Christopher Drake, 통계학자, 미국 육군 Douglas Ray, PhD, 수석 통계학자, 미국 육군
미 육군은 고성능 소총에 사용되는 7.62mm 저격총 탄약의 사정거리 내 표적 분산을 지속적으로 개선하고자 합니다. 이 대화형 사례 연구는 이 목표를 달성하기 위해 JMP에서 여러 강력한 분석 플랫폼을 사용하는 방법을 보여줍니다. 이 프로세스는 사용자 정의 DOE 플랫폼과 설계 비교 유틸리티를 사용하여 전체 플롯 수와 주어진 샘플 크기 제약 조건의 예상 전력 간의 최적의 균형을 선택하는 것으로 시작됩니다. 응답 데이터는 사정거리 내 분산(수평 및 수직 방향의 변화로 측정)이며 본질적으로 노이즈가 있습니다. 응답 데이터를 분석하기 위해 JMP에서 Loglinear Variance를 사용했습니다. 이는 샷별 변화 데이터를 효과적으로 분석하는 회귀 기술입니다. 요약된 타겟 분산 데이터를 사용하여 Loglinear Variance에서 파생된 예측과 보다 일반적인 최소 제곱 적합을 비교합니다. DOE 기반 예측 모델을 사용하여 몬테카를로 시뮬레이션 기반 민감도 분석을 실행하여 대상 그룹 크기 측면에서 최상의 예측 설계 구성, 최악의 경우 및 기타 관심 구성을 비교했습니다. 그런 다음 이러한 구성을 Graph Builder 플랫폼을 사용하여 고객 요구 사항 측면에서 기존 탄약 설계 구성과 비교하여 사거리 그룹 크기와 관련 대상 크기, 명중 확률과 대상 거리를 시각화할 수 있었습니다. 파레토 프런티어 분석을 통해 시각적 의사 결정 지원을 통해 사거리 명중 확률 개선과 최적의 예측 설계 구성과 관련된 제조 공정 변경을 구현하는 비용 간의 균형을 결정할 수 있습니다.
