Lautsprecher
|
Transkript
|
| Brad Foulkes |
Vielen Dank, dass Sie an meinem Vortrag zum Thema „Aber was mache ich jetzt?“ teilgenommen haben. Verwenden eines Zuverlässigkeitsmodells zur Erstellung von Ereignisvorhersagen in JMP. |
| |
Sehr oft werde ich gefragt: Was mache ich eigentlich damit, wenn ich ein Zuverlässigkeitsmodell erstellt habe? Und oft wird vergessen, dass man mithilfe eines Zuverlässigkeitsmodells Vorhersagen darüber treffen kann, wann Ereignisse tatsächlich eintreten werden. |
| |
Und nicht nur das erste Ereignis, sondern vielleicht auch das zweite, dritte oder vierte Ereignis, das dieses Produkt im Laufe der Zeit erleben könnte. |
| |
Also ein bisschen über mich. Mein Name ist Brad Foulkes. Ich bin der technische Leiter bei Optimal Analytics, wo wir mit Unternehmen zusammenarbeiten, um ihnen dabei zu helfen, ihre Daten zu verstehen, Hindernisse zu identifizieren und sie effizienter zu machen. |
| |
Vor dieser Position habe ich etwa neun Jahre lang in der Zuverlässigkeitstechnik gearbeitet und mich mit der Frage beschäftigt, wie wir die Zuverlässigkeit von Teilen verstehen und herausfinden können, wann Teile im Laufe der Zeit tatsächlich kaputt gehen. |
| |
Ich verwende JMP seit etwa acht Jahren, ich glaube etwa JMP 10. Ich bin mir nicht sicher, es ist schon eine Weile her, also habe ich vergessen, welche Version wir hatten ... Ich war damals dabei. |
| |
In meinen bevorzugten JMP-Tools verwende ich häufig die Lebensdauerverteilung, da dort die Zuverlässigkeitsmodellierung angesiedelt ist. Fit-Modell, ich verwende sehr häufig JSL. |
| |
Scripting kann Ihnen eine ganze Reihe neuer Werkzeuge und Spielzeuge eröffnen, mit denen Sie spielen können. Warum möchte ich das heute vorstellen? |
| |
Denn in den meisten Fällen stellt sich diese Frage am Ende ... am Ende des Baus eines Modells und wurde bis zu diesem Zeitpunkt noch nicht wirklich bedacht. |
| |
Möglicherweise stellen Sie ein Modell fertig, haben eine ganze Reihe von Wahrscheinlichkeiten und wissen dann nicht wirklich, was Sie als Nächstes tun sollen. Hier ist also eine Option, die Sie ausführen können, während Sie Ihr Modell erstellt haben, und mit der Sie fortfahren können. |
| |
Worüber wir heute im Zusammenhang mit der Ereignisvorhersage sprechen: Wenn Sie Ihr Modell erstellen, sind Sie es gewohnt, hier häufig eine solche Darstellung zu sehen. Sie haben Ihre individuellen Zeiten, |
| |
und vielleicht handelt es sich hierbei um Hardware- oder Produktlebenszyklen. Nehmen wir an, es ist ein Mixer, wissen Sie, oder irgendein Küchengerät oder kleines Küchengerät, das vielleicht nicht lange hält |
| |
eine schrecklich lange Zeit. Einige davon werden also sehr früh scheitern; einige werden erst sehr spät scheitern. |
| |
Aber am Ende des Tages besteht die Wahrscheinlichkeit eines Scheiterns, wenn diese Dinge...eintreten werden. Sie könnten also hierher kommen und sagen: Okay, etwa 90 % der Ausfälle werden in den nächsten vier Jahren eintreten. |
| |
Nun, das ist großartig. Das hilft Ihnen, einen ersten Fehler zu verstehen und vielleicht die Wahrscheinlichkeit für den Ausfall von Teilen vor Ort einzuschätzen, aber für eine Person, die diese Dinge tatsächlich kaufen oder verwenden muss, hilft das nicht viel. |
| |
Für einen Kunden, der diese tatsächlich verwendet, ist es ihm egal, wie lange es halten wird. Sie möchten möglicherweise nicht wissen, wie viele ich im Laufe der Zeit kaufen muss. |
| |
vielleicht in einem Gesamtlebenszyklus. Sie wollen nur auf 10 Jahre schauen, wie viele davon muss ich in 10 Jahren kaufen, damit es überlebt. |
| |
Hier kommt also die Ereignisvorhersage ins Spiel. Und was eine Ereignisvorhersage wirklich ist, besteht darin, Ihre Verteilung zu nehmen und sie irgendwie umzudrehen, sodass Sie immer noch Ihre, Sie wissen schon, Ihre Zeitverteilung haben. |
| |
Wie hoch ist die Zeit bis zu Ereignissen, die Sie hier haben, und wie hoch ist dann die Wahrscheinlichkeit eines Ereignisses? Und so jetzt |
| |
Sie können sehen, wie häufig einige dieser Ereignisse auftreten. Vielleicht ereignet sich das erste Ereignis hier etwa nach achteinhalb Jahren, das zweite Ereignis nach neuneinhalb Jahren. |
| |
das dritte Ereignis...aber das ist alles ein Kunde. Und das ist alles ein einziger Kunde, ein Anwendungsfall, und für sie, wissen Sie, ihre Zwischenzeit bis zum Scheitern |
| |
schaut sich alle diese Teile hier an, schaut sich alle diese Intervalle und diese Ersetzungen an. Also das hier, |
| |
beträgt mehr als 20 Jahre, in denen sich ein Kunde dies tatsächlich ansieht. Sie mögen ... also werden sie es wissen wollen ... Ich brauche für oder um diese 20 Jahre zu überleben, werde ich mindestens drei Teile brauchen. |
| |
Mithilfe dieser zufälligen Auswahl und Simulation können Sie sich ein Bild davon machen, wie häufig diese Teile ausgetauscht werden müssen und wie häufig ein Kunde Ihr Produkt möglicherweise kaufen muss. |
| |
Wie ist das also praktisch? Okay, es kommt also wirklich auf Ersatz an. |
| |
Und wie oft setzen Sie beim Austausch ein neues oder neuwertiges Teil ein? Also |
| |
ein reparierbares System und ein nicht reparierbares System. Und ein reparierbares System ist eines, bei dem Sie die Dinge wieder auf den neuesten Stand bringen können |
| |
Der Punkt, an dem es wieder laufen kann, und vielleicht ist es nicht mehr so gut wie neu. Nehmen wir an, Sie haben ein Loch in Ihrem Reifen. Du stopfst das Leck und machst weiter. |
| |
Das ist repariert. Aber was wäre, wenn Sie den Reifen so reparieren könnten, dass er wieder wie neu ist und nie wieder kaputt geht? |
| |
Was den Reifen betrifft, ist das vielleicht nicht so praktisch, aber bei anderen Dingen müssen Sie möglicherweise ein Teil ersetzen, oder Sie müssen einen Teil eines Teils abschneiden und nur das eine oder das defekte Teil ersetzen. |
| |
Wenn ein Teil so gut wie neu ist, kann dies zu einem nicht reparierbaren System führen. Auch wenn Sie eine Reparatur durchgeführt haben, damit es wieder wie neu ist, |
| |
es verändert die Dinge ein wenig. Das ist ein riesiger Vorbehalt, wissen Sie. Man muss viele Überlegungen darüber anstellen, was „so gut wie neu“ bedeutet, aber sehr oft denke ich, dass Teile ... oder Leute sich mit Teilen befassen, die so gut wie neu sind |
| |
Sie haben repariert und sie reparieren so gut wie neu und sie denken, nun ja, das ist ein reparierbares System, aber was die Zuverlässigkeit betrifft, ist es das nicht. Also gut, ich verlasse diese Seifenkiste für eine Weile. |
| |
Zurück zum Ersatz. Wenn wir uns eine Art einzelnes System ansehen, |
| |
Vielleicht schauen Sie sich hier etwas an und sagen: „Okay, wissen Sie,“ |
| |
für ein einzelnes System, |
| |
Wie häufig fallen Teile aus? Wenn wir uns also nur einen Kunden ansehen, wie oft kauft er ihn? Und so dauerte der erste Teil hier vier Jahre. |
| |
Dann mussten sie ein zweites kaufen. Das hat nur 1,3 Jahre gehalten, dann mussten sie ein drittes kaufen, und dieses war ein Riesenerfolg und hat acht Jahre gehalten. |
| |
Letztendlich mussten sie also in 12 Jahren drei Teile kaufen, aber es gibt große Unterschiede. Das sieht man also bei allen möglichen Produkten, bei manchen Mobiltelefonen, bei |
| |
andere Haushaltsprodukte. Manche Dinge werden früh scheitern; Manche Dinge werden spät scheitern. |
| |
Du sprichst vielleicht gerade mit deinen Freunden und sagst: „Hey, ich habe … ich habe dieses schreckliche Handy.“ Ich kann nicht glauben, dass es so früh gescheitert ist. Und sie werden mit Ihnen über dasselbe Handy sprechen, das sie seit 10 Jahren besitzen. Zugegeben, wahrscheinlich keine 10 Jahre, aber |
| |
es könnte eine Weile dauern. Letztendlich mussten sie also für dieses eine System, diesen einen Kunden, dreimal ein Teil austauschen. |
| |
Wenn wir nun mehrere Systeme betrachten, können wir uns im Laufe der Zeit ein Bild davon machen, wie häufig diese Dinge auftreten. Also |
| |
Ein Kunde könnte das erste System haben, dann der zweite Kunde, vielleicht fünf oder sechs Ersatzsysteme im Laufe dieser Zeit ... ungefähr im gleichen Zeitraum. |
| |
Wenn wir uns also das erste System ansehen würden, könnten wir sagen: „Okay, wir würden bis mindestens zum vierten Jahr hier keine Ausfälle erwarten.“ |
| |
Wenn wir uns jedoch das zweite System ansehen, ist im ersten Jahr ein Fehler aufgetreten. Wenn wir also versuchen, die durchschnittlichen Ausfälle oder die durchschnittliche Anzahl von Ereignissen zu ermitteln, die wir im ersten oder zweiten Jahr erwarten könnten, |
| |
Das erste System sagt uns nicht viel. Hier also, wenn Sie nicht über die Daten verfügen und ... aber Ihre Verteilung in Ihrem Modell haben, bei der Beta und Eta für Ihren Weibull oder so etwas in der Art sind, |
| |
Mithilfe der Simulation können Sie versuchen darzustellen, wie häufig einige Kunden Ereignisse im Jahr 1, 2, 3 und darüber hinaus erwarten, die weit über die Daten hinausgehen, die Ihnen tatsächlich vorliegen. |
| |
Auf diese Weise können Sie, indem Sie sich diese verschiedenen Systeme und die Simulation ansehen, die Häufigkeit einigermaßen verstehen und einen Trend erkennen |
| |
Diese Teile werden Jahr für Jahr ausgetauscht. Auch wenn diese Daten hier möglicherweise nur auf Ereigniszeiten von sieben Jahren basieren, |
| |
Denn für die Kalenderzeit oder für die Kundenzeit wird es eine Art Spitze geben, und dann wird es zu einer Art flachem Ersatzniveau kommen. Jetzt |
| |
Bei einer Simulation werden Sie einige Sprünge sehen, und das ist es, was Sie hier sehen. Wenn wir hierfür eine geschlossene Lösung hätten, hätten wir eine schöne gerade Linie, aber |
| |
Mit der Simulation erhalten wir einige Variationen. Das sehen Sie hier. Sie können also sozusagen eine Linie zeichnen und sehen, dass Sie im Durchschnitt wissen, |
| |
Man könnte damit rechnen, ein Drittel davon pro Jahr zu ersetzen. Nach drei Jahren können Sie also davon ausgehen, dass es einen Ersatz gibt, sobald es in Betrieb genommen wird. Also ein paar am Anfang und dann flacht es irgendwie ab. |
| |
Schauen wir uns also ein Beispiel an, was ich damit meine. |
| |
Wir haben hier eine Datentabelle und hier habe ich ein Modell. Und so ist dieses Modell nur ein zufälliger Weibull. Wenn Sie also nicht mit den verschiedenen Funktionen vertraut sind, die Sie in JMP verwenden können, |
| |
Sie können ein zufälliges Weibull, ein Weibull-Quantil, eine Weibull-Verteilung oder eine Weibull-Dichte verwenden. Und das sind alles Funktionen, die Sie auf verschiedene Distributionen anwenden können. |
| |
In diesem Fall wählen wir eine zufällige Menge von Punkten aus einer bestimmten Verteilung aus. Meine Distribution hat eine Beta von 1,2 und eine Eta von 3. |
| |
Wenn Sie also diese zufälligen ... zufälligen Ereignisse hier auswählen, |
| |
Dies sind alles einzelne Ereignisse, und diese würden letztendlich in Ihr Modell einfließen. Was würde enden, wenn Sie ein Modell auf der Grundlage von Teilefehlern erstellen würden? Dies sind die Daten, die normalerweise dort eingehen. Dabei geht jedoch verloren, wie sich dies tatsächlich auf den Kunden auswirkt. Also im Laufe der Zeit |
| |
Der Kunde möchte vielleicht wissen, wie viele davon ich in 20, 30, 40 Jahren ersetzen könnte. |
| |
Und hier müssen Sie sich die gesamten Ereigniszeiten des Systems ansehen. Und das ist nur die kumulative Summe der einzelnen Zeiten, also ist 8,3 die erste, 1,2 die zweite und so weiter. |
| |
Wenn Sie also zum zweiten System wechseln, haben wir 1,8, 3,9, 5,9, also ist es nur eine kumulative Zählung der einzelnen Zeiten. |
| |
Hier sollten Sie Folgendes bedenken: Wenn Sie versuchen, einen Durchschnitt von all dem zu ermitteln, |
| |
Sie würden sich die Systemnummer ansehen, dann aber das Jahr, in dem dies tatsächlich geschah, also 1,8 Jahre im zweiten Betriebsjahr. |
| |
Und das ist eine wichtige Unterscheidung, die Sie hier im Hinterkopf behalten sollten, denn Sie möchten sicherstellen, dass Sie die Fehler im richtigen Jahr identifizieren. |
| |
Also Ihr 0,6, während es... wenn das das erste wäre, es im Jahr eins wäre, erhöht es hier eigentlich nur das Jahr... die Systemzeit... die Systemjahre um eins. |
| |
Wenn Sie das also haben, denken Sie vielleicht: Okay, nun, da wir das alles haben, können wir die Anzahl unserer Ereignisse zählen, uns dieses System, das Jahr und das Jahr ansehen und eine nette kleine Analyse durchführen. JMP hat also tatsächlich ein nettes Tool, das all das für Sie erledigt. |
| |
Also |
| |
In JMP gibt es ein Tool namens „reparierbare Systemsimulation“. |
| |
Und dieses Werkzeug, |
| |
Ich weiß es ... Ich glaube, es kam wie JMP 13 auf, vielleicht JMP 14. Es gibt es schon seit ein paar Jahren. |
| |
Ich weiß nicht, ob es annähernd so viel Publicity bekommt, wie es sollte, denn es ist ein unglaublich mächtiges Werkzeug, das meiner Meinung nach viele Leute hier nicht zu schätzen wissen. |
| |
Es handelt sich hier also um ein System. Und so habe ich vielleicht, oder gerade jetzt, zwei Teile hier drin, aber vielleicht ist mein System tatsächlich so |
| |
sieben oder acht Teile, oder es ist ein ganzes Getriebe, oder eine Pumpe oder so etwas in der Art. Und Sie haben alle diese Teile, die zusammenarbeiten, sodass, wenn einer von ihnen ausfällt, |
| |
Sie wissen, dass das gesamte System ausfällt, und deshalb möchten Sie verstehen, was das Ereignis ist und wie die Ereigniszeiten dort sind. In jedem dieser Punkte legen Sie also dar, was Ihr Weibull oder Ihr Modell ist, und hier habe ich eine Beta von 1,2 und eine Alpha von 15. |
| |
Es ist eine Zeiteinheit von Jahren, ich kann natürlich verschiedene Verteilungen wählen, wenn ich ... wenn ich möchte. |
| |
Und dann kann ich sagen, was passiert, wenn ein Ereignis eintritt. Wenn also ein Block ... also hier ein Blockfehler vorliegt, was passiert, wenn tatsächlich ein Fehler auftritt? |
| |
Und das Ergebnis ist, dass es durch ein neues ersetzt wird, also möchte ich nur das Teil ersetzen. Jetzt gibt es hier viele verschiedene Möglichkeiten, vielleicht könnte ich eine minimale Reparatur durchführen, aber stattdessen habe ich gesagt, ich möchte das Teil durch ein brandneues Teil ersetzen, damit das Modell wie neu ... wie neu wird. |
| |
Und dann können Sie eine gewisse Ausfallzeit einkalkulieren. Wie lange dauert die Reparatur? Wie lange dauerte die Reparatur durchschnittlich? Es kann ein konstanter Wert sein |
| |
Oder es kann so sein: Sie können sofort sagen: „Kümmern Sie sich nicht einmal um die Zeit, die dafür benötigt wird“, oder Sie geben ihm eine Liste zur Auswahl. Sie können ihm auch hier ein paar Distributionen geben. |
| |
Also mit diesen Tools...und jetzt habe ich hier ein sehr einfaches System aufgebaut. Ich habe einen Teil mit meiner bekannten Distribution oder ich habe zwei Teile mit bekannten Distributionen. |
| |
Wenn eines davon fehlschlägt, habe ich eine Ersatzzeit, und das zweite hat die Wahlmöglichkeit. |
| |
Und Sie können sehen, Sie haben es hier eingefügt. Jetzt müssen die Auswahlmöglichkeiten in derselben Zeiteinheit wie Ihre Simulation liegen. |
| |
Deshalb habe ich Jahre als meine Simulation ausgewählt. Dies geschieht in Jahren, und so beträgt die Zeit, sich auf etwas vorzubereiten, möglicherweise nur eine Stunde, zwei Stunden, vielleicht sogar einen Tag. Rechnet man das in die Jahre, werden die Zahlen allerdings sehr klein, also ist es das, was man hier sieht. |
| |
Ich werde hier nicht auf alle Optionen eingehen. Wie Sie sehen, gibt es viele andere Dinge, die Sie mit einem Standby, einem K aus N, tun können, viele davon sind für komplexere Analysen gedacht. |
| |
Okay, also führe ich meine Analyse durch, und zwar über einen Zeitraum von 20 Jahren, der hier aufgeführt ist, mit einer Anzahl von Simulationen von 100. Oft möchten Sie mehr als das, aber zu Demonstrationszwecken setzen wir den Wert auf 100 und haben einen Startwert von 1234. |
| |
Dann bekomme ich hier diese schöne, große Ausgabe, und die anfängliche Ausgabe heißt immer Zahl, was sehr hilfreich ist. |
| |
Aber schauen Sie sich das vielleicht an und kommen Sie zu dem Schluss: Was mache ich mit all dem Zeug? Und Sie können hierher kommen und diese Analyse starten und |
| |
Vielleicht möchten Sie sich die Gesamtausfallzeit pro Komponente ansehen. Das heißt also, wissen Sie, wie ... oder wie ist die Verteilung der Ausfallzeiten, die bei einer Komponente auftreten könnten? |
| |
Aber es beantwortet nie wirklich die Frage von über 20 Jahren: Wie oft muss ich dieses Teil ersetzen? |
| |
Also habe ich ein Skript geschrieben und wenn Sie ... wenn Sie dieses Tagebuch herunterladen, werden alle diese Skripte darin enthalten sein. |
| |
Ich habe es als Schaltfläche festgelegt, aber das eigentliche Skript finden Sie hier unten als Referenz, falls Sie es verwenden möchten. |
| |
Also klicke ich einfach auf die Schaltfläche und eine ganze Reihe von Dingen wird passieren. Deshalb habe ich jetzt berechnet, wie häufig diese Ereignisse meiner Meinung nach Jahr für Jahr auftreten werden. Aus der Systemperspektive ist also |
| |
Ich habe meine Fehlerereignisse in Teilmengen unterteilt und meinen Jahreswert festgelegt. Sie erinnern sich vielleicht daran, dass der Jahreswert aufgerundet wird, sodass 3,8 Jahre 4 sind. |
| |
Hier wird nun die Kalenderzeit betrachtet, hier wird die Systemzeit betrachtet, die wir möglicherweise verwenden. Es wird nicht auf die einzelne Zeit geschaut, also beträgt die Zeitspanne zwischen jeder einzelnen davon, wissen Sie, denn von Reihe eins bis Reihe zwei beträgt sie etwa 1,8 Jahre. |
| |
Aber weil wir uns das System ansehen, zählen wir tatsächlich die 5,69. |
| |
Jetzt möchte ich das umsetzen ... Ich möchte all diese Werte in etwas Nützliches verwandeln. |
| |
Es ist jedoch wichtig, sich daran zu erinnern, dass Sie ... wenn Sie nach einer durchschnittlichen Anzahl von Ereignissen pro Jahr suchen, müssen Sie sich die Jahre ansehen, in denen keine Ereignisse stattgefunden haben. In dieser ersten Simulation ereignet sich das erste Ereignis also im vierten Jahr. |
| |
aber ich brauche Nullen für eins, zwei und drei, und das macht mein Skript. Mein Drehbuch besteht aus Sätzen a |
| |
Muster dessen, was ich betrachten möchte. Also möchte ich mir Teil eins ansehen, ich möchte mir den Jahreswert und die Simulations-ID ansehen und dann sehen, wann die Ereignisse tatsächlich aufgetreten sind. Hier können Sie also sehen, dass das erste Teil eins im zehnten Jahr stattfindet. |
| |
Wenn das also hier hinzugefügt wird, wird es in der Analyse aktualisiert. Wenn ich nach unten zum zweiten Teil scrolle ... |
| |
Wenn Sie für Simulation eins nach unten zu Teil zwei scrollen, |
| |
da...es gibt keine Veranstaltungen. |
| |
Die erste Veranstaltung für Simulation eins findet erst statt... |
| |
bis zur vierten Klasse. Wenn ich also ganz nach unten scrolle, bis zum vierten Jahr |
| |
Für Teil zwei wird angezeigt, dass ich ein Ereignis in Simulation eins habe, in Ordnung. Es geht also wirklich darum, diese Ereignisse für jede mögliche Kombination von Jahren aufzureihen, in denen dies passieren könnte. |
| |
Nun, wenn ich diesen Informationsstand habe, jetzt, wo ich ihn über alle ... alle Simulationen hinweg habe, haben Sie gesehen, dass ich 4.000 Datensätze hatte, das sind nun einfach alle möglichen Permutationen von Jahr, Simulation und Teil. |
| |
Aber ich möchte diese Werte wirklich nach unten mitteln. Also ermittele ich den Durchschnitt und möchte mir die Anzahl der Simulationen ansehen, also die Anzahl der Zeilen, den Jahreswert und dann den Teil. Ich komme auf 40 Zeilen, was viel überschaubarer und viel einfacher zu verstehen ist. |
| |
Was Sie hier im zweiten Teil sehen, ist, dass wir am Anfang einen kleinen Anstieg haben, der sich dann allmählich einpendelt. Und |
| |
Es springt hin und her, weil es die Simulation ist und wir nur 100 Ereignisse durchgeführt haben, aber ... oder 100 Simulationen, aber wir haben eine Art stabilen Zustand an Ersetzungen, die wir sehen könnten. |
| |
Wenn wir jedoch versuchen, dies aus einer kumulativen Perspektive zu betrachten, ist dies das, was einem Kunden sagen kann, wie viele davon er voraussichtlich in 10 Jahren ersetzen wird. Also zum zweiten Teil: |
| |
Nehmen wir an, der Kunde möchte wissen, wann ich, wissen Sie, das erste ersetzen muss? Was ist das allererste? Das allererste |
| |
wird zwischen der vierten und fünften Klasse passieren, also kurz nach der vierten Klasse. Und dann passiert das zweite gerade... oder ungefähr im siebten Jahr. |
| |
Der dritte geschieht etwa im zehnten Jahr. Sie sehen also, dass es eine gewisse Steigung gibt, bei der es zunächst nicht zu vielen Ausfällen kommt, aber dann gibt es diesen stabilen Zustand, und etwa alle drei Jahre müssen die Teile ausgetauscht werden. |
| |
Dies kann für den Kunden, für die Planung Ihres Unternehmens oder sogar für die Supply-Chain-Bemühungen sehr hilfreich sein, wenn Sie dort so etwas versuchen möchten. |
| |
Die Verwendung dieser Ereignisvorhersage aus der Simulation reparierbarer Systeme ist also eine praktische und schnelle Möglichkeit, eine Idee oder ein Verständnis dafür zu vermitteln, wie viele Teile vorhanden sind, und nicht nur die Wahrscheinlichkeit eines Ausfalls und wann dieser auftreten könnte. Also |
| |
Eine Sache ... eine andere Sache, über die ich heute sprechen möchte, ist eine Möglichkeit, die Simulation reparierbarer Systeme ein wenig einfacher zu machen. |
| |
Und so kann es entmutigend sein. Es ist ein neues Tool, Sie wissen vielleicht nicht alles, mit dem Sie arbeiten, aber |
| |
Wenn Sie ... wenn Sie mit der Vorlage beginnen, beginnen Sie mit der Tabelle, kann die Erstellung Ihrer reparierbaren Systemsimulation viel einfacher sein. |
| |
Um Ihr Modell zu erstellen, benötigen Sie also letztendlich etwa 13 Daten. Das meiste davon geschieht im Hintergrund, an den Sie nicht einmal denken würden, wenn Sie diese nicht in einer Tabelle und einer Vorlage anordnen |
| |
mit diesen verschiedenen Spalten hier... Und ich sage 13, man braucht tatsächlich weniger. Ich habe hier einige Änderungen vorgenommen, um einige nette kleine Dinge zu erledigen, die Sie hier tun können. |
| |
Aber eigentlich haben Sie Ihre Verteilung, Ihren Modelltyp, Ihre Parameter, welche Zeiteinheit. Dies sind alles Dinge, die entweder in JMP voreingestellt sind und die Sie ändern können oder |
| |
dass das Dinge sind, die Sie hinzufügen würden. Jeder von ihnen hat also eine Frage: Wenn der Block ausfällt, was können Sie dann durch einen neuen ersetzen? Und diese können Sie anpassen, Sie können diese Ereignisnamen und diese Prozesse unterschiedlich verbinden. |
| |
In meiner Welt erleben wir oft eine Verhaltensänderung. Und vielleicht möchten wir verstehen, dass dies in den ersten Jahren die Ersatzquote ist und in den zweiten Jahren die Ersatzquote. |
| |
Oder Sie haben möglicherweise konkurrierende Fehlermodi, die Sie ausnutzen möchten. Was ich Ihnen hier zeige, kann damit eine Menge bewältigen. |
| |
Entschuldigung, das ist keineswegs perfekt. Das |
| |
sollte auf jeden Fall an Ihren eigenen ... Ihren eigenen Anwendungsfall angepasst werden, aber letztendlich ist der Start mit einer Vorlage eine unglaubliche Möglichkeit, Ihre Entwicklung zu beschleunigen und |
| |
damit Sie Anpassungen vornehmen können ... kleine Anpassungen im Handumdrehen vornehmen können. Wenn ich das also habe, habe ich hier ein nettes kleines Skript, in dem, wenn ich auf das Skript klicke, meine reparierbare Systemsimulation für mich erstellt wird. |
| |
Und wenn ich hierher schaue, habe ich meinen ersten ... meinen ersten Teil mit einem Beta von 1,86 oder 826, einem Alpha von 153. |
| |
Und es geht eigentlich nur darum, diesen Tisch zu nehmen und ihn in eine reparierbare Systemsimulation umzuwandeln. Du kannst tun |
| |
etwas noch komplexeres. Lassen Sie mich das also abschließen. |
| |
Und hier habe ich 14 Teile. Ich könnte jede dieser Distributionen ändern, wenn ich möchte, |
| |
Aber ich habe auch andere Arten von Veranstaltungen, die ich mir hier ansehen möchte. Ich möchte meine Verteilung wo aufteilen |
| |
es verändert oder verändert seine Form nach einer bestimmten Zeitspanne. Vielleicht versuche ich, eine Produkteinführung, Sie wissen schon, ein Produkt-Upgrade zu modellieren, das für die gesamte Flotte gilt. Oder vielleicht liegt hier ein konkurrierender Fehlermodus vor, den ich berücksichtigen möchte. |
| |
Wenn ich also möchte, wissen Sie ... wenn ich diese Vorlage im Skript verwende, kann ich all dies auf sehr einfache Weise handhaben. Jetzt haben Sie gesehen, wie schnell das ging. Was ist das, eine Sekunde oder so |
| |
um dieses Modell zu generieren? Wenn ich jetzt noch eines davon erstellen möchte, möchte ich vielleicht, dass dies eins ist |
| |
Protokoll normal. |
| |
Ich kann das hier und dann tun |
| |
Kommen Sie zu meinem Drehbuch |
| |
Und |
| |
und führe das einfach noch einmal aus. Und ich bekomme ein anderes Modell, wo (mal sehen, was war das? Teil fünf.) |
| |
Teil fünf ist jetzt ein Log-Normal. Es ist wirklich einfach, verschiedene Iterationen auszuprobieren, verschiedene Modelle auszuprobieren und jedes Mal wird ein neues generiert. |
| |
Beschriften Sie das Diagramm hier als Ihre Tabelle. Daher ist es eine praktische Möglichkeit, mithilfe dieser Vorlage eine Analyse durchzuführen und Ihre Ereignisvorhersagen zu verstehen. Verwenden Sie dazu das hier eingebettete Skript, um die Analyse durchzuführen und Ihre Ereignisvorhersagen im Zeitverlauf zu verstehen. |
