回帰パラメータでモンテカルロシミュレーションを行うことはできますかこんにちは：
回帰パラメータにモンテカルロ シミュレーションを組み込む方法があるかどうか疑問に思っていました。
回帰式を取得したら、各パラメーターの分布を指定してモンテカルロ シミュレーションを実行し、出力パラメーターの分布を取得できると思います。
Q1) しかし、その回帰式を作成する際、各パラメーターに対して 3 つのデータ ポイント (公差ゾーンの各 LSL と USL に 1 つと中央に 1 つ) があれば十分でしょうか?
DOE を 2 回実行する必要があると思います。1 回目は重要な因子を見つけるためです。そして、許容範囲内で変化する重要な要因での別の実行よりも優れています。
私の最終的な目標は、回帰式によって作成されたシステム内の各パラメーターの許容限界を変更し、許容限界内で故障率を取得することです。
Q2) 何回反復する必要がありますか?
質問がばかげているように見える場合は、お詫びを受け入れて、私の理解がどこに欠陥があるかを説明してください。
よろしくお願いします、
ヴァルンK
高度な統計モデリング基本的なデータ分析とモデリング実験計画法予測モデリングと機械学習品質およびプロセスエンジニアリングRe: 回帰パラメータでモンテカルロ シミュレーションを行うことはできますかあなたが達成しようとしていることに基づくと、変化する x 値に基づいて応答変数の分布を見つけるように思えますが、パラメーター推定値のモンテカルロ シミュレーションは最善の方法ではありません。確かに、応答分布をシミュレートするには予測プロファイラーを使用する必要があるように思えます。それとも私があなたの目標を見逃しているだけでしょうか？
Re: 回帰パラメータでモンテカルロ シミュレーションを行うことはできますかP_Bartell さん、ご返答ありがとうございます:
以下、より具体的に書いてみました。
応答変数として C を取得するための重要な因子として A と B を取得したとします。
A は 9 ～ 11 で、公称値は 10 です。
B は 19 ～ 21 で、公称値は 20 です。
そこで、A に 3 つのレベル 8、10、12 を持たせてもう 1 つ DOE を実行します (意図的に両側に 1 つ追加したままにしました)。
B にも 3 つのレベル 18、20、22 があります (これも意図的に両側で 1 に増やしています)。
これで、結果 C をモデル化する A と B のより正確な回帰式が得られるかもしれません。
ここで、スクラップ率がたとえば 3% の場合、C の出力値が 3% のスクラップ率内に収まるように、A と B の平均値と許容範囲を変更します。
このようにして、高価な部品 (たとえば機械加工) A の公差を最大にすることができ、B を可能な限界まで減らすことができます。
これは、まだコンポーネントのプロトタイプ段階にあり、利用可能な実稼働データがあまりない場合に使用します。
これにより、適切なボールパークが得られますが、後で変更を行うのは非常にコストがかかります。
プロトタイプと製品の相関関係は別の課題になりますが、少なくとも次のプロジェクトで起こり得る変更についてのデータ ポイントが得られます。
公差を決定する他の良い方法はあるでしょうか?
Re: 回帰パラメータでモンテカルロ シミュレーションを行うことはできますかそれでも、予測プロファイラー内のシミュレーション機能に適したタスクのように思えます。
Re: 回帰パラメータでモンテカルロ シミュレーションを行うことはできますかこんにちは@VarunK さん
@P_Bartellのように、予測プロファイラーに組み込まれているシミュレーション ツールが最善の策です。プロセス設定 (この例では A と 
の予想される変動がわかっている場合は、シミュレーションして欠陥率を見つけることができます。これらの設定の上限と下限を設定する方法を検討したい場合は、 デザイン スペース プロファイラがうまく機能します。
ありがとう、
ベン
Re: 回帰パラメータでモンテカルロ シミュレーションを行うことはできますかP_Bartellさん、ありがとう
Re: 回帰パラメータでモンテカルロシミュレーションを行うことはできますか？ありがとう、Ben_Ingham
