8、检查灵敏度曲线

•现在计算所有灵敏度已经运行完，我们可以查看灵敏度曲线

- 在对象导航器中展开个别灵敏度并选择Red_Source公差

•单击灵敏度图表选项卡查看公差项响应图表

- 蓝色曲线代表公差限值之间不同光通量值的实际平均色差平均值数据

- 绿色曲线表示二次函数与蓝色曲线的the best拟合

- 如果绿色曲线与蓝色曲线非常接近（即二次拟合与所计算的数据非常吻合），那么使用二次拟合灵敏度/蒙特卡洛函数是一个可行的选择

- 二次拟合蒙特卡洛函数比直接蒙特卡洛方法快得多

- 然而，在这种情况下，二次拟合与实际灵敏度曲线不太吻合，所以应避免二次拟合算法

- 其他光通量公差显示类似的结果

9、互动公差

•在对象导航器中，选择个别灵敏度并单击交互公差选项卡

•此选项卡上的两个表格提供了性能摘要和公差灵敏度的数据

10、性能汇总表

•“性能摘要”表显示每项性能指标的预测统计数据

- 因为在此次实例中只定义了一个性能指标，所以只有一列数据

- 要计算性能汇总统计数据，直接灵敏度计算假定公差之间没有相互作用

•二次拟合灵敏度计算还提供了性能汇总表

11、公差灵敏度表

•公差灵敏度表格列出了[1]当前公差限值，[2]已计算数据的样本数据范围，[3]所选性能指标值的当前限值终点值（[4 ]下拉框）

•公差限制可以在此表中直接编辑

- 如果限值小于计算数据的限值（显示在样本数据上限/下限值列中），那么两个表中的统计数据将根据新值进行更新，而不重新计算灵敏度

- 如果新限制大于数据限制，则必须单击选项卡顶部的Compute All Sensitivities按钮重新计算数据并刷新统计信息

- 此功能允许您在运行蒙特卡洛分析之前快速调整公差

12、调整公差

•查看公差灵敏度表中的数据，我们看到Red_Flux的终点在我们的性能极限0.002处正确，而Blue_Flux终点在0.006处，相当高

•将所有四个公差的上公差值减小到以下值：

- Red_Flux = 1

- Green_Flux_1和2 = 1.5

- Blue_Flux = 0.5

•单击“应用”并记下表中预测性能的变化

13、运行直接蒙特卡洛试验

•选择菜单公差>蒙特卡洛结果

•在蒙特卡洛结果对话框中，选择直接蒙特卡洛结果，然后输入200作为蒙特卡洛试验次数

•点击运行蒙特卡洛试验

- LightTools使用随机生成的公差值运行指定次数的试验（此实例为200次），并汇总性能结果

- 根据指定的公差极限和分布，为每次试验随机选择公差值

- 将在对象导航器中的Direct Monte Carlo下的节点中显示每个性能测试的性能测试结果

14、检查直接蒙特卡洛性能结果

•在对象导航器中单击PMGroup.Color，然后单击直方图-图表选项卡查看性能图表

蓝色：试验的累积分布表示在指定性能下的试验的相对数量

绿色：给定性能等级下试验次数的直方图

红色：高斯拟合直方图数据（此实例中不适用，因为分布不对称）

青色：用户输入的下限

注意：蒙特卡洛结果显示平均值为〜0.001，而灵敏度预测为〜0.0006。这表明在直接公差灵敏度分析中没有考虑公差之间存在的相互作用。

完。