시뮬레이션은 입력(X)과 출력(Y) 사이의 관계를 정의하는 방정식을 기반으로 예상 값을 제공합니다. 이러한 방정식은 알려진 방정식일 수도 있고, Minitab에서 설계 실험(DOE) 또는 회귀 분석에서 만든 모형을 기반으로 할 수도 있습니다.
초기 시뮬레이션이 완료되면 Engage는 예상 출력 값과 변동성 추정치를 포함한 히스토그램 및 요약 통계를 표시합니다. 규격 한계을 제공하면 결과에 공정 성능 메트릭도 포함됩니다.
Engage는 초기 시뮬레이션 결과를 더욱 개선하는 데 도움이 되는 다음과 같은 분석 방법을 제공합니다.
- 모수 최적화: 통제할 수 있는 입력의 최적 설정을 식별합니다. Engage는 각 입력의 값 범위를 검색하여 정의된 목표를 충족하고 시스템 성능 개선으로 이어지는 설정을 찾습니다.
- 민감도 분석: 변동이 키 출력에 가장 큰 영향을 미치는 입력을 식별합니다. 공정 지식과 함께 이 방법을 사용하여 개선을 위해 조정할 수 있는 입력을 식별합니다.
몬테 카를로 시뮬레이션은(는) 다음 질문에 대한 답변을 제공합니다.
- 내 입력 데이터에 가장 적합한 분포는 무엇입니까? 내 출력에 대해 어떤 값을 기대할 수 있습니까?
- 입력 모수의 불확실성이 주어지면 내 공정 또는 제품이 얼마나 가능합니까?
- 목표를 달성하기 위한 최적의 설정은 무엇입니까?
- 입력의 변동은 반응의 변동에 어떤 영향을 미칩니 까?
방법
- 입력과 출력 간의 관계를 설명하는 방정식 y=f(x)를 식별합니다. 방정식은 공정 지식 또는 통계 분석에서 올 수 있습니다.
- 각 입력 변수의 분포를 정의합니다. 사용할 분포를 모르는 경우 Engage는 CSV 파일의 기록 데이터를 검사하고 가능한 분포를 권장할 수 있습니다.
- Monte Carlo 시뮬레이션을 실행합니다. 로 가다 Monte Carlo 시뮬레이션 추가
- 모수 최적화를 수행합니다. 로 가다 모수 최적화 수행
- 민감도 분석을 수행합니다. 로 가다 민감도 분석 수행
