dictionary{ sub "Subject" j1 "Observer J measurement 1" j2 "Observer J measurement 2" j3 "Observer J measurement 3" r1 "Observer R measurement 1" r2 "Observer R measurement 2" r3 "Observer R measurement 3" s1 "Machine measurement 1" s2 "Machine measurement 2" s3 "Machine measurement 3" } 1 100 106 107 98 98 111 122 128 124 2 108 110 108 108 112 110 121 127 128 3 76 84 82 76 88 82 95 94 98 4 108 104 104 110 100 106 127 127 135 5 124 112 112 128 112 114 140 131 124 6 122 140 124 124 140 126 139 142 136 7 116 108 102 118 110 102 122 112 112 8 114 110 112 112 108 112 130 129 135 9 100 108 112 100 106 112 119 122 122 10 108 92 100 108 98 100 126 113 111 11 100 106 104 102 108 106 107 113 111 12 108 112 122 108 116 120 123 125 125 13 112 112 110 114 112 110 131 129 122 14 104 108 104 104 108 104 123 126 114 15 106 108 102 104 106 102 127 119 126 16 122 122 114 118 122 114 142 133 137 17 100 102 102 102 102 100 104 116 115 18 118 118 120 116 118 118 117 113 112 19 140 134 138 138 136 134 139 127 113 20 150 148 144 148 146 144 143 155 133 21 166 154 154 164 154 148 181 170 166 22 148 156 134 136 154 132 149 156 140 23 174 172 166 170 170 164 173 170 154 24 174 166 150 174 166 154 160 155 170 25 140 144 144 140 144 144 158 152 154 26 128 134 130 128 134 130 139 144 141 27 146 138 140 146 138 138 153 150 154 28 146 152 148 146 152 148 138 144 131 29 220 218 220 220 218 220 228 228 226 30 208 200 192 204 200 190 190 183 184 31 94 84 86 94 84 88 103 99 106 32 114 124 116 112 126 118 131 131 124 33 126 120 122 124 120 120 131 123 124 34 124 124 132 126 126 120 126 129 125 35 110 120 128 110 122 126 121 114 125 36 90 90 94 88 88 94 97 94 96 37 106 106 110 106 108 110 116 121 127 38 218 202 208 218 200 206 215 201 207 39 130 128 130 128 126 128 141 133 146 40 136 136 130 136 138 128 153 143 138 41 100 96 88 100 96 86 113 107 102 42 100 98 88 100 98 88 109 105 97 43 124 116 122 126 116 122 145 102 137 44 164 168 154 164 168 154 192 178 171 45 100 102 100 100 104 102 112 116 116 46 136 126 122 136 124 122 152 144 147 47 114 108 122 114 108 122 141 141 137 48 148 120 132 146 130 132 206 188 166 49 160 150 148 160 152 146 151 147 136 50 84 92 98 86 92 98 112 125 124 51 156 162 152 156 158 152 162 165 189 52 110 98 98 108 100 98 117 118 109 53 100 106 106 100 108 108 119 131 124 54 100 102 94 100 102 96 136 116 113 55 86 74 76 88 76 76 112 115 104 56 106 100 110 106 100 108 120 118 132 57 108 110 106 106 118 106 117 118 115 58 168 188 178 170 188 182 194 191 196 59 166 150 154 164 150 154 167 160 161 60 146 142 132 144 142 130 173 161 154 61 204 198 188 206 198 188 228 218 189 62 96 94 86 96 94 84 77 89 101 63 134 126 124 132 126 124 154 156 141 64 138 144 140 140 142 138 154 155 148 65 134 136 142 136 134 140 145 154 166 66 156 160 154 156 162 156 200 180 179 67 124 138 138 122 140 136 188 147 139 68 114 110 114 112 114 114 149 217 192 69 112 116 122 112 114 124 136 132 133 70 112 116 134 114 114 136 128 125 142 71 202 220 228 200 220 226 204 222 224 72 132 136 134 134 136 132 184 187 192 73 158 162 152 158 164 150 163 160 152 74 88 76 88 90 76 86 93 88 88 75 170 174 176 172 174 178 178 181 181 76 182 176 180 184 174 178 202 199 195 77 112 114 124 112 112 126 162 166 148 78 120 118 120 118 116 120 227 227 219 79 110 108 106 110 108 106 133 127 126 80 112 112 106 112 110 106 202 190 213 81 154 134 130 156 136 132 158 121 134 82 116 112 94 118 114 96 124 149 137 83 108 110 114 106 110 114 114 118 126 84 106 98 100 104 100 100 137 135 134 85 122 112 112 122 114 114 121 123 128