첨가제 분배 프로세스와 같은 다단계 프로세스가 있다고 가정해 보겠습니다. 여기서 잘 특성화된 펌프를 사용하여 설정된 용량을 컨테이너에 전달한 다음 마지막에 컨테이너의 질량을 확인합니다. 제가 알고 싶은 것은 최종 충전 중량에서 얼마나 많은 변화가 예상되는지입니다. 내 이전에는 블로그 하나의 범주형 수준을 시뮬레이션하는 방법을 보여주었습니다. 이러한 접근 방식을 여러 입력으로 확장하는 것은 약간 까다로우며 훨씬 더 많은 작업이 필요합니다. JMP의 여러 도구를 함께 사용하여 문제에 접근하는 또 다른 방법이 있습니다.
1단계. 다음과 같이 데이터 테이블을 만듭니다.
이 테이블에는 단 2개의 행이 있습니다! :Final 열에는 처음 4개 열을 합하는 수식이 있습니다. 특별한 형식도 있습니다. 나는 열 정보 및 속성으로 이동하여 시그마 속성을 추가했습니다(속성 드롭다운 목록 아래로 약 2/3 정도). 각 단계마다 유사하고 잘 정의된 펌프를 사용하고 있으므로 시그마를 0.25ml로 설정했습니다.
다음 JSL 비트를 실행하여 테이블을 만듭니다.
dt=New Table( "Propagation of Error Profiler",
Add Rows( 2 ),
New Column( "Step 1", Set Property( "Sigma", 0.25 ), Set Values( [10, 12] )),
New Column( "Step 2", Set Property( "Sigma", 0.25 ), Set Values( [4, 5] )),
New Column( "Step 3", Set Property( "Sigma", 0.25 ), Set Values( [20, 22] )),
New Column( "Step 4", Set Property( "Sigma", 0.25 ), Set Values( [10, 12] )),
New Column( "Final",Formula( :Step 1 + :Step 2 + :Step 3 + :Step 4 ))
);
2 단계. 공식 프로파일링
그래프 메뉴에서 프로파일러를 선택합니다. 대화 상자에 "최종" 열을 추가하고 확인을 클릭합니다.
프로파일러 빨간색 삼각형 메뉴(RTM)에는 입력에서 알려진 오류를 시각화하는 데 도움이 되는 특수 옵션이 있습니다. (즉, 시그마가 열 속성으로 지정된 경우에만 존재합니다.) Prop of Error Bars 옵션을 선택합니다.
프로파일러의 다음 단계는 시뮬레이터를 켜는 것입니다. 이 옵션은 예측 프로파일러 개요 막대 RTM 아래에 있습니다. 시그마가 지정되어 있으므로 시뮬레이터는 테이블에 지정된 값과 열 속성의 시그마의 중간 지점에서 각 변수의 정규 분포 시뮬레이션으로 자동으로 시작됩니다. (클릭할 필요가 많이 줄어듭니다)
이 시점에서 프로파일러는 다음과 같아야 합니다.
3단계 시뮬레이션 시작
여기가 흥미로워지는 곳입니다. 최종 무게가 얼마나 달라질지 잘 처리할 수 있을 만큼 충분한 시간 동안 프로세스 실행을 시뮬레이션해야 합니다. 대표적인 실행 수를 얻으려면 N 실행의 5000을 500,000과 같이 변경하십시오. (100만이면 좋지만 1억이면 시간이 좀 걸릴 것입니다. 물론 최종 추정치는 조금 더 나을 것입니다.)
그런 다음 Simulate to Table 개요 표시줄을 열고 "make table" 버튼을 클릭합니다.
이제 500K 실행이 포함된 테이블이 생겼습니다. 각 실행은 각 공정 입력에 대해 서로 다른 무작위 수준에 있습니다. 입력과 출력의 분포를 확인하면 최종 충전 중량의 높은 쪽이 대부분 입력 범위의 높은 쪽에서 발생한다는 것을 알 수 있습니다.
이제 최종 충전 중량의 변화에 대해 꽤 잘 알았으므로 유통 플랫폼의 일반적인 작업 흐름을 사용하여 충전 중량이 차지할 것으로 예상할 수 있는 합리적인 범위를 계산할 수 있습니다.
4단계 4 시그마 한도 얻기
예, 저는 다음에 하려는 일을 할 수 있는 것만큼 빠르게 계산기를 사용하여 4 표준편차 범위를 계산할 수 있습니다. 하지만 이게 조금 더 좋고 훨씬 더 멋집니다.
분석>분포>시뮬레이션된 최종 열을 선택합니다.
분포 윤곽선 막대에서 연속 적합을 선택하고 정규를 선택합니다.
Fitted Normal 개요 막대에서 k 시그마에 대한 사양 한계 설정을 클릭합니다.
이 경우에는 4시그마를 선택하겠습니다. 나는 알람이나 제어 조치를 유발하기 위해 발생할 가능성이 거의 없는 최종 충전 중량을 원합니다.
마지막 단계는 Fitted Normal 개요 막대 아래에서 "Save Spec Limits" 옵션을 선택합니다.
그리고 이 보고서를 닫지 마세요. (이상적으로는 JMP가 프로파일러의 시뮬레이터에서 사양 제한 속성을 동적으로 사용할 수 있도록 설정하지만 그렇지 않으므로 값을 수동으로 전송해야 합니다.)
5단계
기술적으로는 끝났습니다. 저는 공정 입력이 최종 충전 중량에 미치는 영향에 대한 대규모 몬테카를로 시뮬레이션을 수행한 다음 우연히 발생할 가능성이 없는 일련의 한계를 추정했습니다.
하지만 더 많은 것이 있습니다.
다시 프로파일러 보고서로 돌아가겠습니다. 하단의 시뮬레이터 개요 표시줄 아래에서 두 가지 옵션을 켭니다. 1. 사양 제한, 2. 자동 히스토그램 업데이트.
사양 제한 대화 상자에서 LCL 및 UCL로 45.5 및 49.5를 사용합니다. 이는 배포 플랫폼의 분석에서 파생된 반올림된 값입니다.
다음으로, 프로파일러 오른쪽 상단의 프로파일러 그래프 옆에 Simulate 버튼이 있습니다. 이를 클릭하세요. 또한 프로세스 입력에 대한 슬라이더를 움직여 보십시오. 이를 통해 프로세스가 여러 펌프 중 하나에서 드리프트에 대해 얼마나 많은 허용 오차를 갖는지 확인할 수 있습니다. 또한 더 높은 정밀도의 펌프를 사용한다면 최종 충진 중량이 높거나 낮을 위험 없이 훨씬 더 많은 먼지나 보정 오류를 견딜 수 있다는 것을 상당히 쉽게 알 수 있습니다.
이것은 그림에서 프로파일러를 생성하는 스크립트입니다.
dt<<PROFILER></PROFILER>
이 스크립트는 배포 플랫폼에서 분석을 생성합니다.
dt<<DISTRIBUTION></DISTRIBUTION>
이 정보가 도움이 되기를 바랍니다. 누군가(또는 나)가 이전에 이 작업 흐름을 작성했을 것이라고 확신하지만 이번 주 초에는 작성할 수 없었기 때문에 다시 여기에 있습니다.
건배,
비
