Kalkulator symulacji Monte Carlo
Użyj kalkulatora symulacji Monte Carlo, aby modelować niepewność w procesie, prognozie lub równaniu biznesowym. Zdefiniuj niepewne zmienne wejściowe jako rozkłady prawdopodobieństwa, połącz je w co najmniej jednym równaniu wyjściowym i zasymuluj wiele możliwych wyników.
Zacznij od wprowadzenia zmiennych X powiązanych z wynikiem. Dla każdej zmiennej wybierz rozkład, na przykład normalny, jednostajny, trójkątny, logarytmiczno-normalny, wykładniczy lub dyskretny, i wprowadź wymagane parametry. Następnie zdefiniuj wynik Y za pomocą równania wykorzystującego nazwy zmiennych wejściowych. Możesz opcjonalnie dodać dolną i górną granicę specyfikacji, aby oszacować udział wad, PPM i wskaźniki zdolności.
Diagram modelu pomaga sprawdzić, czy wybrane dane wejściowe są połączone z zamierzonymi wynikami. Po uruchomieniu symulacji tabela wyników podsumowuje średnią, odchylenie standardowe, minimum, maksimum, ryzyko przekroczenia granic specyfikacji, Ppk, test normalności, histogram oraz wrażliwość wyniku na poszczególne dane wejściowe.
Kiedy stosować symulację Monte Carlo?
Symulacja Monte Carlo jest przydatna, gdy wynik zależy od niepewnych danych wejściowych, a pojedyncze obliczenie dla najlepszego lub przeciętnego przypadku nie wystarcza. Typowe zastosowania obejmują ocenę zdolności procesu przy zmiennych danych wejściowych, prognozy finansowe, analizę ryzyka, badania tolerancji produktu, planowanie popytu oraz każdy model, w którym niepewność należy przedstawić jako zakres możliwych wyników.
Jak korzystać z kalkulatora?
- Wprowadź każde niepewne dane wejściowe jako zmienną X i wybierz jej rozkład.
- Sprawdź parametry rozkładu i w razie potrzeby dodaj wartości dyskretne.
- Zdefiniuj co najmniej jeden wynik Y za pomocą równań, takich jak Przychód = Odwiedzający * WspółczynnikKonwersji * WartośćZamówienia.
- Dodaj opcjonalne dolne lub górne granice specyfikacji, jeśli chcesz obliczyć procent wad lub PPM.
- Sprawdź diagram modelu i uruchom symulację z wybraną liczbą iteracji.
- Zinterpretuj histogram, statystyki podsumowujące, wyniki dotyczące granic specyfikacji oraz tabelę wrażliwości.
Wynik symulacji należy interpretować jako przybliżenie oparte na podanych rozkładach i równaniach. Trafniejsze założenia dotyczące rozkładów danych wejściowych zwykle prowadzą do bardziej użytecznych oszacowań ryzyka.