陸軍狙撃兵の弾薬最適化: カスタム分割プロット設計、対数線形分散、グラフィカル分析を使用した包括的な分散応答分析クリストファー・ドレイク、米国陸軍統計学者 ダグラス・レイ博士、米国陸軍主任統計学者
米陸軍は、高性能ライフルで使用される 7.62mm 狙撃弾のダウンレンジ ターゲット分散を継続的に改善することを目指しています。この対話型ケース スタディでは、この目標を達成するために JMP のいくつかの強力な分析プラットフォームを使用する方法を説明します。このプロセスは、カスタム DOE プラットフォームと設計比較ユーティリティを使用して、サンプル サイズの制約を前提として、プロット全体の数と予測される検出力との間の最適なトレードオフを選択することから始まります。応答データはダウンレンジ分散 (水平方向と垂直方向の変動として測定) であり、本質的にノイズが多いものです。応答データを分析するために、JMP の Loglinear Variance を使用しました。これは、ショットごとの変動データを効果的に分析する回帰手法です。要約されたターゲット分散データを使用して、Loglinear Variance から導出された予測と、より一般的な最小二乗近似を比較します。DOE ベースの予測モデルを使用して、モンテ カルロ シミュレーション ベースの感度分析を実行し、ターゲット グループのサイズに関して、予測された最良の設計構成、最悪のケース、およびその他の関心のある構成を比較しました。次に、Graph Builder プラットフォームを使用して、これらの構成を顧客の要件の観点から既存の弾薬設計構成と比較し、ダウンレンジ グループ サイズと関連ターゲット サイズ、およびヒット確率とターゲット距離を視覚化できるようになりました。パレート フロンティア分析により、視覚的な意思決定サポートが可能になり、ダウンレンジ ヒット確率の改善と、最適な予測設計構成に関連する製造プロセス変更の実装コストとの間のトレードオフを判断できます。
