백분율 데이터의 통계적 유의성 분석이 게시물에 첨부된 데이터 세트를 속성 분석하는 방법에 대한 통찰력을 찾고 있습니다.회사는 매주 스크랩 양과 생산된 총 개수를 추적하여 매주 % 스크랩을 얻었습니다.처음 26주는 개선 조치를 취하기 전의 기준 데이터입니다.27주에서 31주는 몇 가지 개선 조치가 취해진 후의 주를 나타냅니다.
계산된 백분율의 각 행에 있는 분모가 다르기 때문에 Before 및 After 그룹에서 전체 스크랩 % 값의 전체 평균을 사용하는 것은 실수이므로 Summary를 사용하여 Before 그룹의 전체 스크랩 %를 계산하고 여기에 표시된 대로 After 그룹:
두 그룹의 % 스크랩 값은 비슷하므로 두 그룹 간의 중요한 차이를 감지할 가능성이 없어 보입니다.내 구체적인 질문은 그 중요성을 계산하는 가장 좋은 방법은 무엇입니까?
또한 수백 개의 부품을 생산한 주마다 2개의 부품만 생산한 주보다 데이터 세트에 더 많은 기여를 해야 하므로 Qty Produced를 빈도 열로 취급해야 하는지 궁금합니다.2개의 부품을 실행하고 0개의 스크랩이 있을 때 빈도를 통합하지 않고 142개의 부품을 실행하고 0개의 스크랩이 있는 주와 동일하게 취급됩니다.Fit Y by X 플랫폼을 사용하고 Freq에서 생산된 수량을 넣으면 이전 그룹이 평균적으로 After 그룹보다 더 많은 스크랩 인스턴스를 표시하는 중요한 결과를 얻습니다.
기본 데이터 분석 및 모델링Re: 백분율 데이터의 통계적 유의성 분석이러한 유형의 데이터에서 많은 문제 중 하나를 보고 계십니다.스크랩은 잠재적으로 많은 실패 메커니즘의 집합체입니다. 일반적으로 차별성이 없기 때문에 개선 사항을 평가하는 데 유용하지 않습니다(매우 효율적이지 않음). 스크랩을 줄이는 한 가지 문제와 스크랩을 증가시키는 다른 문제 표면(순 0 이하)을 완전히 해결할 수 있습니다.내 제안은 다음과 같습니다.
1. 더 좋고 더 지속적인 측정을 찾으십시오.대답: 무엇을 위해 폐기됩니까?아마도 치수, 무게, 측정할 수 있는 다른 물리적 속성일 것입니다.
2. 인과 구조를 이해하는 데 필요한 작업을 수행합니다.가설을 세우고 직접 샘플링을 사용하거나 실험을 설계하여 프로세스를 더 잘 이해합니다.
Re: 백분율 데이터의 통계적 유의성 분석주간 데이터에 액세스할 수 있는 경우 프로세스가 변경된 시점을 알고 있으므로 au 차트 컨트롤 차트 접근 방식을 제안합니다. 그리고 확실히 하자면... '통계적 유의성'이 당신에게 가장 중요하다면... 컨트롤 차트는 통계적 추론 방법이 아닙니다. 하지만 주간 데이터가 있다면...그게 제가 시작하는 곳입니다. 3초 이상 차트를 응시하지 마십시오. 라인에 변화가 보이지 않는다면... 거기에 없는 것입니다. 그렇지 않으면 당신이 우세하거나 희망하는 관점이 무엇이든 지지하기 위해 스스로에게 말을 걸기 시작할 것입니다.
Re: 백분율 데이터의 통계적 중요성 분석답장을 보내 주셔서 감사합니다. 결함 원인은 깨진 유리입니다.
Re: 백분율 데이터의 통계적 중요성 분석계속 진행하기에는 정보가 충분하지 않습니다.불행히도 이것은 공개 포럼의 문제입니다.생각할 거리:
제품은 무엇입니까?유리를 만들고 있습니까? 아니면 유리가 제품의 구성 요소 중 하나입니까?고장 모드(예: 피로, 과부하, 충격...)는 무엇입니까?취급으로 인해 깨진 유리인가요?깨진 양의 "계조"가 있습니까?파손 위치를 추적하는 것이 도움이 될까요? 유리를 깨는 데 필요한 힘을 측정할 수 있나요? 깨진 유리의 원인이 무엇인지에 대한 가설이 있을 수 있습니다.실험을 통해 이러한 가설을 테스트해 보셨나요?
Re: 백분율 데이터의 통계적 중요성 분석우리가 취한 개선 조치는 귀하가 묻는 질문과 유사한 질문을 기반으로 합니다.우리는 프로세스 맵, 피시본, SIPOC 등을 가지고 있습니다. 응답에 대한 그라데이션이 없기 때문에(유리가 깨졌는지 여부) 연속 값으로 추적할 방법이 없다고 생각합니다.깨진 유리 사이의 경과 시간을 측정할 수는 있지만 현시점에서는 그게 번거로울 것입니다.
위에서 공유한 것처럼 스크랩 수량을 분석하고 생산 수량을 빈도 열로 처리하는 것이 허용 가능한 경로일 수 있지만 확실하지 않습니다.만약 행의 빈도가 f = 100 단위 생산 실행인 경우 계산된 결과는 각각 빈도가 1인 해당 행의 f 복사본을 포함하는 데이터 테이블의 결과와 동일합니다.따라서 행 1에 100개의 제품이 생산되고 1개의 제품이 폐기되었음을 표시하는 경우, 생산된 제품을 빈도로 처리하는 것은 100번 폐기된 1개의 제품을 기록하는 것과 같습니다.생산 수량이 10개이고 1개를 폐기한 경우 1개를 10번 폐기한 것으로 결과가 계산됩니다.이는 각 생산 규모를 고려하면서 불량률을 분석하는 논리적인 방법처럼 보입니다.
Re: 백분율 데이터의 통계적 중요성 분석나는 아직도 당신이 무엇을 만들고 있는지 전혀 모르지만 반응은 도전적입니다.응답에 결함이 있습니다(결함이 아님). 데이터를 백분율(#결함/#생산 x 100)로 정규화하는 것이 필요하지만 항상 반응 모드에 있게 됩니다.P/NP 차트가 유용할 수 있지만 여전히 반응하고 있습니다.왜 깨지는지, 어떤 요인이 파손에 영향을 미치는지 이해하려면 창의력을 발휘해야 합니다.저는 특정한 통계적 기법이나 분석에 답이 있다고 생각하지 않습니다.그런데 첫 번째 게시물에 첨부된 데이터 세트가 보이지 않나요?
Re: 백분율 데이터의 통계적 중요성 분석우리는 창문을 만듭니다.우리는 문제를 예방함으로써 이미 프로세스를 개선하고 있다고 믿습니다. 내 질문은 특히 데이터를 통해 이러한 개선 사항을 어떻게 입증할 수 있는지에 관한 것입니다.여기에 데이터 세트를 첨부했습니다.
Re: 백분율 데이터의 통계적 중요성 분석안녕 @Josh1 ,
처럼 @P_바텔 언급했듯이 시간이 지남에 따라 폐기율(%)의 변화를 확인하려면 U 차트로 시작하는 것이 가장 좋습니다. WK는 X로, % Scrap은 Y로, 전후는 관리 차트 작성기의 단계로 표시됩니다. 이후에 충분한 주 동안 수집된 데이터가 있고 하향 이동이 확인되었다고 생각한다면 아마도 프로세스에 긍정적인 변화가 있을 것입니다.
사용할 수 있는 순진한 통계 테스트는 시도하기 시작한 변경 전후 사이에 연관성이 있는지 확인하는 비상 분석입니다. 경고: 변경(새 프로세스에 대한 적응)의 처음 몇 주 동안은 시간 의존성이 있으므로 이는 데이터에 대한 최선의 테스트가 아니므로 결과 해석에 주의해야 합니다. 정적인 차이가 있을 수 있지만 처음 몇 주 동안은 문제가 발생할 가능성이 높습니다. 몇 주 동안의 데이터를 더 수집한 후 처음 2~3주 동안의 데이터를 제거한다는 주의 사항을 가지고 이 테스트로 다시 돌아올 수 있습니다.
비상 분석을 위해 Y by X 맞춤을 사용하는 올바른 길을 가고 있습니다. 입력한 데이터가 정확하지 않습니다. 쌓인 테이블이 필요합니다. X는 이전/이후이고 Y는 스크랩/스크랩 아님이 되며 빈도가 계산됩니다.
이렇게 하려면 먼저 생산된 수량에서 스크랩 수량을 빼서 스크랩 아님 수를 구합니다. 마우스 오른쪽 버튼을 클릭하고 새 열 수식>결합>차이(역순)를 선택하여 두 열을 모두 선택하면 됩니다.
열 이름을 이전/이후, 스크랩 및 스크랩 아님으로 변경했습니다.
다음은 테이블 아래의 요약 내의 합계를 사용하고 그룹으로 전/후를 사용하여 스크랩 및 비급어를 요약하는 것입니다(이는 이전에 수행한 작업과 유사합니다). 그런 다음 Sum(스크랩)과 Sum(스크랩 아님)을 쌓아 이제 3개의 열을 갖게 됩니다(테이블 메뉴 아래 스택 사용).
이제 이전과 마찬가지로 Fit Y by X에 대한 새 테이블을 사용할 수 있습니다.
그런 다음 비율에 대한 2표본 검정을 사용하고 비율에 대한 평균 분석도 살펴보면 차이가 없는 것처럼 보이지만 표본 크기로 인해 결정 후 한계가 상당히 넓고 처음 2주는 평균보다 높습니다. 다음 3주(데이터의 추세).
위의 U-차트에서 볼 수 있듯이 데이터의 추세로 인해 이 결과를 신뢰하지 않습니다. @P_바텔 언급된 것은 첫 번째 단계입니다). 그러나 U-차트는 프로세스 변경으로 인해 어떤 일이 발생하기 시작했음을 알려주고 프로세스 변경이 영향을 미치고 있다는 예비 검증을 위해 일부 증거가 필요한지 보여줄 가치가 있다고 생각합니다.
이것이 최소한 JMP에서 이를 수행하는 방법에 도움이 되기를 바랍니다. 몇 주 더 많은 데이터가 필요하거나 데이터의 추세를 수용할 수 있는 다른 유형의 통계 테스트를 사용해야 한다고 생각합니다. 나는 어떤 테스트를 조언할 수 없지만 여기 있는 다른 사람들은 할 수 있을 것이라고 확신합니다.
최상의,
Re: 백분율 데이터의 통계적 중요성 분석간단히 설명하자면, 사용해야 하는 차트는 P 및 NP 차트입니다.이는 불량품에 대한 차트입니다(단위당 하나만 있을 수 있음).C 및 U 관리도는 결점에 대한 것입니다(단위당 결점이 2개 이상 있을 수 있음).
통계를 계산하기 전에 항상 데이터를 그래픽으로 살펴보십시오.
스크립트된 2개의 간단한 플랫폼을 사용하여 데이터 세트를 다시 연결했습니다(녹색 화살표를 클릭하기만 하면 됩니다).
당신이 옳은 일을 하고 있는 것 같습니다.품질의 "변화"가 감지되려면 인내심이 필요할 것입니다.
Re: 백분율 데이터의 통계적 중요성 분석잡아주셔서 감사합니다 @statman
Re: 백분율 데이터의 통계적 중요성 분석반영하도록 초기 답변을 편집했습니다. @statman p/np 차트에 대한 님의 조언입니다. 제가 원래 글을 잘못 읽었네요. 수정해주셔서 감사합니다 @statman .
