무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서는 Prediction Profiler를 사용하여 JMP에서 Monte Carlo 시뮬레이션을 수행하는 방법을 보여줍니다.
Anodize.jmp 파일을 사용합니다. 이 파일에는 5개의 요인과 4개의 계량형 반응이 포함된 12회 실행 사용자 설계의 결과가 포함되어 있습니다. 실험 목적은 두께, L*, a* 및 b*의 네 가지 응답을 최적화하기 위한 요인 설정을 찾는 것이었습니다.
데이터가 분석되었고 최적의 설정이 데이터 테이블에 스크립트로 저장되었습니다. 이러한 결과를 보기 위해 데이터 테이블에서 Profiler 1 스크립트를 실행합니다.
프로파일러는 4가지 반응에 대한 목표 값을 달성하기 위해 5가지 요인에 대한 최적의 설정을 제공합니다.
그러나 요인에는 임의의 변동이 있을 수 있으며 응답에는 임의의 변동이 있을 수 있습니다.
최적의 설정을 구현할 때 예상할 수 있는 응답 값의 범위를 추정하려면 어떻게 해야 합니까?
시뮬레이션을 사용할 수 있습니다. 또는 더 공식적으로 몬테카를로 시뮬레이션을 수행할 수 있습니다.
이를 위해 Prediction Profiler의 빨간색 삼각형에서 시뮬레이터를 선택합니다.
각 요인에 대해 지정된 분포에 따라 랜덤 변동을 추가할 수 있습니다. 예를 들어, 고정 값 69.49에서 양극 산화 온도 분포는 1.5의 추정 표준 편차로 정규 분포를 보일 수 있습니다.
응답에 무작위 변형을 추가할 수도 있습니다. 이것은 실험의 요인으로 설명되지 않는 응답의 변동입니다.
요인과 반응 모두에 대해 추정된 표준 편차를 입력한 스크립트를 실행할 것입니다.
여기에서 4가지 요소가 약간씩 다를 수 있지만 Anodize Time은 무작위 변동 없이 고정됩니다.
각 응답에 대해 데이터 테이블의 열 속성으로 사양 제한을 입력했습니다. 이러한 사양 제한을 나타내는 각 응답에 대해 시뮬레이션 패널에 파선이 표시됩니다.
응답을 시뮬레이션하기 위해 시뮬레이션 버튼을 클릭합니다. 각 응답에 대한 시뮬레이션된 분포와 시뮬레이션에 대한 요약 테이블이 표시됩니다.
이 버튼을 클릭할 때마다 결과가 약간 변경됩니다.
이 결과에 ppm 또는 백만분율을 추가해 보겠습니다. 이를 위해 시뮬레이션된 값 테이블을 마우스 오른쪽 버튼으로 클릭하고 열을 선택한 다음 PPM을 선택합니다.
Simulate 버튼을 반복해서 클릭하면 예측 불량률이 0.4%에서 0.9% 사이임을 알 수 있습니다. 또한 모든 결점이 반응 L*에 대한 것임을 알 수 있습니다.
이 시뮬레이터를 사용하여 "만약에" 시나리오를 탐색할 수 있습니다. 예를 들어 Anodize Temp의 변화를 반으로 줄일 수 있다면 어떨까요? 즉, 실제 표준 편차를 1.54에서 0.75로 줄일 수 있다면 어떨까요? 불량률은 어떻게 변할까요?
이를 확인하기 위해 Anodize Temp의 표준 편차로 0.75를 입력하고 Simulate를 다시 클릭합니다. 여전히 L*에 대한 결함이 있지만 결함률이 이전보다 훨씬 낮음을 알 수 있습니다.
데이터를 데이터 테이블로 시뮬레이션할 수도 있습니다. 이 작업을 수행하여 최적의 설정에서 기능을 추정할 수 있습니다.
이에 대해 간단히 살펴보겠습니다.
기본적으로 시뮬레이션된 값의 수는 5000입니다. 테이블 만들기를 클릭하겠습니다. 그러면 각 반응 및 각 요인에 대해 5000개의 시뮬레이션된 값이 있는 새 테이블이 생성됩니다.
배포 스크립트가 데이터 테이블에 저장되었습니다. 대신 분석 메뉴의 분포를 사용하여 이러한 데이터를 분석합니다.
두께, L*, a* 및 b*를 Y, 열로 선택하고 확인을 클릭합니다.
규격 한계가 열 속성으로 저장되었기 때문에 각 반응에 대해 공정 능력 분석이 자동으로 보고됩니다.
L*에 대한 추정 공정 능력을 살펴보겠습니다.
분포가 목표에서 약간 벗어나 사양 하한으로 이동했음을 알 수 있습니다. 일부 부품은 이 응답에 대한 사양 하한 아래로 떨어집니다.
