Nutzen Sie diese Tipps, um verlässliche Monte-Carlo-Simulationen zu erstellen und umsetzbare Ergebnisse zu erzielen. Workspace
Monte-Carlo-Simulation ist nur so gut wie das dahinterstehende Modell. Die Verwendung realistischer Verteilungen, validierten Gleichungen und geeigneter Iterationszählungen reduziert das Risiko, Schlussfolgerungen aus Annahmen zu ziehen, die das reale System nicht widerspiegeln.
Beachten Sie die folgenden Richtlinien, um sicherzustellen, dass Ihre Monte-Carlo-Simulationsergebnisse genau, interpretierbar und umsetzbar sind.
Beginnen Sie mit einem einfachen Modell-
- Beginne mit den wichtigsten Ein- und Ausgängen in deinem System. Ein einfaches Modell ist leichter zu validieren und zu interpretieren und offenbart oft die Haupttreiber der Leistung.
- Du kannst später bei Bedarf Komplexität hinzufügen.
Wählen Sie die Eingabeverteilungen sorgfältig
aus-
- Wenn Sie historische Daten haben, die die erwartete zukünftige Performance widerspiegeln, nutzen Sie diese, um geeignete Verteilungen auszuwählen.
- Wenn historische Daten nicht verfügbar sind, verlassen Sie sich auf Prozesskenntnisse oder Fachexperten.
Geben Sie Spezifikationsgrenzen wann immer möglich
ein-
- Fügen Sie obere oder untere Spezifikationsgrenzen hinzu, um Fähigkeitsmetriken und den Prozentsatz außerhalb der Spezifikation zu berechnen. Diese Messgrößen sind oft für Entscheidungsfindung nützlicher als allein Durchschnitte.
- Auch wenn die endgültigen Spezifikationen noch nicht genehmigt sind, geben Sie vorläufige oder Zielgrenzen an, um Risiko, prozentuale Off-Specification und relative Leistungsfähigkeit frühzeitig in der Analyse zu bewerten.
Werte der Sensitivitätsanalyse strategisch-
- Eingänge mit steil geneigten Linien haben den größten Einfluss auf die Ausgabevariation und sind starke Kandidaten für eine engere Kontrolle.
- Eingänge mit Flachlinien haben wenig Einfluss auf die Variabilität und können lockere Toleranzen erlauben.
Organisieren Sie komplexe Simulationen mit
Gruppen-
- Für große oder komplexe Modelle verwenden Sie Gruppen, um Eingaben und Ausgaben nach Funktion oder Prozessschritt zu organisieren.
- Gruppen machen Modelle leichter zu verwalten, zu überprüfen und mit anderen zu kommunizieren.
Erwarten Sie kleine Unterschiede zwischen den
Simulationsläufen-
- Da Monte-Carlo-Simulationen auf Zufallsstichprobe basieren, variieren die Ergebnisse bei jeder Ausführung der Simulation leicht.
- Konzentrieren Sie sich auf allgemeine Trends, Bereiche und Vergleiche statt auf genaue Werte.
Doppelte Modelle zur Erforschung von Szenarien-
- Führen Sie eine Basisversion Ihrer Simulation und testen Sie alternative Szenarien, wie neue Eingabeeinstellungen oder reduzierte Variabilität.
- Vergleichen Sie Ergebnisse verschiedener Modelle, um Ihre Kompromisse zu bewerten und die beste Option zu wählen.
