Analisi della significatività statistica dei dati percentualiAlla ricerca di informazioni su come analizzare la proprietà il set di dati allegato a questo post.L'azienda ha monitorato la quantità di scarti in pezzi ogni settimana e il numero totale di pezzi prodotti per ottenere una percentuale di scarti per ogni settimana.Le prime 26 settimane sono i dati di base, prima che venisse intrapresa qualsiasi azione di miglioramento.Le settimane da 27 a 31 rappresentano le settimane dopo che sono state intraprese alcune azioni di miglioramento.
Sarebbe un errore utilizzare la media complessiva dei valori % di scarto nel gruppo Prima e Dopo perché i denominatori in ciascuna riga delle percentuali calcolate sono diversi, quindi ho utilizzato Riepilogo per calcolare la % di scarto complessiva del gruppo Prima e il gruppo Dopo come mostrato qui:
I valori % di scarto per entrambi i gruppi sono vicini, quindi non ci sembra promettente rilevare una differenza significativa tra i due gruppi.La mia domanda specifica è qual è il modo migliore per calcolare quella (mancanza di) significato?
Mi chiedo anche se dovrei trattare Qty Produced come una colonna di frequenza poiché ogni settimana che ha prodotto centinaia di parti dovrebbe contribuire maggiormente al set di dati rispetto alle settimane in cui sono state prodotte solo 2 parti.Senza incorporare la frequenza quando eseguiamo 2 parti e abbiamo 0 scarti che viene trattata come una settimana in cui eseguiamo 142 parti e abbiamo 0 scarti.Se utilizzo la piattaforma fit Y by X e inserisco la quantità prodotta in Freq ottengo un risultato significativo, con il gruppo Before che mostra in media più istanze di scrap rispetto al gruppo After.
Analisi e modellazione dei dati di baseRe: Analisi della significatività statistica dei dati percentualiStai riscontrando uno dei tanti problemi con questo tipo di dati.Lo scarto è un aggregato di potenzialmente molti meccanismi di fallimento. In genere non è utile (non molto efficiente) per valutare i miglioramenti apportati poiché manca di discriminazione. Potresti risolvere completamente un problema che riduce gli scarti e un'altra superficie problematica che aumenta gli scarti (netto 0 o peggio).I miei suggerimenti sono:
1. Trova una misurazione migliore e più continua.Risposta: per cosa viene rottamato?Forse una dimensione, un peso, qualche altro attributo fisico che può essere misurato.
2. Svolgere il lavoro necessario per comprendere la struttura causale.Sviluppare ipotesi e utilizzare campionamenti diretti o esperimenti di progettazione per comprendere meglio il processo.
Re: Analisi della significatività statistica dei dati percentualiSe hai accesso ai dati settimanali, suggerisco l'approccio della carta di controllo Au Chart poiché conosci il momento in cui il processo è cambiato. E per essere assolutamente chiari... se la "significatività statistica" è di fondamentale importanza per te... una carta di controllo non è un metodo di inferenza statistica. Ma se hai i dati settimanali... è da lì che inizierei. Osserva il grafico per non più di 3 secondi. Se non vedi uno spostamento nella linea... non c'è. Altrimenti inizierai a convincerti a sostenere qualunque sia il tuo punto di vista prevalente/sperato.
Re: Analisi della significatività statistica dei dati percentualiApprezzo la risposta. Il motivo del difetto è il vetro rotto.
Re: Analisi della significatività statistica dei dati percentualiNon ci sono abbastanza informazioni per andare avanti.Questo, sfortunatamente, è un problema con i forum aperti.Cibo per la mente:
Qual è il prodotto?State producendo vetro o il vetro è uno dei componenti del prodotto?Quali sono le modalità di guasto (ad esempio fatica, sovraccarico, impatto...)?Il vetro rotto è dovuto alla manipolazione?Ci sono "gradazioni" dell'importo rotto?Sarebbe utile tenere traccia della posizione della rottura? Riesci a misurare la forza necessaria per rompere il vetro? Probabilmente hai delle ipotesi su cosa potrebbe causare la rottura del vetro.Hai testato queste ipotesi con la sperimentazione?
Re: Analisi della significatività statistica dei dati percentualiLe azioni di miglioramento che abbiamo intrapreso si basano su domande simili a quelle che stai ponendo.Abbiamo mappe di processo, lische di pesce, SIPOC, ecc. Ecc. Poiché non vi è alcun gradiente nella risposta (il vetro è rotto o meno), non penso che ci sia un modo per tracciarlo come valore continuo.Potremmo misurare il tempo trascorso tra i casi di vetro rotto, ma a questo punto sarebbe una seccatura.
Analizzare le quantità di scarto e trattare la quantità di produzione come una colonna di frequenza come ho condiviso sopra potrebbe essere un percorso accettabile, ma non ne sono sicuro.Se un riga ha una frequenza f = 100 unità di produzione, allora i risultati calcolati sono identici a quelli di una tabella dati contenente f copie di quella riga, ciascuna avente una frequenza pari a uno.Pertanto, se la riga 1 mostra che sono state prodotte 100 unità e che 1 unità è stata scartata, trattare le unità prodotte come frequenza equivarrebbe a registrare 1 pezzo scartato 100 volte.Se la quantità di produzione fosse di 10 pezzi e 1 fosse scartato, il risultato verrebbe calcolato come se 1 pezzo fosse scartato 10 volte.Sembra un modo logico per analizzare il tasso di scarto considerando la dimensione di ciascun ciclo di produzione.
Re: Analisi della significatività statistica dei dati percentualiNon ho ancora idea di cosa tu stia facendo, ma la risposta è una sfida.La risposta è difettosa (non difetto). La normalizzazione dei dati come percentuale (#difettosi/#prodotti x 100) è necessaria, ma sarai sempre in modalità reattiva.I grafici P/NP possono essere utili, ma stai ancora reagendo.Devi essere creativo per capire perché si sta rompendo e quali fattori influenzano la rottura.Non penso che la risposta risieda in qualche particolare tecnica o analisi statistica.A proposito, non vedo alcun set di dati allegato al tuo primo post?
Re: Analisi della significatività statistica dei dati percentualiRealizziamo finestre.Riteniamo che stiamo già migliorando il processo prevenendo il problema. La mia domanda riguarda specificamente il modo in cui dimostro questo miglioramento con i dati.Ho allegato il set di dati qui.
Re: Analisi della significatività statistica dei dati percentualiCIAO @Josh1 ,
COME @P_Bartell menzionato, probabilmente è meglio iniziare con un grafico a U per vedere uno spostamento della percentuale di scarto nel tempo. WK come X, % Scarto come Y e Prima e Dopo come Fase nel generatore di carte di controllo. SE pensi di aver raccolto dati per settimane sufficienti per il periodo successivo e hai notato uno spostamento verso il basso, allora probabilmente c'è un cambiamento positivo nel processo.
Un test statistico ingenuo che puoi utilizzare è un'analisi di contingenza per vedere se esiste un'associazione tra prima e dopo il cambiamento, come hai iniziato a provare. ATTENZIONE: questo non è il test migliore per i tuoi dati poiché esiste una dipendenza dal tempo nelle prime settimane del cambiamento (adattamento al nuovo processo), quindi farei attenzione a interpretare i risultati. Potrebbe esserci una differenza statica, ma le prime settimane probabilmente la elimineranno. Dopo aver raccolto altre settimane di dati, potresti tornare a questo test con l'avvertenza di rimuovere le prime due o tre settimane di dati.
Sei sulla strada giusta per utilizzare l'adattamento Y per X per l'analisi di contingenza. I dati inseriti non sono del tutto corretti. Hai bisogno di un tavolo impilato. X sarebbe Prima/Dopo e Y sarebbe Scarto/Non Scarto e la frequenza verrebbe conteggiata.
Per fare ciò, sottrai prima la quantità di scarti dalla quantità prodotta per ottenere il conteggio dei non scarti. Questo può essere fatto selezionando entrambe le colonne utilizzando il tasto destro del mouse e scegliendo Nuova formula colonna>Combina>Differenza (ordine invertito)
Ho rinominato le colonne Prima/Dopo, Scarto e Non scarto.
Successivamente è necessario riepilogare Scarto e Non scarto utilizzando Somma all'interno di Riepilogo sotto le tabelle e utilizzando Prima/Dopo come Gruppo (questo è simile a quello che hai fatto prima). Quindi impila Sum(Scrap) e Sum(Not Scrap) in modo da avere ora 3 colonne (utilizzando Stack nel menu Tabelle)
Ora puoi utilizzare la nuova tabella per Adatta Y rispetto a X come facevi prima.
Se poi si utilizza il test delle proporzioni su due campioni e si esamina anche l'analisi delle medie per le proporzioni, sembrerà che non vi sia alcuna differenza, ma i limiti delle decisioni successive sono piuttosto ampi a causa della dimensione del campione e delle prime due settimane che sono superiori al prossime tre settimane (una tendenza nei dati).
Non mi fiderei di questo risultato a causa dell'andamento dei dati come mostrato nel grafico a U sopra (come @P_Bartell menzionato è il primo passo). Ma penso che la U-chart indichi che qualcosa sta cominciando ad accadere con il cambiamento nel processo e vale la pena mostrare se sono necessarie alcune prove per la convalida preliminare del cambiamento del processo che sta avendo un effetto.
Spero che questo aiuti almeno il modo in cui si potrebbe procedere in JMP. Penso che siano necessarie più settimane di dati o utilizzare un altro tipo di test statistico in grado di accogliere le tendenze dei dati. Non posso consigliare quali test, ma sono sicuro che altri qui possano farlo.
Migliore,
Re: Analisi della significatività statistica dei dati percentualiSolo una precisazione: i grafici che dovresti utilizzare sono i grafici P e NP.Queste sono le tabelle per i Difettosi (può essercene solo una per unità).Le tabelle C e U riguardano i difetti (può esserci più di un difetto per unità).
Osserva sempre i dati graficamente prima di calcolare le statistiche.
Ho ricollegato il tuo set di dati con 2 semplici piattaforme con script (basta fare clic sulle frecce verdi).
Sembra che tu stia facendo le cose giuste.Probabilmente dovrai essere paziente affinché il "cambiamento" di qualità venga percepito.
Re: Analisi della significatività statistica dei dati percentualiGrazie per averlo capito @statman
Re: Analisi della significatività statistica dei dati percentualiHo modificato la mia risposta iniziale per riflettere @statman sui grafici p/np. Ho letto male il post originale. Grazie per la correzione @statman .
