利用蒙特卡洛模拟，从废品削减到成本节约的实践

在多家供应商之间寻求流程改进很快就会变得错综复杂。但通过统计实验确定关键输入变量，并采用蒙特卡洛方法模拟结果，团队无需进行耗时耗力的物理测试，就能清晰洞察潜在结果。

以Spaceman Electronics为例（与我们所有的用例一样，这是基于我们在该领域看到的真实情况，但Spaceman是一家虚构的公司）。为生产某产品的一个部件，一家供应商负责制造核心部分，另一家则进行涂层处理。之后，Spaceman公司负责组装成品。

过去，Spaceman公司的产品工程师尼尔曾指示生产线经理执行7%的报废系数，以考虑到一些部件与产品的配合不够好。报废率是指在制造或加工过程中，预计会被销毁或损坏的批次百分比。例如，如果要生产 100 个部件，且历史报废率为 7%，这意味着该批次中 93% 是合格的。此时，需要用 100 除以 0.93 并向上取整，得出需要生产 108 个部件才能弥补报废的数量。

如果尼尔的团队能够降低报废率 —— 每个部件的报废成本为 0.70 美元，那么每年可节省的成本高达 165,000 美元以上。如果不能精确地向两家供应商下达指令，尝试改进将会既繁琐又耗时。因此，在告知供应商需在其流程中做出哪些改变之前，他着手模拟一些潜在结果，以便做出明智的决策。

蒙特卡洛模拟的工作原理

蒙特卡洛模拟运用系统的数学模型，通过一个定义输入与输出关系的方程，提供基于该方程的预期值。尼尔和他的团队在 Minitab 中规划并开展了一系列实验，以确定流程中的重要因素。他们生成了帕累托图，图中显示转移位置和注射速度是他们需要重点关注的因素，同时确定了将在 Minitab Workspace 中使用的方程：

导入模型并运行模拟

方程准备就绪后，尼尔在 Minitab Workspace 中启动了一个新项目，并打开了蒙特卡洛模拟工具。他没有手动输入变量，而是通过直接导入统计分析得出的模型来简化流程。这使他能够快速从数据过渡到模拟，既节省了时间，又降低了输入错误的风险。

该方程自动将转移位置和注射速度作为 X 输入。他知道这些因素呈正态分布，因此从下拉菜单中选择 “正态分布”，然后输入均值、标准差以及规格上下限。接着，他点击顶部附近的绿色 “模拟” 按钮，Minitab Workspace 在短短几秒钟内就完成了 50,000 次流程模拟：

模拟工具会自动提取关键输入，尼尔根据已知的流程数据定义它们的范围。只需点击一下，系统在几秒钟内就能运行 50,000 次模拟，让他详细了解这些变量如何影响性能。

理解结果并优化过程

初始模拟显示，过程能力指数（Cpk）仅为 0.48，远低于行业基准的 1.33。为了改进这一状况，尼尔使用内置的优化工具来定义目标输出并探索输入范围。设置好这些参数后，模拟会确定达到目标的最佳设置。片刻之间，尼尔就得到了一个有数据支持的建议，可显著提升流程性能。

在采用最佳输入设置后，模拟显示了显著的改进：Cpk 达到 2.34。这远超 1.33 的行业标准，表明该流程将持续生产符合规格的部件，并几乎消除缺陷，从而转化为大量成本节约和可靠性提升。

取得有意义的成果

凭借清晰的数据和优化的输入，尼尔和Spaceman公司能够自信地指导其供应商制定更精确的规格。这不仅减少了报废和材料浪费，还简化了生产流程，缩短了周期时间，提高了整体效率。其结果是更可靠的流程、更紧密的供应商合作，以及随着产量增长而不断增加的显著成本节约。

立即在 Minitab Workspace中尝试蒙特卡洛模拟。