Erfahren Sie mehr in unserem kostenlosen Online-Kurs:
Statistisches Denken für die industrielle Problemlösung
In diesem Video erfahren Sie, wie Sie fehlende Werte mithilfe der Komponentendaten untersuchen.
Zuerst verwenden wir den Columns Viewer, um zu sehen, wie viele Werte für jede der Variablen fehlen. Wir wählen Columns Viewer aus dem Cols-Menü, wählen alle Variablen aus und klicken auf Show Summary.
Bei mehreren Variablen fehlen Werte. Beispielsweise fehlen bei der Teilenummer 4 Werte und beim Lieferanten 10 Werte. Temp fehlen 265 Werte. Nur 104 der Chargen haben einen Temperaturwert.
Mit Columns Viewer können Sie sehen, wie viele Werte für eine bestimmte Variable fehlen. Sie könnten auch daran interessiert sein, die fehlenden Werte in Ihren Variablen anzuzeigen.
Dazu verwenden wir Missing Data Pattern aus dem Menü Tables. Wir wählen alle Variablen aus, klicken auf Spalten hinzufügen und dann auf OK.
Es wird eine neue verknüpfte Datentabelle namens Fehlendes Datenmuster erstellt. Die Spalten in dieser Tabelle beschreiben das Muster fehlender Werte in der ursprünglichen Datentabelle.
Die erste Zeile stellt 99 Zeilen in der Komponentendatentabelle dar. Diese Zeilen enthalten keine fehlenden Werte für eine der Spalten.
Schauen wir uns die zweite Reihe an. Dies entspricht fünf Zeilen in unserer ursprünglichen Tabelle. In diesen Zeilen fehlen Werte für eine Spalte. Wenn wir uns die Spalte Muster ansehen, sagt uns die 1 an der letzten Position, dass in diesen Zeilen Werte für die letzte Variable fehlen. Wenn wir durch die Variablen scrollen, sehen wir, dass diese letzte Variable der Lieferant ist.
Es gibt 255 Zeilen, denen nur die Temperatur fehlt. Allerdings fehlt temp auch bei einigen anderen Werten. Beispielsweise fehlen in vier Zeilen sowohl Zeitarbeit als auch Lieferant.
Sie können das in dieser Tabelle gespeicherte Cell Plot-Skript ausführen, um die Spalte „Patterns“ zu visualisieren. Dies macht es leicht zu erkennen, dass das größte Problem die fehlenden Werte für temp sind. Die letzte Zeile des Zelldiagramms entspricht dem letzten fehlenden Datenmuster. In einer Zeile fehlen Werte für viele der Variablen.
Das Treemap-Skript erstellt eine Treemap der fehlenden Werte. Wenn Sie Ihren Mauszeiger auf der Baumkarte halten, sehen Sie die Werte für jeden Block. Ungefähr 27 % der Zeilen sind vollständige Aufzeichnungen. Das heißt, ihnen fehlen keine Werte. Sie sehen, dass 69 % der Zeilen nur temp fehlen. Ungefähr 96 % der Zeilen in der Komponentendatei enthalten also entweder vollständige Daten oder es fehlen nur temporäre Daten.
Das ist gut. Wir haben ein Problem mit fehlenden Werten für temp. Aber ansonsten könnten fehlende Daten bei diesem Datensatz kein großes Problem darstellen.
