크리스토퍼 드레이크, 통계 학자, 미 육군 더글러스 레이, 박사, Lead Statistician, 미 육군
미 육군은 고성능 소총에 사용되는 7.62mm 저격 용 탄약의 목표 범위를 지속적으로 개선하고자합니다. 이 대화 형 사례 연구는 JMP에서 여러 가지 강력한 분석 플랫폼을 사용하여 이러한 목표를 달성하는 방법을 보여줍니다. 이 프로세스는 커스텀 DOE 플랫폼과 디자인 비교 유틸리티를 사용하여 전체 플롯 수와 샘플 크기 제약 조건에 따른 예상 전력 간의 최적의 거래를 선택하는 것으로 시작됩니다. 응답 데이터는 본질적으로 시끄러운 수평 및 수직 방향의 변화로 측정 된 다운로드 분산입니다. 응답 데이터를 분석하기 위해, 우리는 JMP에서 Loglinear Variance를 사용했습니다. JMP는 회귀 분석 기법으로, 샷 별 변동 데이터를 효과적으로 분석합니다. Loglinear Variance에서 유도 한 예측과 요약 된 최소 분산 제곱 사이의 비교가 요약 된 목표 분산 데이터를 사용하여 수행됩니다. DOE 기반 예측 모델을 사용하여 몬테카를로 시뮬레이션 기반의 민감도 분석을 수행하여 목표 그룹 크기와 관련하여 최우수 예측 된 설계 구성, 최악의 경우 및 기타 관심 구성을 비교했습니다. 이러한 구성은 Graph Builder 플랫폼을 사용하여 고객 요구 사항 측면에서 기존의 탄약 디자인 구성과 비교되었으며, 관련 대상 크기에 비해 저조한 그룹 크기 및 목표 거리에 대한 확률을 시각화 할 수있었습니다. 파레토 프론티어 (Pareto Frontier) 분석을 통해 시각적 의사 결정 지원을 통해 최적의 예측 된 설계 구성과 관련된 제조 프로세스 변경을 구현하는 비용과 대폭적인 히트 확률 향상 간의 트레이드 오프를 결정할 수 있습니다.
