# Lösungen · MFG01

## Erreichten Näherei- und Endfertigungsteams ihre erfassten Produktivitätsziele gleich oft?

Produktionsleiter vergleichen Abteilungen, um zu entscheiden, wo sie bei fehlender Leistung zuerst hinschauen. Vorher müssen sie wissen, wann ein Team-Tag als Zielerreichung gilt und wie viele Team-Tage jede Abteilung beiträgt.

- Ein Datensatz ist — ein Team-Tag-Datensatz
- Zeitraum — 01.01.2015 bis 11.03.2015
- Umfang — Ein Bekleidungsunternehmen; sein Standort ist in den UCI-Metadaten nicht bestätigt.

## Die Kreuztabelle

Zielerreichung × Abteilung

| Zielerreichung | Näherei | Endfertigung |
| --- | ---: | ---: |
| Ziel erreicht oder übertroffen | 573 | 302 |
| Unter dem Ziel | 118 | 204 |

## Welche Aussage stützt diese Tabelle?

1. Team-Tage in der Näherei erreichten ihr erfasstes Ziel häufiger als Team-Tage in der Endfertigung.
2. Ein Team aus der Endfertigung in die Näherei zu versetzen, würde seine Chance erhöhen, das Ziel zu erreichen.
3. Teams in der Näherei sind produktiver als Teams in der Endfertigung.

Wählen Sie eine Aussage. Geben Sie die zugehörigen Anzahlen und Bezugsgrößen an und beschreiben Sie eine Grenze des Vergleichs.

## Die Zahlen hinter der Prüfung

- **1. Gestützt.** 573 von 691 (82,9 %) gegenüber 302 von 506 (59,7 %): 23,2 Prozentpunkte höher, in den Daten eines einzigen Unternehmens.
- **2. Nicht gestützt.** Das ist eine kausale Aussage. Die Abteilungen unterscheiden sich in Arbeit, Zielen und Besetzung, und nichts davon wird hier konstant gehalten; die Tabelle hält fest, was geschah, nicht was eine Änderung bewirken würde.
- **3. Nicht gestützt.** Jeder Team-Tag wird an seinem eigenen erfassten Ziel gemessen, und Ziele können je Abteilung unterschiedlich gesetzt sein. Die Tabelle vergleicht die Zielerreichung, nicht die Leistung.

- Näherei: 573 von 691 Team-Tagen am oder über dem Ziel (82,9 %).
- Endfertigung: 302 von 506 Team-Tagen am oder über dem Ziel (59,7 %).
- Die Näherei stellt 57,7 % aller 1.197 Team-Tage, daher neigt eine gepoolte Erreichungsquote zu ihr.

Berichten Sie den Abstand als Zusammenhang in den Daten eines Unternehmens, nicht als Effekt der Abteilung. Die Frage, was eine Änderung bewirken würde, braucht vergleichbare Arbeit und gleiche Zielregeln.

## Grenzen

Historische Daten eines einzigen Bekleidungsunternehmens, keine Branchenstichprobe. Teams kommen an mehreren Tagen vor, die Datensätze sind also keine unabhängigen Beschäftigten. Die UCI-Metadaten bestätigen nicht, wo das Unternehmen liegt. Einige actual_productivity-Werte liegen über eins und damit außerhalb des dokumentierten Bereichs von null bis eins; sie bleiben wie erfasst, bis die Autoren das klären. Alle Zusammenfassungen sind beschreibend, nicht kausal.

## Quelle

Daten: Productivity Prediction of Garment Employees [Dataset]. (2020). UCI Machine Learning Repository. https://doi.org/10.24432/C51S6D. Lizenziert unter [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/). Crosstabs hat die Datensätze ausgewählt, umkodiert und zu dieser Tabelle aggregiert.

- [Productivity Prediction of Garment Employees [Dataset]. (2020). UCI Machine Learning Repository. https://doi.org/10.24432/C51S6D](https://archive.ics.uci.edu/dataset/597/productivity+prediction+of+garment+employees)
- [Selbst nachrechnen · MFG01](https://www.crosstabs.com/de/examples/mfg01-did-sewing-and-finishing-teams-meet-their-recorded-productivity-targets-equally-often)
- [CSV](https://www.crosstabs.com/examples/mfg01-did-sewing-and-finishing-teams-meet-their-recorded-productivity-targets-equally-often/download/csv) · [JSON](https://www.crosstabs.com/examples/mfg01-did-sewing-and-finishing-teams-meet-their-recorded-productivity-targets-equally-often/download/json)
