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.
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, Workspace 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 Workspace. Escolha e, em seguida, selecione o rótulo que você preferir.
Com base na disseminação nos dados e nos limites de especificação definidos no modelo, Workspace calcula PPL e PPU para encontrar o Ppk correspondente.
Workspace 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.