無料のオンライン コースで詳細をご覧ください。
産業問題解決のための統計的思考
このビデオでは、Prediction Profiler を使用して JMP でモンテカルロ シミュレーションを実行する方法を紹介します。
ファイル Anodize.jmp を使用します。 このファイルには、5 つの因子と 4 つの連続応答を使用した 12 回の実行カスタム計画の結果が含まれています。 実験の目的は、厚さ、L*、a*、b* の 4 つの応答を最適化するための因子の設定を見つけることでした。
データが分析され、最適な設定がスクリプトとしてデータ テーブルに保存されました。 これらの結果を確認するには、データ テーブルで Profiler 1 スクリプトを実行します。
プロファイラーは、4 つの応答の目標値を達成するための 5 つの因子の最適な設定を提供します。
ただし、因子にはランダムな変動があり、応答にもランダムな変動がある可能性があります。
最適な設定を実装した場合に予想される応答値の範囲を推定したい場合はどうすればよいでしょうか?
シミュレーションを使用できます。 または、より正式には、モンテカルロ シミュレーションを実行できます。
これを行うには、予測プロファイラーの赤い三角形からシミュレーターを選択します。
因子ごとに、指定した分布に従ってランダムな変動を追加できます。 たとえば、固定値が 69.49 の場合、陽極酸化温度の分布は、推定標準偏差が 1.5 の正規分布になる可能性があります。
応答にランダムなバリエーションを追加することもできます。 これは、実験の要因によって説明されない応答の変動です。
因子と応答の両方の推定標準偏差を入力したスクリプトを実行します。
ここでは、要因のうち 4 つがわずかに異なりますが、陽極酸化時間は固定されており、ランダムな変動はありません。
回答ごとに、仕様制限をデータ テーブルの列プロパティとして入力しました。 これらの仕様制限を表す応答ごとに、シミュレート パネルに破線が表示されます。
応答をシミュレートするには、[シミュレート] ボタンをクリックします。 各応答のシミュレートされた分布と、シミュレーションの要約テーブルが表示されます。
このボタンをクリックするたびに、結果が少しずつ変化します。
これらの結果に ppm (100 万分の 1) を追加してみましょう。 これを行うには、シミュレートされた値のテーブルを右クリックし、[列]、[PPM] の順に選択します。
[シミュレート] ボタンを繰り返しクリックすると、予測される不良率が 0.4% から 0.9% の間であることがわかります。 また、すべての欠陥が応答 L* のものであることもわかります。
このシミュレーターを使用して、"what if" シナリオを調べることができます。 たとえば、陽極酸化温度の変動を半分に減らすことができたらどうでしょうか? つまり、実際の標準偏差を 1.54 から 0.75 に減らすことができたらどうでしょうか? 不良率はどう変わる？
これを確認するには、陽極酸化温度の標準偏差として 0.75 を入力し、もう一度 [シミュレート] をクリックします。 L* にはまだいくつかの欠陥があることがわかりますが、欠陥率は以前よりもはるかに低くなっています。
データをデータ テーブルにシミュレートすることもできます。 これを行うと、最適な設定での能力を推定できます。
これを簡単に見てみましょう。
デフォルトでは、シミュレートされた値の数は 5000 です。 [テーブルの作成] をクリックします。 これにより、応答ごとおよび因子ごとに 5000 個のシミュレートされた値を含む新しいテーブルが作成されます。
配布スクリプトがデータ テーブルに保存されました。 代わりに、[分析] メニューの [分布] を使用してこれらのデータを分析します。
Y、列として厚さ、L*、a*、および b* を選択し、[OK] をクリックします。
規格限界は列のプロパティとして保存されているため、工程能力分析は応答ごとに自動的にレポートされます。
L* の推定能力を見てみましょう。
分布がターゲットからわずかに外れており、仕様の下限に向かってシフトしていることがわかります。 一部の部品は、この応答の仕様限界の下限を下回ります。
