STATISTIK-FORUM.de

[andyweindl]

Hallo zusammen,

ich möchte der Anzahl rückständigen Fertigungsaufträge je Verantwortungsbereich (mehrere Einflussgrößen x) vergleichen zur Anzahl der rückständigen Primärbedarfselemente (Ausgangsgröße y) über einen Zeitraum von 3 Monaten.
Ich möchte statistisch herausfinden, in welchem Verantwortungsbereich der Zusammenhang zur Ausgangsgröße am größten ist, d.h. in diesem Bereich lässt sich durch eine effektive Produktionssteuerung am Meisten verbessern.
Die Analyse mache ich mit Minitab.

Da es sich sowohl bei den Einflussgrößen als auch bei der Ausgangsgröße um Zähldaten handelt, bin ich mir nicht sicher, welches Verfahren ich anwenden soll.
Ich habe testweise die multiple Regression gemacht sowie die Poisson-Regression. Bei der Multiplen Regression komme ich auf einen höheren R-Qd Wert.

Die Daten liegen in folgender Form z.B. vor:

Datenstand Rückständige Primärbedarfselemente Produktionsrückstand Bereich A Produktionsrückstand Bereich B usw.
02.10.2018 568 40 56
04.10.2018 570 25 62


Kann mir jemand weiterhelfen? Welche weiteren Analysen wären hier statistisch betrachtet zu empfehlen?
Danke

[andyweindl]

Ist die Regressionsanalyse überhaupt die richtige Form, die Zähldaten zu analysieren?
Habt ihr andere Ideen bzw. was würdet ihr mir empfehlen?

Vielen Dank für eure Unterstützung!

[PonderStibbons]

Ich kann den Kontext nicht nachvollziehen, aber die abhängige Variable hat anscheinend Werte im 500er-Bereich, da hätte ich persönlich eine Poisson-Regression gar nicht in Betracht gezogen.

Mit freundlichen Grüßen

PonderStibbons

[andyweindl]

Hallo,

mit Werten meinst du Anzahl der Zeilen?
Es sind nicht 500 Zeilen.
Ich habe die Excel Datei mal hochgeladen zum besseren Verständnis.
https://mega.nz/#!m6plHYKA!14wvUP69sVdL ... Dqjw377OH8

Es handelt sich bei allen Werten, die pro Tag hier erhoben worden sind, um Zähldaten.
Ich möchte die Eingangsgrößen (Rückstand in den einzelnen Produktionsbereichen) in Zusammenhang zur Ausgangsgröße (Rückständige Primärbedarfe, z.B. Kundenauftrag oder Vorplanbedarfe) bringen.
Damit möchte ich nachweisen, dass ein Anstieg in einem bestimmten Bereich in der Produktion sich auch auf den Rückstand der Kundenaufträge auswirkt, da ich dann nicht zum bestätigten Termin beliefern kann. Dieser Rückstand sollte dann ebenfalls ansteigen, falls ein Zusammenhang da ist.

Danke für eure Unterstützung.

[PonderStibbons]

Die zweite Spalte in Deinem Beispiel (die abhängige Variable) hat Werte im 500er-Bereich.

[andyweindl]

Hallo,

was meinst du mit 500er Bereich? Meinst du die Zeilensumme?

Welches Verfahren würdest du alternativ empfehlen?

[PonderStibbons]

Anzahl der rückständigen Primärbedarfselemente (Ausgangsgröße y)

Rückständige Primärbedarfselemente
568
570

Welches Verfahren würdest du alternativ empfehlen?

Womöglich das andere Verfahren, lineare Regression(en). Aber ich verstehe wie gesagt den Sachverhalt rund um die Datenanalyse nicht.

[andyweindl]

Hallo,

mittlerweile habe ich 500er Bereich verstanden.
Nochmal zum Sachverhalt:
Ich möchte nachweisen, dass ein höherer Rückstand in einem bestimmten Produktionsbereich (Einflussgröße x) auch Auswirkung hat auf den Rückstand für Kundenaufträge. (Ausgangsgröße y)
Kundenaufträge sind eine Form eines Primärbedarfselements. Dazu gibt es aber auch noch Primärbedarfe (ausstehende Forecastmengen, welche nicht abgerufen werden vom Kunden. nach diesen Mengen wird aber auch produziert)

Die Auswirkung wäre eher nachgewiesen, wenn keine Produktionssteuerung passiert (Terminanpassung Fertigungsauftrag) und keine Auftragsüberwachung (bestätigten Termin in Kundenaufträgen anpassen).
Sie passiert in unserem Bereich punktuell, aber nicht immer.
Es müsste sich also eine Auswirkung auch statistisch nachweisen lassen.

Dazu ein einfaches Beispiel:
Wir haben heute den 09.10.2018.
Kunde A bestellt in unserem Unternehmen 50 Stk zum 18.10.2018. In der Auftragsbearbeitung nehmen wir die Bestellung entgegen und bestätigen ihm auch den 18.10.2018.
Wir produzieren bereits für das Produkt, damit wir es ihm auch zum 18.10.2018 liefern. Ein Fertigungsauftrag ist bereits gestartet. In der Fertigung haben wir derzeit auch keinen Rückstand für diesen Fertigungsauftrag. Nun kommt es am 16.10.2018 zu einem Engpass in der Fertigung. Ein Mitarbeiter meldet sich krank. Der Fertigungsauftrag kommt am Vorgang "manuelles Bestücken" in Rückstand (Produktionsbereich B). Ein Rückstand im Kundenauftrag zeigt sich noch nicht. Am 18.10.2018 kann die Ware nicht dem Kunden geliefert werden. Auch der Kundenauftrag ist nun rückständig.
Die Erhebung der Anzahl Fertigungsaufträge mit Rückstand im Produktionsbereich B bzw. für die Anzahl Kundenaufträge im Rückstand erfolgt täglich. (siehe Excel Datei)
Ich möchte nachweisen, dass ein Anstieg des Rückstandes in einem bestimmten Produktionsbereich auch Auswirkung auf den Rückstand bei den Kundenaufträgen hat. Einen Zusammenhang möchte ich statistisch nachweisen.


Ich habe mal eine lineare Regression für die einzelnen Bereiche (Produktionsbereich A bzw. B bzw. C) zur Ausgangsgröße (Rückständige Primärbedarfe) gemacht.
Nur bei Bereich B konnte ich einen Zusammenhang herstellen.
Auswertung Minitab

Code: Alles auswählen

Regressionsanalyse: rückständige Elemente vs. ... Rückstand Produktion Bereich B
Die Regressionsgleichung lautet
rückständige Elemente = 307,9 + 3,952 Produktion Bereich B
Zusammenfassung des Modells

S   R-Qd   R-Qd(kor)      
56,3672   67,27%   66,59%   
Varianzanalyse

Quelle   DF   SS   MS   F   p      
Regression   1   313442   313442   98,65   0,000      
Fehler   48   152509   3177                
Gesamt   49   465950                  


Wie ist das Ergebnis deiner Meinung nach zu interpretieren?
Ich hoffe, der Sachverhalt ist nun klarer.

Danke für deine Unterstützung.

[andyweindl]

Hallo,

mittlerweile habe ich schon einiges analysiert in Minitab.
Ich komme derzeit zu einem erwarteten Ergebnis in der Regression. Der Rückstand bei den Engpassarbeitsplätzen in der Produktion steht im wesentlichen Zusammenhang zum Rückstand bei den Primärbedarfselementen.
Ich habe also 2 Produktionsbereiche noch weiter "aufgebrochen" auf die einzelnen Arbeitsplätze und diese dann wieder in Zusammenhang gebracht zur Ausgangsgröße "rückständige Primärbedarfselemente".

Interpretiert habe ich den F-Wert (relativ hoch) und p-Wert (geht gegen 0,000 => also signifikant), um diese Aussage zu treffen.

Kann mir jemand hier über meine Analyse noch drüber schauen und mir bei der Interpretation helfen? Ich bin mir noch unsicher, ob ich hier richtig liege und die Ergebnisse auch richtig interpretiert habe.
Ich würde die Minitab Projektdatei dann hochladen.
Vielen Dank vorab.