パーセンテージデータの統計的有意性の分析この投稿に添付されているデータセットのプロパティ分析方法についての洞察を探しています。同社は、毎週のスクラップの量と、毎週のスクラップ率を取得するために生産された合計数を追跡しています。最初の 26 週間は、改善措置が講じられる前のベースライン データです。27 週目から 31 週目は、いくつかの改善措置が取られた後の週を表します。
計算されたパーセンテージの各行の分母が異なるため、Before グループと After グループの % スクラップ値の全体の平均を使用するのは間違いです。そのため、概要を使用して Before グループの全体の % スクラップを計算しました。ここに示すように After グループ:
両方のグループの % スクラップ値は近いため、2 つのグループ間の有意な差を検出できる見込みはありません。私の具体的な質問は、その（欠如）重要性を計算する最良の方法は何ですか?
また、数百の部品が生産された各週の方が、2 つの部品しか生産されなかった週よりもデータ セットに多く寄与するはずなので、「生産数量」を頻度列として扱うべきかどうかも迷っています。2 つのパーツを実行してスクラップが 0 の場合の頻度を組み込まない場合は、142 のパーツを実行してスクラップが 0 の週と同じように扱われます。Y by X フィット プラットフォームを使用し、Freq に生産数量を入力すると、Before グループの方が After グループよりも平均して多くのスクラップのインスタンスが表示され、重要な結果が得られます。
基本的なデータ分析とモデリングRe: パーセンテージ データの統計的有意性の分析このタイプのデータに関する多くの問題のうちの 1 つが発生しています。スクラップは、潜在的に多くの障害メカニズムの集合体です。 通常、識別機能がないため、行われた改善を評価するのには役に立ちません（あまり効率的ではありません）。 スクラップを減らす 1 つの問題を完全に解決し、スクラップを増やす別の問題が表面化する (正味 0 かそれ以上) 可能性があります。私の提案は次のとおりです。
1. より適切で継続的な測定を見つけます。回答: 何のために廃棄されるのですか?おそらく、寸法、重量、その他の測定可能な物理的属性です。
2. 因果構造を理解するために必要な作業を行います。仮説を立て、有向サンプリングを使用するか実験を計画して、プロセスをより深く理解します。
Re: パーセンテージ データの統計的有意性の分析週次データにアクセスできる場合は、プロセスが変化した時点がわかるため、au チャート管理図のアプローチをお勧めします。 そして、絶対に明確にしておきたいのですが...「統計的有意性」があなたにとって最も重要である場合...管理図は統計的推論方法ではありません。 しかし、毎週のデータがあれば...そこから始めます。 チャートを見つめる時間は 3 秒以内にしてください。 ラインに変化が見られない場合...それは存在しません。 そうしないと、自分が一般的または期待している観点が何であれ、支持するよう自分に言い聞かせることになります。
Re: パーセンテージ データの統計的有意性の分析ご返信ありがとうございます。 不具合の原因はガラスの割れです。
Re: パーセンテージ データの統計的有意性の分析続行するには情報が十分ではありません。残念ながら、これはオープンフォーラムの問題です。思考の糧：
製品とは何ですか?ガラスを製造しているのですか、それともガラスは製品のコンポーネントの 1 つですか?故障モードは何ですか (疲労、過負荷、衝撃など)?ガラスが割れたのは取り扱いによるものですか?壊れた量の「段階」はありますか？破損箇所を追跡しておくと役に立ちますか? ガラスを割るのに必要な力を測定できますか? おそらく、ガラスが割れた原因について仮説があるでしょう。それらの仮説を実験で検証したことがありますか?
Re: パーセンテージ データの統計的有意性の分析私たちが講じた改善措置は、あなたが尋ねている質問と同様の質問に基づいています。プロセスマップ、フィッシュボーン、SIPOCなどがあります。応答に勾配がないため（ガラスが割れているかどうか）、それを連続値として追跡する方法はないと思います。ガラスが割れるまでの経過時間を測定することもできますが、この時点では面倒です。
上で共有したように、スクラップ数量を分析し、生産数量を頻度列として扱うことは許容可能な方法かもしれませんが、私にはわかりません。もし行の頻度 f = 100 単位生産ランの場合、計算された結果は、その行の f 個のコピーを含むデータ テーブルの結果と同じになり、それぞれの頻度は 1 になります。したがって、行 1 が 100 ユニットが生産され、1 ユニットが廃棄されたことを示している場合、生産されたユニットを頻度として扱うことは、1 つのユニットが 100 回廃棄されたことを記録することと同じになります。生産数量が 10 個で 1 個が廃棄された場合、結果は 1 個を 10 回廃棄したものとして計算されます。これは、各生産実行のサイズを考慮しながらスクラップ率を分析する論理的な方法のように思えます。
Re: パーセンテージ データの統計的有意性の分析まだ何をしているのかわかりませんが、応答は困難です。応答は不良です（欠陥ではありません）。 データをパーセンテージ (欠陥数/生産数 x 100) として正規化する必要がありますが、常に反応モードになります。P/NP チャートは役立つかもしれませんが、まだ反応しています。なぜ破損するのか、どのような要因が破損に影響を与えるのかを理解するには、創造性を発揮する必要があります。答えは特定の統計手法や分析にあるとは思いません。ところで、最初の投稿にデータセットが添付されていませんか?
Re: パーセンテージ データの統計的有意性の分析私たちは窓を作ります。私たちは、問題を防ぐことですでにプロセスを改善していると信じています。 私の質問は、特にその改善をデータでどのように実証するかということです。ここにデータセットを添付しました。
Re: パーセンテージ データの統計的有意性の分析こんにちは@ジョシュ1 、
として@P_Bartel前述したように、時間の経過に伴うスクラップ率の変化を確認するには、U チャートから始めるのがおそらく最善です。 管理図ビルダーでは、WK が X、% 廃棄率が Y、Before と After がフェーズとして表示されます。 その後に十分な数週間のデータが収集され、下方への変化が見られた場合は、おそらくプロセスに前向きな変化が見られます。
使用できる単純な統計テストは、試し始めたような変更の前後に関連性があるかどうかを確認するための偶発性分析です。 警告: 変更 (新しいプロセスへの適応) の最初の数週間は時間依存性があるため、これはデータにとって最適なテストではありません。そのため、結果の解釈には注意します。 静的な違いがある可能性がありますが、最初の数週間はおそらく違います。 さらに数週間のデータを収集した後、最初の 2 ～ 3 週間のデータを削除することに注意して、このテストに戻っても構いません。
あなたは、不測事態分析に Fit Y by X を使用するための正しい道を歩んでいます。 入力されたデータは完全に正しくありません。 積み上げテーブルが必要です。 X は Before/After、Y は Scrap/Not Scrap となり、頻度がカウントされます。
これを行うには、まず生産数量からスクラップ数量を減算して、非スクラップ数を取得します。 これを行うには、両方の列を選択し、右クリックして [新しい列の式] > [結合] > [差分] (逆の順序) を選択します。
列の名前を Before/After、Scrap、Not Scrap に変更しました。
次に、表の下の「概要」内で「合計」を使用し、グループとして「前/後」を使用して、「スクラップ」と「非スカープ」を要約します (これは以前に行ったことと似ています)。 次に、Sum(Scrap) と Sum(Not Scrap) をスタックして、3 つの列を作成します ([テーブル] メニューの [スタック] を使用)。
これで、以前と同様に Y by X にフィットするための新しいテーブルを使用できるようになります。
次に、比率の 2 サンプル検定を使用し、比率の平均の分析も確認すると、違いがないように見えますが、サンプル サイズと最初の 2 週間がサンプル サイズよりも高いため、決定後の制限は非常に広くなります。今後 3 週間 (データの傾向)。
上記の U チャートに見られるようなデータの傾向を考えると、この結果は信頼できません ( @P_Bartel記載されているのは最初のステップです)。 しかし、U チャートはプロセスの変化によって何かが起こり始めていることを示しており、プロセスの変化が影響を与えていることを予備的に検証するために何らかの証拠が必要な場合には示す価値があると思います。
これが、少なくとも JMP でどのように対処するかに役立つことを願っています。 さらに数週間のデータが必要か、データの傾向に対応できる別の種類の統計検定を使用する必要があると思います。 どのテストについてアドバイスすることはできませんが、ここにいる他の人はアドバイスできると思います。
最高、
Re: パーセンテージ データの統計的有意性の分析明確にしておきますが、使用すべきチャートは P チャートと NP チャートです。これらは不良品のチャートです (ユニットごとに 1 つだけあります)。C チャートと U チャートは欠陥を示します (ユニットごとに複数の欠陥が存在する可能性があります)。
統計を計算する前に、必ずデータをグラフで確認してください。
スクリプト化された 2 つの単純なプラットフォームを使用してデータ セットを再接続しました (緑色の矢印をクリックするだけです)。
あなたは正しいことをしているように思えます。品質の「変化」が認識されるまでには、おそらく忍耐が必要です。
Re: パーセンテージ データの統計的有意性の分析見つけてくれてありがとう@スタットマン
Re: パーセンテージ データの統計的有意性の分析最初の返信を反映するために編集しました@スタットマンp/npチャートに関するアドバイス。 元の投稿を読み間違えました。 訂正ありがとうございます@スタットマン。
