안녕하세요:
회귀 매개변수에 Monte-Carlo 시뮬레이션을 통합할 수 있는 방법이 있는지 궁금합니다.
회귀 방정식이 있으면 각 매개변수에 대한 분포를 지정하여 몬테카를로 시뮬레이션을 실행하고 출력 매개변수의 분포를 얻을 수 있을 것 같습니다.
Q1) 그러나 회귀 방정식을 생성하는 동안 각 매개변수에 대해 3개의 데이터 포인트(공차 영역의 각 LSL 및 USL에 하나씩, 중간에 하나씩)로 충분합니까?
나는 중요한 요인을 찾기 위해 두 번의 DOE 실행이 필요할 것이라고 생각합니다. 그리고 공차 영역에서 다양한 중요한 요인에 대한 또 다른 실행보다.
나의 궁극적인 목표는 회귀 방정식으로 생성된 시스템의 각 매개변수의 허용 한계를 변경하고 허용 한계 내에서 실패율을 얻는 것입니다.
Q2) 몇 번 반복해야 하나요?
질문이 어리석은 것 같으면 사과를 받아들이고 내 이해에 결함이 있는 부분을 설명해주세요.
친애하는,
VarunK
다양한 x 값을 기반으로 응답 변수에 대한 분포를 찾는 것처럼 들리는 것처럼 달성하려는 작업을 기반으로 모수 추정에 대한 몬테카를로 시뮬레이션은 최선의 방법이 아닙니다. 응답 분포를 시뮬레이션하려면 예측 프로파일러를 사용해야 할 것 같습니다. 아니면 내가 당신의 목표를 놓치고 있는 걸까요?
답변해 주신 P_Bartell에게 감사드립니다.
아래에서는 좀 더 구체적으로 설명하려고 노력했습니다.
C를 반응 변수로 얻기 위해 A와 B를 중요한 요소로 얻었다고 가정해 보겠습니다.
A는 9-11일 수 있으며 명목상 숫자는 10입니다.
B는 19-21일 수 있으며 공칭은 20입니다.
따라서 A의 세 가지 레벨 8,10, 12를 사용하여 DOE를 하나 더 실행하겠습니다(의도적으로 양쪽에 1개를 추가로 유지했습니다).
B에는 18, 20, 22의 세 가지 레벨도 있습니다(의도적으로 양쪽에서 1로 늘렸습니다).
이제 결과 C를 모델링하는 A와 B에 대한 보다 정확한 회귀 방정식을 얻을 수 있습니다.
이제 스크랩 비율이 3%라면 C의 출력 값이 스크랩 비율 3% 내에 있도록 A와 B의 평균 및 공차 영역을 변경하겠습니다.
이렇게 하면 값비싼 부품(가공) A에 대해 최대 공차를 가질 수 있고 B는 가능한 한계까지 줄일 수 있습니다.
이는 아직 부품의 프로토타입 단계에 있고 사용할 수 있는 생산 데이터가 많지 않은 경우를 위한 것입니다.
이것은 우리에게 좋은 야구장을 제공할 것입니다. 나중에 변경하는 것은 매우 비용이 많이 듭니다.
프로토타입과 생산의 상관관계는 또 다른 과제가 되겠지만 적어도 다음 프로젝트의 가능한 변경 사항에 대한 데이터 포인트를 제공할 것입니다.
허용 오차를 결정하는 다른 더 좋은 방법이 있습니까?
여전히 예측 프로파일러의 시뮬레이션 기능에 적합한 작업처럼 들립니다.
안녕하세요 @VarunK 님 ,
@P_Bartell 과 마찬가지로 예측 프로파일러에 내장된 시뮬레이션 도구가 가장 좋습니다. 프로세스 설정(예제에서는 A 및 
의 예상 변동성을 알고 있으면 시뮬레이션하여 결함률을 찾을 수 있습니다. 이러한 설정에 대한 상한 및 하한을 설정하는 방법을 탐색하려면 디자인 공간 프로파일러가 잘 작동할 것입니다.
감사해요,
벤
