Para executar uma simulação, você deve saber a distribuição e parâmetros para cada entrada (X) e as equações que descrevem seu processo.
As equações podem vir do conhecimento do processo ou ser baseadas em um modelo que você criou a partir de um experimento projetado (DOE) ou análise de regressão no Minitab.
Modelo | Exceções |
---|---|
Fatorial |
|
Superfície de Resposta |
|
Regressão |
|
Se um modelo contém fatores categóricos, você pode selecionar os níveis de fator para incluir na equação.
Para comparar os resultados da simulação para a mesma variável Y usando diferentes níveis de fator, selecione a variável Y e o nível de fator para incluir na equação e, em seguida, importe-os. Repita este processo até que você tenha selecionado todos os níveis de fator para comparar.
Depois de definir o modelo, você está pronto para executar uma simulação.
Quando você tem uma simulação complexa ou grande, você pode criar grupos para definir o modelo por função. Por exemplo, você pode querer descrever diferentes ações ou comportamento de várias partes dentro da simulação. Com os grupos, você pode categorizar entradas e saídas para ajudá-lo a gerenciar e organizar sua simulação.
Muitas vezes, nas simulações de Monte Carlo, as respostas simuladas violam a suposição de normalidade. Portanto, Engage utiliza um método não paramétrico para calcular a capacidade na ferramenta de simulação. O método não paramétrico calcula a disseminação da distribuição de saída utilizando os percentis observados 0,135 e 99,865 percentis dos dados simulados, o que é análogo a +/-3 sigma em uma distribuição normal.
Como não há subgrupos e nenhum conceito de variação de longo prazo e de curto prazo no contexto de simulação, os valores Cpk e Ppk são equivalentes na simulação de Monte Carlo Engage. Escolha e, em seguida, selecione o rótulo que você preferir.
Com base na disseminação nos dados e nos limites de especificação definidos no modelo, Engage calcula PPL e PPU para encontrar o Ppk correspondente.
Engage exibe os resultados da simulação, como seus resultados se comparam aos valores geralmente aceitos e orientações para os próximos passos.
Cada vez que você repetir a simulação, os resultados variam porque a simulação é baseada em valores selecionados aleatoriamente para as entradas.
Depois de analisar os resultados, você pode querer retornar ao modelo e alterar entradas ou saídas, em seguida, reprisá-lo. Isso permite testar vários cenários possíveis para que você possa obter uma visão sobre o comportamento do seu sistema e tomar melhores decisões.
Assista a um vídeo para saber mais sobre simulações de Monte Carlo.