# 參考答案 · MFG01

## 縫製與後整理團隊達到記錄目標生產力的頻率是否相同？

生產主管會比較各部門，決定產出不足時先從哪裡查起。在這之前，他們要先知道一個團隊工作日怎樣才算達標，以及每個部門貢獻了多少個團隊工作日。

- 一筆紀錄是 — 一筆團隊工作日紀錄
- 期間 — 2015-01-01 至 2015-03-11
- 範圍 — 一家成衣公司；UCI 中繼資料未確認其所在地。

## 交叉表

目標達成 × 部門

| 目標達成 | 縫製 | 後整理 |
| --- | ---: | ---: |
| 達到或超過目標 | 573 | 302 |
| 未達目標 | 118 | 204 |

## 這張表支持哪一種說法？

1. 「縫製」的團隊工作日比「後整理」的團隊工作日更常達到記錄的目標。
2. 把一個團隊從「後整理」調到「縫製」，會提高它達標的機會。
3. 「縫製」團隊比「後整理」團隊更有生產力。

選擇一個說法。寫出支持它的計數和分母，再說明這項比較的一項限制。

## 檢查所用的數字

- **1. 表格支持。** 691 個中 573 個（82.9%），對比 506 個中 302 個（59.7%），高出 23.2 個百分點，資料來自一家公司的紀錄。
- **2. 表格不支持。** 這是因果說法。兩個部門的工作內容、目標和人力都不同，而這裡沒有控制其中任何一項；這張表記錄的是發生了什麼，而不是改變之後會怎樣。
- **3. 表格不支持。** 每個團隊工作日都以它自己記錄的目標來衡量，而各部門設定目標的方式可能不同。這張表比較的是達標情形，而不是產出。

- 縫製：691 個團隊工作日中 573 個達到或超過目標（82.9%）。
- 後整理：506 個團隊工作日中 302 個達到或超過目標（59.7%）。
- 全部 1,197 個團隊工作日中有 57.7% 來自「縫製」，所以合併後的達標率會偏向這個部門。

請把這個差距報告為一家公司紀錄中的關聯，而不是部門的效果。要問改變會帶來什麼，需要在可比較的工作和相同的目標設定規則下比較。

## 限制

這是一家成衣公司的歷史紀錄，不是產業樣本。同一團隊在不同日期重複出現，所以這些紀錄不是彼此獨立的工人。UCI 中繼資料未確認這家公司位於何處。部分 actual_productivity 值大於一，超出文件記載的零到一範圍；在作者說明之前，這些值依原始紀錄保留。所有摘要都是描述性的，不是因果關係。

## 資料來源

資料：Productivity Prediction of Garment Employees [Dataset]. (2020). UCI Machine Learning Repository. https://doi.org/10.24432/C51S6D。採用 [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 授權。Crosstabs 對原始紀錄進行篩選、重新編碼並彙總成本表。

- [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)
- [自己算一次 · MFG01](https://www.crosstabs.com/zh-tw/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)
