Bei der Analyse der Daten eines Fertigungsprozesses mag die Wahl des Ma\u00dfes f\u00fcr die zentrale Tendenz \u2013 Mittelwert oder Median \u2013 unbedeutend erscheinen. Tats\u00e4chlich bestimmt sie jedoch die Zuverl\u00e4ssigkeit Ihrer Schlussfolgerungen, die Aussagekraft Ihrer Regelkarten und die Genauigkeit Ihrer F\u00e4higkeitsindizes. Zu verstehen, wann man den einen oder den anderen verwenden sollte, ist eine grundlegende Kompetenz f\u00fcr jeden Lean-Six-Sigma-Praktiker.<\/p>\n
Die Durchschnitt<\/strong> (oder arithmetischer Mittelwert) ist die Summe aller Werte geteilt durch deren Anzahl. Er ber\u00fccksichtigt die Informationen jedes einzelnen Messpunkts und ist daher ein sehr zuverl\u00e4ssiger Sch\u00e4tzwert, wenn die Daten einer Normalverteilung folgen \u2013 das hei\u00dft, wenn sie symmetrisch sind und keine Ausrei\u00dfer enthalten.<\/p>\n Die Median<\/strong> ist der Wert, der in der Mitte eines in aufsteigender Reihenfolge sortierten Datensatzes liegt. Er wird als robust<\/em> : Ein Extremwert, selbst wenn er weit vom Rest der Beobachtungen entfernt ist, verschiebt diesen nur geringf\u00fcgig. Im Gegenzug nutzt er weniger Informationen als der Mittelwert und kann bei kleinen Stichproben weniger genau sein.<\/p>\n In der Praxis stimmen beide bei einer vollkommen symmetrischen Verteilung perfekt \u00fcberein. Erst wenn sie voneinander abweichen, wird die Information aussagekr\u00e4ftig: Ihre Abweichung deutet auf eine Asymmetrie oder das Vorhandensein von Ausrei\u00dfern im Prozess hin.<\/p>\n Der Durchschnitt ist der Referenzwert, sobald Ihre Daten zwei Bedingungen erf\u00fcllen: Normalit\u00e4t<\/strong> (oder eine hinreichend symmetrische Verteilung) und Fehlen ungerechtfertigter Ausrei\u00dfer<\/strong>. Deshalb steht sie im Mittelpunkt der g\u00e4ngigsten statistischen Verfahren im Bereich der statistischen Prozesskontrolle (SPC):<\/p>\n Wenn Ihr Prozess unter Kontrolle ist und normalverteilte Daten liefert, nutzt der Mittelwert die gesamte verf\u00fcgbare Information und liefert die im statistischen Sinne genauesten Sch\u00e4tzwerte.<\/p>\n Der Median ist in drei g\u00e4ngigen Situationen im industriellen Umfeld vorzuziehen \u2013 oder sogar unverzichtbar.<\/p>\n Bestimmte Prozesse f\u00fchren naturgem\u00e4\u00df zu asymmetrischen Verteilungen: Zykluszeiten, Verschmutzungsgrade, Lieferzeiten. Schon ein einziger au\u00dfergew\u00f6hnlich langer Vorgang kann den Durchschnitt nach oben verzerren und ein verzerrtes Bild des \u00fcblichen Prozessverhaltens vermitteln. Der Median spiegelt daher besser wider, was der Bediener oder der Kunde tats\u00e4chlich erlebt.<\/p>\n Wenn ein Sensor vor\u00fcbergehend von den Normwerten abweicht oder ein Ausnahmeereignis (Maschinenstillstand, nicht konformes Rohmaterial) Extremwerte in den Datensatz einbringt, d\u00e4mpft der Median deren Auswirkungen. Dies entbindet zwar nicht davon, die Grundursache zu untersuchen und zu beheben, verhindert jedoch, dass der Prozess auf der Grundlage einer k\u00fcnstlich verzerrten Statistik gesteuert wird.<\/p>\n Bei Attributen, die auf einer Ordinalskala bewertet werden (Zufriedenheitswerte, Schweregrade eines Mangels), l\u00e4sst sich der Mittelwert zwar mathematisch berechnen, ist aber semantisch fragw\u00fcrdig. Der Median beh\u00e4lt hingegen eine konkrete Bedeutung: Er bezeichnet den tats\u00e4chlich zentralen Wert der Stichprobe.<\/p>\n Es gibt auch Kontrollkarten auf Basis des Medians (X\u0303\/R-Karte), die zwar weniger empfindlich sind als X-Bar-Karten, aber robuster im Umgang mit nicht normalverteilten Daten oder bei Bedienern, die mit der Berechnung von Mittelwerten noch nicht vertraut sind.<\/p>\n Es hat sich bew\u00e4hrt, nicht blindlings zu w\u00e4hlen, sondern zun\u00e4chst die Verteilung zu analysieren, bevor man eine Entscheidung trifft.<\/p>\n Diese Schritte dauern in jeder statistischen Analysesoftware nur wenige Minuten und verhindern, dass Steuerungsentscheidungen auf der Grundlage ungeeigneter Kennzahlen getroffen werden.<\/p>\n Die Frage ist nicht, ob der Mittelwert \u00abbesser\u00bb ist als der Median: Jeder von beiden eignet sich f\u00fcr einen bestimmten Kontext. Bei einem stabilen und normalverteilten Prozess bleibt der Mittelwert der leistungsst\u00e4rkste Sch\u00e4tzer. Sobald Asymmetrien oder Ausrei\u00dfer ins Spiel kommen, bietet der Median ein realistischeres Bild der tats\u00e4chlichen Situation. Erst diagnostizieren, dann entscheiden: Das ist der stringente Ansatz, der den Six-Sigma-Praktiker von demjenigen unterscheidet, der Formeln anwendet, ohne deren Annahmen zu hinterfragen.<\/p>","protected":false},"excerpt":{"rendered":" Moyenne vs m\u00e9diane : laquelle choisir pour piloter votre proc\u00e9d\u00e9 ? Lorsque vous analysez les donn\u00e9es d’un proc\u00e9d\u00e9 de fabrication, le choix de l’indicateur de tendance centrale \u2014 moyenne ou m\u00e9diane \u2014 peut sembler anodin. En r\u00e9alit\u00e9, il conditionne la fiabilit\u00e9 de vos conclusions, la pertinence de vos cartes de contr\u00f4le et la justesse de […]<\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-4465","post","type-post","status-publish","format-standard","hentry","category-data-analysis"],"acf":[],"yoast_head":"\nWenn der Mittelwert die richtige Wahl ist<\/h2>\n
\n
Wenn der Median ausschlaggebend ist<\/h2>\n
Asymmetrische Daten oder Daten mit langen Ausl\u00e4ufern<\/h3>\n
Es wurden Ausrei\u00dfer festgestellt<\/h3>\n
Kleine Stichproben bei ordinalen Daten<\/h3>\n
Wie k\u00f6nnen Sie testen, welche Methode f\u00fcr Ihre Daten geeignet ist?<\/h2>\n
\n
\n