的質量状况和发展趋势。观察这些趋势如何随时间发展，以及拥有清晰的衡量标准来追踪质量是否能转化为编织者工作流程一致性的长期改进，这将会很有趣。
检查顶级编织者的工作和应用中性能最佳的轮组，可能会揭示关于张紧技术和新质量标准的有趣概览。图片来源：Fabrice Veyre，别名docfab21。
引入的指标也具有进一步演变的巨大潜力，以便更好地适应编轮的特定方面。
似乎所有的步骤都自然而然地引向更深入的探索，因为这篇文章为我提供了将主题扩展为一系列更深入分析的想法。虽然我不会透露太多，但第二部分很可能将重点关注张力应用最近的一次重大更新。这包括集成此处描述的性能指标以向编织者提供实时评分，以及新的辐条张力比分析方法。
最后但同样重要的是，另一个令人兴奋的方向是突出展示应用内性能最佳的轮组或顶级编织者。仔细研究他们的技术和张紧模式，有可能揭示该行业的前沿方法。
分析交叉对（左-右）和同一侧的相邻辐条（下图）之间的张力比。
💭 最终感想
"测量你想改进的东西。" 了解是什么让你的工作出色，是掌握这门技艺的第一步。通过关注质量的特定方面，你可以识别改进的领域，并作为一名编织者稳步成长。无论你选择在轮组张紧过程中将质量指标作为实时工具使用，还是将其作为追踪长期一致性趋势的方式，选择权在你。
虽然一开始跟踪多个指标可能看起来令人不知所措或不切实际，但从小处着手可以产生很大的不同。逐渐采用几个你完全理解并能舒适使用的指标，将帮助你在不增加工作流程不必要复杂性的情况下，随时间稳步改进。
你的客户也会注意到其中的差异。提供由数据驱动方法支持的轮组，反映了你对质量的承诺。当客户知道他们收到的轮组来自一个拥有经证实的精确度和用心历史的编织者时，这无疑具有强大的说服力。
通过接纳这些见解和工具，你不仅仅是在编织轮组——你更是在建立信任、一致性和声誉！
享受编轮的乐趣！
Aljaž Trenta
作者兼创始人
"作为一名骑行爱好者、自行车技师和自学成才的网页设计师，将我的几项热情和技能结合起来构建 SpokeCalc 对我来说是极大的乐趣。"