STATISTIK-FORUM.de

[chesterluck]

Hallo zusammen

ich will eine Analyse der Stromkosten in einem Unternehmen durchführen. Das Ziel ist es einen Forecast zu erarbeiten.
Bevor ich das Projekt angehe, habe ich noch ein Paar Fragen zur Vorgehensweise.

Eckdaten:
- Es handelt sich um ein Unternehmen aus der Kunststoffindustrie
- Mir stehen die Daten zum Stromverbrauch von 2012 in 15 min Intervallen. Leider gib es die Daten nur für das gesamte Unternehmen
und nicht für die einzelnen Verteilungskästen.
- Weiterhin stehen mir die Daten zu weiteren Variablen, welche auf den Stromverbrauch Auswirkungen haben können (auch 15 min Takt)

Vorgehen:
- Ich würde gerne eine MLR -Analyse durchführen
- Zuvor werde ich Faktoren sammel, welche auf den Stromverbrauch Einfluss haben könnten. Bis jetzt habe ich folgende:

- Anzahl MA
- Anzahl Maschinen (angeschaltet)
- Anzahl Schuss
- Sommer/Winter
- Anzahl Einlagerungen
- Anzahl Auslagerungen

- Danach werde ich eine MLR durchführen
(yi = B0 + B1xi1 + B2xi2 + ... + Bpxip + Ei)

- Das Ergebniss werde ich nach Güte der Vorhersage dann bewerten.


Damit ihr eine Vorstellung bekommt wie die Daten aussehen (siehe Anhang)

Bitte gebt mir Bescheid was ihr von der Vorgehensweise haltet.

Gruss

chesterluck

[bele]

Hallo chesterluck,

der Stromverbrauch ist seiner Natur nach ja tatsächlich eine durch Addition entstandene Größe und daher macht die Idee mit der linearen Regression auch inhaltlich Sinn. Wenn ich mir Deine Daten so anschaue, dann könnte man meinen, dass immer 5 Tage in der Woche der Stromverbrauch tagsüber hoch und nach niedrig und am Wochenende ganz niedrig ist. Wenn Deine Variable "Anzahl MA" (Was auch immer das ist, vielleicht Mitarbeiter?) das nicht schon erschlägt, würde ich den Wochentag und die Uhrzeit wohl mit in die Regression einfließen lassen (und ggf. die Interaktion von Uhrzeit und Wochentag). Vielleicht findest Du auch noch andere Wege, die augenscheinlich hohe Autokorrelation zu berücksichtigen.

Viel Glück,
Bernhard

[chesterluck]

Danke für die Anwort Bernhard

Ich denke das ist eine Gute Idee Wochentag/evtl. Uhrzeit zu berücksichtigen.
Kannst Du mir noch evtl. drei Fragen beantworten:
1)
Ich wollte zwei Variablen für die Analyse nutzen, bei denen ich meine, dass sie einen grossen Einfluss haben werden:
- Anzahl gemachte Schuss (Anzahl prod. Teile/Produkte)
- Anzahl Stunden wo Maschine an ist (Staus="läuft")

Ich meine ich laufe da in folgendes Problem:
Voraussetzung Nr4 für MLR: lineare unabhängigkeit.
Damit ist gemeint>>ich kann nur Teile produzieren, wenn die Maschine läuft.
Gleichzeitig brauch ich aber die "Maschine läuft" Variable, da hier nicht unbedingt Teile produziert werden müssen, der Strom aber trotzdem verbraucht wird.

2)
Wie soll ich bei so vielen Variablen vorgehen?
Erst alle testen und dann die mit dem schwächsten Einfluss wegnehmen?
Wie mache ich das bei Variablen welche ich theoretisch weiter aufsplitten könnte. Bsp.: Eine Maschine könnte ich nach Grösseklassen aufteilen.
Soll ich zuerst die Gesamtheit der Maschinen testen oder diese gleich in Kategorien aufteilen.

3)
Wie soll ich die Güte des Forecasts bestimmen?
Der Forecast sollte auf Monatsebene funktionieren. (Also wie viel Strom wird Mai 2013 verbraucht?)
Welche Gütetest kann man hier anwenden.



Gruss chesterluck

[bele]

Kannst Du mir noch evtl. drei Fragen beantworten:

Wenn die Frage lautet, ob ich genug Statistik verstehe, um als kompetente Referenzkategorie zu gelten: Nein. Wenn sie lautet, ob ich als Nicht-Statistiker mir Mühe geben will: Ja. Schlauer ist es trotzdem, die Frage in die Runde zu werfen, denn hier sind viel "fittere" Leute unterwegs als ich. In diesem Sinne:

- Anzahl gemachte Schuss (Anzahl prod. Teile/Produkte)
- Anzahl Stunden wo Maschine an ist (Staus="läuft")
[...]
Voraussetzung Nr4 für MLR: lineare unabhängigkeit.
[...]
Gleichzeitig brauch ich aber die "Maschine läuft" Variable, da hier nicht unbedingt Teile produziert werden müssen, der Strom aber trotzdem verbraucht wird.

Verbraucht die Maschine unterschiedlich viel Strom, wenn sie unterschiedlich viele Schüsse macht? Dann nimm beide Variablen mit hinein. Selbst wenn beide hoch korrellieren sollten: Für die Vorhersage ist es Dir egal, ob die gemeinsame Varianzaufklärung der einen oder der anderen Variable zugesprochen wird.

Wie soll ich bei so vielen Variablen vorgehen?
Erst alle testen und dann die mit dem schwächsten Einfluss wegnehmen?

Wenn nichts dagegen spricht, dann nimm einfach alle Größen mit 'rein, die vernünftigerweise einen Einfluss haben könnten. Oder ist es "teuer", diese Informationen in Zukunft zu bekommen? Da Du genug Beobachtungen hast: Schmeiß rein was sinnvoll klingt.

Wie mache ich das bei Variablen welche ich theoretisch weiter aufsplitten könnte. Bsp.: Eine Maschine könnte ich nach Grösseklassen aufteilen.
Soll ich zuerst die Gesamtheit der Maschinen testen oder diese gleich in Kategorien aufteilen.

Ohne Sachkunde schwer zu beurteilen. Wenn Du Informationen hast, die zusätzliche Information versprechen, dann hinein damit. Wenn es wahrscheinlich keine Rolle spielt, weil eh fast immer der gleiche Mix von Größenklassen läuft, dann lass sein.

Wie soll ich die Güte des Forecasts bestimmen?
Der Forecast sollte auf Monatsebene funktionieren. (Also wie viel Strom wird Mai 2013 verbraucht?)

Indem Du bei Vorliegen der Rechnung für Mai angibst, um wieviel Prozent Deine Vorhersage daneben gelegen hat?

LG,
Bernhard



Gruss chesterluck[/quote]

[chesterluck]

Besten Dank Bernhard. Du hast mir echt weitergeholfen und ich kann ruhig schon anfangen die Daten zu sammeln.

Gruss
chesterluck