Para ejecutar una simulación, debe conocer la distribución y los parámetros de cada entrada (X) y las ecuaciones que describen su proceso.
Las ecuaciones pueden provenir del conocimiento del proceso o basarse en un modelo que haya creado a partir de un experimento diseñado (DOE) o un análisis de regresión en Minitab.
Si un modelo contiene factores categóricos, puede seleccionar los niveles de factores que desea incluir en la ecuación.
Para comparar los resultados de la simulación para la misma variable Y utilizando diferentes niveles de factores, seleccione la variable Y y el nivel del factor que desea incluir en la ecuación y, a continuación, impórtelos. Repita este proceso hasta que haya seleccionado todos los niveles de factores que desea comparar.
Después de definir el modelo, estará listo para ejecutar una simulación.
Cuando tenga una simulación compleja o grande, puede crear grupos para definir el modelo por función. Por ejemplo, es posible que desee describir diferentes acciones o el comportamiento de varias partes dentro de la simulación. Con los grupos, puede establecer categorías de entradas y salidas para ayudarle a administrar y organizar su simulación.
A menudo, en las simulaciones Monte Carlo, las respuestas simuladas violan el supuesto de normalidad. Por lo tanto, Workspace utiliza un método no paramétrico para calcular la capacidad en la herramienta de simulación. El método no paramétrico calcula la dispersión de la distribución de salida utilizando los percentiles 0.135 y 99.865 observados en los datos simulados, lo cual es análogo a sigma +/-3 en una distribución normal.
Debido a que no hay subgrupos ni concepto de variación a largo y corto plazo en el contexto de la simulación, los valores Cpk y Ppk son equivalentes en la simulación Monte Carlo de Workspace. Elija y, a continuación, seleccione la etiqueta que prefiera.
De acuerdo con la dispersión de los datos y los límites de especificación establecidos en el modelo, Workspace calcula PPL y PPU para encontrar el valor Ppk correspondiente.
Workspace muestra los resultados de la simulación, cómo se comparan los resultados con los valores generalmente aceptados y la directrices para los próximos pasos.
Cada vez que repita la simulación, los resultados variarán porque la simulación se basa en valores seleccionados de forma aleatoria para las entradas.
Después de analizar los resultados, es posible que desee regresar al modelo y cambiar las entradas o salidas, y luego volver a ejecutarlo. Esto le permite probar varios escenarios posibles para que pueda obtener información sobre el comportamiento de su sistema y tomar mejores decisiones.
Vea un vídeo para obtener más información sobre las simulaciones Monte Carlo.