Use essas dicas para construir simulações confiáveis de Monte Carlo e obter resultados acionáveis em Workspace.
A simulação de Monte Carlo só é tão boa quanto o modelo por trás dela. Usar distribuições realistas, equações validadas e contagens de iterações apropriadas reduz o risco de tirar conclusões a partir de suposições que não refletem o sistema real.
Consulte as seguintes diretrizes para garantir que os resultados da simulação de Monte Carlo sejam precisos, interpretáveis e acionáveis.
Comece com um modelo simples-
- Comece pelos inputs e saídas mais importantes do seu sistema. Um modelo simples é mais fácil de validar e interpretar, e frequentemente revela os principais fatores de desempenho.
- Você pode adicionar complexidade depois, conforme necessário.
Escolha cuidadosamente as distribuições de
entrada-
- Se você tem dados históricos que representam o desempenho futuro esperado, use-os para ajudar a selecionar distribuições apropriadas.
- Se não houver dados históricos disponíveis, confie no conhecimento do processo ou em especialistas do assunto.
Insira limites de especificação sempre que
possível-
- Adicione limites superiores ou inferiores de especificação para calcular métricas de capacidade e percentual fora da especificação. Essas medidas costumam ser mais úteis para a tomada de decisões do que as médias isoladas.
- Mesmo que as especificações finais ainda não sejam aprovadas, insira limites preliminares ou alvo para avaliar risco, porcentagem fora das especificações e capacidade relativa no início da análise.
Interprete estrategicamente os resultados da
análise de sensibilidade-
- Entradas com linhas inclinadas acentuadas têm o maior impacto na variação da saída e são fortes candidatos a um controle mais rigoroso.
- Entradas com linhas planas têm pouco efeito na variabilidade e podem permitir tolerâncias relaxadas.
Organizar simulações complexas com grupos-
- Para modelos grandes ou complexos, use grupos para organizar entradas e saídas por função ou etapa do processo.
- Os grupos tornam modelos mais fáceis de gerenciar, revisar e comunicar com outros.
Espere pequenas diferenças entre as simulações-
- Como as simulações Monte Carlo dependem de amostragem aleatória, os resultados variam levemente a cada execução da simulação.
- Foque em tendências gerais, faixas e comparações, em vez de valores exatos.
Modelos duplicados para explorar cenários-
- Mantenha uma versão base da sua simulação enquanto testa cenários alternativos, como novas configurações de entrada ou redução da variabilidade.
- Compare os resultados entre modelos para ajudar a avaliar as compensações e escolher a melhor opção.
