分析百分比數據的統計意義尋找有關如何對本文所附數據集進行屬性分析的一些見解。該公司一直在跟踪每週的廢品數量和生產的總件數，以獲得每週廢品的百分比。前 26 周是採取任何改進措施之前的基線數據。第 27 周到第 31 周是採取一些改進措施後的幾週。
使用“之前”組和“之後”組中的廢品百分比值的總體平均值是錯誤的，因為計算的百分比的每行中的分母不同，因此我使用“摘要”來計算“之前”組的總體廢品百分比，並且After 組如下所示：
兩組的廢品百分比值很接近，因此我們看起來不太希望檢測到兩組之間的顯著差異。我的具體問題是計算（缺乏）重要性的最佳方法是什麼？
我還想知道是否應該將生產數量視為頻率列，因為每週生產數百個零件應該比僅生產 2 個零件的幾週對數據集貢獻更多。如果不合併頻率，當我們運行 2 個零件且廢品數為 0 時，與每週運行 142 個零件且廢品數為 0 時的處理方式相同。如果我使用 Fit Y by X 平台並將生產數量放入 Freq 中，我會得到顯著的結果，之前組平均比之後組顯示更多的廢品實例。
基礎數據分析和建模回复：分析百分比數據的統計意義您看到的是此類數據的眾多問題之一。廢品是許多潛在失效機制的集合。 它通常對於評估所做的改進沒有用（不是很有效），因為它缺乏區分。 您可以完全解決一個減少廢品的問題和另一個增加廢品的問題（淨零或更糟）。我的建議是：
1. 找到更好、更連續的測量方法。答：報廢的目的是什麼？也許是尺寸、重量或其他一些可以測量的物理屬性。
2. 做必要的工作來理解因果結構。提出假設並使用定向抽樣或設計實驗來更好地了解該過程。
回复：分析百分比數據的統計意義如果您可以訪問每週數據，我建議使用 au 圖表控製圖方法，因為您知道流程發生變化的時間點。 絕對清楚……如果“統計顯著性”對您來說至關重要……控製圖不是統計推斷方法。 但如果你有每週數據……那就是我要開始的地方。 盯著圖表的時間不要超過 3 秒。 如果你沒有看到隊伍有變化……它就不在那裡。 否則，你會開始說服自己支持你占主導地位/希望的觀點。
回复：分析百分比數據的統計意義感謝您的回复。 缺陷原因是玻璃碎裂。
回复：分析百分比數據的統計意義信息確實不夠，無法繼續。不幸的是，這是開放論壇的一個問題。值得思考的地方：
產品是什麼？您正在製造玻璃嗎？玻璃是產品的組成部分之一嗎？故障模式有哪些（例如疲勞、過載、衝擊……）？玻璃碎裂是由於搬運造成的嗎？破損量是否有“等級”？跟踪破損位置會有幫助嗎？ 你能測量打破玻璃所需的力嗎？ 您可能對導致玻璃破碎的原因有一些假設。您是否通過實驗檢驗了這些假設？
回复：分析百分比數據的統計意義我們採取的改進措施是基於與您提出的問題類似的問題。我們有流程圖、魚骨圖、SIPOC 等。由於響應沒有梯度（玻璃要么破碎，要么沒有），我認為沒有辦法將其作為連續值進行跟踪。我們可以測量玻璃碎裂之間的時間間隔，但這在這一點上會很麻煩。
正如我上面分享的那樣，分析廢品數量並將生產數量視為頻率列可能是可接受的路線，但我不確定。如果一個行的頻率為 f = 100 單位生產運行，則計算結果與包含該行的 f 個副本（每個副本的頻率為 1）的數據表的計算結果相同。因此，如果第 1 行顯示生產了 100 件，報廢了 1 件，則將生產的件數視為頻率，與記錄 1 件報廢 100 次相同。如果生產數量為 10 件，報廢 1 件，則按 1 件報廢 10 次計算結果。這似乎是在考慮每次生產運行規模的同時分析廢品率的合理方法。
回复：分析百分比數據的統計意義我仍然不知道你在做什麼，但回應是一個挑戰。響應是有缺陷的（不是缺陷）。 將數據標準化為百分比（#defective/#productd x 100）是必要的，但您將始終處於反應模式。P/NP 圖可能有用，但您仍在做出反應。您必鬚髮揮創意才能理解為什麼會破裂以及哪些因素會影響破裂。我認為答案不存在於任何特定的統計技術或分析中。順便說一句，我沒有看到您的第一篇文章附加任何數據集？
回复：分析百分比數據的統計意義我們製造窗戶。我們相信我們已經通過預防這個問題來改進流程。 我的問題具體是關於如何用數據證明這種改進。我已在此處附上數據集。
回复：分析百分比數據的統計意義你好@喬什1 ,
作為@P_巴特爾如上所述，最好從 U 形圖開始，以了解廢品百分比隨時間的變化。 在控製圖生成器中，WK 為 X，% 報廢為 Y，前後為階段。 如果您認為之後收集了足夠週的數據並且看到了向下的轉變，那麼該過程可能會發生積極的變化。
您可以使用的一個簡單的統計測試是應急分析，以查看更改之前和之後之間是否存在關聯，就像您已經開始嘗試的那樣。 警告：這不是對您的數據的最佳測試，因為更改（適應新流程）的前幾周存在時間依賴性，因此我會小心解釋結果。 可能存在靜態差異，但前幾周可能會出現這種情況。 在收集了更多幾週的數據後，您可能會返回此測試，但需要注意的是刪除前兩到三週的數據。
您走在使用 Y by X 擬合進行應急分析的正確道路上。 輸入的數據不太正確。 你需要一張堆疊的桌子。 X 將是之前/之後，Y 將是報廢/非報廢，並且頻率將被計數。
為此，您首先需要從生產數量中減去報廢數量以獲得非報廢數量。 這可以通過右鍵單擊選擇兩列並選擇“新列公式”>“合併”>“差異”（相反順序）來完成
我將這些列重命名為之前/之後、報廢和非報廢。
接下來是使用表下摘要中的 Sum 並使用 Before/After 作為 Group 來總結 Scrap 和 Not Scarp（這與您之前所做的類似）。 然後堆疊 Sum(Scrap) 和 Sum(Not Scrap)，這樣你現在就有了 3 列（使用 Tables 菜單下的 Stack）
現在，您可以像以前一樣使用新表格通過 X 擬合 Y。
如果您隨後使用比例的兩個樣本檢驗並查看比例均值分析，看起來似乎沒有差異，但由於樣本量和前兩周高於未來三週（數據趨勢）。
我不相信這個結果，因為數據的趨勢如上面的 U 形圖所示（如@P_巴特爾提到的是第一步）。 但我認為 U 形圖表明，隨著流程的變化，某些事情正在開始發生，如果需要一些證據來初步驗證流程變化正在產生影響，那麼值得展示。
希望這至少對人們如何在 JMP 中進行操作有所幫助。 我認為需要更多周的數據，或者使用另一種可以適應數據趨勢的統計測試。 我無法建議哪些測試，但我相信這裡的其他人可以。
最好的，
回复：分析百分比數據的統計意義只是澄清一下，您應該使用的圖表是 P 圖表和 NP 圖表。這些是缺陷品圖表（每個單位只能有一個）。C 和 U 圖表用於缺陷（每個單元可以有多個缺陷）。
在計算統計數據之前，請務必以圖形方式查看數據。
我已經用 2 個簡單的腳本平台重新附加了您的數據集（只需單擊綠色箭頭）。
聽起來你正在做正確的事情。您可能需要耐心等待才能察覺到質量的“轉變”。
回复：分析百分比數據的統計意義感謝您抓住這一點@statman
回复：分析百分比數據的統計意義我已經編輯了最初的回復以反映@statman關於 p/np 圖的建議。 我誤讀了原帖。 謝謝指正@statman 。
