시뮬레이션을 실행하려면 각 입력(X)의 분포 및 모수와 공정을 설명하는 방정식을 알아야 합니다.
방정식은 공정 지식에서 비롯되거나 Minitab에서 설계된 실험(DOE) 또는 회귀 분석에서 만든 모형을 기반으로 할 수 있습니다.
모형에 범주형 요인이 포함된 경우 방정식에 포함할 요인 수준을 선택할 수 있습니다.
서로 다른 요인 수준을 사용하여 동일한 Y 변수에 대한 시뮬레이션 결과를 비교하려면 방정식에 포함할 Y 변수와 요인 수준을 선택한 다음 가져옵니다. 비교할 모든 요인 수준을 선택할 때까지 이 과정을 반복합니다.
모형을 정의한 후에는 시뮬레이션을 실행할 준비가 된 것입니다.
복잡하거나 큰 시뮬레이션이 있는 경우 함수를 만들어 함수별로 모형을 정의할 수 있습니다. 예를 들어, 시뮬레이션 내에서 다양한 작업이나 다양한 부품의 동작을 설명할 수 있습니다. 그룹을 사용하면 입력과 출력을 분류하여 시뮬레이션을 관리하고 구성하는 데 도움을 줄 수 있습니다.
Monte Carlo 시뮬레이션에서 시뮬레이션된 응답은 정상성의 가정을 위반하는 경우가 많습니다. 따라서 Engage는 비모수 방법을 사용하여 시뮬레이션 도구의 공정 능력을 계산합니다. 비모수 방법은 시뮬레이션된 데이터의 관측된 0.135 및 99.865 백분위수를 사용하여 출력 분포의 확산을 계산하며, 이는 정규 분포에서 +/-3 시그마와 유사합니다.
시뮬레이션 컨텍스트에는 하위 그룹이없고 장기 및 단기 변동에 대한 개념이 없기 때문에 Engage Monte Carlo 시뮬레이션에서 Cpk 값과 Ppk 값이 동일합니다. 을(를) 선택한 다음 선호하는 레이블을 선택합니다.
데이터의 스프레드와 모형에서 설정한 규격 한계에 따라 Engage는 PPL 및 PPU를 계산하여 해당하는 Ppk를 찾습니다.
Engage는 시뮬레이션 결과, 결과가 일반적으로 허용되는 값과 비교되는 방법 및 다음 단계에 대한 지침을 표시합니다.
시뮬레이션을 반복할 때마다 시뮬레이션이 입력에 대해 임의로 선택된 값을 기반으로 하기 때문에 결과가 달라집니다.
결과를 분석한 후 모형로 돌아가서 입력 또는 출력을 변경한 다음 다시 실행할 수 있습니다. 이를 통해 몇 가지 가능한 시나리오를 테스트하여 시스템 동작에 대한 통찰력을 얻고 더 나은 결정을 내릴 수 있습니다.
Monte Carlo 시뮬레이션에 대해 자세히 알아보려면 비디오를 시청하세요.