Geschäftskontext
Ein großes Logistikzentrum überwacht stündlich die Anzahl beschädigter Pakete über mehrere Jahre hinweg. Dieser Test prüft die Performance der cChart-Aktion bei einer großen Anzahl von Untergruppen und aktiviert gleichzeitig rechenintensive Tests auf spezielle Ursachen (Western Electric Rules), um Anomalien in den Spitzenzeiten zu finden.
Datenaufbereitung
Simulation von 50.000 Stundenbetrieb (Untergruppen) mit sporadischen Fehler-Spikes.
Kopiert!
| 1 | |
| 2 | DATA mycas.logistics_defects; |
| 3 | call streaminit(999); |
| 4 | DO hour_id = 1 to 50000; |
| 5 | damaged_pkgs = rand('POISSON', 12); |
| 6 | IF mod(hour_id, 500) = 0 THEN damaged_pkgs = damaged_pkgs + 20; |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | |
| 10 | RUN; |
| 11 |
Étapes de réalisation
1
Ausführung von cChart auf großem Datensatz mit Aktivierung aller primären Tests (1-8).
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | spc.cChart / TABLE={name='logistics_defects'} processValue='damaged_pkgs' subgroupValue='hour_id' primaryTests={test1=true, test2=true, test3=true, test4=true} chartsTable={name='logistics_chart', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Speichern der berechneten Grenzwerte zur Wiederverwendung.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | spc.cChart / TABLE={name='logistics_defects'} processValue='damaged_pkgs' subgroupValue='hour_id' outLimitsTable={name='logistics_limits', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
Erwartetes Ergebnis
Die Aktion muss auch bei 50.000 Untergruppen performant bleiben. Die generierten Spikes (jeder 500. Datensatz) sollten durch 'Test 1' (Punkt außerhalb der 3-Sigma-Grenzen) in der Ausgabetabelle korrekt als Ausnahmen markiert werden.